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 áp dụng phương pháp tự hồi quy Vector (VAR) theo nghiên cứu của Lê và Pfau (2008) để phân tích tác động của cú sốc chính sách tiền tệ lên 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 mô hình cấu trúc toàn thể Theo Sims (1980), VAR là công cụ hiệu quả để khảo sát hiệu ứng động của cú sốc giữa các biến Phương pháp này phù hợp để kiểm tra các quá trình với nhiều chuỗi thời gian, cung cấp tiêu chí cho độ dài tối ưu của các biến và cho phép các biến có mối quan hệ lẫn nhau trong hệ thống phương trình đồng thời với tất cả các biến được coi là nội sinh.
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:
CPI = 0 + ∑ 1i GDP t-i + ∑ 2i CPI t-i + ∑ 3i M2 t-i + u i M2 = 0 + ∑ 1i GDP t-i + ∑ 2i CPI t-i + ∑ 3i M2 t-i + u i
Cung tiền M2 là thước đo quan trọng cho cú sốc chính sách tiền tệ, vì Ngân hàng Nhà nước Việt Nam chú trọng vào tỷ lệ tăng trưởng của M2 như một mục tiêu điều hành trong việc tính toán và thực hiện chính sách tiền tệ.
Mô hình VAR mở rộng:
Trong nghiên cứu này, các biến như lãi suất cho vay, tín dụng và tỷ giá hối đoái được lần lượt đưa vào mô hình cơ bản để kiểm tra tác động độc lập của chúng đối với sản lượng và lạm phát Việc phân chia thành nhiều mô hình riêng biệt giúp xác định rõ ràng ảnh hưởng của từng biến Đồng thời, mở rộng mô hình cho phép phân tích cách mà tỷ lệ đóng góp của M2 trong sự thay đổi của sản lượng và lạm phát biến động ra sao khi có sự xuất hiện của các biến mới.
- 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 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, được tính theo giá so sánh năm 1994, là chỉ số đại diện cho đầu ra của nền kinh tế, được đo bằng tỷ đồng Sản lượng thực tế được sử dụng thay vì sản lượng danh nghĩa vì nó đã được điều chỉnh theo mức giá, giúp phản ánh chính xác hơn sự biến động của sản lượng qua thời gian Việc điều chỉnh theo chỉ số giá tiêu dùng (CPI) mang lại cái nhìn rõ ràng hơn về sự thay đổi trong sản lượng kinh tế.
Chỉ số giá tiêu dùng (CPI), với mức cơ sở là 100 vào năm 2005, được sử dụng như một đại diện cho lạm phát Mặc dù có nhiều phương pháp đo lường lạm phát như giảm phát GDP, Ngân hàng Nhà nước vẫn chọn chỉ số CPI làm thước đo chính cho lạm phát.
- 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 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 xem như trần và lãi suất chiết khấu là sàn, tạo ra một giới hạn cho vay Lãi suất cho vay trong mô hình hồi quy được sử dụng như một đại diện cho kênh lãi suất trong chính sách tiền tệ Bên cạnh đó, lãi suất cơ bản do Ngân hàng Nhà nước Việt Nam thiết lập thường ít thay đổi và không phản ánh cung cầu 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, vì vậy, nó không quan trọng trong mô hình Chính sách tiền tệ của Việt Nam.
CREDIT: Tín dụng trong nước (Đơn vị: tỷ đồng) là kênh quan trọng cho chính sách tiền tệ tác động đến sản lượng Đây là mục tiêu hàng năm của Ngân hàng Nhà nước theo quy định của Chính phủ.
Tỷ giá hối đoái danh nghĩa giữa VND và USD (EXRATE) được sử dụng trong luận văn này như một chỉ số để đánh giá chính sách tiền tệ thông qua kênh tỷ giá hối đoái.
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 được điều chỉnh theo mùa sử dụng phương pháp Census X12, từ Quý 1 năm 1999 đến Quý 4 năm 2011, với tổng cộng 54 quan sát Việc điều chỉnh này giúp phân tích xu hướng chuỗi dữ liệu một cách chính xác hơn, bởi vì các yếu tố văn hóa, sự kiện trong năm và thời tiết khác nhau có thể ảnh hưởng mạnh đến hoạt động kinh tế trong từng thời điểm cụ thể.
