STT Ký hiệu Nội dung Đơn vị đo lƣờng
1 LnVNI Chỉ số VN-Index, lấy Logarith tự nhiên Điểm 2 LnCPI Chỉ số giá tiêu dùng theo tháng, lấy
Logarith tự nhiên
3 LnEXR Tỷ giá VND/USD, lấy Logarith tự nhiên VND/USD
4 M2 Cung tiền M2 %
5 DR Lãi suất huy động ngắn hạn %/năm 6 TBR Lãi suất trái phiếu chính phủ ngắn hạn %/năm
2.4.1.2 Mơ hình đánh giá tác động
Trong bài nghiên cứu này tác giả đề cập đến 2 mơ hình là phương trình hồi quy tổng qt và mơ hình hiệu chỉnh sai số
Mơ hình hồi quy tổng quát
Mục đích nhằm biểu diễn mối quan hệ giữa các biến kinh tế vĩ mô với VN-Index. Do đó, sẽ xây dựng mơ hình hồi quy với biến phụ thuộc là VN-Index và biến độc lập là các nhân tố kinh tế vĩ mơ. Vì vậy, mơ hình hồi quy tổng qt có dạng:
LnVNIt= f(LnCPI, LnEXR, M2, DR, TBR)
LnVNIt= β1+β2LnCPI+β3LnEXR+β4M2+ β5DR+ β6TBR+ut (2)
Việc xác định mức độ tin cậy của mơ hình dựa trên các kiểm định nghiệm đơn vị đối với ut và các thống kê kiểm định t và F.
Mơ hình hiệu chỉnh sai số véc tơ
Trong nghiên cứu này để phân tích ảnh hưởng của xu hướng thay đổi trong ngắn hạn đối với cân bằng trong dài hạn, mơ hình hiệu chỉnh sai số véc tơ được thiết lập có dạng:
ΔVNIt= β1+β2ΔLnCPI+β3ΔLnEXR+β4ΔM2+ β5ΔDR+ β6ΔTBR+ ECTt-1+εt
Trong đó, ECTt-1= LnVNIt – (β1+β2LnCPI+β3LnEXR+β4M2+ β5DR+ β6TBR) được tính từ phương trình (2)
2.4.2 Phân tích thống kê mơ tả dữ liệu
Bảng 2.3: Bảng thống kê mô tả dữ liệu các biến nghiên cứu
LNVNI LNCPI LNEXR M2 DR TBR Mean 5.899558 4.836906 9.739423 26.80402 8.894364 7.518856 Median 5.981764 4.754366 9.684554 27.67864 7.650000 6.225000 Maximum 7.013004 5.405849 9.944054 50.50056 17.16000 15.60000
Minimum 4.907112 4.400883 9.622516 10.39326 5.850000 3.340000 Std. Dev. 0.528284 0.323211 0.106954 8.909497 2.948004 2.809446 Skewness 0.126620 0.286498 1.005013 0.407175 1.153322 0.742538 Kurtosis 2.422425 1.719081 2.459126 2.823370 3.178203 2.641855 Jarque-Bera 2.187478 10.82993 23.83014 3.819006 29.43799 12.83545 Probability 0.334962 0.004449 0.000007 0.148154 0.000000 0.001632 Sum 778.7417 638.4716 1285.604 3538.130 1174.056 992.4889 Sum Sq. Dev. 36.55997 13.68499 1.498531 10398.67 1138.485 1033.982 Observations 132 132 132 132 132 132 Kết quả thống kê cho ta thấy mẫu quan sát trong dữ liệu là 132, điều này đảm bảo được yêu cầu về cỡ mẫu.
Hai giá trị thống kê Skewness và Kurtosis trong bảng thống kê mơ tả giúp hình dung về hình dáng c ủa phân phối. Skewness là một đo lường mức độ lệch của phân phối hay còn gọi là hệ số bất đối xứng, có 3 trường hợp xảy ra như sau:
Skewness=0: phân phối cân xứng Skewness>0: phân phối lệch phải Skewness<0: phân phối lệch trái
Kurtosis là một đại lượng đo lường mức độ tập trung tương đối của các quan sát quanh trung tâm của nó trong mối quan hệ so sánh với hai đi, có 3 trường hợp xảy ra như sau:
Kurtosis =3 phân phối tập trung ở mức độ bình thường
Kurtosis >3 phân phối tập trung hơn mức độ bình thường, tuy nhiên hình dạng của đa giác tần số trông sẽ khá cao và nhọn với hai đuôi bẹp.
