Tải bản đầy đủ
3 Trường hợp 3: Biên LIQLIAB d˛i dien cho biên phát trien tài chính

3 Trường hợp 3: Biên LIQLIAB d˛i dien cho biên phát trien tài chính

Tải bản đầy đủ

52

độ lệch chuẩn cho thấy mức biến động giá trị của LNLIQLIAB xung quanh giá trị
trung bình của nó là 0.77.
Tóm lại qua kết quả thống kê ở bảng 4.18 và kết quả thống kê của LNPCGDP đã trình
bày ở bảng 4.2 phần 4.1.2 trong trường hợp 1 cho thấy mức độ biến thiên của
LNPCGDP là 2.54 cao hơn mức độ biến thiên của biến LNLIQLIAB là 0.77 và sự
chênh lệch giữa giá trị lớn nhất của biến LNPCGDP so với số trung vị của nó cao hơn
giá trị lớn nhất của biến LNLIQLIAB so với số trung vị của nó ( vì 6.06% > 0.81%), sự
chênh lệch giữa giá trị nhỏ nhất của biến LNPCGDP so với số trụng vị của nó nhỏ hơn
giá trị nhỏ nhất của biến LNLIQLIAB so với số trung vị của nó (vì 1.52% < 2.2%).
4.3.3 Kiểm định nghiệm đơn vị.
Bài nghiên cứu sử dụng kiểm định Augmented Dickey –Fuller (ADF) để kiểm tra tính
dừng của các biến theo 2 phương pháp của Levin et al và Im et al. Ở cùng một bậc sai
phân thì cả 2 trường hợp của Levin et al (2002) và Im et al. (2003) đều phải dừng thì
mới chấp nhận. Giả thiết của kiểm định là H O : Chuỗi không có tính dừng. Giả thuyết
H O sẽ bị bác bỏ nếu kết quả Pvalue của mô hình kiểm định nghiệm đơn vị nhỏ hơn 1%

Bảng 4.19: Kiểm định tính dừng của biến LNLIQLIAB và LNPCGDP.

LNPCGDP
Prob**
LNLIQLIAB
Prob**
D(LNPCGDP)
Prob**
D(LNLIQLIAB)
Prob**

Im, Pesaran
and Shin WLevin,Lin &
stat
Chu t*
Ho: Chuỗi không có tính dừng
2.51
5.45
0.99
1.00
-1.83
-0.5
0.03
0.31
-5.97
-5.23
0.00
0.00
-2.89
-3.18
0.00
0.00
Nguồn: Tác giả tự tính toán.

Quyết định

Chấp nhận Ho
Chấp nhận Ho
Bác Bỏ Ho
Bác Bỏ Ho

53

Kết quả kiểm định nghiệm đơn vị tóm lượt ở bảng 4.19 cho thấy biến nghiên cứu
LNPCGDP và LNLIQLIAB là không dừng ở mức ý nghĩa 1% (vì Pvalue > 0.1 nên kết
luận rằng giả thuyết H O được chấp nhận trong trường hợp này. Xét đến sai phân bậc 1
thì ta thấy các biến nghiên cứu LNLIQLIAB và LNPCGDP dừng ở sai phân bậc 1 với
mức ý nghĩa 1% ( vì Pvalue < 0.01). Do đó các biến sai phân bậc 1 sẽ được dùng trong
mô hình nghiên cứu.
4.3.4 Kiểm định đồng liên kết.
Thực hiện kiểm định đồng liên kết để xác định mối quan hệ đồng liên kết giữa 2 biến
nghiên cứu. Theo Pedroni (1999) giả thuyết H O : Không có mối quan hệ đồng liên kết
giữa các biến phát triển tài chính và tăng trưởng kinh tế hay trong trường hợp này giả
thuyết H O được viết lại như sau: Không có mối quan hệ đồng liên kết giữa biến
LNLIQLIAB và LNPCGDP. Theo Pedroni giả thuyết H O bị bác bỏ khi giá trị của
Panel v-Statistic > 0 và giá trị của Panel rho-Statistic, Panel PP-Statistic, Panel ADFStatistic, Group rho-Statistic, Group PP-Statistic,Group ADF-Statistic < 0.
Bảng 4.20: Kiểm định đồng liên kết giữa biến LNLIQLIAB và LNPCGDP.
Pedroni Residual Cointegration Test
Series: LNPCGDP LNLIQLIAB
Sample: 1993 2013
Included observations: 189
Cross-sections included: 9
Null Hypothesis: No cointegration
Statistic
Panel v-Statistic
Panel rho-Statistic
Panel PP-Statistic
Panel ADF-Statistic
Group rho-Statistic
Group PP-Statistic
Group ADF-Statistic
Nguồn: Tác giả tự tính toán.

