6. nghĩa Ý thực ti nc ủa bài nghiên cứ u:
3.2. Phương pháp nghiên cứu
3.2.3.1. Phương pháp GMM
Giả sử rằng, chúng ta có mơ hình đơn giản dưới đây:
Yi =Xi β + εi, trong đó giả định rằng E(Xi εi)=0
đến 0:
Phương pháp ước lượng GMM thiết lập bảng đối chiếu mẫu của điều kiện này
1 ∑N X (Y − X βˆ) = 0 , trong đó βˆ = ∑ X iY
. Đây là ước lượng OLS
N i=1 i i
i ∑ X 2
Bây giờ, giả định E(Xi εi) ≠ 0 nhưng E(Zi εi) = 0, Z là một vài biến khác. Nếu chúng ta thiết lập bảng đối chiếu mẫu của mô men điều kiện này đến 0, chúng ta có:
βˆ=
∑ ZiYi , là cái giống như ước lượng của biến công cụ.
IV
∑Zi X i
Lưu ý: nếu các biến đã được chuẩn hóa, mẫu số là tương quan giữa X và Z vì vậy các ước lượng khơng xác định nếu tương quan là 0.
Hai điều kiện cho một biến số công cụ: tương quan với các biến phụ thuộc; không tương quan với sai số.
Bây giờ giả sử rằng X là N x K, Z là N x L và L> K. Chúng ta có nhiều biến cơng cụ có sẵn hơn biến hồi quy.
Mơ hình ma trận có dạng: Y =βX + ε, trong đó E(X'ε) ≠ 0, mơ men điều kiện là: E(Z'ε) = 0
Bởi vì, chúng ta có nhiều mơ men điều kiện hơn thơng số, chúng ta có thể bỏ qua các mô men điều kiện mở rộng nhưng điều này không dẫn đến hệ số β tốt nhất.
Vì vậy, việc cần thực hiện là thay vì tìm hệ số β đó thì làm cho nhỏ nhất: Min[(Z'ε)'W (Z'ε)], trong đó W là ma trận trọng lượng N x N
Nếu thay thế cho ε: Min[(Z'(Y-Xβ)'W (Z'(Y- Xβ)] Giải pháp tối ưu cho β: βˆ = (X'ZWZ'X)- 1 X'ZWZ'Y.
3.2.3.2. Ưu điểm của phương pháp GMM
Phương pháp ước lượng bình phương bé nhất (OLS) là phương pháp được dùng rất phổ biến trong lĩnh vực kinh tế lượng. Ưu điểm của phương pháp này không quá phức tạp nhưng hiệu quả. Với một số giả thiết ban đầu, phương pháp này sẽ dễ dàng xác định các giá trị ước lượng hiệu quả, không chệch và vững.
Tuy nhiên, khi nghiên cứu về chuôi dữ liệu thời gian, có nhiều chi vi phạm một hoặc một số giả định của OLS. Khi đó, các ước lượng thu được sẽ bị bóp méo, mất tính vững và sẽ là sai lầm nếu sử dụng chúng để phân tích. Một trong những dạng vi phạm giả định phổ biến là hiện tượng nội sinh, một trường hợp khi hệ số ước lượng (hoặc biến) tương quan với phần dư.
Phương pháp cơ bản trong trường hợp các biến độc lập tương quan với phần dư là ước lượng một phương trình có dùng các biến cơng cụ (Instrumental Variables - hồi quy IV). Ý tưởng của phương pháp hồi quy này là tìm một bộ biến, được gọi là biến cơng cụ, thỏa mãn cả hai điều kiện: (1) tương quan với các biến giải thích trong
phương trình và (2) khơng tương quan với phần dư. Những biến công cụ như vậy được dùng để loại bỏ sự tương quan giữa các biến giải thích và phần dư.
Có nhiều phương pháp hồi quy dựa trên nền tảng của hồi quy IV như phương pháp bình phương bé nhất hai giai đoạn (2SLS), phương pháp Maximum Likelihood trong điều kiện giới hạn thông tin (LIML), phương pháp ước lượng Moment tổng quát (GMM).
