Luận án Bộ ba bất khả thi và lựa chọn chính sách cho Việt Nam

Auto-regression (svar). Bank of Uganda, Working Paper No. 05. Camen, Ulrich., 2006. Monetary Policy in Vietnam: the case of a transition country. BIS Papers No. 31. December 2006. Chanda, Areendam, 2004. The Influence Of Capital Controls On Long Run Growth _ Where And How Much. Journal of Development Economics, Elsevier, vol. 77(2), pages 441-466, August, 2005. Chang Shu, Xiaojing Su and Nathan Chow, 2008. Exchange Rate Pass-through In Mainland China. China Economic Issues, Number 1/08. Chow, Hwee Kwan, 2004. A Var Analysis Of Singapore's Monetary Transmission Mechanism. Singapore Management University Institutional Knowledge at Singapore Management University, 2004. Danjuma, Iyaji., Success Musa Jbrin and Success Ejura Blessing, 2012. An Assessment Of The Effectiveness Of Monetary Policy In Combating Inflation Pressure On The Nigerian Economy. Erudite Journal of Business Administration and Management (EJBAM), Vol. 1(1), pp. 7-16, 2012. Dubas, Justin M., Byung-Joo Lee, and Nelson C. Mark, 2005. Effective Exchange Rate Classifications And Growth, NBER Working Papers Series, No.1272. Edison, Hali J., M. W. Klein, L. Ricci, and T. Sløk, 2002. Capital Account Liberalization and Economic Performance: A Review of the Literature. IMF Working Paper. Edwards, Sebastian, 2001. How Effective Are Capital Controls. NBER Working Papers Series, Working Paper 7413, 1999. 248 Edwards, Sebastian and Eduardo Levy Yeyati, 2003: Flexible Exchange Rates As Shock Absorbers, NBER Working Papers Series, Working Paper 9867. Eichengreen, B. and Leblang, D.,2002. Capital Account Liberalization and Growth: Was Mr. Mahathir Right? International Journal of Finance & Economics, John Wiley & Sons, Ltd., vol. 8(3), pages 205-224 Eichengreen, B. and Leblang, D., 2003. Exchange Rates and Cohesion: Historical Perspectives and Political-Economy Considerations. Journal of Common Market Studies, p.797-822. Domac, I., Peters, K. and Yuzefovich, Y. 2004. Does the Exchange Rate Regime Affect Macroeconomic Performance? Evidence from Transition Economies. Policy Research Working Paper, p.1-76. De Grauwe, P. and Schnabl, G, 2004. Exchange Rates Regimes and Macroeconomic Stability in Central and Eastern Europe. CESifo Working Paper, 1182. Faria, Andre & Paolo Mauro, 2004. Institutions and the External Capital Structure of Countries. IMF Working Papers 04/236, International Monetary Fund. Fischer, Stanley & Franco Modigliani, 1978. Towards an understanding of the real effects and costs of inflation. Review of World Economics (Weltwirtschaftliches Archiv), Springer, vol. 114(4), pages 810-833, December. Frankel, Jeffrey, David Parsley, and Shang-Jin Wei, 2005. Slow Passthrough Around The World: A New Import For Developing Countries?. NBER Working Papers Series, Working Paper 11199, 2005. Friedman, M. 1963. Money and Business Cycles. The Review of Economics and Statistics 45 (1) Part 2, Supplement (Feb., 1963): 32-64. Frimpong, Siaw, 2010. Exchange Rate Pass-Through in Ghana. International Business Research, Vol. 3, No. 2. Goldfajn, Iran and Sergio R.C Werlang, 2000: The Pass-through From Depreciation To Inflation: A Panel Study, Departamento De Economia PUC-RIO, TEXTO PARA DISCUSSÃO No. 423, 2000. Gordon, J. and Chapman, R., 2003. Liberalization of Financial Services in the ASEAN Region. REPSF Project 02/006, 2003. Hameed, Irfan and Ume-Amen, 2011. Impact Of Monetary Policy On Gross Domestic Product (GDP). Institute of Interdisciplinary Business Research, Pages: 1348-1361, 2011. Hanif, Muhammad N. & Arby, Muhammad Farooq, 2003. Monetary and Fiscal Policy Coordination. MPRA Paper 10307, University Library of Munich, Germany. 249 Hassan, Anthony Emmanuel and Okoroafor, O.K. David, 2013. Monetary Policy And Macroeconomic Stability In Nigeria: Evidence From Error Corection Model. Journal of Economics and Sustainable Development, Vol.4, No.6, 2013. Hermes, Niels and Lensink, Robert, 2005. Does Financial Liberalization Influence Saving. Investment And Economic Growth, 2005. Hsing, Yu, 2005. Impacts of macroeconomic policies on the Latvian output and policy implications. Applied Economics Letters, Taylor & Francis Journals, vol. 12(8), pages 467-471. Huang, Haizhou and Priyanka Malhotra, 2004. Exchange Rate Regimes And Economic Growth: Evidence From Developing Asian And Advanced European Economies. International Monetary Fund, 39692. Ihrig, Jane E., Mario Marazzi, and Alexander D. Rothenberg, 2006. Exchange-rate Pass-through In The G-7 Countries. International Finance Discussion Papers, Number 851. Kapur, BK, 1976. Alternative Stabilisation Policies For Less Developed Countries. Journal Of Political Economy, Journal of Political Economy, Vol. 84 (4): 777-795. Kendall, Patrick, 2000. Interest Rates, Savings And Growth In Guyana. www.caribank.org, 2000. Klein, Michael., 2007. Capital Account Liberalization and the Varieties of Growth Experience. Fletcher School, Tufts University and NBER. Klein, Michael. and Olivei, Giovanni, 2000. Capital Account Libera1ization, Financial Depth And Economic Growth, NBER Working Papers Series, Working Paper 7384. Carmignani, Fabrizio, 2008. Does Capital Account Liberalisation Promote Economic Growth. Economics Bulletin, Vol. 6, No. 49, 2008. Kuttner, Kenneth N. & Patricia C. Mosser, 2002. The monetary transmission mechanism: some answers and further questions. Economic Policy Review, Federal Reserve Bank of New York, issue May, pages 15-26. Leigh, D. and M. Rossi, 2002. A note on the pass-through from exchange rate and foreign price changes to inflation in selected emerging market economies. BIS Papers, No 8. Lensink, R., McGillivray M. and Phạm Thi Thu Trà, 2006. Chapter: Financial liberalization in Vietnam: impact on loans from informal, formal, and semi-formal providers (Linking the Formal and Informal Economy: Concepts and Policies). Oxford Scholarship Online, 2006. Levine, R., 2001. International Financial Liberalization And Economic Growth. Review of International Economics, 9(4), 688–702, 2001. 