12
NGHIÊN CỨU - TRAO ĐỔI
Mô hình nghiên cứu
Nghiên cứu này ứng dụng mô hình SVAR đối
với 4 biến y1, y2, y3, y4 tương ứng với 4 biến tổng
quát là sản lượng, lạm phát, lãi suất chính sách và
cung tiền. Khi sử dụng mô hình SVAR để nghiên
cứu thực nghiệm, thứ tự các biến là quan trọng
nên dựa vào bài nghiên cứu của Deepak Mohanty
(2012), thứ tự các biến như sau: Sản lượng, lạm phát,
lãi suất chính sách và cung tiền.
Cấu trúc biến này giả định rằng, những cú sốc sản
lượng thực tế là ngoại sinh, đồng thời cũng không
bị ảnh hưởng bởi các biến khác trong mô hình. Lạm
phát được giả định bị ảnh hưởng bởi những cú sốc
sản lượng thực tế nhưng không phải bởi những cú
sốc khác. Lãi suất chính sách được giả định bị ảnh
hưởng đồng thời bởi cả cú sốc đầu ra và cú sốc giá.
Cuối cùng, cung tiền (hoặc tín dụng) được giả định
bị ảnh hưởng, đồng thời bởi những cú sốc sản lượng
thực tế những cú sốc giá và những cú sốc chính sách
tiền tệ. Như vậy, mối quan hệ giữa các cú sốc được
áp đặt như sau:
Đối với dữ liệu ở Việt Nam, tác giả sử dụng biến
GDP như là một đại diện cho biến sản lượng, CPI đại
diện cho biến lạm phát, biến lãi suất chính sách sử
dụng hai biến thể, đó là lãi suất cơ bản và lãi suất tái
cấp vốn và cuối cùng sử dụng cung tiền rộng M2 để
đại diện cho biến cung tiền. Dựa theo Mohanty (2012)
và Balkovskaya (2012), các biến đều được sử dụng
dưới dạng log, riêng đối với biến GDP theo quý được
hiệu chỉnh loại bỏ tính mùa vụ bằng X12_ARMA.
Kết quả nghiên cứu thực nghiệm tại Việt Nam
Kết quả kiểm định tính dừng cho chuỗi dữ liệu
Như đã trình bày trong phần lý thuyết mô hình,
việc kiểm định tính dừng nhằm mục đích đảm bảo
việc sử dụng mô hình SVAR là hợp lý và đáng tin
cậy. Trong trường hợp chuỗi dữ liệu hay các sai
phân của nó không dừng, mô hình SVAR sẽ không
thể sử dụng được. Bài nghiên cứu sẽ tiến hành kiểm
định tính dừng của các biến qua kiểm định nghiệm
đơn vị theo phương pháp Augmented Dickey-Fuller
(ADF) test. Đầu tiên, chúng ta sẽ kiểm định tính
dừng của chuỗi dữ liệu gốc đã được lấy logarit, kết
quả như bảng 1:
Giả thuyết H0 của kiểm định này là chuỗi Y có
nghiệm đơn vị (chuỗi không dừng), nếu giá trị tuyệt
đối của t - statistic ADF test lớn hơn giá trị tuyệt đối
của giá trị t tra bảng (Test critical values) và p-value
< 0,01 thì bác bỏ H0, tức là chuỗi dừng.
Trong 5 chuỗi dữ liệu sử dụng, theo kết quả kiểm
định nghiệm đơn vị Unit root test, T – Statistic ADF
test > Test Critical values với mức ý nghĩa 5%, do đó,
kết luận tất cả chuỗi dữ liệu gốc đều không dừng.
Sau đó, tiến hành lấy sai phân từng chuỗi và lần lượt
kiểm định tính dừng của từng chuỗi. Kết quả kiểm
định nghiệm đơn vị như sau:
Từ bảng kết quả trên, có thể kết luận chuỗi L_
GDP_SA và L_M2 dừng ở sai phân bậc 2 với mức
ý nghĩa 1%, các chuỗi còn lại là L_CPI, L_LSCB, L_
LSTCV dừng ở sai phân bậc 1 với mức ý nghĩa 1%.
Dựa trên kết quả kiểm định này, những bước định
lượng tiếp theo, nghiên cứu sẽ không sử dụng các
chuỗi gốc để ước lượng mà sẽ sử dụng những chuỗi
đã lấy sai phân để ước lượng, cụ thể sẽ sử dụng 5
chuỗi sau:
D_L_GDP_SA: Sai phân bậc 2 của logarit chuỗi
GDP có hiệu chỉnh mùa vụ.
BẢNG 1: KẾT QUẢ KIỂM ĐỊNH NGHIỆM ĐƠNVỊ TRÊN CHUỖI GỐC
Biến
t-statistic
ADF test
Test
critical
values:
5% level
P-value
Chú thích
L_GDP_SA
-1.468769 -2.926622
0.5403
Không dừng
L_CPI
1.501044
-2.923780
0.9991
Không dừng
L_LSCB
-2.862105 -2.921175
0.0571
Không dừng
L_LSTCV
-2.592158 -2.922449
0.1014
Không dừng
L_M2
-0.806537 -2.929734
0.8074
Không dừng
Nguồn:Nghiên cứu của tác giả
BẢNG 2: KẾT QUẢ KIỂM ĐỊNH NGHIỆM ĐƠN VỊ
TRÊN CHUỖI ĐÃ LẤY SAI PHÂN
Biến
t-statistic
ADF test
Test
critical
values:
5% level
P-value
Chú
thích
D(L_GDP_SA)
-1,700562 -2,926622
0,4243 Không
dừng
D((L_GDP_SA),2)
-12,91579 -2,926622
0,0000 Dừng
D(L_CPI)
-4,335610 -2.923780
0,0011 Dừng
D(L_LSCB)
-6,477886 -2,925169
0,0000 Dừng
D(L_LSTCV)
-5,790960 -2,923780
0,0000 Dừng
D(L_M2)
-1,655583 -2.929734
0,4463 Không
dừng
D((L_M2),2)
-5,950843 -2.929734
0,0000 Dừng
Nguồn: Nghiên cứu của tác giả
