2.2.1. Lý do lựa chọn mô hình VAR
Thứ nhất, trong nền kinh tế, lạm phát vừa phải chịu tác động của các biến số kinh tế vĩ mô, vừa tác động ngược trở lại một số biến trong các biến đó. Để phản ánh được những tác động đồng thời này, bài nghiên cứu không thể chỉ xây dựng mô hình đơn phương trình trong đó lạm phát là biến phụ thuộc và các biến kinh tế vĩ mô là biến độc lập. Vì thế, bài nghiên cứu phải xây dựng mô hình trong đó chỉ ra được những mối tương quan hai chiều giữa lạm phát và các biến khác.
Thứ hai, các biến số kinh tế vĩ mô bản chất là các chuỗi thời gian. Do bản chất kinh tế của các biến này, các giá trị hiện tại và quá khứ của các biến thường có tự tương quan, đây là một vấn đề khó thể tránh khỏi.Các mô hình hồi quy thông thường sẽ không đáng tin cậy để giải quyết với dự liệu dạng chuỗi thời gian.
Thứ ba, một trong những mục đích của bài nghiên cứu muốn làm rõ mức độ tác động từ các cú sốc trong lãi suất, tỷ giá, lạm phát quá khứ,…lên lạm phát, đồng thời cú sốc từ lạm phát tác động trở lại các biến kinh tế, nên mô hình xây dựng phải có khả năng phân tích được ảnh hưởng riêng của các cú sốc của một biến lên các biến khác.
Với ba lý do đề cập ở trên đều được đáp ứng bởi mô hình VAR6. Ý tưởng xây dựng mô hình VAR xuất phát từ quan điểm của Sims cho rằng, nếu có sự tác động đồng thời giữa một tập hợp các biến thì tất cả phải được xét trên cùng một cơ sở, giữa các biến ngoại sinh và nội sinh, không có một sự phân biệt tiên nghiệm nào. Trong mô hình VAR, các biến đươc xét đều là biến nội sinh. Giá trị hiện tại của một biến được xác định bởi giá trị quá khứ của biến đó và các giá trị hiện tại và giá trị quá khứ của các biến khác trong mô hình. Các giá trị quá khứ được xem như là một biến độc lập trong mô hình. Hàm ý rằng, tự tương quan không phải là một vấn đề của mô hình VAR. Bên cạnh đó, mô hình VAR sử dụng hàm phản ứng đẩy và bảng phân rã phương sai cho phép xác định một cách riêng rẽ các tác động của một cú sốc của một biến lên các biến khác.
Ưu điểm của phương pháp định lượng bằng mô hình VAR: (1) Đây là phương pháp đơn giản, không cần lo lắng về việc xác định các biến bào là biến nội sinh, biến nào là biến ngoại sinh, tất cả các biến trong mô hình đều là biến nội sinh; (2) Phép ước lượng đơn giản, tức là phương pháp ước lượng OLS thông thường có thể được áp dụng cho từng phương trình riêng rẽ; (3) Các dự báo tính được bằng phương pháp này, trong nhiều trường hợp, tốt hơn các dự báo tính được từ các mô hình phương trình đồng thời phức tạp hơn. Với những lý do trên, nhóm tác giả
quyết định lựa chọn mô hình VAR để nghiên cứu tác động của chính sách lãi suất tới lạm phát ở Việt Nam.
2.2.2. Lựa chọn biến và thiết lập phương trình
Việc lựa chọn biến cho mô hình trong bài nghiên cứu này dựa theo nội dung phân tích về các kênh truyền dẫn tác động của lãi suất tới lạm phát ở mục 1.2 kết hợp các nghiên cứu định lượng gần đây về các nguyên nhân dẫn tới lạm phát ở Việt Nam như Nghiên cứu lạm phát tại Việt Nam theo phương pháp SVAR của PGS.TS Nguyễn Thị Liên Hoa và THS Trần Đặng Dũng (2013), Nguồn gốc lạm phát ở Việt Nam giai đoạn 2000-2010: phát hiện mới từ những bằng chứng mới của TS Nguyễn Thị Thu Hằng & TS Nguyễn Đức Thành (2011). Trong các bài nghiên cứu định lượng, cáctác giả đã đưa vào mô hình các các nghiên cứu đưa vào mô hình bốn nhóm nhân tố cơ bản: (1) giá của khu vực nước ngoài; (2) tỷ giá; (3) cầu kéo; (4) chi phí đẩy, để giải thích cho sự biến động của lạm phát.Trong bài nghiên cứu này, tác giảsử dụng biến giá dầu (đại diện cho giá của khu vực nước ngoài), biến tỷ giá, biến cung tiền M2, và biến lãi suất.Vì mục đích chính của bài nghiên cứu này nhằm đánh giá tác động của chính sách lãi suất tới lạm phát, nên đối với biến lãi suất, tác giả đưa ba biến lãi suất vào mô hình là biến lãi suất cho vay ngắn hạn (đại diện cho lãi suất của thị trường), biến lãi suất cơ bản và biến lãi suất tái cấp vốn (đại hiện cho lãi suất điều hành của NHNN).
