Luận án Nghiên cứu tác động của nguồn vốn hỗ trợ phát triển chính thức đến tăng trưởng kinh tế tại các quốc gia đang phát triển - Vũ Đức Bình

chỉ số quản trị tham nhũng (CORRUPT). Để giải quyết mục tiêu nghiên cứu này, tác giả đƣa vào mô hình (4) biến tƣơng tác ODAit CORRUPTit  Mô hình 7 : nghiên cứu tác động của nguồn vốn hỗ trợ phát triển chính thức (ODA) đến tăng trƣởng kinh tế trong điều kiện chất lƣợng quản trị tham nhũng của các quốc gia đang phát triển: 81 GDPit = β1 + β2GDPit-1 + β3ODAit + β4ODA 2 it + β5(ODAit CORRUPTit) + β6INVESTit + β7LABORit + β8 INFit + β9OPENit + β10INFRASTit + αi + uit (7) Trong đó: GDPit: là biến tăng trƣởng kinh tế, đƣợc đo lƣờng bằng tốc độ tăng GDP bình quân đầu ngƣời của quốc gia i theo năm t. GDPit-1: là biến tăng trƣởng kinh tế, đƣợc đo lƣờng bằng tốc độ tăng GDP bình quân đầu ngƣời của quốc gia i theo năm t - 1. ODAit: là biến nguồn vốn hỗ trợ phát triển chính thức, đƣợc đo lƣờng bằng tỷ lệ ODA/GDP của quốc gia i theo năm t. Tác giả sử dụng cách đo lƣờng này theo các nghiên cứu của Dowling và Hiemenz (1982), Craig Burnside và David Dollar (2000), Gomannee và cộng sự (2005), Karras (2006). INVESTit : là biến tổng vốn đầu tƣ toàn xã hội (Craig Burnside và David Dollar, 2000 và Jonathan và Nicolas,2017), đƣợc đo lƣờng bằng tỷ lệ INVEST/GDP của quốc gia i theo năm t. LABORit : là biến đại diện cho nhân tố nguồn nhân lực, thể hiện tốc độ tăng lao động (Gomannee và cộng sự, 2005 và Ekanayake, E.M. và Chatrna, 2010), đƣợc đo lƣờng bằng tỷ lệ lực lƣợng lao động trên dân số trong một quốc gia i theo năm t. INFit: là biến lạm phát, đƣợc đo lƣờng bằng chỉ số giá tiêu dùng hàng năm của quốc gia i theo năm t. Biến lạm phát đƣợc đƣa vào mô hình dựa trên các nghiên cứu của Fisher (1993), Friedman (1995), Barro (1996), Bruno và Easterly (1998), Craig Burnside và David Dollar (2000). OPENit: là biến độ mở thƣơng mại, đại diện cho chính sách mở cửa của một quốc gia (Dowling và Hiemenz, 1982; Romer, 1986; Lucas, 1988), đƣợc xác định bằng tỷ lệ giữa tổng xuất nhập khẩu hàng hóa - dịch vụ và GDP của quốc gia i theo năm t. 82 INFRASTit: là biến cơ sở hạ tầng, đại diện cho sự phát triển của cơ sở hạ tầng trong một quốc gia. Biến này có thể đƣợc đo bằng nhiều cách khác nhau, trong nghiên cứu này tác giả sử dụng chỉ tiêu số thuê bao điện thoại cố định trên 100 ngƣời dân và biến số này đƣợc xem là có tác động đến tăng trƣởng kinh tế (Asiedu, 2002; Ancharaz, 2003; Kevin, 2005; Bissoon, 2012). GOVit: chỉ số quản trị công, đại diện cho mức độ hiệu quả trong quản trị công của nƣớc tiếp nhận nguồn vốn hỗ trợ phát triển chính thức (ODA). Chỉ số nhận giá trị từ 0 đến 1, chỉ số bằng 1 khi quốc gia quản trị công đạt hiệu quả tốt nhất. Biến GOV đƣợc tác giả khai thác từ nghiên cứu của Easterly và cộng sự (2003), Fasanya I.O. và Onakoya (2012). HDIit: chỉ số phát triển con ngƣời, đại diện cho mức độ khả năng hấp thụ của nƣớc tiếp nhận nguồn vốn hỗ trợ phát triển chính thức (ODA). Chỉ số nhận giá trị từ 0 đến 1, chỉ số bằng 1 khi quốc gia có mức độ phát triển con ngƣời cao nhất. Luận