VÀ KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM
2.2. THỰC TRẠNG HIỆU QUẢ QUẢN LÝ NGÂN SÁCH NHÀ NƯỚC TỈNH SÓC TRĂNG
2.2.2. Hiệu quả quản lý chi ngân sách nhà nước
2.2.2.4. Chi tiêu ngân sách nhà nước ảnh hưởng đến tăng trưởng kinh tế
Tác giả sử dụng bộ dữ liệu thu thập được trong giai đoạn 2010 - 2014 tại 11 địa phương trên địa bàn tỉnh Sóc Trăng là: thành phố Sóc Trăng, thị xã Ngã Năm, thị xã Vĩnh Châu, huyện Kế Sách, huyện Long Phú, huyện Cù Lao Dung, huyện Mỹ Tú, huyện Châu Thành, huyện Mỹ Xuyên, huyện Thạnh Trị, huyện Trần Đề.
Số liệu được tác giả thu thập từ Cục Thống kê và Sở Tài chính tỉnh Sóc Trăng. Các số liệu được thu thập bao gồm chỉ số giá tiêu dùng, GDP, dân số bình quân hàng năm, chi NSNN trong đó bao gồm số liệu về chi thường xuyên, chi đầu tư phát triển, chi bổ sung ngân sách cấp trên cho ngân sách cấp dưới của 11 địa phương theo năm từ 2010 - 2014.
Phương pháp xử lý
- Thực hiện thống kê mô tả các biến: nhằm tóm tắt đặc điểm của dữ liệu.
- Thực hiện hồi quy mô hình (1): tác giả tiến hành hồi quy mô hình (1) bằng phương pháp Pooled OLS, phương pháp tác động cố định Fixed Effects và phương pháp tác động ngẫu nhiên Random Effects.
Sau đó thực hiện kiểm định (F-test, Wald test, Wooldrige test, Hausman test) để lựa chọn mô hình hồi quy phù hợp cho biến phụ thuộc (mô hình Pooled OLS, REM hay FEM). Cụ thể:
Để lựa chọn giữa mô hình Pooled OLS và mô hình FEM, tác giả thực hiện kiểm định F-test với giả thuyết:
Giả thuyết H0: lựa chọn mô hình Pooled OLS
Giả thuyết H1: lựa chọn mô hình FEM
Để lựa chọn giữa mô hình FEM và mô hình REM, tác giả sử dụng kiểm định Hausman với giả thuyết:
Giả thuyết H0: lựa chọn mô hình REM
Giả thuyết H1: lựa chọn mô hình FEM
Cơ sở đưa ra chấp nhận hoặc bác bỏ giả thuyết H0 trong các kiểm định F-test, Hausman: nếu p-value có giá trị nhỏ hơn 5% thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1. Ngược lại nếu p-value có giá trị lớn hơn 5% thì bác bỏ giả thuyết H1
và chấp nhận giả thuyết H0.
- Kiểm tra khuyết tật của mô hình: được thực hiện sau khi đã lựa chọn được mô hình phù hợp. Cụ thể:
Dùng kiểm định Wald để kiểm định phương sai thay đổi, với giả thuyết sau:
Giả thuyết H0: không có hiện tượng phương sai thay đổi Giả thuyết H1: có hiện tượng phương sai thay đổi
Dùng kiểm định Wooldrige để kiểm định tự tương quan, với giả thuyết sau:
Giả thuyết H0: không có hiện tượng tự tương quan giữa các phần dư
Giả thuyết H1: có hiện tượng tự tương quan giữa các phần dư
Cơ sở đưa ra chấp nhận hoặc bác bỏ giả thuyết của kiểm định Wald, kiểm định Wooldrige là dựa vào kết quả kiểm định mô hình. Nếu p-value của kiểm định Wald (hoặc kiểm định Wooldrige) có giá trị nhỏ hơn 5% thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1. Ngược lại, nếu p-value của kiểm định Wald (hoặc kiểm định Wooldrige) có giá trị lớn hơn 5% thì bác bỏ giả thuyết H1 và chấp nhận giả thuyết H0
Dùng hệ số phóng đại VIF để kiểm định đa cộng tuyến: đa cộng tuyến trong mô hình được đo lường thông qua hệ số VIF. Nếu VIF nhỏ hơn 5 mô hình được cho là không có hiện tượng đa cộng tuyến. Trong trường hợp ngược lại, VIF lớn hơn 5 mô hình được cho là có hiện tượng đa cộng tuyến.
