Dữ liệu và phương pháp nghiên cứu
Dữ liệu và biến nghiên cứu
Các dữ liệu vĩ mô của Việt Nam được thu thập từ tháng 1 năm 2000 đến tháng 12 năm 2010, cung cấp một cái nhìn tổng quan toàn diện về tình hình kinh tế của đất nước trong suốt thập kỷ đầu tiên của thiên niên kỷ mới, dựa trên nguồn cơ sở dữ liệu uy tín của Ngân hàng Thế giới.
Giai đoạn 2000-2010 chứng kiến sự phát triển kinh tế quan trọng của Việt Nam, bao gồm việc gia nhập WTO và ký hiệp ước bình thường hóa thương mại với Hoa Kỳ Trong bối cảnh này, đất nước cũng phải đối mặt với những biến động kinh tế toàn cầu như cuộc khủng hoảng tài chính tín dụng và cuộc khủng hoảng nợ công Châu Âu Nghiên cứu này sử dụng dữ liệu kinh tế vĩ mô hàng tháng trong 11 năm với 132 kỳ quan sát, nhằm đánh giá mối quan hệ giữa các biến nghiên cứu, từ đó nâng cao tính tin cậy của kết quả.
Lãi suất cho vay danh nghĩa và cung tiền M2 được chọn làm biến độc lập đại diện cho quyết định chính sách tiền tệ của Việt Nam Lãi suất cho vay thường được xác định dựa trên trần lãi suất do Ngân hàng Nhà nước ban hành và phản ánh cung cầu tiền tệ tại thời điểm cụ thể, trong khi cung tiền M2 phụ thuộc vào việc mua/bán trái phiếu trên thị trường mở của chính phủ Hiện nay, kênh lãi suất và thị trường mở được coi là hai công cụ điều tiết chính sách tiền tệ hiệu quả nhất của Ngân hàng Nhà nước Do đó, lãi suất cho vay và cung tiền M2 là hai chỉ báo hữu ích để đo lường quan điểm chính sách tiền tệ của nhà điều hành tại Việt Nam, đáp ứng tiêu chí lựa chọn chỉ báo cho chính sách tiền tệ theo nghiên cứu của Binder, Chen và Zhang (2010).
Các biến vĩ mô cần nghiên cứu bao gồm lạm phát, sản lượng và tỷ giá Lạm phát tại Việt Nam được đo bằng chỉ số CPI theo tháng với năm gốc là 2005 Chỉ số sản lượng công nghiệp phản ánh biến sản lượng của Việt Nam, trong khi chuỗi tỷ giá thực có hiệu lực (REER) được sử dụng để đại diện cho biến tỷ giá nhằm loại bỏ tác động của lạm phát Việc lựa chọn các biến này dựa trên hai lý do chính: chúng đã được sử dụng trong nhiều nghiên cứu trước đây về tác động của chính sách tiền tệ, như các nghiên cứu của Binder, Chen và Zhang (2010); Eichenbaum và Evans (1993); Faust, Rogers, Swanson và Wrights (2002) tập trung vào phản ứng của tỷ giá; và Harald Uhlig.
(2004) và Filippo Occhino (2008) tập trung nghiên cứu phản ứng của sản lượng;
Nghiên cứu của Sim (1992) đã chỉ ra rằng lạm phát, tỷ giá và sản lượng là những biến kinh tế vĩ mô quan trọng, ảnh hưởng mạnh mẽ đến tăng trưởng và phát triển kinh tế của Việt Nam Việc đánh giá tác động của cú sốc chính sách tiền tệ đến các biến này sẽ hỗ trợ các nhà quản lý trong việc đưa ra quyết định phù hợp nhằm đạt được các mục tiêu phát triển kinh tế vĩ mô khác nhau Mặc dù tỷ giá thường được coi là công cụ điều hành chính sách tiền tệ, nghiên cứu này chỉ xem tỷ giá như một biến bị ảnh hưởng bởi lãi suất và cung tiền.
Trong bối cảnh kinh tế toàn cầu, quan hệ thương mại giữa Việt Nam và Hoa Kỳ luôn đóng vai trò quan trọng Các số liệu vĩ mô từ Hoa Kỳ cho thấy sự phát triển mạnh mẽ trong mối quan hệ này, góp phần thúc đẩy tăng trưởng kinh tế và mở rộng cơ hội hợp tác.
Kỳ thường được áp dụng trong các nghiên cứu chính sách tiền tệ tại Việt Nam và nhiều quốc gia khác, như nghiên cứu của Nguyễn Phi Lân (2010), Kyungho Jang và Masao Ogaki (2003), cùng với Binder, Chen và Zhang (2010) Để phân tích tác động của các yếu tố kinh tế vĩ mô của Hoa Kỳ đến các biến vĩ mô ở Việt Nam, nghiên cứu chọn chuỗi lãi suất quỹ liên bang và sản lượng công nghiệp Hoa Kỳ từ tháng 1/2000 đến tháng 12/2010 làm biến ngoại sinh trong mô hình.
Các chuỗi dữ liệu được ghi lại trước khi đưa vào mô hình nghiên cứu nhằm đảm bảo tính nhất quán và khả năng so sánh Sản lượng công nghiệp của Việt Nam và Hoa Kỳ đã được điều chỉnh theo mùa để tăng tính chính xác trong phân tích.
Phương pháp nghiên cứu
Mô hình VECM chưa được áp dụng rộng rãi trong các nghiên cứu về chính sách tiền tệ Hai nghiên cứu đáng chú ý sử dụng mô hình này là của Asari và các đồng tác giả Baharuddin, Jusoh, Mohamad, Shamsudin và Jusoff.
