Ước lượng hàm cầu tiền cho việt nam

BỘ GIÁO DỤC VÀ ĐÀ O TẠO TRƯỜNG ĐẠI HỌC MỞ THÀ NH PHỚ HỒ CHÍ MINH BÙI QUANG HIỂN ƯỚC LƯỢNG HÀM CẦU TIỀN CHO VIỆT NAM Chuyên ngành : Kinh tế học Mã số chuyên ngành: 60 31 01 01 Tai Lieu Chat Luong LUẬN VĂN THẠC SỸ KINH TẾ HỌC Người hướng dẫn khoa học: TS Phạm Đình Long TP Hờ Chí Minh, Năm 2016 LỜI CAM ĐOAN Tôi cam đoan luận văn “Ước lượng hàm cầu tiền cho Việt Nam” nghiên cứu tơi Ngồi trừ tài liệu tham khảo trích dẫn luận văn này, tơi cam đoan toàn phần hay phần nhỏ luận văn chưa công bố sử dụng để nhận cấp nơi khác Khơng có sản phẩm/nghiên cứu người khác sử dụng luận văn mà khơng trích dẫn theo quy định Luận văn chưa nộp để nhận cấp trường đại học sở đào tạo khác Thành phố Hồ Chí Minh, năm 2016 Bùi Quang Hiển i LỜI CẢM ƠN Để hồn thành luận văn này, tơi xin bày tỏ lịng biết ơn sâu sắc Tiến sĩ Phạm Đình Long, người hướng dẫn khoa học Thầy truyền đạt kiến thức chuyên môn để tơi hiểu sâu vấn đề lĩnh vực kinh tế học, hướng dẫn góp ý suốt thời gian thực luận văn Sự hướng dẫn tận tình thầy giúp tơi vượt qua khó khăn gặp giới hạn mặt chuyên môn kinh nghiệm thực tiễn để hồn thành luận văn tốt nghiệp Tiếp theo, tơi xin gửi lời cảm ơn sâu sắc đến Ban Giám Hiệu toàn thể giảng viên khoa Đào tạo sau đại học Trường Đại học Mở Thành phố Hồ Chí Minh Quý Thầy, Cô truyền đạt cho kiến thức quý báu ý nghĩa thời gian học tập trường Qua đó, tạo điều kiện cho tơi có hội nâng cao kiến thức tiếp cận thông tin thực tiễn, củng cố kiến thức học vận dụng vào thực tế Từ đó, tơi đối chiếu, so sánh lý thuyết thực tế Cuối cùng, xin cảm ơn bạn lớp bên cạnh, giúp đỡ chia sẻ q trình học tập Tơi xin gởi lời cảm ơn đến gia đình Sự ủng hộ tinh thần ba mẹ giúp hết quãng đường học tập bậc cao học Những tình cảm nhớ tơi Xin chân thành cảm ơn! ii TÓM TẮT Nghiên cứu nhằm ước lượng hàm cầu tiền cho Việt Nam qua việc đánh giá tác động yếu tố vĩ mô gồm giá vàng thực, giá trị sản xuất công nghiệp thực, tỷ giá thực đa phương, số VN-Index, lãi suất tiền gởi thực, lãi suất tín phiếu kho bạc thực số giá tiêu dùng Dựa vào giả định thị trường tiền tệ cân bằng, cung tiền M1 cung tiền M2 chọn làm biến phụ thuộc Nghiên cứu sử dụng phương pháp định lượng liệu chuỗi thời gian giai đoạn từ tháng 12 năm 2003 đến tháng 12 năm 2014 Các mô hình ước lượng sử dụng đề tài gồm mơ hình vector hiệu chỉnh sai số, mơ hình hiệu chỉnh tồn phần bình phương nhỏ nhất, mơ hình hồi quy đồng liên kết Canonical, mơ hình hồi quy động bình phương nhỏ Sau ước lượng, hàm cầu tiền thực M1 hàm cầu tiền thực M2 phân tích ngắn hạn dài hạn Trong ngắn hạn, kết cho thấy hàm cầu tiền thực M1 đồng biến với số vnindex, tỷ giá thực đa phương nghịch biến với lãi suất tín phiếu kho bạc thực, số giá tiêu dùng Trong đó, hàm cầu tiền thực M2 chiều với tỷ giá thực đa phương ngược chiều với số giá tiêu dùng Trong dài hạn, cầu tiền thực M1 đồng biến với giá trị sản xuất công nghiệp thực, số vnindex, lãi suất tín phiếu kho bạc thực nghịch biến với giá vàng thực, lãi suất tiền gởi thực, số giá tiêu dùng Trong đó, hàm cầu tiền thực M2 chiều với giá trị sản xuất công nghiệp thực, số vnindex ngược chiều với lãi suất tín phiếu kho bạc thực, số giá tiêu dùng Ngoài ra, hàm cầu tiền M1 hàm cầu tiền M2 