CHƯƠNG 3 PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU
3.1 Mơ hình và phương pháp nghiên cứu
3.1.1 Mơ hình nghiên cứu
Trong luận văn, tác giả lựa chọn mơ hình tăng trưởng kinh tế đo bằng tốc độ tăng trưởng GDP bình quân đầu người của Kanhaiya Singh và Kaliappa Kalirajan (2003), một nghiên cứu thực nghiệm ở Ấn Độ để xây dựng mơ hình tăng trưởng kinh tế ở Việt Nam. Theo tác giả, mơ hình nghiên cứu này được cho là mới vì nghiên cứu tăng trưởng kinh tế trên cơ sở tăng trưởng GDP bình quân đầu người. Hơn nữa theo tác giả, mơ hình này là phù hợp với nghiên cứu về tăng trưởng kinh tế trong nước vì tốc độ tăng trưởng GDP bình quân đầu người ở Ấn Độ trung bình ở mức 5-6% gần giống mức tăng trưởng GDP bình quân đầu người ở Việt Nam. Mặt khác Ấn Độ là nước có nền kinh tế đa dạng gồm các ngành và lĩnh vực như nông nghiệp, thủ công nghiệp, dệt may, …; là nước có dân số và lực lượng lao động dồi dào, chính phủ Ấn Độ đã từng có những chính sách kiểm sốt chặt chẽ sự tham gia đầu tư của khu vực tư nhân, đầu tư trực tiếp nước ngoài, tuy nhiên từ đầu thập niên 1990, Ấn Độ đã dần mở cửa thị trường thông qua các cuộc cải cách kinh tế theo hướng thị trường nhưng việc tư nhân hố các ngành thuộc sở hữu cơng và việc mở cửa một số ngành nhất định cho nước ngoài và tư nhân tham gia diễn ra một cách chậm chạp. Điều này giống với đặc điểm của nền kinh tế Việt Nam.
Mơ hình nghiên cứu tăng trưởng kinh tế được tổng quát có dạng như sau:
YPC=a0+a1P+a2AGRIV+a3POP+a4LIT+a5GDIZPB+a6GDIZPV+a7GCEZ+a8TOT+e Trong đó: a0: là hệ số chặn
a1 – a8: hệ số ước lượng của các biến giải thích trong mơ hình e: phần dư mơ hình
Các biến trong mơ hình được mơ tả như sau:
• Biến phụ thuộc là một vector của tăng trưởng kinh tế được đo bằng tốc độ tăng trưởng của GDP bình quân đầu người. Ký hiệu là YPC (Per Capita GDP).
Với GDP là tổng sản phẩm trong nước tính theo giá cố định năm 2005 hàng năm, POP là tổng dân số trung bình năm. Tốc độ tăng trưởng của GDP bình quân đầu người được lấy từ dữ liệu “GDP per capita growth, annual %” của Worldbank.
• Kanhaiya Singh và Kaliappa Kalirajan (2003) đưa biến lạm phát là biến giải thích đầu tiên trong mơ hình được tính bằng chỉ số giá bán bn (WPI), chỉ số này được sử dụng ở Ấn Độ để đánh giá tình hình lạm phát nhưng đa số các nước sử dụng chỉ số giá tiêu dùng (CPI) để tính lạm phát. Hầu hết các nước trên thế giới và ở Việt Nam, lạm phát được tính dựa trên chỉ số CPI nên trong luận văn nghiên cứu tác giả chọn biến lạm phát dựa trên chỉ số CPI theo năm được công bố từ dữ liệu thống kê “Inflation, consumer prices, annual %” của Worldbank. Ký hiệu là P.
• Sau đó là hệ thống các biến giải thích khác ảnh hưởng đến tăng trưởng kinh tế để kiểm tra sự vững mạnh hệ số ước lượng của lạm phát tác động trong mơ hình, bao gồm các biến:
+ Sự thay đổi lượng mưa trung bình trong năm, lượng mưa là biến ảnh hưởng đến tăng trưởng kinh tế thông qua lĩnh vực nông nghiệp. Trong luận văn nghiên cứu, tác giả không thu thập được dữ liệu về lượng mưa trung bình hàng năm cho tất cả các năm trong giai đoạn nghiên cứu nên tác giả đã sử dụng biến thay thế là giá trị sản lượng nông nghiệp so với GDP (Agriculture value added), ký hiệu là AGRIV.
