Nội dung nghiên cứu
- Phần 1: giới thiệu đề tài, đƣa ra mục tiêu nghiên cứu
- Phần 2: tóm tắt các kết quả nghiên cứu trước đây
- Phần 3: mô tả dữ liệu và phương pháp được sử dụng trong mô hình hồi quy của luận văn
- Phần 4: kết quả nghiên cứu
- Phần 5: tóm tắt luận văn, các đóng góp cũng nhƣ hạn chế của luận văn, gợi ý cho những nghiên cứu khác.
DỮ LIỆU, PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình và dữ liệu nghiên cứu
Luận văn dựa trên nghiên cứu của Lê và Pfau (2008) áp dụng phương pháp tự hồi quy Vector (VAR) để phân tích tác động của cú sốc chính sách tiền tệ đối với kinh tế vĩ mô VAR cho phép làm rõ vai trò của các công cụ chính sách tiền tệ như lãi suất, tín dụng, tỷ lệ dự trữ và tỷ giá hối đoái đối với sản lượng và lạm phát mà không cần một mô hình cấu trúc toàn diện Theo Sims (1980), VAR là công cụ hữu ích để khảo sát hiệu ứng động giữa các biến Phương pháp này thích hợp cho việc kiểm tra nhiều chuỗi thời gian, cung cấp các tiêu chí để xác định độ dài tối ưu cho các biến Hệ thống phương trình trong VAR cho phép các biến tương tác với nhau, coi tất cả là biến nội sinh trong một hệ đồng thời.
Mô hình VAR cơ bản: Đầu tiên, mô hình VAR rút gọn đơn giản sẽ đƣợc ƣớc lƣợng bao gồm 3 biến GDP thực, CPI và M2:
Cung tiền M2 là một chỉ số quan trọng để đánh giá tác động của chính sách tiền tệ, do Ngân hàng Nhà nước Việt Nam coi tỷ lệ tăng trưởng của M2 là mục tiêu điều hành chính trong việc xây dựng và thực hiện các chính sách tiền tệ.
Mô hình VAR mở rộng:
Các biến như lãi suất cho vay, tín dụng và tỷ giá hối đoái được thêm vào mô hình cơ bản để kiểm tra tác động độc lập của chúng đối với sản lượng và lạm phát trong nền kinh tế Việc phân chia thành nhiều mô hình riêng lẻ giúp đánh giá rõ ràng hơn về ảnh hưởng của từng biến Đồng thời, mở rộng mô hình cho phép phân tích sự thay đổi tỷ lệ đóng góp của M2 khi có thêm các biến mới, từ đó hiểu rõ hơn về mối quan hệ giữa chúng và sự biến động của sản lượng và lạm phát.
- Mô hình với lãi suất cho vay: gồm 4 biến: GDP thực, CPI, M2 và Lendrate
- Mô hình với tín dụng trong nước: gồm 4 biến: GDP thực, CPI, M2 và Credit
- Mô hình với tỷ giá hối đoái: gồm 4 biến: GDP thực, CPI, M2 và Exrate
3.1.2 Lựa chọn các biến nghiên cứu
Trong luận văn này, chỉ số GDP và CPI được sử dụng để đại diện cho tăng trưởng kinh tế và lạm phát tại Việt Nam Các biến chỉ tiêu tiền tệ như cung tiền M2, tín dụng, lãi suất và tỷ giá hối đoái đóng vai trò quan trọng, vì chính sách tiền tệ hiện nay ảnh hưởng đến nền kinh tế chủ yếu thông qua ba kênh: kênh tín dụng, kênh lãi suất và kênh tỷ giá hối đoái.
Nhƣ vậy, mô hình bao gồm 6 biến sau:
GDP thực tế, tính theo giá so sánh năm 1994 và đơn vị là tỷ đồng, được sử dụng để đại diện cho đầu ra của nền kinh tế Việc sử dụng sản lượng thực tế thay vì sản lượng danh nghĩa là do sản lượng danh nghĩa không được điều chỉnh theo mức giá biến động theo thời gian, dẫn đến việc không phản ánh chính xác sự biến động thực sự của sản lượng Sau khi điều chỉnh theo chỉ số giá tiêu dùng (CPI), GDP thực tế cung cấp cái nhìn rõ ràng hơn về sự thay đổi sản lượng trong nền kinh tế.
