Đề tài Dự báo tốc độ tăng trưởng kinh tế Việt Nam- Sự vượt trội của mô hình Mạng thần kinh nhân tạo (ANN) so với mô hình Hồi quy tuyến tính truyền thống

mặt sai số này. Trong mạng tuyến tính có hàm sai số, bề mặt sai số là parabol, tức là có một giá trị nhỏ nhất. Do đó, chúng ta dễ dàng xác định giá trị cực tiểu. Đối với mô hình Mạng thần kinh, thật khó xác định được vị trí có giá trị nhỏ nhất của bề mặt sai số hay khó xác định được điểm tối thiểu hóa toàn cục. Nhược điểm thứ ba của mô hình Mạng thần kinh nhân tạo là yêu cầu kích cỡ mẫu lớn. Một mô hình Mạng thần kinh nhân tạo có thể đòi hỏi một số lượng lớn các trọng số. Trong khi đó, nếu mẫu dữ liệu quá nhỏ đưa đến một số lượng có giới hạn của các biến 39 số đầu vào, làm xảy ra tình trạng khít quá mức ngay cả khi thủ tục ngừng đúng lúc được sử dụng. Thực tế, thủ tục dừng đúng lúc có thể làm gia tăng tình trạng khít quá mức vì nó yêu cầu mẫu chia làm ba phần, làm cho số lượng quan sát trong tập huấn luyện dùng để ước lượng càng bị giới hạn. Nhược điểm này thường gặp trong việc dự báo các biến số kinh tế vĩ mô vì số lượng dữ liệu khá hạn chế, đặc biệt là dự báo theo theo quý. Tuy nhiên, có một vài nghiên cứu cho rằng việc dự báo các biến kinh tế vĩ mô cũng có thể đạt được một số thành công nhất định khi sử dụng kích cỡ mẫu tương đối nhỏ. Vì thế, yêu cầu kích cỡ mẫu lớn không nên xem là vấn đề không thể khắc phục được. Cuối cùng, việc xây dựng một cấu trúc mô hình Mạng thần kinh nhân tạo phù hợp sẽ mất rất nhiều thời gian. Các mô hình Mạng thần kinh nhân tạo không chỉ lựa chọn bộ dữ liệu mà còn phải xác định cấu trúc mô hình cho kết quả dự báo chính xác nhất. Để tìm ra cấu trúc tốt nhất, các nhà nghiên cứu phải thực hiện phương pháp thử và sai. Các nhà nghiên cứu phải tiến hành chọn lựa dạng mạng, các biến đầu vào, thay đổi các giá trị ban đầu của trọng số, số lớp nơ-ron ẩn, số lượng nơ-ron ẩn trong mỗi lớp, dạng hàm truyền, các thông số của mô hình như kích thước bước, động lượng,… để tìm ra mạng có MSE nhỏ nhất. Việc này đòi hỏi nhà nghiên cứu phải thực hiện hàng trăm, hàng nghìn lần. Sau khi tìm được cấu trúc tốt nhất, nhà nghiên cứu phải tiếp tục thực hiện hàng trăm lần bằng cách thay đổi những giá trị ban đầu của các trọng số với hy vọng tìm ra điểm tối thiểu hóa toàn cục. Do đó, việc xây dựng cấu trúc của một mô hình Mạng thần kinh nhân tạo tốn rất nhiều thời gian. Trên thực tế, các nhà nghiên cứu có thể rút ngắn thời gian xây dựng mô hình nhờ mô hình hồi quy tuyến tính hỗ trợ cho việc lựa chọn các biến đầu vào. 2.6. So sánh mô hình Mạng thần kinh nhân tạo và mô hình Hồi quy tuyến tính Như đã trình bày ở các phần trên, mô hình Hồi quy tuyến tính thể hiện mối quan hệ chính xác giữa biến đầu vào và đầu ra, còn mô hình Mạng thần kinh không giải thích chính xác mối quan hệ giữa chúng. Tuy nhiên, mô hình Mạng thần kinh đơn giản nhất (mạng gồm một lớp đầu vào và một lớp đầu ra) có hàm kích hoạt xác định tương tự như mô hình Hồi quy tuyến tính. Các nơ-ron đầu vào tương tự như các biến số độc lập, các nơ-ron đầu ra là các biến số phụ thuộc. Các