lạm phát mục tiêu và tỷ giá hối đoái

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM
VIỆN ĐÀO TẠO SAU ĐẠI HỌC












-
-
-
-
-
-




-
-
-
-

-
-




















LỚP CAO HỌC ĐÊM 1 - KHOÁ 20
GVHD: PGS.TS NGUYỄN THỊ NGỌC TRANG
NHÓM THỰC HIỆN: NHÓM 6


THÁNG 05 NĂM 2012

 Nhận xét của Giảng viên:

DANH SÁCH NHÓM THỰC HIỆN

STT HỌ TÊN GHI CHÚ
1

Bùi Anh Chính

2

Nguyễn Tuấn Đạt

3

Nguyễn Thị Thanh Hảo

4

Nguyễn Thị Hoa

5

Bùi Thị Thanh Hương

6

Phạm Thị Trà Mi

7

Nguyễn Trần Quỳnh Tiên

8

Mai Thị Thanh Vị

9

Lê Thị Hồng



1
MỤC LỤC
I. MỤC TIÊU NGHIÊN CỨU 1
1.1. Tên paper 1
1.2. Mục tiêu nghiên cứu của paper 1

Tóm lại. 3
Biến mới của hai tác giả 3
II/ PHƯƠNG PHÁP NGHIÊN CỨU 3
2.1. Phương pháp nghiên cứu 3
2.2 Mô hình toán học sử dụng cho nghiên cứu 4
a/ Mô hình tự hồi quy vector và hạn chế của nó. 4
Các diễn đạt mô hình VAR trong paper: 5
Một số cách diễn đạt mô hình VAR khác: 6
Điều kiện tồn tại mô hình VAR 7
Ưu điểm của VAR 7
Thứ tự thông thường khi sử dụng mô hình VAR là 7
Hạn chế của VAR 8
b/ Mô hình hàm số đẩy và phân tích phương sai 9
Mô hình hàm số đẩy (IRFs) 9
Phân tích phương sai 11
Tam giác ma trận Cholesky 13
c/ Phương pháp bình phương nhỏ nhất (OLS) 14
d/ Phương pháp Census X-12 15
e/ Phương pháp kiểm định sử dụng là Augmented Dickey-Fuller (ADF) 17
2.3 Dải dữ liệu 18
Mô hình 05 biến (05 variance VAR) 18
Mô hình 07 biến (07 variance VAR) 18
2.4 Các khái niệm cần lưu ý 18
2.4.1 Lạm phát mục tiêu là gì: 18
2.4.2 Tác động truyền dẫn của tỷ giá hối đoái: 19
2.4.2.1 Cơ chế truyền dẫn của những thay đổi tỷ giá hối đoái vào lạm phát 20

2
a/ Kênh trực tiếp: 20
b/ Kênh gián tiếp: 21

2.4.2.2 Các nhân tố được cho là ảnh hưởng đến tác động truyền dẫn của tỷ giá hối đoái 21
a/ Nhân tố vi mô: 21
b/ Nhân tố vĩ mô: 22
2.5 Lý giải nhỏ về lý do lựa chọn nghiên cứu mối quan hệ của LMPT và Tác động truyền dẫn
22
III/ CÁC NGHIÊN CỨU TRƯỚC ĐÂY 25
1.1 Trên thế giới 25
a/ Hai kết quả nghiên cứu của lý thuyết Taylor 26
b/ Mô hình hiệu chỉnh sai số ECM 26
c/ Mô hình của Ramakrishnan và Vamvakidis (2002): 26
d/ Mẫu hình VAR 27
2. Tại Việt Nam 27
a/ Mô hình đa thức trễ: 27
b/ Mô hình hồi quy theo biến logarit: 27
c/ Mô hình tự hồi quy VAR để nghiên cứu tác động truyền dẫn 28
IV. KẾT QUẢ NGHIÊN CỨU 29
4.1 Các kết quả nghiên cứu thực nghiệm: 29
4.1.1 Tác động truyền dẫn của tỷ giá lên giá cả nội địa tại các nước mới nổi áp dụng lạm phát
mục tiêu: trước và sau khi áp dụng: 29
4.1.2 So sánh giữa các nước áp dụng và không áp dụng lạm phát mục tiêu: 32
4.1.3 Phân tích phương sai: 37
4.2. Kết luận: 40
V. Ý KIẾN CỦA NHÓM VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO 42
5.1 Ý kiến của nhóm 42
5.2 Hướng nghiên cứu tiếp theo 43
PHỤ LỤC 1: PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT
PHỤ LỤC 2: TÍNH DỪNG
PHỤ LỤC 03: CÁC YẾU TỐ VI MÔ VÀ VĨ MÔ TÁC ĐỘNG ĐẾN TÁC ĐỘNG TRUYỀN
DẪN CỦA TỶ GIÁ HỐI ĐOÁI

3
PHỤ LỤC 04: KIỂM ĐỊNH ĐƠN VỊ TRONG EVIEWS
PHỤ LỤC 05: HỒI QUY GIẢ TẠO VÀ ĐỒNG LIÊN KẾT
PHỤ LỤC 06: DỮ LIỆU CÁC NƯỚC ĐƯỢC NGHIÊN CỨU
PHỤ LỤC 07: DANH SÁCH MỘT SỐ BÀI NGHIÊN CỨU TRƯỚC ĐÂY

TÀI LIỆU THAM KHẢO
















Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
1

I. MỤC TIÊU NGHIÊN CỨU
1.1. Tên paper

Có chăng lạm phát mục tiêu (inflation targeting) làm giảm tác động truyền dẫn của tỷ giá hối
đoái trong các nền kinh tế mới nổi không?
1
của tác giả Dramane Coulibaly và Hubert Kempf
công bố tháng 10/2010.
1.2. Mục tiêu nghiên cứu của paper
2

Khởi đầu của việc áp dụng lạm phát mục tiêu trong chính sách tiền tệ là New Zealand, sau
đó một số lượng lớn các nhà kinh tế học (như Bernanke và Mishkin (1997), Svensson
(1997), Bernake và các cộng tác viên (1999)) và một số ngân hàng trung ương đã khẳng định
lợi ích tiềm tàng thu được từ việc áp dụng chính sách lạm phát mục tiêu là đáng kể. Một vài
các khoản lợi ích thu được khó chứng minh (alleged gains) thì thấp hơn và lạm phát cũng
như tỷ lệ lãi suất ít biến đổi hơn, tăng trưởng ổn định và tăng khả năng phản ứng với những
biến động bất thường (shocks) mà không mất tín nhiệm hay chi phí được cắt giảm cùng với
những giai đoạn giảm phát
3
,… Các tác giả cho rằng lạm phát mục tiêu có liên quan đến sự
cải thiện trong bức tranh kinh tế chung.
Chính vì thế, khuynh hướng áp dụng cơ chế lạm phát mục tiêu ngày càng phổ biến hơn
không chỉ các nước công nghiệp
4
mà còn các nước mới nổi
5
trong chính sách tiền tệ của họ.
Một nghiên cứu của Laurence Ball và Niamh Sheridan (2003)
6
chỉ ra trong một paper mang
tên “Does inflation targeting matter?” với các bằng chứng thực nghiệm
7

của mình tại các
nước áp dụng lạm phát mục tiêu (targerters) và không áp dụng (non-targeters) hai ông chỉ ra
02 luận điểm tương phản với lạm phát mục tiêu
8
:
- Đầu tiên, các khía cạnh của lạm phát mục tiêu có lẽ được xem xét cho mục đích chính
trị hơn lý do kinh tế.
- Thứ hai, Hai ông lập luận rằng việc thực hiện lạm phát mục tiêu hình như là không
thích hợp đối với các nước công nghiệp
- Lạm phát mục tiêu có thể cải thiện bức tranh kinh tế trong tương lai. Môi trường kinh
tế có thể tĩnh lặng trong thời kỳ lạm phát mục tiêu, và nhiều ngân hàng trung ương
không kiểm tra một cách khắt khe. Và có lẽ những nhà hoạch định chính sách tương