Chỉ số giá tiêu dùng (CPI) với năm cơ sở 2005 = 100 là thước đo chính để đại diện cho lạm phát Ngân hàng Nhà nước sử dụng CPI như một công cụ quan trọng trong việc đo lường lạm phát, bên cạnh các biện pháp khác như giảm phát GDP.
- M2: Cung tiền M2 (Đơn vị: tỷ đồng) Theo định nghĩa của IMF, cung tiền M2 là tổng của tiền thực và các tài sản dễ dàng chuyển thành tiền mặt
- LENDRATE: Lãi suất cho vay từ Ngân hàng Nhà nước (Đơn vị:
Ngân hàng Nhà nước Việt Nam kiểm soát hai công cụ cho vay chính là lãi suất chiết khấu và lãi suất tái cấp vốn, trong đó lãi suất tái cấp vốn được coi là trần và lãi suất chiết khấu là sàn, tạo ra giới hạn cho vay Lãi suất cho vay trong mô hình hồi quy đại diện cho kênh lãi suất như một công cụ của chính sách tiền tệ Bên cạnh đó, lãi suất cơ bản do Ngân hàng Nhà nước thiết lập thường không thay đổi và không phản ánh cung cầu trên thị trường tiền tệ, chỉ đóng vai trò tham khảo cho các ngân hàng thương mại trong việc xác định lãi suất tiền gửi và cho vay, do đó không quan trọng trong mô hình chính sách tiền tệ của Việt Nam.
Tín dụng trong nước, được đo bằng tỷ đồng, là một kênh quan trọng giúp chính sách tiền tệ tác động đến sự thay đổi trong sản lượng Đây là một trong những mục tiêu hàng năm thiết yếu của Ngân hàng Nhà nước theo quy định của Chính phủ.
Tỷ giá hối đoái danh nghĩa VND/USD, được gọi là EXRATE, là một chỉ số quan trọng trong việc đánh giá chính sách tiền tệ thông qua kênh tỷ giá hối đoái Trong luận văn này, tỷ giá này được sử dụng như một thước đo để phân tích ảnh hưởng của chính sách tiền tệ đối với nền kinh tế.
Dữ liệu trong luận văn được thu thập từ Cục Thống kê Tài chính Quốc tế (IFS) của IMF, với biến GDP thực lấy từ Tổng cục Thống kê Việt Nam Dữ liệu hàng quý, từ Quý 1 năm 1999 đến Quý 4 năm 2011, đã được điều chỉnh yếu tố mùa vụ bằng phương pháp Census X12, tổng cộng có 54 quan sát Việc điều chỉnh này giúp phân tích xu hướng chuỗi dữ liệu một cách rõ ràng hơn, do sự khác biệt về văn hóa, sự kiện trong năm và yếu tố thời tiết ảnh hưởng đến hoạt động kinh tế tại các thời điểm khác nhau trong năm.
Phương pháp nghiên cứu
3.2.1 Kiểm định tính dừng của chuỗi dữ liệu
Phillips và Perron (1988) đề xuất một phương pháp trong việc kiểm soát sự tương quan theo thứ tự khi kiểm định cho 1 nghiệm đơn vị Kiểm định
Kiểm định Phillips-Perron (PP) được sử dụng trong phân tích chuỗi thời gian để kiểm tra giả thuyết H0 rằng một chuỗi thời gian được tích hợp tại toán tử bậc 1 Kiểm định này dựa trên kiểm định Dickey-Fuller với giả thuyết H0: δ = 0 trong mô hình Δ, trong đó Δ là sai phân bậc 1 Tương tự như kiểm định Augmented Dickey-Fuller (ADF), kiểm định Phillips-Perron giải quyết vấn đề tự tương quan bậc cao trong quá trình phát sinh dữ liệu, điều này có thể dẫn đến việc bác bỏ kiểm định Dickey-Fuller t-test Trong khi kiểm định ADF xử lý vấn đề này bằng cách giới thiệu độ trễ của Δ như các biến hồi quy độc lập, kiểm định Phillips-Perron thực hiện điều chỉnh không tham số đối với giá trị thống kê t-test.
