Nguồn: Tác giả tính tốn
5.2. Kiểm định tính dừng
Tiếp theo, để kiểm định nghiệm đơn vị của các biến số chuỗi thời gian, bài nghiên cứu đã sử dụng hai phương pháp: kiểm định Dickey–Fuller mở rộng (ADF) và kiểm định Phillip–Person (PP) với giả thuyết : Chuỗi thời gian có nghiệm đơn vị & giả thuyết : Chuỗi thời gian khơng có nghiệm đơn vị. Kết quả kiểm định được trình bày trong bảng 5.2: -2.0 -1.6 -1.2 -0.8 -0.4 0.0 0.4 0.8 1.2 1.6 2000 2002 2004 2006 2008 2010 2012
Bảng 5.2 – Kết quả kiểm định nghiệm đơn vị Kiểm định Dickey–Fuller mở rộng (ADF) Kiểm định Phillip–Person (PP) Biến số T-statistics Độ trễ (theo tiêu chí SIC) Chuỗi
thời gian T-statistics
Độ trễ Chuỗi thời gian -0.1919 0 I(1) 0.3880 15 I(1) -0.786788 0 I(1) -0.873079 8 I(1) -1.786979 2 I(1) -1.951148 2 I(1) 1.286092 0 I(1) 1.286092 0 I(1) -1.498613 1 I(1) -1.330864 4 I(1) 0.423764 5 I(1) -1.174632 26 I(1) -6.922448 * 3 I(0) -9.739454 * 15 I(0) -7.244272 * 0 I(0) -7.383535 * 8 I(0) -6.788552 * 1 I(0) -4.157374 * 16 I(0) -5.004027 * 0 I(0) -5.004027 * 0 I(0) -4.179941 * 0 I(0) -4.189241 * 2 I(0) -4.965153 * 4 I(0) -18.28395 * 40 I(0)
Chú ý: * Đại diện cho mức ý nghĩa 1%.
Cả 02 kiểm định đều đạt được cùng một kết quả. Do đó, để tăng cường thêm tính vững chắc cho nghiên cứu, chúng ta tiếp tục thực hiện phương pháp kiểm định tính dừng bằng kiểm định KPSS với giả thuyết : Chuỗi thời gian là chuỗi dừng & giả thuyết : Chuỗi thời gian là chuỗi không dừng.
Bảng 5.3 – Kết quả kiểm định tính dừng
Biến số Kiểm định KPSS
LM-Stat. Độ trễ Chuỗi thời gian
0.902500 6 I(1) 0.906409 6 I(1) 0.815665 5 I(1) 0.875592 6 I(1) 0.760554 6 I(1) 0.909707 6 I(1) 0.181271 *** 15 I(0) 0.118622 *** 9 I(0) 0.097971 *** 4 I(0) 0.234119 *** 2 I(0) 0.194651 *** 4 I(0) 0.500000 ** 54 I(0)
Chú ý: ** Đại diện cho mức ý nghĩa 5% và *** Đại
diện cho mức ý nghĩa 10%
Chúng ta nhận thấy sự đồng nhất về kết quả khi thực hiện các kiểm định khác nhau về tính dừng của các biến số chuỗi thời gian: GDP thực, phát triển tài chính, lãi suất huy động, vốn và lao động đều có nghiệm đơn vị ở tất cả các kiểm định. Và sai phân bậc 01 của các chuỗi thời gian này đều dừng ở các kiểm định tương tự, do đó, các biến số trong bài nghiên cứu sẽ có dạng I(1). Bên cạnh đó, để xác định xem liệu có tồn tại sự biến đổi về cấu trúc trong các biến số nghiên cứu hay không, phương pháp kiểm định Zivot – Andrews đã được sử dụng để kiểm định sự biến đổi về cấu trúc tại một mốc thời gian chưa được biết trước.
Bảng 5.4 – Kết quả kiểm định nghiệm đơn vị với điểm biến đổi cấu trúc
Biến số
Kiểm định ZA
T-statistics Độ trễ Điểm biến đổi
cấu trúc Kết luận -2.47768 4 2008Q4 Có nghiệm đơn vị -3.48794 0 2008Q2 Có nghiệm đơn vị -7.20797 * 1 2001Q3 Chuỗi dừng -3.025758 4 2007Q1 Có nghiệm đơn vị -10.9916 * 1 2004Q1 Chuỗi dừng -5.238594 ** 4 2008Q4 Chuỗi dừng -9.74811 * 3 2008Q2 Chuỗi dừng -7.63514 * 0 2010Q4 Chuỗi dừng -6.557039 * 3 2010Q4 Chuỗi dừng
Chú ý: * Đại diện cho mức ý nghĩa 1% và ** Đại diện cho mức ý nghĩa 5%.
