Luận văn Thạc sĩ Kinh tế: Sự trỗi dậy của Trung Quốc trong nền kinh tế toàn cầu và hệ quả đến các quốc gia ASEAN-6

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

HUỲNH THÁI HUY

SỰ TRỖI DẬY CỦA TRUNG QUỐC TRONG NỀN KINH

TẾ TOÀN CẦU VÀ HỆ QUẢ ĐẾN CÁC QUỐC GIA

ASEAN-6

LUẬN VĂN THẠC SĨ KINH TẾ

TP. Hồ Chí Minh – 2018

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH HUỲNH THÁI HUY

SỰ TRỖI DẬY CỦA TRUNG QUỐC TRONG NỀN KINH

TẾ TOÀN CẦU VÀ HỆ QUẢ ĐẾN CÁC QUỐC GIA

ASEAN-6

Chuyên ngành: Tài chính–Ngân hàng

Mã số: 8340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TS NGUYỄN KHẮC QUỐC BẢO

TP. Hồ Chí Minh – 2018

LỜI CAM ĐOAN

Tôi xin cam đoan bài luận văn thạc sĩ với chủ đề “Sự trỗi dậy của Trung Quốc

trong nền kinh tế toàn cầu và hệ quả đến các quốc gia ASEAN-6” là công trình

nghiên cứu khoa học độc lập của riêng tôi theo sự hướng dẫn của PGS.TS Nguyễn

Khắc Quốc Bảo. Các số liệu, kết quả nêu trong luận văn là trung thực, có nguồn gốc

rõ ràng và chưa từng được ai công bố trong bất kỳ công trình nào khác.

Tôi xin hoàn toàn chịu trách nhiệm về nội dung và tính trung thực của luận văn này.

TP. Hồ Chí Minh, ngày tháng năm 2018

Huỳnh Thái Huy

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC TỪ VIẾT TẮT

DANH MỤC BẢNG BIỂU

DANH MỤC HÌNH

TÓM TẮT

PHẦN 1: GIỚI THIỆU ............................................................................................. 1

PHẦN 2: KHUNG LÝ THUYẾT ............................................................................ 4

2.1. Sự đồng bộ hóa chu kỳ kinh doanh: Vai trò của liên kết thƣơng mại ...... 4

2.1.1. Các lý thuyết liên quan .............................................................................. 4

2.1.2. Các nghiên cứu thực nghiệm liên quan ..................................................... 5

2.2. Sự trỗi dậy của Trung Quốc trong nền kinh tế toàn cầu............................ 9

2.2.1. Vị thế hiện nay của Trung Quốc ............................................................... 9

2.2.2. Tác động của các cú sốc xuất phát từ Trung Quốc đến nền kinh tế toàn cầu ..................................................................................................................... 13

2.3. Tổng kết ......................................................................................................... 19

PHẦN 3: PHƢƠNG PHÁP NGHIÊN CỨU ......................................................... 21

3.1 Phƣơng pháp vectơ tự hồi quy toàn cầu GVAR ........................................ 21

3.1.1. Phương pháp GVAR ............................................................................... 21

3.1.2. Lý do áp dụng phương pháp GVAR ....................................................... 22

3.2. Lý thuyết mô hình GVAR ........................................................................... 24

3.2.1 Mô hình VARX* giản đơn ....................................................................... 24

3.2.2 Ví dụ biến nội địa và nước ngoài ............................................................. 25

3.2.3 Xây dựng ma trận tỷ trọng thương mại .................................................... 26

3.2.4. Giải quyết mô hình GVAR ..................................................................... 29

3.2.5. Phương pháp PPs (Persistence profiles) ................................................. 32

3.2.6. Phân tích phản ứng đẩy ........................................................................... 33

PHẦN 4: KẾT QUẢ ................................................................................................ 35

4.1. Cơ sở dữ liệu và chi tiết các biến trong mô hình ....................................... 35

4.2. Kết quả ma trận tỷ trọng thƣơng mại ........................................................ 38

4.3. Kiểm định nghiệm đơn vị ............................................................................ 38

4.4. Lựa chọn độ trễ cho mô hình VARX* ........................................................ 42

4.5. Kiểm định tƣơng quan chuỗi phần dƣ ....................................................... 43

4.6. Quan hệ đồng liên kết, Persistence Profiles (PPs) ..................................... 47

4.7. Kiểm định ngoại sinh yếu ............................................................................ 50

4.8. Kiểm định điểm gãy cấu trúc ...................................................................... 51

4.9. Truyền dẫn cú sốc trong thời kỳ trỗi dậy của Trung Quốc trong nền kinh tế toàn cầu ................................................................................................... 53

PHẦN 5: KẾT LUẬN ............................................................................................. 59

TÀI LIỆU THAM KHẢO ...................................................................................... 61

PHỤ LỤC ................................................................................................................. 71

DANH MỤC TỪ VIẾT TẮT

Thuật ngữ (tên đầy đủ)

Giải thích

OLS (Ordinary Least Squares) ............................... Phương pháp bình phương nhỏ nhất

FEM (Fixed effects model) ...................................... Mô hình tác động cố định

REM (Random effects model) ................................. Mô hình tác động ngẫu nhiên

GMM (Generalized method of moments) ............... Phương pháp moment bậc cao

VAR (Vector Autoregression) ................................. Mô hình vectơ tự hồi quy

SVAR (Structure VAR) ............................................ Mô hình cấu trúc VAR

VECM (Vector Error-correction Model) ................ Mô hình vectơ sai số hiệu chỉnh

FAVAR (Factor-Augmented VAR) ......................... Mô hình VAR tăng cường nhân tố

GVAR (Global VAR) ............................................... Mô hình VAR toàn cầu

ASEAN (Association of Southeast Asian Nations) . Hiệp hội các quốc gia Đông Nam Á

WTO (The World Trade Organization) .................. Tổ chức thương mại thế giới

ACFTA (ASEAN–China Free Trade Area) ............ Khu vực thương mại tự do ASEAN–

Trung Quốc

IMF (International Monetary Fund) ....................... Quỹ Tiền tệ Quốc tế

GDP (Gross Domestic Product) .............................. Tổng sản phẩm quốc nội

PPP (Purchasing Power Parity) .............................. Ngang giá sức mua

GDP–PPP ................................................................ GDP được tính theo ngang giá sức mua

FDI (Foreign Direct Investment) ............................ Đầu tư trực tiếp nước ngoài

DANH MỤC BẢNG BIỂU

Bảng 2.1. Một số nghiên cứu thực nghiệm gần đây về quan hệ giữa liên kết thương mại và đồng bộ hóa chu kỳ kinh doanh ...................................................................... 6

Bảng 2.2. Đóng góp thương mại cho các quốc gia ASEAN-6 trong năm 2016 và 2000. .......................................................................................................................... 13

Bảng 2.3. Một số nghiên cứu gần đây về hiệu ứng lan tỏa của các cú sốc xuất phát từ Trung Quốc đến các đối tác thương mại. .............................................................. 15

Bảng 3.1. Ma trận tương quan GDP giữa một số quốc gia giai đoạn 2000Q3– 2017Q1 ...................................................................................................................... 22

Bảng 3.2. Kim ngạch thương mại song phương giữa các quốc gia năm 2009 (đơn vị: USD) .................................................................................................................... 27

Bảng 3.3. Tỷ trọng thương mại giữa các quốc gia ................................................... 27

Bảng 3.4. Kim ngạch thương mại song phương năm 2009 (đơn vị: USD) .............. 28

Bảng 3.5. Tỷ trọng thương mại giữa các quốc gia và khu vực ................................. 28

Bảng 4.1. Các quốc gia và khu vực .......................................................................... 35

Bảng 4.2. Nguồn dữ liệu ........................................................................................... 36

Bảng 4.3. Thiết lập các biến số trong mô hình VARX* ........................................... 37

Bảng 4.4. Ma trận tỷ trọng thương mại .................................................................... 39

Bảng 4.5. Kết quả lựa chọn độ trễ tối ưu .................................................................. 43

Bảng 4.6. Kết quả tiêu chuẩn thông tin lựa chọn độ trễ tối ưu ................................. 44

Bảng 4.7. Thống kê F cho kiểm định tương quan chuỗi từ ước lượng mô hình VECMX* .................................................................................................................. 46

Bảng 4.8. Kết quả lựa chọn số quan hệ đồng liên kết .............................................. 47

Bảng 4.9. Kết quả thống kê Trace và giá trị tới hạn ................................................. 48

Bảng 4.10. Thống kê F cho kiểm định ngoại sinh yếu của các biến nước ngoài và giá dầu ....................................................................................................................... 51

Bảng 4.11. Kết quả kiểm định ổn định cấu trúc ...................................................... 52

DANH MỤC HÌNH

Hình 2.1. Tăng trưởng kinh tế thực và đóng góp GDP toàn cầu của Trung Quốc giai đoạn 1980–2017 (đơn vị: %). ...................................................................................... 9

Hình 2.2. Kim ngạch xuất khẩu, nhập khẩu của Trung Quốc giai đoạn 1994–2016 (đơn vị: Tỷ USD). ..................................................................................................... 10

Hình 2.3. Đóng góp của Trung Quốc trong tổng thương mại ASEAN-6 giai đoạn 2000–2016. ................................................................................................................ 12

Hình 4.1. PPs cho các vectơ đồng liên kết. .............................................................. 50

Hình 4.2. GIRFs của cú sốc sụt giảm một phần trăm GDP Trung Quốc. ................ 54

Hình 4.3. GIRFs của cú sốc sụt giảm một sai số chuẩn GDP Trung Quốc. ............. 55

Hình 4.4. GIRFs của cú sốc sụt giảm một phần trăm GDP Mỹ. .............................. 56

Hình 4.5. GIRFs của cú sốc sụt giảm một sai số chuẩn GDP Mỹ. ........................... 57

TÓM TẮT

Toàn cầu hóa cùng sự trỗi dậy của Trung Quốc trong ba thập kỷ qua đã làm thay đổi

sâu sắc cấu trúc kinh tế thế giới. Các thay đổi trong liên kết thương mại giữa Trung

Quốc, Mỹ cùng các quốc gia ASEAN-6 ảnh hưởng cơ chế truyền dẫn chu kỳ kinh

doanh quốc tế đến ASEAN-6. Để đánh giá tác động, tác giả sử dụng mô hình

GVAR với ba thiết lập tỷ trọng thương mại nhằm nắm bắt các thay đổi trong liên

kết thương mại thế giới. Các kết quả chỉ ra rằng tác động dài hạn của cú sốc GDP

Trung Quốc lên GDP ASEAN-6 (ngoại trừ Thái Lan) năm 2016 mạnh hơn so với cú

sốc năm 2000. Đồng thời, tác động của cú sốc GDP Mỹ năm 2008 lên GDP

ASEAN-6 (ngoại trừ Indonesia) thấp hơn so với năm 2000. Các phát hiện giúp giải

thích vì sao các quốc gia khu vực ASEAN hồi phục nhanh chóng sau cuộc khủng

hoảng tài chính toàn cầu năm 2008.

Từ khóa: Mô hình kinh tế vĩ mô; Toàn cầu; GVAR; Liên kết thương mại; Chu kỳ

kinh doanh quốc tế.

PHẦN 1: GIỚI THIỆU

Những thập niên đã qua chứng kiến những bước chuyển mình mạnh mẽ của

Trung Quốc trên nhiều lĩnh vực, đưa quốc gia này trở thành đầu tàu tăng trưởng

kinh tế thế giới. Với việc gia nhập Tổ chức Thương mại Thế giới (WTO) vào tháng

11/2001, cùng sáng kiến thành lập Khu vực thương mại tự do ASEAN–Trung Quốc

(ACFTA), ký kết vào tháng 11/2002 đã đánh dấu những bước tiến quan trọng của

Trung Quốc trên con đường hội nhập sâu rộng với kinh tế thế giới cũng như nâng

cao vai trò cùng sức ảnh hưởng của mình trong khu vực ASEAN. Xu thế toàn cầu

hóa cùng quá trình gắn kết của các nền kinh tế trên thế giới tạo ra nhiều động lực

kinh tế, thúc đẩy các mối liên kết thương mại giữa Trung Quốc và phần còn lại của

thế giới. Minh chứng rõ nét là sự bùng nổ thương mại của Trung Quốc trong gần ba

thập kỷ qua, khi đóng góp thương mại thế giới của Trung Quốc từ mức 2,3% trong

năm 1993 tăng lên 12,3% vào năm 2015 (WTO, 2017).

Bên cạnh đó, quan hệ hợp tác thương mại và đầu tư giữa Trung Quốc và

ASEAN cũng không ngừng phát triển. Từ mức đóng góp thương mại chỉ 4,6%

trong năm 2001, Trung Quốc nhanh chóng vươn lên trở thành đối tác thương mại

lớn nhất, với kim ngạch thương mại song phương đạt 368 tỷ USD vào năm 2016,

tương đương 16,5% tổng giá trị thương mại hàng hóa khu vực (ASEAN, 2017a).

Đầu tư trực tiếp nước ngoài (FDI) từ Trung Quốc sang ASEAN đạt 9,7 tỷ USD vào

năm 2016, đưa Trung Quốc trở thành nguồn cung FDI lớn thứ tư (ASEAN, 2017b).

Sự mở rộng quan hệ hợp tác kinh tế giữa Trung Quốc và ASEAN trong nhiều năm

qua có ý nghĩa đặc biệt quan trọng trong sự thúc đẩy tăng trưởng kinh tế của mỗi

bên (Aslam, 2012). Có thể thấy, tiến trình toàn cầu hóa cùng sự trỗi dậy của Trung

Quốc và các nền kinh tế mới nổi khác đã làm thay đổi sâu sắc cấu trúc kinh tế thế

giới nói chung và ASEAN nói riêng. Hệ quả là cơ chế truyền dẫn chu kỳ kinh doanh

quốc tế đến ASEAN có thể đã thay đổi (Cesa-Bianchi & cộng sự, 2012; Waal &

Eyden, 2016).

Sự tăng cường liên kết thương mại với Trung Quốc thời gian qua làm các đối

tác thương mại, đặc biệt là các quốc gia khu vực ASEAN nhạy cảm hơn với các cú

sốc GDP xuất phát từ nền kinh tế lớn thứ hai thế giới này (Inoue & cộng sự, 2015;

Rafiq, 2016). Nhiều năm qua, đánh giá tác động của các cú sốc xuất phát từ Trung

Quốc đến ASEAN đã trở thành chủ đề nghiên cứu được sự quan tâm đặc biệt của

giới học thuật, và là mục tiêu quan trọng của các nhà hoạch định chính sách, nhất là

khi: (1) nhiều loại thuế quan được cắt giảm hoặc xóa bỏ trong khuôn khổ chung

Khu vực mậu dịch tự do ASEAN–Trung Quốc (ACFTA), thúc đẩy mối liên kết

thương mại giữa hai bên phát triển mạnh mẽ trong thời gian tới (Park & cộng sự,

2009; Paladini & Cheng, 2015); (2) nền kinh tế Trung Quốc đang trong quá trình tái cân bằng1, dự báo những biến động lớn trong tăng trưởng GDP thực của quốc gia

này và hiệu ứng lan tỏa đến các đối tác thương mại chính (Zhang, 2016; Cashin &

cộng sự, 2016).

Tuy nhiên, theo hiểu biết của tác giả, chưa một nghiên cứu thực nghiệm nào

tìm hiểu sự gia tăng vai trò của Trung Quốc tại Việt Nam trong bối cảnh cấu trúc

thương mại thế giới thay đổi theo thời gian. Do đó, nhằm lấp vào khoảng trống

nghiên cứu trước đây, tác giả tiến hành xem xét các thay đổi cơ cấu thương mại

giữa Trung Quốc và phần còn lại thế giới ảnh hưởng thế nào đến truyền dẫn chu kỳ

kinh doanh quốc tế tới Việt Nam cùng các quốc gia trong khối ASEAN. Cụ thể, tác

giả tiến hành phân tích thực nghiệm tác động của các cú sốc tổng sản phẩm quốc

nội (GDP) Trung Quốc và Mỹ truyền dẫn đến 6 nền kinh tế ASEAN (tức ASEAN-

6, bao gồm: Indonesia, Việt Nam, Malaysia, Philippines, Singapore và Thái Lan).

Việc tập trung vào cú sốc GDP của Mỹ xuất phát từ hai nguyên nhân. Thứ

nhất, từ lâu Mỹ vẫn là đối tác thương mại quan trọng của ASEAN và là nguồn gốc

chính của các cú sốc ngoại sinh truyền dẫn đến khu vực (Sato & cộng sự, 2011,

Dungey & Vehbi, 2015). Thứ hai, trái ngược với Trung Quốc, đóng góp thương mại

của Mỹ với ASEAN trên đà suy giảm kể từ sau cuộc khoảng hoảng tài chính toàn

1 Tăng tỷ trọng tiêu dùng, giảm tỷ trọng đầu tư trong GDP.

cầu: Từ 15,7% trong năm 2001 xuống còn 9,2% trong năm 2015 (ASEAN, 2017a).

Do đó, việc xem xét tác động của các cú sốc GDP xuất phát từ Trung Quốc và Mỹ -

một nước có đóng góp thương mại với ASEAN tăng và một nước có vai trò suy

giảm trong giai đoạn nghiên cứu tạo bức tranh tương phản cùng góc nhìn toàn diện

về cơ chế truyền dẫn chu kỳ kinh doanh quốc tế đến Việt Nam lẫn khu vực ASEAN

trong thời kỳ trỗi dậy của Trung Quốc và các nền kinh tế đang phát triển khác. Để

thực hiện phân tích thực nghiệm, tác giả sử dụng mô hình vectơ tự hồi quy toàn cầu

(Global VAR) đề xuất bởi Pesaran và cộng sự (2004) và phát triển sau này bởi Dées

và cộng sự (2007), kết hợp dữ liệu của 20 quốc gia trong giai đoạn quý III/2000–

quý I/2017, liên kết tỷ trọng thương mại tại các mốc thời gian 2000, 2008 và 2016,

qua đó nắm bắt các thay đổi trong cấu trúc thương mại toàn cầu từ sự trỗi dậy của

Trung Quốc.

Sau phần giới thiệu, các phần còn lại của nghiên cứu bao gồm: Phần 2 trình

bày vai trò của Trung Quốc trong nền kinh tế toàn cầu, đồng thời sơ lược một số

nghiên cứu trước đây về tác động của các cú sốc xuất phát từ Trung Quốc đến các

đối tác thương mại quan trọng. Phần 3 trình bày dữ liệu và phương pháp nghiên

cứu; Phần 4 trình bày các kết quả phân tích; và cuối cùng, Phần 5 đưa ra các kết

luận cùng hàm ý chính sách.

PHẦN 2: KHUNG LÝ THUYẾT

2.1. Sự đồng bộ hóa chu kỳ kinh doanh: Vai trò của liên kết thƣơng mại

Mặc dù, vấn đề đồng bộ hóa chu kỳ kinh doanh đã được nhắc tới từ lâu trong

các nghiên cứu lý thuyết lẫn thực nghiệm, tuy nhiên, các yếu tố quyết định của nó

vẫn chưa được phân tích làm rõ. Hiện nay, giới nghiên cứu vẫn chưa đưa ra được

câu trả lời dứt khoát về hướng (direction) và dấu (sign) của các kênh tiềm năng,

thông qua đó các liên kết thương mại (trade link) và tài chính (financial link) có thể

tác động đến sự đồng bộ hóa. Mặt khác, trong khi các nghiên cứu thực nghiệm phát

hiện các quốc gia có liên kết thương mại và tài chính sâu rộng thường có xu hướng

tương quan chu kỳ kinh doanh cao (Frankel & Rose, 1998; Clark & van Wincoop,

2001; Imbs, 2004 & 2006); các mô hình lý thuyết lại không đưa ra được các kết quả

thỏa đáng, phù hợp với các phát hiện thực nghiệm. Trong phần này, tác giả tiến

hành xem xét vai trò của liên kết thương mại trong sự đồng bộ hóa chu kỳ kinh

doanh quốc tế cả về mặt lý thuyết lẫn thực tiễn.

2.1.1. Các lý thuyết liên quan

Các mô hình lý thuyết hiện nay tìm hiểu vấn đề đồng bộ hóa chu kỳ kinh

doanh chủ yếu dựa trên mô hình chu kỳ kinh doanh quốc tế thực thông thường

(standard international real business cycle model). Trong mô hình kinh tế mở hai

quốc gia với thị trường tài chính hoàn toàn, Backus và cộng sự (1992) phát hiện khi

thị trường tài sản liên kết hoàn toàn, cường độ thương mại cao có liên quan đến mối

tương quan chu kỳ kinh doanh thấp. Mở rộng mô hình trên, Kose và Yi (2001) thấy

rằng mối quan hệ giữa liên kết thương mại và đồng bộ hóa chu kỳ kinh doanh tùy

thuộc vào loại hình thương mại (thương mại nội ngành hay liên ngành) cùng bản

chất của cú sốc (cú sốc cầu hoặc cung). Khi thương mại nội ngành (intra-industry

trade) chi phối trao đổi song phương giữa hai quốc gia, bất kỳ cú sốc nào cũng góp

phần làm tăng mức độ tương quan chu kỳ kinh doanh (Calderon & cộng sự, 2007;

Kose & Yi, 2001; Frankel & Rose, 1998). Tuy nhiên, Krugman (1991), Kenen

(1969), Baxter và Kouparitsas (2005) lại chỉ ra, sự liên kết thương mại chặt chẽ thực

sự làm giảm sự đồng bộ hóa chu kỳ kinh doanh giữa hai quốc gia. Trên thực tế, theo

các tác giả, thương mại liên ngành (inter-industry trade) luôn chiếm phần lớn trong

trao đổi song phương, nhất là giữa các quốc gia đang phát triển. Do đó, bất kỳ cú

sốc đặc thù ngành (industry-specific shock) tại một quốc gia sẽ không ảnh hưởng

đến nền kinh tế khác. Các mô hình lý thuyết khác cũng cho thấy thương mại song

phương chặt chẽ có khuynh hướng liên quan đến sự tương quan chu kỳ kinh doanh

cao (Canova & Dellas, 1993).

