CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN TÌNH HÌNH LẠM PHÁT TẠI VIỆT NAM
Một số khái niệm về lạm phát
Lạm phát là sự gia tăng liên tục của mức giá chung của hàng hóa và dịch vụ trong một khoảng thời gian nhất định, dẫn đến việc đồng tiền mất giá trị Khi giá cả tăng, số lượng hàng hóa và dịch vụ có thể mua được với cùng một số tiền giảm đi, phản ánh sự suy giảm sức mua của đồng tiền So với các nền kinh tế khác, lạm phát cũng thể hiện sự giảm giá trị của đồng tiền quốc gia này so với đồng tiền của các quốc gia khác.
Lạm phát có 3 mức độ:
Lạm phát vừa phải, dưới 10% mỗi năm, dẫn đến sự biến động giá cả tương đối trong nền kinh tế Trong giai đoạn này, nền kinh tế hoạt động ổn định, giá cả tăng chậm, lãi suất tiền gửi không cao và không xảy ra tình trạng mua bán hay tích trữ hàng hóa với số lượng lớn.
Lạm phát phi mã, với mức tăng từ 10% đến dưới 1000%, gây ra sự mất giá nghiêm trọng của đồng tiền Trong bối cảnh này, lãi suất thực tế thường ở mức âm, dẫn đến sự bất ổn trong thị trường tài chính.
Siêu lạm phát, với mức lạm phát vượt quá 1000%, gây ra sự gia tăng nhanh chóng trong lưu thông tiền tệ và giá cả, dẫn đến sự mất ổn định nghiêm trọng Trong bối cảnh này, tiền lương thực tế giảm mạnh, tiền tệ nhanh chóng mất giá và thông tin thị trường trở nên không còn chính xác Các yếu tố thị trường bị biến dạng, khiến hoạt động kinh doanh rơi vào tình trạng hỗn loạn Tuy nhiên, hiện tượng siêu lạm phát xảy ra rất hiếm.
Lạm phát ở các nước đang phát triển thường kéo dài, dẫn đến hậu quả phức tạp và nghiêm trọng Các nhà kinh tế học phân loại lạm phát thành ba loại: lạm phát kinh niên, kéo dài trên 3 năm với tỷ lệ dưới 50%/năm; lạm phát nghiêm trọng, kéo dài trên 3 năm với tỷ lệ trên 50%/năm; và siêu lạm phát, kéo dài trên một năm với tỷ lệ trên 200%/năm.
Nguyên nhân dẫn đến tình trạng lạm phát:
Lạm phát có nhiều nguyên nhân, trong đó hai yếu tố chính là "lạm phát do cầu kéo" và "lạm phát do chi phí đẩy".
Lạm phát do cầu kéo xảy ra khi nhu cầu thị trường về một mặt hàng tăng, dẫn đến giá cả của mặt hàng đó tăng theo Sự gia tăng giá cả này không chỉ ảnh hưởng đến mặt hàng cụ thể mà còn kéo theo sự tăng giá của hầu hết các loại hàng hóa khác trên thị trường Hiện tượng này phản ánh sự gia tăng nhu cầu tiêu dùng trong nền kinh tế, được gọi là "lạm phát do cầu kéo".
Lạm phát do chi phí đẩy xảy ra khi các doanh nghiệp phải đối mặt với sự gia tăng chi phí sản xuất, bao gồm tiền lương, giá nguyên liệu đầu vào, chi phí máy móc, bảo hiểm cho công nhân và thuế Những yếu tố này dẫn đến việc tăng giá sản phẩm, ảnh hưởng đến nền kinh tế.
Khi chi phí của các yếu tố sản xuất tăng, tổng chi phí sản xuất của doanh nghiệp cũng sẽ gia tăng, dẫn đến giá thành sản phẩm tăng lên Hệ quả là mức giá chung trong nền kinh tế cũng tăng, hiện tượng này được gọi là “lạm phát do chi phí đẩy.”
Lạm phát do cơ cấu xảy ra khi các doanh nghiệp, dù có hiệu quả hay không, đều phải tăng tiền công cho người lao động Đối với những ngành kinh doanh kém hiệu quả, việc tăng lương dẫn đến việc tăng giá thành sản phẩm để duy trì lợi nhuận, từ đó gây ra lạm phát.
Lạm phát do sự thay đổi trong cầu xảy ra khi nhu cầu tiêu thụ của thị trường giảm đối với một mặt hàng, trong khi đó, nhu cầu đối với mặt hàng khác lại tăng lên Nếu có nhà cung cấp độc quyền và giá cả cứng nhắc, giá sẽ không giảm ngay cả khi cầu giảm Ngược lại, mặt hàng có cầu tăng sẽ dẫn đến việc tăng giá Kết quả là mức giá chung trong nền kinh tế tăng lên, gây ra lạm phát.
Lạm phát do xuất khẩu xảy ra khi sự gia tăng xuất khẩu làm cho tổng cầu vượt quá tổng cung Khi thị trường tiêu thụ nhiều hàng hóa hơn lượng cung cấp, sản phẩm sẽ được thu gom cho xuất khẩu, dẫn đến việc giảm lượng hàng cung cấp cho thị trường trong nước Kết quả là tổng cung trong nước thấp hơn tổng cầu, gây ra sự mất cân bằng và dẫn đến lạm phát.
Lạm phát do nhập khẩu xảy ra khi giá hàng hóa nhập khẩu tăng, có thể do thuế nhập khẩu tăng hoặc giá cả toàn cầu gia tăng, dẫn đến việc giá bán sản phẩm trong nước cũng phải điều chỉnh tăng theo.
Các phương pháp tính lạm phát
Gọi là tốc độ biến động giá hàng i so với kỳ so sánh k Khi đó tỷ lệ lạm phát CPI là: ∑ n
Trong đó: - k thường nhận các giá trị 1, 3, 6, 12, 24, 36 Tỷ lệ lạm phát ở đây chính là số bình quân giản đơn của các tỷ lệ lạm phát tháng của k tháng
Giả định rằng tỷ lệ lạm phát của nhóm hàng i có thể được phân tách thành tỷ lệ lạm phát trung bình và các sốc giá riêng biệt đối với mặt hàng i.
Khi đó tỷ lệ lạm phát mặt hàng i ở kỳ t so với kỳ k là:
Khi k càng lớn, độ biến thiên của tỷ lệ lạm phát sẽ giảm, do các phần nhiễu tự khử trừ lẫn nhau Việc công bố phân tích lạm phát theo tháng bình quân quý (k=3) và bình quân năm (k) giúp phản ánh rõ xu thế lạm phát và giảm thiểu nhiễu so với k=1 Phương pháp tính này tương đương với tỷ lệ lạm phát so với tháng cùng kỳ chia cho 12 hoặc 3.
Một phương pháp tính lạm phát khác là tỷ lệ phần trăm giữa bình quân chỉ số giá tiêu dùng (CPI) trong 12 tháng liên tiếp đến tháng hiện tại và bình quân CPI của các tháng cùng kỳ, sau đó trừ đi 100 Các chỉ số này cần phải là chỉ số gốc hoặc chỉ số chung để so sánh, thường được tính từ năm 1995 Phương pháp này có ý nghĩa quan trọng trong thống kê.
Tỷ lệ lạm phát CPI có thể được chia thành hai thành phần chính: tác động xu thế lâu dài, ổn định và tác động nhiễu tạm thời, tức thì.
t T CPI t t P t T t P thể hiện xu thế lâu dài, thường trực do áp lực cầu được gọi là lạm phát xu thế dài hạn hay lạm phát cơ bản
Khi chỉ số giá tiêu dùng (CPI) bị nhiễu, cần áp dụng phương pháp tách lọc để loại bỏ nhiễu và xác định xu thế dài hạn Việc này giúp làm rõ biến động giá của các nhóm hàng thuộc cấu phần k t i, k t i, t i, từ đó cung cấp cái nhìn chính xác hơn về tình hình lạm phát.
CPI có chung phân bố chuẩn N( 2 ) thì lạm phát CPI có thể coi là lạm phát cơ bản
Số bình quân là ước lượng không chệch với phương sai bé nhất
Khi chỉ số CPI bị ảnh hưởng bởi các yếu tố tạm thời, dẫn đến việc Pit / Pit-k không tuân theo phân bố chuẩn, đồ thị phân bố tần suất sẽ lệch phải và có đỉnh nhọn hơn so với phân bố chuẩn Điều này khiến CPI trở thành một ước lượng không chính xác, phản ánh sai lệch xu thế lâu dài của lạm phát.
Phương pháp xây dựng: Để tính lạm phát cơ bản, ở một số nước sử dụng một số phương pháp khác nhau như:
Vào đầu thập kỷ 70, nhiều quốc gia đã bắt đầu áp dụng phương pháp tính lạm phát cơ bản theo cách loại trừ một số nhóm hàng hóa dễ bị sốc cung như lương thực thực phẩm, nhiên liệu, điện năng và thuế Phương pháp này chỉ cần loại bỏ các yếu tố FET, sau đó tính lại quyền số và tính bình quân gia quyền Tuy nhiên, việc xác định các mặt hàng loại trừ vẫn còn mang tính máy móc và thiếu kiểm định Hiện nay, phương pháp CPIxFET vẫn được sử dụng rộng rãi tại nhiều quốc gia.
Trung vị gia quyền (WM-CPI) là một phương pháp ước lượng hiệu quả hơn so với trung bình gia quyền khi trung bình không còn phản ánh đúng xu thế trọng tâm Trung vị không bị ảnh hưởng bởi các cú sốc giá tạm thời, do đó cung cấp một ước lượng chính xác hơn Đây là một phương pháp khoa học và có tính khách quan, khác với CPIxFET.
Trung bình lược bỏ (TM - CPI trimmed mean) là phương pháp ước lượng không chệch cho phương sai không bé nhất khi phân bố xác suất của phần nhiễu trong biến động giá của các nhóm hàng có kỳ vọng chung nhưng phương sai khác nhau Để tính toán TM-CPI, cần loại trừ các nhóm hàng nằm lệch hẳn hai phía của đồ thị phân bố tần suất biến động giá Tỷ lệ phần trăm số nhóm lược bỏ (α) được chia đều cho cả hai phía, và sau khi loại bỏ, trung bình mẫu sẽ được tính cho các quan sát còn lại TM-CPI có thể được tính bằng bình quân giản đơn hoặc bình quân gia quyền.
Tác động của lạm phát đến nền kinh tế
- Lạm phát và lãi suất:
Lạm phát cao và kéo dài tại các quốc gia có thể gây ra những ảnh hưởng tiêu cực đến mọi khía cạnh của đời sống kinh tế, chính trị và xã hội Một trong những tác động đầu tiên và rõ rệt nhất của lạm phát là sự biến động của lãi suất.
Lãi suất thực = lãi suất danh nghĩa - tỷ lệ lạm phát
Khi tỷ lệ lạm phát gia tăng, lãi suất danh nghĩa cần phải được điều chỉnh tăng lên để đảm bảo lãi suất thực dương và ổn định Tuy nhiên, việc tăng lãi suất danh nghĩa có thể gây ra suy thoái kinh tế và gia tăng tỷ lệ thất nghiệp.
- Lạm phát và thu nhập thực tế:
Mối quan hệ giữa thu nhập thực tế và thu nhập danh nghĩa của người lao động bị ảnh hưởng bởi tỷ lệ lạm phát Khi lạm phát gia tăng mà thu nhập danh nghĩa không thay đổi, thu nhập thực tế của người lao động sẽ bị giảm sút.
Lạm phát làm giảm giá trị thực của tài sản không có lãi và cũng ảnh hưởng tiêu cực đến thu nhập từ tài sản có lãi, dẫn đến giảm thu nhập thực từ các khoản lãi và lợi tức Khi lạm phát gia tăng, người vay thường phải chịu lãi suất danh nghĩa cao hơn để bù đắp cho tỷ lệ lạm phát, mặc dù thuế suất vẫn không thay đổi.
Thu nhập ròng thực của người cho vay, được tính bằng thu nhập danh nghĩa trừ đi tỷ lệ lạm phát, có ảnh hưởng lớn đến nền kinh tế xã hội Sự giảm sút này có thể dẫn đến suy thoái kinh tế, gia tăng thất nghiệp và làm cho đời sống của người lao động trở nên khó khăn hơn, từ đó làm giảm lòng tin của người dân đối với Chính phủ.
- Lạm phát và phân phối thu nhập không bình đẳng:
Khi lạm phát gia tăng, giá trị đồng tiền giảm, tạo điều kiện thuận lợi cho người đi vay trong việc vay vốn đầu cơ Sự gia tăng nhu cầu vay mượn này dẫn đến việc lãi suất trong nền kinh tế tăng cao.
Lạm phát cao dẫn đến tình trạng đầu cơ, làm mất cân đối nghiêm trọng giữa cung và cầu hàng hóa, đẩy giá cả lên cao Hệ quả là người nghèo càng khốn khó, trong khi người giàu lại trở nên giàu có hơn, gia tăng khoảng cách giàu nghèo Tình trạng này gây ra rối loạn trong nền kinh tế và tạo ra sự chênh lệch lớn về thu nhập và mức sống giữa các tầng lớp xã hội.
- Lạm phát và nợ quốc gia:
Lạm phát cao mang lại lợi ích cho Chính phủ thông qua thuế thu nhập từ người dân, nhưng đồng thời cũng làm cho khoản nợ nước ngoài trở nên nặng nề hơn Nguyên nhân là do lạm phát khiến tỷ giá tăng, làm cho đồng tiền trong nước mất giá nhanh chóng so với các đồng tiền nước ngoài liên quan đến khoản nợ.
Lạm phát ở mức vừa phải, từ 2-5% tại các nước phát triển và dưới 10% tại các nước đang phát triển, có thể mang lại một số lợi ích cho nền kinh tế, không phải lúc nào cũng gây hại.
Kích thích tiêu dùng, vay nợ, đầu tư giảm bớt thất nghiệp trong xã hội
Chính phủ có thể mở rộng tín dụng để kích thích đầu tư vào các lĩnh vực ít được ưu tiên, qua đó phân phối lại thu nhập và nguồn lực trong xã hội theo các mục tiêu cụ thể và trong khoảng thời gian nhất định.
Lạm phát là một vấn đề kinh tế phức tạp, vừa gây hại vừa mang lại lợi ích Khi được kiểm soát ở mức độ hợp lý, lạm phát có thể thúc đẩy sự phát triển của nền kinh tế.
Tình hình lạm phát Việt Nam giai đoạn 2009 - 2019
Năm 2008, khủng hoảng kinh tế toàn cầu đã tác động tiêu cực đến chỉ số lạm phát tại Việt Nam, với mức lạm phát đạt gần 20% Tình trạng này tiếp tục duy trì ở mức hai con số trong các năm 2010 và 2011 Nhiều tổ chức quốc tế đã bày tỏ lo ngại rằng lạm phát cao sẽ làm xấu đi môi trường kinh doanh tại Việt Nam và ảnh hưởng đến giá trị của đồng tiền.
Tình hình lạm phát năm 2010 diễn biến phức tạp với chỉ số giá CPI tháng 12/2010 tăng 1,98%, cao nhất trong năm Lạm phát cả năm đạt 11,75%, vượt mục tiêu 9,19% đã đề ra Sự tăng trưởng giá tiêu dùng theo quy luật thường cao vào đầu và cuối năm, nhưng năm 2010 ghi nhận sự chênh lệch lớn giữa tháng cao nhất và tháng thấp nhất, lên tới hơn 1,5%.
Lạm phát năm 2011 diễn ra phức tạp, với mức tăng cao trong những tháng đầu năm và giảm dần từ quý II Trong 4 tháng cuối năm, lạm phát có dấu hiệu giảm tốc, chỉ dưới 1% mỗi tháng CPI tăng 2,20% vào tháng 3, dẫn đến tỷ lệ lạm phát cả năm đạt 18,58%, với giá cả các mặt hàng lương thực, nhà ở, giáo dục và giao thông tăng mạnh nhất.
Kể từ năm 2012, Chính phủ đã thực hiện chính sách tiền tệ chặt chẽ nhằm kiểm soát lạm phát, đặt mục tiêu này lên hàng đầu Mặc dù chỉ số giá tiêu dùng đã giảm, nhưng đã có những hệ quả như tăng trưởng tín dụng thấp và vốn đầu tư toàn xã hội suy giảm Các chuyên gia phân tích cho rằng lạm phát gần đây chủ yếu do sức cầu yếu kém, trong khi rủi ro tăng giá vẫn luôn hiện hữu.
Năm 2015, Việt Nam đã đạt được thành công trong việc kiểm soát lạm phát nhờ vào sự phối hợp hiệu quả giữa chính sách tiền tệ linh hoạt và chính sách tài khóa Tuy nhiên, sự bất ổn kinh tế khó dự đoán vẫn đặt ra nhiều thách thức cho việc điều hành kinh tế vĩ mô, đòi hỏi sự chủ động và linh hoạt trong việc ứng phó với các biến động này.
Trong giai đoạn 2012 - 2015, Ngân hàng Nhà nước Việt Nam đã chủ động và linh hoạt trong việc điều hành các công cụ chính sách tiền tệ, phối hợp chặt chẽ với chính sách tài khóa Sự phối hợp này đã góp phần quan trọng trong việc kiểm soát lạm phát, giảm từ mức cao 23% vào tháng 8/2011 xuống còn 6,81% năm 2012, 6,04% năm 2013, 1,84% năm 2014 và chỉ còn 0,6% vào năm 2015.
Giai đoạn 2012-2015, Việt Nam đã duy trì lạm phát ở mức thấp nhất trong hơn 10 năm, góp phần ổn định kinh tế vĩ mô Sự ổn định của thị trường ngoại hối và tỷ giá, cùng với việc dự trữ ngoại hối đạt kỷ lục và thanh khoản ngân hàng được cải thiện, đã tạo điều kiện thuận lợi cho các tổ chức xếp hạng tín nhiệm quốc tế nâng cao hệ số tín nhiệm của Việt Nam.
Năm 2016, thành công trong kiểm soát lạm phát được ghi nhận, mặc dù giá một số mặt hàng thiết yếu tăng trở lại Nhờ vào lạm phát thấp, Nhà nước có khả năng điều chỉnh giá một số mặt hàng do Nhà nước quản lý, tiến gần hơn tới mức giá thị trường.
Biểu đồ 1: Tình hình lạm phát của Việt Nam năm 2010 – 2016
Lạm phát cơ bản tháng 12/2016 ghi nhận mức tăng 1,87% so với cùng kỳ năm trước, cao hơn một chút so với mức 1,69% của năm 2015 Đây là lạm phát được tính toán sau khi loại trừ giá lương thực-thực phẩm, năng lượng và các mặt hàng do Nhà nước quản lý, bao gồm dịch vụ y tế và giáo dục.
Lạm phát GDP trong năm 2016 ghi nhận ở mức 1,1%, tăng so với mức -0,2% của năm 2015 Mặc dù GDP thực tăng trưởng 6,2%, GDP danh nghĩa chỉ tăng 7,3%, từ 4.192 nghìn tỷ đồng lên 4.502 nghìn tỷ đồng.
Lạm phát tại Việt Nam hiện chỉ khoảng 1-2%, mức tương đối thấp và ổn định từ giữa năm 2016, với lạm phát cơ bản dao động quanh 0,1%/tháng Nguyên nhân chủ yếu của xu hướng lạm phát thấp này là do tăng trưởng kinh tế chưa có dấu hiệu khởi sắc, với GDP năm 2016 đạt 6,21%, thấp hơn mục tiêu 6,7% và dự báo 6,3-6,5% Dù có yếu tố khách quan như thời tiết bất lợi ảnh hưởng đến ngành Nông nghiệp (tăng trưởng 1,36%) và ngành Khai khoáng (giảm 4% do giá nguyên liệu thấp), tổng cầu vẫn là yếu tố quyết định chính.
Trong năm 2017, chỉ số giá tiêu dùng (CPI) bình quân tăng 3,53% so với năm 2016 và 2,6% so với tháng 12/2016, đạt mục tiêu kiểm soát lạm phát dưới 4% Mặc dù có nhiều yếu tố tác động đến giá cả, nhưng sự giảm 2,6% của chỉ số giá nhóm thực phẩm, chủ yếu ở nhóm thịt tươi sống, đã góp phần làm giảm CPI chung khoảng 0,53% Tổng cục Thống kê cho biết việc điều chỉnh giá các mặt hàng do Nhà nước quản lý cũng đã hỗ trợ trong việc kiểm soát lạm phát trong năm 2017.
Theo Tổng cục Thống kê, lạm phát cơ bản tháng 12/2017 tăng 0,11% so với tháng trước và 1,29% so với cùng kỳ năm trước Trong năm 2017, lạm phát chung có mức tăng cao hơn lạm phát cơ bản, chủ yếu do biến động giá thị trường, đặc biệt là giá lương thực thực phẩm và xăng dầu, cùng với việc điều chỉnh tăng giá dịch vụ y tế và giáo dục Mức lạm phát cơ bản trung bình năm 2017 đạt 1,41%, thấp hơn kế hoạch từ 1,6-1,8%, cho thấy chính sách tiền tệ đang được duy trì ổn định.
CPI bình quân năm 2017 tăng 3,53% so với năm 2016, thấp hơn mục tiêu Quốc hội đề ra Trong tháng 12/2017, CPI tăng 2,6% so với cùng kỳ năm trước, với mức tăng trung bình hàng tháng là 0,21% Sự tăng trưởng CPI chủ yếu do các địa phương điều chỉnh giá dịch vụ y tế và khám chữa bệnh Tuy nhiên, có một số yếu tố kiềm chế tốc độ tăng CPI, như chỉ số giá thực phẩm giảm 2,6% so với năm 2016, đặc biệt là ở nhóm thịt tươi sống Ngân hàng Nhà nước đã thực hiện chính sách tiền tệ nhằm duy trì ổn định vĩ mô và kiểm soát lạm phát.
Trong năm 2018, lạm phát có xu hướng tăng trong nửa đầu năm nhưng giảm vào cuối năm CPI bình quân 9 tháng đầu năm 2019 so với cùng kỳ năm 2018 chỉ tăng 2,5%, mức tăng thấp nhất trong 3 năm qua Điều này đã tạo thêm dư địa cho công tác điều hành giá và kiểm soát lạm phát theo mục tiêu của Quốc hội và Chính phủ, đồng thời tạo điều kiện thuận lợi để điều chỉnh giá một số dịch vụ công theo lộ trình thị trường Tổng cục Thống kê ước tính CPI bình quân 9 tháng năm 2019 so với cùng kỳ năm 2018 tăng khoảng 2,52%, cũng là mức tăng thấp nhất trong 3 năm qua.
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Dữ liệu
Số liệu được thu thập là số liệu thứ cấp thu thập theo tháng từ tháng 01 năm
2010 đến tháng 9 năm 2019, gồm 117 quan sát Dữ liệu nghiên cứu được thu thập từ các nguồn dưới đây
Chỉ số lạm phát (INF) (đơn vị: %): Số liệu thống kê của International Financial Statistics - IFS) của Quỹ Tiền tệ Quốc tế
Thay đổi cung tiền M2 so với cùng kỳ năm trước (M2) (đơn vị: %): Nhóm nghiên cứu tính toán dựa trên số liệu thống kê cung tiền M2 của Trading Economics
Phương pháp nghiên cứu
Mô hình VAR (Vector Autoregression) là một phương pháp phân tích trong thống kê, trong đó mỗi biến số được xác định bởi giá trị trước đó của chính nó và các biến số khác Mô hình này cho phép nghiên cứu mối quan hệ tương tác giữa nhiều biến số theo thời gian, giúp dự đoán và hiểu rõ hơn về các yếu tố tác động lẫn nhau trong hệ thống.
Mô hình VAR dạng tổng quát:
Yt = A1Yt-1 + A2Yt-2 + …+ ApYt-p + st + ut Trong đó: Ai là ma trận vuông cấp m*m, i = 1, 2,…, p ; st = (s1t , s2t, …, smt)
Y bao gồm biến ngẫu nhiên dừng, u là vector các nhiễu trắng, và st là vector các yếu tố xác định, có thể bao gồm hằng số, xu thế tuyến tính hoặc đa thức.
Mô hình này được gọi là mô hình VAR bậc p, ký hiệu VAR(p)
Viết dưới dạng toán tử trễ, ta có:
Yt = ( A1L + A2 L2+ …+ApLp ) Yt + st + ut (1)
Mô hình (1) và (2) được gọi là mô hình VAR cấp p, ký hiệu VAR
Quá trình ngẫu nhiên Yt được gọi là quá trình dừng yếu khi kỳ vọng và hiệp phương sai Cov(Yit ; Yit-1) không phụ thuộc vào thời gian và có giá trị hữu hạn Nếu tất cả các phân bổ với số chiều hữu hạn của (Yt, Yt-1,…, Yt-p) không thay đổi theo thời gian, quá trình ngẫu nhiên đó được xem là dừng chặt.
Quá trình thường khởi đầu từ một thời điểm cụ thể, được gọi là điểm gốc Trong quá trình dừng tiệm cận, mô men cấp một và cấp hai (kỳ vọng, phương sai) sẽ hội tụ về một giá trị hữu hạn.
Các bước thực hiện
Kiểm định tính dừng của mô hình với 2 giả thiết:
Để thực hiện kiểm định nghiệm đơn vị cho chuỗi dữ liệu, ta sử dụng phương pháp Tích kép trong View → Unit Root Test Trong khung "Test for unit root in", cần chọn chuỗi mà bạn muốn kiểm định để nhận được kết quả chính xác.
+ 1 st difference: sai phân bậc 1
+ 2 nd difference: sai phân bậc 2
Kết quả cho ra nếu p-value nhỏ thì chuỗi là dừng, nếu chuỗi gốc chưa phải là chuỗi dừng, kiểm định tiếp cho sai phân bậc 1 và bậc 2
2.3.2 Tìm độ trễ và ước lượng mô hình Để ước lượng mô hình VAR, việc xác định độ trễ là hết sức quan trọng Nếu độ trễ quá lớn dẫn đến các tham số cần ước lượng nhiều, khi đó đòi hỏi kích thước mẫu phải đảm bảo đủ lớn Nếu độ trễ quá nhỏ có thể mô hình sẽ bỏ sót những biến có ý nghĩa Vì vậy khi xây dựng mô hình VAR ta cần xác định độ trễ tốt nhất Độ trễ tối ưu được lựa chọn dựa trên các tiêu chuẩn thông tin Akaike (AIC), tiêu chuẩn thông tin Schwarz (SC) và tiêu chuẩn thông tin Hannan Qiunn (HQ) Độ trễ nào làm cho các thống kê nói trên nhận giá trị nhỏ nhất thì được xem là độ trễ tối ưu của mô hình
Trước tiên, ta bôi đen hai chuỗi, sau đó vào Open → as Var
Để xác định độ trễ tối ưu trong mô hình VAR, bạn cần vào mục View, chọn Lag Structure, sau đó nhấn vào Lag Length Criteria Hộp thoại Lag Specification sẽ xuất hiện, cho phép bạn chọn độ trễ trong Lags to include Sau khi nhấn OK, bảng kết quả sẽ hiển thị, và độ trễ tối ưu sẽ được đánh dấu bằng dấu (*) tại chỉ số tương ứng.
Khi chọn độ trễ tối ưu xong ta vào thanh Estimate tại ô Lag Intervals for Endogenous điều chỉnh lại độ trễ tối ưu → OK
2.3.3 Kiểm tra tính ổn định của mô hình Để kiểm tra xem mô hình VAR có ổn định hay không, ta vào View → Lag Structure → AR Roots Graph Nếu các điểm nằm trong đường tròn đơn vị thì mô hình ổn định
Nhìn trên giản đồ nếu nhiễu không có tự tương quan (nằm trong đường biên) ở ít nhất 12 độ trễ liên tiếp thì vượt qua kiểm định này
2.3.4 Kiểm định nhân quả Granger
Kiểm định nhân quả Granger là một phương pháp nghiên cứu nhằm xác định xem có sự tác động giữa hai biến X và Y hay không Trong mô hình VAR, các biến được hồi quy dựa trên giá trị quá khứ của chính nó và các biến khác, tạo ra mối quan hệ liên kết giữa chúng Để thực hiện kiểm định nhân quả Granger, cần thực hiện một số bước cụ thể.
Để kiểm tra mối quan hệ nhân quả giữa các biến, bạn cần vào View → Lag Structure → Granger Causality/Block Exogeneity Tests và xem xét giá trị P-value Nếu P-value nhỏ, điều đó cho thấy có sự nhân quả giữa các biến Để quyết định có nên loại bỏ độ trễ nào hay không, hãy truy cập View → Lag Structure → Lag Exclusion Tests; giữ lại những độ trễ có P-value nhỏ.
Để kiểm định nhiễu trắng, bạn cần vào View → Residual Tests → Correlograms và chọn Lags Nếu trên giản đồ, nhiễu không có tự tương quan và nằm trong đường biên ở ít nhất 12 độ trễ liên tiếp, thì bạn đã vượt qua kiểm định này.
Hàm phản ứng (IRF) phân tích tác động của các biến trong hệ thống đến nhau, là công cụ hữu ích cho việc nghiên cứu nguyên nhân và đánh giá hiệu quả chính sách Quan điểm này đóng vai trò quan trọng trong việc hiểu mối quan hệ giữa IRF và mô hình VAR.
Trong mô hình VAR, cú sốc đối với biến i không chỉ tác động lên chính biến đó mà còn lan truyền đến các biến nội sinh khác thông qua cấu trúc của mô hình Hàm phản ứng thể hiện ảnh hưởng của cú sốc tại một thời điểm đến các biến nội sinh hiện tại và tương lai Để phân tích hàm phản ứng, cần thực hiện các bước cụ thể.
Impulse → Chọn kì trong ô Periods ở thẻ Display và chọn phương pháp trong thẻ Impulse Definition
Từ hình vẽ, chúng ta có thể xác định được thời gian kéo dài của các cú sốc tác động qua các kỳ, cũng như nhận biết các biến phản ứng nhanh hay chậm đối với những cú sốc này.
2.3.7 Dự báo cho mô hình
Trong trường hợp các biến có mối quan hệ Granger, ta thực hiện như sau: Proc
→ Make Model → Solve Sau đó thực hiện dự báo cho ngoài mẫu
Khi các biến có mối quan hệ nội sinh và ngoại sinh, cần xây dựng kịch bản để dự báo Ngược lại, nếu không có cả hai mối quan hệ này, việc xây dựng lại mô hình là cần thiết.
KẾT QUẢ DỰ BÁO VÀ PHÂN TÍCH
Kiểm định tính dừng
Để dự báo tỷ lệ lạm phát của Việt Nam từ tháng 12 năm 2019 đến tháng 12 năm 2020 bằng mô hình VAR, chuỗi số liệu sử dụng cần được giả định là chuỗi dừng Do đó, việc kiểm định tính dừng của chuỗi dữ liệu nghiên cứu là rất quan trọng.
Đầu tiên, cần quan sát đồ thị của chuỗi số liệu để nhận diện các đặc điểm, sau đó tiến hành kiểm tra tính chất của chuỗi này bằng cách sử dụng kiểm định nghiệm đơn vị (unit root test).
Kiểm định tính dừng của chuỗi INF
Bảng 3.1: Kiểm định tính dừng của chuỗi INF
Null Hypothesis: D(INF) has a unit root Exogenous: Constant
Lag Length: 2 (Automatic – based on SIC, maxlag = 12) t-Statistic Prob*
Augmented Dickey-Fuller test statistic -3.535336 0.0087 Test critical values 1% level -3.489117
*Mackinnon (1996) one-sided p-values Theo kết quả của bảng 3.1 đã cho thấy, chuỗi INF dừng ở sai phân bậc 1 (Do p- value = 0.0087 < 0.05 hay 5%)
Kiểm định tính dừng của chuỗi M2:
Bảng 3.2: Kiểm định tính dừng của chuỗi M2
Null Hypothesis: M2 has a unit root Exogenous: Constant
Lag Length: 1 (Automatic – based on SIC, maxlag = 12 t-Statistic Prob*
Augmented Dickey-Fuller test statistic -3.380926 0.0136 Test critical values 1% level -3.488063
*Mackinnon (1996) one-sided p-values Theo kết quả của bảng 3.3 đã cho thấy, chuỗi M2 dừng ở sai phân bậc 0 (Do p- value = 0.0000 < 0.05 hay 5%).
Tìm độ trễ tối ưu của mô hình
Sau khi chọn sai phân bậc 2 cho các chuỗi, nhóm nghiên cứu xác định độ trễ cho mô hình bằng cách sử dụng cấu trúc độ trễ với độ dài độ trễ là 8, và nhóm đã thu được kết quả như sau:
Bảng 3.3: Bảng lựa chọn độ trễ tối ưu
VAR Lag Order Selection Criteria Endogenous variables: D(INF) M2 Exogenous variables: C
Date: 12/12/19 Time: 07:03 Sample: 2010M01 2020M12 Included observations: 108
Lag LogL LR FPE AIC SC HQ
*indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction erroe
HQ: Hannan-Quinn information criterion
Từ bảng 3.3, nhóm nghiên cứu lựa chọn độ trễ là 1 và 7
Sau khi đã chọn được độ trễ phù hợp, ước lượng mô hình thu được kết quả sau:
Bảng 3.4: Ước lượng mô hình VAR
Vector Autoregression Estimates Date: 12/12/19 Time: 7:50 Sample (adjusted): 2010M09 2019M09 Included observations: 109 after adjustments Standard errors in ( ) & t-statistics in [ ]
R-squared Adj R-squared Sum sq.resids S.E equation F-statistic Log likehood Akaike AIC Schwarz SC Mean dependent
S.D dependent 0.877398 6.396050 Determinant resid covariance (dof adj.)
Determinant resid covariance Log likehood
Akaike information criterion Schwarz criterion
Theo bảng 3.4, D(INF) có ý nghĩa tại độ trễ 1 do t = 8.31912 > 1.96 M2 có ý nghĩa ở độ trễ 1 do t = 9.95948 > 1.96 Do đó: Mô hình này có ý nghĩa tại độ trễ này.
Kiểm tra tính ổn định của mô hình
Sử dụng AR graph để kiểm tra, mô hình VAR D(INF) M2 tại độ trễ 1 và 7
Hình 3.1: Kiểm định tính ổn định và khả nghích của mô hình
Mô hình VAR D(INF) M2 tại độ trễ 1 và 7 thể hiện sự ổn định hoàn toàn, với tất cả các nghiệm đều nằm trong vòng tròn đơn vị, như được chỉ ra trong hình 3.4.
Kiểm định nhiễu trắng
Sau khi kiểm định được tính ổn định của Var, nhóm tiến hành kiểm định nhiễu trắng thông qua thao tác Autocorrelation LM Test, thu được kết quả sau:
Bảng 3.5: Xác định biến nội sinh, biến ngoại sinh
VAR Residual Serial Correlation LM Test Null Hypothesis: no serial correlation
0.4600 0.8855 0.8148 0.4283 0.0241 0.1158 0.6859 0.3907 0.9498 0.6588 0.4167 0.0017 Probs from chi-square with 4 df
Nhóm nghiên cứu đã phát hiện rằng, tại mức ý nghĩa 5%, sai số mô hình là ngẫu nhiên trắng, mặc dù có một số trễ vi phạm ở độ trễ 5 và 12 Tuy nhiên, điều này có thể do yếu tố ngẫu nhiên, cho thấy không có hiện tượng tự tương quan Do đó, nhóm vẫn tiến hành kiểm định nhân quả để phục vụ cho việc dự báo.
Kiểm định quan hệ nhân quả
Sử dụng kiểm định Granger Causality để kiểm tra quan hệ nhân quả giữa các biến d(INF), Exc, M2 có kết quả như sau:
Bảng 3.6: Xác định biến nội sinh, biến ngoại sinh
VAR Granger Causality/Block Exogeneity Wald Tests Date: 12/12/19 Time: 09:01
Sample: 2010M1 2020M12 Included observations: 109 Dependent variable: D(INF)
Excluded Chi-sq df Prob
Excluded Chi-sq df Prob
Dựa vào bảng 3.5 cho thấy, với mức ý nghĩa 5%:
- D(INF) tác động lên M2 có ý nghĩa thống kê (P-value = 0.0808)
M2 có ảnh hưởng đến D(INF) với P-value = 0.0001, cho thấy mối quan hệ Granger giữa hai biến này ở mức ý nghĩa 5% Nhóm nghiên cứu có khả năng dự báo mô hình mà không cần xây dựng kịch bản cho các biến.
Việc áp dụng Mô hình VAR để dự báo tỷ lệ lạm phát và cung tiền M2 tại Việt Nam trong giai đoạn từ tháng 12/2019 đến tháng 12/2020 là hợp lý và mang lại kết quả đáng tin cậy.
Hàm phản ứng
Phương pháp phân tích hàm phản ứng đẩy Generalized Impulses được sử dụng để đánh giá ảnh hưởng của tất cả các biến đến các loại biến động khác nhau Nghiên cứu này tập trung vào hai biến chính: D(INF) và M2.
Hình 3.2: Hàm phản ứng của mô hình
Theo kết quả từ biểu đồ nhận thấy:
Tỷ lệ lạm phát (INF) phản ứng nhanh chóng trước cú sốc từ chính nó, dẫn đến sự giảm mạnh trong bốn giai đoạn đầu Sau đó, tỷ lệ lạm phát tiếp tục giảm dần và ổn định sau mười giai đoạn.
- Khi cung tiền M2 tăng, tỷ lệ lạm phát có xu hướng tăng dần đến giai đoạn 6, sau đó giảm dần và ổn định dần sau 9 giai đoạn
Khi tỷ lệ lạm phát (INF) gia tăng, cung tiền M2 thường giảm trong khoảng thời gian 4 giai đoạn, sau đó có xu hướng tăng dần đến giai đoạn 6, và cuối cùng lại tiếp tục giảm xuống dưới mức cân bằng.
Cung tiền M2 phản ứng mạnh mẽ trước cú sốc tự thân, dẫn đến sự giảm dần và ổn định của nó, tiến gần đến mức cân bằng sau 7 giai đoạn.
Dự báo ngoài mẫu
Sử dụng Solve – Make model để dự báo các chỉ số INF và M2 từ giai đoạn 2019M12 đến 2020M12, ta có kết quả như sau:
Bảng 3.7: Kết quả dự báo ngoài mẫu cho INF
CHƯƠNG 4 KẾT LUẬN VÀ KIẾN NGHỊ CHÍNH SÁCH ĐIỀU TIẾT
Phân tích kết quả dự báo
Nghiên cứu này áp dụng mô hình VAR để dự báo tỷ lệ lạm phát của Việt Nam từ tháng 12 năm 2019 đến tháng 12 năm 2020, dựa trên sự thay đổi của cung tiền M2 so với cùng kỳ năm trước Kết quả cho thấy mô hình phù hợp, với tỷ lệ lạm phát có xu hướng giảm và ổn định dưới mức 4%, đạt mục tiêu của chính phủ Tuy nhiên, để đối phó với xu hướng dự báo lạm phát trong tương lai, các nhà hoạch định chính sách cần triển khai các biện pháp điều tiết phù hợp nhằm ngăn chặn nguy cơ giảm phát, có thể gây ảnh hưởng tiêu cực đến nền kinh tế.
Trong bối cảnh nền kinh tế hiện nay có nhiều biến động như tỷ giá hối đoái USD/VND, cán cân thương mại và lãi suất, việc dự báo tỷ lệ lạm phát trong tương lai sẽ gặp phải những sai số nhất định Tuy nhiên, nghiên cứu này vẫn cung cấp thông tin hữu ích cho các nhà chính sách, giúp họ đưa ra các chính sách phù hợp nhằm điều tiết và duy trì sự ổn định của mức lạm phát.
Một môi trường
