HIỆU ỨNG ĐƯỜNG CONG J - TỶ GIÁ VÀ CÁN CÂN THƯƠNG MẠI VIỆT NAM.PDF

B GIÁO DC VÀ ÀO TO
TRNG I HC KINH T TP. HCM
*











V K





HIU NG NG CONG J
– T GIÁ VÀ CÁN CÂN THNG MI VIT NAM




LUN VN THC S KINH T

TP. H Chí Minh - 2012

B GIÁO DC VÀ ÀO TO
TRNG I HC KINH T TP. HCM
*








V K

HIU NG NG CONG J
– T GIÁ VÀ CÁN CÂN THNG MI VIT NAM


CHUYÊN NGÀNH: TÀI CHÍNH – NGÂN HÀNG
MÃ S: 60340201


LUN VN THC S KINH T





NGI HNG DN KHOA HC: GS. TS. TRN NGC TH

TP. H Chí Minh - 2012
LI CAM OAN

Tôi, V K, xin cam đoan danh d rng:
- Lun vn này là công trình nghiên cu ca tôi di s hng dn khoa
hc ca GS. TS. Trn Ngc Th;
- Các tài liu, s liu tham kho đã lit kê, trích dn là trung thc;
- Ni dung, kt qu ca lun vn này cha tng đc công b trong bt c
tài liu nào cho ti thi đ
im hin nay.
TP. H Chí Minh, ngày 09 tháng 11 nm 2012.
Tác gi


V K










LI CM N

Tôi xin trân trng cm n GS. TS. Trn Ngc Th, ngi đã tn tình hng
dn, đng viên, khuyn khích tôi trong quá trình thc hin lun vn này cng
nh trong quá trình hc tp.
Tôi xin trân trng cm n các thy cô ging viên Khoa Tài Chính Doanh
Nghip, Tài Chính Nhà Nc, Ngân Hàng cng nh các khoa, phòng, ban, b
môn liên quan đã đem đn cho tôi các kin thc nn tng hin đi trong sut
thi gian hc t
p va qua.
Tôi cng xin cm n các bn cùng lp, cùng nhóm, các bn trên các din đàn
nghiên cu khoa hc đã có nhng h tr vô t, hu ích đi vi tôi trong quá
trình hc tp, nghiên cu.
MC LC

TÓM TT ………………………………………………………………………… 1

GII THIU ………………………………………………………………… ……. 2

CHNG 1: CÁC NGHIÊN CU CÓ TRC V HIU NG NG
CONG J. ……………………………………………………………
5

CHNG 2: MÔ HÌNH NGHIÊN CU HIU NG NG CONG J CHO
VIT NAM - S LIU CA MÔ HÌNH. ……………….……….
9
2.1. Mô hình nghiên cu hiu ng đng cong J cho Vit Nam …… ……………… 9
2.1.1. Mô hình ARDL song phng. ………………………… ……………… 9
2.1.2. Mô hình ARDL gp. …………………………………… ………………. 10
2.1.3. Các bc tính toán, kho sát. ………………………… …………………. 12
2.2. Mô t và tính toán s liu. ………………………………… …………………… 13
2.2.1. Ngun s liu. ……………………………………… ………………… 13

2.2.2. La chn đi tác thng mi. …………………………………………… 14
2.2.3. Các s liu c bn. ……………………………………………………… 14
2.2.4. La chn nm gc đ tính toán s liu cho các bin. ……….… ………… 15
2.2.5. Tính toán các bin đ đa vào mô hình. …………………… ………… 15

CHNG 3: KT QU NGHIÊN CU HIU NG NG CONG J CHO
VIT NAM & KT LUN KHÁM PHÁ ………………………….
16
3.1. Kho sát tính dng các bin bng kim đnh nghim đn v (Unit root test tiêu
chun ADF). …………………………………………………………………….
16
3.1.1. Tính dng các bin ca mô hình ARDL song phng. ………… ………. 16
3.1.2. Tính dng các bin ca mô hình ARDL gp. ……………………… …… 18
3.2. Kh
o sát đng liên kt gia các bin bng Johansen Cointegration Test. … … 19
3.2.1. Kho sát đng liên kt gia các bin ca mô hình ARDL song phng. …. 19
3.2.2. Kho sát đng liên kt gia các bin ca mô hình ARDL gp. …… ……. 19
3.3. Kt qu nghiên cu hiu ng đng cong J cho cán cân thng mi song
phng gia Vit Nam vi 11 đi tác - Mô hình ARDL song phng. ……….
19
3.3.1. Kt qu kho sát F-Test cho các bin tr thêm vào ca mô hình ARDL
song phng. ………………………………………………… …………
19
3.3.2. Xác đnh đ tr ti u c
a mô hình ARDL song phng. …… ………… 21
3.3.3. Hiu ng đng cong J trong ngn hn ca mô hình ARDL song phng 22
3.3.4. Hiu ng trong dài hn ca mô hình ARDL song phng. …………… 24
3.3.5. Các kim đnh ca các mô hình ARDL song phng. ………… ………. 26
3.3.5.1. Kim đnh hin tng t tng quan ca các bin trong mô hình
ARDL song phng. ………………………………… …………