Giá trị sản lượng nông nghiệp là tổng giá trị sản lượng nơng nghiệp rịng (bao gồm giá trị sản lượng của lâm nghiệp, chăn nuôi, đánh bắt thủy hải sản và trồng trọt) được tính bằng tổng giá trị sản lượng đầu ra nông nghiệp trừ cho các chi phí trung gian. Giá trị này có sẵn từ dữ liệu thống kê “Agriculture, value added (% of GDP)” của Worldbank.
+ Dân số trung bình hàng năm, ký hiệu là POP (Population) và tỷ lệ dân số biết chữ như là tỷ lệ của dân số có độ tuổi trên 15 tuổi so với tổng dân số hàng năm, ký hiệu là LIT (Literacy). Hai biến này được xem như yếu tố quan trọng trong mô hình tăng trưởng kinh tế.
+ Vốn đầu tư khu vực tư nhân và khu vực nhà nước được sử dụng như hai biến độc lập riêng được tính theo tỷ lệ phần trăm của nguồn vốn đầu tư từng khu
vực so với GPD. Ký hiệu tỷ lệ vốn đầu tư khu vực tư nhân so với GDP là GDIZPV (Gross domestic investment in private sector) và tỷ lệ vốn đầu tư khu vực nhà nước so với GDP là GDIZPB (Gross domestic investment in public sector).
GDIZPV = Tổng vốn đầu tư khu vực tư nhân / GDP * 100 GDIZPB = Tổng vốn đầu tư khu vực nhà nước / GDP * 100
Trong đó, GDP là giá trị tổng sản phẩm trong nước hàng năm được tính theo giá cố định năm 2005.
+ Tỷ lệ chi tiêu chính phủ so với GDP là tỷ lệ của tổng chi tiêu chính phủ trên GDP, được ký hiệu là GCER (General government consumption). Dữ liệu có từ “General government final consumption expenditure (% of GDP)” của Worldbank.
+ Tỷ giá thương mại thể hiện bằng tỷ số giữa chỉ số giá hàng xuất khẩu với chỉ số giá hàng nhập khẩu. Được ký hiệu bởi chỉ số TOT (Term of trade).
Tỷ giá thương mại hay điều kiện trao đổi thương mại (TOT – Terms of trade) là tỷ lệ phần trăm của chỉ số giá xuất khẩu (Export value index (2000 = 100)) trên chỉ số giá nhập khẩu (Import value index (2000 = 100)) theo cách tính tốn của Kanhaiya Singh và Kaliappa Kalirajan (2003) như sau:
100% e i P TOT x P = Trong đó: Pe: Chỉ số giá xuất khẩu
Pi: Chỉ số giá nhập khẩu
Tỷ giá thương mại cho biết một nước đang ở vị trí thuận lợi hay bất lợi trong trao đổi quốc tế khi gặp biến động về giá cả.
* TOT > 100%: Nước đó đang ở vị trí thuận lợi. Khi giá hàng xuất khẩu tăng nhanh hơn so với giá hàng nhập khẩu (trường hợp cả hai mặt hàng đều tăng); có thể là giá giảm trong trường hợp giá hàng xuất khẩu giảm ít hơn so với giá hàng nhập. Thơng qua trao đổi quốc tế vẫn có thể xuất khẩu với sản lượng như cũ, nhưng có thể nhập về với lượng sản phẩm nhiều hơn trước.
* TOT < 100%: Nước đó đang ở vị trí bất lợi.
* TOT = 100%: Sự biến động của giá cả của hàng hố xuất nhập khẩu khơng có ảnh hưởng gì tới đất nước.
