HÀNG TẠI TP .HCM
2.4 Kiểm định sự tác động của giá bất động sản đến tín dụng ngân hàng tại TP.HCM
2.4.1 Phƣơng pháp nghiên cứu
- Dựa vào các nghiên cứu trước của các tác giả trên thế giới, tác giả sử dụng mơ hình VAR (Vector Autoregression Model) theo nghiên cứu của (Charles Goodhart and Boris Hofmann, 2003), kiểm định nhân quả Granger để xác định chiều hướng của mối quan hệ giữa tín dụng ngân hàng và giá BĐS, rồi sử dụng hàm phản ứng đẩy IRF (Impulse Response Function) và phân rã phương sai (Varriance Decomposition) để đo lường sự tác động của giá BĐS đến tín dụng ngân hàng tại TP.HCM từ tháng 1 năm 2009 đến tháng 5 năm 2012.
Giới thiệu mơ hình VAR
- Khi nghiên cứu tác động của các biến số kinh tế theo chuỗi thời gian, thông thường các biến số này không chỉ tác động tới nhau theo một chiều duy nhất mà có quan hệ tương quan với nhau. Do đó ta phải xem xét ảnh hưởng qua lại giữa các biến này cùng một lúc.
cấu trúc mơ hình VAR gồm nhiều phương trình (mơ hình hệ phương trình) và độ trễ p (lag) của các biến số. VAR là mơ hình động của một số biến thời gian. Mơ hình VAR dạng cấu trúc tổng quát do Sims (1980) đề xuất với m biến trễ, p bước được viết ở dạng:
yt = A + A0yt + … + Apyt-p + εt
- Trong đó yt = (y1t … ymt) tương ứng với số lượng biến của mơ hình; Ap là
các ma trận cấp mxm, A là ma trận cấp mx1, εt là ma trận cấp mx1.
Điều kiện tồn tại mơ hình VAR
- Các biến theo thời gian phải có tính dừng – tức là có giá trị trung bình, phương sai không đổi theo thời gian, hiệp phương sai tại cùng độ trễ của nó khơng đổi theo thời gian.
Ƣu điểm của VAR
- Hạn chế của mơ hình ARIMA là chỉ tiến hành phân tích trên một chuỗi thời
gian. Khi chúng ta cần phân tích nhiều chuỗi thời gian khác nhau và cần phải xem xét mối quan hệ giữa chúng thì mơ hình VAR trở thành lựa chọn phù hợp.
- Hơn nữa mơ hình VAR cịn có ưu điểm là khơng cần phải xác định biến
nào là biến nội sinh, biến nào là biến ngoại sinh. Bằng cách cho phép tương tác nội sinh giữa các biến.
Hạn chế của Var
- Khó khăn trong việc xác định độ trễ và số mẫu quan sát cần đưa vào mơ
hình. Sự tính tốn rằng với k biến số và p độ trễ thì cần k2p quan sát.
- u cầu của mơ hình VAR m biến thì m biến phải cùng dừng.
- Có một vài độ trễ trong phương trình, khơng phải lúc nào cũng có thể dễ
dàng giải thích từng hệ số, đặc biệt là nếu các dấu trong hệ số thay đổi liên tiếp nhau. Vì lý do đó, người nghiên cứu thường xem xét phản ứng đẩy IRF được suy ra từ mơ hình VAR. IRF giúp phát hiện được phản ứng của biến phụ thuộc trong mơ
hình VAR đối với các cú số của các số hạng sai số. Đây cũng chính là trọng tâm của phương pháp mơ hình tự hồi quy VAR.
- Mặc dù hàm số đẩy cho chúng ta biết có hay khơng ảnh hưởng của cú số đến các biến còn lại. Nhưng như thế là chưa đủ, vì có thể tác động truyền dẫn của một biến đến một khác là rất nhỏ, trong khi tác động đến biến khác là rất lớn. Nên thường sử dụng phân tích phân rã phương sai (Variance Decomposition) để xác định mức độ ảnh hưởng của một biến là bao nhiêu.