3. Khái quát phƣơng pháp nghiên cứu
3.2 Mơ hình Vector tự hồi qu y VAR (Vector Autoregressive Models) 1 Giới thiệu về mơ hình VAR:
3.2.1 Giới thiệu về mơ hình VAR:
Trong kinh tế, 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 biến phụ thuộc cũng có thể có ảnh hưởng ngược lại lên biến giải thích. Do đó ta phải xét ảnh hưởng qua lại giữa các biến này cùng một lúc. Chính vì thế mơ hình kinh tế lượng đưa vào trong nghiên cứu khơng phải là mơ hình một phương trình mà là mơ hình nhiều phương trình. Mơ hình tự hồi quy vector - VAR được sử dụng rất phổ biến trong nghiên cứu kinh tế vĩ mô do hai tác giả Christopher A. Sims và Thomas J. Sargent đưa ra và đoạt giải Nobel kinh tế vào năm 2011.
Mơ hình VAR là một mơ hình gồm nhiều phương trình. VAR là sự kết hợp của hai phương pháp tự hồi quy đơn chiều (univariate autoregression – AR) và hệ phương trình ngẫu nhiên (simultanous equations – Ses). VAR là phương pháp kết hợp các ưu điểm của phương pháp AR là rất dễ ước lượng bằng phương pháp tối thiểu hóa phần dư (OLS) và ưu điểm của SEs là ước lượng nhiều biến trong cùng một hệ thống. Đồng thời VAR khắc phục được nhược điểm của phương pháp SEs là nó khơng cần quan tâm đến tính nội sinh của các biến kinh tế (endogeneity). Các biến kinh tế vĩ mơ thường mang tính nội sinh khi chúng tác động qua lại lẫn nhau. Thuộc tính này làm cho phương pháp cổ điển hồi quy bội dùng một phương trình hồi quy nhiều biến bị sai lệch khi ước lượng. Đây là lý do cơ bản khiến VAR trở nên phổ biến trong nghiên cứu kinh tế vĩ mơ. Nó là nền tảng cho nghiên cứu về sự đồng liên kết (cointegration) của Engle và Granger (1987) đạt giải Nobel năm 2003.
VAR là một mơ hình kinh tế thuần túy về chuỗi thời gian bởi vậy đôi khi được gọi là unrestricted VAR (với nghĩa khơng có cấu trúc gì cả mà chỉ là một mơ hình thống kê). Mơ hình VAR được khái qt hóa từ hệ phương trình có nhiều hơn một biến phụ thuộc.
Dạng tổng quát của VAR được thể hiện như sau:
Yt = + Yt-1 + Yt- 2 + … + Yt-k + ut
g 1 g 1 g g g 1 g g g 1 g g g 1 g 1
(1)
Theo Sims (1986), q trình phân tích VAR gồm ba bước cơ bản:
Đầu tiên, nhà phân tích dự báo các biến số vĩ mơ sử dụng mơ hình vector - autoregression (mơ hình VAR). Đây là một mơ hình tương đối đơn giản sử dụng dữ liệu chuỗi thời gian, theo đó các giá trị quan sát trước đó được dùng để đi tới dự báo chính xác nhất có thể. Khác biệt giữa dự báo và kết quả (lỗi dự báo) đối với một biến cụ thể được coi là một loại "cú sốc", nhưng Sims (1986) cho thấy những lỗi dự báo ấy khơng có ý nghĩa kinh tế rõ ràng.Ví dụ như lãi suất bất ngờ thay đổi có thể là phản ứng trước một cú sốc khác, ví dụ như thất nghiệp hay lạm phát, cũng có thể chúng xảy ra hồn tồn "độc lập". Sự thay đổi một cách độc lập ấy được gọi là "cú sốc cơ bản".
Bước thứ hai là tách "cú sốc cơ bản" ra. Đây là điều kiện tiên quyết để nghiên cứu tác động của việc lãi suất thay đổi "độc lập". Thực tế, một trong những đóng góp lớn của Sims (1986) là chứng minh việc đi từ hiểu biết toàn diện cách thức vận hành của nền kinh tế có thể đi tới nhận diện được các "cú sốc cơ bản". Sims (1986) và các nhà nghiên cứu tiếp bước ông đã phát triển các phương pháp khác nhau để nhận diện của "có sốc cơ bản" trong mơ hình VAR. Một khi đã nhận diện được các "cú sốc cơ bản" từ dữ liệu lịch sử.
Bước thứ ba trong phương pháp của Sims (1986) là phân tích impulse- response (phân tích phản ứng xung). Phân tích này minh họa tác động của các cú sốc cơ bản đối với các biến số vĩ mô qua thời gian cho thấy tăng chi tiêu cơng có thể trung hịa được một đợt suy thối tạm thời.
Mơ hình VAR là cơng cụ không thể thiếu trong phân tích ảnh hưởng của nhiều cú sốc khác nhau, đối với nền kinh tế cũng như ảnh hưởng của nhiều chính sách khác nhau để đối phó với các cú sốc trên.