Tỷ lệ trao đổi gắn liền với xu hướng “giá cánh kéo” thì đối với các nước đang phát triển sẽ bị rơi vào tình trạng bất lợi, với “giá cánh kéo” thì giá hàng thành phẩm, máy móc thiết bị tăng nhanh hơn rất nhiều so với nhóm hàng nguyên vật liệu, hàng thô sơ chế, nông sản là những mặt hàng xuất khẩu chủ lực của các nước đang phát triển. Rất nhiều nước đang phát triển đã cải biến được cơ cấu xuất khẩu của mình và họ đã tăng dần tỷ trọng của mình trong cơ cấu xuất khẩu các sản phẩm máy móc thiết bị, các mặt hàng chế biến trên thế giới. Ví dụ: các nước cơng nghiệp mới như: Hàn Quốc, Singapore, Thái Lan, Hồng Kơng.
Có thể tóm tắt các biến sử dụng trong mơ hình nghiên cứu như sau:
Bảng 3.1- Tóm tắt các biến sử dụng trong mơ hình nghiên cứu
Stt Ký hiệu Tên biến Đơn vị tính Nguồn
1 YPC Tốc độ tăng trưởng GDP bình
quân đầu người hàng năm (%)
Worldbank (WB)
2 P Lạm phát tính theo chỉ số CPI (%) WB
3 POP Tổng dân số trung bình hàng năm (Triệu người) WB
4 LIT Tỷ lệ dân số biết chữ (%) WB
5 AGRIV Tỷ lệ giá trị sản lượng nông
nghiệp so với GDP (%) WB
6 GDIZPV Tỷ lệ vốn đầu tư khu vực tư nhân
so với GDP (%) GSO, WB
7 GDIZPB Tỷ lệ vốn đầu tư khu vực nhà
nước so với GDP (%) GSO, WB
8 GCEZ Tỷ lệ chi tiêu chính phủ
so với GDP (%) WB
9 TOT
Tỷ giá thương mại là tỷ lệ phần trăm giữa chỉ số giá xuất khẩu
trên chỉ số giá nhập khẩu
(%) WB
& Tính tốn Nguồn: Tác giả tổng hợp
Tác giả có kỳ vọng về dấu các hệ số ước lượng trong mơ hình tăng trưởng kinh tế:
+ Quan hệ nghịch biến với tăng trưởng kinh tế, dấu (-): gồm các biến P, POP, GDIZPB;
+ Quan hệ đồng biến với tăng trưởng kinh tế, dấu (+): gồm các biến AGRIV, LIT, GDIZPV, GCEZ, TOT.
3.1.2. Phương pháp nghiên cứu
Theo phương pháp nghiên cứu của Kanhaiya Singh và Kaliappa Kalirajan (2003), đầu tiên nghiên cứu thực hiện ước lượng mơ hình hồi qui theo phương pháp bình phương bé nhất (OLS) trên cơ sở các biến trong mơ hình là một chuỗi dữ liệu dừng để hạn chế được những khuyết tật của mơ hình, đảm bảo tính phù hợp và biến động của mơ hình, tác giả đã thực hiện một số kiểm định cho mơ hình gồm kiểm định Durbin Watson, kiểm định Breusch-Godfrey, kiểm định ARCH và kiểm định nghiệm đơn vị cho phần dư của mơ hình. Như vậy, mơ hình tăng trưởng kinh tế được xác định dựa trên phương pháp ước lượng bình phương bé nhất.
Tiếp theo, để phân tích ngưỡng lạm phát, tác giả dựa trên phương pháp nghiên cứu của Trần Hồng Ngân và cộng sự (2010), phân tích hệ số tương quan giữa lạm phát và tăng trưởng kinh tế trong giai đoạn ngắn (10 năm) và trong giai đoạn dài hơn (20 năm) để phân tích quan hệ giữa lạm phát và tăng trưởng kinh tế. Sử dụng hệ số tương quan tích luỹ trong chuỗi thời gian nghiên cứu để phân tích ngưỡng lạm phát ở Việt Nam.
Tác giả sử dụng phần mềm Eviews 8 để hỗ trợ quá trình tổng hợp và báo cáo kết quả nghiên cứu.