Giả thuyết H0 cho rằng có một nghiệm đơn vị sẽ bị bác bỏ khi giá trị tuyệt đối của kiểm định PP vượt quá giá trị tới hạn Khi điều này xảy ra, chúng ta kết luận rằng chuỗi thời gian là chuỗi dừng.
3.2.2 Kiểm định đồng liên kết
Khi hồi quy các chuỗi thời gian không dừng, thường dẫn đến kết quả hồi quy giả mạo Tuy nhiên, Engle và Granger (1987) cho rằng nếu kết hợp các chuỗi thời gian không dừng, có thể tạo thành một chuỗi dừng, và những chuỗi thời gian này được coi là đồng liên kết Sự kết hợp tuyến tính dừng được gọi là phương trình đồng liên kết, phản ánh mối quan hệ cân bằng dài hạn giữa các biến trong mô hình Kiểm định đồng liên kết dựa trên phương pháp VAR của Johansen (1991, 1995a) với giả thuyết H0.
“None” nghĩa là không có đồng liên kết và H 0 “At most” nghĩa là có mối quan hệ đồng liên kết
3.2.3 Hàm phản ứng xung (Impulse response function)
Cú sốc đến biến thứ i không chỉ tác động trực tiếp đến biến này mà còn ảnh hưởng đến tất cả các biến nội sinh khác thông qua mô hình động lực của VAR Hàm phản ứng xung theo dõi tác động của cú sốc trong quá khứ đối với sự thay đổi của các giá trị hiện tại và tương lai của các biến nội sinh Điều này cho thấy cách các biến còn lại trong mô hình phản ứng khi có cú sốc xảy ra đối với một biến cụ thể.
3.2.4 Phân tích phương sai (Variance decompotition)
Phân tích phương sai trong mô hình VAR tách biệt sự thay đổi của biến nội sinh thành các cú sốc thành phần, giúp xác định tầm quan trọng của từng thay đổi ngẫu nhiên ảnh hưởng đến các biến khác Trong khi đó, các hàm đáp ứng xung theo dõi tác động của cú sốc đối với biến nội sinh, cung cấp cái nhìn toàn diện về mối quan hệ giữa các biến trong mô hình.
KẾT QUẢ NGHIÊN CỨU
Kết quả kiểm định tính dừng
Tất cả các biến trong nghiên cứu đều được sử dụng theo dạng log, ngoại trừ biến Lendrate Kiểm định nghiệm đơn vị được thực hiện bằng phương pháp Phillips-Perron (1988) Kết quả kiểm định cho thấy tất cả các biến không dừng tại chuỗi gốc mà dừng tại sai phân bậc 1.
Kết quả kiểm định phương pháp cho các biến LogGDP, LogCPI, LogM2, LogCREDIT, LENDRATE và LogEXRATE cho thấy tất cả đều không dừng tại mức ý nghĩa 1%, 5% và 10% Tuy nhiên, sai phân bậc 1 của dLogGDP và dLogCPI đều dừng lại, với giá trị kiểm định lần lượt là -9.29656 và -3.34714, vượt qua các ngưỡng kiểm định tại mức 1% và 5%.
Dừng tại mức 5% và 10% dLogM2 -5.41674 -3.56267 -2.91878 -2.59729 Dừng dLogCREDIT -8.02482 -3.56267 -2.91878 -2.59729 Dừng dLENDRATE -5.28908 -3.56267 -2.91878 -2.59729 Dừng dLogEXRATE -7.69429 -3.56267 -2.91878 -2.59729 Dừng
Kết quả kiểm định đồng liên kết
Sau khi kiểm tra tính dừng, các biến nghiên cứu không dừng tại mức hay chuỗi gốc mà dừng tại sai phân bậc 1 Để xác định mối quan hệ cân bằng dài hạn giữa các biến, bước tiếp theo là kiểm định đồng liên kết dựa trên phương pháp VAR của Johansen Các giả thiết cho kiểm định Trace sẽ được thiết lập để thực hiện kiểm định này.
