3.3.2. Tính tốn các chỉ tiêu thống kê mơ tả:
- Trung bình mẫu(mean) trong thống kê là một đại lượng mơ tả thống kê, được tính ra bằng cách lấy tổng giá trị của tồn bộ các quan sát trong tập chia cho số lượng các quan sát trong tập.
- Số trung vị (median) là một số tách giữa nửa lớn hơn và nửa bé hơn của một mẫu, một quần thể, hay một phân bố xác suất. Nĩ là giá trị giữa trong một phân bố, mà số số nằm trên hay dưới con số đĩ là bằng nhau. Điều đĩ cĩ nghĩa rằng nửa quần thể sẽ cĩ các giá trị nhỏ hơn hay bằng số trung vị, và một nửa quần thể sẽ cĩ giá trị bằng hoặc lớn hơn số trung vị.
-Độ lệch chuẩn, hay độ lệch tiêu chuẩn, là một đại lượng thống kê mơ tả dùng để đo
mức độ phân tán của một tập dữ liệu đã được lập thành bảng tần số. Cĩ thể tính độ lệch chuẩn bằng cách lấy căn bậc hai của phương sai.
-Tần suất và biểu đồ phân bổ tần suất, tần suất là số lần xuất hiện của biến quan sát
trong tổng thể, giá trị các biến quan sát cĩ thể hội tụ, phân tán, hoặc phân bổ theo một mẫu hình nào đĩ, quy luật nào đĩ.
-Phân tích tương quan biến: Hệ số tương quan đo mức độ phụ thuộc tuyến tính giữa hai biến (X & Y); khi hệ số tương quan càng gần bằng khơng quan hệ càng lỏng lẻo; càng gần 1 càng chặt; nếu cùng dấu là tương quan thuận và ngược dấu là tương quan nghịch. Theo quy ước các biến cĩ hệ số tương quan nhỏ hơn 0,3 được coi là biến rác, khơng cĩ ý nghĩa nghiên cứu. Cụ thể :
- ±0.01 đến ±0.1: Mối tương quan quá thấp, khơng đáng kể - ±0.2 đến ±0.3 : Mối tương quan thấp
- ±0.4 đến ±0.5: Mối tương quan trung bình - ±0.6 đến ±0.7: Mối tương quan cao
3.3.3. Kiểm định tính dừng bằng phương pháp ADF
Theo PGS.TS Nguyễn Quang Dong (2007) trong cuốn Giáo trình Kinh tế lượng nâng cao11, một khái niệm quan trọng trong các quy trình phân tích chuỗi thời gian là tính dừng. Một chuỗi dừng cĩ các đặc điểm sau:
- Thể hiện xu hướng trở lại trạng thái trung bình theo một cách mà trong đĩ dữ liệu dao động xung quanh một giá trị trung bình cố định trong dài hạn.
- Cĩ một giá trị phương sai xác định khơng thay đổi theo thời gian.
- Cĩ một giản đồ tự tương quan với các hệ số tự tương quan giảm dần khi độ trễ tăng lên.
Nếu một chuỗi dừng thì giá trị trung bình, phương sai và hiệp phương sai (ở các độ trễ khác nhau) sẽ giống nhau, khơng kể ta đang đo lường chúng tại thời điểm nào. Điều này cĩ nghĩa là, các đại lượng này khơng thay đổi theo thời gian. Một chuỗi dữ liệu như vậy sẽ cĩ xu hướng trở về giá trị trung bình và những dao động xung quanh giá trị trung bình (đo bằng phương sai) sẽ là như nhau.
Trong khi đĩ, nếu một chuỗi thời gian khơng dừng, nĩ sẽ cĩ giá trị trung bình thay đổi theo thời gian, hoặc phương sai thay đổi theo thời gian, hoặc cả hai.
