42
NGHIÊN CỨU - TRAO ĐỔI
- , , , – các hệ số.
Kết quả dự báo
Số liệu CPI hàng tháng tại khu vực
thành thị cũng như trên phạm vi cả nước
của Việt Nam từ tháng 5/2006 đến tháng
3/2016 được lấy từ website của Tổng cục
Thống kê. Dự báo ngoài mẫu được thực
hiện bằng phương pháp động (dynamic)
với mô hình (1) như sau:
Đầu tiên, chúng tôi sử dụng số liệu CPI
từ tháng 5/2006 đến tháng 12/2012 để ước
lượng phương trình (1). Kết quả ước lượng
phương trình (1) được thể hiện ở Bảng 1
cho thấy lạm phát của khu vực thành thị có
tính dẫn dắt đối với lạm phát của khu vực
nông thôn cũng như trên phạm vi cả nước (
>0 và có mức ý nghĩa truyền thống).
Sau đó chúng tôi sử dụng mô hình được
ước lượng để thực hiện dự báo
cho giai
đoạn từ tháng 1/2013 đến tháng 3/2017 với
các biến
,
,
và . Kết
quả dự báo trước 12 tháng cho giai đoạn từ
tháng 12/2013 đến tháng 3/2017 được trình
bày tại bảng 2.
Theo kết quả dự báo tại Bảng 2, sai số
dự báo (Root Mean Square Error) được tính
cho cả giai đoạn từ tháng 12/2013 đến tháng
3/2016 là 0,8%.
Như vậy, các kết quả nghiên cứu đã
trình bày ở trên cho thấy lạm phát của khu
vực thành thị có tính dẫn dắt và việc khai
thác thông tin từ sự chênh lệch lạm phát
giữa khu vực thành thị và khu vực nông
thôn (hay trên phạm vi cả nước) là hữu ích
trong việc đưa ra các dự báo về lạm phát
trước 12 tháng.
Tài liệu tham khảo:
1. Boughton J. M., BransonW. H., Muttardy A. (1989). Commodity
Prices and Inflation: Evidance from Seven Large Industrial
Countrie. NBER Working Paper No. 3158, November 1989;
2. Faust, J. & Wright, J. H. (2013). Forecasting inflation. Handbook of Economic
Forecasting, 2A, 3-56;
3. Hendry D. F., Hubrich K. (2006). Forecasting Economic Aggregates by
Disaggregates. ECB Working Paper Series No. 589, February 2006;
4. HendryD.F.,HubrichK.(2010).CobiningDisaggregatesForecastsorCombining
Disaggregate Information to Forecast an Aggregate. ECBWorking Paper Series
No. 1155, February 2010;
5. Hubrich, K. (2005). Forecasting euro inflation: Does aggregating forecasts
by HICP component improve forecast accuracy? International Journal of
Forecasting, 1, 119-136.
-
- Biến giả cho giai đoạn từ tháng 4/2011
đến tháng 3/2012, khi nền kinh tế rơi vào tình trạng
lạm phát cao,
-
– biến giả cho giai đoạn từ tháng 9/2012
đến tháng 8/2014 (24 tháng), khi nền kinh tế chịu
tác động mạnh từ các cuộc điều chỉnh giá bằng biện
pháp hành chính của Nhà nước, đặc biệt là cuộc điều
chỉnh giá vào tháng 9/2012;
-
- chênh lệch của các biến số tại thời điểm
so với thời điểm
;
BẢNG 1: KẾT QUẢ ƯỚC LƯỢNG PHƯƠNG TRÌNH (1)
Variable
Coefficient Std. Error t-Statistic
Prob.
0.593087 0.068827 8.617008
0.0000
2.974830 0.959708 3.099724
0.0036
2.367201 0.470198 5.034478
0.0000
2.218823 0.665592 3.333607
0.0019
R-squared
0.806544
Mean dependent var
0.028605
Adjusted R-squared
0.791663
S.D. dependent var
1.397526
S.E. of regression
0.637887
Akaike info criterion
2.027096
Sum squared resid
15.86908
Schwarz criterion
2.190929
Log likelihood
-39.58257
Durbin-Watson stat
1.989294
BẢNG 2: KẾT QUẢ DỰ BÁO LẠM PHÁT CÙNG KỲ CỦA CÁC THÁNG TRONG
NĂM TỪ THÁNG 12/2013 ĐẾN THÁNG 3/2017 (%)
THỜI GIAN LẠM PHÁT
THỰC TẾ
LẠM PHÁT
DỰ BÁO
THỜI GIAN LẠM PHÁT
THỰC TẾ
LẠM PHÁT
DỰ BÁO
2013M12
6.03
5.64 2015M08
0.61
0.49
2014M01
5.46
5.72 2015M09
0.00
0.74
2014M02
4.65
5.70 2015M10
-0.01
0.95
2014M03
4.39
5.67 2015M11
0.34
1.19
2014M04
4.45
5.64 2015M12
0.59
1.31
2014M05
4.72
5.54 2016M01
0.80
1.50
2014M06
4.98
5.72 2016M02
1.27
1.64
2014M07
4.94
5.79 2016M03
1.69
1.84
2014M08
4.31
6.08 2016M04
1.93
2014M09
3.63
4.56 2016M05
2.19
2014M10
3.23
3.60 2016M06
2.32
2014M11
2.61
2.98 2016M07
2.39
2014M12
1.84
2.54 2016M08
2.26
2015M01
0.94
2.11 2016M09
1.52
2015M02
0.34
1.67 2016M10
1.18
2015M03
0.93
1.32 2016M11
1.06
2015M04
0.99
0.97 2016M12
0.96
2015M05
0.95
0.82 2017M01
0.99
2015M06
1.00
0.70 2017M02
1.04
2015M07
0.90
0.72 2017M03
0.83
