Tải bản đầy đủ - 66 (trang)
2 KIỂM ĐỊNH ĐỒNG LIÊN KẾT (ENGLE - GRANGER)

2 KIỂM ĐỊNH ĐỒNG LIÊN KẾT (ENGLE - GRANGER)

Tải bản đầy đủ - 66trang

21



Variable



Std.

Error



t-Statistic



Prob.



6.939225 1.585258

-0.004818 0.014751

0.001898 0.004278

-0.006052 0.003101

2.31E-05 9.87E-05



4.377349

-0.326651

0.443606

-1.951802

0.234310



0.0003

0.7472

0.6619

0.0644

0.8170



Mean dependent var

S.D. dependent var

Akaike info

1.451385 criterion

44.23687 Schwarz criterion

-43.80141 F-statistic

1.025966 Prob(F-statistic)



6.860385

1.735593



Coefficient



C

EXD

EXDX

INF

EXR

R-squared

Adjusted R-squared

S.E. of regression

Sum squared resid

Log likelihood

Durbin-Watson stat



0.412580

0.300691



3.753954

3.995896

3.687393

0.019992



Nguồn: Kết quả từ Eview 5.1

Ta nhận thấy một cách sơ bộ, hệ số của biến EXD và INF có quan hệ nghịch biến

với GDP, điều này không phù hợp với kỳ vọng ta đặt ra ban đầu cho mô hình là B1,

B2 > 0; B3, B4 < 0. Bên cạnh đó, các giá trị-p cũng đều > 0.05 và R2hiệu chỉnh = 0.3 là

khá thấp. Điều đó cho thấy đây có thể là mô hình chưa phù hợp. Do đó tiến hành

thử nghiệm phương pháp bình phương nhỏ nhất OLS với các biến logarit của các

đại lượng này ngoại trừ biến phụ thuộc GDP từ đó có thể tạo ra được một mô hình

phù hợp hơn với dữ liệu.

Mô hình lin – log và kết quả như sau:

(b)



GDP = B0 + B1 log(EXD) + B2 log(EXD/X) + B3 (INF) + B4 log(EXR) + e2

Bảng 3.2.2: Kết quả từ OLS với mô hình (b)



Variable

C

LOG(EXD)

LOG(EXDX)

LOG(INF)

LOG(EXR)



Coefficient Std. Error

4.614736

-0.379776

0.748846

-0.631247

0.218445



t-Statistic



4.774021 0.966635

0.770169 -0.493107

0.708717 1.056622

0.372376 -1.695189

0.482259 0.452963



Prob.

0.3459

0.6276

0.3039

0.1064

0.6557



22



R-squared

Adjusted R-squared

S.E. of regression

Sum squared resid

Log likelihood

Durbin-Watson stat



0.546121

0.450567

1.341202

34.17764

-38.29674

0.904518



Mean dependent var

S.D. dependent var

Akaike info criterion

Schwarz criterion

F-statistic

Prob(F-statistic)



6.862083

1.809410

3.608062

3.853489

5.715341

0.003408



Nguồn: Kết quả từ Eview 5.1

Cũng tương tự với mô hình (a) ở trên, mô hình lin – log (b) cũng gặp các vấn đề

tương tự là: B1 < 0; B4 > 0; các giá trị p_value cũng đều > 0.05. Tuy nhiên, hệ số

R2hiệu chỉnh = 0.45 > R2hiệu chỉnh = 0.3 ở mô hình (a) cũng có thể xem là một thay đổi

đáng kể. Do đó, ta tiếp tục phép thử với mô hình thứ 3.

Mô hình log – log và kết quả:

(c)log(GDP) = B0 + B1 log(EXD) + B2 log(EXD/X) + B3 log(INF) + B4 log(EXR) + e3



Bảng 3.2.3: Kết quả từ OLS với mô hình (c)

Variable



Coefficient Std. Error



C

LOG(EXD)

LOG(EXDX)

LOG(INF)

LOG(EXR)



0.973237

-0.086712

0.141923

-0.081549

0.090141



R-squared

Adjusted R-squared

S.E. of regression

Sum squared resid

Log likelihood

Durbin-Watson stat



0.670002

0.600528

0.194015

0.715192

8.104568

0.932195



t-Statistic



0.690597 1.409270

0.111411 -0.778307

0.102521 1.384328

0.053867 -1.513894

0.069762 1.292118



Prob.

