Tốc độ tăng trưởng tiềm năng GDP Việt nam Ước lượng theo phương pháp Watson

Tốc độ tăng trưởng tiềm năng GDP Việt nam Ước lượng theo phương pháp Watson

Tốc độ tăng trưởng tiềm năng GDP Việt nam Ước lượng theo phương pháp Watson 1. Mô hình Watson (1986) đưa ra phương pháp phân tách chuỗi số liệu (log) GDP thành hai thành phần, (log) GDP tiềm năng (ký hiệu t y ) và (log) GDP chu kỳ ( t c ), sử dụng mô hình state-space. Mô hình này cho phép ước lượng những biến số không quan sát được (state) dựa vào các biến số quan sát được (space) sau khi có giả định về mối quan hệ giữa hai thành tố này. Cả hai thành phần t y và t c không thể đo đạc/thống kê trực tiếp nên được coi là các state variables. t t t cyy += (1) Watson (1986) cho rằng t y biến đổi theo thời gian theo dạng random walk with drift, trong đó thành tố drift ( t g ), là tốc độ tăng trưởng tiềm năng, cũng là một random walk process: t t t t ygy ε ++= − − 1 1 (2) ttt ugg += −1 (3) Thành phần GDP chu kỳ t c được giả định thay đổi theo mô hình AR(2): tttt vccc ++= −− 2211 θθ (4) Như vậy biểu thức (2), (3), (4) biểu diễn 3 biến số không quan sát được và sẽ là các state equations trong mô hình state-space. Biểu thức (1) là signal equation, nghĩa là số liệu thực tế quan sát được, hay còn gọi là space equation. Phương pháp phổ biến nhất để xác định các thành tố trong hệ (1)-(4) là sử dụng Kalman's filter và một số biến thể của nó. Bài viết này sử dụng công cụ Kalman filter của Eviews 6.0. 2. Ước lượng Số liệu GDP theo quí của VN được lấy từ Datastream bắt đầu từ Q4 1998 (5 quí đầu tiên có một số hiệu chỉnh và ước lượng vì số liệu gốc không đầy đủ). Chuỗi số liệu này được xử lý yếu tố mùa vụ bằng kỹ thuật X12. Đây là một chuỗi khá ngắn cho việc ước lượng 5 biến số của mô hình (1)-(4), bởi vậy kết quả ước lượng sẽ không chính xác và chỉ có tính tham khảo kỹ thuật. Để xác định số liệu ban đầu (initial values) cho Kalman filter, tôi dùng HP filter để phân tích chuỗi GDP thành hai chuỗi t y và t c tạm thời. Sau đó dùng OLS để tạm ước lượng 1 θ , 2 θ và variance cho t v , variance cho ε t và u t được ước lượng trực tiếp từ kết quả của HPF. Với những số liệu này và chuỗi GDP của Việt nam (sau X12), tôi ước lượng được tốc độ tăng trưởng GDP tiềm năng của Việt nam cho giai đoạn 2000:Q1- 2011:Q1 như sau: .056 .060 .064 .068 .072 .076 .080 .084 99 00 01 02 03 04 05 06 07 08 09 10 G_SS Như vậy tốc độ tăng trưởng tiềm năng của Việt nam dao động trong khoảng 6%-8% trong 10 năm vừa qua (tính theo quarterly SAAR). So với phương pháp HPF, tốc độ tăng trưởng tiềm năng tính theo phương pháp này cao hơn và đạt đỉnh muộn hơn. Tuy nhiên cả hai phương pháp đều cho thấy tăng trưởng tiềm năng của VN đã giảm rất mạnh và chưa phục hồi lại kể từ cuộc khủng hoảng tài chính vừa rồi. Một điểm cần lưu ý là quí 4 năm 2009 và 2010 có tốc độ tăng trưởng tăng đột biến rất "đáng ngờ" như tôi đã chỉ ra trước đây. Nếu loại trừ 2 quí này ra thì tăng trưởng tiềm năng của VN đã nằm dưới 6.4% trong liên tục 2 năm qua. Reference Watson M., 1986, Univariate detrending methods with stochastic trends, Journal of Monetary Economics, 18. Appendix: Eview 6 code pagecreate(page=quarterly) q 1998q4 2011q2 read(c3, s=Sheet1) "C:\GDP\GDP.xls" 1 gdp.x12(mode=m) gdp=log(gdp_sa) gdp.hpf gdp_hp genr gap=gdp-gdp_hp scalar v_gap=@var(gap) genr drift=@d(gdp_hp) scalar v_m=@var(drift) 'initial estimate equation px_z.ls gap = c(1)*gap(-1) + c(2)*gap(-2) vector ini_z=px_z.@coefs scalar v_z=(px_z.@se)^2 'state-space sspace vngdp genr y=(gdp) vngdp.append @signal y=ybar+z vngdp.append @state ybar = g(-1) + ybar(-1) + [var=(c(1))] vngdp.append @state g=g(-1) + [var=(c(2))] vngdp.append @state z = c(3)*z(-1) + c(4)*z1(-1) + [var=(c(5))] vngdp.append @state z1=z(-1) vector(4) mstate mstate.fill gdp_hp(1), drift(1), gap(1), 0 group tmp tmp.append gdp_hp drift gap gap(-1) stom(tmp,vtmp) matrix vstate0=@cov(vtmp) sym vstate=vstate0 c(1)=v_gap c(2)=v_m c(3)= ini_z(1) c(4)=ini_z(2) c(5)=v_z vngdp.append @mprior mstate vngdp.append @vprior vstate vngdp.ml vngdp.makestates *f genr g_ss=gf*4 g_ss.line . vậy tốc độ tăng trưởng tiềm năng của Việt nam dao động trong khoảng 6%-8% trong 10 năm vừa qua (tính theo quarterly SAAR). So với phương pháp HPF, tốc độ tăng trưởng tiềm năng tính theo phương. Tốc độ tăng trưởng tiềm năng GDP Việt nam Ước lượng theo phương pháp Watson 1. Mô hình Watson (1986) đưa ra phương pháp phân tách chuỗi số liệu (log) GDP thành hai. từ kết quả của HPF. Với những số liệu này và chuỗi GDP của Việt nam (sau X12), tôi ước lượng được tốc độ tăng trưởng GDP tiềm năng của Việt nam cho giai đoạn 2000:Q1- 2011:Q1 như sau: .056 .060 .064 .068 .072 .076 .080 .084 99