Cơ Sở Ước Lượng Mô Hình Nghiên Cứu

(-)

Lãi suất cho vay Ir

Tổng cho vay Vl

Tỷ lệ dự trữ bắt buộc Rr

Tổng huy động Vd

(+)‌

Có thể bạn quan tâm!

Xem toàn bộ 121 trang tài liệu này.

(-)

(+)

Tổng sản phẩm quốc nội GDP

Hình 3.1 : Sơ đồ nghiên cứu đề xuất

(+) Kỳ vọng mối quan hệ đồng biến (-) Kỳ vọng mối quan hệ nghịch biến

Mô hình nghiên cứu đề xuất này dựa trên các lý thuyết và đồng thời dựa vào nghiên cứu của Felicia Omowummi Olokoyo. Tuy nhiên, do những hạn chế về mặt thu thập dữ liệu nên có một số thay đổi sau:

Thứ nhất, biến đại diện cho hành vi cho vay là biến Tổng cho vay (Vl) do không tìm được dữ liệu cho vay và tạm ứng (LOA) như bài nghiên cứu của Felicia Omowummi Olokoyo.

Thứ hai, do không tìm được dữ liệu đầy đủ cho các biến Đầu tư (Ip), Tỷ lệ thanh khoản (Lr) và Tỷ giá hối đoái (Fx) nên tác giả không đưa vào mô hình các biến này.

3.1.2.2 Mô hình toán nghiên cứu đề xuất

Để kiểm tra các yếu tố ảnh hưởng đến hành vi cho vay của các ngân hàng thương mạiViệt Nam, luận văn vận dụng cơ sở lý thuyết và dựa vào bài nghiên cứu của Olokoyo, đề xuất dạng mô hình toán nghiên cứu như sau:

Vl = f(Vd, Ir, Rr, Fx, GDP)

Vlt = α0 + α1Vdt + α2Irt + α3Rrt + α4GDPt +μ (3.1) Trong đó:

Vl: Tổng cho vay (Volume of Loans)

Vd: Tổng huy động (Volume of Deposits)

Ir: Lãi suất cho vay (Interest Rate (Lending Rate))

Rr: Tỷ lệ dữ trữ bắt buộc (Cash Reserve Requirement Ratio) GDP: Tổng sản phẩm quốc nội (Gross Dosmetic Product)

μ : phần dư

α0 : hệ số chặn

αi (i = 1,4): các hệ số với kỳ vọng như sau: α1, α4 >0 và α2, α3 <0 Phương trình thực nghiệm (3.1) được biến đổi thành mô hình hiệu

chỉnh sai số như sau:

ΔVl = β0 + ∑ki=0β1iΔVlt-i + ∑ki=0β2iΔIrt-i + ∑ki=0β3iΔRrt-i + ∑ki=0β4i ΔGDPt-i + δECMt-1 (3.2)

Trong đó:

Δ : toán tử vi phân β0 : hệ số chặn

βji (j = 1,4 ; i = 1,k) : hệ số điều chỉnh ngắn hạn với k là độ trễ

ζECMt-1 : số hạng sai số

Luận văn sử dụng dữ liệu thời gian trong quá khứ và phần mềm thống kê Eviews 5.1 hỗ trợ để phân tích và ước lượng mô hình .

3.2 Ước lượng mô hình nghiên cứu

3.2.1 Cơ sở ước lượng mô hình nghiên cứu

Cơ chế hiệu chỉnh sai số trong mô hình ECM là một giải pháp năng động đã được phổ biến trong những mô hình nghiên cứu kinh tế vĩ mô của Ganger và Newbold (1977). Mô hình được hiểu theo nghĩa thông thường là sự kết hợp những thông tin trong dài hạn vào phương trình bao gồm những thành phần dừng hợp thành.

Mô hình có lợi thế là có thể được sử dụng để ước lượng sự phù hợp khi sử dụng phương pháp bình phương bé nhất (OLS) và thực hiện theo lối thực nghiệm (Engle và Granger, 1987). Một điều quan trọng là mô hình thể hiện mối quan hệ trong ngắn hạn và dài hạn giữa những chuỗi dữ liệu thời gian tích hợp khi chúng chứa đựng những biến trong nhiều bậc cùng cấp độ trong sai phân.

