3. Phương pháp nghiên cứu
3.1 Mơ hình nghiên cứu
3.1.1 Đo lường lạm phát kỳ vọng bằng mơ hình ARIMA
Luận văn sử dụng mô hình ARIMA để dự báo chuỗi lạm phát kỳ vọng căn cứ vào chuỗi dữ liệu lạm phát trong quá khứ. George Box và Gwilym Jenkins đã nghiên cứu mơ hình ARIMA (Autoregressive Integrated Moving Average- Tự hồi qui tích hợp trung bình trượt), và tên của họ thường được dùng để gọi tên các quá trình ARIMA tổng qt. Mơ hình ARIMA được áp dụng khá phổ biến vào việc phân tích và dự báo các chuỗi thời gian. Nhìn chung phương pháp Box- Jenkins có bốn bước: nhận dạng mô hình thử nghiệm ước lượng tham số kiểm định bằng chẩn đoán dự báo.
Mơ hình ARIMA là một mơ hình đơn biến sử dụng dữ liệu chuỗi thời gian, mơ hình xem xét giá trị trong quá khứ của biến số Yt nhằm làm rõ một số mối quan hệ giữa các giá trị Yt , từ đó dư báo giá trị Yt trong tương lai. Mơ hình này khơng cần những biến nào khác hay một mối quan hệ cấu trúc nào đó, vì vậy nó khá đơn giản nhưng cũng có những bất lợi nhất định như : (i) không được hỗ trợ bởi các lý thuyết cơ sở hay một mối quan hệ cơ bản nào (ii) bên cạnh đó mơ hình
ARIMA có thể tạo ra một kết quả không chất lượng trong dài hạn. Tuy nhiên, ARIMA đã được chứng minh là tạo ra các dự báo lạm phát ngắn hạn đáng tin cậy
và đã cho thấy hiệu quả tốt hơn so với các mơ hình định lượng khác. Hơn nữa, nó đã từng được sử dụng trong nhiều bài nghiên cứu trước đây như trong nghiên cứu của Patra và Partha Ray (2010).
Về cấu trúc Mơ hình ARIMA (p,d,q) gồm có 2 thành phần sau:
Mơ hình tự hồi quy p - AR(p): trong mơ hình tự hồi qui q trình phụ thuộc vào tổng trọng số của các giá trị quá khứ và số hạng nhiễu ngẫu nhiên
Mơ hình trung bình trượt q – MA(q): trong mơ hình trung bình trượt, quá trình được mơ tả hồn tồn bằng tổng trọng số của các ngẫu nhiên hiện hành có độ trễ:
Mơ hình hồi quy kết hợp trung bình trượt - ARIMA(p,d,q):
Trong đó:
d : là bậc sai phân của chuỗi thời gian được khảo sát
p : là bậc tự hồi qui
q : là bậc trung bình trượt.
φ, ε, θ, μ : Các tham số của phương trình.
Các bước thực hiện mơ hình ARIMA như sau:
Bước 1 : Kiểm định tình dừng của chuỗi số liệu q khứ, từ đó tìm các giá trị p, d, q thích hợp thơng qua phân tích đồ thị hàm tự tương quan (ACF) và hàm tự tương quan từng phần (PACF)
Bước 2 : Ước lượng các thơng số của mơ hình hồi quy p – R(p), mơ trình trung bình trượt MA(q) và mơ hình hồi quy kết hợp trung bình trượt ARIMA (p,d,q)
Bước 4 : Sau khi chọn được mơ hình phù hợp, ta tiến hành dự báo chuỗi dữ liệu trong tương lai
3.1.2 Kiểm định các nhân tố tác động đến lạm phát kỳ vọng bằng mơ hình Vec-tơ tự hồi quy - VAR
Trong bài luận văn này, mơ hình véc tơ tự hồi quy - VAR được chọn để tiến
hành kiểm định các nhân tố tác động đến lạm phát kỳ vọng tại Việt Nam. Mơ hình này đã được sử dụng trong bài nghiên cứu của Patra và Partha Ray (2010) như đã trình bày bên trên.
