Biến Xuất khẩu của Việt Nam sang Trung Quốc
Nhập khẩu của Việt Nam từ Trung Quốc
Tỷ giá CNY-USD - Không kỳ vọng
Tỷ giá VND-USD Không kỳ vọng -
V CNY-USD - Không kỳ vọng
V VND –USD Không kỳ vọng -
CPI –CN + Không kỳ vọng
CPI – VN Không kỳ vọng +
GDP – VN Không kỳ vọng +
WTO + +
Nguồn: Tác giả tự tổng hợp
3.4. Mơ hình thực nghiệm
Theo phương trình (9) được trình bày trong phần 3.2 và các dữ liệu trình bày trong phần 3.3, mơ hình cụ thể của thương mại song phương như sau:
ln(𝑃𝐷𝑈𝑆𝑡𝑖 . 𝑄𝑗𝑡𝑖 ) = 𝜃0𝑖 + Θ𝑖. 𝑋𝑡+ 𝜇𝑗𝑡𝑖 (10)
trong đó:
Θ𝑖 = (𝜃1𝑖, 𝜃2𝑖, 𝜃3𝑖, 𝜃4𝑖, 𝜃5𝑖, 𝜃6𝑖, 𝜃7𝑖, 𝜃8𝑖, 𝜃9𝑖)
𝑋𝑡 = (ln 𝑅𝑗𝑡𝑈𝑆, ln 𝑅𝑖𝑡𝑈𝑆, 𝑉𝑗𝑡𝑈𝑆, 𝑉𝑖𝑡𝑈𝑆, ln 𝐶𝑃𝐼𝑗𝑡, ln 𝐶𝑃𝐼𝑖𝑡, ln 𝑌𝑗𝑡, ln 𝑌𝑖𝑡, 𝑊𝑇𝑂𝑡)6 Kỳ vọng dấu:
(1) Dấu của 𝜃1𝑖 trong phương trình 10 tương ứng với dấu của 𝜋1𝑖 trong phương trình 9 là âm
(2) Dấu của 𝜃2𝑖 trong phương trình 10 tương ứng với dấu của 𝜋9𝑖 trong phương trình 9 là khơng tham vọng kỳ vọng
(3) Dấu của 𝜃3𝑖 trong phương trình 10 tương ứng với dấu của 𝜋4𝑖 trong phương trình 9 là âm
(4) Dấu của 𝜃4𝑖 trong phương trình 10 tương ứng với dấu của 𝜋10𝑖 trong phương trình 9 là khơng tham vọng kỳ vọng
(5) Dấu của 𝜃5𝑖 trong phương trình 10 tương ứng với dấu của 𝜋6𝑖 trong phương trình 9 là dương
(6) Dấu của 𝜃6𝑖 trong phương trình 10 tương ứng với dấu của 𝜋12𝑖 trong phương trình 9 là khơng tham vọng kỳ vọng
(7) Dấu của 𝜃7𝑖 trong phương trình 10 tương ứng với dấu của 𝜋7𝑖 trong phương trình 9 là dương
(8) Dấu của 𝜃8𝑖 trong phương trình 10 tương ứng với dấu của 𝜋13𝑖 trong phương trình 9 là khơng tham vọng kỳ vọng
(9) Dấu của 𝜃9𝑖 trong phương trình 10 tương ứng với dấu của 𝜋13𝑖 trong phương trình 9 là dương.
Phương trình 10 sẽ được sử dụng để ước lượng mối quan hệ dài hạn, phương trình 11 dưới đây sẽ được sử dụng để ước lượng mối quan hệ ngắn hạn bởi dữ liệu không cố định cũng như là giữa các biến có sự hợp nhất.
∆𝑌𝑡 = ∅0𝑖 + ∑𝑇1 ∅𝑖 𝑘=0 . ∆𝑋𝑡−𝑘 + ∑𝑇2 𝜂𝑘𝑖 𝑘=1 . Δ𝑌𝑡−𝑘+ ∑𝑇3 𝜆𝑖𝑘 . 𝐸𝑅𝑅𝑂𝑅𝑗𝑡−𝑘𝑖 𝑘=1 + 𝜔𝑗𝑡𝑖 (11) trong đó 𝑌𝑡 = ln(𝑃𝐷𝑈𝑆𝑡𝑖 . 𝑄𝑗𝑡𝑖 ) ∅𝑖 = (∅1𝑖, ∅2𝑖, ∅3𝑖, ∅𝑖4, ∅5𝑖, ∅6𝑖, ∅7𝑖, ∅8𝑖) 𝑊𝑇𝑂𝑡 không được bao gồm trong ∆𝑋𝑡−𝑘
𝐸𝑅𝑅𝑂𝑅𝑗𝑡−𝑘𝑖 = ln(𝑃𝐷𝑈𝑆𝑡−𝑘𝑖 . 𝑄𝑗𝑡−𝑘𝑖 ) − ln(𝑃𝐷𝑈𝑆𝑡−𝑘𝑖 ̂. 𝑄𝑗𝑡−𝑘𝑖 ) 𝑇1, 𝑇2, 𝑇3 được xác định dựa trên các thủ tục phân tích chuỗi thời gian chuẩn.
