CHƢƠNG 1 : GIỚI THIỆU
4.2 Đo lƣờng mức độ truyền dẫn tỷgiá hối đoái vào giá
4.2.2.2 Kiểm định LM
Một mơ hình phi tuyến gồm 2 nhánh tuyến tính: AR và phi tuyến: ST. Theo Terasvista 1994, trong những năm gần đây, những mô hình phi tuyến theo thời gian khác nhau đã có một thành cơng nhất định về mặt lý thuyết, nhưng trên thực tế để tìm kiếm một loại mơ hình để đo lường chính xác với dữ liệu kinh tế thì khá khó khăn. Theo đó, ơng đã đề cập đến hai mơ hình khơng tuyến tính để đo lường. kiểm định LM cho từng chuỗi dữ liệu các quan sát như sau:
Đặt giả thiết: H0 : =
0 tham số bơi trơn bằng khơng, mơ hình là tuyến tính. H
1: 0 tham số bôi trơn khác khơng, mơ hình là phi tuyến tính Kết quả kiểm định được thể hiện trong bảng 4.7.
Bảng 4.7: Kiểm định giả thuyết tuyến tính cho các biến quan sát.
Series Test F-stat Signif NEER 2.264495 0.0655 CPI 2.326576 0.0595 PPI 4.303733 0.0026 IMP 2.071940 0.0879 OPG 0.980557 0.4204 OIL 6.317625 0.0001 R 9.917663 0.0000
(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)
Bác bỏ giả thiết H0 đối với biến quan sát OIL, R với mức ý nghĩa thống kê 1%, Bác bỏ giả thiết H0 đối với biến quan sát PPI với mức ý nghĩa thống kê 5% Bác bỏ giả thiết H0 đối với biến quan sát NEER, CPI, IMP với mức ý nghĩa thống kê 10%. Như vậy, đối với các biến quan sát NEER, CPI, PPI, IMP, OIL, R thì việc dùng
phương pháp ước lượng NLS sẽ mang lại kết quả tốt. Riêng đối với biến OPG, giả thiết H0 khơng có cơ sở để bác bỏ với F = 0.980557 tại mức ý nghĩa 42,04%. Như vậy, có thể kết luận đối với chuỗi dữ liệu OPG trong mẫu, việc dùng phương pháp NLS không mang lại kết quả tốt nhất.