Kiểm định nghiệm đơn vị được sử dụng để kiểm định tính dừng của chuỗi dữ
liệu. Nếu chúng ta ước lượng mô hình có chuỗi dữ liệu của các biến độc lập không dừng sẽ tạo ra hồi quy giả mạo và làm sai lệch kết quả mô hình. Dickey - Fuller đưa ra phương trình kiểm định có dạng như sau: ∆y୲ = β+βଵy୲ିଵ + βଶt + Aଵ ୀଵ ∆୷ିଵ + Z୲ (13) Trong đó:
yt là vecto cho tất cả các biến chuỗi thời gian trong mô hình hồi quy. t là biến xu hướng.
∆ là sai phân cấp 1. Zt sai số.
p là độ dài trễ tối ưu của mỗi biến được chọn tự động bằng phần mềm E – view theo tiêu chuẩn Schwarz Information Criteria (SIC), như vậy sai phân bậc 1 tạo tạo nhiễu trắng Zt.
Giả thuyết của kiểm định như sau:
H0: β1 = 0, nghĩa là Xt là bước ngẫu nhiên (chuỗi không dừng) và do đó có
kết hợp bậc 1 hay I(1)
H1: β1 < 0, nghĩa là Xt là chuỗi dừng, I(0)
tβ =Se(ββ)
Nếu giá trị thống kê tính được nhỏ hơn giá trị tới hạn (tβ < t) thì giả thuyết H0: y có kết hợp bậc 1: I(1) bị bác bỏ, chuỗi dừng.
Trong kiểm định ADF, giá trị kiểm định ADF không theo phân phối chuẩn, vì vậy giá trị tới hạn được dựa trên bảng giá trị tính sẵn của Mackinnon (1991). So sánh giá trị kiểm định ADF với giá trị tới hạn của Mackinnon chúng ta sẽ có được kết luận về tính dừng cho các chuỗi quan sát.
3.4.2.Kiểm định đồng liên kết Johansen
Sau khi kiểm định tính dừng của tất cả các biến số chuỗi thời gian trong mô hình, tác giả sẽ kiểm định đồng liên kết giữa các biến số. Kiểm định này nhằm mục
đích để xác định xem nhóm các chuỗi không dừng có đồng liên kết hay không. Theo Engle và Granger (1987) cho rằng nếu kết hợp các chuỗi thời gian không dừng có thể là một chuỗi dừng và các chuỗi thời gian không dừng đó được cho là
đồng liên kết. Kết hợp tuyến tính dừng được gọi là phương trình đồng liên kết và có thể được giải thích như mối quan hệ cân bằng dài hạn giữa các biến trong mô hình.
Có hai dạng kiểm định Johansen là Trace test và Eigenvalue test:
+ Trace test – H0: Con số vector đồng liên kết trong hệ thống là r, nhỏ hơn hoặc bằng r0 với r0 < p (p là số biến trong hệ thống); H1: ma trận tác động là đồng bộ. Nếu trace test < crtical value thì chấp nhận Ho (không đồng liên kết) và ngược lại.
+ Eigenvalue test xem xét giả thuyết H0 là có r0 véctơ đồng liên kết với giả
thuyết H1 là có r0 +1 véc tơ đồng liên kết.
Mặc khác, nếu các biến được có bậc liên kết khác nhau, thì phải làm cho các biến này cùng bậc thông qua sai phân trước khi xác định số lượng vecto đồng liên kết. Ví dụ, có vài biến bậc là I(1), vài biến khác là I(2), chúng ta có thể sai phân bậc 1 với các biến có I(2) để đưa chúng thành I(1), rồi sau đó kiểm tra số lượng vecto đồng liên kết. Nếu vài biến (trừ biến phụ thuộc) có bậc I(0), vài biến I(1) thì bỏ qua biến I(0) trong khi tiến hành kiểm định đồng liên kết (Johansen-Juselius (1990, 1992, 1994)). Trong trường hợp chính biến phụ thuộc có bậc I(0), bất kể
bậc sai phân của các biến khác, chúng ta không thể tiến hành phân tích đồng liên kết, điều đó có nghĩa không tồn tại mối quan hệ dài hạn giữa các biến. Trong trường hợp này có thể áp dụng OLS sau khi sai phân biến bậc I(1). Nếu các biến
đồng liên kết, sẽ ước lượng mô hình hiệu chỉnh sai số sử dụng phương pháp standard và kiểm định diagnostic. Các nhà nghiên cứu sẽ tính cả biến I(0) (đã được bỏ qua trong các kiểm định đồng liên kết) trong khi ước lượng mô hình vector hiệu chỉnh sai số (VECM).