3.5. Phương pháp ước lượng
Trong phần này, tác giả lần lượt trình bày thứ tự các bước phân tích và kiểm định, cũng như giải thích lựa chọn phương pháp ước lượng nhằm đảm bảo kết quả nghiên cứu tin cậy. Đầu tiên, tác giả sẽ trình bày về thống kê mơ tả các biến định lượng trong mơ hình để đánh giá sơ bộ về các biến đưa vào mơ hình nghiên cứu có dao động ổn định, có bị dị biệt hay khơng. Tiếp theo, tác giả sẽ trình bày về việc kiểm định tính dừng của chuỗi dữ liệu để xác định chuỗi dữ liệu dừng ở bậc gốc hay bậc sai phân. Sau đó, tác giả thực hiện việc kiểm định đồng liên kết nhằm xác định mơ hình phù hợp. Tiếp theo, tác giả trình bày một số kiểm định giả thiết hồi quy cổ điển như: giả định phương sai của sai số khơng đổi, giả định khơng có sự tương quan giữa các phần dư nhằm lựa chọn phương pháp ước lượng tin cậy. Cuối cùng, tác giả sẽ trình bày phương pháp ước lượng hồi quy.
3.5.1. Kiểm định tính dừng
Trước khi thực hiện các bước kiểm định dữ liệu mơ hình, tác giả thực hiện việc đánh giá sơ bộ về thống kê mô tả các biến độc lập đưa vào mơ hình nghiên cứu. Thống
kê về giá trị trung bình, giá trị nhỏ nhất, giá trị lớn nhất, độ lệch chuẩn, phân phối chuẩn, …
Trong phân tích chuỗi thời gian, bất kỳ một chuỗi thời gian nào có tính chất dừng mới cho ra một kết quả ước lượng đáng tin cậy, nhằm tránh hồi quy giả mạo. Vấn đề này đã được đề cập rõ ràng và chính xác trong “Time series analysis: forecasting and control”, Box-Jenkins và Reinsel (1970). Vì vậy, trước khi thực hiện lựa chọn phương pháp phân tích, điều tiên quyết trước hết cần phải kiểm định xem chuỗi dữ liệu quan sát là dừng hay khơng. Trong thống kê tính dừng có ý nghĩa rất quan trọng, biến có tính dừng (stationarity) là biến có giá trị thống kê không thay đổi theo thời gian. Ngược lại, biến khơng có tính dừng là biến có giá trị thống kê thay đổi theo thời gian. Một chuỗi thời gian là dừng thì trung bình, phương sai, tự đồng phương sai (tại các độ trễ khác nhau) sẽ giữ nguyên không đổi dù cho chúng được xác định tại thời điểm nào đi nữa.
Có nhiều phương pháp khác nhau để kiểm định tính dừng như phương pháp kiểm định tính dừng Dickey–Fuller (DF), kiểm định Phillip–Person (PP) và kiểm định Dickey và Fuller mở rộng (ADF), kiểm tra bằng giản đồ tự tương quan. Sau đây là
nội dung cơ bản của hai phương pháp kiểm định nghiệm đơn vị của Augment Dickey Fuller (1984) và Phillips-Perron (1988).
