bất khả thi
3.1.1 Mô hình cơ bản
Chương 2 đã trình bày cũng như phân tích cách thức định lượng các yếu tố của bộ ba bất khả thi, mang đến cái nhìn tổng quát về vị trí của Việt Nam trên con đường hội nhập kinh tế; biết được mức độ mở cửa tài chính, ổn định tỷ giá hay độc lập về tiền tệ giữa các nước đồng thời biết được chính sách mà các nhà quản lý đang thực hiện vào một thời điểm cụ thể. Tuy nhiên, dù cho đó chính sách gì, mức độ thế nào thì đích đến cuối cùng vẫn là một mục tiêu kinh tế vĩ mô đã được đề ra, mục tiêu đó có thể là tăng trưởng kinh tế, kiềm chế lạm phát ở một mức độ nào đó được định trước. Do đó, công việc tiếp theo cần thực hiện đó là xây dựng mô hình hồi quy xem xét mối quan hệ giữa các biến kinh tế vĩ mô và các yếu tố của bộ ba bất khả thi. Dưới đây là hàm hồi quy được sử dụng:
Yt = c + α*ERSt + β*MIt + γ*KAOPENt + εt 5
Trong đó:
Yt là tên gọi của biến phụ thuộc hay là đại diện của biến vĩ mô, biến động sản lượng quốc gia hoặc sự thay đổi của tỷ lệ lạm phát theo từng năm.
ERSt là đại diện chỉ số xác định mức độ ổn định của tỷ giá hối đoái vào năm t.
MItlà đại diện mức độ độc lập của chính sách tiền tệ ở năm t.
KAOPENtlà đại diện biến mở cửa tài chính vào năm t.
3.1.2 Các biến của mô hình – Dữ liệu hồi quy
Bộ dữ liệu sử dụng để hồi quy bao gồm số liệu từ năm 1993 đến 2010 của các biến được sử dụng trong mô hình (phụ lục 5).
• MI: Do gặp phải một số khó khăn trong quá trình thu thập số liệu nên chỉ số MI sử dụng trong hồi quy được lấy từ kết quả tính toán ở chương 2 theo công thức được đưa ra trong bài nghiên cứu của Azieman, Chinn và Ito.
• ERS: Tương tự cũng được lấy theo kết quả tính toán ở chương 2, theo cách tính được đề ra của các nhà nghiên cứu Azieman, Chinn và Ito.
• KAOPEN: Số liệu được cung cấp ở Việt Nam vẫn chưa thể tính toán được theo phương pháp mà chúng tôi xây dựng. Do đó chúng tôi sử dụng chỉ số Chinn-Ito hay KAOPEN đã được tính toán cho Việt Nam. Tuy nhiên, riêng chỉ số này chỉ có đến năm 2007 nên khi hồi quy có mặt KAOPEN, quãng thời gian sẽ rút ngắn lại từ 1993 đến 2007.
• Ngoài ra, còn sử dụng chuỗi dữ liệu về dự trữ ngoại hối đưa vào mô hình hồi quy, xác định bằng IR/GDPt (tức lấy dự trữ ngoại hối năm t không bao gồm dự trữ vàng chia cho GDP năm t được tính bằng ngoại tệ). Vì sao lại đưa thêm biến IR/GDP vào mô hình, có thể giải thích như thế này, những quan điểm gần đầy khi nghiên cứu về bộ ba bất khả thi đều có nhắc đến vai trò của quỹ dự trữ ngoại
hối, vừa là tấm đệm an toàn cho các quốc gia khi thực thi các chính sách của mình mà gặp phải vấn đề bộ ba bất khả thi vừa là nguồn lực chống đỡ trước tác động của các cuộc khủng hoảng tài chính từ bên ngoài. Kể từ khi các quốc gia tích lũy quỹ dự trữ ngoại hối của mình ngày càng nhiều thì các nhà nghiên cứu kinh tế càng chú ý hơn đến nó và xem như là một yếu tố của bộ ba bất khả thi mới.
Trên đây là các biến chủ yếu được sử dụng trong mô hình, dữ liệu các biến phụ thuộc sẽ được trình bày trước mỗi phần mà biến đó được đưa vào.