án sử dụng biến HDI thể hiện khả năng hấp thụ vốn của quốc gia theo nghiên cứu của Chauvet và Guillaumont (2003), Jonathan và Nicolas (2017). CORRUPTit: chỉ số quản trị tham nhũng, đại diện cho mức độ hiệu quả trong quản trị tham nhũng của nƣớc tiếp nhận nguồn vốn hỗ trợ phát triển chính thức (ODA). Chỉ số nhận giá trị từ 0 đến 1, chỉ số bằng 1 khi quốc gia quản trị tham nhũng đạt hiệu quả tốt nhất. Biến CORRUPT đƣợc tác giả khai thác từ nghiên cứu của Craig Burnside và David Dollar (2000), Murphy và Tresp (2006). αi : thể hiện đặc điểm riêng giữa các quốc gia không đổi theo thời gian. uit : sai số đặc trƣng của mô hình. i: chỉ số đại diện cho quốc gia (i= ̅̅ ̅̅ ) t: chỉ số đại diện cho thời gian quan sát (từ năm 1996 đến 2016) Biến giả (Dummy variable): là biến định tính nhận giá trị 0 hoặc 1 khi đƣa vào mô hình hồi quy. Biến giả đƣợc sử dụng để phân loại số liệu trong mẫu thành nhiều 83 nhóm khác nhau hoặc từng quốc gia dựa vào các thuộc tính nhƣ: vùng miền, khu vực địa lý, thu nhập, loại hình công ty, hình thức sở hữu ngân hàng Biến giả cho phép ta thực hiện các hồi quy riêng lẻ cho từng nhóm hay từng quốc gia nhằm đạt đƣợc các mục tiêu nghiên cứu khác nhau nhƣ: so sánh độ chênh lệch giá trị trung bình của hai hay nhiều nhóm, tìm ra sự khác biệt giữa các đơn vị chéo trong dữ liệu bảng Tác giả sử dụng biến giả trong luận án nhằm tách Việt Nam ra khỏi các quốc gia khác trong mẫu nghiên cứu để đƣa ra các kiến nghị về mặt chính sách riêng cho Việt Nam. 3.3 Giả thuyết và kỳ vọng về dấu của các biến trong mô hình nghiên cứu Từ cơ sở lý thuyết về tác động của nguồn vốn hỗ trợ phát triển chính thức (ODA) đến tăng trƣởng kinh tế và các nghiên cứu thực nghiệm trƣớc đây, luận án tập trung kiểm định các giả thuyết nghiên cứu sau: Giả thuyết 1: nguồn vốn hỗ trợ phát triển chính thức (ODA) có tác động đến tăng trƣởng kinh tế. Giả thuyết 2: tác động của nguồn vốn hỗ trợ phát triển chính thức (ODA) đến tăng trƣởng kinh tế có dạng phi tuyến. Giả thuyết 3: nguồn vốn hỗ trợ phát triển chính thức (ODA) có tác động tích cực đến tăng trƣởng kinh tế trong điều kiện chất lƣợng quản trị công của các quốc gia đang phát triển là tốt. Giả thuyết 4: nguồn vốn hỗ trợ phát triển chính thức (ODA) có tác động tích cực đến tăng trƣởng kinh tế trong điều kiện chất lƣợng quản trị công là tốt và khả năng hấp thụ vốn của các quốc gia đang phát triển là cao. Giả thuyết 5: nguồn vốn hỗ trợ phát triển chính thức (ODA) có tác động tích cực đến tăng trƣởng kinh tế trong điều kiện chất lƣợng quản trị tham nhũng của các quốc gia đang phát triển là tốt. 84 Bảng 3.2 Tóm tắt kỳ vọng về dấu của các biến trong mô hình nghiên cứu STT Biến Kỳ vọng về dấu Các công trình nghiên cứu tiêu biểu có liên quan 1 ODA +/- Chenery và Strout (1966) , Enos và Griffin (1970), Papanek (1973), Dowling và Hiemenz (1982), Levy (1988), Boone (1996), Craig Burnside và David Dollar (2000), Gomannee và cộng sự (2005), Karras (2006). 2 ODA 2 +/- Jensen và Paldam (2003), Craig Burnside và David Dollar (2000), Murphy và Tresp (2006), Ekanayake, E.M. và Chatrna (2010). 