Kiểm Định Tính Dừng - Kiểm Định Nghiệm Đơn Vị (Unit Root Tests)

35

8

30

7

Hình 8: Singapore

25

Hình 7: Philippin

6

Có thể bạn quan tâm!

• Sự truyền dẫn chính sách tiền tệ thông qua sự truyền dẫn của lãi xuất kết quả thực nghiệm trọng khối ASEAN +3 - 1
• Sự truyền dẫn chính sách tiền tệ thông qua sự truyền dẫn của lãi xuất kết quả thực nghiệm trọng khối ASEAN +3 - 2
• Kết Quả Kiểm Định Phương Sai Sai Số Thay Đổi Và Tự Tương Quan.
• Sự truyền dẫn chính sách tiền tệ thông qua sự truyền dẫn của lãi xuất kết quả thực nghiệm trọng khối ASEAN +3 - 5
• Sự Truyền Dẫn Của Lãi Suất : Một Số Kết Quả Cho Từng Quốc Gia

Xem toàn bộ 73 trang tài liệu này.

5

20

4

15

3

10

2

5

1

0 0

1998 2000 2002 2004 2006 2008 2010 2012 1998 2000 2002 2004 2006 2008 2010 2012

25

24

20

20

Hình 9 : Thái Lan

Hình 10 : Viêt Nam

16

15

12

10

8

5

4

0

0

1998 2000 2002 2004 2006 2008 2010 2012 1998 2000 2002 2004 2006 2008 2010 2012

DR_PHI LR_PHI MR_PHI

DR_SIN LR_SIN MR_SIN

DR_THA LR_THA MR_THA

DR_VNA LR_VNA MR_VNA

3.3 Phương pháp nghiên cứu

3.3.1 Kiểm định tính dừng - kiểm định nghiệm đơn vị (unit root tests)

Giả định rằng một biến ngẫu nhiên yt có phương sai xác định và rằng đồng phương sai giữa yt và yt-s (với s > 0) hoặc là bằng 0 hay phụ thuộc vào s mà không phụ thuộc vào t. Như vậy, sự tương quan giữa một chuỗi và các giá trị trễ của nó được giả định là chỉ phụ thuộc vào độ dài của sự trễ và không phụ thuộc vào khi nào chuỗi bắt đầu. Tính chất này được gọi là tính dừng và bất kỳ chuỗi nào tuân theo quy tắc này được gọi là chuỗi thời gian dừng. Nó cũng được gọi là chuỗi được tích hợp bậc không hoặc là I(0). Quá trình phát chuỗi dừng được gọi là bất biến theo thời gian. Trong một chuỗi dừng, Var(ut) và Var(ut-s) bằng nhau với s >

0. Dễ dàng nhận thấy các phần dư của mô hình hồi quy với một cấu trúc AR(1)

thỏa mãn tính chất dừng, trong khi đó mô hình bước ngẫu nhiên hoặc một chuỗi

có xu hướng theo thời gian sẽ có phương sai tăng dần theo thời gian và như vậy là không dừng. Hầu hết các chuỗi thời gian về kinh tế là không dừng vì chúng thường có một xu hướng tuyến tính hoặc mũ theo thời gian. Tuy nhiên có thể biến đổi chúng về chuỗi dừng thông qua quá trình sai phân, ví dụ, bằng các tính hiệu số xt – xt-1 . Nếu chuỗi sai phân có tính dừng, ta nói chuỗi ban đầu là tích hợp bậc nhất, nghĩa là, I(1). Một chuỗi tuân theo bước ngẫu nhiên rõ ràng là I(1).