26
3.3.5.2. Kim đnh s phù hp ca mô hình ARDL song phng. …… … 27
3.3.5.3. Kim đnh s n đnh ca mô hình ARDL song phng. …… …. 27
3.4. Kt qu kho sát hiu ng đng cong J cho cán cân thng mi ca Vit Nam
vi th gii – Mô hình ARDL gp. ……………………………………… ……
31
3.4.1. Kt qu kho sát F-Test cho các bin thêm vào ca mô hình ARDL g
p. 31
3.4.2. Xác đnh đ tr ti u ca mô hình ARDL gp. …………………… …… 32
3.4.3. Kho sát hiu ng đng cong J trong ngn hn ca mô hình ARDL gp. . 33
3.4.4. Kho sát hiu ng trong dài hn ca mô hình ARDL gp. ……… ……… 34
3.4.5. Các kim đnh ca mô hình ARDL gp. ………………………… ……… 35
3.5. Kt lun khám phá. …………………………………………………… ……… 36
3.5.1. Hiu ng đng cong J ca cán cân thng mi song phng gia Vit
Nam vi 11 đi tác. ……………………………………………………….
36
3.5.2. Hiu ng đng cong J ca cán cân thng mi gia Vi
t Nam vi th
gii. ……………………………………………………………………….
37

KT LUN ………………………………………………………………………. 38

TÀI LIU THAM KHO …………………………………………………………. 40

PH LC …………………………………………………………………………… 43

DANH MC BNG BIU

Bng 3.1.1.1. Kho sát tính dng bin lntb

j

Bng 3.1.1.2. Kho sát tính dùng bin dlntb
j

Bng 3.1.1.3. Kho sát tính dng bin lny
j
vàlny
i
.
Bng 3.1.1.4. Kho sát tính dng bin dlny
j

Bng 3.1.1.5. Kho sát tính dng bin lnrer
j

Bng 3.1.1.6. Kho sát tính dng bin dlnrer
j

Bng 3.1.2.1. Kho sát tính dng bin lntb
w
, lny
vnm
, lny
w
, lnreer
Bng 3.1.2.2. Kho sát tính dng bin dlntb
w
, dlny
vnm

, dlny
w
, dlnreer
Bng 3.3.1. Giá tr thng kê tính toán tính toan đc vi các mc tr.
Bng 3.3.2.  tr và giá tr AIC mô hình song phng.
Bng 3.3.3. Kho sát h s e
k
ti các mc tr – Hiu ng đng cong J mô hình song phng.
Bng 3.3.4. Kho sát h s 
4
– Hiu ng trong dài hn mô hình gp.
Bng 3.3.5. Kt qu kim đnh mô hình song phng.
Bng 3.4.1. Giá tr thng kê tính toán tính toán đc vi các mc tr.
Bng 3.4.2.  tr và giá tr AIC mô hình gp.
Bng 3.4.3. Kho sát h s e
k
ti các mc tr – Hiu ng đng cong J mô hình gp.
Bng 3.4.4. Kho sát h s 
4
– Hiu ng trong dài hn mô hình gp.
Bng 3.4.5. Kt qu kim đnh mô hình gp.




1
TÓM TT

Lun vn này s dng mô hình tr phân b trong quá trình t hi quy
(ARDL - Autoregressive Distributed Lags) nghiên cu s tn ti hiu ng

đng cong J trong ngn hn và hiu ng trong dài hn vi cán cân thng
mi song phng, cán cân thng mi gp ca Vit Nam khi phá giá đng
tin Vit Nam. Kt qu cho thy:
- Hiu ng đng cong J ch tn ti vi cán cân thng mi ca Vi
t Nam
vi Hàn Quc, ài Loan; hiu ng đng cong J cng tn ti trong cán cân
thng mi gp ca Vit Nam vi th gii.
- Trong dài hn, cán cân thng mi ca Vit Nam vi Trung Quc, ài
Loan, Thái Lan, Hng Kông, Nht Bn đc ci thin; vi Hàn Quc,
Malaysia, c b xu đi; cán cân thng mi gp ca Vit Nam vi th gii
trong dài hn cng
đc ci thin.