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 được xây dựng 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 liên quan đến tự tương quan cao hơn 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 thêm 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 tồn tại một nghiệm đơn vị sẽ bị bác bỏ khi giá trị tuyệt đối của kiểm định PP lớn hơn giá trị tới hạn Trong trường hợp này, chúng ta sẽ 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 việc kết hợp các chuỗi thời gian không dừng có thể tạo ra một chuỗi dừng, và các chuỗi thời gian này được xem 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 thiết 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 đó, mà còn lan truyền đến tất cả các biến nội sinh khác thông qua mô hình động lực VAR Hàm phản ứng xung theo dõi ảnh hưởng 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 các biến còn lại trong mô hình sẽ phản ứng ra sao 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, cung cấp cái nhìn sâu sắc về tầm quan trọng của từng thay đổi ngẫu nhiên Trong khi các hàm đáp ứng xung theo dõi tác động của cú sốc đến các biến khác, phân tích phương sai lại cho phép hiểu rõ hơn về ảnh hưởng của từng yếu tố trong hệ thống.
KẾT QUẢ NGHIÊN CỨU
Kết quả kiểm định tính dừng
Tất cả các biến trong nghiên cứu được sử dụng theo log, ngoại trừ biến Lendrate Kiểm định nghiệm đơn vị được thực hiện theo phương pháp Phillips-Perron (1988), cho thấy rằng tất cả các biến đều không dừng tại chuỗi gốc mà chỉ 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 lại ở mức ý nghĩa 1%, 5% và 10% Tuy nhiên, sau khi sai phân bậc 1, biến dLogGDP và dLogCPI đã dừng lại với giá trị kiểm định lần lượt là -9.29656 và -3.34714, cho thấy sự khác biệt đáng kể so với các mức kiểm định.
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 kiểm định tiếp theo là kiểm định đồng liên kết dựa trên phương pháp VAR của Johansen Các giả thiết cho kiểm định Trace được thiết lập để thực hiện kiểm tra 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%
Dựa trên giả thiết H0: r = 0, giá trị thống kê Trace lớn hơn giá trị phê phán kiểm định tại cả hai mức 1% và 5%, do đó chúng ta bác bỏ giả thiết H0 Điều này có nghĩa là có sự tồn tại mối quan hệ đồng liên kết giữa hai biến GDP và CPI.
Tại giả thiết H0: r = 1, giá trị thống kê Trace lớn hơn giá trị phê phán kiểm định ở mức 5% nhưng nhỏ hơn ở mức 1% Do đó, chỉ bác bỏ giả thiết H0 tại mức 5% và chấp nhận tại 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%
Giả thiết H0: r = 0 bị bác bỏ do giá trị thống kê Trace lớn hơn giá trị phê phán kiểm định tại cả hai mức 1% và 5% Điều này cho thấy có mối quan hệ đồng liên kết giữa hai biến GDP và M2.
Giả thiết H0: r = 1 bị bác bỏ vì giá trị thống kê Trace nhỏ hơn giá trị phê phán kiểm định tại cả 1% và 5% Điều này cho thấy có mối quan hệ đồng liên kết giữa 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%
Giả thuyết H0: r = 0 bị bác bỏ ở mức ý nghĩa 1% và 5%, trong khi giả thuyết H0: r = 1 được chấp nhận tại cả hai mức này Kết luận cho thấy có một mối quan hệ đồng liên kết giữa 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 thuyết H0 về việc không có mối quan hệ đồng liên kết giữa GDP và lãi suất cho vay (Lendrate) đã bị bác bỏ do giá trị thống kê Trace statistic nhỏ hơn giá trị kiểm định Critical value tại hai mức 1% và 5% Tuy nhiên, khi r = 1, giả thuyết H0 được chấp nhận, cho thấy rằng kiểm định Trace chỉ ra mối quan hệ dài hạn giữa tăng trưởng thực GDP và lãi suất cho vay.
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 luận cho thấy rằng GDP thực và tỷ giá hối đoái Exrate có mối quan hệ dài hạn.
Phân tích hàm phản ứng đẩy và phân tích phương sai
4.3.1 Mô hình cơ bản (3 biến: GDP, CPI và M2)
Trước tiên, phải lựa chọn độ trễ tối ưu cho các mô hình ước lượng
Theo tiêu chuẩn AIC, độ trễ tối ƣu cho mô hình cơ bản 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 có sự phản ứng tích cực với sự thay đổi của M2, nhưng sau quý thứ 4 lại diễn ra ngược lại, điều này mâu thuẫn với lý thuyết cho rằng tăng cung tiền sẽ dẫn đến lạm phát Kinh tế học Keynes cho rằng trong thời kỳ suy thoái, nền kinh tế thường có công suất dư thừa, vì vậy việc tăng cung tiền chủ yếu giúp tái khởi động các nguồn lực dư thừa trở lại sản xuất Do đó, trong bối cảnh khủng hoảng, việc tăng cung tiền gần như không gây ra lạm phát.