Chúng ta phải kiểm tra tính dừng trước khi ước lượng vì dữ liệu có tính dừng( tức là phương sai không đổi theo thời gian) thì việc kiểm định mới có ý nghĩa thống kê. Theo Granger and Newbold (1974), các phương trình hồi quy theo chuỗi thời gian mà các chuỗi dữ liệu không dừng thì kết quả hồi quy sẽ không chính xác hay còn gọi là hồi quy giả mạo. Do đó, trước khi hồi quy chuỗi dữ liệu theo thời gian, chúng ta cần phải kiểm định tính dừng của các chuỗi dữ liệu. Một số phương pháp để kiểm tra tính dừng như là Augmented Dickey-Fuller (ADF) Test, Dickey- Fuller (DF) Test, Dickey-Fuller Generalised Least Squares (DF-GLS), Philips- Perron (PP) Test, Phillips, Schmidt, Shin (KPSS, 1992), Ng and Perron (NP) and KPSS or Kwiatkowski. Trong bài này chúng ta sẽ sử dụng phương pháp Augmented Dickey-Fuller (ADF) Test và Philips-Perron (PP) Test để kiểm tra tính dừng, kết quả sẽ được thể hiện ở phần 4.1.

3.3.2 Kiểm định phương sai của sai số thay đổi

Đối với phương pháp hồi quy cổ điển OLS, một trong những giả thiết quan trọng đó là phương sai của sai số là một số không đổi và bằng σ2. Tuy nhiên, thực tế hầu hết giả thiết này đều bị vi phạm trong các mô hình hồi quy.

Theo Kmenta (1986, tr. 276–279) các phương sai và đồng phương sai của các ước lượng OLS cho các giá trị β là thiên lệch và không nhất quán khi phương sai của sai số thay đổi nhưng bị bỏ qua. Do đó, các kiểm định giả thiết sẽ không còn giá trị nữa

Một thủ tục kiểm định được ưa chuộng là sử dụng kiểm định nhân tử Lagrange (LM), đây là một kiểm định cỡ mẫu lớn. Có bốn kiểm định LM phổ biến đó là :

Glesjer (1969), Breusch-Pagan (1979), White(1980), Harvey-Godfrey (1976 - 1978), mỗi kiểm định có những đặc trưng khác nhau của phương sai sai số. Trong tất cả các phương pháp này, bước đầu tiên là hồi quy biến phụ thuộc và các biến độc lập và có được các phần dư. Từ phần dư này sẽ tiến hành hồi quy phụ theo từng phương pháp đã nêu trên để có được một trị số thống kê LM = n*R2 với n là số quan sát và R2 là R2 không hiệu chỉnh trong hồi quy phụ. So sánh LM với giá trị kiểm định theo phân phối chi-bình phương (χ2p-1) hoặc xác định giá trị p-value để đưa ra kết quả. Kết quả kiểm định phương sai sai số thay đổi của bài này sẽ được trình bày trong phần 4.2.

3.3.3 Kiểm định tự tương quan

Thuật ngữ Tự tương quan có thể hiểu là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian. Mô hình hồi quy cổ điển OLS cho rằng sai số ứng với quan sát nào đó không bị ảnh hưởng bởi sai số ứng với quan sát khác. Tuy nhiên, thực tế có thể xảy ra hiện tượng mà sai số của các quan sát lại phụ thuộc nhau, tức là :

Cov(Ui , Uj) ≠ 0 ( i ≠ j)

Khi chúng ta tiến hành hồi quy mà có hiện tượng tự tương quan thì các ước lượng OLS vẫn có thể là ước lượng tuyến tính, không chệch nhưng chúng lại không còn hiệu quả nữa, hay các ước lượng đó không còn là các ước lượng không thiên lệch tuyến tính tốt nhất (BLUE) nữa

Việc xác định hiện tượng tự tương quan trong quá trình hồi quy là rất cần thiết nhằm xác định được mô hình phù hợp và có ý nghĩa. Hiện nay ó nhiều kiểm định được đưa ra như kiểm định Durbin – Watson, kiểm định Breusch-Godfrey (BG) và được tích hợp trong nhiều phần mềm thống kê. Trong bài này chúng ta sẽ sử dụng kiểm định Breusch-Godfrey LM Test để xác định hiện tượng tự tương quan