3.4.3.Mô hình vector hiệu chỉnh sai số VECM
Yêu cầu đặt ra khi hồi quy mô hình với các biến là chuỗi thời gian là các chuỗi này phải dừng. Nếu chuỗi chưa dừng thì ta dùng kĩ thuật sai phân đến khi có
được chuỗi dừng. Tuy nhiên, khi hồi quy giá trị sau khi đã sai phân, ta có thể bỏ
sót những thông tin dài hạn trong mối quan hệ giữa các biến. Chính vì vậy, ta phải thêm phần dư E. Với mô hình 2 biến Y1 và Y2:
Số hạng βଷE୲ିଵ là phần mất cân bằng ECM. ECM là số hạng hiệu chỉnh sai số (phần dư có được từ ước lượng phương trình 14), đo lường mức độ mất cân bằng của kì trước. Kết quả ước lượng mô hình của Bannerjee và cộng sự (1998) có ý nghĩa thống kê cao chứng tỏ giữa các biến có mối quan hệ ổn định trong dài hạn. Mô hình trên được gọi là mô hình hiệu chỉnh sai số VECM. Đó là mô hình ước lượng sự phụ thuộc của mức thay đổi của Y1 vào mức thay đổi của Y2 và mức mất cân bằng ở thời kỳ trước.
Mô hình VECM dạng tổng quát:
∆X୲ = ΠX୲ିଵ + Γଵ∆X୲ିଵ + … . +Γ୮ିଵ∆X୲ି୮ାଵ+ U୲ (15) Trong đó ∆Xt là một vector của n biến khác nhau.
Kết luận chương 3
Chương 3 trình bày phương pháp nghiên cứu, nguồn dữ liệu và mô hình
được sử dụng trong nghiên cứu này. Trước tiên tác giả sử dụng phương pháp kiểm
định nghiệm đơn vị để xác định tính dừng của chuỗi số liệu. Sau đó, kiểm định
đồng liên kết Johansen được sử dụng để xác định có tồn tại mối quan hệ giữa các biến trong dài hạn. Ước lượng mô hình VECM để xem xét mối quan hệ cân bằng trong dài hạn giữa các biến và quá trình điều chỉnh về trạng thái cân bằng giữa các biến trong mô hình nhanh hay chậm. Dữ liệu được sử dụng trong bài nghiên cứu là dữ liệu thứ cấp lấy theo năm từ 1985 – 2012. Dữ liệu được thu thập từ các trang web của WB, IMF, tổng cục thống kê, tổ chức hợp tác và phát triển quốc tế. Sau khi thu thập dữ liệu, tác giả đưa ra mô hình nghiên cứu được thể hiện dưới dạng phương trình về sự phụ thuộc giữa biến độc lập và các biến phụ thuộc. Trong đó, biến phụ thuộc đại diện cho tăng trưởng kinh tế là GDP thực bình quân đầu người,
biến độc lập là các nhân tố vĩ mô chủ yếu gồm: vốn vật chất (K), nguồn lao động (L), vốn đầu tư nước ngoài (FDI), viện trợ nước ngoài (AID), lạm phát (INF).
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Trước khi đi vào ước lượng mô hình nghiên cứu, tác giả tiến hành kiểm định nghiệm đơn vị đối với các biến trong mô hình theo phương pháp kiểm định tính dừng ADF. Sau đó sử dụng phương pháp đồng liên kết Johansen để xem xét mối quan hệ dài hạn giữa các biến. Từ kết quả kiểm định đồng liên kết Johansen tác giả ước lượng mô hình vector hiệu chỉnh sai số (VECM) để xác định mức độ tác động trong dài hạn và quá trình điều chỉnh trong ngắn hạn để trở về trạng thái cân bằng trong dài hạn giữa các biến tới tăng trưởng kinh tế.
