4.4. Kiểm định và phân tích ERPT đến lạm phát tại Việt Nam bằng mơ hình VAR:
4.4.1.7. Tỷ giá hối đoái danh nghĩa (NEER):
Tỷ giá hối đối danh nghĩa đa phương được tính bằng cơng thức:
NEER = ∏𝒏𝒊=𝟏𝒆iWi
Theo đó:
ei là tỷ giá hối đoái danh nghĩa của giữa đồng tiền quốc gia thứ i và VND được đo
lường ở dạng chỉ số, năm gốc là 2010, theo cách niêm yết: 1 đơn vị ngoại tệ bằng một lượng đơn vị VND. Tỷ giá của các loại ngoại tệ trong giai đoạn nghiên cứu được tác giả thu thập trên trang web của Quỹ tiền tệ quốc tế (www.imf.org).
i có giá trị chạy từ 1 đến 20 lần lượt đại diện cho 20 quốc gia chiếm tỷ trọng lớn
nhất trong tổng kim ngạch xuất nhập khẩu của Việt Nam hiện nay (bao gồm: Trung Quốc, Nhật Bản, Mỹ, Hàn Quốc, Singapore, Thái Lan, Malaysia, Australia, Đức, Hong Kong, Indonesia, Ấn Độ, Anh, Hà Lan, Pháp, Campuchia, Philippines, Thụy Sĩ, Ý và Liên Bang Nga với tổng giá trị trên 80%). Số liệu về cơ cấu theo quốc gia trong tổng kim ngạch xuất nhập khẩu của Việt Nam được tác giả thu thập trên trang web của Tổng Cục Thống kê Việt Nam (www.gso.gov.vn).
Wi là tỷ trọng của quốc gia thứ i trong tổng kim ngạch xuất nhập khẩu của Việt
Nam.
NEER là sự so sánh giá trị của nội tệ với một rổ tiền tệ mà quốc gia sử dụng chủ yếu trong các hoạt động giao thương quốc tế. Vì vậy nó mang ý nghĩa bao qt hơn so
với tỷ giá USD/VND, thể hiện đầy đủ hơn sức mạnh của nội tệ trên trường quốc tế. Hơn thế nữa, với bối cảnh tại Việt Nam hiện nay, NEER sẽ có nhiều biến động hơn so với tỷ giá USD/VND, phản ánh chân thực hơn cung cầu trên thị trường ngoại hối. Nhờ vậy sẽ giúp cơng tác kiệm định, phân tích ERPT đến lạm phát chính xác và hợp lý hơn.
Về nguồn số liệu và phương pháp xử lý ban đầu: tác giả thu thập chuỗi số liệu
thô của 7 biến số trên tại trang web chính thức của tổ chức IMF (www.imf.org) và Tổng Cục Thống kê Việt Nam (www.gso.gov.vn). Kế đến lần lượt tiến hành điều chỉnh yếu tố mùa cho từng chuỗi bằng phương pháp Census X12. Ngoài hai biến sản lượng và lãi suất, các biến còn lại sẽ tiếp tục được lấy log tự nhiên. Phụ lục 1A trình bày giá trị quan sát của các biến số trong giai đoạn từ tháng 1 năm 2004 đến tháng 12 năm 2014.
Bảng 4.1: Tổng hợp tên và ký hiệu của các biến số trong mơ hình VAR
Biến số Ký hiệu của biến số Ký hiệu sai phân bậc 1 của
biến số(*)
Giá dầu ln_oilprice d1ln_oilprice
Sản lượng output d1output
Cung tiền ln_m2 d1ln_m2
Lãi suất ir_lend d1ir_lend
Giá tiêu dùng ln_cpi d1ln_cpi
Giá nhập khẩu ln_ipi d1ln_ipi
Tỷ giá hối đoái danh nghĩa đa phương ln_neer2 d1ln_neer2
(*) Tương tự như vậy, sai phân bậc n của một biến X nào đó bất kỳ trong mơ hình
sẽ có ký hiệu dạng dnX.
