Nguồn thu thập dữ liệu nghiên cứu

3. Phương pháp nghiên cứu

3.2 Dữ liệu nghiên cứu

3.2.2 Nguồn thu thập dữ liệu nghiên cứu

Dữ liệu nghiên cứu được thu thập từ các nguồn World Bank và UNCTAD. Cụ thể như sau:

Bảng 3.2: Nguồn thu thập dữ liệu.

Biến Tên biến Nguồn thu thập dữ liệu

Growth Tốc độ tăng trưởng GDP bình

quân đầu người thực.

UNCTAD’s World Development Indicators

FDI Dòng vốn đầu tư trực tiếp nước

ngồi.

World Bank‘s World Developmet Indicators

Credit Tín dụng tư nhân cấp bởi các

định chế tài chính.

World Bank‘s World Developmet Indicators

Liquid Cung tiền mở rộng M3. World Bank‘s World Developmet Indicators

GCF Tổng nguồn vốn. World Bank‘s World

Developmet Indicators

Govcons Chi tiêu chính phủ. World Bank‘s World Developmet Indicators

Openess Độ mở thương mại. UNCTAD’s World Development Indicators 30

Secenr Tỷ lệ nhập học cấp hai. World Bank‘s World

Developmet Indicators

IGDP GDP bình quân đầu người. World Bank‘s World

Developmet Indicators

Pop growth

Tốc độ tăng trưởng dân số. World Bank‘s World Developmet Indicators

Goveff Chỉ số hiệu quả chính phủ. Worldwide Goverance

Indicator 39

3.3. Phương pháp nghiên cứu

Dựa theo nghiên cứu của Chee (2010), luận văn sử dụng dữ liệu bảng và phương pháp phân tích dữ liệu bảng để nghiên cứu tác động của FDI, phát triển tài chính đối với tăng trưởng kinh tế của các quốc gia trong mẫu nghiên cứu.

Đầu tiên, dữ liệu bảng được sử dụng vì những ưu điểm của nó so với dữ liệu thời gian dữ liệu chéo.

- Dữ liệu bảng kết hợp giữa dữ liệu chéo và dữ liệu thời gian nên nó cho chúng ta nhiều thơng tin hơn, ít hiện tượng đa cộng tuyến giữa các biến hơn, nhiều bậc tự do hơn và hiệu quả hơn.

- Bằng cách nghiên cứu các dữ liệu chéo một cách lặp đi lặp lại, dữ liệu bảng thực hiện tốt hơn các nghiên cứu về những thay đổi liên tục xảy ra như tỷ lệ thất nghiệp, di chuyển lao động.

- Cho phép kiểm soát những khác biệt không quan sát được giữa các đơn vị chéo như khác biệt về văn hóa, vị trí địa lý giữa các quốc gia hay khác biệt về triết lý kinh doanh của các doanh nghiệp.

- Cho phép kiểm sốt những biến khơng quan sát được nhưng thay đổi theo thời gian như chính sách quốc gia, thỏa thuận quốc tế…

- Cho phép nghiên cứu những mô hình phức tạp như tính kinh tế do quy mô hay do thay đổi công nghệ.

Khi sử dụng dữ liệu bảng, chúng ta có thể dùng phương pháp Pooled OLS để thực hiện hồi quy. Mơ hình hồi quy được viết dưới dạng:

yi,t = α + βxi,t + εi,t

Trong đó:

y: biến phụ thuộc x: biến độc lập

α: hệ số chặn ε: sai số hồi quy

Các giả định của phương pháp OLS:

+ Giả định 1: biến giải thích là phi ngẫu nhiên, tức là các giá trị của chúng là các số đã được xác định. Giả thiết này là đương nhiên, vì phân tích hồi quy được đề cập là phân tích hồi quy có điều kiện, phụ thuộc vào giá trị của các biến giải thích đã cho.

+ Giả định 2: kỳ vọng của các sai số ngẫu nhiên εi,t bằng 0. Giả thiết nàycó nghĩa là các yếu tố khơng có trong mơ hình khơng có ảnh hưởng một cách có hệ thống đến giá trị trung bình của biến phụ thuộc.