T khóa: cán cân thng mi, phá giá, hiu ng đng cong J, mô hình tr
phân b trong quá trình t hi quy, ARDL.
2
GII THIU

Mt s nghiên cu v mi quan h gia cán cân thng mi và t giá ca
các quc gia cho thy gim giá (tng t giá – theo phng pháp yt giá trc
tip) hay phá giá đng ni t (sau đây gi tt là phá giá) to nên đng biu
din cán cân thng mi theo thi gian sau khi tng t giá có hình dáng ca
ch J. Tính cht này - đc xác đnh bi s xu đi sau đó là c
i thin trong
ngn hn ca cán cân thng mi - đc gi là hiu ng đng cong J. Áp

dng hiu ng này, mt trong nhng mc tiêu ca phá giá mà các nc hay
áp dng là nhm ci thin cán cân thng mi - ci thin cán cân thanh toán.
Tuy nhiên, cng có mt s nghiên cu khác ti mt s nn kinh t khác nhau
cho thy rng phá giá không làm xy ra hiu ng đng cong J. Sau khi phá
giá, cán cân thng mi có nhng bin đ
ng nht đnh nhng không có hình
dng ch J theo thi gian. Nu điu này xy ra thì quyt đnh phá giá đng
ni t ca mt quc gia có th không đt đc mc tiêu ci thin cán cân
thanh toán hoc các mc tiêu khác v kinh t, xã hi.
Cán cân thng mi ca Vit Nam liên tc thâm ht trong nhiu nm gn
đây và có xu hng thâm ht ngày càng tng (ngoi tr 2 nm sau khng
hong kinh t
th gii thì mc đ thâm ht có gim đi) to áp lc mnh lên
cán cân thanh toán. Ngân Hàng Nhà Nc phi nâng t giá (hay phá giá
VND) nhiu ln trong giai đon va qua và có kh nng phi tip tc phá giá
trong thi gian ti nhm vào các mc tiêu khác nhau và mt trong nhng
mc tiêu là ci thin cán cân thng mi qua đó ci thin cán cân thanh toán.
Xác đnh đc mi quan h gia phá giá và xu hng bin đng ca cán cân
thng m
i sau phá giá s giúp chính ph có nhng chun b và đng thái
3
phù hp nhm đt đc các mc tiêu k vng và hn ch tác đng tiêu cc
đn nn kinh t.
Vi s liu v quan h thng mi và các ch s ca nn kinh t theo quý t
quý 1 nm 1999 đn quý 2 nm 2012 ca Vit Nam vi 11 quc gia và vùng
lãnh th có giá tr trao đi thng mi ln nht vi Vit nam (tng giá tr
trao đi thng mi c
a Vit Nam vi nhóm này chim hn 75% tng giá
tr ngoi thng ca Vit Nam), lun vn này s dng mô hình kinh t lng
nghiên cu chui thi gian, c th là mô hình tr phân b trong quá trình t

hi quy (ARDL - Autoregressive Distributed Lags) nghiên cu s tn ti
hiu ng đng cong J trong ngn hn và hiu ng trong dài hn vi cán cân
thng mi Vit Nam trong quan h vi t giá.
Mc tiêu ca lu
n vn là phi xác đnh đc tính cht thay đi ca cán cân
thng mi theo thi gian sau khi có phá giá:
- Phá giá tác đng nh th nào đn cán cân thng mi trong ngn hn? Có
hiu ng ch J hay không?
- Phá giá có giúp ci thin cán cân thng mi ca Vit Nam trong dài hn
hay không?
Kt cu ca lun vn gm có các phn sau:
- Chng 1: Các nghiên cu có trc v hiu ng đng cong J và la chn
mô hình kinh t l
ng s dng cho lun vn.
- Chng 2: Mô hình nghiên cu hiu ng đng cong J cho Vit Nam - S
liu ca mô hình.
4
- Chng 3: Kt qu nghiên cu hiu ng đng cong J cho Vit Nam - Kt
lun khám phá.
- Kt lun.
- Tài liu tham kho.
- Ph lc.

5
CHNG 1

CÁC NGHIÊN CU CÓ TRC V HIU NG NG CONG J

Có nhiu nghiên cu v hiu ng đng cong J ca cán cân thng mi
trong quan h vi t giá cho thy hiu ng này không chc chn xy ra.