250 Levine, R. and Zervos, S., 1996. Stock Market Development And Long-run Growth. World Bank Economic Review, Vol. 10 (2): 323-339. Levine, R. and Zervos, S., 1998. Stock Markets, Banks, And Economic Growth. The American Economic Review, Vol. 88, No. 3, pp. 537-558, 1998. Lucas, Robert E, Jr, 1973. Some International Evidence on Output-Inflation Tradeoffs. American Economic Review, American Economic Association, vol. 63(3), pages 326-34, June. Mathieson, DJ, 1980. Financial Reform And Capital Flows In A Developing Economy. IMF Staff Papers, Vol. 26 (3): 450-489. McCarthy, Jonathan, 1999. Pass-through Of Exchange Rate And Import Price To Domestic Inflation In Some Industrialised Economies. Bank for International Settlement, No. 79, 1999. McKinnon, Ronald I. and Donald J. Mathieson, 1981. How to manage a repressed economy. Princeton Essays in International Finance no. 145 (International Finance Section, Princeton University, Princeton, N J) Dec. Mohanty, Deepak, 2012. Evidence Of Interest Rate Channel Of Monetary Policy Transmission. In India, RBI Working Papers Series, W P S (DEPR), 6 /2012. Moreno, Ramon, 2001. Pegging and Stabilization Policy in Developing Countries. FRBSF Economic Review, P.17-29. Mundell, Robert A., 1965. Growth, Stability, and Inflationary Finance. Journal of Political Economy, 97-109, April 1965. Mwase, Nkunde, 2006. An Empirical Investigation of the Exchange Rate Pass-Through to Inflation in Tanzania. IMF Working Papers, WP/06/150. Obamuyi, Tomola M., 2009. Government Financial Liberalization Policy And Development Of Private Sector In Nigeria: Issues And Challenges. Article provided by Faculty of Economics, Vilnius University journal -Organizations and Markets in Emerging Economies, Vol. 4(2013), Issue 2. Ocran, Matthew Kofi, 2010. Exchange Rate Pass-through To Domestic Prices: The Case Of South Africa. Prague Economic Papers, P.291-306. O’Donnell, Barry, 2001. Financial Openness and Economic Performance. Dublin, Ireland, Trinity College. Onaolapo, A.A., 2008. Implications Of Capital Regulation On Bank Financial Health And Nigerian Economic Growth 1990 – 2006. Journal of Economic Theory, Vol, 2(3):112 – 117, 2008. 251 Ozkan, F Gulcin & Sutherland, Alan, 1995. Policy Measures to Avoid a Currency Crisis. Economic Journal, Royal Economic Society, vol. 105(429), pages 510-19, March. Prasad, Eswar S. and Rajan, Raghuram G., 2008. A Pragmatic Approach To Capital Account Liberalization. Journal of Economic Perspectives, Volume 22, Number 3. Quinn, Dennis., 1997. The Correlates of Changes in International Financial Regulation. AmericanPolitical Science Review 91 (September): 531-51. Quinn, Dennis. and Toyoda, A. Maria, 2008. Does Capital Account Liberalization Lead To Growth? The Review of Financial Studies, vol. 21, no. 3. Raghavan, Mala, George Athanasopoulos and Param Silvapulle, 2009. VARMA models for Malaysian Monetary Policy Analysis. Monash University, Department of Econometrics and Business Statistics, Working Paper 06/09. Reinhart, Carmen M. & Kenneth S. Rogoff, 2002. The Modern History of Exchange Rate Arrangements: A Reinterpretation. The Quarterly Journal of Economics, MIT Press, vol. 119(1), pages 1-48, February 2004. Roubini, Nouriel & Sala-i-Martin, Xavier, 1991. Financial repression and economic growth. Journal of Development Economics, Elsevier, vol. 39(1), pages 5-30, July 1992. Schmidt-Hebbel, Klaus and Servén, Luis, 2002. Financial Liberalization, Saving, And Growth. Macroeconomic Stability, Financial Markets, and Economic Development, Mexico, Nov. 12-13. Sedik, Tahsin Saadi and Tao Sun, 2012. Effects of Capital Flow Liberalization—What is the Evidence from Recent Experiences of Emerging Market Economies? IMF Working Paper, WP/12/275, 2012. Sen Gupta, Abhijit, 2007. Does capital account openness lower inflation. International Economic Journal, Taylor & Francis Journals, vol. 22(4) /2008, pages 471-487. Sinha, Dipendra & Macri, Joseph, 2001. Financial development and economic growth: The case of eight Asian countries. MPRA Paper 18297, University Library of Munich, Germany. Taylor, John B., 1995. The Monetary Transmission Mechanism: An Empirical Framework. Journal of Economic Perspectives, American Economic Association, vol. 9(4), pages 11-26, Fall. Tobin, James, 1965. Money and Economic Growth. Econometrica, v33, Issue 4, 671- 684, The Econometric Society, October 1965. Tswamuno, David T., Pardee, Scott and Wunnava, Phanindra V., 2007. Financial Liberalization And Economic Growth: Lessons From The South African Experience. International Journal of Applied Economics, Vol. 4 (2): 75-89, 2007. 252 Van Wijnbergen, S, 1983. Interest Rate Management In Ldcs. Journal of Monetary Economics, Vol.12: 443-52. Weller, Christian E., 1999. Financial Crises After Financial Liberalization: exceptional Circumstances Or Structural Weakness?, ZEI working paper, No. B 15-1999. Wimvanda, Rizki E., 2011. The Impact Of Exchange Rate Depreciation And The Money Supply Growth On Inflation:the Implementation Of The Threshold Model. Economy at Bank Indonesia, 2011. Zorzi, Michele Ca’, & Elke Hahn & Marcelo Sánchez, 2007. Exchange Rate Pass-through In Emerging Markets. European Central Bank, Working Paper No. 739. 