Trong khi các mô hình lý thuyết ủng hộ, ở một mức độ nào đó, mối quan hệ

cùng chiều giữa liên kết thương mại và đồng bộ hóa chu kỳ kinh doanh, tác động

của hội nhập tài chính lên sự tương quan sản lượng vẫn chưa rõ ràng. Một mặt, khả

năng vay và cho vay quốc tế tạo điều kiện thuận lợi cho việc chuyển giao các nguồn

lực giữa các nền kinh tế và có thể làm giảm tương quan sản lượng. Backus và cộng

sự (1992) cho thấy, trong mô hình thị trường hoàn hảo, cú sốc công nghệ tích cực

trong nền kinh tế thu hút các nguồn vốn từ phần còn lại của thế giới, dẫn đến kết

quả biến động sản lượng tương quan nghịch. Mặt khác, Baxter và Crucini (1995) lại

cho thấy, trong mô hình mà các cá nhân không thể tiếp cận hoàn toàn đến các công

cụ chia sẻ rủi ro quốc tế có thể dẫn đến các dự đoán ngược lại.

Một lời giải thích khác cho việc đồng bộ hóa chu kỳ kinh doanh là sự tương

đồng trong cấu trúc sản xuất. Về mặt lý thuyết, các mẫu hình sản xuất tương đồng

tác động sự đồng bộ hóa cùng chiều, vì hai nền kinh tế sản xuất cùng một loại hàng

hóa sẽ phải chịu những cú sốc tương tự. Do đó, các quốc gia có các mẫu hình sản

xuất tương đồng có xu hướng đồng bộ chu kỳ kinh tế.

2.1.2. Các nghiên cứu thực nghiệm liên quan

Sự gia tăng toàn cầu hóa thời gian qua đã thu hút sự quan tâm của giới nghiên

cứu trong việc tìm hiểu tác động của liên kết thương mại lên đồng biến động chu kỳ

kinh doanh (business cycle co-movement) giữa các quốc gia và khu vực (Rosmy &

Simons, 2014; Kandil, 2011; Lee, 2010; Kose & cộng sự, 2003). Đa phần các

nghiên cứu thực nghiệm đều kết luận rằng thương mại song phương chặt chẽ giữa

hai quốc gia dẫn đến việc đồng bộ hóa chu kỳ kinh doanh cao hơn (Marcus, 2011;

Dées & Zorell, 2012; Antonakakis & Tondl, 2014; Gong & Soyoung, 2013; Olivero

& Madak, 2013; Di Giovanni & Levchenko, 2010; Kandil, 2011; Obradović &

Mihajlović, 2013; Duval & cộng sự, 2014; Kinfack & Bonga-Bonga, 2015; Çakir &

Kabundi, 2013; Dai, 2014).

Các tác giả trên phần lớn sử dụng các phân tích hồi quy để kiểm tra mối quan

hệ giữa liên kết thương mại và đồng bộ hóa chu kỳ kinh doanh. Ví dụ, thông qua

mô hình VAR tăng cường chéo (cross-section augmented VAR) trong khu vực

Euro, Marcus (2011) nhận thấy rằng mặc dù, các quốc gia có liên kết thương mại

mạnh có khuynh hướng tương đồng chu kỳ kinh doanh trong dài hạn, kênh thương

mại không giúp giải thích sự đồng bộ hóa trong ngắn hạn. Bên cạnh đó, Dées và

Zorell (2012) sử dụng hệ phương trình do Imbs (2004, 2006) đề xuất cho các quốc

gia phát triển và kết luận rằng GDP của các nền kinh tế có thương mại song phương

chặt chẽ sẽ tiến sát nhau hơn. Sử dụng phương trình đồng thời cho các quốc gia

châu Âu, Antonakakis và Tondl (2014) nhận thấy thương mại và đầu tư trực tiếp

nước ngoài có tác động tích cực đáng kể lên đồng bộ hóa chu kỳ kinh doanh. Chi

tiết các kết quả nghiên cứu được trình bày tại Bảng 2.1.

Bảng 2.1 Một số nghiên cứu thực nghiệm gần đây về quan hệ giữa liên kết thương mại và đồng bộ hóa chu kỳ kinh doanh.

Tác giả Kết quả chính Quốc gia Giai đoạn Phƣơng pháp

55 quốc gia 1970– 1999 Mô hình I-O

Di Giovanni và Levchenko (2010)

Liên kết thương mại cao thúc đẩy sự đồng bộ hóa chu kỳ kinh doanh của quốc gia lẫn ngành công nghiệp. Ngoài ra, nghiên cứu cho thấy thương mại nội ngành chiếm 18% tổng tác động lên đồng bộ hóa chu kỳ kinh doanh, trong khi liên kết dọc (vertical linkage) chiếm 32%.

Marcus (2011) Các quốc gia châu Âu quý I/1970– I/2010 CA VAR, nhân quả Granger

Trong dài hạn, liên kết thương mại càng chặt chẽ, chu kỳ kinh doanh giữa các quốc gia càng tương đồng nhau. Tuy nhiên, trong ngắn hạn, kênh thương mại không giúp giải thích các biến động chu kỳ kinh doanh.

Kandil (2011) Tương quan Pearson Các quốc gia Mỹ Latin 1970– 1986 và 1987– 2007

Chu kỳ kinh doanh giữa các quốc gia trong khu vực thay đổi theo thời gian. Tác động của liên kết thương mại lên sự đồng bộ hóa là chưa rõ ràng. Chu kỳ kinh doanh có thể phản ứng phân kỳ, hội tụ hoặc thay đổi đáng kể trước dòng chảy thương mại.

56 quốc gia 1993– 2007 Dées và Zorell (2012) Hệ thống 4 phương trình đồng thời, OLS Hội nhập thương mại thúc đẩy sự đồng bộ hóa chu kỳ kinh doanh. Tuy nhiên, vẫn chưa tìm thấy quan hệ trực tiếp giữa liên kết tài chính song phương với tương quan sản lượng.

GVAR 32 quốc gia quý I/1995– IV/2009 Çakir và Kabundi (2013)

Các quốc gia trong khối BRIC (Brazil, Trung Quốc, Nga và Ấn Độ), thông qua thương mại, đóng vai trò quan trọng trong đồng bộ hóa chu kỳ kinh doanh của Nam Phi tại nhiều mức độ khác nhau.

1990– 2009 Các quốc gia châu Á Gong và Soyoung (2013) Hệ thống 3 phương trình đồng thời, OLS

OLS, 2SLS Các quốc gia châu Âu quý I/1994– IV/2009 Olivero và Madak (2013)

Các liên kết bên ngoài tác động tích cực và đáng kể lên sự đồng bộ hóa chu kỳ kinh doanh khu vực. Sau khi kiểm soát liên kết bên ngoài, hội nhập thương mại nội bộ tác động tích cực lên sự đồng bộ hóa chu kỳ kinh doanh khu vực, nhưng hội nhập tài chính nội bộ lại tác động tiêu cực. Khi đề cập đến liên kết tài chính vào phương trình hồi quy, liên kết thương mại không đóng vai trò đáng kể nào trong truyền dẫn chu kỳ kinh doanh quốc tế giữa châu Âu và Mỹ.

15 quốc gia châu Âu quý I/1995– IV/2010 Obradović và Mihajlović (2013)

Tương quan Pearson; tương quan Spearman Nghiên cứu phát hiện sự đồng bộ hóa chu kỳ kinh doanh thấp giữa Serbia và các quốc gia láng giềng. Khối lượng thương mại nước ngoài không ảnh hưởng đến sự đồng bộ chu kỳ kinh doanh.

1981– 2012 FEM, REM Dai (2014) Các quốc gia châu Á

Liên kết thương mại, liên kết tài chính và tương đồng chính sách là các nhân tố quan trọng quyết định mức độ đồng bộ hóa chu kỳ kinh doanh giữa các quốc gia châu Á với Trung Quốc, Nhật Bản và Mỹ.

27 thành viên EU 1995– 2012 Antonakakis và Tondl (2014) Hệ thống 7 phương trình đồng thời, OLS

Thương mại và FDI tác động tích cực rõ rệt lên đồng bộ hóa chu kỳ kinh doanh. Chuyên môn hóa tăng cao không làm giảm chu kỳ kinh doanh. Sự suy giảm chênh lệch thu nhập góp phần đồng bộ hóa kinh doanh, do sự liên kết thương mại và FDI chặt chẽ.

63 quốc gia 1995– 2012 Duval và cộng sự (2014) OLS, phân rã phương sai

Nghiên cứu tìm thấy tác động tích cực đáng kể của cường độ thương mại lên sự đồng bộ hóa chu kỳ kinh doanh. Tác động này lớn hơn trong giai đoạn khủng hoảng, hàm ý vai trò quan trọng của liên kết truyền dẫn trong thương mại khủng hoảng

GVAR 63 quốc gia quý I/1980– IV/1996 Kinfack và Bonga-Bonga (2015)

Nguồn: Tổng hợp của tác giả.

Kể từ những năm 90, liên kết thương mại giữa Trung Quốc và châu Phi chặt chẽ hơn, dẫn đến sự tương đồng chu kỳ kinh doanh. Trong khi đó, sự đồng bộ giữa châu Phi và châu Âu cũng như Mỹ đã thấp hơn do sự suy giảm trong quan hệ thương mại song phương. Tuy nhiên, Mỹ vẫn là nguồn gốc lan tỏa cú sốc đến các nền kinh tế châu Phi.

Tóm lại, từ các lý thuyết và kết quả thực nghiệm nêu trên, có thể thấy, liên kết

thương mại là nhân tố xác định quan trọng của đồng bộ hóa (đồng biến động) chu

kỳ kinh doanh tại các quốc gia và khu vực. Nắm rõ mối quan hệ giữa hội nhập

thương mại và chu kỳ kinh doanh có ý nghĩa đặc biệt trong việc xây dựng và vận

hành các chính sách quốc tế. Thứ nhất, đồng bộ hóa chu kỳ kinh doanh cao hàm ý

sự truyền dẫn các cú sốc quốc tế sẽ nhanh và mạnh hơn. Thứ hai, nếu chu kỳ kinh

doanh ở một quốc gia chịu ảnh hưởng chủ yếu bởi các nhân tố bên ngoài, chính

sách trong nước nhằm ổn định nền kinh tế có thể sẽ không hiệu quả (García-Herrero

& Ruiz, 2008).

2.2. Sự trỗi dậy của Trung Quốc trong nền kinh tế toàn cầu

Nguồn: IMF World Economic Outlook (October 2017).

2.2.1. Vị thế hiện nay của Trung Quốc

Hình 2.1. Tăng trưởng kinh tế thực và đóng góp GDP toàn cầu của Trung Quốc giai đoạn 1980–2017 (đơn vị: %).

Sau quá trình cải cách và mở cửa nền kinh tế bắt nguồn từ cuối thập niên 70

của thế kỷ trước, Trung Quốc nhanh chóng đạt được những thành tựu ngoạn mục về

phát triển kinh tế, cơ sở hạ tầng và thu hút FDI. Chỉ sau hơn 30 năm, Trung Quốc

vươn mình trở thành cường quốc kinh tế, đứng thứ ba về tiếp nhận FDI sau Mỹ và

Anh2, dẫn đầu thế giới về thương mại hàng hóa3, GDP danh nghĩa xếp thứ hai sau

khi vượt qua Đức năm 2007 và Nhật Bản năm 2010 (Oehler-Sincai, 2010). Một

trong những yếu tố quyết định thành công của Trung Quốc ngày nay chính là quá

trình hội nhập vào hệ thống kinh tế thế giới, cho phép tiếp cận thị trường toàn cầu

và tận dụng các nguồn lực bên ngoài (vốn và công nghệ). Việc gia nhập Tổ chức

WTO mở toang cánh cửa hợp tác thương mại với các quốc gia và khu vực trên thế

Nguồn: China Statistical Yearbook (2017).

giới, tạo thời cơ bứt phá, thúc đẩy nền kinh tế phát triển.

Hình 2.2. Kim ngạch xuất khẩu, nhập khẩu của Trung Quốc giai đoạn 1994–2016 (đơn vị: Tỷ USD).

Kể từ giai đoạn phát triển đầy biến động trong hai thập niên trước đó, với mức

tăng trưởng trung bình đạt 9,8%, nền kinh tế Trung Quốc bước vào thời kỳ tăng

trưởng mạnh mẽ với đỉnh cao 5 năm liền đạt mức tăng trưởng GDP thực hai chữ số

trước khi cán mốc 14,2% vào năm 2007, điều mà các quốc gia năng động như Nhật

Bản, Hàn Quốc, Đài Loan và Singapore trong quá khứ cũng không thể đạt được

(Wong, 2010). Kể từ năm 2008, nền kinh tế Trung Quốc bắt đầu tăng trưởng chậm

lại do ảnh hưởng của cuộc khủng hoảng toàn cầu; tuy nhiên, tốc độ tăng trưởng vẫn 2 Dựa theo World Investment Report 2017. 3 Dựa theo World Trade Statistical Review 2017.

giữ ổn định 9–10%, góp phần tích cực cho sự phục hồi kinh tế toàn cầu. (Akkemik,

2015). Đóng góp của Trung Quốc trong GDP thế giới tăng từ 2,3% vào năm 1980

lên 18,3% trong năm 2017; năm 2016, Trung Quốc chính thức vượt qua Mỹ để trở thành quốc gia có GDP quy đổi theo ngang giá sức mua (PPP) lớn nhất thế giới4.

Thương mại hàng hóa của Trung Quốc tăng trưởng ấn tượng trong ba thập kỷ qua,

từ mức kim ngạch 236 tỷ USD năm 1994 tăng lên 3.685 tỷ USD (kim ngạch xuất

khẩu đạt 1.587 tỷ USD) vào năm 2016 (tham khảo Hình 2.2). Chỉ sau ba năm gia

nhập WTO, Trung Quốc nhanh chóng bắt kịp Nhật Bản, trở thành quốc gia xuất

khẩu hàng đầu châu Á và thế giới sau khi vượt qua Mỹ năm 2007 và Đức năm 20095. Bên cạnh thương mại truyền thống, Trung Quốc cũng đóng vai trò trung tâm

trong chuỗi cung ứng toàn cầu, gia công các mặt hàng và tái xuất khẩu sang khu vực

khác.

4 Dựa theo World Economic Outlook 2017. 5 Dựa theo International Trade Statistics 2015.

Ghi chú: Khu vực ASEAN-6 được xây dựng dựa theo trọng số GDP-PPP trung bình giai đoạn 2013–2015 (tương tự cách xây dựng khu vực Euro).

Nguồn: Tác giả tự tính toán từ dữ liệu thống kê về thương mại của Quỹ Tiền tệ Quốc tế (IMF, 2018).

Hình 2.3. Đóng góp của Trung Quốc trong tổng thương mại ASEAN-6 giai đoạn 2000–2016.

Thương mại hàng hoá song phương giữa khu vực EU và Trung Quốc tăng

trung bình 14,4% mỗi năm từ giữa 2001 đến 2011; năm 2016, Trung Quốc là nguồn

nhập khẩu lớn nhất (chiếm 20,1%) và thị trường xuất khẩu lớn thứ hai (chiếm 9,7%) của khu vực EU6. Bên cạnh đó, kim ngạch thương mại hàng hóa Mỹ–Trung Quốc

tăng từ 2 tỷ USD năm 1979 lên tới 633 tỷ USD vào năm 2017, đưa Trung Quốc trở

thành đối tác thương mại hàng hoá lớn nhất của Mỹ, thị trường xuất khẩu lớn thứ ba

và là nguồn nhập khẩu lớn nhất của quốc gia này (Morrison, 2018).

Năm 2007, cuộc khủng hoảng tài chính dẫn đến sự sụt giảm nhu cầu nhập

khẩu hàng hóa từ khu vực châu Á–Thái Bình Dương của Mỹ và khu vực châu Âu.

Tuy nhiên, gói kích thích tài khóa khổng lồ tương đương 600 tỷ USD (20% GDP)

của Trung Quốc ban hành vào tháng 11 năm 2008 đã thúc đẩy nhu cầu trong nước.

Nắm bắt cơ hội, xuất khẩu từ các nước châu Á–Thái Bình Dương sang Trung Quốc

đã tăng gấp đôi, đưa Trung Quốc trở thành thị trường lớn nhất của các nền kinh tế

châu Á–Thái Bình Dương, vượt qua Nhật Bản năm 2005 và Mỹ năm 2007 (Inoue

và cộng sự, 2015). Cùng với đó, Trung Quốc cũng trở thành điểm đến xuất khẩu

quan trọng của một số nước trong khu vực Mỹ La-tinh. Năm 2015, xuất khẩu sang

Trung Quốc của Chile, Peru và Brazil tương ứng 8%, 5% và 2,5% GDP của mỗi

quốc gia.

6 Dựa theo DG Trade Statistical Guide June 2017.

Bảng 2.2 Đóng góp thương mại cho các quốc gia ASEAN-6 trong năm 2016 và 2000.

Trung Quốc Mỹ Khu vực Euro Nhật Bản Khu vực ASEAN Các quốc gia khác Tổng

Indonesia Malaysia Philippines Singapore Thái Lan Việt Nam 0,26 0,17 0,13 0,11 0,14 0,19 1,00

0,22 0,12 0,14 0,17 0,24 0,11 1,00

0,21 0,12 0,11 0,10 0,33 0,13 1,00

0,19 0,14 0,10 0,19 0,27 0,11 1,00

0,22 0,11 0,11 0,13 0,28 0,15 1,00

0,19 0,12 0,13 0,08 0,34 0,14 1,00

(a) 2016

Trung Quốc Mỹ Khu vực Euro Nhật Bản Khu vực ASEAN Các quốc gia khác Tổng

Indonesia Malaysia Philippines Singapore Thái Lan Việt Nam 0,13 0,05 0,17 0,21 0,29 0,15 1,00

0,06 0,22 0,15 0,26 0,22 0,12 1,00

0,06 0,20 0,14 0,15 0,36 0,09 1,00

0,04 0,23 0,13 0,20 0,30 0,10 1,00

0,03 0,31 0,15 0,21 0,20 0,10 1,00

0,06 0,16 0,15 0,26 0,23 0,14 1,00

Nguồn: Tính toán của tác giả từ dữ liệu thống kê về thương mại của Quỹ Tiền tệ Quốc tế (IMF Direction of Trade Statistics).

(b) 2000

Riêng tại khu vực ASEAN-6, trong khi vai trò của Trung Quốc trong thương

mại khu vực đã tăng ít nhất 3 lần, từ mức 6,1% năm 2000 lên 21,4% năm 2016

(Hình 2.3) thì đóng góp thương mại của Mỹ lại giảm gần phân nửa so với thời điểm

năm 2000 (Bảng 2.2). Quan hệ thương mại đã và đang trở thành động lực chính cho

mối quan hệ kinh tế giữa Trung Quốc cùng các quốc gia và khu vực trên thế giới.