Năm 2011, cùng với Hui Boon Tan và Ahmad Baharumshah (1999), quy trình nghiên cứu được thực hiện với các bước tương tự nhau Đầu tiên, kiểm định tính dừng của chuỗi số liệu được thực hiện thông qua kiểm định nghiệm đơn vị Sau khi xác định tính dừng của số liệu, tác giả tiếp tục kiểm định tính xu hướng và tính mùa vụ Một phần quan trọng trong mô hình VAR và VECM là kiểm định quan hệ nhân quả Granger giữa các biến Đặc biệt, kiểm định quan hệ đồng liên kết giữa các biến là bước thiết yếu trong mô hình VECM Cuối cùng, sau khi chạy mô hình VECM, tác giả thực hiện phân rã phương sai và xây dựng hàm phản ứng đẩy để nhận diện độ bền và độ mạnh của phản ứng Quy trình nghiên cứu này sẽ tương tự như trên nhưng sẽ có một số điều chỉnh để phù hợp với đặc điểm của chuỗi dữ liệu và mục tiêu nghiên cứu.
Trong nghiên cứu này, chúng tôi sẽ kiểm tra tính dừng của bảy chuỗi dữ liệu để xác định tính phù hợp của mô hình VECM Các biến nghiên cứu bao gồm lãi suất cho vay, cung tiền M2, CPI, tỷ giá thực có hiệu lực (REER) của Việt Nam, và sản lượng công nghiệp Việt Nam, cùng với hai biến ngoại sinh là sản lượng công nghiệp Hoa Kỳ và lãi suất Hoa Kỳ Kiểm định nghiệm đơn vị ADF sẽ được áp dụng với giả thiết H0 rằng các chuỗi dữ liệu có một nghiệm đơn vị.
Bảng 3.1: Kết quả kiểm định nghiệm đơn vị ADF của chuỗi gốc
Lag Length: 2 (Automatic based on SIC, MAXLAG)
Augmented Dickey-Fuller test statistic t-Statistic Prob.*
Null Hypothesis: LAISUATVN has a unit root -2.801656 0.0608
Null Hypothesis: M2 has a unit root 0.119838 0.9661
Null Hypothesis: SANLUONGVN has a unit root 0.192077 0.9712
Null Hypothesis: CPI has a unit root 2.049728 0.9999
Null Hypothesis: TYGIA has a unit root 0.831199 0.9943
Null Hypothesis: LAISUATUS has a unit root -0.970764 0.7622
Null Hypothesis: SANLUONGUS has a unit root -2.750148 0.0686
Tất cả các chuỗi dữ liệu thu thập đều không dừng khi kiểm định giả thiết H0 tại mức ý nghĩa 5%, điều này yêu cầu phải lấy sai phân để áp dụng phương pháp VAR Việc phân tích trên các chuỗi dữ liệu đã sai phân sẽ làm mất đi tính chất thực sự của chuỗi gốc Kết quả kiểm định này khẳng định tính tin cậy của việc chọn mô hình VECM cho nghiên cứu Để đảm bảo các chuỗi dữ liệu dừng tại cùng độ trễ, chúng tôi thực hiện kiểm định ADF cho chuỗi sai phân bậc nhất, với giả thiết H0 là có nghiệm đơn vị Kết quả cho thấy, ngoại trừ sai phân bậc nhất của sản lượng công nghiệp Hoa Kỳ, các chuỗi còn lại đều dừng và bác bỏ giả thiết H0 tại mức ý nghĩa 5%, củng cố tính chính xác và thống nhất của các kiểm định và mô hình VECM.
Bảng 3.2: Kết quả kiểm định nghiệm đơn vị ADF của chuỗi sai phân bậc nhất
Lag Length: 0 (Automatic based on SIC, MAXLAG)
Augmented Dickey-Fuller test statistic t-Statistic Prob.*
Null Hypothesis: D(LAISUATVN) has a unit root -7.5100 0.0000
Null Hypothesis: D(M2) has a unit root -11.0803 0.0000
Null Hypothesis: D(SANLUONGVN) has a unit root -15.8496 0.0000
Null Hypothesis: D(CPI) has a unit root -6.2959 0.0000
Null Hypothesis: D(TYGIA) has a unit root -9.4096 0.0000
Null Hypothesis: D(LAISUATUS) has a unit root -4.5865 0.0002
Null Hypothesis: D(SANLUONGUS) has a unit root -2.6748 0.0812
3.2.2 Kiểm định quan hệ nhân quả Granger
Sau khi kiểm định tính dừng của các chuỗi dữ liệu, chúng tôi quyết định không thực hiện kiểm định tính xu hướng và mùa vụ, mà thay vào đó, sẽ kiểm định mối quan hệ nhận quả Granger giữa các biến Việc bỏ qua kiểm định tính xu hướng là do tất cả các chuỗi dữ liệu đều không dừng, dẫn đến việc chúng chứa đựng tính xu hướng Đồng thời, kiểm định tính mùa vụ cũng không được trình bày vì ngoài hai chuỗi sản lượng đã được điều chỉnh theo mùa vụ, tính mùa vụ trong các biến còn lại là không đáng kể.
Kiểm định nhân quả Granger được thực hiện trên 5 biến nghiên cứu, chủ yếu tập trung vào mối quan hệ giữa cung tiền M2 và lãi suất với các biến còn lại Khi lựa chọn độ trễ là 12 kỳ, tất cả các biến đều cho thấy mối quan hệ nhân quả Granger với cung tiền M2 và lãi suất Tuy nhiên, khi chọn độ trễ dưới 11 kỳ, chuỗi sản lượng công nghiệp Việt Nam và chuỗi cung tiền M2 không thể hiện mối quan hệ nhân quả nào.