3 ODA GOV +/- Knack (2000), Easterly và cộng sự (2003), Chauvet và Guillaumont (2003), Murphy và Tresp (2006), Fasanya I.O. và Onakoya (2012), Jean (2015), Galiani và cộng sự (2016). 4 ODA GOV HDI +/- Boone (1996), Chauvet và Guillaumont (2003), Islam (2005), Feeny và Ashton de Silva (2012), Feeny và Ashton de Silva (2012), Jonathan và Nicolas (2017). 5 ODA CORRUPT +/- Boone (1996), Craig Burnside và David Dollar (2000), Murphy và Tresp (2006). 6 INVEST + Levy (1988), Fayissa và El-Kaissy (1999), Craig Burnside và David Dollar (2000), Jonathan và Nicolas (2017). 85 7 LABOR + Lucas (1988), Mankiw và cộng sự (1992), Craig Burnside và David Dollar (2000), Gomannee và cộng sự (2005), Islam (2005), Ekanayake, E.M. và Chatrna (2010). 8 INF +/- Fisher (1993), Friedman (1995), Barro (1996), Bruno và Easterly (1998), Craig Burnside và David Dollar (2000), Adeolu (2007), Elboiashi & Hosein Ali (2011). 9 OPEN + Dowling và Hiemenz (1982), Romer (1986), Lucas (1988), Craig Burnside và David Dollar (2000), Yanikkaya (2003), Makki và Somwaru (2004), Islam (2005). 10 INFRAS + Munnell (1992), Barro và Sala-I-Martin (1995), Sanches và Robles (1998), Esfahani và Ramirez (2003), Feeny và Ashton de Silva (2012), Nguồn: Tổng hợp của tác giả 3.4 Dữ liệu nghiên cứu Dữ liệu của luận án đƣợc thu thập gồm 68 quốc gia đang phát triển trên thế giới trong giai đoạn từ năm 1996 đến năm 2016. Việc lựa chọn số lƣợng các quốc gia đang phát triển và phạm vi thời gian 1996-2016 xuất phát từ bộ dữ liệu của World Bank, từ năm 1996 dữ liệu cho toàn bộ các quốc gia đƣợc lựa chọn trong nghiên cứu mới đầy đủ và dữ liệu cập nhật mới nhất đến năm 2016. Danh sách 68 quốc gia đang phát triển bao gồm: 15 quốc gia thu nhập thấp (Burkina Faso, Benin, Haiti, Madagascar, Malawi, Mali, Mozambique, Nepal, Niger, Rwanda, Senegal, Tanzania, Togo, Uganda, Zimbabwe), 27 quốc gia thu nhập trung bình thấp (Angola, Armenia, Bangladesh, Bhutan, Bolivia, Cameroon, 86 Congo. Rep, Côte d'Ivoire, Egypt, Arab Rep, El Salvador, Georgia, Ghana, Guatemala, Honduras, India, Indonesia, Kenya, Kyrgyz Republic, Moldova, Mongolia, Morocco, Nigeria, Pakistan, Philippines, Tunisia, Vietnam, Yemen. Rep) và 26 quốc gia thu nhập trung bình khá (Albania, Algeria, Argentina, Azerbaijan, Belize, Brazil, Chile, Colombia, Costa Rica, Ecuador, Fiji, Gabon, Iran, Islamic Rep, Jamaica, Kazakhstan, Macedonia FYR, Malaysia, Mexico, Panama, Paraguay, Peru, South Africa, Thailand, Tonga, Turkey, Uruguay). Những quốc gia này đƣợc xác định dựa trên phân loại của Ngân hàng Thế giới theo tiêu chí mức thu nhập bình quân đầu ngƣời, đơn vị tính là USD/năm. Theo đó, nhóm quốc gia có thu nhập thấp là quốc gia có thu nhập bình quân đầu ngƣời nhỏ hơn 1005 USD/năm, nhóm quốc gia có thu nhập trung bình thấp là quốc gia có thu nhập bình quân đầu ngƣời lớn hơn 1006 USD/năm và nhỏ hơn 3955 USD/năm, nhóm quốc gia có thu nhập trung bình khá là quốc gia có thu nhập bình quân đầu ngƣời lớn hơn 3956 USD/năm và nhỏ hơn 12235 USD/năm. Các quốc gia đang phát triển trong mẫu nghiên cứu có