Bảng 6. Các biến sử dụng trong mô hình
Biến Ký hiệu Thời gian Nguồn
Chỉ số giá tiêu
dùng trong nước CPI
Tháng 1-2004 đến tháng 7-2013 Tổng cục thống kê Chỉ số giá dầu thế giới OIL Tháng 1-2004 đến tháng 7-2013
Quỹ tiền tệ thế giới
Tỷ giá đô la Mỹ EXR Tháng 1-2004 đến tháng 7-2013 Bộ Tài chính Cung tiền MS2 Tháng 1-2004 đến tháng 7-2013 Ngân hàng phát triển châu Á
Lãi suất cho vay
ngắn hạn LEN
Tháng 1-2004 đến tháng 7-2013
Ngân hàng Nhà nước
Lãi suất cơ bản
BIR Tháng 1-2004 đến tháng 7-2013
Ngân hàng Nhà nước
Lãi suất tái cấp
vốn REF
Tháng 1-2004 đến tháng 7-2013
Ngân hàng Nhà nước
Giải thích cụ thể dữ liệu các biến được sử dụng trong mô hình:
+ Chỉ số giá tiêu dùng: chỉ số này do Tổng cục thống kê công bốtheo hàng tháng, tính bằng tỷ lệ CPI của tháng sau so với tháng trước, đơn vị tính là %. Biến khi đưa vào mô hình đã được tác giả điều chỉnh yếu tố mùa vụ.
+ Chỉ số giá dầu thế giới: chỉ số này được tính bằng tỷ lệ giá dầu các tháng so với thời kỳ gốc được chọn là năm 2005 do IMF công bố. Đơn vị tính chỉ số giá dầu là %.
+ Tỷ giá đô la Mỹ: tỷ giá này là tỷ giá hạch toán đô la Mỹ do Bộ Tài chính công bố theo từng tháng. Biến được lấy giá trị logarit khi đưa vào mô hình.
+ Cung tiền MS2: số liệu cung tiền M2 do ngân hàng phát triển châu Á công bố theo quý. Tác giả sử dụng phương pháp nội suy để tính ra giá trị theo tháng. Dựa
trên chuỗi giá trị sau khi tính được, tác giả tính tốc độ tăng cung tiền theo tháng bằng cách tính tỷ lệ cung tiền tháng sau so với tháng trước. Chuỗi sau khi tính có đơn vị là %.
+ Lãi suất cho vay ngắn hạn, lãi suất tái cơ bản và lãi suất tái cấp vốn: đơn vị tính là %/năm.
Từ 7 biến trên, tác giả xây dựng mô hình VAR cho bài nghiên cứu:
𝐶𝑃𝐼𝑡 = α1 + ∑𝑖=1𝑘 𝛽1𝑖 *𝑂𝐼𝐿𝑡−𝑖 + ∑𝑘𝑖=1𝛾1𝑖 ∗ 𝐸𝑋𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝛿1𝑖 ∗ 𝐶𝑃𝐼𝑡−𝑖 + ∑𝑘𝑖=1𝜃1𝑖 ∗ 𝑅𝐸𝐹𝑡−𝑖 + ∑𝑘𝑖=1𝜑1𝑖 ∗ 𝐿𝐸𝑁𝑡−𝑖 + ∑𝑘𝑡=1𝜙1𝑡 ∗ 𝐵𝐼𝑅𝑡−1 + ∑𝑘𝑖=1𝜔1𝑖 ∗ 𝑀𝑆2𝑡−𝑖 + 𝜀1𝑡 𝑂𝐼𝐿𝑡 = α2 + ∑𝑖=1𝑘 𝛽2𝑖 *𝑂𝐼𝐿𝑡−𝑖 + ∑𝑘𝑖=1𝛾2𝑖 ∗ 𝐸𝑋𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝛿2𝑖 ∗ 𝐶𝑃𝐼𝑡−𝑖 + ∑𝑘𝑖=1𝜃2𝑖 ∗ 𝐷𝐶𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝜑2𝑖 ∗ 𝐿𝐸𝑁𝑡−𝑖 + ∑𝑘𝑡=1𝜙2𝑡∗ 𝐵𝐼𝑅𝑡−1 + ∑𝑘𝑖=1𝜔2𝑡 ∗ 𝑀𝑆2𝑡−𝑖 + 𝜀2𝑡 𝐸𝑋𝑅𝑡 = α3 + ∑𝑖=1𝑘 𝛽3𝑖 *𝑂𝐼𝐿𝑡−𝑖 + ∑𝑘𝑖=1𝛾3𝑖 ∗ 𝐸𝑋𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝛿3𝑖 ∗ 𝐶𝑃𝐼𝑡−𝑖 + ∑𝑘𝑖=1𝜃3𝑖 ∗ 𝐷𝐶𝑅𝑡−𝑖+ ∑𝑘𝑖=1𝜑3𝑖 ∗ 𝐿𝐸𝑁𝑡−𝑖 + ∑𝑘𝑡=1𝜙3𝑡∗ 𝐵𝐼𝑅𝑡−1 + ∑𝑘𝑖=1𝜔3𝑖 ∗ 𝑀𝑆2𝑡−𝑖 + 𝜀3𝑡 𝑀𝑆2𝑡 = α4 + ∑𝑖=1𝑘 𝛽4𝑖 *𝑂𝐼𝐿𝑡−𝑖 + ∑𝑘𝑖=1𝛾4𝑖 ∗ 𝐸𝑋𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝛿4𝑖 ∗ 𝐶𝑃𝐼𝑡−𝑖 + ∑𝑘𝑖=1𝜃4𝑖 ∗ 𝐷𝐶𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝜑4𝑖 ∗ 𝐿𝐸𝑁𝑡−𝑖 + ∑𝑘𝑡=1𝜙4𝑡∗ 𝐵𝐼𝑅𝑡−1 + ∑𝑘𝑖=1𝜔4𝑖 ∗ 𝑀𝑆2𝑡−𝑖 + 𝜀4𝑡 𝐷𝐶𝑅𝑡 = α5 + ∑𝑖=1𝑘 𝛽5𝑖*𝑂𝐼𝐿𝑡−𝑖 + ∑𝑘𝑖=1𝛾5𝑖 ∗ 𝐸𝑋𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝛿5𝑖 ∗ 𝐶𝑃𝐼𝑡−𝑖 + ∑𝑘𝑖=1𝜃5𝑖 ∗ 𝐷𝐶𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝜑5𝑖 ∗ 𝐿𝐸𝑁𝑡−𝑖 + ∑𝑘𝑡=1𝜙5𝑡∗ 𝐵𝐼𝑅𝑡−1 + ∑𝑘𝑖=1𝜔5𝑖 ∗ 𝑀𝑆2𝑡−𝑖 + 𝜀5𝑡
𝐵𝐼𝑅𝑡 = α6 + ∑𝑖=1𝑘 𝛽6𝑖 *𝑂𝐼𝐿𝑡−𝑖 + ∑𝑘𝑖=1𝛾6𝑖 ∗ 𝐸𝑋𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝛿6𝑖 ∗ 𝐶𝑃𝐼𝑡−𝑖 + ∑𝑘𝑖=1𝜃6𝑖 ∗ 𝐷𝐶𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝜑6𝑖 ∗ 𝐿𝐸𝑁𝑡−𝑖 + ∑𝑘𝑡=1𝜙6𝑡∗ 𝐵𝐼𝑅𝑡−1 + ∑𝑘𝑖=1𝜔6𝑖 ∗ 𝑀𝑆2𝑡−𝑖 + 𝜀6𝑡 𝐿𝐸𝑁𝑡 = α7 + ∑𝑖=1𝑘 𝛽7𝑖 *𝑂𝐼𝐿𝑡−𝑖 + ∑𝑘𝑖=1𝛾7𝑖 ∗ 𝐸𝑋𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝛿7𝑖 ∗ 𝐶𝑃𝐼𝑡−𝑖 + ∑𝑘𝑖=1𝜃7𝑖 ∗ 𝐷𝐶𝑅𝑡−𝑖 + ∑𝑘𝑖=1𝜑7𝑖 ∗ 𝐿𝐸𝑁𝑡−𝑖 + ∑𝑘𝑡=1𝜙7𝑡∗ 𝐵𝐼𝑅𝑡−1 + ∑𝑘𝑖=1𝜔7𝑖 ∗ 𝑀𝑆2𝑡−𝑖 + 𝜀7𝑡
2.2.3. Ước lượng và kiểm định mô hình
Nhóm tác giả sử dụng phần mềm EVIEWS 7 để tiến hành ước lượng, kiểm định và phân tích mô hình.