+ Giả định 3: các sai số ngẫu nhiên εi,t có phương sai bằng nhau. Giả thiết này có nghĩa là phân phối có điều kiện của biến phụ thuộc với điều kiện đã cho của biến giải thích có phương sai bằng nhau, các giá trị cá biệt của biến phụ thuộc xoay quanh giá trị trung bình với mức độ chênh lệch như nhau.

+ Giả định 4: khơng có sự tương quan giữa các sai số ngẫu nhiên εi,t. Giả thiết này có nghĩa là εit là ngẫu nhiên. Sai số ở quan sát này không ảnh hưởng tới sai số ở quan sát khác.

+ Giả định 5: sai số ngẫu nhiên và biến giải thích khơng tương quan với nhau. Giả thiết này là cần thiết vì nếu yếu tố ngẫu nhiên và biến giải thích có tương quan với nhau thì khơng thể tách ảnh hưởng riêng biệt của chúng đến biến phụ thuộc, trong khi đó yếu tố ngẫu nhiên đại diện cho các yếu tố khơng có mặt trong mơ hình.

Trong sai số hồi quy εi,t gồm có hai thành phần: các đặc điểm, nhân tố riêng của từng đơn vị chéo khơng thay đổi theo thời gian hay cịn gọi là các nhân tố tác động cố định ui và sai số ngẫu nhiên vi,t. Khi sử dụng phương pháp Pooled OLS để thực hiện hồi quy mơ hình đã bỏ qua những quan hệ không đồng nhất giữa các đơn vị chéo theo thời gian bằng cách giả định rằng các hệ số hồi quy là như nhau nên những tác động khác nhau nếu có giữa các biến số giải thích đến biến phụ thuộc đều chứa trong sai số hồi quy εi,t.. Khi đó, các biến độc lập trong

mơ hình có tương quan với các sai số hồi quy, ước lượng đạt được sẽ bị chệch, không nhất quán.

Để khắc phục điều này chúng ta có thể sử dụng kỹ thuật phân tích dữ liệu bảng. Kỹ thuật phân tích dữ liệu bảng gồm có hai nhánh chính sau: ước lượng hồi quy với tác động cố định (fixed effect) và ước lượng hồi quy với tác động ngẫu nhiên (random effect).

 Mơ hình hồi quy tác động cố định fixed effects (FEM):

Mơ hình hồi quy được viết dưới dạng: yi,t = α + βxi,t + εi,t (εi,t = µi + νit )

Trong đó:

y: biến phụ thuộc x: biến độc lập

α: hệ số chặn ε: sai số hồi quy

i=1…..N; t= 1…T

Trong mơ hình hồi quy tác động cố định (FEM), các nhân tố không thay đổi theo thời gian của các đơn vị chéo µi là một biến ngẫu nhiên và có quan hệ tương quan với biến độc lập xi,t.

Mơ hình này có thể ước lượng bằng cách sử dụng biến giả dummy với phương pháp hồi quy bình phương bé nhất với biến giả (LSDV), phương pháp chuyển đổi nội tại, phương pháp ước lượng ở giữa hoặc phương pháp sai phân bậc 1.

- Mơ hính LSDV được viết lại như sau:

Với D1i là biến giả có giá trị 1 cho tất cả các quan sát thuộc đơn vị chéo đầu tiên và có giá trị 0 cho các quan sát thuộc đơn vị chéo khác. Tương tự cho D2i, D3i... DNi.

Như vậy mô hình LSDV có N +k hệ số hồi quy, và được xem như là mơ hình hồi quy tiêu chuẩn, được ước lượng bằng phương pháp OLS.

- Phương pháp chuyển đổi nội tại (the within transformation): phương pháp này được sử dụng để đơn giản hóa vấn đề, tránh việc sử dụng quá nhiều biến giả như phương pháp LSDV. Theo đó, chúng ta có hai giá trị trung bình của biến phụ thuộc và biến độc lập ȳi = và i = . Hai giá trị trung bình này được khấu trừ ra khỏi giá trị của biến độc lập và biến phụ thuộc. Như vậy, phương trình chỉ chứa các biến điều chỉnh theo giá trị bình quân theo thời gian.

Khi đó mơ hình này có thể sử dụng phương pháp OLS để ước lượng nhưng phải điều chỉnh lại bậc tự do của mơ hình.