Value
-0.84
1.57
0.31
0.92
2.58
1.58
1.12

54

Kết quả kiểm định mối quan hệ đồng liên kết giữa 2 biến LNPCGDP và LNLIQLIAB
được tóm lượt ở bảng 4.20 cho thấy giá trị của Panel v-Statistic = - 0.84 < 0 và giá trị
của Panel rho-Statistic, Panel PP-Statistic, Panel ADF-Statistic, Group rho-Statistic,
Group PP-Statistic,Group ADF-Statistic > 0 nên giả thuyết H O được chấp nhận hay
không có mối quan hệ đồng liên kết giữa biến LNLIQLIAB và LNPCGDP.
Qua kiểm định nghiệm đơn vị và kiểm định đồng liên kết dạng bảng của biến
LNPCGDP và biến LNLIQLIAB cho kết quả các biến đều dừng ở sai phân bậc 1 và
không có mối quan hệ đồng liên kết vì vậy kiểm tra quan hệ nhân quả được tiến hành
bằng cách chạy mô hình VAR cho 2 biến LNLIQLIAB và LNPCGDP.
4.3.5 Xác định độ trễ tối ưu.
Trong mô hình VAR thì việc chọn lựa độ trễ cho mô hình là vấn đề rất quan trọng. Bài
nghiên cứu tiến hành tìm độ trễ tối ưu cho mô hình cơ bản thông qua xem xét giá trị
của các tiêu chuẩn lựa chọn độ trễ bao gồm các tiêu chí: LR (Sequential modified LR
test statistic), FPE (Final prediction error), AIC (Akaike information criterion), SC
(Schwarz information criterion), HQ (Hannan-Quinn information criterion). Bài nghiên
cứu sẽ sử dụng độ trễ mà đa số các tiêu chuẩn kể trên lựa chọn. Kết quả kiểm định độ
trễ cho mô hình cơ bản được thể hiện trong bảng 4.21 sau.
Bảng 4.21: Xác định độ trễ tối ưu của biến LNLIQLIAB và LNPCGDP.
VAR Lag Order Selection Criteria
Endogenous variables: LNPCGDP LNLIQLIAB
Exogenous variables: C
Sample: 1993 2013
Lag
LogL
LR
0
-380.97
NA
1
357.38
1,439.78
2
370.8
25.71*
3
375.24
8.36
4
377.31
3.83
5
378.64
2.42

FPE
2.03
0.00
0.00
0.00*
0.00
0.00

Nguồn: Tác giả tự tính toán.

AIC
6.38
-5.86
-6.01
-6.02*
-5.99
-5.94

SC
6.43
-5.72
-5.78*
-5.7
-5.57
-5.43

HQ
6.4
-5.8
-5.92*
-5.89
-5.82
-5.74

55

Kết quả xác định độ trễ tối ưu của LNLIQLIAB và LNPCGDP ở bảng 4.20 cho cho
thấy có 3 tiêu thức LR, SC, HQ lựa chọn độ trễ bằng 2, có 2 tiêu thức FPE, AIC lựa
chọn độ trễ bằng 3. Để biết độ trễ nào là thích hợp cho mô hình ta thực hiện việc xác
định độ trễ cần loại bỏ ở phần 4.3.6.
4.3.6 Xác định độ trễ cần loại bỏ.
Thực hiện kiểm tra này để loại bỏ các độ trễ không phù hợp làm cho mô hình không
đạt được sự ổn định và tối ưu. Giá trị Pvalue của 2 biến nghiên cứu LNPCGP và
LNLIQLIAB phải cùng nhau nhỏ hơn 10% thì độ trễ tương ứng mới được chấp nhận.
Kết quả xác định độ trễ cần loại bỏ được trình bày trong bảng 4.22 sau.
Bảng 4.22: Xác định độ trễ cần loại bỏ của biến LNLIQLIAB và LNPCGDP.
VAR Lag Exclusion Wald Tests
Sample: 1993 2013
Chi-squared test statistics for lag exclusion:
Numbers in [ ] are p-values
LNPCGDP
LNLIQLIAB
Lag 1
191.90
256.15
[ 0.00]
[ 0.00]
Lag 2
5.38
7.16
[ 0.07]
[ 0.03]
Lag 3
2.19
8.07
[ 0.33]
[ 0.02]
Nguồn: Tác giả tự tính toán.

