Đối với phân tích dữ liệu chuỗi thời gian, mô hình tự động hồi quy phổ biến nhất được gọi là hồi quy tự động vectơ (VAR), lần đầu tiên được giới thiệu bởi Sims (1980). Bằng cách sử dụng mô hình này, nhiều nghiên cứu đã được thực hiện để khảo sát phản ứng của các biến số kinh tế vĩ mô đối với các cú sốc giá dầu (Rafiq và cộng sự, 2009; Farzanegan và Gunther, 2009; Du và cộng sự, 2010; Farzanegan, 2011). Trong bài báo này, mô hình VAR được sử dụng để phân tích tác động của giá
dầu đến tăng trưởng, lạm phát, thất nghiệp và thâm hụt ngân sách ở Việt Nam. Do đó, quy trình phân tích có thể được tóm tắt như sau:
Trước tiên, một mô hình VAR chung được biểu thị như sau: AY = AY, + AY, + ... + AY + e (1)
0 t 1 t-1 1 t-2 p tp t
Ở đây, Y t là chỉ số Nx1 của N biến nội sinh tại thời điểm t; A i là ma trận NxN (i = 0, 1, ..., p); e là ma trận Nx1 của lỗi với các thuộc tính sau:
E (e t ) = 0 (2) , iy nếu t = T
w;> = \ y ' (3) 0 nếu t[1] T
Do đó, dạng tổng quát của mô hình VAR có thể được viết lại dưới dạng rút gọn là: V = A -1 A.V. + A -1 A.V _ + + A -1 A V + A -1 P (4)
Y t A 0 A 1 Y t - 1 + A 0 A 1 Y t - 2 + . + A 0 A p Y t - p + A 0 fc t (4)
Các kênh truyền tải phân tích ở trên cho thấy giá dầu tăng sẽ làm tăng lạm phát, do đó ảnh hưởng đến tăng trưởng và tỷ lệ thất nghiệp. Ngoài ra, căn cứ vào đặc điểm cơ chế xuất khẩu dầu thô và nhập khẩu sản phẩm xăng dầu của Việt Nam, có ý kiến cho rằng giá dầu ảnh hưởng đến thâm hụt ngân sách. Do đó, vector của các biến nội sinh trong mô hình VAR được chọn theo một trình tự như sau:
Y t = (dầu t , inf t , gdp t , thâm hụt t , thất nghiệp ^ ' (5)
Thứ tự sắp xếp của các biến này trong mô hình VAR đóng vai trò quan trọng. Để kiểm tra độ nhạy của mô hình đối với chuỗi biến, một phép thử độ ổn định với các cách sắp xếp biến khác nhau đã được thực hiện dựa trên các lý thuyết kinh tế để đảm bảo kết quả phân tích sử dụng mô hình này có thể được rút ra một cách chính xác.
Để xác định các cú sốc, phương pháp phân tích Cholesky cho ma trận hiệp phương sai của các phần dư từ các biến của mô hình VAR rút gọn được sử dụng. Hai công cụ phân tích quan trọng của mô hình ước lượng VAR là việc sử dụng các hàm đáp ứng xung (IRFs) và phân tích phương sai. Bằng cách sử dụng IRF, có thể quan sát
được mức độ và ý nghĩa thống kê của phản ứng đối với sự gia tăng độ lệch chuẩn của giá dầu. Trong khi đó các phân tích phân tích phương sai cho phép kiểm tra không chỉ mức độ ảnh hưởng của bản thân đối với các 'cú sốc của biến mô hình mà còn cả tầm quan trọng của cú sốc giá dầu đối với các biến thể của các biến này. Để xác định các mô hình được sử dụng trong nghiên cứu này, chúng tôi phân biệt giữa hai tình huống:
Mô hình dài hạn:
Mối quan hệ dài hạn là giá dầu và mức giá chung có thể được mô tả bởi phương trình sau:
CPI t = α 0 + α 1 GP t + u t (1) Mô hình ngắn hạn
Mối quan hệ ngắn hạn giữa chúng có thể được mô tả bằng Mô hình sửa lỗi sau:
ΔCPI t = β 0 + 1s GP t-s + 2s ΔCPI t-s + 3 u t-1 + v t (2)