- Phương pháp ước lượng ở giữa (the between estimator): trong phương pháp này chúng ta sẽ thực hiện hồi quy chéo với các biến số đã được tính bình quân trong quãng thời gian quan sát. So với phương pháp chuyển đổi nội tại thì phương pháp này có thể giảm thiểu tác động của sai số trong đo lường các biến. - Phương pháp ước lượng với biến sai phân bậc 1 (first – difference estimator):

trong phương pháp này chúng ta sẽ lấy sai phân cho các biến phụ thuộc, độc lập và sai số ngẫu nhiên trong mơ hình. Theo đó những thay đổi trong biến độc lập sẽ giải thích cho những thay đổi trong biến phụ thuộc.

yi,t = α + βxi,t + µi + νit yi,t -1 = α + βxi,t-1 + µi + νit-1 =>Δ yi,t = Δ βxi,t + Δ νit

Sau khi lấy sai phân, những nhân tố tác động cố định theo thời gian sẽ bị loại trừ khỏi mơ hình. Hệ số hồi quy cần được ước lượng là hệ số hồi quy của biến sai phân.

 Mơ hình hồi quy tác động ngẫu nhiên random effects (FEM):

Mơ hình hồi quy được viết dưới dạng: yi,t = α + βxi,t + εi,t (εi,t = µi + νit )

Trong đó:

y: biến phụ thuộc x: biến độc lập

α: hệ số chặn ε: sai số hồi quy

i=1…..N; t= 1….T

Trong mơ hình tác động ngẫu nhiên (REM), các nhân tố cố định cho từng đơn vị chéo ui là biến ngẫu nhiên và khơng có quan hệ với biến độc lập trong mơ hình. Hệ số chặn cho từng đơn vị chéo sẽ là α + µi, hệ số này thay đổi ngẫu nhiên theo đơn vị chéo nhưng không đổi theo thời gian.

Mơ hình tác động ngẫu nhiên gồm có các giả định sau:

- Các nhân tố cố định của các đơn vị chéo là các biến ngẫu nhiên, khơng có tương quan với các biến độc lập trong mơ hình. E (µi, xi ) = 0.

- Phương sai của các nhân tố cố định theo thời gian của các đơn vị chéo là một hằng số.

- Các nhân tố cố định theo thời gian của các đơn vị chéo khơng có tương quan với sai số ngẫu nhiên vi,t.

GLS.

Mơ hình tác động ngẫu nhiên REM được ước lượng bằng phương pháp

Tóm lại, mơ hình hồi quy tác động ngẫu nhiên khơng loại bỏ những biến mà giá trị của nó khơng đổi theo thời gian ra khỏi mơ hình. Mơ hình này chỉ cho ra kết quả hồi quy có giá trị tin cậy khi sai số của mơ hình hồi quy khơng có tương quan với biến độc lập. Trường hợp điều kiện trên bị vi phạm thì mơ hình hồi quy tác động cố định sẽ có kết quả tốt hơn.

Trong phân tích dữ liệu bảng, để lựa chọn giữa các mơ hình: Pooled OLS, mơ hình hồi quy tác động ngẫu nhiên REM và mơ hình hồi quy tác động cố định FEM chúng ta sẽ thực hiện kiểm định Breusch – Pagan Lagrangian và kiểm định Hausman. Đầu tiên, kiểm định Breusch – Pagan Lagrangian được thực hiện nhằm lựa chọn giữa Pooled OLS và mơ hình tác động ngẫu nhiên REM. Tiếp đó, nếu mơ hình tác động ngẫu nhiên REM được lựa chọn thì kiểm định Hausman được thực hiện nhằm lựa chọn giữa mơ hình hồi quy tác động ngẫu nhiên REM và mơ hình hồi quy tác động cố định FEM.

Kiểm định Breusch – Pagan Lagrangian (BP): kiểm định này cho phép

lựa chọn giữa mơ hình hồi quy tác động ngẫu nhiên và mơ hình pooled OLS. Giả thuyết H0: Mơ hình pooled OLS là phù hợp

Nếu p-value <0.05, bác bỏ giả thuyết H0, chúng ta có thể lựa chọn mơ hình tác động ngẫu nhiên REM

Kiểm định Hausman:

Giả thuyết H0 : tác động cá biệt của mỗi đơn vị chéo khơng có tương quan với các biến hồi quy khác trong mơ hình.