Cĩ hai dấu hiệu quan trọng để nhận biết một chuỗi thời gian là dừng hay khơng:
-Thứ nhất, Gujarati (2003) cho rằng nếu một chuỗi thời gian là khơng dừng, chúng ta
chỉ cĩ thể nghiên cứu hành vi của nĩ trong khoảng thời gian đang được xem xét. Vì thế, mỗi một mẫu thời gian sẽ mang một đặc điểm nhất định. Kết quả là chúng ta khơng thể khái quát hố cho các giai đoạn khác. Đối với mục đích dự báo, các chuỗi thời gian khơng dừng như vậy cĩ thể sẽ khơng cĩ giá trị thực tiễn. Vì như chúng ta đã biết, trong dự báo chuỗi thời gian, chúng ta luơn giả định rằng xu hướng vận động của dữ liệu trong quá khứ và hiện tại được duy trì cho các giai đoạn tương lai. Và như vậy, chúng ta khơng thể dự báo được điều gì cho tương lai nếu như bản thân dữ liệu luơn luơn thay đổi. Hơn nữa, đối với phân tích hồi quy, nếu chuỗi thời gian khơng dừng thì tất cả các kết quả điển hình của một phân tích hồi quy tuyến tính cổ điển sẽ khơng cĩ giá trị, khơng cĩ ý nghĩa và thường được gọi là hiện tượng “hồi quy giả mạo”.
11Giáo trình Kinh tế lượng – Chương trình nâng cao, Bộ mơn Điều khiển Kinh tế, Khoa tốn Kinh tế, Trường đại học Kinh tế Quốc dân, NXB Khoa học và Kỹ Thuật 2007
- Thứ hai, khi biết dữ liệu dừng hay khơng, chúng ta sẽ giới hạn được số mơ hình dự
báo phù hợp nhất cho dữ liệu.
Theo Nguyễn Quang Dong(2006,106) nếu ước lượng một mơ hình với chuỗi thời gian trong đĩ cĩ biến độc lập khơng dừng sẽ vi phạm các giả định OLS.
Granger và Newboldcho rằng R2 > DW là dấu hiệu cho biết kết quả ước lượng cĩ thể tương quan giả. Theo phân tích ở bên trên, chúng ta đang cần cĩ các chuỗi thời gian dừng. Cĩ nhiều cách để nhận dạng một chuỗi thời gian là dừng hay khơng dừng, ví dụ như phân tích đồ thị, sai phân, giản đồ tự tương quan, kiểm định thống kê Ljung- Box…
Tuy nhiên,theo Gujarati(2003, 814), kiểm định nghiệm đơn vị (unit root test) là một kiểm định được sử dụng khá phổ biến trong thời gian gần đây. Hơn nữa, kiểm định nghiệm đơn vị là loại kiểm định cĩ tính học thuật và chuyên nghiệp cao hơn. Vì vậy, đề tài sẽ sử dụng kiểm định nghiệm đơn vị để kiểm tra tính dừng của chuỗi thời gian.
Như vậy, tác giả sẽ sử dụng phương pháp kiểm định nghiệm đơn vị của Dickey - Fuller12cho đề tài nghiên cứu với các điều kiện giả thiết trên phần mềm Eview 6.0 như sau:
- Chuỗi thời gian được giả thiết là cĩ hệ số chặn (Intercept), cĩ xu hướng (trend) và kiểm định nghiệm “level” với chuỗi gốc.
- Chuỗi thời gian được giả thiết là cĩ hệ số chặn (Intercept), khơng cĩ xu hướng (trend) và kiểm định nghiệm với “1st difference” chuỗi lấy sai phân bậc 1 ( Ví dụ: D
(TB), D(ER) …), các chuỗi sẽ được lấy sai phân cho đến khi cĩ kết quả dừng.
- Độ trễ được đặt tối đa là 10 trễ và sử dụng kỹ thuậtSIC để lựa chọn trễ tối ưu cho kiểm định nghiệm.
- Các kiểm định cĩ trị tuyệt đối của giá trị thống kê “t” lớn hơn các giá trị bác bỏ là cĩ tính dừng tương ứng ở các mức ý nghĩa 1%, 5%, 10% và ngược lại.
