2. Tổng quan các kết quả nghiên cứu trước đây
3.1 Mô tả bộ dữ liệu
3.2.1.1 Kiểm định nghiệm đơn vị ADF các biến gốc
Lý thuyết tắnh dừng
Theo Gujarati (2003), một chuỗi thời gian là dừng khi giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) giữ nguyên không đổi cho dù chuỗi được xác định vào thời điểm nào đi nữa. Chuỗi dừng có xu hướng trở về giá trị trung bình và những dao động quanh giá trị trung bình sẽ là như nhau. Nói cách khác, một chuỗi thời gian không dừng sẽ có giá trị trung bình thay đổi theo thời gian, hoặc giá trị phương sai thay đổi theo thời gian hoặc cả hai.
Theo Ramanathan (2002), hầu hết các chuỗi thời gian về kinh tế là khơng dừng vì chúng thường có một xu hướng tuyến tắnh hoặc mũ theo thời gian. Tuy nhiên có thể biến đổi chúng về chuỗi dừng thơng qua q trình sai phân. Nếu sai phân bậc 1 của một chuỗi có tắnh dừng thì chuỗi ban đầu gọi là liên kết bậc 1, k hiệu là I(1). Tương tự, nếu sai phân bậc d của một chuỗi có tắnh dừng thì chuỗi ban đầu gọi là
liên kết bậc d, k hiệu là I(d). Nếu chuỗi ban đầu (chưa lấy sai phân) có tắnh dừng thì gọi là I(0). Khi hồi quy mơ hình với các biến là chuỗi thời gian thì yêu cầu đặt ra là các chuỗi này phải dừng. Trong trường hợp chuỗi chưa dừng thì phải lấy sai phân của chúng cho đến khi có được chuỗi dừng.
Lý do kiểm định tắnh dừng
Hầu hết các chuỗi dữ liệu thời gian trong kinh tế vĩ mơ là có xu hướng (tức là trung bình tiếp tục tăng theo thời gian), do đó trong hầu hết những trường hợp là chuỗi không dừng. Tuy nhiên những chuỗi này lại khơng có đồng liên kết để mà sai phân của nó có thể dừng theo thời gian. Đây là một trong những lý do chắnh của việc lấy logarit các dữ liệu trước khi tiến hành phân tắch. Hồi quy chuỗi dữ liệu khơng dừng
có thể cho kết quả thống kê R2, t, F cao nhưng điều này chẳng qua là thể hiện xu thế
cùng nhau (hoặc trái ngược nhau) của hai chuỗi dữ liệu cịn kết quả có thể khơng có nghĩa kinh tế, các biến được sử dụng trong phân tắch khơng có giá trị giải thắch. Bởi vì các ước lượng của OLS có thể khơng bền vững theo thời gian, do đó các kiểm định thống kê được suy ra từ mơ hình là khơng có giá trị, được gọi là hiện tượng ỘHồi quy giả mạoỢ Granger and Newbold (1974). Và nếu phần dư của mơ hình dừng, thì các biến có mối quan hệ cân bằng trong dài hạn và mơ hình được chấp nhận. Do đó kiểm định tắnh dừng là bước thực hiện đầu tiên.
Có nhiều phương pháp kiểm tra tắnh dừng của chuỗi thời gian: kiểm định DickeyỜ Fuller (DF), kiểm định PhillipỜPerson (PP) và kiểm định Dickey và Fuller mở rộng (ADF), kiểm tra bằng giản đồ tự tương quan,Ầ Trong khuôn khổ nghiên cứu này, tác giả lựa chọn phương pháp ADF (Augmented Dickey-Fuller test) để kiểm định tắnh dừng của các chuỗi dữ liệu.
Phương pháp kiểm định nghiệm đơn vị ADF (Augmented DickeyỜFuller test)
Kiểm định nghiệm đơn vị là một kiểm định được sử dụng khá phổ biến để kiểm
định một chuỗi thời gian dừng hay không dừng. Dickey và Fuller (1981) đã đưa
Mơ hình kiểm định nghiệm đơn vị mở rộng ADF có dạng sau: p 1 i t i t i 1 t t Y Y u Y (16) p 1 i t i t i 1 t t Y Y u Y (17) p 1 i t i t i 1 t t T Y Y u Y (18)
Ba mơ hình khác nhau ở hệ số chặn α và biến xu hướng γT. Biến xu hướng là một biến có giá trị từ 1 đến n, trong đó 1 đại diện cho quan sát đầu tiên trong dữ liệu và n đại diện cho quan sát cuối cùng trong chuỗi dữ liệu.
