Cung tiền M2 đóng vai trò là nhân tố đại diện cho chính sách tiền tệ khi phân tích tác động đến lạm phát trong nước. Theo quan điểm của trường phái trọng tiền (trường phái tiền tệ Keynes) cho rằng tốc độ gia tăng cung tiền là nguyên nhân gây ra lạm phát. Nếu cung tiền tăng nhanh hơn sự gia tăng của tổng sản phẩm trong nước sẽ gây áp lực tăng lạm phát trong nước.
Cung tiền M2 được xác định bằng tổng của tiền mặt, tiền gửi không kỳ hạn, séc du lịch, các khoản tiền gửi có thể viết séc, hợp đồng mua lại qua đêm, đô la châu Âu, tài khoản tiền gửi của thị trường tiền tệ, cổ phần trong quỹ hỗ tương của thị trường tiền tệ, tiền gửi tiết kiệm và tiền gửi ngắn hạn.
Cung tiền M21 đã được Hottmaister (1999) lựa chọn nghiên cứu việc xem xét tác động tới lạm phát ở Hàn Quốc; đồng thời nó bao hàm cung tiền M1 cộng với tiền gửi tiết kiệm có kỳ hạn do vậy đã được tác giả sử dụng để xem xét đại diện cho công cụ cung tiền của NHNN trong việc hoạch định các chính sách tiền tệ. Ngoài ra, chỉ tiêu M2 là chỉ tiêu sử dụng khá phổ biến trên thế giới và nguồn dữ liệu dược thống kê và công bố tương đối đầy đủ.
Đồ thị 1: Tình hình cung tiền M2 qua các năm (nghìn tỷ)
0 10,000 20,000 30,000 40,000 50,000 96 98 00 02 04 06 08 10 12 M2 2.3.4. Lãi suất (DR)
Là lãi suất bình quân liên ngân hàng, kỳ hạn 3 tháng, được xem xét như diễn biến của công cụ lãi suất ngắn hạn trong chính sách tiền tệ của NHNN. Tác giả lựa chọn lãi suất bình quân liên ngân hàng kỳ hạn 3 tháng theo đề xuất nghiên cứu của Osuji Casmir Chinaemerem và Akujuobi, L.E (Ph.D) (2012); hơn nữa xét thấy tính hữu ích, linh hoạt và nhanh chóng của công cụ này trong viêc điều tiết lãi suất của hệ thống ngân hàng và từ đó tác động đến việc điều tiết lạm phát; và cuối cùng lãi suất bình quân liên ngân hàng khá thuận tiện và minh bạch, khách quan cho việc triển khai thu thập dữ liệu hơn các công cụ lãi suất tiền gửi của các NHTM.
Đồ thị 2: Tình hình lãi suất qua các năm (%)
1 Quy mô cung tiền được chia làm nhiều cấp độ như sau: M0: tổng lượng tiền mặt. M0 còn được gọi là tiền cơ sở. M1: bằng tổng lượng tiền mặt (M0) và tiền mà các ngân hàng thương mại gửi tại ngân hàng trung ương. M1 còn được gọi là đồng tiền mạnh. M2: bằng M1 cộng với chuẩn tệ (tiết gửi tiết kiệm có kỳ hạn). M3: bằng M2 cộng với tất cả các khoản tiết kiệm khác gửi tại các tổ chức tín dụng. M4 (ở Anh): bằng M0 cộng với tiền trong tài khoản các loại. Tính thanh khoản theo nghĩa rộng: bằng M3 cộng với các trái phiếu và các khoản đầu tư tín thác.