4.1.Kết quả kiểm định nghiệm đơn vị
Các thuộc tính chuỗi thời gian của biến đã được khảo sát để xác định bậc liên kết của mỗi biến trong mô hình. Với dữ liệu là chuỗi thời gian, trước hết các nhà nghiên cứu cần kiểm định nghiệm đơn vị trước khi ước lượng bất kỳ phương trình nào. Nếu nghiệm đơn vị tồn tại thì chuỗi là không dừng. Ước lượng trên chuỗi không dừng có thể dẫn đến kết quả giả mạo với R2 cao nhưng kết quả không có ý nghĩa thống kê. Để kiểm định nghiệm đơn vị phương pháp kiểm định tính dừng Argument Dicky Fuller (ADF) được sử dụng với giả thuyết kiểm định như
sau:
H0: Tồn tại nghiệm đơn vị hay chuỗi không dừng
H1: Không tồn tại nghiệm đơn vị hay chuỗi dừng.
Bảng 4.1: Kết quả kiểm định nghiệm đơn vị
Các biến
Tại mức Sai phân bậc 1
Kết luận Thống kê t Xác suất Thống kê t Xác suất LNRPCGDP -3.021789 0.1470 -2.919987*** 0.0567 I(1) K -0.171926 0.9904 -5.114624*,**,*** 0.0018 I(1) L -0.495037 0.8753 -2.866541*** 0.0649 I(1) FDI -1.751583 0.6997 -4.612611*,**,*** 0.0056 I(1) AID -3.078132 0.1313 -5.913538*,**,*** 0.0003 I(1) INF -0.664620 0.4176 -8.307656*,**,*** 0.0000 I(1) GE -2.820020 0.2036 -4.34749**,*** 0.0111 I(1)
Với *,**,*** là bác bỏ giả thiết ở mức ý nghĩa tương ứng 1%, 5%, 10%.
Kết quả kiểm định nghiệm đơn vị bằng phương pháp ADF cho thấy tất cả
các biến: LNRPCGDP, K, L, FDI, AID, INF, GE đều không dừng ở chuỗi gốc I(0), nhưng đều dừng sau khi sai phân bậc 1, I(1). Kết quả này phù hợp với các nghiên cứu trên thế giới về kiểm định nghiệm đơn vị các biến kinh tế.
4.2.Kết quả kiểm định đồng liên kết Johansen
Sau kiểm định nghiệm đơn vị, tất cả các biến trong mô hình đều dừng sau khi sai phân bậc 1. Tác giả sử dụng phương pháp kiểm định đồng liên kết Johansen
để xem xét liệu có nhiều hơn một mối quan hệ đồng liên kết giữa các biến số hay không? Trước khi tiến hành kiểm định này tác giả lựa chọn độ trễ tối ưu cho mô hình bằng phương pháp VAR cho kết quả:
Bảng 4.2: Lựa chọn độ trễ tối ưu cho các biến trong mô hình
Lag LogL LR FPE AIC SC HQ
0 -219.3573 NA 0.172690 18.10858 18.44987 18.20324
1 -114.7180 142.3094 0.002371 13.65744 16.38772 14.41470
2 5.594852 96.25025* 2.47e-05* 7.952412* 13.07169* 9.372282*
Như vậy độ trễ được chọn là 2 năm theo các tiêu chuẩn lựa chọn độ trễ: LR, FPE, AIC, SC và HQ.
