lạm phát
Vận dụng mô hình chuỗi thời gian đơn biến phân tích động thái giá cả - lạm phát thường không bao quát được các thông tin về sự ảnh hưởng từ các yếu tố tác động khác. Mô hình chuỗi thời gian đa biến sẽ giải quyết được vấn đề này. Để xây dựng các mô hình chuỗi thời gian đa biến phân tích lạm phát - giá cả, cần phải dựa vào các cơ sở lý thuyết kinh tế như được trình bày trong
mục 1.2.1, từ đó kết hợp với các mô hình kinh tế lượng đa biến để phân tích. Một số mô hình kinh tế lượng đa biến thường được sử dụng trong những năm gần đây để phân tích giá cả - lạm phát như mô hình hồi quy tuyến tính cổ điển, mô hình VAR, mô hình VECM ...
•••• Mô hình hồi quy tuyến tính cổ điển
Mô hình hồi quy tuyến tính cổ điển có dạng (1.36):
Y = β1 + β2 X2 + ... + βk Xk + u (1.36) trong đó Y là biến nội sinh được giải thích từ mô hình, Xi là các biến ngoại sinh, u là yếu tố ngẫu nhiên, βi là các hệ số hồi quy riêng (i=2,k).
•••• Mô hình VAR
Sims (1980) đã thay đổi mối quan tâm của các nhà kinh tế lượng đương thời. Ông cho rằng hầu hết các biến số kinh tế, nhất là biến số kinh tế vĩ mô đều mang tính nội sinh, nghĩa là đều có tác động qua lại lẫn nhau. Từ đó ông đề xuất mô hình nhiều biến số mà trong đó các biến số của mô hình đều đóng vai trò như nhau, và đều là biến nội sinh.
Mô hình VAR dạng cấu trúc tổng quát với m biến và trễ p bước được viết ở dạng (1.37): 0 ... t t p t p t y = A + A y + + A y − +ε (1.37) trong đó yt = (y1t,…,ymt)’; Ai là các ma trận cấp m×m , A là ma trận cấp m×1, εt là ma trận cấp m×1.
Mô hình VAR dạng rút gọn tương ứng là (1.38):
1 1 ...
t t p t p t
y = +B B y− + +B y− +v (1.38)
trong đó yt = (y1t,…,ymt)’; Bi là các ma trận cấp m×m , B là ma trận cấp m×1, vt là ma trận cấp m×1 yếu tố ngẫu nhiên.
Mô hình dạng VAR thường được sử dụng trong các bài toán liên quan đến các biến kinh tế vĩ mô là:
1. Dự báo, đặc biệt là dự báo trung hạn và dài hạn
2. Phân tích cơ chế truyền tải sốc, nghĩa là xem xét tác động của một cú sốc trên một biến phụ thuộc lên các biến phụ thuộc khác trong hệ thống.
•••• Mô hình VECM
Khi xây dựng mô hình VAR, các biến thường phải được xử lý để trở thành các chuỗi dừng, và do đó trong một số trường hợp có thể bỏ mất đi các thông tin quan trọng về mối quan hệ giữa các biến số, chẳng hạn về xu hướng biến đổi dưới dạng không dừng giữa các biến số. Khi đó một loại mô hình mới dạng VAR được đưa ra để áp dụng để thâu tóm các thông tin này, đó là mô hình VECM – mô hình hiệu chỉnh sai số dạng véc tơ. Mô hình này tỏ ra rất hữu ích trong việc thể hiện không chỉ mối quan hệ dài hạn giữa các biến số mà còn thể hiện được động thái trong ngắn hạn trong quan hệ giữa các biến số trong việc giữ cho hệ thống quy về mối quan hệ cân bằng dài hạn.
Mô hình VECM đơn giản gồm hai biến x, y và p trễ có dạng (1.39)- (1.40): 1 1 1 11 1 1 11 1 1 1 2 1 1 21 1 2 21 1 2 2