4 6 8 10 12 14 16 18 20 96 98 00 02 04 06 08 10 12 DR
2.3.5. Tỷ giá danh nghĩa (ER)
Tỷ giá2 được xác định bằng diễn biến của cặp tỷ giá danh nghĩa giữa VND/USD làm đại diện cho một công cụ của chính sách tiền tệ của NHNN. Lý do người viết chọn cặp tỷ giá VND/USD vì tính phổ biến của USD trong giao dịch thương mại, hạch toán ngoại tệ của Việt Nam. Hơn nữa cặp tỷ giá VNĐ/USD có sức ảnh hưởng lớn đến toàn bộ nền kinh tế Việt Nam; thực tiễn cho thấy mỗi lần điều chỉnh cặp tỷ giá này của NHNN chúng ta đều cảm nhận được sự tăng giá của hàng hóa sau đó.
Đồ thị 3: Tình hình tỷ giá qua các năm (VND/USD)
10,000 12,000 14,000 16,000 18,000 20,000 22,000 96 98 00 02 04 06 08 10 12 ER
2.3.6. Chỉ số giá tiêu dùng (CPI)
2Tỷ giá có 2 loại là tỷ giá danh nghĩa và tỷ giá thực. Tỷ giá danh nghĩa là tỷ giá được sử dụng hàng ngày trong giao dịch trên thị trường ngoại hối chẳng hạn như cặp VNĐ/USD, nó chính là giá của một đồng tiền được biểu thị thông qua đồng tiền khác mà chưa đề cập đến tương quan sức mua hàng hóa và dịch vụ giữa chúng.
Tỷ giá hối đoái thực là tỷ giá danh nghĩa được điều chỉnh bởi tương quan giá cả trong nước và ngoài nước. Khi tỷ giá danh nghĩa tăng hay giảm không nhất thiết phải đồng nghĩa với sự gia tăng hay giảm sức cạnh tranh thương mại quốc tế.
Chỉ số giá tiêu dùng là một chỉ số cơ bản đo lường giá cả hàng hoá dịch vụ và cho biết liệu nền kinh tế có bị lạm phát hoặc giảm phát hay không. Chỉ số giả cả thường rất được quan tâm theo dõi và nó đóng một vai trò quan trọng trong việc đưa ra các quyết định chính sách quan trọng của một quốc gia. Trong đề tài này người viết sử dụng CPI như đại diện cho thông số về lạm phát.
Đồ thị 4: Diễn biến chỉ số giá tiêu dùng Việt Nam qua các năm (index 1995 = 100)
40 80 120 160 200 240 96 98 00 02 04 06 08 10 12 CPI
2.4. Nội dung các kiểm định
2.4.1. Kiểm định tính dừng
Theo Nguyễn Quang Đông (2007) trong cuốn Giáo trình Kinh tế lượng nâng cao3, một khái niệm quan trọng trong các quy trình phân tích chuỗi thời gian là tính dừng. Một chuỗi dừng có các đặc điểm sau:
- Thể hiện xu hướng trở lại trạng thái trung bình theo một cách trong đó dữ liệu dao động xung quanh một giá trị trung bình cố định trong dài hạn.
- Có một giá trị phương sai xác định không thay đổi theo thời gian.
- Có một giản đồ tự tương quan với các hệ số tự tương quan giảm dần khi độ trễ tăng lên.
Nếu một chuỗi dừng thì giá trị trung bình, phương sai và hiệp phương sai (ở các độ trễ khác nhau) sẽ giống nhau không cần biết ta đang đo lường chúng tại thời
3Giáo trình Kinh tế lượng – Chương trình nâng cao, Bộ môn Điều khiển Kinh tế, Khoa toán Kinh tế, Trường đại học Kinh tế Quốc dân, NXB Khoa học và Kỹ Thuật 2007.
điểm nào. Điều này có nghĩa là, các đại lượng này không thay đổi theo thời gian. Một chuỗi dữ liệu như vậy sẽ có xu hướng trở về giá trị trung bình và những dao động xung quanh giá trị trung bình (đo bằng phương sai) sẽ là như nhau. Trong khi đó, nếu một chuỗi thời gian không dừng, nó sẽ có giá trị trung bình thay đổi theo thời gian, hoặc phương sai thay đổi theo thời gian, hoặc cả hai. Có hai lý do quan trọng khi biết một chuỗi thời gian là dừng hay không.