2.2.2. Tác động của các cú sốc xuất phát từ Trung Quốc đến nền kinh tế toàn cầu

Vai trò của Trung Quốc trong nền kinh tế toàn cầu đã thay đổi trong vài thập

kỷ gần đây; tăng trưởng kinh tế của Trung Quốc góp phần tích cực trong việc giữ

cho nền kinh tế thế giới năng động, trở thành động lực quan trọng trong tăng trưởng

kinh tế toàn cầu và khu vực (Yunling, 2010). Sự trỗi dậy của Trung Quốc trong nền

kinh tế thế giới thu hút sự quan tâm của giới nghiên cứu, đa phần tập trung vào các

khía cạnh khác nhau của hiệu ứng truyền dẫn: i) những đổ vỡ thị trường bất động

sản Trung Quốc kéo theo nhiều hệ lụy cho tăng trưởng toàn cầu, các đối tác thương

mại G20 cũng như thị trường hàng hóa (Ahuja & Myrvoda, 2012); ii) suy giảm đầu

tư của Trung Quốc tác động tiêu cực đến kinh tế thế giới, đặc biệt các nền kinh tế

kém đa dạng đối tác thương mại; tác động này lớn gấp năm lần so với năm 2002

(Ahuja & Nabar, 2012); iii) các cú sốc tăng trưởng ở Trung Quốc lan truyền mạnh

mẽ đến các quốc gia châu Á, xuất phát từ sự phụ thuộc vào nhu cầu cuối cùng của

Trung Quốc (Duval & cộng sự, 2014); iv) chất lượng tín dụng của các doanh nghiệp

và bảng cân đối kế toán của các ngân hàng xấu đi ảnh hưởng tiêu cực đến phần còn

lại thế giới (Chen & cộng sự, 2010); v) sự suy thoái kinh tế Trung Quốc ảnh hưởng

tiêu cực đến các quốc gia xuất khẩu hàng hóa như Indonesia và các quốc gia phụ

thuộc phần lớn vào xuất khẩu như Nhật Bản, Malaysia, Singapore và Thái Lan

(Inoue & cộng sự, 2015);…

Sự tăng trưởng của Trung Quốc trước năm 2000 có thể được giải thích bằng

quá trình cải cách nền kinh tế từ năm 1978; trong khi đó, tăng trưởng bứt phá thời

gian qua lại xuất phát chủ yếu từ xuất khẩu (Yao, 2011). Trung Quốc hưởng lợi từ

xuất khẩu nhiều hơn bất kỳ nền kinh tế chuyển đổi nào khác (Tingvall & Ljungwall,

2012). Tuy nhiên, hiện nay, mô hình tăng trưởng dựa vào xuất khẩu của Trung

Quốc không còn phát huy được hiệu quả và sự tăng trưởng GDP thực đang chậm

lại. Nền kinh tế Trung Quốc đang trong giai đoạn tái cân bằng, tăng tỷ trọng tiêu

dùng trong khi giảm tỷ trọng đầu tư trong GDP (Zhang, 2016). Quá trình chuyển

đổi này có thể sẽ ảnh hưởng tiêu cực tới các đối tác thương mại trong thời gian tới,

đặc biệt các quốc gia có mối quan hệ thương mại chặt chẽ với Trung Quốc, bao

gồm cả khu vực ASEAN-5 (Dizioli & cộng sự, 2016). Nghiên cứu gần đây của

Cashin và cộng sự (2016) tìm hiểu hệ quả từ sự hạ nhiệt của nền kinh tế Trung

Quốc lên các quốc gia khác nhau. Kết quả chỉ ra, theo sau 1% suy giảm của tăng

trưởng GDP thực Trung Quốc, tăng trưởng toàn cầu sụt giảm 0,23% trong ngắn

hạn, giá dầu giảm 2,8% trong dài hạn. Các quốc gia xuất khẩu hàng hóa ít đa dạng

đối tác thương mại cùng với khu vực ASEAN-4 (Indonesia, Thái Lan, Malaysia và

Singapore) chịu tác động của các cú sốc GDP Trung Quốc lớn nhất, tương tự kết

quả của Inoue và cộng sự (2015). Nghiên cứu của Sznajderska (2017) phát hiện cú

sốc GDP Trung Quốc tác động lên các nền kinh tế mới nổi mạnh hơn so với các nền

kinh tế tiên tiến; bên cạnh đó, tăng trưởng toàn cầu sẽ giảm 0,22% trong ngắn hạn

sau sự suy giảm 1% trong GDP Trung Quốc.

Liên quan đến sự thay đổi trong cơ chế truyền dẫn chu kỳ kinh doanh, nghiên

cứu mang tầm ảnh hưởng của Cesa-Bianchi và cộng sự (2012) tìm hiểu hệ quả từ sự

trỗi dậy của Trung Quốc trong nền kinh tế thế giới lên năm quốc gia khu vực Mỹ

La-tinh gồm Peru, Mexico, Chile, Brazil và Argentina. Sự thay đổi trong cấu trúc

thương mại của Trung Quốc với thế giới tác động sâu sắc lên cơ chế truyền dẫn chu

kỳ kinh doanh đến khu vực theo nhiều hướng khác nhau. Tác động dài hạn của cú

sốc GDP Trung Quốc lên khu vực Mỹ La-tinh đã tăng gấp ba lần khi so sánh với cú

sốc tương tự vào giữa thập niên 90; trong khi đó, tác động của cú sốc GDP Mỹ đã

giảm hơn phân nửa. Nghiên cứu của Waal và Eyden (2016) cũng tìm thấy bằng

chứng về sự thay đổi truyền dẫn các cú sốc GDP Trung Quốc và Mỹ lên nền kinh tế

Nam Phi. Tác động dài hạn lên GDP Nam Phi của cú sốc GDP Trung Quốc trong

năm 2009 đã tăng 300% so với năm 1995, trong khi tác động của cú sốc GDP Mỹ

năm 2009 chỉ bằng một phần tư so với năm 2005. Các kết quả nghiên cứu trả lời

câu hỏi vì sao cuộc khủng hoảng toàn cầu tác động không đáng kể đến Nam Phi và

khu vực Mỹ La-tinh so với các quốc gia phát triển khác. Bảng 2.3 trình bày một số

nghiên cứu thực nghiệm hiện nay về hiệu ứng lan tỏa của các cú sốc xuất phát từ

Trung Quốc đến các đối tác thương mại, bao gồm cả khu vực ASEAN.

Bảng 2.3 Một số nghiên cứu gần đây về hiệu ứng lan tỏa của các cú sốc xuất phát từ Trung Quốc đến các đối tác thương mại.

Tác giả Quốc gia Kết quả chính Giai đoạn Phƣơng pháp

GMM, Ahuja và Nabar G20 FAVAR tháng 01/2000– 09/2011 (2012) Mỗi 1% giảm tốc trong tăng trưởng đầu tư tại Trung Quốc dẫn đến sự sụt giảm 0,1% tăng trưởng toàn cầu. Các nền kinh

tế trong chuỗi cung ứng khu vực, các quốc gia xuất khẩu hàng hóa ít đa dạng chịu tác động lớn nhất.

Ahuja và Myrvoda G20 FAVAR tháng 01/2000– 09/2011 (2012)

1% sụt giảm trong đầu tư bất động sản thực Trung Quốc tác động lan tỏa tiêu cực đến các đối tác thương mại nhóm các nền kinh tế lớn (G20), sản lượng toàn cầu giảm xấp xỉ 0,06%. Giá kim loại thế giới giảm từ 0,8% đến 2,2% sau một năm.

Cashin và cộng sự GVAR 50 quốc gia quý II/1979– II/2011 (2012)

Các quốc gia Trung Đông và Bắc Phi nhạy cảm với sự phát tiển của Trung Quốc hơn là các cú sốc bắt nguồn từ châu Âu và Mỹ, do sự phát triển liên kết thương mại với Trung Quốc.

Feldkircher và Korhonen GVAR 52 quốc gia quý I/1995– IV/2011 (2012)

Theo sau cú sốc 1% gia tăng GDP thực Trung Quốc, sản lượng của các nền kinh tế lớn nhất tăng trong khoảng 0,1– 0,5%. Sản lượng của khu vực Trung Đông Âu và Cộng đồng các quốc gia độc lập (CIS) tăng 0,2%; trong khi khu vực Đông Nam Âu giảm 0,1%.

Cesa- Bianchi và cộng sự 33 quốc gia TV- GVAR quý II/1979– IV/2009 (2012)

Tác động dài hạn của cú sốc GDP Trung Quốc lên khu vực Mỹ La-tinh đã tăng gấp ba lần khi so sánh với cú sốc tương tự vào giữa thập niên 90. Trong khi đó, tác động của cú sốc GDP Mỹ đã giảm hơn phân nửa.

SVAR 29 quốc gia Saldarriaga và quý I/1989– Tác động gián tiếp của các cú sốc từ Đức và Nhật Bản đã suy

Winkelried II/2011 trong

(2013)

giảm thập kỷ qua, nhường chỗ cho cú sốc từ Trung Quốc. Sự trỗi dậy của Trung Quốc ảnh hưởng lớn đến các quốc gia thứ ba, ngay cả khi đó là các đối tác thương mại nhỏ.

Duval và cộng sự

quý I/2000– IV/2012 Hồi quy dữ liệu bảng (2014) 34 quốc gia chia làm 4 khu vực Cứ 1% sụt giảm trong tăng trưởng Trung Quốc có thể làm giảm tăng trưởng GDP của các nền kinh tế châu Á đi 0,3% sau một năm.

IMF

Bayesian SVAR (2014a) 16 thị trường mới nổi quý I/1998– II/2013

Cứ 1% gia tăng trong tăng trưởng Trung Quốc dẫn đến tăng trưởng của các nền kinh tế mới nổi tăng 0,1%. Độ co giãn tác động cao hơn ở một số quốc gia châu Á và xuất khẩu hàng hóa như Nga. Biến động tăng trưởng Trung Quốc cũng tác động đến nền kinh tế toàn cầu.

IMF GVAR (2014b) 33 thị trường mới nổi quý II/1979– IV/2009

Cứ 1% sụt giảm trong tăng trưởng Trung Quốc có thể làm giảm tăng trưởng của các nền kinh tế tiên tiến đi 0,15% sau cuối một năm, mức ý nghĩa cao nhất cho Nhật Bản và khu vực châu Âu. Hiệu ứng lan tỏa đến các nền kinh tế mới nổi nhỏ nhất, khoảng 0,06%.

Inoue và cộng sự GVAR quý I/1979– I/2014 (2015) 26 thị trường tiên tiến và mới nổi

Sự sụt giảm trong GDP thực của Trung Quốc tác động đáng kể đến các quốc gia láng giềng, đặc biệt là các quốc gia xuất khẩu hàng hóa (như Indonesia) và phụ thuộc xuất khẩu như Thái Lan, Malaysia và Singapore. Giá hàng hóa (kim loại, giá dầu thô và sản

phẩm nông nghiệp) cũng chịu tác động.

World Bank SVAR (2015) quý II/1992– II/2014 Khu vực Mỹ Latinh và Caribe (LAC) Tăng trưởng Trung Quốc giảm 1% có thể làm giảm tăng trưởng ở khu vực LAC đến 0,6% sau khi kết thúc hai năm; tác động đáng kể nhất tại Peru và Argentina (1%). Tác động lên Brazil khoảng 0,8%.

chặt

Dizioli và cộng sự GVAR 33 quốc gia quý I/1981– I/2013 (2016)

tăng Sự tái cân bằng của nền kinh tế Trung Quốc tác động tiêu cực đến các đối tác thương mại. liên kết Các quốc gia có chẽ thương mại (Malaysia, Singapore và Thái Lan) và xuất khẩu hàng hóa ròng (Indonesia và Malaysia) chịu tác động lớn nhất, từ 0,2 đến 0,5% sau một cú sốc suy giảm trưởng 1% của Trung Quốc.

Waal và Eyden GVAR 33 quốc gia quý II/1979– IV/2009 (2016)

Tác động dài hạn lên GDP Nam Phi của cú sốc GDP Trung Quốc trong năm 2009 đã tăng 300% so với năm 1995. Trong khi tác động của cú sốc GDP Mỹ năm 2009 chỉ bằng một phần tư so với năm 2005.

Cashin và cộng sự GVAR 33 quốc gia quý I/1981– I/2013 (2016)

Cú sốc 1% suy giảm tăng trưởng GDP thực Trung Quốc làm giảm 0,23% tăng trưởng toàn cầu trong ngắn hạn; giá dầu giảm 2,8% trong dài hạn. Các quốc gia xuất khẩu hàng hóa ít đa dạng cùng với khu (Indonesia, vực ASEAN-4 Thái Lan, Malaysia và Singapore) chịu tác động của các cú sốc GDP Trung Quốc

lớn nhất.

Rafiq

(2016) Các quốc gia ASEAN tháng 01/2003– 06/2015 Mô hình nhân tố cấu trúc kinh tế mở

Cú sốc 1% suy giảm tăng trưởng Trung Quốc dẫn đến tăng trưởng sụt giảm 0,3% cho các quốc gia Thái Lan, Indonesia và Malaysia, 0,2% cho các quốc gia Lào, Campuchia và Việt Nam.

Sznajderska GVAR 60 quốc gia (2017) quý I/1995– III/2016

Cú sốc GDP Trung Quốc tác động lên các nền kinh tế mới nổi mạnh hơn so với các nền kinh tế tiên tiến. Tăng trưởng toàn cầu sẽ giảm 0,22% trong ngắn hạn sau sự suy giảm 1% trong GDP Trung Quốc.

Dinda

20 quốc gia 2000– 2012 (2017) FEM, REM, VAR

Nguồn: Tổng hợp của tác giả.

Sự giảm tốc trong tăng trưởng kinh tế tại Trung Quốc tác động lên các quốc gia trong khối BRICS mạnh hơn so với các quốc gia phát triển. Tác động của cú sốc tăng trưởng GDP Trung Quốc lên các quốc gia ASEAN khá mạnh do mạng lưới sản xuất chặt chẽ.

2.3. Tổng kết

Điểm lại các nghiên cứu và dữ liệu trước đây có thể rút ra được hai kết luận

quan trọng sau:

Thứ nhất, sự trỗi dậy của Trung Quốc trong nền kinh tế toàn cầu thời gian qua

dẫn đến kết quả là thay đổi trong cấu trúc thương mại thế giới cũng như khu vực

ASEAN-6; mối liên kết thương mại giữa Trung Quốc và ASEAN-6 đã tăng xấp xỉ 3

lần kể từ thời điểm năm 2000, trong khi đóng góp của Mỹ lại giảm gần phân nửa.

Sự thắt chặt liên kết thương mại giữa Trung Quốc và ASEAN-6 có thể làm chu kỳ

kinh doanh tại khu vực đồng bộ hóa cao hơn, và do đó, các nền kinh tế tại khu vực

này nhạy cảm với các cú sốc GDP Trung Quốc hơn so với Mỹ (Waal & Eyden,

2016).

Thứ hai, ASEAN là khu vực láng giềng và phụ thuộc vào nhu cầu cuối cùng

của Trung Quốc nên bất kỳ sự xáo trộn hay thay đổi nào mang hướng tiêu cực trong

thành phần tăng trưởng GDP thực của nền kinh tế lớn thứ hai thế giới này cũng sẽ

ảnh hưởng mạnh mẽ lên các nền kinh tế ASEAN-6 (Rafiq, 2016; Cashin & cộng sự,

2016; Dizioli & cộng sự, 2016).

Khác với các nghiên cứu trước đây khi tìm hiểu độ lớn tác động của các cú sốc

xuất phát từ Trung Quốc lên khu vực ASEAN, trong nghiên cứu này, tác giả tiến

hành phân tích theo một khía cạnh khác của hiệu ứng truyền dẫn: Xem xét sự thay

đổi mức độ tác động của các cú sốc GDP từ Trung Quốc và Mỹ đến các quốc gia

ASEAN-6 trong bối cảnh các mối quan hệ thương mại thay đổi theo thời gian. Các

kết quả nghiên cứu nhằm bổ sung, củng cố các hiểu biết về hệ quả từ sự trỗi dậy của

Trung Quốc trong nền kinh tế toàn cầu; hỗ trợ các nhà hoạch định chính sách tại

Việt Nam và khu vực ASEAN trong việc đánh giá các thay đổi cơ chế truyền dẫn

chu kỳ kinh doanh quốc tế đến khu vực, từ đó đưa ra các dự báo và chính sách vĩ

mô phù hợp.

PHẦN 3: PHƢƠNG PHÁP NGHIÊN CỨU

3.1 Phƣơng pháp vectơ tự hồi quy toàn cầu GVAR

3.1.1. Phƣơng pháp GVAR

Phương pháp GVAR (vectơ tự hồi quy toàn cầu) là một phương pháp không

còn lạ lẫm, một cách tiếp cận mô hình kinh tế vĩ mô toàn cầu hoàn toàn khác biệt,

kết hợp dữ liệu thời gian, dữ liệu bảng, cùng các kỹ thuật phân tích nhân tố nhằm

giải quyết các vấn đề phức tạp của kinh tế học lẫn tài chính, trải dài từ phân tích

chính sách cho đến quản trị rủi ro. So với các cách tiếp cận khác, phương pháp

GVAR mang lại nhiều ưu điểm sau:

i) cung cấp góc nhìn bao quát các mối quan hệ phụ thuộc lẫn nhau tại nhiều

mức độ khác nhau (quốc gia lẫn quốc tế) một cách rõ ràng;

ii) đề cập các mối quan hệ dài hạn nhất quán với các lý thuyết kinh tế cùng các

mối quan hệ ngắn giữa các biến dữ liệu;

iii) cung cấp giải pháp mạch lạc, chặt chẽ nhằm giải quyết vấn đề “bùng nổ tổ

hợp” (curse of dimensionality) trong các mô hình toàn cầu.

Phương pháp GVAR được sử dụng để phân tích rủi ro tín dụng trong nghiên

cứu của Pesaran và cộng sự (2006) và Pesaran và cộng sự (2007a). Phiên bản mở

rộng của mô hình được phát triển trong nghiên cứu của Dées và cộng sự (2007) (sau

này, gọi tắt là DdPS), trong đó áp đặt khu vực Euro thành một nền kinh tế riêng, và

được Pesaran và cộng sự (2007b) sử dụng để đánh giá tác động của Anh gia nhập

Euro. Pesaran và cộng sự (2009a, 2009b) đánh giá khả năng dự báo của mô hình

GVAR. Ngày nay, các nhà nghiên cứu kinh tế, lẫn các chuyên gia phân tích chính

sách không ngừng nghiên cứu, phát triển, bổ sung các khiếm khuyết của mô hình,

để phát triển mô hình ngày một hoàn hảo và hữu dụng hơn, điển hình như Dées và

cộng sự (2013), Chudik và Pesaran (2013).

3.1.2. Lý do áp dụng phƣơng pháp GVAR

Các nền kinh tế riêng lẻ trên thế giới được liên kết với nhau thông qua nhiều

kênh khác nhau theo các cách thức phức tạp, gồm việc chia sẻ các nguồn tài nguyên

khan hiếm (như dầu và các mặt hàng khác), phát triển chính trị và công nghệ, trao

đổi tài sản tài chính cũng như hàng hóa và dịch vụ, lưu chuyển vốn và nhân lực giữa

các quốc gia. Ngay cả khi đề cập đến các hiệu ứng trên, chúng ta vẫn có thể vô tình

bỏ sót các mối tương tác và hiệu ứng lan tỏa không quan sát được, do sử dụng các

kênh tương tác thông thường (Chudik & Pesaran, 2016). Sự thiếu sót trên có thể gây

nên những sai lầm trong việc phân tích định lượng tác động của các cú sốc từ bên

ngoài lẫn bên trong nền kinh tế, làm giảm chức năng dự báo cũng như hiệu quả của

các chính sách vĩ mô trong tương lai. Bởi vậy, cân nhắc các kênh tương tác tiềm ẩn

trên là một thách thức lớn đối với mô hình kinh tế toàn cầu cũng như thực hiện các

mô phỏng chính sách và phân tích kịch bản.

Bảng 3.1 Ma trận tương quan GDP giữa một số quốc gia giai đoạn 2000Q3–2017Q1.

Trung Quốc Nhật Bản Hàn Quốc Mỹ Thái Lan Việt Nam

1 0,84*** 0,99*** 0,95*** 0,98*** –0,84*** 1 0,97*** 1 0,98*** 0,97*** 1 –0,81*** –0,71*** –0,76*** 1

Trung Quốc 1 Nhật Bản 0,87*** Hàn Quốc 0,94*** Mỹ 0,89*** Thái Lan –0,55*** Việt Nam Ghi chú: *** tương ứng mức ý nghĩa 1%. Nguồn: Tính toán của tác giả.

Hơn nữa, thời gian qua, quá trình toàn cầu hóa diễn ra với tốc độ nhanh chóng,

hàm ý mức độ hội nhập và phụ thuộc lẫn nhau ngày một gắn kết giữa các nền kinh

tế trên thế giới (Chen & cộng sự, 2012). Với bối cảnh trên, các biến số vĩ mô không

chỉ phụ thuộc vào một vài nền kinh tế lớn trên thế giới; mà thông qua nhiều cơ chế,

kênh truyền dẫn khác nhau, các biến số tại các quốc gia khác nhau sẽ tương tác với

nhau đồng thời. Minh chứng là sự tương quan cao, ví dụ, giữa sản lượng của một số

quốc gia trong Bảng 3.1, trong hai thập niên qua. Có thể thầy, sản lượng Việt Nam

với các quốc gia khác không hề độc lập nhau hoàn toàn. Bởi vậy, giả sử, nghiên cứu

biến động của GDP Việt Nam trước cú sốc GDP Mỹ bằng mô hình SVAR, phạm vi

các biến số bao gồm Việt Nam và Mỹ. Khi hồi quy mô hình, chúng ta vô tình bỏ sót

tác động của các cú sốc từ các quốc gia khác đến Việt Nam ngay tại thời điểm xét

tới.

Do đó, chúng ta cần phải sử dụng các mô hình toàn cầu, có khả năng dung nạp

cùng lúc dữ liệu của nhiều quốc gia. Chắc chắn đến đây, nhiều người sẽ đặt ra cho

mình câu hỏi: VAR/SVAR hay các mô hình tự hồi quy khác vừa dễ hiểu vừa dễ hồi

quy, sao chúng ta không bỏ số liệu của tất cả các nền kinh tế trên thế giới vào khuôn

khổ mô hình rồi ước lượng, không phải sẽ nắm bắt được tác động toàn cầu hay sao?

Làm vậy vừa đơn giản, vừa nhanh, sao phải dùng những mô hình phức tạp làm gì?

Đó là một câu hỏi thú vị, và để trả lời câu hỏi này, chúng ta cùng xét một ví dụ, khi

hồi quy mô hình VAR

Xét ví dụ cho vectơ (3 × 1), cho quốc gia thứ i:

+ ̅̅̅̅̅̅ (

phương trình cấu trúc VAR (SVAR) tại bậc 1 được viết

dưới dạng: ,

chúng ta chuyển về dạng thu gọn của SVAR, tức là mô hình

( ) VAR bằng cách nhân hai vế cho (khả nghịch và đã biết trước), và đặt , , ta được:

Chúng ta có thể hồi quy được mô hình thu gọn trên, tuy nhiên, cần lưu ý trong

trường hợp này, chúng ta cần phải ước lượng 8100 hệ số (90 hệ số mỗi phương

trình) trong khi chu kỳ thời gian, giả sử từ quý I/2000 đến quý I/2017 (69 quan sát).

