Một điểm cần lưu ý trong quá trình phân tích số liệu chuỗi thời gian chính là điểm gãy cấu trúc của dữ liệu. Nhiều nghiên cứu trước đây chỉ ra rằng nếu ta bỏ qua không xét đến những điểm gãy quan trọng có thể dẫn đến những đánh giá và đo lường sai lệch về tính dai dẳng của lạm phát. Vì lí do đó, bài nghiên cứu này cũng sử dụng kiểm định điểm gãy Chow để xem xét điểm gãy cấu trúc có thể có trong số liệu của lạm phát.
Kiểm định Chow là một kiểm định thống kê và kinh tế lượng để xét xem các hệ số của hai phương trình hồi quy tuyến tính của hai nhóm dữ liệu có ở hai giai đoạn khác nhau có bằng nhau không. Kiểm định Chow thường được sử dụng trong phân tích chuỗi thời gian để xem liệu có sự thay đổi (điểm gãy) cấu trúc nào trong dữ liệu hay không. Kiểm định Chow là một kiểm định mang tính chất kiểm tra chứ không mang tính chất phát hiện. Kiểm định này không tự tìm kiếm cho ta những điểm gãy nào trong chuỗi dữ liệu, người nghiên cứu phải có những phán đoán về thời gian – điểm gãy – của số liệu và dùng kiểm định Chow kiểm tra lại nhằm củng cố hơn quan điểm của mình. Một nhược điểm của kiểm định này là nó không cho ta thời điểm chính xác của điểm gãy mà có thể dao động quanh một khoảng thời gian
nào đó, việc xác định thời điểm để kiểm tra cũng cần phải đòi hỏi kinh nghiệm và sự phán đoán của người nghiên cứu.
Đối với chuỗi dữ liệu về lạm phát nói riêng và dữ liệu về chuỗi dữ liệu thời gian nói chung, các tính chất và số liệu tính toán có thể rất khác nhau giữa các thời điểm. Vì vậy, yếu tố thời gian đóng vai trò quan trọng trong các phân tích của chúng ta. Mặt khác, việc xác định điểm gãy giúp ta xác định được những sự thay đổi trong dữ liệu qua các thời kỳ khác nhau, từđó có cái nhìn rõ hơn và có thể phân tích một cách chính xác sự thay đổi trong tính dai dẳng của lạm phát qua các thời kỳ.
Điểm gãy ở đây được giả định là giai đoạn cuối năm 2007 khi lạm phát ở Việt Nam đang có dấu hiệu tăng tốc rất nhanh và trở nên khó kiểm soát, cùng với nó là các mất cân đối vĩ mô xuất hiện ngày càng nhiều. Kiểm định Chow giúp chúng ta xác nhận thêm giả thiết này.
Bảng 3.4 : Kiểm định Chow với điểm gãy tại quý 3/2007
Chow Breakpoint Test: 2007Q3
Null Hypothesis: No breaks at specified breakpoints Equation Sample: 1996Q3 2013Q1
F-statistic 3.625905 Prob. F(6,55) 0.0042
Log likelihood ratio 22.33050 Prob. Chi-Square(6) 0.0011
Wald Statistic 22.38451 Prob. Chi-Square(6) 0.0010
Theo các báo cáo của Quỹ Tiền tệ Quốc tế IMF, lạm phát ở Việt Nam cũng bắt đầu có sự thay đổi lớn ở năm 2004 khi lạm phát bắt đầu tăng nhanh, dai dẳng và ngày càng khó kiểm soát hơn, vì vậy, bài nghiên cứu cũng sử dụng kiểm định Chow để kiểm tra lại giả thiết này tức là xem xét xem liệu có điểm gãy xuất hiện trong chuỗi số liệu về lạm phát của Việt Nam năm 2004 hay không.