trọng số của mô hình Mạng thần kinh nhân tạo giống như các hệ số ước lượng của mô hình hồi quy và độ lệch tương tự như hệ số chặn. Với mô hình Hồi quy tuyến tính, các nhà nghiên cứu xây dựng dạng hàm trên cơ sở đã biết trước mối quan hệ giữa biến phụ thuộc và các biến độc lập của dạng hàm đó. Ngược lại, mô hình Mạng thần kinh không được biết về những mối quan hệ giữa các biến của dạng hàm, mà chủ yếu là để dữ liệu xác định dạng hàm. Như vậy, Mạng thần 40 kinh nhân tạo phù hợp khi nhà nghiên cứu không có bất kỳ ý tưởng nào về dạng hàm của mối quan hệ giữa những đầu vào và đầu ra. Nhưng, nếu dạng hàm được biết, mô hình hồi quy là phù hợp hơn. Vì mô hình Mạng thần kinh được xem như một “hộp đen”. Không ai biết điều gì xảy ra trong hộp đen đó, nó vượt ngoài tầm kiểm soát của người xây dựng mô hình. Do đó, các nhà kinh tế học e ngại việc sử dụng mô hình Mạng thần kinh như là một công cụ thống kê thay thế trong việc dự báo các biến kinh tế. Bên cạnh đó, việc xây dựng cấu trúc mô hình Mạng thần kinh cũng khá phức tạp và mất rất nhiều thời gian. Nên các nhà nghiên cứu thường sử dụng mô hình Hồi quy tuyến tính hỗ trợ cho việc chọn biến đầu vào cho mô hình. Vì vậy, mô hình Mạng thần kinh nhân tạo nên được xem như là sự bổ sung mạnh mẽ cho các mô hình kinh tế chuẩn chứ không phải là sự thay thế. Đặc biệt, khi đặt trong mối liên hệ với các mô hình Hồi quy tuyến tính, mô hình Mạng thần kinh nhân tạo có thể trở nên hiệu quả hơn hay cho kết quả dự báo chính xác hơn. 41 Chƣơng 3 XÂY DỰNG MÔ HÌNH DỰ BÁO TỐC ĐỘ TĂNG TRƢỞNG TỔNG SẢN PHẨM QUỐC NỘI (GDP) CỦA VIỆT NAM Dữ liệu Xây dựng mô hình Hồi quy tuyến tính truyền thống Xây dựng mô hình Mạng thần kinh nhân tạo Trong chương này, bài nghiên cứu sẽ tiến hành thực hiện xây dựng mô hình dự báo tốc độ tăng trưởng GDP Việt Nam bao gồm một quá trình từ thu thập, phân tích và điều chỉnh dữ liệu cho đến việc xây dựng mô hình để dự báo bằng cả mô hình Hồi quy tuyến tính truyền thống và mô hình Mạng thần kinh nhân tạo. Vì mô hình Hồi quy tuyến tính truyền thống là một mô hình đã rất phổ biến nên bài nghiên cứu sẽ đặt trọng tâm cho việc xây dựng mô hình Mạng thần kinh nhân tạo, một mô hình còn khá mới mẻ. Đặc biệt, trong chương này bài nghiên cứu cũng đã thực hiện xây dựng mô hình Mạng thần kinh nhân tạo dựa trên kết quả của mô hình Hồi quy tuyến tính như là một ý tưởng nhằm nâng cao hiệu quả, tiết kiệm thời gian và chi phí so với việc xây dựng mô hình Mạng thần kinh nhân tạo độc lập. Tất cả kết quả thu được từ các mô hình sẽ được so sánh ở chương sau để tìm ra mô hình dự báo tốt nhất. 3.1. Dữ liệu Để xây dựng mô hình dự báo tốc độ tăng trưởng GDP Việt Nam hàng quý cho mục tiêu dự báo mang tính ngắn hạn, chúng tôi chỉ cân nhắc các biến kinh tế được công bố hàng tháng hay sớm hơn. Các chuỗi dữ liệu này sau đó được chuyển đổi sang dữ liệu hàng quý. Do giới hạn về khả năng tiếp cận dữ liệu nên mẫu dữ liệu được sử dụng để xây dựng mô hình dự báo GDP bằng mô hình hồi quy tuyến tính và mô hình mạng thần kinh nhân tạo chỉ giới hạn từ Quý 1 năm 2000 đến Quý 4 năm 2010 với 44 quan