Kurtosis <3 phân phối tập trung hơn mức độ bình thường, tuy nhiên hình dạng của đa giác tần số là một đa giác tù với hai đuôi dài.
Với những lý luận cơ bản về hai giá trị thống kê Skewness và Kurtosis thì thơng qua bảng thống kê trên cho thấy:
VN-Index, lạm phát, cung tiền, tỷ giá, lãi suất huy động ngắn hạn, lãi suất trái phiếu chính phủ đều có Skewness >0 nên phân phối lệch phải.
Kurtosis của VN-Index, tỷ giá, lạm phát, lãi suất trái phiếu chính phủ, cung tiền đều có giá trị nhỏ hơn 3, điều này cho thấy hình dạng của đa giác phân phối sẽ tù hơn với hai đi dài nghĩa là các biến này có sự biến động ít, biến thiên giao động khơng cao trong thời gian khảo sát nghiên c ứu. Chỉ có Kurtosis của lãi suất tiền gửi là lớn hơn 3, do đó giá trị của lãi suất tiền gửi tập trung hơn mức độ bình thường, hình dạng của đa giác tần số khá cao và nhọ n với hai đuôi hẹp nghĩa là lãi suất tiền gửi có những biến động mạnh và bất thường trong thời gian khảo sát và nghiên cứu.
Giá trị độ lệch chuẩn chỉ ra rằng cung tiền và lãi suất biến động nhiều hơn so với tỷ giá, lạm phát và VN-Index.
2.4.3 Kết quả nghiên cứu thực nghiệm
2.4.3.1 Kiểm định nghiệm đơn vị
Mục đích của phần này là kiểm định tính dừng đối với chuỗi dữ liệu thời gian để tránh hồi quy giả mạo của mơ hình hay hồi quy không xác thực. Khi xảy ra hồi quy giả mạo thì thơng thường giá trị R2 thu được từ mơ hình hồi quy thường rất cao do sự hiện diện của tính xu hướng mạnh như tăng liên tục ho ặc xuống liên tục, hay nói cách khác giá trị R2 cao là do tính xu hướng chứ khơng phải là do mối quan hệ thực của các biến chuỗi thời gian đó. Do đó, điều quan trọng khi nghiên cứu dữ liệu chuỗi thời gian phải xem xét tính dừng.
Một chuỗi dữ liệu thời gian được xem là dừng nếu như trung bình và phương sai của phương trình khơng thay đổi theo thời gian và giá trị hiệp phương sai của hai giai đoạn chỉ phụ thuộc vào khoảng cách hay độ trễ về thời gian giữa hai giai đoạn chứ không phụ thuộc vào thời điểm thực tế mà hiệp phương sai được tính (Ramathan, 2002). Cụ thể:
Trung bình: E(Yt)=µ =const Phương sai: Var (Yt) =σ2
Hiệp phương sai: Covar (Yt , Yt-k) = gk
Để kiểm tra tính dừng của chuỗi dữ liệu thời gian tác giả sử dụng kiểm định Augemented Dickey Fuller (kiểm định DF mở rộng) hay còn gọi là phương pháp ADF và phương pháp Philips Perron (PP). Đối với phương pháp ADF, độ trễ được lựa chọn trên tiêu chuẩn thơng tin Akaike (AIC), cịn PP để chế độ mặc định.
Theo hai phương pháp này tác giả đi kiểm định giả thuyết H0 (chuỗi dữ liệu khơng dừng), nếu giá trị |t|tính tốn>|t|α thì bác bỏ giả thiết H0 và kết luận chuỗi dừng. Khi chuỗi dữ liệu gốc chưa dừng ở mức (level), tác giả tiếp tục lấy sai phân bậc 1, bậc 2 để kiểm tra. Kết quả kiểm định tính dừng của các biến trong mơ hình được thể hiện ở bảng dưới đây (Tham khảo chi tiết tại phụ lục 1)
Bảng 2.4: Kết quả kiểm định nghiệm đơn vị
Các biến số
Kiểm định ADF Kiểm định PP
Kết luận Level (tại mức) Sai phân bậc 1 Level (tại mức) Sai phân bậc 1 LnVNI -2.391736 -6.948733* -1.548942 -6.873927* I(1) LNCPI -3.395355*** -3.078230 (a) -2.809453*** -2.382314 -6.565839* I(1) LNEXR -1.319638 -9.186525* -1.185739 -9.120.734* I(1) M2 -1.118504 -6.402320* -2.412586 -9.030221* I(1) DR -2.071262 -5.972694* -2.380630 -6.086932* I(1) TBR -1.934162 -3.972704* -2.074799 -10.61395* I(1)
Ghi chú:*,**,*** là ký hiệu mức ý nghĩa lần lượt tại 1%, 5%, 10%; (a) là ký hiệu sử dụng chuẩn thông tin SIC bổ sung (Schwarz Info criterion).
