3.2.1.Mô tả biến
Trong phần này đề tài sẽ tiến hành mô tả lại các biến nghiên cứu trong mô hình nghiên cứu của mình. Lý do của việc năm 2005 là năm gốc vì các yếu tố vĩ mơ trong giai đoạn từ 2000-2005 của Việt Nam là ổn định và ít biến động. Ngồi ra việc chọn năm 2005 làm năm gốc cũng giúp cho đề tài trong việc thu thập dữ liệu được dễ dàng hơn. Tất cả được thống kê trong bảng sau:
Bảng 3.2. Mô tả và đo lường các biến nghiên cứu
Biến Mô tả Cách đo lƣờng
CPI
Chỉ số giá tiêu dùng
CPI: chỉ số giá tiêu dùng của Việt Nam (năm 2005=100)
M2
Cung tiền M2
NEER
NEER: tỷ giá hối đoái danh nghĩa đa phương.
Năm 2005 là năm gốc (2005=100).
∑ x100
tỷ giá danh nghĩa
song phương
Tỷ trọng kim ngạch
xuất nhập khẩu giữa 2 nước (nước nghiên cứu và các đối tác thương mại j). Được thu thập từ Word Bank.
3.2.2. Mơ hình nghiên cứu
Dựa trên nền tảng bài nghiên cứu của Naz và cộng sự (2012) và các nghiên cứu trước đây và cũng nhằm để trả lời các câu hỏi nghiên cứu, mơ hình nghiên cứu của đề tài là mơ hình SVAR (Structure Vecto AutoRegression).
Mơ hình VAR được giới thiệu đầu tiên bởi Sims (1980). So với các mơ hình truyền thống trước thì các biến được chia làm biến nội sinh và biến ngoại sinh. Tuy nhiên theo Sims thì tất cả các biến trong mơ hình đều được xem là biến nội sinh. Điều này là phù hợp khi đánh giá tác động của các biến kinh tế vĩ mơ. Tuy nhiên mơ hình VAR lại tồn tại một khuyết điểm đó là khơng cho phép tác động đồng thời của các biến kinh tế trong cùng một giai đoạn. Sims và Zha (1995) đã đề xuất sử dụng mơ hình VAR dưới dạng cấu trúc (SVAR) bằng cách đưa vào những ràng buộc cho phép khắc phục các khuyết điểm trước đó của mơ hình VAR. Mơ hình SVAR là hệ thống các phương trình của các biến nội sinh. Trong đó, giá trị của mỗi biến sẽ phụ thuộc vào độ trễ của chính nó và độ trễ của các biến cịn lại trong q khứ. Đây là mơ hình tổng quát nhất, việc quyết định hệ số nào trong ma trận hệ số của các biến bằng 0 hay không, là phụ thuộc vào ý nghĩa kinh tế của nó.