- Thứ nhất, Gujarati (2003) cho rằng nếu một chuỗi thời gian là không dừng, chúng ta chỉ có thể nghiên cứu hành vi của nó chỉ trong khoảng thời gian đang được xem xét. Vì thế, mỗi một mẫu thời gian sẽ mang một tình tiết nhất định. Kết quả là chúng ta không thể khái quát hoá cho các giai đoạn thời gian khác. Đối với mục đích dự báo, các chuỗi thời gian không dừng như vậy có thể sẽ không có giá trị thực tiễn. Vì như chúng ta đã biết, trong dự báo chuỗi thời gian, chúng ta luôn giả định rằng xu hướng vận động của dữ liệu trong quá khứ và hiện tại được duy trì cho các giai đoạn tương lai. Và như vậy, chúng ta không thể dự báo được điều gì cho tương lai nếu như bản thân dữ liệu luôn luôn thay đổi. Hơn nữa, đối với phân tích hồi quy, nếu chuỗi thời gian không dừng thì tất cả các kết quả điển hình của một phân tích hồi quy tuyến tính cổ điển sẽ không có giá trị, không có ý nghĩa và thường được gọi là hiện tượng “hồi quy giả mạo.
- Thứ hai, khi biết dữ liệu dừng hay không, chúng ta sẽ giới hạn được số mô hình dự báo phù hợp nhất cho dữ liệu.
Theo Basabi (2006), hầu hết các biến chuỗi thời gian là không dừng hoặc liên kết bậc một (sai phân bậc một là chuỗi dừng). Theo Nguyễn Quang Đông (2006,106) nếu ước lượng một mô hình với chuỗi thời gian trong đó có biến độc lập không dừng sẽ vi phạm các giả định OLS. Granger và Newbold cho rằng R2 > DW là dấu hiệu cho biết kết quả ước lượng có thể tương quan giả. Theo phân tích ở bên trên, chúng ta đang cần các chuỗi thời gian dừng. Có nhiều cách để nhận dạng một chuỗi thời gian là dừng hay không dừng, ví dụ như phân tích đồ thị, sai phân, giản đồ tự tương quan, kiểm định thống kê Ljung- Box…
Tuy nhiên, theo Gujarati (2003, 814), kiểm định nghiệm đơn vị (unit root test) là một kiểm định được sử dụng khá phổ biến trong nghiên cứu khoa học thay vì sử dụng giản đồ tương quan vì loại kiểm định này có tính học thuật và chuyên nghiệp cao hơn. Giả sử ta có phương trình tự hồi quy như sau:
Yt = ρYt-1 + Ut(-1≤ ρ≤1) (7)
Trong đó Ut là nhiễu trắng. Nếu như ρ = 1, khi đó Yt là một bước ngẫu nhiên và Yt là một chuỗi không dừng. Do đó để kiểm định tính dừng của Yt ta sẽ kiểm định giả thiết :
H0: ρ = 1(Yt là chuỗi không dừng) H1: ρ < 1(Yt là chuỗi dừng)
Phương trình 1.3 tương đương với phương trình sau đây : Yt – Yt-1 = ρYt-1 – Yt-1 + Ut
= (ρ-1)Yt-1+ Ut Δyt = δYt-1 + Ut
Như vậy các giải thiết ở trên có thể được viết lại như sau: H0: δ = 0 (Yt là chuỗi không dừng)
H1: δ< 0 (Yt là chuỗi dừng)
Để kiểm định H0 ta so sánh giá trị thống kê τ tính toán với giá trị thống kê τ tra bảng DF. Nếu | |>| | thì bác bỏ giả thiết H0, nghĩa là Yt là một chuỗi dừng. Tiêu chuẩn DF được áp dụng cho các mô hình sau :
ΔYt= δYt-1 + Ut ΔYt= β1+ δYt-1 + Ut
ΔYt= β1+ β2t + δYt-1 + Ut (8)
Nếu Ut tự tương quan có nghĩa là ΔYt phụ thuộc cả các ΔYt-i trong quá khứ như ΔYt-1, ΔYt-2 ...thì cải biên mô hình (8) như sau :
ΔYt= β1 + β2t + δYt-1 + ∑ΔY + εt (9)
Kiểm định DF như phương trình 1.5 được gọi là kiểm định DF mở rộng (ADF- Augmented Dickey – Fuller Test).
