Phương pháp lấy số liệu về chỉ số rủi ro quốc gia

3. Phƣơng pháp luận

3.2.1.2 Phương pháp lấy số liệu về chỉ số rủi ro quốc gia

Số liệu về chi tiêu công trên GDP, số liệu về chỉ số giá tiêu dùng và phần trăm của tín dụng trên GDP, chúng tôi lấy trên website của ngân hàng thế giới World Bank và tính toán.

Để đánh giá chất lượng của định chế tài chính, hiện nay có rất nhiều phương pháp, trong đó có thể kể đến như :

 Nghiên cứu định tính, định lượng: sử dụng dữ liệu trên các tổ chức kinh tế lớn như IMF, IIF và sử dụng các mô hình kinh tế lượng để ước lượng rủi ro.

 Cập nhật số liệu xếp hạng rủi ro quốc gia của S&P, Moody’s, Euro money, International Country Risk Guide

 Phương pháp tiếp cận điểm gãy và phân tích các thành phần trọng yếu.

Trong các phương pháp trên thì phương pháp số 2 được sử dụng rộng rãi hơn vì tính đơn giản, dễ so sánh về độ rủi ro giữa các quốc gia khác nhau.

Mô hình đánh giá xếp hạng rủi ro quốc gia – ICRG phân tích rủi ro của một quốc gia dựa trên 3 loại rủi ro:

 Rủi ro chính trị - Political risk (PR) bao gồm 12 khoản mục nhỏ, ví dụ như điều kiện xã hội, lực lượng quân đội, hệ thống luật pháp, mức độ quan liêu…

 Rủi ro kinh tế - Economic risk (ER) bao gồm các chỉ tiêu như : tỷ lệ phần trăm GDP đầu người so với tổng GDP đầu người trung bình trên thế giới, tốc độ tăng trưởng GDP thực, mức độ lạm phát, ngân sách quốc gia và cán cân thanh toán  Rủi ro tài chính – Financial risk (FR): bao gồm nợ nước ngoài tính theo phần

trăm của GDP, nợ nước ngoài và cán cân tài khoản vãng lai tính theo phần trăm tổng giá trị hàng hóa và dịch vụ xuất khẩu, mức độ ổn định của tỷ giá ngoại hối. Sau khi tính toán mỗi loại rủi ro dựa trên biểu mức điểm, rủi ro tổng hợp (composite risk) – hay rủi ro quốc gia được tính toán như sau :

CPFER = 0.5 x (PR+FR+ER) ER FR PR CR 1985 31.5 37.5 65 67 1986 31.5 35.5 66 66.5 1987 32 36 65 66.5 1988 33 29.5 67 64.75 1989 33 18 67 59 1990 32.5 18 68 59.25 1991 33 17 68 59 1992 33 21.5 68 61.25 1993 33 21.5 69.5 62 1994 33 21.5 69.5 62 1995 33 22.5 70 62.75 1996 35.5 23.5 70 64.5 1997 37 25.5 70 66.25 1998 36 25.5 70 65.75 1999 39 26.5 70 67.75 2000 41 32 69 71 2001 41 32.5 68 70.75 2002 38 32 70 70 2003 37 30.5 70 68.75 2004 36.5 33 70.5 70 2005 36.5 34 71 70.75 2006 37.5 36 71 72.25 2007 35 35.5 73 71.75 2008 31.5 36 75 71.25

2009 35.5 35 75 72.75

2010 36 34.5 75 72.75

Bảng chỉ số rủi ro quốc gia của Việt Nam do chúng tôi tính toán dựa trên mô hình ICRG và bảng xếp hạng theo mức rủi ro do PRS GROUP đánh giá1