Kiểm định tính dừng của các biến
Khi các chuỗi thời gian không dừng, mô hình có thể sẽ gặp phải trường hợp đồng liên kết của các chuỗi thời gian (hay hồi quy giả mạo). Trường hợp này làm cho giá trị R2 của mô hình ước lượng rất cao nhưng nó làm cho kiểm định t, F bị mất ý nghĩa. Vì thế, trước khi ước lượng mô hình, tác giả sẽ kiểm định xem các biến trong mô hình có phải là các chuỗi dừng hay không. Trong phần này, tác giả sử dụng phương pháp kiểm định nghiệm đơn vị. Tiến hành kiểm định Dickey – Fuller gia tăng (Augmented Dickey – Fuller - ADF) xem xét tính dừng của các biến, lần lượt đối trong các trường hợp có chặn, có chặn và có xu hướng, không chặn và không có xu hướng. Giả thuyết H0 là chuỗi thời gian có nghiệm đơn vị (chuỗi không dừng).
Bảng 7. Kết quả kiểm định tính dừng của các biến trong mô hình Biến Tính dừng Mức ý nghĩa Biến Tính dừng Mức ý nghĩa CPI Dừng 1% OIL Dừng 5% EXR Không dừng d(EXR) Dừng 1% MS2 Dừng 5% BIR Dừng 5% REF Dừng 5% LEN Dừng 5%
Ước lượng độ trễ tối ưu cho mô hình
Để ước lượng độ trễ tối ưu cho mô hình, tác giả sử dụng các tiêu chuẩn sequential modified Likelihood – Ratio test (LR), Final Prediction Error (FPE), Akaike Information Criterion (AIC), Schwarz information Criterion (SC) và Hannan – Quinn information criterion (HQ).
Trong bảng kết quả ước lượng độ trễ tối ưu, dấu “*” chỉ độ trễ tối ưu được lựa chọn bởi các tiêu chuẩn. Theo kết quả ước lượng, tại độ trễ bằng 1 và 3 đáp ứng được hai tiêu chuẩn, tại độ trễ bằng 5 đáp ứng được 1 tiêu chuẩn.Tuy nhiên, độ trễ sau 1 tháng và 3 tháng là không phù hợp với thực tế. Sở dĩ mộtthay đổi một biến số kinh tế cần một khoảng thời gian tương đối lâu mới gây ra tác động tới những biến khác. Vì vậy, tác giả sẽ không lựa chọn độ trễ tối ưu là 1 tháng và 3 tháng. Độ trễ tối ưu là 5 tháng sẽ có ý nghĩa trên thực tế hơn so với độ trễ 1 và 3 tháng.
Kiểm định tính phù hợp của mô hình
Sau khi xác định được độ trễ tối ưu là 5 tháng, tác giả sẽ tiến hành kiểm định mức độ phù hợp của mô hình thông qua việc kiểm tính dừng đối với các phần dư của các biến trong mô hình. Nếu phần dư của các biến trong mô hình cũng là các chuỗi dừng thì mô hình được ước lượng là phù hợp. Phần dư của các biến được kiểm định trong trường hợp không có chặn và không có xu hướng. Nếu phần dư của một biến có giá trị kiểm định ADF tính được lớn hơn giá trị thống kê tại mức a%, ta có thể kết luận phần dư đó dừng tại mức ý nghĩa a%.
Bảng 8. Kết quả kiểm định nghiệm đơn vị đối với phần dư của các biến trong mô hình
Phần dư ADF test
statistic Test critical values: 1% level P-value Chú thích RESID_CPI -10.44230 -2.586550 0.0000 Dừng RESID_OIL -10.34555 -2.586550 0.0000 Dừng RESID_d(EXR) -10.55625 -2.586550 0.0000 Dừng RESID_MS2 -10.36255 -2.586550 0.0000 Dừng RESID_BIR -10.97858 -2.586550 0.0000 Dừng RESID_REF -10.71541 -2.586550 0.0000 Dừng RESID_LEN -10.36779 -2.586550 0.0000 Dừng
Kết quả kiểm định nghiệm đơn vị với các phần dư của các biến đều cho thấy các phần dư đều là chuỗi dừng. Từ đó có thể kết luận mô hình VAR ước lượng tại độ trễ tối ưu bằng 5 tháng là phù hợp.
2.2.4. Phân tích kết quả của mô hình
Sau khi đã ước lượng được một mô hình phù hợp, tác giả sử dụng hàm phản ứng đẩy và bảng phân rã phương sai để xem xét ảnh hưởng của các cú sốc trong chính sách lãi suất có tác động như thế nào tới lạm phát, đồng thời cũng xem xét sự phản ứng của NHNN trong điều hành lãi suất đối với các cú sốc. Bên cạnh đó, tác giả cũng xem xét mức độ tác động của lãi suất điều hành tới lãi suất thị trường.
