Mô hình nghiên cứu và phương pháp nghiên cứu

VÀ PHƯƠNG PHÁP NGHIÊN CỨU

3.2 Mô hình nghiên cứu và phương pháp nghiên cứu

Để hoàn thành được mục tiêu nghiên cứu của luận án, đề tài sẽ phải tiến hành phân tích và thực hiện được hai nội dung sau:

 Đánh giá thực nghiệm mối quan hệ giữa nợ công và lạm phát cho các nước đang phát triển trong mô hình nghiên cứu.

 Đánh giá thực nghiệm tác động của nợ công, lạm phát, và tương tác của chúng lên tăng trưởng kinh tế ở các nước này.

Việc đánh giá này được thực hiện cho các mẫu nghiên cứu sau: mẫu tổng thể (60 quốc gia đang phát triển) và hai mẫu phụ Châu Á (22 quốc gia) và Châu Phi (27 quốc gia).

3.2.1 Mối quan hệ giữa nợ công và lạm phát

Trước khi đánh giá thực nghiệm mối quan hệ giữa nợ công và lạm phát, đề tài cần phải xác định được mối quan hệ nhân quả Granger giữa hai biến này. Theo đó, trước tiên đề tài sẽ kiểm định tính đồng liên kết giữa hai biến nợ công và lạm phát

bằng kiểm định đồng liên kết của Westerlund (2007). Quá trình kiểm định đồng liên kết sẽ giúp xác định luôn cả độ trễ thích hợp mà qua đó hai biến có tính đồng liên kết tốt nhất. Sau đó, dựa trên phương pháp được đề xuất bởi Hurlin & Venet (2001), đề tài sử dụng mô hình mở rộng thay vì mô hinh thu gọn (mô hình mở rộng sử dụng cả các biến trễ của biến phụ thuộc như là biến giải thích trong khi mô hình thu gọn thì không) cho kiểm định mối quan hệ nhân quả Granger với dữ liệu bảng không đồng nhất như sau:

𝐼𝑁𝐹𝑖𝑡 = 𝛼𝑖𝑡 + ∑ 𝐼𝑁𝐹𝑖𝑡−𝑘

𝑛

𝑘=1

+ ∑ 𝐷𝐸𝐵𝑖𝑡−𝑝

𝑚

𝑝=0

+ 𝜂𝑖+ 𝜉𝑖𝑡 (3.9)

𝐷𝐸𝐵𝑖𝑡 = 𝛼𝑖𝑡 + ∑ 𝐷𝐸𝐵𝑖𝑡−𝑘

𝑛

𝑘=1

+ ∑ 𝐼𝑁𝐹𝑖𝑡−𝑝

𝑚

𝑝=0

+ 𝜂𝑖+ 𝜉𝑖𝑡 (3.10)

Độ trễ k và p sẽ được xác định thông qua giá trị biến trễ thích hợp được xác định trong quá trình kiểm định liên kết của Westerlund (2007).

Để đánh giá thực nghiệm mối quan hệ giữa nợ công và lạm phát cho một mẫu dữ liệu gồm 60 quốc gia đang phát triển (22 ở Châu Á, 11 ở Mỹ Latin, và 27 ở Châu Phi) trong giai đoạn 1990 – 2014, đề tài đề xuất hai phương trình thực nghiệm như sau:

∆𝐼𝑁𝐹𝑖𝑡 = 𝛼𝑖𝑡+ 𝛽0𝐼𝑁𝐹𝑖𝑡−1+ 𝛽1𝐷𝐸𝐵𝑖𝑡 + 𝑍𝑖𝑡𝛽′2+ 𝜂𝑖 + 𝜉𝑖𝑡 (3.11)

∆𝐷𝐸𝐵𝑖𝑡 = 𝛼𝑖𝑡+ 𝛽0𝐷𝐸𝐵𝑖𝑡−1+ 𝛽1𝐼𝑁𝐹𝑖𝑡+ 𝑍𝑖𝑡𝛽′2+ 𝜂𝑖+ 𝜉𝑖𝑡 (3.12)

Với ηi ~ iid(0, ση); ζit ~ iid(0, σζ); E(ηi ζit) = 0. Biến INF là lạm phát và DEB là nợ công; Zit là tập các biến kiểm soát; ηi là tác động cố định có đặc tính quốc gia, bất biến theo thời gian, không quan sát được và ζit là đại lượng sai số.