- Khắc phục các khuyết tật: nếu mô hình được chọn có hiện tượng phương sai thay đổi, có hiện tượng tự tương quan hoặc cả phương sai thay đổi và tự tương quan, tác giả sử dụng phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục. Đây là phương pháp ước lượng được sử dụng để khắc phục hiện tượng phương sai thay đổi, hiện tượng tự tương quan trong mô hình. Các ước lượng thu được từ phương pháp bình phương tối thiểu tổng quát khả thi (FGLS) là các ước lượng không chệnh tốt nhất. Cụ thể, phương pháp FGLS sẽ ước tính mô hình theo phương pháp OLS (ngay cả trong trường hợp có sự tồn tại của hiện tượng tự tương quan và phương sai thay đổi). Các sai số được rút ra từ mô hình sẽ được dùng để ước tính ma trận phương sai - hiệp phương sai của sai số. Cuối cùng, sử dụng ma trận này để chuyển đổi các biến ban đầu và ước tính giá trị các tham số cần tìm trong mô hình.
Kết quả nghiên cứu Thống kê mô tả các biến
Sau khi thu thập số liệu của các địa phương trong tỉnh Sóc Trăng giai đoạn 2010 - 2014 từ Sở Tài chính, tác giả sử dụng phần mềm Stata phiên bản 12 để thực hiện thống kê mô tả mẫu dữ liệu. Kết quả thống kê mô tả được trình bày trong bảng dưới đây.
Bảng 2.19: Thống kê mô tả các biến trong mô hình
Biến quan sát Trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất
0.0345091 0.0742583 -0.074 0.253
27.75745 0.4972339 26.7 28.45
0.2318758 0.0561668 0.137589 0.3635369
0.6161212 0.1331832 0.1797714 1.063662
0.084 0.0488611 0.05 0.18
0.2530909 0.1365432 0.103 0.817
Nguồn: Phụ lục 2 Kết quả thống kê mô tả cho thấy, tốc độ tăng GDP bình quân đầu người tại Sóc Trăng trong giai đoạn 2010 - 2014 trung bình đạt 3,45%. Tốc độ thay đổi của chỉ số giá tiêu dùng trung bình trong giai đoạn này là 8,4%.
Tỷ trọng chi tiêu NSNN trên GDP tại Sóc Trăng trong giai đoạn 2010 - 2014 trung bình đạt 25,31%. Trong giai đoạn 2010 - 2014, tỷ trọng chi đầu tư phát triển trong tổng chi đạt trung bình 23,18%. Mặt khác, trong giai đoạn này trung bình số chi bổ sung từ ngân sách cấp trên bằng 61,61% tổng chi của ngân sách cấp dưới.
Điều này cho thấy NSNN tại các địa phương của Sóc Trăng còn phụ thuộc nhiều vào ngân sách cấp trên.
Ma trận hệ số tương quan
Ma trận hệ số tương quan cho chúng ta biết mối quan hệ giữa hai biến trong mô hình. Đầu tiên là giải thích các hệ số tương quan giữa biến phụ thuộc với các biến độc lập trong mô hình. Để kiểm tra có sự tương quan giữa các biến với nhau hay không ta xem xét bảng ma trận hệ số tương quan giữa các biến.