253 PHỤ LỤC 3 Phương pháp đo lường mức độ độc lập tiền tệ của Ito và Kawai (2012) Trong nghiên cứu năm 2012 của Ito và Kawai, các tác giả đã đưa ra mô hình đo lường độc lập tiền tệ dựa vào lãi suất: Với là lãi suất nước ngoài tổng hợp, với tỉ trọng lãi suất các đồng tiền giống như hệ số tác động của các đồng tiền trong rổ tiền tệ dùng để tính mức độ ổn định tỷ giá. Đó là: Phương pháp này về cơ bản cũng xuất phát từ ý tưởng giống cách tính MI của các tác giả Ai enman, Chinn và Ito. Chỉ khác là ở đây, Ito và Ka ai cho rằng cơ quan tiền tệ của nước sở tại sẽ đưa vào một tập hợp các lãi suất K giống như mức lãi suất nước ngoài tổng hợp, và sử dụng R2 hiệu chỉnh của công thức (1) để đo lường mức độ độc lập tiền tệ. Nếu quốc gia sở tại theo đuổi chính sách tiền tệ gần giống với các quốc gia bao gồm trong công thức, thì sự phù hợp của mô hình phải cao (nghĩa là gần bằng 1), hay chính sách tiền tệ của quốc gia sở tại phụ thuộc vào chính sách tiền tệ theo tỷ trọng của các quốc gia trong giỏ tính. Tuy nhiên, theo chính các tác giả Ito và Kawai, việc tính toán dựa vào công thức (1) có một vài bất cập. Thứ nhất, các chuỗi dữ liệu về lãi suất iit và có thể sẽ không dừng, làm cho giả mạo và do đó R 2 hiệu chỉnh sẽ không còn đáng tin cậy56. Thứ hai, mô hình như công thức (1) có thể thiếu các biến kiểm soát, sẽ không đánh giá được tác động có thể có của các yếu tố khác (như các điều kiện trong nước và thế giới) đến quyết định lãi suất của cơ quan điều hành chính sách tiền tệ. Ví dụ như khi có một cú sốc tác động đến tất cả các quốc gia liên quan trong công thức, hệ số ước lượng về sự phụ thuộc vào lãi suất nước ngoài có ý nghĩa giả mạo và có thể gần bằng 1, mặc dù chính sách tiền tệ trong nước không phụ thuộc vào chính sách tiền tệ nước ngoài. Do đó, để khắc phục những vấn đề trên, các tác giả đã điều chỉnh phương trình (1) thành phương trình sau: 56 Ito và Ka ai trích dẫn từ nghiên cứu của Obstfeld và cộng sự (2005). 254 Trong đó, và là mức thay đổi của lãi suất nước sở tại và nước ngoài qua kỳ 12 tháng; đại diện cho khe hổng sản lượng, đại diện cho khe hổng lạm phát, đại diện cho tốc độ tăng trưởng hàng năm của kinh tế thế giới, là % thay đổi hàng năm của giá dầu thô, là tập hợp các biến giả đại diện cho các nước có lạm phát cao, siêu lạm phát hay khủng hoảng tiền tệ. Phương trình (4) được xây dựng bằng cách loại bỏ lãi suất nước ngoài ra khỏi phương trình (3), trong khi phương trình (5) được xây dựng bằng cách loại bỏ các biến kiểm soát đại diện cho các điều kiện trong nước và nước ngoài, trừ các biến giả. Sử dụng các mô hình ước lượng này và tập trung vào các giá trị R2 hiệu chỉnh, các tác giả đưa ra hai chỉ tiêu đo lường độc lập tiền tệ sau: Theo hai công thức này, chỉ số MI_1 càng cao thì khả năng giải thích của các biến lãi suất nước ngoài trong công thức (3) càng ít. Vì thế, chỉ số này càng cao thì quốc gia càng độc lập tiền tệ. Trong khi đó, MI_2 dựa trên ý tưởng là lãi suất nước ngoài càng giải thích nhiều cho sự thay đổi của lãi suất trong nước thì R2 hiệu chỉnh của phương trình (5) càng gần đến R2 hiệu chỉnh của phương trình (3), do đó MI_2 càng nhỏ. Vì thế, giá trị của MI_2 càng cao thì chính sách tiền tệ của quốc gia càng độc lập. Cả hai công thức đo lường độc lập tiền tệ trên cho thấy sự tác động của các điều kiện trong nước, điều kiện thế giới và lãi suất nước ngoài đến sự thay đổi của lãi suất trong nước. Vậy cơ sở nào để có thể lựa chọn sử dụng một trong hai phương pháp trên? Việc lựa chọn giữa MI_1 và MI_2 sẽ không quan trọng khi các biến kiểm soát trong nước, thế giới và lãi suất nước ngoài hoàn toàn độc lập với nhau. Nhưng điều này khó xảy trên thực tế do các cơ quan điều hành chính sách tiền tệ trong nước và nước ngoài có thể đối mặt với các cú sốc giống nhau và phản ứng lại một cách tương tự nhau. Nhất là khi quốc gia gần nhau về mặt địa lý lại gặp phải cùng một cú sốc, quốc gia sở tại với chính sách tiền tệ độc lập hoàn toàn vẫn có thể hành xử giống như cơ quan tiền tệ nước ngoài, song các mô hình trên lại cho kết quả có sự phản ứng với lãi suất nước ngoài. Chẳng hạn như, khi hai quốc gia đang có lạm phát cao phải thực hiện chính sách thắt chặt cung tiền, tăng lãi suất. Do đó, dù hai quốc gia độc lập tiền tệ nhưng lãi suất lại có mối quan hệ lẫn nhau. Như vậy, nếu như phương trình (4) đúng, phương trình (5) cũng có thể phù hợp vì lãi suất nước ngoài và các biến kiểm soát điều kiện trong nước và nước ngoài tương quan cao với nhau. Hơn nữa, nếu phương trình (5) đúng, phương trình (4) cũng có thể phù hợp nếu các biến kiểm soát tương quan cao với lãi suất nước ngoài. Vì vậy, các tác giả cho rằng nên tiến hành ước lượng cả hai công thức (4) và (5). Nếu R 2 hiệu chỉnh của công thức (4) lớn hơn công thức (5), tác giả sẽ sử dụng MI_1 bởi vì trong trường hợp này có thể kết luận rằng các biến kiểm soát kinh tế nội địa và thế giới không tương quan cao với lãi suất nước ngoài i*. Quá trình này sẽ cho chúng ta biết khả năng giải thích thêm của biến lãi 255 suất nước ngoài trong công thức (3) so với công thức (4), vì thế MI_1 sẽ đo lường tốt chính sách độc lập tiền tệ. Ngược lại, nếu R2 hiệu chỉnh của công thức (5) lớn hơn công thức (4), tác giả sử dụng MI_2. Trong trường hợp này, có thể thấy khả năng giải thích thêm của các biến kiểm soát nội địa và thế giới trong công thức (3) so với công thức (5). Còn nếu R2 hiệu chỉnh của công thức (4) và (5) gần bằng nhau, chúng ta sử dụng giá trị trung bình của MI_1 và MI_2. 