Phương trình (3.11) là mô hình động. ΔINFit = INFit – INFit-1 là sai phân bậc nhất của INF, đại diện cho tốc độ gia tăng của lạm phát. Biến INFit-1 bên phải của phương trình đại diện cho mức lạm phát ban đầu. Tương tự, trong (3.12), ΔDEBit =

DEBit – DEBit-1 là sai phân bậc nhất của DEB, đại diện cho tốc độ gia tăng của nợ công và DEBit-1 ở vế phải của phương trình đại diện cho mức nợ công ban đầu.

Tập các biến Zit bao gồm các yếu tố có tác động lên lạm phát/nợ công: GDP bình quân đầu người thực, đầu tư tư nhân, lực lượng lao động, thu ngân sách chính phủ, cơ sở hạ tầng và độ mở thương mại.

3.2.2 Tác động của nợ công, lạm phát, và tương tác của chúng lên tăng trưởng Để đánh giá thực nghiệm tác động của nợ công, lạm phát, và tương tác của chúng lên tăng trưởng kinh tế cho mẫu dữ liệu gồm 60 quốc gia đang phát triển (22 ở Châu Á, 11 ở Mỹ Latin, và 27 ở Châu Phi) trong giai đoạn 1990 – 2014, dựa trên khung phân tích của mô hình, phương trình thực nghiệm được thể hiện như sau:

𝑌𝑖𝑡 − 𝑌𝑖𝑡−1 = 𝛼𝑖𝑡+ 𝛽0𝑌𝑖𝑡−1+ 𝑋𝑖𝑡𝛽1′ + 𝑍𝑖𝑡𝛽2′ + 𝜂𝑖+ 𝜉𝑖𝑡 (3.13)

Với ηi ~ iid(0, ση); ζit ~ iid(0, σζ); E(ηi ζit) = 0. Biến Yit là GDP bình quân đầu người thực; Xit là các biến quan tâm; Zit là các biến kiểm soát; ηi là tác động cố định có đặc tính quốc gia, bất biến theo thời gian, không quan sát được và ζit là đại lượng sai số.

Các biến quan tâm chính Xit là nợ công, lạm phát, và tương tác của chúng (nợ công*lạm phát). Nợ công được sử dụng trong mô hình nghiên cứu là nợ công tích lũy và bao gồm cả nợ trong nước lẫn nợ nước ngoài.

Mặc dù không đề cập đến biến tương tác như một biến độc lập nhưng nghiên cứu của Akitoby et al. (2014) cũng chỉ ra ảnh hưởng của tương tác này lên giá trị thực của nợ công và lãi suất vay nợ và từ đó lên tăng trưởng kinh tế xuất phát từ cú shock lạm phát cao (đọc thêm ở trang 2 – Phần Mở đầu). Ngoài ra, việc đưa biến tương tác vào trong mô hình nghiên cứu ở luận án này còn xuất phát từ những lý do như sau. Giữa nợ công và lạm phát có một mối quan hệ nhất định (mục 1.1.3 ở Chương 1). Một cú shock của nợ công hoặc lạm phát đưa đến tác động trực tiếp lên tăng trưởng kinh tế; đồng thời cú shock này có tác động đến biến còn lại (ví dụ cú shock của nợ công đưa đến cú shock của lạm phát và ngược lại), và điều này tạo nên tác động gián tiếp lên tăng trưởng. Như vậy biến tương tác chính là cách đo

lường tác động gián tiếp của nợ công hoặc lạm phát hoặc cả hai lên tăng trưởng kinh tế.

Tập các biến kiểm soát Zit bao gồm đầu tư tư nhân, lực lượng lao động, thu ngân sách chính phủ, cơ sở hạ tầng và độ mở thương mại.

Phương trình (3.13) cũng là mô hình động. dY = Yit – Yit-1 là sai phân bậc nhất của Y, đại diện cho tốc độ tăng trưởng kinh tế. Biến Yit-1 ở vế phải của phương trình đại diện cho thu nhập ban đầu.

