Trang chủ / Chính Sách Tiền Tệ

Kết Quả Kiểm Định Phương Sai Sai Số Thay Đổi Và Tự Tương Quan.


chúng ta sẽ sử dụng hồi quy SUR. Để xác định phương pháp hồi quy phù hợp kiểm định LM được sử dụng với


𝛌𝐋𝐌 = 𝐓 ∗ 𝐌

𝟏

𝐢−𝟏∗ 𝐫𝟐 Với 𝐫𝐢𝐣 = 𝐬 𝐢𝐣/(𝐬 𝐢𝐢𝐬 𝐣𝐣)𝟐

𝐢=𝟐

𝐣=𝟏 𝐢𝐣


thu được từ phần dư của OLS và hệ số tương quan là phân phối chi bình phương. Nó kiểm tra đường chéo của ma trận hiệp phương sai, Σ. Các phần tử thuộc đường chéo của ma trận hiệp phương sai chính là phương sai của ma trận. λLM là phân phối tiệm cận theo chi bình phương.

Nếu λLM > χ2 hoặc giá trị P-value nhỏ hơn mức ý nghĩa (1%, 5% 10%) thì tồn tại phương sai sai số thay đổi (heteroskedasticity), nên chúng ta sẽ sử dụng SUR- GLS thay vì OLS (Sek, 2010). Phương sai bằng nhau (Homoskedasticity) tức là tất cả các phương sai của sai số là hằng số (White, 1980). Tuy nhiên, nếu λLM < χ2 tức là có phương sai bằng nhau thì chúng ta sử dụng OLS. Thứ ba, sau khi lựa chọn phương pháp phù hợp chúng ta tiến hành hồi quy.


4.1 Kết quả kiểm tra tính dừng – ADF



Bảng 2: Kiểm định ADF với lãi suất huy động

Individual effects, individual linear trends

Huy động

t-stat

Prob.

Sai phân bậc 1

t-stat

Prob.

DR_CHI

-1.1903

0.9079

D(DR_CHI)

-12.3893

0.0000***

DR_IND

-3.1539

0.0985*

D(DR_IND)

-

0.0003***

DR_JAP

-1.6481

0.7684

D(DR_JAP)

-11.2391

0.0000***

DR_KOR

-2.1272

0.5251

D(DR_KOR)

-3.6057

0.0334**

DR_MAL

-1.6783

0.7554

D(DR_MAL)

-8.7008

0.0000***

DR_MYA

-1.0341

0.9348

D(DR_MYA)

-11.5402

0.0000***

DR_PHI

-3.0935

0.1122

D(DR_PHI)

-11.6016

0.0000***

DR_SIN

-2.9306

0.1565

D(DR_SIN)

-6.1925

0.0000***

DR_THA

-1.4366

0.8457

D(DR_THA)

-8.6916

0.0000***

DR_VNA

-2.5419

0.3078

D(DR_VNA)

-5.2182

0.0002***


Kiểm định Phillips-Perron test với lãi suất huy động

Individual effects, individual linear trends

Huy động

Prob.

Bandwidth

Sai phân bậc 1

Prob.

Bandwidth

DR_CHI

0.9452

15

D(DR_CHI)

0.0000***

15

DR_IND

0.3066

7

D(DR_IND)

0.0003***

0

Có thể bạn quan tâm!

Xem toàn bộ 73 trang tài liệu này.

Sự truyền dẫn chính sách tiền tệ thông qua sự truyền dẫn của lãi xuất kết quả thực nghiệm trọng khối ASEAN +3 - 4



DR_JAP

0.8217

9

D(DR_JAP)

0.0000***

13

DR_KOR

0.6342

6

D(DR_KOR)

0.0001***

2

DR_MAL

0.8037

4

D(DR_MAL)

0.0000***

1

DR_MYA

0.9374

2

D(DR_MYA)

0.0000***

4

DR_PHI

0.0797*

3

D(DR_PHI)

-

2

DR_SIN

0.5287

5

D(DR_SIN)

0.0001***

8

DR_THA

0.8514

5

D(DR_THA)

0.0000***

2

DR_VNA

0.4864

5

D(DR_VNA)

0.0000***

4

*** có ý nghĩa ở mức 1%; ** có ý nghĩa ở mức 5%; * có ý nghĩa ở mức 10%


Bảng 3 : Kiểm định ADF với lãi suất cho vay

Individual effects, individual linear trends

Cho vay


Prob.