256 PHỤ LỤC 4 Các phương pháp chỉ số đo lường tự do hóa tài khoản vốn Phương pháp đo lường của IMF IMF đo lường mức độ tự do hay kiểm soát tài khoản vốn một cách đơn giản dựa trên Báo cáo hằng năm về cơ chế tỷ giá và những hạn chế ngoại hối (AREAER). Quan điểm xây dựng báo cáo này dựa trên sự tồn tại của những quy định hoặc những hạn chế ngăn cản dòng vốn xuyên biên giới và sự phân biệt trong các giao dịch giữa người cư trú và người không cư trú trong một quốc gia. Chỉ số SHARE Chỉ số SHARE được xây dựng dựa trên AREAER áp dụng từ năm 1967. Trong khoảng thời gian được xem xét, số năm mà quốc gia đã tháo bỏ các biện pháp để ngăn chặn dòng vốn tự do di chuyển sẽ quyết định SHARE lớn hay nhỏ. Ví dụ, nếu AREAER đánh giá là thị trường vốn mở cửa trong 5 năm trong một khoảng thời gian 10 năm thì chỉ số SHARE là 0,5. Chỉ số này dễ tính toán nhưng lại hàm chứa nhiều hạn chế. Nó có ý nghĩa nhiều nhất khi SHARE =1 (quốc gia chưa từng kiểm soát vốn) hoặc khi SHARE = 0 (quốc gia luôn áp đặt giới hạn). Tuy nhiên trong khoảng 0<SHARE<1 thì không thể đánh giá được quốc gia hiện đang tự do hóa hay đã từng tự do hóa và bây giờ quay trở lại áp đặt các giới hạn lên dòng vốn luân chuyển. Chỉ số Quinn Hạn chế cơ bản của chỉ số SHARE đã được cải thiện thông qua chỉ số Quinn do Dennis Quinn công bố trên tạp chí American Political Science Review năm 1977. Chỉ số này cơ bản cũng dựa trên dữ liệu của SHARE nhưng các biện pháp kiểm soát vốn (nếu có) được phân chia một cách độc lập trên cơ sở tác động đến dòng vốn ra hay vào. Các biện pháp kiểm soát được chia thành 5 cấp độ: Mức độ tác động của các biện pháp kiểm soát vốn Điểm Giao dịch hoàn toàn bị cấm 0 Giao dịch bị hạn chế bởi các biện pháp hành chính 0,5 Giao dịch bị đánh thuế ở mức cao 1 Giao dịch bị đánh thuế ở mức thấp 1,5 Giao dịch hoàn toàn không bị kiểm soát hay đánh thuế 2 Nguồn: Quinn (1997), trích từ Edison và cộng sự (2004) Trong một khoảng thời gian nhất định, có thể xem x t các thay đổi của chỉ số Quinn hàng năm để xác định tính chất liên tục cũng như sự thay đổi của chính sách lao động lên dòng vốn luân chuyển. Nếu quốc gia có những nỗ lực tự do hóa tài khoản vốn một cách liên tục thì suốt khoảng thời gian xem xét, chỉ số Quinn tăng dần. Ngược lại, nếu quốc gia thay đổi chính sách từ tự do hóa dòng vốn sang kiểm soát chặt chẽ thì chỉ số này đang ở mức cao lập tức giảm xuống một cách tương ứng. 257 Chỉ số Quinn được sử dụng như là chỉ số chủ yếu để xác định tính chất và quá trình tự do hóa tài khoản vốn. Tuy nhiên, một khó khăn là việc chuyển chỉ số này thành biến giả trong các mô hình kinh tế lượng. Do vậy, việc đưa chỉ số này vào mô hình tùy thuộc vào phương pháp của từng nhà nghiên cứu, một phát sinh của chỉ số Quinn thường được sử dụng là ∆Quinn, đây là một chỉ số chỉ sự thay đổi của chỉ số Quinn qua từng năm – do những thay đổi của chính sách tác động lên dòng vốn di chuyển. Chỉ số OECD Chỉ số này được sử dụng cho các nước thành viên OECD, do đó nguồn dữ liệu chỉ có sẵn đối với các thành viên của tổ chức này (được phản ánh trong tài liệu xuất bản hàng năm Bộ luật về xu hướng tự do hóa vốn). Mỗi ấn phẩm của Bộ luật về xu hướng tự do hóa vốn cung cấp số liệu về mức độ hạn chế áp dụng cho hàng loạt các giao dịch quốc tế bao gồm đầu tư trực tiếp, tính thanh khoản đầu tư trực tiếp, đưa chứng khoán vào thị trường, mua bán chứng khoán, mua bán tập hợp đầu tư chứng khoán, hoạt động bất động sản, tài chính tín dụng và nợ, luồng vốn cá nhân. OECD cũng tính toán trên việc áp dụng hạn chế giao dịch lên các ngân hàng thương mại, các tổ chức tín dụng khác và các nhà đầu tư tổ chức. Dữ liệu dùng để xây dựng chỉ số tự do hóa di chuyển vốn được chia thành tỷ số giữa tự do và kiểm soát. Bộ luật về xu hướng tự do hóa vốn báo cáo xem liệu có hay không có bất kỳ hạn chế nào lên 11 loại giao dịch chu chuyển tài khoản vốn. Klein và Olivei (2001) đã xây dựng một biến đại diện cho tỷ lệ của 11 loại tự do giao dịch. Biến này cũng như Share có khả năng dao động từ 0 – 1 trong từng giai đoạn nhưng khác Share ở chỗ giá trị của nó ứng với 1 quốc gia trong các năm bất kỳ có thể có một giá trị giữa 0 – 1. Trong giai đoạn 1986 – 1995, có 4 biến có giá trị lớn nhất là 0.89 (Đức), 0.92 (Mỹ), 0.921 ( Hà Lan) và 0.93 (Anh) trong khi có 2 nước có giá trị dưới 0.5 là Hy Lạp (0.49) và Bồ Đào Nha (0.43). Sự tương quan giữa phương pháp này và phương pháp Share của IMF sử dụng biến nhị phân 0/1 được rút ra từ AREAER là 0.86. Chỉ số Montiel - Reinhart Montiel-Reinhart trong một loạt bài viết đã phát triển và sử dụng phương pháp thay thế đo lường mức độ kiểm soát giao dịch quốc tế dựa trên thông tin hàng năm của 15 quốc gia (Argentina, Brazil, Chile, Colombia, Costa Rica, cộng hòa Séc, Ai Cập, Indonesia, Kenya, Malaysia, Mexico, Philippines, Sri Lanka, Thái Lan, và Uganda) cho giai đoạn từ 1990 – 1996. Chỉ tiêu này chạy từ 0 đến 2 và không giống như các biện pháp trên đây, chỉ số càng cao càng thể hiện sự hạn chế giao dịch trong tài khoản vốn. Cụ thể, giá trị 0 với một quốc gia cụ thể trong một năm nhất định có nghĩa là “quốc gia đó hoàn toàn không có sự kiểm soát hay thuế áp đặt lên dòng vốn cũng như hoàn toàn không có sự hạn chế khi các tổ chức tài chính trong nước vay nợ vượt quá mức an toàn” (Morientel và Reinhart, 1999). Giá trị 1 đại diện cho những hạn chế thuộc dạng “bảo hộ quá chặt chẽ” (chằng hạn quy định chặt chẽ về trao đổi ngoại hối của ngân hàng) và giá trị 2 cho thấy “sự tồn tại rõ ràng của các biện pháp dứt khoát như cấm, yêu cầu đặt cọc, hoặc đánh thuế trên giao dịch tài chính, thiết 258 lập việc hạn chế luồng vốn”. Các giá trị 0,1,2 gán cho một quốc gia cụ thể trong một năm cụ thể dựa trên thông tin báo cáo hàng năm của ngân hàng trung ương các nước này. Có 15 nước trong mẫu bắt đầu từ giá trị 0 trong vấn đề kiểm soát vốn trong năm 1990. 10 nước vẫn giữ giá trị 0 trong suốt giai đoạn 1990-1996 và 5 nước nhận giá trị 2 vào cuối thời kỳ. Có một trường hợp cá biệt là giá trị 1 của Colombia vào năm 1991 và 1992, sau đó chuyển sang 2 từ 1993 – 1996. Do đó, những nỗ lực của họ để phân biệt mức độ kiểm soát vốn thật sự không đưa ra được trường hợp rõ ràng cho những nơi có sự kiểm soát “nhẹ”. Chỉ số tự do hóa thị trường vốn Chỉ số tự do hóa thị trường chứng khoán tập trung đánh giá vào việc tự do hóa các giao dịch mua bán chứng khoán qua biên giới quốc gia, đặc biệt là xem x t các quy định hạn chế đối với nhà đầu tư nước ngoài. Thời gian mở cửa thị trường vốn càng sớm đồng nghĩa với việc tự do hóa tài khoản vốn càng sớm. Chỉ số KAOPEN Chinn và Ito (2008) đã xây dựng chỉ số KAOPEN cho 181 quốc gia giai đoạn 1970 – 2005 (và sau đó tiếp tục được cập nhật) dựa trên các biến giả nhị phân do việc hệ thống hóa