Qua kết quả của bảng trên ta thấy hầu hết các biến đều chấp nhận giả thuyết H0 tại mức (level) hay còn gọi là nguyên phân và bác bỏ H0 tại sai phân bậc nhất của các
phương pháp ADF thì logariths CPI dừng tại mức ký hiệu I(0) với mức ý nghĩa 10%; theo phương pháp Philips Perron thì dừng ở sai phân bậc 1 ký hiệu I(1). Do đó, tác giả tiến hành thử lại phương pháp ADF với biến logariths CPI theo chuẩn thông tin SIC bổ sung thì kết quả là CPI không dừng tại mức mà dừng ở sai phân bậc 1. Như vậy, trong
nghiên cứu này tất cả các biến không dừng tại mức mà dừng ở sai phân bậc nhất với mức ý nghĩa 1%.
Do các biến không dừng tại mức nên theo nghiên cứu của Jonhansen và Juselius (1990, 1995) có thể xác định được mối quan hệ đồng liên kết giữa các biến không dừng.
2.4.3.2 Xác định đ ộ trễ tối ưu
Akaike (1970,1974) xây dựng hai phương pháp, một được gọi là sai số hoàn toàn xác định trước FPE và phương pháp thứ hai gọi là tiêu chuẩn thông tin Akaike (AIC). Haman và Quinn (1979) đề nghị một phương pháp khác (được gọi là tiêu chuẩn HQ). Các tiêu chuẩn khác gồm của Schwarz (1978), Shibata (1981) và Rice (1984). Mỗi một trị thống kê này đều dựa trên vài tính chất tối ưu, tuy nhiên tiêu chuẩn AIC là tiêu chuẩn được sử dụng phổ biến nhất trong phân tích dữ liệu chuỗi thời gian. Do đó, trong bài nghiên cứu này tác giả sử dụng tiêu chuẩn AIC để xác định biến trễ tối ưu. Bằng phương pháp ước lượng mơ hình Var trên phần mềm Eview 6.0 thì việc xác định độ trễ tối ưu được thể hiện qua bảng sau:
Bảng 2.5: Độ trễ tối ưu qua các tiêu chuẩn
Lag LogL LR FPE AIC SC HQ 0 342.4860 NA 1.41e-10 -5.655228 -5.515104* -5.598328 1 414.1077 134.8172 7.75e-11* -6.253910 -5.273043 -5.855611* 2 446.0224 56.85649 8.34e-11 -6.185250 -4.363640 -5.445552 3 484.8314 65.22520 8.05e-11 -6.232460 -3.570107 -5.151363 4 511.5175 42.15962 9.62e-11 -6.075925 -2.572828 -4.653428 5 547.8663 53.75952 9.91e-11 -6.081787 -1.737947 -4.317890 6 587.5576 54.70065 9.83e-11 -6.143826 -0.959242 -4.038530 7 620.7175 42.35541 1.11e-10 -6.096092 -0.070765 -3.649397 8 642.3333 25.43044 1.58e-10 -5.854342 1.011728 -3.066247
9 682.1260 42.80221 1.71e-10 -5.918084 1.788729 -2.788591 10 716.5667 33.57248 2.12e-10 -5.891878 2.655678 -2.420985 11 744.6211 24.51811 3.10e-10 -5.758338 3.629961 -1.946046 12 851.3057 82.47880* 1.30e-10 -6.946314* 3.282729 -2.792622 * indicates lag order selected by the criterion (cho biết độ trễ được chọn bởi các tiêu chuẩn)
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Qua bảng 5 cho thấy kết quả xác định biến trễ tối ưu theo tiêu chuẩn LR và AIC là 12, tiêu chuẩn EPE và tiêu chuẩn HQ là 1, tiêu chuẩn SC là 0. Theo thực tiễn các nghiên cứu về chuỗi thời gian trên thế giới các nhà nghiên cứu thường dựa vào tiêu chuẩn AIC để chọn độ trễ tối ưu. Do đó, biến trễ tối ưu trong bài nghiên cứu này theo tiêu chuẩn AIC là 12.