ổn định dài hạn thơng qua kiểm định tổng tích lũy phần dư tổng tích lũy bình phương phần dư Dựa vào kết so sánh được, nghiên cứu đưa số khuyến nghị nhằm nâng cao hiệu q trình điều hành sách tiền tệ iii MỤC LỤC Trang Lời cam đoan i Lời cảm ơn ii Tóm tắt iii Mục lục iv Danh mục hình đồ thị v Danh mục bảng vi Danh mục từ viết tắt .vii CHƯƠNG 1: GIỚI THIỆU 1.1 Đặt vấn đề 1.2 Mục tiêu nghiên cứu 1.3 Câu hỏi nghiên cứu 1.4 Phương pháp nghiên cứu .4 1.5 Đối tượng phạm vi nghiên cứu .5 1.6 Ý nghĩa nghiên cứu .5 1.7 Kết cấu đề tài CHƯƠNG 2: CƠ SỞ TỔNG QUAN NGHIÊN CỨU 2.1 Cơ sở lý thuyết 2.1.1 Cung cầu tiền tệ thị trường tiền tệ cân 2.1.2 Các lý thuyết cầu tiền tệ 10 2.2 Các nghiên cứu trước 13 CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 19 3.1 Quy trình nghiên cứu 19 3.2 Mơ hình nghiên cứu 19 iv 3.2.1 Mơ hình nghiên cứu đề xuất .19 3.2.2 Mô tả biến mơ hình .20 3.3 Phương pháp nghiên cứu 28 3.3.1 Tính dừng kiểm định tính dừng .28 3.3.2 Đồng liên kết kiểm định đồng liên kết 31 3.3.3 Mơ hình hồi quy đồng liên kết 31 3.4 Dữ liệu nghiên cứu 32 CHƯƠNG 4: PHÂN TÍCH KẾT QUẢ 34 4.1 Thống kê mô tả 34 4.2 Kiểm định tính dừng 35 4.3 Lựa chọn độ trễ kiểm định đồng liên kết 36 4.4 Kết ước lượng hàm cầu tiền M1 37 4.4.1 Cầu tiền thực M1 ngắn hạn .37 4.4.2 Cầu tiền thực M1 dài hạn 40 4.5 Kết ước lượng hàm cầu tiền M2 42 4.5.1 Cầu tiền thực M2 ngắn hạn .42 4.5.2 Cầu tiền thực M2 dài hạn 43 CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ 45 5.1.1 Kết luận .45 5.1.2 Khuyến nghị .45 5.1.3 Hạn chế đề tài hướng nghiên cứu .48 TÀI LIỆU THAM KHẢO 49 PHỤ LỤC A 52 PHỤ LỤC B 63 DANH MỤC HÌNH VÀ ĐỒ THỊ Trang Hình 1.1: Tăng trưởng cung tiền M2, số CPI giai đoạn 2003-2014 Hình 2.1: Hàm cung tiền theo lãi suất Hình 2.2: Hàm cầu tiền theo lãi suất Hình 2.3: Thị trường tiền tệ cân Hình 2.4: Sơ đồ biểu diễn trình lãi suất đạt mức cân Hình 3.3: Diễn biến giá vàng nước giai đoạn 12/2003-12/2014 23 Hình 3.4: Diễn biến tỷ giá NEER REER giai đoạn 12/2003-12/2014 26 Hình 3.5: Diễn biến loại lãi suất giai đoạn 12/2003-12/2014 27 v DANH MỤC BẢNG Trang Bảng 2.1: Tổng kết nghiên cứu trước hàm cầu tiền nước .15 Bảng 3.1: Định nghĩa biến độc lập mơ hình nghiên cứu 21 Bảng 4.1: Kết thống kê mô tả .34 Bảng 4.2: Kết kiểm định tính dừng 35 Bảng 4.3: Kết lựa chọn độ trễ phù hợp 36 Bảng 4.4: Kết kiểm định đồng liên kết .36 Bảng 4.5: Kết cầu tiền thực M1 ngắn hạn 37 Bảng 4.6: Kết cầu tiền thực M1 dài hạn 40 Bảng 4.7: Kết cầu tiền thực M2 ngắn hạn 42 Bảng 4.8: Kết cầu tiền thực M2 dài hạn 43 vi DANH MỤC TỪ VIẾT TẮT ADF : Augmented Dickey Fuller ADRL : Autoregressive Distributed Lag CCR : Canonical Cointegrating Regression CSTK : Chính sách tài khóa CSTT : Chính sách tiền tệ DOLS : Dynamic Odinary Least Square ECM : Error Cointergation Model FMOLS : Fully Modified Odinary Least Square IMF : International Money Fund NEER : Tỷ giá danh nghĩa đa phương NHNN : Ngân hàng nhà nước OLS : Odinary Least Square REER : Tỷ giá thực đa phương VAR : Vector Autoregressive Models VECM : Vector Error Cointergation Model VNĐ : Việt Nam Đồng vii CHƯƠNG 1: GIỚI THIỆU 1.1 Đặt vấn đề Trong điều kiện nay, kinh tế nói chung lĩnh vực tài tài nói riêng có nhiều biến động Việc điều hành sách tiền