Tác giả Vùng/ quốc gia nghiên
cứu
Chiều hƣớng tác động giữa tài chính và tăng trƣởng kinh tế
A: Nhóm nghiên cứu hướng từ tài chính đến tăng trưởng kinh tế
Jung (1986) 56 quốc gia Tài chính tăng trưởng (
đối với quốc gia đang phát triển)
Spear (1992) 10 quốc gia SSA Tài chính tăng trưởng
King and Levine (1993) 80 quốc gia Tài chính tăng trưởng
De Gregorio and Guidotti (1995)
100 quốc gia Tài chính tăng trưởng
Odekun (1996) 71 quốc gia kém phát triển
nhất
Tài chính tăng trưởng
Rajan and Zingales (1998) Các nền kinh tế đã và đang
phát triển
Tài chính tăng trưởng
Ahmed and Ansari (1998) Ấn Độ, Pakistan và Sri
Lanka
Tài chính tăng trưởng
Darrat (1999) Ba quốc gia Trung-Đơng Tài chính tăng trưởng
Ghali (1999) Tunisia Tài chính tăng trưởng
Xu (2000) 41 quốc gia Tài chính tăng trưởng
Jalilian and Kirkpatrick (2002)
Quốc gia thu nhập thấp Tài chính tăng trưởng
Calderon and Lin (2003) 109 quốc gia cơng nghiệp
và đang phát triển
Tài chính tăng trưởng
Bhattacharya and
Sivasubramanian (2003)
Ấn Độ Tài chính tăng trưởng
Abu-Bader and Abu-Quan (2005)
Ai Cập Tài chính tăng trưởng
Habibullah and End (2006) 13 quốc gia đang phát triển châu Á
Tài chính tăng trưởng
B: Nhóm nghiên cứu hướng từ tăng trưởng kinh tế đến tài chính
Jung (1986) 56 quốc gia Tăng trưởng tài chính (
đối với quốc gia đã phát triển)
Demetriades and Hussein (1996)
16 quốc gia kém phát triển Tăng trưởng tài chính
Waqabaca (2004) Fiji Tăng trưởng tài chính
Odhiambo (2004) Nam Phi Tăng trưởng tài chính
C: Nhóm nghiên cứu hướng tác động hai chiều tài chính và tăng trưởng kinh tế
Wood (1993) Barbados Tài chính tăng trưởng
Akinboade (1998) Botswana Tài chính tăng trưởng
Luintel and Khan(1999) 10 quốc gia đang phát triển Tài chính tăng trưởng
Al-Yousif (2002) 30 quốc gia đang phát triển Tài chính tăng trưởng
CHƢƠNG 3: DỮ LIỆU VÀ PHƢƠNG PHÁP NGHIÊN CỨU
3.1. Dữ liệu
Bộ dữ liệu được dùng để nghiên cứu có khung thời gian là từ năm 1985 đến 2013, đây là thời kỳ tự do hóa và phát triển tài chính cũng như mở rộng sản xuất, tiền tệ, đầu tư ở nhiều quốc gia. Bộ dữ liệu gốc ban đầu là gồm 26 quốc gia được cấu trúc theo cở sở dữ liệu World Development Indicator (2014) của Ngân hàng Thế giới (World Bank) và Quỹ tiền tệ quốc tế (IMF). Các số liệu lấy theo năm và mẫu dữ liệu mảng cân bằng. Sự sắp xếp các nước theo vùng cũng như phân loại thu nhập đều dựa trên cách sắp xếp và phân loại của Ngân hàng Thế giới. Cụ thể, về nhóm vùng sẽ có hai vùng là Đơng Á (13 quốc gia gồm : Cambodia, Trung Quốc, Fiji, Indonesia, Lào, Mongola, Paqua New Guinea, Philippines,Solomon Islands, Thái Lan, Tonga, Vanuatu, Việt Nam) và Nam Á (6 quốc gia gồm : Bangladesh, Bhutan, Ấn Độ, Nepal, Pakistan, Sri Lanka), đây cũng là nhóm thu nhập trung bình - thấp và nhóm thu nhập cao ở châu Á (7 quốc gia: Hồng Kông, Macao, Singapore, Nhật, Hàn Quốc, Brunei, Úc).