Theo bảng kết quả 5.4. nhận thấy, đa phần các biến số thì khơng dừng ở chuỗi dữ liệu gốc nhưng dừng ở chuỗi sai phân cấp 01 ngoại trừ biến số lãi suất, vốn và độ mở thương mại. Chuỗi thời gian của ba biến số này dưới tác động của sự biến đổi cấu trúc đã dừng ở chuỗi dữ liệu gốc với điểm biến đổi cấu trúc được xác định lần lượt là Quý III/2001, Quý I/2004 và Quý IV/2008. Do đó, các biến số trong bài nghiên cứu khi tính đến sự biến đổi cấu trúc sẽ là hỗn hợp của I(0) và I(1). Đồng thời, kiểm định ZA đã xác định biến số GDP là chuỗi dừng tại điểm biến đổi cấu trúc là Quý II/2008, điều này phù hợp với thực tế ghi nhận về một sự sụt giảm trong tốc độ tăng trưởng GDP thực dưới tác động của khủng hoảng kinh tế toàn cầu năm 2008. Do đó, Quý II/2008 sẽ được chọn làm điểm mốc khi nghiên cứu tác động của khủng hoảng kinh tế toàn cầu đến mối quan hệ giữa phát triển tài chính và tăng trưởng kinh tế. Biến giả đại diện cho tác động này sẽ nhận giá trị bằng 0 trước điểm
biến đổi cấu trúc (tương đương giai đoạn từ Quý I/1999 – Quý I/2008) và nhận giá trị bằng 01 bắt đầu từ điểm biến đổi cấu trúc (tương đương giai đoạn từ Quý II/2008 – Quý IV/2012).
5.3. Kiểm định đồng liên kết
5.3.1. Mơ hình khơng bao gồm tác động của khủng hoảng kinh tế
Trước khi tiến hành các thử nghiệm liên quan đến kiểm định đồng liên kết, chúng ta phải lựa chọn được độ trễ tối ưu cho các biến số bằng cách ứng dụng mơ hình tự hồi quy vector khơng hạn chế (unrestricted VAR). Mơ hình VAR sẽ tự động lựa chọn độ trễ tối ưu dựa trên một số tiêu chuẩn: tiêu chuẩn thông tin Akaike (AIC), tiêu chuẩn thông tin Schwarz (SC) và tiêu chuẩn thông tin Hannan-Quinn, … Tuy nhiên, chúng ta nên lưu ý về việc các giá trị của thống kê F thì nhạy cảm với việc lựa chọn độ trễ tối đa cho các biến số sai phân bậc 01 trong phương trình (Bahmani-Oskooee and Nasir, 2004). Điều này ngụ ý rằng kết quả tìm được có thể bị sai lệch khi chúng ta lựa chọn độ trễ tối đa chưa thật sự phù hợp. Do đó, trong bài nghiên cứu này độ trễ tối đa được lựa chọn là 04 và tiêu chuẩn thông tin Akaike (AIC) được sử dụng để tìm ra độ trễ tối ưu cho các biến số trong phương trình cần nghiên cứu. Kết quả nhận được cho thấy rằng: độ trễ 01 là độ trễ tối ưu cho các chuỗi dữ liệu Quý trong giai đoạn từ Quý I/1999 đến Quý IV/2012.
