Tên biến Ký hiệu Cách tính Nguồn số liệu
Giá dầu (Oil
Price) OIL
Lấy giá xăng A92 vào thời điểm ngày đầu quý đó.
Trang web xangdau.net Lỗ hổng sản lượng (Output Gap) GAP
Lấy % chênh lệch giữa giá trị GDP danh nghĩa thực tế và giá trị GDP danh nghĩa tiềm năng.
Trang web finance.vietstock.vn
Lạm phát INF
Lấy % biến động chỉ số giá tiêu dùng (CPI) theo quý, với năm gốc là năm 2010.
IFS
Lãi suất INT
Lấy lãi suất liên ngân hàng qua đêm ngày đầu quý để đại diện cho tác động của chính sách tiền tệ. Trang web thomsonreuters.com Thâm hụt ngân sách (Fiscal Deficit) FD
Lấy giá trị chênh lệch giữa tổng chi tiêu của chính phủ và tổng nguồn thu của chính phủ
Trang web finance.vietstock.vn
Nguồn: Tác giả tự tổng hợp
Dữ liệu trong bài nghiên cứu là dữ liệu thứ cấp, lấy theo quý (từ quý 3/2005 đến quý 4/2014) với tổng cộng 38 quan sát. Giai đoạn nghiên cứu được xác định từ năm 2005 – 2014 là do sự thiếu hụt về dữ liệu của giá xăng dầu (cụ thể là giá
xăng A92) và dữ liệu lãi suất liên ngân hàng qua đêm. Các biến sẽ số được tính tốn như sau:
- Giá dầu nội địa của Việt Nam sẽ được lấy đại diện bởi giá xăng A92. Tại Việt Nam, các loại giá xăng dầu đều có nhiều tác động đến lạm phát. Tuy nhiên, xăng A92 là loại xăng được sử dụng phổ biến nhất trong số các loại xăng dầu ở Việt Nam. Do đó, bài nghiên cứu sẽ chọn xăng A92 để đại diện cho tác động của hang hóa thế giới ảnh hưởng đến Việt Nam.
Bài nghiên cứu chọn biến giá xăng A92 do:
Giá xăng dầu là 1 biến được đưa vào để tính chỉ số lạm phát của Việt Nam.
Nếu chỉ đưa biến giá dầu thế giới, sẽ không phản ánh được hết tác động của tỷ giá cũng như ảnh hưởng của các loại thuế (nhập khẩu xăng dầu…) đến ảnh hưởng từ giá hàng hóa nước ngồi. Vì thế, việc chọn xăng A92 trong nước sẽ phản ánh đầy đủ tác động của tỷ giá và ảnh hưởng từ các loại thế của Chính phủ vào giá cả hàng hóa nước ngồi, từ đó sẽ xem xét được chi tiết hơn về ảnh hưởng của giá cả hàng hóa nước ngồi đến lạm phát.
- Giá trị Output Gap được tính từ % chênh lệch giữa giá trị GDP danh nghĩa thực tế và giá trị GDP danh nghĩa tiềm năng của Việt Nam. Các giá trị GDP được sử dụng trong tính tốn được hiệu chỉnh ảnh hưởng của yếu tố mùa vụ theo phương pháp điều chỉnh X11/X12 trước, sau đó mới được đưa vào tính tốn. Ngồi ra, giá trị GDP tiềm năng danh nghĩa của Việt Nam sẽ được tính tốn bằng ứng dụng Hodrick – Prescott Filter trên phần mềm Eiews.
- Lãi suất được sử dụng trong bài nghiên cứu là lãi suất liên ngân hàng qua đêm. Ở Việt Nam, các loại lãi suất hầu như đều có tương quan với nhau và do đó những điều chỉnh lãi suất từ Ngân hàng nhà nước Việt Nam đều sẽ được truyền dẫn đến các chủ thể khác trong nền kinh tế. Bài nghiên cứu chọn lãi suất liên ngân hàng qua đêm do đây loại lãi suất phản ánh khá sát so với những biến động điều chỉnh từ chính sách tiền tệ của ngân hàng nhà nước.