nhiều điểm tƣơng đồng so với Việt Nam nhƣ: đặc điểm về thu thập bình quân đầu ngƣời, đặc điểm dân cƣ, cùng gắn liền với một số hiệp định thƣơng mại, lƣu chuyển dòng vốn để có thể so sánh mang tính khách quan. Dữ liệu của luận án đƣợc tập hợp theo dạng dữ liệu bảng (panel data) nhằm tiến hành phân tích các mối quan hệ theo đơn vị chéo là các quốc gia đang phát triển và đơn vị thời gian là qua các năm trong giai đoạn 1996-2016. Dữ liệu bảng là một dạng dữ liệu đƣợc sử dụng phổ biến trong các nghiên cứu thực nghiệm, trong cả kinh tế vi mô, nghiên cứu về hộ gia đình, doanh nghiệp và đặc biệt trong nghiên cứu kinh tế vĩ mô, khi nghiên cứu về các quốc gia, các tỉnh thành. Dữ liệu bảng là sự kết hợp cả dữ liệu đơn vị chéo và dữ liệu theo chuỗi thời gian, việc kết hợp này mang lại nhiều ƣu điểm trong phân tích các mối quan hệ kinh tế, đặc biệt khi muốn phân tích sự biến động của các đối tƣợng nghiên cứu theo thời gian cũng nhƣ phân tích sự khác biệt giữa các giữa các nhóm đối tƣợng 87 nghiên cứu. Có hai kiểu dữ liệu bảng là: dữ liệu bảng cân bằng và dữ liệu bảng không cân bằng, trong đó dữ liệu bảng không cân bằng do thiếu thông tin sẽ ảnh hƣởng đến độ chính xác của kết quả ƣớc lƣợng, trong khi đó dữ liệu bảng cân bằng sẽ cho kết quả ƣớc lƣợng chính xác hơn và đáng tin cậy hơn. Trong các mô hình nghiên cứu của luận án, để đảm bảo độ chính xác và tin cậy của kết quả ƣớc lƣợng thì tác giả sử dụng dữ liệu bảng cân bằng cho các quốc gia đang phát triển theo chuỗi thời gian với tần suất là năm. Luận án sử dụng dữ liệu bảng vì dữ liệu bảng có các ƣu điểm sau đây:  Dữ liệu bảng liên quan đến các đối tƣợng (ngân hàng, doanh nghiệp, quốc gia) theo thời gian, nên nhất định phải có đặc điểm riêng (không đồng nhất) trong các đơn vị này. Kỹ thuật ƣớc lƣợng dữ liệu bảng có xem xét những đặc điểm riêng này bằng cách xem xét các biến số có tính đặc thù theo từng đối tƣợng.  Dữ liệu bảng có thể phát hiện và đo lƣờng một cách tốt hơn sự tác động không thể quan sát đƣợc theo dữ liệu chỉ theo thời gian hoặc chỉ theo không gian thuần túy, tránh đƣợc phần nào bỏ xót các biến số có ý nghĩa trong mô hình, giúp phát hiện đƣợc sự khác biệt giữa các đối tƣợng khác nhau, thời gian khác nhau.  Bằng việc kết hợp những chuỗi quan sát theo thời gian và không gian, số quan sát tăng lên rõ rệt, do đó dữ liệu cung cấp nhiều thông tin hơn, đa dạng hơn, dữ liệu bảng hạn chế đƣợc hiện tƣợng đa cộng tuyến giữa các biến độc lập, bậc tự do đƣợc tăng thêm và hiệu quả hơn.  Dữ liệu bảng có thể làm phong phú các phân tích thực nghiệm theo những phƣơng pháp mà có thể không đạt đƣợc đối với dữ liệu chuỗi thời gian hoặc dữ liệu không gian thuần túy. Qua những lợi thế trên, việc sử dụng dữ liệu bảng trong các mô hình nghiên cứu của luận án đƣợc kỳ vọng có thể mang lại kết quả ƣớc lƣợng đảm bảo đƣợc các 88 tính vững, tính hiệu quả và tính không thiên lệch. Luận án sẽ có nhiều góc nhìn phong phú hơn so với việc phân tích dữ liệu chéo hay dữ liệu chuỗi thời gian. 3.5 Phƣơng pháp nghiên cứu Sau khi tiếp cận các nghiên cứu thực nghiệm trƣớc đây để