H 0 : Có r mối quan hệ đồng liên kết (r = 0, 1)
H 1 : Có r+1 mối quan hệ đồng liên kết
Nếu Trace Statistic > Critical Value => Bác bỏ giả thiết H 0
Nếu Trace Statistic < Critical Value => Chấp nhận giả thiết H 0
4.2.1 Kiểm định đồng liên kết giữa hai biến GDP và CPI
Bảng 4.1: Kiểm định đồng liên kết giữa biến GDP và CPI
Giả thiết H 0 Giá trị thống kê
Ghi chú: *: ký hiệu cho việc bác bỏ giả thiết H 0 tại mức ý nghĩa 5%
**: ký hiệu cho việc bác bỏ giả thiết H 0 tại mức ý nghĩa 1%
Theo giả thiết H0: r = 0, do giá trị thống kê Trace lớn hơn giá trị phê phán kiểm định tại cả hai mức 1% và 5%, chúng ta bác bỏ giả thiết H0, tức là phủ nhận giả thiết "không có mối quan hệ đồng liên kết nào giữa hai biến GDP và CPI".
Tại giả thiết H0: r = 1, giá trị thống kê Trace lớn hơn giá trị phê phán tại mức 5% nhưng nhỏ hơn tại mức 1% Do đó, giả thiết H0 chỉ bị bác bỏ ở mức 5% và được chấp nhận ở mức 1% Điều này cho thấy tại mức 1%, có một mối quan hệ đồng liên kết giữa hai biến GDP và CPI.
4.2.2 Kiểm định đồng liên kết giữa hai biến GDP và M2
Bảng 4.2: Kiểm định đồng liên kết giữa biến GDP và M2
Giả thiết H 0 Giá trị thống kê
Ghi chú: *: ký hiệu cho việc bác bỏ giả thiết H o tại mức ý nghĩa 5%
**: ký hiệu cho việc bác bỏ giả thiết H o tại mức ý nghĩa 1%
Dựa vào giả thiết H0: r = 0, khi giá trị thống kê Trace lớn hơn giá trị phê phán kiểm định ở cả hai mức 1% và 5%, chúng ta có thể bác bỏ giả thiết H0, cho thấy có sự tồn tại mối quan hệ đồng liên kết giữa hai biến GDP và M2.
Theo giả thuyết H0: r = 1, vì giá trị thống kê Trace nhỏ hơn giá trị phê phán kiểm định ở cả hai mức 1% và 5%, chúng ta bác bỏ giả thuyết H0 Điều này cho thấy có mối quan hệ đồng liên kết giữa hai biến GDP và M2.
4.2.3 Kiểm định đồng liên kết giữa hai biến GDP và Credit
Bảng 4.3: Kiểm định đồng liên kết giữa biến GDP và Credit
Giả thiết H 0 Giá trị thống kê
Giả thiết H 0 Giá trị thống kê
Ghi chú: *: ký hiệu cho việc bác bỏ giả thiết H 0 tại mức ý nghĩa 5%
**: ký hiệu cho việc bác bỏ giả thiết H 0 tại mức ý nghĩa 1%
Kết quả nghiên cứu cho thấy giả thiết H0: r = 0 bị bác bỏ ở cả hai mức ý nghĩa 1% và 5%, trong khi giả thiết H0: r = 1 được chấp nhận tại cả hai mức này Điều này dẫn đến kết luận rằng có một mối quan hệ đồng liên kết giữa hai biến GDP và Credit.