Cách tiếp cận theo bộ dữ liệu này sẽ có nhiều ưu điểm so với các nghiên cứu trước. Trước tiên, các vùng quốc gia đã được phân loại dựa trên nhiều đặc điểm tương đồng như cấu trúc tài chính, thu nhập đầu người, văn hóa…Tiếp theo, chúng ta có thể tiến hành cả phân tích chuỗi thời gian đa biến để xem xét được nhiều khía cạnh hơn của mối quan hệ nhân quả giữa phát triển tài chính, khu vực sản xuất vật chất và tăng trưởng kinh tế.
3.2. Phƣơng pháp nghiên cứu
3.2.1. Các biến đại diện cho phát triển tài chính và tăng trƣởng kinh tế
Trong bài nghiên cứu này, các biến và mơ hình chủ yếu dựa trên mơ hình của bài nghiên cứu của M.Kabir Hassan, Benito Sanchez, Jung-Suk Yu (2011), tăng trưởng
kinh tế (GROWTH) sẽ được đo lường thông qua biến đại diện là tỷ lệ tăng thu nhập đầu người (GDP/tổng dân số).
Đối với phát triển tài chính sẽ được đai diện bằng 2 biến khác nhau: tín dụng cung cấp
cho khu vực tư nhân (DCPS) và tổng tiết kiệm quốc gia (GDS). Trước tiên là biến tín dụng được cung cấp cho tư nhân (DCPS) được đo lường bằng cách lấy tỷ lệ tín dụng cung cấp cho khu vực tư nhân trên GDP. Tỷ số này càng cao không những cho thấy mức đầu tư nội địa càng cao mà cịn cho thấy sự phát triển hệ thống tài chính cao hơn. Hệ thống tài chính phân bổ tín dụng cho khu vực tư nhân nhiều hơn thì dễ dàng có khả năng giám sát các công ty vay nợ, cung cấp quản trị rủi ro, tạo điều kiện tốt hơn trong giao dịch, huy động tiết kiệm nhiều hơn (theo Levine, 2005). Đây cũng chính là dấu hiệu cho thấy mức độ phát triển của tài chính.
Biến thứ hai đại diện cho phát triển tài chính đó là tỷ lệ tiết kiệm quốc gia trên GDP (GDS). Theo Pagano (1993), tỷ lệ tăng trưởng ổn định phụ thuộc tích cực vào phần trăm tiết kiệm trên đầu tư. Chuyển tiết kiệm sang đầu tư là một kênh cho thấy cách độ sâu tài chính tác động đến tăng trưởng. Nói cách khác, tỷ lệ tiết kiệm trên GDP càng cao thì đầu tư càng cao. Ngồi ra, ở hầu hết các quốc gia phát triển, việc hạn chế tài chính và kiểm sốt tín dụng dẫn tới tác động tiêu cực đến lãi suất thực từ đó giảm động lực gửi tiết kiệm. Cùng với quan điểm này, McKinnon (1973) và Shaw (1973) cho rằng tỷ lệ GDS càng cao sẽ do tác động tích cực của lãi suất thực sẽ thúc đẩy đầu tư và tăng trưởng.
Hai biến đại diện cho khu vực sản xuất vật chất đó là tỷ lệ thương mại trên GDP
(TRADE) và tỷ lệ chi tiêu chính phủ trên GDP (GOV). Hai biến này đo lường quy mô của khu vực sản xuất vật chất cũng như tỷ trọng của chính sách tài khóa. Nhiều quốc gia phát triển có xu hướng chủ yếu dựa vào ngoại thương để đạt được mục tiêu tăng trưởng kinh tế trong khi tự do hóa tài chính vẫn trong tiến trình phát triển. Bên cạnh đó, một vài quốc gia dùng chính sách tài khóa mở rộng hoặc thu hẹp để ổn định tăng
trưởng kinh tế bằng cách điều chỉnh chi tiêu chính phủ. Cuối cùng, biến kiểm soát tỷ lệ
lạm phát (INF) cũng được đưa vào mơ hình để kiểm sốt tình trạng bóp méo giá.
