CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.1 Kết quả ước lượng mô hình GVAR
Mặc dù phương pháp GVAR có thể áp dụng cho biến dừng hoặc không dừng, nhưng mô hình này dựa trên giả định các biến nằm trong mô hình của từng quốc gia chỉ có liên kết ở bậc 1 (I(1)). Điều này cho phép chúng ta phân biệt mối quan hệ ngắn hạn, dài hạn và giải thích các mối quan hệ dài hạn thông qua đồng liên kết. Vì vậy, bài nghiên cứu bắt đầu kiểm tra bậc liên kết của các biến bằng kiểm định nghiệm đơn vị Dicky Fuller bổ sung (ADF) và Dicky Fuller cân đối có trọng số (WS) ở bậc 0, bậc 1 và bậc 2 cho các biến trong nước và nước ngoài. Trong đó, kiểm định WS khai thác sự đảo ngược thời gian trong tiến trình tự hồi quy dừng để làm tăng năng lực kiểm định. Bài nghiên cứu cũng sử dụng tiêu chuẩn thông tin Akaike (AIC) để lựa chọn độ trễ trong hồi quy để tìm ra thống kê nghiệm đơn vị ADF và WS.
Kết quả kiểm định ADF ở phụ lục 2 chỉ ra rằng không có biến nào dừng ở bậc 2. Kết quả kiểm định WS cũng cho thấy tất cả các biến đều có nghiệm đơn vị. Theo Leybourne và cộng sự (2005), kiểm định nghiệm đơn vị WS có khả năng phân biệt nghiệm đơn vị mạnh hơn so với kiểm định ADF truyền thống. Như vậy, kết quả tóm tắt kiểm định nghiệm đơn vị ở bảng 3 sau đây cho thấy các biến trong mô hình hồi quy đều là I(0)/I(1), phù hợp với giả thiết của mô hình.
Bảng 3: Kết quả tóm tắt kiểm định nghiệm đơn vị ở mức ý nghĩa 5%
Biến Rgog rhog roug reg rmg prg rgog* rhog* roug* rmg* prg*
Australia I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) China I(0) I(0) I(1) I(0) I(0) I(0) I(1) I(0) I(0) I(0) I(0) Indonesia I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) Japan I(0) I(0) I(0) I(0) I(0) I(0) I(1) I(0) I(0) I(0) I(0) Korea I(0) I(0) I(0) I(0) I(0) I(0) I(1) I(0) I(0) I(0) I(0) Malaysia I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) Philippines I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) Singapore I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) Taiwan I(0) I(0) I(0) I(0) I(0) I(0) I(1) I(0) I(0) I(0) I(0) Thailand I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) USA I(1) I(1) I(1) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) Vietnam I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) I(0) Euro Area I(1) I(1) I(1) I(0) I(0) I(0) I(1) I(0) I(0) I(0) I(0)
Nguồn: Tính toán từ tác giả 4.1.2 Xác định và ước lượng các mô hình của từng quốc gia
Mô hình GVAR dựa trên giả định các biến nước ngoài của từng quốc gia là biến ngoại sinh yếu và các tham số của các mô hình từng quốc gia là ổn định theo thời gian. Điều này cho phép chúng ta ước lượng và kiểm tra các tính chất dài hạn của các mô hình của từng quốc gia khác nhau một cách riêng biệt và nhất quán. Cả hai giả định này là cần thiết cho việc thực hiện mô hình GVAR và tính hợp lệ của chúng sẽ được xem xét sau đây.
Các đặc điểm kỹ thuật của từng mô hình VARX* hoặc VECMX* từng quốc gia dựa trên sự lựa chọn độ trễ thích hợp đối với các biến trong nước và nước ngoài cũng như hạng đồng liên kết. Đầu tiên, luận án sẽ đi lựa chọn độ trễ cho từng mô hình của mỗi quốc gia. Trong đó, độ trễ của biến nội địa và biến nước ngoài không nhất thiết phải bằng nhau. Do giới hạn về dữ liệu nên độ trễ của biến nước ngoài (qi) được thiết lập bằng 1 cho tất cả các quốc gia. Và cũng vì lý do đó, luận án cũng thiết lập độ trễ của biến trong nước - pmaxi là bằng 2. Kết quả lựa chọn độ trễ dựa trên tiêu chuẩn AIC – tiêu chuẩn thông tin Akaike và sẽ mang lại sự ổn định cho mô hình được trình bày ở bảng 4 sau đây.