3.3.4 Phương trình truyền dẫn

Hiện nay các phương pháp nghiên cứu và phương trình nghiên cứu được đưa ra khá nhiều, và mỗi phương trình đó đều có ưu và nhược điểm khác nhau và phù hợp với từng mục tiêu nghiên cứu. Trong bài viết này, phương trình nghiên cứu của chúng ta sẽ chủ yếu dựa vào bài nghiên cứu của Siok Kun Sek và cộng sự (2012) – “Interest Rate Pass-Through and Monetary Transmission in Asia”. Các tác giả đã sử dụng phương pháp hồi quy có vẻ không liên quan - Seemingly Unrelated Regression (SUR), phương pháp này thể hiện được sự tương quan giữa các phần dư của các quốc gia. Đây cũng là vấn đề chính để xác định sự hội nhập của các quốc gia trong một khối cộng đồng như ASEAN+3.

Có hai phương pháp để ước lượng sự truyền dẫn của lãi suất, đó là phương pháp chi phí vốn và phương pháp chính sách tiền tệ (xem Grynkiv 2007; Rehman, 2009; Sander và Kleimeier, 2004a; DeBondt, 2005). Trong bài này sử dụng phương pháp chính sách tiền tệ. Phương pháp này có khả năng kiểm soát được mối quan hệ giữa lãi suất chính sách và lãi suất bán lẻ của các ngân hàng.

Mối quan hệ giữa lãi suất chính sách và lãi suất bán lẻ có thể được giải thích bởi mô hình chi phí biên của De Bondt (2002). Áp dụng khái niệm thị trường hiệu quả với thông tin hiệu quả thì giá cả bằng chi phí biên, đạo hàm của giá cả với khía cạnh chi phí biên bằng một nhưng có thể nhỏ hơn một nếu thị trường cạnh tranh hoàn toàn và chi phí thông tin được nới lỏng (Rousseas, 1985). Với khái niệm này để xác định giá cả của ngân hàng, mô hình chi phí biên được viết như sau:

br = γ0 + γ1mr (1)

Trong đó br là lãi suất của ngân hàng (lãi suất huy động hoặc cho vay), γ0 là hằng số và mr là chi phí biên đại diện là lãi suất chính sách. Lãi suất chính sách là phù hợp nhất thay thế cho chi phí biên vì sự hợp lý phản ánh chi phí sử dụng vốn biên. Tham số γ1 là hệ số góc của sự truyền dẫn. Nếu γ1 = 1 thì sự truyền dẫn từ lãi suất

thị trường sang lãi suất bán lẻ là hoàn toàn. Ngược lại, nếu 0 < γ1 < 1 thì sự truyền dẫn là không hoàn toàn. Một sự truyền dẫn không hoàn toàn phản ánh tính co giãn của cầu đối với vốn huy động và nợ là không hoàn toàn và cho thấy các ngân hàng có một phần sức mạnh thị trường. Những nhân tố tạo nên sức mạnh thị trường bao gồm sự tồn tại của chi phí chuyển đổi, chi phí bất cân xứng thông tin, và và mức độ độc quyền và quản lý giá cả (Niggle, 1987).

Trong bài nghiên cứu này, ta sẽ tính toán sự truyền dẫn của lãi suất chính sách vào hai loại lãi suất, là lãi suất huy động và lãi suất cho vay. Sự truyền dẫn của lãi suất vào lãi suất huy động và cho vay được kiểm tra trong cả ngắn hạn và dài hạn. Các nghiên cứu trước đây sử dụng nhiều kỹ thuật khác nhau để xây dựng phương trình sự truyền dẫn của lãi suất. Phương trình truyền dẫn có thể được viết dưới dạng sau:

m

𝑚

∆dr1t

= c1 +c2,k ∆mr1t−k +𝑐3,𝑘 ∆𝑑𝑟1𝑡−1−𝑘 + 𝜀1𝑡

(2)

k=0 𝑘=0

m

𝑚

∆lr2t

= c4 +c5,k ∆mr2t−k +𝑐6,𝑘 ∆𝑙𝑟2𝑡−1−𝑘 + 𝜀2𝑡

(3)

k=0 𝑘=0

Trong đó dr thể hiện lãi suất huy động, lr thể hiện lãi suất cho vay, mr là lãi suất thị trường (có thể là lãi suất chiết khấu hoặc lãi suất thị trường tiền tệ tuỳ quốc gia), k = 0,1,..,m là độ trễ thời gian, t là thời gian, c và cik với i = 1,2,..,n là hệ số hồi quy.