Kết quả của kiểm định ADF thường rất nhạy cảm với sự lựa chọn chiều dài độ trễ nên tiêu chuẩn thông tin AIC (AkaikeỖs Information Criterion) của Akaike (1973) được sử dụng để chọn lựa k tối ưu cho mơ hình ADF. Cụ thể, độ trễ được lựa chọn sao cho AIC nhỏ nhất. Giá trị này sẽ được tìm một cách tự động khi dùng phần mềm Eviews.
Giả thuyết kiểm định:
H0: β = 0 (Yt là chuỗi dữ liệu khơng dừng tương đương với chuỗi có nghiệm đơn vị)
H1: β < 0 (Yt là chuỗi dữ liệu dừng)
Trong kiểm định ADF, giá trị kiểm định ADF không theo phân phối chuẩn. Theo Dickey và Fuller (1981), giá trị t ước lượng của các hệ số trong các mơ hình sẽ theo phân phối xác suất τ (tau statistic, τ = giá trị hệ số ước lượng/ sai số của hệ số ước lượng). Giá trị tới hạn τ được xác định dựa trên bảng giá trị tắnh sẵn của Mackinnon (1996). Giá trị tới hạn này được tắnh sẵn khi kiểm định ADF bằng phần mềm Eviews.
Để kiểm định giả thuyết H0 nghiên cứu so sánh giá trị kiểm định τ tắnh toán với giá
trị τ tới hạn của Mackinnon và kết luận về tắnh dừng của các chuỗi quan sát. Cụ thể, nếu trị tuyệt đối của giá trị tắnh toán lớn hơn trị tuyệt đối giá trị tới hạn thì giả
thuyết H0 sẽ bị bác bỏ, tức chuỗi dữ liệu có tắnh dừng và ngược lại chấp nhận giả
thuyết H0, tức chuỗi dữ liệu khơng có tắnh dừng.
Quy trình kiểm định nghiệm đơn vị ADF bằng Eviews 6.0:
Bước 1: Xác định bậc để kiểm đinh vắ dụ chuỗi dữ liệu gốc Ộmức levelỢ, sai phân bậc 1, hoặc sai phân bậc 2.
Bước 2: Xác định 1 trong 3 mơ hình DF sử dụng: phương trình (16) bấm vào ỘnoneỢ là mơ hình khơng có hệ số chặn và xu hướng, cho mơ hình được đưa ra bởi phương trình (17) click vào ỘchặnỢ, và cho các mơ hình được đưa ra bởi phương trình (18) bấm vào Ộchặn và xu hướngỢ.
Bước 3: Chọn tiêu chuẩn độ trễ AIC tự động.
Bước 4: Sau khi xác định các tùy chọn, nhấn <OK> để thực hiện kiểm đinh.
Bước 5: So sánh kết quả kiểm định ADF và giá trị tới hạn ở mức nghĩa 5% (lấy trị tuyệt đối). Nếu lớn hơn thì kết luận biến dừng và ngược lại.
3.2.1.2 Kiểm định đồng liên kết tuyến tắnh các biến gốc
Trước khi kiểm định đồng liên kết tuyến tắnh giữa các biến gốc bằng kiểm định ARDL Models - Bounds Test, phải lựa chọn độ trễ tối ưu cho mơ hình. Độ trễ là một nhân tố quan trọng trong việc lập và lựa chọn mơ hình. Nếu chọn độ trễ quá ngắn có thể sẽ bị bỏ sót ảnh hưởng của các biến trong các kỳ trước đó, nếu chọn độ trễ quá dài sẽ dẫn đến làm giảm bậc tự do và ảnh hưởng đến chất lượng của dự báo. Một vài kiểm định để lựa chọn độ trễ như Sequential modified LR test statistic (LR), Final prediction error (FPE), Akaike information criterion (AIC), Schwarz information criterion (SC), Hannan-Quinn information criterion (HQ). Kiểm định AIC (Akaike information criterion) được lựa chọn để kiểm định độ trễ trong mơ hình này vì tiêu chuẩn AIC là tiêu chuẩn thường được ưu tiên sử dụng nhiều nhất trong xác định độ trễ của chuỗi thời gian.
Đồng liên kết có hai trường hợp: đồng liên kết tuyến tắnh và đồng liên kết phi tuyến. Tác giả sử dụng phương pháp kiểm định ARDL Models - Bounds Test để kiểm định mối quan hệ đồng liên kết. Tại thời điểm này, sau khi thực hiện kiểm định ARDL nếu kết quả cho thấy khơng có mối quan hệ đồng liên kết tuyến tắnh nào giữa các biến gốc. Tiếp tục thực hiện kiểm định đồng liên kết phi tuyến các biến gốc. (Lý thuyết về kiểm định đồng liên kết bằng phương pháp ARDL Models - Bounds Test sẽ được trình bày Phần 3.2.2.2 Kiểm định đồng liên kết tuyến tắnh các biến chuyển đổi)