Mơ hình vector hiệu chỉnh sai số VECM(Vector error correction model)

CHƢƠNG III : PHƢƠNG PHÁP NGHIÊN CỨU

3.3. Quy trình ƣớc lƣợng mơ hình VECM

3.3.3. Mơ hình vector hiệu chỉnh sai số VECM(Vector error correction model)

Yêu cầu đặt ra khi hồi quy mơ hình với các biến là chuỗi thời gian là các chuỗi này phải dừng. Nếu chuỗi chưa dừng thì ta dùng kĩ thuật sai phân đến khi có được chuỗi dừng. Tuy nhiên, khi hồi quy giá trị sau khi đã sai phân, ta có thể bỏ sót những thơng tin dài hạn trong mối quan hệ giữa các biến. chính vì vậy, ta phải thêm phần dư E. Với mơ hình 2 biến

Y1 và Y2:

Y1  1  2Y2t  3 Et 1  t (3.6)

Số hạng β3.Et-1 là phần mất cân bằng. Mơ hình trên được gọi là mơ hình hiệu chỉnh sai số VECM. Đó là mơ hình ước lượng sự phụ thuộc của các mức thay đổi của Y1 vào mức thay đổi của Y2 và mức cân bằng ở thời kỳ trước. Mơ hình vector hiệu chỉnh sai số có dạng:

Xt  Xt 1  1Xt 1  ...   p1Xt  p1  Ut (3.7)

Trong đó ∆Xt là một vector của n biến khác nhau

3.3.4. Kiểm định mối quan hệ nhân quả Granger

Sau khi áp dụng đồng liên kết, kiểm định nhân quả Granger được sử dụng. Nhân quả Granger được dùng để tìm ra mối quan hệ tác động giữa FDI và GDP. Một chuỗi thời gian Xt gây ra mối quan hệ nhân quả Granger cho một chuỗi thời gian Yt nếu như

chuối thời gian Yt có thể dự đốn chính xác hơn nếu sử dụng chuỗi dữ liệu quá khứ của

một chuỗi dữ thời gian Xt, với điều kiện những yếu tố khác không đổi. Tác giả sử dụng kiểm định Granger dựa trên hai phương trình sau:

GDPt  i 1α iGDPt 1  i 1  j FDI t  j  ε1t (3.8)

FDI t  i 1 α iFDIt 1  i 1 β jGDPt  j  ε2t (3.9)

Trong đó:

Phương trình (3.8): GDPlà biến phụ thuộc, FDI là biến độc lập, t là thời kỳ, ε1t là số hạn sai số nhiễu trắng.

Phương trình (3.9): FDI là biến phụ thuộc, GDP là biến độc lập, t là thời kỳ, ε2t là số hạn sai số nhiễu trắng.

Để xem các biến trễ của GDP có giải thích cho FDI (GDP tác động nhân quả Granger lên FDI) và các biến trễ của FDI có giải thích cho GDP (FDI tác động nhân quả Granger lên GDP) hay không, ta kiểm định giả thiết sau đây cho mỗi phương trình: H0: βj= 0: cả hai biến đều khơng có mối quan hệ qua lại lẫn nhau. Để kiểm định giả thiết đồng thời này, tác giả sử dụng thống kê F của kiểm định Wald và kết quả như sau: nếu giá trị thống kê F tính tốn lớn hơn giá trị thống kê F phê phán ở mức ý nghĩa xác định ta bác bỏ giả thiết H0 và ngược lại. Có bốn khả năng xảy ra như sau:

Nhân quả Granger một chiều từ GDP sang FDI nếu các biến trễ của GDP có tác động lên FDI, nhưng các biến trễ của FDI không tác động lên GDP.

Nhân quả Granger một chiều từ FDI sang GDP nếu các biến trễ của FDI có tác động lên GDP, nhưng các biến trễ của GDP không tác động lên FDI.

Nhân quả hai chiều giữa FDI và GDP nếu các biến trễ của FDI có tác động lên GDP và ngược lại.

Khơng có quan hệ nhân quả Granger giữa FDI và GDP nếu các biến trễ của FDI khơng có tác động lên GDP và ngược lại. (Phùng Thanh Bình, Hướng dẫn sử dụng Eview 6.0, trang 30).

KẾT LUẬN CHƢƠNG 3

Để nghiên cứu mối quan hệ giữa FDI và GDP của Việt Nam, phần này tác giả đã trình bày các phương pháp định lượng được sử dụng như phương pháp kiểm định nghiệm đơn vị ADF để kiểm định tính dừng của hai biến FDI và GDP, phương pháp kiểm định đồng liên kết của Johansen để phân tích tác động dài hạn của FDI đến GDP, mơ hình hồi quy hai biến VECM để phân tích tác động ngắn hạn giữa hai biến. Cuối cùng là sử dụng kiểm định nhân quả Granger để kiểm định quan hệ nhân quả hai chiều từ FDI đến GDP và ngược lại.