tệ (CSTT) cần phải có nhiều sở lý thuyết lẫn thực nghiệm để điều hành đạt kết tốt Nhiều nghiên cứu CSTT thực hiện, có nghiên cứu hàm cầu tiền Theo lý thuyết, hàm cầu tiền có ý nghĩa phân tích sách vĩ mơ Đây mục tiêu trung gian trình điều hành CSTT Sự ổn định hàm cầu tiền sở cho ngân hàng trung ương thực điều hành CSTT phù hợp, đạt mục tiêu đề biết nhân tố tác động đến cầu tiền, ước lượng hàm cầu tiền, điều chỉnh lượng cung tiền Do đó, nghiên cứu hàm cầu tiền vấn đề quan trọng, liên quan đến việc hình thành thực sách tiền tệ đạt hiệu Ngân hàng nhà nước (NHNN) thực công cụ CSTT để bước đạt mục tiêu trực tiếp, mục tiêu trung gian mục tiêu cuối Có ba loại mục tiêu trung gian Ngân hàng giới đưa gồm mục tiêu tổng lượng tiền, mục tiêu tỷ giá mục tiêu lãi suất thị trường (Hà Huỳnh Hoa, 2008) Với mục tiêu đầu tiên, yếu tố cần phải xác định phải đặt lạm phát mục tiêu, ước lượng mức tăng sản lượng thực tế dự báo tốc độ chu chuyển tiền tệ Cách tiếp cận hiểu theo phương trình chu chuyển tiền tệ Irving Fisher (P.Y=M.V) với P, Y, M, V lạm phát, thu nhập, khối lượng tiền tốc độ chu chuyển tiền tệ Trong trình tự hóa tài ngày phát triển, cầu tiền tăng nhanh tốc độ chu chuyển tiền tệ giảm xuống Việc tăng cung tiền khơng phải nguyên nhân lạm phát tương lai Hơn nữa, tốc độ chu chuyển tiền tệ có biến động Theo Nguyễn Phi Lân (2011), việc xác định lượng tiền cho kinh tế theo phương trình Irving Fisher khó khăn thực Việt Nam Do đó, ước lượng hàm cầu tiền cần thiết để đưa số xác khối lượng cung tiền tăng thêm (Hà Huỳnh Hoa, 2008; Nguyễn Phi Lân, 2011) Nguyễn Minh Kiều Nguyễn Văn Điệp, 2013, ‘Quan hệ yếu tố kinh tế vĩ mơ biến động thị trường chứng khốn: Bằng chứng nghiên cứu thị trường Việt Nam’, Tạp chí khoa học, Vol 16, No.Q3- 2013 Nguyễn Minh Kiều, 2012, Tiền tệ ngân hàng, Nhà xuất lao động xã hội, TP Hồ Chí Minh Nguyễn Phi Lân, 2011, ‘Cầu tiền mối quan hệ với lạm phát sách tiền tệ Việt Nam’, Tạp chí ngân hàng, Vol19, 10/2011 Siregar, R.Y and Nguyen, 2013, ‘Inflationary Implication of Gold Price in Vietnam’, Centre for Applied Macroeconomic Analysis paper, Australian National University, Centre for Applied Macroeconomic Analysis, No.2013-20 Soto, R., 1997, Nonlinearities in the demand for money: a neural network approach, Doctor of Philosophy, Graduate Program in Economics, ILADES Georgetown University Thân Thị Thu Thủy Lê Thị Thu Hồng, 2014, ‘Kiểm định mối quan hệ lạm phát giá vàng Việt Nam’, Tạp chí khoa học, vol 3-2014 Trần Thọ Đạt Hà Thị Huỳnh Hoa, 2014, ‘Phối hợp sách tiền tệ sách tài khóa nhằm thực mục tiêu kinh tế vĩ mô đến năm 2015’, Diễn đàn kinh tế mùa xuân, 4/2014 Wang, Q and Wu, N., 2012, ‘Long-run covariance and its applications in cointegration regression’, The Stata Journal, vol.12, no.3, pp 515-542 Zuo, H and Park, S., 2011, ‘Money demand in China and time-varying cointegration’, China Economic Review, Vol 22, pp330–343 PHỤ LỤC A reg lrm1s lrgolds lrips vnindex reer rfidr rfitbr cpi Source | SS df MS -+ Number of obs = 133 F(7, 125) = 243.66 Model | 8.19658175 1.17094025 Prob > F = 0.0000 Residual | 600698369 125 004805587 R-squared = 0.9317 Adj R-squared = 0.9279 Root MSE = 06932 -+ -Total | 8.79728012 132 066646062 -lrm1s | Coef