bảng tổng hợp các quy định hạn chế các giao dịch tài chính xuyên biên giới trong Báo cáo thường niên về tỷ giá và quản lý ngoại hối của IMF. Tính đến năm 1996, các biến giả được ấn định theo bốn loại chính về các hạn chế của tài khoản vốn là: k1: biến cho thấy sự hiện diện của chế độ đa tỷ giá k2: biến cho thấy những hạn chế về giao dịch tài khoản vãng lai k3: biến cho thấy những hạn chế về giao dịch tài khoản vốn k4: biến cho thấy những yêu cầu muốn bãi bỏ các khởi kiện về hoạt động xuất khẩu Do nghiên cứu của các tác giả tập trung vào hiệu quả của sự mở cửa tài chính hơn là kiểm soát nên các tác giả đã đảo ngược giá trị của các biến nhị phân, chẳng hạn như các biến sẽ có giá trị bằng 1 khi các hạn chế tài khoản vốn không tồn tại (ngược lại với IMF). Hơn nữa, đối với biến k3 về hạn chế giao dịch vốn, các tác giả sử dụng chỉ số Share trong 5 năm (bao gồm năm t và 4 năm trước đó) khi kiểm soát vốn không có hiệu lực. (SHAREk3) Sau đó các tác giả xây dựng một chỉ số về độ mở vốn (KAOPENt) được tiêu chuẩn hóa từ SHAREk3t, k4t. Chỉ số này có giá trị cao hơn ở các nước cởi mở hơn đối với giao dịch vốn qua biên 259 giới. Các vectơ đặc trưng đầu tiên của KAOPEN đã được tìm thấy là (SHAREk3, k1, k2, k4) = (0,57, 0,25, 0,52, 0,58) cho thấy rằng sự thay đổi của KAOPEN không chỉ là do chuỗi số liệu của SHAREk3. Các tác giả đã kết hợp các biến k1t, k2t; và k4t trong biến KAOPEN thay vì chỉ tập trung vào k3 tức là chỉ đề cập đến những hạn chế về giao dịch của tài khoản vốn. Họ tin rằng sự kết hợp của k1t, k2t và k4t trong chỉ số này cho phép họ nắm bắt chính xác hơn cường độ kiểm soát vốn. Một trong những ưu điểm của chỉ số KAOPEN là nó đo được mức độ kiểm soát vốn cũng như xem xét sự tương quan của mức độ đó với sự tồn tại của những hạn chế khác trên giao dịch quốc tế. Tuy nhiên, KAOPEN chỉ cho ta thấy độ mở tài khoản vốn theo pháp lý dựa trên các chỉ số kinh tế vĩ mô liên quan đến kiểm soát vốn và ngoại hối mà các chính phủ báo cáo cho IMF và WB. Nó không phản ánh đúng mức những gì diễn ra trong thực tế, nhất là việc khu vực tư nhân tìm mọi cách tránh né các biện pháp kiểm soát vốn. Mặc dù vậy, KAOPEN được nhiều nhà kinh tế đánh giá là đã phản ánh được các mục tiêu chính sách quan trọng mà một quốc gia theo đuổi trong quá trình hội nhập tài chính. 260 PHỤ LỤC 5 KẾT QUẢ KIỂM ĐỊNH LỰA CHỌN MÔ HÌNH  So sánh giữa Pooled regression model và FEM: (=> không bác bỏ H0, dùng Pooled regression) So sánh giữa Pooled regression model và REM: F test that all u_i=0: F(12, 100) = 1.37 Prob > F = 0.1935 rho .43641247 (fraction of variance due to u_i) sigma_e .01397803 sigma_u .01230025 _cons .012101 .0129086 0.94 0.351 -.0135094 .0377114 totaldebt -.0001247 .0004291 -0.29 0.772 -.000976 .0007266 shortdebt -.0000723 .0002144 -0.34 0.737 -.0004976 .000353 other_gdp .0060708 .0142806 0.43 0.672 -.0222614 .0344031 fpi_gdp .0293263 .0443113 0.66 0.510 -.0585861 .1172387 fdi_gdp -.0219839 .040298 -0.55 0.587 -.101934 .0579662 er_res -.107904 .0410615 -2.63 0.010 -.1893688 -.0264392 er .0428203 .0136707 3.13 0.002 .0156981 .0699425 mi1_res .0663995 .0386289 1.72 0.089 -.0102392 .1430382 mi1 -.0582337 .0175869 -3.31 0.001 -.0931257 -.0233417 reserve .0829602 .0487183 1.70 0.092 -.0136956 .1796161 pricredit -.0001735 .0000704 -2.46 0.015 -.0003133 -.0000338 fc (omitted) fipolicy -.0006602 .0019346 -0.34 0.734 -.0044982 .0031779 sd_cpi .0010432 .0005318 1.96 0.053 -.0000119 .0020983 trade1 -.0000406 .0000519 -0.78 0.436 -.0001435 .0000624 totshock -.0060977 .003258 -1.87 0.064 -.0125614 .0003661 usir (omitted) rlincome2 -.0242311 .0404009 -0.60 0.550 -.1043854 .0559231 rlincome .0648075 .0504947 1.28 0.202 -.0353725 .1649874 sd_perincome Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.2059 Prob > F = 0.0000 F(17,100) = 5.01 overall = 0.2380 max = 10 between = 0.2328 avg = 10.0 R-sq: within = 0.4601 Obs per group: min = 10 Group variable: year Number of groups = 13 Fixed-effects (within) regression Number of obs = 130 note: fc omitted because of collinearity note: usir omitted because of collinearity > res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt,i(year)fe . xtreg sd_perincome rlincome rlincome2 usir totshock trade1 sd_cpi fipolicy fc pricredit reserve mi1 mi1_res er er_ rho 0 (fraction of variance due to u_i) sigma_e .01397803 sigma_u 0 _cons -.0078834 .0123687 -0.64 0.524 -.0321255 .0163588 totaldebt -.0005284 .0004239 -1.25 0.213 -.0013593 .0003024 shortdebt -.000232 .000198 -1.17 0.241 -.00062 .0001561 other_gdp .0257896 .0133185 1.94 0.053 -.0003142 .0518934 fpi_gdp .0530031 .0431433 1.23 0.219 -.0315562 .1375624 fdi_gdp -.0282915 .039689 -0.71 0.476 -.1060806 .0494975 er_res -.1098532 .039828 -2.76 0.006 -.1879146 -.0317918 er .0384502 .0138115 2.78 0.005 .0113801 .0655203 mi1_res .0643737 .0391616 1.64 0.100 -.0123816 .1411289 mi1 -.0485305 .0176316 -2.75 0.006 -.0830878 -.0139732 reserve .087488 .0469437 1.86 0.062 -.0045199 .1794959 pricredit -.00013 .0000708 -1.84 0.066 -.0002687 8.72e-06 fc .0239544 .0048351 4.95 0.000 .0144778 .033431 fipolicy .0006013 .0018551 0.32 0.746 -.0030346 .0042372 sd_cpi .0006273 .0005007 1.25 0.210 -.000354 .0016087 trade1 -.0000756 .0000502 -1.51 0.132 -.000174 .0000228 totshock -.0042308 .003162 -1.34 0.181 -.0104282 .0019666 usir .0029041 .001033 2.81 0.005 .0008795 .0049287 rlincome2 -.0331665 .0387058 -0.86 0.392 -.1090285 .0426956 rlincome .104555 .0489961 2.13 0.033 .0085244 .2005857 sd_perincome Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Random effects u_i ~ Gaussian Wald chi2(19) = 124.31 overall = 0.5305 max = 10 between = 0.8118 avg = 10.0 R-sq: within = 0.4353 Obs per group: min = 10 Group variable: year Number of groups = 13 Random-effects GLS regression Number of obs = 130 > res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt,re . xtreg sd_perincome rlincome rlincome2 usir