1
Nguyên bản là: “Does inflation targeting decrease exchange rate pass through in emerging countries?”
2
Trích paper: Inflation Targeting in Emergin Economies: What do the data say? – Carlos Eduardo S. Goncalves và Joao
M.Salles, (2005), page 2 và Does inflation targeting decrease exchange rate pass-through in emerging countries?,
Dramane Coulibaly và Hubert Kempf (2010), page 3-4
3
Giảm phát (Disinflation) là tình trạng mức giá chung của nền kinh tế giảm xuống liên tục, thường xuất hiện khi kinh tế
suy thoái hay đình đốn. Giảm phát, do đó, trái ngược với lạm phát.
4
Mười nước công nghiệp như: Australia, Canada, Finland, New Zealand, Norway, Spain, Sweden, Switzerland and UK
5
Mười hai nước mới nổi là: Brazil, Chile, Colombia, Czech republic, Ghana, Guatemala, Hungary, Indonesia, Israel,
Korea, Mexico, Peru, Philipines, Poland, Romania, Slovakia, South Africa, Thailand and Turkey
6
Laurence Ball work in Johns Hopkins University and Niamh Sheridan work in international Monetary Fund
7

Các nước mà Laurence Ball và Niamh Sheridan lấy mẫu là Australia, Canada, New Zealand, Sweden, United Kingdom,
Finland, Spain, United States, Japan, Denmark, Austria, Belgium, France, Germany, Ireland, Italy, Netherlands,
Portugal, Norway, Switzerland.
8
Trích “Does inflation targeting matter?” page 29 - 30
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
2

lai sẽ đối diện với những biến động mức cung trong giai đoạn 1970 (1970s-size
supply shocks) hay những áp lực chính trị mạnh mẽ cho những chính sách lạm phát.
Với quan điểm này, hai ông thấy rằng những nước áp dụng lạm phát mục tiêu xử lý
những thử thách này tốt hơn những nhà hoạch định chính sách người mà “Cứ làm đi”
(just do it)
Hay người ta dựa trên việc tính toán giá trị điển hình bằng phương pháp ước lượng bình
phương nhỏ nhất (OLS: Ordinary Least Squares
9
) và cùng với việc quan sát tại các nước áp
dụng lạm phát mục tiêu so sánh với (vis-à-vis) các nước không áp dụng lạm phát mục tiêu,
kết quả nghiên cứu của họ chỉ ra rằng việc giảm mức độ (level) và biến động (volatility)
của lạm phát ở các nước áp dụng lạm phát mục tiêu chỉ đơn giản là phản ánh sự hồi quy về
quanh giá trị trung bình (regression toward the mean
10
). Chẳng hạn, tại các nước áp dụng
lạm phát mục tiêu, lạm phát sẽ rơi nhanh hơn tại các nước có mức lạm phát ban đầu cao và
thể hiện một xu hướng rõ ràng sự dịch chuyển về giá trị trung bình của nó.
Nhưng nghiên cứu của họ tập trung hoàn toàn vào các nước công nghiệp và do đó không thể
giải quyết vấn đề này đối với các nước mới nổi áp dụng lạm phát mục tiêu. Gon¸Calves và
Salles (2008) mở rộng phân tích của Ball và Sheridan (2005) cho một tập hợp của 36 nền

kinh tế mới nổi lên và thấy rằng, đối với các nuớc kết quả là khác nhau. Cụ thể, các nước
mới nổi thông qua chính sách lạm phát mục tiêu đã thực hiện thì giảm lớn hơn đối với lạm
phát và biến động tăng trưởng, ngay cả sau khi kiểm soát đối với việc trở lại giá trị trung
bình của nó
Ngày nay, sự thật là các tác giả trên chỉ mới tập trung ở các nước có nền kinh tế phát triển
(các nước OCDE), những nghiên cứu của họ có lẽ bị nhiễu (plagued) với một loại lựa chọn
lệch lạc: những giá trị thu được từ việc áp dụng nền tảng lạm phát mục tiêu trong các nước
phát triển có thể gần như không đơn giản vậy, bởi những nước này không chịu đựng những
vấn đề lạm phát nghiệm trọng hay những rối loạn kinh tế vĩ mô (macroeconomic
disturbances) khác.
Vì vậy, về mặt nguyên tắc, khi lạm phát mục tiêu không đưa ra những kết quả tốt đẹp được
báo trước trong một thế giới phát triển này, nó có thể làm tăng kết quả vĩ mô trong số các
nước nghèo hơn, nơi gặp phải những biến động mạnh hơn và đối diện với những khó khăn
lớn hơn trong việc xây dựng chính sách kinh tế.
Do đó, chúng ta không thể áp dụng rập khuôn cách điều hành chính sách lạm phát mục tiêu
của các nước phát triển tại các nước mới nổi được.
Bài nghiên cứu của Dramane Coulibaly và Hubert Kempf (paper đang nghiên cứu) tập trung
vào phân tích ảnh hưởng của lạm phát mục tiêu trên tác động truyền dẫn của tỷ giá hối đoái
trong những nền kinh tế mới nổi (emerging countries).

9
Phương pháp ước lượng bình phương nhỏ nhất - OLS (Ordinary Least Squares hay Linear least squares) là một phương
pháp được đưa ra bởi nhà toán học người Đức Carl Friedrich Gaus, đây là phương pháp rất hay dùng trong phân tích hồi
quy nhất là lĩnh vực kinh tế lượng, nó thường ký hiệu là OLS (Ordinary Least Squares). Tư tưởng của phương pháp này
là cực tiểu tổng bình phương các phần dư.
10
Regression toward the mean: là hiện tượng mà nếu có một biến vượt xa chỉ số ban đầu của nó, nó sẽ có khuynh hướng
tiến gần hơn tới giá trị trung bình trong số đo đầu tiên.
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1