3.2 FDI và tác động tăng trưởng

3.2.1 Mô hình

Phần tiếp theo tôi sẽ nghiên cứu về tác động của dòng vốn FDI đến tăng trưởng kinh tế. Tôi dựa trên phương pháp của Era Dabla-Norris, Jiro Honda, Amina Lahreche, and Geneviève Verdier trong bài nghiên cứu “FDI Flows to Low-Income Countries: Global Drivers and Growth Implications” tháng 6 năm 2010. Cụ thể, phương pháp nghiên cứu thực nghiệm được xây dựng dựa trên hồi quy dữ liệu thời gian. Bên cạnh xem xét tác động của FDI, tác giả cũng nghiên cứu tác động của các biến kiểm soát khác và được thể hiện bằng phương trình sau:

yi,t – yi,t-1= α yi,t-1+β FDIi,t + γ Xi,t+ ε i,t.

Trong đó yi,t là logarit của GDP trên đầu người năm t, FDIi,t là tỉ lệ phần trăm giữa dòng vào FDI và GDP năm t, Xi,t đại diện cho các biến kiểm soát, εi,t là phầndư. Vế trái của phương trình thể hiện tốc độ tăng trưởng, và vế phải là các biến độc lập.

Đầu tiên tôi sẽ kiểm định tác động của FDI thông qua đánh giá phương trình hồi quy. Bên cạnh đó, để xem khủng hoảng kinh tế có tác động đến tăng trưởng kinh tế hay không, tôi đưa thêm vào trong mô hình biến giả dummy mang giá trị 0 ứng với những

1

năm trước 2009 và 1 với với hai năm 2009 và 2010. Tiếp theo, tôi cũng tách mẫu ra làm hai với mẫu trước năm 2009 và mẫu đầy đủ từ 1986-2010 để xem xét tác động của khủng hoảng kinh tế đến vai trò của FDI với tăng trưởng kinh tế.

Sau đó, tôi tiếp tục xem xét rằng đâu là nhân tố chính dẫn truyền tác động của FDI đến tăng trưởng kinh tế. Để làm điều này chúng tôi tiến hành xem xét các ngưỡng đã được các tác giả trong bài nghiên cứu gốc xem xét đến thông qua khảo sát mẫu gồm các nước có thu nhập thấp và thu nhập trung bình trên thế giới. Sau khi đã tìm ra các ngưỡng, tôi kiểm định lại xem tác động của ngưỡng này bằng cách áp dụng mô hình VAR. Từ đó đưa ra những khuyến nghị thích hợp. Các bước tiến hành như sau.

3.2.1.1 Tác động FDI ở VN

Trước hết, để đánh giá tác động của dòng FDI lên tăng trưởng kinh tế, tôi tiến hành hồi quy mô hình GMM ( Generalized Method of Moment System Estimation - Chi tiết mô hình GMM tôi sẽ đề cập ở phần sau) với các biến đã được Era Dabla- Norris, Jiro Honda, Amina Lahreche, and Geneviève Verdier sử dụng trong bài nghiên cứu của mình năm 2010.

Một đặc trưng quan trọng của εi,t sẽ là một biến chuỗi có giá trị trung bình nhỏ và không có xu hướng lớn dần hay nhỏ dần theo thời gian. Vì vậy, nếu biến chuỗi sai số này là biến ngẫu nhiên thì giá trị trung bình ước tính sẽ bằng 0 và có cùng phương sai. Một biến chuỗi sai số với đặc tính này được gọi là biến chuỗi tĩnh (Stationary Time Series). Biến chuỗi tĩnh là khái niệm cơ bản và quan trọng hầu hết các mô hình. Vì thế, trong khi ước lượng các tham số hoặc kiểm định giả thiết của các mô hình, nếu không kiểm định thuộc tính này của biến chuỗi thì các kỹ thuật phân tích thông thường (chẳng hạn như kỹ thuật OLS) sẽ không còn chính xác và hợp lý. Do đó, nếu sử dụng phương pháp phân tích hồi quy tương quan như trên sẽ dẫn đến “tương quan giả“ (Granger và

Newbold, 1974)2. Kết quả của loại hồi quy này sẽ dẫn đến các kiểm định thống kê như t, F, R2 sẽ bị lệch. Nói một cách khác, hồi quy lệch sẽ cho kết quả các kiểm định thống kê t và R2 rất tốt nhưng mô hình có thể hoàn toàn không có ý nghĩa. Vì vậy, trước khi xây dựng và phân tích mô hình, cần phải có kiểm định thuộc tính tĩnh của các biến chuỗi trước khi đưa vào sử dụng.