Joint
479.70
[ 0.00]
12.09
[ 0.02]
8.83
[ 0.07]

Kết quả xác định độ trễ cần loại bỏ của LNLIQLIAB và LNPCGDP ở bảng 4.22 cho
thấy Pvalue của 2 biến nghiên cứu ở độ trễ 1 đều là 0.00 nên được chấp nhận ở mức ý
nghĩa 10%( vì 0.00 < 0.1). Pvalue của biến LNPCGDP và LNLIQLIAB ở độ trễ 2 lần
lượt là 0.07 và 0.03 đều nhỏ hơn 0.1 nên được chấp nhận ở mức ý nghĩa 10%. Pvalue
của biến LNPCGDP và LNLIQLIAB ở độ trễ 3 lần lượt là 0.33 và 0.02, ta thấy 2 giá
trị pvalue này không cùng nhau nhỏ hơn 0.1 nên độ trễ này không được chấp nhận hay
gọi là bị loại bỏ. Tóm lại pvalue ở độ trễ 1 và độ trễ 2 đều được chấp nhận ở mức ý

56

nghĩa 10%. Vậy độ trễ tối ưu của mô hình VAR khi sử dụng 2 biến LNPCGDP và
LNLIQLIAB sau khi xác định độ trễ cần loại bỏ là 2.
4.3.7 Kiểm định nhân quả Granger.
Thực hiện kiểm định nhân quả Granger để xem xét mối quan hệ nhân quả giữa biến
LNPCGDP và LNLIQLIAB. Kiểm định nhân quả Granger có 2 giả thuyết như sau:
H O : Biến LNLIQLIAB không có mối quan hệ nhân quả với biến LNPCGDP.

H A : Biến LNPCGDP không có mối quan hệ nhân quả với biến LNLIQLIAB.

Giả thiết H O và H A bị từ chối nếu giá trị Pvalue của kết quả chạy ra từ kiểm định nhân
quả Granger nhỏ hơn 10%. Kết quả của kiểm định nhân quả Granger giữa biến
LNLIQLIAB và LNPCGDP được trình bày ở bảng 4.23 sau.
Bảng 4.23: Kiểm định nhân quả Granger giữa biến LNLIQLIAB và LNPCGDP.
Pairwise Granger Causality Tests
Sample: 1993 2013
Lags: 2
Null Hypothesis:

F-Statistic

Prob.

LNLIQLIAB does not Granger Cause LNPCGDP

1.26

0.29

LNPCGDP does not Granger Cause LNLIQLIAB

1.95

0.15

Nguồn: Tác giả tự tính toán.
Kết quả kiểm định nhân quả Granger giữa LNLIQLIAB và LNPCGDP ở bảng 4.23
cho thấy với giả thuyết H O có Pvalue là 0.29 nên giả thuyết H O được chấp nhận (vì
0.29 > 0.1) hay nói cách khác LNLIQLIAB không có mối quan hệ nhân quả với biến
LNPCGDP. Pvalue của giả thuyết H A là 0.15 nên giả thuyết H A được chấp nhận ( vì
0.15 > 0.1) nghĩa là LNPCGDP không có mối quan hệ nhân quả với biến LNLIQLIAB
ở mức ý nghĩa 10%. Tóm lại giữa biến LNLIQLIAB và LNPCGDP không có mối quan
hệ nhân quả ở mức ý nghĩa 10%.

