5. Kết cấu bài khóa luận
3.2. Áp dụng mơ hình trọng lực để lượng hóa những tác động của các nhân
3.2.4. Lựa chọn mơ hình
3.2.4.1. Cơ sở lựa chọn mơ hình
Trước khi tiến hành chọn mơ hình phù hợp, tác giả sẽ tổng hợp về ưu nhược điểm của một số phương pháp hồi quy hay được dùng cho phân tích mơ hình trọng lực (bảng 3.5).
Các mơ hình hồi quy dữ liệu bảng như REM, FEM và đặc biệt là OLS là những phương pháp “truyền thống” được sử dụng nhiều trong phân tích mơ hình trọng lực, tiêu biêu ở cơng trình của Sevela (2002), Thapa (2012), Assem Abu Hatab (2010), Ngô Thị Mỹ (2016),…Nếu như mơ hình OLS coi tất cả các quan sát đều không đổi trong điều kiện không gian – thời gian khác nhau, thì mơ hình ảnh hưởng cố định FEM sẽ loại bỏ những biến có giá trị khơng đổi theo thời gian, cịn mơ hình ảnh hưởng ngẫu nhiên REM giả định rằng khơng có sự tương quan giữa các biến độc lập và sai số.
Bảng 3.5. Tổng hợp một số phương pháp hồi quy trong mơ hình trọng lực Phương pháp ước Phương pháp ước
lượng Ưu điểm Nhược điểm
OLS giản đơn - Đơn giản
- Bỏ sót dữ liệu (do triệt tiêu
luồng thương mại bằng 0)
- Ước lượng chệch, đặc biệt
khi có PSSS thay đổi
Mơ hình FEM
- Đơn giản
- Kiểm sốt được hiện
tượng khơng đồng nhất mà không thấy được
- Bỏ sót biến khơng đổi theo
thời gian
- Bỏ sót dữ liệu
- Ước lượng có thể bị chệch
PPML
- Giải quyết được vấn đề
“dữ liệu trống”
- Cung cấp ước lượng
không chệch kể cả khi có PSSS thay đổi
- Tất cả quan sát có trọng
số bằng nhau
- Ước lượng có thể bị chệch
nếu phần lớn dữ liệu bị “che”
Nguồn: Herrera (2013)
Ngoài phương pháp hồi quy dữ liệu bảng, tác giả Silva và Tenreyro (2006) đã đưa ra mơ hình hồi quy PPML sử dụng cho việc phân tích mơ hình hấp dẫn, mà theo đó tác giả Shepherd (2013) và World Bank (2013) nhận xét rằng PPML đang là một cơng cụ đắc lực trong phân tích trọng lực luồng thương mại thế giới hiện nay.
Tiếp theo, tác giả sẽ tiến hành thực hiện các kiểm định nhằm chọn ra mơ hình phù hợp. Phương pháp lựa chọn giữa các mơ hình OLS giản đơn, FEM và REM tác giả tham khảo theo nghiên cứu của Park (2010) về Tài liệu hướng dẫn phân tích dữ liệu bảng (Practical Guides To Panel Data Analysis).
Bảng 3.6. Lựa chọn mơ hình hồi quy dữ liệu bảng phù hợp Kiểm định Wald Kiểm định Wald Kiểm định Breusch – Pagan Lagrange Multiplier Mơ hình phù hợp
H0 không bị bác bỏ H0 khơng bị bác bỏ Mơ hình OLS
H0 bị bác bỏ H0 không bị bác bỏ Mơ hình FEM
H0 khơng bị bác bỏ H0 bị bác bỏ Mơ hình REM
H0 bị bác bỏ H0 bị bác bỏ Kiểm định hausman lựa
chọn giữa REM và FEM
Nguồn: Park (2010)
Các bước kiểm định lựa chọn mơ hình phù hợp như sau:
- Bước 1: Tiến hành kiểm định Breusch – Pagan Lagrange Multiplier (LM
Test) và kiểm định Wald để phát hiện PSSS thay đổi qua các thực thể trong mơ hình REM và FEM tương ứng. Giả thiết H0 của 2 kiểm định này là phương sai qua các thực thể là không đổi. Nếu giá trị p-value nhỏ hơn 0,05 thì ta bác bỏ giả thiết H0.