Điều này là không thể và kết quả chạy ra chắc chắn không đáng tin cậy chút nào.

Chúng ta gọi hiện tượng khi ước lượng hệ số trong mô hình mà số quan sát quá ít là

hiện tượng tham số quá mức (over-parametrized), hay còn được biết đến với tên gọi

“bùng nổ tổ hợp” (curse of dimensionality). Mô hình GVAR có thể giải quyết được

vấn đề trên (Chudik & Pesaran, 2016).

Trong phần tiếp theo, tác giả trình bày một cách tỉ mỉ từng bước thiết lập mô

hình GVAR: cách kết hợp các phương trình hồi quy của mỗi quốc gia thành một hệ

thống mô hình toàn cầu, cũng như cách chuyển về dạng thu gọn để ước lượng.

3.2. Lý thuyết mô hình GVAR

3.2.1 Mô hình VARX* giản đơn

Giả sử, chúng ta có N + 1 quốc gia, lấy quốc gia thứ i = 0, là Mỹ, làm mốc; ta

đặt N quốc gia còn lại theo thứ tự i = 1, 2, 3,…, N. Bỏ qua các bước chọn độ trễ, hệ

số chặn cũng như biến xu thế thời gian, chúng ta xét mô hình cấu trúc VARX*(1,1):

(1)

hoặc trong trường hợp chứa biến ngoại sinh toàn cầu:

(2)

trong đó:

× 1 các biến nước ngoài;

: vectơ

: vectơ × 1 các biến nội địa;

: vectơ chiều bao gồm các biến ngoại sinh toàn cầu quan sát được, chẳng

→ khi N → và

→ ký

hạn giá dầu, giá hàng hóa;

: sai số tương quan yếu, tức là ̅ ∑

. bằng 0 và ma trận hiệp phương sai ∑

hiệu hội tụ xác suất, nói một cách khác, là các cú sốc độc lập nhau, có trung bình

được xác định như sau:

Ở đây, với là tỷ trọng đóng góp thương mại của quốc gia j ( ̅̅̅̅̅) với

quốc gia i, biến nước ngoài

∑

(3)

Tóm lại, với N + 1 phương trình (2) kết hợp các biến nước ngoài, xác định

trong công thức (3) cùng các biến ngoại sinh toàn cầu tạo nên một hệ thống mô

hình toàn cầu liên kết hoàn chỉnh. Có nhiều điều mới mẻ trong mô hình GVAR, đầu

tiên, mô hình GVAR thể hiện các mối tương tác toàn cầu thông qua ba kênh riêng

biệt song tương quan nhau, bao gồm:

cùng các biến trễ của chúng;

(i) tương tác toàn cầu cùng lúc từ sự phụ thuộc giữa biến nội địa, với các

biến nước ngoài,

(ii) tương tác toàn cầu từ sự phụ thuộc giữa các biến số với các hiệu ứng toàn

cầu chung quan sát được , j = 0, 1, 2,…;

(iii) kênh truyền dẫn từ sự phụ thuộc giữa các cú sốc ( ) ∑

với i j.

Bỏ qua các mối liên kết quốc tế trong mô hình có thể làm chệch ước lượng của

các hệ số. Thứ hai, mô hình GVAR cung cấp một phương pháp thực nghiệm nhằm

kết hợp chặt chẽ các quan hệ cấu trúc dài hạn trong nền kinh tế mở nhỏ (Garratt &

cộng sự, 2003). Cuối cùng, mô hình GVAR đề cập mối quan hệ đồng liên kết giữa

các biến số trong và ngoài nước cùng lúc (Pesaran & cộng sự, 2004).

3.2.2 Ví dụ biến nội địa và nƣớc ngoài

Tiếp theo, tác giả trình bày cách xây dựng biến nước ngoài dựa trên biến nội

địa và tỷ trọng thương mại thông qua ví dụ sau. Xét vectơ 3 × 1 chứa các biến nước gồm: sản lượng ( ), tỷ giá hối đoái ( ) và lãi suất ( ). Các biến lần

ngoài lượt được xác định như sau:

( )

⁄

( )

lần lượt là tổng sản phẩm quốc nội thực, tỷ giá danh nghĩa

) (

với , và

(

đa phương và lãi suất ngắn hạn. Ma trận biến nội địa và ma trận biến nước ngoài tương ứng là:

) ( +

các biến nước ngoài được xây dựng dựa trên tỷ trọng thương mại cùng các biến

∑

nội địa dựa trên công thức sau:

3.2.3 Xây dựng ma trận tỷ trọng thƣơng mại

3.2.3.1. Tỷ trọng thương mại giữa các quốc gia (không bao gồm vùng miền)

Trong phương pháp GVAR, muốn xây dựng vectơ biến nước ngoài cũng như

xây dựng ma trận “liên kết” để hợp nhất mô hình GVAR, chúng ta cần sử dụng

tỷ trọng . Tùy mục đích nghiên cứu, tỷ trọng có thể được tính toán từ nhiều

yếu tố, tạo nên nhiều dạng tỷ trọng khác nhau, như tỷ trọng thương mại, tỷ trọng tài

chính hoặc tỷ trọng vốn. Tuy nhiên, mục đích nghiên cứu lần này nhằm xác định sự

thay đổi cơ chế truyền dẫn chu kỳ kinh doanh do thay đổi cấu trúc thương mại gây

ra, do đó, tác giả sử dụng kim ngạch thương mại giữa các quốc gia để xây dựng tỷ

trọng. Cụ thể là tỷ lệ đóng góp thương mại (xuất khẩu và nhập khẩu) của quốc

gia j với quốc gia i.

Nhằm xây dựng tỷ trọng thương mại, tác giả phải thu thập dữ liệu kim ngạch

thương mại của 20 quốc gia (gồm cả Việt Nam) để tính toán. Do đó, để đơn giản về

mặt trình bày, tác giả sẽ lấy một ví dụ, trong đó trình bày cách tính tỷ trọng cho bảy

quốc gia mẫu, bao gồm Mỹ (USA), Anh (UK), Pháp (FRANCE), Đức (GERM), Ý

(ITALY), Hà Lan (NETH) và Việt Nam (VN). Bảng 3.2 trình bày kim ngạch

thương mại song phương giữa các quốc gia.

Bảng 3.2 Kim ngạch thương mại song phương giữa các quốc gia năm 2009 (đơn vị: USD).

USA UK FRANCE GERM ITALY NETH VN Tổng

USA 0 47014 30858 57970 19764 24468 8073 188147

44394

UK 0 FRANCE 26939 30759 57248 58755 GERM 18518 17269 ITALY 27013 33505 NETH 49381 28819 92911 0 0 94798 42055 60379 32812 101394 960 170319 15844 30921 42189 29626 858 223282 61340 96856 2088 371084 823 155809 886 212698 0 16764 0 17088

Nguồn: Tính toán của tác giả.

VN 7183 862 837 1736 765 882 0 12265

Các quốc gia xét tới được đặt trong cột đầu tiên, các cột tiếp theo tương ứng là

các đối tác thương mại. Trong ví dụ này, tổng kim ngạch thương mại của Việt Nam

(VN) với sáu đối tác là 12265. Tiếp theo, để tính được tỷ trọng đóng góp của đối tác

thương mại chẳng hạn như Mỹ (USA), chúng ta lấy kim ngạch thương mại của Việt

Nam với Mỹ chia cho tổng kim ngạch thương mại của Việt Nam (7183 ÷ 12265 =

0,586).

Bảng 3.3 Tỷ trọng thương mại giữa các quốc gia.

USA UK FRANCE GERM ITALY NETH VN Tổng

Nguồn: Tính toán của tác giả.

USA UK FRANCE GERM ITALY NETH VN 0 0,250 0,261 0 0,121 0,138 0,154 0,158 0,119 0,111 0,127 0,158 0,586 0,070 0,164 0,169 0 0,255 0,270 0,154 0,068 0,308 0,290 0,416 0 0,388 0,477 0,142 0,105 0,093 0,189 0,165 0 0,080 0,062 0,130 0,043 0,182 0,006 0,133 0,004 0,261 0,006 0,108 0,005 0 0,004 0 0,072 1 1 1 1 1 1 1

3.2.3.2. Tỷ trọng thương mại giữa các quốc gia (bao gồm vùng miền)

Trong nghiên cứu này, tác giả kết hợp bảy quốc gia thành khu vực Euro (tham

khảo Bảng 4.1); vì vậy, tác giả trình bày thêm cách tính tỷ trọng trong trường hợp

có vùng miền. Quay lại ví dụ trên, tác giả gọi khu vực Euro bao gồm năm quốc gia:

Anh (UK), Pháp (FRANCE), Đức (GERM), Ý (ITALY) và Hà Lan (NETH). Do

đó, từ bảy quốc gia ban đầu, chúng ta thu được một khu vực Euro cùng hai quốc gia

Mỹ (USA) và Việt Nam (VN).

Bảng 3.4 Kim ngạch thương mại song phương năm 2009 (đơn vị: USD).

USA Euro VN Tổng

Nguồn: Tính toán của tác giả.

USA Euro VN 0 174112 7183 180074 953465 5082 8073 5615 0 188147 1133192 12265

Với ví dụ này, để tính được kim ngạch thương mại trong khu vực Euro, chúng

ta cộng tất cả kim ngạch thương mại của năm quốc gia trong khu vực, tức là cộng

các hàng và cột trong khung được kẻ đứt đoạn và thu được kết quả 953465. Tương

tự, để tính được thương mại của Mỹ với khu vực Euro, chúng ta cộng tất cả các kim

ngạch thương mại của Mỹ với năm quốc gia, cụ thể chính là ô màu xanh dương nằm

ngang (47014 + 30858 + 57970 + 19764 + 24468 = 180074).

Bảng 3.5 Tỷ trọng thương mại giữa các quốc gia và khu vực.

USA Euro VN Tổng

Nguồn: Tính toán của tác giả.

USA Euro VN 0 0,969 0,586 0,957 0 0,414 0,043 0,031 0 1 1 1

Tiếp theo, để tính được ma trận tỷ trọng và đảm bảo được nguyên tắc ,

khi tính tỷ trọng trong khu vực Euro, chúng ta phải áp đặt bằng 0, và để tính được tỷ

trọng đóng góp của Mỹ (USA) vào khu vực Euro, chúng ta lấy 174112 ÷ (1133192

– 953465) = 0,969. Hoàn toàn tương tự, chúng ta cũng tính được tỷ trọng cho các

trường hợp còn lại và kết quả được trình bày trong Bảng 3.5.

3.2.4. Giải quyết mô hình GVAR

3.2.4.1. Ước lượng mô hình VARX*

Để đơn giản về mặt thuật toán, tác giả trình bày mô hình VARX*( ) với

= 2 và = 1, bỏ qua việc trình bày các biến toàn cầu. Khi đó, mô hình VARX*(2,1)

được viết như sau:

(4)

lần lượt là vectơ chứa các biến nội địa và nước ngoài;

trong đó:

và

là hệ số chặn;

là hệ số xu thế thời gian;

và lần lượt là ma trận hệ số của vectơ các biến nội địa và nước

ngoài;

là vectơ 1 chứa các cú sốc của từng quốc gia với giả định không có

tương quan chuỗi, trung bình bằng không và ma trận hiệp phương sai ( ) không

) 1, chứa các biến nội địa và

suy biến, tức ( ).

Tiếp theo, tác giả xác định vectơ (

nước ngoài như sau:

(5) ( *

Kết hợp đồng nhất thức (5) và phương trình (4) thu được:

(6)

)

trong đó:

( ) ( ) (

Đề cập đến các mối quan hệ đồng liên kết, tiếp theo, tác giả chuyển đổi mô

(7)

hình VARX*(2,1) thành dạng VECMX* như sau:

( )

Viết gọn phương trình (7) thành:

(8)

)

trong đó:

, ma trận có thể xác định như sau:

( ) ( ) (

Hạng ma trận ( ) ký hiệu số quan hệ đồng liên kết của quốc gia i. Giả sử . Khi hạng ma trận nhỏ hơn ) ; ký hiệu ma trận đồng liên đó, ký hiệu cho ma trận điều chỉnh ( kết với chiều tương tự. Để đưa xu hướng vào không gian đồng liên kết, tác giả tách

hệ số thành , khi đó phương trình (8) trở thành:

( )

(9)

trong đó, . Vì mô hình VECM có thể được biến đổi trở lại thành

dạng VAR, nghiên cứu tiếp tục với việc trình bày phương trình (6) ở bước thứ hai.

3.2.4.2. Hợp nhất mô hình GVAR

Bước tiếp theo, tác giả sử dụng ma trận liên kết , được xây dựng từ tỷ trọng

thương mại nhằm thu được đồng nhất thức quan trọng sau:

) là vectơ 1, dung nạp toàn bộ các biến nội địa,

(10)

) (Ở đây: ∑

trong đó, (

84).

và là ma trận (

Thay đồng nhất thức (10) vào phương trình (6), ta thu được:

(11)

Hợp nhất N phương trình (11) lại với nhau thu được phương trình sau:

(12)

trong đó:

, , , ( ( (

, ta thu được phương trình sau:

Với là ma trận khả nghịch đã biết trước, nhân hai vế phương trình (12) với

(13)

trong đó:

Đẳng thức (13) trình bày mô hình GVAR cuối cùng sử dụng cho nghiên cứu

này.

3.2.4.3. Ví dụ xây dựng ma trận liên kết

Xét mô hình toàn cầu với ba quốc gia, ba biến số, bao gồm sản lượng ( ), lạm

phát ( ) và tỷ giá hối đoái danh nghĩa ( ), tất cả được lấy logarite, ta có:

+ (

) ( ( )

( )

Biến nước ngoài được tính như sau:

∑

trong đó:

) , lần lượt là số lượng biến nội . Trong ví dụ này, là ma trận 5×8 trình bày như

Ma trận liên kết cho mỗi quốc gia là một ma trận hằng số (

xây dựng từ tỷ trọng thương mại ; trong đó, địa và nước ngoài, và ∑ sau:

( *

( )

( *

(

( * )

) (

Sử dụng biểu thức ở trên cho , chúng ta có thể kiểm tra lại đồng nhất thức

3.2.5. Phƣơng pháp PPs (Persistence profiles)

Phương pháp PPs (Persistence Profiles) trình bày vết tích thời gian của các tác

động từ các cú sốc hệ thống hoặc từ các biến số đơn lẻ lên các quan hệ đồng liên kết

trong mô hình GVAR (Pesaran & Shin, 1996). Giá trị đơn vị của các tác động xuất

phát từ 1 và có xu hướng tiến về 0 khi thời gian → , nếu vectơ đang xét tới quả

thật là một vectơ đồng liên kết. Thêm nữa, phương pháp PPs cung cấp thông tin về

tốc độ mà các quan hệ đồng liên kết trở về trạng thái cân bằng. Một lần nữa, xét mô

hình GVAR( ) trong cách biểu diễn trung bình dịch chuyển:

∑

…

trong đó, trình bày các thành phần xác định của , và được suy ra đệ quy như

(14)

với cho . Trong bối cảnh mô hình GVAR, các quan hệ đồng , trong khi các biến số trong liên kết nằm trong các biến số đặc thù quốc gia, là

mô hình GVAR nằm trong . Sử dụng đồng nhất thức , chúng ta có:

, tương ứng với cú sốc toàn hệ thống , thu được như sau:

∑

PPs của

)

∑ ∑

là quan hệ đồng liên kết thứ j trong quốc gia thứ i ( j = 1, 2, …, ), n là

(15) (

trong đó

chu kỳ thời gian và là ma trận hiệp phương sai của . Ma trận được tính dựa

trên công thức (14).

3.2.6. Phân tích phản ứng đẩy

Phản ứng đẩy (impulse responses) trình bày dữ liệu thời gian của các tác động

từ các cú sốc biến số đặc trưng hay các cú sốc xác định (ví dụ cú sốc chính sách tiền

tệ hoặc cú sốc tài khóa, xác định dựa trên các lý thuyết kinh tế thích hợp) lên trạng

thái tương lai của hệ thống động và do đó, lên tất cả các biến trong mô hình. Phản

ứng đẩy của cú sốc từ biến số đặc trưng sử dụng trong mô hình GVAR chính là hàm

phản ứng đẩy tổng quát (GIRFs), giới thiệu bởi Koop và cộng sự (1996) và áp dụng

cho mô hình VAR trong nghiên cứu của Pesaran và Shin (1998).

Xét mô hình quen thuộc trong quá trình giải quyết mô hình GVAR:

GIRFs được xác định dựa trên định nghĩa sau:

( ) ( | √ ) ( | )

trong đó, là thông tin thiết lập tại thời điểm t – 1, là phần tử chéo của ma

trận phương sai–hiệp phương sai tương ứng với phương trình thứ l trong quốc

gia thứ i, và n là chu kỳ thời gian.

Với giả định phân phối chuẩn nhiều chiều, theo đó, GIRFs của cú sốc đơn

vị (một sai số chuẩn) tại thời điểm t từ phương trình thứ l lên biến số thứ j tại thời

điểm t + n được xác định bởi phần từ thứ j sau:

∑ ∑

√

(16) ( )

trong đó, ( ) là vectơ được thiết lập với giá trị đơn vị tại phần tử thứ l trong trường hợp cú sốc quốc gia đặc trưng (country-specific shock).

PHẦN 4: KẾT QUẢ

4.1. Cơ sở dữ liệu và chi tiết các biến trong mô hình

Trong nghiên cứu này, tác giả thu thập dữ liệu từ nhiều nguồn khác nhau trong giai đoạn quý III/2000–I/20177. Giải thích chi tiết về nguồn dữ liệu được trình bày

tại Bảng 4.2. Riêng biến giá dầu danh nghĩa được thu thập từ Cơ quan quản lý thông

tin năng lượng Hoa Kỳ (EIA). Bộ dữ liệu bao gồm 20 quốc gia, trong đó, 7 quốc gia

được gộp thành khu vực Euro, do đó, có tất cả 14 phương trình VARX* (Bảng 4.1).

Bảng 4.1 Các quốc gia và khu vực.

Các quốc gia còn lại Úc Ấn Độ Hàn Quốc

Ghi chú: a ký hiệu cho các quốc gia được gộp chung làm khu vực Euro.

ASEAN-6 Indonesia Malaysia Philippines Singapore Thái Lan Việt Nam Các nền kinh tế chính Euro Phápa Mỹ Đứca Trung Quốc Ýa Anh Hà Lana Nhật Bản Tây Ban Nhaa Thụy Điểna Thụy Sĩa

Các biến số trong mô hình GVAR gồm: GDP thực ( ), lạm phát ( ), tỷ giá

). Tất cả các biến được tính như sau:

hối đoái thực đa phương ( ), giá cổ phiếu thực ( ), lãi suất ngắn hạn ( ), tỷ

lệ thất nghiệp ( ) và giá dầu danh nghĩa (

= ln (Tổng sản phẩm quốc nội thực); = với = ln (Chỉ số giá tiêu dùng); ln (Tỷ giá hối đoái thực đa phương); ln (Chỉ số giá chứng khoán danh nghĩa Chỉ số giá tiêu dùng); = =

= 0,25 ln (1 + Lãi suất ngắn hạn %); = Tỷ lệ thất nghiệp %.

7 Thị trường chứng khoán Việt Nam ra đời muộn hơn so với các quốc gia trong khu vực, dữ liệu cho biến giá chứng khoán Việt Nam chỉ có từ thời điểm quý III/2000 trở về sau.

bao gồm: GDP nước ngoài

), biến lãi suất nước

Bên cạnh đó, vectơ chứa các biến nước ngoài

), lạm phát nước ngoài (

), giá cổ phiếu nước ngoài (

) được xác định như sau:

(

) cùng biến tỷ lệ thất nghiệp nước ngoài (

∑

ngoài (

trong đó, : Tỷ trọng thương mại của quốc gia i với j tại thời điểm T = 2000,

2008 và 2016.

Bảng 4.2 Nguồn dữ liệu.

BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS BIS IFS IFS IFS Datastream IFS IFS IFS IFS IFS IFS Datastream IFS IFS IFS IFS IFS IFS FRED IFS IFS Datastream IFS IFS Datastream WDI IFS IFS IFS IFS IFS IFS MOM IFS IFS IFS Datastream IFS IFS FRED FRED FRED FRED FRED FRED FRED FRED FRED BNM FRED PSA FRED FRED FRED FRED NESDB ONS BEA GSO

Quốc gia Úc IFS OECD Trung Quốc IFS OECD Pháp IFS OECD Đức IFS OECD Ấn Độ FRED OECD Indonesia SET IFS Ý IFS OECD Nhật Bản IFS OECD Hàn Quốc IFS OECD Malaysia SET IFS Hà Lan IFS OECD Philippines IFS SET Singapore SET IFS Tây Ban Nha IFS OECD Thụy Điển IFS OECD Thụy Sỹ IFS OECD Thái Lan IFS SET Anh IFS OECD Mỹ IFS OECD IFS HOSE Datastream Datastream Datastream Việt Nam Ghi chú: FRED: Cơ sở dữ liệu cục dự trữ liên bang Mỹ; BNM: Ngân hàng Trung ương Malaysia; PSA: Cơ quan thống kê Philippines; NESDB: Ban phát triển kinh tế và xã hội quốc gia Thái Lan; ONS: Văn phòng thống kê quốc gia Anh; BEA: Cục phân tích kinh tế Mỹ; OECD: Tổ chức hợp tác và phát triển kinh tế; GSO: Tổng cục thống kê Việt Nam; IFS: Thống kê tài chính quốc tế; SET: Sở giao dịch chứng khoán Thái Lan; HOSE: Sở giao dịch chứng khoán TP.HCM; BIS: Ngân hàng thanh toán quốc tế; WDI: Chỉ số phát triển thế giới; MOM: Bộ nhân lực–chính phủ Singapore.