Bảng 2.20: Ma trận hệ số tương quan
1.0000
-0.1679 1.0000
0.2331 -0.2317 1.0000
0.1923 -0.1451 -0.0953 1.0000 0.0806 -0.1204 -0.2887 0.0831 1.0000 0.0399 -0.5948 -0.1678 -0.0240 -0.2002 1.0000
Nguồn: Phụ lục 2 Theo Gujarati (2004), để loại trừ hiện tượng đa cộng tuyến, cần nghiên cứu kỹ hệ số tương quan giữa các biến, nếu chúng vượt quá 0,8 thì mô hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng. Bảng ma trận hệ số tương quan cho thấy hệ số tương quan của các cặp biến độc lập trong mô hình đều nhỏ hơn 0,8. Như vậy, không có mối tương quan đáng kể giữa các biến độc lập trong mô hình.
Để xác định mô hình có hiện tượng đa cộng tuyến hay không. Tác giả kiểm định thông qua hệ số phóng đại VIF. Bảng bên dưới trình bày hệ số VIF của các biến độc lập trong mô hình.
Bảng 2.21: Kiểm định hiện tượng đa cộng tuyến
Biến quan sát Hệ số phóng đại phương sai VIF 2.79
1.84 1.10 1.62 2.72
Nguồn: Phụ lục 3 Hiện tượng đa cộng tuyến trong mô hình được đo lường thông qua hệ số VIF. Trong nghiên cứu thực nghiệm, nếu VIF nhỏ hơn 5, mô hình được cho là
không có hiện tượng đa cộng tuyến. Trong trường hợp ngược lại, VIF lớn hơn 5, mô hình được cho là có hiện tượng đa cộng tuyến.
Bảng kiểm định hiện tượng đa cộng tuyến cho thấy hệ số VIF của các biến độc lập trong mô hình đều nhỏ hơn 5, tức là mô hình không có hiện tượng đa cộng tuyến.
Kết quả hồi quy mô hình
Tác giả tiến hành hồi quy ba mô hình: mô hình Pooled OLS, mô hình FEM, mô hình REM. Bảng sau đây sẽ trình bày kết quả hồi quy biến phụ thuộc gpcit theo sáu biến độc lập lần lượt là lyt, , , pt, tit, tit2.
Bảng 2.22: Kết quả các mô hình hồi quy
Biến độc lập Mô hình Pooled OLS Mô hình FEM Mô hình REM 0.0518665
(0.135)
-0.0513413 (0.189)
-0.021236 (0.534) 0.7524103***
(0.003)
0.273372 (0.209)
0.4046798**
(0.047) 0.1690594**
(0.029)
0.0493042 (0.551)
0.0703889 (0.344) 0.5700954**
(0.032)
0.1502711 (0.464)
0.270576 (0.162) 0.9096928***
(0.009)
0.3478836 (0.135)
0.46599**
(0.041) -0.8204823**
(0.016)
-0.4477533**
(0.032)
-0.5000991**
(0.016)
Hằng số -1.89439 1.302032 0.3872591
Prob 0.0000 0.0000
***prob < 0.01; **prob < 0.05; *prob < 0.1
Nguồn: Phụ lục 4 Kiểm định để lựa chọn mô hình hồi quy gộp (Pooled OLS) và mô hình hồi quy các ảnh hưởng cố định (FEM: Fixed Effect Model)
Để lựa chọn giữa hai mô hình này, tác giả thực hiện kiểm định F-test với giả thuyết:
Giả thuyết H0: lựa chọn mô hình Pooled OLS Giả thuyết H1: lựa chọn mô hình FEM
Cơ sở đưa ra chấp nhận hoặc bác bỏ giả thuyết. Nếu p-value của mô hình FEM có giá trị nhỏ hơn 5% thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1. Ngược lại nếu p-value của mô hình FEM có giá trị lớn hơn 5% thì bác bỏ giả thuyết H1 và chấp nhận giả thuyết H0.
Dựa vào bảng kết quả các mô hình hồi quy, ta thấy p-value = 0,0000 nhỏ hơn 5% nên bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1. Như vậy, với mức ý nghĩa 5% mô hình FEM phù hợp với dữ liệu mẫu hơn mô hình Pooled OLS.