4.2.4 Kiểm định đồng liên kết giữa hai biến GDP và Lendrate
Bảng 4.4: Kiểm định đồng liên kết giữa biến GDP và Lendrate
Giả thiết H 0 Giá trị thống kê
Ghi chú: *: ký hiệu cho việc bác bỏ giả thiết H 0 tại mức ý nghĩa 5%
**: ký hiệu cho việc bác bỏ giả thiết H 0 tại mức ý nghĩa 1%
Giả thiết H0 về việc không có mối quan hệ đồng liên kết giữa GDP và Lendrate đã bị bác bỏ do giá trị thống kê Trace statistic nhỏ hơn giá trị kiểm định Critical value ở mức 1% và 5% Tuy nhiên, khi r = 1, giả thiết H0 được chấp nhận, cho thấy rằng kiểm định Trace chỉ ra có mối quan hệ dài hạn giữa tăng trưởng thực GDP và lãi suất cho vay Lendrate.
4.2.5 Kiểm định đồng liên kết giữa hai biến GDP và Exrate
Bảng 4.5: Kiểm định đồng liên kết giữa biến GDP và Exrate
Giả thiết H 0 Giá trị thống kê
Ghi chú: *: ký hiệu cho việc bác bỏ giả thiết H 0 tại mức ý nghĩa 5%
**: ký hiệu cho việc bác bỏ giả thiết H 0 tại mức ý nghĩa 1%
Giả thiết H0: r = 0 bị bác bỏ, trong khi giả thiết H0: r = 1 được chấp nhận ở cả hai mức 1% và 5% Kết quả này cho thấy có một mối quan hệ dài hạn giữa GDP thực và tỷ giá hối đoái (Exrate).
Phân tích hàm phản ứng đẩy và phân tích phương sai
4.3.1 Mô hình cơ bản (3 biến: GDP, CPI và M2)
Để đạt được kết quả chính xác trong ước lượng mô hình, việc lựa chọn độ trễ tối ưu là rất quan trọng Theo tiêu chuẩn AIC, độ trễ tối ưu cho mô hình cơ bản được xác định là 8 quý.
Bảng 4.6: Kết quả lựa chọn độ trễ tối ưu cho mô hình cơ bản
Lag LogL LR FPE AIC SC HQ
Hình 4.1: Phản ứng của GDP thực đối với cung tiền M2
Trong 4 quý đầu, GDP phản ứng cùng chiều khi M2 tăng Nhƣ vậy, phản ứng của GDP đối với cú sốc chính sách tiền tệ mở rộng đúng với lý thuyết tiền tệ vốn cho thấy rằng sự gia tăng cung tiền sẽ gây ra sự tăng giá cũng nhƣ sự gia tăng sản lƣợng tiềm năng Tuy nhiên, từ sau quý 4 đến quý 6 thì có sự phản ứng trái chiều của GDP đối với sự thay đổi của cung tiền M2
Hình 4.2: Phản ứng của CPI đối với cung tiền M2
Biến CPI ban đầu phản ứng cùng chiều với sự thay đổi của M2, nhưng sau quý thứ 4 lại có phản ứng ngược chiều, điều này trái ngược với lý thuyết cho rằng gia tăng cung tiền sẽ dẫn đến lạm phát Kinh tế học Keynes cho rằng trong thời kỳ suy thoái, có hiện tượng công suất dư thừa trong nền kinh tế, vì vậy, tăng cung tiền chủ yếu giúp đưa các nguồn lực dư thừa trở lại sản xuất Do đó, trong trường hợp khủng hoảng, việc tăng cung tiền hầu như không gây ra lạm phát.
Mặc dù cung tiền M2 tại Việt Nam đã tăng gần 7% vào cuối tháng 6/2012, gấp hơn 2 lần mức tăng GDP, nhưng chỉ số CPI lại không tăng Điều này cho thấy vòng quay tiền tệ trong nền kinh tế đang chậm lại, với tổng phương tiện thanh toán tăng nhanh hơn GDP Theo lý thuyết, khi lượng tiền lớn hơn hàng hóa, giá cả sẽ tăng; tuy nhiên, thực tế cho thấy giá cả đã giảm trong 6 tháng qua Nguyên nhân chính là do tổng cầu của nền kinh tế, đặc biệt là cầu tiêu dùng, đang tăng chậm lại.
