Tải bản đầy đủ - 48 (trang)
2 Phương pháp nghiên cứu

2 Phương pháp nghiên cứu

Tải bản đầy đủ - 48trang

2013



Luận văn thạc sĩ kinh tế



định tính dừng thông qua kiểm định nghiệm đơn vị của các chuỗi số liệu. Sau khi

biết các số liệu có dừng tại I0 hay không, tác giả thực hiện kiểm định tính xu hướng

và tính mùa vụ của các chuỗi dữ liệu. Một phần cũng khá quan trọng trong cả mô

hình VAR lẫn VECM là kiểm định quan hệ nhân quả Granger giữa các biến. Phần

quan trọng nhất khi sử dụng mô hình VECM là kiểm định quan hệ đồng liên kết

giữa các biến. Cuối cùng, sau khi chạy mô hình VECM, tác giả thực hiện phân rã

phương sai và xây dựng hàm phản ứng đẩy để nhận diện độ bền và độ mạnh của

phản ứng. Trong nghiên cứu này, quy trình thực hiện sẽ tương tự như trên nhưng có

một số điều chỉnh cho phù hợp với đặc điểm của các chuỗi dữ liệu và mục tiêu

nghiên cứu.

3.2.1. Kiểm định tính dừng

Trong bước đầu tiên của nghiên cứu, tương tự như các nghiên cứu sử dụng mô

hình VECM, chúng tôi sẽ xem xét tính dừng của từng chuỗi dữ liệu để đánh giá

quyết định sử dụng mô hình VECM có thích hợp hay không. Cả 7 chuỗi dữ liệu đều

được kiểm định tính dừng, bao gồm 5 biến nghiên cứu là lãi suất cho vay, cung tiền

M2, CPI, tỷ giá thực có hiệu lực (REER) của Việt Nam, sản lượng công nghiệp Việt

Nam và 2 biến ngoại sinh là sản lượng công nghiệp Hoa Kỳ và lãi suất Hoa Kỳ.

Chúng tôi sẽ sử dụng kiểm định nghiệm đơn vị - ADF test - với giả thiết H0 là các

chuỗi dữ liệu có một nghiệm đơn vị.

Bảng 3.1: Kết quả kiểm định nghiệm đơn vị ADF của chuỗi gốc

Exogenous: Constant

Lag Length: 2 (Automatic based on SIC, MAXLAG=12)

Augmented Dickey-Fuller test statistic



t-Statistic



Prob.*



Null Hypothesis: LAISUATVN has a unit root



-2.801656



0.0608



Null Hypothesis: M2 has a unit root



0.119838



0.9661



Null Hypothesis: SANLUONGVN has a unit root



0.192077



0.9712



Null Hypothesis: CPI has a unit root



2.049728



0.9999



Null Hypothesis: TYGIA has a unit root



0.831199



0.9943



Null Hypothesis: LAISUATUS has a unit root



-0.970764



0.7622



Null Hypothesis: SANLUONGUS has a unit root



-2.750148



0.0686



14



2013



Luận văn thạc sĩ kinh tế



Không nằm ngoài dự đoán, tất cả các chuỗi dữ liệu thu thập đều không dừng khi

kết quả kiểm định chấp nhận giả thiết H0 tại mức ý nghĩa 5%. Vì các chuỗi dữ liệu

đều không dừng nên khi sử dụng phương pháp VAR để chạy mô hình đòi hỏi phải

lấy sai phân của các chuỗi dữ liệu này. Việc phân tích kết quả trên các chuỗi dữ liệu

đã lấy sai phân sẽ khiến chúng tôi không thấy được tính chất thực sự của chuỗi dữ

liệu gốc. Kết quả kiểm định này đã củng cố thêm tính tin cậy và hợp lý của quyết

định lựa chọn mô hình VECM để áp dụng cho nghiên cứu.

Để đảm bảo các chuỗi dữ liệu dừng tại cùng độ trễ, chúng tôi tiếp tục thực hiện

kiểm định ADF cho chuỗi sai phân bậc nhất của chuỗi dữ liệu, với giả thiết H0 là sai

phân bậc nhất của các chuỗi dữ liệu có nghiệm đơn vị. Kết quả kiểm định cho thấy,

ngoại trừ sai phân bậc nhất của sản lượng công nghiệp Hoa Kỳ, sai phân bậc nhất

của các chuỗi còn lại đều dừng, bác bỏ giả thiết H0 tại mức ý nghĩa 5%. Kết quả này

sẽ củng cố thêm tính chính xác và tính thống nhất của các kiểm định tiếp theo cũng

như của mô hình VECM.