Bảng 3.3: Kiểm định nhân quả Granger, độ trễ 11 kỳ
Null Hypothesis: Obs F-Statistic Prob
LAISUATVN does not Granger Cause CPI 121 0.45682 0.9251
CPI does not Granger Cause LAISUATVN 3.42526 0.0005
M2 does not Granger Cause CPI 121 2.8357 0.0029
CPI does not Granger Cause M2 2.64885 0.0052
SANLUONGVN does not Granger Cause LAISUATVN 121 5.65439 6.00E-07 LAISUATVN does not Granger Cause SANLUONGVN 0.78552 0.6538
TYGIA does not Granger Cause LAISUATVN 121 3.14857 0.0011
LAISUATVN does not Granger Cause TYGIA 0.77198 0.6669
SANLUONGVN does not Granger Cause M2 121 1.69151 0.0864
M2 does not Granger Cause SANLUONGVN 0.89356 0.5495
TYGIA does not Granger Cause M2 121 1.50726 0.141
M2 does not Granger Cause TYGIA
Kết quả kiểm định nhân quả Granger cho thấy biến động của cung tiền M2 không ảnh hưởng đến sản lượng công nghiệp Việt Nam khi độ trễ của mô hình nhỏ hơn 12.
Theo Bảng 1.1 (phụ lục 1), có 12 kỳ được thể hiện Nhận định này sẽ được xác nhận qua các kiểm định tiếp theo và kết quả mô hình VECM Tất cả các biến đều có mối quan hệ nhân quả với lãi suất, cho thấy tác động của công cụ lãi suất đến các biến vĩ mô khác Tuy nhiên, kết quả kiểm định Granger chưa chỉ ra độ trễ tối ưu cho mô hình VECM.
3.2.3 Kiểm định đồng liên kết
Kiểm định đồng liên kết, giống như kiểm định quan hệ nhân quả Granger, được thực hiện giữa lãi suất, cung tiền và các biến khác Trong khi các chuỗi dữ liệu không dừng là điều kiện cần để lựa chọn mô hình VECM, thì sự tồn tại mối quan hệ đồng liên kết giữa các chuỗi dữ liệu là điều kiện đủ để áp dụng mô hình VECM trong nghiên cứu.
Kết quả kiểm định đồng liên kết cho thấy lãi suất có tác động ngay sau 2 độ trễ đến CPI, sản lượng và tỷ giá, cho phép dự đoán hiệu quả nhanh chóng của cú sốc lãi suất Ngược lại, quan hệ đồng liên kết giữa M2 với các biến còn lại xuất hiện sau độ trễ lớn, với M2 và tỷ giá có sự liên kết sau 2 độ trễ, trong khi M2 với CPI và sản lượng chỉ được nhận biết sau 17 và 18 độ trễ với độ tin cậy 5% Điều này cho thấy cú sốc cung tiền cần thời gian dài để tác động đến CPI và sản lượng, trong khi tỷ giá phản ứng nhanh hơn Mặc dù các đồng liên kết xuất hiện sau những độ trễ khác nhau, kết quả này củng cố quyết định áp dụng mô hình VECM để nghiên cứu mối quan hệ dài hạn giữa lãi suất, cung tiền và các biến sản lượng, CPI, tỷ giá.
Bảng 3.4: Kiểm định đồng liên kết giữa lãi suất và M2 với các biến còn lại
Series: LAISUATVN CPI Series: M2 CPI
Lags interval (in first differences): 1 to 2 Lags interval (in first differences): 1 to 17
Unrestricted Cointegration Rank Test (Trace) Unrestricted Cointegration Rank Test (Trace)
No of CE(s) Eigenvalue Statistic Critical
Value Prob.** No of CE(s) Eigenvalue Statistic Critical
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
Series: LAISUATVN TYGIA Series: M2 TYGIA
Lags interval (in first differences): 1 to 2 Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace) Unrestricted Cointegration Rank Test (Trace)
No of CE(s) Eigenvalue Statistic Critical
Value Prob.** No of CE(s) Eigenvalue Statistic Critical
At most 1 0.00176 0.22734 3.84146 0.6335 At most 1 0.0001 0.01311 3.8414 0.9086 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
Series: LAISUATVN SANLUONGVN Series: M2 SANLUONGVN
Lags interval (in first differences): 1 to 2 Lags interval (in first differences): 1 to 18
Unrestricted Cointegration Rank Test (Trace) Unrestricted Cointegration Rank Test (Trace)
No of CE(s) Eigenvalue Statistic Critical
Value Prob.** No of CE(s) Eigenvalue Statistic Critical
At most 1 0.0029 0.37953 3.84146 0.5379 At most 1 0.0038 0.43112 3.8414 0.5114 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
Sau khi hoàn tất các kiểm định cần thiết, chúng tôi tiến hành xây dựng mô hình VECM với ba biến Bài viết sẽ trình bày mô hình phản ứng đẩy của từng biến và cuối cùng là phần diễn giải các kết quả thu được.
Trong phần này, chúng tôi sẽ thiết lập mô hình VECM với ba biến, bao gồm hai biến cố định là lãi suất và cung tiền M2, trong khi biến thứ ba sẽ được chọn từ một trong ba biến khác.
Mô hình này cho phép chúng ta đánh giá phản ứng của các biến như CPI, tỷ giá và sản lượng trước tác động của hai yếu tố quan trọng: lãi suất và cung tiền Việc phân tích này sẽ cung cấp cái nhìn sâu sắc về mối quan hệ giữa các biến số kinh tế và các yếu tố tài chính.
Kết quả nghiên cứu
Phản ứng của CPI
Chúng tôi đã áp dụng biến CPI vào mô hình VECM 3 biến và kết quả kiểm định Granger cho thấy không có mối quan hệ nhân quả giữa chuỗi sản lượng và cung tiền M2 khi sử dụng độ trễ dưới 12 kỳ Hơn nữa, kiểm định đồng liên kết không phát hiện mối quan hệ đồng liên kết giữa M2 và CPI với độ trễ dưới 17 kỳ Vì vậy, chúng tôi quyết định xây dựng mô hình với độ trễ 25 kỳ, trong đó biến nội sinh bao gồm lãi suất, cung tiền và CPI, còn biến ngoại sinh là sản lượng và lãi suất Hoa.