Hình 4.3: Kết quả phân tích phương sai biến GDP thực
(trong mô hình cơ bản)
Phân tích phương sai cho thấy chỉ số CPI thực sự có ảnh hưởng đáng kể, đặc biệt từ quý 3 trở đi, với tỷ trọng ngày càng tăng trong các quý tiếp theo Chỉ số CPI giải thích khoảng 6.5% sự biến động của GDP thực trong quý 4 và quý 8, trong khi biến M2 đóng góp hơn 2.8% cho sự biến động này Do đó, sự thay đổi trong sản lượng chủ yếu phụ thuộc vào các cú sốc sản lượng từ quá khứ.
D(LOG(M2))D(LOG(CPI))D(LOG(GDP))
4.3.2 Mô hình với lãi suất cho vay (4 biến: GDP, CPI, M2 và Lendrate) Độ trễ tối ƣu của mô hình 4 biến GDP, CPI, M2 và Lendrate đƣợc xác định là 8:
Bảng 4.7: Kết quả lựa chọn độ trễ tối ưu cho mô hình với lãi suất cho vay
Lag LogL LR FPE AIC SC HQ
Hình 4.4: Phản ứng của GDP thực đối với lãi suất
Theo lý thuyết kinh tế cổ điển, lãi suất và sản lượng có mối quan hệ nghịch chiều, tức là lãi suất tăng sẽ làm giảm đầu tư và sản lượng Tuy nhiên, tại Việt Nam, mức phản ứng của tăng trưởng GDP đối với lãi suất gần như ở mức 0, cho thấy chưa có đủ bằng chứng thuyết phục để khẳng định tác động của lãi suất lên sản lượng.
Hình 4.5: Phản ứng của CPI đối với lãi suất
Phản ứng của lạm phát đối với sự thay đổi lãi suất cho vay tại Việt Nam vẫn chưa rõ ràng, với mức dao động gần 0, cho thấy CPI chưa phản ứng mạnh mẽ với lãi suất Sự biến động trong GDP thực và lạm phát chủ yếu là do các cú sốc nội tại Nguyên nhân có thể là do lãi suất đã bị kiểm soát lâu dài, không phản ánh đúng cung cầu tiền tệ trong nền kinh tế Do đó, lãi suất chưa thể được xem là công cụ chính sách tiền tệ hiệu quả cho ngân hàng nhà nước trong việc can thiệp vào kinh tế vĩ mô.
Hình 4.6: Kết quả phân tích phương sai biến GDP thực
(trong mô hình với lãi suất cho vay)
D(LOG(LENDRATE))D(LOG(M2))D(LOG(CPI))D(LOG(GDP))
Kết quả phân tích phân rã phương sai cho thấy, khi thêm biến lãi suất cho vay vào mô hình, tỷ trọng giải thích sự thay đổi của GDP từ các biến CPI và M2 không thay đổi nhiều Cụ thể, trong quý 8, biến CPI đóng góp hơn 6.2%, M2 2.8% và lãi suất cho vay 1.1% vào sự biến động của GDP.
4.3.3 Mô hình với tín dụng trong nước (4 biến: GDP, CPI, M2 và Credit) Độ trễ tối ƣu của mô hình 4 biến GDP, CPI, M2 và Credit cũng đƣợc xác định là 8 quý:
Bảng 4.8: Kết quả lựa chọn độ trễ tối ưu cho mô hình với tín dụng trong nước
Lag LogL LR FPE AIC SC HQ
Hình 4.7: Phản ứng của GDP thực đối với tín dụng trong nước
Mặc dù tín dụng đã tăng, nhưng tốc độ tăng trưởng GDP lại giảm, chỉ đến quý 6 GDP mới phản ứng tích cực với sự thay đổi của tín dụng trong nước Nguyên nhân có thể do việc sử dụng vốn không hiệu quả, khi nhiều tổ chức kinh tế và cá nhân không sử dụng nguồn vốn tín dụng ngân hàng cho mục đích sản xuất kinh doanh, mà lại đầu tư vào các lĩnh vực rủi ro cao như chứng khoán và bất động sản Những lĩnh vực này càng trở nên rủi ro và thua lỗ hơn trong bối cảnh nền kinh tế suy thoái từ năm 2008.