Bảng 5.5 – Kết quả lựa chọn độ trễ tối ƣu
Độ trễ LogL LR FPE AIC SC HQ
0 644.3328 NA 5.42E-19 -25.03266 -24.80538* -24.94581* 1 681.169 63.56046* 5.30e-19* -25.06545* -23.47453 -24.45751 2 700.8377 29.31032 1.07E-18 -24.42501 -21.47045 -23.29599 3 731.9315 39.01962 1.51E-18 -24.23261 -19.91441 -22.5825 4 779.3095 48.30698 1.34E-18 -24.6788 -18.99696 -22.5076 * thể hiện độ trễ được lựa chọn của từng tiêu chuẩn
LR: Tỷ số hợp lý tại mỗi lần kiểm định (mức ý nghĩa 5%) FPE: Tiêu chuẩn sai số dự báo cuối cùng
AIC: tiêu chuẩn thông tin Akaike SC: tiêu chuẩn thông tin Schwarz HQ: tiêu chuẩn thơng tin Hannan-Quinn
Sau đó, chúng ta tiến hành ước lượng mơ hình (4) với độ trễ đã được chọn, kết quả được ghi nhận từ phần mềm Eview 7.2:
Bảng 5.6 – Kết quả ƣớc lƣợng mơ hình hiệu chỉnh sai số khơng giới hạn
Dependent Variable: D(LNYT) Method: Least Squares
Sample (adjusted): 1999Q3 2012Q4
Included observations: 54 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 4.040996 1.236364 3.268452 0.0022 D(LNYT(-1)) -0.111482 0.159395 -0.699403 0.4882 D(LNFT(-1)) -0.035364 0.096873 -0.365059 0.7169 D(LNRT(-1)) 0.050320 0.028686 1.754189 0.0869 D(LNKT(-1)) 0.026124 0.049211 0.530853 0.5984 D(LNLT(-1)) -1.043276 1.813012 -0.575438 0.5681 D(LNOT(-1)) -0.130942 0.041482 -3.156637 0.0030 LNYT(-1) -0.363269 0.106460 -3.412254 0.0015 LNFT(-1) 0.143317 0.037238 3.848679 0.0004 LNRT(-1) -0.093603 0.022282 -4.200816 0.0001 LNKT(-1) -0.035299 0.023130 -1.526114 0.1347 LNLT(-1) 2.816037 1.095837 2.569758 0.0139 LNOT(-1) 0.168571 0.043798 3.848788 0.0004 R-squared 0.647798 Mean dependent var 0.015556 Adjusted R-squared 0.544714 S.D. dependent var 0.039431 S.E. of regression 0.026606 Akaike info criterion -4.209305 Sum squared resid 0.029023 Schwarz criterion -3.730476 Log likelihood 126.6512 Hannan-Quinn criter. -4.024639
F-statistic 6.284205 Durbin-Watson stat 0.981772 Prob(F-statistic) 0.000004
Kiểm định tính thích hợp của mơ hình
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 18.20225 Prob. F(1,40) 0.0001 F-statistic 9.505156 Prob. F(2,39) 0.0004
Heteroskedasticity Test: White
F-statistic 13.17297 Prob. F(12,41) 0.0000 Dựa trên kết quả hồi quy nhận thấy, giá trị và hiệu chỉnh lần lượt là 0.64 và 0.54. Đồng thời giá trị thống kê F của các kiểm định về tính thích hợp của mơ hình đều có giá trị p-value nhỏ hơn mức ý nghĩa 1%. Do đó, mơ hình ước lượng trên là chưa thực sự phù hợp và chúng ta cần phải khắc phục các khiếm khuyết của mơ hình bằng cách tăng dần độ trễ cho biến phụ thuộc.
Bảng 5.7 – Kết quả điều chỉnh ƣớc lƣợng mơ hình hiệu chỉnh sai số khơng giới hạn
Dependent Variable: D(LNYT) Method: Least Squares
Sample (adjusted): 1999Q4 2012Q4
Included observations: 53 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 1.900875 0.561361 3.386190 0.0016 D(LNYT(-1)) -0.000734 0.070781 -0.010367 0.9918 D(LNYT(-2)) -0.243713 0.050069 -4.867500 0.0000 D(LNFT(-1)) -0.026879 0.036020 -0.746219 0.4600 D(LNRT(-1)) -0.006623 0.011660 -0.567961 0.5733 D(LNKT(-1)) -0.009174 0.018164 -0.505051 0.6164 D(LNLT(-1)) -0.022951 0.729881 -0.031445 0.9751 D(LNOT(-1)) 0.005778 0.017868 0.323378 0.7481 LNYT(-1) -0.165211* 0.048915 -3.377500 0.0017 LNFT(-1) 0.044063* 0.015397 2.861752 0.0067
LNRT(-1) -0.016019 0.010615 -1.509172 0.1393 LNKT(-1) 0.005083 0.009274 0.548121 0.5867 LNLT(-1) 0.409311 0.434324 0.942409 0.3518 LNOT(-1) 0.022071 0.018576 1.188170 0.2420 R-squared 0.810071 Mean dependent var 0.020245 Adjusted R-squared 0.746761 S.D. dependent var 0.019344 S.E. of regression 0.009734 Akaike info criterion -6.204724 Sum squared resid 0.003696 Schwarz criterion -5.684270 Log likelihood 178.4252 Hannan-Quinn criter. -6.004582 F-statistic 12.79537 Durbin-Watson stat 2.570576 Prob(F-statistic) 0.000000