Ma trận tỷ trọng thương mại được xây dựng từ dữ liệu về thương mại của Quỹ

Tiền tệ Quốc tế (IMF, 2018). Riêng với biến nội địa khu vực Euro được xây dựng

từ các biến số của 7 quốc gia trong khu vực, sử dụng tỷ trọng GDP–PPP thu thập từ

nguồn Ngân hàng Thế giới (World Bank Indicators, 2018). Cụ thể, vectơ chứa các

∑

biến nội địa khu vực Euro: được xác định như sau:

là tỷ trọng đóng góp của quốc gia l trong trung bình GDP–PPP của trong đó,

khu vực Euro giai đoạn 2013–2015.

Bảng 4.3 trình bày cách thiết lập các biến nội địa và nước ngoài trong mô hình

VARX* của mỗi quốc gia. Mô hình VARX* của Mỹ sẽ được xây dựng khác bởi vai

trò của quốc gia này trong nền kinh tế thế giới. Thứ nhất, bởi tầm ảnh hưởng của

các biến số tài chính trong nền kinh tế toàn cầu, các biến tài chính nước ngoài của

không được thêm vào trong mô hình. Bên cạnh đó, Mỹ là Mỹ bao gồm

) áp đặt

quốc gia tiêu thụ dầu lớn nhất thế giới, sự thay đổi trong nhu cầu của quốc gia này

dẫn đến những biến động lớn trên thị trường giá dầu; do đó, biến giá dầu (

làm biến nội địa trong mô hình của Mỹ và là biến nước ngoài trong mô hình các

quốc gia còn lại (Dées & cộng sự, 2007).

Bảng 4.3 Thiết lập các biến số trong mô hình VARX*.

Biến số Mô hình các quốc gia còn lại Nội địa

– – – –

GDP thực Lạm phát Tỷ giá Giá chứng khoán Lãi suất Tỷ lệ thất nghiệp Giá dầu – Mô hình Mỹ Nội địa Nước ngoài Nước ngoài –

4.2. Kết quả ma trận tỷ trọng thƣơng mại

Bảng 4.4 trình bày ma trận tỷ trọng thương mại của các quốc gia trong các

năm 2000, 2008 và 2016, cho mục đích xây dựng biến nước ngoài, được tính toán

dựa trên kim ngạch thương mại được thu thập từ hệ thống dữ liệu IMF Direction of

Trade Statistics (DOTS). Có thế thấy, đầu thể kỷ 21, Nhật Bản là đối tác quan trọng

nhất của Việt Nam (21%) lẫn các quốc gia trong khối ASEAN. Tuy vậy, với sự trỗi

dậy mạnh mẽ của Trung Quốc và nhiều quốc gia đang phát triển nhiều năm sau đó,

Trung Quốc và Mỹ đã thế chỗ của Nhật Bản để trở thành đối tác thương mại chiến

lược tại khu vực ASEAN-6.

4.3. Kiểm định nghiệm đơn vị

Giả định đầu tiên của mô hình GVAR là các chuỗi thời gian phải dừng tại bậc

nhất, tức I(1) (Dées & cộng sự, 2007), qua đó cho phép nhận diện các mối quan hệ

ngắn hạn, dài hạn và giải thích các mối quan hệ dài hạn dựa theo đồng liên kết.

Hiệu lực của giả định được kiểm chứng thông qua kiểm định ADF (Augmented

Dickey Fuller) và kiểm định WS (Weighted Fuller). Lý do của việc áp dụng cả hai

kiểm định xuất phát từ kết quả thiếu thuyết phục của kiểm định ADF, nhất là khi áp

dụng cho mẫu dữ liệu nhỏ, do đó, Pesaran và cộng sự (2004) đề xuất thêm vào kiểm

định WS của Park và Fuller (1995).

Kết quả kiểm định tính dừng cho biến nội địa chỉ ra rằng toàn bộ các biến số

gồm: GDP, giá cổ phiếu thực, tỷ giá hối đoái thực đa phương, lãi suất ngắn hạn, lạm

phát và tỷ lệ thất nghiệp đều dừng tại bậc nhất I(1), ngoại trừ các trường hợp sau:

(1) Giá cổ phiếu thực của Trung Quốc dừng tại bậc gốc, tức I(0); (2) Tỷ giá hối đoái

thực đa phương của Indonesia dừng tại bậc gốc; riêng trường hợp của Ấn Độ, kết

quả không thực sự rõ ràng trong khi kết quả ADF ủng hộ dừng tại bậc gốc thì kết

quả kiểm định WS lại bác bỏ kết luận này; sự đối lập trong kết quả có thể xuất phát

từ sự kém hiệu quả của kiểm định ADF đối với mẫu dữ liệu hạn chế; (3) Biến lạm

phát của Nhật Bản và Hàn Quốc dừng tại bậc gốc.

Bảng 4.4 Ma trận tỷ trọng thương mại.

s e n

i

n ả B

n a L

m a N

p p

Quốc gia

c Ú

ỹ M

h n A

o r u E

i l i

ộ Đ n Ấ

i

a i s y a l a M

i á h T

t ệ i V

t ậ h N

a i s e n o d n I

e r o p a g n S

c ố u Q n à H

h P

c ố u Q g n u r T

(a) Năm 2000

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 0 0,09 0,14 0,02 0,03 0,22 0,07 0,04 0,01 0,06 0,03 0,06 0,21 0,02 0,03 0 0,17 0,01 0,02 0,28 0,11 0,03 0,01 0,04 0,02 0,03 0,25 0,01 0,02 0,08 0 0,02 0,01 0,11 0,03 0,02 0,01 0,03 0,02 0,33 0,33 0,00 0,03 0,05 0,28 0 0,03 0,08 0,03 0,04 0,01 0,05 0,02 0,11 0,26 0,00 0,04 0,06 0,12 0,02 0 0,26 0,08 0,04 0,01 0,14 0,03 0,03 0,16 0,01 0,04 0,14 0,14 0,01 0,04 0 0,08 0,05 0,03 0,04 0,04 0,03 0,35 0,01 0,04 0,13 0,11 0,01 0,04 0,23 0 0,04 0,02 0,04 0,02 0,03 0,29 0,01 0,03 0,04 0,1 0,02 0,03 0,20 0,05 0 0,02 0,20 0,05 0,03 0,23 0,01 0,03 0,06 0,11 0,02 0,04 0,15 0,04 0,22 0,03 0 0,05 0,03 0,20 0,01 0,03 0,06 0,12 0,01 0,03 0,26 0,04 0,06 0,02 0,10 0 0,03 0,22 0,01 0,02 0,04 0,60 0,01 0,01 0,05 0,02 0,01 0,01 0,01 0,01 0 0,22 0,00 0,02 0,13 0,28 0,02 0,01 0,23 0,07 0,04 0,03 0,04 0,03 0,09 0 0,00 0,02 0,03 0,12 0,00 0,02 0,21 0,07 0,05 0 0,10 0,04 0,03 0,31 0,00 0,07 0,13 0,14 0,01 0,03 0,21 0,09 0,03 0,02 0,15 0,05 0,03 0,05 0

s e n

i

n ả B

n a L

m a N

p p

Quốc gia

c Ú

ỹ M

h n A

o r u E

i l i

ộ Đ n Ấ

i

a i s y a l a M

i á h T

t ệ i V

t ậ h N

a i s e n o d n I

e r o p a g n S

c ố u Q n à H

h P

c ố u Q g n u r T

(b) Năm 2008

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 0 0,19 0,12 0,04 0,03 0,20 0,07 0,04 0,01 0,06 0,05 0,06 0,12 0,02 0,04 0 0,20 0,04 0,02 0,18 0,13 0,04 0,02 0,04 0,03 0,03 0,23 0,01 0,02 0,20 0 0,03 0,01 0,07 0,04 0,02 0,01 0,02 0,02 0,29 0,26 0,01 0,05 0,18 0,26 0 0,04 0,05 0,05 0,04 0,00 0,07 0,02 0,05 0,17 0,01 0,04 0,13 0,09 0,05 0 0,20 0,08 0,07 0,01 0,16 0,05 0,01 0,10 0,01 0,06 0,27 0,13 0,01 0,04 0 0,09 0,04 0,02 0,03 0,05 0,02 0,22 0,02 0,04 0,31 0,11 0,03 0,04 0,17 0 0,03 0,02 0,05 0,02 0,02 0,16 0,02 0,04 0,14 0,11 0,04 0,05 0,15 0,05 0 0,02 0,17 0,07 0,02 0,15 0,02 0,04 0,14 0,10 0,04 0,11 0,09 0,06 0,16 0,03 0 0,05 0,02 0,13 0,02 0,05 0,15 0,12 0,02 0,05 0,22 0,04 0,08 0,02 0,07 0 0,02 0,13 0,03 0,02 0,08 0,62 0,02 0,00 0,03 0,02 0,01 0,00 0,02 0,01 0 0,16 0,00 0,02 0,28 0,28 0,03 0,01 0,14 0,06 0,03 0,01 0,03 0,02 0,07 0 0,01 0,02 0,12 0,12 0,01 0,03 0,18 0,07 0,06 0 0,11 0,05 0,01 0,19 0,03 0,05 0,19 0,12 0,02 0,02 0,15 0,08 0,04 0,02 0,11 0,06 0,02 0,13 0

s e n

i

n ả B

n a L

m a N

p p

Quốc gia

c Ú

ỹ M

h n A

o r u E

i l i

ộ Đ n Ấ

i

a i s y a l a M

i á h T

t ệ i V

t ậ h N

a i s e n o d n I

e r o p a g n S

c ố u Q n à H

h P

c ố u Q g n u r T

Nguồn: Tính toán của tác giả từ dữ liệu thống kê về thương mại của Quỹ Tiền tệ Quốc tế (IMF Direction of Trade Statistics).

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 0 0,34 0,12 0,03 0,03 0,13 0,06 0,04 0,01 0,03 0,05 0,04 0,11 0,02 0,05 0 0,18 0,03 0,03 0,13 0,12 0,04 0,02 0,03 0,04 0,04 0,24 0,05 0,02 0,24 0 0,04 0,01 0,06 0,04 0,02 0,01 0,03 0,02 0,25 0,26 0,02 0,04 0,22 0,21 0 0,05 0,04 0,05 0,04 0,01 0,05 0,03 0,04 0,20 0,03 0,04 0,22 0,09 0,06 0 0,13 0,06 0,04 0,03 0,12 0,06 0,01 0,11 0,03 0,05 0,30 0,12 0,01 0,03 0 0,08 0,03 0,02 0,03 0,05 0,02 0,22 0,03 0,04 0,34 0,10 0,03 0,02 0,12 0 0,02 0,02 0,03 0,02 0,02 0,18 0,07 0,04 0,21 0,10 0,04 0,05 0,10 0,05 0 0,02 0,16 0,07 0,01 0,12 0,04 0,03 0,19 0,11 0,04 0,09 0,08 0,07 0,15 0,03 0 0,04 0,02 0,12 0,03 0,05 0,22 0,12 0,03 0,05 0,17 0,04 0,07 0,03 0,05 0 0,02 0,12 0,05 0,02 0,11 0,58 0,02 0,00 0,03 0,02 0,01 0,00 0,01 0,01 0 0,18 0,01 0,02 0,32 0,26 0,04 0,01 0,11 0,06 0,03 0,01 0,03 0,02 0,06 0 0,03 0,01 0,19 0,09 0,02 0,05 0,19 0,07 0,04 0 0,08 0,08 0,01 0,14 0,02 0,02 0,26 0,11 0,02 0,02 0,11 0,16 0,03 0,02 0,03 0,04 0,02 0,17 0

Nhìn chung, hầu hết các biến số đều dừng tại bậc nhất, bên cạnh một vài

trường hợp cá biệt dừng tại bậc gốc. Dựa theo các nghiên cứu trước đây sử dụng mô

hình GVAR (Dées & cộng sự, 2007; Cesa-Bianchi & cộng sự, 2012; Sznajderska,

2017), tác giả áp đặt các biến số nội địa kể trên đều dừng tại bậc nhất vì dù sao, điều

này cũng không ảnh hưởng đến tính ổn định của mô hình.

4.4. Lựa chọn độ trễ cho mô hình VARX*

Để lựa chọn độ trễ tối ưu cho mô hình VARX*, đầu tiên, chúng ta xét mô hình

VARX*( ), bỏ quả các biến quan sát toàn cầu:

(17)

trong đó, i = 0, 1, 2,…, N; độ trễ của các biến nội địa và nước ngoài, tương ứng lần

lượt và , có thể được lựa chọn thông qua tiêu chuẩn thông tin Akaike (AIC)

hoặc Schwarz Bayesian (SBC), xác định bằng công thức sau:

i) Tiêu chuẩn thông tin Akaike (AIC):

(18) ( ) | ̂ |

ii) Tiêu chuẩn thông tin Schwarz Bayesian (SBC):

(19) ( ) | ̂ |

trong đó, hai số hạng đầu tiên trong công thức (18) và (19) tương ứng là giá trị

tương ứng số biến nội địa và nước ngoài, = +

được tính dựa trên phần dư ước

hàm log-likelihood cực đại với ̂ ∑ ̂ ̂ lượng ̂ của phương trình VARX* (17), T là kích thước mẫu, |.| là định thức của ̂ , và + 2. Mô hình với giá trị AIC hoặc SBC cao nhất sẽ được chọn (Smith & Galesi, 2014).

Trước khi hồi quy mô hình VARX*, chúng ta cần xác định độ trễ tối ưu của

mô hình. Độ trễ luôn luôn phải lớn hơn 0, vì giá trị các biến kỳ trước thường có ảnh

hưởng nhất định đến kỳ sau; kỳ vọng tương lai thường dựa trên giá trị hiện tại hoặc

quá khứ. Giống với các mô hình tự hồi quy khác, mô hình GVAR tương đối nhạy

cảm với độ trễ, đặc biệt khi xét trong bối cảnh toàn cầu, số phương trình hồi quy rất

lớn, chưa kể sự hiện hiện diện của các biến nước ngoài. Do vậy, lựa chọn độ trễ tối

ưu trở thành ưu tiên hàng đầu.

Bảng 4.5 Kết quả lựa chọn độ trễ tối ưu.

Quốc gia p q Quốc gia p q

Ghi chú: p,q lần lượt là độ trễ của biến nội địa và nước ngoài.

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc 1 2 2 2 2 2 2 1 1 1 1 1 1 1 Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 2 1 2 2 2 2 2 1 1 1 1 1 1 1

Với mục đích trên, tác giả sử dụng tiêu chuẩn thông tin AIC và SBC, để xác

định độ trễ phù hợp cho mô hình. Với những hạn chế về giới hạn dữ liệu, số quan

sát khá ngắn (quý III/2000–quý I/2017), trong khi số lượng phương trình lại nhiều,

tác giả quyết định thiết lập giá trị độ trễ lớn nhất của biến nội địa (p) và nước ngoài

(q) lần lượt là 2 và 1. Các kết quả giá trị thông tin, cùng kết quả lựa chọn độ trễ tối

ưu được trình bày lần lượt tại Bảng 4.5 và Bảng 4.6. Ngoài ra, giá trị thống kê log-

likelihood cũng được thêm vào.

4.5. Kiểm định tƣơng quan chuỗi

Để kiểm định hiện tượng tương quan chuỗi, chúng ta xét phương trình thứ l

trong mô hình hồi quy sai số hiệu chỉnh của quốc gia thứ i:

̂ ∑ ̂ ̂ ∑ ̂

∑ ̂ (20)

Bảng 4.6 Kết quả tiêu chuẩn thông tin lựa chọn độ trễ tối ưu.

Quốc gia logLik Quốc gia logLik p q AIC

Úc Úc p q AIC 1 1 1350,122* 2 1 1333,832 Malaysia Malaysia

Trung Quốc Trung Quốc Philippines Philippines

Euro Euro Singapore Singapore

Ấn Độ Ấn Độ Thái Lan Thái Lan

Indonesia Indonesia Anh Anh

Ghi chú: * tức là tiêu chuẩn thông tin cao nhất; p,q lần lượt là độ trễ của biến nội địa và nước ngoài. Nguồn: Tính toán của tác giả.

Nhật Bản Nhật Bản Hàn Quốc Hàn Quốc SBC 1219,658* 1470,122 1489,832* 1164,229 1129,351* 1379,814 1427,297* 1101,695 1324,756* 1575,220 1628,272* 1211,056 1260,507* 1066,037* 1316,500 1385,087* 1137,972* 1388,435 1425,507* 1107,517* 1357,980 1395,106* 1 1 1259,814 2 1 1271,297* 1 1 1455,220 2 1 1472,272* 1302,669 960,593* 1 1 1091,056 2 1 1104,507* 934,905 1 1 1196,500 2 1 1229,087* 1059,485 1 1 1268,435 2 1 1269,507* 1099,905 1 1 1237,980 2 1 1239,106* 1069,504 Mỹ Mỹ Việt Nam Việt Nam SBC 1129,239* 1379,702 1 1 1259,702 1436,634* 2 1 1280,634* 1111,032 1 1 1125,967* 995,504* 1245,967 1279,295* 953,693 2 1 1123,295 1142,769* 1393,233 1443,466* 1189,583 1241,809* 1233,321* 1482,785 1540,992* 1218,361* 1437,517 1488,689* 1034,766* 1285,229 1346,938* 1 1 1273,233 2 1 1287,466* 1117,864 939,119* 1 1 1069,583 2 1 1085,809* 916,206 1 1 1362,785 2 1 1384,992* 1215,390 1 1 1332,517 2 1 1334,689* 1167,261 1 1 1165,229 2 1 1190,938* 1021,336

phương trình trên có thể viết dưới dạng thu gọn:

(21) ̂

trong đó = , = , ̂ , j = 1, 2,…, , là ước lượng của

( ) ̂

“số hạng sai số hiệu chỉnh” tương ứng với quan hệ đồng liên kết trong mô hình

quốc gia thứ i, và ̂ = . Đặt là phần dư trong ước lượng phương trình

̂ ̂ ̂ ̂ )

là phương sai sai số ước lượng tương ứng. ( ∑ (21) và ̂

Thống kê F trong kiểm định tương quan chuỗi là “phiên bản F” của thống kê

Lagrange Multiplier quen thuộc (ML) (Godfrey 1978a,1978b), được biết đến với

tên gọi kiểm định “LM điều chỉnh”, và được tính dựa trên công thức sau:

( ) * ( ) ( ) ( ( )

trong đó, T là kích cỡ mẫu, là số biến hồi quy hoặc kích thước không gian của vectơ ̂ , và là độ trễ của hệ thống sai số .

(

)

( ) như sau: Biểu thức của

) ( ) (

ở đây:

)

(

,, ̂ (

,, ( ,, ( ), (

[ . ]

Bảng 4.7 Thống kê F cho kiểm định tương quan chuỗi từ ước lượng mô hình VECMX*.

– – – – – – – – – – – –

F-test

–

2,02 2,27 2,45 1,76 1,71 1,11 2,31 1,37 0,53 2,30 2,22 1,52 1,10 1,64

Ghi chú: Crit, Val, là giá trị tới hạn; * tương ứng mức ý nghĩa 5%.

F(4,41) Úc Trung Quốc F(4,35) F(4,35) Euro F(4,35) Ấn Độ F(4,35) Indonesia F(4,35) Nhật Bản F(4,35) Hàn Quốc Malaysia F(4,35) Philippines F(4,41) F(4,35) Singapore F(4,35) Thái Lan F(4,35) Anh F(4,39) Mỹ F(4,35) Việt Nam Crit. Val. 2,59 2,64 2,64 2,64 2,64 2,64 2,64 2,64 2,59 2,64 2,64 2,64 2,61 2,64 1,20 1,69 1,44 2,90 1,04 2,32 2,15 2,04 1,11 2,35 1,54 1,09 1,27 2,24 2,38 0,87 2,17 0,49 2,52 2,04 2,36 8,71* 2,48 2,42 2,09 1,26 1,99 2,08 1,01 0,52 2,42 1,38 1,03 5,68* 2,45 1,55 2,11 2,45 2,35 2,22 2,20 1,47 2,20 1,67 0,91 4,83* 2,51 2,58 2,19 2,55 2,00 2,21 0,84 1,93 1,51 1,08 2,49 1,02 2,53 2,22 1,52 2,21 0,11 2,12 2,34 1,08 0,87 0,89 0,38 1,16 4,34*

Kết quả kiểm định tương quan chuỗi của phần dư từ ước lượng mô hình

VECMX* được trình bày trong Bảng 4.7. Có thể thấy, có 4 trong tổng số 85 (chiếm

xấp xỉ 4,7%) hồi quy thống kê là có ý nghĩa thống kê tại mức 5%; do đó, chúng ta

có thể khẳng định không có hiện tượng tương quan chuỗi trong ước lượng mô hình.

4.6. Quan hệ đồng liên kết, Persistence Profiles (PPs)

Tiếp theo, tác giả tiến hành xác định số quan hệ đồng liên kết cho từng quốc

gia. Hạng không gian đồng liên kết của mỗi quốc gia được xác định dựa trên thống

kê trace và maximal eigenvalue, đề xuất bởi Pesaran và cộng sự (2000) cho mô hình

chứa biến ngoại sinh yếu I(1). Tuy nhiên, khi trình bày kết quả trong Bảng 4.9, tác

giả chỉ thể hiện kết quả cho kiểm định trace vì kết quả tốt hơn so với kiểm định

maximal eigenvalue khi xét trong mẫu nhỏ (Lütkepohl & cộng sự, 2001). Bên cạnh

đó, giá trị tới hạn (MacKinnon & cộng sự, 1991) cũng được trình bày.

