3. Dữ liệu và phương pháp nghiên cứu
3.2. Phương pháp nghiên cứu
Phương pháp được lựa chọn để ước lượng trong mô hình là phương pháp GMM hệ thống (system General Method of Moments). Phương pháp hồi quy GMM thường được áp dụng cho dữ liệu dạng bảng như kiểu dữ liệu của bài nghiên cứu này (Durlauf, Johnson và Temple, 2005), do những đặc tính ưu việt của nó so với các phương pháp khác
Đầu tiên, dữ liệu bảng được sử dụng vì những ưu điểm của nó so với dữ liệu thời gian và dữ liệu chéo Baltagi (2005) đã cho rằng:
Dữ liệu bảng là sự kết hợp giữa dữ liệu chéo và dữ liệu thời gian nên cung cấp nhiều thông tin hơn, ít hiện tượng đa cộng tuyến giữa các biến hơn, nhiều bậc tự do hơn và hiệu quả hơn
Dữ liệu bảng có thể phát hiện và đo lường tốt hơn những tác động mà chúng ta khó có thể quan sát được khi sử dụng dữ liệu thời gian hoặc dữ liệu chéo.
Dữ liệu bảng có thể kiểm soát tốt hơn tính không đồng nhất của các đơn vị trong mẫu nghiên cứu.
Thứ hai, các nghiên cứu trước đây cho vấn đề nợ công - tăng trưởng hầu hết đều sử dụng các phương pháp như pooled OLS, FEM, REM, 2SLS (2 stage least square), LSDV (least square with dummy variable), GMM… Như đã biết, ước lượng OLS phải dựa trên các giả định:
Biến giải thích là phi ngẫu nhiên
Kỳ vọng của các yếu tố ngẫu nhiên εit bằng 0
Các yếu tố ngẫu nhiên εit có phương sai bằng nhau
Không có sự tương quan giữa các yếu tố ngẫu nhiên εit.
Yếu tố ngẫu nhiên và biến giải thích không tương quan với nhau Baum, C (2009) cho rằng có ba trường hợp giả định thứ năm bị vi phạm trong nghiên cứu kinh tế đó là: nội sinh, bỏ sót biến và sai số đo lường trong hồi quy Vì vậy, nếu sử dụng phương pháp OLS để ước lượng mô hình sẽ dẫn đến kết quả bị sai lệch do nội sinh. Và phương pháp biến công cụ là một giải pháp phù hợp cho các nhân tố hồi quy nội sinh Trong đó, phương pháp GMM có ưu điểm hơn so với các phương pháp sử dụng biến công cụ khác, đặc biệt là khi có phương sai thay đổi Mặt khác, phương pháp này có tính tổng quát hơn so với các phương pháp như FEM, REM, LSDVhay 2SLS… trong việc giải quyết vấn đề nội sinh của mô hình. Bond và các cộng sự (2010) cung cấp một cái nhìn sâu sắc rất hữu ích về ước lượng GMM, lập luận rằng nên sử dụng GMM hệ thống
và kết quả ước lượng của nó nằm giữa khoảng OLS và LSDV vì nó có xu hướng làm giảm sai lệch. Kết luận này được hỗ trợ bởi thực nghiệm với mô hình tăng trưởng Solow (theo Hoeffler, 2002 và Nkurunziza và Bates, 2002). Presbitero (2005a) đã ước lượng một mô hình tương tự và cho thấy GMM hệ thống là một phương pháp ước lượng tốt, trong đó có bằng chứng cho thấy sử dụng kết quả thu được từ GMM hệ thống xác nhận rằng:
Kết quả ước lượng GMM hệ thống nằm giữa khoảng kết quả ước lượng của OLS và LSDV;
Hiệu quả ước lượng tăng lên;
Bộ công cụ có ý nghĩa
Vì vậy, tôi sử dụng phương pháp ước lượng GMM nhằm khắc phục vấn đề nội sinh và nhân quả ngược. Mặc dù GMM hệ thống hai bước đã được chứng minh là có hiệu quả hơn so với ước lượng GMM một bước (Roodman, 2009a) và thực hiện tốt hơn so với GMM sai phân (Hauk và Wacziarg, 2009). Tuy nhiên do số lượng các nước trong mẫu nghiên cứu nhỏ hơn nhiều so với số lượng công cụ, tôi dùng ước lượng GMM một bước thay cho ước lượng hai bước như đề xuất của cùng tác giả Presbitero (2008). Ngoài ra do cỡ mẫu nhỏ trong khi phương pháp GMM thường phát huy ưu điểm khi phân tích với bộ cơ sở dữ liệu lớn nên các kiểm định về tương quan chuỗi như AR1 và AR2 có thể bị vi phạm. Biến công cụ được sử dụng ở đây gồm có:
Biến công cụ nội bộ: được sử dụng là độ trễ của sự thay đổi và độ trễ của mức độ (theo Blundell và Bond, 1998) của các biến giải thích. Để tránh các vấn đề liên quan đến sự gia tăng biến công cụ trong các mẫu nhỏ có khả năng làm suy yếu độ mạnh của các thử nghiệm Hansen (Roodman, 2009b), tôi thực hiện
theo kinh nghiệm, nghĩa là số lượng các công cụ cần phải gần bằng số lượng quốc gia (Roodman, 2009a) và hạn chế số lượng độ trễ của các biến nội sinh (chỉ đến đến t-1 và t-2).
Biến công cụ bên ngoài bao gồm thêm:
- LEGAL ORIGINS: là biến phân loại xác định nguồn gốc hợp pháp của Luật công ty hoặc luật thương mại của từng quốc gia (La Porta và cộng sự, 1997, 1998). Biến này có thể nhận năm giá trị từ 1 đến 5, tùy vào Luật nguồn gốc.
- ETHNIC FRACTIONALIZATION: đo lường mức xếp hạng đánh giá quốc gia thông qua các chỉ số liên quan đến chủng tộc, văn hóa… (Alesina và cộng sự, 2003).
Cần phải lưu ý rằng tác động của nợ công đến tăng trưởng có thể một phần phản ánh chất lượng của chính sách thể chế chính phủ quốc gia đó. Có nghĩa là, các chính phủ nghèo thực hiện một số hành động sẽ làm chậm tốc độ phát triển nền kinh tế của họ, và nợ là một hậu quả. Theo nghiên cứu của Alesina và Ferrara (2005), La Porta và cộng sự (2008) thì cả hai biến trên đều có ảnh hưởng đến chất lượng của chính sách chính phủ và kéo theo tăng trưởng kinh tế. Nên đây sẽ được coi là công cụ cho biến CPIA.
Ngoài ra, do các nghiên cứu thực nghiệm trước đó thường sử dụng kết hợp nhiều phương pháp ước lượng, trong đó có phương pháp FEM và REM và mang lại kết quả hồi quy khả quan và tương đối phù hợp nên tôi vẫn tiến hành thực hiện hồi quy các phương trình trên bằng cả ước lượng FEM và REM để kiểm tra lại và so sánh với các kết quả thu được từ ước lượng GMM hệ thống nhằm một lần nữa khẳng định lại kết quả của bài nghiên cứu.