3.2.2. Mô tả thống kê và đo lƣờng các biến
Mô tả thống kê mà tác giả dùng trong bài nghiên cứu chỉ là để trình bày sự khác biệt về tốc độ tăng trưởng kinh tế, các chỉ số phát triển tài chính và các chỉ số khu vực sản xuất vật chất. Do đó, cách tính các giá trị đều là tính trung bình các giá trị của mỗi quốc gia cho thời kỳ 1985-2013 cho mỗi chỉ số. Điều này hoàn tồn khác so với mơ tả thống kê thơng thường của dữ liệu mảng. Ngồi ra, việc thống kê mơ tả cịn là một cách để kiểm tra chéo xem liệu phân loại các quốc gia theo thu nhập của tác giả đã phù hợp với tiêu chuẩn của Ngân hàng Thế giới chưa.
Tăng trưởng thu nhập đầu người xác định theo phương trình sau: GROWTHi,t = logGDPPCi,t – logGDPPCi,t-1 , i = {1,2,...,N} (1)
Trong đó, GDPPC là thu nhập đầu người thực và N là số các quốc gia trong vùng. Các biến DCPS, GDS, TRADE, GOV đều lấy giá trị logarithm tự nhiên, còn đối với biến INF sẽ tính bằng giá trị logarithm của tổng một cộng với tỉ lệ lạm phát.
3.2.3. Mơ hình chuỗi thời gian đa biến
Để xem xét mối quan hệ nhân quả, chiều hướng tác động giữa phát triển tài chính và tăng trưởng kinh tế, tơi sẽ áp dụng mơ hình tự hồi quy véc tơ (VAR) theo Sims (1980) và kiểm định có hay khơng và bằng cách nào các biến đại diện thể hiện mối quan hệ nhân quả Granger dẫn tới tăng trưởng kinh tế và ngược lại. Kiểm định nhân quả Granger sẽ giúp vượt qua các vấn đề nội sinh tồn tại trong hồi quy mảng bởi vì mơ hình VAR xem xét tất cả các biến là nội sinh.
Khi phân tích kết quả từ mơ hình VAR, việc kiểm định Granger sẽ dựa vào hai công cụ: hàm phản ứng xung (GIRF) và phân rã phương sai sai số dự đốn (FEVD) để tìm hiểu sâu hơn các tác động của các biến. Hàm phản ứng xung cho thấy một biến phản ứng thế nào qua thời gian đối với chính tác động của biến đó hoặc một biến khác. Bên cạnh đó, việc tính tốn phân rã phương sai sai số dự đoán của biến GROWTH giúp ta kiểm tra được biến đo lường nào là quan trọng nhất trong việc đóng góp vào tăng trưởng qua thời gian và nó đóng góp bao nhiêu vào tăng trưởng kinh tế.
3.2.3.1. Mơ hình VAR tổng quát
*Khái niệm
Mơ hình VAR về cấu trúc gồm nhiều phương trình (mơ hình hệ phương trình) và có các trễ của các biến số. VAR là mơ hình động của một số biến thời gian.
Ta xét hai chuỗi thời gian Y1 và Y2. Mơ hình Var tổng qt đối với Y1 và Y2 có dạng sau đây:
Y1t = α + Y2t = δ +
Trong mơ hình trên, mỗi phương trình đều chứa p trễ của mỗi biến. Với hai biến mơ
hình có 22p hệ số góc và 2 hệ số chặn. Vậy trong trường hợp tổng quát nếu mơ hình có k biến thì sẽ có k2p hệ số góc và k hệ số chặn, khi k càng lớn thì số hệ số phải ước
lượng càng tăng.
*Phương pháp ước lượng mơ hình VAR
Xét tính dừng của các biến trong mơ hình. Nếu chưa dừng thì sử dụng kỹ thuật lấy sai phân để đưa về các chuỗi dừng.