4.4.2. Tính dừng của các chuỗi số liệu:
Để kiểm định tính dừng của các chuỗi số liệu, tác giả sử dụng phương pháp kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF). Trong đó các mức độ trễ thích hợp nhất tương ứng với từng chuỗi số liệu và từng dạng mơ hình kiểm định nghiệm đơn vị sẽ được chọn bằng tiêu chuẩn SBIC. Phương pháp ADF, có ba dạng mơ hình có thể được sử dụng trong q trình kiểm định đó là:
(2) ∆Yt = b0 + b1t + βYt-1 + ∆Yt-1 + ∆Yt-2 + … + 𝜺 (có hệ số chặn và xu hướng)
(3) ∆Yt = βYt-1 + ∆Yt-1 + ∆Yt-2 + … + 𝜺 (khơng có hệ số chặn và khơng có xu hướng)
Theo đó, các giả thuyết được sử dụng cho công tác kiểm định sẽ là:
H0: chuỗi số liệu không dừng H1: chuỗi số liệu có tính dừng
Tuy nhiên cũng cần lưu ý rằng: các giá trị kiểm định chỉ hữu dụng trong việc xem xét chấp nhận hoặc bác bỏ giả thuyết H0 khi hệ số β trong các mơ hình ước lượng được có giá trị âm (β<0).
Sau đây là kết quả mà tác giả đã thu được sau khi tiến hành kiểm định ADF trên cả ba dạng mơ hình với sự hỗ trợ của phần mềm Eviews và Stata:
Bảng 4.2: Kết quả kiểm định tính dừng của các chuỗi số liệu
Nguồn số liệu: kết quả kiểm định của tác giả trong phần mềm Eviews và Stata Bảng 4.3: Kết quả kiểm định tính dừng của các chuỗi số liệu sau khi lấy sai phân bậc 1
∆Yt = b0 + βYt-1 + ∆Yt-1 + ∆Yt-2 + … + ε (Include Intercept)
∆Yt = b0 + b1t + βYt-1 + ∆Yt-1 + ∆Yt-2 + … + ε (Include Intercept And Trend)
∆Yt = βYt-1 + ∆Yt-1 + ∆Yt-2 + … + ε (No Intercept And No Trend) Lag
length t-Statistic β1 Prob.* Lag
length t-Statistic β1 Prob.* Lag
length t-Statistic β1 Prob.*
d1ln_m2 1 -5.155 -0.5213468 0.00% 1 -5.578 -0.5898847 0.00% 1 -2.190 -0.1061193 2.80% d1ir_lend 1 -4.847 -0.4730030 0.00% 1 -4.902 -0.4842696 0.03% 1 -4.865 -0.4728594 0.00% d1ln_ipi 0 -7.380 -0.6025084 0.00% 0 -7.394 -0.6062688 0.00% 2 -4.096 -0.4127210 0.01% d1ln_cpi 1 -3.174 -0.2093895 2.15% 1 -3.224 -0.2155752 7.97% 1 -2.311 -0.1001928 2.07% d1ln_oilprice 0 -7.648 -0.6694417 0.00% 0 -7.843 -0.6890891 0.00% 0 -7.670 -0.6664407 0.00%
∆Yt = b0 + βYt-1 + ∆Yt-1 + ∆Yt-2 + … + ε (Include Intercept)
∆Yt = b0 + b1t + βYt-1 + ∆Yt-1 + ∆Yt-2 + … + ε (Include Intercept And Trend)
∆Yt = βYt-1 + ∆Yt-1 + ∆Yt-2 + … + ε (No Intercept And No Trend)
Lag
length t-Statistic β1 Prob.* Lag
length t-Statistic β1 Prob.* Lag
length t-Statistic β1 Prob.*
ln_m2 2 -2.120 -0.0029401 23.65% 2 -1.206 -0.0143204 90.93% 2 4.012 0.0011346 100.00% ir_lend 2 -2.838 -0.0594141 5.30% 2 -2.750 -0.0582142 21.59% 2 -0.660 -0.0029831 42.97% ln_ipi 1 -0.925 -0.0036247 77.95% 1 -1.181 -0.0221025 91.43% 1 2.725 0.0005716 99.84% ln_cpi 2 -0.903 -0.0012177 78.70% 2 -2.363 -0.0258980 39.95% 2 2.057 0.0003033 99.05% ln_oilprice 2 -2.661 -0.0500264 8.10% 2 -2.533 -0.0811161 31.15% 1 0.196 0.0002782 74.16% output 1 -2.460 -0.1381491 12.55% 1 -2.373 -0.1371693 39.40% 1 -2.470 -0.1381280 1.36% ln_neer2 1 -0.993 -0.0059527 75.59% 1 -1.158 -0.0224148 91.87% 1 -1.491 -0.0084294 12.69%
Theo các kết quả thu được trong bảng 4.2, các chuỗi số liệu hầu như đều không dừng ngay cả ở mức ý nghĩa 10% (do giá trị p_value > 10% dẫn đến việc chưa thể bác bỏ giả thuyết H0).
