3. Mô hình và số liệu nghiên cứu:
3.3 Phương pháp nghiên cứu:
Để ước lượng tác động của mở cửa thương mại đến tăng trưởng kinh tế kết hợp với các biến giải thích gồm dân số, lạm phát, vốn đầu tư trực tiếp nước ngoài và vốn đầu tư cố định trong nước, phương pháp vector tự hồi quy (VAR), hàm phản ứng xung và kỹ thuật phân rã phương sai kiểm tra mối quan hệ nhận quả giữa các biến. Hai lợi thế cơ bản của phương pháp Var: Thứ nhất, VAR tương tự mô hình hệ phương trình đồng thời trong đó tất cả các biến được coi là nội sinh. Tuy nhiên, mỗi biến nội sinh được giải thích bởi giá trị trễ của nó và giá trị trễ của các biến nội sinh khác đưa vào mô hình. Thứ hai, các phương pháp VAR có thể phù hợp với mối quan hệ năng động chung giữa các biến số kinh tế
Phương trình VAR:
∆ = + Γ ∆ + (2)
Trong đó, ∆ đại diện cho chuỗi lấy sai phân∆ = − , ∆
= − ,....
là một vector của sáu biến nội sinh (lần lượt là lnGDPt, lnOPENNESSt, lnPOPt , lnINFLATIONt , lnFDIt , lnKt), Γ là một ma trận với những thông số của VAR với độ trễ i và là một ma trận hệ số có chứa các thông tin về quan hệ lâu dài của các biến trong vector.
Quy trình ước lượng mô hình VAR:
Kiểm định nghiệm đơn vị:
Để tránh hồi quy giả mạo các chuỗi số liệu trong mô hình Var phải đảm bảo tính dừng (Granger và Newbold, 1974, Granger, 1981), bài nghiên cứu sử dụng sử dụng kiểm định Augmented Dickey Fuller (ADF) ( Dickey và Fuller 1979) về kiểm định tính dừng. Nếu trong trường hợp các biến này chưa dừng thì ta phải lấy sai phân để đảm bảo chuỗi dừng
Xác định độ trễ tối ưu:
Một yếu tố quan trọng trong các đặc điểm kỹ thuật của mô hình VAR là việc xác định độ dài trễ của VAR. Có một số tiêu chuẩn để tìm độ trễ phù hợp nhất với sự đánh đổi giữa mức độ phù hợp hơn, phần dư nhỏ hơn và giảm bậc tự do vì số tham số cần ước lượng. Độ trễ phù hợp được lựa chọn dựa vào tiêu chuẩn Akaike Information Criterion (AIC) và SBIC (Schwarz Criterion). Độ trễ tối ưu nhất là độ trễ mà tại đó AIC và SBIC nhỏ nhất và tổng bình phương sai số tổng thể nhỏ nhất.
Kiểm định quan hệ nhân quả Granger:
Kiểm định Granger được sử dụng trong nghiên cứu nhằm xác định mối quan hệ nhận quả giữa từng cặp biến giữa biến GDP thực (lngdp) với từng biến độc lập bao gồm độ mở thương mại (lnopenness), dân số
(lnpop), lạm phát (lninflation), vốn đầu tư trực tiếp nước ngoài (lnfdi) , vốn đầu tư cố định trong nước (lnk)
Phương trình hồi quy trong kiểm định Granger có dạng:
= + + +
= + + +
Nếu δl khác không và có ý nghĩa thống kê, nhưng ρl không có ý nghĩa thì chúng ta kết luận rằng sự biến động của X là nguyên nhân gây ra sự biến động của Y
Nếu δl không có ý nghĩa thống kê, nhưng ρl khác không và có ý nghĩa thống kê, thì chúng ta kết luận rằng X chịu ảnh hưởng bởi sự thay đổi của Y
Nếu cả δl và ρl đều khác không và có ý nghĩa thống kê thì chúng ta kết luận rằng X và Y tác động qua lại lẫn nhau
Nếu cả δl và ρl đều không có ý nghĩa thống kê thì chúng ta kết luận rằng X và Y độc lập với nhau.
Kỹ thuật phân rã phương sai (Variance Decomposition Technique)
Bài nghiên cứu sử dụng kỹ thuật phân rã phương sai được đưa ra bởi Enders (1995) để phân tách sự biến động của tăng trưởng kinh tế, GDP thực, bao nhiêu phần trăm là do bản thân biến GDP thực và bao nhiêu phần trăm do các biến khác trong mô hình bao gồm độ mở thương mại (openness), dân số (pop), lạm phát (inflation), vốn đầu tư trực tiếp nước ngoài (fdi) , vốn đầu tư cố định trong nước (k).
Hàm phản ứng xung (Impulse response Function – IRF)
Hàm phản ứng xung cho biết phản ứng động của tất cả các biến trong mô hình đối với sự biến động của mỗi biến