Trang
3

Dựa trên lý thuyết của Taylor (2000) cho rằng tác động truyền dẫn của tỷ giá hối đoái thì yếu
hơn (lower) trong môi trường lạm phát thấp. Hay trong môi trường lạm phát thấp, các công
ty kỳ vọng một sự thay đổi của lạm phát thì ít dai dẳng hơn, và do đó sẽ dẫn đến (pass on)
việc loại trừ (less of) tỷ giá hối đoái bao gồm việc tăng giá nhập khẩu ảnh hưởng đến giá bán
của nó. Lý thuyết này được ủng hộ bởi bằng chứng thực nghiệm dựa trên chỉ số giá tiêu dùng
(CPI: Customer price index), kể cả tại các nước công nghiệp và các nước mới nổi.
Tóm lại.
Goncalves và Salles (2008) chỉ ra rằng lạm phát mục tiêu giúp giảm lạm phát tại các nước
mới nổi. Và ý tưởng về mối quan hệ giữa lạm phát mục tiêu và tác động truyền dẫn của tỷ
giá hối đoái được khám phá bởi Mishkin và Schmitt – Hebbel (2007), khi hai ông nghiên cứu
thực nghiệm sự liên kết giữa lạm phát mục tiêu và một vài đo lường của yếu tố kinh tế bao
gồm tác động truyền dẫn của tỷ giá hối đoái lên chỉ số giá tiêu dùng
11
.
Điều này làm hai tác giả là Dramane Coulibaly và Hubert Kempf quan tâm đến vấn đế “Vậy
thì tác động truyền dẫn của tỷ giá hối đối có liên quan đến lạm phát mục tiêu không?”
hay “có chăng việc áp dụng lạm phát mục tiêu dẫn tới làm giảm tác động truyền dẫn của
tỷ giá hối đoái?”
Với việc bổ sung thêm các mẫu nghiên cứu so với nghiên cứu của Mishkin và Schmitt –
Hebbel đó là các nước mới nổi không áp dụng lạm phát mục tiêu.
Biến mới của hai tác giả
Cũng sử dụng một tập con của hai bảy nước mới nổi (15 nước có áp dụng lạm phát mục tiêu
và 12 nước không). Các tác giả cũng sử dụng mô hình tự hồi quy VAR cho một chỉ số giá
tiêu dùng (CPI: customer prices) và cho hai loại giá khác nhau giá nhập khẩu (IMP: import
prices) và giá sản xuất (PPI: producer prices)
II/ PHƯƠNG PHÁP NGHIÊN CỨU
2.1. Phương pháp nghiên cứu

Các tác giả sử dụng phương pháp nghiên cứu định lượng để tìm cách giải quyết vấn đề được
đề cập “có chăng việc áp dụng lạm phát mục tiêu dẫn tới giảm tác động truyền dẫn của tỷ
giá hối đoái?” bằng cách sử dụng một bộ dữ liệu của 27 nền kinh tế mới nổi (15 nước có áp
dụng lạm phát mục tiêu và 12 nước không áp dụng lạm phát mục tiêu mục tiêu).
Mô hình kinh tế lượng áp dụng là mô hình vécto tự hồi quy VAR, bằng cách đưa vào chỉ số
giá tiêu dùng (CPI) như là chỉ số giá duy nhất, sau đó tác giả tiến hành phân tích mô
hình VAR tiếp theo bằng cách đưa thêm hai chỉ số giá khác: giá nhập khẩu (IMP: import
prices) và giá cả sản xuất (PPI: producer prices).

11
Dữ liệu Mishkin và Schmitt – Hebbel sử dụng là 21 nước cả phát triển và mới nổi áp dụng lạm phát mục tiêu, với 15
nước công nghiệp không áp dụng lạm phát mục tiêu với phương pháp VAR (không có mẫu nghiên cứu với các nước mới
nổi và các nước này cũng không áp dụng lạm phát mục tiêu). Đề kiểm tra sự chênh lệch, họ đã áp dụng các tiếp cận
trước và sau bằng cách so sánh các công thức đo lường phản ứng sâu (impulse response) trong các mẫu hình nhà nước
khác nhau, và phụ thuộc vào nước đó có áp dụng lạm phát mục tiêu hay không. Kết quả là, ảnh hưởng truyền dẫn đến
giá tiêu dùng tiến gần đến mức 0 (zero) hơn tại các nước công nghiệp có áp dụng lạm phát mục tiêu và cả trong các nước
không áp dụng. Còn trong các nước mới nổi thì thất bại sau khi các nước này đạt được một mục tiêu ổn định, những lại
vẫn duy trì sai lệch so với mức zero.
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
4

Từ mô hình này, tác giả tính toán giá trị của mô hình hàm số đẩy (impulse response
functions) để đo lường biến động của các biến. Cuối cùng là phương pháp phân tích phương
sai (variance decomposition) được suy ra từ mô hình tự hồi quy VAR để đo lường con số cụ
thể ảnh hưởng của các biến nghiên cứu
Sau đây chúng ta tìm hiểu mô hình kinh tế lượng áp dụng để nghiên cứu và nền lý thuyết cần
thiết để hiểu rõ hơn lạm phát mục tiêu và tác động truyền dẫn của tỷ giá hối đoái.
2.2 Mô hình toán học sử dụng cho nghiên cứu

Như chúng ta đã biết, trong nghiên cứu định lượng, tồn tại 03 loại số liệu cơ bản là số liệu
theo thời gian, số liệu chéo và số liệu hỗn hợp. Đối với các vấn đề kinh tế, loại số liệu chúng
ta thường xuyên tiếp cận nhất có lẽ là số liệu theo thời gian, hay còn gọi là các chuỗi thời
gian, chẳng hạn GDP, VN-index, hay giá vàng,… Tuy nhiên, chuỗi thời gian cũng gây ra
không ít khó khăn cho các nhà nghiên cứu, chính vì thế mà hàng loạt các nghiên cứu phân
tích các dữ liệu này, với triết lý “hãy để dữ liệu tự nói”. Trong đó người ta thường sử dụng
04 phương pháp nghiên cứu là
12
:
 Mô hình hồi quy đơn phương trình,
 Mô hình hồi quy phương trình đồng thời,
 Mô hình trung bình trượt kết hợp tự hồi quy (ARIMA: Autoregressive integrated
moving average), thường được gọi là phương pháp luận Box-Jenkins
13

 Mô hình tự hồi quy véctơ (VAR)
Như vậy, có rất nhiều phương pháp để phân tích chuỗi dữ liệu thời gian liên quan đến lạm
phát, ở phần này, nhóm chỉ đưa ra mô hình tự hồi quy vector và các suy dẫn từ nó để làm dễ
hiểu hơn paper nghiên cứu về tác động truyền dẫn
14
của tỷ giá hối đoái (exchange rate pass-
through) lên lạm phát mục tiêu.
Mô hình tự hồi quy vector (VAR: Vector Autoregression Model) và suy dẫn từ nó
a/ Mô hình tự hồi quy vector và hạn chế của nó.
Có thể nói đây là một trong những mô hình phổ biến nhất trong nghiên cứu định lượng các
chính sách tiền tệ. Bởi lẽ 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 trong nhiều trường hợp
nó còn có ảnh hưởng ngược lại. Do đó mà ta phải xét ảnh hưởng qua lại giữa các biến này
cùng một lúc.
Mô hình VAR đã giúp giải quyết được vấn đề này, là mô hình khá linh động và dễ dàng sử

dụng trong phân tích với chuỗi thời gian đa biến (multivariate). Nó là sự mở rộng thêm mô
hình tự hồi quy đơn biến (univariate). Mô hình VAR đặc biệt rất hữu ích cho việc mô tả
những biến động của chuỗi thời gian kinh tế và dự báo.