Nhằm phục vụ cho việc hồi quy để đạt kết quả ước lượng phù hợp nhất, trước khi tiến hành hồi quy sẽ kiểm định tính dừng của các chuỗi số liệu. Việc kiểm định này sẽ được thực hiện bằng Eview với kiểm định nghiệm đơn vị Unit Root Test, nếu kết quả là chuỗi không dừng chúng tôi sẽ chuyển thành chuỗi dừng bằng cách lấy sai phân bậc 1.
3.2 Kết quả ước lượng mô hình – Kết luận
3.2.1 Mô hình thực nghiệm
Từ những năm 1990, các nhà nghiên cứu kinh tế trên thế giới đã sử dụng các mô hình tự hồi quy véc tơ (Vector Auto Regression – VAR) và các dạng biến thể của nó để phân tích cơ chế cũng như hiệu quả của chính sách tiền tệ.
VAR là mô hình động của một biến số thời gian. Mô hình này về cấu trúc gồm nhiều phương trình (vector) và có các trễ của các biến số (atoregressive).
Xét hai chuỗi thời gian Y1, Y2. Mô hình VAR của hai biến này như sau: Y1t = α + β1Y1,t-1 + γ1Y2,t-1 + U1t
Y2t = δ + λ1Y1,t-1 + θ1Y2,t-1 + U1t
Mô hình này gồm một vector hai biến Y1, Y2 và yếu tố tự hồi quy, trong mỗi phương trình các biến độc lập là các biến phụ thuộc trễ.
Mô hình tổng quát đối với Y1, Y2 có dạng sau đây:
Y2t = δ + + + U1t
Trong mô hình hai biến trên, mỗi phương trình đều chứa p trễ của mỗi biến. Với hai biến, mô hình có 22p hệ số góc và 2 hệ số chặn. Nếu mô hình có k biến thì số hệ số sẽ là: k2p + k. Như vậy, khi số biến tăng lên, thì số hệ số phải ước lượng khá lớn.
Phương pháp VAR ước lượng mô hình như sau:
• Mô hình VAR là một hệ phương trình đồng thời, trong đó tất cả các biến đều là các biến nội sinh.
• Biến độc lập là các biến nội sinh ở các thời kỳ trễ.
Tuy nhiên, bên cạnh đó, phương pháp này cũng có một số hạn chế như sau:
• Mô hình VAR thích hợp nếu các chuỗi là dừng, do đó, trước khi đi vào kiểm định, chúng tôi sẽ tiến hành kiểm tra các chuỗi số liệu có dừng hay không. Trong trường hợp các chuỗi không dừng thì biến đổi để được chuỗi dừng.
• Xác định độ dài trễ cũng là một khó khăn gặp phải trong thực nghiệm.
• Số quan sát có hạn cũng sẽ ảnh hưởng đến chất lượng kết quả ước lượng.6
Mô hình này rất hữu ích khi ta tiền hành hồi quy các chuỗi số liệu có độ trễ. Lúc này, giả định của phương pháp bình phương bé nhất (Ordinary Least Square – OLS) bị vi phạm, xảy ra hiện tiện tự tương quan, đa cộng tuyến nên kết quả có được từ OLS có thể là tương quan giả, gây hiểu lầm cho các kết luận và khuyến nghị của nhà nghiên cứu kinh tế. Do đó, trong phần này, chúng tôi sẽ sử dụng phương pháp VAR thay cho OLS.
3.2.2 Sản lượng quốc gia và bộ ba bất khả thi
Biến phụ thuộc trong phần này là mức độ biến động của sản lượng quốc gia, được xác định bằng tốc độ tăng trưởng GDP thực tế hàng năm từ 1993 đến 2010 (số liệu trích từ Penn World Table và CIA Factbook, trình bày trong phụ lục 5).
Biến độc lập bao gồm MI, ERS, KAOPEN như đã nêu ở phần trên.