3.5.1.1. Kiểm định nghiệm đơn vị Augment Dickey Fuller (1984)
Kiểm định nghiệm đơn vị là một kiểm định được sử dụng khá phổ biến để kiểm định một chuỗi thời gian là dừng hay không dừng. Chúng ta hãy xem xét quá trình tự hồi quy:
𝑦𝑡 = 𝑎0+ 𝑎1𝑦𝑡−1+ 𝑎2𝑦𝑡−2+ … + 𝑎𝑝−2𝑦𝑡−𝑝+2+ 𝑎𝑝−1𝑦𝑡−𝑝−1 + 𝑎𝑝𝑦𝑡−𝑝 + 𝜀𝑡 (12) Giả thiết H0 và giả thiết H1 của kiểm định t ADF:
Giả thiết H0: Chuỗi dữ liệu không dừng Giả thiết H1: Chuỗi dữ liệu dừng
Chúng ta có thể kiểm tra sự tồn tại của một đơn vị gốc bằng cách sử dụng kiểm định t Dickey-Fuller: 𝑡𝑦̂ = 𝑦̂−1
𝑆𝑒 (𝑦̂)
Nếu giá trị p-value < mức ý nghĩa được lựa chọn kiểm định: bác bỏ giả thiết H0, tức là chấp nhận giả thiết H0 kết luận là biến có tính dừng.
Nếu giá trị p-value > mức ý nghĩa được lựa chọn kiểm định: chấp nhận giả thiết H0, kết luận là biến khơng có tính dừng.
3.5.1.2. Kiểm định nghiệm đơn vị Phillips-Perron (1988)
Phillips và Perron (1988) đã đề xuất chuyển đổi tham số của thống kê t từ hồi quy gốc DF dưới dạng the unit root giả thiết H0, thống kê được chuyển đổi (thống kê Z) có phân phối DF.
Kiểm định hồi quy cho kiểm định PP là: ∆𝑦𝑡 = 𝛽′𝐷𝑡+ 𝜋𝑦𝑡−1+ 𝜇𝑡 (13)
Với 𝜇𝑡 là I(0) có thể bị phương sai sai số thay đổi. Kiểm định nghiệm đơn vị Phillips-Perron (sau đây gọi là kiểm định nghiệm đơn vị PP) đúng cho bất kỳ chuỗi tương quan nào và phương sai sai số thay đổi trong sai số 𝜇𝑡 của kiểm định hồi quy bằng cách điều chỉnh trực tiếp thống kê 𝑡𝜋và 𝜋̂. Kiểm định PP có dạng hàm giống kiểm định ADF nhưng cho phép 𝜀𝑡 có thể tự tương quan, phương sai thay đổi (không nhất thiết phải là nhiễu trắng).
Với giả thiết H0 của đơn vị gốc cho tất cả N quan sát, sử dụng thuộc tính phụ: 𝑃 = −2 ∑𝑁 log𝑒(𝜋𝑡)
𝑡=1 được phân phối bởi 2 2N , và N t t N Z 1 1 ) ( 1 được phân phối bởi N(0,1).
Giả thiết H0: Chuỗi dữ liệu không dừng Giả thiết H1: Chuỗi dữ liệu dừng
Nếu giá trị p-value < mức ý nghĩa được lựa chọn kiểm định: bác bỏ giả thiết H0, tức là chấp nhận giả thiết H0 kết luận là biến có tính dừng.
Nếu giá trị p-value > mức ý nghĩa được lựa chọn kiểm định: chấp nhận giả thiết H0, kết luận là biến khơng có tính dừng.
3.5.2. Kiểm định đồng liên kết
Tính khơng dừng của dữ liệu chuỗi thời gian là cơ sở để tiến hành bước tiếp theo chính là kiểm định đồng liên kết cho dữ liệu. Trong bài nghiên cứu này, tác giả sử dụng phương pháp kiểm định đồng liên kết được phát triển bởi Johansen, đây là kiểm định đồng liên kết phổ biến trong phân tích dữ liệu chuỗi thời gian. Mối quan hệ đồng liên kết giữa các biến được tìm thấy rất quan trọng cho phép kiểm sốt thơng tin dài hạn trong phương trình cân bằng hiệu chỉnh sai số ECM có ý nghĩa.
Giả thiết H0: Khơng tồn tại hiện tượng đồng liên kết Giả thiết H1: Tồn tại hiện tượng đồng liên kết
Để quyết định bác bỏ hay chấp nhận giả thiết H0 cần so sánh giá trị thống kê Trace Statistic với giá trị tới hạn Critical Value ở mức ý nghĩa xác định được lựa chọn.
Nếu Trace Statistic < giá trị tới hạn Critical Value: chấp nhận giả thiết H0 tức là không tồn tại mối quan hệ đồng liên kết trong dài hạn giữa các biến.
Nếu Trace Statistic > giá trị tới hạn Critical Value: bác bỏ giả thiết H0 và chấp nhận giả thiết H1 tức là tồn tại mối quan hệ đồng liên kết trong dài hạn giữa các biến.
