3 Phương pháp nghiên cứu
3.4 Phương pháp kinh tế lượng
Hai phương pháp chủ yếu được sử dụng trong phân tích là ECM nhằm xác định cú sốc cầu tiền và hồi qui dữ liệu bảng với tác động cố định hoặc tác động ngẫu nhiên.
3.4.1 Xác định cú sốc cầu tiền
Tác giả sử dụng mơ hình hiệu chỉnh sai số ECM (Error Correction Model) dựa trên mơ hình phân bố trễ tự hồi qui ARDL(p, q, q) (autoregressive distributed lag) (với p là số hạng tự hồi qui, q là số hạng trượt) để xác định cú sốc cầu tiền của từng nước dựa vào phương trình hàm cầu tiền được mô tả ở phương trình (3.6). Ưu điểm của ARDL là có thể dung nạp các biến có tính dừng khác nhau, ví dụ các biến có thể dừng ở chuỗi gốc hoặc dừng ở sai phân bậc 1.
Trước tiên, tác giả sẽ kiểm định tính dừng và độ trễ tối ưu và kiểm định đồng liên kết của các biến trong phương trình gồm M2, y và r. Nếu các chuỗi số liệu có tính dừng thì chỉ cần sử dụng mơ hình OLS đơn giản để ước lượng các hệ số. Nếu các chuỗi số liệu không dừng và chỉ dừng khi thực hiện sai phân (ví dụ sai phân bậc nhất) nhưng chúng khơng có đồng liên kết thì sẽ thực hiện ước lượng các hệ số với mơ hình OLS với chuỗi số liệu đã dừng sau khi sai phân. Nếu trường hợp chuỗi số liệu là không dừng và chỉ dừng khi thực hiện sai phân và giữa chúng có đồng liên kết thì có thể ước lượng các hệ số theo hai cách:
- Sử dụng OLS để ước tính các hệ số dài hạn của các biến theo phương trình (3.6). Phần dư của phương trình này chính là cú sốc cầu tiền, được sử dụng để xác định xem kênh tín dụng ngân hàng có tồn tại trong khu vực nghiên cứu không, nghĩa là khi có sốc cầu tiền, lượng tín dụng có thay đổi hay khơng.
- Sử dụng mơ hình ECM trên nền tảng ARDL để ước tính các hệ số
động ngắn hạn của các biến theo phương trình sau (theo nghiên cứu của Nautz và Rondorf).
𝛥(𝑚̃it– 𝑝̃it) = 𝛿(𝑚̃it-1 – 𝑝̃it-1) + 𝛼1𝑦̃it + 𝛼2𝑟̃it + ∑𝑝−1𝑗=0𝜆j𝛥(𝑚̃it-j – 𝑝̃it-j)
+ ∑𝑞−1𝑗=0(𝜃j𝛥𝑦̃it-j + 𝜙j𝛥𝑟̃it-j) + di + uit (3.13)
Phần dư của phương trình (3.13) cũng là cú sốc các cú sốc cầu tiền. Cú sốc 𝑢̂it dùng để ước lượng cú sốc 𝜀it trong mơ hình và có các đặc tính giống 𝜀it, tác giả sẽ sử dụng sốc cầu tiền này để thay thế sốc
cầu tiền trong phương trình (3.6) nhằm kiểm tra tính vững của mơ hình, 𝑢̂it được tính bằng cách lấy tổng tiền thực trừ đi tổng tiền ước tính.
𝑢̂it = ∆(𝑚̃it – 𝑝̃it) –∆(𝑚̃̂𝑖𝑡– 𝑝̃𝑖𝑡) (3.14)
3.4.2 Ước lượng ảnh hưởng của tín dụng đến sản lượng – hồi qui 2 bước
a. Lựa chọn phương pháp kinh tế lượng
Để ước lượng ảnh hưởng của tín dụng đến sản lượng, áp dụng kỹ thuật ước lượng 2 bước (Driscoll, 2004). Cả hai bước của quá trình hồi qui đều sử dụng kỹ thuật hồi qui dữ liệu bảng
Các vấn đề trong hồi quy dữ liệu bảng trong phân tích cơ bản thường có các mơ hình chính sau: mơ hình dữ liệu bảng kết hợp, mơ hình tác động ngẫu nhiên, mơ hình tác động cố định. Việc sử dụng các mơ hình này phần nào đã giải thích về việc dùng các kiểm định thống kê.