Nếu một biến không dừng ở bậc 0, thì sử dụng sai phân bậc nhất của biến đó. Δ biểu thị cho toán tử sai phân bậc nhất. Mức độ Sự truyền dẫn trong ngắn hạn từ

𝒌=𝟎

lãi suất thị trường vào lãi suất huy động và cho vay lần lượt là 𝒎 𝒄𝟐,𝒌 và

𝒎

𝒌=𝟎

𝒄𝟓,𝒌. Mức độ truyền dẫn trong dài hạn từ lãi suất thị trường sang lãi suất huy

động và cho vay lần lượt là :

𝒎

𝒌=𝟎

𝟏− 𝒎

𝒄𝟐,𝒌

𝒄𝟑,𝒌

𝒎

và

𝒌=𝟎

𝟏− 𝒎

𝒄𝟓,𝒌

𝒄𝟔,𝒌

𝒌=𝟎 𝒌=𝟎

3.3.5 Hồi quy có vẻ không liên quan - Seemingly Unrelated Regression

Phương pháp bình phương tối thiểu OLS với các ước lượng phi tham số của ma trân phương sai – hiệp phương sai là một phương pháp được sử dụng rộng rãi khi các mô hình tương quan của phần dư chưa được biết đến. Đối với nhiều chuỗi thời gian thì hồi quy có vẻ không liên quan – SUR – dường như phù hợp hơn OLS. Có hai trường hợp có thể xảy ra làm cho phương pháp SUR tương đương với OLS đó là: thứ nhất, các phần dư thực sự không tương quan với nhau giữa các phương trình hoặc thứ hai là mỗi phương trình đều chứa những đại lượng hoàn toàn giống nhau ở phía bên phải của chúng.

Trong kinh tế lượng, phương pháp hồi quy có vẻ không liên quan hay phương trình hồi quy có vẻ không liên quan (seemingly unrelated regressions – SUR- Davidson, MacKinnon (1993, trang 306), Hayashi (2000, trang 279), Greene (2002, trang 340) hoặc seemingly unrelated regression equations – SURE - Zellner (1962), Srivastava & Giles (1987, trang 2) được đề xuất bởi Zellner năm 1962 là mô hình hồi quy tuyến tính tổng quát bao gồm nhiều phương trình hồi quy, mỗi phương trình đều có biến phụ thuộc riêng và các biến giải thích. Mỗi phương trình đó có thể được hồi quy một cách riêng biệt do đó người ta mới gọi là dường như không liên quan (Greene (2002, tr. 342)

Seemingly Unrelated Regression (SUR) là một trong những phương pháp của bình phương bé nhất tổng quát (Generalized Least Squares - GLS). Nếu có vấn đề phương sai thay đổi (heteroskedasticity), khi quan sát theo nhiều biến khác nhau, thì GLS được sử dụng. Phương trình tuyến tính tổng quất đối với phương pháp SUR được thể hiện theo phương trình đơn giản sau :

Yit = Xit βí + uit (5)

Y1t = x1t β́1 + u1t

Cụ thể là :

Ynt = xnt β́n + unt

Trong đó yit là biến độc lập, xit = (1, xit,1, xit,2…, xit, ki-1) là vecto Ki của các biến giải thích đối với mỗi quan sát đơn vị i, uit là sai số không quan sát được, it đại diện cho phương trình thứ i trong hệ thống và quan sát thứ t (Moon and Perron, 2006). i là số của phương trình hồi quy và i =1, …,N, t =1,…,T là các quan sát. β́i’ là chuyển vị của vecto hệ số hồi quy không xác định cần được ước lượng.