Ngồi ra, có thể so sánh giá trị thống kê Max-Eigen Statistic với giá trị tới hạn Critical Value ở mức ý nghĩa xác định được lựa chọn 5%.
Nếu Max-Eigen Statistic < giá trị tới hạn Critical Value: chấp nhận giả thiết H0 tức là không tồn tại mối quan hệ đồng liên kết trong dài hạn giữa các biến.
Nếu Max-Eigen Statistic > giá trị tới hạn Critical Value: bác bỏ giả thiết H0 và chấp nhận giả thiết H1 tức là tồn tại mối quan hệ đồng liên kết trong dài hạn giữa các biến.
Nếu tồn tại đồng liên kết trong mơ hình, cho phép phân tích dài hạn bằng phương trình ước lượng với dữ liệu gốc và phân tích ngắn hạn bởi phương pháp ước lượng ECM trên sai phân bậc 1 của dữ liệu.
Sau khi đã lựa chọn được mơ hình phù hợp, phần tiếp theo tác giả kiểm định các giả thiết định lượng nhằm lựa chọn phương pháp ước lượng tin cậy.
3.5.3. Kiểm định các giả thiết hồi quy cổ điển
Tác giả lần lượt thực hiện kiểm định các giả thiết định lượng nhằm đảm bảo mô hình ước lượng đáng tin cậy.
3.5.3.1. Giả định phương sai của sai số không đổi
Phương sai sai số thay đổi nghĩa là phương sai của các phần dư thì khơng phải là hằng số, nghĩa là phương sai của các phần dư ở các quan sát khác nhau thì sẽ khác nhau. Khi các phương sai khơng bằng nhau thì dẫn đến vấn đề độ tin cậy tương đối của mỗi quan sát (dữ liệu) sẽ không bằng nhau. Phương sai càng lớn thì mức độ quan trọng gán cho quan sát càng nhỏ. Khi giá trị của phương sai có mối quan hệ với một hoặc một số biến giải thích thì vấn đề này càng rõ ràng hơn. Điều này vi phạm giả định rằng các phân phối của phần dư phải khơng có tương quan với bất kì biến giải thích nào.
Hiện tượng phương sai thay đổi sẽ dẫn đến một số hậu quả như: các ước lượng OLS vẫn là khơng chệch nhưng khơng cịn hiệu quả nữa, ước lượng của các phương sai sẽ bị chệch, như vậy sẽ làm mất hiệu lực của kiểm định hệ số hồi quy.
Trong quá trình hồi quy, tác giả sẽ dùng một số kiểm định White trên OLS để kiểm định hiện tượng phương sai sai số thay đổi.
3.5.3.2. Giả định khơng có sự tương quan giữa các phần dư
Tự tương quan là sự tương quan giữa các thành phần của chuỗi các quan sát trong các số liệu chuỗi thời gian được sắp xếp theo thứ tự thời gian. Để kiểm tra xem mơ hình đã vi phạm giả thiết hiện tượng tự tương quan trong quá trình hồi quy, tác giả sẽ dùng phương pháp kiểm định Breusch-Godfrey để phát hiện hiện tượng tự tương quan trong mô hình hồi quy OLS.
Hiện tượng tự tương quan sẽ dẫn đến một số hậu quả như: phương sai các ước lượng OLS là bị chệch, nhiều khi phương sai quá thấp so với phương sai thực và sai
số tiêu chuẩn, dẫn đến việc phóng đại tỷ số t; ước lượng OLS vẫn là ước lượng tuyến tính không chệch, nhưng không là ước lượng hiệu quả nữa; các kiểm định t và F khơng đáng tin cậy; có thể hệ số xác định khơng đáng tin cậy và dường như là nhận giá trị ước lượng cao; các phương sai và số tiêu chuẩn của dự đốn khơng có hiệu quả.
3.5.4. Phương pháp ước lượng hồi quy
Bước tiếp theo tác giả sẽ trình bày phương pháp phân tích và thực hiện hồi quy mơ hình để kiểm định các giả thiết đã đặt ra.
Trước khi tiến hành chạy hồi quy, các khuyết tật mơ hình như: phương sai thay đổi và tự tượng quan của nhiễu sẽ được kiểm định.
Hiện tượng đa cộng tuyến khơng ảnh hưởng tới tính BLUE của ước lượng, theo Achen (1982), do đó khơng ảnh hưởng tới độ tin cậy của ước lượng trong đóng góp bằng chứng thực nghiệm. Do đó, trong nghiên cứu sẽ khơng thực hiện kiểm định hiện tượng đa cộng tuyến.