Bảng 3.2: Kết quả kiểm định nghiệm đơn vị ADF của chuỗi sai phân bậc nhất

Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=12)

t-Statistic



Prob.*



-7.5100



0.0000



Null Hypothesis: D(M2) has a unit root



-11.0803



0.0000



Null Hypothesis: D(SANLUONGVN) has a unit root



-15.8496



0.0000



Null Hypothesis: D(CPI) has a unit root



-6.2959



0.0000



Null Hypothesis: D(TYGIA) has a unit root



-9.4096



0.0000



Null Hypothesis: D(LAISUATUS) has a unit root



-4.5865



0.0002



Null Hypothesis: D(SANLUONGUS) has a unit root



-2.6748



0.0812



Augmented Dickey-Fuller test statistic

Null Hypothesis: D(LAISUATVN) has a unit root



3.2.2. Kiểm định quan hệ nhân quả Granger

Sau khi kiểm định tính dừng của các chuỗi dữ liệu, chúng tôi không tiến hành

kiểm định tính xu hướng và mùa vụ mà sẽ thực hiện kiểm định mối quan hệ nhận

quả Granger giữa các biến. Kiểm định tính xu hướng bị bỏ qua vì tất cả các chuỗi



15



2013



Luận văn thạc sĩ kinh tế



dữ liệu đều không dừng nên tất yếu đều chứa đựng tính xu hướng. Mặt khác chúng

tôi không trình bày kiểm định tính mùa vụ vì ngoài hai chuỗi sản lượng đã được

điều chỉnh theo mùa vụ, tính mùa vụ trong các biến còn lại gần như không đáng kể.

Kiểm định nhân quả Granger thực hiện trên 5 biến nghiên cứu, tập trung vào

mối quan hệ nhân quả giữa cung tiền M2 và lãi suất với các biến còn lại. Khi chọn

độ trễ là 12 kỳ thì tất cả các biến đều thể hiện mối quan hệ nhân quả Granger với

cung tiền M2 và lãi suất. Trong khi đó, nếu chọn độ trễ dưới 11 kỳ thì chuỗi sản

lượng công nghiệp Việt Nam và chuỗi cung tiền M2 không thể hiện mối quan hệ

nhân quả nào.

Bảng 3.3: Kiểm định nhân quả Granger, độ trễ 11 kỳ

Pairwise Granger Causality Tests

Sample: 2000M01 2010M12

Lags: 11

Null Hypothesis:



Obs



F-Statistic



LAISUATVN does not Granger Cause CPI



121



0.45682



0.9251



3.42526



0.0005



2.8357



0.0029



2.64885



0.0052



5.65439



6.00E-07



0.78552



0.6538



3.14857



0.0011



0.77198



0.6669



1.69151



0.0864



0.89356



0.5495



1.50726



0.141



2.14783



0.0235



CPI does not Granger Cause LAISUATVN

M2 does not Granger Cause CPI



121



CPI does not Granger Cause M2

SANLUONGVN does not Granger Cause LAISUATVN



121



LAISUATVN does not Granger Cause SANLUONGVN

TYGIA does not Granger Cause LAISUATVN



121



LAISUATVN does not Granger Cause TYGIA

SANLUONGVN does not Granger Cause M2



121



M2 does not Granger Cause SANLUONGVN

TYGIA does not Granger Cause M2



121



M2 does not Granger Cause TYGIA



Prob.



Từ kết quả kiểm định nhân quả Granger, chúng tôi có thể đưa ra nhận xét sơ bộ:

biến động của cung tiền M2 không gây ảnh hưởng đến sản lượng công nghiệp Việt

Nam nếu chọn độ trễ của mô hình nhỏ hơn 12 (kết quả kiểm định Granger với độ trễ



16



2013



Luận văn thạc sĩ kinh tế



12 kỳ thể hiện trong Bảng 1.1, phụ lục 1). Nhận định này sẽ được xác nhận lại qua

các kiểm định tiếp theo và kết quả mô hình VECM. Tất cả các biến đều có mối quan

hệ nhân quả với lãi suất, bước đầu cho thấy tác động của công cụ lãi suất đến các

biến vĩ mô khác. Tuy nhiên, kết quả của kiểm định Granger chưa cung cấp một độ

trễ tối ưu cho mô hình VECM.