Kết quả kiểm định Johansen như sau:
Bảng 4.3: Kết quả kiểm định đồng liên kết Johansen
Kiểm định Trace Kiểm định Max -Eigenvalue
Giả thuyết không Thống kê Trace Trị kiểm định 5% Xác suất Giả thuyết không Thống kê Trace Trị kiểm định 5% Xác suất None * 343.6496 134.6780 0.0000 None * 130.5283 47.07897 0.0000 At most 1 * 213.1213 103.8473 0.0000 At most 1 * 85.89248 40.95680 0.0000 At most 2 * 127.2288 76.97277 0.0000 At most 2 * 43.21916 34.80587 0.0040 At most 3 * 84.00966 54.07904 0.0000 At most 3 * 34.83384 28.58808 0.0069 At most 4 * 49.17582 35.19275 0.0009 At most 4 * 26.05538 22.29962 0.0142 At most 5 * 23.12044 20.26184 0.0197 At most 5 15.42074 15.89210 0.0591 At most 6 7.699699 9.164546 0.0941 At most 6 7.699699 9.164546 0.0941 Với * là bác bỏ giả thuyết H0ở mức ý nghĩa tương ứng 5%
Kiểm định Trace cho thấy trong dài hạn tồn tại ít nhất 6 mối quan hệ đồng liên kết giữa các biến ở mức ý nghĩa 5%.
Kiểm định Max - Eigenvalue cho thấy trong dài hạn tồn tại ít nhất 5 mối quan hệđồng liên kết giữa các biến ở mức ý nghĩa 5%.
Kết quả kiểm định Johansen chỉ ra giữa các biến có mối quan hệ cân bằng trong dài hạn hay nói cách khác các nhân tố vĩ mô chủ yếu đều có tác động đến tăng trưởng kinh tế tại Việt Nam trong giai đoạn nghiên cứu.
4.3.Kết quả ước lượng mô hình VECM 4.3.1. Mối quan hệ trong dài hạn
Sau khi kiểm tra và kết luận giữa các biến trong mô hình có mối quan hệ đồng liên kết. Tác giả tiến hành hồi quy đồng liên kết cho các biến trong mô hình, mối quan hệ trong dài hạn giữa các biến được thể hiện như sau:
Bảng 4.4: Hồi quy đồng liên kết các biến trong mô hình
Các biến Hệ số Sai số chuẩn Thống kê t
K -0.020559 0.00659 -3.11999 L 0.133300 0.01215 10.9671 FDI 0.004453 0.00304 1.46458 AID 0.021300 0.01063 2.00427 INF -0.000727 0.00014 -5.14170 GE -0.041442 0.01570 -2.64018
Kết quả bảng 4.4 cho thấy ngoại trừ biến K và GE, các biến còn lại đều mang dấu như kì vọng của tác giả. Riêng biến FDI kết quả như kì vọng dù không có ý nghĩa thống kê.
Qua kết quả ước lượng VECM đã cho thấy kết quả ngược kì vọng của tác giả là trong dài hạn vốn vật chất đã có tác động ngược chiều tới tăng trưởng kinh tế. Vốn tăng 1% sẽ làm GDP thực bình quân đầu người giảm 0.020559%. Như vậy trong suốt giai đoạn 1985 – 2012, nước ta đã đầu tư rất nhiều vốn vào sản xuất nhưng chưa mang lại hiệu quả cao, cụ thể vốn được đầu tư theo chiều rộng, dàn trải, lãng phí. Có thể thấy điều này qua hệ số sử dụng vốn ICOR trong suốt giai
đoạn 1985 – 2012, khi so sánh với một số nước trong khu vực thì những năm gần
đây hệ số ICOR nước ta khá cao (xem phụ lục 10).
Để giải thích sâu hơn về mối quan hệ giữa vốn và tăng trưởng kinh tế tác giả
tiếp tục tiếp cận dưới góc độ đại diện cho tăng trưởng kinh tế là tốc độ tăng trưởng GDP hàng năm. Kết quả ước lượng VECM dài hạn giữa tốc độ tăng trưởng GDP và các biến còn lại cho thấy vốn vật chất có mối quan hệ cùng chiều mạnh mẽ với tốc độ tăng trưởng GDP, tăng vốn sẽ làm cho GDP tăng (xem phụ lục 11). Như vậy nếu đại diện tăng trưởng kinh tế là tốc độ tăng trưởng GDP thì vốn có tác động tích cực, ngược lại nếu đại diện tăng trưởng là GDP bình quân đầu người thì tăng vốn sẽ làm giảm tỉ lệ tăng trưởng. Từ điều này tác giả kết luận rằng trong giai đoạn 1985 – 2012 vốn được đưa nhiều vào nền kinh tế dẫn tới sự gia tăng GDP nhưng thực tế lại không góp phần cải thiện thu nhập của người dân.
