Loại Dữ Liệu Và Nguồn Thu Thập Dữ Liệu Cho Phương Pháp Dựa Theo Các Yếu Tố

đồng nghĩa là phương trình phương sai có điều kiện ht của chuỗi dữ liệu expch cũng được tìm thấy. Dựa vào phương trình này và dữ liệu expch đã biết, tác giả sẽ tính được phương sai có điều kiện ht và lấy căn bậc hai của ht để có độ lệch chuẩn (mức biến động) của expch tại mỗi kỳ nghiên cứu, đại diện cho biến động của xuất khẩu.

Đối với biến động tỷ giá, biến số này được đại diện bằng biến động của logarit tự nhiên của tỷ giá. Sau khi lấy log cho tỷ giá (ký hiệu là lnexrate), tác giả cũng sẽ tính độ lệch chuẩn của chuỗi lnexrate tức tính được biến động tỷ giá bằng cách vận dụng mô hình ARCH tương tự như cách làm đối với biến động xuất khẩu.

Bước 2: Thống kê mô tả các biến số thuộc mô hình thực nghiệm

Thống kê mô tả đưa ra các tiêu chí thống kê giúp ta có được cái nhìn khái quát ban đầu về các biến số trong mô hình thực nghiệm thông qua những đặc tính cơ bản của chuỗi dữ liệu nghiên cứu được thống kê như số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất, giá trị trung vị của dữ liệu.

Bước 3: Kiểm định tính dừng của các biến số thuộc mô hình thực nghiệm

Khi thực hiện mô hình hồi quy dữ liệu chuỗi thời gian, nhất là đối với các mô hình dự báo, kiểm định tính dừng của chuỗi dữ liệu là rất quan trọng. Theo Gujarati (2011), một chuỗi dữ liệu thời gian dừng nếu giá trị trung bình và phương sai của nó không đổi qua thời gian, đồng thời giá trị hiệp phương sai giữa hai thời điểm chỉ phụ thuộc vào khoảng cách giữa hai thời điểm đó chứ không phụ thuộc vào bản thân các thời điểm.

Như vậy, một chuỗi dừng sẽ biến động ổn định quanh giá trị trung bình, nếu có một cú sốc xảy ra tác động đến chuỗi dừng thì tác động của cú sốc sẽ giảm dần theo thời gian. Do đó, khi nghiên cứu hành vi của chuỗi dừng trong một khoảng thời gian nhất định, nhà nghiên cứu có thể khái quát hóa hành vi của nó cho cả giai đoạn dài hơn hay nói cách khác là có thể sử dụng cho dự báo. Ngược lại, nếu là chuỗi không dừng thì nhà nghiên cứu không thể thực hiện được như thế.

Ngoài ra, nếu không kiểm định tính dừng của các chuỗi dữ liệu thời gian mà tiến hành hồi quy chúng thì có thể dẫn đến kết quả hồi quy giả mạo nếu các chuỗi không dừng. Điều này có nghĩa là hai chuỗi thời gian không dừng mặc dù thực tế không có mối liên quan với nhau nhưng nếu thực hiện hồi quy chúng để tìm mối quan hệ thì

có thể thu được hệ số ước lượng có ý nghĩa thống kê và R2 rất cao. Rõ ràng, kết quả thống kê này không đáng tin cậy và không có chút giá trị nào. Thêm vào đó, nếu hồi quy các chuỗi thời gian không dừng, thống kê t sẽ không tuân theo phân phối t và thống kê F không tuân theo phân phối F trong mô hình hồi quy. Như vậy, các kiểm định hệ số ước lượng có ý nghĩa thống kê sẽ không còn đáng tin cậy.

Trong bài nghiên cứu, tác giả sẽ lần lượt thực hiện kiểm định tính dừng cho từng biến số trong mô hình thực nghiệm bằng kiểm định Dickey-Fuller mở rộng (ADF). Để kiểm định tính dừng bằng ADF đáng tin cậy hơn, cần kiểm định tại độ trễ tối ưu của chuỗi dữ liệu.

Theo Gujarati (2011), kiểm định ADF có thể thực hiện cho ba dạng của chuỗi thời

gian được thể hiện thành ba dạng phương trình như sau:

hiên (r

t =

andom wa

t-1 +

Một là, dạng bước ngẫu n l

∆ t-i +

∆ ∑

hiên c

t =

ó hệ

số chặn

t-1 +

dom walk

∆ t-i +

with

Hai là, dạng bước ngẫu n ( drift):

∆ ∑

termini

t =

stic

tren

t +

d):

t-1 +

Ba là, dạng bước ngẫu nhiên có hệ số chặn quanh một xu thế tất định (random walk with drift around a de

∆ t-i +

∆ ∑

Giả thuyết kiểm định là: Giả thuyết H0: = 0 và Giả thuyết H1: < 0

Nếu giả thuyết H0 bị bác bỏ, kết luận Yt là chuỗi dừng. Ngược lại, nếu giả thuyết H0 không bị bác bỏ, kết luận Yt là chuỗi không dừng hay có nghiệm đơn vị.