• Kết quả ước lượng theo mô hình VAR (sử dụng Eview): GDP MI ERS KA GDP(-1) 0.165012 -0.001042 -0.096491 0.338071 Sai số chuẩn (0.15777) (1.60215) (0.49221) (0.17992) Thống kê t [ 1.04593] [-0.00065] [-0.19604] [ 1.87902] GDP(-2) -0.566766*** 0.298556 -0.446128 -0.060212 (0.12996) (1.31973) (0.40545) (0.14820) [-4.36121] [ 0.22623] [-1.10034] [-0.40628] MI(-1) -0.115927* -0.510978 -0.063943 0.097442 (0.04333) (0.43999) (0.13517) (0.04941) [-2.67564] [-1.16134] [-0.47304] [ 1.97209] MI(-2) -0.297113*** 0.688715 -0.061695 0.137710 (0.05612) (0.56989) (0.17508) (0.06400) [-5.29445] [ 1.20851] [-0.35238] [ 2.15180] ERS(-1) 0.127558 -0.457019 -0.299124 0.132900 (0.17332) (1.76013) (0.54075) (0.19766) [ 0.73595] [-0.25965] [-0.55317] [ 0.67237] ERS(-2) 0.269011 -0.738702 0.014388 -0.522256 (0.17301) (1.75691) (0.53976) (0.19730) [ 1.55492] [-0.42046] [ 0.02666] [-2.64703] KA(-1) -0.942346** 1.780646 -0.647641 0.096904 (0.24521) (2.49011) (0.76501) (0.27964) [-3.84307] [ 0.71509] [-0.84657] [ 0.34654] KA(-2) -1.426628*** 2.156811 -0.072047 0.033607 (0.24566) (2.49467) (0.76641) (0.28015) [-5.80744] [ 0.86457] [-0.09401] [ 0.11996] C -1.583644*** -2.082885 -0.473020 0.498809 (0.15142) (1.53773) (0.47242) (0.17269) [-10.4584] [-1.35452] [-1.00127] [ 2.88855]
IR_GDP 0.329927** -2.139436 0.395521 0.106739 (0.09001) (0.91406) (0.28082) (0.10265) [ 3.66548] [-2.34059] [ 1.40847] [ 1.03986] R-squared 0.992362 0.857241 0.781742 0.896894 Adj. R-squared 0.957993 0.214827 -0.200417 0.432918 Sum sq. resids 0.002142 0.220852 0.020845 0.002785 S.E. equation 0.032723 0.332304 0.102091 0.037317 F-statistic 28.87374 1.334406 0.795943 1.933061 Log likelihood 34.75954 6.943746 21.10602 33.18285 Akaike AIC -4.126591 0.509376 -1.851003 -3.863808 Schwarz SC -3.722502 0.913465 -1.446914 -3.459719 Mean dependent -1.257491 -0.373819 -0.071636 2.31E-18 S.D. dependent 0.159658 0.375019 0.093179 0.049555 Determinant resid covariance (dof adj.) 0.000000
Determinant resid covariance 0.000000
Xét thống kê t, ***, **, * lần lượt tương ứng với các mức ý nghĩa 1%, 2% và 10%.
• Nhận xét:
Ta thấy kết quả ước lượng cho R2 tương đối lớn, cho thấy việc sử dụng mô hình và sử dụng biến là phù hợp. Tuy nhiên, để xem xét tác động của các biến giải thích đến biến phụ thuộc, ta sử dụng thống kê t để đánh giá mức độ phù hợp hay ý nghĩa của từng hệ số hồi quy.
Thứ nhất, hệ số hồi quy của GDP ở trễ thứ hai (GDP(-2)) có mức ý nghĩa thống kê cao, tốc độ tăng trưởng GDP thực của những năm trước có ảnh hưởng đến tốc độ tăng trưởng GDP thực tế hiện tại. Tuy nhiên, theo như kết quả hồi quy, tác động này là nghịch biến, tức tốc độ tăng trưởng GDP của 2 năm trước tăng 1% thì kéo theo tốc độ tăng trưởng GDP hiện tại giảm khoảng 0.5%, đây là một kết quả khá thú vị và mới mẻ khi chũng tôi đọc kết quả hồi quy, điều này có phải liên quan đến tính chất chu kỳ của kinh tế. Trong phạm vi bài nghiên cứu này chưa thể đi sâu giải đáp câu hỏi trên, đây có thể là hướng nghiên cứu mới nếu kết quả hồi quy vẫn được giữ nguyên khi mẫu dữ liệu được mở rộng về cả thời gian và phạm vi lãnh thổ sang các quốc gia khác.