Hầu hết các biến đều được kiểm định thuộc tính tĩnh bằng cách thực hiện cả hai kiểm định nghiệm đơn vị2. Nếu các biến chưa dừng thì tôi tiến hành lấy sai phân.

3.2.1.2 Tác động của ngưỡng (Threshold Effects)

Trong phần trước, tôi đã đề cập đến trường hợp khi FDI không đóng vai trò trong việc kích thích nền kinh tế, phần này, tôi sẽ tiếp tục trường hợp này bằng cách khảo sát các ngưỡng mà qua đó dẫn truyền tác động của FDI. Các ngưỡng này đã được đề cập ở trong literature. Tuy nhiên, trong bài nghiên cứu của mình, các tác giả Era Dabla-Norris, Jiro Honda, Amina Lahreche, and Geneviève Verdier (6/2010) đã cụ thể hóa bằng cách chia thành 3 yếu tố chính:

Cơ sở hạ tầng kinh tế:

 Sự phát triển của khu vực tài chính (với biến đại diện là tín dụng cho khu vực tư nhân)

 Mức độ mở cửa thương mại ( tỉ lệ phần trăm giữa tổng xuất nhập khẩu so với GDP)

 Chất lượng quản lý của cơ quan nhà nước (được đo lường bằng biến chỉ số kiểm soát tham nhũng của World Bank Governance Indicators)

Thể chế kinh tế: theo Christiansen et al., 2009 tôi xét chỉ số độc lập tài khoản vốn (tự do hóa tài khoản vốn) như là biến đại diện cho Thể chế kinh tế. Chỉ số này, tôi sử dụng hệ số Kaopen được xây dựng bởi China Ito.

2 Jack Johnston, John Dinardo (2003), Econometric Methods, Fourth Editions, McGRAW - HILL

International Editions

2

Ổn định vĩ mô: các bài nghiên cứu cho thấy rằng môi trường kinh tế mạnh hơn có thể củng cố mối quan hệ giữa FDI và đầu tư nội địa. Và chỉ số giá tiêu dùng hằng năm được sử dụng như là biến đại diện cho Ổn định vĩ mô.

Cách thức tiến hành cụ thể gồm các bước như sau:

 Bước một là việc chọn mẫu để xem xét, dựa vào bài nghiên cứu gốc, tôi tiến hành lấy mẫu bao gồm 101 nước bao gồm các nước có thu nhập trung bình và thu nhập thấp.

 Bước hai, ứng với 5 biến ở trên biến đại diện ở trên, với mỗi biến chung tôi sẽ tính ra trung bình của 101 nước qua chuỗi thời gian đang xem xét. Từ đó với trung bình vừa tính được chúng tôi chia mẫu 101 nước thành hai phần: phần 1 bao gồm những nước có trung bình lớn lơn trung bình của mẫu, phần 2 là phần còn lại ứng với trung bình thấp hơn trung bình chung của mẫu. Như vậy ứng với 5 biến thì chúng ta có 5 ngưỡng trung bình và tương ứng với 10 mẫu cần xem xét.

 Bước ba, tôi áp dụng mô hình GMM (Generalized Method of Moment System Estimation). Và tiến hành hồi quy lại phương trinh trong bài nghiên cứu gốc:

yi,t –yi,t-1=α yi,t-1+β FDIi,t + γ Xi,t+ µt + ε i,t.