Cụ thể sự tương tác của các biến được mô tả như sau:
Yt là vectơ (n x 1) của các biến nội sinh, A0 là ma trận (n x n) hệ số mối quan hệ đồng thời của các biến nội sinh; Xt là độ trễ của cc biến nội sinh, A là ma trận các hệ số của các biến trễ trong mơ hình; εt là vectơ (n x 1) cú sốc cấu
trúc và ∑ là đại diện cho ma trận hiệp phương sai của sai số
cấu trúc. Hơn nữa, εt trực giao và phân phối chuẩn, điều này đồng nghĩa với cú sốc không tương quan với nhau và ma trận hiệp phương sai theo phân phối chuẩn với giá trị trung bình bằng 0. Khó khăn chính trong mơ hình ước lượng
này là chúng ta không ước lượng được các giá trị của A0 và A một cách trực tiếp. Vì vậy, các tham số của mơ hình trên được chuyển sang mơ hình dạng rút gọn để ước lượng như sau
Với và
Để ước lượng được mơ hình SVAR địi hỏi phải được nhận dạng. Điều kiện cần thiết để có thể nhận dạng mơ hình một cách chính xác là các hệ số trong ma trận A, B phải có cùng hệ số trong ma trận hiệp phương sai của mơ hình rút gọn ∑ . Nói cách khác, điều kiện này nhằm đảm bảo có thể khắc
phục được hệ số cấu trúc ban đầu từ mơ hình rút gọn. Ma trận hiệp phương sai của hình thức rút gọn nhận được:
∑ hay ∑ ∑
Nhận dạng được địi hỏi các thơng số ma trận A0 và B có thể khơi phục từ dạng rút gọn. Trong cơng thức (3.3) có K(K+1)/2 hệ số và có K(K+1) hệ số tự do bên phải của cơng thức (3.3). Vì vậy, cần có 2K2 –K-K(K+1)/2 ràng buộc trong giữa ma trận A0 và B. Nhưng ma trận B có K(K-1) ràng buột được thể hiện là đường chéo. Vì vậy, nhận dạng xảy ra nếu có ít nhất K(K-1)/2 ràng buộc được thể hiện trên ma trận A0. Trong mơ hình VAR với phân rã Cholesky thì A0 được thể hiện dưới dạng tam giác xem thêm nghiên cứu của Bernanke và Mihov (1998). Cịn trong mơ hình SVAR thì A0 được thể hiện dưới dạng bất kỳ miễn là số ràng buộc được thiết lập đủ.
Trong nội dung nghiên cứu của mình, cũng nhằm trả lời mục tiêu nghiên cứu mơ hình nghiên cứu của đề tài là dựa trên nghiên cứu của Nar và cộng sự (2012), theo đó mơ hình nghiên cứu của đề tài được thể hiện dưới dạng vectơ Yt như sau:
Do phát triển từ lý thuyết ngang giá sức mua PPP nên tác giả sử dụng biến NEER (tỷ giá hối đoái danh nghĩa đa phương) đại diện cho mức giá cả giữa các quốc gia thay vì biến REER (tỷ giá hối đoái thực đa phương) đã được điều chỉnh để loại bỏ lạm phát. Do đó, tùy theo mục tiêu nghiên cứu mà lựa chọn NEER hay REER cho phù hợp.
Cấu trúc hệ phương trình SVAR dạng ma trận được thể hiện như sau:
[ ] [ ] [ ] (3.5)
Trong phương trình (3.5) hệ số aij thể hiện ảnh hưởng biến thứ j đến biến thứ i ngay lập tức.
Phân tích mối ràng buộc giữa các biến
Ràng buộc đầu tiên theo đó cho rằng biến dự trữ ngoại hối chỉ chịu tác động của chính nó, điều này là hợp lý vì dự trữ ngoại hối hầu như khơng chịu sự tác động của các yếu tố bên ngồi như: Dịng vốn đầu tư nước ngoài vào trong nước, khoản viện trợ,.... và giá cả hàng hố nước ngồi hơn là giá cả hàng hố trong nước. Do đó, đề tài kỳ vọng rằng biến dự dự trự ngoại hối chỉ chịu tác động của chính nó, theo như nghiên cứu của Nar và cộng sự (2012). Theo đó,
utFE = εtFE.
Ràng buộc thứ hai trong mơ hình cho rằng cung tiền chỉ chịu tác động tức thời của các cú sốc ngoại sinh cụ thể là dự trữ ngoại hối, theo nghiên cứu của Hassan (2011) cho rằng tốc độ tăng trưởng trong cung tiền chủ yếu là dựa trên khoản tích luỹ từ tài sản nước ngồi hơn là dịng tín dụng được tạo ra trong nước và cung tiền còn chịu tác động của chính nó. Theo đó, εtM2 = a21utFE +utM2
Ràng buộc thứ ba trong phương trình được đặt ra với giả định rằng những biến động trong tỷ giá chịu sự tác động tức thời của cú sốc ngoại sinh, cụ thể là dự trữ ngoại hối và cung tiền trong nước theo nghiên cứu của Nar và cộng sự (2012) và cũng giả định rằng nó khơng chịu tác động của lạm phát, theo đó εtNEER = a31utFE + a32utM2 + utNEER
Ràng buộc cuối cùng được đặt ra với giả định rằng lạm phát sẽ chịu tác động của đồng thời của các biến cịn lại trong mơ hình vì lạm phát mà cụ thể là mức giá chung của nền kinh tế sẽ chịu tác động đồng thời của các nhân tố cung và cầu, theo đó εtCPI = a41utFE +a42utM2 +a43 utNEER + utCPI .