Dựa vào kết quả kiểm định đồng liên kết, chúng tôi xác định có ít nhất 2 mối quan hệ đồng liên kết giữa CPI với lãi suất và cung tiền Do đó, số lượng đồng liên kết được chọn là 2, không xét hệ số chặn và tính xu hướng trong mô hình Sau khi xây dựng mô hình VECM với 25 độ trễ, chúng tôi thực hiện kiểm định loại bỏ độ trễ không có ý nghĩa và ước lượng lại mô hình với những độ trễ có ý nghĩa, kết quả kiểm định này được trình bày trong bảng 1.2 của phụ lục 1.
Kết quả từ mô hình VECM 3 biến cho thấy rằng cú sốc lãi suất có ảnh hưởng đáng kể đến chỉ số CPI của Việt Nam, với 1% biến động lãi suất dẫn đến 0.59% thay đổi trong CPI ở mức ý nghĩa 5%, cho thấy lãi suất là công cụ hiệu quả trong việc điều chỉnh lạm phát Ngược lại, phản ứng của CPI trước cú sốc cung tiền không thể ước lượng do hệ số không có ý nghĩa giải thích Các chỉ số Log likelihood, Akaike và Schwarz xác nhận tính thích hợp của mô hình Bên cạnh đó, mô hình VAR cũng chỉ ra rằng sản lượng và lãi suất của Hoa Kỳ không có tác động đáng kể đến CPI Việt Nam.
Bảng 4.1: Kết quả mô hình VECM 3 biến: lãi suất, M2 và CPI
Included observations: 108 after adjustments t-statistics in [ ]
Để phân tích chiều hướng và độ bền của chỉ số giá tiêu dùng (CPI) trước tác động của lãi suất và cung tiền M2, chúng tôi sẽ xây dựng mô hình phản ứng đẩy với độ trễ lựa chọn là 25 kỳ Kết quả từ tiêu chí Schwarz cho thấy giá trị -13.66472, điều này cho thấy tính khả thi của mô hình trong việc dự đoán biến động của CPI.
Hình 4.1: Phản ứng đẩy của CPI dưới tác động của lãi suất và M2
Phản ứng của chỉ số giá tiêu dùng (CPI) trước biến động lãi suất và cung tiền M2 cho thấy sự chậm trễ đáng kể trong tác động Cụ thể, khi lãi suất tăng 1%, CPI ngay lập tức tăng 0.26% và đạt đỉnh 0.65% sau 6 tháng, trước khi giảm về mức ban đầu sau 14 tháng Đến tháng thứ 19, CPI giảm sâu xuống gần -0.27% trước khi tăng nhẹ từ tháng 20 đến 25 Ngược lại, biến động 1% của cung tiền M2 làm CPI giảm 0.1% ngay lập tức, nhưng sau đó tăng mạnh và đạt đỉnh 0.4% sau 10 tháng, với dấu hiệu chững lại từ tháng thứ 11 cho đến tháng thứ 20 Kết quả cho thấy lãi suất có tác động điều chỉnh lạm phát rõ rệt, nhưng cần lưu ý rằng cú sốc lãi suất chỉ thực sự hiệu quả từ tháng thứ 7, trong khi cú sốc cung tiền chỉ làm lạm phát tăng trong 10 tháng đầu và ổn định gần 13 tháng, trước khi tăng mạnh từ tháng thứ 23 Tác động thực sự của lãi suất lên CPI có độ trễ khoảng 6 tháng, trong khi tác động của cung tiền có độ trễ gần 23 tháng Để kiểm định mức độ ảnh hưởng của lãi suất và M2 lên CPI, chúng tôi áp dụng phương pháp phân rã phương sai Cholesky trong mô hình VECM 3 biến.
Cú sốc lãi suất đã ngay lập tức ảnh hưởng đến CPI với mức đóng góp hơn 13% trong tháng đầu tiên, và tiếp tục tăng lên hơn 22.6% trong giai đoạn từ tháng thứ 2 đến tháng thứ 12 Mặc dù từ tháng thứ 13 mức đóng góp của lãi suất có giảm nhẹ nhưng vẫn duy trì trên 18% Ngược lại, đóng góp của M2 vào biến động CPI luôn dưới 10% trong suốt 24 tháng, chỉ vượt qua mức này vào tháng cuối cùng của nghiên cứu Kết quả này cho thấy sự chậm trễ trong tác động của M2 đến lạm phát và khẳng định hiệu quả của lãi suất trong việc điều chỉnh lạm phát trung và dài hạn.
Bảng 4.2: Phân rã phương sai biến CPI
Phản ứng của CPI trước cú sốc lãi suất và cung tiền phù hợp với lý thuyết chính sách tiền tệ, với việc CPI tăng trong 6 tháng đầu do lãi suất cao làm thay đổi kỳ vọng lạm phát của người dân Sự chậm trễ trong tác động của các công cụ chính sách tiền tệ cũng góp phần vào phản ứng này Mặc dù cú sốc lãi suất có khả năng điều chỉnh giá cả tốt hơn cú sốc cung tiền, nhưng mô hình VECM không thể đo lường chính xác mức độ tác động của cung tiền lên lạm phát, đặc biệt là sau 23 tháng Khi áp dụng cú sốc cung tiền cho các mục tiêu vĩ mô, cần tính toán chính xác độ trễ để đảm bảo hiệu quả Nghiên cứu mở rộng với hai mô hình VECM cho thấy CPI phản ứng 58% trước cú sốc lãi suất, nhưng tác động độc lập của cú sốc này chỉ làm tăng nhẹ CPI khoảng 0.1% ngay khi xảy ra, trước khi giảm mạnh sau đó.