0.1749

0.4460

0.1823

0.1465

0.2118



Mean dependent var 1.885639

S.D. dependent var

0.306967

Akaike info criterion -0.258714

Schwarz criterion

-0.013286

F-statistic

9.644012

Prob(F-statistic)

0.000196



Nguồn: Kết quả từ Eview 5.1

Cũng tương tự với mô hình (b) ở trên, mô hình log – log (c) cũng gặp các vấn đề

tương tự là: B1 < 0; B4 > 0; các giá trị-p cũng đều > 0.05. Tuy nhiên, hệ số R2hiệu chỉnh

= 0.6 > R2hiệu chỉnh = 0.45 ở mô hình (b) cũng có thể xem là một thay đổi đáng kể. Để



23



khắc phục tình trạng này, tác giả làm phép kiểm định xem mô hình (c) có thừa biến

hay không. Dựa vào kết quả một số nghiên cứu thực nghiệm gần đây về tác động

của nợ nước ngoài đến tăng trưởng kinh tế ở phần 1, tác giả nhận thấy biến EXR ít

được nhắc đến trong các mối quan hệ với GDP, nên tác giả sẽ làm kiểm định để loại

bỏ biến EXR trước tiên.

Kiểm định giả thiết: H0: B4 = 0 (với B4 là hệ số của EXR trong phương trình (c))

H 1 : B4 ≠ 0

Bảng 3.2.4: Kết quả kiểm định thừa biến EXR

Redundant Variables: LOG(EXR)

F-statistic

Log likelihood ratio



Variable



1.669570

2.021366



Prob. F(1,19)

Prob. Chi-Square(1)



Coefficient Std. Error



C

LOG(EXD)

LOG(EXDX)

LOG(INF)



1.837221

0.007060

0.074524

-0.114280



R-squared

Adjusted R-squared

S.E. of regression

Sum squared resid

Log likelihood

Durbin-Watson stat



0.641004

0.587155

0.197236

0.778038

7.093885

0.992645



t-Statistic



0.175557 10.46510

0.085935 0.082156

0.089725 0.830584

0.048328 -2.364680



0.211812

0.155100



Prob.

0.0000

0.9353

0.4160

0.0283



Mean dependent var 1.885639

S.D. dependent var

0.306967

Akaike info criterion -0.257824

Schwarz criterion

-0.061481

F-statistic

11.90364

Prob(F-statistic)

0.000108



Nguồn: Kết quả từ Eview 5.1

Theo kết quả của bảng trên, thống kê F = 1.669570 có xác suất p = 0.211812 > 0.05

nên ta chấp nhận giả thuyết H0: B4 = 0, tức là EXR là biến không cần thiết trong mô

hình hồi quy (c). Do đó, ta sẽ loại bỏ biến EXR ra khỏi phương trình. Khi đó, ta

được một phương trình mới:



24



(d) log(GDP) = 1.837221 + 0.007060log(EXD) + 0.074524log(EXD/X) –

0.114280log(INF) + e4

* Đánh giá mức độ phù hợp của mô hình:

- R2hiệu chỉnh = 0.587155 có nghĩa là các biến trong mô hình giải thích được 58,7% sự

thay đổi của GDP. Trên thực tế, đây là một con số khá cao, nên có thể nói mô hình

(d) là phù hợp. R2hiệu



chỉnh



= 0.587155 cũng nhỏ hơn hệ số Dubin – Watson (d =



0.992645) nên không có hiện tượng tự tương quan

- Kiểm định thống kê F = 11.90364 có giá trị-p rất nhỏ = 0.000108 và nhỏ hơn 0.05

cũng cho thấy mô hình (d) là mô hình có ý nghĩa nghiên cứu .

- Hệ số B1 = 0.007060 > 0 (còn được gọi là hệ số co giãn trong mô hình log) phù

hợp với kì vọng, cho thấy nếu EXD tăng hoặc giảm 1% sẽ tác động đến lượng tăng

hoặc giảm của GDP xấp xỉ 0.007%. Điều này cho thấy nợ nước ngoài có quan hệ

đồng biến với tăng trưởng kinh tế. Vay nợ nước ngoài bổ sung nguồn vốn bị thiếu

hụt do mất cân đối giữa tiết kiệm và đầu tư. Theo lý thuyết Debt Overhang, ở mức

nợ hợp lý, vay nợ tăng lên sẽ có tác động tích cực đến tăng trưởng. Do đó, nền kinh

tế Việt Nam luôn đạt được tốc độ tăng trưởng cao.