Thứ hai, đi vào nội dung trọng tâm mà chúng tôi muốn kiểm định, đó là mối quan hệ giữa bộ bất khả thi và GDP thực tế. Kết quả cho thấy nền kinh tế Việt Nam có một độ trễ khoảng 2 năm, tức một thay đổi trong việc điều hành các yếu tố về chính sách tiền tệ, mở cửa tài chính hay tỷ giá năm 2008 sẽ tác động đến tốc độ tăng trưởng GDP của năm 2010. Tác động của chinh sách tiền tệ (MI) và mở cửa tài chính (kaopen) là nghịch biến (tức một sự gia tăng trong độc lập về chính sách tiền tệ hoặc gia tăng mở cửa tài chính sẽ dẫn đến sự sụt giảm trong tốc độ tăng trưởng GDP thực) trong khi ổn định tỷ giá có tác động cùng chiều đến GDP thực nhưng kết quả này có ý nghĩa thống kê không cao. Các kết quả này sẽ là gợi ý cho điều hành chính sách tiền tệ và tài chính của Việt Nam trong giai đoạn tới.
Thứ ba, xem xét biến mà chúng tôi đưa thêm vào mô hình đó là dự trữ ngoại hối so với GDP. Kết quả cho thấy một sự gia tăng trong dự trữ ngoại hối sẽ mang đến sự gia tăng trong tăng trưởng GDP. Cụ thể khi tỷ lệ dự trữ ngoại hối so với GDP tăng 1% thì tốc độ tăng trưởng GDP của năm đó sẽ tăng là 0.33%. Dự trữ ngoại hối như một tấm đệm giảm sốc cho nền kinh tế, đảm bảo cho hoạt động ngoại thương và mở cửa tài chính được an toàn.
3.2.3 Lạm phát và bộ ba bất khả thi
Biến phụ thuộc trong phần này là mức độ biến động của tỷ lệ lạm phát, được xác định bằng chênh lệch tỷ lệ lạm phát từ 1993 đến 20107 (số liệu trích từ Báo cáo của Ngân hàng phát triển Châu Á, trình bày trong Phụ lục 5)
Biến độc lập bao gồm MI, ERS, KAOPEN như đã nêu ở phần trên.
Kết quả hồi quy:
Vector Autoregression Estimates Date: 03/27/11 Time: 18:32 Sample (adjusted): 3 15
Standard errors in ( ) & t-statistics in [ ]
INFLAT MI ERS KAOPEN INFLAT(-1) 0.130012 -0.820923 -0.314216 0.349565 (0.73328) (0.70893) (0.66856) (1.39676) [ 0.17730] [-1.15798] [-0.46999] [ 0.25027] INFLAT(-2) -0.898357* 0.184109 0.294787 -0.290020 (0.48014) (0.46420) (0.43777) (0.91458) [-1.87103] [ 0.39662] [ 0.67339] [-0.31711] MI(-1) -0.493413 -0.852447 0.144586 -0.361539 (0.51452) (0.49743) (0.46911) (0.98006) [-0.95899] [-1.71370] [ 0.30821] [-0.36890] MI(-2) -0.684845* -0.087402 0.330401 -0.356417 (0.52439) (0.50697) (0.47811) (0.99886) [-1.30599] [-0.17240] [ 0.69106] [-0.35682] ERS(-1) 0.058042 -1.439139 -0.646490 -0.084466 (0.83127) (0.80367) (0.75791) (1.58341) [ 0.06982] [-1.79072] [-0.85299] [-0.05334] ERS(-2) -0.658532* -0.566183 -0.282328 -0.784125 (0.58731) (0.56781) (0.53548) (1.11873) [-1.12126] [-0.99713] [-0.52724] [-0.70091] KAOPEN(-1) -0.031480 -0.184105 -1.067214 0.513779 (0.97020) (0.93798) (0.88457) (1.84805) [-0.03245] [-0.19628] [-1.20647] [ 0.27801] KAOPEN(-2) -0.174325 -0.430777 -0.574401 -0.469592 (1.16531) (1.12661) (1.06247) (2.21970) [-0.14960] [-0.38236] [-0.54063] [-0.21156] C 0.096647 0.008093 -0.054834 0.176334 (0.07894) (0.07632) (0.07198) (0.15037) [ 1.22427] [ 0.10604] [-0.76184] [ 1.17265] IR_GDP -3.951815* -2.476295 1.871814 -6.033661