Nguồn lao động có ảnh hưởng đáng kể tới tăng trưởng kinh tế, nguồn lao
động tăng 1% sẽ làm GDP bình quân đầu người gia tăng 0.1333%. Kết quả này phù hợp với kinh tế Việt Nam. Tăng trưởng kinh tế dựa trên nguồn lao động dồi dào, lực lượng lao động trẻ, chi phí nhân công thấp. Kết quả kiểm định cũng nhất quán với các nghiên cứu thực nghiệm của Hsing và Hesieh (1996), Baily (2003), Bade và cộng sự (2007), Patrick (2009).
Theo kết quả ở bảng 4.4 hệ số của FDI mang dấu dương, FDI tăng 1% dẫn tới GDP thực bình quân đầu người tăng 0.004453% mặc dù kết quả không chắc chắn vì chưa có ý nghĩa thống kê. Tuy vậy kết quả này nhất quán với một số
nghiên cứu thực nghiệm Phan Minh Ngọc và cộng sự (2006), Nicolae (2008), Macias và Massa (2009), nhưng không nhất quán với nghiên cứu của Samuel & cộng sự (2012).
Kết quả bảng 4.4 chỉ ra viện trợ nước ngoài trong giai đoạn 1985-2012 tác
động tích cực tới tăng trưởng kinh tế như kì vọng của tác giả. Cứ 1% tăng thêm của viện trợ nước ngoài làm GDP thực bình quân đầu người tăng 0.021300%. Kết quả
này nhất quán với kết quả nghiên cứu của Gupta (1975), Stoneman (1975), Burnside và Dollar (2000) nhưng trái ngược với Gomanee (2005), Samuel & cộng sự (2012).
Trong giai đoạn nghiên cứu, hệ số của tỉ lệ lạm phát mang dấu âm và có ý nghĩa thống kê. Tỉ lệ lạm phát tăng 1% làm GDP thực bình quân đầu người giảm 0.000727%. Kết quả nghiên cứu như kỳ vọng và nhất quán với nghiên cứu của Samuel & cộng sự (2012). Như vậy theo nghiên cứu của Thirlwall (1974) lạm phát của Việt Nam cao và đã vượt ngưỡng. Tỉ lệ lạm phát cao làm gia tăng chi phí đầu vào, tăng lãi suất, tiền lương. Chi phí đầu vào tăng làm cho vốn đầu tư vào sản xuất có thể sụt giảm, và do đó làm GDP giảm. Như vậy nếu duy trì một tỉ lệ lạm phát vừa phải thì nền kinh tế sẽ phát triển tốt, ngược lại vượt ngưỡng lạm phát có thể
kìm hãm tăng trưởng kinh tế.
Cuối cùng là chi tiêu chính phủ có hệ số mang dấu âm, ngược với kì vọng của tác giả. Mối quan hệ giữa chi tiêu chính phủ và tăng trưởng kinh tế trong giai
đoạn nghiên cứu là ngược chiều. Cứ 1% tăng thêm của GE làm giảm GDP thực bình quân 0.041442%. Kết quả nghiên cứu cho kết quả không như kỳ vọng của tác
giả nhưng phù hợp với kết quả của Barro (1989-1991), Nicolae (2008), Patrick (2009). Tuy vậy kết quả này trái ngược với nghiên cứu của tác giả Hoàng Thị
Chinh Thon trong điều kiện của Việt Nam. Có thể giải thích tác động tiêu cực này là do chi tiêu chính phủ chưa hợp lý, còn lãng phí. Chi tiêu chính phủ cao gắn liền với thâm hụt ngân sách và hệ quả sau đó là sự gia tăng gánh nặng thuế, nợ công và kéo theo là sụt giảm trong tăng trưởng kinh tế.
4.3.2. Sự điều chỉnh trong ngắn hạn
Ngoài xác định mối quan hệ cân bằng trong dài hạn, VECM còn tìm hiểu
