inf(%)
lncost($/người/năm)
lnelectric(kWh/người/năm)
op(%) X X X X
risk(1=rất an toàn-5=rất rủi
ro)
tax(%)
lngdp($/người/năm) X X X X
op1(%) X X X
có khơng
Kiểm định tính dừng
Tính dừng của biến chuỗi ln là một vấn đề đặc biệt quan trọng trong dữ liệu thời gian và đặc biệt là dữ liệu bảng. Bởi theo Baltagi (2008) chúng ta không thể áp dụng các tính chất liên quan đến phân phối chuẩn cho các biến không dừng (nonstationary variables), chẳng hạn, các trị thống kê t, F nhận được từ phương trình hồi quy của những biến không dừng này sẽ khơng có phân phối
Kiểm tra tính dừng của các biến
Sử dụng Lấy sai phân
Pooled OLS, FE, RE Lựa chọn mơ hình phù hợp KT khuyết tật (ĐCT,PSTĐ, TTQ) Khắc phục và UL mơ hình cuối Phân tích kết quả
chuẩn (Durlauf và Phillips, 1988). Ngồi ra, việc khơng xác định rõ tính dừng của các biến chuỗi có thể dẫn đến vấn đề hồi quy mơ hồ.
Một chuỗi thời gian được xem là dừng nếu giá trị trung bình và phương sai của nó không đổi theo thời gian và trị số hiệp phương sai giữa hai giai đoạn chỉ phụ thuộc và khoảng cách giữa hai giai đoạn đó và khơng phụ thuộc vào thời điểm thực sự mà hiệp phương sai được tính tốn.
Có nhiều phương pháp để kiểm tra tính dùng của chuỗi bằng cách kiểm định trị riêng nghiệm đơn vị trong tất cả các biến và ở đây tác giả sử dụng kiểm định Im-Pesaran-Shin unit-root test với giả thuyết:
H0: Dữ liệu bảng có nghiệm đơn vị hay chuỗi đang xét chưa dừng H1: Bác bỏ H0 hay chuỗi đang xét dừng
Tác giả thực hiện trên Stata bằng lệnh xtunitroot, ở mức ý nghĩa của đề tài là 5%, nếu p-value nhỏ hơn 0.05 thì chúng ta có thể bác giả thuyết H0, kết luận chuỗi đang xét dừng.
Hồi quy theo phƣơng pháp Pooled OLS, Fixed Effects, Random Effects
Pooled OLS được gọi là mơ hình hồi quy “gộp” vì chúng ta đã gộp tất cả các quan sát vào trong phương trình hồi quy OLS với giả định rằng các hệ số hồi quy cho các biến số (bao gồm cả hệ số chặn) là không đổi giữa các đơn vị chéo (giữa các quốc gia). Giả thuyết H0 là ước lượng Pooled OLS là một ước lượng không phù hợp. Dựa vào kết quả giá trị thống kê F với mức ý nghĩa α cho trước, nếu giá trị P-value của thống kê F có giá trị nhỏ hơn 0.05 thì ta có thể bác bỏ H0 và kết luận có bằng chứng cho thấy ước lượng Pooled OLS có thể là một ước lượng phù hợp. Và kiểm tra hiện tượng đa cộng tuyến bằng lệnh vif trong Stata.
Lựa chọn phƣơng pháp hồi quy FEM với Pooled OLS (Kiểm định F)
Trên thực tế tế có thể tồn tại các điểm đặc thù khơng quan sát được cũng như không thay đổi theo thời gian ở mỗi quốc gia. Trong trường hợp nếu tồn tại những điểm đặc thù này ở mỗi quốc gia thì giả định của OLS khơng cịn phù hợp. Để khắc phục vấn đề này, chúng ta có thể sử dụng ước lượng FE hoặc RE để có kết quả tin cậy và khơng thiên chệch trong kết quả ước lượng các hệ số. Đối với ước lượng FE, chúng ta có 2 cách điểm kiểm soát các điểm đặc thù này. Một là sử dụng hồi quy biến giả (LSDV) để kiểm soát các đặc điểm của mỗi quốc gia trong mơ hình. Hai là sử dụng phương pháp sai phân bậc 1 (FD) hoặc phương pháp trung bình hóa (FE) để loại bỏ các điểm đặc thù khỏi mơ hình khi ước lượng chúng.
Mơ hình tác động cố định được kiểm chứng bằng kiểm định F với giả thuyết H0 cho rằng tất cả các hệ số α i đều bằng 0 ( nghĩa là khơng có sự khác biệt giữa các đơn vị chéo hoặc các thời điểm khác nhau). Bác bỏ H0 với mức ý nghĩa cho trước sẽ cho thấy mơ hình tác động cố định phù hợp.