Làm thế nào để một hồi quy IV ước lượng ra hệ số với sự tham gia của biến cơng cụ?
Xem xét mơ hình đơn giản sau:
�� = ��� + €�
Trong đó: i là quan sát thứ i, yi là biến phụ thuộc, xi là biến độc lập, €� là phần dư của mơ hình. Khi đó hệ số ước lượng � sẽ được xác định như sau:
���� = �′�= �′� �′ (((((((((((((( ( + €) �′�
Với x, y, € là các ma trận cột � × 1. Nếu x và € khơng tương quan với
nhau
thì �̂ ước lượng được là vững và không chệch. Tuy nhiên nếu điều ngược lại xảy ra, hệ số ước lượng sẽ bị chệch và khơng vững, mơ hình khơng cịn hiệu quả, tác động của biến x lên biến y không đáng tin cậy.
Một biến cơng cụ z, tương quan với biến giải thích x nhưng không tương quan với phần dư € sẽ được đưa vào mơ hình, phương pháp hồi quy IV sử dụng biến giả đó để xác định hệ số ước lượng như sau:
��� = �′� = �′� �′ (((((((((((((( ( + €) �′�
Vì biến z khơng tương quan với € nên hệ số ước lượng là vững và khơng chệch.
Phương pháp này có thể tổng qt lên với một mơ hình nhiều biến. Ta gọi X là ma trận �×K các biến giải thích, Z là ma trận �×L các biến cơng cụ với K là số lượng biến giải thích, L là số lượng biến công cụ và n là số quan sát của mơi biến. Khi đó phương pháp IV có thể được dùng để ước lượng mơ hình và hệ số ước lượng sẽ được xác định như sau:
�̂ = (�′�)−1�′�
Điều kiện để xác định được giá trị ước lượng là L ≥ K �
3.2.3.3. Tính chất của phương pháp ước lượng GMM
Khi số lượng mẫu phù hợp giá trị β ước lượng được sẽ vững, khi đó giá trị ước lượng được sẽ càng gần với giá trị thực của nó. Ước lượng GMM sẽ cho ra các giá trị ước lượng tuân theo phân phối chuẩn, đây là thuộc tính rất quan trọng vì đó là cơ sở để chúng ta xây dựng giá trị dự đoán ở các độ tin cậy (confidence bands) và thực hiện các kiểm định khác. Phương pháp GMM cũng cho ra kết quả là các giá trị ước lượng hiệu quả, nghĩa là giá trị phương sai trong mơ hình ước lượng là nhỏ nhất.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 3 đã trình bày phương pháp nghiên cứu được sử dụng để xây dựng, đánh giá các khái niệm nghiên cứu và kiểm nghiệm mơ hình lý thuyết. Chương 3 cũng đưa ra cách đo lường các biến trong mơ hình. Chương 4 sẽ trình bày kết quả nghiên cứu thu được từ q trình phân tích số liệu của các biến tham nhũng, đầu tư trực tiếp nước ngoài và một số biến kiểm soát khác, trong thời gian từ năm 1995 - 2014 trên dữ liệu bảng với ưu điểm dữ liệu bảng đã được trình bày trong chương 3.
4.1. Phân tích thống kê mơ tả
Sau khi thu thập và tính tốn dữ liệu, kết quả trình bày theo bảng thống kê mơ tả trong bảng 4.1 dưới đây. Kết quả chỉ ra phạm vi, giá trị trung bình và độ lệch chuẩn của các biến sử dụng trong nghiên cứu này.