Bảng 4.8 Kết quả lựa chọn số quan hệ đồng liên kết.

Quốc gia #CV Adj.CV Quốc gia #CV Adj.CV

Ghi chú: #CV là số quan hệ đồng liên kết trước điều chỉnh.

Adj.CV là số quan hệ đồng liên kết sau điều chỉnh.

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc 4 5 3 2 4 2 4 1 1 1 1 1 1 1 Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 2 3 4 2 3 3 4 1 1 1 1 1 1 1

Bảng 4.8 trình bày kết quả số quan hệ đồng liên kết dựa theo thống kê trace.

Dựa theo các nghiên cứu trước đây như: Cesa-Bianchi và cộng sự (2012), Bussière

và cộng sự (2012), để tránh hiện tượng có thể đánh giá quá cao số quan hệ đồng liên

kết do các giá trị tới hạn tiệm cận, tác giả quyết định thu gọn số quan hệ đồng liên

kết của tất cả quốc gia về 1. Việc thu gọn xuất phát từ hình dáng của đường PPs

(Persistence Profiles) và đảm bảo tính ổn định mô hình. PPs trình bày vết tích thời

gian của các tác động từ các cú sốc hệ thống hoặc từ các biến số đơn lẻ lên các quan

hệ đồng liên kết trong mô hình GVAR. Giá trị đơn vị của các tác động xuất phát từ

1 và có xu hướng tiến về 0 khi thời gian → , nếu vectơ đang xét tới quả thật là

một vectơ đồng liên kết.

n ả B

n a L

m a N

Quốc gia Ú

ỹ M

h n A

a i s y a l a

o r u E

c ố u Q

g n u r T

ộ Đ n Ấ

e r o p a g n i

i á h T

t ậ h N

a i s e n o d n I

t ệ i V

c ố u Q n à H

s e n i p p i l i h P

Bảng 4.9 Kết quả thống kê Trace và giá trị tới hạn.

(a) Thống kê Trace (Pesaran, Shin & Smith, 2000)

r = 0 r = 1 r = 2 r = 3 r = 4 r = 5 r = 6

305,49 319,25 352,38 263,09 302,68 256,56 329,39 256,52 281,26 303,58 250,59 241,03 309,22 281,63 222,45 220,03 228,37 183,56 219,96 159,32 222,57 170,72 202,42 210,06 173,10 179,69 207,07 206,35 146,00 153,41 138,53 109,64 148,54 109,84 145,37 103,71 131,58 139,76 115,55 123,68 134,90 141,41 85,63 93,40 105,26 42,63 60,33 54,62 12,43 25,96 22,15

84,41 40,58 17,17

79,03 42,34 13,78

94,20 49,40 19,97

95,81 48,39 13,18

82,94 45,95 18,82 7,44

72,25 38,23 18,82

68,26 35,66 16,39

86,27 44,05 13,36

64,67 34,59 15,88

57,74 27,40 8,93

70,02 38,82 17,57

(b) Giá trị tới hạn tại mức ý nghĩa 5% (MacKinnon, Haug & Michelis, 1991)

197,7

197,7 197,07

197,7

r = 0 r = 1 r = 2 r = 3 r = 4 r = 5 r = 6

197,7 197,7 156,44 156,44 156,44 156,44 156,44 156,44 156,44 156,44 156,44 156,44 156,44 156,44 158,01 156,44 119,03 119,03 119,03 119,03 119,03 119,03 119,03 119,03 119,03 119,03 119,03 119,03 122,96 119,03 85,44 85,44 55,5 55,5 28,81 28,81

85,44 55,5 28,81

91,81 64,54 41,03 20,98

85,44 55,5 28,81

Ghi chú: Bootstrap PPs 95% sử dụng tỷ trọng thương mại 2016.

Hình 4.1. PPs cho các vectơ đồng liên kết.

Sau khi thu gọn số quan hệ đồng liên kết, tất cả giá trị PPs đều hội tụ về 0 sau

16 quý (Hình 4.1). Tương tự các nghiên cứu trước đây, tác giả không áp đặt các

ràng buộc lên vectơ/ma trận .

4.7. Kiểm định ngoại sinh yếu

Vì mô hình VARX* chứa các biến nước ngoài ngoại sinh, một giả định quan

trọng đó là các biến nội địa không có tác động lên các biến nước ngoài tương ứng.

Để kiểm định tính ngoại sinh yếu của các biến nước ngoài và giá dầu, tác giả dựa

theo cách thức của Johansen (1992), Harbo và cộng sự (1998). Đầu tiên, tác giả ước

: sinh yếu và hồi quy từng phần tử thứ l của

lượng 14 mô hình VARX* với giả định các biến nước ngoài và toàn cầu là ngoại

∑ ̂

∑

(22) ∑ ̃

và

trong đó, ̂ với j = 1,2,.., , là ước lượng số hạng sai số hiệu chỉnh tương tương

ứng quan hệ đồng liên kết được tìm thấy ở mô hình quốc gia thứ i; ứng là độ trễ của các biến nội địa và nước ngoài. Với giả định các biến ngoại sinh

yếu, số hạng sai số hiệu chỉnh phải không có ý nghĩa thống kê (Dées & cộng sự,

2007). Do đó, kiểm định ngoại sinh yếu dựa vào F-test của giả thiết 0 với j =

1,2,.., trong phương trình (22).

Kết quả Bảng 4.10 chỉ ra giả thuyết ngoại sinh yếu không thể bác bỏ phần lớn

các biến số xét đến, nhất là các nền kinh tế chính như Trung Quốc, Mỹ hay Anh. Cụ

thể, chỉ 4 trong tổng số 81 kiểm định (chiếm 4,9%) cho ra kết quả bác bỏ giả thuyết

ngoại sinh yếu tại mức ý nghĩa 5%. Do đó, xét tổng thể, các kết quả trong Bảng

4.10 ủng hộ các áp đặt ban đầu về biến nước ngoài và giá dầu trong mô hình

VARX* là ngoại sinh yếu.

Bảng 4.10 Thống kê F cho kiểm định ngoại sinh yếu của các biến nước ngoài và giá dầu.

F-test Crit. Val.

0,73 2,90 0,11 0,06 0,03 2,14 0,48 1,88 1,58 0,31 0,67 0,13 – 0,21 2,48 0,02 0,03 1,13 1,26 3,65 5,18* 0,02 0,21 0,22 1,92 2,06 0,11 0,42 4,48* 0,32 0,14 0,50 0,21 2,58 0,12 1,36 0,02 0,56 1,04 0,80 0,60 0,59 0,03 1,06 1,76 2,44 1,15 0,05 0,03 – 0,03 0,62 0,03 2,14 1,48 4,03 4,10 4,10 4,03 4,06 4,03 4,03 4,10 4,06 4,10 4,10 4,06 4,07 4,03 – – – – – – – – – – – – – – 2,96 1,02 2,74 0,27 3,14 0,28 0,03 0,00 0,16 0,21 1,34 4,01 3,21 3,76 5,37* 0,30 0,07 0,04 3,78 1,24 0,35 0,07 0,69 0,31 0,14 – 4,23* 0,19 0,00

Úc F(1,50) Trung Quốc F(1,37) F(1,37) Euro F(1,50) Ấn Độ F(1,43) Indonesia F(1,50) Nhật Bản F(1,50) Hàn Quốc F(1,37) Malaysia F(1,43) Philippines F(1,37) Singapore F(1,37) Thái Lan F(1,43) Anh F(1,41) Mỹ Việt Nam F(1,50) Ghi chú: Crit. Val. là giá trị tới hạn; * tương ứng mức ý nghĩa 5%.

4.8. Kiểm định điểm gãy cấu trúc

Trong mô hình kinh tế vĩ mô, sự ổn định cấu trúc luôn là một vấn đề quan

trọng. Khủng hoảng kinh tế cùng quá trình điều chỉnh chính sách diễn ra với tần

suất tương đối cao, dẫn đến những thay đổi đáng kể xuyên suốt lịch sử chuỗi dữ liệu

thời gian. Dées và cộng sự (2007) nhấn mạnh rằng mô hình GVAR cũng không

tránh khỏi vấn đề này. Tuy nhiên, với việc xuất hiện của biến nước ngoài trong mô

hình VARX* làm cho phương pháp GVAR kháng lại điểm gãy cấu trúc tốt hơn so

với các mô hình đơn thu gọn khác. Lý do để giải thích điều này chính là khái niệm

đồng gián đoạn (Co-Breaking) trình bày bởi Hendry và Mizon (1998). Hiểu một

cách khái quát, nếu điểm gãy cấu trúc truyền qua các quốc gia bên ngoài, thông tin

đó sẽ được tích hợp vào các biến ngoại sinh trong mô hình. Mô hình GVAR sẽ nắm

bắt chúng, vì trong mô hình GVAR, các biến nước ngoài được thiết lập để có thể tác

động đồng thời lên các biến nội địa (Osorio & Unsal, 2013).

Để kiểm định tính ổn định tham số, tác giả thực hiện chuỗi kiểm định trong

nghiên cứu của Dées và cộng sự (2007), dựa trên phần dư của các phương trình sai

số hiệu chỉnh thu gọn thành phần của các mô hình VARX*. Cụ thể, tác giả thực

hiện kiểm định CUSUM (PKsup) của Ploberger và Kramer (1992) cũng như biến thể

toàn phương trung bình (PKmsq). Thêm vào đó, tác giả tiến hành kiểm định tính

vững của tham số đề xuất bởi Nyblom (1989); xác định thay đổi cấu trúc thông qua

dạng Wald của thống kê tỷ lệ hợp lý Quandt (1960), thống kê Wald trung bình

(MW) của Hansen (1992) và thống kê Wald dựa trên trung bình lũy thừa (APW) của

Andrews và Ploberger (1994). Các phiên bản Heteroskedasticity-Robust của các

kiểm định trên cũng được thêm vào.

2 (14) 2 (14) 2 (14) 1 (7) 0 (0) 0 (0) 3 (21) 0 (0) 0 (0) 0 (0) 1 (7) 1 (7) 1 (7) 1 (7) 2 (14) 0 (0) 3 (21) 0 (0) 2 (14) 0 (0) 2 (14) 2 (14) 1 (7) 0 (0) 3 (21) 0 (0) 2 (14) 0 (0) 3 (21) 0 (0) 4 (28) 2 (14) 4 (28) 5 (36) 4 (28) 0 (0) 7 (50) 2 (14) 4 (28) 1 (0) Tổng 14 (17) 12 (14) 9 (11) 8 (9) 12 (14) 0 (0) 20 (24) 2 (3) 12 (14) 1 (1)

Bảng 4.11 Kết quả kiểm định ổn định cấu trúc. Kiểm định 0 (0) 5 (36) PKsup 0 (0) 5 (36) PKmsq 0 (0) Nyblom 1 (7) 0 (0) Robust Nyblom 1 (7) 2 (14) 1 (7) QLR 0 (0) 0 (0) Robust QLR 1 (7) 4 (28) MW 0 (0) 0 (0) Robust MW 2 (14) 1 (7) APW 0 (0) 0 (0) Robust APW Ghi chú: Phần trăm bác bỏ trong ngoặc đơn.

Bảng 4.11 trình bày số lần bác bỏ giả thuyết không H0 của kiểm định ổn định

cấu trúc tại mức ý nghĩa thống kê 5%. Tuy các kết quả kiểm định có khác nhau

đáng kể nhưng có vẻ hầu hết các hệ số hồi quy đều ổn định. Kiểm định MW có tỷ lệ

bác bỏ không quá cao, khoảng 24%; trong khi đó, các kết quả kiểm định PKsup,

PKmsq, Nyblom, QLR và APW cho ra tỷ lệ bác bỏ tương đối thấp, khoảng 11% đến

17%. Tuy nhiên, khi xét đến các kiểm định Robust Nyblom, Robust QLR, Robust

MW, Robust APW, kết quả cải thiện đáng kể, tỷ lệ bác bỏ rất thấp, cụ thể dưới 3%.

Mặc dù, tác giả tìm thấy một vài bằng chứng của độ bất ổn cấu trúc, tuy nhiên, các

thay đổi có thể nằm trong phương sai sai số thay vì trong hệ số tham số. Để giải

quyết vấn đề này, tác giả sử dụng giá trị bootstrap và khoảng tin cậy để trình bày kết

quả GIRFs (Cesa-Bianchi & cộng sự, 2012).

4.9. Truyền dẫn cú sốc trong thời kỳ trỗi dậy của Trung Quốc trong nền kinh tế toàn cầu

Nhằm phân tích sự thay đổi trong truyền dẫn các cú sốc bên ngoài đến khu

vực ASEAN-6 trong thời kỳ trỗi dậy của Trung Quốc, tác giả tiến hành phân tích

hàm phản ứng đẩy. Việc xác định tác động của các cú sốc trong hệ thống nhiều

phương trình tương đối phức tạp; trong nghiên cứu này, ma trận phương sai hiệp

phương sai cần k(k – 1)/2 = 3.486 ràng buộc cho phân rã Cholesky (Sims, 1986). Để

tránh vấn đề nhận dạng, tác giả sử dụng hàm phản ứng đẩy tổng quát (GIRFs) của

Pesaran và Shin (1998). Bên cạnh đó, để so sánh ảnh hưởng từ các thay đổi trong cơ

cấu thương mại lên cơ chế truyền dẫn các cú sốc bên ngoài đến khu vực ASEAN-6,

tác giả hồi quy mô hình GVAR sử dụng 3 thiết lập tỷ trọng thương mại khác nhau

trong các năm 2000, 2008 và 2016.

%

Indonesia

Malaysia

0.01 -0.15

-0.25

-0.01

-0.35

2008

-0.03

2000

-0.45

-0.05

2016

-0.55

-0.07

-0.65

0

2

4

6

8 10 12 14 16 18 20

0

2

4

6

8 10 12 14 16 18 20

%

Philippines

Singapore

-0.45

-0.15

-0.55

-0.2

-0.65

-0.25

-0.75

-0.3

-0.85

0

2

4

6

8 10 12 14 16 18 20

0

2

4

6

8 10 12 14 16 18 20

%

Thái Lan

Việt Nam

-0.1

0 -0.05

-0.15

-0.1

-0.2

-0.15

-0.25

-0.2

-0.3

-0.25

-0.35

0

2

4

6

8 10 12 14 16 18 20

0

2

4

6

8 10 12 14 16 18 20

Hình 4.2. GIRFs của cú sốc sụt giảm một phần trăm GDP Trung Quốc.

Trước tiên, nghiên cứu tìm hiểu sự gia tăng vai trò của Trung Quốc trong nền

kinh tế toàn cầu làm thay đổi truyền dẫn các cú sốc GDP từ Trung Quốc đến

ASEAN-6 như thế nào. Hình 4.2 trình bày phản ứng đẩy GIRFs cho sự suy giảm

một phần trăm GDP Trung Quốc, sử dụng tỷ trọng thương mại cố định các năm

2000, 2008 và 2016. So sánh tác động dài hạn của các cú sốc GDP Trung Quốc năm

2016 với các cú sốc năm 2000 và 2008 để thấy rằng tác động của các cú sốc GDP

Trung Quốc lên khu vực ASEAN-6 (ngoại trừ Thái Lan) về cơ bản đã tăng lên kể từ

thời điểm năm 2000. Cụ thể, tác động dài hạn của cú sốc GDP Trung Quốc đến

Indonesia trong năm 2016 đã mạnh hơn 500% so với năm 2000; tương tự, với Việt

Nam, Malaysia, Singapore và Philippines lần lượt tăng thêm 200%, 30%, 15% và

5%. Riêng với Thái Lan, sự suy giảm sản lượng GDP Trung Quốc vẫn tác động tiêu

cực đến GDP quốc gia này (Hình 4.3), tuy nhiên, các tác động dài hạn của cú sốc

GDP Trung Quốc năm 2008 và 2016 đã giảm gần 40% so với thời điểm năm 2000.

Hình 4.3. GIRFs của cú sốc sụt giảm một sai số chuẩn GDP Trung Quốc. Ghi chú: Phần diện tích màu xám là khoảng tin cậy bootstrap 95% thu được từ 2000 lần lặp; Tác giả sử dụng tỷ trọng thương mại cố định năm 2016.

Hình 4.3 trình bày GIRFs của cú sốc sụt giảm một sai số chuẩn GDP Trung

Quốc năm 2016, kết hợp khoảng tin cậy bootstrap 95%. Nhìn chung, các cú sốc suy

giảm GDP Trung Quốc đều tác động tiêu cực lên tăng trưởng của các quốc gia

ASEAN-6, kết quả này tương tự với các nghiên cứu gần đây (Inoue & cộng sự,

2015; Cashin & cộng sự, 2016). Tuy nhiên, hầu hết các tác động dài hạn của cú sốc

GDP Trung Quốc năm 2000 đều không có ý nghĩa thống kê; tác động dài hạn của

các cú sốc trong năm 2008 chỉ có ý nghĩa thống kê đối với trường hợp của

Malaysia, Philippines, Thái Lan và Singapore tại mức ý nghĩa thống kê 10%. Tuy

nhiên, với sự gia tăng vai trò của Trung Quốc trong khu vực, tác động dài hạn của

cú sốc GDP Trung Quốc đến Malaysia, Philippines, Singapore và Việt Nam có ý

nghĩa thống kê tại mức 5%.

%

Indonesia

Malaysia

-0.2

-0.05

-0.3

-0.06

-0.4

-0.07

-0.5

2008

-0.6

-0.08

-0.7

2000

-0.09

-0.8

2016

-0.9

-0.1

0

2

4

6

8 10 12 14 16 18 20

0

2

4

6

8 10 12 14 16 18 20

%

Philippines

Singapore

-0.15

-0.4

-0.6

-0.25

-0.8

-0.35

-1

-0.45

-1.2

-0.55

-1.4

0

2

4

6

8 10 12 14 16 18 20

0

2

4

6

8 10 12 14 16 18 20

%

Thái Lan

Việt Nam

0

0.05 -0.1

0 -0.2

-0.05

-0.3

-0.1

-0.4

-0.15

-0.5

-0.2

-0.6

-0.7

-0.25

0

2

4

6

8 10 12 14 16 18 20

0

2

4

6

8 10 12 14 16 18 20

Hình 4.4. GIRFs của cú sốc sụt giảm một phần trăm GDP Mỹ.

Tiếp theo, nghiên cứu tìm hiểu tác động dài hạn của việc suy giảm thương mại

giữa Mỹ và ASEAN-6 lên truyền dẫn cú sốc GDP từ Mỹ đến khu vực. Kết quả của

cú sốc suy giảm một phần trăm GDP Mỹ được trình bày ở Hình 4.4. Nhìn chung,

vai trò của cú sốc GDP Mỹ năm 2016 lên GDP khu vực ASEAN-6 đã giảm so với

các cú sốc năm 2000 và 2008. Tác động dài hạn của cú sốc GDP Mỹ năm 2016 của

Malaysia, Philippines và Singapore đã giảm hơn phân nửa so với cú sốc năm 2000,

riêng với Thái Lan, tác động cú sốc năm 2000 gấp 4 và 8 lần so với cú sốc năm

2008 và 2016.

Hình 4.5. GIRFs của cú sốc sụt giảm một sai số chuẩn GDP Mỹ.

Ghi chú: Phần diện tích màu xám là khoảng tin cậy bootstrap 95% thu được từ 2000 lần lặp; Tác giả sử dụng tỷ trọng thương mại cố định năm 2000.

Riêng đối với trường hợp của Indonesia và Việt Nam, trong khi tác động dài

hạn của cú sốc GDP Mỹ năm 2008 mạnh hơn 5% so với cú sốc năm 2000, thì đối

với Việt Nam, tác động dài hạn này lại giảm gần 100%. Hình 4.5 trình bày GIRFs

của cú sốc suy giảm một sai số chuẩn GDP Mỹ năm 2000. Đồng tình với các nghiên

cứu trước đây về vai trò của các cú sốc Mỹ trước giai đoạn khủng hoảng như: Sato

và cộng sự (2011), Dungey và Vehbi (2015), có thể thấy trong khi tác động dài hạn

của cú sốc GDP Mỹ năm 2000 lên GDP của Malaysia, Philippines và Singapore đều

có ý nghĩa thống kê tại mức 10%, thì các tác động này trong năm 2008 và 2016 đến

6 quốc gia ASEAN lại không có ý nghĩa cả trong ngắn hạn và dài hạn.

PHẦN 5: KẾT LUẬN

Nghiên cứu đánh giá hệ quả từ sự trỗi dậy của Trung Quốc trong nền kinh tế

toàn cầu lên truyền dẫn chu kỳ kinh doanh quốc tế tới Việt Nam cùng 5 quốc gia

khu vực ASEAN. Thông qua mô hình GVAR cho 20 quốc gia có quan hệ thương

mại với khu vực trong giai đoạn quý III/2000 – quý I/2017, tác giả tiến hành hồi

quy mô hình sử dụng 3 thiết lập tỷ trọng thương mại cố định các năm 2000, 2008 và

2016. Từ đó giúp định lượng các thay đổi trong truyền dẫn cú sốc bên ngoài đến

khu vực trong bối cảnh liên kết thương mại của ASEAN-6 với Trung Quốc và Mỹ

thay đổi.