Kết quả nghiên cứu cho thấy có độ trễ 10 tháng và tiếp tục giảm nhẹ từ tháng thứ 11 đến tháng thứ 25, khẳng định tác động hiệu quả của cú sốc lãi suất lên lạm phát và tính tối ưu của công cụ lãi suất trong điều chỉnh lạm phát Tuy nhiên, kết quả này không hợp lý so với mô hình VECM 3 biến, vì thực tế cho thấy tác động của cú sốc lãi suất thường có độ trễ nhất định Mô hình 3 biến thể hiện chính xác và hiệu quả hơn trong việc miêu tả phản ứng của các biến vĩ mô trước cú sốc chính sách tiền tệ Khi nghiên cứu độc lập, cung tiền làm giảm lạm phát khoảng 0.15% ngay lập tức trước khi tăng liên tục đến tháng thứ 18, với đỉnh phản ứng gần 0.9%, cho thấy mô hình 2 biến có độ trễ ít hơn và phản ứng mạnh hơn từ cả lãi suất và cung tiền.
Phản ứng của sản lượng
Mối quan hệ đồng liên kết giữa cung tiền M2 và sản lượng xuất hiện sau 18 độ trễ, do đó mô hình VECM 3 biến bao gồm lãi suất, cung tiền và sản lượng được xây dựng với độ trễ ban đầu là 25 kỳ Bảng 1.3 trong Phụ lục 2 trình bày các độ trễ được lựa chọn cho mô hình cuối cùng, và cách thức lựa chọn biến cũng như xây dựng mô hình tương tự như mô hình phản ứng của CPI.
Kết quả từ mô hình VECM 3 biến cho thấy rằng khi kết hợp cú sốc lãi suất và cung tiền, một sự thay đổi 1% trong lãi suất sẽ dẫn đến sự thay đổi 1.7% trong sản lượng với mức ý nghĩa 5% Trong khi đó, biến động của sản lượng do thay đổi 1% trong cung tiền M2 không cho kết quả ý nghĩa Các chỉ số như log likelihood, Akaike information criterion và Schwarz criterion đều cho thấy mô hình có ý nghĩa thống kê Phản ứng của sản lượng trước cú sốc lãi suất và cung tiền mạnh hơn so với phản ứng của CPI, với biến động sản lượng thậm chí còn mạnh hơn tác động ban đầu từ lãi suất Hơn nữa, mô hình chỉ ra rằng tăng trưởng 1% trong sản lượng công nghiệp Hoa Kỳ có thể đóng góp thêm 0.2% vào tăng trưởng sản lượng công nghiệp Việt Nam, trong khi lãi suất Hoa Kỳ tăng 1% chỉ làm giảm sản lượng Việt Nam 0.03%, một tác động gần như không đáng kể.
Bảng 4.3: Kết quả mô hình VECM 3 biến: lãi suất, M2 và sản lượng
Included observations: 113 after adjustments t-statistics in [ ]
Chúng tôi sẽ xây dựng mô hình phản ứng của sản lượng để phân tích tác động kết hợp của cú sốc lãi suất và cú sốc cung tiền M2, tương tự như cách phân tích phản ứng của chỉ số CPI.
Hình 4.2: Phản ứng đẩy của sản lượng dưới tác động của lãi suất và M2
Phản ứng của sản lượng trước cú sốc lãi suất diễn ra phức tạp, dao động quanh mốc cân bằng ban đầu trong suốt 25 tháng Ngay sau cú sốc, sản lượng gần như không thay đổi, nhưng sau đó có lúc giảm xuống mức đáy -0.2% tại các thời điểm 7, 13 và 18 tháng Đồng thời, sản lượng cũng ghi nhận các đỉnh cao nhất là 0.3% vào tháng thứ 5, tháng thứ 9 và tháng thứ 16 Đặc biệt, từ tháng thứ 18 trở đi, sản lượng liên tục tăng mà không có dấu hiệu dừng lại sau 25 tháng Sự biến động này đã dấy lên nghi ngờ về tác động thực sự của cú sốc lãi suất đối với sản lượng, trái ngược với dự đoán trước đây rằng nó sẽ gây sụt giảm Kết quả từ mô hình phản ứng đẩy chỉ ra rằng tác động của cú sốc lãi suất lên sản lượng không rõ ràng và mạnh mẽ như tác động lên CPI, điều này không được thể hiện trong mô hình VECM.
Cú sốc cung tiền khác với cú sốc lãi suất ở chỗ không tạo ra biến động liên tục trong sản lượng Ngay sau cú sốc, sản lượng giảm mạnh khoảng -0.6%, và trong 6 tháng tiếp theo, mặc dù có sự phục hồi nhẹ, sản lượng vẫn chưa trở lại trạng thái cân bằng ban đầu Sản lượng chỉ thực sự tăng mạnh từ tháng thứ 7, nhưng sau đó lại giảm và dao động quanh mức 0.1%-0.3% cho đến tháng thứ 25 Phản ứng của sản lượng cho thấy cú sốc cung tiền mang lại sự gia tăng mạnh, nhưng có độ trễ đến 7 kỳ và chỉ duy trì đến tháng thứ 13, sau đó không giữ được mức tăng như trước, mặc dù vẫn cao hơn mức cân bằng ban đầu.
Chúng tôi tiếp tục sử dụng phân rã phương sai Choleski để đánh giá mức độ đóng góp của từng cú sốc vào phản ứng của sản lượng
Bảng 4.4: Phân rã phương sai biến sản lượng
Cú sốc cung tiền M2 có tác động lớn hơn đến sản lượng so với cú sốc lãi suất, mặc dù đóng góp của M2 vẫn còn khiêm tốn, chưa đạt 10% trong 25 kỳ nghiên cứu Trong khi đó, cú sốc lãi suất chỉ góp phần chưa đến 1% vào sự biến động của sản lượng Phân tích cho thấy hơn 90% biến động sản lượng không phải do cú sốc lãi suất và cung tiền gây ra.