3.3. Phƣơng pháp kiểm định mơ hình 3.3.1.Kiểm định tính dừng
Trong nghiên cứu thực nghiệm khi sử dụng dữ liệu là chuỗi thời gian và đặc biệt là sử dụng mơ hình VAR thì tất cả các biến trong mơ hình phải dừng (Stationary). Một chuỗi dữ liệu thời gian được xem là dừng nếu trung bình và phương sai không thay đổi theo thời gian và hiệp phương sai giữa hai thời điểm chỉ phụ thuộc vào khoảng cách hay độ trễ về thời gian chứ không phụ thuộc vào thời điểm đang xét. Cụ thể:
Trung bình: E Y t const
Phương sai: 2
t
Var Y const
Hiệp phương sai: CovarY Yt, t k gk
Tính dừng là một khái niệm vô cùng quan trọng. Trong hầu hết các mơ hình thống kê đều u cầu chuỗi dữ liệu phải là chuỗi dừng. Do vậy khi ước lượng các tham số hoặc kiểm định giả thuyết của mơ hình, nếu khơng kiểm định tính dừng của dữ liệu thì các kỹ thuật phân tích thơng thường chẳng hạn phương pháp bình phương bé nhất (OLS) sẽ khơng chính xác và hợp lý. Theo
Granger và Newbold (1977) các kết quả phân tích từ chuỗi dữ liệu không dừng đều là giả mạo. Cụ thể nếu mơ hình tồn tại ít nhất một biến độc lập có cùng xu thế với biến phụ thuộc, khi đó kết quả ước lượng mơ hình ta có thể thu được các hệ số có ý nghĩa thống kê và hệ số R2
rất cao. Nhưng đều này được tạo ra bởi tính xu thế của hai biến chứ chúng khơng có mối tương quan chặt chẽ với nhau.
Để kiểm tra tính dừng trong bài, đề tài sẽ sử dụng kiểm định Augmented Dickey Fuller (ADF), một trong những cơng cụ phổ biến trong kiểm định tính dừng của chuỗi thời gian theo Gujarati (2003). Theo đó các độ trễ thời gian sẽ được lựa chọn theo tiêu chuẩn AIC (Akaike Information Criteria) (Xem thêm phụ lục 1). Nếu chuỗi dữ liệu không dừng đề tài sẽ sử dụng kỹ thuật lấy sai
phân để đưa chuỗi dữ liệu về dạng dừng.
3.3.2. Lựa chọn độ trễ tối ƣu cho mơ hình
Do tất cả các biến trong mơ hình VAR đều là biến nội sinh, biến nghiên cứu phụ thuộc vào độ trễ của nó. Do đó có quá nhiều tham số phải ước lượng (2n2-n hệ số) nên việc thực hiện kiểm định để lựa chọn độ trễ tối đa và độ trễ cần loại bỏ trong mơ hình VAR là quan trọng.
Để lựa chọn độ trễ tối đa cho mơ hình đề tài sử dụng kiểm định Lag length criteria dựa trên các tiêu chuẩn LR, FPE, AIC, HC, SQ. Mỗi một tiêu chuẩn đều có những giả thiết nhất định.