- Hệ số B2 = 0.074524 > 0 cho thấy nếu giá trị hệ số (EXD/X) tăng hoặc giảm 1

đơn vị thì sẽ làm GDP tăng hoặc giảm xấp xỉ 0.075 đơn vị cho thấy mức độ bền

vững về nợ nước ngoài thể hiện qua khả năng chi trả các khoản nợ nước ngoài hiện tại

và trong tương lai từ nguồn thu xuất khẩu của quốc gia

- Hệ số B3 = - 0.112359 < 0 cho thấy INF có tác động ngược chiều với GDP. Cụ

thể hơn là nếu INF tăng hoặc giảm 1% sẽ gây ra cho GDP giảm hoặc tăng 0.11%.

Vay nợ nước ngoài đã làm cho chi tiêu của chính phủ tăng lên do đó làm tăng tỷ lệ

lạm phát trong nền kinh tế là do phần lớn số nợ nước ngoài được chi cho đầu tư



25



BƯỚC 2: KIỂM ĐỊNH PHẦN DƯ R

Bảng 3.2.5: Kết quả kiểm định phần dư r

Null Hypothesis: R has a unit root

Exogenous: None

Lag Length: 0 (Fixed)



Augmented Dickey-Fuller test statistic

Test critical values: 1% level

5% level

10% level



t-Statistic



Prob.*



-2.255111

-2.674290

-1.957204

-1.608175



0.0263



*MacKinnon (1996) one-sided p-values.

Nguồn: Kết quả từ Eview 5.1

Ta thấy: |t| = 2.255111, tức là |t| > |t0.05| = 1.957204

Như vậy, với mức ý nghĩa 95%, chuỗi r dừng, chứng tỏ mô hình (d) đồng liên kết.

Do đó, tỷ lệ nợ nước ngoài EXD, tỷ lệ nợ nước ngoài trên xuất khẩu EXD/X và tỷ lệ

lạm phát INF đều có quan hệ cân bằng dài hạn với tốc độ tăng trưởng GDP của Việt

Nam qua các năm.

3.3 MÔ HÌNH HIỆU CHỈNH SAI SỐ (ECM )

Theo Granger (1983 và 1986) khái niệm cân bằng dài hạn chỉ định sự tương đương

về mặt thống kê của đồng liên kết. Khi có đồng liên kết và khi có một cú sốc bất kỳ

xảy ra gây ra sự mất bằng thì sẽ tồn tại quá trình điều chỉnh động ngắn hạn như cơ

chế hiệu chỉnh sai số. Cơ chế này sẽ đưa hệ thống trở lại cân bằng dài hạn. Thực tế

cho thấy, đồng liên kết hàm ý sự tồn tại dạng hàm hiệu chỉnh sai số động trong xem

xét quan hệ giữa các biến, do vậy mô hình ECM được sử dụng trong ước lượng sẽ

cho phép xác định cân bằng dài hạn từ sự vận động ngắn hạn được xác định từ dữ

liệu thực tế.



26



Kết quả kiểm định đơn vị cho thấy hầu hết các biến là chuỗi dừng ở sai phân bậc

một I(1), và có tồn tại đồng liên kết giữa các biến trong mô hình (c) nên ta có thể sử

dụng mô hình hiệu chỉnh sai số (ECM), để tính toán mức độ tác động của các nhân

tố đến biến động của tăng trưởng kinh tế và xác định mức chênh lệch trong ngắn

hạn so với mức cân bằng dài hạn của chỉ số tăng trưởng kinh tế.

Bảng 3.3.1: Kết quả hồi quy mô hình ECM1 2 bước trễ

Biến phụ thuộc = D(GDP,2)

SAI SỐ



THỐNG



GIÁ TRỊ



BIẾN



HỆ SỐ



CHUẨN



KÊ T



P_VALUE



D(GDP(-1))



-0.035718



0.026032



-1.372113



0.1951



D(GDP(-1),2)



-0.435549



0.300291



-1.450425



0.1726



D(GDP(-2),2)



-0.310530



0.240814



-1.289498



0.2215



D(EXD(-1),2)



0.001481



0.037470



0.039515



0.9691



D(EXD(-2),2)



-0.000531



0.017438



-0.030422



0.9762



D(EXD/X(-1),2)



-0.010496



0.014755



-0.711386



0.4904



D(EXD/X(-2),2)



-0.000361



0.008647



-0.041738



0.9674



D(INF(-1),2)



-0.026630



0.032053



-0.830813



0.4223



D(INF(-2),2)



-0.000821



0.014882



-0.055134



0.9569



ECM(-1)



-0.380769



0.356424



-1.068303



0.3064



2



R = 0.764428



R2hiệu chỉnh =

0.587749

Nguồn: Kết quả từ Eview 5.1



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

2 KIỂM ĐỊNH ĐỒNG LIÊN KẾT (ENGLE - GRANGER)

Tải bản đầy đủ ngay(66 tr)

×