Yit = [Δdr ; Δlr ; Δmr]

X1t = [1; Δmr1t, …, Δmr1t-m ; Δdr1t, …, Δdr1t-m] X2t = [1; Δmr2t, …, Δmr2t-m, ; Δlr2t, …, Δlr2t-m] β1 = [c1; c2,0 … c2,m ; c3,0 … c3,m]΄

β2 = [c4; c5,0 … c5,m ; c6,0 … c6,m]΄

Một phép đơn giản hóa mô hình là giả sử rằng β thay đổi theo từng nhóm chéo nhưng không kéo dài theo thời gian. Nếu số hạng sai số uit tuân theo giả thiết chuẩn của trung bình zero nhưng có phương sai thay đổi, không tự tương quan và không có tương quan đồng thời (tại thời điểm t) giữa các sai số (uit) của bất kỳ phương trình nào, thì các phương trình trên về cơ bản là không có tương quan. Dùng bình phương tối thiểu đối với từng phương trình riêng rẽ, chúng ta sẽ có được các ước lượng không chệch, nhất quán và hiệu quả nhất. Một vấn đề của phương pháp này là những hiện tượng thông thường xảy ra trong bất kỳ nền kinh tế nào (như thay đổi lãi suất, cung tiền, chính sách thuế, chính trị…) thường ảnh hưởng đến các sai số chéo khác nhau theo một cách tương tự dẫn đến tương quan đồng thời. Do đó chúng ta có thể có

Cov(u1t , u2t ) = σ12 ; Cov(u2t , u3t ) = σ23 ; Cov(u1t , u3t ) = σ13

Trong đó các σ khác không. Bằng cách khai thác các đồng phương sai này, chúng ta có thể có các ước lượng thông số tốt hơn là khi thực hiện riêng rẽ đối với từng phương trình. Các bước như sau:

Bước 1: Ước lượng từng phương trình riêng rẽ bằng bình phương tối thiểu thông thường và tính phần dư (uit)

Bước 2: Dùng các phần dư ước lượng được ở trên để ước lượng các phương sai và đồng phương sai (σij với i,j = 1,2,3…n)

Bước 3: Dùng các ước lượng từ bước 2 để thực hiện các ước lượng bình phương tối thiểu tổng quát khả thi (FGLS) của tất cả các thông số.

Mô hình trên được gọi là hồi quy có vẻ không tương quan (SUR), một thuật ngữ do Zellner (1962) đưa ra, vì chúng dường như không có tương quan ngoại trừ tương quan giữa các phần dư.

Theo lý thuyết, khi biết độ lệch chuẩn , ta dùng Generalized (hoặc Weighted) Least Squares – WLS để khắc phục hiện tượng phương sai thay đổi. Tuy nhiên, trên thực tế, ta không biết độ lệch chuẩn. Nếu không biết độ lệch chuẩn ta dùng Feasible Generalized Least Squares (FGLS), thực hiện theo bốn trường phái: (1) Breusch & Pagan, (2) Glejser, (3) Harvey & Godfrey và (4) White. Trong bài này chúng ta sẽ sử dụng phương pháp của Breusch & Pagan để xác định phương sai thay đổi.

4. Kết quả nghiên cứu.

Phân tích trong bài gồm ba phần kết quả chính. Thứ nhất, chúng ta cần kiểm tra tính dừng của các biến, kiểm định ADF được sử dụng để kiểm tra tính dừng của cả ba loại lãi suất là huy động, cho vay và lãi suất chiết khấu. Ngoài ra để khẳng định lại kết quả của kiểm định ADF chúng ta sẽ sử dụng thêm kiểm định Phillips- Perron test. Với giả thiết H0 : Chuỗi dữ liệu không có tính dừng. Nếu bác bỏ giả thiết H0 tức là chuỗi dữ liệu có tính dừng. Mặt khác, nếu không thể bác bỏ H0 thì chuỗi dữ liệu không dừng và do đó cần sử dụng sai phân bậc nhất. Thứ hai, cần quyết định lựa chọn phương pháp ước lượng OLS hay SUR. Cụ thể chúng ta cần xác định hiện tượng phương sai sai số thay đổi và hiện tượng tự tương quan. Nếu có một trong hai hiện tượng trên thì hồi quy OLS sẽ không hiệu quả nên