Luận án Đa dạng hóa xuất khẩu, truyền dẫn giá và tăng trưởng xuất khẩu tôm của Việt Nam

ia quyền thu nhập thực tế của các đối tác thương mại của quốc gia xuất khẩu, PX là giá hàng hóa xuất khẩu của quốc gia xuất khẩu, PXW là giá hàng hóa xuất khẩu bình quân trên thế giới hoặc của các quốc gia đối thủ cạnh tranh. Trong các nghiên cứu thực nghiệm vận dụng mô hình cầu xuất khẩu của GoldStein và Khan (1978) để phân tích các yếu tố ảnh hưởng đến xuất khẩu của một sản phẩm nông nghiệp của một quốc gia, ngoài hai yếu tố chính được GoldStein và Khan (1978) đề xuất là thu nhập thực của quốc gia nhập khẩu và giá tương đối của hàng hóa xuất khẩu thì các nghiên cứu còn bổ sung thêm những yếu tố khác tương ứng với thực tiễn, mục tiêu của từng nghiên cứu. Tiêu biểu trong số đó là nghiên cứu của Warr và Wollmer (1996) phân tích các yếu tố ảnh hưởng đến xuất khẩu dầu dừa của Philippines, mô hình nghiên cứu cho biết xuất khẩu dầu dừa phụ thuộc vào mức thu nhập của quốc gia nhập khẩu, tỷ lệ giữa giá dầu dừa xuất khẩu của Philippines và giá dầu dừa xuất khẩu của các quốc gia đối thủ cạnh tranh. Gunawardana và ctv (2008) nghiên cứu các yếu tố ảnh hưởng đến xuất khẩu bơ của Thái Lan sang Úc; trong mô hình nghiên cứu, các biến giải thích bao gồm tỷ lệ giữa giá xuất khẩu của Thái Lan sang Úc và giá xuất khẩu trung bình của các đối thủ cạnh tranh của Thái Lan, mức thu nhập bình quân của Úc, và tỷ giá hối đoái song phương giữa hai quốc gia. Một nghiên cứu khác của Abdullah (2011) phân tích các yếu tố ảnh hưởng đến xuất khẩu dầu cọ của Indonesia, mô hình nghiên cứu xem xét xuất khẩu dầu cọ của Indonesia chịu ảnh hưởng của giá dầu cọ xuất khẩu của Indonesia, giá dầu cọ thế giới, thu nhập quốc gia nhập khẩu và giá hàng hóa thay thế. Bên cạnh đó, Zheng và ctv (2012) nghiên cứu các yếu tố ảnh hưởng đến xuất khẩu hạt hồ trăn của Mỹ, các biến giải thích của mô hình nghiên cứu bao gồm giá xuất khẩu của Mỹ, giá xuất khẩu của các quốc gia đối thủ, giá xuất khẩu trung bình của hàng hóa thay thế, GDP của quốc gia nhập khẩu, tỷ giá hối đoái thực giữa đồng tiền của quốc gia nhập khẩu với đồng đôla, và yếu tố an toàn vệ sinh thực phẩm. Djoni và ctv (2013) nghiên cứu các yếu tố ảnh hưởng đến xuất khẩu dầu dừa của Indonesia ra thị trường thế giới, mô hình ước lượng gồm các biến giải thích là giá dầu dừa xuất khẩu của Indonesia, tỷ giá hối đoái thực giữa đồng tiền của Indonesia với đồng đôla 163 Mỹ, GDP bình quân đầu người của các quốc gia nhập khẩu, dân số quốc gia nhập khẩu, giá xuất khẩu của mặt hàng thay thế, giá xuất khẩu của các đối thủ cạnh tranh. Như vậy, giống như mô hình trọng lực, mô hình cầu xuất khẩu của GoldStein và Khan (1978) có thể đưa ra những đánh giá kinh tế lượng về tác động của một biến số vĩ mô hay một chính sách đối với xuất khẩu của một mặt hàng nông nghiệp của một quốc gia thông qua việc sử dụng dữ liệu quá khứ. Sự hiểu biết tác động của một biến số vĩ mô hay một chính sách trong quá khứ có thể được sử dụng để dự báo tác động của việc thay đổi biến số vĩ mô hay chính sách này trong tương lai đến xuất khẩu; từ đó đưa ra những giải pháp giúp cải thiện, thúc đẩy xuất khẩu. Tuy nhiên, khi phân tích các nhân tố ảnh hưởng đến xuất khẩu của một mặt hàng nông nghiệp của một quốc gia sang một nhóm các quốc gia hay ra thị trường thế giới thì mô hình trọng lực của Tinbergen (1962) sử dụng dữ liệu bảng, cụ thể là dữ liệu của quốc gia xuất khẩu với từng quốc gia nhập khẩu ở các biến số; trong khi mô hình cầu xuất khẩu của GoldStein và Khan (1978) sử dụng dữ liệu chuỗi của các biến số phản ánh khái quát chung, đo lường ở dạng tổng thể. Do đó, khi nghiên cứu tác động của một biến số vĩ mô hay một chính sách đối với xuất khẩu của một mặt hàng nông nghiệp của một quốc gia ra thị trường thế giới thì việc sử dụng mô hình trọng lực trở nên rất khó khăn và phức tạp. Đồng thời, nếu biến số vĩ mô hay một chính sách được đo lường ở dạng tổng thể với nhiều quốc gia thì mô hình trọng lực sẽ không thể thực hiện được. Vì vậy, trong những trường hợp này thì việc sử dụng mô hình cầu xuất khẩu là phù hợp và có tính khả thi cao. Phụ lục 9. Cách thức xác định và nguồn thu thập dữ liệu của các biến trong mô hình nghiên cứu (1) Kim ngạch xuất khẩu tôm thực tế của Việt Nam (Xt): Là giá trị thực tế của tổng kim ngạch xuất khẩu tôm của Việt Nam ra thị trường thế giới tại quý t, được tính bằng cách chia kim ngạch xuất khẩu tôm của Việt Nam tại quý t cho chỉ số giá xuất khẩu sản phẩm tôm Việt Nam tại quý t. Dữ liệu kim ngạch xuất khẩu tôm của Việt Nam hàng quý (triệu USD) được thu thập và tính toán từ cơ sở dữ liệu Trade Map của Trung tâm Thương Mại Quốc tế (ITC) trực thuộc WTO. Dữ liệu chỉ số giá xuất 164 khẩu sản phẩm tôm của Việt Nam hàng quý được thu thập từ Tổng cục Thống kê Việt Nam (GSO) với năm cơ sở là 2005. Thu nhập thực tế của các quốc gia nhập khẩu tôm của Việt Nam (YWt): Nghiên cứu sử dụng tổng sản phẩm quốc nội (GDP) thực tế của Tổ chức Hợp tác và Phát triển Kinh tế (OECD) đại diện cho biến YW. OECD bao gồm phần lớn các quốc gia thuộc Liên minh châu Âu (EU), Hoa Kỳ, Nhật Bản, Hàn Quốc, Canada, Australia là những thị trường xuất khẩu tôm chủ lực của Việt Nam, và kim ngạch xuất khẩu tôm của Việt Nam sang các quốc gia thuộc OECD chiếm khoảng 85% tổng kim ngạch xuất khẩu tôm hàng quý. GDP thực hàng quý của OECD được đo lường bằng chỉ số GDP, dữ liệu được thu thập và tính toán từ OECD.Stat với năm cơ sở là 2005. Giá xuất khẩu tương đối của sản phẩm tôm Việt Nam (RPt): Được xác định bằng tỷ lệ giữa giá tôm xuất khẩu của Việt Nam ở quý t