Mohsen Bahmani Oskooee, Gour G.Goswami (2003) c lng hiu ng
ca phá giá đng Yen ti cán cân thng mi ca Nht Bn vi nhóm 9 đi
tác thng mi ln nht. Các tác gi s d
ng mô hình gc ca Rose và
Yellen (1989) di dng hiu chnh sai s vector (VECM - Vector Error
Correction Model), trin khai theo Pesaran và Shin (1995), Pesaran và
nhng ngi khác (1996) hình thành mô hình tr phân b trong quá trình t
hi quy ARDL (Autoregressive Distributed Lags). Vi s liu song phng
ch tìm thy hiu ng đng cong J trong hai trng hp là cán cân thng
mi gia Nht Bn vi c, gia Nht Bn vi Ý, không thy có hình dáng
(hiu ng) gì đc trng ca vi cán cân thng mi v
i các nc khác. Vi
s liu tng th, không tìm thy hiu ng đng cong J ca cán cân thng
mi gia Nht Bn vi th gii.

Pavle Petrovic và Mirjana Gligoric (2010) c lng mi quan h trong dài

hn mi quan h gia t giá và cán cân thng mi Serbia bng hai phng
pháp phân tích đng liên kt ca Johansen (Johansen's Cointegration
Analysis) và phng pháp tr phn b trong quá trình t hi quy (ARDL);
sau đó s dng mô hình hiu ch
nh sai s vector (VECM) và hàm phn ng
đy (IRF- Impulse Response Function) đ nghiên cu hiu ng đng cong
J trong ngn hn. Kt qu cho thy trong dài hn phá giá có tác đng tích
cc đn cán cân thng mi; trong ngn hn cán cân thng mi xu đi ri
6
đc ci thin, tc là tn ti hiu ng đng cong J.

Ng Yuen-Ling, Har Wai-Mun và Tan Geoi-Mei (2008) nghiên cu mi quan
h gia t giá và cán cân thng mi vi s liu ngoi thng ca Malaysia
t 1955 đn 2006, s dng kim đnh Engle-Granger (Engle-Granger test),
mô hình hiu chnh sai s vector và kim đnh Johansen-Juselius (Johansen-
Juselius test), hàm phn ng đy IRF. Kt qu cán cân thng mi ca
Malaysia không bin đi theo đng cong có hình dng ch J hay không có
bng chng tn ti hiu ng đng cong J cho cán cân thng mi ca
Malaysia.


Jaleel Ahmad, Jing Yang (2004) s dng s liu thng mi song phng
gia Trung Quc vi các quc gia G-7 kim tra s tn ti ca lý thuyt
đng cong J. Các tác gi s dng các kim đnh đng liên kt và kim đnh
nhân qu đ xác đnh mi quan h trong dài hn cng nh bin đng trong
ngn hn ca cán cân thng mi vi t giá thc. Nghiên cu cho thy mc
dù có mt s bng chng v hiu ng ci thin cán cân thng mi trong
dài hn, nhng không có bng chng nào v hiu ng đng cong J trong
ngn hn.

Olubenga Onafowora (2003) kim tra hiu ng trong ngn hn cng nh dài
hn ca t giá thc đi vi cán cân thng mi ca ba nc Asean
(Indonesia, Malaysia, Thailand) trong quan h thng mi song phng vi
Nht Bn và Hoa K bng s liu theo quý t 1980:1 đn 2001:4. S dng
kim đnh đng liên kt, mô hình hiu chnh sai s vector và hàm phn ng
đy. Kt qu tìm đc trong dài hn có mi quan h n đnh gia cán cân
thng mi, t giá thc, tng sn phm quc ni ca mi n
c và ca nc
đi tác thng mi. Trong ngn hn, có tn ti hiu ng đng cong J vi
7
cán cân thng mi ca Indonesia và Malaysia vi Hoa K, Nht Bn; ca
Thailand vi Hoa K; tuy nhiên cán cân thng mi ca Thailand vi Nht
Bn không bin đng theo dng ch J mà tng t dng ch S.

Rabeya Khatoon, Mohammad Mahbubur Rahman (2009) áp dng kim đnh
đng liên kt đ nghiên cu mi quan h trong dài hn, mô hình hiu chnh
sai s vector nghiên cu bin đng trong ngn hn ca t giá thc đa
phng vi cán cân thng mi ca Bangladesh. Vi s liu nm t nm
1972 đn 2006 ca Bangladesh và 21 đi tác thng mi, các tác gi không
tìm thy s tn ti ca hiu ng đng cong J.