Trong đó, ngoài các yếu tố yi,t, FDIi,t, Xi,t như đã được minh họa ở trên. Yếu tố còn lại µt đại diện cho các tác động cố định ở một số nước mà không thể quan sát được, chẳng hạn như khoảng cách hay thời tiết.

Vấn đề khó khăn trong việc hồi quy dữ liệu bảng với quá nhiều quốc gia là tác động ngược lại - là khả năng mà tốc độ tăng trưởng cao hơn thu hút nhiều FDI hơn-và vấn vấn đề liên quan đến các biến độc lập khác trong mô hình - như tốc độ tăng trưởng và FDI có thể sẽ tác động ngược lại các biến còn lại. Để xử lý vấn đề này, cùng với sự hiện diện của các tác động không quan sát được của các quốc gia, ctôi sử dụng phương pháp GMM của Blundell và Bond (1998) với việc sử dụng những độ trễ phù hợp cũng như sai phân của các biến chưa dừng như là công cụ chính. Điểm mạnh của phương pháp này là nó xem xét cả mức độ thỏa mãn của các tham số. GMM là phương pháp ước lượng củng cố mà không đòi hỏi thông tin về phân phối ban đầu của các biến. Có

thể nói nhiều phương pháp ước lượng trong kinh tế lượng có thể được xem là trường hợp đặc biệt của GMM.

3.2.1.3 Mô hình Var:

Sau khi đã tìm ra các ngưỡng dẫn truyền tác động của FDI đến tăng trưởng kinh tế. Tôi sử dụng mô hình Var để xem xét mối quan hệ của các ngưỡng này với FDI và tăng trưởng kinh tế trong quá khứ với độ trễ khác nhau.

Mô hình VAR về cấu trúc gồm nhiều phương trình (mô hình hệ phương trình) và có các trễ của các biến số. VAR là mô hình động của một số biến thời gian.

Các vấn đề chi tiết về kĩ thuật toán học đã được trình bày nhiều trong các tài liệu kinh tế lượng, tôi xin chỉ đề cập đến một số vấn đề khi xây dựng mô hình Vςar.

Bên cạnh những ưu điểm nổi trội của mô hình Var: không 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 rẽ thì mô hình Var còn vướng phải một số hạn chế:

 Do trọng tâm mô hình được đặt vào dự báo nên Var ít phù hợp cho phân tích chính sách.

 Khi xét đến mô hình Var thì yêu cầu các biến đầu vào phải là các biến dừng. Nếu chưa dừng thì phải lấy sai phân. Tuy nhiên khi lấy sai phân thì ta lại bỏ qua thông tin trong dài hạn.

 Ngoài ra còn gặp khó khăn trong việc lựa chọn độ trễ phù hợp. Bên cạnh đó khi độ trễ tăng sẽ làm cho bậc tự do giảm, do vậy ảnh hưởng đến đến chất lượng các ước lượng.

3.2.2 Phƣơng pháp lấy số liệu:

Dữ liệu về GDP đầu người, FDI và các biến kiểm soát khác được mô tả và trích nguồn trong bảng sau:

Bảng 3.2: Bảng mô tả biến

Biến Mô Tả Biến Nguồn

FDI Tỉ Lệ Dòng FDI Vào Ròng Trên GDP WEO(IMF)

GDP Đầu Người

GDP Đầu Người (Giá Cố Định Năm 2000 Tính Theo $)

WDI

(WORLD BANK)

Tín Dụng Cá Nhân

Tỉ Lệ Tín Dụng Cho Khu Vực Tư Nhân Trên GDP

WDI

(WORLD BANK)

Tăng Trưởng Dân Số Tốc Độ Tăng Trưởng Dân Số Hằng Năm

WDI

(WORLD BANK)

Chính Phủ Chi Tiêu Tiêu Dùng Của Chính Phủ

WDI

(WORLD BANK)

CPI Chi Số Giá Tiêu Dùng, Hằng Năm WEO(IMF)