Trong các yếu tố ảnh hưởng đến lạm phát kỳ vọng tại Việt Nam, bài luận văn đã chọn và kiểm định 6 nhân tố chính tác động đến lạm phát kỳ vọng tại Việt Nam, các nhân tố này đã được sử dụng và kiểm định trong nghiên cứu của Patra và Partha Ray (2010). Tuy nhiên do yếu tố đặc trưng của kinh tế Việt Nam cũng như hạn chế trong quá trình thu thập dữ liệu nên bài luận văn có một số thay đổi trong quá trình lựa chọn các nhân tố khi kiểm định. Cụ thể là,
(i) Trong bài nghiên cứu của Patra và Partha Ray (2010) thì lạm phát q khứ được tính từ WPI. Tuy nhiên trong bài nghiên cứu này số liệu lạm phát quá khứ tại Việt Nam được tính tốn từ CPI, cách tính này là phù hợp và phổ biến tại Việt Nam.
(ii) Bài luận văn khơng xem xét nhân tố chi tiêu chính phủ trong quá trình kiểm
định các nhân tố tác động đến lạm phát kỳ vọng tài Việt Nam. Do nhân tố này chưa tìm kiếm được số liệu tại Việt Nam, bên cạnh đó nghiên cứu của Patra và Partha Ray (2010) đã chỉ ra rằng nhân tố chi tiêu chính phủ (đại diện cho chính sách tài khóa) tác động không đáng kể đến lạm phát kỳ vọng. Vì vậy việc khơng xem xét nhân tố này có thể khơng làm ảnh hưởng nhiều đến kết quả nghiên cứu của đề tài.
(iii) Năm (05) nhân tố còn lại (lỗ hổng sản lượng, tỷ giá thực hiệu lực, lãi suất
thực, giá dầu, giá gạo) vẫn được bài luận văn sử dụng để kiểm định các nhân tố tác động đến lạm phát kỳ vọng tại Việt Nam.
Các nhân tố được kiểm định trong nghiên cứu của Patra và Partha Ray (2010).
Các nhân tố ảnh hưởng đến lạm phát kỳ vọng tại Việt Nam được chọn để kiểm định.
Lạm phát quá khứ - WPI Lạm phát quá khứ - CPI
Lỗ hổng sản lượng - Output Gap Lỗ hổng sản lượng - Output Gap Lãi suất thực - Real interest Lãi suất thực - Real interest Tỷ giá thực hiệu lực – REER Tỷ giá thực hiệu lực - REER Giá dầu - Oil price Giá dầu - Oil price
Giá gạo - Rice price Giá gạo - Rice price
Chi tiêu chính phủ - Real fiscal expenditure
Không kiểm định nhân tố chi tiêu chính phủ - Real fiscal expenditure
Mơ hình tự hồi quy véc tơ – VAR được phát triển bởi Sims. Ông là một nhà khoa học kinh tế người Mỹ đã được được trao giải Nobel Kinh tế năm 2011 cùng Thomas J. Sargent. Hai ông được trao giải thưởng này vì "nghiên cứu thực nghiệm về nguyên nhân và ảnh hưởng trong kinh tế học vĩ mô". Sims hiện đang làm giáo sư ngành Kinh tế học và Ngân hàng tại Đại học Princeton. Ông đã xuất bản nhiều tác phẩm quan trọng trong lĩnh vực kinh tế lượng và kinh tế vĩ mơ. Ơng là người cổ vũ sử dụng mơ hình VAR trong phân tích kinh tế vĩ mô thực nghiệm và phát triển phương pháp sử dụng ước lượng Bayer trong mơ hình VAR.
Cống hiến quan trọng nhất của Sims là ông cho thấy thực tế có thể sử dụng dữ liệu lịch sử để phân tích mối quan hệ nhân quả trong kinh tế vĩ mơ, cho dù đó có là mối quan hệ hai mặt. Nghiên cứu của Sims tập trung vào việc phân biệt giữa
những thay đổi không lường trước của các biến số kinh tế vĩ mô và những thay đổi đã lường trước để xác định tác động của chúng đối với các biến số vĩ mô
quan trọng. Sims đề xuất một mơ hình mới giúp nhận diện, giải thích các cú sốc kinh tế trong dữ liệu lịch sử, và giúp phân tích xem những cú sốc ấy dần dần tác động ra sao tới các biến số vĩ mơ khác. Từ đó cũng là nền tảng cho việc ban hành
chính sách kinh tế của chính phủ. Phương pháp luận của Sims nói chung hay VAR nói riêng gồm ba bước.
