Kiểm định nghiệm đơn vị riêng lẻ từng biến để xác- 123docz.net

CHƯƠNG 4 : KẾT QUẢ NGHIÊN ỨU VÀ TH ẢO LU ẬN

4.1 Kiểm định nghiệm đơn vị riêng lẻ từng biến để xác định thuộc tính dừng

dừng của các chuỗi số thời gian:

Để kết quả ước lượng không bị thiên lệch, các biến nghiên cứu sẽ được kiểm định tính dừng. Johnston và DiNardo (1997) và Gujarati (2003) đồng tình rằng việc tính tốn trung bình của một chuỗi không dừng hoặc ngẫu nhiên sẽ không gặt hái được kết quả hợp lý. Theo như Gujarati (2003), "biến phụ thuộc của một chuỗi không ổn định sẽ đi theo độ lệch của biến giải thích, tạo ra các kết quả khơng có nghĩa". Nói một cách khác, hồi quy lệch sẽ cho kết quả các kiểm định thống kê t và R2 rất tốt nhưng mơ hình có thể hồn tồn khơng có ý nghĩa. Vì vậy, trước khi xây dựng và phân tích mơ hình, cần phải có thuộc tính tĩnh của các biến chuỗi trước khi đưa vào sử dụng. Nếu các chuỗi này có cùng bậc tích hợp, khi đó có thể tồn tại một mối quan hệ có ý nghĩa trong dài hạn giữa chúng, hay nói cách khác là sự kết hợp những chuỗi không dừng tạo nên một sự kết hợp bền vững dựa trên phương pháp đồng tích hợp.

Có hai kiểm định nghiệm đơn vị phổ biến và thường được sử dụng trong các nghiên cứu là kiểm định Phillips - Perron (PP), Augmented Dickey - Fuller. Phillips - Perron (1988) phát triển một lý thuyết phức tạp hơn về tính khơng dừng. Kiểm định Phillips - Perron giống với kiểm định Augmented Dickey - Fuller, mặc dù chúng bao gồm một sự tự điều chỉnh với kiểm định DF có tính đến phần dư tự tương quan. Tuy nhiên, kiểm định PP thường tạo ra những kết quả giống như kiểm định Augmented Dickey - Fuller và cũng thiên về những giới hạn tương tự như kiểm định Augmented Dickey - Fuller. Các nghiên cứu cũng cho thấy rằng khơng có kiểm định nào là tối ưu trong mọi trường hợp.

Khác với dữ liệu bảng (Panel data), hầu hết các số liệu về chuỗi thời gian trong nghiên cứu đều không dừng. Để chuỗi dữ liệu thời gian đạt trạng thái dừng, trước tiên lấy logarit của các biến, dữ liệu sẽ trở nên đồng đều hơn, tuy nhiên nếu chuỗi dữ liệu vẫn khơng dừng thì tiếp tục lấy sai phân cho đến khi chuỗi dữ liệu

nghiên cứu đạt trạng thái dừng. Trong bài nghiên cứu này tác giả sử dụng phương pháp Augumented Dickey-Fuller (ADF) để kiểm định tính dừng (stationary) của các biến.

Giả thuyết H0 (Null Hypothesis) trong kiểm định ADF là tồn tại một nghiệm đơn vị và nó sẽ bị bác bỏ nếu giá trị kiểm định ADF lớn hơn giá trị tới hạn của nó. Trong kiểm định ADF, giá trị kiểm định khơng theo phân phối chuẩn, vì vậy giá trị tới hạn được dựa trên bảng giá trị tính sẵn của Mackinnon (1991). So sánh giá trị kiểm định ADF với giá trị tới hạn của của Mackinnon (1991) chúng ta sẽ có được kết luận về tính dừng cho các chuỗi quan sát.