Std Err t P>|t| [95% Conf Interval] -+ -lrgolds | -.2386761 0760838 -3.14 0.002 -.3892553 -.0880969 lrips | 2800682 0545323 5.14 0.000 1721421 3879943 vnindex | 0003086 0000444 6.95 0.000 0002208 0003965 reer | -.8098772 2446498 -3.31 0.001 -1.294069 -.325685 rfidr | -.0244195 0029796 -8.20 0.000 -.0303165 -.0185226 rfitbr | 0115918 0031516 3.68 0.000 0053544 0178292 cpi | -.0074713 0014869 -5.02 0.000 -.010414 -.0045286 _cons | 111.6235 25.4781 4.38 0.000 61.19915 162.0478 - predict et,resid dfuller et, regress trend lag(1) Augmented Dickey-Fuller test for unit root Number of obs = 131 Interpolated Dickey-Fuller Test Statistic 1% Critical 5% Critical Value 10% Critical Value Value -Z(t) -3.973 -4.030 -3.446 -3.146 -MacKinnon approximate p-value for Z(t) = 0.0096 -D.et | Coef Std Err t P>|t| [95% Conf Interval] -+ -et | L1 | -.3289054 0827944 -3.97 0.000 -.4927406 -.1650703 LD | -.272141 0861762 -3.16 0.002 -.4426682 -.1016138 _trend | 0001213 0001268 0.96 0.340 -.0001296 0003722 _cons | -.0082533 0097563 -0.85 0.399 -.0275593 0110526 estat dwatson Durbin-Watson d-statistic( 8, 133) = 8846312 varsoc lrm1s lrgolds lrips vnindex reer rfidr rfitbr cpi Selection-order criteria Sample: 2004m4 - 2014m12 Number of obs = 129 + -+ |lag | LL LR df p FPE AIC HQIC SBIC | | + | | | -1577.6 6.55313 24.583 24.655 | | -186.784 2781.6 64 | | -74.967 223.63 | | -28.282 | | 22.149 24.7603 | 0.000 7.6e-09 4.01216 4.66072 64 0.000 3.7e-09* 3.27081* 4.49586* 6.2858 | 93.37 64 0.010 4.9e-09 3.53926 5.34081 7.97307 | 100.86* 64 0.002 6.4e-09 3.74963 6.12767 9.60227 | 5.60833* | + -+ vecrank lrm1s lrgolds lrips vnindex reer rfidr rfitbr cpi,trend(trend) lag(2) levela Johansen tests for cointegration Trend: trend Sample: Number of obs = 131 Lags = 2004m2 - 2014m12 maximum rank parms LL eigenvalue trace 5% critical 1% critical statistic value value 212.0584 170.80 182.51 80 -174.90468 95 -137.33762 0.43647 136.9243*1 136.61 146.99 108 -116.01692 0.27784 94.2828*5 104.94 114.36 119 -98.642086 0.23300 59.5332 77.74 85.78 128 -87.004672 0.16278 36.2584 54.64 61.21 135 -78.802225 0.11770 19.8535 34.55 40.49 140 -72.90739 0.08607 8.0638 18.17 23.46 143 -69.850568 0.04560 1.9501 3.74 6.40 144 -68.875497 0.01478 vec lrm1s lrgolds lrips vnindex reer rfidr rfitbr cpi,lag(2) rank(1) Vector error-correction model Sample: Number of obs = 131 AIC = 3.63889 Log likelihood = -151.3473 HQIC = 4.414798 Det(Sigma_ml) SBIC = 5.548372 Equation 2004m2 - 2014m12 = 1.39e-09 Parms RMSE R-sq chi2 P>chi2 D_lrm1s 10 030771 0.3782 73.60535 0.0000 D_lrgolds 10 036667 0.0950 12.69969 0.2410 D_lrips 10 101455 0.4701 107.3345 0.0000 D_vnindex 10 41.2623 0.3760 72.90073 0.0000 D_reer 10 01472 0.2070 31.57826 0.0005 D_rfidr 10 1.71248 0.3443 63.53571 0.0000 D_rfitbr 10 1.31046 0.4642 104.8123 0.0000 D_cpi 10 568964 0.7379 340.6989 0.0000 | Coef Std Err z P>|z| [95% Conf Interval] -+ -D_lrm1s | _ce1 | L1 | -.0340634 0167926 -2.03 0.043 -.0669763 -.0011505 0617752 0852173 0.72 0.469 -.1052477 2287982 0471475 0829781 0.57 0.570 -.1154866 2097816 0270579 0206414 1.31 0.190 -.0133984 0675142 0001469 0000563 2.61 0.009 0000365 0002573 4521859 2108798 2.14 0.032 0388692 8655027 -.0007669 