Sai phân bậc 1


Prob.

LR_CHI

-1.3743

0.8637

D(LR_CHI)

-2.3837

0.3862

LR_IND

-4.3330

0.0040***

D(LR_IND)

-

0.0217**

LR_JAP

-0.0287

0.9955

D(LR_JAP)

-4.5858

0.0017***

LR_KOR

-1.4751

0.8329

D(LR_KOR)

-4.1452

0.0072***

LR_MAL

-1.8917

0.6531

D(LR_MAL)

-6.3919

0.0000***

LR_MYA

-0.7075

0.9699

D(LR_MYA)

-10.6961

0.0000***

LR_PHI

-2.1772

0.4978

D(LR_PHI)

-15.4254

0.0000***

LR_SIN

-3.2315*

0.0829*

D(LR_SIN)

-

0.0001***

LR_THA

-2.0393

0.5740

D(LR_THA)

-3.2522

0.0792*

LR_VNA

-0.8220

0.9602

D(LR_VNA)

-11.4995

0.0000***


Kiểm định Phillips-Perron test với lãi suất cho vay

Individual effects, individual linear trends

Cho vay

Prob.

Bandwidth

Sai phân bậc 1

Prob.

Bandwidth

LR_CHI

0.9283

9

D(LR_CHI)

0.0000***

7

LR_IND

0.3255

7

D(LR_IND)

0.0000***

3

LR_JAP

0.9998

7

D(LR_JAP)

0.0000***

6

LR_KOR

0.6419

7

D(LR_KOR)

0.0000***

3

LR_MAL

0.7455

7

D(LR_MAL)

0.0000***

3

LR_MYA

0.0142**

1

D(LR_MYA)

-

26

LR_PHI

0.1902

4

D(LR_PHI)

0.0000***

4

LR_SIN

0.3174

5

D(LR_SIN)

0.0000***

5

LR_THA

0.8885

8

D(LR_THA)

0.0000***

6

LR_VNA

0.9393

4

D(LR_VNA)

0.0000***

4

*** có ý nghĩa ở mức 1%; ** có ý nghĩa ở mức 5%; * có ý nghĩa ở mức 10%


Bảng 4: Kiểm định ADF với lãi suất chiết khấu

Individual effects, individual linear trends

Chính sách


Prob.

Sai phân bậc 1


Prob.

MR_CHI

-2.4079

0.3737

D(MR_CHI)

-12.2727

0.0000***

MR_IND

-2.6535

0.2578

D(MR_IND)

-13.7160

0.0000***

MR_JAP

-1.1290

0.9194

D(MR_JAP)

-7.3080

0.0000***



MR_KOR

-2.4817

0.3366

D(MR_KOR)

-5.7044

0.0000***

MR_MAL

-1.8562

0.6709

D(MR_MAL)

-3.1108

0.1086

MR_MYA

-1.0175

0.9372

D(MR_MYA)

-11.5768

0.0000***

MR_PHI

-2.0297

0.5789

D(MR_PHI)

-4.3081

0.0043***

MR_SIN

-1.7304

0.7322

D(MR_SIN)

-9.6719

0.0000***

MR_THA

-5.8258

0.0000***

D(MR_THA)

-

0.0000***

MR_VNA

-1.2686

0.8910

D(MR_VNA)

-12.6001

0.0000***


Kiểm định Phillips-Perron test với lãi suất chiết khấu

Individual effects, individual linear trends

Chính sách

Prob.

Bandwidth

Sai phân bậc 1

Prob.

Bandwidth

MR_CHI

0.6545

4

D(MR_CHI)

0.0000***

4

MR_IND

0.1821

2

D(MR_IND)

0.0000***

3

MR_JAP

0.9892

0

D(MR_JAP)

0.0000***

6

MR_KOR

0.4202

6

D(MR_KOR)

0.0000***

2

MR_MAL

0.4713

3

D(MR_MAL)

0.0000***

7

MR_MYA

0.9420

3

D(MR_MYA)

0.0000***

4

MR_PHI

0.0000

6

D(MR_PHI)

-

2

MR_SIN

0.6360

2

D(MR_SIN)

0.0000***

9

MR_THA

0.5960

7

D(MR_THA)

0.0000***

7

MR_VNA

0.9123

10

D(MR_VNA)

0.0000***

8

*** có ý nghĩa ở mức 1%; ** có ý nghĩa ở mức 5%; * có ý nghĩa ở mức 10%

Chúng ta có thể thấy hầu hết các chuỗi dữ liệu đều không dừng và chỉ có một số là dừng. Nếu sử dụng dữ liệu gốc không dừng để áp dụng vào mô hình thì kết quả đưa ra sẽ bị sai lệch, không chính xác. Do đó chúng ta cần xử lý chuỗi dữ liệu này bằng cách lấy sai phân bậc nhất của chuỗi dữ liệu. Sau khi lấy sai phân thì chúng ta có thể thấy các chuỗi dữ liệu đã dừng và có ý nghĩa thống kê. Do đó chúng ta sẽ sử dụng sai phân bậc nhất của các chuỗi dữ liệu để hồi quy.

4.2 Kết quả kiểm định phương sai sai số thay đổi và tự tương quan.


Với giả thiết H0: phương sai của sai số không đổi (hoặc H0 : không có tự tương quan). Chúng ta sẽ tiến hành kiểm định để chấp nhận hay bác bỏ H0.

Kết quả kiểm định phương sai thay đổi và tự tương quan được thể hiện trong Bảng 5 và Bảng 6. Như đã được trình bày trong các tài liệu nghiên cứu trước, khi hồi quy mà có hiện tượng phương sai sai số thay đổi hay tự tương quan thì các ước lượng sẽ không thiên lệch tuyến tính tốt nhất ( không BLUE). Để khắc phục hiện tượng này, chúng ta sẽ tiến hành hồi quy bằng một phương pháp khác đó là


phương pháp Hồi quy có vẻ không liên quan để ước lượng và cho ra kết quả hồi quy có ý nghĩa thống kê hơn. Bảng 5 và Bảng 6 thể hiện kết quả kiểm định phương sai sai số thay đổi và tự tương quan.

Kết quả trong bảng cho ta thấy rằng hầu hết các giá trị LM đều rất lớn tương ứng với đó là các giá trị p-value rất nhỏ, vì thế chúng ta có thể bác bỏ giả thiết H0 : phương sai của sai số không đổi (hoặc H0 : không có tự tương quan). Có thể thấy hiện tượng phương sai của sai số thay đổi và tự tương quan là rất phổ biến


Bảng 5 : Kiểm định phương sai thay đổi và tự tương quan đối với lãi suất HUY ĐỘNG