3.2.3. Kiểm định đồng liên kết

Tương tự như kiểm định quan hệ nhân quả Granger, kiểm định đồng liên kết

được thực hiện theo từng cặp, giữa lãi suất và cung tiền với các biến còn lại. Nếu

như các chuỗi dữ liệu không dừng là điều kiện cần để chúng tôi lựa chọn mô hình

VECM thì sự tồn tại mối quan hệ đồng liên kết giữa các chuỗi dữ liệu là điều kiện

đủ để áp dụng mô hình VECM vào nghiên cứu.

Kết quả kiểm định đồng liên kết giữa lãi suất với CPI, sản lượng và tỷ giá đều

cho thấy vector đồng liên kết xuất hiện ngay sau 2 độ trễ. Từ kết quả này chúng tôi

có thể dự đoán rằng tác động của cú sốc lãi suất lên các biến CPI, sản lượng và tỷ

giá sẽ có hiệu quả ngay sau một thời gian ngắn. Trong khi đó, quan hệ đồng liên kết

giữa M2 với các biến còn lại xuất hiện sau một độ trễ khá lớn. Trừ quan hệ đồng

liên kết giữa M2 với tỷ giá xuất hiện sau 2 độ trễ, quan hệ đồng liên kết giữa M2

với CPI và sản lượng chỉ được nhận biết sau 17 và 18 độ trễ, với độ tin cậy 5%. Với

kết quả này chúng tôi cũng dự đoán rằng cú sốc cung tiền phải mất một khoảng thời

gian dài mới gây ra phản ứng cho CPI và sản lượng trong khi cú sốc này có thể làm

tỷ giá phản ứng sau một khoảng thời gian ngắn hơn. Dù các đồng liên kết xuất hiện

sau những độ trễ khác nhau, kết quả này đủ để chúng tôi hoàn toàn chắc chắn với

quyết định áp dụng mô hình VECM để nghiên cứu mối quan hệ dài hạn giữa lãi suất

và cung tiền với các biến sản lượng, CPI và tỷ giá.



17



2013



Luận văn thạc sĩ kinh tế



Bảng 3.4: Kiểm định đồng liên kết giữa lãi suất và M2 với các biến còn lại

Series: LAISUATVN CPI



Series: M2 CPI



Lags interval (in first differences): 1 to 2

Unrestricted Cointegration Rank Test (Trace)



Lags interval (in first differences): 1 to 17

Unrestricted Cointegration Rank Test (Trace)



Hypothesized



Hypothesized



No. of CE(s)

None *

At most 1



Trace

Eigenvalue



Statistic



0.1613

0.0206



25.3900

2.69289



0.05

Critical

Value

15.4947

3.84146



Prob.**



No. of CE(s)



0.0012

0.1008



None *

At most 1



Trace

Eigenvalue



Statistic



0.1340

0.0286



19.7309

3.31690



0.05

Critical

Value

15.4947

3.8414



Prob.**

0.0108

0.0686



Trace test indicates 1 cointegrating eqn(s) at the 0.05 level



Trace test indicates 1 cointegrating eqn(s) at the 0.05 level



Series: LAISUATVN TYGIA



Series: M2 TYGIA



Lags interval (in first differences): 1 to 2

Unrestricted Cointegration Rank Test (Trace)



Lags interval (in first differences): 1 to 2

Unrestricted Cointegration Rank Test (Trace)



Hypothesized



Hypothesized



No. of CE(s)

None *



Trace

Eigenvalue



Statistic



0.15304



21.6553



0.05

Critical

Value

15.4947



Prob.**



No. of CE(s)



0.0052



None *



Trace

Eigenvalue



Statistic



0.1196



16.4461



0.05

Critical

Value

15.4947



Prob.**

0.0359



At most 1

0.00176

0.22734 3.84146 0.6335

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level



At most 1

0.0001

0.01311 3.8414

0.9086

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level



Series: LAISUATVN SANLUONGVN



Series: M2 SANLUONGVN



Lags interval (in first differences): 1 to 2

Unrestricted Cointegration Rank Test (Trace)