- Thâm hụt ngân sách chính phủ được lấy trực tiếp từ nguồn dữ liệu trên trang web finance.vietstock.vn. Tuy nhiên, do các giá trị thâm hụt ngân sách chỉ có dữ liệu theo năm nên bài nghiên cứu sẽ sử dụng phương pháp san chuỗi trung bình kết hợp bình phương (Quadratic – match average) trong phần mềm eviews để chuyển các dữ liệu theo năm sang các dữ liệu theo quý.
3.2. Giả thiết nghiên cứu và kỳ vọng về dấu tác động của biến nghiên cứu 3.2.1. Giả thiết nghiên cứu 3.2.1. Giả thiết nghiên cứu
Giả thiết của bài nghiên cứu được xây dựng như sau:
Giá xăng dầu có tác động đến lạm phát
Lỗ hổng sản lượng có tác động đến lạm phát
Chính sách tiền tệ có tác động đến lạm phát
Thâm hụt ngân sách có tác động đến lạm phát
3.2.2. Kỳ vọng về dấu tác động
Bảng 3.2: Kỳ vọng về dấu tác động của biến nghiên cứu
Các biến số
Tương quan với GDP thực
Tác giả tiêu biểu (Năm)
Giá xăng dầu
(+) S. Cecchetti và R. Moessner (2008); G. Gelos và Y. Ustyugova (2012); Hoa Nguyễn và Dũng Trần
Ít tác động K. Chuah, E. Chong và J. Tan (2013); Hằng Nguyễn và Thành Nguyễn (2010)
Lỗ hổng sản lượng
(+) I. Claus (2000); W. Bolt và P. van Els (1998)
(-) Hằng Nguyễn và Thành Nguyễn (2010)
Chính sách
tiền tệ mở (+)
I. Fisher (1911); M. Friedman (1956); Anh Phạm (2008)
rộng Ít tác động Hằng Nguyễn và Thành Nguyễn (2010)
Thâm hụt ngân sách
(+)
J.M. Keynes (1936); trường phái Keynes mới; S. Fisher, R. Sahay và C. Végh (2002); A. Nikolaos và K. Constantinos (2013)
Không tác động
S. Fisher, R. Sahay và C. Végh (2002); A. Nikolaos và K. Constantinos (2013)
3.3. Mơ hình nghiên cứu
Bài nghiên cứu thực hiện bằng 3 phương pháp VAR, SVAR và TVP-VAR.
Mơ hình VAR được sử dụng như là mơ hình cơ bản, ngun gốc ban đầu của họ mơ hình VAR. Từ mơ hình VAR này, bài nghiên cứu cũng có sự xem xét kết quả mơ hình VAR để so sánh với 2 mơ hình cịn lại.
Mơ hình SVAR được sử dụng là mơ hình trung tâm của nghiên cứu.
Mơ hình TVP-VAR: Đây là điểm mới của bài nghiên cứu so với các bài nghiên cứu khác về lạm phát ở Việt Nam đã thực hiện trước đây. Ngoài ra, với phương pháp này phần nào cũng sẽ phản ánh tốt hơn những biến động của các hệ số trong từng giai đoạn dữ liệu
3.3.1. Tổng quan về mơ hình vecto tự hồi quy cấu trúc (SVAR)
Mơ hình VAR cấu trúc là một hệ thống các phương trình của các biến nội sinh, trong đó, giá trị của mỗi biến ở một thời điểm sẽ phụ thuộc vào giá trị tức thời của các biến khác và độ trễ của các biến nội sinh trong mơ hình. Mối quan hệ đồng thời giữa các biến được áp đặt bởi các lý thuyết kinh tế để tạo ra một giả định định dạng mơ hình. VAR cấu trúc có thể coi là mơ hình tổng qt nhât, việc quyết định hệ số nào trong ma trận hệ số tức thời của các biến có bằng 0 hay khơng là phụ thuộc vào ý nghĩa kinh tế của nó.