Thương Mại

Tỉ Lệ Tổng Xuất Khẩu Và Nhập Khẩu Trên GDP

WDI

(WORLD BANK)

Chất Lượng Quản Lý Chỉ Số Kiểm Soát Tham Nhũng

WDI

(WORLD BANK)

4. NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU

4.1 Kết quả những nhân tố nào có tác động dẫn dắt các dòng FDI đến Việt Nam Việt Nam

4.1.1 Kết quả hồi quy OLS:

Sau khi hồi quy biến phụ thuộc FDI theo các biến độc lập bằng phần mềm Eviews, ta có kết quả

Bảng 4.1: Bảng kết quả hồi quy 1

Kết quả với R2=96% cho thấy mức độ tin cậy của mô hình là tương đối lớn, trong đó log (1+GDP_SOURCE) và log(1+GDP_HOST (-1)) đại diện cho GDP của các nước đi đầu tư và Việt Nam3

có hệ số dương và có ý nghĩa thống kê đáng kể. Điều này cũng hợp lý về mặt lý thuyết, khi mà GDP ở các nước phát triển tăng đồng nghĩa với thị trường ở nước đó mở rộng, vì vậy nó có xu hướng tìm kiếm cơ hội đầu tư nước ngoài thông qua nguồn vốn đầu tư FDI và dòng chảy vốn vào Việt Nam – nước tiếp nhận đầu tư gia tăng cũng là điều hợp lý.

Tuy nhiên, biến GDP_GROWTH đại diện cho tốc độ tăng trưởng GDP thực của Việt Nam lại không có ý nghĩa thống kê lớn, điều này chứng tỏ các nước đi đầu tư không quan tâm nhiều đến tốc độ tăng trưởng GDP nước ta.

3

Các biến còn lại log (1+TRADE) và output gap đều không có ý nghĩa thống kê. Điều này trái với dự đoán của tôi, bởi khi nền kinh tế tăng trưởng quá nóng – lúc này GDP thực tế vượt quá GDP tiềm năng sẽ dẫn đến lạm phát, hệ lụy của nó làm cho nền kinh tế chậm thu hút vốn đầu tư bởi số tiền mà nhà đầu tư thu về đã bị sụt giảm do tình trạng lạm phát gia tăng, vì vậy output gap và nguồn vốn đầu tư FDI thường sẽ có mối quan hệ ngược chiều.

Hệ số của RIR tuy có ý nghĩa thống kê nhưng lại có giá trị dương, điều này cũng không phù hợp với dự đoán của tôi bởi nhà đầu tư sẽ tìm kiếm lợi nhuận với hành vi kinh doanh chênh lệch lãi suất bằng cách gia tăng nguồn vốn đầu tư nước ngoài khi lãi suất trong nước giảm, do đó mối tương quan giữa RIR và FDI vào Việt Nam thường sẽ có hệ số âm.

Trường hợp R2 cao cũng có thể do mô hình có các biến tự tương quan với nhau, để xem chúng có tự tương quan với nhau hay không, tôi chạy kiểm định Breusch- Godfrey cho mô hình.

Bảng 4.2: Kết quả kiểm định B-G

Với probability = 80.25% điều này cho thấy có khả năng cao kiểm định B-G

bác bỏ giả thuyết H0 (không có tương quan giữa các biến) tức trong mô hình trên các biến có tự tương quan.

Một trong những giả thiết của mô hình hồi quy cổ điển là các biến độc lập là phi ngẫu nhiên, chúng có giá trị xác định. Nếu như chúng ta ước lượng một mô hình với chuỗi thời gian trong đó các biến độc lập không dừng, khi đó giả thiết của OLS bị vi phạm – lúc này phương pháp OLS sẽ không còn ý nghĩa đối với các chuỗi không dừng. Vì vậy để xem xét mức độ tin cậy của phương pháp OLS phía trên, tôi sẽ tiến hành