2.4.3.3 Kiểm định đồng liên kết
Có hai phương pháp phổ biến được dùng để kiểm định đồng liên kết trong các mơ hình hồi quy đó là Engle-Granger (EG) và Jonhansen. Tuy nhiên, phương pháp EG có nhược điểm là chỉ phù hợp với mơ hình hai biến, cịn khi mơ hình nhiều biến thì phương pháp này khơng đưa ra được hết các véc tơ đồng liên kết, do đó khả năng bỏ sót véc tơ đồng liên kết là rất cao. Vì vậy, sẽ khơng hiệu quả nếu sử dụng phương pháp EG trong mơ hình nhiều hơn hai biến. Chính vì thế, trong bài nghiên cứu này tác giả sử dụng phương pháp Jonhansen để xem xét có bao nhiêu mối quan hệ cân bằng trong dài hạn giữa các biến.
Dựa vào lý thuyết đồng liên kết của Jonhansen, tác gi ả xét thấy khi thực hiện kiểm định đồng liên kết cần phải thực hiện theo trình tự ba bước như sau:
Bước 1: Kiểm tra nghiệm đơn vị của tất cả các biến, phải chắc rằng các biến
Bước 2: Chọn biến trễ tối ưu cho mơ hình, phương pháp thông thường nhất là
ước lượng mơ hình véc tơ hồi quy (VAR) sau đó chọn chức năng kiểm định biến trễ. Có nhiều tiêu chuẩn để chọn biến trễ tối ưu, nhưng thông thường tiêu chuẩn Akaike information Criterion (AIC) được nhiều bài nghiên cứu trên thế giới sử dụng cho chuỗi thời gian.
Bước 3: Chọn mơ hình kiểm định phù hợp, các mơ hình này đã được tích hợp
sẵn trên Eview cho người sử dụng và lựa chọn mơ hình tối ưu nhất cho mình. Mặc dù mơ hình 1 và 5 thường không xảy ra trong thực tế nghiên cứu, tuy nhiên, tác giả vẫn đưa vào để đảm bảo tính đầy đủ của mơ hình:
Mơ hình 1: Khơng có hệ số chặn hay xu hướng trong đồng liên kết (CE) hay véc tơ hồi quy (VAR)
Mơ hình 2: Có hệ số chặn khơng xu hướng trong CE, không hệ số chặn hay xu hướng trong VAR
Mơ hình 3: Có hệ số chặn trong CE và VAR, không xu hướng trong CE và VAR.
Mơ hình 4: Có hệ số chặn trong CE và VAR, xu hướng tuyến tính trong CE, khơng xu hướng trong VAR
Mơ hình 5: Có hệ số chặn và xu hướng trong CE, hệ số chặn và xu hướng tuyến tính trong VAR.
Bước 4: Xác định số véc tơ đồng liên kết bằng kiểm định Maximum Eigenvalue
hay kiểm định Trace do Jonhansen (1990) đề xuất.
Kiểm định Trace
H0: Có r mối quan hệ đồng liên kết (r=0,1,2….5) H1: Có r cộng 1 đồng liên kết
Trace test xem xét giả thuyết H0 số các véc tơ đồng liên kết trong hệ thống là r, nhỏ hơn hoặc bằng r0 với r0<p (p là số biến trong hệ thống). Để bóc bỏ H0, ta so sánh
giá trị trace test với giá trị tới hạn ở mức ý nghĩa đã chọn. Nếu trace test < crictical value thì chấp nhận H0 và ngược lại.
Kiểm định giá trị cực đại (Maximum Eigenvalue)
H0: Có nhiều nhất r mối quan hệ đồng liên kết (r=0,1,2,..5) H1: Có nhiều hơn r mối quan hệ đồng liên kết.
Để bóc bỏ H0, ta so sánh giá trị maximum eigen value với giá trị tới hạn ở mức ý nghĩa đã chọn. Nếu maximum eigen value < crictical value thì chấp nhận H0 và ngược lại.