Cụ thể, sự tương tác mang tính động của các chuỗi biến số kinh tế đang nghiên cứu được mô tả như sau:
( ) (3.1)
Với mơ hình được biểu diễn như sau:
Trong đó:
yt là ma trận (nx1) của n biến nội sinh,
A là ma trận vuông (nxn) thể hiện mối quan hệ đồng thời giữa các biến số kinh tế đang được xem xét,
C là ma trận (nx1) các biến ngoại sinh (hệ số chặn trong mơ hình).
( ) là ma trận đa thức trễ, ( ) ,
là vecto các cú sốc cấu trúc với ( ) , ( ) và ( ) khi .
Giản ước phương trình (3.1), ta có:
( )
Hay ( ) (3.2)
Trong đó: là sai số ước lượng thỏa ( ) ( ) khi và ( ) khi .
Phương trình (3.2) có thể được giải bằng phương pháp bình phương nhỏ nhất OLS thơng thường. Và sau đó, ý tưởng chính của phương pháp SVAR là để phân rã
các cú sốc dạng rút gọn ( ), trở về các hạng nhiễu cấu trúc trực giao được đặc trung bởi ∑. Đặt ( ) , và ( ) Từ (3.1) và (3.2), ta có: ( ) ( ) Hay (3.3)
Để ước lượng mơ hình VAR cấu trúc (SVAR), địi hỏi mơ hình phải được định dạng. Điều kiện cần thiết để có để định dạng mơ hình một cách chính xác là các ma trận A và phải có cùng số hệ số như số hệ số trong ma trận hiệp phương sai của mơ hình VAR rút gọn . Nói cách khác, điều kiện này nhằm đảm bảo có thể khơi
phụ được các hệ số cấu trúc ban đầu từ mơ hình dạng rút gọn.
Ma trận A và có hệ số, trong khi đó ma trận phương sai – hiệp phương sai rút gọn có ( ) hệ số. Vì vậy, cần áp đặt thêm ( ) ràng
buộc giữa A và . Trong mơ hình SVAR chuẩn, ma trận A được ràng buộc là một ma trận chéo, áp đặt ( ) ràng buộc cùng với đó ma trận thể hiện mối quan hệ tức thời giữa các biến, ma trận A có các giá trị trên đường chéo chính bằng 1, áp đặt n ràng buộc. Và cuối cùng, chúng ta phải áp đặt thêm ( )/2 ràng buộc đối với
A.
Có nhiều cách áp đặt các hệ số cho ma trận , Sims (1980) đưa ra cách áp đặt
đệ quy (được gọi là SVAR đệ quy), áp đặt theo dạng ma trận tam giác dưới (tất cả các tham số của ma trận trong tam giác trên bằng 0). Tuy nhiên, cách áp đặt này đôi khi phản ánh khơng đúng hoặc bỏ sót những mối quan hệ tức thời giữa các biến trong mơ hình, do vậy các nhà nghiên cứu sau này đưa hai dạng ràng buộc để thực hiện SVAR là ràng buộc ngắn hạn (short – run) và dài hạn (long – run).
- Ràng buộc ngắn hạn ngăn chặn các cú sốc cấu trúc tác động tức thời đến các biến nội sinh bằng cách thiết lập các số 0 trên ma trận A.
- Ràng buộc dài hạn ngăn chặn các cú sốc cấu trúc ảnh hưởng đến các biến nội sinh theo cách tích lũy.
3.3.1.1. Phương pháp uớc lượng SVAR
- Bước 1: Xét tính dừng của chuỗi dữ liệu, nếu dữ liệu chưa dừng thì sử dụng phương pháp sai phân để biến đổi về chuỗi dừng, đầu tiên là sai phân bậc 1, nếu bậc 1 chưa được thì bậc hai.
- Bước 2: Lựa chọn khoảng trễ phù hợp. - Bước 3: Ước lượng mơ hình VAR rút gọn.