chia cho giá tôm xuất khẩu trung bình ở quý t của 4 quốc gia là Thái Lan, Ecuador, Indonesia và Ấn Độ; đây là những đối thủ cạnh tranh chính của sản phẩm tôm Việt Nam trên thị trường thế giới. Giá tôm xuất khẩu hàng quý của mỗi quốc gia (USD/kg) được tính bằng cách lấy tổng kim ngạch xuất khẩu tôm sú và tôm thẻ chân trắng chia cho khối lượng tôm sú và tôm thẻ chân trắng xuất khẩu trong cùng quý đó. Dữ liệu về kim ngạch và khối lượng tôm tôm sú và tôm thẻ chân trắng xuất khẩu hàng quý của mỗi quốc gia được thu thập và tính toán từ cơ sở dữ liệu Trade Map của ITC. Tỷ giá hối đoái thực hiệu dụng (REERt): có dạng chỉ số và được tính theo phương pháp trung bình hình học, có công thức như sau: REERt = ∏(NERt j CPIt j CPIt VN) wjt n j=1 Trong đó, REERt là tỷ giá hối đoái thực hiệu dụng của Việt Nam tại quý t; n là số lượng các quốc gia đối tác thương mại; NERt j là tỷ giá hối đoái danh nghĩa song phương giữa VND và tiền tệ của quốc gia j tại quý t, được đo bằng số lượng đơn vị VND trên một đơn vị tiền tệ của quốc gia j và được biểu thị dưới dạng chỉ số; CPIt j và CPIt VN lần lượt là chỉ số giá tiêu dùng tại quý t của quốc gia j và Việt Nam; và wjt là tỷ trọng thương mại với quốc gia j tại quý t, ∑ wjt n j=1 = 1. 165 Khi thực hiện tính REERt, nghiên cứu chọn 11 đối tác thương mại lớn nhất của Việt Nam trong giai đoạn 2005 - 2020, đó là: Hoa Kỳ, Liên minh châu Âu, Nhật Bản, Hàn Quốc, Trung Quốc, Anh, Australia, Canada, Singapore, Nga, và Thụy Sĩ. Luận án chọn 11 đối tác thương mại này vì nó bao phủ gần 80% tổng kim ngạch thương mại của Việt Nam (GSO, 2021); đồng thời, đây là những thị trường xuất khẩu tôm chủ lực của Việt Nam, chiếm 90% - 92% tổng kim ngạch xuất khẩu tôm hàng quý (VASEP, 2020). Đồng thời, tỷ giá hối đoái danh nghĩa (NER) giữa VND và những ngoại tệ khác USD được tính thông qua đồng tiền trung gian USD. NER theo quý là tỷ giá trung bình các tháng trong quý. Dữ liệu hàng tháng của NER giữa VND và USD, giữa các ngoại tệ khác với USD, và chỉ số giá tiêu dùng hàng quý của các quốc gia được thu thập và tính toán từ Thống kê Tài chính Quốc tế (IFS) của Quỹ Tiền tệ Quốc tế. Dữ liệu về kim ngạch thương mại hàng quý của Việt Nam với các đối tác được thu thập và tính toán từ cơ sở dữ liệu Trade Map của ITC. Phụ lục 10. Một số thước đo đa dạng hóa xuất khẩu Đã có nhiều nghiên cứu đề xuất các phương pháp và chỉ số khác nhau để đánh giá mức độ đa dạng hóa xuất khẩu, bao gồm đa dạng hóa thị trường và đa dạng hóa sản phẩm trong hoạt động xuất khẩu. Trong đó, ba thước đo được sử dụng rộng rãi hiện nay là chỉ số Herfindahl-Hirschmann, chỉ số Theil Entropy và chỉ số đa dạng hóa xuất khẩu do Diễn đàn Thương mại và Phát triển Liên Hiệp Quốc (UNCTAD) phát triển (Cadot và ctv, 2011; EQuIP, 2015; và UNCTAD, 2011) Chỉ số Herfindahl-Hirschmann (HHI) là thước đo đa dạng hóa xuất khẩu phản ánh qua mức độ tập trung của xuất khẩu. Chỉ số Herfindahl-Hirschmann đo lường mức độ tập trung thị trường của hàng hóa xuất khẩu được chuẩn hóa để có giá trị xếp hạng từ 0 đến 1 (tập trung tối đa) tính theo công thức sau: 𝐻𝐻𝐼𝑚 = √∑ ( 𝑥𝑖 𝑋𝑖 ) 2 𝑛 𝑖=1 − √ 1 𝑛⁄ 1 − √1 𝑛⁄ 166 Trong đó, HHIm là giá trị của chỉ số tập trung thị trường xuất khẩu của một quốc gia; 𝑥𝑖 là giá trị xuất khẩu của quốc gia đến thị trường i; 𝑋𝑖 = ∑ 𝑥𝑖 𝑛 𝑖=1 , và n là số lượng tối đa các thị trường xuất khẩu. Tương tự, chỉ số Herfindahl-Hirschmann đo lường mức độ tập trung sản phẩm của giỏ hàng hóa xuất khẩu được chuẩn hóa để có giá trị xếp hạng từ 0 đến 1 (tập trung tối đa) tính theo công thức sau: 𝐻𝐻𝐼𝑝 = √∑ ( 𝑥𝑗 𝑋𝑗 ) 2 𝑛 𝑗=1 − √ 1 𝑛⁄ 1 − √1 𝑛⁄ Trong đó, HHIp là giá trị của chỉ số tập trung sản phẩm xuất khẩu của một quốc gia; 𝑥𝑗 là giá trị xuất khẩu sản phẩm/dòng sản phẩm j của quốc gia ra thế giới; 𝑋𝑖 = ∑ 𝑥𝑗 𝑛 𝑗=1 , và n là số lượng sản phẩm/dòng sản phẩm xuất khẩu. Chỉ số HHI được mô tả ở trên cũng có thể được sử dụng để đo lường mức độ đa dạng hóa xuất khẩu của một ngành hoặc một tiểu ngành của quốc gia. Chỉ số này cho biết mức độ tập trung xuất khẩu và có thể giúp xác định mức độ đa dạng hóa xuất khẩu. Xuất khẩu càng đa dạng thì giá trị của HHI càng thấp (HHI = 0 cho biết xuất khẩu có đa dạng hóa hoàn hảo) Chỉ số Theil Entropy đo lường đa dạng hóa sản phẩm xuất khẩu phản ánh qua sự bất bình đẳng trong tỷ trọng của giỏ hàng hóa xuất khẩu, công thức tính như sau: 𝑇 = 1 𝑛 ∑ 𝑥𝑘 𝜇 𝑛 𝑘=1 𝑙𝑛 ( 𝑥𝑘 𝜇 ) Trong đó: n là số lượng sản phẩm/dòng sản phẩm xuất khẩu; 𝑥𝑘 là giá trị xuất khẩu của sản phẩm/dòng sản phẩm k; 𝜇 là giá trị xuất khẩu trung bình, 𝜇 = 1 𝑛 ∑ 𝑥𝑘 𝑛 𝑘=1 . Chỉ số Theil Entropy cao đồng nghĩa với giỏ hàng hóa xuất khẩu có mức độ bất bình đẳng lớn, tức là đa dạng hóa xuất khẩu thấp. Chỉ số Theil Entropy có thể được sử dụng để đo lường đa dạng hóa sản phẩm xuất khẩu của một ngành hoặc một 167 tiểu ngành của quốc gia. Đồng thời, chỉ số này có thể phân tách thành các thành phần bên trong và giữa các nhóm/dòng sản phẩm xuất khẩu Chỉ số đa dạng hóa xuất khẩu do UNCTAD phát triển bao gồm: Chỉ số đa dạng hóa thị trường xuất khẩu phản ánh mức độ phụ thuộc của xuất khẩu của một quốc gia vào những thị trường nhất định trong mối tương quan với tầm quan trọng của các thị trường này trong nhập khẩu hàng hóa trên thế giới. Cụ thể là tỷ trọng xuất khẩu hàng hóa của một nước tới mỗi quốc gia được so sánh với tỷ trọng nhập khẩu hàng hóa của quốc gia đó trong tổng kim ngạch nhập khẩu hàng hóa của thế giới. Mức độ đa dạng hóa thị trường lý tưởng là khi cơ cấu thị trường xuất khẩu hàng hóa của quốc gia giống với cơ cấu thị trường nhập khẩu hàng hóa của thế giới. Công thức