Kiểm định để lựa chọn mô hình hồi quy các ảnh hưởng cố định (FEM: Fixed Effect Model) và mô hình hồi quy các ảnh hưởng ngẫu nhiên (REM: Random Effect Model)
Để lựa chọn giữa mô hình FEM và mô hình REM, tác giả sử dụng kiểm định Hausman với giả thuyết:
Giả thuyết H0: lựa chọn mô hình REM Giả thuyết H1: lựa chọn mô hình FEM
Cơ sở đưa ra chấp nhận hoặc bác bỏ giả thuyết. Dựa vào kết quả kiểm định Hausman, nếu p-value của kiểm định Hausman có giá trị nhỏ hơn 5% thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1. Ngược lại, nếu p-value của kiểm định Hausman có giá trị lớn hơn 5% thì bác bỏ giả thuyết H1 và chấp nhận giả thuyết H0.
Bảng 2.23: Kiểm định Hausman
Chi2(4) 4.73 Prob > Chi2 0.5795
Nguồn: Phụ lục 5 Dựa vào bảng kiểm định Hausman, ta thấy kết quả p-value = 0.5795 lớn hơn 5% nên giả thuyết H1 bị bác bỏ. Điều này cho thấy mô hình REM phù hợp với mẫu dữ liệu hơn so với mô hình FEM.
Tác giả tiếp tục thực hiện kiểm định cần thiết về tự tương quan giữa các phần dư trong mô hình REM được chọn.
Kiểm định hiện tượng phương sai thay đổi trong mô hình lựa chọn REM
Để thực hiện kiểm định phương sai thay đổi tác giả dùng kiểm định Wald với giả thuyết sau:
Giả thuyết H0: không có hiện tượng phương sai thay đổi
Giả thuyết H1: có hiện tượng phương sai thay đổi
Cơ sở đưa ra chấp nhận hoặc bác bỏ giả thuyết là dựa vào kết quả kiểm định Wald. Nếu p-value của kiểm định Wald hiệu chỉnh có giá trị nhỏ hơn 5% thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1. Ngược lại, nếu p-value của kiểm định Wald có giá trị lớn hơn 5% thì bác bỏ giả thuyết H1 và chấp nhận giả thuyết H0.
Bảng 2.24: Kiểm định Wald
Chi2(1) 36.52 Prob > Chi2 0.0000
Nguồn: Phụ lục 5 Dựa vào kết quả kiểm định ta thấy, kết quả p-value = 0.0000 nhỏ hơn 5%, bác bỏ giả thuyết H0 ở mức ý nghĩa 5%. Điều này cho thấy có hiện tượng phương sai thay đổi trong mô hình.
Kiểm định tự tương quan giữa các phần dư
Để thực hiện kiểm định tự tương quan trong mô hình, tác giả sử dụng kiểm định Wooldrige với giả thuyết:
Giả thuyết H0: không có hiện tượng tự tương quan giữa các phần dư Giả thuyết H1: có hiện tượng tự tương quan giữa các phần dư
Cơ sở đưa ra chấp nhận hoặc bác bỏ giả thuyết là dựa vào kết quả kiểm định Wooldrige. Nếu p-value của kiểm định Wooldrige có giá trị nhỏ hơn 5% thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1. Ngược lại, nếu p-value của kiểm định Wooldrige có giá trị lớn hơn 5% thì bác bỏ giả thuyết H1 và chấp nhận giả thuyết H0
Bảng 2.25: Kiểm định Wooldrige
Nguồn: Phụ lục 5 Dựa vào kết quả kiểm định ta thấy, kết quả p-value = 0.7692 lớn hơn 5%, bác bỏ giả thuyết H1 ở mức ý nghĩa 5%. Điều này cho thấy không có hiện tượng tự tương quan giữa các phần dư.
Như vậy, trong mô hình REM được lựa chọn có tồn tại hiện tượng phương sai thay đổi. Để khắc phục hiện tượng này, tác giả sử dụng ước lượng bình phương tối thiểu tổng quát khả thi (FGLS - Feasible Generalized Least Squares) với mô hình có hiện tượng phương sai thay đổi.