Bảng 4.1. Thống kê mơ tả giữa các biến trong mơ hình
Variable Obs Mean Std. Dev. Min Max
i 200 21.13133 1.887871 15.30871 24.93573 cpi 173 3.625594 2.226296 1.3 9.4 ffc 161 36.4559 24.27758 10 94 sav 200 28.04285 15.92931 -3.7 64.4 prd 140 14963.89 13278.77 2328 49719 gdp 180 24.52729 1.62819 21.12773 26.87963 exr 200 3590.081 5440.555 1.24957 21148 pos 200 -0.24213 0.9510247 -2.12 1.4 opn 200 65.03711 52.02311 0.2 230.3 va 180 22.98498 2.044924 18.50149 26.00592
Nguồn: kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập của 10 quốc gia trong giai đoạn 1995 - 2014 (Phụ lục 01).
Kết quả phân tích thống kê mơ tả các biến trong mơ hình cho thấy:
Dịng vốn đầu tư trực tiếp nước ngồi rịng (I) của các quốc gia trong mẫu biến động từ mức thấp nhất 15.30871 đến cao nhất 24.93573. Dòng vốn đầu tư trực tiếp rịng trung bình của mẫu trong giai đoạn 1995-2014 là 21.13133 với độ lệch chuẩn là 1.887871.
Biến chỉ số cảm nhận tham nhũng (CPI) của các quốc gia trong mẫu có giá trị trung bình là 3.625594 điểm, với độ lệch chuẩn là 2.226296 điểm. Trong đó quốc gia có giá trị thấp nhất là 1.3 điểm (Campuchia) và quốc gia giá trị cao nhất là 9.4 điểm (quốc gia Singapore).
Biến chỉ số tự do không bị tham nhũng (FFC) của các quốc gia trong mẫu có giá trị trung bình là 36.4559 điểm và độ lệch chuẩn là 24.27758 điểm. Trong đó quốc gia có giá trị thấp nhất là 10 điểm (Campuchia) và quốc gia có giá trị cao nhất là 94 điểm (Singapore).
Biến ty lệ tiết kiệm trong nước (SAV) biến động trong khoảng từ -3.7% đến 64.4%, như vậy trong mẫu có quốc gia chi tiêu dùng quá lớn so với tổng sản phẩm quốc nội cả nước dẫn đến thâm hụt, có quốc gia tiết kiệm trong nước khá lớn so với tổng sản phẩm quốc nội cả nước; trong đó ty lệ tiết kiệm trong nước trung bình là 28.04285% với độ lệch chuẩn là 15.92931%.
Biến năng suất lao động (PRD) của các quốc gia trong mẫu có mức biến động trung bình là 14963.89 với độ lệch chuẩn là 13278.77, trong đó mức biến động thấp nhất là 2328 và mức biến động cao nhất là 49719.
Biến quy mô thị trường (GDP) của các quốc gia biến động từ 21.12773 đến 26.87963, với trung bình là 36.4559 và độ lệch chuẩn là 24.27758.
Biến ty giá hối đối (EXR) có mức biến động trong khoảng từ 1.24957 đến 21148, với ty giá hối đối trung bình là 3590.081 và độ lệch chuẩn là 5440.555.
Biến ổn định chính trị (POS) của các quốc gia trong mẫu trong khoảng thời gian từ 1995-2014 biến động từ -2.12 đến 1.4, với chỉ số ổn định chính trị trung bình là -0.24213 và độ lệch chuẩn là 0.951025. Điều này có nghĩa tình hình ổn định chính trị ở các quốc gia trong mẫu chưa thực sự tốt, thỉnh thoảng còn xảy ra các cuộc bạo động gây mất ổn định an ninh trật tự như ở Thái Lan hay Campuchia.
Biến độ mở thương mại (OPN) các quốc gia trong mẫu có mức biến động trung bình là 65.03711%, trong đó quốc gia có giá trị thấp nhất là 0.2% và quốc gia có giá trị cao nhất là 230.3% và độ lệch chuẩn là 52.02311%.
Biến giá trị gia tăng trong ngành sản xuất (VA) của các quốc gia trong mẫu biến động trong khoảng từ 18.50149 đến 26.00592, với giá trị gia tăng trong ngành sản xuất trung bình là 22.98498 và độ lệch chuẩn là 2.044924.