Lựa chọn phƣơng pháp hồi quy REM với Pooled OLS (Kiểm định Breusch – Pagan)
Như đề cập ở trên, ước lượng RE cũng cho phép sự tồn tại của các điểm đặc thù đặc trưng cho mỗi quốc gia (khơng thay đổi theo thời gian) trong mơ hình như FE. Tuy nhiên, trong trường hợp các điểm đặc thù này khơng có tương quan với các biến giải thích trong mơ hình thì ước lượng RE sẽ hiệu quả hơn. Tính hiệu quả của RE được thể hiện ở chổ nó đã bổ sung thêm ràng buộc tương quan, đồng thời kiểm soát các điểm đặc thù trong mơ hình chứ khơng loại bỏ như phương pháp FD hoặc FE.
Lựa chọn RE với OLS trên cơ sở giả thuyết về tính đồng nhất về phương sai giữa các đối tượng bảng (ở đây là các quốc gia). Theo đó, OLS giả định rằng phương sai của mỗi quốc gia đều bằng nhau và bằng 1 hằng số. Nếu giả thuyết này bị vi phạm thì ước lượng OLS khơng còn phù hợp và ước lượng RE là ước lượng phù hợp.
Giả định của REM là mối quan hệ giữa biến giải thích và biến phụ thuộc là không đổi giữa các đơn vị chéo.
Đối với mơ hình tác động ngẫu nhiên, phương pháp nhân tử Lagrange (LM) với kiểm định Breusch – Pagan được sử dụng để kiểm chứng tính phù hợp của ước lượng (Baltagi, 2008 trang 319). Theo đó, giả thuyết H0 cho rằng sai số của ước lượng gộp không bao gồm các sai lệch giữa các đối tượng hoặc các thời điểm (Phương sai giữa các đối tượng) là không đổi. Bác bỏ giả thuyết H0 cho thấy sai số trong ước lượng có bao gồm cả sự chênh lệch giữa các nhóm (đơn vị chéo) và phù hợp với mơ hình tác động ngẫu nhiên.
Lựa chọn phƣơng pháp hồi quy FEM với REM (Kiểm định Hausman)
Để so sánh mơ hình FEM và REM, chúng ta dựa vào giả thuyết về sự tương quan của phần dư với các biến giải thích. Do mơ hình REM giả định rằng các tác động không quan sát được phụ thuộc đối tượng là khơng có tương quan với các biến giải thích nên nếu giả thuyết này bị vi phạm thì ước lượng tác động ngẫu nhiên sẽ cho kết quả ước lượng chệch và không đáng tin cậy.
Dựa vào kiểm định Hausman do Hausman xây dựng vào năm 1978 với giả thuyết H0 là các ước lượng FEM và ECM không khác nhau đáng kể. Sử dụng kiểm định Hausman để kiểm định vấn đề các tác động không quan sát được phụ thuộc đối tượng (αi) có tương quan với một hoặc một số biến giả (Baltagi, 2008
trang 320; Gujarati, 2004 trang 652).
Đối với kiểm định Hausman, giả thuyết H0 và giả thuyết thay thế được phát biểu như sau:
H0 : αi khơng có tương quan với Xi,t (mơ hình REM là phù hợp) H1 : αi có tương quan với Xi,t (mơ hình FEM là phù hợp)
Nếu kết quả ước lượng của REM là không khác so với kết quả của ước lượng FEM (có ý nghĩa thống kê) thì chúng ta có thể chấp nhận giả thuyết H và
kết luận rằng αi khơng có tương quan với Xi,t và vì vậy mơ hình REM là mơ hình thích hợp.
Nếu kết quả ước lượng của REM là có khác với kết quả ước lượng FEM (có ý nghĩa thống kê), chúng ta có thể bác bỏ giả thuyết H0 và kết luận rằng αi có tương quan với Xi,t và vì vậy mơ hình FEM là mơ hình thích hợp.
Giá trị thống kê của kiểm định Hausman là một phân phối xấp xỉ Chi- bình phương với k bậc tự do (k là số lượng các hệ số độ dốc trong mơ hình).
Kiểm tra các khuyết tật của mơ hình
Nếu mơ hình tồn tại các khuyết tật thì kết quả ước lượng mơ hình sẽ bị thiên lệch sẽ làm cho mơ hình khơng cịn tính tin cậy. Do đó, sau khi lựa chọn được phương pháp ước lượng phù hợp ta phải tiến hành thực hiện các kiểm định để kiểm tra các khuyết tật của mơ hình:
Kiểm định đa cộng tuyến
Trong giả định mơ hình hồi quy tuyến tính cổ điển, các biến đốc lập khơng có mối quan hệ tuyến tính chính xác. Nếu điều này xảy ra thì sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mơ hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số.
Bản chất của đa cộng tuyến đó là sự tồn tại mối quan hệ tuyến tính hồn hảo hoặc chính xác giữa một số hay là tất cả các biến giải thích trong mơ hình hồi quy.