3.3.3.Kiểm định nhân quả Granger
Trong phần này đề tài sẽ thực hiện kiểm định nhân quả Granger nhằm xem xét với độ trễ được lựa chọn thì các biến trong mơ hình có quan hệ nhân quả với nhau về mặt thống kê hay không. Mô hình kiểm định Granger chỉ đơn giản được dùng để trả lời cho câu hỏi có hay khơng sự thay đổi của biến X
gây ra sự thay đổi của biến Y và ngược lại. Phương trình hồi quy trong kiểm định Granger mơ tả như sau:
∑ ∑ ∑ ∑ Ta có các trường hợp sau:
Nếu khác khơng và có ý nghĩa thống kê, nhưng khơng có ý nghĩa thống kê thì sự biến động của biến X là nguyên nhân gây ra sự biến động của biến Y.
Nếu khơng có ý nghĩa thống kê, nhưng khác khơng và có ý nghĩa thống kê thì biến X chịu sự tác động bởi sự thay đổi của biến Y.
Nếu và đều có ý nghĩa thống kê thì X và Y tác động qua lại lẫn nhau. Nếu và đều khơng có ý nghĩa thống kê thì X và Y độc lập với nhau. Trong đề tài thì biến Y là lạm phát, và X đại diện cho các biến còn lại trong mơ hình.
Tuy nhiên, nếu việc ước lượng kiểm định nhân quả Granger mà khơng tìm thấy tác động nhân quả đề tài sẽ tiến hành kiểm định đồng liên kết, nếu có đồng liên kết thì đề tài sẽ thực hiện chạy mơ hình VECM thay vì chạy mơ hình SVAR.
3.3.4. Xác định mơ hình VAR rút gọn
Sau khi lựa chọn được độ trễ tối ưu cho mơ hình và kiểm định nhân quả Granger, với sự hỗ trợ từ phần mềm Eviews 6.0 đề tài tiến hành ước lượng để xác định được dạng mơ hình VAR rút gọn. Từ đó xác định được ma trận A0, B cho mơ hình SVAR.
Đồng thời kiểm định sự phù hợp của mơ hình thơng qua các kiểm định Portmantaeu để kiểm định tự tương quan ở phần dư, kiểm định phương sai thay đổi thông qua kiểm định White.
3.3.5. Kiểm tra tính ổn định của mơ hình
Việc kiểm tra tính ổn định của mơ hình nhằm xem xét mơ hình hiện tại có ổn định khơng. Nếu mơ hình là khơng ổn định thì kết quả của việc ước lượng đặc biệt là kết quả thu được (sai số chuẩn) của hàm phản ứng thúc đẩy IRF sẽ khơng có giá trị. Để kiểm tra tính ổn định của mơ hình VAR đề tài sử dụng kiểm định AR Roots Graph, theo đó nếu tất cả các nghiệm đều có modulus<1 và khơng có nghiệm nào nằm ngồi vịng trịn nghiệm đơn vị thì mơ hình được xem như là ổn định, ngược lại nếu có một dấu chấm nằm ngồi vịng trịn nghiệm đơn vị thì xem như là mơ hình khơng ổn định.
3.3.6. Hàm phản ứng đẩy (Impulse response funtion-IRF) và phân rã phƣơng sai (Variance decomposition)
Hàm phản ứng thúc đẩy (IRF):
Hàm phản ứng thúc đẩy là một chức năng quan trọng phát sinh từ mơ hình VAR. Nó cho phép xác định hiệu ứng theo thời gian của cú sốc của một biến nội sinh nào đó đối với các biến khác trong mơ hình. (Xem thêm phụ lục 2)
Phân rã phƣơng sai:
Mặc dù hàm phản ứng thúc đẩy đã cho biết có hay khơng sự ảnh hưởng của cú sốc đến các biến còn lại nhưng như thế là chưa đủ vì có thể tác động truyền dẫn của một cú sốc từ một biến đến biến còn lại rất nhỏ trong khi biến khác lại ảnh hưởng lớn hơn. Nên trong phân tích các nhà kinh tế sử dụng kèm theo kỹ thuật phân rã phương sai (Xem thêm phụ lục 3) để xác định xem mức độ ảnh hưởng của một biến đến biến số nghiên cứu là bao nhiêu. Kỹ thuật này
được đề tài sử dụng để xem xét yếu tố nào giải thích mạnh cho sự biến động của lạm phát ở các nước nghiên cứu.
