No of CE(s) FisherStat.* (from trace test) Prob. FisherStat.* (from max- eigen test) Prob. At most 4 22.32 0.0341 22.32 0.0341
Nguồn: kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập với cỡ mẫu gồm 120 quan sát của 6 quốc gia trong giai đoạn 1995 – 2014 (Phụ lục 1.VIII).
Kết quả p-value các kiểm định trường hợp kiểm định Fisher trace và Fisher maxeigen, với cả giả thuyết không tồn tại ít nhất 4 đồng liên kết cho giá trị nhỏ hơn 1%. Cho thấy bằng chứng bác bỏ giả thuyết Ho ở mức ý nghĩa 1%, tồn tại đồng liên kết trên dữ liệu mẫu.
Kết quả kiểm định đồng liên kết dữ liệu bảng cho kết quả tồn tại mối quan hệ dài han giữa các biến.
4.7.Phân tích kết quả hồi quy.
Mơ hình hồi quy phổ biến trên dữ liệu bảng là hiệu ứng tác động cố định (Fixed effect – FEM), hồi quy dữ liệu bảng hiệu ứng tác động ngẫu nhiên (Random effect – REM). Tuy nhiên FEM và REM khơng kiểm sốt được hiện tượng phương sai thay đổi và tự tương quan, dẫn tới việc sử dụ mô hình FGLS (Feasible Generalized Least Squares). Phương pháp FGLS theo Beck and Katz (1995) là ước lượng không chệch phù hợp trên cỡ mẫu với T > N, trường hợp cỡ mẫu bài nghiên cứu. Phương pháp kiểm soát hiện tượng phương sai thay đổi và tự tương quan trên FGLS được sử dụng nhằm
khắc phục các khiếm khuyết dữ liệu mẫu đã được phát hiện bởi kiểm định Greene (2000), Wooldridge (2002) và Drukker (2003).
Với nghi ngờ các biến có tác động ngược đến kết quả nghiên cứu gây ra hiện tượng nội sinh, mối tương quan hai chiều giữa GDP và EC dựa trên các nghiên cứu thực nghiệm đã tổng hợp ở chương 2. Theo kết quả nghiên cứu của Arellano và Bond, 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 mơ hình trong trường hợp mơ hình vừa có hiện tượng phương sai thay đổi, tự tương quan và nội sinh. Ưu điểm của phương pháp GMM cho ước lượng vững và hiệu quả được trình bày ở chương 3. Kết quả hồi quy mơ hình như sau:
GDPi,t= αi + βi ECi,t + γ NETi,t + η Li,t + ω CPIi,t + εi, t
40