Như chúng ta đã biết, khi hồi quy đối với chuỗi dữ liệu thời gian không dừng, kết quả hồi quy có thể là giả mạo. Với chuỗi thời gian dừng khi lấy sai phân thì khi hồi quy các chuỗi này chúng ta bỏ mất những thông tin dài hạn giữa các biến. Còn đối với hồi quy đồng tích hợp có thể tránh được hiện tượng hồi quy giả nhưng chỉ cung cấp mối quan hệ trong dài hạn.

Mô hình hiệu chỉnh sai số thiết lập mối quan hệ ngắn và dài hạn giữa các biến đang được phát triển. Sự tương ứng khái niệm mô hình hiệu chỉnh sai số của quan hệ dài hạn đến khái niệm đồng tích hợp trong thống kê đã được khám phá bởi Engle và Granger (1987). Đồng tích hợp chỉ cung cấp quan hệ trong dài hạn hoặc là những tính chất của sự cân bằng được giải thích bởi lý thuyết kinh tế. Bản thân những lý thuyết kinh tế cũng ít đề cập đến quy trình động của những biến dịch chuyển đến sự cân bằng .

Engle and Grange (1987), Lloyd and Rayner (1990) đã kết luận nếu hai hoặc nhiều hơn hai chuỗi dữ liệu thời gian tất cả đều tích hợp bậc 1 hay I(1),

và đồng liên kết thì tồn tại một cơ chế điều chỉnh sai số hướng đến ước lượng phần của mỗi sai số cân bằng trong thời kỳ cho các biến ngắn hạn và dài hạn. Để đơn giản, một dạng của cơ chế điều chỉnh lỗi bao gồm hai biến tích hợp bậc 1 I(1), y và x có thể được trình bày như sau:

Δyt = βΔxt – ζ(yt-1 – y0 – y1xt-1) + vt (3.3)

Trong đó : v là đặc trưng cho các nhiễu loạn ngẫu nhiên phân phối độc lập (NID), cũng được biết như ( White nose) với đặc điểm có trung bình bằng 0, hiệp phương sai bằng 0 và phương sai không đổi.

Thông số β đo lường ngắn hạn lên y khi x thay đổi, y1 đo lường mối quan hệ cân bằng trong dài hạn giữa x và y.

yt = y0 + y1xt + ut (3.4)

(yt-1 – y0 – y1xt-1) trong phương trình là sai số giới hạn tương ứng với kiểu độ trễ của phương trình, những cái này biểu thị cho sự phân kỳ từ trạng thái cân bằng trong dài hạn.

Thông số ζ đo lường quy mô hiệu chỉnh của lỗi bởi sự điều chỉnh trong y, dấu hiệu phủ định của nó cho biết sự điều chỉnh được tạo ra theo hướng phục hồi lại sự cân bằng trong dài hạn. Sự điều chỉnh trong ngắn hạn vì vậy cũng được dẫn dắt và đạt được sự phù hợp bởi quan hệ cân bằng trong dài hạn.

VECM dựa trên cơ sở hiệu chỉnh sai số này cho mô hình tự hồi quy véc tơ (VAR) với việc kiểm tra đồng tích hợp theo phương pháp Johansen và Juselius. Cho một mô hình VAR với biến xt là I(1), không dừng, Δx là I(0) với độ trễ là k.

xt = α0 + α1xt-1 + … + αkxt-k + ut (3.5) Thì mô hình hiệu chỉnh sai số của phương trình (3.5) như sau: Δxt = β0 + ∑ki=0βiΔxt-i + δECMt + ut (3.6)

Trong phần ước lượng mô hình nghiên cứu sẽ trình bày chi tiết về cách ước lượng mô hình VECM.