totshock trade1 sd_cpi fipolicy fc pricredit reserve mi1 mi1_res er er_ 261 (=> không bác bỏ H0, dùng Pooled regression)  So sánh giữa Pooled regression model và FEM: (=> không bác bỏ H0, dùng Pooled regression) So sánh giữa Pooled regression model và REM: Prob > chi2 = 0.9678 chi2(1) = 0.00 Test: Var(u) = 0 u 0 0 e .0001954 .013978 sd_peri~e .0003756 .0193811 Var sd = sqrt(Var) Estimated results: sd_perincome[year,t] = Xb + u[year] + e[year,t] Breusch and Pagan Lagrangian multiplier test for random effects . xttest0 F test that all u_i=0: F(12, 101) = 0.84 Prob > F = 0.6113 rho .27791521 (fraction of variance due to u_i) sigma_e .01748617 sigma_u .01084818 _cons .0105852 .0155807 0.68 0.498 -.0203227 .0414932 totaldebt .0001188 .0005356 0.22 0.825 -.0009436 .0011812 shortdebt .001382 .0002264 6.10 0.000 .0009329 .0018312 other_gdp -.0635441 .016209 -3.92 0.000 -.0956984 -.0313898 fpi_gdp -.0102921 .0551578 -0.19 0.852 -.1197103 .0991262 fdi_gdp .0419479 .0499234 0.84 0.403 -.0570866 .1409825 er_res -.1422873 .0509957 -2.79 0.006 -.243449 -.0411256 er .0658975 .017159 3.84 0.000 .0318587 .0999363 mi1_res .0733497 .0464339 1.58 0.117 -.0187626 .165462 mi1 -.0189935 .0216654 -0.88 0.383 -.0619719 .0239849 reserve .0278284 .0561695 0.50 0.621 -.0835967 .1392535 pricredit .0000826 .0000887 0.93 0.354 -.0000933 .0002584 fc (omitted) fipolicy .0020264 .0023499 0.86 0.391 -.0026351 .006688 sd_inf .0022157 .0012386 1.79 0.077 -.0002414 .0046728 totshock -.0147572 .0041142 -3.59 0.001 -.0229187 -.0065956 usir (omitted) rlincome2 .1866383 .0498008 3.75 0.000 .0878468 .2854297 rlincome -.2263877 .0602023 -3.76 0.000 -.3458128 -.1069625 av_perincome Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.2450 Prob > F = 0.0000 F(16,101) = 11.65 overall = 0.5553 max = 10 between = 0.1725 avg = 10.0 R-sq: within = 0.6485 Obs per group: min = 10 Group variable: year Number of groups = 13 Fixed-effects (within) regression Number of obs = 130 note: fc omitted because of collinearity note: usir omitted because of collinearity > di_gdp fpi_gdp other_gdp shortdebt totaldebt,i( year)fe . xtreg av_perincome rlincome rlincome2 usir totshock sd_inf fipolicy fc pricredit reserve mi1 mi1_res er er_res f rho 0 (fraction of variance due to u_i) sigma_e .01748617 sigma_u 0 _cons .0297965 .014865 2.00 0.045 .0006616 .0589314 totaldebt .0001035 .0005205 0.20 0.842 -.0009167 .0011236 shortdebt .0013792 .0002026 6.81 0.000 .0009821 .0017763 other_gdp -.0617943 .0152322 -4.06 0.000 -.0916489 -.0319397 fpi_gdp -.0188924 .0516272 -0.37 0.714 -.1200798 .082295 fdi_gdp .0488007 .0470015 1.04 0.299 -.0433205 .1409219 er_res -.1453802 .0481142 -3.02 0.003 -.2396823 -.0510782 er .0675898 .0168024 4.02 0.000 .0346576 .1005219 mi1_res .0840173 .0460104 1.83 0.068 -.0061615 .174196 mi1 -.0210216 .0212291 -0.99 0.322 -.0626299 .0205868 reserve .0224061 .0534037 0.42 0.675 -.0822634 .1270755 pricredit .0000925 .0000869 1.06 0.288 -.0000779 .0002628 fc -.0216737 .0058701 -3.69 0.000 -.033179 -.0101685 fipolicy .0012354 .0021795 0.57 0.571 -.0030362 .0055071 sd_inf .0013807 .0011388 1.21 0.225 -.0008513 .0036126 totshock -.0124672 .0038908 -3.20 0.001 -.020093 -.0048413 usir -.0029589 .0012783 -2.31 0.021 -.0054644 -.0004535 rlincome2 .1916408 .0459219 4.17 0.000 .1016356 .281646 rlincome -.2299557 .0567945 -4.05 0.000 -.3412708 -.1186406 av_perincome Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Random effects u_i ~ Gaussian Wald chi2(18) = 213.60 overall = 0.6580 max = 10 between = 0.7573 avg = 10.0 R-sq: within = 0.6455 Obs per group: min = 10 Group variable: year Number of groups = 13 Random-effects GLS regression Number of obs = 130 > di_gdp fpi_gdp other_gdp shortdebt totaldebt,re . xtreg av_perincome rlincome rlincome2 usir totshock sd_inf fipolicy fc pricredit reserve mi1 mi1_res er er_res f 262 (=> không bác bỏ H0, dùng Pooled regression)  So sánh giữa Pooled regression model và FEM: (=> không bác bỏ H0, dùng Pooled regression) So sánh giữa Pooled regression model và REM: Prob > chi2 = 0.6382 chi2(1) = 0.22 Test: Var(u) = 0 u 0 0 e .0003058 .0174862 av_peri~e .0007698 .0277453 Var sd = sqrt(Var) Estimated results: av_perincome[year,t] = Xb + u[year] + e[year,t] Breusch and Pagan Lagrangian multiplier test for random effects . xttest0 F test that all u_i=0: F(12, 100) = 1.44 Prob > F = 0.1593 rho .55033397 (fraction of variance due to u_i) sigma_e .28952657 sigma_u .32029971 _cons 1.101329 .2723841 4.04 0.000 .5609263 1.641731 totaldebt -.0009409 .0091208 -0.10 0.918 -.0190364 .0171545 shortdebt .0132323 .0063134 2.10 0.039 .0007068 .0257579 other_gdp .3002076 .3166695 0.95 0.345 -.3280556 .9284708 fpi_gdp 1.309722 .9326438 1.40 0.163 -.5406171 3.16006 fdi_gdp .7730601 .8387242 0.92 0.359 -.8909447 2.437065 fo_res .5083089 1.059495 0.48 0.632 -1.593699 2.610317 fo -.0191146 .2797705 -0.07 0.946 -.5741713 .5359421 er_res 2.376835 .8356876 2.84 0.005 .7188545 4.034815 er -.1773437 .2873037 -0.62 0.538 -.747346 .3926586 reserve -2.633053 .9686595 -2.72 0.008 -4.554846 -.7112599 pricredit -.0017017 .0017621 -0.97 0.337 -.0051976 .0017942 fc (omitted) vm2 .0056646 .0050277 1.13 0.263 -.0043102 .0156393 worldoutpu~p (omitted) oilshock (omitted) gov_exp -1.95e-12 7.06e-13 -2.76 0.007 -3.35e-12 -5.49e-13 av_inf .1284045 .0131665 9.75 0.000 .1022824 .1545265 trade1 -.0025186 .0012935 -1.95 0.054 -.0050848 .0000476 rlincome2 .4116415 .867915 0.47 0.636 -1.310277 2.13356 rlincome -.307594 1.074983 -0.29 0.775 -2.44033 1.825142 ln_sd_cpi Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = 0.1648 Prob > F = 0.0000 F(17,100) = 30.73 overall = 0.7273 max = 10 between = 0.7487 avg = 10.0 R-sq: within = 0.8393 Obs per group: min = 10 Group variable: year Number of groups = 13 Fixed-effects (within) regression Number of obs = 130 note: fc omitted because of collinearity note: worldoutputgap omitted because of collinearity note: oilshock omitted because of collinearity > fo fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt,i( year)fe . xtreg ln_sd_cpi rlincome rlincome2 trade1 av_inf gov_exp oilshock worldoutputgap vm2 fc pricredit reserve er er_res rho 0 (fraction of variance due to u_i) sigma_e .29707403 sigma_u 0 _cons 1.173004 .3100381 3.78 0.000 .565341 1.780668 totaldebt .0029881 .0074528 0.40 0.688 -.0116191 .0175953 shortdebt .0096788 .0036175 2.68 0.007 .0025886 .0167691 other_gdp .5816817 .3066371 1.90 0.058 -.0193161 1.182679 fpi_gdp 1.890464 .8572672 2.21 0.027 .2102511 3.570677 fdi_gdp .4127019 .8285295 0.50 0.618 -1.211186 2.03659 fo_res .880901 1.138847 0.77 0.439 -1.351197 3.112999 fo -.426608 .318368 -1.34 0.180 -1.050598 .1973819 mi1_res -.0022797 .7960947 -0.00 0.998 -1.562597 1.558037 mi1 -.7045958 .3612871 -1.95 0.051 -1.412705 .0035138 reserve -.8252862 1.097199 -0.75 0.452 -2.975758 1.325185 pricredit -.0017197 .0013006 -1.32 0.186 -.0042688 .0008294 fc .2208776 .0996819 2.22 0.027 .0255048 .4162505 vm2 .0057643 .0051288 1.12 0.261 -.004288 .0158167 worldoutpu~p .0000195 .0000189 1.03 0.301 -.0000175 .0000565 oilshock .8907845 .3659866 2.43 0.015 .173464 1.608105 fipolicy -.0787022 .04073 -1.93 0.053 -.1585316 .0011271 av_inf .132535 .0146768 9.03 0.000 .103769 .161301 totshock1 -.0201286 .0735293 -0.27 0.784 -.1642433 .1239861 rlincome2 1.878313 .7786682 2.41 0.016 .3521518 3.404475 rlincome -2.002055 .9828127 -2.04 0.042 -3.928332 -.0757775 ln_sd_cpi Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Random effects u_i ~ Gaussian Wald chi2(20) = 668.58 overall = 0.8598 max = 10 between = 0.9330 avg = 10.0 R-sq: within = 0.8284 Obs per group: min = 10 Group variable: year Number of groups = 13 Random-effects GLS regression Number of obs = 130 > _res fo fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt,re . xtreg ln_sd_cpi rlincome rlincome2 totshock1 av_inf fipolicy oilshock worldoutputgap vm2 fc pricredit reserve mi1 mi1 263 (=>không bác bỏ H0, dùng Pooled regression)  So sánh giữa Pooled regression model và FEM: So sánh giữa Pooled regression model và REM: (=> kiểm định Breusch - Pagan => không bác bỏ H0, dùng Pooled regression) Prob > chi2 = 0.2350 chi2(1) = 1.41 Test: Var(u) = 0 u 0 0 e .088253 .297074 ln_sd_cpi .5787368 .7607475 Var sd = sqrt(Var) Estimated results: ln_sd_cpi[year,t] = Xb + u[year] + e[year,t] Breusch and Pagan Lagrangian multiplier test for random effects . xttest0 F test that all u_i=0: F(12, 101) = 0.29 Prob > F = 0.9896 rho .15073821 (fraction of variance due to u_i) sigma_e 1.577827 sigma_u .66473765 _cons 8.804279 1.405891 6.26 0.000 6.015369 11.59319 totaldebt .0503274 .0483261 1.04 0.300 -.0455386 .1461935 shortdebt -.0048735 .0204295 -0.24 0.812 -.0454001 .0356532 other_gdp 1.194407 1.462585 0.82 0.416 -1.706968 4.095782 fpi_gdp -6.227129 4.977047 -1.25 0.214 -16.10025 3.645993 fdi_gdp 5.694195 4.504729 1.26 0.209 -3.241974 14.63037 er_res 19.66509 4.601486 4.27 0.000 10.53698 28.7932 er -6.713969 1.548303 -4.34 0.000 -9.785387 -3.642552 mi1_res -10.53264 4.189862 -2.51 0.014 -18.8442 -2.221081 mi1 3.681433 1.954934 1.88 0.063 -.1966301 7.559496 reserve -9.027667 5.06833 -1.78 0.078 -19.08187 1.026537 pricredit -.0305106 .0079993 -3.81 0.000 -.046379 -.0146421 fc (omitted) fipolicy .1638146 .2120368 0.77 0.442 -.2568093 .5844385 sd_inf .2879348 .1117664 2.58 0.011 .0662203 .5096492 totshock -.8555942 .3712387 -2.30 0.023 -1.592032 -.1191566 usir (omitted) rlincome2 -2.340929 4.493669 -0.52 0.604 -11.25516 6.573302 rlincome -.2715194 5.432225 -0.05 0.960 -11.04759 10.50455 av_unemplo~t Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.0946 Prob > F = 0.0000 F(16,101) = 10.86 overall = 0.5853 max = 10 between = 0.0951 avg = 10.0 R-sq: within = 0.6323 Obs per group: min = 10 Group variable: year Number of groups = 13 Fixed-effects (within) regression Number of obs = 130 note: fc omitted because of collinearity note: usir omitted because of collinearity > fdi_gdp fpi_gdp other_gdp shortdebt totaldebt,i( year)fe . xtreg av_unemployment rlincome rlincome2 usir totshock sd_inf fipolicy fc pricredit reserve mi1 mi1_res er er_res rho 0 (fraction of variance due to u_i) sigma_e 1.577827 sigma_u 0 _cons 10.09371 1.301078 7.76 0.000 7.543646 12.64378 totaldebt .0490649 .0455567 1.08 0.281 -.0402245 .1383543 shortdebt -.0093687 .0177353 -0.53 0.597 -.0441293 .025392 other_gdp 1.664847 1.333216 1.25 0.212 -.9482092 4.277903 fpi_gdp -5.730405 4.518725 -1.27 0.205 -14.58694 3.126134 fdi_gdp 4.96917 4.113857 1.21 0.227 -3.093842 13.03218 er_res 19.3044 4.211249 4.58 0.000 11.05051 27.5583 er -6.5844 1.470651 -4.48 0.000 -9.466822 -3.701977 mi1_res -9.869787 4.027113 -2.45 0.014 -17.76278 -1.976791 mi1 3.727043 1.858104 2.01 0.045 .0852266 7.368859 reserve -8.874076 4.674223 -1.90 0.058 -18.03539 .2872331 pricredit -.0294607 .0076084 -3.87 0.000 -.0443729 -.0145486 fc -1.320149 .5137914 -2.57 0.010 -2.327162 -.3131363 fipolicy .1330378 .1907601 0.70 0.486 -.2408452 .5069208 sd_inf .2359001 .099671 2.37 0.018 .0405486 .4312516 totshock -.66914 .3405482 -1.96 0.049 -1.336602 -.0016777 usir -.2756717 .111884 -2.46 0.014 -.4949604 -.0563831 rlincome2 -2.25422 4.019363 -0.56 0.575 -10.13203 5.623587 rlincome -.1238631 4.971 -0.02 0.980 -9.866844 9.619118 av_unemplo~t Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Random effects u_i ~ Gaussian Wald chi2(18) = 201.82 overall = 0.6452 max = 10 between = 0.8630 avg = 10.0 R-sq: within = 0.6299 Obs per group: min = 10 Group variable: year Number of groups = 13 Random-effects GLS regression Number of obs = 130 > fdi_gdp fpi_gdp other_gdp shortdebt totaldebt,re . xtreg av_unemployment rlincome rlincome2 usir totshock sd_inf fipolicy fc pricredit reserve mi1 mi1_res er er_res 264 PHỤ LỤC 6 KẾT QUẢ KIỂM ĐỊNH TỰ TƯƠNG QUAN VÀ PHƯƠNG SAI THAY ĐỔI BIẾN ĐỘNG TĂNG TRƯỞNG TĂNG TRƯỞNG TRUNG BÌNH Prob > F = 0.0098 F( 1, 9) = 10.640 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > r_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial sd_perincome rlincome rlincome2 usir totshock trade1 sd_cpi fipolicy fc pricredit reserve mi1 mi1_res er e Prob > chi2 = 0.0026 chi2(1) = 9.06 Variables: fitted values of sd_perincome Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0065 F( 1, 9) = 12.384 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > o fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial sd_perincome rlincome rlincome2 usir totshock trade1 sd_inf fipolicy fc pricredit reserve mi1 mi1_res f Prob > chi2 = 0.0001 chi2(1) = 14.37 Variables: fitted values of sd_perincome Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0083 F( 1, 9) = 11.319 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > s fo fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial sd_perincome rlincome rlincome2 usirchange totshock trade1 sd_inf fipolicy fc pricredit reserve er er_re Prob > chi2 = 0.0013 chi2(1) = 10.29 Variables: fitted values of sd_perincome Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0009 F( 1, 9) = 23.293 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial av_perincome rlincome rlincome2 usir totshock sd_inf fipolicy fc pricredit reserve mi1 mi1_res er er_res Prob > chi2 = 0.6251 chi2(1) = 0.24 Variables: fitted values of av_perincome Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest 265 BIẾN ĐỘNG LẠM PHÁT Prob > F = 0.0005 F( 1, 9) = 28.303 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > s fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial av_perincome rlincome rlincome2 usir totshock sd_inf fipolicy fc pricredit reserve mi1 mi1_res fo fo_re Prob > chi2 = 0.7063 chi2(1) = 0.14 Variables: fitted values of av_perincome Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0003 F( 1, 9) = 31.099 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > dp fpi_gdp other_gdp shortdebt totaldebt . xtserial av_perincome rlincome rlincome2 usir tot sd_inf fipolicy fc pricredit reserve er er_res fo fo_res fdi_g Prob > chi2 = 0.8670 chi2(1) = 0.03 Variables: fitted values of av_perincome Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0000 F( 1, 9) = 99.528 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > mi1_res er er_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial ln_sd_cpi rlincome rlincome2 trade1 av_cpi fipolicy oilshock worldoutputgap vm2 fc pricredit reserve mi1 Prob > chi2 = 0.7295 chi2(1) = 0.12 Variables: fitted values of ln_sd_cpi Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0000 F( 1, 9) = 66.419 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > mi1_res fo fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial ln_sd_cpi rlincome rlincome2 totshock1 av_inf fipolicy oilshock worldoutputgap vm2 fc pricredit reserve mi1 Prob > chi2 = 0.0000 chi2(1) = 36.77 Variables: fitted values of ln_sd_cpi Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0001 F( 1, 9) = 48.738 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > es fo fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial ln_sd_cpi rlincome rlincome2 trade1 av_inf gov_exp oilshock worldoutputgap vm2 fc pricredit reserve er er_r 266 LẠM PHÁT TRUNG BÌNH THẤT NGHIỆP TRUNG BÌNH Prob > chi2 = 0.0000 chi2(1) = 26.07 Variables: fitted values of ln_sd_cpi Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0000 F( 1, 9) = 85.947 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > ve mi1 mi1_res er er_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial ln_av_cpi rlincome rlincome2 totshock trade1 sd_inf fipolicy oilshock worldoutputgap vm2 fc pricredit reser Prob > chi2 = 0.0070 chi2(1) = 7.28 Variables: fitted values of ln_av_cpi Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0000 F( 1, 9) = 82.619 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > mi1 mi1_res fo fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial ln_av_cpi rlincome rlincome2 totshock trade1 sd_inf fipolicy oilshock worldoutputgap vm2 fc pricredit reserve Prob > chi2 = 0.0111 chi2(1) = 6.44 Variables: fitted values of ln_av_cpi Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0000 F( 1, 9) = 78.580 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > ve er er_res fo fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial ln_av_cpi rlincome rlincome2 totshock trade1 sd_inf fipolicy oilshock worldoutputgap vm2 fc pricredit reser Prob > chi2 = 0.0089 chi2(1) = 6.85 Variables: fitted values of ln_av_cpi Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0000 F( 1, 9) = 119.291 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > s fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial av_unemployment rlincome rlincome2 usir totshock sd_inf fipolicy fc pricredit reserve mi1 mi1_res er er_re Prob > chi2 = 0.0080 chi2(1) = 7.04 Variables: fitted values of av_unemployment Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest 267 Prob > F = 0.0000 F( 1, 9) = 180.545 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > fo fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial av_unemployment rlincome rlincome2 usir totshock trade1 sd_inf fipolicy fc pricredit reserve mi1 mi1_res Prob > chi2 = 0.0000 chi2(1) = 26.54 Variables: fitted values of av_unemployment Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.0000 F( 1, 9) = 127.641 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data > fo fo_res fdi_gdp fpi_gdp other_gdp shortdebt totaldebt . xtserial av_unemployment rlincome rlincome2 usir totshock trade1 sd_inf fipolicy fc pricredit reserve er er_res Prob > chi2 = 0.0000 chi2(1) = 21.17 Variables: fitted values of av_unemployment Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest