Để tính tốn, kiểm định và phân tích được bản chất của vấn đề ERPT đến lạm phát tại Việt Nam thơng qua mơ hình kinh tế lượng VAR, tác giả sẽ triển khai lần lượt các bước quy trình sau đây:
Bước 1: Kiểm tra tính dừng của các chuỗi số liệu đã thu thập được bằng kiểm định
nghiệm đơn vị Augmented Dickey-Fuller. Trong trường hợp các chuỗi dữ liệu khơng thỏa mãn tính dừng, tác giả sẽ thực hiện thao tác lấy sai phân của các chuỗi thời gian ở các bậc khác nhau và lần lượt đánh giá lại tính dừng.
Bước 2: sau khi các chuỗi thời gian đạt được tính dừng, việc lựa chọn độ trễ phù
hợp sẽ được tiến hành. Trong đó các tiêu chuẩn kiểm định LR, FPE, AIC, HQIC và SBIC đều sẽ được tác giả cân nhắc, xem xét và đánh giá để quyết định mức độ trễ phù hợp với vấn đề nghiên cứu cũng như tình hình kinh tế Việt Nam.
Bước 3: triển khai ước lượng mơ hình VAR với mức độ trễ phù hợp đã lựa chọn.
Với kết quả có được sau q trình lượng hóa, tác giả sẽ xem xét hệ số R2 và R2 hiệu chỉnh của từng phương trình trong mơ hình đồng thời sử dụng kiểm định nhân quả Granger để có cái nhìn ban đầu về khả năng giải thích của các biến độc lập đối với các biến phụ thuộc.
Bước 5: phân tích cụ thể, lượng hóa sự tương tác qua lại giữa các biến số bằng hàm
phản ứng xung (IRF) và phân rã phương sai (Variance Decomposition).
4.4. Kiểm định và phân tích ERPT đến lạm phát tại Việt Nam bằng mơ hình VAR:
4.4.1. Các biến số trong mơ hình VAR:
Dựa trên nền tảng của những cơng trình nghiên cứu trước đây, tác giả đã quyết định phân tích, đánh giá ERPT đến lạm phát tại Việt Nam bằng dữ liệu tháng của 7 biến số kinh tế vĩ mô bao gồm: giá dầu, sản lượng quốc gia, cung tiền, lãi suất, giá tiêu dùng,
giá nhập khẩu và tỷ giá hối đoái danh nghĩa đa phương (NEER) giai đoạn từ tháng 1
năm 2004 đến tháng 12 năm 2014 với tổng cộng 132 quan sát cho mỗi biến số. Trong đó:
4.4.1.1. Giá dầu (Oil price/Commodity price):
Giá dầu (thế giới) được sử dụng ở dạng chỉ số được đưa vào để gắn kết Việt Nam với phần còn lại của nền kinh tế thế giới trong vấn đề ERPT đến lạm phát. Qua đó giúp mơ hình bám sát thực tế, phù hợp với bối cảnh mở cửa hội nhập toàn diện, hướng theo xu thế tồn cầu hóa hiện nay. Năm gốc được chọn là 2010. Chuỗi số liệu gốc được tác giả thu thập trên trang web của Quỹ tiền tệ quốc tế (www.imf.org).
4.4.1.2. Sản lượng (Output):
Sản lượng trong bài nghiên cứu này thực chất là lỗ hổng sản lượng (output gap) được tính bằng đơn vị %, thể hiện mức độ chệnh lệch giữa sản lượng thực tế và sản lượng tiềm năng của quốc gia. Tuy nhiên do những hạn chế về nguồn số liệu trong giai đoạn nghiên cứu, tác giả đã sử dụng sản lượng công nghiệp cùng phương pháp lọc Hodrick- Prescott filter (nhằm tìm ra những giá trị đại diện cho các mức sản lượng tiềm năng từng thời kỳ) như một giải pháp thay thế để xây dựng nên chuỗi thời gian của biến này. Chuỗi số liệu gốc của sản lượng công nghiệp được tác giả thu thập trên trang web của Tổng Cục Thống kê Việt Nam (www.gso.gov.vn), đơn vị tính là tỷ VND.
Cung tiền được hiểu theo nghĩa rộng bao hàm cả tín tệ trong lưu thơng và tiền gửi thanh tốn tại các ngân hàng hay nói cách khác là M2. Ở đây cũng xin được nói thêm rằng: tác giả đã cân nhắc đến việc sử dụng cung tiền M1. Tuy nhiên, trong các mơ hình VAR thử nghiệm có sử dụng M1 đại diện cho cung tiền (thay vì là M2), kết quả ước lượng lại khơng thực sự tốt để phân tích ERPT. Các chuỗi số liệu gốc được tác giả thu thập trên trang web của Quỹ tiền tệ quốc tế (www.imf.org), đơn vị tính là nghìn tỷ VND.
4.4.1.4. Lãi suất (Interest rate):
Lãi suất được sử dụng là lãi suất cho vay của các NHTM. Chính xác hơn, đây là giá trị trung bình của lãi suất cho vay các khoản vốn lưu động ngắn hạn tại 4 NHTM thuộc sở hữu Nhà nước. Như đã trình bày ở chương 2 của bài viết này: đối với những nền kinh tế mới nổi và trong giai đoạn “giao mùa” chuyển đổi cơ chế (tiêu biểu như Việt Nam) – nơi mà hệ thống tài chính chưa thật sự hồn thiện, ý thức người dân về những hạn chế của việc sử dụng tiền mặt trong lưu thơng chưa cao, … thì “sức mạnh” cơng cụ lãi suất của NHTW đã bị suy yếu đi nhiều (Bhattacharya et al., 2011; Catao and Pagan,
2009; Mashat and Billmeier, 2007; Norris and Floerkemeier, 2006). Đây cũng chính
là lý do vì sao tác giả khơng sử dụng lãi suất tái cấp vốn trong mơ hình như phần lớn các nghiên cứu về ERPT trước đây. Ưu điểm của lãi suất cho vay so với lãi suất tái cấp vốn chính là tính kịp thời, phản ứng khá linh hoạt trước những biến động của nền kinh tế. Vì vậy mơ hình VAR khi có sự hiện diện của lãi suất cho vay sẽ có ý nghĩa cao hơn, phản ánh đầy đủ hơn vai trò của lãi suất trong vấn đề ERPT đến lạm phát. Để củng cố lập luận của mình, tác giã đã triển khai mơ hình VAR thử nghiệm có chứa biến lãi suất tái cấp vốn (thay vì là lãi suất cho vay). Và các kết quả ước lượng được sau đó đều khơng thực sự tốt. Các chuỗi số liệu gốc được tác giả thu thập trên trang web của Quỹ tiền tệ quốc tế (www.imf.org), đơn vị tính là %.
Giá tiêu dùng trong nền kinh tế được đại diện bằng chỉ số giá CPI với năm gốc được chọn là 2010. Chuỗi số liệu gốc được tác giả thu thập trên trang web của Quỹ tiền tệ quốc tế (www.imf.org).
4.4.1.6. Giá nhập khẩu (Import price index):
Giá nhập khẩu trong nền kinh tế được đại diện bằng chỉ số giá IPI với năm gốc được chọn là 2010. Các chuỗi số liệu gốc được tác giả thu thập trên trang web của Quỹ tiền tệ quốc tế (www.imf.org) và trang web của Tổng Cục Thống kê Việt Nam (www.gso.gov.vn).
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