Kiểm định tính thích hợp của mơ hình
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 6.545353 Prob. F(1,38) 0.0146 F-statistic 3.865161 Prob. F(2,37) 0.0299
Heteroskedasticity Test: White
F-statistic 1.071491 Prob. F(13,39) 0.41
Chú ý: * Đại diện cho mức ý nghĩa 1%
Mơ hình với độ trễ của biến phụ thuộc là 02 đã khắc phục được hiện tượng tự tương quan bậc 01, bậc 02 và hiện tượng phương sai thay đổi ở mức ý nghĩa 1%. Do đó, chúng ta sẽ sử dụng mơ hình này để kiểm định mối quan hệ đồng liên kết giữa các biến số trong bài nghiên cứu thông qua phương pháp ARDL. Nếu giá trị của thống kê F tìm được vượt quá giá trị cận trên của kiểm định thì giả thuyết về việc không tồn tại mối quan hệ đồng liên kết giữa các biến số bị bác bỏ. Còn nếu giá trị của thống kê F bé hơn giá trị cận dưới của kiểm định thì giả thuyết về việc không tồn tại mối quan hệ đồng liên kết giữa các biến số được chấp nhận. Ngoài ra, nếu giá trị của thống kê F nằm trong khoảng giữa giá trị cận dưới và cận trên thì khơng thể kết luận được gì cho mối quan hệ đồng liên kết giữa các biến số. Bên cạnh đó, về việc lựa chọn giá trị cận trên và cận dưới thì Pesaran et al. (2001) đã cho rằng các giá trị này khá nhạy cảm với số lượng biến hồi quy (k) trong mơ hình. Đồng thời, Narayan (2005) có bổ sung thêm ý kiến cho rằng các giá trị cận trên và
cận dưới của kiểm định F thì phụ thuộc vào kích thước mẫu nghiên cứu. Do đó, đối với việc kiểm định trên một mẫu tương đối nhỏ gồm 56 quan sát thì các giá trị cận trên và cận dưới được lựa chọn theo nghiên cứu của Narayan (2005) sẽ là phù hợp hơn. Các kết quả kiểm định mối quan hệ đồng liên kết dựa trên phương pháp ARDL được thể hiện chi tiết trong bảng 5.8:
Bảng 5.8 – Kết quả kiểm định đồng liên kết Biến Biến
phụ thuộc
Các biến giải
thích F-statistic
Giá trị của các tiệm cận Mức ý nghĩa 1% Mức ý nghĩa 5% Mức ý nghĩa 10%
I(0) I(1) I(0) I(1) I(0) I(1)
, , , , 6.541917* 3.928 5.408 2.848 4.160 2.393 3.583
Chú ý: * Bác bỏ giả thuyết về việc không tồn tại mối quan hệ đồng liên kết giữa các biến số tại mức ý nghĩa 1%.
Việc tồn tại mối quan hệ đồng liên kết đã khẳng định về sự tồn tại của mối quan hệ trong dài hạn giữa yếu tố tăng trưởng kinh tế và các yếu tố kinh tế vĩ mô khác (như: phát triển tài chính, lãi suất huy động, lao động, vốn và độ mở thương mại) tại Việt Nam. Kết quả ước lượng cho thấy chỉ có hệ số của tăng trưởng kinh tế và phát triển tài chính là có ý nghĩa thống kê ở mức 1% với các giá trị lần lượt là: -0.165211 và 0.044063. Từ đây, chúng ta có thể xác định được hệ số mối quan hệ dài hạn giữa tăng trưởng kinh tế và phát triển tài chính là -(0.044063/-0.165211) = 0.266. Điều này thể hiện ý nghĩa: phát triển tài chính có tác động tích cực đến tăng trưởng kinh tế trong dài hạn và tương đương với việc một đơn vị gia tăng của chỉ số phát triển tài chính sẽ dẫn tới 0.266 đơn vị gia tăng trong GDP thực. Kết quả kiểm định này phù hợp với các nghiên cứu trước đây của Kargbo và Adamu (2009), Uddin (2013), Loganathan và các cộng sự (2013) lần lượt tại các quốc gia như Sierra Leone, Kenya, Malaysia. Đặc biệt là các nghiên cứu tại Việt Nam của Anwar và Nguyen (2011) và Nguyen Dinh Phan (2011) cũng cho kết quả tương tự. Đồng thời, lao động, vốn và độ mở thương mại cũng có tác động tích cực đến tăng trưởng kinh tế tại Việt Nam với hệ số mối quan hệ dài hạn lần lượt là 2.477, 0.03 và 0.133. Bên
cạnh đó, kết quả nghiên cứu cũng ghi nhận được một tác động tiêu cực của lãi suất đến tăng trưởng kinh tế tại Việt Nam trong dài hạn với hệ số thể hiện mối quan hệ là -0.097, tuy nhiên tất cả hệ số này đều khơng có ý nghĩa thống kê.