57

4.3.8 Kết quả chạy mô hình VAR.
Sau khi đã xác định được độ trễ tối ưu sử dụng trong mô hình VAR cho 2 biến
LNPCGDP và LNLIQLIAB là 2 ta tiến hành chạy mô hình VAR. Trong mô hình VAR
hệ số t-statistic được đặt giả thuyết H B : hệ số không có ý nghĩa thống kê và giả thuyết
H B bị bác bỏ khi giá trị tuyệt đối của t-statistic chạy ra từ mô hình lớn hơn giá trị tuyệt

đối t-statistic của các mức ý nghĩa 10% ( với giá trị t-statistic ở mức ý nghĩa 10% là 1.664). Kết quả chạy mô hình VAR của 2 biến LNPCGDP và LNLIQLIAB với độ trễ
tối ưu là 2 được trình bày trong bảng 4.24 sau.
Bảng 4.24: Kết quả mô hình VAR của biến LNLIQLIAB và LNPCGDP.
Vector Autoregression Estimates
Standard errors in ( ) & t-statistics in [ ]
LNPCGDP
LNLIQLIAB
LNPCGDP(-1)
1.22
0.32
[ 14.85]
[ 1.69]
LNPCGDP(-2)
-0.22
-0.32
[-2.63]
[-1.67]
LNLIQLIAB(-1)
0.04
1.24
[ 1.26]
[ 16.80]
LNLIQLIAB(-2)
-0.04
-0.25
[-1.40]
[-3.59]
C
0.01
0.06
[ 0.21]
[ 0.68]
R-squared
0.9998
0.9873
Nguồn: Tác giả tự tính toán.
Kết quả mô hình VAR ở bảng 4.24 cho thấy khi xét tác động của các biến đến
LNPCGDP ta thấy giá trị tuyệt đối của t-statistic của LNPCGDP(-1) và LNPCGDP(-2)
lần lượt là 14.85 và 2.63 đều lớn hơn 1.664 giá trị tuyệt đối của t-statistic ở mức ý
nghĩa 10% nên giả thuyết H B bị bác bỏ, nghĩa là hệ số của biến LNPCGDP(-1) và
LNPCGDP(-2) có ý nghĩa thống kê ở mức 10%. Giá trị tuyệt đối của t-statistic của

58

LNLIQLIAB(-1) và LNLIQLIAB (-2) lần lượt là 1.26 và 1.4 đều nhỏ hơn 1.664 giá trị
tuyệt đối t-statistic của mức ý nghĩa 10% nên giả thuyết H B được chấp nhận, nghĩa là
hệ số của biến LNLIQLIAB (-1) và LNLIQLIAB (-2) không có ý nghĩa thống kê. Giá
trị tuyệt đối t-statistic của C là 0.21 nhỏ hơn 1.664 là giá trị tuyệt đối của t-statistic ở
mức ý nghĩa 10% nên hệ số của C không có ý nghĩa thống kê. Tóm lại khi xét tác động
của các biến đến LNPCGDP chỉ có hệ số của biến LNPCGDP(-1) và LNPCGDP(-2) có
ý nghĩa thống kê ở mức ý nghĩa 10%. Hệ số xác định R2 là 99.98% nên mô hình có thể
giải thích được 99.98% mức độ biến động của biến LNPCGDP.
Kết quả mô hình VAR ở bảng 4.24 cho thấy khi xét tác động của các biến đến
LNLIQLIAB ta thấy giá trị tuyệt đối của t-statistic của LNPCGDP(-1) và LNPCGDP(2) lần lượt là 1.69 và 1.67 đều lớn hơn 1.664 là giá trị tuyệt đối của t-statistic ở mức ý
nghĩa 10% nên giả thuyết H B bị bác bỏ, nghĩa là hệ số của biến LNPCGDP(-1) và
LNPCGDP(-2) có ý nghĩa thống kê ở mức 10%. Giá trị tuyệt đối của t-statistic của
LNLIQLIAB(-1) và LNLIQLIAB(-2) lần lượt là 16.8 và 3.59 đều lớn hơn 1.664 là giá
trị tuyệt đối của t-statistic ở mức ý nghĩa 10% nên giả thuyết H B bị bác bỏ, nghĩa là hệ
số của biến LNLIQLIAB(-1) và LNLIQLIAB(-2) có ý nghĩa thống kê ở mức 10%. Giá
trị tuyệt đối t-statistic của C là 0.68 nhỏ hơn 1.664 là giá trị tuyệt đối của t-statistic ở
mức ý nghĩa 10% nên hệ số của C không có ý nghĩa thống kê. Tóm lại khi xét tác động
của các biến đến LNLIQLIAB thì tất cả hệ số của các biến LNPCGDP(-1),
LNPCGDP(-2), LNLIQLIAB(-1) và LNLIQLIAB(-2) đều có ý nghĩa thống kê ở mức
10%. Hệ số xác định R2 là 98.73% nên mô hình có thể giải thích được 98.73% mức độ
biến động của biến LNLIQLIAB.
Từ kết quả phân tích của các biến tác động đến LNPCGDP và LNLIQLIAB của mô
hình VAR trong bảng 4.24 thì các tác động của các biến được viết lại trong 2 phương
trình sau:
LNPCGDP = 1.22*LNPCGDP(-1) - 0.22*LNPCGDP(-2)