Các biến có độ lệch chuẩn khơng quá lớn so với trung bình. Dữ liệu tương đối đồng đều ở các biến. Cỡ mẫu nghiên cứu dao động trong khoảng từ 140 - 200 quan sát, là cỡ mẫu đủ lớn trong thống kê. Dữ liệu đầu vào phù hợp thực hiện hồi quy định lượng.
4.2. Kiểm định sự tương quan và đa cộng tuyến 4.2.1. Ma trận tương quan đơn tuyến tính giữa các cặp biến
Hệ số tương quan dùng để chỉ mức độ tương quan giữa các biến trong mơ hình. Dựa vào kết quả ma trận tương quan, tác giả sẽ phân tích mối tương quan giữa các biến phụ thuộc với các biến độc lập trong mơ hình và mối tương quan giữa các biến độc lập với nhau.
Bảng 4.2: Kết quả ma trận tự tương quan
Biến I CPI FFC SAV PRD GDP EXR POS OPN VA
I 1 CPI 0.6068 1 FFC 0.5572 0.9542 1 SAV 0.6853 0.8171 `0.8223 1 PRD 0.658 0.9631 0.9414 0.8504 1 GDP 0.5469 0.1935 0.1955 0.4833 0.3006 1 EXR -0.0802 -0.4231 -0.4482 -0.2689 -0.4807 -0.1526 1 POS 0.3829 0.7023 0.6828 0.5977 0.6281 -0.1997 -0.0272 1 OPN 0.5389 0.9489 0.9219 0.7784 0.93 0.034 -0.3419 0.7348 1
VA 0.5586 0.1743 0.1871 0.4556 0.2899 0.9731 -0.2103 -0.2167 0.0204 1 Nguồn: kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập của 10 quốc gia trong giai đoạn 1995 - 2014 (Phụ lục 02).
Bảng kết quả phân tích ma trận tự tương quan giữa các biến trong mơ hình theo bảng 4.2 cho thấy, tồn tại các hệ số tự tương quan cặp giữa các biến độc lập lớn hơn 0.8, tồn tại hiện tượng đa cộng tuyến nghiêm trọng giữa các cặp biến độc lập trong mơ hình.
4.2.2. Kiểm định đa cộng tuyến
Bảng 4.3: Kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai
Mơ hình CPI VIF 1/VIF
PRD 29.7 0.033672 GDP 25.59 0.039085 OPN 23.63 0.04232 CPI 22.12 0.045211 VA 21.5 0.046514 SAV 7 0.142894 POS 3.98 0.251245 EXR 2.14 0.466974 Mean VIF 16.96
Mơ hình FFC VIF 1/VIF GDP 42.64 0.023454 VA 38.01 0.026306 PRD 23.96 0.041739 OPN 16.94 0.059019 FFC 10.45 0.095725 SAV 9.25 0.108149 POS 3.24 0.308769 EXR 2.03 0.493635 Mean VIF 18.31
Nguồn: Kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập của 10 quốc gia trong giai đoạn 1995 - 2014 (Phụ lục 03).
Dựa vào bảng 4.3, kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai, cho thấy trung bình VIF của các biến trong mơ hình là 16.96 và 18.31 đối với mơ hình CPI và mơ hình FFC lớn hơn 10. Tồn tại VIF của biến độc lập vượt quá 10.
Kết luận: Với tiêu chuẩn nhân tử phóng đại phương sai VIF, mơ hình tồn tại hiện tượng đa cộng tuyến nghiêm trọng trong mơ hình.
Tuy nhiên, đa cộng tuyến theo Christopher Achen không quá nghiêm trọng. Bởi vì ngay cả khi đa cộng tuyến chặt, như trong trường hợp gần đa cộng tuyến (near multicollinearity), các ước lượng OLS vẫn có tính chất của BLUE (ước lượng vững, khơng chệch và hiệu quả). Ở khía cạnh phương pháp nghiên cứu của bài nghiên cứu này, tác giả sẽ lựa chọn phương pháp ước lượng GMM đảm bảo tính vững và hiệu quả của ước lượng. Đảm bảo các kết quả định lượng tin cậy.