Nghiên cu ca Yi Hsing (2008) cho 7 nc châu M Lantin tìm ra đc
hiu ng đng cong J cho 3 nc Chili, Ecuador và Uruguay nhng thiu
bng chng ca đng cong J cho 4 nc còn li là Argentina, Brazil,
Columbia và Peru.

Mohsen Bahmani-Oskooee, Ali M. Kutan (2006) tìm đc hiu ng đng
cong J tn ti  3 nc (Bulgaria, Croatia, Russia) trong s 11 nc đc
nghiên cu (Bulgaria, Croatia, Cyprus, Czech, Hungary, Poland, Romania,
Russia, Slovakia, Turkey, Ukraine).

Kishore Kulkarni và Andrew Clarke (2009): Zambia: có hiu ng đng
cong J; Nigeria: không có hiu ng đng cong J; Lavia: không có hiu ng
đng cong J; Thailand: không có hiu ng đng cong J mà li tn ti hiu
ng J ngc (inverted J-curve).

David Matesanz Gomez, Guadalupe Fugarolas Alvarez Ude (2006): trong
ngn hn cán cân thng mi Argentina không thy thiu ng đng cong J.
8

Qua các nghiên cu có trc, ta thy rng hiu ng đng cong J đi vi
cán cân thng mi vi phn còn li ca th gii hoc vi cán cân thng
mi song phng có xut hin hoc không có xut hin ti mt s quc gia.
Nh vy, vic nghiên cu hiu ng đng cong J cho Vit Nam  các mc
đ tng th và song phng là rt cn thit; qua
đó Vit Nam có th có các
bin pháp hay chính sách thích hp cho tng thi đim hay giai đon.

9
CHNG 2

MÔ HÌNH NGHIÊN CU HIU NG NG CONG J CHO VIT
NAM - S LIU CA MÔ HÌNH

2.1. Mô hình nghiên cu hiu ng đng cong J cho Vit Nam:
Trong lun vn này, tác gi la chn mô hình tr phân b trong quá trình t
hi quy (ARDL) ca M. Bahmani-Oskooee và G. Goswami (2003) đ
nghiên cu hiu ng đng cong J trong ngn hn và hiu ng trong dài hn
vi cán cân thng mi song phng, cán cân thng mi gp ca Vit Nam
khi phá giá đng tin Vit Nam.
C th, tác gi s c lng riêng r hiu ng đ
ng cong J và hiu ng
trong dài hn cho cán cân thng mi ca Vit Nam vi tng nc trong s
11 nc đc la chn (mô hình ARDL song phng), sau đó c lng
cho cán cân thng mi ca Vit Nam vi th gii - đi din bi tng khi
lng ca 11 nc chim t trng hn 75% giá tr ngoi thng Vit Nam –
(mô hình ARDL gp).

2.1.1. Mô hình ARDL song phng:
Mô hình song phng nghiên cu hi

u ng đng cong J ca cán cân
thng mi song phng ca Vit Nam vi tng nc trong s 11 nc
đc la chn.
ttjtjtitj
ktj
n
k
kktj
n
k
kkti
n
k
kktj
n
k
ktj
RERYYTB
REReYdYcTBbTB















1,41,31,21,1
,
0
,
0
,
0
,
1
,
lnlnlnln
lnlnlnlnln
(2.1.1)
- Vi:
10
  - Sai phân bc nht.
 ln - logarith t nhiên;

tj
TB
,
- Cán cân thng mi ca Vit Nam vi nc j ti thi đim t;
tj
tj
tj
M
X

TB
,
,
,
 (2.1.1.1)

tj
X
,
- Xut khu ca Vit Nam đn nc j ti thi đim t;

tj
M
,
- Nhp khu ca Vit Nam t nc j ti thi đim t;

ti
Y
,
- Tng sn phm quc ni thc ca Vit Nam ti thi đim t;

tj
Y
,
- Tng sn phm quc ni thc ca nc đi tác j ti thi đim t;

tj
RER
,
- T giá thc ca VND vi đng tin ca nc j ti thi đim t;

ht
jt
jttj
CP
I
CPI
ERER 
,
(2.1.1.2)

jt
E - T giá danh ngha ca VND vi đng tin đi tác j theo
phng pháp yt giá trc tip;

jt
CPI
- Ch s giá tiêu dùng ca đi tác j ti thi đim t;

ht
CPI
- Ch s giá tiêu dùng ca Vit Nam ti thi đim t;

t

- phn d;


- hng s;

k

b ,
k
c ,
k
d ,
k
e ,
1

,
2

,
3

,
4

- h s.
- Tt c các bin ca mô hình đu đc quy v dng ch s so vi nm gc
đc chn – ch s các bin ti nm gc là 1.