Bảng 4.1 mơ tả tóm tắt kết quả kiểm định nghiệm đơn vị của các biến theo phương pháp của Augmented Dickey - Fuller (ADF). Phần kết quả chi tiết được nêu trong phụ lục 2. Với mức ý nghĩa thống kê là 1%, 5% và 10%, kết quả thu được sau khi tác giả chạy kiểm kịnh được tóm tắt lại như sau:

Bảng 4.1. Bảng kết quả kiểm định nghiệm đơn vị

ADF Mức 1% Mức 5% Mức 10% Kết quả LRYPC -1.834846 -3.752946 -2.998064 -2.638752 Không dừng LFDIY -2.079429 -3.769597 -3.004861 -2.642242 Không dừng LEXDY -3.079079 -3.711457 -2.981038 -2.629906 Không dừng mức 1% LGDIY -1.472812 -3.752946 -2.998064 -2.638752 Không dừng LTDSE -3.275255 -3.711457 -2.981038 -2.629906 Không dừng mức 1% ADF Mức 1% Mức 5% Mức 10% Kết quả D(LRYPC) -4.061890 -3.724070 -2.986225 -2.632604 Dừng D(LFDIY) -7.221337 -3.724070 -2.986225 -2.632604 Dừng D(LEXDY) -3.654109 -3.724070 -2.986225 -2.632604 Dừng mức 5%, 10% D(LGDIY) -7.002935 -3.724070 -2.986225 -2.632604 Dừng D(LTDSE) -4.297104 -3.724070 -2.986225 -2.632604 Dừng

(Nguồn: Kết quả tổng hợp từ Eview 6.0)

Kết quả kiểm định cho thấy tất cả các chuỗi số liệu dạng logarite đều dừng khi lấy sai phân bậc 1. Các biến dừng ở sai phân bậc 1 hay I(1) nên có thể tồn tại mối quan hệ đồng tích hợp giữa các biến. Vì vậy, tác giả có thể phân tích đồng liên kết trong dài hạn.

4.2 Chọn bước trễ tối ưu cho các biến trong mơ hình:

Trước khi tiến hành phân tích đồng liên kết để từ đó đo lường tác động của nợ nước ngồi lên tăng trưởng kinh tế, tác giả tiến hành chọn bước trễ cho các biến trong mơ hình nhằm tăng tính chính xác khi thực hiện kiểm định. Việc xác định độ trễ tối ưu được dựa vào giá trị thống kê AIC (Akaike information criterion) trong bảng kết quả. Chạy eview cho từng độ trễ rồi so sánh AIC xem AIC ứng với độ trễ nào là nhỏ nhất thì đó là độ trễ tối ưu cần tìm. Kết quả kiểm định bước trễ thể hiện qua bảng 4.2:

VAR Lag Order Selection Criteria

Bảng 4.2. Bảng độ trễ tối ưu:

Endogenous variables: LRYPC LFDIY LEXDY LGDIY LTDSE Exogenous variables: C

Date: 11/23/13 Time: 22:34 Sample: 1986

2012

Included observations: 25

Lag LogL LR FPE AIC SC HQ

0 -105.1518 NA 0.004622 8.812148 9.055923 8.879761 1 -7.489032 148.4475 1.45E-05 2.999123 4.461774* 3.404800 2 31.95984 44.18273* 6.00e-06* 1.843213* 4.524740 2.586955*

* indicates lag order selected by the criterion

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

(Nguồn: Kết quả từ Eview 6.0)

Kết quả chọn độ trễ tối ưu được thể hiện ở bảng 4.2 với các tiêu chuẩn lựa chọn độ trễ khác nhau (LR, FPE, AIC, SC, HQ). Trong bảng kết quả, hầu hết các tiêu chuẩn đều chọn độ trễ là 2, riêng tiêu chuẩn SC chọn độ trễ là 1. Theo tiêu

chuẩn AIC cho thấy tại độ trễ 2 là tối ưu nhất. Vì vậy, trong bài này, tác giả chọn bước trễ là 2 cho mơ hình để thực hiện các kiểm định tiếp theo.

4.3 Kiểm định đồng liên kết theo phương pháp Johansen (Johansen Cointegration Test) để xem xét mối quan hệ cân bằng dài hạn giữa các biến trong mơ hình:

David A. Dickey, Dennis W. Jansen và Daniel I. Thornton quan sát thấy “các kiểm định nghiệm đơn vị được thực hiện đối với các chuỗi thời gian đơn biến (Univariate), tức là duy nhất. Ngược lại, đồng kết hợp lại xử lý mối quan hệ giữa một nhóm các biến, mà ở đó (một cách vơ điều kiện) mỗi biến đều có nghiệm đơn vị”. Mục đích của kiểm định đồng liên kết là quyết định xem liệu một nhóm các chuỗi số khơng dừng có đồng liên kết hay khơng.