0019962 -0.38 0.701 -.0046793 0031455 -.0058979 0024104 -2.45 0.014 -.0106222 -.0011736 -.0211578 0049159 -4.30 0.000 -.0307928 -.0115228 0157713 0042211 3.74 0.000 007498 0240445 | lrm1s | LD | | lrgolds | LD | | lrips | LD | | vnindex | LD | | reer | LD | | rfidr | LD | | rfitbr | LD | | cpi | LD | | _cons | Johansen normalization restriction imposed -beta | Coef Std Err z P>|z| [95% Conf Interval] -+ -_ce1 | lrm1s | lrgolds | -.4595683 2336489 -1.97 0.049 -.9175118 -.0016249 lrips | 5403968 2014496 2.68 0.007 1455628 9352308 vnindex | -.0013442 0001489 -9.03 0.000 -.001636 -.0010523 reer | -4.324238 914772 -4.73 0.000 -6.117158 -2.531318 rfidr | 0843073 009864 8.55 0.000 0649742 1036404 rfitbr | -.1001702 0107419 -9.33 0.000 -.121224 -.0791164 cpi | -.0089349 0049226 -1.82 0.070 -.018583 0007132 _cons | 395.3594 - veclmar Lagrange-multiplier test + + | lag | chi2 df Prob > chi2 | | + -| | | 88.7428 64 0.02207 | | | 85.4453 64 0.03795 | + + H0: no autocorrelation at lag order vecnorm,jbera Jarque-Bera test + + | Equation | chi2 df Prob > chi2 | | + -| | D_lrm1s | 34.143 0.00000 | | | D_lrgolds | 9.545 0.00846 | D_lrips | 71.497 0.00000 | | D_vnindex | 2.804 0.24614 | | D_reer | 17.092 0.00019 | | D_rfidr | 2148.815 0.00000 | | D_rfitbr | 241.525 0.00000 | | D_cpi | 10.271 0.00588 | | ALL | 2535.692 16 0.00000 | + + cointreg lrm1s lrgolds lrips vnindex reer rfidr rfitbr cpi, est(fmols) Cointegration regression (FMOLS): VAR lag(user) = Number of obs = 132 Kernel = bartlett R2 = 8410703 Bandwidth(neweywest) = 68.9978 Adjusted R2 = 8320984 S.e = 1136821 Long run S.e = 0458007 -lrm1s | Coef Std Err z P>|z| [95% Conf Interval] -+ -lrgolds | -.2417341 0510258 -4.74 0.000 -.3417428 -.1417253 lrips | 282382 0360375 7.84 0.000 2117497 3530143 vnindex | 0003085 0000293 10.52 0.000 000251 000366 reer | -.7720924 1630664 -4.73 0.000 -1.091697 -.4524881 rfidr | -.0244685 0019698 -12.42 0.000 -.0283293 -.0206077 rfitbr | 0117276 0020893 5.61 0.000 0076327 0158224 cpi | -.0074549 0009946 -7.50 0.000 -.0094043 -.0055055 _cons | 107.7824 16.99221 6.34 0.000 74.47828 141.0865 - cointreg lrm1s lrgolds lrips vnindex reer rfidr rfitbr cpi, est(ccr) Cointegration regression (CCR): VAR lag(user) = Number of obs = 132 Kernel = bartlett R2 = 8693377 Bandwidth(neweywest) = 68.9978 Adjusted R2 = 8619616 S.e = 1137627 Long run S.e = 0458007 -lrm1s | Coef Std Err z P>|z| [95% Conf Interval] -+ -lrgolds | -.2451077 0519899 -4.71 0.000 -.347006 -.1432093 lrips | 2821357 0477924 5.90 0.000 1884644 375807 vnindex | 0003102 0000345 8.98 0.000 0002425 0003779 reer | -.7527042 198697 -3.79 0.000 -1.142143 -.3632653 rfidr | -.0245384 0023548 -10.42 0.000 -.0291537 -.019923 rfitbr | 0117268 0024987 4.69 0.000 0068295 0166241 cpi | -.00757 0011139 -6.80 0.000 -.0097531 -.0053868 _cons | 105.8999 20.36773 5.20 0.000 65.97988 145.8199 cointreg lrm1s lrgolds lrips vnindex reer rfidr rfitbr cpi, est(dols) dlag(2) Cointegration regression (DOLS): AR lag(user) = Number of obs = 129 Kernel = bartlett R2 = 9712884 Bandwidth(neweywest) = 37.7454 Adjusted R2 = 960483 DOLS lag(user) = S.e = 0492595 DOLS lead = Long run S.e = 0519025 -| Rescaled lrm1s | Coef Std Err z