Sau khi đã xác định được mối quan hệ dài hạn, mơ hình hiệu chỉnh sai số có giới hạn “restricted” ECM được sử dụng để đo lường mối quan hệ năng động trong ngắn hạn của các biến số. Đầu tiên, chúng ta thực hiện hồi quy phương trình (2) của các dữ liệu gốc bằng phương pháp bình phương bé nhất OLS, sau đó lưu lại giá trị phần dư và sử dụng phần dư này như là biến giải thích trong mơ hình “restricted” ECM. Kết quả kiểm định cho thấy hệ số của là âm: -0.163351 và có ý nghĩa thống kê. Điều này thể hiện sự hội tụ động lực của cân bằng dài hạn, cụ thể là 16% độ lệch của Quý trước đã được điều chỉnh trong Quý hiện tại.
Bên cạnh đó, với giá trị và hiệu chỉnh của mơ hình lần lượt là 67.7% và 61.8%, chúng ta nhận thấy mơ hình sử dụng là khá phù hợp. Ngoài ra, bài nghiên cứu còn sử dụng thêm các kiểm định về chẩn đốn để xác định tính vững chắc cho các kết quả ước lượng. Kiểm định LM và kiểm định White đều cho chúng ta giá trị p-value của các thống kê F lớn hơn mức ý nghĩa 1%, do đó, khơng tồn tại hiện tượng tự tương quan bậc 1, bậc 2 và hiện tượng phương sai thay đổi trong mơ hình.
Bảng 5.9 – Kết quả ƣớc lƣợng mơ hình hiệu chỉnh sai số có giới hạn
Dependent Variable: D(LNYT) Method: Least Squares
Sample (adjusted): 1999Q4 2012Q4
Included observations: 53 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 0.020226* 0.004287 4.718393 0.0000 D(LNYT(-1)) 0.122876 0.076389 1.608556 0.1149 D(LNYT(-2)) -0.235480* 0.058829 -4.002801 0.0002 D(LNFT(-1)) 0.019550 0.039517 0.494735 0.6232 D(LNRT(-1)) -0.025032** 0.011887 -2.105810 0.0410 D(LNKT(-1)) 0.010969 0.020847 0.526163 0.6014
D(LNLT(-1)) 0.535380 0.876795 0.610610 0.5446 D(LNOT(-1)) 0.027104 0.017643 1.536236 0.1316 ECM(-1) -0.163351* 0.058200 -2.806726 0.0074 R-squared 0.676785 Mean dependent var 0.020245 Adjusted R-squared 0.618019 S.D. dependent var 0.019344 S.E. of regression 0.011955 Akaike info criterion -5.861737 Sum squared resid 0.006289 Schwarz criterion -5.527159 Log likelihood 164.3360 Hannan-Quinn criter. -5.733074 F-statistic 11.51654 Durbin-Watson stat 1.673497 Prob(F-statistic) 0.000000
Kiểm định tính thích hợp của mơ hình
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.537511 Prob. F(1,43) 0.2217 F-statistic 3.090454 Prob. F(2,42) 0.056
Heteroskedasticity Test: White
F-statistic 2.347301 Prob. F(8,44) 0.0339
Chú ý: * Đại diện cho mức ý nghĩa 1% và ** Đại diện cho mức ý nghĩa 5%
Để củng cố kết quả thực nghiệm, bài nghiên cứu sử dụng thêm phương pháp tổng tích lũy số dư nội phản (CUSUM – cumulative sum of recurvive residuals) và phương pháp tổng tích lũy bình phương số dư nội phản (CUSUMSQ – cumulative sum of squares of recurvive residuals) để kiểm định tính ổn định của các hệ số ước lượng trong mơ hình ngắn hạn. Kết quả nhận thấy, đồ thị tổng tích lũy các kiểm định CUSUM và CUSUMSQ đều nằm hoàn toàn trong vùng giới hạn (mức ý nghĩa 5%). Điều này thể hiện rằng các hệ số trong mơ hình ECM đều tĩnh trong giai đoạn nghiên cứu từ Quý I/1999 đến Quý IV/2012.