tính của chỉ số này được chuẩn hóa để có giá trị xếp hạng từ 0 đến 1 (đa dạng hóa thị trường xuất khẩu hoàn hảo) như sau: EMDj = 1 − ∑(|hij − hi|) 2 Trong đó, EMDj là giá trị chỉ số đa dạng hóa thị trường xuất khẩu của quốc gia j; hij là tỷ trọng xuất khẩu tới thị trường i trong tổng kim ngạch xuất khẩu của quốc gia j; và hi là tỷ trọng nhập khẩu của thị trường i trong tổng kim ngạch nhập khẩu của thế giới. Chỉ số đa dạng hóa sản phẩm xuất khẩu cho biết mức độ phụ thuộc của xuất khẩu của một quốc gia vào các nhóm sản phẩm cụ thể trong mối tương quan với cơ cấu xuất khẩu của các nhóm sản phẩm đó trên thế giới. Mức độ đa dạng hóa sản phẩm lý tưởng là khi cơ cấu sản phẩm xuất khẩu của quốc gia giống với cơ cấu sản phẩm xuất khẩu của thế giới. Công thức tính của chỉ số này được chuẩn hóa để có giá trị xếp hạng từ 0 đến 1 (đa dạng hóa sản phẩm xuất khẩu hoàn hảo) như sau: EPDj = 1 − ∑(|xij − xi|) 2 Trong đó, EPDj là giá trị chỉ số đa dạng hóa sản phẩm xuất khẩu của quốc gia j; xij là tỷ trọng xuất khẩu nhóm hàng i trong tổng kim ngạch xuất khẩu của quốc gia j; và xi là tỷ trọng xuất khẩu nhóm hàng i trong tổng kim ngạch xuất khẩu của thế giới. 168 Chỉ số đa dạng hóa thị trường xuất khẩu và đa dạng hóa sản phẩm xuất khẩu của UNCTAD cũng có thể được sử dụng để đo lường mức độ đa dạng hóa thị trường và sản phẩm xuất khẩu của một ngành hoặc một tiểu ngành của quốc gia. Ưu điểm của các chỉ số này là nó đo lường trực tiếp sự đa dạng hóa xuất khẩu, không phải gián tiếp đo lường đa dạng hóa xuất khẩu thông qua mức độ tập trung của xuất khẩu như chỉ số Herfindahl-Hirschmann và chỉ số Theil Entropy. Điều này đặc biệt có ý nghĩa đối với các nghiên cứu tập trung vào phân tích sự đa dạng hóa xuất khẩu. Hơn nữa, nếu một quốc gia hay một ngành có cơ cấu thị trường, sản phẩm xuất khẩu tương tự với cơ cấu của thế giới thì xuất khẩu của nước đó hoặc ngành đó phù hợp với nhu cầu thế giới. Sự phụ thuộc xuất khẩu nhiều vào một thị trường lớn có thể không phải là lý tưởng, nhưng vẫn tốt hơn là phụ thuộc mạnh mẽ không kém vào một thị trường nhỏ hơn nhiều. Nói cách khác, việc tập trung xuất khẩu vào một vài thị trường trọng điểm có thể là do nhu cầu thế giới, sẽ không có ý nghĩa gì khi cố gắng đa dạng hóa xuất khẩu sang các thị trường có ít nhu cầu hàng nhập khẩu. Logic tương tự, mức độ tập trung sản phẩm xuất khẩu tương đối cao có thể được chứng minh bằng nhu cầu thế giới, việc đa dạng hóa các dòng sản phẩm có ít hoặc không có nhu cầu thị trường là vô nghĩa. Do đó, chỉ số đa dạng hóa thị trường và sản phẩm xuất khẩu của UNCTAD đo lường đa dạng hóa xuất khẩu tinh tế hơn khi không chỉ khảo sát cơ cấu xuất khẩu của một quốc gia hay một ngành của quốc gia mà còn tính đến cơ cấu xuất khẩu của thế giới. Phụ lục 11. Ưu điểm của mô hình phân phối trễ tự hồi quy (ARDL) Thứ nhất, mô hình này có thể thực hiện ước lượng với các biến có độ trễ khác nhau, đồng thời phương pháp kiểm định đường biên kiểm định mối quan hệ đồng liên kết giữa các biến mà không yêu cầu các biến phải dừng cùng bậc như kỹ thuật kiểm định đồng liên kết của Engle và Granger (1987) hay Johansen và Juselius (1990). Nói cách khác, phương pháp kiểm định đường biên không phân biệt các chuỗi dừng bậc 0, bậc 1, hay hỗn hợp; đồng thời phương pháp kiểm định này sử dụng mô hình hiệu chỉnh sai số không ràng buộc (UECM) sẽ cho những kết quả thống kê tốt hơn. Thứ hai, mô hình ARDL hiệu quả với những nghiên cứu có kích thước dữ liệu nhỏ. Thứ ba, từ kết quả ước lượng của mô hình ARDL, nghiên cứu có thể đo lường mối quan 169 hệ trong ngắn hạn giữa các biến thông qua mô hình hiệu chỉnh sai số (ECM) với biến đổi tuyến tính mà không làm mất bậc tự do (Pesaran và ctv, 2001). Phụ lục 12. Phương pháp phân tích truyền dẫn giá bất đối xứng Do tầm quan trọng của truyền dẫn giá bất đối xứng (APT) trong kinh tế nông nghiệp, nhiều phương pháp kinh tế lượng khác nhau đã được phát triển để xác định và đo lường APT. Nghiên cứu của Meyer và von Cramon-Taubadel (2004) được xem là một trong những công trình tiêu biểu nhất về các phương pháp nghiên cứu APT. Trong nghiên cứu của Meyer và von Cramon-Taubadel (2004), tác giả đã phân biệt các mô hình nghiên cứu APT dựa trên đặc điểm trước và sau khi có xét đến thuộc tính đồng liên kết của chuỗi dữ liệu của các biến số, cụ thể như sau: Với giả định mức giá p2 phụ thuộc vào mức giá p1, phương trình truyền dẫn giá tuyến tính và đối xứng từ p1 đến p2 như sau: 𝑝𝑡 2 = 𝛼 + 𝛽𝑝𝑡 1 + µ𝑡 (i) Trong đó: t = 1, 2,..., T; µ𝑡 là phần dư của hồi quy OLS. Nghiên cứu sợ bộ về APT được thực hiện bởi Farrell (1952) và Tweeten và Quance (1969) thông qua phát triển một hệ thống hai phương trình, trong đó mỗi phương trình đề cập đến các giai đoạn giá giảm hoặc tăng. Hệ hai phương trình là: 𝑝𝑡 2 = 𝛼 + 𝛽+𝑝𝑡 1+ + µ𝑡 (ii) 𝑝𝑡 2 = 𝛼 + 𝛽−𝑝𝑡 1− + µ𝑡 Trong đó: 𝑝𝑡 1+ = 𝑝𝑡 1 𝑛ế𝑢 𝑝𝑡 1 > 𝑝𝑡−1 1 ; 𝑝𝑡 1− = 𝑝𝑡 1 𝑛ế𝑢 𝑝𝑡 1 < 𝑝𝑡−1 1 . Hai phương trình trong (ii) được kết hợp thành một phương trình để ước tính. 𝑝𝑡 2 = 𝛼 + 𝛽+𝐷𝑡 +𝑝𝑡 1 + 𝛽−𝐷𝑡 −𝑝𝑡 1 + µ𝑡 (iii) Trong đó: 𝐷𝑡 + = 1 𝑛ế𝑢 𝑝𝑡 1 ≥ 𝑝𝑡−1 1 𝑣à 𝐷𝑡 + = 0 nếu ngược lại; 𝐷𝑡 − = 1 𝑛ế𝑢 𝑝𝑡 1 ≤ 𝑝𝑡−1 1 𝑣à 𝐷𝑡 − = 0 nếu ngược lại. 170 Nếu giả thuyết vô hiệu là các hệ số ước lượng của giá tăng và giá giảm là bằng nhau (H0: 𝛽+ = 𝛽− trong phương trình (iii)) bị bác bỏ thì có thể kết luận truyền dẫn giá từ p1 đến p2 là bất đối xứng. Wolffram (1971) sau đó đã tính đến những thay đổi tích lũy để tránh sai lệch khi ước lượng phương trình (iii). Phương trình (iv) bao gồm tổng của tất cả các thay đổi tích cực (tăng) và tiêu cực (giảm) trong p1. Kiểm tra giả thuyết cho sự truyền dẫn giá bất đối xứng vẫn không thay đổi. Nếu H0: 𝛽+ = 𝛽− ở phương trình (iv) bị bác bỏ thì truyền dẫn giá là bất đối xứng. 