Nếu chuỗi thời gian gốc không có tính dừng, ta có thể lấy độ trễ, sai phân hay log của nó để xem nó có tính dừng không. Bước kiểm định được thực hiện như trên.
Hơn nữa, kiểm định nghiệm đơn vị là loại kiểm định có tính học thuật và chuyên nghiệp cao hơn. Vì vậy trong đề tài sẽ sử dụng kiểm định nghiệm đơn vị để kiểm tra tính dừng của chuỗi thời gian.
Do vây, với đề tài nghiên cứu này người viết sử dụng phương pháp kiểm định nghiệm đơn vị của Dickey và Fuller4, các điều kiện sau trên phần mềm Eview 6:
- Chuỗi thời gian được giả thiết là có hệ số chặn (Intercept), có xu hướng (trend) và kiểm định nghiệm “level” với chuỗi gốc.
- Chuỗi thời gian được giả thiết là có hệ số chặn (Intercept), không có xu hướng (trend) và kiểm định nghiệm với “1st difference” chuỗi lấy sai phân, các chuỗi sẽ được lấy sai phân cho đến khi có kết quả dừng.
- Độ trễ được đặt tối đa là 11 trễ và sử dụng kỹ thuật SIC để lựa chọn trễ tối ưu cho kiểm định nghiệm.
- Các kiểm định có trị tuyệt đối của giá trị thống kê “t” lớn hơn các giá trị bác bỏ là có tính dừng tương ứng ở các mức ý nghĩa 1%,5%, 10% và ngược lại.
2.4.2. Xác định độ trễ
Yt-k là chuỗi thời gian Yt có k độ trễ nghĩa là phải mất k thời gian mới có đủ dữ liệu chuỗi thời gian Yt. Khi sử dụng chuỗi thời gian có độ trễ, ta sẽ bị mất biến quan sát. Độ trễ càng tăng, số biến quan sát bị mất càng nhiều. Vấn đề này sẽ tác động đáng kể trong việc cân nhắc lựa chọn mô hình.
Theo Alt và Tinberger (1942)5 và D.N.Gujarati (1995)6, khi chúng ta sử dụng mô hình hồi quy chúng ta giả định rằng các biến độc lập tác động tức thì lên biến phụ thuộc và biến phụ thuộc chỉ chịu tác động của biến độc lập. Đối với các biến số
4Kiểm định nghiệm đơn vị bằng phương pháp ADF (Augmented Dickey Fuller)
5 “Distribution Lags”, Economitrica
kinh tế các giả định này thường không đúng. Tác động của biến độc lập có thành phần tác động tức thời và có thành phần tác động trễ. Mặt khác, đôi khi bản thân biến phụ thuộc cũng có “quán tính” hay “sức ỳ” của nó. Có ba nguyên nhân gây ra “độ trễ” hay “sức ỳ” trong kinh tế là
- Nguyên nhân tâm lý, Khi thu nhập của một người giảm tiêu dùng của người đó có thể không giảm ngay lập tức do thói quen duy trì mức sống cao. Nếu tình hình thu nhập vẫn không phục hồi trong thời gian dài, anh ta phải học cách chi tiêu tiết kiệm hơn.