3.3.4. Xác định độ trễ tối ưu
Theo Alt và Tinberger (1942) và D.N.Gujarati (1995)13, khi chúng ta sử dụng mơ hình hồi quy (Ví dụ: TBt = α + β*ERt + et …) chúng ta giả định rằng các biến độc lập
12Kiểm định nghiệm đơn vị bằng phương pháp ADF (Augmented Dickey Fuller)
tác động tức thì lên biến phụ thuộc và biến phụ thuộc chỉ chịu tác động của biến độc lập. Đối với các biến số kinh tế các giả định này thường khơng đúng. Tác động của biến độc lập cĩ thành phần tác động tức thời và cĩ thành phần tác động trễ. Mặt khác, đơi khi bản thân biến phụ thuộc cũng cĩ “quán tính” hay “sức ỳ” của nĩ.
Cĩ ba nguyên nhân gây ra “độ trễ” hay “sức ỳ” trong kinh tế là:
- Nguyên nhân tâm lý, Khi thu nhập của một người giảm, tiêu dùng của người đĩ cĩ
thể khơng giảm ngay lập tức do thĩi quen duy trì mức sống cao. Nếu tình hình thu nhập vẫn khơng phục hồi trong thời gian dài, anh ta phải học cách chi tiêu tiết kiệm hơn.
-Nguyên nhân kỹ thuật, Giả sử cầu nội địa đối với một mặt hàng tăng lên làm giá một
mặt hàng này tăng. Sản lượng nội địa cĩ thể khơng tăng tức thời vì để tăng sản lượng cần phải cĩ thời gian xây dựng nhà máy, đầu tư máy mĩc thiết bị và đào tạo cơng nhân. Doanh nghiệp cịn phải phân tích xem sự tăng cầu nội địa này cĩ mang tính chất lâu dài hay khơng.
-Nguyên nhân định chế, Các ràng buộc pháp lý là nguyên nhân của một số hiện tượng
tác động trễ.
Khi cĩ tính chất “trễ” nêu trên của dữ liệu chuỗi thời gian sẽ cĩ sai số của phương trình hồi quy và khơng thỏa mãn các điều kiện của mơ hình hồi quy tuyến tính cổ điển; từ đĩ dự báo theo mơ hình phương trình hồi quy sẽ khơng chính xác. Do vậy việc xác định số trễ tối ưu để đưa vào mơ hình phương trình tính tốn và dự báo là rất quan trọng.
Đối với đề tài nghiên cứu, tác giả sử dụng các tiêu chuẩn lựa chọn trễ tối ưu trên phần mềm Eview 6 với phương pháp “VAR Lag Order Selection Criteria” như sau:
- Xác định các tiêu chuẩn để lựa chọn trễ bao gồm: AIC, HQ, FPE, SIC, LR, LOGL14
- Đưa số liệu (ER, TB, EX, IM) vào tính tốn cho từng độ trễ từ 0 đến 10 trễ và cho từng tiêu chuẩn lựa chọn trễ ở trên.
14Tiêu chuẩn để lựa chọn một mơ hình là: Tính tiết kiệm : mơ hình càng đơn giản càng tốt; Tính đồng nhất : các tham số ước lượng là duy nhất cho cùng một tập hợp số liệu; Tính thích hợp : R2và R2hiệu chỉnh càng gần 1 càng tốt; Tính bền vững : mơ hình phải dựa trên một cơ sở lý thuyết nào đĩ; Cĩ khả năng dự báo tốt : mơ hình cho kết quả dự báo sát với thực tế. Bên cạnh đĩ dùng các tiêu chuẩn như AIC, HQ, FPE, SIC, LR, LOGL. Cụ thể là:LOGL: Giá trị càng lớn mơ hình càng phù hợp; AIC, SIC, HQ, FPE càng nhỏ mơ hình càng phù hợp.
- So sánh các trị số tính tốn với nhau theo nguyên tắc trị số của tiêu chuẩn lựa chọn nào nhỏ nhất tương ứng với mức trễ nhỏ nhất cĩ thể sẽ được lựa chọn.