xây dựng mô hình nghiên cứu và thu thập dữ liệu, với bộ dữ liệu nghiên cứu thuộc dữ liệu bảng thì tác giả sẽ trình bày các phƣơng pháp ƣớc lƣợng cho dữ liệu bảng đƣợc sử dụng trong luận án. Đầu tiên, phƣơng pháp ƣớc lƣợng cho mô hình Pooled OLS, FEM và REM đƣợc sử dụng cho luận án này. Sự khác biệt giữa 3 mô hình này đƣợc trình bày nhƣ sau:  Mô hình hồi quy gộp (Pooled OLS Model) Khi các đối tƣợng là đồng nhất, không tồn tại có sự khác biệt về đặc điểm riêng giữa các đối tƣợng (Zi = 0), hoặc đặc điểm riêng không tác động đến biến phụ thuộc Yit thì có thể dùng ƣớc lƣợng OLS để hồi quy dữ liệu bảng. Mô hình Pooled OLS có dạng: Yit = β1 + β2X2it ++ βkX ki + uit  Mô hình hồi quy tác động cố định (FEM-Fixed Effects Model) Khi các đối tƣợng là không đồng nhất, có tồn tại sự khác biệt về đặc điểm riêng giữa các đối tƣợng (Zi ≠ 0), đặc điểm riêng Zi có tác động đến biến phụ thuộc Yit và có tƣơng quan với các biến độc lập Xit. Vì vậy, biến Zi sẽ phải đƣa vào mô hình, nếu đƣa Zi vào sai số uit thì mô hình sẽ bị nội sinh do biến độc lập có tƣơng quan với sai số. Biến Zi đƣa vào mô hình nằm trong thành phần của hằng số, biến Zi đƣợc xem nhƣ là một tham số của mô hình. Mô hình hồi quy tác động cố định có dạng là: Yit = β1 Xit1 + β2 Xit2 + Zi + uit Vì biến Zi có tƣơng quan với các biến độc lập Xit cho nên mô hình bị đa cộng tuyến vì vậy không thể dùng phƣơng pháp OLS để ƣớc lƣợng. Có 3 phƣơng pháp ƣớc lƣợng mô hình tác động cố định (FEM): hồi quy với biến giả (LSDV), hồi quy trong cùng nhóm (within regression) và hồi quy sai phân (difference regression). 89  Hồi quy với biến giả (LSDV) Chuyển FEM sang dạng mô hình biến giả bình phƣơng tối thiểu (LSDV- Least Squares Dummy Variable). Để đo lƣờng chênh lệch hệ số chặn giữa những đối tƣợng (n đối tƣợng), ta dùng n-1 biến giả thêm vào mô hình. Khi đó mô hình trở thành : Yit = β1 + β2 X2it ++ βk Xkit + ∑ jDjit + uit Trong đó : Djit = 1 nếu là đối tƣợng j Djit = 0 nếu không là đối tƣợng j  Hồi quy trong cùng nhóm (within regression) Chuyển dạng bên trong của mô hình FEM. Chuyển dạng bên trong bằng cách tính biến số đã trừ trung bình để loại trừ thành phần αi khỏi mô hình. Yit = β1 + β2 X2it ++ βk Xkit + αi + uit (1) Ῡit = β1 + β2 ̅2it ++ βk ̅kit + αi + ̅ it (2) (1) - (2)  (Yit - Ῡit) = β2 (X2it - ̅2it) ++ βk (Xkit - ̅kit) + (uit - ̅ it) Mô hình lúc này có thể ƣớc lƣợng bằng phƣơng pháp OLS, hồi quy (Yit - Ῡit) theo (X2it - ̅2it) và (Xkit - ̅kit) để thu đƣợc ƣớc lƣợng của các hệ số β2 βk.  Hồi quy sai phân (difference regression) Chuyển FEM sang dạng sai phân, để loại bỏ thành phần αi khỏi mô hình. Yit = β1 + β2 X2it ++ βk Xkit + αi + uit (1) Yi,t-1 = β1 + β2 X2i,t-1 ++ βk Xki,t-1 + αi + ui,t-1 (2) (1) - (2)  ∆Yit = β2 ∆X2it++ βk ∆Xkit + ∆ uit Mô hình lúc này có thể ƣớc lƣợng bằng phƣơng pháp OLS, hồi quy ∆Yit theo ∆X2it ∆Xkit để thu đƣợc ƣớc lƣợng của các hệ số β2 βk. 90  Mô hình hồi quy tác động ngẫu nhiên (REM-Random Effects Model) Khi các đối tƣợng là không đồng nhất, có tồn tại sự khác biệt về đặc điểm riêng giữa các đối tƣợng (Zi ≠ 0), đặc điểm riêng