Quốc Gia

Obs*R2

Prob

Tên Kiểm định

Kết Luận

Trung Quốc

28.0307

0.0002***

White Heteroskedasticity

Có PSTD

0.4023

0.8178

Breusch-Godfrey


Indonesia

57.3737

0.0000***

White Heteroskedasticity

Có PSTD

24.7409

0.0000***

Breusch-Godfrey

Có TTQ

Nhật Bản

15.9668

0.0676

White Heteroskedasticity

Có PSTD

3.5692

0.1679

Breusch-Godfrey


Hàn Quốc

96.0669

0.0000***

White Heteroskedasticity

Có PSTD

3.5608

0.1686

Breusch-Godfrey


Malaysia

116.6025

0.0000***

White Heteroskedasticity

Có PSTD

0.3294

0.8482

Breusch-Godfrey


Myanmar

111.6705

0.0000**

White Heteroskedasticity

Có PSTD

0.0841

0.9588

Breusch-Godfrey


Philippin

7.6896

0.5657

White Heteroskedasticity


0.1457

0.9297

Breusch-Godfrey


Singapore

97.6436

0.0000***

White Heteroskedasticity

Có PSTD

20.3258

0.0000***

Breusch-Godfrey

Có TTQ

Thái Lan

77.5096

0.0000***

White Heteroskedasticity

Có PSTD

25.6451

0.0000***

Breusch-Godfrey

Có TTQ

Việt Nam

50.9839

0.0000***

White Heteroskedasticity

Có PSTD

15.9614

0.0003***

Breusch-Godfrey

Có TTQ

*** có ý nghĩa ở mức 1%; ** có ý nghĩa ở mức 5%; * có ý nghĩa ở mức 10%


Bảng 6: Kiểm định phương sai thay đổi và tự tương quan đối với lãi suất CHO VAY

Quốc Gia

Obs*R2

Prob

Tên Kiểm định

Kết Luận

Trung Quốc

15.0651

0.0352**

White Heteroskedasticity

Có PSTD

0.6888

0.7086

Breusch-Godfrey


Indonesia

74.7822

0.0000***

White Heteroskedasticity

Có PSTD

12.6803

0.0018***

Breusch-Godfrey

Có TTQ

Nhật Bản

6.2153

0.7182

White Heteroskedasticity


15.4434

0.0004***

Breusch-Godfrey

Có TTQ

Hàn Quốc

46.7977

0.0000***

White Heteroskedasticity

Có PSTD

3.4543

0.1778

Breusch-Godfrey


Malaysia

82.4268

0.0000***

White Heteroskedasticity

Có PSTD

9.8288

0.0073***

Breusch-Godfrey

Có TTQ

Myanmar

13.8196

0.0545*

White Heteroskedasticity

Có PSTD

16.7605

0.0002***

Breusch-Godfrey

Có TTQ

Philippin

35.1735

0.0001***

White Heteroskedasticity

Có PSTD

0.5999

0.7408

Breusch-Godfrey


Singapore

73.4391

0.0000***

White Heteroskedasticity

Có PSTD

14.8986

0.0006***

Breusch-Godfrey

Có TTQ

Thái Lan

29.4914

0.0005***

White Heteroskedasticity

Có PSTD

9.8778

0.0072***

Breusch-Godfrey

Có TTQ

Việt Nam

1.2358

0.9963

White Heteroskedasticity


11.0648

0.0040***

Breusch-Godfrey

Có TTQ

*** có ý nghĩa ở mức 1%; ** có ý nghĩa ở mức 5%; * có ý nghĩa ở mức 10%


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


Như phần trước đã trình bày, để hồi quy theo phương pháp SUR, chúng ta sẽ tiến hành hồi quy đơn và lấy các phần dư đó hồi quy theo FGLS. Trong bài này chúng ta cũng tiến hành như vậy nhưng sẽ sử dụng phần mềm Eview 6.0 để hồi quy. Các bước hồi quy sẽ đơn giản hơn. Kết quả hồi quy như sau:


4.3.1 Thời kỳ trước khủng hoảng


System: SYS03_DR

Estimation Method: Seemingly Unrelated Regression

Date: 03/16/13 Time: 15:24 Sample: 1997M03 2007M12

Included observations: 130

Total system (balanced) observations 1300

Linear estimation after one-step weighting matrix



Coefficient

Std. Error

t-Statistic

Prob.