Bảng 3.5 : Kiểm định Chow với điểm gãy tại quý 1/2004
Null Hypothesis: No breaks at specified breakpoints Equation Sample: 1996Q3 2013Q1
F-statistic 2.955174 Prob. F(6,55) 0.0143
Log likelihood ratio 18.72215 Prob. Chi-Square(6) 0.0047
Wald Statistic 19.33311 Prob. Chi-Square(6) 0.0036
Ta có thể thấy được rằng kết quả hoàn toàn ủng hộ quan điểm trên, tuy nhiên các chứng cứ là không mạnh như so với giai đoạn Quý 3 năm 2007. Mặt khác, do số lượng quan sát không nhiều và không thể chia nhỏ giai đoạn nghiên cứu nên ta sẽ chỉ chia dữ liệu lạm phát của Việt Nam ra thành 2 giai đoạn : Trước Quý 3 năm 2007 và sau Quý 3 năm 2007.
3.4 Đo lường tính dai dẳng của lạm phát :
Có nhiều định nghĩa về tính dai dẳng của lạm phát, và vì thế cũng có nhiều cách để đo lường chúng. Tuy nhiên, tựu chung lại, các bài nghiên cứu thường đo lường tính dai dẳng của lạm phát theo hai hướng:
- Phân tích đơn biến dựa trên chuỗi số liệu trong quá khứ của lạm phát bằng mô hình tự hồi quy.
- Phân tích đa biến bằng cách làm rõ tác động của từng cú sốc trong mô hình đến tính dai dẳng của lạm phát. Các mô hình thường sử dụng là mô hình đường cong Phillips và mô hình VAR cấu trúc.
Những bài nghiên cứu ban đầu phần lớn tiếp cận hướng nghiên cứu đầu tiên – phân tích đơn biến dựa trên chuỗi số liệu trong qúa khứ của lạm phát,và đây cũng là hướng nghiên cứu phổ biến trong việc đo lường tính dai dẳng của lạm phát và bài viết này cũng đi theo hướng nghiên cứu đó. Phân tích đơn biến có ưu điểm là mô hình đơn giản, thuận lợi trong việc thu thập và xử lý số liệu, một ưu điểm nữa đó là nó tập trung vào việc phân tích tính chất của lạm phát.
Có nhiều phương pháp được sử dụng trong mô hình phân tích đơn biến, theo các nghiên cứu của Marques (2004); Fuhrer và Jeffrey (2009):
- Kiểm định nghiệm đơn vị truyền thống. - Hàm tự tương quan của chuỗi số liệu lạm phát - Tương quan bậc nhất của chuỗi số liệu lạm phát - Nửa chu kỳ
- Tổng các hệ số tự hồi quy
Theo Andrews và Chen (1994) thì phương pháp tốt nhất để đo lường tính dai dẳng của lạm phát chính là “Tổng các hệ số tự hồi quy”.
Chúng ta hãy xem xét mô hình tự hồi quy sau :
1 n t i t i i i π π − = = µ + ∑ α + ε Trong đó : t π : là tỉ lệ lạm phát tính theo quý µ và αi là các hệ sốđo lường i ε là sai số ngẫu nhiên
Andrews và Chen (1994) cho rằng tổng của các hệ số tự hồi quy trong phương trình nêu trên
1 n i i p =
=∑α thể hiện cho tính dai dẳng của lạm phát. Theo đó, ta có thể thấy rằng, tính dai dẳng của lạm phát ở thời kỳ t phụ thuộc vào các giá trị trong quá khứ của lạm phát, chỉ sốp này nhận các giá trị trong khoảng từ 0 đến 1.
p = 0 : tác động của các cú sốc đến lạm phát chỉ xuất hiện tại thời điểm mà các cú sốc này xảy ra.
p=1 : tác động của các cú sốc diễn ra dai dẳng và lạm phát không thể quay trở về mức ban đầu của nó.
Giá trị của p càng lớn, tính dai dẳng càng cao và lạm phát càng mất nhiều thời gian hơn để quay trở về mức cân bằng ban đầu của nó.