CHƢƠNG 3 PHƢƠNG PHÁP NGHIÊN CỨU
3.1. Mơ hình nghiên cứu
3.1.1. Mối quan hệ kinh tế của Trung Quốc với các nƣớc Châu Á
Tác động của nền kinh tế Trung Quốc lên các nước trong khu vực (các nước Châu Á được xét trong mẫu) có thể được ước lượng bằng việc phân tích dữ liệu bảng - là sự kết hợp của dữ liệu chéo (cross-section) và dữ liệu thời gian (time series). Chúng ta sẽ hồi quy dữ liệu bảng bởi cả hồi quy Pool-OLS7 và mơ hình tác động cố định (FEM) hoặc mơ hình tác động ngẫu nhiên (REM).
Mơ hình hồi quy tăng trưởng được xây dựng như sau: Yi,t = ci + ai.Xi,t + u Trong đó,
Yi,t : là tỷ lệ tăng trưởng GDP theo năm (%) tại giá thị trường dựa trên đồng nội địa cố định của quốc gia i, trong thời điểm t.
Xi,t: là ma trận của các biến phụ thuộc trong mơ hình hồi quy của quốc gia i, trong thời điểm t.
Thực hiện kiểm định Hausman để lựa chọn mơ hình phù hợp hơn giữa FEM và REM. Điểm khác biệt giữa FEM và REM được thể hiện ở sự biến động giữa các đơn vị. Thực chất kiểm định Hausman để xem xét có tồn tại tự tương quan giữa sai số εi8 và các biến độc lập hay khơng. Trong đó, phương pháp tác động cổ định có thể kiểm soát và tách
7 Pool-OLS giả định các hệ số đều không thay đổi giữa các đối tượng khác nhau và khơng thay đổi theo thời gian. Pool-OLS có nhược điểm là hệ số Durbin-Watson thường khá nhỏ ( bé hơn 1) cho nên hay gây ra hiện tượng tự tương quan dương và ràng buộc quá chặt về các đơn vị chéo, điều này khó xảy ra trong thực tế. Điều này sẽ được giải quyết bằng việc sử dụng FEM hoặc REM.
ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) này ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực (net effects) của biến giải thích lên biến phụ thuộc. Các đặc điểm riêng biệt (không đổi theo thời gian) này là đơn nhất đối với một thực thể và không tương quan với đặc điểm của các thực thể khác nhằm phân tích dữ liệu chéo của các quốc gia qua thời gian. Thay vì thập trung ước lượng tác động của các cú sốc quốc tế lên chu kỳ kinh doanh trong nước, mơ hình này được sử dụng nhằm mục đích phân tích tác động tăng trưởng trong dài hạn.
Mơ hình Pool-OLS thực chất là mơ hình OLS bình thường, điều này xảy ra khi chúng ta sử dụng dữ liệu bảng như một đám mây dữ liệu bình thường khơng phân biệt theo năm và như vậy khi hồi quy mơ hình Pool-OLS ta cần xem xét các giả thiết sau:
- Giả thiết 1: Mối quan hệ giữa biến phụ thuộc và biến độc lập là tuyến tính. Các biến độc lập cho trước và khơng ngẫu nhiên. (Có thể hiểu tính khơng ngẫu nhiên ở đây là giá trị của biến độc lập không đổi qua các lần đo - giá trị là lặp lại với mẫu lặp lại). - Giả thiết 2: Sai số trong mơ hình có giá trị trung bình bằng 0 và phương sai của sai số là không đổi - Kiểm định hiện tượng phương sai thay đổi.
- Giả thiết 3: Khơng có sự tương quan giữa các biến độc lập trong mơ hình. (tương quan giữa các biến độc lập trong cùng một quan sát) – Kiểm định hiện tượng đa cộng tuyến.
- Giả thiết 4: Khơng có sự tương quan giữa các sai số trong mơ hình – Kiểm định hiện tượng tự tương quan.
- Giả thiết 5: Khơng có sự tương quan giữa biến độc lập và sai số trong mơ hình. – Hiện tượng nội sinh.
Bước tiếp theo, đánh giá sự phù hợp của mơ hình bằng việc xem xét có xảy ra hiện tượng phương sai thay đổi và đa cộng tuyến trong mơ hình hay khơng.
Phương sai thông thường trong hồi quy OLS sẽ khơng cịn phù hợp trong mơ hình tồn tại phương sai thay đổi. Do vậy, nếu tiếp tục sử dụng các phương sai thơng thường này thì việc suy diễn của tất cả các thống kê (thống kê t, thống kê F,…) sẽ khơng cịn phù hợp và tin cậy. Chúng ta muốn kiểm tra xem giả định về phương sai đồng nhất có được duy trì hay khơng bằng cách đặt giả thiết H0 là: H0: ( | ) : phương sai đồng nhất
H1: ( | ) : phương sai sai đổi
Chúng ta sẽ sử dụng kiểm định White (1980) để xem xét mơ hình có hiện tượng phương sai thay đổi hay khơng. Nếu thống kê F có giá trị p>0.05, thì ở mức ý nghĩa 5% giả thiết H0 về sự đồng nhất của phương sai được chấp nhận. Nghĩa là mơ hình khơng tồn tại hiện tượng phương sai thay đổi.