Sau khi kiểm tra tính dừng của các biến chuỗi thời gian, tác giả thực hiện bước tiếp theo là tiến hành kiểm định tính đồng liên kết.

Engle và Granger (1987) cho rằng nếu kết hợp tuyến tính của các chuỗi thời gian khơng dừng có thể là một chuỗi dừng và các chuỗi thời gian khơng dừng đó được cho là đồng liên kết. Kết hợp tuyến tính dừng được gọi là phương trình đồng liên kết và có thể được giải thích như mối quan hệ cân bằng dài hạn giữa các biến. Nói cách khác, nếu phần dư trong mơ hình hồi quy giữa các chuỗi thời gian không dừng là một chuỗi dừng thì kết quả hồi quy là thực và thể hiện mối quan hệ cân bằng dài hạn giữa các biến trong mơ hình.

Đầu tiên tác giả thực hiện kiểm định đồng liên kết theo phương pháp Johansen. Khi đó, có thể thêm số giả thiết về số phương trình đồng liên kết. Ở đây có bốn giả thiết H0 tác giả kiểm định.

(i) "None" nghĩa là khơng có đồng liên kết.

(ii)"At most 1" nghĩa là có ít nhất một mối quan hệ đồng liên kết. (iii) "At most 2" nghĩa là có ít nhất hai mối quan hệ đồng liên kết. (iv) "At most 3" nghĩa là có ít nhất ba mối quan hệ đồng liên kết. (v)"At most 4" nghĩa là có ít nhất bốn mối quan hệ đồng liên kết.

Để quyết định bác bỏ hay chấp nhận giả thuyết H0, cần so sánh giá trị thống kê vết "Trace Statistic" với giá trị tới hạn "Critical Value" ở mức ý nghĩa xác định được chọn là 5%.

- Nếu Trace Statistic < Critical Value: Chấp nhận giả thuyết H0. - Nếu Trace Statistic > Critical Value: Bác bỏ giả thuyết H0.

Nếu theo thống kê kiểm định giá trị riêng cực đại của ma trận (Maximal Eigenvalue) thì so sánh giá trị thống kê Max-Eigen "Max-Eigen Statistic" với giá trị tới hạn "Critical Value" ở mức ý nghĩa được chọn là 5%.

- Nếu Max-Eigen Statistic < Critical Value: Chấp nhận giả thuyết H0. - Nếu Max-Eigen Statistic > Critical Value: Bác bỏ giả thuyết H0.

Tác giả thực hiện kiểm định đồng liên kết dựa trên phương pháp VAR của Johansen theo thống kê vết (Trace) và theo thống kê kiểm định giá trị riêng cực đại của ma trận (maximal eigenvalue), kết quả kiểm định đồng liên kết theo bảng 4.3 và bảng 4.4 như sau:

Bảng 4.3. Kết quả kiểm định đồng liên kết Johansen theo thống kê Trace: Giả thuyết H0 Giả thuyết H1 Giá trị riêng của ma trận (Eigenvalue) Giá trị thống kê ma trận (Trace statistic) Giá trị tới hạn 5% (Critical Value) P-Value r = 0 r ≤ 1 0.965385 174.7870 69.81889 0.0000 r =1 r ≤ 2 0.828522 96.06403 47.85613 0.0000 r=2 r ≤ 3 0.740823 57.74484 29.79707 0.0000 r=3 r ≤ 4 0.499401 19.33898 15.49471 0.0125 r=4 r ≤ 5 0.107600 2.732167 3.841466 0.0983

* Bác bỏ giả thuyết H0 ở mức ý nghĩa 5% (Nguồn: Kết quả tổng hợp từ Eview 6.0) Nhìn vào kết quả nhận thấy:

+ H0: r = 0 tức các biến khơng có mối quan hệ đồng liên kết. + H1: r ≤ 1tức các biến có ít nhất một mối liên hệ đồng liên kết.