Cú sốc lãi suất ảnh hưởng rõ rệt đến CPI nhưng tác động đối với sản lượng lại không xác định được chiều hướng biến động, với mức đóng góp khá khiêm tốn Ngược lại, cú sốc cung tiền tạo ra phản ứng mạnh mẽ hơn trong sản lượng, mặc dù có độ trễ khoảng 7 tháng So với CPI, phản ứng của sản lượng trước các cú sốc chính sách tiền tệ không nhanh và mạnh bằng, và có thể bị ảnh hưởng bởi nhiều yếu tố khác ngoài cú sốc lãi suất và cung tiền Để tối ưu hóa tác động đến sản lượng, cần xác định các yếu tố gây biến động và từ đó xây dựng chính sách phù hợp cho từng giai đoạn Phụ lục 2 trình bày hai mô hình VECM hai biến: lãi suất-sản lượng và cung tiền-sản lượng, cho thấy phản ứng của sản lượng trước cú sốc lãi suất vẫn chưa rõ ràng, trong khi phản ứng dưới tác động của cung tiền tương tự như mô hình ba biến với độ trễ khoảng 7 kỳ và đạt đỉnh sau 13-14 kỳ.
Phản ứng của tỷ giá
Tỷ giá là biến cuối cùng cần phân tích trong phản ứng kinh tế, mặc dù mối quan hệ giữa tỷ giá với lãi suất và cung tiền chỉ xuất hiện sau hai độ trễ, chúng tôi chọn độ trễ ban đầu là 25 để đồng nhất với CPI và sản lượng, đồng thời đánh giá biến động tỷ giá trong dài hạn Bảng 1.4 trong phụ lục 2 trình bày kiểm định loại bỏ độ trễ không có ý nghĩa Việc lựa chọn biến và xây dựng mô hình VECM 3 biến - lãi suất, cung tiền và tỷ giá - tương tự như mô hình VECM 3 biến mô tả phản ứng của CPI và sản lượng.
Kết quả từ mô hình VECM cho thấy, khi kết hợp cú sốc lãi suất và cú sốc cung tiền, một biến động 1% trong lãi suất dẫn đến tỷ giá thay đổi 1.5% với mức ý nghĩa 5% Tỷ giá phản ứng mạnh hơn so với biến động ban đầu của lãi suất
Bảng 4.5: Kết quả mô hình VECM 3 biến: lãi suất, M2 và tỷ giá
Included observations: 106 after adjustments t-statistics in [ ]
Bước tiếp theo trong quá trình phân tích phản ứng của tỷ giá là xây dựng mô hình phản ứng đẩy của tỷ giá trước mỗi cú sốc
Hình 4.3: Phản ứng đẩy của tỷ giá dưới tác động của lãi suất và M2
Tỷ giá đã tăng hơn 0.1% ngay sau cú sốc lãi suất, nhưng sau đó giảm nhẹ trong 4 tháng tiếp theo Từ tháng thứ 4, tỷ giá bắt đầu tăng mạnh và đạt đỉnh vào tháng thứ 6 với mức tăng gần 0.34% so với trạng thái cân bằng ban đầu Tuy nhiên, sau đó, tỷ giá trải qua một đợt sụt giảm mạnh kéo dài 4 tháng, giảm xuống gần -0.3% so với trạng thái ban đầu Từ đó, tỷ giá chỉ dao động tăng giảm nhẹ, nhưng vẫn thấp hơn mức ban đầu cho đến hết tháng 25 sau cú sốc.
Tỷ giá giảm nhẹ trong 4 tháng đầu năm có thể do tác động của việc bán ròng ngoại tệ và chuyển sang nội tệ để nhận lãi cao từ nhà đầu tư Theo lý thuyết ngang giá lãi suất không phòng ngừa UIP, khi lãi suất trong nước cao hơn nước ngoài, tỷ giá sẽ tăng để bù đắp chênh lệch, điều này phù hợp với biến động tỷ giá từ tháng thứ 4 đến tháng thứ 6 Từ tháng thứ 6 trở đi, tỷ giá giảm và duy trì ở mức thấp hơn có thể được giải thích bằng lý thuyết ngang giá sức mua, cho thấy tỷ giá giảm do lạm phát hạ nhiệt, phù hợp với các kết quả thực nghiệm của Dornbusch (1976), Sim (1992) và Binder, Chen, Zhang (2010) Tuy nhiên, cần lưu ý rằng Ngân hàng Trung ương Việt Nam vẫn kiểm soát một phần biến động tỷ giá, do đó, những phản ứng quan sát được cũng có thể là chủ ý của nhà tạo lập chính sách nhằm giảm lạm phát hoặc hỗ trợ nhập khẩu.
Cú sốc cung tiền đã khiến tỷ giá giảm ngay lập tức -0.25% so với mức cân bằng ban đầu Tuy nhiên, chỉ sau 2 tháng, tỷ giá đã phục hồi về trạng thái ban đầu và bắt đầu tăng mạnh từ tháng thứ 5, đạt đỉnh với mức tăng hơn 0.85% so với mức cân bằng ban đầu vào tháng thứ 15 Từ tháng thứ 15 trở đi, tỷ giá có xu hướng giảm dần và kết thúc với mức tăng khoảng 0.4% so với mức cân bằng ban đầu vào tháng thứ 25 Sự gia tăng này được lý giải là do chính sách nới lỏng tiền tệ và gia tăng dự trữ ngoại hối.