- Bước 4: Xét mức độ phù hợp của mơ hình VAR rút gọn (bằng việc kiểm định tính dừng của phần dư). Nếu phần dư của mơ hình dừng thì mơ hình là phù hợp với chuỗi thời gian và ngược lại).
- Bước 5: Phân rã ma trận phương sai – hiệp phương sai của phần dư ma trận rút gọn và khôi phục các hệ số cấu trúc ban đầu.
3.3.1.2. Hàm phản ứng đẩy – impulse response function (IRF)
Mơ hình VAR đã gây dấu ấn trong lý thuyết kinh tế, đưa ra một cơ sở thuận lợi và hữu ích đối với việc phân tích chính sách. Hàm phản ứng đẩy IRF xem xét tác động của một cú sốc riêng rẽ đến các biến nội sinh khác như thế nào; để hiểu rõ hơn về hàm phản ứng đẩy IRF, chúng ta sẽ viết lại phương trình cấu trúc dưới dạng trung bình trượt MA.
( ) (3.4) ( ) (3.5) ( ) [ ( ) ( ) ( ) ( ) ]
Dưới đây là minh họa cho mơ hình 2 biến mt và yt Tại thời điểm bất kỳ:
[ ] [ ] [ ( ) ( ) ( ) ( )] [ ] [ ( ) ( ) ( ) ( )] [ ]
Hệ số phản ứng cấu trúc của các biến
( ) ( ) ( ) ( )
Với mỗi ( ) được gọi là một hàm phản ứng đẩy, thể hiện phản ứng của biến thứ trước cú sốc của biến vào thời điểm kì sau khi cú sốc này xảy ra.
Hàm phản ứng đẩy tích lũy: ∑ ( ) ∑ ( ) Ví dụ: ( ), ( ) ( ), ( ) ,
Vẽ đồ thị các hệ số phản ứng theo thời gian ta thu được hàm phản ứng đẩy.
Như trên hình vẽ dưới đây thể hiện, sau một khoản thời gian các biến sẽ trở về vị trí cân bằng, tức tác động của cú sốc thời điểm t khơng cịn ảnh hưởng tới các biến thời điểm t+k nào đó nữa. Các hệ số ( ) sẽ giảm dần theo thời gian và tiến về 0 thì mơ hình mới ổn định.
3.3.1.3. Phân rã phương sai cho sai số dự báo (Forecast Error Variance Decomposition) Decomposition)
Quá trình phân rã phương sai là một sự thay thế phản ứng đẩy, để có một cái nhìn tổng quan đơn giản về cấu trúc động của mơ hình SVAR. Ngược lại với hàm phản ứng đẩy, nhiệm vụ của phân rã phương sai là để đạt được sự thông gọn về khả năng dự báo. Ý tưởng là, ngay cả một mơ hình hồn hảo thì vẫn liên quan đến sự mơ hồ về việc ước lượng các . Bởi vì các sai số có liên quan là khơng chắc chắn. Theo sự tương tác giữa các phương trình, sự khơng chắc chắn được chuyển đến tất cả các phương trình. Mục đích của phân rã là để giảm sự không chắc chắn trong một phương trình tới phương sai của sai số trong tất cả các phương trình.
Có dự báo Dự báo: ̂ Sai số dự báo: Dự báo: ̂ ( ) Sai số dự báo:
Dự báo: ̂ ( )
Sai số dự báo:
Sai số dự báo trong mơ hình cấu trúc là:
( )
(3.6) Ví dụ: Phân rã phương sai của sai số dự báo của biến tại thời điểm t+n là:
3.3.2. Mơ hình TVP – VAR (Time-Varying Parameter VAR) với biến động ngẫu nhiên: động ngẫu nhiên:
Theo như mơ hình VAR (SVAR) chuẩn như trên, các hệ số phản ứng và tham số cấu trúc được mặc định không đổi theo thời gian, tuy nhiên trong thực tế, các mối quan hệ này luôn biến đổi theo thời gian. Mơ hình TVP – VAR xây dựng để nắm bắt các yếu tố này.