Sau đây là một số lý thuyết cơ bản được thực hiện để ước lượng mơ hình nghiên cứu:
Kiểm định nghiệm đơn vị theo phương pháp ADF (Augmented
Dickey và Fuller) để kiểm tra tính dừng của chuỗi dữ liệu
Có nhiều cách để kiểm tra tính dừng, tác giả sử dụng kiểm định nghiệm đơn vị (Unit root test) để kiểm định tính dừng của chuỗi dữ liệu. Một trong các giả thuyết
của mơ hình hồi qui là các biến độc lập phải phi ngẫu nhiên. Nếu ước lượng mơ hình với chuỗi dữ liệu khơng dừng sẽ cho ra mơ hình hồi qui giả mạo và các hệ số mơ hình bị sai lệch, mơ hình khơng đáng tin cậy.
Để kiểm tra tính dừng của chuỗi dữ liệu, thực hiện kiểm định Augmented Dickey và Fuller (ADF) đưa ra giả thuyết kiểm định như sau:
H0: δ = 0 (kiểm định nghiệm đơn vị/chuỗi dữ liệu không dừng) H1: δ ≠ 0 (không kiểm định nghiệm đơn vị/chuỗi dữ liệu dừng) Giá trị tới hạn ( ) t se ρ ρ
= được xác định dựa trên bảng giá trị tính sẵn của Mackinnon (1996). Giá trị tới hạn này cũng được tính sẵn khi kiểm định ADF bằng phần mềm Eviews. Để kiểm định giả thuyết H0, so sánh giá trị kiểm định t tính tốn với giá trị t tới hạn của Mackinnon và kết luận về tính dừng của các chuỗi quan sát. Cụ thể:
+ Nếu │tcritical values│> │tADF│: Chấp nhận giả thuyết H0, chuỗi dữ liệu khơng có tính dừng.
+ Nếu │tcritical values│< │tADF│: Bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, chuỗi dữ liệu có tính dừng.
Trong kết quả nghiên cứu, nhìn vào hệ số của│tADF│> │t level│hoặc Prob < 0.05 thì kết luận được: Bác bỏ giả thuyết H0 hay chuỗi dữ liệu có tính dừng tại mức ý nghĩa thống kê mà │tADF│> │t level│. Nếu kiểm tra biến khơng có tính dừng ta tiếp tục kiểm định biến đó ở sai phân bậc 1 (Ký hiệu Δ_) để có thể đưa biến trở nên dừng. Sử dụng sai phân nhằm mục đích đưa chuỗi thời gian về trạng thái dừng. Sai phân bậc nhất:
ΔYt = Yt - Yt-1 = Yt – L(Yt) = (1- L) Yt
Trong đó: Yt-1= LYt hay có thể ký hiệu Y(-1) là độ trễ (Lag) có tác dụng dịch chuyển dữ liệu trở lại một thời đoạn, dịch chuyển dữ liệu trở lại 2 lần ta có: L(LYt) = L2Yt = Yt-2 = Y(-2).
Nếu lấy sai phân bậc thứ d đạt trạng thái dừng thì ta có: Δd
Yt = (1- L)d Yt
Phương pháp bình phương bé nhất (OLS) cho mơ hình hồi qui bội
Y = β1 + β2 X2+ … + βk Xk + u
Giả sử có một mẫu quan sát với các giá trị thực tế là (Yi, X2i ,.., Xki ) (i=1,2,.. n) và ta sẽ sử dụng thông tin từ mẫu này để xây dựng các ước lượng cho các hệ số βj (j = 1,2, .., k), ký hiệu j (j=1,2, …, k) tương ứng. Từ các ước lượng này có thể viết hàm hồi qui mẫu như sau:
Tại mỗi quan sát i, hàm hồi qui mẫu này được viết thành:
Trong đó i là giá trị ước lượng cho Yi và sai lệch giữa hai giá trị này được gọi là phần dư: ei = Yi - i
Như vậy, phương pháp OLS nhằm xác định các giá trị j (j=1, k) sao cho tổng bình phương các phần dư là bé nhất:
Các phần mềm kinh tế lượng và thống kê hiện có đều có thể ước lượng hệ số hồi quy j một cách nhanh chóng.