2.1.2. Mô hình ARDL gp:
11
Chn ra 11 nc có trao đi thng mi ln nht vi Vit Nam và tng t
trng thng mi chim hn 75% giá tr ngoi thng ca Vit Nam làm đi
din cho phn còn li ca th gii:

tttwtt
kt

n
k
kktw
n
k
kkt
n
k
kkt
n
k
kt
REERYYTB
REEReYdYcTBbTB














141,31211
0

,
001
lnlnlnln
lnlnlnlnln
(2.1.2)

- Vi:

t
TB - Cán cân thng mi ca Vit Nam vi th gii (bng tng 11
nc) ti thi đim t.

t
Y - Tng sn phm quc ni thc ca Vit Nam ti thi đim t ;

tw
Y
,
- Tng sn phm quc ni thc ca th gii ti thi đim t;

t
REER - T giá thc hu hiu ca VND vi đng tin ca 11 nc
đc chn.



n
j
tjjtt
RERREER

1
,

(2.1.2.1)

jt

- t trng trao đi thng mi ca đi tác j trong tng giá tr
(tng 11 đi tác đã chn) ngoi thng Vit Nam.





11
1
)(
)(
j
jtjt
jtjt
jt
XM
XM

(2.1.2.2)

t

- phn d;



- hng s

k
b ,
k
c ,
k
d ,
k
e ,
1

,
2

,
3

,
4

- h s.
12
- Tt c các bin ca mô hình đu đc quy v dng ch s so vi nm gc
đc chn – ch s các bin ti nm gc là 1.

2.1.3. Các bc tính toán, kho sát:
- Tính toán giá tr các bin

ti
TB
,
,
ti
Y
,
,
tj
Y
,
,
ti
RER
,
và
t
TB ,
t
Y ,
tw
Y
,
,
t
REER ; tính
toán các sai phân bc nht ca chúng.
- Kho sát tính dng ca các bin ban đu và bin sai phân bng kim đnh
nghim đn v Dickey-Fuller (ADF Unit root test). Kho sát này nhm xác
đnh tính dng và xác đnh tt c các bin đu có cùng bc liên kt (các sai

phân cùng bc ca các bin là dng). Khi hi quy các chui thi gian (bin)
không dng thng dn đn kt qu hi quy gi mo (spurious). Nu các
bin không dng nhng các sai phân cùng b
c ca chúng là dng thì ta có
th hi quy các bin đã ly sai phân này; tuy nhiên hi quy này có th b sót
thông tin dài hn v quan h gia các bin.
- Kim đnh đng liên kt (Cointegration test) đ xác đnh các chui (bin)
không dng có đng liên kt hay không, nu có s đng liên kt thì khi hi
quy các bin này cho kt qu hi quy là thc và th hin mi quan h cân
bng dài hn gia các bin. Phng pháp s d
ng: kim đnh đng liên kt
ca Johansen (Johansen cointegration test).
- Hi quy mô hình ARDL song phng (2.1.1) và mô hình ARDL gp
(2.1.2) đ xác đnh mi quan h trong ngn hn và c dài hn gia cán cân
thng mi và t giá. Các bc nh sau:
 Kho sát mô hình vi các đ tr khác nhau t 0, 1, 2, 3, 4, 5, 6, 7, 8.
 Thc hin F test đ xác đnh ti đ tr nào tn ti mô hình.
13
 Xác đnh đ tr ti u: áp dng tiêu chun AIC (AIC - Akaike’s
Informaiton Criterion).
 Xác đnh hiu ng đng cong J khi phá giá: xem xét các giá tr ca
h s
k
e
ca bin sai phân bc nht ca t giá đ xác đnh có tn ti
hiu ng đng cong J hay không, nu
k
e
có giá tr âm vi nhng tr
đu tiên sau đó có giá tr dng vi nhng tr tip theo thì cán cân

thng mi s có hiu ng đng cong J trong ngn hn.
 Xác đnh hiu ng trong dài hn khi phá giá: nu h s
4

ca bin t
giá có giá tr dng thì phá giá s ci thin cán cân thng mi trong
dài hn.
- Các kim đnh ca mô hình:
 Tính gii thích ca mô hình.
 Kim đnh hin tng t tng quan ca các bin (Breusch-Godfrey
Serial Correlation LM Test và Durbin-Watson test),
 Kim đnh s phù hp ca mô hình (Ramsey RESET Test),
 Kim đnh s n đnh ca mô hình (CUSUM Test và CUSUM of
Square Test).