Zi có tác động đến biến phụ thuộc Yit và không có tƣơng quan với các biến độc lập Xit. Vì vậy, biến Zi sẽ không cần phải đƣa vào mô hình, mà biến Zi có thể để trong sai số uit (vì không bị hiện tƣợng nội sinh). Biến Zi nằm trong thành phần sai số của mô hình. Mô hình hồi quy tác động ngẫu nhiên có dạng là: Yit = β1 Xit1 + β2 Xit2 + ωit Trong đó: ωit = Zi + uit (ωit là sai số phức hợp, gồm sai số của biến Zi đại diện cho các yếu tố không quan sát đƣợc thể hiện sự khác nhau giữa các đối tƣợng nhƣng không thay đổi theo thời gian và uit là sai số chung cho mọi đối tƣợng)  Phƣơng pháp ƣớc lƣợng (GLS – Generalized Least Squares) Giả thiết quan trọng trong mô hình hồi quy tuyến tính cổ điển đó là các sai số xuất hiện trong hàm hồi quy tổng thể có phƣơng sai không thay đổi theo thời gian, đồng thời không có sự tƣơng quan chuỗi giữa các sai số hay còn gọi là không có hiện tƣợng tự tƣơng quan. Khi các giả thiết này bị vi phạm, mô hình bị phƣơng sai sai số thay đổi và tự tƣơng quan sẽ khiến cho các hệ số hồi quy ƣớc lƣợng đƣợc bằng phƣơng pháp bình phƣơng nhỏ nhất (OLS) không còn là ƣớc lƣợng hiệu quả. Để xử lý hiện tƣợng phƣơng sai thay đổi và tự tƣơng quan, phƣơng pháp GLS (generalized least squares) đƣợc đặt dƣới giả định rằng mô hình là hoàn toàn xác định, có sự khác biệt về phƣơng sai sai số ở mỗi nhóm đối tƣợng, nhƣng là không thay đổi trong phạm vi từng đối tƣợng. Với những giả thiết này, phƣơng pháp GLS đem lại ƣớc lƣợng tiệm cận hiệu quả và vững. Đồng thời, việc ƣớc lƣợng cũng cho phép khắc phục hiện tƣợng tự tƣơng quan và phƣơng sai thay đổi trong mô hình hồi quy với dữ liệu bảng. Vì vậy, Scot & Holt (1982) đề xuất sử dụng phƣơng pháp bình phƣơng tối thiểu tổng quát (GLS) để ƣớc lƣợng mô hình bị phƣơng sai sai số thay đổi và tự 91 tƣơng quan sẽ cải thiện tính hiệu quả của các hệ số hồi quy. Ƣớc lƣợng OLS và sai số chuẩn không điều chỉnh đƣợc tính theo công thức: ̂ = (X’X)-1 X’ y, ̂ ( ̂ = s2 (X’X)-1 s 2 = y ’ (y - X ̂)/ (n – k) Theo Moulton (1986) đề xuất sử dụng phƣơng pháp kiểm định nhân tử Lagrange để kiểm tra sự hiện diện của hiệu ứng nhóm. Khi đó, ƣớc lƣợng GLS đƣợc dùng để tính các sai số chuẩn gần đúng bằng phƣơng pháp maximum likelihood: ̃ = (X’ ̃-1X)-1 X’ ̃-1y, ̂ ( ̃ = (X’ ̃-1X)-1 Trong đó ̃ đƣợc tính tại các ƣớc lƣợng của thành phần phƣơng sai hoặc hiệp phƣơng sai. Cuối cùng, sai số chuẩn điều chỉnh OLS đƣợc tính theo công thức : ̂ ( ̃ = (X’X)-1 X’ ̃-1X (X’X)-1 Mô hình chuyển đổi cuối cùng lúc này thỏa mãn các giả thiết của mô hình cổ điển, không có hiện tƣợng phƣơng sai thay đổi và tự tƣơng quan. Do đó, áp dụng phƣơng pháp OLS trên mô hình này sẽ thu đƣợc ƣớc lƣợng vững, hiệu quả và không thiên lệch.  