Mặc dù cung tiền M2 của Việt Nam tăng gần 7% vào cuối tháng 6/2012, gấp hơn 2 lần so với 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 cung tiền lớn hơn hàng hóa, giá cả nên tăng lên; tuy nhiên, thực tế giá cả lại giảm trong 6 tháng qua Nguyên nhân chính là do tổng cầu của nền kinh tế, đặc biệt là cầu tiêu dùng, 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 có sự biến động đáng kể, bắt đầu từ quý 3 và tiếp tục tăng dần trong các quý tiếp theo.
Biến CPI giải thích hơn 6.5% sự biến động của GDP thực trong quý 4 và quý 8, trong khi biến M2 đóng góp trên 2.8% cho sự biến động này Điều này cho thấy 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 tăng lãi suất 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 bằng 0, cho thấy chưa có đủ bằng chứng 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 có phản ứng mạnh mẽ Sự thay đổi trong GDP thực và lạm phát chủ yếu vẫn 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 hiện tại chưa thể được coi 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))
Theo phân tích phân rã phương sai, việc thêm biến lãi suất cho vay vào mô hình không làm thay đổi đáng kể tỷ trọng các biến CPI và M2 trong việc giải thích sự thay đổi của GDP Cụ thể, trong quý 8, biến CPI đóng góp hơn 6.2%, M2 đóng góp 2.8% và lãi suất cho vay (Lendrate) chỉ chiếm 1.1% trong sự thay đổi 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 có xu hướng giảm, chỉ đến quý 6 GDP mới bắt đầu phản ứng tích cực với sự thay đổi của tín dụng trong nước Nguyên nhân có thể là do việc sử dụng vốn không hiệu quả, khi nhiều tổ chức kinh tế và cá nhân đã không sử dụng 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 gia tăng rủi ro và thua lỗ 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) tăng 10,37% so với cuối năm 2011, trong khi tổng số dư tiền gửi của khách hàng tại các tổ chức tín dụng tăng 11,23% Dư nợ tín dụng đối với nền kinh tế trong chín tháng tăng 2,35%, với tín dụng tháng 9 tăng gần 1% Tuy nhiên, tốc độ tăng trưởng GDP của Việt Nam trong chín tháng đầu năm 2012 chỉ đạt 4,73%, thấp hơn chỉ tiêu 5,5% của Chính phủ và cũng thấp hơn mức 5,77% của năm 2011 Sản lượng khu vực thương mại dịch vụ tăng 5,97%, trong khi tăng trưởng sản lượng công nghiệp chỉ đạt 4,36%, giảm gần 1/2 so với mức tăng 7,8% cùng thời điểm 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, kéo theo lạm phát cũng gia tăng Kết quả là, mặc dù sản lượng danh nghĩa tăng, nhưng sự gia tăng tỷ lệ lạm phát bù đắp lại, dẫn đến sự giảm của GDP thực.
Hình 4.8: Phản ứng của CPI đối với tín dụng trong nước
Mối quan hệ giữa mức giá và tín dụng là thuận chiều trong hơn 4 quý đầu tiên, với lạm phát tăng cao nhất vào quý 2 do sự gia tăng tín dụng trong nước Nhiều nghiên cứu chỉ ra rằng tín dụng là yếu tố quan trọng để giải thích sự biến động của lạm phát, phù hợp với quan điểm của Camen (2006) và Lê, Pfau (2008) về vai trò của tín dụng trong việc ảnh hưởng đến chỉ số CPI Cả lạm phát và sản lượng đều phản ứng nhanh chóng trước cú sốc 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))
Hình 4.9 cho thấy rằng việc bổ sung biến tín dụng trong nước vào mô hình cơ bản đã làm yếu đi mối quan hệ giữa sản lượng và M2, cũng như giữa lạm phát và M2 Tiền rộng chỉ giải thích 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 trước sự thay đổi của biến độc lập Hình 4.10 và 4.11 cho thấy rằng tác động của tỷ giá hối đoái đến GDP thực và CPI là khá 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