- Bước 2: Dựa vào bảng 3.6 để lựa chọn phương pháp hồi quy dữ liệu bảng
phù hợp. Nếu giả thiết H0 của cả 2 kiểm định ở bước 1 đều bị bác bỏ thì khi đó cần tiến hành kiểm định Hausman để lựa chọn mơ hình phù hợp giữa FEM và REM. Với kiểm định Hausman, giả thiết H0 tức là ước lượng mô hình FEM và REM khơng khác nhau, và nếu giả thiết H0 bị bác bỏ (p-value < 0,05) dẫn tới việc mơ hình FEM sẽ là phù hợp hơn mơ hình REM trong ước lượng.
- Bước 3: Tiến hành kiểm định, phát hiện một số khuyết tật khác (đa cộng tuyến, tự tương quan) và sửa chữa khuyết tật (nếu có) đối với mơ hình PPML và mơ hình được chọn ở bước 2.
- Bước 4: Dựa trên tiêu chí phụ về hệ số R tương quan, số biến có ý nghĩa thống kê trong mơ hình,…tác giả sẽ lựa chọn phương pháp hồi quy phù hợp nhất giữa 2 loại mơ hình PPML và mơ hình được chọn ở bước 2.
3.2.4.2. Thực hiện kiểm định lựa chọn mơ hình
Bước 1
Kiểm định Breusch – Pagan LM test cho mơ hình REM cho giá trị p-value nhỏ hơn 0,05, do đó giả thiết H0: phương sai qua các thực thể là không đổi bị bác bỏ
(phụ lục 5b). Kiểm định Wald kiểm tra PSSS thay đổi qua các thực thể mơ hình FEM cũng cho kết quả giá trị p-value nhỏ hơn 0,05 (phụ lục 5c), do đó chúng ta bác bỏ giả thiết H0.
Bước 2
Do ở cả 2 kiểm định ở bước 1 đều dẫn tới việc bác bỏ giả thiết H0, do vậy theo Park (2010), mơ hình OLS là khơng thích hợp và kiểm định Hausman sẽ được tiến hành nhằm chọn ra mơ hình phù hợp giữa REM và FEM (bảng 3.6). Kết quả ở phụ lục 6 cho thấy giả thiết H0 của Hausman bị bác bỏ (p-value < 0,05), do đó mơ hình
ảnh hưởng cố định FEM sẽ là phù hợp hơn so với mơ hình ảnh hưởng ngẫu hiên
REM.
Bước 3
- Về vấn đề đa cộng tuyến: lệnh corr được tiến hành nhằm xét hệ số tương
quan giữa các biến với nhau. Kết quả ở phụ lục 7 cho thấy khơng có giá trị nào lớn hơn 0,8 và do đó mơ hình khơng mắc phải hiện tượng đa cộng tuyến.
- Về hiện tượng tự tương quan: tùy chọn cluster rất hay được sử dụng bởi các
nhà kinh tế lượng nhằm giải quyết vấn đề tự tương quan và PSSS thay đổi trong mơ hình (Shepherd, 2013, tr.29). Do đó, tác giả dùng tùy chọn cluster cho biến khoảng
cách địa lý (DISijt) nhằm kiểm soát được cả hiện tượng tự tương quan và PSSS thay
đổi có thể xảy ra trong mơ hình.
Bước 4
Sau các lượt kiểm định và khắc phục khuyết tật, mơ hình FEM và PPML tỏ ra phù hợp hơn cả. Tuy nhiên theo bảng 3.5 và kết quả hồi quy, mơ hình hồi quy PPML có nhiều ưu điểm hơn REM ở những tiêu chí sau:
- PPML tạo ra những ước lượng không chệch kể cả khi có sự xuất hiện của
PSSS thay đổi;
- PPML có khả năng xử lý với hiện tượng “dữ liệu trống”, vì biến phụ thuộc
của nó là EXPijt chứ không phải là lnEXPijt;
- PPML giải thích được 88,21% mơ hình và có đến 6 biến có ý nghĩa thống
kê ở mức dưới 5%. Trong khi đó mơ hình FEM chỉ giải thích được 55,73%; 2 biến có ý nghĩa thống kê và cịn bỏ sót ảnh hưởng của khoảng cách địa lý trong mơ hình.