C(1)

0.001423

0.004223

0.336967

0.7362

C(2)

0.617201

0.056651

10.89474

0.0000

C(12)

0.034580

0.081122

0.426267

0.6700

C(22)

0.003966

0.073463

0.053987

0.9570

C(3)

0.045852

0.016376

2.799994

0.0052

C(13)

0.675439

0.061731

10.94169

0.0000

C(23)

0.038559

0.016693

2.309939

0.0211

C(4)

0.524402

0.145302

3.609062

0.0003

C(14)

-0.087476

0.085633

-1.021515

0.3072

C(24)

0.373399

0.157242

2.374680

0.0177

C(5)

0.219655

0.022179

9.903539

0.0000

C(15)

0.297873

0.056928

5.232408

0.0000

C(25)

0.172282

0.031077

5.543750

0.0000

C(6)

0.136716

0.035857

3.812853

0.0001

C(16)

0.120237

0.081527

1.474813

0.1405

C(26)

0.069608

0.039089

1.780765

0.0752

C(7)

0.770873

0.023469

32.84697

0.0000

C(17)

0.027361

0.084571

0.323531

0.7463

C(27)

-0.013974

0.068753

-0.203249

0.8390

C(8)

-0.004405

0.033755

-0.130515

0.8962

C(18)

0.013709

0.083669

0.163847

0.8699

C(28)

-0.017125

0.033734

-0.507649

0.6118

C(9)

0.203571

0.027267

7.465945

0.0000

C(19)

0.525856

0.059314

8.865580

0.0000

C(29)

0.088433

0.029617

2.985891

0.0029

C(10)

0.059421

0.022809

2.605142

0.0093

C(20)

0.156030

0.064520

2.418313

0.0157

C(30)

0.135098

0.022045

6.128239

0.0000

C(11)

0.114259

0.089690

1.273929

0.2029

C(21)

0.190257

0.085632

2.221790

0.0265

C(31)

0.169530

0.088924

1.906468

0.0568

Determinant residual covariance 1.88E-12


Equation: D(DR_CHI)=C(1) + C(2)*D(MR_CHI) + C(12)*D(DR_CHI(-1)) + C(22)*D(MR_CHI(-1))

Observations: 130

R-squared 0.396757 Mean dependent var -0.025615


Adjusted R-squared

0.382394

S.D. dependent var

0.241712

S.E. of regression

0.189957

Sum squared resid

4.546520

Durbin-Watson stat

1.987730



Equation: D(DR_IND)= C(1) + C(3)*D(MR_IND) + C(13)*D(DR_IND(-1)) + C(23)*D(MR_IND(-1))

Observations: 130


R-squared

0.493712

Mean dependent var

-0.071077

Adjusted R-squared

0.481657

S.D. dependent var

1.782744

S.E. of regression

1.283505

Sum squared resid

207.5704

Durbin-Watson stat

2.214267



Equation: D(DR_JAP)=C(1) + C(4)*D(MR_JAP) + C(14)*D(DR_JAP(-1)) + C(24)*D(MR_JAP(-1))

Observations: 130


R-squared

0.171302

Mean dependent var

0.002846

Adjusted R-squared

0.151571

S.D. dependent var

0.061891

S.E. of regression

0.057008

Sum squared resid

0.409492

Durbin-Watson stat

2.038548



Equation:D(DR_KOR)=C(1)+C(5)*D(MR_KOR) + C(15)*D(DR_KOR(-1))+C(25)*D(MR_KOR(-1))

Observations: 130


R-squared

0.760024

Mean dependent var

-0.032462

Adjusted R-squared

0.754310

S.D. dependent var

0.481954

S.E. of regression

0.238891

Sum squared resid

7.190657

Durbin-Watson stat

2.282466



Equation:D(DR_MAL)=C(1) +C(6)*D(MR_MAL)+C(16)*D(DR_MAL(-1)) + C(26)*D(MR_MAL(-1))

Observations: 130


R-squared

0.194553

Mean dependent var

-0.031308

Adjusted R-squared

0.175375

S.D. dependent var

0.348192

S.E. of regression

0.316189

Sum squared resid

12.59694

Durbin-Watson stat

1.851653



Equation:D(DR_MYA)=C(1)+C(7)*D(MR_MYA)+C(17)*D(DR_MYA(-1)) + C(27)*D(MR_MYA(-1))

