Trong bài nghiên cứu này, mơ hình tự hồi quy vector (VAR) được sử dụng để đánh giá xu hướng và mức độ phụ thuộc lẫn nhau giữa các chuỗi thời gian. Có thể nói đây là một trong những mơ hình phổ biến nhất trong nghiên cứu định lượng các chính sách tiền tệ. Bởi lẽ mối quan hệ giữa các biến số kinh tế không đơn thuần chỉ theo một chiều, biến độc lập (biến giải thích) ảnh hưởng lên biến phụ thuộc mà trong nhiều trường hợp nó cịn có ảnh hưởng ngược lại. Do đó ta phải xét ảnh hưởng qua lại giữa các biến này cùng một lúc. Mơ hình VAR đã giúp giải quyết được vấn đề này, là mơ hình khá linh động và dễ dàng sử dụng trong phân tích với chuỗi thời gian đa biến (multivariate). Nó là sự mở rộng thêm mơ hình tự hồi quy đơn biến (univariate). Mơ hình VAR đặc biệt rất hữu ích cho việc mơ tả những biến động của chuỗi thời gian kinh tế và dự báo. Mô hình này cịn được sử dụng trong việc phân tích chính sách hay kết luận mang tính cấu trúc. Trong phân tích cấu trúc (structure analysis), một vài giả định về cấu trúc có tính ngun nhân của dữ liệu dưới dạng nghiên cứu được áp đặt và kết quả của những tác động gây ra của các biến động không mong muốn hay những cách tân của các biến cụ thể trong mơ hình được tổng kết lại. Những tác động thường được tổng kết lại với những công thức đo lường phản ứng đẩy
(impulse reponse) và sai số dự báo trong mơ hình phân tích phương sai (variance decomposition).
Mơ hình Var về cấu trúc gồm nhiều phương trình (mơ hình hệ phương trình) và độ trễ (lag) của các biến số. Var là mơ hình động của một số biến thời gian.
- Mơ hình Var trong phạm vi nghiên cứu của tác giả có dạng như sau:
Yt = A0,t + A1,tYt-1+ …+ Ap,tYt-p + εt
Trong đó:
Yt là một vector bao gồm: chỉ số giá chứng khoán (VNI), lãi suất (IR), tỷ lệ lạm phát (CPI), cung tiền mở rộng (M2), chỉ số sản xuất cơng nghiệp (IPI), tỷ giá hối đối (EX), giá dầu (OP) và giá vàng (GP)
Ao,t: vector hằng số (hệ số chặn)
Ai,t : là ma trận hệ số của các thời gian khác nhau (i=1,…,p) εt : là ma véc tơ đơn vị thỏa mãn một số điều kiện nhất định p: là giá trị trễ 1
1
Tính chất “trễ” trong các mơ hình hồi quy định lượng trong kinh tế được hiểu như sau: Khi chúng ta sử dụng một mô hình hồi quy tương quan nào đó thì thường giả định rằng các biến độc lập tác động tức thì lên biến phu thuộc và biến phụ thuộc chỉ chịu sự tác động của biến độc lập. Tuy nhiên, các biến số trong kinh tế thường không đúng, tác động của các biến có thể tức thời, có thể khơng. Nguyên nhân có thể do yếu tố tâm lý, sức ỳ của nền kinh tế, định chế,…. Chính vì thế mơ hình hồi quy thơng thường dạng (với t là kỳ thứ t) thường khơng chính xác, nên mơ hình hồi quy VAR có thêm ký hiệu độ trễ p – VAR(p). Chúng ta phải xác định p trễ này.
- Ưu điểm của mơ hình Var
Đây là phương pháp đơn giản; ta không cần phải lo lắng về việc xác định các biến nào là biến nội sinh và biến nào là biến ngoại sinh. Tất cả các biến trong VAR đều là biến nội sinh.
Phép ước lượng đơn giản, tức là, phương pháp OLS thơng thường có thể được áp dụng cho từng phương trình riêng rẽ.
Các dự báo tính được bằng phương pháp này, trong nhiều trường hợp, tốt hơn các dự báo tính được từ các mơ hình phương trình đồng thời phức tạp hơn.
- Nhược điểm của mơ hình Var
Do trọng tâm của mơ hình được đặt vào dự báo nên Var ít phù hợp cho phân tích chính sách.
Khi xét đến mơ hình Var ta phải xét đến tính dừng của các biến trong mơ hình. Yêu cầu đặt ra khi ước lượng mơ hình Var là tất cả các biến phải dừng, nếu trong trường hợp các biến này chưa dừng thì ta phải lấy sai phân để đảm bảo chuỗi dừng.
Khó khăn trong việc lựa chọn khoảng trễ thích hợp. Nếu độ trễ lớn thì hệ số ta phải ước lượng sẽ khá lớn. Ngồi ra, khó khăn trong việc lựa chọn khoảng trễ còn thể hiện ở chỗ nếu ta tăng độ dài của trễ sẽ làm cho bậc tự do giảm, do vậy mà ảnh hưởng đến chất lượng các ước lượng.
- Phương pháp ước lượng mơ hình Var:
Xét tình dừng của các biến trong mơ hình. Nếu chuỗi chưa dừng thì phải sử dụng kỹ thuật lấy sai phân để đưa về các chuỗi dừng.
Xem xét mức độ phù hợp của mơ hình chạy ra bằng việc kiểm định tính dừng của phần dư. Nếu phần dư của mơ hình dừng thì mơ hình nhận được phù hợp với chuỗi thời gian và ngược lại.
So sánh các mơ hình phù hợp và lựa chọn mơ hình phù hợp nhất.