3.2.2 Ước lượng mô hình nghiên cứu

3.2.2.1 Kiểm tra tính dừng và bậc tích hợp Tính dừng

Khi các nghiên cứu sử dụng dữ liệu dưới dạng chuỗi dữ liệu thời gian (Time series), việc đầu tiên cần nên làm là kiểm tra xem những biến mà nghiên cứu sử dụng trong mô hình nghiên cứu là dừng (Stationary) hay không dừng (non-stationary). Một chuỗi dữ liệu thời gian được xem là dừng nếu như trung bình và phương sai của phương trình không thay đổi theo thời gian và giá trị của đồng phương sai giữa hai đoạn chỉ phụ thuộc vào khoảng cách hay độ trễ về thời gian giữa hai thời đoạn này chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính (Ramanathan, 2002). Cụ thể:

Trung bình : E(Yt) = μ = const Phương sai : Var (Yt) = ζ2 = const

Đồng phương sai : Covar (Yt, Yt-k) = gk

Tính dừng của chuỗi dữ liệu thời gian là một khái niệm vô cùng quan trọng, vì thực tế hầu hết tất cả những mô hình thống kê đều được thực hiện dưới giả định là chuỗi dữ liệu thời gian phải dừng. Do vậy một khi ước lượng các tham số hoặc kiểm định giả thuyết của các mô hình, nếu không kiểm định thuộc tính dừng của dữ liệu thì các kỹ thuật phân tích thông thường (kỹ thuật phân tích bình phương bé nhất) sẽ không chính xác và hợp lý. Những kết quả xuất phát từ những phân tích kinh tế khi sữ dụng dữ liệu không dừng đều là giả (Granger and Newbold, 1977). Vì vậy tính dừng (xác định bậc tích hợp) cho chuỗi dữ liệu thời gian của mô hình nên được kiểm tra trước tiên.

Để kiểm tra tính dừng và xác định bậc tích hợp của chuỗi dữ liệu thời gian, luận văn sử dụng kiểm định Dickey Fuller . Các độ trễ thời gian (lags)

dùng trong mô hình sẽ được luận văn tham khảo trong các nghiên cứu khác có kích cỡ mẫu và đặc tính dữ liệu mang tính tương đồng, thông qua việc áp dụng tiêu chuẩn AIC (Akaike Information Criteria) về xác định độ trễ .

Bậc tích hợp

Trước khi đi vào ước lượng mô hình hiệu chỉnh sai số, cần phải xác định bậc tích hợp của các biến được xem xét đưa vào mô hình. Chỉ có những biến có cùng bậc tích hợp mới có thể có đồng tích hợp và khi có sự tồn tại của đồng tích hợp mới hàm ý rằng có cơ sở vững chắc cho việc vận dụng mô hình hiệu chỉnh sai số.

Một chuỗi dữ liệu Yt được gọi là tích hợp bậc d nếu chuỗi dữ liệu Yt trở nên dừng sau d phân sai, biểu thị là Yt ~ I (d). Chẳng hạn như, nếu chuỗi dữ liệu Yt trở nên dừng sau một lần sai phân, đó là Yt – Yt-1 hoặc ΔYt là dừng, điều này được biểu thị như Yt ~ I (1) và ΔYt ~ I (1).

Phương pháp kiểm tra tính dừng và bậc tích hợp

Có thể nói công trình đầu tiên trong việc kiểm định nghiệm đơn vị trong chuỗi dữ liệu thời gian được thực hiện bởi Dickey và Fuler. Trước tiên giả sử rằng :

Yt = ρYt-1 + ut với (-1 ≤ ρ ≤ 1) (3.7) Giả thiết : H0 : ρ = 1 (Yt là chuỗi không dừng)

H1 : ρ < 1 (Yt là chuỗi dừng)

Phương trình (3.7) tương đương với phương trình sau: Yt – Yt-1 = ρYt-1 – Yt-1 + ut

= (ρ – 1)Yt-1 + ut

ΔYt = δYt-1 + ut (3.8)

Như vậy các giả thiết trên được viết lại như sau:

H0 : δ = 0 (Yt là chuỗi không dừng)

H1 : δ < 0 (Yt là chuỗi dừng)

Dickey and Fuler cho rằng giá trị t ước lượng của hệ số Yt-1 sẽ phân phối xác suất η ( η = giá trị δ ước lượng / sai số của hệ số δ). Kiểm định thống kê η còn gọi kiểm định Dickey – Fuler (DF).