- Nguyên nhân kỹ thuật, Giả sử cầu nội địa đối với một mặt hàng tăng lên làm giá một mặt hàng này tăng. Sản lượng nội địa có thể không tăng tức thời vì để tăng sản lượng cần phải có thời gian xây dựng nhà máy, đầu tư máy móc thiết bị và đào tạo công nhân. Doanh nghiệp còn phải phân tích xem sự tăng cầu nội địa này có mang tính chất lâu dài hay chỉ là tức thời.
- Nguyên nhân định chế, Các ràng buộc pháp lý là nguyên nhân của một số hiện tượng tác động trễ.
Khi có tính chất “trễ” nêu trên của dữ liệu chuỗi thời gian sẽ có sai số của phương trình hồi quy và không thỏa mãn các điều kiện của mô hình hồi quy tuyến tính cổ điển; từ đó dự báo theo mô hình phương trình hồi quy sẽ không chính xác. Do vậy việc xác định số trễ tối ưu để đưa vào mô hình phương trình tính toán và dự báo là rất quan trọng.
Đối với đề tài nghiên cứu này, người viết sử dụng các tiêu chuẩn lựa chọn trễ tối ưu trên phần mềm Eview 6 với phương pháp “VAR Lag Order Selection Criteria” như sau:
(i) Xác định các tiêu chuẩn lựa chọn trễ bao gồm: AIC, HQ, FPE, SIC, LR, LOGL7
7 Tiêu chuẩn để lựa chọn một mô hình là: Tính tiêt kiệm : mô hình càng đơn giản càng tốt; Tính đồng nhất : các tham sô ước lương là duy nhât cho cùng một tập hợp số liệu; Tính thích hợp : R2 và R2 hieu chỉnh càng gân 1 càng tôt; Tính bên vững : mô hình phải dựa trên một cơ sở thuyêt nào đó; Có khả năng dự báo tôt : mô hình cho kêt quả dự báo sát với thực tế. Bên cạnh đó dùng các tiêu chuẩn như AIC, HQ, FPE, SIC, LR, LOGL. Cụ thể là: LOGL: Giá trị càng lớn mô
(ii) Đưa số liệu (CPI DR ER M2) vào tính toán cho từng độ trễ từ 0 đến 11 trễ và cho từng tiêu chuẩn lựa chọn trễ ở trên.
(iii)So sánh các trị số tính toán với nhau theo nguyên tắc trị số của tiêu chuẩn lưạ trọn nào nhỏ nhất tương ứng với mức trễ nhỏ nhất có thể sẽ được lựa chọn.
(iv)Sử dụng kiểm định phần dư là VAR Residual Portmanteau Tests for Autocorrelations và VAR Residual Serial Correlation LM Tests để củng cố thêm cho các kết quả của phương pháp AIC, HQ, FPE, SIC, LR, LOGL8.
(v) Cuối cùng, sử dụng trễ tối ưu cho các tính toán tiếp theo
2.4.3. Phân tích đồng liên kết Johansen
Theo Gujarati (1999, 460) cho rằng mặc dù các chuỗi thời gian không dừng nhưng rất có thể vẫn tồn tại mối quan hệ cân bằng dài hạn giữa chúng nếu các chuỗi thời gian đó đồng liên kết, có nghĩa là phần dư từ phương trình hồi quy của các chuỗi thời gian không dừng là một chuỗi dừng.
Theo Nguyễn Quang Đông (2012) có các trường hợp đồng liên kết của các chuỗi dữ liệu có yếu tố thời gian như sau:
- Các chuỗi là không có xu thế và phương trình đồng liên kết không có hệ số trặn.
- Các chuỗi là không có xu thế và phương trình đồng liên kết là có hệ số trặn. - Các chuỗi là có có xu thế và phương trình đồng liên kết có hệ số trặn. - Các chuỗi là có có xu thế và phương trình đồng liên kết không có hệ số trặn - Các chuỗi là có dạng phi tuyến
Trong thống kê học, Phân tích đồng liên kết Johansen, được đặt tên theo tác giả Soren Johansen, là một phương pháp kiểm định khả năng đồng liên kết của một