Đa cộng tuyến là hiện tượng phụ thuộc tuyến tính cao giữa các biến giải thích. Tức, tồn tại các hệ số λ2 , λ3 ,… λk không đồng thời bằng 0 sao cho:
λ2X2 + λ3X3 +… λkXk + vi = 0,
với vi là sai số ngẫu nhiên, vi = 0: xảy ra hiện tượng đa cộng tuyến hoàn hảo.
Trong bài, sẽ sử dụng yếu tố phóng đại phương sai (VIF) để phát hiện đa cộng tuyến. Nếu VIF >10 thì có hiện tượng đa cộng tuyến, và ngược lại, VIF<10 thì khơng có hiện tượng đa cộng tuyến9
.
9 Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, Phân thích dữ liệu nghiên cứu với SPSS, Nhà xuất bản Hồng Đức
3.1.2. Mối quan hệ kinh tế giữa Trung Quốc và Việt Nam
Thông qua phương pháp đồng liên kết Jonhansen kết hợp với VAR (hoặc VECM) và kiểm định nhân quả Granger chúng ta sẽ khám phá một cách rõ ràng mối liên hệ giữa nền kinh tế Trung Quốc và Việt Nam.
Theo Frank và cộng sự (2003) phương pháp thích hợp nhất để nghiên cứu các mối liên hệ phụ thuộc nhau, bước đầu tiên là kiểm tra quan hệ nhân quả của các liên kết, sau khi có được nguyên nhân và các tác động, áp dụng phân tích phản ứng đẩy. Chúng ta sẽ lần lượt tiến hành các bước sau:
Đầu tiên, sử dụng kiểm định nghiệm đơn vị (Augmented Dickey-Fuller (ADF)) để kiểm tra tính dừng của các chuỗi dữ liệu. Nếu các chuỗi dữ liệu khơng dừng, có thể xảy ra hiện tượng hồi quy giả mạo, R2 bị chệch, phản ánh sai mối quan hệ giữa các chuỗi dữ liệu. Cho nên, chúng ta sử dụng thêm kiểm định đồng liên kết Jonhansen cho các chuỗi dữ liệu để kiểm tra có xảy ra hiện tượng hồi quy giả mạo hay không. Giả định các chuỗi dữ liệu thời gian có xu hướng tuyến tính. Nếu có hiện tượng đồng liên kết xảy ra, mơ hình VECM sẽ được sử dụng để đo lường mức độ tác động giữa các chuỗi thời gian. Ngược lại, mơ hình VAR sẽ được sử dụng.
Tiếp theo, chúng ta tiến hành kiểm định nhân quả Granger. Mơ hình nhân quả Granger được đưa ra theo hai phương trình:
∑ ∑ (1)
∑ ∑ (2)
Trong đó,
và là các chuỗi sai phân bậc một của tăng trưởng GDP Trung Quốc và Việt Nam.
và là các biến phụ thuộc có độ trễ μt và νt là sai số ngẫu nhiên của phương trình
Để xem các biến trễ của x có giải thích cho y (tức x có tác động nhân quả Granger lên y) và biến trễ của y có giải thích cho x (tức y có tác động nhân quả Granger lên x) hay không ta kiểm định giả thiết sau đây cho mỗi phương trình:
H0:
Để kiểm định giả thiết đồng thời này, ta sử dụng thống kê F của kiểm định Wald.
Cuối cùng, để phân tích rõ nét hơn sự thay đổi của tăng trưởng GDP Việt Nam phụ thuộc thế nào vào sự thay đổi của tăng trưởng Trung Quốc ở hiện tại và những thời kỳ trước đó, chúng ta thực hiện thêm một bước nữa là ước lượng mơ hình VAR (Greene, 2003), để kiểm tra các mối quan hệ nhân quả giữa hai nước. Mơ hình VAR với độ trễ p có cơng thức:
yt = c + α1yt-1 + … + αpyt-p + εt
Trong đó, yt là vector của các biến nội sinh, yt = (Y_VNt Y_CHINAt) là tỷ lệ tăng trưởng GDP của Việt Nam và Trung Quốc. i = 1, 2, …, p là độ trễ.
Tuy nhiên, do VAR gặp vấn đề với các chuỗi thời gian có hiện tượng đồng liên kết nên nếu có hiện tượng đồng liên kết, chúng ta sử dụng VECM, có dạng sau:
∆yt = yt-1 + A1∆yt-1 + … + Ap-1∆yt-p-1 + εt Trong đó, = (-I + α1 + …+ αp); A1 = (α2 + …+ αp); …, Ap-1 = αp
Sau đó, chúng ta lựa chọn độ trễ tối ưu bằng tiêu chuẩn thông tin Schwarz SC, chọn mơ hình có SC nhỏ nhất. Độ trễ tối ưu được lựa chọn thông qua bảng độ trễ được kiểm tra bằng phương pháp VAR.
Sau khi hồi quy bằng mơ hình VAR (hoặc VECM), ta xem xét tính dừng của các phần dư để kiểm tra mơ hình có phù hợp hay không.
Xem xét sự tác động của biến này lên biến kia khi có một sự thay đổi, một cú sốc xảy ra. Ta đánh giá thông qua hàm phản ứng đẩy và phân tích phương sai.