Tác giả phát hiện tác động dài hạn của cú sốc GDP Trung Quốc lên khu vực

ASEAN-6 đã tăng gấp 6 lần đối với trường hợp Indonesia, gấp 3 lần đối với Việt

Nam kể từ thời điểm năm 2000; với Malaysia, Singapore và Philippines, tác động

này đã mạnh thêm 30%, 15% và 5%. Riêng với Thái Lan, tác động dài hạn của cú

sốc GDP Trung Quốc lên GDP quốc gia này lại giảm 40% so với cú sốc năm 2000.

Trái ngược sự gia tăng vai trò của các cú sốc xuất phát từ Trung Quốc đến khu vực,

các tác động dài hạn của cú sốc GDP Mỹ đã giảm đáng kể so với thời điểm năm

2000 và 2008. Tác động của cú sốc GDP Mỹ năm 2008 đối với Malaysia,

Philippines và Singapore đã giảm gần 30%, với Thái Lan là 70% so với cú sốc năm

2000. Riêng với Việt Nam, cú sốc GDP Mỹ năm 2008 lại đóng góp tích cực vào

tăng trưởng GDP trong dài hạn. Các kết quả giải thích vì sao hầu hết các quốc gia

ASEAN hồi phục nhanh chóng sau cuộc khủng hoảng toàn cầu năm 2008 (Lee &

Ofreneo, 2014).

Các kết quả cho thấy sự hạ nhiệt trong nền kinh tế Trung Quốc kéo theo nhiều

hệ lụy lên tăng trưởng kinh tế khu vực ASEAN-6. Các kết quả này hầu hết đều có ý

nghĩa thống kê trong ngắn hạn và dài hạn (ngoại trừ Indonesia và Thái Lan) khi hồi

quy mô hình sử dụng tỷ trọng thương mại năm 2016. Tuy các kết quả chưa hoàn

toàn đồng nhất, nhưng rõ ràng mối liên kết thương mại đóng vai trò quan trọng

trong sự thay đổi truyền dẫn của các cú sốc bên ngoài đến khu vực. Nhận định trên

vô cùng giá trị khi quan hệ kinh tế thương mại giữa Trung Quốc và ASEAN-6 được

thúc đẩy mạnh mẽ và hứa hẹn tăng trưởng vượt bậc trong thời gian tới. Bên cạnh

đó, sự chuyển đổi mô hình kinh tế ở Trung Quốc dự báo những biến động sắp tới

trong thành phần tăng trưởng GDP của quốc gia này. Khi đó, tác động của các cú

sốc Trung Quốc đến khu vực sẽ mạnh hơn, đặc biệt với các quốc gia xuất khẩu hàng

hóa và tăng trưởng dựa vào xuất khẩu trong khu vực. Đa dạng hóa đối tác thương

mại là mục tiêu quan trọng trước mắt của các nhà hoạch định chính sách trong khu

vực trước bối cảnh nền kinh tế Trung Quốc sớm bước vào giai đoạn suy thoái, cảnh

báo một cuộc khủng hoảng mới có thể xảy ra bắt nguồn từ quốc gia này trong tương

lai.

TÀI LIỆU THAM KHẢO

[1] Ahuja, A., & Myrvoda, A. (2012). The spillover effects of a downturn in

China’s real estate investment. IMF Working Paper, WP/12/266.

[2] Ahuja, A., & Nabar, M. (2012). Investment-led growth in China: Global

spillovers. IMF Working Paper, WP/12/267.

[3] Akkemik, K. A. (2015). Rapid economic growth and its sustainability in

China. Perceptions, 20(1), 133–158.

[4] Andrews, D. W. K., & Ploberger, W. (1994). Optimal tests when a nuisance

parameter is present only under the alternative. Econometrica, 62(6), 1383–

1414.

[5] Antonakakis, N., & Tondl, G. (2014). Does integration and economic policy

coordination promote business cycle synchronization in the EU?. Empirica,

41(3), 541–575.

[6] ASEAN. (2017a). ASEAN statistical yearbook, available at http://aseanstats.

org/wp-content/uploads/2018/01/ASYB_2017-rev.pdf.

[7] ASEAN. (2017b). ASEAN economic community chartbook, available at

http://asean.org/storage/2018/01/42.-November-2017-ASEAN-Economic-

Community-AEC-Chartbook-2017.pdf.

[8] Aslam, M. (2012). The impact of ASEAN-China free trade area agreement on

ASEAN’s manufacturing industry. International Impact of China Studies,

3(1), 43–78.

[9] Backus, D. K., Patrick, J. K., & Kydland, F. E. (1992). International real

business cycles. Journal of Political Economy, 100(4), 745–775.

[10] Baxter, M., & Crucini, M. J. (1995). Business cycles and the asset structure of

foreign trade. International Economic Review, 36(4), 821–854.

[11] Baxter, M., & Kouparitsas, M. (2005). Determinants of business cycle

comovement: A robust analysis. Journal of Monetary Economics, 52(1), 113–

157.

[12] Bussière, M., Chudik, A., & Sestieri, G. (2012). Modelling global trade flows:

Results from a GVAR Model. Working Paper No. 119, Federal Reserve Bank

of Dallas.

[13] Çakir, M. Y., & Kabundi, A. (2013). Trade shocks from BRIC to South

Africa: A Global VAR analysis. Economic Modelling, 32, 190–202.

[14] Calderon, C., Chong, A., & Stein, E. (2007). Trade intensity and business

cycle synchronisation: Are developing countries any dirrerent?. Journal of

International Economics, 71(1), 2–21.

[15] Canova, F., & Dellas, H. (1993). Trade interdependence and the international

business cycle. Journal of International Economics, 34(1–2), 23–47.

[16] Cashin, P., Mohaddes, K., & Raissi, M. (2012). The global impact of the

systemic economies and MENA business cycles. IMF Working Papers,

WP/12/255.

[17] Cashin, P., Mohaddes, K., & Raissi, M. (2016). China’s slowdown and global

financial market volatility: Is world growth losing out?. IMF Working Papers,

WP/16/63.

[18] Cesa-Bianchi, A., Pesaran, M. H., Rebucci, A., & Xu, T. (2012). China’s

emergence in the world economy and business cycles in Latin America.

Economia Journal of the LACEA, 12, 1–75.

[19] Chen, Q., Gray, D., N' Diaye, P., Oura, H., & Tamirisa, N. (2010).

International transmission of bank and corporate distress. IMF Working Paper,

WP/10/124.

[20] Chen, S.–L., Huang, C.–H., & Huang, Y.–L. (2012). International economic

linkages between Taiwan and the world: A global vector autoregressive

approach. Academia Economic Papers, 40(3), 343–375.

[21] Chudik, A., & Pesaran, M. H. (2013). Econometric analysis of high

dimensional VARs featuring a dominant unit. Econometric Reviews, 32(5–6),

592–649.

[22] Chudik, A., & Pesaran, M. H. (2016). Theory and practice of GVAR

modeling. Journal of Economic Surveys, 30(1), 165–197.

[23] Clark, T. E., & van Wincoop, E. (2001). Borders and business cycles. Journal

of International Economics, 55(1), 59–85.

[24] Dai, Y. (2014). Business cycle synchronization in Asia: The role of financial

and trade linkages. ADB Working Paper series on regional economic

integration, No. 139.

[25] Dées, S., & Zorell, N. (2012). Business cycle synchronisation: Disentangling

trade and financial linkages. Open Economies Review, 23(4), 623–643.

[26] Dées, S., Di Mauro, F., Pesaran, M. H., & Smith, L. V. (2007). Exploring the

international linkages of the Euro area: A Global VAR analysis. Journal of

Applied Econometrics, 22(1), 1–38.

[27] Dées, S., Pesaran, M. H., Smith, L. V., & Smith, R. P. (2013). Constructing

multi-country rational expectations models. Oxford Bulletin of Economics and

Statistics, doi: 10.1111/obes.12046.

[28] Di Giovanni, J., & Levchenko, A. A. (2010). Putting the parts together: Trade,

vertical linkages and business cycle co-movement. American Economic

Journal: Macroeconomics, 2(2), 95–124.

[29] Dinda, S. (2017). Impact of the People’s Republic of China’s slowdown on the

global economy. ADBI Working Paper Series, No. 784.

[30] Dizioli, A., Hunt, B., & Maliszewski, W. (2016). Spillovers from the maturing

of China’s economy. IMF Working Paper, WP/16/212.

[31] Dungey, M., & Vehbi, T. (2015). The influences of international output

shocks from the US and China on ASEAN economies. Journal of Asian

Economics, 39, 59–71.

[32] Duval, R., Cheng, K., Oh, K. H., & Saraf, R. (2014). Trade integration and

business cycle synchronization: A reappraisal with focus on Asia. IMF

Working Paper, WP/14/52.

[33] Feldkircher, M., & Korhonen, I. (2012). The rise of China and its implications

for emerging markets: Evidence from a GVAR model. BOFIT Discussion

Papers, No 20/2012.

[34] Frankel, J. A., & Rose, A. K. (1998). The endogeneity of the optimum

currency area criteria. The Economic Journal, 108(449), 1009–1025.

[35] García-Herrero, A., & Ruiz, J. M. (2008). Do trade and financial linkages

foster business cycle synchronization in a small economy. Working Papers

0810, Banco de España.

[36] Garratt, A., Lee, K., Pesaran, M. H., & Shin, Y. (2003). A long run structural

macroeconometric model of the UK. Economic Journal, 113(487), 412–455.

[37] Godfrey, L. G. (1978a). Testing against general autoregressive and moving

average error models when the regressors include lagged dependent variables.

Econometrica, 46(6), 1293–1302.

[38] Godfrey, L. G. (1987b). Testing for higher order serial correlation in

regression equations when the regressors include lagged dependent variables.

Econometrica, 46(6), 1303–1310.

[39] Gong, C., & Soyoung, K. (2014). Economic integration and business cycle

synchronization in Asia. Asian Economic Papers, 12(1), 76–99.

[40] Hansen, B. (1992). Efficient estimation and testing of cointegrating vectors in

the presence of deterministic trends. Journal of Econometrics, 53(1-3), 87–

121.

[41] Harbo, I., Johansen, S., Nielsen, B., & Rahbek, A. (1998). Asymptotic

inference on cointegrating rank in partial systems. Journal of Business &

Economic Statistics, 16(4), 388–399.

[42] Hendry, D. F., & Mizon, G. (1998). Exogeneity, causality, and co-breaking in

economic policy analysis of a small econometric model of money in the UK.

Empirical Economics, 3(23), 267–294.

[43] Imbs, J. (2004). Trade, finance, specialization and synchronization. Review of

Economics and Statistics, 86(3), 723–734.

[44] Imbs, J. (2006). The real effects of financial integration. Journal of

International Economics, 68(2), 296–324.

[45] IMF. (2014a). World economic outlook: Recovery strengthens, remains

uneven. Washington, DC: International Monetary Fund.

[46] IMF. (2014b). IMF multilateral policy issues report: 2014 spillover report.

IMF Policy Paper, International Monetary Fund, Washington, DC.

[47] IMF. (2017). World economic outlook, October 2017: Seeking sustainable

growth short-term recovery, long-term challenges. Washington, DC:

International Monetary Fund.

[48] IMF. (2018). Direction of trade statistics. Retrieved on 10th February 2018,

from http:// data.imf.org/?sk=9D6028D4-F14A-464C-A2F2-59B2CD424B85.

[49] Inoue, T., Kaya, D., & Ohshige, H. (2015). The impact of China’s slowdown

on the Asia Pacific region: An application of the GVAR model. Policy

Research Working Paper 7442, The World Bank.

[50] Johansen, S. (1992). Cointegration in partial systems and the efficiency of

single-equation analysis. Journal of Econometrics, 52(3), 389–402.

[51] Kandil, M. (2011). Trade flows, financial linkage, and business cycles in Latin

America. Journal of Economic Integration, 26(3), 526–553.

[52] Kenen P. B. (1969). The optimum currency area: An eclectic view. In:

Mundell, R., & Swoboda, A. K. (Eds). Monetary problems of the international

economy. Chicago, IL, University of Chicago Press, 41–60.

[53] Kinfack, E. C., & Bonga-Bonga, L. (2015). Trade linkages and business cycle

comovement: An empirical analysis of Africa and its main trading partners

using Global VAR. ERSA Working Paper 512.

[54] Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse response analysis

in nonlinear multivariate models. Journal of Econometrics, 74(1), 119–147.

[55] Kose, M. A., & Yi, K.–M. (2001). International trade and business cycles: Is

vertical specialization the missing link?. The American Economic Review,

91(2), 371–375.

[56] Kose, M. A., Prasad, E. S., & Terrones, M. E. (2003). How does globalization

affect the synchronization of business cycles?. The American Economic

Review, 93(2), 57–62.

[57] Krugman, P. R. (1991). Geography and trade. Cambridge, MA: MIT Press.

[58] Lee, H. A., & Ofreneo, R. (2014). From Asian to global financial crisis:

Recovery amidst expanding labour precarity. Journal of Contemporary Asia,

44(4), 688–710.

[59] Lee, J. (2010). Globalization and business cycle synchronization: Evidence

from the United States. Journal of International and Global Economic Studies,

3(1), 41–59.

[60] Lütkepohl, H., Saikkonen, P., & Trenkler, C. (2001). Maximum eigenvalue

versus trace tests for the cointegrating rank of a VAR process. Econometrics

Journal, 4(2), 287–310.

[61] MacKinnon, J. G., Haug, A. A., & Michelis, L. (1999). Numerical distribution

functions of likelihood ratio tests for cointegration. Journal of Applied

Econometrics, 14(5), 563–577.

[62] Marcus, K. (2011). Business cycle co-movement and trade intensity in the

Euro area: Is there a dynamic link?. Journal of Economics and Statistics,

231(2), 247–265.

[63] Morrison, W. M. (2018). China-U.S. trade issues (CRS Report No. RL33536).

Retrieved from Congressional Research Service website: https://fas.org/sgp/

crs/row/RL33536.pdf.

[64] Nyblom, J. (1989). Testing for the constancy of parameters over time. Journal

of the American Statistical Association. 84(405), 223–230.

[65] Obradović, S., & Mihajlović, V. (2013). Synchronization of business cycles in

the selected European countries. Panoeconomicus, 60(6), 759–773.

[66] Oehler-Sincai, I. M. (2010). China’s role at global and regional levels from the

perspective of trade and FDI flows. Journal of Global Economic, 2(1), 27–47.

[67] Olivero, M. P., & Madak, R. (2013). Financial integration within Europe and

the international transmission of business cycles among industrialized

countries. Applied economics, 45(1), 111–122.

[68] Osorio, C., & Unsal, F. (2013). Inflation dynamics in Asia: Causes, changes,

and spillovers from China. Journal of Asian Economics, 24, 26–40.

[69] Paladini, S., & Cheng, J. Y. (2015). The ASEAN-China Free Trade Area–A

success or a failure? A preliminary evaluation based on econometric evidence.

Journal of Comparative Asian Development, 14(2), 171–199.

[70] Park, D., Park, I., & Estrada, G. (2009). Prospects for ASEAN-People’s

Republic of China Free Trade Area: A qualitative and quantitative analysis.

China and the World Economy, 117(4), 104–120.

[71] Park, H., & Fuller, W. (1995). Alternative estimators and unit root tests for the

autoregressive process. Journal of Time Series Analysis, 16(4), 415–429.

[72] Pesaran, H. M., & Shin, Y. (1998). Generalized impulse response analysis in

linear multivariate models. Economics Letters, 58(1), 17–29.

[73] Pesaran, M. H., & Shin, Y. (1996). Cointegration and the speed of

convergence to equilibrium. Journal of Econometrics, 71(1–2), 117–143.

[74] Pesaran, M. H., Schuermann, T., & Smith, L. V. (2009a). Forecasting

economic and financial variables with Global VARs. International Journal of

Forecasting, 25(4), 642–675.

[75] Pesaran, M. H., Schuermann, T., & Smith, L. V. (2009b). Rejoinder to

comments on forecasting economic and financial variables with Global VARs.

International Journal of Forecasting, 25(4), 703–715.

[76] Pesaran, M. H., Schuermann, T., & Treutler, B. J. (2007a). Global business

cycles and credit risk. In: Carey, M., & Stultz, R. (2007). The risks of financial

institutions. Chicago: University of Chicago Press, 419–473.

[77] Pesaran, M. H., Schuermann, T., & Weiner, S. (2004). Modeling regional

interdependencies using a global error-correcting macroeconometric model.

Journal of Business & Economic Statistics, 22, 129–162.

[78] Pesaran, M. H., Schuermann, T., Treutler, B. J., &. Weiner, S. M. (2006).

Macroeconomic dynamics and credit risk: A global perspective. Journal of

Money, Credit and Banking, 38(5), 1211–1262.

[79] Pesaran, M. H., Shin, Y., & Smith, R. J. (2000). Structural analysis of vector

error correction models with exogenous I(1) variables. Journal of

Econometrics, 97(2), 293–343.

[80] Pesaran, M. H., Smith, L. V., & Smith, R. P. (2007b). What if the UK or

Sweden had joined the Euro in 1999? An empirical evaluation using a Global

VAR. International Journal of Finance and Economics, 12(1), 55–87.

[81] Ploberger, W., & Krämer, W. (1992). The CUSUM test with OLS residuals.

Econometrica, 60(2), 271–285.

[82] Quandt, R. E. (1960). Tests of the hypothesis that a linear regression system

obeys two separate regimes. Journal of the American Statistical Association,

55(290), 324–330.

[83] Rafiq, S. (2016). When China sneezes does ASEAN catch a cold? IMF

Working Paper, WP/16/214.

[84] Rosmy, J. L., & Simons, D. (2014). Business cycles synchronicity and income

levels: Has globalisation brought us closer than ever?. The World Economy,

37(5), 592–624.

[85] Saldarriaga, M. A., & Winkelried, D. (2013). Trade linkages and growth in

Latin America: An SVAR analysis. International Economics, 135–136, 13–28.

[86] Sato, K., Zhang, Z., & McAleer, M. (2011). Identifying shocks in regionally

integrated East Asian economies with structural VAR and block exogeneity.

Mathematics and Computers in Simulation, 81, 1353–1364.

[87] Sims, C. A. (1986). Are forecasting models usable for policy analysis?.

Federal Reserve Bank of Minneapolis, Quarterly Review, 10(1), 2–16.

[88] Smith, L., & Galesi, A. (2014). GVAR Toolbox 2.0. University of Cambridge:

Judge Business School.

[89] Sznajderska, A. (2017). The role of China in the world economy: Evidence

from Global VAR model. NBP Working Paper No. 270, Narodowy Bank

Polski.

[90] Tingvall, P., & Ljungwall, P. (2012). Is China different? A meta-analysis of

export-led growth. Economics Letters, 115(2), 177–179.

[91] UNCTAD. (2017). World investment reports - Investment and the digital

economy. Geneva: United Nations Conference on Trade and Development.

[92] Waal, A. D., & Eyden, R. V. (2016). The impact of economic shocks in the

rest of the world on South Africa: Evidence from a Global VAR. Emerging

Markets Finance and Trade, 52(3), 557–573.

[93] Wong, J. (2010). China’s rise and East Asian economies: Towards a Sino-

centric regional grouping?. In: Ito, T., eds. (2010). The rise of China and

structural changes in Korea and Asia. Cheltenham, UK: Edward Elgar

Publishing, 65–94.

[94] World Bank Indicator. (2018). GDP, PPP (current international $). Retrieved

on 10th February 2018, from: https://data.worldbank.org/indicator/

NY.GDP.MK TP.PP.CD.

[95] World Bank. (2015). Global economic prospects, January 2015: Having fiscal

space and using it. Washington, DC: World Bank.

[96] WTO. (2017). World trade statistics review. Geneva: World Trade

Organization.

[97] Yao, Y. (2011). The relationship between China's export-led growth and its

double transition of demographic change and industrialization. Asian

Economic Papers, 10(2), 52–76.

[98] Yunling, Z. (2010). China’s economic rise and its impact. In: Ito, T., eds.

(2010). The rise of China and structural changes in Korea and Asia.

Cheltenham, UK: Edward Elgar Publishing, 43–64.

[99] Zhang, L. (2016). Rebalancing in China–Progress and prospects. IMF

Working Paper, WP/16/183.

PHỤ LỤC

Phụ lục A Thống kê mô tả các biến số.