2.2.4.1. Phân tích tác động của các cú sốc lãi suất lên lạm phát ở Việt Nam
Các kết luận về tác động của lãi suất cho vay lên lạm phát
Hình 11. Phản ứng của lạm phát trước cú sốc từ lãi suất cho vay
Xét một cách tổng thể, một cú sốc từ lãi suất cho vay ngắn hạn có tác động rất nhỏ tới lạm phát và xu hướng tác động là không ổn định. Trong 4 tháng đầu tiên, tác động mang chiều hướng nghịch, khi có cú sốc tăng lãi suất cho vay, lạm phát sẽ có xu hướng giảm xuống. Từ tháng thứ 5 tới tháng 12, phản ứng của lạm phát cùng chiều với cú sốc từ lãi suất cho vay. Quá trình tác động này chỉ kéo dài trong khoảng thời gian 11 tháng, từ tháng 12 trở đi, mức độ tác động này gần như bằng 0.
Tuy nhiên, trong khoảng 11 tháng đầu tiên, dù lãi suất thị trường có tác động tới lạm phát nhưng mức tác động này là tương đối nhỏ.Kết luận trên phù hợp với những kết luận của PGS.TS. Nguyễn Thị Liên Hoa & THS. Trần Đặng Dũng được rút ra trong bài Nghiên cứu lạm phát tại Việt Nam theo phương pháp SVAR năm 2013.
Các kết luận về tác động của lãi suất cơ bản lên lạm phát
Hình 12. Phản ứng của lạm phát trước cú sốc từ lãi suất cơ bản
Tác động của cú sốc từ lãi suất cơ bản lên lạm phát được thể hiện rõ trong hình 11. Sự tác động bắt đầu tăng nhanh từ tháng thứ 3, và sang tháng thứ 4, mức tác động là lớn nhất, mức giảm là 0,1425%. Từ tháng thứ 5, mức độ tác động này đã giảm xuống. Từ tháng thứ 13, mức độ tác động giảm xuống gần bằng 0. Trong 12 tháng đầu tiên, tác động của lãi suất cơ bản lên lạm phát cho thấy một sự tương quan ngược chiều, bằng việc lạm phát luôn có xu hướng giảm sau cú sốc từ lãi suất cơ bản. Những kết luận trên chỉ ra việc điều hành lãi suất cơ bản nhằm kiểm soát lạm phát sẽ bắt đầu phát huy hiệu quả từ tháng thứ 3 và kéo dài tới tháng thứ 12.
Tác động của cú sốc lãi suất tái cấp vốn lên lạm phát
Hình 13. Phản ứng của lạm phát trước cú sốc từ lãi suất tái cấp vốn
Hàm phản ứng cho thấy rằng cú sốc từ lãi suất tái cấp vốn sẽ làm cho lạm phát luôn giảm trong khoảng thời gian là 10 tháng. Thời điểm mà lạm phát bắt đầu chịu ảnh hưởng mạnh là tháng thứ 2. Điều này hàm ý độ trễ trong chính sách điều hành lãi suất tái cấp vốn là khoảng 2 tháng. Số liệu cụ thể về mức độ thay đổi của lạm phát trong từng tháng được chỉ ra trong bảng sau:
Bảng 9. Mức độ thay đổi của lạm phát theo tháng trước cú sốc từ lãi suất tái cấp vốn
Ở các tháng thứ 3, 5, và 6, mức độ thay đổi của lạm phát là lớn nhất và đều trên 0.165%.Giải thích sự tác động khá mạnh của cú sốc lãi suất tái cấp vốn lên lạm phát là do trong suốt thời gian từ năm 2000 đến đầu năm 2014, lãi suất tái cấp vốn được NHNN sử dụng như là lãi suất trần cho lãi suất liên ngân hàng, cùng với lãi suất tái chiết khấu được xem như là lãi suất sàn. Hai lãi suất này thiết lập một hành lang với biên độ chênh lệch được duy trì khoảng 2%. Điều này đã giúp NHNN kiểm soát tốt mức lãi suất cho vay liên ngân hàng, qua đó kiểm soát lãi suất thị trường. Đồng thời, sự tăng lên hay giảm xuống của lãi suất tái cấp vốn được xem như là một dấu hiệu phát đi từ NHNN về chính sách tiền tệ thắt chặt hay nới lỏng mà chính