12
Tài liệu dịch Fulbright “Kinh tế lượng căn bản” của Damodar N Gujarati xuất bản lần 3, nhà xuất bản McGraw-Hill
International, chương 22 – page 1
13
G.P.E Box & G.M.Jenkins, Time series analysis: Forecasting and Control (Phân tích chuỗi thời gian: Dự báo và kiểm
soát.
14
Một số tài liệu Việt Nam còn dịch “exchange rate pass-through” là mức chuyển tỷ giá hối đoái
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
5

Mô hình Var về cấu trúc gồm nhiều phương trình (mô hình hệ phương trình) và độ trễ p
(lag)
15
của các biến số. Var là mô hình động của một số biến thời gian.
Các diễn đạt mô hình VAR trong paper:
Dạng rút gọn:

Trong đó,
là là vectơ của các biến dừng tham gia mô hình. Chẳng hạn GDP, cung tiền M2, CPI,
PPI, IMP…
Г(L) là ma trận đa thức trong toán tử trễ (the lag operator – ký hiệu là p trễ )

u

i
là vectơ của những tác động cụ thể quốc gia
là véctor sai số đặc thù
Một vấn đề đang tranh cãi trong ước lượng mô hình VAR này là sự xuất hiện của ảnh hưởng
cố định (fixed effects). Khi những yếu tố tác động cố định này tương quan với các biến hồi
quy, nguyên nhân từ các giá trị trễ của biến phụ thuộc, nhóm tác giả sử dụng kỹ thuật trung
bình sai phân ở kỳ tương lai (forward mean differencing) (quy trình Helmert), sau đó là Love
và Zicchino (2006). Trong kỹ thuật này, để loại bỏ ảnh hưởng cố định ra khỏi mô hình, tất cả
các biến trong mô hình được chuyển sang dạng độ lệch từ trung bình kỳ tương lai.
Vécto Y
it
lúc này thành ma trận chuyển vị từ dòng sang dạng cột ký hiệu là
và cũng vậy sẽ thành . Với T
i
là
thời kỳ kỳ cuối cùng (last period) của dữ liệu sẵn có trong chuỗi dữ liệu, ta biến giá trị y
trung bình thành
Khi này công thức mới là:
và

Với

15
Tính chất “trễ” trong các mô hình hồi quy định lượng trong kinh tế được hiểu như sau: Khi chúng ta sử dụng một mô
hình hồi quy tương quan nào đó thì thường giả định rằng các biến độc lập tác động tức thì lên biến phu thuộc và biến phụ
thuộc chỉ chịu sự tác động của biến độc lập. Tuy nhiên, các biến số trong kinh tế thường không đúng, tác động của các
biến có thể tức thời, có thể không. Nguyên nhân có thể do yếu tố tâm lý, sức ỳ của nền kinh tế, định chế,…. Chính vì thế
mô hình hồi quy thông thường dạng (với t là kỳ thứ t) thường không
chính xác, nên mô hình hồi quy VAR có thêm ký hiệu độ trễ p – VAR(p). Chúng ta phải xác định p trễ này.
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang

Nhóm 6 – TCDN Đêm 1
Trang
6

Sự chuyển đổi này sẽ không tính được dữ liệu của năm cuối cùng, vì không có giá trị tương
lai cho việc xây dựng trung bình kỳ tương lai. Kêt quả của tất cả biến đổi này là:

Với các ma trận chuyển vị và
Chuyển đổi này là một độ lệch trực giao (orthologonal), trong đó mỗi quan sát được diễn
tả như là một độ lệch từ những quan sát trung bình trong tương lai. Mỗi quan sát này được
định lượng (weighted) để có thể chuẩn hóa phương sai. Nếu các sai số ban đầu không tự
tương quan và đặc tính hoá bởi một giá trị phương sai cụ thể nào đó, thì các sai số được
chuyển đổi đó nên biểu thị tính chất tương tự. Vì vậy, dạng biến đổi này lưu giữ hiện tượng
phương sai không đổi (homoscedasticity) và không gây ra tương quan chuỗi (Arelano và
Bover,1995). Kỹ thuật này cho phép sử dụng các giá trị trễ p của biến hồi quy như là các
công cụ và ước tính các hệ số bằng phương pháp tổng quát hóa thời điểm (GMM: the
generalized method of moment)
Một số cách diễn đạt mô hình VAR
16
khác như sau:

Trong đó,
- Y
t
là vecto ma trận của các biến,
- Nếu trong paper này thì
(mô hình 5 biến) hay
(mô hình 7 biến)
- : Ma trận hệ số chặn - intercept
- : sai số nhiễu (error disturbance)

- B
i
là ma trận hiệp phương sai của các biến trễ, loại 5x5 hoặc 7x7 như bài nghiên cứu
Theo Giáo trình “Econometric Analysis”, William H . Greene, 2000, page 586 diễn giải VAR là


16
Tài liệu “Exchange rate pass-through and its applications for inflation in Vietnam”, Vo Van Minh, 2009, page 25 và
paper “Exchange rate pass-through: Evidence based on vector autoregression with sign restrictions”, An, Lian (2006)
page 16
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
7

Trong đó
là vector nhiễu không tự tương quan (non-autocorreclated disturbances) với giá trị trung
bình E( ) = 0 và ma trận hiệp phương sai xảy ra cũng lúc
Điều kiện tồn tại mô hình VAR
- Các biến theo thời gian phải có tính dừng
17
(stationary) – tức là có các giá trị trung
bình, phương sai và hiệp phương sai tại cùng một độ trễ của nó là không đổi theo thời
gian (Xem phu lục 2). Bởi vì nếu biến số không dừng sẽ gây ra hiện tượng hồi quy giả
tạo (Xem phụ lục 5), làm phương pháp OLS trong phân tích hồi quy không áp dụng
được
Ưu điểm của VAR
Hạn chế của mô hình ARIMA là chỉ tiến hành phân tích trên một chuỗi thời gian. Khi chúng
ta cần phân tích nhiều chuỗi thời gian khác nhau và cần phải xem xét mối quan hệ giữa
chúng thì mô hình VAR trở thành một lựa chọn phù hợp. Mô hình VAR giúp xem xét các

chuỗi thời gian khác nhau.
Hơn nữa, mô hình VAR còn có ưu điểm là không cần phải xác định biến nào là biến nội sinh,
biến nào là biến ngoại sinh hay ta có thể sử dụng phương pháp OLS cho từng phương trình
riêng rẽ. Bằng cách cho phép các tương tác nội sinh giữa các biến trong hệ thống.
Thứ tự thông thường khi sử dụng mô hình VAR là
- Xét tính dừng của chuỗi dữ liệu, nếu dữ liệu chưa dừng thì sử dụng phương pháp sai
phân để biến đổi về chuỗi dừng, đầu tiên là sai phân bậc 1, nếu bậc 1 chưa được thì
bậc hai, bậc ba,…
- Lựa chọn khoảng trễ phù hợp, kết hợp với kiểm định diagnostic để xác định, thông
thường độ trễ là 1,2,3. Độ trễ = 0 là vô lý vì
o Giá trị kỳ trước thường có ảnh hưởng nhất định đến giá trị kỳ sau
o Kỳ vọng tương lai thường dựa trên giá trị hiện tại hoặc quá khứ
o Thường độ trễ là 2 vì độ trễ càng nhỏ càng tốt vì số lượng quan sát là có hạn,
nếu tăng độ trễ lên thì đòi hỏi tham số dữ liệu đưa vào mô hình càng lớn. Giá