Hệ quả của hiện tượng đa cộng tuyến:
* Đa cộng tuyến hồn hảo
Chúng ta khơng thể ước lượng được mơ hình
Các phần mềm máy tính sẽ báo các tín hiệu sau “Matrix singular”: ma trận khác thường mà máy tính khơng thể thực hiện được khi ước lượng các hệ số hồi quy, “Exact collinearity encounted”: trường hợp đa cộng tuyến hồn hảo (chính xác).
Ước lượng OLS vẫn BLUE nhưng có phương sai và đồng phương sai lớn gây khó khăn cho việc ước lượng chính xác .
Sai số chuẩn của các hệ số sẽ lớn: khoảng tin cậy lớn và thống kê t ít có ý nghĩa, các ước lượng khơng thật chính xác. Do đó dễ đi đến khơng có cơ sở bác bỏ giả thuyết H0 và điều này có thể khơng đúng.
Thống kê t của một hoặc nhiều hệ số có khuynh hướng khơng có ý nghĩa thống kê.
R2 dùng để đánh giá độ thích hợp có thể rất cao dù cho thống kê t của một hoặc nhiều hệ số khơng có ý nghĩa thống kê. Dễ dàng bác bỏ giả thuyết H0 của thống kê F và cho rằng mơ hình ước lượng có giá trị.
Tác giả sử dụng phương pháp nhân tử phóng đại phương sai để phát hiện hiện tượng đa cộng tuyến giữa các biến.
Kiểm định tự tƣơng quan
Tự tương quan xảy ra khi các sai số bị tương quan với nhau. Trong trường hợp này, sai số nhiễu của các quan sát khác nhau được tính từ các phân phối khác nhau khơng phải là phân phối của biến giải thích.
Khi có hiện tượng tự tương quan thì các hệ số hồi quy ước lượng khơng cịn là ước lượng tuyến tính khơng thiên lệch tốt nhất (BLUE). Các hàm ước lượng OLS vẫn không thiên chệch nhưng chúng khơng cịn hiệu quả nữa. Kết quả làm cho các kiểm định thông thường t và F về mức ý nghĩa không thể áp dụng một cách hợp lệ.
Kiểm định Wooldridge được sử dụng để phát hiện hiện tượng tự tương quan.
Với mơ hình dữ liệu bảng, tác giả thực hiện trên Stata bằng lệnh xtserial sau kiểm định Hausman test để kiểm tra sự tự tương quan. Với giả thuyết H0: khơng có sự tương quan bậc 1 của phần dư. Nếu p-value < 0.05 chúng ta có thể bác bỏ giả thuyết H0 và kết luận có sự tương quan bậc 1 của phần dư.
Kiểm định phƣơng sai sai số thay đổi
Theo giả thuyết của mơ hình hồi quy tuyến tính cổ điển thì phương sai của sai số ui tùy theo gái trị lựa chọn của biến giải thích là một số khơng đổi. Đây là giả thuyết về phương sai không đổi hay khoảng chênh lệch bằng nhau tức phương sai bằng nhau:
E(u2i) = σ2; i = 1,2,...,n
Như vậy nếu phương sai của sai số khơng cịn là một hằng số hay có sự thay đổi về phương sai của sai số thì hiện tượng này được gọi là phương sai thay đổi.
Khi xuất hiện hiện tượng phương sai thay đổi thì ước lượng OLS vẫn tuyến tính, khơng chệch. Tuy nhiên, chúng sẽ khơng cịn có phương sai nhỏ nhất hay các ước lượng là hiệu quả. Tức là chúng không cịn là ước lượng tuyến tính khơng thiên chệch tốt nhất (BLUE). Ước lượng phương sai của ước lượng OLS nhìn chung sẽ bị chệch. Do đó, các khoảng tin cậy và kiểm định giả thuyết thông thường dựa trên phân phối t và F sẽ khơng cịn đáng tin cậy nữa.
Kiểm định Wald được sử dụng nhằm kiểm định hiện tượng phương sai sai số thay đổi.
Theo Greene (2000, trang 598) phương pháp tác động cố định ước lượng mơ hình FEM dựa trên giả định về phương sai đồng nhất giữa các đơn vị chéo. Để kiểm tra giả định này, tác giả thực hiện trên Stata bằng lệnh xttest3 (thực hiện ngay sau câu lệnh xtreg, fe). Lệnh xttest3 được xây dựng bởi Christopher F Baum, (2000) để sẽ tính tốn giá trị thống kê Wald về phương sai giữa các nhóm.
Ngồi ra, hiện tượng phương sai thay đổi trong mơ hình REM có thể được chuẩn đoán qua câu lệnh xttest0 ngay sau câu lệnh ước lượng RE. Giả thuyết H0 của 2 câu lệnh này phương sai không đổi. Ở mức ý nghĩa 5%, p-value < 0.05 thì chúng ta có thể bác bỏ giả thuyết phương sai khơng đổi.