Observations: 130


R-squared

0.883851

Mean dependent var

-0.003846

Adjusted R-squared

0.881085

S.D. dependent var

0.295287

S.E. of regression

0.101827

Sum squared resid

1.306456

Durbin-Watson stat

2.061077



Equation: D(DR_PHI) = C(1) + C(8)*D(MR_PHI) + C(18)*D(DR_PHI(-1)) + C(28)*D(MR_PHI(-1))

Observations: 130


R-squared

-0.002042

Mean dependent var

-0.036808

Adjusted R-squared

-0.025900

S.D. dependent var

0.949151

S.E. of regression

0.961364

Sum squared resid

116.4517

Durbin-Watson stat

2.072098



Equation: D(DR_SIN) = C(1) + C(9)*D(MR_SIN) + C(19)*D(DR_SIN(-1)) + C(29)*D(MR_SIN(-1))

Observations: 130


R-squared

0.555322

Mean dependent var

-0.022308

Adjusted R-squared

0.544735

S.D. dependent var

0.204380


S.E. of regression

0.137902

Sum squared resid

2.396150

Durbin-Watson stat

2.026234



Equation:D(DR_THA)=C(1) + C(10)*D(MR_THA)+C(20)*D(DR_THA(-1))+C(30)*D(MR_THA(-1))

Observations: 130


R-squared

0.247208

Mean dependent var

-0.057692

Adjusted R-squared

0.229285

S.D. dependent var

0.497609

S.E. of regression

0.436853

Sum squared resid

24.04591

Durbin-Watson stat

2.173239



Equation:D(DR_VNA)=C(1)+C(11)*D(MR_VNA)+C(21)*D(DR_VNA(-1))+ C(31)*D(MR_VNA(-1))

Observations: 130


R-squared

0.088427

Mean dependent var

-0.020769

Adjusted R-squared

0.066723

S.D. dependent var

0.443696

S.E. of regression

0.428638

Sum squared resid

23.15006

Durbin-Watson stat

1.923271




System: SYS01_LR

Estimation Method: Seemingly Unrelated Regression

Date: 03/16/13 Time: 17:09 Sample: 1997M03 2007M12

Included observations: 130

Total system (unbalanced) observations 1299 Linear estimation after one-step weighting matrix


Coefficient

Std. Error

t-Statistic

Prob.

C(1)

-0.003295

0.001097

-3.002884

0.0027

C(2)

0.532379

0.041827

12.72817

0.0000

C(12)

0.089604

0.083045

1.078992

0.2808

C(22)

-0.021846

0.060952

-0.358407

0.7201

C(3)

0.065466

0.008304

7.883404

0.0000

C(13)

0.372707

0.070045

5.320948

0.0000

C(23)

0.024308

0.009278

2.619953

0.0089

C(4)

0.122272

0.030830

3.965961

0.0001

C(14)

0.327754

0.082184

3.988050

0.0001

C(24)

0.113347

0.033601

3.373353

0.0008

C(5)

0.322721

0.017184

18.78077

0.0000

C(15)

0.523693

0.065554

7.988770

0.0000

C(25)

-0.129973

0.029101

-4.466292

0.0000

C(6)

0.135872

0.025801

5.266195

0.0000

C(16)

0.252639

0.078662

3.211698

0.0014

C(26)

0.100554

0.026818

3.749452

0.0002

C(7)

0.448266

0.131890

3.398803

0.0007

C(17)

-0.482860

0.075413

-6.402876

0.0000

C(27)

0.199862

0.135958

1.470023

0.1418

C(8)

0.080071

0.035109

2.280633

0.0227

C(18)

-0.275253

0.080383

-3.424257

0.0006

C(28)

0.111148

0.034634

3.209218

0.0014

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 01/05/2022