Phƣơng pháp ƣớc lƣợng GMM Các phƣơng pháp ƣớc lƣợng tuyến tính cổ điển của mô hình dữ liệu bảng nhƣ Pooled OLS, Fixed effect (FE, LSDV, FD) và REM đƣợc sử dụng chủ yếu để ƣớc lƣợng các mô hình dữ liệu bảng tĩnh tuyến tính. Đối với mô hình dạng bảng động (mô hình dạng bảng động là mô hình có xuất hiện biến trễ của biến phụ thuộc làm biến độc lập) thì ƣớc lƣợng bằng phƣơng pháp OLS sẽ không còn đáng tin cậy và cho kết quả ƣớc lƣợng bị thiên lệch. Khi đó, phƣơng pháp ƣớc lƣợng GMM đƣợc xem là lựa chọn thay thế phù hợp. 92 GMM (Generized Method of Moments) đƣợc gọi là phƣơng pháp moment tổng quát, đƣợc sử dụng trong các ƣớc lƣợng dữ liệu bảng động tuyến tính hoặc các dữ liệu bảng vi phạm tính chất HAC-Heteroskedasticity and AutoCorrelation (đa cộng tuyến và tự tƣơng quan). Mô hình bảng động tuyến tính là mô hình dữ liệu bảng tồn tại các vấn đề tự tƣơng quan của các sai số, cũng nhƣ tính chất động của mô hình đƣợc thể hiện qua các biến trễ phụ thuộc (vấn đề biến nội sinh) sẽ làm thiên chệch kết quả ƣớc lƣợng. Một số đặc điểm khi sử dụng phƣơng pháp GMM:  Dữ liệu bảng có T nhỏ, N lớn (số lƣợng đơn vị chéo lớn hơn rất nhiều so với số lƣợng đơn vị thời gian).  Tồn tại mối quan hệ tuyến tính giữa biến phụ thuộc với các biến độc lập.  Mô hình động với 1 hoặc 2 vế của phƣơng trình có chứa biến trễ.  Các biến độc lập không phải là một biến ngoại sinh ngặt, nghĩa là chúng có thể tƣơng quan với các phần dƣ hoặc tồn tại biến nội sinh trong mô hình.  Tồn tại vấn đề phƣơng sai thay đổi hoặc tự tƣơng quan ở các sai số đo lƣờng.  Tồn tại các tác động cố định riêng rẽ.  Tồn tại phƣơng sai thay đổi và tự tƣơng quan trong mỗi đối tƣợng (nhƣng không tồn tại giữa các đối tƣợng). Để ƣớc lƣợng dữ liệu bảng động bằng phƣơng pháp GMM có 2 phƣơng pháp đó là: D-GMM (Difference GMM) và S-GMM (System GMM).  Phƣơng pháp DGMM (Difference GMM) Xét phƣơng trình gốc (level equation): Yit = β1 + β2X2it ++ βkX ki + ɵYi,t-1 + αi + uit (1) Xét phƣơng trình sai phân (difference equation / first-differenced equation): ∆Yit = β1 + β2 ∆X2it ++ βk ∆X ki + ɵ∆Yi,t-1 + ∆uit (2) 93 Ta có: ∆Yi,t-1 = Yi,t-1 - Yi,t-2 và ∆Uit = Uit - Yi,t-1. Bởi vì Yi,t-2 có tƣơng quan với biến bị nội sinh ∆Yi,t-1 nhƣng không tƣơng quan với sai số ∆Uit nên Yi,t-2 có thể dùng làm biến công cụ, tƣơng tự Yi,t-3, Yi,t-4cũng có thể dùng làm biến công cụ. Arellanol Bond (1995) đề xuất dùng GMM trên phƣơng trình sai phân để xử lý nội sinh của ∆Yi,t-1 và xử lý tự tƣơng quan của ∆Uit. Việc xử lý nội sinh cho phƣơng trình sai phân bằng GMM đƣợc gọi là phƣơng pháp DGMM (Difference GMM). Hay nói cách khác, dùng GMM trên phƣơng trình sai phân gọi là DGMM.  Phƣơng pháp SGMM (System GMM) Theo Blundell and Bond (1998) nếu biến phụ thuộc y gần với bƣớc ngẫu nhiên thì kết quả ƣớc lƣợng của phƣơng pháp D-GMM sẽ kém hiệu quả bởi vì các dữ liệu quá khứ chứa ít thông tin để dự báo sự thay đổi trong tƣơng lai, vì thế các biến trễ không biến đổi đại diện không tốt cho các biến biến đổi trong mô hình. Để tăng tính hiệu quả Blundell and Bond phát triển một phƣơng pháp tiếp cận mới gọi là phƣơng pháp ƣớc lƣợng S-GMM đƣợc đề cập trong Arellano and Bover (1995) nhằm loại bỏ vấn đề thiên chệch động. S-GMM sẽ giải quyết vấn đề biến công cụ yếu đối với mô hình bảng động. Xét phƣơng trình gốc bị nội sinh do Yi,t-1 tƣơng quan với sai số gộp Vit = αi + uit. Biến công cụ phù hợp cho phƣơng trình gốc là biến ∆Yi,t-1 (∆Yi,t-1 = Yi,t-1 - Yi,t-2). Biến ∆Yi,t-1 là biến công cụ phù hợp vì: ∆Yi,t-1 có tƣơng quan với Yi,t-1 và không tƣơng quan với sai số gộp Vit vì đã khử αi. Khi đó, ta có thể xử lý nội sinh cho phƣơng trình gốc với biến công cụ ∆Yi,t-1 vừa tìm đƣợc. Tuy nhiên, việc gộp phƣơng trình gốc và phƣơng trình sai phân nhƣ một hệ SUR sẽ đem lại ƣớc lƣợng hiệu quả hơn so với việc chạy từng phƣơng trình. Do đó, khi gộp phƣơng trình gốc và phƣơng trình sai phân ta đƣợc phƣơng pháp SGMM (System GMM). 