Như vậy, để kiểm định tính dừng cho từng biến số trong mô hình, tác giả thực hiện lần lượt như sau:

Đầu tiên, tác giả tìm độ trễ tối ưu của chuỗi dữ liệu bằng cách thực hiện hồi quy chuỗi theo các độ trễ tăng dần và phương trình hồi quy ở độ trễ nào có tiêu chuẩn AIC (Akaike Information Criteria) nhỏ nhất thì độ trễ đó chính là độ trễ tối ưu.

Tiếp theo, tác giả thực hiện kiểm định tính dừng của chuỗi dữ liệu tại độ trễ tối ưu

bằng kiểm định ADF cho ba dạng phương trình của chuỗi dữ liệu như trên để tìm

dạng phương trình thích hợp tạo nên chuỗi dừng. Nếu giả thiết H0 bị bác bỏ thì chuỗi dữ liệu là chuỗi dừng và ngược lại.

Bước 4: Lựa chọn phương pháp hồi quy để xác định hàm nhu cầu DTNH

Thứ nhất, nếu biến phụ thuộc và tất cả các biến độc lập trong mô hình đều là chuỗi dừng thì tác giả sẽ tiến hành thực hiện hồi quy bằng phương pháp OLS để xác định hàm nhu cầu DTNH. Thứ hai, nếu tất cả các biến đều không dừng thì tác giả sẽ kiểm định tính dừng của sai phân các biến số này (dừng ở bậc 1) và sử dụng phương pháp đồng liên kết của Johansen để tìm phương trình đồng liên kết thể hiện mối quan hệ dài hạn giữa biến phụ thuộc và các biến độc lập và đây chính là hàm nhu cầu DTNH. Thứ ba, nếu có biến dừng và biến không dừng thì phương pháp ARDL được sử dụng để tìm hàm nhu cầu DTNH là phương trình cân bằng trong dài hạn.

Tuy nhiên, thực tế khi thực hiện kiểm định tính dừng cho các biến số trong mô hình, biến phụ thuộc lnres và tất cả các biến độc lập đều là chuỗi dừng nên phương pháp hồi quy OLS được áp dụng để xác định hàm nhu cầu DTNH.

Phương pháp OLS là phương pháp bình phương tối thiểu thông thường (ordinary least squares – OLS) được áp dụng cho các mô hình hồi quy tuyến tính. Theo Gujarati (2004), đây là phương pháp phân tích hồi quy được sử dụng phổ biến nhất do nhà toán học người Đức tên là Carl Friedrich Gauss đưa ra. Trong phương pháp này, nếu biến phụ thuộc Y là phương trình hồi quy tuyến tính theo các biến độc lập X thì khi đó, phần chênh lệch giữa giá trị thực của Y và giá trị ước lượng của Y tính dựa theo phương trình hồi quy tuyến tính các biến X được xem là phần dư u. Nếu có n quan sát của Y và các biến X, ta cần chọn phương trình hồi quy tuyến tính Y

ến ạt

theo các bi sao cho các giá trị ước lượng của Y gần với các giá trị thực của Y

đượ

là

nhất. Để đ c mục đích này, tổng các bình phương của các phần dư u là nhỏ

nhất hay ∑ min.

Khi áp dụng phương pháp OLS, để các ước lượng thu được là không chệch tốt nhất và hiệu quả nhất, có một số giả thiết quan trọng phải được đáp ứng, bao gồm: (i) Mối quan hệ giữa biến phụ thuộc và biến độc lập là tuyến tính; (ii) Các biến độc lập phải cho trước và không ngẫu nhiên, nghĩa là nếu mẫu lặp lại thì giá trị biến độc lập phải lặp lại; (iii) Không có sự tương quan giữa các biến độc lập trong mô hình, nói

cách khác là không có hiện tượng đa cộng tuyến; (iv) Sai số (phần dư) trong mô hình có giá trị trung bình bằng 0 và phương sai của sai số là không đổi, nghĩa là không có hiện tượng phương sai thay đổi; (v) Không có sự tương quan giữa các sai số (phần dư) trong mô hình, nghĩa là không có hiện tượng tự tương quan.