15 có thể xem là một sự điều chỉnh cho phù hợp với mức cân bằng dài hạn
Chúng tôi tiếp tục phân tích với mô hình phân rã phương sai của biến tỷ giá
Bảng 4.6: Phân rã phương sai biến tỷ giá
Kết quả phân rã phương sai Cholesky chỉ ra rằng cung tiền đóng góp lớn vào biến động tỷ giá, với mức đóng góp khoảng 5%-7% trong 3 tháng đầu tiên, nhưng giảm xuống chỉ còn 2%-3% từ tháng thứ 4 đến tháng thứ 10 Đặc biệt, từ tháng thứ 13 sau cú sốc, đóng góp của cung tiền tăng mạnh, đạt hơn 23% vào tháng thứ 15 và vượt 41% từ tháng thứ 22 đến tháng 25, cho thấy độ trễ trong tác động của cung tiền đến tỷ giá Trong khi đó, đóng góp của lãi suất vào biến động tỷ giá không đáng kể, chỉ đạt hơn 8% vào tháng cuối cùng, mặc dù có xu hướng tăng đều Từ tháng 20-25 sau cú sốc, khoảng 50% biến động tỷ giá là do lãi suất và cung tiền gây ra, chứng tỏ hiệu quả của hai công cụ này trong việc tác động lên tỷ giá, được xem là hiệu quả nhất trong ba biến vĩ mô nghiên cứu.
Mô hình VECM 2 biến, bao gồm lãi suất-tỷ giá và cung tiền-tỷ giá, được phát triển để kiểm tra tác động độc lập của mỗi cú sốc Kết quả từ mô hình VECM 2 biến và mô hình phản ứng đẩy được trình bày trong các bảng 2.5, 2.6 và hình 2.3 trong phụ lục 2 Những kết quả này không khác biệt so với phân tích của mô hình VECM 3 biến và phản ứng đẩy đã được thảo luận trước đó.
Kết quả phân tích cho thấy cú sốc cung tiền là công cụ hiệu quả trong việc điều chỉnh tỷ giá, mặc dù mức độ phản ứng không thể xác định rõ ràng qua mô hình VECM và có độ trễ nhất định Cú sốc lãi suất cũng ảnh hưởng đến tỷ giá, nhưng mức độ tác động không lớn bằng cú sốc cung tiền Khi tỷ giá ngày càng thả nổi, việc sử dụng các công cụ chính sách tiền tệ để điều tiết tỷ giá trở nên quan trọng hơn, mang lại giá trị thiết thực cho nhà điều hành chính sách tỷ giá.
Nghiên cứu thực nghiệm cho thấy lạm phát và tỷ giá là hai biến chính bị ảnh hưởng mạnh mẽ bởi cú sốc chính sách tiền tệ Trong khi đó, phản ứng của sản lượng đối với cú sốc lãi suất và cung tiền lại không rõ ràng, cho thấy rằng phần lớn biến động sản lượng không phải do các cú sốc chính sách tiền tệ gây ra.
Nghiên cứu này mở ra một hướng đi mới cho các nghiên cứu thực nghiệm về tác động của cú sốc chính sách tiền tệ, giúp các nhà hoạch định chính sách đánh giá hiệu quả của từng công cụ khi tác động lên các biến vĩ mô Kết quả cho thấy cú sốc lãi suất có hiệu quả cao nhất trong việc tác động lên lạm phát, ảnh hưởng tương đối đến tỷ giá, nhưng gần như không gây biến động trong sản lượng Ngược lại, cú sốc cung tiền M2 điều chỉnh tỷ giá hiệu quả nhất, làm thay đổi lạm phát một cách nhất định và chỉ gây ảnh hưởng nhẹ đến sản lượng Tuy nhiên, cần lưu ý rằng việc sử dụng hai công cụ này sẽ có độ trễ nhất định trước khi tác động đến các biến vĩ mô cần can thiệp.
Mô hình VECM mang lại nhiều ưu điểm trong nghiên cứu, đặc biệt khi phát hiện rằng các chuỗi dữ liệu gốc không dừng và chỉ dừng sau khi lấy sai phân bậc nhất Việc áp dụng mô hình này cho phép đánh giá phản ứng của chuỗi dữ liệu gốc, khác với mô hình VAR chỉ dựa vào chuỗi đã sai phân Tuy nhiên, nghiên cứu cũng gặp một số nhược điểm như chuỗi lạm phát tính theo năm gốc 2005 không đồng bộ với các chuỗi dữ liệu khác do chứa giá trị âm, và việc chưa xem xét vai trò của tỷ giá trong chính sách tiền tệ Ngoài ra, lãi suất cho vay danh nghĩa được lựa chọn nhưng không hoàn toàn phù hợp, vì nó cũng chịu ảnh hưởng từ biến động chính sách tiền tệ Mặc dù nghiên cứu đã tìm ra công cụ hiệu quả để tác động đến lạm phát và tỷ giá, nhưng vẫn cần mở rộng để tìm ra yếu tố thích hợp cho sản lượng Đây là hướng nghiên cứu tiềm năng cho các nhà kinh tế học trong việc tìm kiếm công cụ điều hành kinh tế vĩ mô hiệu quả.