Lựa chọn khoảng trễ phù hợp.
Xem xét mức độ phù hợp của mơ hình chạy ra (bằng việc kiểm định tính dừng của phần dư. Nếu phần dư của mô hình dừng thì mơ hình nhận được phù hợp với chuỗi thời gian và ngược lại.
So sánh các mơ hình và lựa chọn mơ hình phù hợp nhất.
*Một số vấn đề trong xây dựng mơ hình VAR
Bên cạnh những ưu điểm nổi trội của mơ hình VAR: khơng cần xác định biến nào là biến nội sinh và biến nào là biến ngoại sinh hay là ta có thể sử dụng phương pháp OLS cho từng phương trình riêng lẻ thì mơ hình VAR cịn vướng phải một số hạn chế: Khi xét đến mơ hình VAR ta cịn phải xét đến tính dừng của các biến trong mơ hình. Yêu cầu đặt ra khi ta ước lượng mơ hình VAR là tất cả các biến phải dừng, nếu trong trường hợp các biến này chưa dừng thì ta phải lấy sai phân để đảm bảo chuỗi dừng. Càng khó khăn hơn nữa nếu một hỗn hợp chứa các biến có tính dừng và các biến khơng có tính dừng thì việc biến đổi dữ liệu khơng phải là việc dễ dàng.
Khó khăn trong việc lựa chọn khoảng trễ thích hợp. Giả sử mơ hình VAR đang xét có ba biến và mỗi biến sẽ có 8 trễ đưa vào từng phương trình. Như xem xét ở trên thì số hệ số phải ước lượng là 75. Và nếu ta tăng số biến và số trễ đưa vào mỗi phương trình thì số hệ số mà ta phải ước lượng sẽ khá lớn. Ngồi ra, khó khăn trong việc lựa chọn khoảng trễ còn được thể hiện ở chỗ nếu ta tăng độ dài của trễ sẽ làm cho bậc tự do giảm, do vậy mà ảnh hưởng đến chất lượng các ước lượng.
*Áp dụng mơ hình VAR trong bài nghiên cứu này
Phương trình mơ hình VAR sẽ gồm tổng cộng 6 biến, trong đó 2 biến đo lường phát triển tài chính (DCPS và GDS), khu vực sản xuất vật chất (TRADE, GOV và INF) và
biến tăng trưởng kinh tế (GROWTH) áp dụng cho 2 vùng quốc gia và nhóm thu nhập cao. Mơ hình VAR chuẩn được thể hiện như sau:
Yt = C + +et (4)
Trong đó Yt là một véc tơ 6 x 1 cột của 6 biến: GROWTH, DCPS, GDS, TRADE, GOV, INF); C và A lần lượt là ma trận 6 x 1 và 6 x 6 hệ số tương quan; m là độ trễ và
et là véc tơ 6 x 1 cột của sai số dự đoán. Theo của mơ hình VAR cấu trúc, yếu tố trong véc tơ et sẽ có trung bình bằng khơng và phương sai khơng đổi, đồng thời không tương quan từng kỳ đơn lẻ. Bởi vì trong mơ hình VAR cấu trúc thì phân sai số được giả định là nhiễu trắng, dưới giả định này thì phần sai số trong mơ hình VAR chuẩn sẽ khơng tương quan từng kỳ đơn lẻ. Phần tử thứ ij trong ma trận As sẽ đo lường tác động trực tiếp của sự thay đổi trong biến thứ j lên biến thứ i trong s kỳ.