Bước 5: Kiểm định các hệ số ước lượng và sự phù hợp của mô hình

Sau khi tiến hành hồi quy bằng OLS, tác giả tiến hành loại bỏ các biến không có ý nghĩa thống kê ở kết quả ước lượng tức là các biến không cần thiết. Tiếp theo đó, tác giả hồi quy OLS lần nữa cho mô hình với các biến độc lập còn lại, rồi tiếp tục tiến hành kiểm định t (T-test) để kiểm tra ý nghĩa của các hệ số ước lượng. Tác giả chọn cả ba mức ý nghĩa thống kê 1%, 5% và 10%, tương ứng với độ tin cậy là 99%, 95% và 90% để đánh giá mức độ có ý nghĩa của các hệ số ước lượng, tức là các

biến độc lập xem như có tác động đến biến phụ thuộc chỉ khi hệ số ước lượng có giá trị P-value nhỏ hơn 0,1. Đồng thời, nếu mô hình có R2 càng cao thì mô hình nghiên cứu càng phù hợp về dạng mô hình, về các biến được lựa chọn đưa vào mô hình.

Bước 6: Kiểm định các khuyết tật của mô hình

Như đã nêu trong bước 4, để các giá trị ước lượng bằng phương pháp OLS đối với mô hình hồi quy tuyến tính là tốt nhất, mô hình phải đảm bảo không có khuyết tật là các hiện tượng đa cộng tuyến, phương sai thay đổi và tự tương quan.

Đối với kiểm định hiện tượng đa cộng tuyến

Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình phụ thuộc tuyến tính lẫn nhau. Đa cộng tuyến làm cho các hệ số hồi quy của các biến bị cộng tuyến có thể sai dấu, dẫn đến dấu của các hệ số này không như kỳ vọng. Đồng thời, các biến bị cộng tuyến có giả thiết H0 (hệ số hồi quy = 0) dễ được chấp nhận do khoảng tin cậy lớn, làm cho các biến này không có ý nghĩa trong mô hình. Tác giả tiến hành kiểm định bằng phương pháp nhân tử phóng đại phương sai VIF nhằm kiểm định hiện tượng đa cộng tuyến của một biến độc lập với tất cả các biến độc lập khác. Khi VIF=1, không có hiện tượng đa cộng tuyến trong mô hình và điều này rất khó xảy ra. Nếu 1<VIF<10, hiện tượng đa cộng tuyến là không nghiêm trọng và có thể bỏ qua. Trường hợp VIF ≥ 10, hiện tượng đa cộng tuyến là nghiêm trọng và tác giả sẽ tiến hành loại bỏ biến bị cộng tuyến ra khỏi mô hình.

Đối với kiểm định hiện tượng phương sai thay đổi

Khi mô hình có hiện tượng phương sai thay đổi, các kiểm định hệ số hồi quy trở nên không đáng tin cậy nữa và các ước lượng hệ số hồi quy tính được bằng phương pháp OLS là không hiệu quả. Tác giả sử dụng kiểm định Breusch-Pagan với giả thiết H0 là không có hiện tượng phương sai thay đổi. Nếu kiểm định cho giá trị P- value lớn hơn 0,1 (chấp nhận ở mức ý nghĩa 10%) thì xem như chưa có cơ sở bác bỏ H0 và không có hiện tượng phương sai thay đổi trong mô hình.

Nếu mô hình có tồn tại khuyết tật phương sai thay đổi, tác giả tiến hành khắc phục bằng cách sử dụng ma trận ước lượng phương sai của sai số theo đề xuất của White hoặc sử dụng phương pháp bình phương tối thiểu có trọng số WLS để ước lượng lại mô hình được chọn.

Đối với kiểm định hiện tượng tự tương quan

Nếu mô hình tồn tại hiện tượng tự tương quan, hậu quả của nó cũng tương tự khi xảy ra hiện tượng phương sai thay đổi. Tác giả sử dụng kiểm định Breusch-Godfrey nhằm kiểm định hiện tượng tự tương quan của sai số ở nhiều độ trễ khác nhau. Trong kiểm định này, giả thiết H0 là không có hiện tượng tự tương quan. Nếu kiểm định cho giá trị P-value lớn hơn 0,1 (chấp nhận ở mức ý nghĩa 10%) thì xem như chưa có cơ sở bác bỏ H0 và không có hiện tượng tự tương quan trong mô hình.

Nếu mô hình có tồn tại hiện tượng tự tương quan, tác giả tiến hành khắc phục bằng cách sử dụng ma trận hiệp phương sai của Newey-West để tính lại các sai số chuẩn hoặc sử dụng phương pháp bình phương tối thiểu tổng quát GLS với thủ tục lặp Prais-Winsten để cải tiến trị số Durbin-Watson và ước lượng lại mô hình.