P>|z| [95% Conf Interval] -+ -lrgolds | -.1465471 0840395 -1.74 0.081 -.3112614 0181673 lrips | 3235517 085984 3.76 0.000 1550262 4920772 vnindex | 0004123 000064 6.45 0.000 0002869 0005376 reer | -.4409275 3804183 -1.16 0.246 -1.186534 3046786 rfidr | -.0382845 0039715 -9.64 0.000 -.0460685 -.0305005 rfitbr | 0277845 0046049 6.03 0.000 018759 03681 cpi | -.0073826 0019208 -3.84 0.000 -.0111472 -.0036179 _cons | 71.31131 38.32661 1.86 0.063 -3.807458 146.4301 - reg lrm2s lrgolds lrips vnindex reer rfitbr cpi Source | SS df MS -+ Number of obs = 133 F(6, 126) = 867.31 Model | 24.6554889 4.10924815 Prob > F = 0.0000 Residual | 596981281 126 004737947 R-squared = 0.9764 Adj R-squared = 0.9752 Root MSE = 06883 -+ -Total | 25.2524702 132 191306592 -lrm2s | Coef Std Err t P>|t| [95% Conf Interval] -+ -lrgolds | -.0382391 0755243 -0.51 0.614 -.1876995 1112214 lrips | 19385 0539082 3.60 0.000 0871673 3005327 vnindex | 000179 0000429 4.17 0.000 0000941 000264 reer | -.1776979 2415075 -0.74 0.463 -.6556341 3002382 rfitbr | -.0144389 0013902 -10.39 0.000 -.01719 -.0116878 cpi | -.0056708 0014637 -3.87 0.000 -.0085675 -.0027742 _cons | 48.28954 25.17085 1.92 0.057 -1.522833 98.10192 - predict et,resid dfuller et, regress trend lag(1) Augmented Dickey-Fuller test for unit root Number of obs = 131 Interpolated Dickey-Fuller Test 1% Critical Statistic 5% Critical Value 10% Critical Value Value -Z(t) -3.379 -4.030 -3.446 -3.146 -MacKinnon approximate p-value for Z(t) = 0.0543 -D.et | Coef Std Err t P>|t| [95% Conf Interval] -+ -et | L1 | -.1864526 0551793 -3.38 0.001 -.2956425 -.0772627 LD | -.0940489 0883477 -1.06 0.289 -.268873 0807752 _trend | 0001159 0000919 1.26 0.210 -.000066 0002977 _cons | -.0081718 0070725 -1.16 0.250 -.0221671 0058234 - estat dwatson Durbin-Watson d-statistic( 7, 133) = 3863491 varsoc lrm2s lrgolds lrips vnindex reer rfitbr cpi Selection-order criteria Sample: 2004m4 - 2014m12 Number of obs = 129 + -+ |lag | LL LR df p FPE AIC HQIC SBIC | | + | | | -1299.79 1.48463 20.2603 | | 34.0637 2667.7 49 | | 142.429 216.73 49 | | 178.036 71.214* | | 208.819 61.565 20.3234 20.4155 | 0.000 3.3e-09 340097 844531 1.58157* | 0.000 1.3e-09* -.580295* 365519* 1.74746 | 49 0.021 1.7e-09 -.37265 1.01454 3.04139 | 49 0.107 2.3e-09 -.090211 1.73836 4.41011 | + -+ vecrank lrm2s lrgolds lrips vnindex reer rfitbr cpi,trend(trend) lag(2) levela Johansen tests for cointegration Trend: trend Sample: Number of obs = 131 Lags = 2004m2 - 2014m12 maximum rank trace parms LL 63 79.413661 76 107.41565 eigenvalue 0.34787 5% critical 1% critical statistic value value 159.9616 136.61 146.99 103.9577*1*5 104.94 114.36 87 128.89327 0.27957 61.0024 77.74 85.78 96 139.62389 0.15111 39.5412 54.64 61.21 103 148.24076 0.12327 22.3074 34.55 40.49 108 154.61253 0.09270 9.5639 18.17 23.46 111 157.81468 0.04771 3.1596 3.74 6.40 112 159.39448 0.02383 vec lrm2s lrgolds lrips vnindex reer rfitbr cpi,lag(2) rank(1) Vector error-correction model Sample: 2004m2 - 2014m12 Number of obs = 131 AIC = -.4335925 Log likelihood = 97.40031 HQIC = 1817828 Det(Sigma_ml) 5.33e-10 SBIC = 1.080824 = Equation Parms RMSE R-sq chi2 P>chi2 -D_lrm2s 027343 0.3495 65.5598 0.0000 D_lrgolds 