17
Khái niệm tính dừng được sử dụng rất nhiều trong mô hình ARIMA, Một quá trình ngẫu nhiên Y
t
được coi là dừng nếu
kỳ vọng, phương sai và hiệp phương sai tại cùng một độ trễ của nó không đổi theo thời gian. Với dữ liệu là các chuỗi
không dừng, các giả thiết này bị vi phạm, các kiểm định t, F mất hiệu lực, ước lượng và dự báo không hiệu quả hay nói
cách khác phương pháp OLS không áp dụng cho các chuỗi không dừng. Xem thêm phụ lục 2 để rõ hơn
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
8

trị Chi bình phương trong kiểm định diagnostic sẽ giảm khi số độ trễ càng tăng
lên quá mức phù hợp.
- Xét mức độ phù hợp của mô hình chạy ra (bằng việc kiểm định tính dừng của phần

dư. Nếu phần dư của mô hình dừng thì mô hình là phù hợp với chuỗi thời gian và
ngược lại).
- So sánh với các mô hình phù hợp và lựa chọn mô hình phù hợp nhất
Hạn chế của VAR
Bên cạnh những hạn chế trên, phương pháp vector VAR còn có các hạn chế sau
- Khó khăn trong việc xác định độ trễ và số mẫu quan sát cần đưa vào mô hình. Người
ta tính ra rằng với k biến số (variance) và p độ trễ (lag operators) thì cần k
2
p hệ số góc
và k hệ số chặn. Giả dụ với mô hình 3 biến và độ trễ là 8 thì số hệ số góc là 3
2
* 8 + 3
= 75 quan sát. Nếu k và p càng lớn thì tham số đòi hỏi càng cao
- Yêu cầu của mô hình VAR m biến thì m biến cùng phải dừng. Nếu không dừng thì ta
phải dùng sai phân để tính. Nhưng nếu một chuỗi gồm cả các biến dừng và biến
không dừng thì việc lấy sai phân là khó khăn. Và kết quả từ việc biến đổi có thể làm
sai lệch giá trị thực phản ánh của số liệu
- Nếu có một vài độ trễ trong phương trình, không phải lúc nào cũng có thể dễ dàng
giải thích từng hệ số, đặc biệt là nếu các dấu trong hệ số thay đổi kế tiếp nhau. Vì lí
do này, người ta mới xem xét hàm phản ứng đẩy (IRFs: impulse response functions)
được suy ra từ mô hình tự hồi quy vector (VAR) này. IRF giúp phát hiện được phản
ứng của biến phụ thuộc trong mô hình VAR đối với các cú sốc của các số hạng sai số.
Đây cũng chính là trọng tâm của phân tích theo phương pháp mô hình tự hồi quy
VAR. Hiện nhiều nhà toán học đang nghi ngờ khả năng thực sự của nó
18
.
- Hàm số đẩy cho chúng ta biết được có hay không sự ảnh hưởng của cú sốc đến các
biến còn lại. Nhưng như thế là chưa đủ, vì có thể tác động truyền dẫn (hoặc mức
chuyển) của một cú sốc từ một biến đến biến còn lại là rất nhỏ trong khi biến khác ảnh
hưởng lại lớn hơn. Nên người ta phải sử dụng phương pháp phân tích phương sai

(variance decomposition) để xác định xem mức độ ảnh hưởng của một biến là bao
nhiêu.


18
D.E.Runkle, “Vector Autoregression and Reality”, journal of Business and Economic Statistics, page 437-454, (1996)
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
9

b/ Mô hình hàm số đẩy và phân tích phương sai
Từ những hạn chế này người ta đã giải quyết nó bằng nhiều cách khác nhau và dẫn đến ba
ứng dụng cơ bản trong mô hình VAR
- Ứng dụng trong dự báo
- Suy dẫn ra mô hình hàm số đẩy (Impulse Response Functions – IRFs)
- Suy dẫn ra phân tích phương sai (variance decomposition)
Ở đây nhóm trình bày về “bộ đôi” mô hình hàm số đẩy và phân tích phương sai như thế nào
trong phương pháp phân tích mô hình tự hồi quy
Mô hình hàm số đẩy (IRFs: Impulse response funtions)
Cách dẫn giải thứ nhất:
Với chuỗi thời gian là n kỳ, biến y
t
viết thành dạng ma trận chuyển vị là )' ,,(
,21 ntttt
yyyy  , một
mô hình VAR với độ trễ là p – VAR(p) được viết dưới dạng:
tptpttt
uyAyAyAy 


2211
(0)
Với A
i
(i = 1,2,…,n) là ma trận hệ số (nxn) và )', ,,(
21 ntttt
uuuu  là một sai số trung bình là zero
theo phương pháp i.i.d
19
có tính ngẫu nhiên.
Bây giờ, giả sử chúng ta có hai biến (k =2) và độ trễ là 1 (p=1) thì VAR (1) lúc này là
yttttt
zcyczbby


 1121111210
(1)
zttttt
zcycybbz


 1221212120
(2)
với ),0( ~
2
iit
dii



và 0),cov( 
zy


Từ (2) và (3) ta biến đổi nó về dạng ma trận như sau:










































zt
yt
t
t
t
t
z
y
cc
cc
b
b
z
y

b
b


1
1
2221
1211
20
10
21
12
1
1
(3)
Để đơn giản hơn, ta viết gọn lại là
ttt
XBX


110
(4) (đây chính là Mô hình VAR cấu trúc (SVAR: Structural VAR) hay mô
hình VAR nguyên thủy (the Primitive System)
Để chuẩn hoá phía bên trái của phương trình (4), ta nhân cho ma trận nghịch đảo của B là B
-
1
, lúc này, phương trình (4) trở thành
ttt
BXBBBXB


1
11
1
0
11 




19
i.i.d viết tắt của Independent and identically distributed random variables
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
10

Viết gọn lại là
ttt
eXAAX 
110
(5). Đây chính là ma trận dạng chuẩn của VAR (UVAR:
unstructured VAR)
Hay




































t
t

t
t
t
t
e
e
z
y
aa
aa
a
a
z
y
2
1
1
1
2221
1211
20
10
(6), viết tách ra thành hệ 2 phương trình như sau
tttt
eyayaay
,11,2121,11110,1


và;
tttt

ezazaaz
,21,2221,12120,1



Bước tiếp theo là biến giá trị






t
t
e
e
2
1
trong phương trình (6) về dạng ma trận
t

, ta có
tt
Be

1
 với B
-1
là ma trận đảo của B, tức
1

B
=
a
B
B
1

T
B
B
*)(
1
 =










1
1
)1(
1
21
12
1221

b
b
bb
(với
*
B
là phần phụ (cofactor) của B và
T
B*)( là ma trận chuyển vị của B), suy ra:























zt
yt
t
t
b
b
bb
e
e


1
1
)1(
1
21
12
1221
2
1
(7) hay



ztyt
t
b
e


12
1
(với
1221
1 bb ) và



ztyt
t
b
e

21
2

Suy luận ra hàm số đẩy, ta bắt đầu từ phương trình (5), biến đổi thành:
LAI
e
LAI
A
XeXAAX
t
tttt
11
0
110
)5(