Sau khi kiểm định ba khuyết tật và thực hiện khắc phục nếu có khuyết tật, phương trình hồi quy có được sau khi khắc phục chính là phương trình hồi quy được chọn hay nói cách khác, hàm nhu cầu DTNH để ước lượng DTNHTU được xác định.

Bước 7: Ước lượng mức DTNHTU và so sánh với mức DTNHTT

Sau khi đã xác định được hàm nhu cầu DTNH, tác giả tiến hành ước lượng mức DTNHTU và so sánh với mức DTNHTT. Trên cơ sở so sánh, tác giả đưa ra các phân tích và nhận định về DTNH của Việt Nam.

3.2.4. Dữ liệu nghiên cứu

Nhằm làm tăng tính chính xác của mô hình thực nghiệm cho Việt Nam theo phương pháp dựa theo các yếu tố ảnh hưởng đến DTNH, dữ liệu được thu thập trong giai đoạn 2005 – 2017 với tần suất quý giúp gia tăng số quan sát. Với các biến trong mô hình đã được giải thích rõ ràng như trên, các loại dữ liệu tương ứng cần thu thập và nguồn thu thập dữ liệu được thể hiện trong Bảng 3.3.

Bảng 3.3. Loại dữ liệu và nguồn thu thập dữ liệu cho phương pháp dựa theo các yếu tố ảnh hưởng đến DTNH

STT

Tên dữ liệu	Khoảng cách thời gian của dữ liệu	Nguồn
1	Dự trữ ngoại hối	Theo quý	IFS
2	GDP theo giá hiện hành	Theo quý	GSO
3	Doanh số nhập khẩu	Theo quý	IFS
4	Doanh số xuất khẩu	Theo quý	IFS
5	Vốn đầu tư gián tiếp	Theo quý	Bloomberg
6	Tỷ giá VND/USD	Theo quý	NHNN
7	Lãi suất cho vay VND	Theo quý	IFS

Có thể bạn quan tâm!

Xem toàn bộ 313 trang tài liệu này.

Nguồn: Tác giả tổng hợp

Các loại dữ liệu thô được thu thập theo quý trong Bảng 3.3 được xử lý như sau.

Thứ nhất, các loại dữ liệu DTNH, doanh số xuất khẩu, doanh số nhập khẩu tính bằng USD và lãi suất cho vay VND tính theo %/năm được thu thập từ nguồn IFS với dữ liệu theo quý đã có sẵn.

Riêng dữ liệu doanh số xuất khẩu theo quý được sử dụng để tính biến số biến động xuất khẩu bằng độ lệch chuẩn của tỷ lệ thay đổi xuất khẩu so với cùng kỳ năm trước nên có thể làm mất đi một vài quan sát nếu dữ liệu lấy theo giai đoạn 2005 - 2017. Do đó, để có đủ số liệu về độ lệch chuẩn đại diện cho biến động xuất khẩu bắt đầu từ quý 1/2005 và tăng tính chính xác khi tính độ lệch chuẩn, dữ liệu của doanh số xuất khẩu được thu thập mở rộng và lấy theo giai đoạn 2003 – 2017.

Thứ hai, dữ liệu GDP theo giá hiện hành thu thập từ Tổng cục Thống kê, chuyên mục Tình hình kinh tế xã hội. Dữ liệu gốc khi thu thập được cộng dồn theo quý trong một năm và tính bằng VND. Do GDP là dữ liệu dạng lưu lượng, tác giả đã tính toán lại dữ liệu cho từng quý trong năm bằng cách lấy dữ liệu quý sau trừ dữ liệu quý trước trong cùng năm. Sau đó, dữ liệu quý được tính bằng VND sẽ chuyển đổi sang USD bằng cách chia cho tỷ giá VND/USD lấy theo thời điểm cuối quý tương ứng.

Thứ ba, dữ liệu vốn đầu tư gián tiếp theo quý tính bằng USD được thu thập từ nguồn Bloomberg với dữ liệu gốc thể hiện sự biến động trong quý của vốn đầu tư gián tiếp. Vì vậy, vốn đầu tư gián tiếp của quý sẽ bằng vốn đầu tư gián tiếp của quý trước cộng với biến động trong quý.

Thứ tư, dữ liệu tỷ giá VND/USD được thu thập từ Báo cáo thường niên của NHNN. Tỷ giá VND/USD được lựa chọn từ Báo cáo thường niên là tỷ giá VND/USD vào thời điểm cuối quý (cuối các tháng 3, 6, 9 và 12) của ngân hàng Vietcombank.