3.2.3 Phương pháp ước lượng sai phân dữ liệu bảng Arellano-Bond

Có nhiều vấn đề nghiêm trọng về kinh tế lượng từ việc ước lượng các phương trình thực nghiệm (3.11), (3.12), (3.13) như sau:

(1) Theo các lý thuyết về tăng trưởng, đầu tư tư nhân và lực lượng lao động là các biến nội sinh. Vì thế, các biến nội sinh này có thể tương quan với đại lượng sai số, đưa đến hiện tượng nội sinh.

(2) Các đặc tính quốc gia, bất biến theo thời gian (các tác động cố định) như là địa lý và nhân chủng học, có thể tương quan với các biến giải thích. Các tác động cố định này hiện diện trong đại lượng sai số ηi của các phương trình thực nghiệm.

(3) Sự hiện diện của biến trễ của biến phụ thuộc Yit-1 đưa đến khả năng tự tương quan cao.

(4) Dữ liệu bảng có thời gian quan sát ngắn (T = 15.7) và số lượng các đơn vị bảng (các quốc gia) lớn (N = 60).

Tất cả 4 vấn đề trên có thể khiến hồi qui OLS không nhất quán và ước lượng bị chệch. Theo đó, các phương pháp ước lượng fixed effects và random effects không xử lí được vấn đề nội sinh và tự tương quan chuỗi, đặc biệt là phương sai sai số đồng nhất (xem phần phục lục D trang 147) trong khi đó phương pháp ARDL (Autoregressive distributed lags) cho dữ liệu bảng với đại diện là PMG (Pool Mean Group) và MG (Mean Group) đòi hỏi thời gian của bộ dữ liệu phải tương đối dài để có thể đánh giá các tác động của các biến giải thích cả trong ngắn hạn lẫn dài hạn.

Ngoài ra, phương pháp ước lượng hai giai đoạn (IV-2SLS, có khả năng xử lí nội sinh) không thể dùng được trong trường hợp này vì đòi hỏi phải tìm được một số biến công cụ phù hợp (nằm ngoài các biến kiểm soát của mô hình). Đặc biệt, thông qua cách tiếp cận Monte Carlo, Judson & Owen (1999) so sánh về mức độ bị chệch giữa các phương pháp ước lượng như OLS, LSDV (least squares dummy variable), LSDV hiệu chỉnh, ước lượng Anderson–Hsiao, ước lượng GMM Arellano-Bond one-step và two-step cho bộ dữ liệu bảng cân bằng và không cân bằng. Trong phần kết luận, Judson & Owen (1999) đề nghị tốt nhất nên sử dụng phương pháp ước lượng GMM Arellano-Bond one-step cho cho bộ dữ liệu bảng không cân bằng với khoảng thời gian T = 20. Vì thế, đề tài quyết định sử dụng phương pháp ước lượng này (GMM sai phân Arellano-Bond, 1991) được đề xuất đầu tiên bởi Holtz-Eakin et al. (1988). Ước lượng GMM Arellano – Bond one-step được thiết kế cho các bảng động có “T nhỏ và N lớn” (Judson & Owen, 1999, Roodman, 2006). Trong thủ tục GMM, cần phải phân biệt được các biến được công cụ và công cụ. Các biến nội sinh được đưa vào nhóm các biến được công cụ bằng độ trễ của các biến này (Judson & Owen, 1999). Các biến ngoại sinh cũng như các biến phụ được đưa vào nhóm các biến công cụ và hiện diện ở thủ tục IV. Với các biến ngoại sinh, biến gốc và biến trễ của chúng là những biến công cụ phù hợp (Judson & Owen, 1999).

Tính phù hợp của các biến công cụ trong ước lượng GMM được đánh giá thông qua thống kê Sargan và thống kê Arellano-Bond. Kiểm định Sargan với giả thuyết null H0: biến công cụ ngoại sinh, điều này có nghĩa nó là không tương quan với các sai số. Vì thế, p-value của thống kê Sargan càng lớn càng tốt. Kiểm định Arellano- Bond được dùng để phát hiện tính tự tương quan của các sai số ở sai phân bậc nhất.

Vì thế, kết quả kiểm định sai phân bậc nhất của các sai số AR(1) được bỏ qua trong khi tính tự tương quan bậc hai AR(2) được kiểm định dựa trên các chuỗi sai phân bậc nhất của sai số để phát hiện hiện tượng tự tương quan bậc nhất của các sai số AR(1).