(với X
t-1
= L X
t
, L là ma trận hệ số)
Đầu tiên chúng ta phân tích vế phải (RHS: Right hand Side) của phương trình
12212211
20
10
2212
2122
2221
1211
0
2221
1211
1
01
0
1
1
1
0
)1)(1(
1
1
1

1
1
1
)(
)(
aaaa
a
a
aa
aa
aa
aa
A
aa
aa
AI
AAI
AAI
AI
A
a




















































z
y
aaaa
aaaa
20221012
20211022
)1(
)1(
1

Tính dừng yêu cầu là giá trị gốc của LAI
1
 phải nằm ngoài (outside) của vòng đơn vị. Với
giả định là có điều này. Chúng ta viết tiếp thành phần số 2 của phương trình (5) ra thành























it
it
i
ii
it
i
t
e
e
aa
aa
eA
LAI

e
,2
,1
0
2221
1211
0
1
1



Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
11

Lúc này, phương trình (5) trở thành
































it
it
i
i
A
t
t
e
e
aa
aa

z
y
z
y
i
,2
,1
0
2221
1211

(8)
Do có sai số phức hợp trong mô hình cách tân mô hình cấu trúc nên người ta phải
chuyển






t
t
e
e
2
1
về dạng







zt
yt


. Mà ở phương trình (7) ta có























zt
yt
t
t
b
b
bb
e
e


1
1
)1(
1
21
12
1221
2
1

(với
1221
1 bb ), thay vào (8) cho ta phương trình hàm số đẩy là:




































itz

ity
i
i
t
t
i
b
b
bb
A
z
y
z
y
,
,
0
21
12
2112
1
1
1


  




























itz
ity
i
ii
ii
i
z

y
,
,
)(
22
)(
21
)(
12
)(
11
0


it
i
i
X






0
(9)
Từ phương trình này ta lấy sai phân của từng biến suy ra được tác động đẩy của biến y lên z
và ngược lại, như sau:
Với kỳ hiện tại
t

y và
t
z : )0(
12
,

tz
t
d
dy

, )0(
22
,

tz
t
d
dz


Với kỳ tương lai (xét 1 kỳ)
1t
y và
1t
z : )1(
12
,
1



tz
t
d
dy

và )1(
22
,
1


tz
t
d
dz


Cách dẫn giải thứ hai có thể tham khảo thêm trong sách “Econometrics Analysis”, của
William H.Greence page 586 đến page 595, sau quá trình tính toán thì tác giả dẫn luận ra mô
hình hàm số đẩy là:

Phân tích phương sai
Sau đây nhóm xin trình bày về ý tưởng phân tích phương sai dẫn nhập từ mô hình tự hồi quy
VAR như sau
Ý tưởng của phân tích phương sai là tính xem một thay đổi/cú sốc của một biến ảnh hưởng
bao nhiêu (có thể diễn giải dưới dạng % hoặc số thực) lên các biến khác.
Cách diễn giải 1:
Quay lại công thức số (9) ở trên, ta đặt
it

x

là về trái (LHS) của phương trình (9), hay:
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
12







































itz
ity
i
i
i
t
t
it
i
b
b
bb
A
z
y

z
y
x
,
,
0
21
12
2112
1
1
1


  




























itz
ity
i
ii
ii
i
z
y
,
,
)(
22
)(
21
)(
12
)(
11

0



it
i
i
X






0

hay
it
i
i
it
Xx







0

(10)
Bây giờ chúng ta nhân rộng giá trị i (từ 0 đến

) lên.
+ Với i = 1 thì

121101

 tttt
Xx



1211

 tttt
XxE


Suy ra, giá trị dự báo trong kỳ 1 là :
1011 

ttt
Exx


+ Tương tự với i = 2 thì:
112022 

tttt

Exx


+ Với i = 3 thì:
12213033 

ttttt
Exx


+ Với i = n kỳ thì:





1
0
1122110

n
i
inttnntntntntnt
Exx


Bây giờ, xét y, nhân tố đầu tiên trong ma trận x. Giá trị dự báo của nó là
) (
1,1,111,1,11,0,11 


tynntyntyntnt
Eyy

) (
1,1,211,1,21,0,21 

tznntzntz


Lúc này, giá trị biến số của dự báo n-step-ahead là:


  
timeoverDecreases
shockowntodue
ianceofproportion
n
yny
var
1,11
2
1,11
2
0,11
222
,
) (

  
timeoverGrows

shockzatodue
ianceofproportion
n
z
var
1,21
2
1,21
2
0,21
22
) (




Cách diễn giải 2
20
:
Với mô hình tự hồi quy VAR(p), p trễ ta có
, viết gọn là
Với

20
Nguồn
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
13

, , , và
Trong đó, y
t
, v và u là ma trận dạng cột có p giá trị. Ma trận A là k dòng và p cột (kxp)
Tính toán sai số trung bình
21
của h-step dự báo của biến j,


Trong đó, là cột thứ j của ma trận đơn vị I
k
và j j ám chỉ nhân tố của ma trận.
(với là ma trận tam giác yếu trong phân tích ma trận tam giác của Cholesky).
(với , là ma trận hiệp phương sai của sai số )
Giá trị của biến số dự báo của nhân tố j được tính là

Trên đây là những tìm hiểu sơ nét về hai mô hình “bộ đôi” này với hi vọng tìm hiểu rõ nét
hơn một chút về “bộ đội” luôn đi kèm trong phân tích mô hình hồi quy. Tuy nhiên, nếu có
nhiều thời gian hơn và có hỗ trợ thêm từ những cá nhân có chuyên môn toán kinh tế, nhóm
có thể hiểu và diễn đạt tốt hơn hai mô hình này.
May thay, ngày nay thì với khoa học hiện đại, việc tính toán trở nên đơn giản hơn thông qua
phần mềm Eviews, chúng ta có thể tham khảo để tìm hiểu thêm về
cách áp dụng nó trong eviews
Tam giác ma trận Cholesky
Thứ tự các biến trong mô hình tự hồi quy VAR viết theo ma trận Cholesky
22
đươc đề xuất
bởi Bernanke và Mihov (1998) , theo đó biến phi chính sách (sản lượng) được đặt trước các
biến. Tiếp đến là các biến liên quan đến chính sách (như cung tiền, tỷ giá hối đoái). Với mô
hình của hai tác giả nghiên cứu điều này là phù hợp theo thứ tự của hai phương trình