Trong luận văn này, cỡ mẫu tìm thấy hiện tượng tự tương quan phần dư của nhiễu đối với mơ hình dài hạn xuất khẩu từ Trung Quốc sang Việt Nam và mơ hình dài hạn xuất khẩu từ Việt Nam sang Trung Quốc, thêm nữa trong mơ hình ngắn hạn với xuất khẩu từ Trung Quốc sang Việt Nam; nếu sử dụng OLS ước lượng trong trường hợp tự tương quan nhiễu tồn tại dẫn đến khả năng mắc phải sai lầm ước lượng không hiệu quả, ảnh hưởng tới độ tin cậy mơ hình trong kết luận thực nghiệm; do đó với ba mơ hình vi phạm hiện tượng tự tương quan của nhiễu này tác giả sử dụng phương pháp khắc phục hiện tượng tự tương quan của nhiễu Prais-Winsten và Cochrane-Orcutt.
Phương pháp Prais-Winsten và Cochrane-Orcutt sử dụng hàm hồi quy chuyển đổi từ nghiên cứu Prais –Winsten (1954), Cochrane –Orcutt (1949). Đây là đề nghị bởi nghiên cứu Hildreth và Lu (1960). Đây là phương pháp phổ biến nhằm khắc phục hiện tương tự tương quan dữ liệu.
Trong trường hợp xảy ra tự tương quan của nhiễu, phần sai số các thời kỳ sau ảnh hưởng tới thời kỳ trước. Phương pháp Prais-Winsten sử dụng phương pháp GLS, nhằm loại bỏ hiện tượng tương quan của nhiễu. Phương pháp này thiết kế phù hợp với cỡ mẫu nhỏ.
Mơ hình cịn lại xuất khẩu từ Việt Nam, khơng tồn tại các vi phạm giả thiết định lượng phương sai thay đổi và tự tương quan, do đó sử dụng phương pháp tổng bình phương sai số nhỏ nhất OLS vẫn đảm bảo tính vững và hiệu quả.
KẾT LUẬN CHƯƠNG 3
Trong chương 3, tác giả đã trình bày mơ hình lý thuyết của thương mại trọng lực bắt nguồn từ mô hình cung và cầu để xem xét tác động của biến động tỷ giá đến thương mại song phương giữa hai quốc gia trên cơ sở đồng tiền trung gian. Tiếp theo, tác giả trình bày các phương pháp tính biến động tỷ giá và mô tả các biến dữ liệu trong mơ hình gồm các biến phụ thuộc Export_CN_VN, Export_VN_CN; các biến độc lập tỷ giá VND_USD, CNY_USD, V_VND_USD, V_CNY_USD, CPI_VN, CPI_CN, GDP_VN, GDP_CN; các biến giả WTO, thay đổi chế độ tỷ giá Trung Quốc Reform_Dum và lựa chọn giai đoạn nghiên cứu theo quý từ quý 3 năm 2000 đến quý 3 năm 2017. Sau khi, đã có mơ hình lý thuyết và các biến dữ liệu cần xem xét tác giả đã trình bày mơ hình thực nghiệm để xem xét biến động tỷ giá tác động đến thương mại song phương giữa Việt Nam và Trung Quốc trên cơ sở đồng tiền trung gian trong giai đoạn từ quý 3 năm 2000 đến quý 3 năm 2017.
Đồng thời, tác giả đã lần lượt trình bày thứ tự các bước phân tích và kiểm định, cũng như giải thích lựa chọn phương pháp ước lượng nhằm đảm bảo kết quả nghiên cứu tin cậy. Cụ thể, tác giả đã trình bày lý thuyết về việc kiểm định tính dừng của chuỗi dữ liệu để xác định chuỗi dữ liệu có dừng hay không qua hai phương pháp kiểm định ADF và kiểm định PP. Sau đó, tác giả thực hiện việc kiểm định đồng liên kết nhằm xác định mô hình phù hợp. Tiếp theo, tác giả trình bày một số kiểm định giả thiết hồi quy cổ điển như: giả định phương sai của sai số không đổi, giả định khơng có sự tương quan giữa các phần dư nhằm lựa chọn phương pháp ước lượng tin cậy. Cuối cùng, tác giả sẽ trình bày phương pháp tổng bình phương sai số nhỏ nhất OLS