Mơ hình dữ liệu bảng kết hợp thực chất là mơ hình hồi qui bình phương bé nhất thơng thường, khi sử dụng mơ hình dữ liệu bảng kết hợp, chúng ta xem các quan sát khác nhau giữa các nước và trong các thời kỳ khác nhau đều như nhau, bỏ qua tính khác biệt khơng đồng nhất giữa chúng. Mặc dù phương pháp hồi quy bình phương bé nhất OLS với dữ liệu gộp là phương pháp phổ biến và đơn giản nhất của việc phân tích dữ liệu bảng cân bằng, thì nhược điểm của dữ liệu gộp là không giúp quan sát sự khác nhau giữa các nước nếu nó tồn tại, và do đó sẽ tạo ra sai lầm trong ước tính. Điều này cho thấy nếu như mơ hình hồi qui dữ liệu bảng kết hợp thực sự phù hợp với dữ liệu hơn 2 mơ hình tác động ngẫu nhiên và mơ hình tác động cố định thì thì việc sử dụng phân tích bằng mơ hình tác động cố định FEM, mơ hình tác động ngẫu nhiên REM khơng cịn nhiều ý nghĩa. Tuy nhiên, các giả định của hồi qui bình phương bé nhất như là các biến khơng có sự tương quan lẫn nhau, phương sai không thay đổi … thường khó được đáp ứng trong điều kiện của dữ liệu bảng. Đây là lý do vì sao mơ hình hồi qui dữ liệu bảng kết hợp không phổ biến trong các nghiên cứu. Quan sát các nhà nghiên cứu trước đây đã kiểm soát khả năng tồn tại sự khác nhau giữa các nước và đã sử dụng 1 phương pháp khác với OLS, như mơ hình tác động cố định (fixed effects model - FEM) hoặc ngẫu nhiên (random effects model - REM) hoặc phân tích phi tuyến tính. Để xác định được mơ hình nào là phù hợp thì cần thực hiện các kiểm định kiểm định phát hiện các vấn đề trước khi quyết định phân tích theo các mơ hình khác nhau.
Sự khác biệt giữa hai mơ hình tác động ngẫu nhiên và tác động cố định là mơ hình tác động cố định tự bản thân nó chỉ quan tâm đến những khác biệt mang tính cá nhân đóng góp vào mơ hình nên sẽ khơng có hiện tượng tự tương quan trong mơ hình cịn mơ hình tác động ngẫu nhiên quan tâm đến cả vấn đề về những khác biệt của riêng các đối tượng phân tích qua thời gian đóng góp vào mơ hình do đó tự tương quan là một vấn đề tiềm tàng trong mơ hình này cần phải giải quyết. Nếu mẫu hồn tồn ngẫu nhiên thì mơ hình REM phù hợp hơn do giả định khơng có tương quan giữa các phần dư của REM được đảm bảo. Nếu mẫu không hồn tồn ngẫu nhiên thì nên sử dụng FEM để đảm bảo tính đúng của mơ hình.
Một vấn đề được đặt ra là mơ hình nào “tốt” hơn, FEM hay REM? Nếu giả định rằng sai số và các biến trong phương trình là khơng tương quan với nhau thì REM có thể sẽ phù hợp hơn, ngược lại thì FEM sẽ phù hợp.
Nếu mẫu có thời gian quan sát dài và các nước nghiên cứu ít thì giá trị tham số trong 2 mơ hình khơng chệch nhau nhiều, do đó, việc lựa chọn mơ hình nào là tùy thuộc vào nhu cầu của người sử dụng.