Bảng 4: Bậc của mô hình VARX*được lựa chọn (p: độ trễ của biến nội địa; q: độ trễ của biến nước ngoài)
p Q
AUSTRALIA 1 1
CHINA 1 1
INDONESIA 2 1
JAPAN 1 1
KOREA 2 1
MALAYSIA 1 1
PHILIPPINES 2 1
SINGAPORE 2 1
TAIWAN 2 1
THAILAND 2 1
USA 2 1
VIETNAM 2 1
EURO AREA 2 1
Nguồn: Tính toán từ tác giả Như đã đề cập như trên, giả định chính của ước lượng này là xit* ngoại sinh yếu đối với các tham số dài hạn. Trong phần này, luận án sẽ thực hiện một kiểm định về giả thiết này đối với các biến nước ngoài và biến giá dầu. Riêng đối với trường hợp của nước Mỹ, biến giá dầu đóng vai trò là biến nội sinh, để thể hiện tầm ảnh hưởng tương đối quan trọng của nền kinh tế Mỹ với nền kinh tế toàn cầu.
Kiểm định ngoại sinh yếu là kiểm định F với giả thuyết liên kết là 𝛾𝑖𝑗,𝑡 = 0, j = 1, 2, …, ri, trong phương trình 2. Độ trễ thích hợp được lựa chọn dựa trên tiêu chuẩn AIC, kết quả kiểm định tự tương quan phần dư và tính ổn định của mô hình. Kết quả kiểm định được tóm tắt trong bảng 5. Trong trường hợp này, biến giá cả nước ngoài được loại ra khỏi mô hình của khu vực châu Âu nhằm loại bỏ tác động ngược của khu vực châu Âu lên giá cả hàng hóa nước ngoài, có thể gây ra hiện tượng nội sinh cho mô hình của Châu Âu. Thông qua thống kê thương mại ở phần 2.3, ta có thể nhận thấy khu vực châu Âu luôn dẫn đầu các ngành hàng xuất khẩu của 12 quốc gia còn lại và cũng giữa vị trí hàng đầu của thế giới (IMF trade statistic report, 2017). Vì vậy khả năng ảnh hưởng lên giá cả nước ngoài của khu vực châu Âu là rất lớn. Ngoài ra,
biến tỷ lệ tăng tỷ giá thực đa phương không đóng vai trò là biến nước ngoài nên cũng sẽ không xuất hiện trong bảng kết quả này. Đây cũng là kiểm định dành cho các tham số dài hạn, nên những mô hình không có đồng liện kết cũng sẽ không xuất hiện trong bảng kết quả này. Nhìn chung theo kết quả bảng 5, các biến nước ngoài trong mô hình đều thỏa mãn đều kiện ngoại sinh yếu.
Bảng 5: Kết quả kiểm định ngoại sinh dạng yếu ở mức ý nghĩa 5%
Country F test Fcrit_0.05 Rgogs Prgs rmgs rhogs rougs Poil CHINA F(2,73) 3.122103 0.084451 0.659086 0.687147 0.739259 5E-05 0.205708 JAPAN F(2,73) 3.122103 0.626862 0.224261 0.111011 0.090385 0.393466 1.131534 KOREA F(2,66) 3.135918 0.030723 1.393913 0.773006 1.30894 1.245703 0.262454 SINGAPORE F(2,73) 3.122103 1.141917 0.163166 9.762319 0.715202 0.90563 0.791236 USA F(1,66) 3.986269 0.439989 0.119015 0.361514 0.864729 0.777773 - VIETNAM F(1,74) 3.97023 0.850535 1.639453 0.11381 0.217112 0.053302 0.081134 EURO AREA F(2,74) 3.120349 2.618743 - 0.327742 0.122858 1.260401 2.130629
Nguồn: Tính toán từ tác giả Luận án cũng thực hiện kiểm định tính ổn định cấu trúc của mô hình. Các kiểm định này chủ yếu là kiểm tra tính ổn định cấu trúc của các hệ số ngắn hạn hơn là các hệ số dài hạn. Sự ổn định của các hệ số ngắn hạn có ý nghĩa quan trọng hơn đối với với việc truyền tải các cú sốc giữa các quốc gia.
Các bài kiểm tra bao gồm thống kê tổng tích lũy OLS tối đa (CUSUM) của Ploberger và Krọmer (1992), được kớ hiệu là PKsup và một dạng khỏc bỡnh phương trung bình của nó là PKmsq; kiểm tra sự không đổi của tham số đối với các phương án không dừng do Nyblom đề xuất (1989), ký hiệu là ℜ. Ngoài ra, còn có các kiểu kiệm định Wald về sự thay đổi cấu trúc tại một điểm chưa xác định: kiểu thống kê tỷ lệ khả năng (QLR) của Quandt (1960), kiểu trung bình thống kê Wald (MW) của Hansen (1992) và kiểu thống kê Wald dựa trên trung bình theo hàm mũ (APW) của Andrews và Ploberger (1994). Dạng sai số chuẩn mạnh để kiểm soát hiện tương phương sai thay đổi của các kiểm định trên cũng được trình bày.
