12
KINH TẾ - TÀI CHÍNH VĨ MÔ
Kết luận
Dự báo tốc độ tăng trưởng GDP bình quân đầu
người qua các năm là bài toán khó, mặc dù mô hình
ARIMAđược các nhà nghiên cứu kinh tế và chính sách
trên thế giới thường sử dụng để dự báo chuỗi thời gian
ngắn hạn bao gồm cả chuỗi tốc độ tăng trưởng GDP
bình quân, tuy nhiên GDP phụ thuộc vào nhiều yếu
tố, trong đó có những yếu tố không kiểm soát hay điều
chỉnh được và có cả yếu tố rủi ro như thiên tai, chiến
tranh, bất ổn kinh tế, bất ổn chính trị thế giới…
Mặc dù vậy, dự báo chỉ số tốc độ tăng trưởng GDP
bình quân đầu người là bài toán quan trọng trong
kiểm soát kinh tế và chính sách vì vậy cần có những
mô hình có tính kỹ thuật để có thể dự báo tương đối
chính xác các chỉ số kinh tế. Mô hình ARIMA được áp
dụng cho kết quả là tốc độ tăng trưởng GDP bình quân
đầu người năm 2017 là khoảng 6%, mục tiêu cao hơn
6,5% khó đạt được, mục tiêu tăng trưởng 6,7% hay 7%
gần như là không thể thực hiện được. Tuy nhiên, mô
hình cũng cho thấy từ năm 2018 đến 2020, tốc độ tăng
trưởng GDP bình quân đầu người có xu hướng tăng,
theo dự báo là trên 6,2% và 6,3% như vậy có thể đặt
mục tiêu tăng trưởng GDP bình quân đầu người giai
đoạn này là 6,5%; nếu kết hợp với các chính sách kinh
tế khác đặc biệt là chính sách thu hút nguồn vốn FDI,
chính sách lao động và việc làm và kiểm soát dân số
thì mục tiêu này hoàn toàn có thể đạt được.
Tài liệu tham khảo
1. Box, G. E. P. & Jenkins G. M. (1976), Time series analysis, Forecasting and
control, Holden-Day, San Francisco;
2. Dickey, D. A. & Fuller W. A. (1979), Distribution of the estimators for
autoregressive time series with a unit root, Journal of the American
Statistical Association, 74(366), 427–431;
3. Data.Worldbank.Org.
lượng các tham số của mô hình rất quan trọng.
Các tham số đạt được bằng cách ước lượng thống
kê dùng phương pháp bình phương tối thiểu
(Least Square).
- Kiểm định mô hình: Trước khi dự báo chuỗi
thời gian, cần phải kiểm tra tính phù hợp của mô
hình đã được xác định tạm thời. Mô hình là phù hợp
và được sử dụng để dự báo nếu các số dư của nó
không thể cải tiến dự báo thêm nữa. Nói cách khác,
các số dư là ngẫu nhiên.
- Dự báo: Khi tính phù hợp của mô hình đã được
kiểm chứng, chuỗi thời gian được dự báo đối với
một khoảng thời gian nhất định.
Mô hình dự báo bằng ARIMA(p,d,q) có công
thức toán học là:
1 1
1 1
ˆ
...
...
t
t
p t p
t
q t q
y
y
y
e
e
µ φ
φ
θ
θ
−
−
−
−
= + + +
− − −
Trong đó
,
i
j
φ θ
là các tham số tự hồi quy và
trung bình trượt ước lượng từ mô hình.
Kết quả dự báo
Bảng giá trị và đồ thị AC (Autocorrelation) và
PAC (Partial autocorrelation) thể hiện tự tương
quan và tự tương quan riêng phần của chuỗi
tốc độ tăng trưởng GDP đã thu thập. Dựa vào
bảng này có thể thấy rằng mô hình ARIMA cần
sử dụng là mô hình ARIMA(1,0,1), mô hình
trở thành ARMA. Kết quả mô hình dự báo là
1
1
6.349843 0.4109628 P 0.5992022
t
t
t
GDP
GD
ε
∧
−
−
=
+
−
trong đó GDP là tốc độ tăng trưởng GDP bình quân
đầu người, ε
t
là sai số.
Có thể thấy, dáng điệu của đường dự báo và đường
giá trị quan sát rất phù hợp. Kiểmđịnh tính nhiễu trắng
của mô hình (Dickey Fuller 1979) cho thấy, mô hình có
ý nghĩa thống kê để sử dụng trong việc dự báo.
HÌNH 2. AC VÀ PAC CỦA CHUỖI TỐC ĐỘ TĂNG TRƯỞNG GDP
BÌNH QUÂN ĐẦU NGƯỜI 1985-2016
Nguồn: Tính toán của tác giả
HÌNH 3. DỰ BÁO TỐC ĐỘ TĂNG TRƯỞNG
GDP BÌNH QUÂN ĐẦU NGƯỜI 2017-2020
Nguồn: Tính toán của tác giả