𝑝𝑡 2 = 𝛼 + 𝛽 +(𝑝0 1 + ∑ 𝐷𝑡 +𝑇 𝑡=1 ∆𝑝𝑡 1) + 𝛽−(𝑝0 1 + ∑ 𝐷𝑡 −∆𝑝𝑡 1𝑇 𝑡=1 ) + µ𝑡 (iv) Trong đó: 𝑝0 1 là quan sát đầu tiên của 𝑝𝑡 1; 𝐷𝑡 + = 1 𝑛ế𝑢 ∆𝑝𝑡 1 ≥ 0 𝑣à 𝐷𝑡 + = 0 nếu ngược lại; 𝐷𝑡 − = 1 𝑛ế𝑢 ∆𝑝𝑡 1 < 0 𝑣à 𝐷𝑡 − = 0 nếu ngược lại; ∆𝑝𝑡 1 = 𝑝𝑖 1 − 𝑝𝑡−1 1 . Diễn tiến tiếp theo, Houck (1977) đã cải tiến phương trình (iv) để việc ước lượng thuận tiện hơn, được thể hiện ở phương trình (v). Kiểm định 𝛽+ = 𝛽− trong phương trình (v) nếu bị bác bỏ thì APT xuất hiện. 𝑝𝑡 2∗ = 𝛼𝑡 + 𝛽+ ∑ 𝐷𝑡 +𝑇 𝑡=1 ∆𝑝𝑡 1 + 𝛽− ∑ 𝐷𝑡 −𝑇 𝑡=1 ∆𝑝𝑡 1 + µ𝑡 (v) Trong đó: 𝑝𝑡 2∗ = 𝑝𝑡 2 − 𝑝0 2 Các nghiên cứu trên chỉ khám phá tác động bất đối xứng của giá trong hàm cầu và hàm cung của một hàng hóa tiêu dùng, tiếp theo đó Ward (1982) kiểm tra tính bất đối xứng của sự truyền dẫn giữa giá bán lẻ, bán buôn và giá tại điểm giao hàng. Ward (1982) bổ sung những thay đổi trước đó trong 𝑝𝑡 1 tác động lên 𝑝𝑡 2∗ bằng cách đưa thêm một số độ trễ của các biến độc lập vào phương trình (v), cụ thể: 𝑝𝑡 2∗ = 𝛼𝑡 + ∑ (𝛽𝑗 + ∑ 𝐷𝑡 +𝑇 𝑡=1 𝑃 𝑗=1 ∆𝑝𝑡−𝑗+1 1 ) + ∑ (𝛽𝑗 − ∑ 𝐷𝑡 −𝑇 𝑡=1 ∆𝑝𝑡−𝑗+1 1𝑁 𝑗=1 ) + µ𝑡 (vi) Trong đó: P và N là độ trễ; 𝐷𝑡 + = 1 𝑛ế𝑢 ∆𝑝𝑡−𝑗+1 1 ≥ 0 𝑣à 𝐷𝑡 + = 0 nếu ngược lại; 𝐷𝑡 − = 1 𝑛ế𝑢 ∆𝑝𝑡−𝑗+1 1 < 0 𝑣à 𝐷𝑡 − = 0 nếu ngược lại; 171 ∆𝑝𝑡−𝑗+1 1 = 𝑝𝑡−𝑗+1 1 − 𝑝𝑡−𝑗 1 . Các giả thiết vô hiệu về truyền dẫn giá đối xứng từng giai đoạn và tích lũy ở phương trình (vii) lần lượt là 𝛽𝑗 += 𝛽𝑗 − và ∑ 𝛽𝑗 +𝑃 𝑗=1 = ∑ 𝛽𝑗 −𝑁 𝑗=1 . Những mô hình nghiên cứu APT ở trên không tính đến thuộc tính của chuỗi giá p1 và p2. Nếu các chuỗi giá không cố định, kết quả hồi quy của chúng sẽ có nhiều khả năng là giả mạo. Do đó cách tiếp cận đồng liên kết, ngụ ý mối quan hệ dài hạn giữa hai chuỗi giá, cung cấp một phương pháp chính xác hơn để kiểm tra APT. Phương pháp phân tích APT dựa trên đồng liên kết lần đầu tiên được sử dụng bởi von Cramon-Taubadel và Loy (1996). Các tác giả đã sử dụng quy trình hai bước của Engle và Granger (1987) để kiểm tra sự đồng liên kết của hai chuỗi giá. Nếu chúng có mối quan hệ đồng liên kết, phần dư trễ (µ𝑡−1trong phương trình (i)), hay còn gọi là số hạng hiệu chỉnh sai số (𝐸𝐶𝑇𝑡−1) và các độ trễ của sai phân biến phụ thuộc sẽ được đưa vào mô hình. Mô hình hiệu chỉnh sai số (ECM) sử dụng kỹ thuật của Houck (1977) và Ward (1982) để kiểm tra APT cho mối quan hệ giữa hai chuỗi giá là: ∆𝑝𝑡 2 = 𝛼 + ∑ 𝛽𝑗 +𝐷𝑡 +∆𝑝𝑡−𝑗+1 1 𝑃 𝑗=1 + ∑ 𝛽𝑗 −𝐷𝑡 −∆𝑝𝑡−𝑗+1 1 𝑁 𝑗=1 + 𝛿+𝐸𝐶𝑇𝑡−1 + + 𝛿−𝐸𝐶𝑇𝑡−1 − + ∑ 𝛾𝑗∆𝑝𝑡−𝑗 2 𝐿 𝑗=1 + 𝜔𝑡 Trong đó: 𝐸𝐶𝑇𝑡−1 là phần dư trễ một giai đoạn của phương trình (i); K và L là độ trễ; 𝐷𝑡 + = 1 𝑛ế𝑢 ∆𝑝𝑡−𝑗+1 1 ≥ 0 𝑣à 𝐷𝑡 + = 0 nếu ngược lại; 𝐷𝑡 − = 1 𝑛ế𝑢 ∆𝑝𝑡−𝑗+1 1 < 0 𝑣à 𝐷𝑡 − = 0 nếu ngược lại; 𝐸𝐶𝑇𝑡−1 + = 𝐸𝐶𝑇𝑡−1 𝑛ế𝑢 𝐸𝐶𝑇𝑡−1 ≥ 0 𝑣à 𝐸𝐶𝑇𝑡−1 + = 0 nếu ngược lại; 𝐸𝐶𝑇𝑡−1 − = 𝐸𝐶𝑇𝑡−1 𝑛ế𝑢 𝐸𝐶𝑇𝑡−1 < 0 𝑣à 𝐸𝐶𝑇𝑡−1 − = 0 nếu ngược lại. Đặc điểm kỹ thuật của phương trình (vii) cho phép kiểm tra các loại APT khác nhau. Giả thuyết vô hiệu 𝛿+= 𝛿− nếu bị bác bỏ thì sự truyền dẫn giá từ p1 đến p2 là bất đối xứng trong dài hạn. Đồng thời, truyền dẫn giá trong ngắn hạn có đối xứng hay không được kiểm định qua giả thiết ∑ 𝛽𝑗 +𝑃 𝑗=1 = ∑ 𝛽𝑗 −𝑁 𝑗=1 . 172 Phụ lục 13: Kết quả kiểm định nghiệm đơn vị của các biến trong mô hình nghiên cứu (1) bằng phương pháp ADF MacKinnon approximate p-value for Z(t) = 0.2689 Z(t) -2.041 -3.565 -2.921 -2.596 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 61 . dfuller lnX, lag(1) MacKinnon approximate p-value for Z(t) = 0.1238 Z(t) -3.030 -4.126 -3.489 -3.173 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 61 . dfuller lnX, lag(1) trend MacKinnon approximate p-value for Z(t) = 0.5678 Z(t) -1.430 -3.566 -2.922 -2.596 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 60 . dfuller lnYW, lag(2) MacKinnon approximate p-value for Z(t) = 0.5407 Z(t) -2.110 -4.128 -3.490 -3.174 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 60 . dfuller lnYW, lag(2) trend MacKinnon approximate p-value for Z(t) = 0.5189 Z(t) -1.529 -3.572 -2.925 -2.598 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 56 . dfuller lnRP, lag(6) 173 MacKinnon approximate p-value for Z(t) = 0.5260 Z(t) -2.136 -4.137 -3.494 -3.176 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 56 . dfuller lnRP, lag(6) trend MacKinnon approximate p-value for Z(t) = 0.1057 Z(t) -2.541 -3.570 -2.924 -2.597 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 57 . dfuller EMD, lag(5) MacKinnon approximate p-value for Z(t) = 0.3816 Z(t) -2.396 -4.135 -3.493 -3.176 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 57 . dfuller EMD, lag(5) trend MacKinnon approximate p-value for Z(t) = 0.9881 Z(t) 0.621 -3.567 -2.923 -2.596 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 59 . dfuller EPD, lag(3) MacKinnon approximate p-value for Z(t) = 0.8972 Z(t) -1.261 -4.130 -3.491 -3.175 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 59 . dfuller EPD, lag(3) trend 174 Phụ lục 14: Kết quả kiểm định nghiệm đơn vị của các biến trong mô hình nghiên cứu (1) bằng phương pháp PP MacKinnon approximate p-value for Z(t) = 0.4004 Z(t) -1.760 -3.566 -2.922 -2.596 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 60 . dfuller lnREER , lag(2) MacKinnon approximate p-value for Z(t) = 0.0930 Z(t) -3.159 -4.128 -3.490 -3.174 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 60 . dfuller lnREER , lag(2) trend MacKinnon approximate p-value for Z(t) = 0.4717 Z(t) -1.622 -3.563 -2.920 -2.595 Z(rho) -5.469 -19.116 -13.396 -10.772 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 