Khi sử dụng mô hình VAR, luận án hướng đến mục tiêu là xác định tác động của lạm phát đến tỷ giá mạnh như thế nào thông qua hệ số trong mô hình VAR. Để đạt được mục tiêu đó cần tiến hành kiểm định mô hình VAR theo trình tự các bước sau: kiểm tra tính dừng của chuỗi số liệu, tiếp theo là xác định độ trễ của các biến trong mô hình, thứ ba là kiểm định mối quan hệ nhân quả giữa các biến số, cuối cùng là sử dụng phân rã phương sai và hàm phản ứng đẩy để xác định mức độ quan hệ giữa các biến trong mô hình.
Thứ nhất kiểm tra tính dừng của các chuỗi số liệu được đưa vào mô hình (Unit Root Test). Một vấn đề chung của các biến số vĩ mô là thường biến động theo thời gian, điều kiền cần để đưa vào mô hình hồi quy là các chuỗi số liệu phải dừng. Do đó, trước hết luận án phải sử dụng tiêu chuẩn ADF (Augmented Dickey – Fuller) để kiểm tra tính dừng của tất cả các chuỗi số liệu được đưa vào mô hình kiểm định. Thường thì các chuỗi số liệu vĩ mô không dừng ở sai phần 0 mà thường dừng ở sai phần 1 (first different). Dickey – Fuller đã đưa ra tiêu chuẩn kiểm định của mình dựa trên phân bố giới hạn, theo phương trình kiểm định sau
∆ = + + + ∑ ∆ + (29)
Trong đó, ∆ là sự chênh lệch, t là thời điểm, p là độ trễ tối ưu của các biến, u là hệ số điều chính, còn , là các tham số của phương trình. Một điều quan trọng đối với kiểm định ADF là độ trễ p của các biến số, nếu độ trễ quá nhỏ hoặc qua lớn sẽ đưa đến kết quả không chính xác.
Tiếp theo, do trong mô hình VAR mỗi biến số được giải thích bằng một phương trình chứa các giá trị trễ của chính biến số và các giá trị trễ của các biến số khác. Khi sử dụng một mô hình hồi quy tương quan nào đó, thì thường giả định rằng các biến độc lập tác động tức thì lên biến phụ thuộc và biến phụ thuộc chỉ chịu sự tác động của biến độc lập.
71 Tuy nhiên, các biến số trong kinh tế có thể tác động đến nhau tức thời hoặc có thể không, nguyên nhân có thể do yếu tố tâm lý, sự suy giảm của nền kinh tế, hay các chính sách của chính phủ… Chính vì vậy, mô hình hồi quy thông thường dạng
= + + ⋯ + + (30)
với t là kỳ thứ t thường không chính xác, nên trong mô hình VAR có thêm độ trễ p cho các biến số trong mô hình. Để tìm được độ trễ p chính xác cho mô hình, người ta thường dùng hai tiêu chuẩn là Akaike Information Criterion (AIC) và tiêu chuẩn Schwarz Bayesian Criterion (SBC) theo công thức sau
= + 2 ( ) (31)
= + ( ) (32)
Trong đó SSE là tổng bình phương phần dư, N là cỡ mẫu, k là số lượng biến, p là độ dài của trễ.
AIC và SBC sẽ nhân được khi giải hệ hai phương trình trên với các mức trễ khác nhau, nguyên tắc để tìm ra mức trễ tối ưu là khi chạy hai hệ phương trình trên với các mức trễ khác nhau, mức trễ cho giá trị AIC và SBC nhỏ nhất sẽ được chọn.
Thứ ba kiểm định tính đồng liên kết thông qua kiểm định Johansen được đưa ra bởi Johansen và Juselius (1990)[98]. Để xác định quan hệ nhân quả, luận án sử dụng phương pháp phân tích đồng kết hợp của Engle-Granger (1987) nhằm xác định khả năng tồn tại các mối quan hệ trong dài hạn giữa các biến nhằm hạn chế sự hồi quy giả mạo giữa các biến và lựa chọn khoảng trễ phù hợp. Kiểm định Granger được dùng để xác định chiều ảnh hưởng của các biến, cụ thể biến nào là nguyên nhân và biến nào chịu ảnh hưởng. Mối quan hệ giữa lạm phát và tỷ giá hối đoái sẽ được thể hiện rõ hơn thông qua kiểm định Granger trong mô hình VAR. Cochrane (2005)[77] lại cho rằng, khi không biết chắc có đồng liên kết, hay không xác định được véc tơ đồng liên kết thì cách tiếp cận từ hồi quy chuỗi số liệu gốc có thể cho kết quả tốt hơn cách sử dụng một loạt các kiểm định đồng liên kết.
Cuối cùng, có thể thấy mô hình VAR đưa ra được kết quả đánh giá sự tương tác giữa các biến số được đưa vào mô hình. Nhưng nếu chỉ dừng lại ở kết quả chạy mô hình VAR và không phân tích hàm phản ứng đẩy sẽ không thấy được ảnh hưởng của bất kỳ biến nào đến các biến khác trong hệ thống, đây là một công cụ hiệu quả trong phân tích nguyên nhân bằng thực nghiệm và phân tích hiệu quả của chính sách. Trong mô hình VAR, một cú sốc đối với biến i – yếu tố ngẫu nhiên ở phương trình đối với biến i – không chỉ ảnh hưởng đến biến i mà còn lan truyền đến biến nội sinh khác thông qua cấu trúc động của VAR. Hàm phản ứng đẩy sẽ mô tả ảnh hưởng của một cú sốc ở một thời điểm đến các biến nội sinh ở hiện tại và tương lai.
72 Sau hàm phản ứng đẩy, thì cần phải phân tích phân rã phương sai, trong mô hình hồi quy gồm nhiều biến, thông qua phân rã phương sai người ta có thể thấy được sự thay đổi của một biến được giải thích bởi bao nhiêu phần trăm từ các biến khác và chính sự thay đổi của nó trong quá khứ. Đây chính là cơ sở để đánh giá cường độ tác động qua lại giữa các biến với nhau. Vì trong lý thuyết chỉ có thể đánh giá chung về mặt định tính là các biến tác động qua lại với nhau, nhưng biến nào tác động mạnh hơn đến các biến khác thì lý thuyết không giải quyết được vấn đền này. Nhờ có kết quả phân rã phương sai trong mô hình VAR, người ta có thể thấy được tác động mạnh hay yếu giữa các biến số này với nhau thể hiện qua phần trăm thay đổi giữa các kỳ[11].