- Cuối cùng, sử dụng số trễ tối ưu đã chọn lựa được cho các tính tốn tiếp theo.
3.3.5.Phân tích mối quan hệ dài hạn giữa TB và ER bằng phương pháp đồng liênkết Johansen và VECM kết Johansen và VECM
Gujarati (1999, 460) cho rằng: mặc dù các chuỗi thời gian khơng dừng nhưng rất cĩ thể vẫn tồn tại mối quan hệ cân bằng dài hạn giữa chúng nếu các chuỗi thời gian đĩ đồng liên kết, cĩ nghĩa là phần dư từ phương trình hồi quy của các chuỗi thời gian
khơng dừnglà một chuỗi dừng.
Ví dụ, chúng ta hồi quy phương trình:
TBt = α1 + β1*ERt+ e1t …Cĩ thể viết lại là : e1t= TBt– α1 – β1*ERt
Như vậy, nếu như phần dư của phương trình hồi quyεt là một chuỗi dừng, thì kết quả hồi quy của phương trình TBt = α1 + β1*ERt + e1tcĩ ý nghĩa, tức là khơng cĩ hiện tượng tương quan. Trong trường hợp này, hai biến TB và ER được gọi là cĩ đồng liên kết và hệ số ước lượngβ1 được gọi là hệ số hồi quy đồng liên kết. Nĩi theo ngơn ngữ kinh tế học: hai biến đồng liên kết khi chúng cĩ mối quan hệ dài hạn, hay ổn định với nhau.
Như thế, nếu ta kiểm định phần dư từ phương trình TBt = α1 + β1*ERt + e1tvà nhận thấy phần dư là dừng (cĩ phân phối chuẩn), thì các kiểm định truyền thống (Kiểm định t và F) vẫn áp dụng được cho chuỗi thời gian khơng dừng. Theo Granger, kiểm
định đồng liên kết như cách kiểm định trên để tránh hiện tượng hồi quy tương quan giả15.
Để xem xét mối quan hệ dài hạn giữa tỷ giá và cán cân thương mại, tác giả đã tiến hành kiểm định bằng cách sử dụng phương pháp phân tích đồng liên kết Johansen và vectơ hiệu chỉnh sai số (VECM) với các bước như sau:
- Phân tích đồng liên kết tổng quát bằng Eview 6.0 cho các trường hợp cĩ thể xảy ra với hai chuỗi dữ liệu.16
- Phân tích đồng liên kết Johansen cho trường hợp tối ưu được lựa chọn(nếu cĩ tồn tại đồng liên kết). Khi phân tích đồng liên kết Johansen tác giả sử dụng hai kiểm
định Trace và Max-Eigen để xem xét số đồng liên kết17. Nếu các giá trị thống kê của kiểm định Trace và Max-Eigen lớn hơn giá trị bác bỏ thì bác bỏ giả thiết về khơng cĩ đồng liên kết và ngược lại thì thừa nhận cĩ đồng liên kết tại mức giả thiết về số liên kết tương ứng với giá trị bác bỏ.
- Phân tích VECM bằng Eview 6.0 cho các cặp dữ liệu: TB và ER; EX và ER; IM và ER18
- Hình thành phương trình hồi quy biểu diễn mối quan hệ dài hạn giữa TB và ER; ; EX và ER; IM và ER và hệ số điều chỉnh trạng thái của các biến nội sinh từ ngắn hạn về dài hạn
- Xem xét tính dừng của phần dư(Residual) từ kết quả trên. - Phân tích, bình luận về kết quả thu được.