Thế nhưng, nhìn vào bảng 4.3 ta thấy, sau khi tiến hành lấy sai phân bậc 1, các
chuỗi số liệu hầu như đều thỏa mãn tính dừng ở mức ý nghĩa 1% (do giá trị p_value <
1% dẫn đến việc bác bỏ giá thuyết H0 và chấp nhận giả thiết H1). Và nếu xét ở mức ý
nghĩa 10% thì có thể xem tất cả các chuỗi số liệu đều đã có tính dừng. Do vậy, sai phân bậc 1 của các biến số sẽ được sử dụng để ước lượng mơ hình VAR trong bài viết này.
4.4.3. Độ trễ tối ưu cho mơ hình VAR:
Như đã trình bày trong quy trình ứng dụng mơ hình VAR, độ trễ tối ưu được tác giả cân nhắc, lựa chọn trên cơ sở xem xét đồng thời cả năm tiêu chuẩn kiểm định LR, FPE, AIC, HQIC và SBIC nhằm giúp mơ hình có thể bám sát thực tế, nâng cao ý nghĩa của các ước lượng thu được.
Bảng 4.4: Xác định độ trễ tối ưu cho mơ hình VAR
Lag LL LR df p FPE AIC HQIC SBIC
0 2494.26 1.7e-27 -41.8027 -41.7363 -41.6392 1 2636.27 284.02 49 0.000 3.5e-28* -43.3658 -42.8348* -42.058* 2 2670.45 68.366 49 0.035 4.5e-28 -43.1168 -42.1211 -40.6646 3 2700.08 59.256 49 0.150 6.3e-28 -42.7912 -41.3308 -39.1947 4 2743.11 86.058 49 0.001 7.3e-28 -42.6909 -40.7658 -37.95 5 2794.32 102.43 49 0.000 7.5e-28 -42.7281 -40.3384 -36.8429 6 2843.81 98.973 49 0.000 8.2e-28 -42.7363 -39.8818 -35.7068 7 2885.41 83.201 49 0.002 1.1e-27 -42.612 -39.2928 -34.4381 8 2919.75 68.677 49 0.033 1.7e-27 -42.3655 -38.5817 -33.0473 9 2978.03 116.56 49 0.000 2.0e-27 -42.5215 -38.273 -32.059 10 3053.57 151.07 49 0.000 1.8e-27 -42.9675 -38.2543 -31.3606 11 3128.41 149.68 49 0.000 2.0e-27 -43.4018 -38.2239 -30.6505 12 3230.68 204.55* 49 0.000 1.7e-27 -44.2972* -38.6546 -30.4016
Nguồn số liệu: kết quả kiểm định của tác giả trong phần mềm Stata
Theo bảng 4.4, các tiêu chuẩn kiểm định đã khơng có sự đồng nhất trong vấn đề xác định độ trễ tối ưu. Cụ thể, nếu dựa trên ba tiêu chuẩn FPE, HQIC và SBIC, độ trễ
thích hợp cho mơ hình được đề xuất là 1. Tuy nhiên giá trị này lại bằng 12 khi xem xét hai tiêu chuẩn LR và AIC.
Dễ thấy rằng, sự ưu tiên đối với từng mức độ trễ được đề xuất dù khác nhau nhưng thực sự khơng q chênh lệch (mức độ trễ 1 có ba tiêu chuẩn đồng thuận trong khi mức độ trễ 12 cũng có hai tiêu chuẩn đồng thuận). Vì vậy để trả lời câu hỏi “độ trễ tối ứu của mơ hình VAR?” cần thiết phải đánh giá bối cảnh, thực trạng kinh tế Việt Nam cũng như tham khảo các lý thuyết học thuật, cơng trình nghiên cứu có liên quan:
Thứ nhất, xét ở tầm kinh tế vĩ mô, các biến số kinh tế nói chung cũng như tỷ giá
và lạm phát nói riêng ln có sự tương tác qua lại mật thiết và “dai dẳng”. Một cú sốc ở kỳ hiện tại vẫn có thể duy trì tác động của nó đến nhiều biến số của nền kinh tế với cường độ khác nhau trong một khoảng thời gian dài sau đó. ERPT đến giá cả quốc gia cũng không ngoại lệ. Cho nên việc áp dụng độ trễ lớn hơn 1 sẽ giúp mơ hình VAR phản ánh đúng bản chất vấn đề đồng thời đem lại cái nhìn đầy đủ hơn về mức độ ERPT đến lạm phát theo thời gian.
