CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.6. Mơ hình vector tự hồi quy VAR
Mơ hình VAR là một mơ hình kinh tế lượng dùng để xem xét và sự phụ thuộc lẫn nhau giữa một số biến theo thời gian. Trong mơ hình VAR, mỗi biến số được giải thích bằng một phương trình chứa các biến trễ của chính biến số và các giá trị trễ của các biến nghiên cứu khác.
Mơ hình VAR được ước lượng như sau:
Trong đó:
∆ là độ trễ bậc nhất. Kí hiệu: I(1);
là một vector của ba biến nội sinh (ln , ln ,ln ); Γ là một ma trận của các hệ số VAR cho ở độ trễ i.
Dựa vào tiêu chuẩn kiểm định F để chấp thuận hay bác bỏ giả thiết. Tồn tại mối quan hệ nhân quả hai chiều nếu các hệ số đều có ý nghĩa thống kê. Quan hệ nhân quả một chiều xảy ra khi hệ số chỉ có ý nghĩa thống kê ở 1 phương trình cụ thể. Các bước tác giả thực hiện khi thực hiện mơ hình VAR như sau:
3.6.1. Kiểm định để lựa chọn độ trễ tối ưu
Trước khi thực hiện kiểm định mơ hình VAR và VECM, tác giả thực hiện kiểm định để lựa chọn độ trễ tối ưu cho mơ hình.
Có nhiều tiêu chí để lựa chọn độ trễ tối ưu như các tiêu chí: LL: Log likelihood;
LR: Likelihood ratio;
Bậc VAR sẽ lựa chọn căn cứ bằng cực đại LL và LR.
FPE: Final prediction error (Sai số dự báo cuối cùng); AIC: Akaike information criteria;
HQIC: Hannal Quinn information criteria; SBIC: Schwarz Bayesian information criteria.
3.6.2. Kiểm định nhân quả Granger
Tác giả sử dụng kiểm định nhân quả Granger (Granger causality test)
để kiểm định liệu rằng có hay khơng có tồn tại mối quan hệ nhân quả trong
ngắn hạn giữa 3 chuỗi thời gian FDI, DI và GDP trên 3 phương trình sau:
∆)*+, = -+ -∆)*+, + …+ -&∆)*+,& +β∆)* + … +
β&∆)* & + λ∆)* + … + λ&∆)* & + (3.9)
∆)* = -+ -∆)* + …+ -&∆)* & +β∆)*+,+ … +
β&∆)*+,& + λ∆)* + … + λ&∆)* & + (3.10)
∆)* = -+ -∆)* + …+ -&∆)* & +β∆)*+,+ … +
β&∆)*+,& + λ∆)* + … + λ&∆)* & + (3.11)
+ Để kiểm định các biến trễ của các biến có tác động nhân quả Granger lên
các biến còn lại hay không, giả thuyết trong kiểm định cho mỗi phương trình là:
- : FDI khơng có nhân quả Granger đến GDP : FDI có nhân quả Granger đến GDP
- : DI khơng có nhân quả Granger đến GDP : DI có nhân quả Granger đến GDP
- : GDP khơng có nhân quả Granger đến FDI : GDP có nhân quả Granger đến FDI
- : DI khơng có nhân quả Granger đến FDI : DI có nhân quả Granger đến FDI
- : FDI khơng có nhân quả Granger đến DI : FDI có nhân quả Granger đến DI
- : GDP khơng có nhân quả Granger đến DI : GDP có nhân quả Granger đến DI
Tác giả sử dụng giá trị xác suất p-value để kiểm định và kết quả như sau: + Nếu giá trị p-value lớn hơn mức ý nghĩa α (p-value > α) ta chấp nhận giả thuyết H tức là các chuỗi thời gian khơng có nhân quả Granger. + Ngược lại, Nếu giá trị p-value nhỏ hơn mức ý nghĩa α (p-value < α) ta bác bỏ giả thuyết H tức là các chuỗi thời gian có nhân quả Granger.
3.6.3. Kiểm tra tự tương quan của phần dư
Để mơ hình nghiên cứu là tốt nhất thì sai số phải là nhiễu trắng. Có
nghĩa là phải thỏa các điều kiện sau: E(ε1) = 0;
Var () = const = 2;
Cov(, !3 = 0; s ≠ 0.
Để kiểm tra phần dư của mơ hình có phải là nhiễu trắng hay không. Tác giả sử dụng kiểm định Lagrange-multiplier (LM) để kiểm định tự tương quan phần dư trong mơ hình VAR – kiểm định đưa ra bởi Johansen (1995). Kiểm định này được thực hiện tại các độ trễ j=1, 2, ..., m. Đối mỗi j giả thuyết được đưa ra như sau:
- Giả thuyết : Phần dư khơng có tự tương quan.
- Giả thuyết đối : Phần dư có tự tương quan.
Tác giả sử dụng giá trị xác suất p-value để kiểm định và kết quả như sau: + Nếu giá trị p-value lớn hơn mức ý nghĩa α (p-value > α) ta chấp nhận giả thuyết H tức phần dư khơng có tự tương quan.
+ Ngược lại, Nếu giá trị p-value nhỏ hơn mức ý nghĩa α (p-value < α) ta bác bỏ giả thuyết H tức là phần dư có tự tương quan. Hay nói cách khác là phần dư chưa phải là nhiễu trắng.
3.6.4. Kiểm định tính ổn định của mơ hình VAR
Để ước lượng một mơ hình là hồi quy tuyến tính, có hai phương pháp bình phương bé nhất và phương pháp ước lượng hợp lý cực đại. Các phương pháp này cũng áp dụng cho mơ hình VAR ổn định.
Giả sử tuân thủ mơ hình VAR:
= 6 + 6 + … + 677+ v +
Trong đó:
= (, , …, ") là vector chuỗi thời gian ngẫu nhiên m chiều; A: là các ma trận cấp m x m;
= (, , …, ")là vector nhiễu trắng m chiều; v = (v, v, …, v;) vector hằng số;
Điều kiện ổn định của mơ hình: det (A(z)) ≠ 0 đối với ׀z׀ ≤ 1. Điều kiện này có nghĩa là các nghiệm của phương trình đặc trưng nghịch đảo thực sự nằm ngồi đường trịn đơn vị.
Cả Lutkepohl (2005) và Hamilton (1994) chỉ ra rằng: nếu tất cả các giá trị riêng của ma trận A có giá trị tuyệt đối nhỏ hơn 1 thì mơ hình VAR là ổn định.
3.6.5. Hàm phản ứng
Nếu như mơ hình VAR đã ghi ấn trong lý thuyết kinh tế, đưa ra một cơ sở thuận lợi và hữu ích đối với việc phân tích chính sách thì hàm phản ứng (IRF) xem xét ảnh hưởng của bất kỳ các biến nào đến các biến khác trong hệ thống và nó cũng là cơng cụ hiệu quả trong phân tích nguyên nhân bằng thực nghiệm và phân tích hiệu quả của chính sách. Đây là một quan điểm quan trọng liên quan đến IRF và VAR – Hàm phản ứng đã được tác giả đưa vào trong bài nghiên cứu để mô tả ảnh hưởng của một cú sốc ở một thời điểm đến các biến nội sinh ở hiện tại và tương lai.