F(1,10) 0.091 Prob > F 0.7692
Bảng 2.26: Kết quả ước lượng mô hình
bằng phương pháp bình phương tối thiểu tổng quát khả thi (FGLS)
Biến độc lập Hệ số hồi quy Sai số chuẩn Thống kê Z P-value
0.0070258 0.019863 0.35 0.724
0.7162272 0.1453093 4.93 0.000
0.1283928 0.042365 3.03 0.002
0.4792084 0.1530206 3.13 0.002
0.5690823 0.2222774 2.56 0.010
-0.5380504 0.2358199 -2.28 0.023 Hằng số -0.5592563 0.6166043 -0.91 0.364
Nguồn: Phụ lục 6 Việc kiểm định hệ số hồi quy của các biến trong mô hình thông qua giả thiết:
H0: H1:
Nếu các hệ số hồi quy có giá trị sig. < mức ý nghĩa thì ta chấp nhận giả thiết H1, tức là hệ số hồi quy của các biến độc lập khác không có ý nghĩa thống kê, hay nói cách khác các biến độc lập có ảnh hưởng đến biến phụ thuộc.
Từ kết quả mô hình ta thấy hệ số hồi quy của các biến độc lập , , pt, , tit2đều có giá trị Sig. < 0.05 tức là các hệ số hồi quy này khác không có ý nghĩa thống kê hay nói cách khác chi đầu tư phát triển, chi thường xuyên (dĩ nhiên là có ảnh hưởng đến biến phụ thuộc do tổng của tỷ trọng chi đầu tư phát triển và tỷ trọng chi thường xuyên bằng 1), bổ sung từ ngân sách cấp trên trong tổng chi của địa phương, tốc độ thay đổi chỉ số giá trong nước, chi tiêu NSNN trên GDP có ảnh hưởng đến GDP bình quân đầu người.
Tiếp theo tác giả tiến hành hồi quy mô hình với biến trễ gpcit (-1). Để khắc phục hiện tượng này, tác giả sử dụng ước lượng bình phương tối thiểu tổng quát khả
thi (FGLS - Feasible Generalized Least Squares) với mô hình có hiện tượng phương sai thay đổi.
Bảng 2.27: Kết quả ước lượng mô hình với biến trễ
bằng phương pháp bình phương tối thiểu tổng quát khả thi (FGLS)
Biến độc lập Hệ số hồi quy Sai số chuẩn Thống kê Z P-value
(-1) 0.7847189 0.0745344 10.53 0.000
0.0495098 0.0174506 2.84 0.005 0.2934661 0.1500465 1.96 0.050 0.1101819 0.0406983 2.71 0.007 0.2512383 0.1350925 1.86 0.063 0.6267428 0.2067379 3.03 0.002 -0.5593502 0.2277989 -2.46 0.014
Hằng số -1.649719 0.5418248 -3.04 0.002
Nguồn: Phụ lục 7 Việc kiểm định hệ số hồi quy của các biến trong mô hình thông qua giả thiết:
H0: H1:
Nếu các hệ số hồi quy có giá trị sig. < mức ý nghĩa thì ta chấp nhận giả thiết H1, tức là hệ số hồi quy của các biến độc lập khác không có ý nghĩa thống kê, hay nói cách khác các biến độc lập có ảnh hưởng đến biến phụ thuộc.
Từ kết quả mô hình ta thấy hệ số hồi quy của các biến độc lập (-1), , , , , tit2đều có giá trị Sig. < 0.05 tức là các hệ số hồi quy này khác không có ý nghĩa thống kê hay nói cách khác GDP bình quân đầu người trong quá khứ, chi đầu tư phát triển, chi thường xuyên (dĩ nhiên là có ảnh hưởng đến biến phụ thuộc do tổng của tỷ trọng chi đầu tư phát triển và tỷ trọng chi thường xuyên bằng 1), bổ sung từ ngân sách cấp trên trong tổng chi của địa phương, tốc độ thay đổi chỉ số giá trong nước, chi tiêu NSNN trên GDP có ảnh hưởng đến GDP bình quân đầu người.