Phương pháp FGLS sẽ ước tính mơ hình theo phương pháp OLS (ngay cả trong trường hợp có sự tồn tại của phương sai thay đổi và hiện tượng tự tương quan). Trong Stata tác giả dùng lệnh xtgls để ước lượng mơ hình với các khuyết tật.
3.2. Các biến nghiên cứu trong mơ hình 3.2.1. Quy mơ thị trƣờng
Thị trường lớn của các nước nhận đầu tư liên quan mật thiết với mức độ đầu tư trực tiếp nước ngồi, khả năng dịng vốn FDI sẽ cao hơn do nhu cầu tiềm năng lớn và chi phí thấp hơn vì quy mơ kinh tế. Vì vậy, đây được xem là một trong những số biến giải thích các yếu tố ảnh hưởng đến quyết định đầu tư FDI của các nước nhận đầu tư và các nhà đầu tư.
A Bevan và Saul Estrin (2000), đã nhận định rằng các nghiên cứu thực nghiệm đã chứng tỏ mối quan hệ giữa FDI và quy mô thị trường mà biến đại diện được đo lường bằng GDP.
George Agiomirgianakis và cộng sự (2003) cũng đã chứng minh GDP thực có ý nghĩa thống kê đến tác động dòng vốn FDI, sự tăng trưởng trong nền kinh tế có ảnh hưởng tích cực đến dịng vốn FDI.
Bushra Yassmin và cộng sự (2004) đã cho rằng FDI sẽ hướng tới các nước có quy mơ thị trường lớn, mở rộng và có sức mua hơn, nơi mà các doanh nghiệp nước ngồi có thể tìm kiếm suất sinh lợi nhiều trên vốn đầu tư của họ.
Parletun (2008) đã tìm thấy biến GDP ảnh hưởng tích cực và có ý nghĩa thống kê với mức ý nghĩa nhỏ hơn 1%. Tác giả cũng đã khẳng định sự mở rộng của quy mơ thị trường có xu hướng kích thích dịng vốn FDI vào nền kinh tế.
Và trong bài nghiên cứu thì tác giả sử dụng biến tốc độ tăng trưởng GDP bình qn đầu người để đại diện cho quy mơ thị trường và kỳ vọng tác động tích cực tới dịng vốn FDI.
Giả thuyết 1: Quy mơ thị trường có tương quan tích cực (đồng biến) với dịng vốn FDI.
3.2.2. Độ ổn định của nền kinh tế
Theo Bushra Yasmin và cộng sự (2004) cho rằng chỉ số lạm phát ảnh hưởng tích cực đến dịng vốn FDI. Vì khi lạm phát nước đầu tư cao, có ý nghĩa là giá cả quốc gia đó tăng cao, từ đó lợi nhuận của nhà sản xuất sẽ mang lại cao hơn. Do vậy giá cả sẽ làm tăng khả năng thu hút dòng vốn FDI.
Còn theo Kok và Ersoy (2009) cho rằng tỷ lệ lạm phát đại diện cho mức độ ổn định vĩ mô của nền kinh tế và kết quả nghiên cứu là lạm phát có tác động tiêu cực đến thu hút dòng vốn đầu tư nước ngoài, nghĩa là nên kinh tế càng ổn định thì càng thu hút dịng vốn này nhiều hơn.
Vì vậy, tác giả sử dụng biến tỷ lệ lạm phát được đo lường bằng sự thay đổi hàng năm của giá tiêu dùng đại diện cho sự ổn định của nền kinh tế và kỳ vọng có tác động tiêu cực đến thu hút dịng FDI.
Giả thuyết 2: Tỷ lệ lạm phát có tương quan tiêu cực (nghịch biến) với thu hút dòng vốn FDI.
3.2.3. Cơ sở hạ tầng
Berhanu (1999) xác định các yếu tố của cơ sở hạ tầng có thể tác động tích cực tới đầu tư trực tiếp nước ngoài là dịch vụ viễn thông, đường xá, bến cảng, dịch vụ đường sắt, cung cấp điện nước, dịch vụ thông tin, quảng cáo. Cơ sở hạ tầng yếu kém làm gia tăng chi phí sản xuất, điều này làm giảm tính hấp dẫn của các nước nhận đầu tư trong mắt nhà đầu tư nước ngoài. Cho nên, cơ sở hạ tầng hiện đại sẽ thu hút các nhà đầu tư nước ngoài nhiều hơn, giúp các nhà đầu tư dễ dàng tiếp cận thị trường tiềm năng và nguồn tài nguyên thiên nhiên.
Theo nghiên cứu của Ab Quyoom Khachoo và Mohd Imran Khan (2012)