Ứng với giả thuyết kiểm định này từ bảng kết quả cho thấy giá trị thống kê Trace statistic = 174.7870 lớn hơn giá trị tới hạn Critical statistic = 69.81889, ứng với mức ý nghĩa thống kê P-value = 0.0000, nhỏ hơn so với mức nghĩa nghiên cứu 5%. Do đó bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là các biến có ít nhất một mối quan hệ đồng liên kết.

Tương tự với các giả thuyết:

+ H0: r=1 tức các biến có một mối quan hệ đồng liên kết. + H1: r ≤ 2 tức các biến có ít nhất hai mối liên hệ đồng liên kết.

Ứng với giả thuyết kiểm định này từ bảng kết quả cho thấy giá trị thống kê Trace statistic = 96.06403 lớn hơn giá trị tới hạn Critical statistic = 47.85613, ứng với mức ý nghĩa thống kê P-value = 0.0000, nhỏ hơn so với mức nghĩa nghiên cứu 5%. Do đó bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là các biến có ít nhất hai mối quan hệ đồng liên kết.

Tương tự giả thuyết H0: r=2, H1: r ≤ 3 và H0: r=3, H1: r ≤ 4 kết quả cho thấy giá trị Trace statistic lần lượt là 51.74484, 19.33898 đều lớn hơn so với giá trị Critical statistic 29.79707, 15.49471 với giá trị P-value lần lượt là 0.0000, 0.0125 cũng đều nhỏ hơn so với mức ý nghĩa 5%. Do đó, bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là các biến có ít nhất ba mối quan hệ đồng liên kết đối với cặp giả thuyết H0: r=2, H1: r ≤ 3 và các biến có ít nhất bốn mối quan hệ đồng liên kết đối với cặp giả thuyết H0: r=3, H1: r ≤ 4.

Giả thuyết H0 còn lại được chấp nhận vì giá trị Trace statistic là 2.732167 nhỏ hơn so với giá trị Critical statistic 3.841466, với giá trị P-value là 0.0983 cũng lớn hơn nhiều so với mức ý nghĩa 5%.

Tác giả cũng dựa trên nghiên cứu đồng kết hợp theo thống kê Max-Eigen, dưới đây là kết quả kiểm định đồng liên kết Johansen theo thống kê Max-Eigen:

Bảng 4.4. Kết quả kiểm định đồng liên kết Johansen theo thống kê Max-Eigen: Giả thuyết H0 Giả thuyết H1 Giá trị riêng của ma trận (Eigenvalue) Thống kê giá trị riêng cực đại của ma trận (Max - Eigen Statistic) Giá trị tới hạn 5% (Critical Value) P-Value r = 0 r ≤ 1 0.965385 80.72298 33.87687 0.0000 r =1 r ≤ 2 0.828522 42.31918 27.58434 0.0003 r=2 r ≤ 3 0.740823 32.40587 21.13162 0.0009 r=3 r ≤ 4 0.499401 16.60681 14.26460 0.0209 r=4 r ≤ 5 0.107600 2.732167 3.841466 0.0983

* Bác bỏ giả thuyết H0 ở mức ý nghĩa 5% (Nguồn: Kết quả tổng hợp từ Eview 6.0) Nhìn vào kết quả nhận thấy:

+ H0: r=0 tức các biến khơng có mối quan hệ đồng liên kết. + H1: r ≤ 1 tức các biến có ít nhất một mối liên hệ đồng liên kết.

Ứng với giả thuyết kiểm định này từ bảng kết quả cho thấy giá trị thống kê Max-Eigen statistic = 80.72298 lớn hơn giá trị tới hạn Critical statistic = 33.87687, ứng với mức ý nghĩa thống kê P-value = 0.0000, nhỏ hơn so với mức nghĩa nghiên cứu 5%. Do đó bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là các biến có ít nhất một mối quan hệ đồng liên kết.

Tương tự với các giả thuyết:

+ H0: r=1 tức các biến có một mối quan hệ đồng liên kết. + H1: r ≤ 2 tức các biến có ít nhất hai mối liên hệ đồng liên kết.