(2.21944) (2.14574) (2.02357) (4.22763) [-1.78054] [-1.15405] [ 0.92501] [-1.42720] R-squared 0.738077 0.906256 0.592297 0.462817 Adj. R-squared -0.047693 0.625024 -0.630812 -1.148733 Sum sq. resids 0.197262 0.184379 0.163981 0.715732 S.E. equation 0.256426 0.247911 0.233795 0.488444 F-statistic 0.939304 3.222448 0.484255 0.287188 Log likelihood 8.776907 9.215916 9.978018 0.399888 Akaike AIC 0.188168 0.120628 0.003382 1.476940 Schwarz SC 0.622745 0.555205 0.437958 1.911517 Mean dependent 0.032843 0.004884 -0.023881 0.087348 S.D. dependent 0.250521 0.404849 0.183077 0.333214 Determinant resid covariance (dof
adj.) 0.000000 Determinant resid covariance 0.000000
Xét thống kê t, ***, **, * lần lượt tương ứng với các mức ý nghĩa 1%, 2% và 10%.
• Nhận xét:
Kết quả hồi quy đối với biến phụ thuộc là biến động lạm phát có mức ý nghĩa thống kê không cao, có thể do mẫu quan sát thu thập được chưa đủ độ dài để thể hiện được tác động của các biến độc lập đến biến động lạm phát. Khi kiểm định, trễ phù hợp để hồi quy là thứ chín nhưng độ dài chuỗi số liệu không đủ để cho phép tiến hành ước lượng mô hình với độ trễ là 9. Do đó, chất lượng của hồi quy có thể bị ảnh hưởng bởi điều này.
Thứ nhất, xem xét về tác động của biến trễ biến động lạm phát đến sự gia tăng hay sụt giảm của tỷ lệ lạm phát trong năm hiện hành. Nếu biến động lạm phát của 2 năm trước (giả sử 2009) gia tăng hay sụt giảm 1% thì biến động lạm phát của năm hiện hành (2011) sẽ sụt giảm hay gia tăng là 0.89%, tác động này là ngược chiều. Điều này có thể mở rộng hướng nghiên cứu xem xét đây có phải mang tính chất chu kỳ kinh tế hay không. Kiểm soát lạm phát trong hiện tại sẽ giúp ích cho việc điều hành kinh tế trong tương lai.
Thứ hai, đi vào nội dung trọng tâm, xét đến các yếu tố của bộ ba bất khả thi. Các biến theo kết quả hồi quy này đều có tác động ngược chiều với biến
động tỷ lệ lạm phát. Đồng thời cũng thể hiện một độ trễ đó là 2 năm. Điều này có nghĩa là việc gia tăng hai trong ba yếu tố của bộ ba bất khả thi sẽ mang đến một sự sụt giảm trong biến động tỷ lệ lạm phát và ngược lại.
Thứ ba, xét đến tác động của biến độc lập IR/GDP đến sự biến động của tỷ lệ lạm phát. Kết quả cho thấy sự gia tăng trong việc tích trữ ngoại hối sẽ mang lại sự sụt giảm trong biến động tỷ lệ lạm phát và ngược lại. Điều này củng cố quan điểm dự trữ ngoại hối chính là tấm đệm giảm sốc giúp ổn định nền kinh tế trong mọi thời kỳ, đặc biệt là đối với nền kinh tế trong thời kỳ chịu tác động của khủng hoảng.
CHƯƠNG 4: ĐỀ XUẤT