59

LNLIQLIAB = 0.32*LNPCGDP(-1) - 0.32*LNPCGDP(-2) + 1.24*LNLIQLIAB(-1)
- 0.254*LNLIQLIAB(-2)
Ở phương trình đầu tiên, xem xét tác động của biến LNPCGDP đến LNPCGDP ta
thấy: cứ 1% tăng lên của LNPCGDP thì sau 1 năm sẽ làm cho chính nó tăng lên 1.22%
nhưng cũng 1% tăng lên của LNPCGDP thì sau 2 năm lại làm cho chính nó giảm
0.22%.
Ở phương trình thứ 2, đầu tiên xét tác động của LNPCGDP đến LNLIQLIAB ta thấy:
cứ 1% tăng lên của LNPCGDP thì sau 1 năm sẽ làm cho LNLIQLIAB tăng 0.32%
nhưng cũng 1% tăng lên của LNPCGDP thì sau 2 năm lại làm cho LNLIQLIAB giảm
0.32%. Tiếp theo xét tác động của LNLIQLIAB đến LNLIQLIAB ta thấy: cứ 1% tăng
lên của LNLIQLIAB thì sau 1 năm sẽ làm cho LNLIQLIAB tăng 1.24% nhưng cũng
1% tăng lên của LNLIQLIAB thì sau 2 năm lại làm cho LNLIQLIAB giảm 0.254%.
Tóm lại giữa biến LNPCGDP và LNLIQLIAB có mối quan hệ nhân quả 1 chiều do
biến LNPCGDP là nguyên nhân dẫn đến LNLIQLIAB.
4.1.9 Kiểm tra tính ổn định của mô hình.
Thực hiện kiểm tra tính ổn định của mô hình VAR để biết được mức độ ổn định của
mô hình. Nếu mô hình có tất cả các gốc (roots of modulus) hay các dấu chấm đều nằm
trong vòng tròn đơn vị thì mô hình đó ổn định. Nếu mô hình không có tất cả các gốc
(roots of modulus) hay các dấu chấm không cùng nằm trong vòng tròn đơn vị thì mô
hình đó không ổn định. Kết quả kiểm tra tính ổn định của mô hình VAR cho 2 biến
LNPCGDP và LNLIQLIAB được trình bày ở hình 4.14 sau.

60

Hình 4.14: Tính ổn định mô hình của biến LNLIQLIAB và LNPCGDP.
Inverse Roots of AR Characteristic Polynomial
1.5