Tương tự như doanh số xuất khẩu, dữ liệu tỷ giá VND/USD được sử dụng để tính độ lệch chuẩn đại diện cho biến số biến động tỷ giá. Nhằm tăng mức chính xác của độ lệch chuẩn tính từ Quý 1/2005, dữ liệu tỷ giá VND/USD được thu thập mở rộng và lấy theo giai đoạn 2003 – 2017.

Sau khi được thu thập và xử lý, các loại dữ liệu cho mô hình thực nghiệm ước lượng mức DTNHTU của phương pháp dựa theo các yếu tố ảnh hưởng đến DTNH được thể hiện trong Phụ lục 2.1.

3.3. ĐỐI VỚI PHƯƠNG PHÁP DỰA THEO CHI PHÍ – LỢI ÍCH CỦA DỰ TRỮ NGOẠI HỐI

3.3.1. Mô hình thực nghiệm cho Việt Nam

Như phân tích của mục 2.5.4, mô hình của Ben-Bassat và Gottlieb (1992) được lựa chọn để thực nghiệm cho Việt Nam.

lý

a c

c D

Theo mô hình thuyết của Ben-Bassat và Gottlieb (1992) đã được diễn giải chi tiết tại mục 2.5 củ hươ mứ TNHTU được tính dựa vào mô hình sau:

* = + (3.1)

0, ,

R l

với R*, r, ần lượt là mức DTNHTU, chi phí cơ hội, chi phí tổn thất do vỡ nợ quốc gia, xác suất vỡ nợ quốc gia và xác suất vỡ nợ biên quốc gia.

3.3.2. Phương pháp xác định các biến của mô hình thực nghiệm

Cách xác định chi phí cơ hội, chi phí tổn thất do vỡ nợ quốc gia, xác suất vỡ nợ quốc gia và xác suất vỡ nợ biên quốc gia của mô hình (3.1) ước lượng mức DTNHTU của Việt Nam được thể hiện cụ thể sau đây.

3.3.2.1. Xác định chi phí cơ hội

Như đã thảo luận tại mục 2.5.4, đa số các nghiên cứu liên quan đều lấy một mức lãi suất tượng trưng cho lợi nhuận tài sản có rủi ro của quốc gia đại diện cho chi phí cơ hội. Thêm vào đó, với mô hình thực nghiệm cho Việt Nam của phương pháp dựa theo các yếu tố ảnh hưởng đến DTNH, mức lãi suất cho vay của nội tệ VND là đại diện của chi phí cơ hội với mục đích làm cho chi phí cơ hội là lớn nhất, cho thấy việc đánh đổi giữa dự trữ thêm ngoại hối và sử dụng vốn cho các hoạt động thiết thực khác của nền kinh tế là rất quan trọng, từ đó nhấn mạnh rằng gia tăng DTNH là vấn đề đáng để suy xét và Việt Nam phải cân nhắc cẩn trọng khi dự trữ thêm ngoại hối. Vì vậy, để thống nhất cách đo lường chi phí cơ hội xuyên suốt luận án, trong mô hình này, chi phí cơ hội, ký hiệu là r, cũng được lấy theo lãi suất cho vay VND. Như vậy: r = lãi suất cho vay VND

3.3.2.2. Xác định chi phí tổn thất do vỡ nợ quốc gia

Như mục 2.5.4 đã phân tích, ở các quốc gia chưa có khủng hoảng do vỡ nợ, các nghiên cứu thực nghiệm liên quan đều dựa vào cuộc khủng hoảng khác của quốc gia hoặc khủng hoảng thế giới có ảnh hưởng đến quốc gia để tính tổn thất sản lượng, đại diện cho chi phí tổn thất do vỡ nợ quốc gia. Vì Việt Nam chưa xảy ra hiện tượng vỡ nợ nên khi thực nghiệm cho Việt Nam, tác giả dựa vào cuộc khủng hoảng 2008 làm suy giảm tốc độ tăng trưởng của Việt Nam sau đó để tính tổn thất sản lượng cho Việt Nam. Các nghiên cứu của Prabheesh (2013) hay của Tule và cộng sự (2015) đều sử dụng phương pháp Lọc HP để xác định tổn thất sản lượng.

Phương pháp Lọc HP được đề xuất bởi Hodrick và Prescott (1981). Theo đó, chuỗi dữ liệu thời gian yt bao gồm thành phần xu thế gt và thành phần chu kỳ ct. Hodrick và Prescott (1981) đã đề nghị rằng có thể thay thế yt bằng thành phần xu thế gt có đồ