Chương 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Quy trình nghiên cứu
Q trình phân tích dữ liệu làm sáng tỏ 3 mục tiêu nghiên cứu được tác giả tiến hành theo các bước tuần tự như sơ đồ sau:
Quy trình để xác định tác động của cú sốc ngoại sinh đến lạm phát trong nước được tác giả cụ thể hóa như sau:
- Tác giả bắt đầu với việc sử dụng kiểm định nghiệm đơn vị để xem tính dừng của chuỗi thời gian mỗi biến để tránh trường hợp hồi quy giả. Phương pháp để kiểm định nghiệm đơn vị là phương pháp Dickey – Fuller mở rộng (ADF).
- Tiếp theo, tác giả thực hiện kiểm định để lựa chọn độ trễ tối ưu cho mơ hình. - Sau khi thực hiện kiểm định nghiệm đơn vị, kiểm định để lựa chọn độ trễ tối ưu cho mơ hình, tác giả thực hiện chạy mơ hình VAR và thực hiện các kiểm định sau:
Kiểm tra tự tương quan của phần dư.
Kiểm định tính ổn định của mơ hình VAR.
- Tiếp đến, tác giả đưa ma trận cấu trúc vào để chạy mơ hình SVAR và thực hiện:
Xem xét hàm phản ứng đẩy lần lượt cho các biến số PPI, CPI khi các cú sốc xảy ra.
Phân rã phương sai để xem xét mức độ giải thích của các nhân tố tác động đến lạm phát ở Việt Nam.
Kiểm định nghiệm đơn vị
Như chúng ta đã biết, các chuỗi thời gian kinh tế vĩ mô (PPI, CPI, IMP) thông thường là các chuỗi khơng dừng, điều đó có thể dẫn đến tình trạng hồi quy giả mạo và kết luận sai khi sử dụng các kiểm định thống kê.
Theo Gujarati (2003) một chuỗi thời gian là dừng khi giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) giữ nguyên không đổi cho dù chuỗi được xác định vào thời điểm nào đi nữa. Chuỗi dừng có xu hướng trở về giá trị trung bình và những dao động quanh giá trị trung bình sẽ là như nhau. Nói cách
khác, một chuỗi thời gian khơng dừng sẽ có giá trị trung bình thay đổi theo thời gian, hoặc giá trị phương sai thay đổi theo thời gian hoặc cả hai.
Trên thực tế, có nhiều phương pháp kiểm tra tính dừng của chuỗi thời gian:, kiểm định Phillip–Person (PP); kiểm định Dickey–Fuller (DF), kiểm định Dickey – Fuller mở rộng (ADF), kiểm tra bằng giản đồ tự tương quan, … Trong bài nghiên cứu này, tác giả sử dụng kiểm định nghiệm đơn vị (Unit root test) là một kiểm định được sử dụng khá phổ biến để kiểm định một chuỗi thời gian là dừng hay không dừng và phương pháp tác giả sử dụng để thực hiện kiểm định nghiệm đơn vị là phương pháp Dickey và Fuller mở rộng (ADF) thông qua phần mềm Eviews 6.0. Cơ sở lý thuyết của kiểm định đơn vị như sau:
= + (3.1) Trong đó:
: là hằng số.
là nhiễu trắng là số hạng chỉ sai số ngẫu nhiên xuất phát từ các giả định cổ điển rằng nó có giá trị trung bình bằng 0, phương sai là hằng số và không tự tương quan.
dừng khi -1 < <1. Lúc này phương trình (3.1) sẽ là:
= + = + + … + (3.2)
Khi thời gian càng lớn n tiến đến vơ cùng (∞) thì lúc này sẽ tiến dần về khơng (0) và cũng tiến dần về khơng (0). Hay nói cách khác là một tác động nhỏ trong q khứ sẽ khơng cịn tác động đến hiện tại.
Nếu : Khi đó là một bước ngẫu nhiên và là một chuỗi không dừng. Lúc này phương trình (3.1) sẽ là:
Điều này có ý nghĩa là 1 tác động trong quá khứ sẽ còn tác động nguyên vẹn đến hiện tại.
Thực hiện hồi quy theo phương trình (3.1): = +
Giả thuyết: : = 1: chuỗi thời gian khơng dừng hay cịn gọi có nghiệm đơn vị.
Giả thuyết đối: : < 1: là chuỗi dừng. Để kiểm định ta so sánh giá trị xác suất p-value
Nếu p-value < α (α = 1%; 5% và 10%): bác bỏ giả thuyết : kết luận
là chuỗi dừng.
Nếu p-value >= α: không bác bỏ giả thuyết : kết luận là chuỗi không dừng.