1.0

0.5

0.0

-0.5

-1.0

-1.5
-1.5

-1.0

-0.5

0.0

0.5

1.0

1.5

Nguồn: Tác giả tự tính toán.
Kết quả kiểm tra tính ổn định mô hình ở hình 4.14 cho thấy tất cả các gốc (roots of
modulus) hay các dấu chấm đều nằm trong vòng tròn đơn vị. Vậy mô hình VAR với độ
trễ tối ưu là 2 chạy cho hai biến LNPCGDP và LNLIQLIAB thỏa mãn điều kiện ổn
định hay nói cách khác là mô hình này ổn định.
4.3.10 Phân tích hàm phản ứng xung.
Thực hiện phân tích hàm phản ứng xung để phân tích tác động của một cú sốc của một
biến nội sinh lên các biến nội sinh khác thông qua các độ trễ khác nhau. Kết quả phân
tich hàm phản ứng xung của biến LNPCGDP dưới tác sự tác động của cú sốc của chính
nó đã được trình bày ở hình 4.2 trong trường hợp 1 phần 4.1.10 Phân tích hàm phản
ứng xung nên trong trường hợp 3 sẽ không trình bày lại nữa. Kết quả phân tích các
hàm phản ứng xung còn lại thể hiện dưới các hình sau.

61

Hình 4.15: Phản ứng của biến LNPCGDP đối với cú sốc LNLIQLIAB.

Nguồn: Tác giả tự tính toán.
Kết quả phân tích hàm phản ứng xung của biến LNPCGDP dưới sự tác động của cú sốc
LNLIQLIAB trong hình 4.15 cho thấy khi biến LNLIQLIAB tăng lên làm biến
LNPCGDP tăng lên trong 5 năm đầu, từ năm thứ 5 đến năm thứ 12 biến LNPCGDP
bắt đầu giảm, từ năm thứ 13 đến năm thứ 15 thì biến LNPCGDP không chịu tác động
của LNLIQLIAB nữa, đến năm thứ 16 đến năm thứ 21 thì LNPCGDP tiếp tục giảm.
Tóm lại cú sốc của biến LNLIQLIAB làm cho biến LNPCGDP tăng lên trong 5 năm
đầu và giảm trong những năm sau đó. Điều này cho thấy giữa biến LNPCGDP và biến
LNLIQLIAB có mối quan hệ nhân quả 1 chiều và biến LNLIQLIAB là nguyên nhân
dẫn đến LNPCGDP.
Hình 4.16: Phản ứng của biến LNLIQLIAB đối với cú sốc LNPCGDP.

Nguồn: Tác giả tự tính toán.

62

Kết quả phân tích hàm phản ứng xung của biến LNLIQLIAB dưới sự tác động của cú
sốc LNPCGDP trong hình 4.16 cho thấy khi biến LNPCGDP tăng lên sẽ làm cho
LNLIQLIAB tăng trong 4 năm đầu, từ năm thứ 5 đến năm thứ 21 mức tăng của biến
LNLIQLIAB vẫn giữ nguyên như ở năm thứ 4. Tóm lại cú sốc của LNPCGDP làm cho
biến LNLIQLIAB tăng nhưng mức độ tăng trong 4 năm đầu mạnh hơn khoảng thời
gian sau. Điều này cho thấy giữa biến LNPCGDP và biến LNLIQLIAB có mối quan hệ
nhân quả 1 chiều và biến LNPCGDP là nguyên nhân dẫn đến LNLIQLIAB.
Hình 4.17: Phản ứng của biến LNLIQLIAB đối với cú sốc LNLIQLIAB.

Nguồn: Tác giả tự tính toán.
Kết quả phân tích hàm phản ứng xung của biến LNLIQLIAB dưới sự tác động của cú
sốc của chính nó trong hình 4.17 cho thấy khi biến LNLIQLIAB tăng lên sẽ làm cho
LNLIQLIAB tăng lên trong 5 năm đầu, bắt đầu từ năm thứ 6 đến năm thứ 21 thì biến
LNLIQLIAB bắt đầu giảm. Tóm lại cú sốc của LNLIQLIAB làm cho chính nó tăng lên
trong 4 năm đầu, sau đó biến LNLIQLIAB bắt đầu giảm.
Tóm lại kết quả phân tích của hàm phản ứng xung cho thấy giữa biến LNPCGDP và
LNLIQLIAB có mối quan hệ nhân quả 2 chiều. Biến LNLIQLIAB là nguyên nhân làm
cho biến LNPCGDP tăng trong 5 năm đầu và giảm trong những năm sau, biến
LNPCGDP là nguyên nhân làm cho biến LNLIQLIAB tăng trong khung thời gian
nghiên cứu.