R-square và R-bar-square
R-square (R2):
Ta muốn biết hàm hồi qui mẫu phù hợp với số liệu mẫu đến mức nào, nếu các điểm quan sát thực là gần sát với giá trị ước lượng thì hàm hồi quy mẫu là khá phù hợp với số liệu mẫu và ta nói rằng các biến độc lập trong mơ hình giải thích được phần lớn sự thay đổi trong biến phụ thuộc. Ký hiệu R-square (R2) và được định nghĩa bởi công thức sau:
2 SS SS 1 SS ESS R R T T = = − Trong đó: 2 1 SS ( ) n i i Y Y T = =∑ − ; 2 1 ESS ( ) n i i Y Y = =∑ − ; 2 1 RSS e n i i= =∑ Hay TSS = ESS+RSS Do các thành phần TSS, ESS, RSS đều không âm nên R2 nhận giá trị trong đoạn [0,1]. R2 đo mức độ phù hợp của mơ hình với số liệu mẫu và ta kỳ vọng nó thể hiện tốt sự phù hợp trong tổng thể. R2 được giải thích là phần trăm sự thay đổi của
biến phụ thuộc được giải thích bởi các biến độc lập trong mơ hình. R2
cịn thể hiện mức độ tương quan tuyến tính giữa biến phụ thuộc với các biến độc lập.
R-bar-square (R2 đã hiệu chỉnh - 2
R ):
Ta có thể chỉ ra rằng việc đưa thêm một biến số bất kỳ vào mơ hình sẽ làm gia tăng R2 do tăng thêm tổng bình phương phần dư của mơ hình ước lượng. Như vậy, khơng thể giải thích và so sánh mơ hình khi đưa thêm biến giải thích mà đơi khi việc đưa thêm biến tạo tác động không tốt đến chất lượng mơ hình. Do đó, khái niệm R2đã hiệu chỉnh ( 2
R ) được định nghĩa như sau:
2 2 ( 1) 1 (1 ) ( ) n R R n k − = − − − Giá trị 2
R thường được sử dụng thay vì sử dụng R2 thơng thường khi so sánh các mơ hình hồi quy có số lượng biến khác nhau.
Kiểm định Durbin Watson
Do bản chất thứ tự của chuỗi số liệu thời gian nên ta quan tâm đến hiện tượng tự tương quan (Autocorrelation) hay tương quan chuỗi (serial correlation), nghĩa là trong mơ hình hồi quy các biến giải thích có thể bao gồm các biến trễ của biến giải thích khác hoặc biến trễ của biến phụ thuộc. Do đó, khi xét mơ hình hồi quy chuỗi thời gian cần kiểm tra mơ hình khơng có hiện tượng tự tương quan. Sau đây là phương pháp kiểm định hiện tượng tự tương quan trong mơ hình hồi quy chuỗi thời gian:
Kiểm định Durbin Watson: Sử dụng thống kê Durbin Watson để xem xét hiện tượng tự tương quan bậc 1, trong đó thống kê Durbin Watson được ký hiệu là d, mà giá trị của nó được tính sẵn trong báo cáo mơ hình hồi qui của Eviews, được tính như sau:
Thống kê d của Durbin – Watson
2 1 2 ( i i ) i e e d e − − = ∑ ∑
Khi n đủ lớn thì d ≈ 2(1-ρ) với 1 2 i i i e e e ρ = ∑ − ∑
Do -1 ≤ ρ ≤ 1, nên 0 ≤ d ≤ 4, xem xét ba trường hợp đặc biệt của d:
+ Khi d = 0 => ρ = 1 => dấu hiệu của tự tương quan dương rất cao giữa ut và ut-1.
+ Khi d= 4 => ρ = -1 => dấu hiệu của tự tương quan âm rất cao giữa ut và ut-1.
+ Khi d = 2 => ρ = 0 => dấu hiệu của khơng có tự tương quan dương hoặc tự tương quan âm.
Thống kê d thường nhận giá trị trong khoảng (0,4). Khi đó, để đưa ra các kết