3.3.6.Phân tích mối quan hệ ngắn hạngiữa TB và ER, EX và ER, IM và ER bằngphương pháp hồi quy véc tơ hiệu chỉnh sai số - VECM phương pháp hồi quy véc tơ hiệu chỉnh sai số - VECM
Trong mơ hình hiệu chỉnh sai số,khi hồi quy các chuỗi thời gian dừng ở sai phân bậc một với nhau cĩ thể dẫn đến hiện tượng hồi quy tương quan giả. Cho nên, khi tiến hành phân tích chuỗi số liệu, các nhà nghiên cứu thường phân tích mối quan hệ giữa chúng bằng cách lấy sai phân bậc một. Tuy nhiên, kết quả hồi quy sai phân chỉ cho biết các diễn biến ngắn hạn mà khơng cho biết gì về mối quan hệ dài hạn giữa chúng; đồng thời cịn ẩn chứa nhiều sai số do việc lấy sai phân gây ra. Tuy nhiên, nhờ phương pháp phân tích đồng liên kết đã giúp chúng ta tránh được điều này. Theo Gujarati (2003, 824), khi hai biến đồng liên kết, giữa chúng cĩ mối quan hệ dài hạn, đang ở trạng thái cân bằng dù khơng thể cân bằng trong ngắn hạn.
Do vậy, để phân tích ảnh hưởng trong ngắn hạn của các chuỗi số liệu và xem xét xu hướng thay đổi ngắn hạn lên cân bằng trong dài hạn, các nghiên cứu trước đây đã sử dụng mơ hình hiệu chỉnh sai số (VECM : Vector error correction mechanism). Mơ
17Trong thống kê học, Phân tích đồng liên kết Johansen, được đặt tên theo tác giả Soren Johansen, là một phương pháp kiểm định khả năng cointegration của một số chuỗi thời gian cĩ thuộc tính khơng dừng như trên. Kiểm định này cho phép cĩ thể xuất hiện nhiều hơn một mối quan hệ cointegrating, do đĩ cĩ tính áp dụng phổ quát hơn Kiểm định Engle–Granger (vốn dựa trên Dickey–Fuller hay Kiểm định Dickey–Fuller mở rộng), tính unit root trên phần dư từ mơ hình cĩ quan hệ cointegrating đơn lẻ. Cĩ hai dạng kiểm định Johansen, hoặc dựa vào trace hoặc Max - eigenvalue, hai phương pháp này tương đương nhau.
18 Mơ hình VECM được biểu diễn dưới dạng phương trình như sau: D(TB) = A(1,1)*(B(1,1)*TB(-1) + B(1,2)*ER(-1) + B(1,3)*@TREND(99Q1) + B(1,4)) + C(1,1)*D(TB(-1)) + C(1,2)*D(ER(-1)) + C(1,3)
hình này sử dụng bằng cách đưa thêm phần dư trong phương trình vào phương trình như một cơ chế điều chỉnh ngắn hạn để hướng đến cân bằng dài hạn.
Trên cơ sở các lý thuyết đã nghiên cứu, tác giả sẽ hình thành mơ hình nghiên cứu ngắn hạn như sau:
(i) Xác định các biến sai phân của mơ hình ngắn hạn (ii) Hình thành phương trình:
D(TB) = β0tb+ β1tb* D(ER) + β2*etb; D(EX) = β0ex+ β1ex* D(ER) + β2*eex; D(IM) = β0im+ β1im* D(ER) + β2*eim
Trong đĩ:
β1: Phản ánh quan hệ của tỷ giá tác động vào các yếu tố nghiên cứu tương ứng β2: Hệ số điều chỉnh sai số giữa ngắn hạn và dài hạn, chỉ tốc độ mà hệ thống
tiếp cận đến trạng thái cân bằng dài hạn
βo: Hằng số, cho biết cịn tồn tại các yếu tố khác tác động đến cân bằng thương
mại khơng phụ thuộc vào diễn biến của các biến nội sinh (như tỷ giá, cán cân thương mại kỳ trước)
e: Error correction : sai số hiệu chỉnh .
(iii) Kiểm định các kết quả thu được. (iv) Phân tích, diễn giải kết quả.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.1. Mơ tả chung về mẫu nghiên cứu
Trên cơ sở phương pháp nghiên cứu đã được trình bày ở chương 3, tác giả đã tiến hành thu thập các số liệu về kim ngạch xuất khẩu (EX), kim ngạch nhập khẩu (IM), cán cân thương mại (TB), tỷ giá giữa VNĐ và USD trong giai đoạn từ quý 1 năm