94 KẾT LUẬN CHƢƠNG 3 Chƣơng 3 của luận án trình bày ba nội dung chính bao gồm: dữ liệu nghiên cứu, phƣơng pháp nghiên cứu và mô hình nghiên cứu. Dữ liệu nghiên cứu đƣợc sử dụng trong luận án đƣợc thu thập từ hai nguồn chính đó là ngân hàng Thế giới (World Bank) và tổ chức Liên Hiệp Quốc (United Nations), đây là hai nguồn dữ liệu đƣợc xem là đáng tin cậy và cung cấp đầy đủ bộ dữ liệu nghiên cứu phù hợp với đề tài của luận án. Ngoài ra, chƣơng 3 cũng trình bày các phƣơng pháp ƣớc lƣợng dữ liệu bảng đƣợc sử dụng trong luận án bao gồm: phƣơng pháp Pooled OLS, FEM, REM, GLS và GMM. Đối với các mô hình nghiên cứu của luận án, tác giả xây dựng mô hình nghiên cứu dựa trên các lý thuyết kinh tế và các nghiên cứu thực nghiệm trƣớc đây liên quan đến đề tài. Luận án đã luận giải cơ sở lý do đƣa các biến vào mô hình nghiên cứu và tóm tắt các công trình nghiên cứu tiêu biểu trƣớc đây làm minh chứng ủng hộ cơ sở lựa chọn các biến đƣa vào mô hình nghiên cứu. Đồng thời, các mô hình nghiên cứu của luận án đƣợc xây dựng dựa trên bám sát mục tiêu nghiên cứu của luận án, nhằm giải quyết đƣợc các mục tiêu nghiên cứu đặt ra của luận án. Nội dung của chƣơng 3 là cơ sở để luận án thực hiện phân tích nghiên cứu thực nghiệm và thảo luận kết quả trong chƣơng 4. 95 CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN Nội dung chƣơng 4 trình bày kết quả thống kê mô tả dữ liệu của các biến độc lập và biến phụ thuộc trong mô hình nghiên cứu và kết quả hồi quy của từng mô hình trong luận án. Kết quả nghiên cứu thực nghiệm về tác động của nguồn vốn hỗ trợ phát triển chính thức (ODA) đến tăng trƣởng kinh tế lần lƣợt đƣợc trình bày với các phƣơng pháp ƣớc lƣợng Pooled OLS, FEM, REM, GLS và GMM. Bên cạnh đó, luận án cũng kiểm tra tính vững của mô hình bằng cách thực hiện hồi quy với từng nhóm mẫu nghiên cứu khác nhau gồm: nhóm quốc gia thu nhập thấp, nhóm quốc gia thu nhập trung bình thấp và nhóm quốc gia thu nhập trung bình khá. 4.1 Thống kê mô tả mẫu nghiên cứu và tƣơng quan giữa các biến  Thống kê mô tả dữ liệu nghiên cứu Để thực hiện nghiên cứu phân tích định lƣợng nhằm tìm kiếm bằng chứng thực nghiệm giải quyết các mục tiêu nghiên cứu đề ra, luận án tiến hành thu thập bộ dữ liệu của 68 quốc gia đang phát triển trên thế giới trong giai đoạn 1996-2016. Nhƣ vậy, dữ liệu cho nghiên cứu của luận án là dạng dữ liệu bảng cân bằng bao gồm 1428 quan sát. Để có cái nhìn rõ hơn về đặc điểm bộ dữ liệu mẫu nghiên cứu, luận án thực hiện thống kê mô tả: giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất và giá trị lớn nhất của các biến trong mô hình. Thống kê mô tả các biến ở mẫu tổng thể đƣợc