2.2. Mô t và tính toán s liu:
2.2.1. Ngun s
liu:
S liu c bn đc thu thp và tham kho t các ngun:
- T giá: Qu Tin T Quc T (IMF - International Monetery Fund).
- Ch s giá tiêu dùng (CPI – Consumer Price Index): Qu Tin T Quc T.
14
- Trao đi thng mi: Giá tr xut nhp khu ca Vit Nam vi các đi tác
đc ly t Qu Tin T Quc T, Tng Cc Thng Kê Vit Nam.
- Tng sn phm quc ni (GDP – Gross Domestic Product): Qu Tin T
Quc T, Tng Cc Thng Kê Vit Nam.
2.2.2. La chn đi tác thng mi:
- Chn 11 nc có giá tr XNK ln nht, t trng XNK ca các nc này vi
VN chim hn 75% tng giá tr XNK ca VN vi th gii là: China, Japan,
USA, Korea, Singapore, Taiwan, Thailand, Australia, Malaysia, Germany,

Hongkong.
(Xem chi tit “i tác thng mi vi Vit Nam và t trng thng mi giai
đon 2000 – 2011” ti Ph lc 1).

2.2.3. Các s liu c bn:
- Giá tr nhp khu theo quý ca Vit Nam vi 11 nc và vùng lãnh th nêu
trên (S đc tác gi cung cp khi có yêu cu).
- Giá tr xut kh
u theo quý ca Vit nam vi 11 nc và vùng lãnh th nêu
trên (S đc tác gi cung cp khi có yêu cu).
- Ch s giá tiêu dùng (CPI – Consumer Price Index) theo quý ca Vit nam
vi 11 nc và vùng lãnh th nêu trên theo các nm gc 1999, 2005, 2006
tùy theo nc và vùng lãnh th (S đc tác gi cung cp khi có yêu cu).
- T giá danh ngha trung bình theo quý ca đng tin Vit Nam, ca 11
nc đi tác và vùng lãnh th nêu trên vi USD (S đc tác gi cung cp
khi có yêu cu).
- Tng sn phm qu
c ni thc (Real GDP or Constant GDP – Gross
Domestic Product) theo quý ca Vit Nam vi 11 nc và vùng lãnh th nêu
15
trên theo giá c đnh các nm 1994, 1999, 2005, 2006 tùy theo nc (S
đc tác gi cung cp khi có yêu cu).

2.2.4. La chn nm gc đ tính toán s liu cho các bin:
Chn nm gc là 1999 vì:
- Nm 1999 là nm đu tiên s dng đng Euro.
- S thun tin có sn ca s liu: các s liu thng kê gc nêu trên tác gi
có đc t nm 1999.
- S lng đi tác thng mi c
a Vit Nam t nm 1999 đn nay n đnh

vi s lng nhiu và đa dng: nm 1986 – 43 nc, nm 1995 – 100 nc,
nm 2000 – 192 quc gia, hin nay – hn 200 quc gia.
2.2.5. Tính toán các bin ca mô hình:
(Ph lc 2 - Kt qu s đc tác gi cung cp khi có yêu cu).










16
CHNG 3

KT QU NGHIÊN CU HIU NG NG CONG J CHO VIT
NAM - KT LUN KHÁM PHÁ


3.1. Kim tra tính dng các bin bng kim đnh nghim đn v (Unit
root test tiêu chun ADF):
3.1.1. Tính dng các bin ca mô hình ARDL song phng:
(Chi tit xem Ph lc 3.1.a):
Bng 3.1.1.1. Kho sát tính dng bin lntb
j
.

China Japan US Korea Singapore Taiwan

Xét tính dng 
mc ý ngha 5%
Bin lntbchi lntbjap lntbusa lntbkor lntbsin lntbtwn
Kt lun tính dng không không có không có không


Thailand Australia Malaysia Germany Hongkong
Xét tính dng 
mc ý ngha 5%
Bin lntbtha lntbaus lntbmal lntbger lntbhkg
Kt lun tính dng có không có có không

Bng 3.1.1.2. Kho sát tính dng bin dlntb
j
.