Nếu số nước nhiều và thời gian quan sát ngắn, kết quả ước lượng của 2 mơ hình này rất chệch nhau. Nếu các quan sát không ngẫu nhiên trong mẫu tổng thể thì FEM phù hợp hơn. Ngược lại thì REM lại phù hợp hơn nếu mẫu nghiên cứu là hoàn toàn ngẫu nhiên, các giả định của REM được đảm bảo.
Nếu mẫu có phương sai của các biến của các nước nghiên cứu có tương quan với nhau thì kết quả ước lượng của REM sẽ bị chệch, do đó FEM phù hợp hơn trong trường hợp này.
Theo nguyên tắc của lý thuyết kinh tế lượng, kiểm định Hausman được tiến hành để phân biệt giữa hiệu ứng ngẫu nhiên và hiệu ứng cố định, cái nào là tốt hơn. Giả thiết H0 là khơng có sự tương quan giữa các số dư và hồi qui được. Có nghĩa là trong trường hợp như vậy, chỉ có ước lượng hiệu ứng ngẫu nhiên là phù hợp và hiệu quả. Theo giả thiết H0, kiểm định thống kê là phân phối tiệm cận với sai số lamda. Ngoài ra, sai số chuẩn là đúng cho sự tồn tại tiềm tàng của sự không đồng nhất, đây là hiện tượng khá phổ biến trong dữ liệu bảng, bằng cách sử dụng phương pháp kiểm định White (1980) cho dữ liệu chéo. Phương pháp này cung cấp hệ số phương sai ước tính tương quan mạnh mẽ (đồng thời) với các phương sai sai số khác trong mỗi phương trình chéo.
b. Hồi qui 2 bước
- Bước 1: Nhằm xác định xem kênh tín dụng ngân hàng có tồn tại trong khu vực nghiên cứu hay không, tác giả sử dụng kỹ thuật bình phương bé nhất OLS đã xác định được thông qua kiểm định Hausman, hồi qui tín dụng Δ𝑙̃it với sốc cầu tiền 𝑢̂it và các biến độc lập 𝑦̃it và 𝑟̃it theo phương trình (3.11), qua đó xem cú sốc cầu tiền có phải là biến cơng cụ thích hợp hay khơng. Cụ thể, sử dụng kết quả kiểm định về độ trễ tối ưu của các biến để thực hiện hồi qui khối lượng tín dụng với các biến sản lượng, lãi suất trái phiếu chính phủ và biến cơng cụ (cú sốc cầu tiền đã được ước lượng trong phương trình 3.14). Dựa vào kết quả hồi qui của phương trình này, nếu hệ số của 𝑢̂it có ý nghĩa thì tồn tại kênh tín dụng ở khu vực Đơng Nam Á trong thời kỳ nghiên cứu. Sau khi thực hiện hồi qui theo bước 1 thì sẽ ước lượng được khối lượng tín dụng Δ𝑙̂it .
thực hiện bước 2 nhằm ước tính ảnh hưởng của tín dụng đến tăng trưởng kinh tế theo phương trình (3.12). Thực hiện hồi qui với biến phụ thuộc là sản lượng, biến độc lập là gồm khối lượng tín dụng Δ𝑙̂it đã được ước tính ở bước 1 (với khối lượng tín dụng ước tính bằng khối lượng tín dụng thực trừ đi phần dư sau khi thực hiện hồi qui), lãi suất trái phiếu chính phủ, tỷ giá thực của các nước và bỏ cú sốc cầu tiền ra khỏi phương trình để xem tín dụng có tác động đến sản lượng hay không.
3.4.3 Kiểm tra tính vững của mơ hình (robustness check)
Thực hiện lại phương pháp ước tính 2 bước với các cú sốc cầu tiền khác theo hàm cầu tiền (3.13) để xem là liệu kết quả có thay đổi đáng kể hay khơng, từ đó xem xét rằng mơ hình có vững hay khơng.