21
MSE: the mean squared error
22
Ma trận Cholesky là ma trận đặc biệt của ma trận đường chéo. Ma trận ba đường chéo có ngoại trừ các phần tử trên
của 3 đường chéo chính, các phần tử còn lại bằng 0, tất nhiên ta có thể tách ma trận A = L.U với A là ma trận 3 đường
chéo, L là ma trận tam giác dưới và U là ma trận tam giác trên. Ma trận Cholesky: A = L.L’ (với L’ là ma trận chuyển vị
của ma trận L)
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
14

(mô hình 5 biến) và
(mô hình 7 biến)
Thứ nhất, sản lượng, giá dầu mỏ là các biến độc lập không bị ảnh hưởng bởi chính sách của
quốc gia, hay các cú sốc xảy ra trong nội bộ các quốc gia.
Thứ hai, do sản lượng quốc gia thay đổi nên nó đã ảnh hưởng đến cung tiền tệ, cung tiền
thay đổi dẫn đến tỷ giá hối đoái thay đổi, làm cho giá cả nội địa của hàng hóa thay đổi, tức
giá trị đồng tiền dùng để mua một loại hàng hóa cũng thay đổi.
Với mục đích của ma trận cholesky là biến đổi giá trị phần dư trong mô hình VAR dạng rút
gọn (ε
t
) về các biến nhiễu cấu trúc (e
t
) trong mô hình VAR cấu trúc ở trên.
Ta diễn đạt ma trận Cholesky theo từng phương trình như sau
+ Mô hình 5 biến:

+ Mô hình 7 biến:

c/ Phương pháp bình phương nhỏ nhất (OLS)
Ý tưởng của phương pháp bình phương tối thiểu là tìm
1
ˆ
 và
2
ˆ
 sao cho tổng bình phương
phần dư có giá trị nhỏ nhất.
Từ hàm hồi quy Y
i
=
1
ˆ
 +
2
ˆ
 X
i
+ e
i
, suy ra:

i21iiii
X
ˆ
ˆ
YY
ˆ

Ye 
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
15

Vậy
 
2
n
1i
i21i
n
1i
2
i
X
ˆˆ
Ye


 (3.6)
Điều kiện để (3.6) đạt cực trị là:
(1)
 
0e2X
ˆˆ
Y2
ˆ
e

n
1i
i
n
1i
i21i
1
n
1i
2
i













(3.7)
(2)
 
0Xe2XX
ˆˆ
Y2

ˆ
e
n
1i
iii
n
1i
i21i
2
n
1i
2
i













(3.8)
Từ (3.7) và (3.8) chúng ta rút ra





i21i
X
ˆˆ
nY (3.9)





2
i2i1ii
X
ˆ
X
ˆ
XY (3.10)
Các phương trình (3.9) và (3.10) được gọi là các phương trình chuẩn. Giải hệ phương
trình chuẩn ta được
X
ˆ
Y
ˆ
21
 (3.11)
Thay (3.9) vào (3.8) và biến đổi đại số chúng ta có

  
 








n
1i
2
i
n
1i
ii
2
XX
XXYY
ˆ
(3.12)
Đặt XXx
ii
 và YYy
ii
 ta nhận được







n
1i
2
i
n
1i
ii
2
x
xy
ˆ

d/ Phương pháp Census X-12
23

Chuỗi dữ liệu kinh tế hay tài chính thường phụ thuộc các biến số theo mùa vụ. Những biến
đổi theo mùa làm khó khăn hơn khi phân tích những thay đổi về dữ liệu cho tác động tăng
hay giảm trong một kỳ nhất định, hơn nữa vì các biến phát sinh một cách đều đặn. Sử dụng
dữ liệu thô (raw data) trong một vài trường hợp có thể sai lệch. Trong phân tích kinh tế, đánh

23
Tham khảo “Explanatory Notes – Monthly Seasonal Adjustment of Statistical Time Series” và tổ chức United States
Census Bureau và “Seasonal Adjustment using the x12 procedure” của Tammy Jackon và Michael Leonard, SAS
Institute.
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
16

giá ban đầu về các điều kiện kinh tế, đặc biệt là việc nhận ra các điểm vòng quay kinh tế, chỉ

có thể nếu phân tích này dựa trên các tháng cách đấy không lâu của chuỗi thời gian.
Việc điều chỉnh giá theo mùa một quá trình tính toán và hạn chế ảnh hưởng mùa vụ trong
chuỗi thời gian. Do đó, dữ liệu được điều chỉnh theo mùa làm cho phân tích dễ dàng hơn
trong ngắn hạn và xác định những thay đổi trong khuynh hướng. Dữ liệu được điều chỉnh thì
tiện ích cho các tổ chức tài chính, chính phủ, nhà phân tích thống kê, nhà toán kinh tế và
những nhà kinh tế nghiên cứu trong kinh tế vĩ mô, nhà dự báo và những nghiên cứu sinh.
Mẫu hình Census X12 hay Census-X12-ARIMA
24
dựa trên nguyên tắc điều chỉnh chuỗi giá
trị theo mùa được đưa ra bởi một tổ chức của chính phủ Mỹ - United States Census Bureau
và Statistic Canada. Chương trình này còn được lập trình trong phần mềm eview nhằm tối
thiểu hóa những tác động bóp méo đến những nhân tố được đánh giá theo mùa.
Mô hình này được lập trình nhiều trong các phần mềm thông kê, là sự kết hợp giữa những
khả năng của chương trình X-11 (do Shiskin, Young và Musgrage lập 1967), X11-Arima/88
(do Dagum 1988 lập) và giới thiệu một vài nhân tố mới (do Findley và cộng sự, 1988 lập).
Vì vậy, Census X12 hay X12 Arima là chương trình chứa đựng các phương pháp được phát
triển bởi U.S Census Bureau và Statistic Canada. Với 04 mẫu hình chính được sử dụng là hồi
quy ARIMA (regARIMA), phương pháp dự đoán (model diagnostics), điều chỉnh theo mùa
dùng phương pháp X-11 (X11 methodology) và phương pháp dự đoán hậu điều chỉnh (post-
adjustment diagnostics).
Phương pháp điều chỉnh theo mùa của chuỗi dữ liệu dựa trên giả định rằng biến động theo
mua có thể được đo lường dưới dạng chuỗi ban đầu (O
t
, t = 1,….,n) và được phân chia từ
chu kỳ thay đổi (trend cycle), ngày giao dịch (trading-day), và biến động bất thường
(irregular fluctuations).
- Nhân tố theo mùa của chuỗi thời gian, S
t
, được định nghĩa như phương sai vòng năm
(intrayear) mà được phân chia liên tục hay trong một dạng suy luận ra (evolving

fashion) từ năm này sang năm khác.
- Nhân tố chu kỳ thay đổi (trend cycle), C
t
, đo lường phương sai (variation) nhờ khuynh
hướng dài (long-term trend), vòng đời doanh nghiệp (business cycles), hay những
nhân tố vòng đời dài hạn khác
- Nhân tố ngày giao dịch (trading-day), D
t
, là phương sai được ám chỉ phân tích theo
lịch dương

24
ARIMA: viết tắt của “autoregressive integrated moving average”:
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
17

- Nhân tố bất thường (irregular component), I
t
, là phương sai còn lại.
Có rất nhiều mẫu hình O
t
khác nhau tùy chuỗi thời gian như hay
hay hay
e/ Phương pháp kiểm định sử dụng là Augmented Dickey-Fuller (ADF)
Nhóm xin lấy 01 ví dụ để dẫn giải cách lựa chọn theo ADF

Với c là hằng số; t: là xu thế theo thời gian, bậc trễ tối ưu được xác định theo tiêu chuẩn
thông tin Akaike Infor (AIC).