Kiểm định DF được ước lượng với ba hình thức :

1. Khi Yt-1 là một bước ngẫu nhiên không hằng số (Without Constant and trend)

ΔYt = δYt-1 + ut (3.9)

2. Khi Yt là một bước ngẫu nhiên có hằng số (Without Constant) ΔYt = β1 + δYt-1 + ut (3.10)

3. Khi Yt là một bước ngẫu nhiên có hằng số xoay quanh một đường xu thế ngẫu nhiên

ΔYt = β1 + β1TIME+ δYt-1 + ut (3.11)

Để kiểm định kê tra bảng DF.

H0 , so sánh giá trị thống kê tính toán với giá trị thống

Bởi vì có hiện tượng tương quan chuỗi giữa các ut do thiếu biến, nên

thường sử dụng kiểm định DF mở rộng là ADF (Augemented Dickey – Fuler Test). Kiểm định này được thực hiện bằng cách bổ sung vào phương trình ΔYt = β1 + β1TIME+ δYt-1 + ut các biến trễ của sai phân biến phụ thuộc ΔYt ta có phương trình mới:

ΔYt = β1 + β1TIME+ δYt-1 + αi∑Yt-i + εt (3.12) Khi đó :

1. Nếu /ηα/ tính toán > /η/ = giá trị ADF (ADF test statistic)

suy ra không bác bỏ giả thiết dữ liệu không dừng)

H0 , hay tồn tại nghiệm đơn vị (chuỗi

2. Nếu /ηα/ tính toán < /η/ = giá trị ADF (ADF test statistic)

suy ra bác bỏ giả thiết dữ liệu là dừng).

H0 , hay không tồn tại nghiệm đơn vị (chuỗi

3.2.2.2 Kiểm tra đồng tích hợp Đồng tích hợp

Engle và Granger (1987), một vecto xt (bao gồm các thành phần là chuỗi dữ liệu thời gian) được gọi là đồng tích hợp nếu mỗi thành phần của véc tơ này là I(1), nhưng có tồn tại một véc tơ a khác véc tơ 0 được gọi là véc tơ đồng tích hợp với axt là I(0). Trong đó:

I(0) là chuỗi dữ liệu dừng tự nhiên.

I(1) là chuỗi dữ liệu dừng ở sai phân bậc 1 (hay bậc tích hợp là 1).

Phương pháp kiểm tra đồng tích hợp

Cơ sở vững chắc của mô hình hiệu chỉnh sai số ECM dựa trên khái niệm rằng có tồn tại một mối quan hệ cân bằng trong dài hạn giữa các biến có liên quan. Việc kiểm tra đồng tích hợp là để trả lời cho câu hỏi tồn tại hay không mối quan hệ. Trước khi sử dụng kiểm tra đồng tích hợp cần thiết lập ở mỗi chuỗi dữ liệu là tích hợp cùng một bậc giống nhau.

Sau khi bậc tích hợp của mỗi biến trong nghiên cứu được xác định trong phần kiểm tra tính dừng. Bước tiếp theo tiến hành kiểm tra đồng tích hợp, việc kiểm tra đồng tích hợp nhằm xác định trạng thái cân bằng (equilibrium) hoặc một quan hệ dài hạn giữa các biến khảo sát (long-run relationship). Nếu kết quả xác định có tồn tại ít nhất một quan hệ dài hạn giữa các biến, sau đó sự phân kỳ của các biến dài hạn được giới hạn khi đó những biến này được gọi là đồng tích hợp.

Phương pháp của Johansen and Juselius (1990) tiếp cận dựa trên sự ước lượng giá trị (maximum likelihood), giá trị (maximum Engle) và giá trị thống kê (trace value) để tìm ra số lượng véc tơ đồng tích hợp.Phương pháp này đã cung cấp lý thuyết cho việc kiểm tra đồng tích hợp trong cách tiếp cận với nội

Xem toàn bộ nội dung bài viết ᛨ