1.1. Nguồn số liệu:
Dữ liệu sẽ được thu thập trong vòng 10 năm qua (2010-2019) về CPI do Tổng cục Thống kê Việt Nam công bố chính thức và giá xăng dầu theo thông cáo báo chí của Tập đoàn Xăng dầu Việt Nam thời điểm cuối mỗi tháng. Vì chúng tôi sẽ sử dụng các mô hình chuỗi thời gian cho nghiên cứu này, số lượng quan sát phải đủ lớn để đáp ứng một số điều kiện cho các thử nghiệm và các thủ tục suy luận khác. Đó là lý do tại sao tôi thu thập dữ liệu hàng tháng từ đầu tháng của năm 2010 đến tháng cuối cùng (tháng) của năm 2019.
Vì sự thay đổi của xăng (RON 95) và Diesel (0,05S) có cùng một kiểu mẫu, chúng tôi lấy giá xăng làm biến số đại diện cho giá xăng dầu.
1.2. Phương pháp luận
Mô hình chính được sử dụng cho nghiên cứu này là Mô hình sửa lỗi (ECM). Mô hình này được phát triển bởi Engle và Granger là một phương tiện để điều hòa hành vi ngắn hạn của một biến kinh tế với hành vi dài hạn của nó. Một định lý quan trọng, được gọi là định lý biểu diễn Granger, nói rằng nếu hai biến Y và X được hợp nhất, thì mối quan hệ giữa hai biến có thể được biểu thị dưới dạng ECM.
Lý do ban đầu để giới thiệu ECM là trong phân tích chuỗi thời gian, mô hình Vector Autoregression (VAR) được sử dụng phổ biến để nghiên cứu các hành vi và mối liên hệ giữa các chuỗi. Trong mô hình VAR, mỗi biến phụ thuộc tuyến tính vào độ trễ của nó hoặc của biến khác. Một trong những điều kiện để ước tính VAR là số liệu phải dừng. Nếu điều kiện này không hợp lệ, chúng ta cần sửa đổi chuỗi bằng cách lấy sự khác biệt cho đến khi nó dừng. Tuy nhiên, khi tạo sự khác biệt, số liệumang tính dài hạn có thể bị hủy bỏ. Để tránh điều này, Engle và Granger đã đề xuất một phương pháp để ước tính VAR dựa trên giả định rằng loạt ban đầu là không cố định, đó là ECM. Tuy nhiên, như đã đề cập ở trên, điều kiện để áp dụng
điều này là chuỗi đó được hợp nhất.
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 bởiphương 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)
Trong đó :
CPI t là Chỉ số giá tiêu dùng Việt Nam được thu thập trong tháng t; GP t là giá dầu trên thị trường trong tháng t;
u t và v t là lỗi ngẫu nhiên ; s biểu thị độ trễ;
Δ Là sự khác biệt đầu tiên.
Cả hai mô hình sẽ được ước tính bằng cách sử dụng các phép biến đổi logarit tự nhiên của các biến ban đầu:
LCPI = log (CPI) và LGP = log (GP)
Mô hình (2) là mô hình sửa lỗi động thu được phản hồi ngắn hạn củathay đổi CPI từ thay đổi giá xăng dầu . Các hệ số của Δ G P và Δ CPI đại diện cho phản hồi ngắn hạn với sự thay đổi trong xăng giá và sự thay đổi trong chỉ số CPI với độ trễ khác nhau. Sau đó, thứ tự tích hợp cho từng biến trong mô hình (1) sẽ được xác định trước khi tiến hành thử nghiệm hợp nhất.
Unit root tests đã được tiến hành để xác định tính dừng của GP và CPI . sử dụng thử nghiệm ADF (Augmented Dickey Fuller) Giả thuyết của thử nghiệm này là chuỗi không cố định và giả thuyết thay thế là chuỗi đó là tĩnh.
nghiệm Johansen – Juselius(JJ) . Kkiểm tra Johansen - Juselius bao gồm hai bài kiểm tra:
The trace test and the maximum eigenvalue test. Kiểm tra đầu tiên kiểm tra giả thuyết rằng có nhiều nhất các vectơ hợp nhất 'r' chống lại giả thuyết thay thế rằng có nhiều hơn các vectơ kết hợp.
Thống kê kiểm tra là:
LR tr = -n 1 ln(1 ) m i i r �
với icác eigenvalue được xếp hạng từ tối đa đến tối thiểu.
Kiểm tra thứ hai kiểm tra giả thuyết rằng có nhiều nhất các vectơ hợp nhất r so với các vectơ phối hợp xen kẽ (r + 1).
Thống kê kiểm tra là : LR max (r | r + 1) = LR tr (r + 1 | k) -LR tr (r | k)