Thứ hai, thực tế cho thấy, khi thị trường ngoại hối biến động, tỷ giá thay đổi có thể
sẽ tác động ngay đến hoạt động ngoại thương, trực tiếp và nhanh chóng ảnh hưởng đến giá nhập khẩu. Tuy nhiên, trong nội bộ của nền kinh tế, tỷ giá không thể tác động đến giá tiêu dùng nhanh như thế. Bởi lẽ, phần lớn các hợp đồng thương mại giữa các chủ thể bên trong nền kinh tế về việc trao đổi, phân phối nguyên vật liệu, sản phẩm hay hàng hóa với những mức giá đã xác định trước ln có hiệu lực trong một khoảng thời gian nào đó. Vì vậy, chi phí đầu vào của người bán sẽ ít biến động khi một cú sốc tỷ giá mới khởi phát. Giá bán (giá tiêu dùng nói riêng) từ đó cũng chậm thay đổi hơn làm nền kinh tế “chưa nhận ra” được tác động của thị trường ngoại hối lên giá tiêu dùng.
Thứ ba, những người bán ln xem xét đến chi phí thực đơn (menu cost). Tức là
cân nhắc lợi ích thu được khi bỏ ra chi phí cho hoạt động quảng cáo mới, chỉnh sửa bao bì, bảng giá, … sản phẩm khi giá đầu vào biến động (Sheshinski and Weiss, 1977). Yếu
tố này cũng làm tăng thêm “tính ì” của giá tiêu dùng trước những thay đổi của tỷ giá giai đoạn đầu.
Thứ tư, với tần suất can thiệp vào thị trường ngoại hối ngày càng lớn của Chính
phủ và NHTW hiện nay, những biến động về tỷ giá có thể được “khắc chế” tạm thời. Vì vậy các biến số vĩ mơ khác có thể sẽ rất ít chịu ảnh hướng cho đến khi các nhà chức trách “buông tay” đối với tỷ giá, thuận theo cung cầu thị trường.
Từ những lý do trên, độ trễ bằng 12 đã được tác giả lựa chọn áp dụng. Điều này cũng hoàn toàn tương đồng so với những cơng trình nghiên cứu trước đây khi mức độ trễ của mơ hình ln lớn hơn 1.
4.4.4. Ước lượng mơ hình VAR:
Trên cơ sở độ trễ tối ưu đã xác định, mơ hình VAR với 7 biến số được triển khai. Bảng chi tiết các hệ số trong mơ hình được trình bày ở phụ lục 1B.
Bảng 4.5: Các hệ số R2 và R2 hiệu chỉnh của mơ hình VAR
Sample: 2005M02 – 2014M12 No. of obs = 119
Log likelihood = 3230.683 AIC = -44.29719
FPE = 1.73e-27 HQIC = -38.65462
Det(Sigma_ml) = 6.19e-33 SBIC = -30.40158
Nguồn số liệu: kết quả ước lượng của tác giả trong phần mềm Eviews và Stata
Từ bảng 4.5 ta thấy, các giá trị p_value của kiểm định chi bình phương đều có giá trị bé hơn mức ý nghĩa 5%. Điều đó nghĩa là các hệ số ước lượng được ở mỗi phường trình đều khơng đồng thời bằng 0. Nói cách khác, tất cả phương trình trong mơ hinhVAR đều có ý nghĩa về mặt thống kê. Bên cạnh đó, các hệ số R2 đều ở mức giá trị cao trên
Equation Parms RMSE R-sq chi2 P>chi2 Adj. R-sq
d1ln_oilprice 85 .065779 0.7927 455.0361 0.0000 0.280533 d1output 85 .048172 0.8303 582.4083 0.0000 0.411188 d1ln_m2 85 .009223 0.8412 630.3782 0.0000 0.448879 d1ir_lend 85 .005139 0.8552 702.8245 0.0000 0.497456 d1ln_cpi 85 .004196 0.9103 1207.567 0.0000 0.688668 d1ln_neer2 85 .009043 0.7899 447.4291 0.0000 0.270871 d1ln_ipi 85 .009205 0.8061 494.7862 0.0000 0.327128
75%. Qua đó thể hiện khả năng giải thích rất tốt của các biến độc lập cho biến phụ thuộc trong mỗi phương trình. Xét đến R2 hiệu chỉnh (được cho có độ tin cậy cao hơn R2). Ở mỗi phương trình, giá trị của hệ số này nhỏ hơn đáng kể so với R2. Thế nhưng, tất cả vẫn xấp xỉ ở mức 30% trở lên – ngưỡng giá trị được cho là tốt trong nghiên cứu, lượng hóa các vấn đề kinh tế vĩ mơ.