Từ mơ hình VAR dạng rút gọn ( ) , lấy các hệ số trên từng hàng của ma trận ( ) thành dạng ma trận ( ) và định nghĩa ( ), trong đó ký hiệu của phép nhân Kronecker, mơ hình có thể được
viết lại:
Trong mơ hình VAR rút gọn này, các tham số là cố định. Chúng ta mở rộng mơ hình này sang mơ hình TVP – VAR bằng việc cho phép các tham số thay đổi theo thời gian.
Mơ hình TVP – VAR với biến động ngẫu nhiên được biểu diễn như sau:
, t = s + 1,…,n. (3.7)
Trong đó các hệ số , và các tham số , và đều biến đổi theo thời gian. Theo Primiceri (2005), để ( ) là vecto các thành phần hàng của ma trận tam giác dưới trong và ( ) với
, đối với . Giả sử các tham số trong (3.7) tuân theo bước ngẫu nhiên như dưới:
, , , ( ) ( ( ) ) Trong đó , và ( ), ( ), ( ),
Để thực hiện TVP – VAR, cần một số giả định. Đầu tiên, giả sử các thành phần trong ma trận tam giác dưới của At được định dạng đệ quy trong hồi quy mơ hình VAR. Giả định này đơn giản và được sử dụng rộng rãi, mặc dù ước lượng mơ hình cấu trúc có thể yêu cầu cấu trúc định dạng phức tạp hơn để tìm ra ngụ ý cấu trúc kinh tế theo như Christiano, Eichenbaum, và Evans (1999) và các nghiên cứu khác.
Thứ hai, các tham số không được giả sử tuân theo các tiến trình dừng như AR(1), mà được giả sử tuân theo bước ngẫu nhiên.
biến đổi theo thời gian được thể hiện thông qua việc áp đặt các tham số , , . Hầu hết các tài liệu nghiên cứu giả sử là ma trận đường chéo. Trong bài nghiên cứu này, tác giả giả sử rằng cũng là ma trận đường chéo, giả sử này không ảnh hưởng nhiều đến kết quả ước lượng so sánh với giả định ma trận không đường chéo. Thứ tư, khi mơ hình TVP – VAR được thực hiện trong suy luận Bayesian, các tiền đề nên được lựa chọn cẩn thận bởi vì mơ hình này có nhiều biến trạng thái và các biến này tuân theo tiến trình bước ngẫu nhiên khơng dừng. Trong sự linh hoạt của mơ hình TVP – VAR, các biến trạng thái có khả năng nắm bắt cả sự thay đổi từ từ và thay đổi đột ngột trong cấu trúc kinh tế. Tuy nhiên, việc cho phép các tham số thay đổi theo thời gian có thể dẫn đến vấn đề vượt quá định dạng (over- identification problem). Như được Primiceri (2005) đề cập, các tiền đề chặt chẽ cho ma trận hiệp phương sai của hạng nhiễu trong tiến trình bước ngẫu nhiên giúp tránh được các hành vi giả mạo của các tham số biến đổi theo thời gian. Hệ số biến đổi theo thời gian ( ( )) yêu cầu một tiên đề chặt chẽ hơn so mới mối
quan hệ đồng thời ( ( )) và sự biến động ( ( )) của cú
sốc cấu trúc cho phương sai của hạng nhiễu trong quá trình biến đổi theo thời gian của chúng. Cú sốc cấu trúc chúng ta xem xét trong mơ hình tác động một cách khơng kỳ vọng vào hệ thống kinh tế, và quy mơ của nó biến động rộng hơn theo thời gian hơn là khả năng nắm bắt sự thay đổi trong hệ thống tự hồi quy của các biến số kinh tế thông qua các hệ số của mơ hình VAR. Trong hầu hết các tài liệu liên quan, một tiên đề chặt hơn được thiết lập cho , và . Một phân tích độ