Theo báo cáo của Ngân hàng Nhà nước, đến cuối tháng 8-2012, tổng phương tiện thanh toán (M2) ước tăng 10,37% so với cuối năm 2011, trong khi tổng dƣ tiền gửi của khách hàng tại các tổ chức tín dụng ước tăng 11,23% Dƣ nợ tín dụng đối với nền kinh tế trong chín tháng tăng 2,35% so với cuối năm 2011, với tín dụng tăng gần 1% trong tháng 9 Tuy nhiên, tốc độ tăng trưởng GDP của Việt Nam trong chín tháng đầu năm 2012 chỉ đạt 4,73%, thấp hơn mục tiêu 5,5% của Chính phủ và mức 5,77% của năm 2011, đánh dấu một trong những mức tăng trưởng thấp nhất trong năm năm qua Sản lượng khu vực thương mại dịch vụ chỉ tăng 5,97%, trong khi tăng trưởng sản lượng công nghiệp đạt 4,36%, giảm gần một nửa so với mức tăng 7,8% cùng kỳ năm trước.
Phản ứng nghịch của GDP thực đối với tín dụng liên quan đến GDP danh nghĩa, khi Ngân hàng Nhà nước thực hiện chính sách mở rộng tín dụng, sản lượng danh nghĩa sẽ tăng theo Tuy nhiên, lạm phát cũng gia tăng, dẫn đến tăng trưởng sản lượng danh nghĩa bị bù đắp bởi tỷ lệ lạm phát cao, do đó GDP thực giảm.
Hình 4.8: Phản ứng của CPI đối với tín dụng trong nước
Mức giá và tín dụng có mối quan hệ thuận chiều, đặc biệt trong bốn quý đầu tiên, với lạm phát tăng cao nhất ở quý 2 do sự gia tăng tín dụng trong nước Nhiều nghiên cứu, bao gồm của Camen (2006) và Lê và Pfau (2008), chỉ ra rằng tín dụng là yếu tố quan trọng để giải thích sự dịch chuyển của lạm phát và chỉ số CPI Cả lạm phát và sản lượng đều phản ứng nhanh chóng trước cú sốc tăng tín dụng, cho thấy tín dụng là công cụ chính sách tiền tệ ngắn hạn hiệu quả.
Hình 4.9: Kết quả phân tích phương sai biến GDP thực
(trong mô hình với tín dụng trong nước)
D(LOG(CREDIT))D(LOG(M2))D(LOG(CPI))D(LOG(GDP))
Khi biến tín dụng trong nước được thêm vào mô hình cơ bản, mối quan hệ giữa sản lượng và M2 cũng như giữa lạm phát và M2 trở nên yếu hơn Tiền rộng chỉ đóng góp một phần nhỏ trong phân tích phương sai của GDP thực và CPI, điều này tương đồng với kết luận trong nghiên cứu của Kim Thu Hoàng (2011).
4.3.4 Mô hình với tỷ giá hối đoái (4 biến: GDP, CPI, M2 và Exrate)
Mô hình 4 biến GDP, CPI, M2 và Exrate cũng có độ trễ tối ƣu đƣợc xác định là 8
Bảng 4.9: Kết quả lựa chọn độ trễ tối ưu cho mô hình với tỷ giá hối đoái
Lag LogL LR FPE AIC SC HQ
Đồ thị Impulse Response Function được sử dụng để phân tích phản ứng của biến phụ thuộc khi có sự thay đổi ở biến độc lập Hình 4.10 và 4.11 minh họa rằng tác động của tỷ giá hối đoái đối với GDP thực và CPI là tương đối khiêm tốn.
Hình 4.10: Phản ứng của GDP thực đối với tỷ giá hối đoái
Hình 4.11: Phản ứng của CPI đối với tỷ giá hối đoái