Tiếp theo, một kiểm định nhân quả Granger sẽ được triển khai để cụ thể hóa những gì R2 và R2 hiệu chỉnh đã thể hiện. Tức là làm rõ hơn mối quan hệ, khả năng giải thích
cho nhau của từng cặp biến số, mang đến cái nhìn bao quát nhất để trả lời cho câu hỏi có hay không sự tác động của từng biến độc lập lên biến phụ thuộc trong mỗi phường trình?
Theo quy ước của kiểm định Granger, các giả thuyết sẽ được cho như sau (giả sử hai biến số X và Y đang được xem xét):
H0: tất cả các biến trễ của X không là nguyên nhân gây ra những thay đổi của Y hay tất cả các biến trễ của X không tác động đến Y.
H1: tất cả các biến trễ của X là nguyên nhân gây ra những thay đổi của Y hay tất cả các biến trễ của X có tác động đến Y.
Kết quả của kiểm định nhân quả Granger được trình bày chi tiết tại phụ lục 2 của bài viết này.
Nhìn chung, hầu như tất cả các giá trị p_value của kiểm định nhân quả Granger đều rất bé (bé hơn mức ý nghĩa 5%), dẫn đến kết luận bác bỏ H0, thừa nhận mối quan hệ nhân quả giữa các biến số. Hay nói cách khác là phần lớn các biến độc lập có thể giải thích tốt cho biến phụ thuộc trong từng phương trình. Qua đó phần nào thể hiện được tính phù hợp của mơ hình VAR trong kiểm định và phân tích ERPT đến lạm phát.
4.4.5. Kiểm định tính phù hợp của mơ hình VAR:
Nhằm đảm bảo về tính phù hợp của mơ hình VAR trong phân tích, đánh giá vấn đề ERPT đến lạm phát tại Việt Nam, tác giả sẽ tiếp tục triển khai thêm một số kiểm định phổ biến sau đây:
Các giả thuyết phục vụ cho kiểm định này bao gồm:
H0: khơng có hiện tượng tự tương quan ở độ trễ n H1: có hiện tượng tự tương quan ở độ trễ n
Bảng 4.6: Kiểm định hiện tượng tự tương quan trong mơ hình VAR
Lag chi2 df Prob > chi2
1 59.9020 49 0.13675 2 54.7619 49 0.26518 3 59.7769 49 0.13919 4 36.1849 49 0.91301
Nguồn số liệu: kết quả kiểm định của tác giả trong phần mềm Stata
Theo bảng 4.6, ở các mức độ trễ, H0 đều được chấp nhận do giá trị p_value lớn hơn mức ý nghĩa 5%. Hay nói cách khác, khơng có hiện tượng tự tương quan trong mơ hình VAR.
4.4.5.2. Điều kiện vững Eigenvalue:
Biểu đồ 4.1: Nghiệm của ma trận liên hợp
Nguồn: kết quả kiểm định của tác giả trong phần mềm Stata
-1 -. 5 0 .5 1 Ima g in a ry -1 -.5 0 .5 1 Real
Với biểu đồ 4.1, tác giả đã có thể kết luận mơ hình VAR đáp ứng được điều kiện vững do tất cả các điểm giá trị đều nằm bên trong vòng tròn đơn vị. Kết quả tính tốn