Sai phân bậc nhất của : Δ = - = (3.4)
Phương trình (3.4) là sai phân bậc 1 của một chuỗi thời gian bước ngẫu nhiên: là chuỗi thời gian dừng do giả định là nhiễu trắng. Vậy nếu chuỗi thời gian được lấy sai phân bậc nhất và chuỗi thời gian bắt đầu dừng thì chuỗi thời gian này được gọi là chuỗi liên kết hợp bậc 1, ký hiệu là I(1). Tương tự nếu như chuỗi ban đầu được lấy sai phân bậc hai để trở thành chuỗi dừng thì chuỗi này được gọi là chuỗi liên kết bậc 2, ký hiệu I(2). Tóm lại, nếu chuỗi thời gian bắt đầu dừng ở sai phân bậc d thì ta gọi chuỗi thời gian là chuỗi liên kết bậc d, ký hiệu I(d).
Kiểm định để lựa chọn độ trễ tối ưu
Trước khi thực hiện ước lượng mơ hình VAR, tác giả thực hiện kiểm định để lựa chọn độ trễ tối ưu cho mơ hình.
LL: Log likelihood;
LR: Likelihood ratio;
Bậc VAR sẽ lựa chọn căn cứ bằng cực đại LL và LR.
FPE: Final prediction error (Sai số dự báo cuối cùng);
AIC: Akaike information criteria;
HQ: Hannal Quinn information criterion;
SC: Schwarz Bayesian information criteria.
Bậc VAR sẽ lựa chọn căn cứ bằng cực tiểu FPE, AIC, HQ và SC.
Kiểm tra tự tương quan của phần dư
Để mơ hình nghiên cứu là tốt nhất thì sai số phải là nhiễu trắng. Có nghĩa là phải thỏa các điều kiện sau:
E( = 0;
Var ( = const = ; Cov( = 0; s
Để kiểm tra phần dư của mơ hình có phải là nhiễu trắng hay không. Tác giả sử dụng kiểm định Lagrange-multiplier (LM) để kiểm định tự tương quan phần dư trong mơ hình VAR – kiểm định đưa ra bởi Johansen (1995). Kiểm định này được thực hiện tại các độ trễ j=1, 2,... , m. Đối mỗi j giả thuyết được đưa ra như sau:
- Giả thuyết : Phần dư khơng có tự tương quan. - Giả thuyết đối : Phần dư có tự tương quan.
Tác giả sử dụng giá trị xác suất p-value để kiểm định và kết quả như sau:
+ Nếu giá trị p-value lớn hơn mức ý nghĩa α (p-value > α) ta chấp nhận giả thuyết tức phần dư khơng có tự tương quan.
+ Ngược lại, Nếu giá trị p-value nhỏ hơn mức ý nghĩa α (p-value < α) ta bác bỏ giả thuyết tức là phần dư có tự tương quan. Hay nói cách khác là phần dư chưa phải là nhiễu trắng.
Kiểm định tính ổn định của mơ hình VAR
Để ước lượng một mơ hình là hồi quy tuyến tính, có hai phương pháp bình phương bé nhất và phương pháp ước lượng hợp lý cực đại. Các phương pháp này cũng áp dụng cho mơ hình VAR ổn định.
Giả sử tn thủ mơ hình VAR:
= + + … + + v +
Trong đó:
= ( , , …, ) là vector chuỗi thời gian ngẫu nhiên m chiều;
là các ma trận cấp m x m;
= ( , , …, )là vector nhiễu trắng m chiều;
v = ( , , …, vector hằng số;
Điều kiện ổn định của mơ hình: det(A(z)) đối với ׀z
׀ 1. Điều kiện này
có nghĩa là các nghiệm của phương trình đặc trưng nghịch đảo thực sự nằm ngồi đường trịn đơn vị.
Cả Lutkepohl (2005) và Hamilton (1994) chỉ ra rằng: nếu tất cả các giá trị riêng của ma trận A có giá trị tuyệt đối nhỏ hơn 1 thì mơ hình VAR là ổn định.
Hàm phản ứng
Nếu như mơ hình VAR đã ghi ấn trong lý thuyết kinh tế, đưa ra một cơ sở thuận lợi và hữu ích đối với việc phân tích chính sách thì hàm phản ứng (IRF) xem xét ảnh hưởng của bất kỳ các biến nào đến các biến khác trong hệ thống và nó cũng là
cơng cụ hiệu quả trong phân tích nguyên nhân bằng thực nghiệm và phân tích hiệu quả của chính sách. Đây là một quan điểm quan trọng liên quan đến IRF và VAR – Hàm phản ứng đã được tác giả đưa vào trong bài nghiên cứu để mô tả ảnh hưởng của một cú sốc ở một thời điểm đến các biến nội sinh ở hiện tại và tương lai.
Phân tách phương sai
Ý tưởng của phân tích phương sai là tính xem một thay đổi hay cú sốc của một biến ảnh hưởng bao nhiêu (có thể diễn giải dưới dạng % hoặc số thực) lên các biến khác.