7. Ý nghĩa khoa học và thực tiễn của đề tài
2.3.2. Phương pháp thu thập và xử lí số liệu
Kết quả dự báo thành công hay không đòi hỏi dữ liệu phục vụ việc dự báo được thu thập một cách chính xác và đáng tin cậy. Hanke(2005) cho rằng, bốn tiêu chí sau đây có thể sử dụng để đánh giá dữ liệu có hữu ích cho việc dự báo hay không: Tính tin cậy và chính xác; Tính phù hợp; Tính nhất quán; Tính kịp thời.[6]
Đề tài tiến hành nghiên cứu dự báo lạm phát Việt Nam theo phương pháp Box-Jenkins. Theo đó, lạm phát Việt Nam được dự báo dựa trên việc nghiên cứu động thái của chính chuỗi lạm phát trong quá khứ. Việt Nam sử dụng chỉ số giá tiêu dùng CPI để phản ánh lạm phát. Bên cạnh đó, mô hình ARIMA đòi hỏi chuỗi thời gian phải có ít nhất 50 quan sát, đặc biệt đối với các chuỗi thời gian có thành phần mùa thì chuỗi dữ liệu phải được quan sát từ 3 đến 10 năm. Do vậy, dữ liệu phục vụ cho đề tài là chuỗi số liệu CPI được lấy theo tháng từ tháng 1/2005 đến tháng 6/2014 sau khi đã xử lí sơ bộ.
Đề tài thu thập số liệu CPI từ Tổng cục thống kê Việt Nam nên dữ liệu đảm bảo tính tin cậy, chính xác. CPI được tính toán theo công thức Laspeyres ở phương trình (2.1) phù hợp với thông lệ quốc tế và là chỉ số được sử dụng phản ánh lạm phát tại Việt Nam và ở hầu hết các quốc gia khác. Nên, việc sử dụng chuỗi CPI để xây dựng mô hình dự báo lạm phát là phù hợp. Mẫu được quan sát đến tháng 6/2014 nên dữ liệu mang tính kịp thời. Tuy nhiên, vì năm gốc tính toán được điều chỉnh 5 năm một lần nên CPI năm 2005 được tính theo năm gốc là năm 2000, CPI giai đoạn 2006-10/2009 được tính theo năm gốc là năm 2005, CPI giai đoạn 11/2009-6/2014 được tính theo năm gốc là năm 2009. Để đảm bảo tính nhất quán của dữ liệu đầu vào cho mô hình, CPI từ tháng 1/2005 đến tháng 10/2009 được đưa về giá trị có cùng năm gốc tính toán gần đây nhất của các tháng còn lại là năm 2009 bằng phương pháp nội suy.
KẾT LUẬN CHƯƠNG 2
Trước tình hình diễn biến của lạm phát tại Việt Nam trong thời gian hiện nay, thì việc tìm ra một mô hình định lượng để từ đó phân tích và dự báo lạm phát là rất cần thiết. Với những điểm nổi trội hơn so với các mô hình khác, cùng tính hiệu quả trong dự báo ngắn hạn và sự phù hợp với thực tiễn Việt Nam, mô hình ARIMA là một lựa chọn tối ưu. Bên cạnh đó, các nghiên cứu thực nghiệm trước đây cũng cho thấy tính ứng dụng cao của phương pháp Box-Jenkins. Do đó, đề tài vẫn sử dụng phương pháp này để lập mô hình và dự báo lạm phát Việt Nam từ tháng 11/2014 đến tháng 6/2015.
Phương pháp Box-Jenkins tiến hành dự báo lạm phát chỉ dựa trên việc xem xét chính chuỗi CPI trong quá khứ được quan sát theo tháng trong giai đoạn 01/2005-6/2014. Kết quả dự báo các tháng 7/2014-10/2014 được dùng để đánh giá dự báo. Box – Jenkins (1976) đã đưa ra quy trình dự báo đối với dữ liệu chuỗi thời gian bằng mô hình ARIMA gồm các bước: Nhận dạng mô hình; Ước lượng mô hình; Kiểm định mô hình và Dự báo. Nhận dạng là quá trình xác định bậc của sai phân, của quá trình AR và của quá trình MA. Các biểu đồ tự tương quan và tự tương quan riêng phần được dùng để nhận dạng các mô hình và kiểm định tính dừng của chuỗi dữ liệu. Mô hình sau khi được ước lượng bằng phương pháp ước lượng bình phương tối thiểu thì sẽ trải qua các kiểm định để xem mô hình có phù hợp với chuỗi dữ liệu hay không. Phương pháp tốt nhất là kiểm tra phần dư có phải là nhiễu trắng hay không thông qua kiểm định Ljung-Box và kiểm định LM. Một khi mô hình đã được đánh giá là phù hợp, các dự báo sẽ được tạo ra từ mô hình được ước lượng. Nếu mô hình ước lượng được không thỏa mãn các kiểm định ở bước 3 thì ta phải tìm mô hình khác bằng cách quay lại bước 1. Quá trình này được lặp lại cho đến khi ta chọn được mô hình phù hợp nhất để tiến hành dự báo.
CHƯƠNG 3
KẾT QUẢ NGHIÊN CỨU DỰ BÁO LẠM PHÁT VIỆT NAM VÀ MỘT SỐ KHUYẾN NGHỊ