CHƢƠNG 4 PHƢƠNG PHÁP, DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
4.2 Mơ hình nghiên cứu
4.2.1 Tổng quan về mơ hình SVAR
Từ khi Sims (1980) giới thiệu mơ hình tự hồi quy vector (VAR), mơ hình đã trở nên quan trọng trong nghiên cứu kinh tế vĩ mô thực nghiệm và đƣợc sử dụng phổ biến trong phân tích CSTT. VAR, viết tắt của vector autoregression, là một mơ hình kinh tế học thuần túy về chuỗi thời gian, bởi vậy đôi khi đƣợc gọi là unrestricted VAR (Mơ hình VAR khơng hạn chế).
Một mơ hình VAR có dạng: Yt=C + A * Yt-1+… + B * εt
Tuy nhiên mơ hình VAR nhƣ trên hầu nhƣ khơng có giá trị trong kinh tế học vì rất hiếm khi có thể viết một mơ hình lý thuyết kinh tế dƣới dạng VAR nhƣ trên để ƣớc lƣợng. Thơng thƣờng một mơ hình lý thuyết sẽ có các biến Yt ở bên
vế phải, ví dụTiêu dùng (C – consumption) là hàm số phụ thuộc vào yếu tốthu nhập hiện tại (I - income) chứ không chỉ phụ thuộc thu nhập quá khứ trong quá khứ:
Ct=a+b*It+c * Ct-1+d*It-1+e * εt
Mơ hình có các biến đồng thời (contemporaneous) nhƣ It ở bên phải nhƣ vậy gọi là mơ hình VAR cấu trúc, structural VAR (SVAR). Từ phƣơng trình trên, có thể chuyển các biến contemporaneous sang vế trái, viết tổng quát thành:
A0*Yt=C+A *Yt-1+… + B * εt (1)
Trong đó: Yt là vector của các biến nội sinh chuỗi thời gian, A là ma trận
vuôngphản ánh mối quan hệ đồng thời của các biến nội sinh, Yt-1 là độ trễ của các biên nội sinh, εt là vector các cú sốc cơ cấu với E(εt) = 0, ∑ εt = E(εs εt’) khi s=t và E(εs εt’)=0 khi s≠t.
Những mơ hình này phù hợp hơn với lý thuyết kinh tế nhƣng không thể ƣớc lƣợng đƣợc trực tiếp mà phải chuyển sang dạng VAR thông thƣờng, thuật ngữ chun mơn gọi là mơ hình rút gọn (reduced form):
Yt=A0-1*C+ A0-1*A * Yt-1+… +A0-1
*B*εt. hay
Yt=C΄ + A΄ * Yt-1 + … + ut (2) Với C΄ = A-1 *C, A΄ = A0-1*A;
ut = A0-1* B*εt là sai số ƣớc lƣợng đƣợc từ số liệu thực tế, thoả mãn E(ut) = 0, ∑ ut = E(us ut’) khi s=t và E(us ut’)=0 khi s≠t. Mối quan hệ giữa các cú sốc cơ cấu trong phƣơng trình (1), εt, và sai số ƣớc lƣợng đƣợc trong phƣơng trình (2), ut, đƣợc thể hiện qua phƣơng trình sau:
A0 * ut = B*εt
Mục đích chính của mơ hình SVAR là xác định đƣợc ảnh hƣởng của các các cú sốc cơ cấu,εt, đến các biến số trong nền kinh tế.Tuy nhiên cái khó là phần dƣ của hệ phƣơng trình (2) khơng cịn là các cú sốc đơn thuần của từng biến trong mơ hình SVAR ban đầu nữa (εt) mà là sự kết hợp của A0-1 *B*εt. Điều này gây ra khó khăn cho việc phân tích tác động của chính sách hay từng cú sốc khác nhau vào từng biến số kinh tế. Do vậy một nhu cầu thực tế phát sinh là phải bóc tách từng εtra khỏi ut, q trình bóc tách này gọi là nhận diện (indentification).
Christopher Sims (Nobel kinh tế năm 2011) là ngƣời đầu tiên đƣa ra một phƣơng pháp bóc tách gọi là Cholesky decomposition nếu mơ hình SVAR ban đầu có dạng thứ tự ƣu tiên, nghĩa là nếu các biến nội sinh trong Yt có thể sắp xếp theo thứ tự y1_t không phụ thuộc vào y2_t, y3_t…, rồi sau đó y2_t khơng phụ thuộc vào y3_t…. . Phƣơng pháp Cholesky decomposition của Sims thực ra là áp đặt ma trận A0 có dạng ma trận tam giác dƣới (lower diagonal matrix). Sau đó nhiều phƣơng pháp khác đã đƣợc đề suất, về cơ bản là đƣa một số hạn chế vào trong ma trận A0 để sau khi biến đổi sang reduced form hệ VAR thông thƣờng để có thể bóc tách εtra riêng biệt đƣợc trong đó một số phƣơng pháp phổ biến là Blanchard & Quah, King, Plosser, Stock & Watson, Gali…
4.2.2 Dữ liệu và lựa chọn các biến
Các biến nội sinh sử dụng trong bài luận văn dựa trên các biến của Van Aarle, B., Garretsen, H., & Gobbin, N. (2003) trong bài nghiên cứu “Monetary
and fiscal policy transmission in the Euro-area: evidence from a structural VAR analysis”. Các biến này đƣợc mô tả nhƣ sau:
Bảng 4.1: Mô tả các biến sử dụng trong mơ hình
STT Biến nghiên cứu Ký hiệu Nguồn Đơn vị
1 Chỉ số sản xuất công nghiệp IIP GSO % (2005 là năm gốc) 2 Chỉ số giá tiêu dùng
CPI IMF Index
(2010=100)
3 Thu ngân sách REVENUE GSO Nghìn tỷ VNĐ
4 Chi ngân sách SPENDING GSO Nghìn tỷ VNĐ
5 Lãi suất IR IMF %
6 Cung tiền M2 M2 IMF Nghìn tỷ VNĐ
Các chính sách vĩ mơ, dù là CSTK hay CSTT đều có mục tiêu chung là kiểm sốt giá cả, ổn định và phát triển kinh tế. Do đó, bài nghiên cứu sử dụng chỉ số sản xuất công nghiệp (IIP) và chỉ số giá tiêu dùng (CPI) đại diện cho sản lƣợng và mức giá của nền kinh tế, trong đó chỉ số sản xuất cơng nghiệp đƣợc lấy từ Tổng Cục Thống kê Việt Nam; chỉ số giá tiêu dùng lấy từ IMF với năm gốc là 2010.
Đối với CSTK, bài nghiên cứu sử dụng biến thu, chi ngân sách. Nếu nhƣ thu ngân sách nhà nƣớc là việc nhà nƣớc dùng quyền lực của mình để tập trung một phần nguồn tài chính quốc gia hình thành quỹ ngân sách nhà nƣớc nhằm thỏa mãn các nhu cầu chi tiêu cho mục đích nhất định thì chi ngân sách nhà nƣớc là việc phân phối và sử dụng quỹ ngân sách nhà nƣớc nhằm đảm bảo thực hiện chức năng của nhà nƣớc theo những nguyên tắc, mục tiêu nhất định. Đây là hai công cụ CSTK mà tất cả cácchính phủ đều sử dụng nhằm tác động đến nền kinh tế theo định hƣớng phát triển của từng thời kỳ. Bài nghiên cứu lấy số liệu từ Tổng Cục Thống kê Việt Nam và cũng đƣợc lấy logarithm cơ số tự nhiên (ký hiệu LREVENUE, LSPENDING).
Đối với CSTT, bài nghiên cứu của Van Aarle, B., Garretsen, H., & Gobbin, N.sử dụng lãi suất làm đại diện. Đây là loại công cụ này tạo ra hiệu ứng trong việc điều chỉnh khối lƣợng tín dụng của các ngân hàng trong nền kinh tế.Tuy nhiên, tại Việt Nam, các lãi suất điều hành đƣợc NHNN sử dụng nhƣ lãi suất cơ bản, lãi suất tái cấp vốn, lãi suất tái chiết khấu ít biến động do đó, bài nghiên cứu sử dụng cung tiền mở rộng M2 để đo lƣờng chính sách tiền tệ tại Việt Nam. Bên cạnh đó, để đo lƣờng mức độ hiệu quả trong điều hành của NHNN, bài nghiên cứu sẽ đánh giá lại kết quả khi thay thế biến M2 thành lãi suất cho vay, là mục tiêu trung gian của chính sách tiền tệ. Biến M2 sử dụng nguồn dữ liệu của IMF và đƣợc lấy logarithm cơ số tự nhiên (ký hiệu LM2) còn lãi suất cho vay đƣợc lấy từ IMF (ký hiệu IR).
Dữ liệu đƣợc lấy theo tháng cho Việt Nam, từ tháng 01 năm 2008 đến tháng 12 năm 2015 và đã điều chỉnh mùa vụ theo phƣơng pháp Census X12 đƣợc tích hợp sẵn trong phần mềm Eviews.
4.2.3 Các ràng buộc cho ma trận SVAR
Bài nghiên cứu sử dụng ma trận cấu trúc theo Van Aarle, B., Garretsen, H., & Gobbin, N. (2003) trong nghiên cứu “Monetary and fiscal policy transmission in the Euro-area: evidence from a structural VAR analysis” nhằm hƣớng tới các phản ứng lẫn nhau của những cú sốc CSTT, CSTKqua đó mơ tả một cách xác thực nhất tác động của CSTK và CSTT lên các biến số vĩ mô của nền kinh tế. Theo đó, tác giả đƣa các biến vào mơ hình theo thứ tự sau: chỉ số sản xuất công nghiệp, thu ngân sách, chi ngân sách, lãi suất, chỉ số giá tiêu dùng.Mối quan hệ giữa các biến và hạn chế của A0ut = BƐt đƣợc thể hiện nhƣ sau:
1 0 0 0 0 a21 1 0 0 0 a31 a32 1 0 0 a41 a42 a43 1 0 a51 a52 a53 a54 1 uIIP uT uG uIR/M2 uCPI b11 0 0 0 0 0 b22 0 0 0 0 0 b33 0 0 0 0 0 b44 0 0 0 0 0 b55 ƐIIP ƐT ƐG ƐIR ƐCPI
Thứ tự của các biến thể hiện các hạn chế của mơ hình nhằm nhận dạng các tác động của CSTK và CSTT, cụ thể biến đứng trƣớc sẽ không chịu tác động dài hạn của biến đứng sau nó nhƣ sản lƣợng quốc gia không chịu tác động dài hạn bởi các biến thu, chi ngân sách nhà nƣớc, cung tiền, chỉ số giá tiêu dùng; thu ngân sách không chịu tác động dài hạn của chi ngân sách nhà nƣớc, cung tiền, chỉ số giá tiêu dùng,...Từ cấu trúc ma trận, mối quan hệ tác động đồng thời giữa các biến có thể đƣợc viết lại nhƣ sau:
uIIP = b11ƐIIP
uT = -a21uIIP + b22ƐT
uG = - a31uIIP - a32uT + b33ƐG
uIR/M2 = - a41uIIP - a42uT - a43uG + b44ƐIR/M2
uCPI = - a51uIIP - a52uT - a53uG - a54uIR/M2 + b55ƐCPI