sát cho mỗi biến, ngoại trừ biến tỷ giá chỉ có 40 quan sát trong giai đoạn từ Quý 1 năm 2001 đến Quý 4 năm 2010. Trong đó, 40 quan sát đầu tiên (hay còn được gọi là dữ liệu trong mẫu) được dùng để xây dựng hàm dự báo và 4 quan sát còn lại - từ Quý 1 năm 2010 đến Quý 4 năm 2010 được dùng để kiểm tra dự báo ngoài mẫu. Sau khi thực hiện điều chỉnh dữ liệu nhằm xây dựng các chuỗi dữ liệu có tính dừng, loại bỏ yếu tố mùa vụ và xu thế, mẫu dữ liệu cuối cùng của chúng tôi còn lại 35 quan sát cho mỗi biến bắt đầu từ Quý 2 năm 2001 đến Quý 4 năm 2009. 42 Bảng sau liệt kê các biến được cân nhắc đưa vào mô hình dự báo GDP theo quý. Cột đầu tiên là tên các biến kinh tế, cột thứ hai là nguồn dữ liệu, hai cột cuối là cách điều chỉnh dữ liệu. Bảng 3.1: Các biến đƣợc cân nhắc đƣa vào mô hình dự báo GDP theo quý Tên biến Nguồn * Điều chỉnh 1 ** Điều chỉnh 2 *** Giá trị sản xuất công nghiệp (Tỷ đồng) TCTK SUM DLN Tỷ lệ lạm phát (%) TCTK AVE GN Tỷ giá USD/VNĐ NHNNVN AVE D Lượng điện sản xuất (Tỷ Kwh) TCTK SUM D Doanh thu bán lẻ (Tỷ đồng) TCTK SUM DLN Giá trị xuất khẩu (Triệu USD) TCTK SUM D Giá trị nhập khẩu (Triệu USD) TCTK SUM D Giá trị nhập khẩu xăng dầu (Triệu USD) TCTK SUM DLN VNIBOR 1 Tháng (%) NHNNVN MAE GN VNIBOR 3 Tháng (%) NNNHVN MAE GN Vốn đầu tư từ ngân sách nhà nước (Tỷ đồng) TCTK SUM D Khối lượng vận chuyển hàng hóa (Nghìn tấn) TCTK SUM DLN Khối lượng luân chuyển hàng hóa (Triệu tấn, Km) TCTK AVE DLN GDP (theo giá so sánh 1994) (Tỷ đồng) TCTK DLN* * Nguồn: TCTK: Tổng Cục Thống Kê Việt Nam; NHNN: Ngân hàng Nhà nước Việt Nam ** Điều chỉnh 1 *** Điều chỉnh 2 SUM: YQUÝ=Y1 + Y2 + Y3 GN: giữ nguyên AVE: YQUÝ=(Y1 + Y2 + Y3)/3 DLN: tính sai phân bậc 1 của ln DLN = LN(Yt) – LN(Yt-1) = LN(Yt / Yt-1) MAE: YQUÝ=(Y1 * Y2 * Y3) 1/3 DLN* = LN(Yt) – LN(Yt-4) = LN(Yt / Yt-4) Các biến ở trên đều là dữ liệu được công bố hàng tháng, ngoại trừ các biến như USD/VNĐ, VNIBOR 1 tháng, VNIBOR 3 tháng và GDP. Biến đầu ra GDP được công bố vào mỗi quý, 3 biến còn lại được công bố theo ngày. Đối với 3 biến: Tỷ giá 43 USD/VNĐ, VNIBOR 1 tháng và VNIBOR 3 tháng, chúng tôi đều chuyển từ dữ liệu theo ngày sang dữ liệu theo tháng bằng cách tính trung bình nhân hàng tháng. 3.1.1. Giải thích biến Giá trị sản xuất công nghiệp: khi giá trị sản xuất công nghiệp hay sản lượng công nghiệp có xu hướng gia tăng cho thấy quy mô sản xuất cũng như năng suất lao động được cải thiện và là một biểu hiện của tăng trưởng kinh tế. Trehan (1992), Rünstler and Sédillot (2003) tìm thấy những bằng chứng mạnh mẽ về việc sử dụng sản lượng công nghiệp để dự báo GDP trong các nghiên cứu ở một số nền kinh tế (trích bởi Isabel Yi Zheng và James Rossiter, 2006). Isabel Yi Zheng và James Rossiter (2006) xây dựng hàm liên kết (Bridge) để dự báo GDP Canada bằng các chỉ báo hàng tháng trong đó có sản lượng công nghiệp. Vì vậy, chúng tôi đưa biến giá trị sản xuất công nghiệp vào mô hình với hy vọng tìm thấy mối quan hệ cùng chiều giữa tăng trưởng GDP và giá trị sản xuất công nghiệp. Tỷ lệ lạm phát: có các nghiên cứu cho thấy lạm phát tác động tiêu cực đến nền kinh