Mô hình ARIMA mùa vụ (SARIMA) có ưu điểm là dự báo được kỳ vọng thích nghi của chuỗi quan sát và rất phù hợp với chuỗi quan sát có tính mùa vụ. Tuy nhiên, SARIMA chỉ dự báo tốt được trong ngắn hạn. Áp dụng SARIMA, chúng tôi đã dự báo lạm phát Việt Nam quý 1 năm 2009 [7] như Bảng 3.6.
Bảng 3.6: Dự báo lạm phát CPI quý I năm 2009
CPI năm 2009 Tháng 1 Tháng 2 Tháng 3
Dự báo CPI so tháng trước 100,12 100,76 100,21
Lạm phát so cùng kỳ năm trước (Dự báo từ mô hình)
17,22 % 14,04 % 11,6 %
Lạm phát so cùng kỳ năm trước (Theo thông báo của TCTK)
Theo báo cáo của TCTK, lạm phát tháng 1, tháng 2, tháng 3 năm 2009 so với cùng kỳ năm trước tương ứng là 17,47%; 14,76%; 11,25%. Như vậy, áp dụng SARIMA(p,d,q)×(P, D, Q)s
để dự báo lạm phát thu được kết quả dự báo này khá chính xác với thực tế thông báo của TCTK. Do vậy, Luận án đã chọn mô hình SARIMA(p,d,q)×(P, D, Q)s để dự báo tiếp lạm phát những tháng cuối năm 2009.
Để dự báo được bằng mô hình SARIMA, chúng ta cần có chuỗi số quan sát lớn. Chuỗi CPI của Việt Nam có sự biến động nhiều từ năm 1986 đến nay, nên để dự báo được bằng mô hình SARIMA, chúng ta cần lựa chọn giai đoạn thích hợp để định dạng được mô hình SARIMA và dự báo.
•••• Số liệu: Nguồn số liệu CPI tháng sau theo tháng trước, giai đoạn tháng 1 năm 2001 (2001M1) đến tháng 5 năm 2009 (2009M05) từ TCTK. ¬ 99 100 101 102 103 104 2001 2002 2003 2004 2005 2006 2007 2008 CPI
Kết hợp phân tích diễn biến lạm phát Việt Nam qua các thời kỳ trong Chương 2 và biểu diễn chỉ số CPI trên Hình 3.3, chúng ta thấy trung bình của chỉ số giá CPI từ năm 2004 ở ngưỡng cao hơn giai đoạn trước đó nên Luận án sử dụng mô hình SARIMA để dự báo lạm phát một số tháng tiếp theo trong năm 2009 với chuỗi quan sát CPI trong giai đoạn 2004M01-2009M06.
•••• Định dạng cấu trúc mô hình SARIMA(p,d,q)××××(P, D, Q)s giai đoạn 2004M01-2009M06
Đặt LCPI=log(CPI). Kiểm định tính dừng của chuỗi LCPI ở Bảng 3.7. Bảng 3.7: Kiểm định tính dừng của LCPI giai đoạn 2004M01-2009M06
Giá trị tới hạn ADF LCPI (level)
Hệ số chặn Hệ số chặn và biến xu thế - 4,248*** -4,233***
Ghi chú: Ký hiệu *** cho biết biến số dừng với mức ý nghĩa 1%. Nguồn: Tính toán của Luận án từ dữ liệu nghiên cứu.
Như vậy LCPI là chuỗi dừng. Vẽ lược đồ tương quan của LCPI ở Hình 3.4.
Từ lược đồ tương quan của LCPI, ước lượng một số mô hình tương ứng với các tham số p, d, q, P, D, Q của mô hình SARIMA(p,d,q)×(P, D, Q)s với bậc mùa vụ là 12. Ước lượng các mô hình, loại bỏ các biến không có ý nghĩa, lựa chọn mô hình có hệ số xác định R2 cao, chỉ số AIC và chỉ số Schwarz bé nhất trong các mô hình ứng cử, Luận án định dạng LCPI là I(0), trung bình trượt thường bậc 3 và 5, tự hồi quy thường bậc 1, tự hồi quy và trung bình trượt mùa vụ bậc 1 với bậc mùa vụ là 12. Kết quả hồi quy như Bảng 3.8.
Bảng 3.8: Mô hình SARIMA(p,d,q)××××(P, D, Q)s của LCPI Dependent Variable: LCPI
Sample (adjusted): 2005M02 2009M06 Included observations: 53 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 4.618976 0.017726 260.5729 0.0000 AR(1) 0.739045 0.102105 7.238074 0.0000 SAR(12) 0.844611 0.051501 16.39994 0.0000 MA(3) 0.369200 0.144165 2.560954 0.0137 MA(5) 0.326117 0.134413 2.426226 0.0191 SMA(12) -0.752565 0.090061 -8.356136 0.0000
R-squared 0.798815 Mean dependent var 4.613923 Adjusted R-squared 0.777412 S.D. dependent var 0.010016 S.E. of regression 0.004726 Akaike info criterion -7.765416 Sum squared resid 0.001050 Schwarz criterion -7.542364
Log likelihood 211.7835 F-statistic 37.32320
Durbin-Watson stat 2.059454 Prob(F-statistic) 0.000000 Vẽ lược đồ tương quan của phần dư được chuỗi phần dư là nhiễu trắng. Hệ số R2 là 79,88%, R2 là 77,74%, chỉ số AIC (Akaike info criterion) và Schwarz thấp nên mô hình có thể tin cậy để dùng dự báo. Dựa vào mô hình hồi quy ở Bảng 3.8 để dự báo lạm phát một số tháng tiếp theo năm 2009 như ở Bảng 3.9.
Bảng 3.9: Dự báo lạm phát CPI tháng 7-9 năm 2009
CPI năm 2009 Tháng 7 Tháng 8 Tháng 9
Dự báo CPI (Tháng trước=100) 101.00 100.68 100.93 Lạm phát so cùng kỳ năm trước
(Dự báo từ mô hình)
3.81 2.91 3.67 (adsbygoogle = window.adsbygoogle || []).push({});
Thông thường dự báo lạm phát bằng SARIMA dài hạn thường không chính xác. Tuy nhiên, nếu theo mô hình SARIMA để dự báo thì thấy rằng lạm phát Việt Nam năm 2009 là một con số.