Lags interval (in first differences): 1 to 18

Unrestricted Cointegration Rank Test (Trace)



Hypothesized



Hypothesized



No. of CE(s)

None *



Trace

Eigenvalue



Statistic



0.1143



16.0405



0.05

Critical

Value

15.4947



Prob.**



No. of CE(s)



0.0414



None *



At most 1

0.0029

0.37953 3.84146 0.5379

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level



Trace

Eigenvalue



Statistic



0.1348



16.7988



0.05

Critical

Value

15.4947



0.0317



At most 1

0.0038

0.43112 3.8414

0.5114

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level



Sau khi đã thực hiện các kiểm định cần thiết, chúng tôi bước vào xây dựng các

mô hình VECM 3 biến, trình bày mô hình phản ứng đẩy của mỗi biến và cuối cùng

là phần diễn giải các kết quả thu được.



3. Kết quả nghiên cứu

Trong phần này chúng tôi sẽ xây dựng mô hình VECM với 3 biến, trong đó luôn

có 2 biến cố định là lãi suất và cung tiền M2, biến còn lại sẽ là một trong 3 biến:

CPI, tỷ giá hoặc sản lượng. Từ mô hình này chúng tôi sẽ đánh giá được phản ứng

của từng biến trước tác động của 2 yếu tố lãi suất và cung tiền. Tất cả các mô hình



18



Prob.**



2013



Luận văn thạc sĩ kinh tế



đều chứa đựng 2 biến ngoại sinh là sản lượng Hoa Kỳ và lãi suất Hoa Kỳ để đánh

giá mức độ tác động của 2 biến này lên các yếu tố vĩ mô quan trọng của Việt Nam.

4.1 Phản ứng của CPI

Trước tiên chúng tôi đưa biến CPI vào mô hình VECM 3 biến. Theo kết quả

kiểm định nhân quả Granger, chuỗi sản lượng và cung tiền M2 sẽ không có quan hệ

nhân quả khi áp dụng độ trễ dưới 12 kỳ. Ngoài ra, kiểm định đồng liên kết không

cho thấy mối quan hệ đồng liên kết giữa M2 và CPI nếu chọn độ trễ dưới 17 kỳ. Do

đó, chúng tôi sẽ bắt đầu xây dựng mô hình với độ trễ là 25 kỳ. Biến nội sinh bao

gồm lãi suất, cung tiền và CPI. Biến ngoại sinh bao gồm sản lượng và lãi suất Hoa

Kỳ. Dựa vào kết quả kiểm định đồng liên kết, có ít nhất 2 mối quan hệ đồng liên kết

giữa CPI với lãi suất và cung tiền nên trong mục “số lượng đồng liên kết”

(Cointegration) chúng tôi lựa chọn là 2 và không xét hệ số chặn (constant) lẫn tính

xu hướng (trend) trong mô hình. Sau khi có được mô hình VECM với 25 độ trễ,

chúng tôi sử dụng kiểm định loại bỏ độ trễ không có ý nghĩa (lag exclusion test) và

ước lượng lại mô hình với những độ trễ có ý nghĩa. Kiểm định loại bỏ độ trễ của mô

hình VECM 3 biến được thể hiện trong các bảng 1.2 của phụ lục 1.

Kết quả mô hình VECM 3 biến cho thấy: khi kết hợp cú sốc lãi suất và cú sốc

cung tiền trong cùng 1 mô hình, biến động 1% trong lãi suất làm cho chỉ số CPI

thay đổi 0.59% để phản ứng lại với mức ý nghĩa 5%. Kết quả này bước đầu cho

thấy cú sốc lãi suất là một công cụ hiệu quả để phục vụ mục tiêu điều chỉnh lạm

phát của Việt Nam. Trong khi đó, phản ứng của CPI trước cú sốc cung tiền không

thể ước lượng vì hệ số của mô hình không có ý nghĩa giải thích. Các giá trị Log

likelihood, Akaike và Schwarz cho thấy mô hình thích hợp. Kết quả từ mô hình

VAR cũng cho thấy biến sản lượng và lãi suất Hoa Kỳ không có tác động đáng kể

nào lên CPI của Việt Nam.



19



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

2 Phương pháp nghiên cứu

Tải bản đầy đủ ngay(48 tr)

×