4.2.3. Kiểm định hiện tượng phương sai thay đổi phần dư - Greene (2000)
Tác giả tiến hành kiểm định phương sai sai số thay đổi bằng phương pháp kiểm định Greene (2000) với giả thuyết như sau:
Giả thuyết H0: Mơ hình khơng có hiện tượng phương sai thay đổi Giả thuyết H1: Mơ hình có hiện tượng phương sai thay đổi
Bảng 4.4: Kết quả kiểm tra phương sai thay đổi mơ hình
Mơ hình
Chi bình
Phương (χ2) p-value
CPI 138.93 0.000
FFC 80.61 0.000
Nguồn: kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập của 10 quốc gia trong giai đoạn 1995 - 2014 (Phụ lục 04).
Từ bảng 4.4, kết quả kiểm định Greene (2000) bằng phần mềm Stata cho thấy kết quả với p-value đều bằng 0.0000 < α = 0.05. Suy ra, bác bỏ giả thuyết Ho ở mức ý nghĩa 5% cho thấy tồn tại hiện tượng phương sai thay đổi trong mơ hình.
Kết luận: Tồn tại hiện tượng phương sai thay đổi trong mơ hình ở mức ý nghĩa 5%.
4.2.4. Kiểm định hiện tượng tự tương quan phần dư - Wooldridge (2002) và Drukker (2003)
Để kiểm tra hiện tượng tự tương quan, tác giả sử dụng phương pháp Wooldridge (2002) và Drukker (2003) và đặt giả thuyết kiểm định như sau:
Giả thuyết Ho: Mơ hình khơng có hiện tượng tự tương quan Giả thuyết H1: Mơ hình có hiện tượng tự tương quan.
Bảng 4.5: Kết quả kiểm tra tự tương quan mơ hình Mơ hình Chi bình Phương (χ2) p-value CPI 26.854 0.0021 FFC 36.950 0.0009
Nguồn: kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập của 10 quốc gia trong giai đoạn 1995 - 2014 (Phụ lục 05).
Kết quả kiểm định bằng phần mềm Stata11 cho kết quả ở bảng 4.5 cho kết quả với p-value đều bằng 0.0000 < α = 0.05. Suy ra, bác bỏ giả thuyết Ho ở mức ý nghĩa 5% cho thấy tồn tại hiện tượng tự tương quan bậc 1 trong mơ hình.
Kết luận: Tồn tại hiện tượng tự tương quan bậc 1 trong mơ hình với mức ý nghĩa 5%.
4.3. Phân tích kết quả hồi quy
Kiểm định phương sai thay đổi và tự tương quan giữa các biến cho kết quả tồn tại phương sai thay đổi và tự tương quan trên dữ liệu bảng. Các mơ hình hồi quy dữ liệu bảng Pooled trên OLS, hiệu ứng tác động cố định (Fixed effect - FEM) và hồi quy dữ liệu bảng hiệu ứng tác động ngẫu nhiên (Random effect - REM) là các mơ hình phổ biến trong phân tích dữ liệu bảng. Tuy nhiên OLS, FEM và REM khơng kiểm sốt được hiện tượng phương sai thay đổi và tự tương quan, ước lượng FEM và REM trên mơ hình có phương sai thay đổi và tự tương quan cho kết quả phương sai lớn, không hiệu quả, ảnh hưởng tới độ tin cậy của kiểm định.
Bài nghiên cứu sử dụng kết quả nghiên cứu của Arellano và Bond, sử dụng phương pháp hồi quy tuyến tính dữ liệu bảng động (Arellano-Bond linear dynamic panel-data estimation) là một giải pháp hữu hiệu để ước lượng hồi quy trong trường hợp mơ hình vừa có hiện tượng phương sai thay đổi, tự tương quan và nội sinh. Mơ hình Arellano và Bond kiểm soát được hiện tượng tự tương quan giữa phần dư, hiện