1 Phillips-Perron test for unit root Number of obs = 62 . pperron lnX, lag(1) MacKinnon approximate p-value for Z(t) = 0.0182 Z(t) -3.768 -4.124 -3.488 -3.173 Z(rho) -23.515 -26.108 -20.016 -16.968 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 1 Phillips-Perron test for unit root Number of obs = 62 . pperron lnX, lag(1) trend MacKinnon approximate p-value for Z(t) = 0.6603 Z(t) -1.231 -3.563 -2.920 -2.595 Z(rho) -2.047 -19.116 -13.396 -10.772 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 2 Phillips-Perron test for unit root Number of obs = 62 . pperron lnYW, lag(2) 175 MacKinnon approximate p-value for Z(t) = 0.0840 Z(t) -3.202 -4.124 -3.488 -3.173 Z(rho) -18.821 -26.108 -20.016 -16.968 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 2 Phillips-Perron test for unit root Number of obs = 62 . pperron lnYW, lag(2) trend MacKinnon approximate p-value for Z(t) = 0.2826 Z(t) -2.009 -3.563 -2.920 -2.595 Z(rho) -6.949 -19.116 -13.396 -10.772 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 6 Phillips-Perron test for unit root Number of obs = 62 . pperron lnRP, lag(6) MacKinnon approximate p-value for Z(t) = 0.0431 Z(t) -3.467 -4.124 -3.488 -3.173 Z(rho) -21.408 -26.108 -20.016 -16.968 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 6 Phillips-Perron test for unit root Number of obs = 62 . pperron lnRP, lag(6) trend MacKinnon approximate p-value for Z(t) = 0.0067 Z(t) -3.554 -3.563 -2.920 -2.595 Z(rho) -20.649 -19.116 -13.396 -10.772 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 5 Phillips-Perron test for unit root Number of obs = 62 . pperron EMD, lag(5) MacKinnon approximate p-value for Z(t) = 0.0007 Z(t) -4.715 -4.124 -3.488 -3.173 Z(rho) -34.354 -26.108 -20.016 -16.968 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 5 Phillips-Perron test for unit root Number of obs = 62 . pperron EMD, lag(5) trend 176 MacKinnon approximate p-value for Z(t) = 0.9215 Z(t) -0.328 -3.563 -2.920 -2.595 Z(rho) -0.681 -19.116 -13.396 -10.772 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 3 Phillips-Perron test for unit root Number of obs = 62 . pperron EPD, lag(3) MacKinnon approximate p-value for Z(t) = 0.2948 Z(t) -2.568 -4.124 -3.488 -3.173 Z(rho) -10.217 -26.108 -20.016 -16.968 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 3 Phillips-Perron test for unit root Number of obs = 62 . pperron EPD, lag(3) trend MacKinnon approximate p-value for Z(t) = 0.2757 Z(t) -2.025 -3.563 -2.920 -2.595 Z(rho) -3.708 -19.116 -13.396 -10.772 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 2 Phillips-Perron test for unit root Number of obs = 62 . pperron lnREER, lag(2) MacKinnon approximate p-value for Z(t) = 0.2836 Z(t) -2.592 -4.124 -3.488 -3.173 Z(rho) -12.307 -26.108 -20.016 -16.968 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Newey-West lags = 2 Phillips-Perron test for unit root Number of obs = 62 . pperron lnREER, lag(2) trend 177 Phụ lục 15. Độ trễ tối ưu của các biến trong mô hình ARDL _cons 5.518243 2.003773 2.75 0.009 1.454403 9.582084 L4. .5958688 .4193459 1.42 0.164 -.2546041 1.446342 L3. -.2042625 .585733 -0.35 0.729 -1.392184 .983659 L2. .3332031 .5631025 0.59 0.558 -.8088217 1.475228 L1. -.7379212 .5867986 -1.26 0.217 -1.928004 .4521616 --. 1.171314 .4250554 2.76 0.009 .3092615 2.033366 lnREER L1. -1.699387 .4132773 -4.11 0.000 -2.537552 -.8612217 --. 1.200543 .4463749 2.69 0.011 .2952528 2.105833 EPD L4. -.85062 .3987943 -2.13 0.040 -1.659412 -.0418276 L3. .359089 .3763883 0.95 0.346 -.4042618 1.12244 L2. .341369 .3775729 0.90 0.372 -.4243843 1.107122 L1. .7434418 .3917783 1.90 0.066 -.0511214 1.538005 --. 1.163066 .35887 3.24 0.003 .4352436 1.890888 EMD L4. -.4715454 .1856018 -2.54 0.016 -.8479634 -.0951274 L3. -.3580256 .1835376 -1.95 0.059 -.7302571 .0142059 L2. -.1732906 .1997289 -0.87 0.391 -.5783597 .2317784 L1. -.2764691 .185302 -1.49 0.144 -.6522789 .0993408 --. -.0210462 .1557229 -0.14 0.893 -.3368669 .2947746 lnRP lnYW 2.285948 .3858889 5.92 0.000 1.503329 3.068567 L4. -.251199 .093115 -2.70 0.011 -.4400449 -.062353 L3. .0158106 .1263561 0.13 0.901 -.2404514 .2720726 L2. -.0752876 .1278421 -0.59 0.560 -.3345634 .1839883 L1. .073566 .1392806 0.53 0.601 -.2089081 .3560401 lnX lnX Coef. Std. Err. t P>|t| [95% Conf. Interval] Log likelihood = 112.27725 Root MSE = 0.0462 Adj R-squared = 0.9453 R-squared = 0.9661 Prob > F = 0.0000 F( 22, 36) = 46.60 Sample: 2006q1 - 2020q3 Number of obs = 59 ARDL(4,0,4,4,1,4) regression . ardl lnX lnYW lnRP EMD EPD lnREER, aic maxlags(4) r1 4 0 4 4 1 4 lnX lnYW lnRP EMD EPD lnREER e(lags)[1,6] . matrix list e(lags) 178 Phụ lục 16.Kiểm định đồng liên kết giữa các biến trong mô hình nghiên cứu (1) bằng phương pháp Bound test Critical values from Pesaran/Shin/Smith (2001) k: # of non-deterministic regressors in long-run relationship reject if t < critical value for I(1) regressors accept if t > critical value for I(0) regressors k_5 -2.57 -3.86 -2.86 -4.19 -3.13 -4.46 -3.43 -4.79 L_1 L_1 L_05 L_05 L_025 L_025 L_01 L_01 [I_0] [I_1] [I_0] [I_1] [I_0] [I_1] [I_0] [I_1] Critical Values (0.1-0.01), t-statistic, Case 3 reject if F > critical value for I(1) regressors accept if F < critical value for I(0) regressors k_5 2.26 3.35 2.62 3.79 2.96 4.18 3.41 4.68 L_1 L_1 L_05 L_05 L_025 L_025 L_01 L_01 [I_0] [I_1] [I_0] [I_1] [I_0] [I_1] [I_0] [I_1] Critical Values (0.1-0.01), F-statistic, Case 3 t = -7.270 H0: no levels relationship F = 10.240 Pesaran/Shin/Smith (2001) ARDL Bounds Test (click to run) as the prime procedure to test for a levels relationship. note: estat btest has been superseded by estat ectest 179 Phụ lục 17. Kết quả hồi quy các hệ số dài hạn của mô hình ARDL(4, 0, 4, 4, 1, 4) _cons 5.518243 2.003773 2.75 0.009 1.454403 9.582084 L3D. -.5958688 .4193459 -1.42 0.164 -1.446342 .2546041 L2D. -.3916063 .3932857 -1.00 0.326 -1.189227 .4060141 LD. -.7248094 .393789 -1.84 0.074 -1.52345 .0738317 D1. 