TÀI LIỆU THAM KHẢO Danh mục tài liệu tiếng Việt:
1 Frederic S.Mishkin, 1992 Tiền tệ, ngân hàng và thị trường tài chính Dịch từ tiếng Anh Người dịch: Nguyễn Quang Cư và PTS Nguyễn Đức Dy, 2001 Hà Nội: Nhà xuất bản Khoa học và Kỹ thuật
2 Trần Ngọc Thơ và Nguyễn Hữu Tuấn, 2012 Cơ chế truyền dẫn chính sách tiền tệ ở Việt Nam tiếp cận theo mô hình SVAR Tạp chí Phát triển và Hội nhập, số 10 (20), tháng 05-06/2013, trang 8-16
3 Trần Ngọc Thơ và Nguyễn Ngọc Định, 2012 Tài chính quốc tế TP.Hồ Chí Minh: Nhà xuất bản Kinh Tế
Danh mục tài liệu tiếng Anh
1 Christopher A.Sims, 1992 Interpreting the macroeconomic time series facts The effects of monetary policy European Economic Review, 36: pp.975-1011
2 Fadli Fizari Aby Hasan Asari, Nurul Syuhada Baharuddin, Nurmadihah Jusoh, Zuraida Mohamad, Norazidah Shamsudin and Kamaruzaman Jusoff,
2011 A Vector Error Correction Model (VECM) Approach in Explaining the Relationship between Interest Rate and Inflation toward Exchange Rate Volatility in Malaysia World Applied Sciences Journal, 12: pp.49-56
3 Filippo Occhino, 2008 Market segmentation and the response of the real interest rate to monetary policy shocks Macroeconomic Dynamics, 12: pp.591-
4 Harald Uhlig, 2004 What are the effects of monetary policy on output? Results from an agnostic identification procedure Journal of Monetary Economics, 52: pp.381-419
5 Hui Boon Tan and Ahmad Zubaidi Baharumshah, 1999 Dynamic causal chain of money, output, interest rate and prices in Malaysia: Eviden based on
Vector Error Correction modeling analysis International Economic Journal, 13 (1): pp 103-120
6 Jon Faust, John H.Rogers, Eric Swanson and Jonathan H.Wright, 2002 Identifying the effects of monetary policy shocks on exchange rates using high frequency data NBER/EEA International Seminar on Macroeconomics, Working Paper Series, No.167 European Central Bank, 5-6 June 2012
7 John H.Roger, 1998 Monetary shocks and real exchange rates International
Finance Discussion Paper, Number 612 Available at:
[Accessed 10 March 2013]
8 Kyungho Jang and Masao Ogaki, 2003 The Effects of Japanese Monetary Policy Shocks on Exchange Rates: A Structural Vector ErrorCorrection Model Approach Monetary and Economic Studies, February 2003 Available at:
[Accessed
9 Lawrence J.Christiano, Martin Eichenbaum and Charles L.Evans, 1998 Monetary policy shocks: What have we learned and to what end? National Bureau of Economic Research Working Paper Series, No.6400 Available at:
[Accessed 10 March 2013]
10 Martin Eichenbaum and Charles Evans, 1993 Some empircial evidence on the effects of monetary policy shocks on exchange rates National Bureau of Economic Research Working Paper Series, No.4271 Available at:
[Accessed 10 March 2013]
11 Matt Klaeffing, 2003 Monetary policy shocks-A nonfundamental look at the data European Central Bank Working Paper Series, No.228 Available at:
[Accessed 22 March
12 Micheal Binder, Qianying Chen and Xuan Zhang, 2010 On the Effects of Monetary Policy Shocks on Exchange Rates CESifo Working Paper, No.3162 Available at: [Accessed 22 March 2013]
13 Rudiger Dornbusch, 1976 Exchange Rate Expectation and Monetary Policy Journal of international economics, 6 (3): pp.231-244
Bảng 1.1 Chuỗi dữ liệu nghiên cứu:
US Federal funds effective rate in USD, (R*)
US Industrial Production (USD) Seasonal adjustment
VN Industrial Production (USD) Seasonal adjustment
VN Real Effective Exchange Rate (VND/USD)
VN Lending Interest Rate monthly
US Federal funds effective rate in USD, (R*)
US Industrial Production (USD) Seasonal adjustment (output*)
VN Industrial Production (USD) Seasonal adjustment (output*)
VN Real Effective Exchange Rate (VND/USD)
VN Lending Interest Rate monthly
US Federal funds effective rate in USD, (R*)
US Industrial Production (USD) Seasonal adjustment (output*)
VN Industrial Production (USD) Seasonal adjustment (output*)
VN Real Effective Exchange Rate (VND/USD)
VN Lending Interest Rate monthly
US Federal funds effective rate in USD, (R*)
US Industrial Production (USD) Seasonal adjustment
VN Industrial Production (USD) Seasonal adjustment
VN Real Effective Exchange Rate (VND/USD)
VN Lending Interest Rate monthly
PHỤ LỤC 2 Bảng 2.1: Kiểm định nhân quả Granger, độ trễ 12 kỳ
Null Hypothesis: Obs F-Statistic Prob
LAISUATVN does not Granger Cause CPI 120 0.48164 0.921
CPI does not Granger Cause LAISUATVN 3.04931 0.0011
M2 does not Granger Cause CPI 120 2.45897 0.0077
CPI does not Granger Cause M2 3.48279 0.0003
SANLUONGVN does not Granger Cause LAISUATVN 120 6.34435 4.00E-08 LAISUATVN does not Granger Cause SANLUONGVN 0.76556 0.6839
TYGIA does not Granger Cause LAISUATVN 120 2.85542 0.0022
LAISUATVN does not Granger Cause TYGIA 0.97971 0.4738
SANLUONGVN does not Granger Cause M2 120 2.50954 0.0066
M2 does not Granger Cause SANLUONGVN 0.86843 0.5811
TYGIA does not Granger Cause M2 120 2.42123 0.0087
M2 does not Granger Cause TYGIA 2.05603 0.0273
Bảng 2.2: Kiểm định loại bỏ độ trễ mô hình VECM 3 biến: lãi suất, M2 và CPI
Bảng 2.3: Kiểm định loại bỏ độ trễ của mô hình VECM 3 biến: lãi suất, M2 và sản lượng
Bảng2.4: Kiểm định loại bỏ độ trễ của mô hình VECM 3 biến: lãi suất, M2 và tỷ giá
(*): chấp nhận giả thiết H 0 tại mức ý nghĩa 5%
Bảng 3.1: Kết quả mô hình VECM 2 biến: lãi suất và CPI
Bảng 3.2: Kết quả mô hình VECM 2 biến: M2 và CPI
Hình 3.1: Phản ứng đẩy của CPI dưới tác động độc lập của lãi suất và M2
Bảng 3.3: Kết quả mô hình VECM 2 biến: lãi suất và sản lượng
Included observations: 107 after adjustments t-statistics in [ ]
Bảng 3.4: Kết quả mô hình VECM 2 biến: cung tiền và sản lượng
Included observations: 106 after adjustments t-statistics in [ ]
Hình 3.2: Phản ứng đẩy của sản lượng dưới tác động độc lập của lãi suất và M2