Nếu p-value <0.05: giả thuyết Ho có thể bị bác bỏ, mơ hình REM sẽ cho kết quả bị thiên lệch. Do vậy, mơ hình FEM được lựa chọn.

Sau khi thực hiện kiểm định Hausman để lựa chọn giữa mơ hình tác động ngẫu nhiên REM và mơ hình tác động cố định FEM, chúng ta sẽ thực hiện các kiểm định Wald và Lagram – Multiplier để kiểm tra hiện tượng tự tương quan và phương sai thay đổi trong mơ hình.

Kiểm định Lagram – Multiplier (LM): được dùng để kiểm định hiện

tượng tự tương quan của sai số trong mơ hình.

Giả thuyết H0: Mơ hình khơng có hiện tượng tự tương quan.

quan.

Nếu p-value <0.05, bác bỏ giả thuyết H0, mơ hình có hiện tượng tự tương

Kiểm định Wald: được dùng để kiểm định hiện tượng phương sai thay đổi trong mơ hình.

Giả thuyết H0: Mơ hình khơng có hiện tượng phương sai thay đổi.

Nếu p-value <0.05, bác bỏ giả thuyết H0, mơ hình có hiện tượng phương sai thay đổi.

Nếu kết quả kiểm định cho thấy mơ hình có hiện tượng tự tương quan, phương sai thay đổi hoặc cả hai thì chúng ta sẽ khắc phục bằng cách thực hiện phương pháp GLS (generalized least square)

Phương pháp GLS (generalized least square): là phương pháp được sử dụng nhằm mục đích khắc phục hiện tượng tự tương quan và phương sai thay đổi trong mơ hình.

Mơ hình hồi quy OLS được viết dưới dạng: yi,t = βxi,t + εi,t (*)

Trong đó:

y: biến phụ thuộc x: biến độc lập ε: sai số hồi quy

i=1…..N; t= 1….T

Trong trường hợp mơ hình thỏa mãn các giả định ban đầu của OLS: var (ε ) = σ2 I. Tuy nhiên, có thể var (ε1) ≠ var (ε2) ≠…var (εT) hay E (εt εs) ≠ 0, khi mơ hình xuất hiện hiện tượng phương sai thay đổi hoặc hiện tượng tự tương quan, kết quả hồi quy đạt được sẽ bị chệch, độ tin cậy khơng cao. Mơ hình GLS được sử dụng để khắc phục hiện tượng tự tương quan và phương sai thay đổi, kết quả hồi quy đạt được đạt độ tin cậy. Phương pháp GLS được trình bày như sau:

Giả sử var (ε) = σ2 Ω, trong đó Ω là một ma trận bất kỳ không nhất thiết là ma trận chéo và có những giá trị đặc trưng là λ1 …λT. Chúng ta có: Ω = SΔ S’ với Δ là một ma trận chéo với các giá trị đặc trưng λ1 …λT, S là một ma trận trực giao.

Ω-1 = S-1 Δ-1 S’-1 = S-1 Δ-1/2 Δ’-1/2 S’-1 = G G’ (Với G = S-1 Δ-1/2) Nhân ma trận G với mơ hình yi,t = βxi,t + εi,t ta được:

Gyi,t = Gβxi,t + Gεi,t (**)

Đặt Gyi,t = y*, Gxi,t = x*, Gεi,t = ε*, mơ hình (**) được viết lại như sau: y*= βx* + ε*

E (ε*ε*’) = E (G εε’G’) = σ2 G Ω G’= σ2 I = (x*x*’)-1 x*’ y*

= (x G x’ G’)-1 x’G’ yG = (xΩ-1 x’)-1 x’Ω-1 y.

Như vậy, kết quả hồi quy đạt được khơng bị chệch, có độ tin cậy.

Đ ặc đ iểm của ph ư ơng pháp GLS :

- Ước lượng GLS không bị chệch - Var (βGLS) = σ2 (x Ω-1x’) -1

- Nếu ε ~ N (0, σ2 Ω), ~ N(β, σ2 (x Ω-1x’) -1 40