Quốc gia Trung bình Trung vị Lớn nhất Nhỏ nhất Độ lệch chuẩn

A.1. GDP thực

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 4,5633 4,0761 4,6365 4,5190 4,4453 4,6114 4,5304 4,9601 4,5116 4,4681 4,5404 4,6013 4,6302 4,5633 4,7783 4,7798 4,7153 4,9232 5,0393 4,6739 4,7999 5,3494 4,9965 4,8560 4,8017 4,7391 4,7989 4,7783 4,5505 3,9953 4,6188 4,4542 4,4407 4,6035 4,5139 4,9566 4,5242 4,4572 4,5121 4,5910 4,6324 4,5505 4,2973 3,0336 4,5024 3,9556 3,8790 4,5373 4,1495 4,5877 4,1261 4,0046 4,1501 4,4260 4,4335 4,2973 0,1455 0,5485 0,0556 0,2988 0,3628 0,0398 0,1893 0,2355 0,2577 0,2846 0,1954 0,0865 0,1277 0,1455

A.2. Lạm phát

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc Malaysia Philippines Singapore Thái Lan Anh 0,0061 0,0046 0,0041 0,0180 0,0161 –0,000 0,0062 0,0054 0,0089 0,0034 0,0047 0,0052 0,0365 0,0364 0,0128 0,0660 0,0983 0,0247 0,0205 0,0402 0,0343 0,0215 0,0415 0,0200 0,0068 0,0058 0,0039 0,0158 0,0176 0,0001 0,0066 0,0059 0,0099 0,0043 0,0055 0,0050 –0,003 –0,013 –0,006 –0,012 –0,002 –0,012 –0,004 –0,015 –0,004 –0,012 –0,035 –0,007 0,0055 0,0105 0,0040 0,0141 0,0143 0,0051 0,0055 0,0075 0,0068 0,0069 0,0097 0,0053

Mỹ Việt Nam 0,0052 0,0174 0,0053 0,0117 0,0217 0,0859 –0,028 –0,011 0,0074 0,0191

A.3. Giá chứng khoán thực

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 2,4709 2,3657 2,3917 2,1558 3,0554 1,1268 1,0063 2,4846 3,5028 3,2321 2,0996 3,4235 2,2824 1,5276 2,4595 2,3412 2,3379 2,3306 3,2383 1,2705 1,1497 2,5611 3,4900 3,2937 2,1107 3,4251 2,2507 1,4127 2,8756 3,2457 2,8335 2,9222 3,7640 1,7326 1,3680 2,8320 4,1914 3,6631 2,6484 3,7416 2,2662 2,7313 2,1799 1,6789 2,0299 1,1749 1,9050 0,8532 0,3032 1,9603 2,6944 2,7175 1,2653 3,1027 1,7823 0,8693 0,1566 0,3682 0,2136 0,4585 0,5904 0,2402 0,3075 0,2537 0,4578 0,2162 0,4081 0,1341 0,2021 0,4018

A.4. Tỷ giá hối đoái thực đa phƣơng

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 4,4875 4,6103 4,6051 4,5468 4,4687 4,5340 4,6849 4,5745 4,5556 4,6049 4,5503 4,7364 4,6842 4,7378 4,4899 4,5887 4,6049 4,5408 4,4908 4,5834 4,6779 4,5835 4,5777 4,5845 4,5864 4,7423 4,6901 4,7522 4,7033 4,8718 4,6603 4,6293 4,6277 4,8394 4,8806 4,6700 4,7711 4,7300 4,6832 4,8663 4,8566 5,0951 4,1988 4,4193 4,5428 4,4540 4,0785 4,2376 4,4391 4,4475 4,2989 4,4933 4,4124 4,5605 4,5390 4,4621 0,1411 0,1354 0,0347 0,0447 0,1155 0,1502 0,0971 0,0484 0,1346 0,0817 0,0856 0,1039 0,0916 0,2119

A.5. Lãi suất ngắn hạn

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 0,0105 0,0062 0,0047 0,0166 0,0216 0,0009 0,0097 0,0074 0,0098 0,0011 0,0079 0,0061 0,0053 0,0184 0,0116 0,0056 0,0050 0,0146 0,0190 0,0010 0,0099 0,0074 0,0087 0,0010 0,0074 0,0057 0,0031 0,0166 0,0175 0,0101 0,0109 0,0227 0,0397 0,0026 0,0189 0,0086 0,0285 0,0043 0,0157 0,0141 0,0152 0,0392 0,0037 0,0037 –0,000 0,0146 0,0138 0,0001 0,0035 0,0050 0,0027 0,0003 0,0043 0,0002 0,0012 0,0087 0,0038 0,0017 0,0034 0,0027 0,0069 0,0006 0,0034 0,0008 0,0055 0,0010 0,0028 0,0053 0,0047 0,0067

A.6. Tỷ lệ thất nghiệp

Nguồn: Tính toán của tác giả.

Úc Trung Quốc Euro Ấn Độ Indonesia Nhật Bản Hàn Quốc Malaysia Philippines Singapore Thái Lan Anh Mỹ Việt Nam 0,0549 0,0402 0,0886 0,0207 0,0788 0,0435 0,0354 0,0334 0,0829 0,0252 0,0152 0,0487 0,0626 0,0455 0,0556 0,0410 0,0894 0,0194 0,0770 0,0433 0,0350 0,0330 0,0740 0,0240 0,0122 0,0353 0,0560 0,0463 0,0721 0,0430 0,1100 0,0337 0,1120 0,0557 0,0523 0,0400 0,1390 0,0450 0,0467 0,0850 0,1040 0,0640 0,0402 0,0300 0,0693 0,0136 0,0560 0,0287 0,0283 0,0274 0,0470 0,0150 0,0048 0,0243 0,0367 0,0324 0,0074 0,0030 0,0102 0,0058 0,0171 0,0071 0,0045 0,0031 0,0215 0,0083 0,0090 0,0217 0,0175 0,0105

Phụ lục B Kết quả kiểm định tính dừng.

s e n

i

n ả B

n a L

c

m a N

p p

Biến số Thống kê CV Ú

ỹ M

h n A

o r u E

i l i

ộ Đ n Ấ

i

a i s y a l a M

i á h T

t ệ i V

t ậ h N

a i s e n o d n I

e r o p a g n S

c ố u Q n à H

h P

c ố u Q g n u r T

–3,45 –2,07 –2,00 –2,86 –1,00 –3,08 –1,73 –2,67 –0,94 –1,80 –1,27 –2,14 –1,76 –2,15

–0,99

y (with trend)

ADF

–3,24 –1,55 –2,41 –2,95 –1,43 –1,53 –2,04 –2,23 –1,49 –1,27 –1,76 –1,64 –1,73 –2,22

–1,17

y (with trend)

–2,89 –2,24 –1,16 –0,98 –1,19 0,125 –1,87 –1,95 –1,82 1,425 –1,18 –1,71 –0,84 –0,58

–1,81

y (no trend)

ADF

–2,55 1,230 –0,28 0,034 1,109 0,153 –2,13 1,093 0,455 1,508 0,378 1,949 0,914 1,021

–0,30

y (no trend)

–2,89 –5,29 –2,92 –3,24 –6,06 –4,73 –5,15 –5,07 –4,91 –5,80 –5,24 –5,80 –4,14 –3,94

–2,99

ADF

–2,55 –5,25 –2,56 –3,41 –6,08 –3,54 –5,40 –5,06 –4,96 –5,65 –4,88 –6,03 –4,38 –4,10

–3,11

–2,89 –6,93 –13,0 –5,87 –9,09 –6,91 –8,07 –6,89 –6,34 –6,07 –6,28 –6,41 –5,40 –7,83

–4,94

DDy

ADF

–2,55 –6,61 –13,5 –6,09 –9,11 –5,50 –8,04 –6,81 –6,53 –6,42 –6,33 –6,78 –5,65 –8,08

–4,96

DDy

–3,45 –2,43 –2,67 –2,65 –1,22 –2,66 –3,44 –3,48 –2,13 –2,46 –3,24 –2,20 –2,32 –2,55

–3,35

Dp (with trend)

ADF

–3,24 –2,15 –2,18 –2,95 –1,59 –2,88 –3,74 –3,51 –2,37 –2,62 –3,12 –2,47 –2,84 –2,83

–3,21

Dp (with trend)

–2,89 –2,85 –2,66 –2,25 –1,71 –2,55 –3,18 –2,97 –2,07 –2,38 –2,86 –2,03 –2,34 –2,86

–2,82

Dp (no trend)

ADF

–2,55 –2,08 –2,18 –2,12 –1,59 –2,10 –3,39 –2,57 –2,28 –2,43 –2,45 –2,28 –2,45 –2,02

–2,32

Dp (no trend)

–2,89 –7,87 –4,35 –4,62 –7,79 –8,20 –9,93 –5,21 –6,29 –5,66 –7,63 –6,06 –6,40 –7,19

–5,71

DDp

ADF

–2,55 –5,36 –4,51 –4,90 –7,82 –8,52 –10,2 –5,35 –6,62 –5,77 –7,84 –6,46 –6,77 –7,52

–6,07

DDp

–2,89 –9,24 –9,12 –7,40 –12,6 –7,56 –8,01 –9,21 –7,55 –7,31 –6,39 –13,2 –7,93 –10,7

–7,21

DDDp

ADF

–2,55 –6,85 –9,48 –7,19 –13,2 –7,90 –8,29 –9,35 –7,89 –7,51 –6,87 –13,6 –8,06 –11,2

–7,39

DDDp

–3,45 –2,66 –3,49 –2,93 –1,85 –2,76 –2,07 –1,65 –2,43 –3,25 –3,09 –3,33 –3,21 –3,09

–2,10

eq (with trend)

ADF

–3,24 –2,90 –3,63 –2,42 –2,20 –2,93 –2,12 –1,91 –2,88 –2,76 –3,20 –3,17 –2,52 –3,02

–2,35

eq (with trend)

–2,89 –2,62 –3,30 –2,44 –1,78 –1,43 –2,07 –1,69 –1,96 –1,00 –2,59 –1,68 –2,78 –2,50

–2,16

eq (no trend)

ADF

–2,55 –2,82 –3,52 –2,37 –1,42 –1,15 –2,13 –0,82 –1,19 –1,14 –2,52 –0,39 –2,47 –2,41

–2,45

eq (no trend)

–2,89 –4,59 –4,79 –4,68 –4,51 –5,64 –3,48 –5,79 –4,90 –5,11 –5,63 –5,80 –4,39 –5,19

–4,65

Deq

ADF

–2,55 –4,80 –5,09 –4,75 –4,27 –5,64 –3,45 –5,41 –5,17 –5,33 –5,78 –6,02 –4,55 –5,38

–4,20

Deq

–2,89 –7,56 –6,46 –6,13 –8,77 –6,49 –7,16 –9,00 –6,49 –3,86 –8,68 –7,38 –6,53 –6,87

–5,80

DDeq

ADF

–2,55 –7,80 –6,76 –6,48 –9,03 –6,85 –7,40 –8,82 –6,83 –5,05 –8,93 –7,60 –6,88 –7,16

–5,00

DDeq

–3,45 –2,34 –2,26 –2,54 –4,43 –4,43 –3,55 –2,78 –1,62 –2,51 –2,63 –2,92 –2,26 –0,84

–0,79

ep (with trend)

ADF

–3,24 –2,44 –1,48 –0,82 –2,59 –2,59 –3,75 –3,01 –1,95 –1,72 –1,45 –3,02 –2,53 –1,32

–1,27

ep (with trend)

–2,89 –2,34 –0,16 –1,09 –4,60 –4,60 –3,65 –2,70 –1,18 –0,84 –0,81 –1,71 –1,44 –1,71

–1,41

ep (no trend)

ADF

–2,55 –1,53 –0,70 –0,82 –1,37 –1,37 –3,05 –2,99 –1,45 –1,23 –1,29 –1,47 –1,31 –1,48

–0,19

ep (no trend)

–2,89 –5,91 –6,11 –4,67 –4,70 –3,84 –4,67 –3,34 –5,72 –3,74 –3,12 –4,54 –5,11 –5,36

–5,04

Dep

ADF

–2,55 –6,03 –6,20 –4,94 –5,00 –4,07 –4,80 –3,41 –5,73 –3,73 –3,37 –4,42 –5,32 –5,47

–5,11

Dep

–2,89 –7,03 –6,50 –6,23 –5,86 –6,28 –11,6 –10,3 –7,50 –5,60 –6,30 –7,32 –8,92 –6,83

–6,06

DDep

ADF

–2,55 –7,30 –6,78 –7,87 –6,15 –6,48 –11,9 –10,6 –7,71 –4,58 –6,11 –7,51 –9,19 –7,16

–6,40

DDep

–3,45 –2,80 –1,89 –3,04 –2,41 –3,20 –2,25 –3,12 –2,82 –2,84 –2,01 –2,72 –2,68 –3,37

–1,53

r (with trend)

ADF

–3,24 –3,02 –2,19 –3,20 –1,32 –3,11 –2,57 –2,33 –2,85 –2,29 –1,81 –3,00 –2,98 –3,14

–1,62

r (with trend)

–2,89 –1,57 –2,01 –1,98 –1,50 –2,88 –2,32 –1,56 –2,88 –2,49 –2,77 –2,45 –1,52 –2,67

–1,68

r (no trend)

ADF

–2,55 –1,45 –2,24 –1,38 –1,74 –2,45 –2,27 0,231 –2,67 –1,00 –0,11 –2,70 –1,05 –2,71

–1,61

r (no trend)

–2,89 –4,93 –4,39 –4,16 –6,07 –4,90 –3,75 –6,14 –4,92 –6,92 –4,40 –3,87 –3,22 –3,66

–7,50

ADF

–2,55 –5,07 –4,60 –4,38 –6,03 –4,88 –3,02 –6,03 –5,12 –6,88 –4,61 –4,10 –3,43 –2,85

–7,67

–2,89 –6,29 –8,50 –7,35 –6,97 –7,36 –13,2 –7,42 –8,68 –6,66 –13,6 –6,45 –9,23 –10,8

–6,15

DDr

ADF

–2,55 –6,60 –8,77 –7,55 –7,64 –7,61 –13,7 –7,79 –8,92 –4,22 –7,79 –6,73 –9,49 –10,4

–6,42

DDr

–3,45 –3,04 –2,82 –2,58 –2,23 –3,30 –2,55 –2,89 –3,11 –2,14 –3,07 –0,91 –2,13 –3,37

–2,96

ur (with trend)

ADF

–3,24 –2,95 –1,56 –2,58 –2,27 0,285 –2,78 –2,30 –3,20 –2,46 –3,16 –0,95 –2,41 –3,12

–3,19

ur (with trend)

–2,89 –2,46 –2,75 –2,79 –0,81 –0,73 –1,30 –2,04 –2,71 –1,16 –2,08 –2,61 –1,88 –2,41

–1,14

ur (no trend)

ADF

–2,55 –2,30 –1,44 –2,35 –1,03 –1,25 –1,62 –2,08 –2,32 –0,38 –2,49 –0,11 –2,12 –2,13

–0,28

ur (no trend)

–2,89 –3,49 –4,05 –3,85 –3,40 –3,82 –3,24 –4,20 –8,12 –4,57 –3,20 –4,12 –3,63 –3,42

–3,63

Dur

ADF

–2,55 –3,43 –3,26 –3,21 –3,26 –3,53 –3,16 –4,05 –8,26 –4,84 –3,31 –4,36 –3,92 –3,77

–3,85

Dur

–2,89 –5,57 –11,1 –4,82 –8,06 –7,69 –13,5 –9,24 –8,36 –6,83 –23,2 –10,5 –4,68 –4,95

–4,89

DDur

ADF

–2,55 –5,77 –7,01 –4,27 –8,32 –7,92 –13,9 –9,05 –8,67 –6,27 –23,9 –10,6 –5,25 –4,78

–5,13

DDur

Ghi chú: CV là giá trị tới hạn; D là sai phân bậc nhất; DD là sai phân bậc hai. Nguồn: Tính toán của tác giả

Phụ lục C: Chi tiết dữ liệu nghiên cứu

C.1. GDP thực

Nguồn dữ liệu GDP thực cho các quốc gia được chia làm hai nhóm:

i) Nhóm đầu tiên: Dữ liệu GDP thực theo quý và đã hiệu chỉnh yếu tố mùa (seasonal adjustment) có sẵn. Dữ liệu được thu thập từ nguồn Cơ sở dữ liệu Cục dự trữ liên bang Mỹ (FRED) cho các quốc gia: Úc, Pháp, Đức, Ấn Độ, Indonesia, Ý, Nhật Bản, Hàn Quốc, Hà Lan, Singapore, Tây Ban Nha, Thụy Điển và Thụy Sỹ. Đối với các quốc gia Malaysia, Philippines, Thái Lan, Anh và Mỹ lần lượt được thu thập từ nguồn Ngân hàng Trung ương Malaysia (BNM), Cơ quan Thống kê Philippines (PSA), Ban phát triển kinh tế và xã hội quốc gia Thái Lan (NESDB), Văn phòng thống kê quốc gia Anh (ONS) và Cục phân tích kinh tế Mỹ (BEA).

ii) Nhóm thứ hai: Chỉ có dữ liệu GDP danh nghĩa theo quý. Đối với Việt Nam và Trung Quốc, dữ liệu được thu thập tương ứng từ Tổng cục Thống kê (GSO) và Cơ sở dữ liệu Cục dự trữ liên bang Mỹ (FRED). Tác giả tiến hành hiệu chỉnh yếu tố mùa bằng phương pháp Census X12 cho dữ liệu GDP danh nghĩa theo quý của Việt Nam. Sau đó, để tính được chỉ số GDP thực cho hai quốc gia, tác giả sử dụng công thức sau của Smith và Galesi (2014):

)

log( ) = log(

với t = 1, với t > 1,

) – log(

)

log( ) = log( ) log(

trong đó, CPI được xác định trong mục C.2.

C.2. Chỉ số giá tiêu dùng

Để xây dựng chỉ số giá tiêu dùng (CPI), dữ liệu Thống kê tài chính quốc tế (IFS) (Khái niệm: giá tiêu dùng, tất cả các mặt hàng, hàng quý, 2010 = 100) được thu thập cho tất cả các quốc gia ngoại trừ Ấn Độ. Riêng với Ấn Độ, dữ liệu CPI được thu thập từ Cơ sở dữ liệu Cục dự trữ liên bang Mỹ (FRED). Tất cả dữ liệu đều được hiệu chỉnh yếu tố mùa bằng phương pháp Census X12.

C.3. Chỉ số giá chứng khoán

Ngoại trừ các quốc gia ASEAN-6, dữ liệu giá chứng khoán theo quý của các quốc gia còn lại được thu thập từ dữ liệu của Tổ chức hợp tác và phát triển kinh tế (OECD). Dữ liệu theo ngày của các quốc gia gồm Indonesia, Malaysia, Singapore, Philippines và Thái Lan được thu thập từ Sở giao dịch chứng khoán Thái Lan (SET). Riêng với Việt Nam, dữ liệu giá chứng khoán hàng ngày được lấy từ Sở giao

dịch chứng khoán TP.HCM (HOSE). Để thu được dữ liệu giá chứng khoán theo quý cho các quốc gia ASEAN-6, đầu tiên, tác giả lấy trung bình chỉ số giá chứng khoán đóng cửa cuối mỗi ngày giao dịch trong một tháng; một quý gồm ba tháng, trong ba tháng ta thu thập được ba giá cổ phiếu đóng cửa, sau đó, lấy trung bình để thu được chỉ số giá chứng khoán theo quý.

C.4. Tỷ giá hối đoái thực đa phƣơng

Riêng với Việt Nam, tỷ giá hối đoái thực đa phương theo quý được thu thập từ nguồn Datastream, các quốc gia còn lại đều được thu thập từ Ngân hàng thanh toán quốc tế (BIS).

C.5. Lãi suất ngắn hạn

Thống kê tài chính quốc tế (IFS) là nguồn dữ liệu chính cho lãi suất ngắn hạn. Tương tự các nghiên cứu trước đây, dữ liệu IFS sử dụng cho Trung Quốc, Pháp, Ấn Độ, Indonesia, Ý, Nhật Bản, Hàn Quốc và Singapore (Khái niệm: Lãi suất, lãi suất tiền gửi); Malaysia, Philippines và Mỹ (Khái niệm: Lãi suất, lãi suất tín phiếu kho bạc); và đối với Úc, Tây Ban Nha, Thụy Điển, Thụy Sỹ, Thái Lan (Khái niệm: Lãi suất, lãi suất thị trường tiền tệ). Riêng với Đức, Hà Lan và Anh, tác giả sử dụng lãi suất liên ngân hàng, thu thập từ nguồn Datastream và FRED (đối với Anh). Cuối cùng, với Việt Nam, tác giả sử dụng lãi suất tiền gửi thu thập từ nguồn Datastream.

C.6. Chỉ số giá dầu

Đối với chỉ số giá dầu, giá dầu thô theo quý được lấy từ Cơ quan quản lý

thông tin năng lượng Hoa Kỳ (EIA).

C.7. Tỷ lệ thất nghiệp

Do tính sẵn có của dữ liệu tỷ lệ thất nghiệp theo tần suất quý, dữ liệu của các quốc gia gồm: Úc, Pháp, Đức, Ý, Nhật Bản, Hàn Quốc, Malaysia, Hà Lan, Tây Ban Nha, Philippines, Thụy Điển, Thụy Sỹ, Anh và Mỹ được thu thập từ nguồn Thống kê tài chính quốc tế (IFS). Đối với Trung Quốc, Ấn Độ, Thái Lan và Việt Nam, tác giả thu thập từ nguồn Datastream. Cuối cùng, tác giả thu thập dữ liệu từ Bộ nhân lực của chính phủ Singapore (MOM) để thu được dữ liệu tỷ lệ thất nghiệp của quốc gia này. Riêng trường hợp Indonesia, do dữ liệu theo quý không có sẵn, tác giả sử dụng dữ liệu theo năm từ Chỉ số phát triển thế giới của Ngân hàng Thế giới (WDI). Sau đó, tác giả nội suy chuỗi dữ liệu theo năm sang chuỗi dữ liệu theo quý.

C.8. Dữ liệu GDP–PPP

Dữ liệu để tính toán tỷ trọng GDP–PPP cho từng quốc gia được thu thập từ cơ sở dữ liệu Chỉ số phát triển thế giới của Ngân hàng Thế giới (WDI). GDP tính theo

ngang giá sức mua của đô-la quốc tế (Mã CK: NY.GDP.MKTP.PP.CD) được tải về cho tất cả các quốc gia từ năm 2013 đến năm 2015.