Giả thuyết null: có một nghiệm đơn vị. Nếu giá trị kiểm định lớn hơn giá trị tới hạn 5%, từ
chối giả thuyết null. Đồng nghĩa với việc ở mức thông kê 5%: không có nghiệm đơn vị hay
chuỗi là dừng. Và ngược lại giả trị kiểm định nhỏ hơn 5% thì chấp nhận giả thuyết null
nghĩa là các chuỗi có một nghiệm đơn vị hay là chuỗi không dừng .
Ở ví dụ này t-statistic < giá trị tới hạn 5% nên chấp nhận giả thuyết null. Kết luận chuỗi có
một nghiệm đơn vị hay chuỗi không dừng
Tóm lại là, với giả thiết
H
0
: là chuỗi dừng
H
1
: là chuỗi không dừng
Điều kiện bác bỏ H
0
là giá trị tau (tau statistic) phải lớn hơn giá trị tới hạn tương ứng với
mức ý nghĩa 1%, 5% hoặc 10% thì chuỗi là dừng. Nếu chuỗi không dừng ta phải xử lý bằng
phương pháp sai phân hoặc phương pháp bình phương nhỏ nhất
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
18

2.3 Dải dữ liệu
Mô hình 05 biến (05 variance VAR)
25


Trong đó
- oil: biểu thị dưới dạng logarit tự nhiên của giá dầu thế giớí

- gap: là chênh lệch sản lượng quốc gia,
- m: biểu thị dưới dạng log của cung tiền
- ner: biểu thị giá trị tỷ giá hối đoái danh nghĩa
- cpi: chỉ số giá tiêu dùng
- đại diện cho toán tử sai phân bậc 1
Mô hình 07 biến (07 variance VAR)
Cũng với công thức trên, người ta đưa thêm hai biến nữa là chỉ số giá sản xuất (PPI: product
price index) và chỉ số giá nhập khẩu (IMP: import price index). Mô hình lúc này thành:

Mô hình này giúp chúng ta kiểm tra tác động truyền dẫn của tỷ giá hối đoái theo kênh giá.
Hay nói cách khác, giúp chúng ta xác định được lạm phát mục tiêu có thể có ảnh hướng âm
lên tác động truyền dẫn vào giá tiêu dùng bằng tác động yếu hơn lên giá nhà sản xuất hay giá
nhập khẩu không?
2.4 Các khái niệm cần lưu ý
2.4.1 Lạm phát mục tiêu là gì:
Đầu tiên, lạm phát là gì?
Nhiều nhà kinh tế đã đi tìm một định nghĩa đúng cho thuật ngữ lạm phát (inflation), nhưng
nói chung chưa có một sự thống nhất hoàn toàn. Quan điểm cổ điển cho rằng lạm phát xảy ra
khi số tiền lưu hành vượt quá dự trữ vàng làm đảm bảo của ngân hàng phát hành. Quan điểm
khác cho rằng lạm phát là sự mất cân đối giữa tiền và hàng trong nền kinh tế. Lại có quan
điểm cho rằng lạm phát là sự tăng giá của các loại hàng hóa (tư liệu tiêu dùng, tư liệu sản
xuất và hàng hóa sức lao động). Lạm phát xảy ra khi mức chung của giá cả và chi phí tăng.

25
Mô hình này tác giả dựa trên mô hình của Ito và Sato (2007) khi các ông dùng nó để so sánh tác động truyền dẫn của
tỷ giá hối đoái tại các nước Đông Á và Châu Mỹ La Tinh, sau đó Ito và Sato (2008) ứng dụng kỹ thuật phân tích VAR
cho tác động truyền dẫn của tỷ giá tại các nước Đông Nam Á
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang

19

Nhưng một khái niệm được nhiều người sử dụng là “lạm phát là hiện tượng tiền trong lưu
thông vượt quá nhu cầu cần thiết làm cho chúng bị mất giá, giá cả của hầu hết các lại hàng
hóa tăng lên đồng loạt”
Vậy thì lạm phát mục tiêu là gì?
Lạm phát mục tiêu là một cơ chế điều hành chính sách tiền tệ dựa trên nền tảng sử dụng việc
dự báo lạm phát làm chỉ số mục tiêu trung gian, trong đó các ngân hàng trung ương tính
toán, dự báo và công bố một mức lạm phát mục tiêu (định hướng bằng một chỉ số hoặc một
khoảng biên độ) cho năm kế hoạch. Sau đó cố gắng lèo lái lạm phát thực về mức lạm phát
mục tiêu thông qua việc sử dụng công cụ lãi suất hay những công cụ tiền tệ khác. Thông
thường ngân hàng trung ương sử dụng công cụ lãi suất để điều chỉnh lạm phát vì lãi suất và
lạm phát thường có mối quan hệ nghịch biến. Một mức tăng hay giảm về lãi suất sẽ điều
chỉnh lạm phát mục tiêu.
Còn theo Frederic S. Mishkin
26
cho rằng lạm phát mục tiêu là một chiến lược của chính sách
tiền tệ bao gồm 05 yếu tố chính là:
(i) Công bố ra công chúng mục tiêu lạm phát định lượng trong trung hạn;
(ii) Cam kết thể chế nhằm ổn định giá cá như một mục tiêu chủ yếu của chính sách
tiền tệ;
(iii) Chiến lược thông tin bao gồm nhiều biến số, không chỉ có tổng cung tiền hay
tỷ giá hối đoái, được sử dụng cho việc thiết lập công cụ chính sách tiền tệ;
(iv) Tăng tính minh bạch của chiến lược chính sách tiền tệ thông qua việc thông
báo với công chúng và thị trường về kế hoạch, mục tiêu, những quyết định của
Ngân hàng Trung ương;
(v) Tăng trách nhiệm giải trình của ngân hàng TW cho việc đạt được mục tiêu về lạm
phát.
2.4.2 Tác động truyền dẫn của tỷ giá hối đoái
27

:
Tác động truyền dẫn của tỷ giá hối đoái là một hiện tượng mà ở đó những thay đổi về giá trị
giao dịch ngoại tệ được phản ánh trong những thay đổi của giá nhập khẩu.
Trong nghiên cứu của Eric O’N Fisher chỉ ra rằng những thay đổi về tỷ giá gây ra những
thay đổi trong giá nhập khẩu, nhưng mức độ truyền dẫn của tỷ giá hối đoái phụ thuộc cấu

26
Trích paper: Inflation targeting (2001) của Frederic S.Mishkin, page 1
27
Trích dẫn paper: “A model of Exchange Rate pass-through” của Eric O’N Fisher (1987), page 1-2