3.2.3.2. Phƣơng Pháp Toda-Yamamoto
Tôi dùng phương pháp của Toda và Yamamoto (1995) để kiểm định nhân quả Granger. Lý do khơng dùng F-test để kiểm định là vì F-test chỉ áp dụng được cho chuỗi dừng. Trong khi đó, phương pháp Toda và Yamamoto vẫn có thể xác định được đặc tính đồng tích hợp của chuỗi quan sát mà khơng phải quan tâm đến điều kiện áp dụng giống F-test. Phương pháp Toda-Yamamoto có khá nhiều điểm khác biệt trong việc kiểm định mối quan hệ nhân quả Granger. Có thể mơ tả các bước thực hiện phương pháp này như sau:
Bước 1: Xác định bậc tích hợp cao nhất của chuỗi (dmax). Cụ thể, tôi sẽ sử dụng phương
pháp kiểm định nghiệm đơn vị của Levin, Lin và Chu để xác định bậc tích hợp cao nhất do đây là chuỗi dữ liệu mảng. Bên cạnh đó, tơi đưa thêm kết quả kiểm định theo phương pháp ADF và PP, tuy nhiên nếu xảy ra trường hợp có mâu thuẫn kết quả giữa các phương pháp thì sẽ lựa chọn theo phương pháp Levin, Lin và Chu. Trong kiểm định Levin, Lin và Chu giả sử rằng có một nghiệm đơn vị thơng thường trong khi kiểm
định ADF và PP cho phép tiến hành các thủ tục đối với từng nghiệm đơn vị riêng lẻ. Kiểm định W-Statistics dùng để kiểm tra chuỗi dữ liệu của bảng dựa trên các kiểm định từng nghiệm đơn vị riêng lẻ trong đó W-statistic được giả định có phân phối chuẩn.Do đó đối với dữ liệu mảng thì phương pháp Levin, Lin và Chu thích hợp hơn.
Bước 2: Luôn giữ chuỗi dữ liệu gốc, tuyệt đối không chuyển sang chuỗi sai phân cho
dù kết quả ờ bước 1 cho thấy chuỗi dừng ở sai phân mà không dừng ở chuỗi gốc. Đây là một đặc điểm rất quan trọng của phương pháp này.
Bước 3: Xác định độ trễ tối ưu của mơ hình (m). Trong bài nghiên cứu này, tơi sử dụng
phương pháp lựa chọn độ trễ tối ưu theo tiêu chuẩn của Akaike. Bên cạnh đó, tơi cũng đưa thêm kết quả của một vài tiêu chuẩn khác để tăng tính thuyết phục.
Bước 4: Kiểm định độ ổn của mơ hình VAR. Tính ổn định của mơ hình VAR cơ sở
được thiết lập với độ trễ tối ưu đã chọn cần được xác nhận lại trước khi sử dụng mơ hình để phân tích các bước kế tiếp. Điều này đặc biệt rất quan trọng nhất là đối với các kết quả thu được từ hàm phản ứng xung tổng quát (Generalized Impulse Response Function - GIRF). Nếu mơ hình khơng đáp ứng được các điều kiện về tính ổn định thì hiển nhiên các kết quả như sai số chuẩn của phản ứng xung sẽ khơng có giá trị. Bước này tôi áp dụng kiểm định AR root.
Bước 5: Nếu có ít nhất hai chuỗi có cùng bậc tích hợp ở bước 1, tơi sẽ thực hiện kiểm
định đồng liên kết theo phương pháp của Johansen. Kiểm định này cho phép có thể xuất hiện nhiều hơn một mối quan hệ đồng liên kết, do đó có tính áp dụng phổ quát hơn Kiểm định Engle–Granger (vốn dựa trên Dickey–Fuller hay Kiểm định Dickey– Fuller mở rộng) tính nghiệm đơn vị trên phần dư từ mơ hình quan hệ đồng liên kết đơn lẻ. Có hai dạng kiểm định Johansen, hoặc dựa vào kiểm định vết (trace) hoặc trị số
riêng cực đại (maxeigenvalue), hai phương pháp này tương đương nhau. Giả thuyết H0
thuyết H0 của kiểm định eigenvalue là r = x. Thật chất, đây chỉ là bước phụ để kiểm chứng kết quả kiểm định nhân quả nhằm tăng tính thuyết phục. Bởi vì đối với phương pháp Toda – Yamamoto bước này có thể khơng cần thực hiện bởi vì phương pháp này khơng quan tâm tới việc các biến có đồng liên kết hay khơng.
Bước 6: Hồi quy mơ hình VAR với (m+dmax) độ trễ. Lưu ý tại bước này, tôi sẽ áp dụng