03706 0.0679 8.883262 0.4481 D_lrips 09888 0.4925 118.3815 0.0000 D_vnindex 43.5585 0.2988 51.99592 0.0000 D_reer 014516 0.2224 34.90243 0.0001 D_rfitbr 1.261 0.4997 121.875 0.0000 D_cpi 561764 0.7424 351.6093 0.0000 | Coef Std Err z P>|z| [95% Conf Interval] -+ -D_lrm2s | _ce1 | L1 | -.0093823 0167987 -0.56 0.576 -.0423071 0235425 3788643 0916015 4.14 0.000 1993286 5584 0378465 0736611 0.51 0.607 -.1065266 1822197 -.0059791 0197422 -0.30 0.762 -.0446731 0327148 -1.23e-07 0000499 -0.00 0.998 -.0000979 0000977 | lrm2s | LD | | lrgolds | LD | | lrips | LD | | vnindex | LD | | reer | LD | 4357892 1875344 2.32 0.020 0682286 8033498 -.0023811 0020533 -1.16 0.246 -.0064054 0016433 -.0139992 0041164 -3.40 0.001 -.0220671 -.0059312 0121702 0037056 3.28 0.001 0049074 019433 | rfitbr | LD | | cpi | LD | | _cons | Johansen normalization restriction imposed -beta | Coef Std Err z P>|z| [95% Conf Interval] -+ -_ce1 | lrm2s | lrgolds | 1.191325 2537973 4.69 0.000 6938916 1.688759 lrips | -.9199653 2135979 -4.31 0.000 -1.33861 -.5013211 vnindex | 0004825 0001522 3.17 0.002 0001843 0007807 reer | 6.625071 9861726 6.72 0.000 4.692208 8.557934 rfitbr | 0502971 0053437 9.41 0.000 0398235 0607706 cpi | 0230532 0052042 4.43 0.000 0128532 0332533 _cons | -698.8036 - veclmar Lagrange-multiplier test + + | lag | chi2 df Prob > chi2 | | + -| | | 66.9256 49 0.04521 | | | 49.9149 49 0.43677 | + + H0: no autocorrelation at lag order vecnorm,jbera Jarque-Bera test + + | Equation | chi2 df Prob > chi2 | | + -| | D_lrm2s | 60.801 0.00000 | | | D_lrgolds | 7.736 0.02090 | D_lrips | 69.944 0.00000 | | D_vnindex | 9.048 0.01085 | | D_reer | 11.623 0.00299 | | D_rfitbr | 111.104 0.00000 | | D_cpi | 31.941 0.00000 | | ALL | 302.197 14 0.00000 | + + cointreg lrm2s lrgolds lrips vnindex reer rfitbr cpi, est(fmols) Cointegration regression (FMOLS): VAR lag(user) = Number of obs = 132 Kernel = bartlett R2 = 9702441 Bandwidth(neweywest) = 62.4739 Adjusted R2 = 9688158 S.e = 0759797 Long run S.e = 0592333 -lrm2s | Coef Std Err z P>|z| [95% Conf Interval] -+ -lrgolds | -.029488 0659613 -0.45 0.655 -.1587697 0997938 lrips | 2024767 046398 4.36 0.000 1115383 2934152 vnindex | 0001819 000037 4.92 0.000 0001095 0002544 reer | -.1104749 2095776 -0.53 0.598 -.5212394 3002895 rfitbr | -.0141304 001235 -11.44 0.000 -.0165509 -.0117099 cpi | -.0056121 0012746 -4.40 0.000 -.0081103 -.0031139 _cons | 41.06309 21.85648 1.88 0.060 -1.774812 83.901 - cointreg lrm2s lrgolds lrips vnindex reer rfitbr cpi, est(ccr) Cointegration regression (CCR): VAR lag(user) = Number of obs = 132 Kernel = bartlett R2 = 9750641 Bandwidth(neweywest) = 62.4739 Adjusted R2 = 9738672 S.e = 0768567 Long run S.e = 0592333 -lrm2s | Coef Std Err z P>|z| [95% Conf Interval] -+ -lrgolds | -.0320876 0675842 -0.47 0.635 -.1645502 1003749 lrips | 2062763 0603771 3.42 0.001 0879393 3246133 vnindex | 0001813 0000427 4.25 0.000 0000977 000265 reer | -.0917584 2536408 -0.36 0.718 -.5888853 4053686 rfitbr | -.0142506 0013055 -10.92 0.000 -.0168094 -.0116919 cpi | -.0058136 0014169 -4.10 0.000 -.0085907 -.0030365 _cons | 39.11644 26.05863 1.50 0.133 -11.95754 90.19042 cointreg lrm2s lrgolds lrips vnindex reer rfitbr