Thứ nhất, sử dụng mơ hình VAR để dự báo các biến số kinh tế vĩ mơ. Đây là
một mơ hình tương đối đơn giản sử dụng dữ liệu chuỗi thời gian, theo đó các giá trị quan sát trước đó được dùng để đưa ra các dự báo chính xác nhất có thể. Khác biệt giữa dự báo và kết quả (lỗi dự báo) đối với một biến cụ thể được coi là một loại “cú sốc”, nhưng Sims cho thấy những lỗi dự báo ấy khơng có ý nghĩa kinh tế rõ ràng. Ví dụ như lãi suất bất ngờ thay đổi có thể là phản ứng trước một cú sốc khác, ví dụ như thất nghiệp hay lạm phát, cũng có thể chúng xảy ra hồn tồn “độc lập”. Sự thay đổi một cách độc lập ấy được gọi là “cú sốc cơ bản”.
Thứ hai, tách “cú sốc cơ bản” ra, đây là điều kiện tiên quyết để nghiên cứu tác
động của việc lãi suất thay đổi “độc lập”. Thực tế, một trong những đóng góp lớn của Sims là chứng minh việc đi từ hiểu biết toàn diện cách thức vận hành của nền kinh tế có thể đi tới nhận diện được các “cú sốc cơ bản”. Sims và các nhà nghiên cứu tiếp bước ông đã phát triển các phương pháp khác nhau để nhận diện của “cú sốc cơ bản” trong mơ hình VAR.
Thứ ba, một khi đã nhận diện được các “cú sốc cơ bản” từ dữ liệu lịch ta tiếp tục
là phân tích impulse-response (phân tích phản ứng đẩy) và kỹ thuật phân rã phương sai để minh họa tác động của các cú sốc cơ bản đối với các biến số vĩ mô qua thời gian.
Ngày nay, mơ hình VAR là cơng cụ khơng thể thiếu của các NHTW và Bộ Tài chính trong đo lường, phân tích mối quan hệ giữa các biến số kinh tế vĩ mô. Về cấu trúc VAR gồm nhiều phương trình (mơ hình hệ phương trình) và có các trễ của các biến số. Mơ hình VAR tổng quát gồm 1 hệ các phương trình mà mỗi phương trình có dạng sau đây:
Trong đó:
Yt : Biến (chuỗi thời gian) tại thời điểm t.
a : Hằng số của phương trình
Ai : Hệ số của mỗi biến y có độ trễ t-i.
εt : Sai số (giữa phương trình dự báo và thực tế) tại thời điểm t.
p : Độ trễ (tối ưu) của mơ hình VAR.
Việc ứng dụng mơ hình VAR của Sims có những ưu điểm sau đây: (i) Sims cho rằng nếu tồn tại mối quan hệ đồng thời giữa các biến số thì các biến này phải được xét có vai trị như nhau, rất khó để có một biến hồn tồn khơng ảnh hưởng đến biến khác, tức là tất cả các biến xét đến đều là biến nội sinh không cần xác định biến nào là biến nội sinh và biến nào là biến ngoại sinh; (ii) phương pháp của Sims cho thấy khả năng phân tách các biến động bất ngờ trong các biến vĩ mô ra khỏi các biến động đã được kỳ vọng nhằm mục đích phân tích chính sách dưới tác động của những cú sốc bất ngờ, khơng được dự tính trước (iii) khơng những thế phương pháp của Sims còn giúp các nhà kinh tế ước lượng được mức độ và thời gian phản ứng của một nền kinh tế cụ thể với từng loại sốc khác nhau qua hàm phản ứng đẩy và phân rã phương sai. Đây được gọi là “quan điểm sốc” trong VAR. Quan điểm này cho rằng ngoại trừ các biến động cấu trúc bất ngờ, giá trị của các biến nội sinh đều có thể được kỳ vọng. Do đó, VAR chỉ tập trung quan sát các thay đổi bất ngờ trong Y(t) gây ra bởi các cú sốc.
Chính vì những ưu điểm trên mà bài nghiên cứu đã sử dụng mơ hình VAR để kiểm định các yếu tố tác động đến lạm phát kỳ vọng tại Việt Nam như nhiều nghiên cứu trước đây đã sử dụng. Trong bài nghiên cứu này các bước ứng dụng mơ hình VAR để kiểm định các nhân tố tác động đến lạm phát kỳ vọng tại Việt Nam được tiến hành như sau:
Bước 1 : Thực hiện việc kiểm định tính dừng của các chuỗi số liệu được sử dụng làm biến số trong mơ hình.
Bước 2 : Lựa chọn độ trễ phù hợp cho mơ hình
Bước 4 : Kiểm định các nhân tố tác động thông qua mơ hình hàm phản ứng đẩy và phân rã phương sai.