China Japan US Korea Singapore Taiwan
Xét tính dng 
mc ý ngha 5%
Bin dlntbchi dlntbjap dlntbusa dlntbkor dlntbsin dlntbtwn
Kt lun tính dng có có có có có có


Thailand Australia Malaysia Germany Hongkong
Xét tính dng 
mc ý ngha 5%
Bin dlntbtha dlntbaus dlntbmal dlntbger dlntbhkg
Kt lun tính dng có có có có có

Bng 3.1.1.3. Kho sát tính dng bin lny

j
và lny
i
.

China Japan US Korea Singapore Taiwan
Xét tính dng 
mc ý ngha 5%
Bin lnychi lnyjap lnyusa lnykor lnysin lnytwn
Kt lun tính dng không không không không không không

17

Thailand Australia Malaysia Germany Hongkong Vietnam
Xét tính dng 
mc ý ngha 5%
Bin lnytha lnyaus lnymal lnyger lnyhkg
lnyvnm
Kt lun tính dng không không không không không không

Bng 3.1.1.4. Kho sát tính dng bin dlny
j
.

China Japan US Korea Singapore Taiwan
Xét tính dng 
mc ý ngha 5%
Bin dlnychi dlnyjap dlnyusa dlnykor dlnysin dlnytwn
Kt lun tính dng có có có có có có

Thailand Australia Malaysia Germany Hongkong
Xét tính dng 
mc ý ngha 5%
Bin dlnytha dlnyaus dlnymal dlnyger dlnyhkg
Kt lun tính dng có có có có có

Bng 3.1.1.5. Kho sát tính dng bin lnrer
j
.

China Japan US Korea Singapore Taiwan
Xét tính dng 
mc ý ngha 5%
Bin lnrerchi lnrerjap lnrerusa lnrerkor lnrersin lnrertwn
Kt lun tính dng không không không không không không


Thailand Australia Malaysia Germany Hongkong
Xét tính dng 
mc ý ngha 5%
Bin lnrertha lnreraus lnrermal lnrerger lnrerhkg
Kt lun tính dng có không không không không

Bng 3.1.1.6. Kho sát tính dng bin dlnrer
j
.

China Japan US Korea Singapore Taiwan
Xét tính dng 

mc ý ngha 5%
Bin dlnrerchi dlnrerjap dlnrerusa dlnrerkor dlnrersin dlnrertwn
Kt lun tính dng có có có có có có


Thailand Australia Malaysia Germany Hongkong
Xét tính dng 
mc ý ngha 5%
Bin dlnrertha dlnreraus dlnrermal dlnrerger dlnrerhkg
Kt lun tính dng có có có có có

Ta nhn thy:
- Các bin cha ly sai phân bc nht ch có mt s ít có tính dng, đa s
không có tính dng. Khi hi quy các bin không dng, kt qu hi quy có
th là gi mo.
18
- Các bin sai phân bc nht đu có tính dng. Hi quy các bin này cho kt
qu hi quy là thc nhng có th b sót thông tin dài hn v quan h gia
các bin.

3.1.2. Tính dng các bin ca mô hình ARDL gp:
(Chi tit xem Ph lc 3.1.b):
Bng 3.1.2.1. Kho sát tính dng bin lntb
w
, lny
vnm
, lny
w
, lnreer.

World Vietnam World World
Xét tính dng 
mc ý ngha 5%
Bin lntb lnyvnm lnyw lnreer
Augmented Dickey-Fuller test statistic -2.99975 -0.65826 -0.89719 -0.87564
1% level -3.57131 -3.56543 -3.56267 -3.56002
5% level -2.92245 -2.91995 -2.91878 -2.91765
Test critical values:
10% level -2.59922 -2.59791 -2.59729 -2.59669
Kt lun có không không không

Bng 3.1.2.2. Kho sát tính dng bin dlntb, dlny
vnm
, dlny
w
, dlnreer.

World Vietnam World World
Xét tính dng 
mc ý ngha 5%
Bin dlntb dlnyvnm dlnyw dlnreer
Augmented Dickey-Fuller test statistic -5.98481 -15.77 -3.59872 -5.81028
1% level -3.56831 -3.56543 -3.56267 -3.56267
5% level -2.92118 -2.91995 -2.91878 -2.91878
Test critical values:
10% level -2.59855 -2.59791 -2.59729 -2.59729
Kt lun có có có có

Ta nhn thy:
- Các bin cha ly sai phân bc nht ch có mt s ít có tính dng, đa s

không có tính dng. Khi mô hình hi quy có bin không dng, kt qu hi
quy có th là gi mo.