CHƢƠNG 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
4.1.Kiểm định tính dừng
Trong phần này đề tài tiến hành kiểm định tính dừng của chuỗi dữ liệu nghiên cứu tương ứng cho từng nước được nghiên cứu trong đề tài. Kết quả kiểm định tính dừng cho thấy các biến trong giai đoạn nghiên cứu tương ứng ở từng nước đều không dừng ở chuỗi gốc mà chỉ dừng ở chuỗi sai phân bậc 1. Kết quả chi tiết kiểm định tính dừng xem thêm phụ lục 4.
Bảng 4.1.Kết quả kiểm định tính dừng chuỗi dữ liệu của Việt Nam
Biến lnFE lnNEER lnM2 lnCPI
Chuỗi gốc
Giá trị thống kê t -1.3879 -2.6301 -1.4771 1.1761
t-1% -3.5777 -3.5777 -3.5812 -3.5847
t-5% -2.9252 -2.9252 -2.9266 -2.9281
t-10% -2.6007 -2.6007 -2.6014 -2.6022
Kết quả dừng Không Không Không Không
Chuỗi sai phân bậc 1
Giá trị thống kê t -3.6817 -6.1465 -5.7639 -4.5237
t-1% -4.1809 -4.1485 -4.1409 -3.5575
t-5% -3.5155 -3.5005 -3.4970 -2.9166
t-10% -3.1883 -3.1796 -3.1776 -2.5961
Bậc dừng I(1) I(1) I(1) I(1)
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Kết quả kiểm định tính dừng cho thấy chuỗi dữ liệu về các biến nghiên cứu cho trường hợp cho thấy biến FE dừng ở mức ý nghĩa 5%, NEER, M2 và CPI là dừng ở mức ý nghĩa 1%.
Bảng 4.2.Kết quả kiểm định tính dừng chuỗi dữ liệu của Thái Lan
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eivews 6.0
Cho thấy chuỗi dữ liệu của Thái Lan có các biến đều dừng ở sai phân bậc 1 với mức ý nghĩa 1%.
Bảng 4.3. Kết quả kiểm định tính dừng chuỗi dữ liệu Indonesia
Biến lnFE lnNEER lnM2 lnCPI
Chuỗi gốc
Giá trị thống kê t -2.5428 -3.0564 0.1908 -1.3891 t-1% -4.1373 -4.1611 -3.5812 -4.1338 t-5% -3.4953 -3.5064 -2.9266 -3.4937 t-10% -3.1766 -3.1830 -2.6014 -3.1757 Kết quả dừng Không Không Không Không
Chuỗi sai phân bậc 1
Giá trị thống kê t -4.9768 -4.1569 -2.6320 -6.6224 t-1% -3.5575 -3.5885 -3.5885 -3.5575 t-5% -2.9166 -2.9297 -2.9297 -2.9166 t-10% -2.5961 -2.6031 -2.6031 -2.5961
Bậc dừng I(1) I(1) I(1) I(1)
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 6.0
Biến lnFE lnNEER lnM2 lnCPI
Giá trị thống kê t -1.0022 -2.6097 -1.5909 -2.6394
t-1% -4.1338 -4.1446 -4.1485 -4.1409
t-5% -3.4937 -3.4987 -3.5005 -3.4970
t-10% -3.1757 -3.1786 -3.1796 -3.1776
Kết quả dừng Không Không Không Không
Giá trị thống kê t -6.0416 -5.8758 -6.7002 -4.1769