1.171314 .4250554 2.76 0.009 .3092615 2.033366 lnREER D1. 1.200543 .4463749 2.69 0.011 .2952528 2.105833 EPD L3D. .85062 .3987943 2.13 0.040 .0418276 1.659412 L2D. .491531 .4869815 1.01 0.320 -.4961132 1.479175 LD. .150162 .5873337 0.26 0.800 -1.041006 1.34133 D1. 1.163066 .35887 3.24 0.003 .4352436 1.890888 EMD L3D. .4715454 .1856018 2.54 0.016 .0951274 .8479634 L2D. .8295709 .189856 4.37 0.000 .4445252 1.214617 LD. 1.002862 .247094 4.06 0.000 .5017316 1.503991 D1. -.0210462 .1557229 -0.14 0.893 -.3368669 .2947746 lnRP D1. 2.285948 .3858889 5.92 0.000 1.503329 3.068567 lnYW L3D. .251199 .093115 2.70 0.011 .062353 .4400449 L2D. .2353884 .1277531 1.84 0.074 -.0237068 .4944836 LD. .310676 .1298833 2.39 0.022 .0472604 .5740916 lnX SR L1. .9362159 .2103415 4.45 0.000 .5096235 1.362808 lnREER L1. -.4032332 .3069108 -1.31 0.197 -1.025677 .2192106 EPD L1. 1.419717 .5356896 2.65 0.012 .3332877 2.506145 EMD L1. -1.051141 .1794204 -5.86 0.000 -1.415022 -.6872595 lnRP L1. 1.847813 .2390013 7.73 0.000 1.363096 2.33253 lnYW LR L1. -1.23711 .1701627 -7.27 0.000 -1.582216 -.892004 lnX ADJ D.lnX Coef. Std. Err. t P>|t| [95% Conf. Interval] Log likelihood = 112.27725 Root MSE = 0.0462 Adj R-squared = 0.6358 R-squared = 0.7739 Sample: 2006q1 - 2020q3 Number of obs = 59 ARDL(4,0,4,4,1,4) regression . ardl lnX lnYW lnRP EMD EPD lnREER, ec1 lags(4 0 4 4 1 4) 180 Phụ lục 18. Kết quả các kiểm định chẩn đoán cho mô hình ARDL(4, 0, 4, 4, 1, 4) ước lượng các hệ số trong dài hạn ECT 59 0.6525 0.1634 2.24 0.3257 Variable Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 joint Skewness/Kurtosis tests for Normality . sktest ECT H0: no serial correlation 1 1.154 1 0.2827 lags(p) chi2 df Prob > chi2 Breusch-Godfrey LM test for autocorrelation . estat bgodfrey Prob > chi2 = 0.6279 chi2(1) = 0.23 Variables: fitted values of D.lnX Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . hettest, iid Prob > F = 0.8812 F(3, 33) = 0.22 Ho: model has no omitted variables Ramsey RESET test using powers of the fitted values of D.lnX . estat ovtest 181 Phụ lục 19. Kết quả ước lượng các hệ số ngắn hạn của mô hình ECM dựa trên ARDL(4, 0, 4, 4, 1, 4) _cons -.0013369 .0094095 -0.14 0.888 -.0203694 .0176956 L1. -.9866635 .2778541 -3.55 0.001 -1.548676 -.4246506 ECT L3. .0169718 .4887604 0.03 0.972 -.9716395 1.005583 L2. .0769145 .4796931 0.16 0.873 -.8933565 1.047185 L1. -.5426533 .5314322 -1.02 0.313 -1.617576 .5322699 --. 1.44312 .5020396 2.87 0.007 .4276486 2.458591 DlnREER DEPD 1.025668 .4984524 2.06 0.046 .0174532 2.033883 L3. 1.136796 .4471452 2.54 0.015 .2323591 2.041232 L2. 1.177109 .4965852 2.37 0.023 .1726708 2.181548 L1. .9733793 .4721461 2.06 0.046 .0183737 1.928385 --. 1.151944 .407611 2.83 0.007 .3274726 1.976415 DEMD L3. -.3921021 .1790363 -2.19 0.035 -.7542371 -.029967 L2. -.1986131 .1898719 -1.05 0.302 -.5826652 .185439 L1. -.5455061 .1808201 -3.02 0.004 -.9112494 -.1797629 --. -.3348994 .1853391 -1.81 0.078 -.709783 .0399843 DlnRP DlnGDP_F 1.622666 .5812902 2.79 0.008 .4468952 2.798436 L3. .1228344 .1288934 0.95 0.346 -.1378771 .3835459 L2. -.1893516 .1251421 -1.51 0.138 -.4424754 .0637722 L1. -.010441 .1426969 -0.07 0.942 -.2990727 .2781906 DlnX DlnX Coef. Std. Err. t P>|t| [95% Conf. Interval] Total .339588202 57 .005957688 Root MSE = .06127 Adj R-squared = 0.3699 Residual .146400156 39 .00375385 R-squared = 0.5689 Model .193188046 18 .010732669 Prob > F = 0.0030 F(18, 39) = 2.86 Source SS df MS Number of obs = 58 . reg DlnX l(1/3).DlnX DlnGDP_F l(0/3).DlnRP l(0/3).DEMD DEPD l(0/3).DlnREER l.ECT 182 Phụ lục 20. Kết quả các kiểm định chẩn đoán cho mô hình ECM ước lượng các hệ số trong ngắn hạn uh 58 0.2239 0.6734 1.73 0.4215 Variable Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 joint Skewness/Kurtosis tests for Normality . sktest uh H0: no serial correlation 1 1.505 1 0.2199 lags(p) chi2 df Prob > chi2 Breusch-Godfrey LM test for autocorrelation . estat bgodfrey Prob > chi2 = 0.8026 chi2(1) = 0.06 Variables: fitted values of DlnX Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest Prob > F = 0.5730 F(3, 36) = 0.68 Ho: model has no omitted variables Ramsey RESET test using powers of the fitted values of DlnX . estat ovtest 183 Phụ lục 21. Kết quả kiểm định nghiệm đơn vị biến lnPf và lnPe bằng phương pháp ADF  Tôm sú MacKinnon approximate p-value for Z(t) = 0.4317 Z(t) -1.699 -3.559 -2.918 -2.594 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 65 . dfuller lnPf_su, lag(4) MacKinnon approximate p-value for Z(t) = 0.4673 Z(t) -2.240 -4.117 -3.485 -3.171 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 65 . dfuller lnPf_su, lag(4) trend MacKinnon approximate p-value for Z(t) = 0.1409 Z(t) -2.403 -3.555 -2.916 -2.593 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 68 . dfuller lnPe_su, lag(1) MacKinnon approximate p-value for Z(t) = 0.3965 Z(t) -2.368 -4.110 -3.482 -3.169 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 68 . dfuller lnPe_su, lag(1) trend 184  Tôm thẻ chân trắng MacKinnon approximate p-value for Z(t) = 0.0000 Z(t) -6.899 -3.555 -2.916 -2.593 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Dickey-Fuller test for unit root Number of obs = 68 . dfuller DlnPf_su, lag(0) MacKinnon approximate p-value for Z(t) = 0.0000 Z(t) -6.848 -4.110 -3.482 -3.169 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Dickey-Fuller test for unit root Number of obs = 68 . dfuller DlnPf_su, lag(0) trend MacKinnon approximate p-value for Z(t) = 0.0000 Z(t) -10.733 -3.555 -2.916 -2.593 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Dickey-Fuller test for unit root Number of obs = 68 . dfuller DlnPe_su, lag(0) MacKinnon approximate p-value for Z(t) = 0.0000 Z(t) -10.646 -4.110 -3.482 -3.169 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Dickey-Fuller test for unit root Number of obs = 68 . dfuller DlnPe_su, lag(0) trend MacKinnon approximate p-value for Z(t) = 0.1439 Z(t) -2.392 -3.556 -2.916 -2.593 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 67 . dfuller lnPf_the, lag(2) 185 MacKinnon approximate p-value for Z(t) = 0.4269 Z(t) -2.313 -4.113 -3.483 -3.170 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 67 . dfuller lnPf_the, lag(2) trend MacKinnon approximate p-value for Z(t) = 0.1763 Z(t) -2.287 -3.555 -2.916 -2.593 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 68 . dfuller lnPe_the, lag(1) MacKinnon approximate p-value for Z(t) = 0.1629 Z(t) -2.898 -4.110 -3.482 -3.169 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 68 . dfuller lnPe_the, lag(1) trend MacKinnon approximate p-value for Z(t) = 0.0000 Z(t) -4.876 -3.556 -2.916 -2.593 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 67 . dfuller DlnPf_the, lag(1) MacKinnon approximate p-value for Z(t) = 0.0002 Z(t) -5.017 -4.113 -3.483 -3.170 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Augmented Dickey-Fuller test for unit root Number of obs = 67 . dfuller DlnPf_the, lag(1) trend MacKinnon approximate p-value for Z(t) = 0.0000 Z(t) -8.163 -3.555 -2.916 -2.593 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Dickey-Fuller test for unit root Number of obs = 68 . dfuller DlnPe_the, lag(0) 186 Phụ lục 22. Kết quả kiểm định đồng liên kết giữa lnPf và lnPe bằng phương pháp Johansen  Tôm sú  Tôm thẻ chân trắng MacKinnon approximate p-value for Z(t) = 0.0000 Z(t) -8.101 -4.110 -3.482 -3.169 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Dickey-Fuller test for unit root Number of obs = 68 . dfuller DlnPe_the, lag(0) trend 2 6 241.08212 0.12080 -6.619704 -6.736901 -6.813974 1 5 236.64045 0.19687 -6.552324* -6.649988* -6.714216 0 2 229.0768 -6.517179 -6.556245 -6.581936 rank parms LL eigenvalue SBIC HQIC AIC maximum 2 6 241.08212 0.12080 1 5 236.64045 0.19687 8.8833 3.76 0 2 229.0768 . 15.1273 14.07 rank parms LL eigenvalue statistic value maximum max critical 5% 2 6 241.08212 0.12080 1 5 236.64045 0.19687 8.8833 3.76 0 2 229.0768 . 24.0106 15.41 rank parms LL eigenvalue statistic value maximum trace critical 5% Sample: 2015m2 - 2020m10 Lags = 1 Trend: constant Number of obs = 69 Johansen tests for cointegration . vecrank lnPf_su lnPe_su, max lag(1) ic 2 6 246.73575 0.02685 -6.783578 -6.900774 -6.977848 1 5 245.79666 0.18473 -6.817722* -6.915385* -6.979613 0 2 238.75042 -6.797574 -6.83664 -6.862331 rank parms LL eigenvalue SBIC HQIC AIC maximum 2 6 246.73575 0.02685 1 5 245.79666 0.18473 1.8782 3.76 0 2 238.75042 . 14.0925 14.07 rank parms LL eigenvalue statistic value maximum max critical 5% 2 6 246.73575 0.02685 1 5 245.79666 0.18473 1.8782* 3.76 0 2 238.75042 . 15.9707 15.41 rank parms LL eigenvalue statistic value maximum trace critical 5% Sample: 2015m2 - 2020m10 Lags = 1 Trend: constant Number of obs = 69 Johansen tests for cointegration . vecrank lnPf_the lnPe_the, max lag(1) ic 187 Phụ lục 23. Kết quả hồi quy truyền dẫn giá trong dài hạn  Tôm sú  Tôm thẻ chân trắng _cons 7.580137 1.430947 5.30 0.000 4.724727 10.43555 lnPe_su .3690072 .1139027 3.24 0.002 .1417179 .5962964 lnPf_su Coef. Std. Err. t P>|t| [95% Conf. Interval] Total .357347212 69 .005178945 Root MSE = .06747 Adj R-squared = 0.1210 Residual .309567049 68 .004552457 R-squared = 0.1337 Model .047780163 1 .047780163 Prob > F = 0.0019 F(1, 68) = 10.50 Source SS df MS Number of obs = 70 . reg lnPf_su lnPe_su _cons 2.520446 1.466906 1.72 0.090 -.4067199 5.447612 lnPe_the .755098 .1205662 6.26 0.000 .5145118 .9956842 lnPf_the Coef. Std. Err. t P>|t| [95% Conf. Interval] Total .759187794 69 .011002722 Root MSE = .08414 Adj R-squared = 0.3565 Residual .481465213 68 .007080371 R-squared = 0.3658 Model .277722581 1 .277722581 Prob > F = 0.0000 F(1, 68) = 39.22 Source SS df MS Number of obs = 70 . reg lnPf_the lnPe_the 188 Phụ lục 24. Kết quả hồi quy mô hình ECM truyền dẫn giá trong ngắn hạn  Tôm sú  Tôm thẻ chân trắng _cons -.001038 .004612 -0.23 0.823 -.0102543 .0081783 L1. -.2489087 .0739029 -3.37 0.001 -.3965918 -.1012256 ECT L1. .0932485 .0959865 0.97 0.335 -.0985652 .2850621 --. .1229207 .0983687 1.25 0.216 -.0736534 .3194949 DlnPe_su L1. .2720604 .116319 2.34 0.023 .0396153 .5045055 DlnPf_su DlnPf_su Coef. Std. Err. t P>|t| [95% Conf. Interval] Total .117346963 67 .001751447 Root MSE = .03785 Adj R-squared = 0.1819 Residual .090273972 63 .00143292 R-squared = 0.2307 Model .027072991 4 .006768248 Prob > F = 0.0021 F(4, 63) = 4.72 Source SS df MS Number of obs = 68 . reg DlnPf_su l.DlnPf_su l(0/1).DlnPe_su l.ECT _cons .0027917 .0042428 0.66 0.513 -.0056869 .0112703 L1. -.1793569 .0533731 -3.36 0.001 -.2860144 -.0726994 ECT L1. .2710924 .0992807 2.73 0.008 .0726957 .4694891 --. .2927098 .0943577 3.10 0.003 .104151 .4812686 DlnPe_the L1. .2100821 .1043916 2.01 0.048 .0014722 .418692 DlnPf_the DlnPf_the Coef. Std. Err. t P>|t| [95% Conf. Interval] Total .121821563 67 .001818232 Root MSE = .03469 Adj R-squared = 0.3382 Residual .075810549 63 .001203342 R-squared = 0.3777 Model .046011014 4 .011502754 Prob > F = 0.0000 F(4, 63) = 9.56 Source SS df MS Number of obs = 68 . reg DlnPf_the l.DlnPf_the l(0/1).DlnPe_the l.ECT 189 Phụ lục 25. Kết quả các kiểm định chẩn đoán cho mô hình ECM truyền dẫn giá trong ngắn hạn  Tôm sú  Tôm thẻ chân trắng Prob > chi2(32) = 0.9900 Portmanteau (Q) statistic = 16.3602 Portmanteau test for white noise . wntestq uh H0: no serial correlation 1 0.338 1 0.5608 lags(p) chi2 df Prob > chi2 Breusch-Godfrey LM test for autocorrelation . estat bgodfrey Prob > chi2 = 0.5175 chi2(1) = 0.42 Variables: fitted values of DlnPf_su Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . hettest, iid Prob > F = 0.1449 F(3, 60) = 1.87 Ho: model has no omitted variables Ramsey RESET test using powers of the fitted values of DlnPf_su . estat ovtest Prob > chi2(32) = 0.9742 Portmanteau (Q) statistic = 18.3633 Portmanteau test for white noise . wntestq uh H0: no serial correlation 1 2.843 1 0.0918 lags(p) chi2 df Prob > chi2 Breusch-Godfrey LM test for autocorrelation . estat bgodfrey 190 Phụ lục 26. Kết quả hồi quy mô hình ECM truyền dẫn giá bất đối xứng Chú thích: DlnPe_plus là ∆lnPet +; DlnPe_sub là ∆lnPet −; ECT_plus là ECTt +; ECT_sub là ECTt −.  Tôm sú Prob > chi2 = 0.1266 chi2(1) = 2.33 Variables: fitted values of DlnPf_the Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . hettest, iid Prob > F = 0.8795 F(3, 60) = 0.22 Ho: model has no omitted variables Ramsey RESET test using powers of the fitted values of DlnPf_the . estat ovtest _cons -.0101606 .0132152 -0.77 0.445 -.036595 .0162738 L1. -.2617101 .1078671 -2.43 0.018 -.4774764 -.0459437 ECT_sub L1. -.2395706 .1744016 -1.37 0.175 -.5884258 .1092847 ECT_plus L1. .1251135 .1934933 0.65 0.520 -.2619308 .5121579 --. -.1126912 .2058385 -0.55 0.586 -.5244295 .2990471 DlnPe_su_sub L1. .0217649 .2352175 0.09 0.927 -.4487402 .4922699 --. .3981108 .2317777 1.72 0.091 -.0655136 .8617352 DlnPe_su_plus L1. .2656824 .118689 2.24 0.029 .0282691 .5030957 DlnPf_su DlnPf_su Coef. Std. Err. t P>|t| [95% Conf. Interval] Total .117346963 67 .001751447 Root MSE = .03821 Adj R-squared = 0.1663 Residual .087611684 60 .001460195 R-squared = 0.2534 Model .029735279 7 .004247897 Prob > F = 0.0109 F(7, 60) = 2.91 Source SS df MS Number of obs = 68 . reg DlnPf_su l.DlnPf_su l(0/1).DlnPe_su_plus l(0/1).DlnPe_su_sub l.ECT_plus l.ECT_sub 191  Tôm thẻ chân trắng Phụ lục 27. Kết quả các kiểm định tính bất đối xứng trong truyền dẫn giá Chú thích: DlnPe_plus là ∆lnPet +; DlnPe_sub là ∆lnPet −; ECT_plus là ECTt +; ECT_sub là ECTt −.  Tôm sú _cons .0082399 .0118544 0.70 0.490 -.0154725 .0319523 L1. -.2033986 .0904186 -2.25 0.028 -.3842628 -.0225344 ECT_sub L1. -.148507 .1305481 -1.14 0.260 -.4096421 .112628 ECT_plus L1. .2925303 .1914348 1.53 0.132 -.0903963 .6754569 --. .4605156 .1825029 2.52 0.014 .0954555 .8255757 DlnPe_the_sub L1. .2788424 .2196478 1.27 0.209 -.1605187 .7182035 --. .08378 .2119938 0.40 0.694 -.3402707 .5078308 DlnPe_the_plus L1. .2072882 .1061835 1.95 0.056 -.0051104 .4196868 DlnPf_the DlnPf_the Coef. Std. Err. t P>|t| [95% Conf. Interval] Total .121821563 67 .001818232 Root MSE = .03515 Adj R-squared = 0.3204 Residual .074144386 60 .00123574 R-squared = 0.3914 Model .047677177 7 .006811025 Prob > F = 0.0001 F(7, 60) = 5.51 Source SS df MS Number of obs = 68 . reg DlnPf_the l.DlnPf_the l(0/1).DlnPe_the_plus l(0/1).DlnPe_the_sub l.ECT_plus l.ECT_sub Prob > F = 0.4582 F( 1, 60) = 0.56 ( 1) DlnPe_su_plus + L.DlnPe_su_plus - DlnPe_su_sub - L.DlnPe_su_sub = 0 . test DlnPe_su_plus + l.DlnPe_su_plus = DlnPe_su_sub + l.DlnPe_su_sub Prob > F = 0.9249 F( 1, 60) = 0.01 ( 1) L.ECT_plus - L.ECT_sub = 0 . test l.ECT_plus=l.ECT_sub 192  Tôm thẻ chân trắng Phụ lục 28. Kết quả các kiểm định chẩn đoán cho mô hình ECM truyền dẫn giá bất đối xứng  Tôm sú Prob > F = 0.4540 F( 1, 60) = 0.57 ( 1) DlnPe_the_plus + L.DlnPe_the_plus - DlnPe_the_sub - L.DlnPe_the_sub = 0 . test DlnPe_the_plus + l.DlnPe_the_plus = DlnPe_the_sub + l.DlnPe_the_sub Prob > chi2(32) = 0.9765 Portmanteau (Q) statistic = 18.1463 Portmanteau test for white noise . wntestq uh1 H0: no serial correlation 1 1.039 1 0.3081 lags(p) chi2 df Prob > chi2 Breusch-Godfrey LM test for autocorrelation . estat bgodfrey Prob > chi2 = 0.5288 chi2(1) = 0.40 Variables: fitted values of DlnPf_su Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . hettest, iid Prob > F = 0.2003 F(3, 60) = 1.59 Ho: model has no omitted variables Ramsey RESET test using powers of the fitted values of DlnPf_su . estat ovtest P r o b > F = 0 . 7 7 4 0 F ( 1 , 6 0 ) = 0 . 0 8 ( 1 ) L . E C T _ p l u s - L . E C T _ s u b = 0 . t e s t l . E C T _ p l u s = l . E C T _ s u b 193  Tôm thẻ chân trắng Prob > chi2(32) = 0.9786 Portmanteau (Q) statistic = 17.9363 Portmanteau test for white noise . wntestq uh1 H0: no serial correlation 1 1.741 1 0.1870 lags(p) chi2 df Prob > chi2 Breusch-Godfrey LM test for autocorrelation . estat bgodfrey Prob > chi2 = 0.2342 chi2(1) = 1.42 Variables: fitted values of DlnPf_the Ho: Constant variance Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . hettest, iid Prob > F = 0.2886 F(3, 57) = 1.28 Ho: model has no omitted variables Ramsey RESET test using powers of the fitted values of DlnPf_the . estat ovtest