tế. Chẳng hạn như Friedman (1977) tranh luận rằng lạm phát dẫn đến tình trạng không chắc chắn sẽ gây ra những bất lợi cho hoạt động của nền kinh tế. Nhiều chứng cứ thực nghiệm như là Fischer (1993), De Gregorio (1993), và Bruno và Easterly (1998) cho rằng siêu lạm phát sẽ kìm hãm tăng trưởng kinh tế, mặc dù có mối quan hệ cùng chiều giữa lạm phát và tăng trưởng khi mà lạm phát ở mức thấp. Sarel (1996) xác định ngưỡng mà tại đó lạm phát ảnh hưởng đến tăng trưởng kinh tế là 8%. Nếu lạm phát lớn hơn 8% sẽ ảnh hưởng tiêu cực, thấp hơn mức này lạm phát không có ảnh hưởng đáng kể đến tăng trưởng kinh tế hay thậm chí nó còn mang lại một số tác động tích cực (trích bởi Hossain, Akhtar, 2006). Khan and Senhadji (2000) kiểm nghiệm mối quan hệ giữa lạm phát và tăng trưởng GDP cho các nước công nghiệp và các nước đang phát triển, đối với các nước công nghiệp thì mức lạm phát từ 1% - 3% sẽ làm chậm tốc độ tăng trưởng, còn đối với các nước đang phát triển là từ 7% - 11%. Theo Lê Quốc Lý (2005), lạm phát cao sẽ làm lệch lạc cơ cấu giá cả, kéo theo các nguồn lực kinh tế phân bố không hợp lý và cuối cùng sẽ làm cho tăng trưởng chậm lại. Chúng tôi kỳ vọng lạm phát sẽ có quan hệ ngược chiều với tăng trưởng GDP. Tỷ giá USD/VND: tỷ giá hối đoái có ảnh hưởng trực tiếp đến giá trị xuất nhập khẩu của Việt Nam, đến luồng vốn vào và ra và đến lãi suất của thị trường tiền tệ, những yếu tố này lại trực tiếp ảnh hưởng đến tăng trưởng kinh tế (Lê Quốc Lý, 2005). Khi tỷ giá tăng, xuất khẩu có được lợi thế về giá trong khi giá trị nhập khẩu tăng cao. Đối với xuất khẩu, nước ta chủ yếu xuất khẩu dưới dạng khoáng sản thô, gia công sản phẩm, nông sản nên giá trị xuất khẩu không cao. Còn đối với nhập khẩu thì chủ yếu là nhập 44 khẩu máy móc thiết bị, nguyên vật liệu đầu vào với giá cao, kéo theo giá thành sản xuất tăng lên cùng với việc đầu tư và quản lý kém hiệu quả dẫn đến hàng hóa trong nước không thể cạnh tranh với hàng hóa nước ngoài. Đồng thời với tâm lý thích tiêu dùng hàng ngoại của người Việt nam đã làm cho tình trạng nhập siêu ngày càng nghiêm trọng, “Tốc độ tăng bình quân hàng năm của nhập siêu về hàng hóa trong giai đoạn 2000 - 2009 tính theo đôla Mỹ là khoảng 31%. Còn nhập siêu về hàng hóa và dịch vụ tính theo tiền đồng và theo giá hiện hành tăng vào khoảng 35,8% và tốc độ tăng nhập siêu bình quân năm đã loại trừ yếu tố giá giai đoạn này vào khoảng 28%.” (Bùi Trinh, thesaigontimes.com). Kết quả giá trị nhập khẩu hàng hóa ngày càng gia tăng nhưng giá trị xuất khẩu tăng không đáng kể. Điều này ảnh hưởng tiêu cực đến tăng trưởng kinh tế. Vì thế, chúng tôi hy vọng tìm ra mối quan hệ giữa tăng trưởng GDP và tỷ giá USD/VND. Lượng điện sản xuất: năng lượng là đầu vào thiết yếu cho sản xuất và vận hành nền kinh tế. Khi năng lực sản xuất của nền kinh tế gia tăng thì đòi hỏi lượng điện cần thiết để duy trì sản xuất. Ở Việt Nam đang trong tình trạng thiếu điện cho sinh hoạt và đặc biệt là trong sản xuất kinh doanh. Vì vậy, sản lượng điện sản xuất gia tăng có ý nghĩa rất lớn, tác động đến khả năng duy trì và mở rộng sản xuất, từ đó ảnh hưởng đến tốc độ tăng trưởng của nền kinh tế. Nghiên cứu thực nghiệm cũng cho thấy mối quan hệ nhân quả cùng chiều giữa tổng sản lượng điện tiêu thụ với GDP (Hao-yen Yang, 2000). Vì thế, chúng tôi đưa biến lượng điện sản xuất vào mô hình với kỳ vọng về mối quan hệ cùng chiều giữa lượng điện sản xuất và GDP. Doanh thu bán lẻ: Isabel Yi Zheng và James Rossiter (2006) sử dụng doanh thu bán lẻ là một trong những chỉ báo hàng tháng dùng để dự báo GDP hàng quý và cho thấy mối quan hệ cùng chiều giữa GDP và doanh thu bán lẻ. Khi doanh thu bán lẻ tăng cho thấy cầu tiêu thụ hàng hóa tăng lên. Cầu hàng hóa sẽ thúc đẩy các nhà sản xuất gia tăng đầu tư, mở rộng quy mô sản xuất, đáp ứng nhu cầu tiêu dùng và góp phần gia tăng tổng sản phẩm quốc nội. Giá trị nhập khẩu, giá trị xuất khẩu: hai giá trị này có tác động trực tiếp đến GDP. Khi giá trị xuất khẩu gia tăng kéo theo việc đầu tư mở rộng sản xuất, gia tăng dự trữ ngoại hối góp phần ổn định thị trường tiền tệ tạo tiền đề cho nền kinh tế tăng trưởng ổn định. Mặt khác, nếu giá trị nhập khẩu tăng cao cho thấy tiêu dùng, sản xuất trong nước phụ thuộc quá nhiều vào hàng hóa, sản phẩm bên ngoài, hàng hóa sản xuất trong nước có tính cạnh tranh kém. Tình trạng này sẽ dẫn đến sự thu hẹp sản xuất kinh doanh của các công ty trong nước hay làm cho giá trị gia tăng thấp. Nếu điều này kéo dài thì sẽ gây ra suy thoái kinh tế. Do đó, chúng tôi đưa hai biến giá trị nhập khẩu và 45 giá trị xuất khẩu vào mô hình với kỳ vọng về mối quan hệ trái chiều giữa biến giá trị nhập khẩu với tăng trưởng GDP và quan hệ cùng chiều giữa biến giá trị xuất khẩu với tăng trưởng GDP. Giá trị nhập khẩu xăng dầu: trong tất cả các mặt hàng nhập khẩu chủ yếu, thì xăng dầu là một nguồn nhiên liệu thiết yếu đóng vai trò quan trọng trong hầu hết các ngành kinh tế, giao thông vận tải, sản xuất kinh doanh,… góp phần làm tăng trưởng và phát triển kinh tế. Vì vậy, chúng tôi đưa thêm biến giá trị nhập khẩu xăng dầu vào nhằm kiểm định tác động của nó đối với tăng trưởng GDP và chúng tôi kỳ vọng mối quan hệ cùng chiều với tăng trưởng GDP. Đồng thời, vì sự tác động của xăng dầu nhập khẩu xảy ra trong một quá trình từ kho dự trữ xăng dầu đến sản xuất, vận chuyển hàng hóa nên nhiều khả năng mối quan hệ cùng chiều đó xảy ra với một độ trễ nhất định. Lãi suất: Lãi suất là một công cụ quan trọng để điều tiết kinh tế vĩ mô thông qua việc thay đổi mức lãi suất và cơ cấu lãi suất trong từng thời kỳ nhất định. Lãi suất tăng làm cho giá cả các khoản vay của doanh nghiệp tăng làm cho chi phí sản xuất tăng, ảnh hưởng đến lợi nhuận của doanh nghiệp, khiến các doanh nghiệp có xu hướng thu hẹp sản xuất. Bên cạnh đó, lãi suất tăng làm tăng tiết kiệm, giảm đầu tư, giảm tiêu dùng. Friedman (1968) tranh luận rằng chính sách tiền tệ có tác động ngược đến tăng trưởng GDP. Chính sách thắt chặt tiền tệ làm chậm tăng trưởng GDP với mức độ lớn hơn, ngược lại; chính sách nới lỏng tiền tệ thúc đẩy tăng trưởng. Cover (1992), Morgan (1993), Rhee và Rich (1995) qua nghiên cứu thực nghiệm đã đưa ra kết luận rằng chính sách tiền tệ mở rộng có ảnh hưởng tích cực ít hơn là tác động tiêu cực của chính sách thắt chặt lên tăng trưởng GDP của Mỹ (trích bởi Greg Tkacz and Sarah Hu, 1999). Khi lãi suất trong nước tăng tương đối so với lãi suất nước ngoài thì dòng vốn nước ngoài có xu hướng chảy vào trong nước làm cho tỷ giá giảm xuống, ảnh hưởng xấu đến xuất khẩu. Vì vậy, lãi suất tăng sẽ tác động tiêu cực đến GDP. Ngược lại, lãi suất giảm sẽ kích thích đầu tư kinh doanh, từ đó kích thích tăng trưởng kinh tế. Trong các loại lãi suất, chúng tôi nhận thấy lãi suất liên ngân hàng (VNIBOR) thể hiện tình trạng thanh khoản của các ngân hàng thương mại, tác động đến lãi suất cho vay thực trên thị trường, đồng thời do giới hạn của nguồn dữ liệu khó có thể thu thập lãi suất cho vay thực của các ngân hàng thương mại nên chúng tôi quyết định chọn VNIBOR 1 tháng và VNIBOR 3 tháng đại diện cho lãi suất và cũng kỳ vọng có mối quan hệ ngược chiều với tăng trưởng GDP. Vốn đầu tư từ ngân sách nhà nước: Vốn đầu tư nhà nước được sử dụng nhằm xây dựng các cơ sở hạ tầng kinh tế, đào tạo nhân lực, kích thích tăng đầu tư tư nhân, làm gia tăng việc làm, tăng thu nhập, tăng tiêu dùng, từ đó kích thích nền kinh tế tăng 46 trưởng. Do đó, vốn đầu tư từ ngân sách nhà nước cũng được chọn đưa vào mô hình với kỳ vọng cùng chiều với GDP. Khối lượng vận chuyển hàng hóa, khối lượng luân chuyển hàng hóa: lưu thông hàng hóa đóng vai trò rất lớn cho sản xuất và tiêu thụ sản phẩm, giúp cho quá trình sản xuất được duy trì và mở rộng. Khối lượng vận chuyển hàng hóa trong một thời kỳ càng lớn cho thấy khả năng tiêu thụ hàng hóa được thông suốt, tạo động lực cho tăng trưởng kinh tế. Bên cạnh đó, quãng đường vận chuyển còn cho thấy sự mở rộng của mạng lưới lưu thông hàng hóa nên biến khối lượng luân chuyển hàng hóa là một chỉ tiêu đánh giá kép trên sự kết hợp cả chiều dài quãng đường và khối lượng vận chuyển sẽ được đưa vào mô hình cùng với khối lượng vận chuyển nhằm kiểm tra mối quan hệ của chúng với GDP. 3.1.2. Kỳ vọng về dấu Từ nhận định trên, chúng tôi đưa ra bảng kỳ vọng về dấu của các biến được cân nhắc đưa vào mô hình như sau: Bảng 3.2: Tên biến và kỳ vọng về dấu Tên biến Kỳ vọng về dấu Giá trị sản xuất công nghiệp (GTSXCN) (Tỷ đồng) Dương Tỷ lệ lạm phát (LP) (%) Âm Tỷ giá USD/VND (TG) Âm Giá trị xuất khẩu (XK) (Triệu USD) Dương Giá trị nhập khẩu (NK) (Triệu USD) Âm Giá trị nhập khẩu xăng dầu (NKXD) (Triệu USD) Dương Lượng điện sản xuất (LĐ) ( Tỷ Kwh) Dương Doanh thu bán lẻ (DTBL) (Tỷ đồng) Dương VNIBOR 1 Tháng (VNIBOR1M) (%) Âm VNIBOR 3 Tháng (VNIBOR3M) (%) Âm Vốn đầu tư từ ngân sách nhà nước (VĐTNN) (Tỷ đồng) Dương Khối lượng vận chuyển hàng hóa (KLVC) (Nghìn tấn) Dương Khối lượng luân chuyển hàng hóa (KLLC) (Triệu tấn, Km) Dương 47 Thống kê mô tả các biến Sau đây chúng tôi xin trình bày bảng thống kê các biến tác động đến tăng trưởng GDP: Bảng 3.3: Thống kê mô tả các biến Tên biến Trung bình Trung vị Giá trị nhỏ nhất Giá trị lớn nhất Sai số chuẩn GTSXCN 113678,57 103735,00 46896,00 237311,00 7802,66 LP 0,56 0,49 -0,60 1,63 0,08 TG 16063,02 15759,55 13940,79 19460,38 209,88 LĐ 13,77 13,30 5,71 24,70 0,80 DTBL 156858,50 119891,00 52698,20 418900,00 16110,05 XK 9152,62 8129,00 2460,07 19968,00 762,76 NK 10983,22 9155,50 3011,59 23745,00 968,99 NKXD 1213,80 1139,50 317,30 3548,00 112,40 VNIBOR1M 7,74 7,06 5,28 17,65 0,37 VNIBOR3M 8,25 7,62 5,84 16,61 0,32 VĐTNN 17237,67 13963,05 2733,1 53954,7 1864,998 KLVC 91220,12 82982,23 28564 227663,7 7940,70 KLLC 8318,16 6895,38 2484,2 22586,03 803,74 3.2. Xây dựng mô hình Hồi quy tuyến tính truyền thống cho dự báo tốc độ tăng trƣởng GDP Việt Nam Với các biến kinh tế như đã mô tả ở phần dữ liệu, chúng tôi sử dụng thử tục đưa dần vào (Forward Procedure) để lựa chọn biến và xác định độ trễ của chúng cho việc xây dựng mô hình Hồi quy tuyến tính truyền thống trong thời kỳ từ Quý 2/2001 đến Quý 4/2009. Chúng tôi thực hiện hồi quy hai biến giữa tăng trưởng GDP với từng biến kinh tế, sau đó chọn mô hình có giá trị thống kê F lớn nhất và có ý nghĩa thống kê. Tiếp tục thực hiện hồi quy tăng trưởng GDP với hai biến độc lập, trong đó gồm một biến độc lập đã được chọn từ mô hình đầu tiên và một biến được đề xuất đưa vào mô hình từ các biến kinh tế đã được liệt kê ở trên. Tiếp tục quá trình trên, chúng tôi xây dựng nên hàm Hồi quy tuyến tính giữa GDP và các biến kinh tế. Chúng tôi tìm thấy mối liên hệ giữa tăng trưởng GDP hàng quý với lãi suất VNIBOR 3 tháng (VNIBOR3M) với độ trễ 2 quý, vốn đầu tư từ ngân sách nhà nước (VĐTNN), 48 lượng điện sản xuất (LĐ) trễ 1 quý, giá trị nhập khẩu (NK) trễ 1 quý, giá trị xuất khẩu (XK) có độ trễ 2 quý, và GDP quý trước đó. Chi tiết về tính toán thống kê được đính kèm ở phụ lục 1. Trong mô hình trên các hệ số hồi quy đều có ý nghĩa thống kê cao. Cụ thể, VĐTNNt, LĐt-1, GDPt-1 đều có ý nghĩa ở mức 1%; VNIBOR3Mt-2, NKt-1, XKt-2 có ý nghĩa thống kê ở mức 5%. Ngoài ra, mô hình có hệ số xác định khá cao R2 = 83,24%, thống kê F = 23,17 với P-value= 0,000 nhỏ hơn mức ý nghĩa α là 5% nên hàm hồi quy trên là phù hợp. Kiểm định giả thuyết của mô hình Kiểm định phần dư có phân phối chuẩn Từ biểu đồ Histogram ở hình A.1, ta nhận thấy phần dư có phân phối chuẩn vì giá trị P-Value của thống kê Jarque - Bera (= 0,539052) khá lớn (= 0,763741 lớn hơn mức ý nghĩa α = 5%). Kiểm định phương sai thay đổi Tiến hành kiểm định White (có số hạng tích chéo), ta có giá trị Obs*Squared = 26,90316 có P-value = 0,469029 > mức ý nghĩa α (5%) nên chúng ta có thể kết luận không có hiện tượng phương sai thay đổi trong mô hình hồi quy này (Xem Bảng A.3). Kiểm định tự tương quan Từ kết quả kiểm định BG với các độ trễ lần lượt là 1 và 4 (Bảng A.4 và Bảng A.5) và giá trị P-Value của Obs*Squared đối với độ trễ 1 (= 0,129998) là 0,718434, còn đối với độ trễ 4 (= 1,120929) là 0,890938 đều lớn hơn mức ý nghĩa α (5%) nên chúng ta chấp nhận giả thuyết H0: không có hiện tượng tự tương quan. Kiểm định đa cộng tuyến Hồi quy lần lượt từng biến độc lập trong mô hình với các biến độc lập còn lại, chúng ta nhận thấy các hàm hồi quy với các biến phụ thuộc lần lượt là VNIBOR3Mt-2, LĐt-1, NKt-1, GDPt-1 có giá trị thống kê F lần lượt bằng 5,7778; 5,3341; 5,4727; 7,775 với P - Value = 0 nhỏ hơn mức ý nghĩa α (5%) cho thấy hàm hồi quy phù hợp (Bảng A.6). Điều này cho thấy có hiện tượng đa cộng tuyến giữa các biến độc lập. Tuy nhiên, VIF của các mô hình hồi quy phụ đều nhỏ hơn 10 và các hệ số hồi quy trong mô hình (1) đều có ý nghĩa thống kê với hệ số xác định cao (R2= 83,24%) nên vấn đề đa cộng tuyến được đánh giá là không nghiêm trọng. 49 Kiểm định bỏ sót biến Kiểm định Reset của Ramsey với hai biến độc lập mới cho thấy P-value của F (= 0,370853) là 0,693737 lớn hơn mức ý nghĩa α (5%) nên cho phép đưa ra nhận định mô hình trên không bỏ sót biến quan trọng (Bảng A.7). Ý nghĩa của các hệ số hồi quy Trong mô hình hồi quy (1), dấu của hầu hết các hệ số hồi quy trùng khớp với những kỳ vọng về dấu như đã trình bày ở phần giải thích biến. Chỉ có dấu của hệ số hồi quy biến XK(t-2) mang dấu âm là trái với kỳ vọng, tức trong điều kiện các yếu tố khác không đổi khi giá trị xuất khẩu trong quá khứ tăng lên thì GDP quý hiện tại giảm đi. Điều này có thể được giải thích như sau: ở các nền kinh tế phát triển khi giá trị xuất khẩu tăng lên thể hiện giá trị thặng dư của nền kinh tế gia tăng, năng lực sản xuất xã hội được nâng cao cùng với tiến bộ kỹ thuật tạo nên lợi thế cạnh tranh trên thị trường quốc tế, kết quả sẽ tạo ra động lực thúc đẩy nền kinh tế tăng trưởng. Tuy nhiên, đối với nền kinh tế đang phát triển như Việt Nam, với đặc điểm là hầu hết hàng hóa xuất khẩu là hàng gia công, nguyên liệu thô, giá trị thặng dư thấp, hầu như chỉ hưởng lợi thế về chi phí lao động rẻ, do đó khi giá trị xuất khẩu tăng thì đồng thời chúng ta cũng phải nhập khẩu một lượng lớn nguyên vật liệu, máy móc thiết bị để mở rộng sản xuất, không những thế kinh nghiệm và hiệu quả đầu tư kém càng làm cho vấn đề thâm hụt thương mại trở nên nghiêm trọng mà hệ quả là làm giảm tốc độ tăng trưởng. Nói như vậy, không có nghĩa là nước ta phải cắt giảm lượng xuất khẩu mà nhằm chỉ ra cho chúng ta thấy một phần thực trạng của nền kinh tế cần khắc phục. Ý nghĩa của các hệ số hồi quy trong mô hình (1) có thể được diễn đạt như sau:  Trong điều kiện các yếu tố khác không đổi, khi lãi suất liên ngân hàng kỳ hạn 3 tháng (trễ hai quý) tăng 1% thì tốc độ tăng trưởng GDP trung bình giảm một lượng khoảng 0,173891 %.  Trong điều kiện các yếu tố khác không đổi, khi tốc độ tăng trưởng của vốn đầu tư từ ngân sách nhà nước quý hiện tại tăng thêm 1% thì tốc độ tăng trưởng GDP trung bình gia tăng thêm khoảng 0,016149 %.  Trong điều kiện các yếu tố khác không đổi, khi tốc độ tăng trưởng của lượng điện sản xuất ra (trễ một quý) tăng lên 1% thì tốc độ tăng trưởng GDP trung bình tăng khoảng 0,073402 %.  Trong điều kiện các yếu tố khác không đổi, khi tốc độ tăng trưởng của giá trị nhập khẩu (trễ một quý) tăng 1% thì tốc độ tăng trưởng GDP trung bình giảm khoảng 0,019866 %. 50  Trong điều kiện các yếu tố khác không đổi, khi tốc độ tăng trưởng của giá trị xuất khẩu tăng 1% thì tốc độ tăng trưởng GDP trung bình giảm khoảng 0,014667%.  Trong điều kiện các yếu tố khác không đổi, khi tốc độ tăng trưởng của G