Theo nghiên cứu của Jonhansen và Juselius (1990) khi tìm mối quan hệ đồng liên kết phương trình ước lượng phải có dạng như sau:
LnVNI=α1LnCPI+ α2LnEXR+ α3M2+ α4DR+ α5TBR+εt
Trong đó: α1 α2 α3 α4 α5 là hệ số hồi quy thể hiện mối cân bằng trong dài hạn LnVNI: Logarith cơ số e chỉ số chứng khoán Việt Nam (VN-Index)
LnCPI: Logarith cơ số e lạm phát
LnEXR: Logarith cơ số e tỷ giá hối đoái VNĐ/USD M2: tỷ lệ tăng trưởng cung tiền mở rộng
DR: Lãi suất tiền gửi ngắn hạn TBR: Lãi suất trái phiếu chính phủ εt: phần dư
Như vậy, theo lý thuyết về các bước thực hiện đồng liên kết Jonhansen thì bước 1 và 2 đã được thực hiện ở trên, do đó trong phần này tác giả tiếp tục thực hiện bước 3 và 4.
Lựa chọn mơ hình phù hợp trong thực hiện kiểm định đồng liên kết
Để xác định mơ hình phù hợp nhất trong nghiên cứu này tác giả áp dụng nguyên tắc Pantula (1989). Theo đó tác giả tiến hành xem xét kết quả kiểm định Trace với 3 mơ hình (2,3,4). Trước tiên bắt đầu với véc tơ đồng liên kết nhỏ nhất r=0 và kiểm tra liệu
thì tiếp tục với mơ hình khác cứ tiếp tục làm như thế cho đến khi giả thuyết H0 không bị bóc bỏ (giá trị thống kê Trace nhỏ hơn giá trị tới hạn 5%). Theo đó, ta nhận thấy tại giả thuyết H0 với r=5, giá trị thống kê Trace của mơ hình 3 chấp nhận giả thuyết này (xem phụ lục 3). Vì vậy, lựa chọn mơ hình 3 là phù hợp nhất trong nghiên cứu này.
Kết quả kiểm định Jonhansen với độ trễ tối ƣu 12 (theo tiêu chủa AIC) và mơ hình 3 (Có hệ số chặn trong CE và VAR, không xu hướng trong CE và VAR) nhƣ sau:
Bảng 2.6: Kiểm định Trace
Unrestricted Cointegration Rank Test (Trace) Hypothesized
No. of CE(s) (Giả thiết H0)
Eigenvalue (Giá trị riêng của
ma trận) Trace Statistic (Giá trị thống kê Trace) Critical Value 5% (Giá trị tới hạn 5%) Prob.** (P-value) None * 0.613940 302.9189 95.75366 0.0000 At most 1 * 0.481691 189.6591 69.81889 0.0000 At most 2 * 0.383565 111.4542 47.85613 0.0000 At most 3 * 0.247315 53.88162 29.79707 0.0000 At most 4 * 0.153861 20.07273 15.49471 0.0095 At most 5 0.001605 0.191156 3.841466 0.6620 Trace test indicates 5 cointegrating eqn(s) at the 0.05 level (Trace test cho th ấy có 5 véc tơ đồng liên kết ở mức ý nghĩa 0.05)
* denotes rejection of the hypothesis at the 0.05 level (Biểu thị bác bỏ giả thuyết H0 ở mức ý nghĩa 0.05)
**MacKinnon-Haug-Michelis (1999) p-values
Bảng 2.7: Kiểm định Maximum Eigenvalue:
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized No. of CE(s) (Giả thiết H0)
Eigenvalue (Giá trị riêng của
ma trận)
Max-Eigen Statistic (Giá trị riêng cực đại của
ma trận) Critical Value 5% (Giá trị tới hạn 5%) Prob.** (P-value) None * 0.613940 113.2598 40.07757 0.0000
At most 1 * 0.481691 78.20490 33.87687 0.0000 At most 2 * 0.383565 57.57257 27.58434 0.0000 At most 3 * 0.247315 33.80889 21.13162 0.0005 At most 4 * 0.153861 19.88158 14.26460 0.0058 At most 5 0.001605 0.191156 3.841466 0.6620 Max-eigenvalue test indicates 5 cointegrating eqn(s) at the 0.05 level (Ki ểm định Max- eigenvalue cho thấy có 5 véc tơ đồng liên kết ở mức ý nghĩa 0.05
* denotes rejection of the hypothesis at the 0.05 level