CHƯƠNG 3 .MƠ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.3 Dữ liệu và đo lường các biến
3.4.5 Phương pháp ước lượng hàm hồi quy
Mơ hình nghiên cứu trong bài sử dụng dữ liệu bảng cho 9 quốc gia ở Châu Á – Thái Bình Dương trong thời gian 2000-2014 thơng qua phân tích mối quan hệ Granger dựa trên 2 bước. Bước thứ nhất, sử dụng mơ hình FMOLS (Panel fully Modified OLS) nhằm ước lượng phần dư mơ hình. Bước thứ hai, sử dụng mơ hình GMM trên dữ liệu bảng với các tiếp cận của Arellano và Bond (1991) để ước lượng hệ số và sử dụng kiểm định Wald nhằm xác định mức ý nghĩa của các quan hệ Granger. Phương pháp hồi quy GMM là nghiên cứu của Arellano và Bond (1991), đây là cơng cụ rất thích hợp dành cho phân tích hồi quy dữ liệu bảng, giải pháp hữu hiệu để ước lượng hồi quy trong mơ hình kiểm sốt được các vấn đề như hiện tượng phương sai thay đổi nhiễu, hiện tượng tương quan phần dư và nội sinh biến trong mơ hình.
GMM, viết tắt của GeneralMethod of Moments, là phương pháp hồi quy để xác định các thơng số của mơ hình thống kê hoặc mơ hình kinh tế lượng.
GMM được sử dụng nhiều cho dữ liệu bảng động nhằm hiệu chỉnh vấn đề nội sinh của các biến độc lập và đưa vào tác động cố định cụ thể mỗi quốc gia, đặc biệt trường hợp khi T nhỏ hơn N nhiều lần hoặc dữ liệu không đồng nhất hoặc phương sai thay đổi; tự tương quan trong phạm vi mỗi cá thể.
Phương pháp GMM được phát triển bởi Lars Peter Hansen năm 1982 từ việc tổng quát hóa phương pháp hồi quy theo moments và được giới thiệu đầu tiên bởi Arellano và Bond (1991) còn được gọi là First - Differenced GMM, phiên bản thứ hai được đề nghị bởi Arellano và Bover (1997) và được phát triển trong Blundell và Bond (2000), System - GMM. Theo kết quả nghiên cứu của Arellano và Bond (1991), phương pháp hồi quy tuyến tính dữ liệu bảng động (Arellano-Bond linear dynamic panel-data estimation) là một giải pháp hữu hiệu để ước lượng hồi quy trong mơ hình trong trường hợp mơ hình vừa có hiện tượng phương sai thay đổi, tự tương quan và nội sinh. Một cách tổng quan, GMM là phương pháp tổng quát của rất nhiều phương pháp ước lượng phổ biến: OLS, GLS, MLE v.v. Ngay cả trong
điều kiện giả thiết nội sinh bị vi phạm, phương pháp GMM cho ra các hệ số ước lượng đúng (consistent) và hiệu quả (efficient).
Khi số lượng mẫu phù hợp giá trị β ước lượng được sẽ vững, khi đó giá trị ước lượng được càng gần với giá trị thực của nó. Ước lượng GMM sẽ cho ra các giá trị ước lượng tuân theo phân phối chuẩn, đây là thuộc tính rất quan trọng vì đó là cơ sở để chúng ta xây dựng giá trị dự đoán ở các độ tin cậy (confidence bands) và thực hiện các kiểm định khác. Ưu điểm của phương pháp GMM cho ước lượng vững và hiệu quả.
KẾT LUẬN CHƯƠNG 3
Trong nội dung chương 3, tác giả đã mô tả khái quát các biến nghiên cứu được sử dụng trong mơ hình: định nghĩa, cách đo lường, bằng chứng thực nghiệm chứng minh các biến nghiên cứu được phép sử dụng trong mơ hình.
Bằng việc sử dụng dữ liệu bảng với phần mềm thống kê Stata 12 và Eview 8, tác giả sẽ khảo sát 9 quốc gia tại khu vực Châu Á – Thái Bình Dương trong giai đoạn năm 2000-2014. Tác giả cũng đã đưa ra được lí do lựa chọn mẫu nghiên cứu như thế.
Mơ hình nghiên cứu sử dụng cho đề tài: sử dụng phân tích nhân quả theo phương pháp Granger nhằm xác định mối quan hệ nhân quả giữa biến thâm hụt ngân sách và nợ công.
Bài nghiên cứu sẽ sử dụng phương pháp phân tích trên dữ liệu bảng, lần lượt kiểm định tính dừng và kiểm định đồng liên kết nhằm kiểm chứng tính phù hợp lựa chọn phương pháp ước lượng, thực hiện hồi quy dài hạn FMOLS và hồi quy GMM nhằm xem tác tác động ngắn hạn giữa các biến.