cpi, est(dols) dlag(2) Cointegration regression (DOLS): AR lag(user) = Number of obs = 129 Kernel = bartlett R2 = 9851134 Bandwidth(neweywest) = 16.1144 Adjusted R2 = 9805562 DOLS lag(user) = S.e = 0591301 DOLS lead = Long run S.e = 1291203 -| lrm2s | Rescaled Coef Std Err z P>|z| [95% Conf Interval] -+ -lrgolds | -.1946843 2020568 -0.96 0.335 -.5907083 2013397 lrips | 3176593 1817604 1.75 0.081 -.0385845 6739031 vnindex | 0000839 0001258 0.67 0.505 -.0001626 0003304 reer | -.9041397 8231603 -1.10 0.272 -2.517504 7092248 rfitbr | -.0183425 004682 -3.92 0.000 -.027519 -.0091659 cpi | -.0074383 0042984 -1.73 0.084 -.0158629 0009864 _cons | 120.6708 84.17489 1.43 0.152 -44.30891 285.6506 PHỤ LỤC B Kiểm định CUSUM, CUSUMQ cho cầu tiền thực M1 CUSUM CUSUM squared CUSUM CUSUM squared 0 2004m9 time 2004m9 2014m12 time 2014m12 cusum6 lrm1s lrgolds lrips vnindex reer rfidr rfitbr cpi Kiểm định CUSUM, CUSUMQ cho cầu tiền thực M2 CUSUM squared CUSUM 0 CUSUM squared CUSUM 2004m8 time 2014m12 2004m8 cusum6 lrm2s lrgolds lrips vnindex reer rfitbr cpi time 2014m12 Ý tưởng xây dựng mơ hình FMOLS CCR OLS: yt = β0 + β1 xt + ut ∆xt = μ + wt Dữ liệu kết luận tồn đồng liên kết (yt , ∆xt ) dừng bậc (ut , wt ) dừng bậc Hiện tượng nội sinh tượng tương quan chuỗi xảy làm sai lệch hệ số ước lượng mức ý nghĩa Trường hợp có tượng nội sinh biến giải thích mơ hình làm chệch hệ số ước lượng có tương quan ut với wt Trường hợp có tượng tương quan chuỗi phần dư làm sai lệch mức ý nghĩa (phương sai đồng phương sai ước lượng hệ số chệch, không quán kiểm định t, F không cịn hiệu lực) Ý tưởng phương pháp FMOLS CCR hiệu chỉnh thành phần mô hình hồi quy OLS nhằm thỏa điều kiện đặt thông qua ma trận hiệp phương sai dài hạn Khi đó, vấn đề nội sinh tương quan chuỗi giải Theo Wang Q and Wu N (2012), bước thực gồm: Bước 1: Tính tốn phần dư u1t phương trình hồi quy OLS u2t biến lấy sai phân yt = β0 + β1 xt + u1t ∆xt = μ + u2t Bước 2: Tính ma trận hiệp phương sai dài hạn từ việc kết hợp phần dư ut wt Ký hiệu ξ(Ω) = (u1t , u2t )′ Gọi Ω, Λ, Σ ma trận phương sai dài hạn, ma trận hiệp phương sai phía, ma trận hiệp phương sai tạm thời Ma trận hiệp phương sai dài hạn phân tích gồm thành phần Ω = Σ + Λ + Λ′ σ11 Σ = E(ut u′t ) = [σ 21 σ12 Σ22 ] λ11 λ12 ] λ21 Λ22 ω11 ω12 [ Ω = ∑∞ E(u u ′) = t t−j j=−∞ ω21 Ω22 ] Λ = ∑∞ j=0 E(ut ut−j ′) = [ Bước 3: Tiến hành hiệu chỉnh Trong phương pháp FMOLS hiệu chỉnh dựa ma trận Ω, Λ phương pháp CCR địi hỏi có thêm thành phần Σ Mục đích cải thiện độ xác tiến hành hiệu chỉnh FMOLS: yt + = β0 + βfmols xt + u1t + Trong đó: Hệ số βfmols tính từ yt + , λ12 + ω1,2 yt + = yt − ω12 Ω22 −1 u2t λ12 + = λ12 − ω12 Ω22 −1 Λ22 (hệ số hiệu chỉnh) ω1,2 = ω11 − ω12 Ω22 −1 ω21 (ước lượng từ ma trận hiệp phương sai u1t điều kiện u2t) CCR: yt + = β0 + βccr xt + + u1t + Trong đó: Hệ số βccr tính từ yt + , xt + yt + = yt − Σ −1 Λ2 β + (0, ω12 Ω22 −1 )ut xt + = xt − (Σ −1 Λ2 )′ut Tóm lại, vấn đề quan trọng ước lượng mơ hình FMOLS CCR cách tính ma trận hiệp phương sai Đây bước trình thực Từ sở này, ma trận hiệp phương sai tính tốn có thêm số ràng buộc đôi chút khác biệt Newey-West, Andrews, … Các cách tính tốn Wang Q & Wu N (2012) tích hợp gói ứng dụng chạy phần mềm Stata