Bảng 6 tổng kết tất cả các kiểm định này cho từng biến ở mức ý nghĩa 5%. Kết quả này thay đổi giữa các kiểm định khác nhau. Ví dụ, nếu sử dụng kiểm định PK thì không có trường hợp nào cho thấy giả thuyết không về sự ổn định tham số bị bác bỏ.
Điều này cho thấy các tham số đều ổn định. Đối với các kiểm định còn lại (ℜ, QLR, APW), kết quả này phụ thuộc vào dạng sai số chuẩn dạng mạnh để kiểm soát hiện tượng phương sai thay đổi. Kết quả bác bỏ nằm ở mức 7 đến 33 trường hợp, khoảng 9 – 42%. Kết quả này cho thấy nguyên nhân chính của sự bác bỏ giả thuyết dường như là điểm gãy ở sự thay đổi sai số hơn là hệ số tham số. Kết luận này phù hợp với các nghiên cứu của Dees và cộng sự (2007), Stock & Watson (2002), Perez và cộng sự (2006).
Bảng 6: Số trường hợp bác bỏ tính ổn định của các tham số trong mô hình ở mức ý nghĩa 5%
Kiểm định
Biến nội địa Tổng (%)
rgog Reg prg Rmg rhog roug poilg
PK sup 0(0) 0(0) 0(0) 0(0) 0(0) 0(0) 0(0) 0(0) PK msq 0(0) 0(0) 0(0) 0(0) 0(0) 0(0) 0(0) 0(0) Nyblom 2(15) 3(23) 0(0) 2(15) 3(23) 1(8) 1(100) 12(15) Robust Nyblom 3(23) 0(0) 1(8) 1(8) 1(8) 0(0) 1(100) 7(9) QLR 6(46) 5(39) 5(39) 4(31) 7(54) 4(31) 1(100) 32(41) Robust QLR 5(39) 2(15) 1(8) 1(8) 2(15) 1(8) 1(100) 13(17) MW 5(39) 4(31) 3(23) 4(31) 4(31) 3(23) 1(100) 24(30) Robust MW 6(46) 1(8) 2(15) 2(15) 2(15) 2(15) 1(100) 16(20) APW 7(54) 6(46) 5(39) 4(31) 6(46) 4(31) 1(100) 33(42) Robust APW 5(39) 3(23) 1(8) 1(8) 2(15) 0(0) 1(100) 13(17)
Nguồn: tính toán từ tác giả Nhìn chung, không có gì đáng ngạc nhiên khi có bằng chứng về sự mất ổn định về cấu trúc. Ví dụ như những biến cố trong nền kinh tế toàn cầu đã từng diễn ra trong lịch sử như khủng hoảng tài chính tại Mỹ năm 2008, hoặc khủng hoàng tài chính diễn
ra ở châu Á năm 1997. Những điều này tạo ra các điểm gãy cấu trúc trong mô hình, và một khi các biến cố này diễn ra thì nó tạo nên hiệu ứng lan tỏa đến các quốc gia còn lại. Vì vậy, chúng ta gọi là các điểm gãy chung. Và mô hình GVAR này thì phù hợp cho việc xử lý các điểm gãy chung này. Stock & Watson (1996) đã chứng minh được tính ổn định của mô hình GVAR trước khả năng xảy ra điểm gãy cấu trúc. Với chuỗi dữ liệu thời gian giới hạn thì việc kiểm định sự ổn định của các hệ số dài hạn là không thuận tiện. Tuy nhiên, các kiểm định ổn định cấu trúc của các hệ số ngắn hạn khi mối quan hệ dài hạn được xác định dựa vào phần dư của mô hình hiệu chỉnh sai số của từng quốc gia. Và phần dư này chỉ phụ thuộc vào hạng của vector đồng liên kết, chứ không phụ thuộc vào cách mà đồng liên kết được xác định. Kết quả kiểm định cho thấy số trường hợp bác bỏ giả thuyết H0 (không có sự thay đổi cấu trúc) thì ít hơn so với số trường hợp không bác bỏ. Đồng thời, số trường hợp bác bỏ ở các kiểm định dạng mạnh thì thấp hơn số trường hợp bác bỏ ở các kiểm định dạng chuẩn.
Điều này dường như chủ yếu là do sai lệch sai số. Chúng ta đối phó với vấn đề có thể thay đổi phương sai của sai số này bằng cách sử dụng sai số chuẩn dạng mạnh khi xem xét tác động của biến nước ngoài và dựa trên phân tích hàm phản ứng xung hơn là ước lượng điểm.