Ứng với giả thuyết kiểm định này từ bảng kết quả cho thấy giá trị thống kê Max-Eigen statistic = 42.31918 lớn hơn giá trị tới hạn Critical statistic = 27.58434, ứng với mức ý nghĩa thống kê P-value = 0.0003, nhỏ hơn so với mức nghĩa nghiên cứu 5%. Do đó bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là các biến có ít nhất hai mối quan hệ đồng liên kết.

Tương tự giả thuyết H0: r=2, H1: r ≤ 3 và H0: r=3, H1: r ≤ 4 kết quả cho thấy giá trị Trace statistic lần lượt là 32.40587, 16.60681 đều lớn hơn so với giá trị Critical statistic 21.13162, 14.26460 với giá trị P-value lần lượt là 0.0009, 0.0209

cũng đều nhỏ hơn so với mức ý nghĩa 5%. Do đó, bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là các biến có ít nhất ba mối quan hệ đồng liên kết đối với cặp giả thuyết H0: r=2, H1: r ≤ 3 và các biến có ít nhất bốn mối quan hệ đồng liên kết đối với cặp giả thuyết H0: r=3, H1: r ≤ 4.

Trong hai bảng phân tích, r là số mối quan hệ đồng liên kết giữa các biến. Hai bảng 4.4 và 4.5 đều cho kết quả đồng liên kết theo phương pháp Johansen, theo thống kê Trace và thống kê Max - Eigen, kết quả cả hai mơ hình cho thấy có bốn mối quan hệ đồng liên kết tồn tại giữa các biến trong mơ hình.

4.4 : Kiểm định mối quan hệ trong dài hạn bằng mơ hình VECM (Vector Error Correction Model):

Kết quả kiểm định tính dừng ở bảng 4.1 cho thấy các biến trong phương trình (1) đều dừng ở sai phân bậc 1. Sau khi kiểm định đồng liên kết theo phương pháp Johansen cho thấy mơ hình có 4 vector đồng liên kết (chi tiết xem phụ lục 3, 4). Do các biến trong phương trình đều có tính khơng dừng và đồng liên kết nên có thể sử dụng phương pháp VECM để ước lượng tác động trong dài hạn. Kết quả mơ hình hồi quy đồng liên kết như sau (chi tiết xem phụ lục 5)

Bảng 4.5: Kết quả hồi quy ước lượng vector sai số ngẫu nhiên VECM: Vector Error Correction Estimates

Cointegrating Eq CointEq1 t-statistics

LRYPC(-1) 1.000000 LFDIY(-1) 0.310010 0.28589 LEXDY(-1) -2.854014 -2.08801 LGDIY(-1) -30.26881 -14.2366 LTDSE(-1) -7.311600 -6.31239 C 116.3295

Từ bảng kết quả 4.5 cho thấy, trong dài hạn hầu như tất cả các biến trong phương trình đều ảnh hưởng đến tăng trưởng kinh tế ở Việt Nam.

- Hệ số của LFDIY = 0.310010 > 0 cho biết tỷ lệ đầu tư trực tiếp nước ngoài so với GDP có tác động cùng chiều với tăng trưởng kinh tế với mức ý nghĩa  = 1%. Trong điều kiện các yếu tố khác không đổi, khi tỷ lệ đầu tư trực tiếp nước ngoài trên GDP tăng 1% thì tăng trưởng kinh tế tăng 0.310010%.

- Hệ số của LEXDY = 2.854014 < 0 cho biết tỷ lệ nợ nước ngồi trên GDP có tác động ngược chiều với tăng trưởng kinh tế với mức ý nghĩa  = 1%. Trong điều kiện các yếu tố khác khơng đổi, khi tỷ lệ nợ nước ngồi trên GDP tăng 1% thì tăng trưởng kinh tế giảm 2.854014%.

- Hệ số của LGDIY = -30.26881 < 0, hệ số mang dấu âm cho thấy đầu tư trong nước có tác động ngược chiều với tăng trưởng kinh tế với mức ý nghĩa  = 1%.