tiểu luận dự báo kinh tế dự báo chỉ số lạm phát việt nam giai đoạn tháng 122019 122020 dưới tác động của cung tiền m2

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (317.42 KB, 34 trang )

CHƯƠNG 1.

CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN TÌNH HÌNH LẠM
PHÁT TẠI VIỆT NAM

1.1.

Một số khái niệm về lạm phát

Lạm phát là sự tăng mức giá chung một cách liên tục của hàng hóa và dịch vụ
theo một khoảng thời gian nhất định và làm cho đồng tiền bị mất giá trị hơn so với
trước. Bởi vì khi mức giá chung tăng cao, vẫn với một số tiền nhất định thì sẽ mua
được ít hàng hóa và dịch vụ hơn so với trước đây, do đó lạm phát còn phản ánh sự suy
giảm sức mua của đồng tiền. Khi so sánh với các nền kinh tế khác, lạm phát được hiểu
là sự giảm giá trị đồng tiền của quốc gia này so với đồng loại của quốc gia khác.
Phân loại lạm phát:
Lạm phát có 3 mức độ:
- Lạm phát vừa phải: dưới 10%/1 năm. Lạm phát vừa phải làm cho giá cả biến
động tương đối. Trong thời kỳ này, nền kinh tế hoạt động bình thường, giá cả tăng lên
chậm, lãi suất tiền gửi không cao, không xảy ra với tình trạng mua bán và tích trữ
hàng hoá với số lượng lớn….
- Lạm phát phi mã (Lạm phát 2 hoặc 3 con số): 10% đến dưới 1000%. Tại mức
lạm phát này, đồng tiền mất giá nhiều, lãi suất thực tế thường âm, thị trường tài chính
không ổn định.
- Siêu lạm phát (trên 1000%): Tại mức lạm phát này, tốc độ lưu thông tiền tệ
tăng nhanh, giá cả tăng nhanh không ổn định, tiền lương thực tế bị giảm mạnh, tiền tệ
mất giá nhanh chóng thông tin không còn chính xác, các yếu tố thị trường biến dạng
và hoạt động kinh doanh lâm vào tình trạng rối loạn. Tuy nhiên, siêu lạm phát rất ít
khi xảy ra.
Lạm phát ở các nước đang phát triển thường diễn ra trong một thời gian dài, vì
vậy hậu quả của nó thường phức tạp và trầm trọng hơn. Các nhà kinh tế học đã chia

lạm phát thành 03 loại. Lạm phát kinh niên kéo dài trên 3 năm với tỷ lệ lạm phát dưới
50%/năm; lạm phát nghiêm trọng thường kéo dài trên 3 năm với tỷ lệ lạm phát trên
50%/năm; siêu lạm phát kéo dài trên một năm với tỷ lệ lạm phát trên 200%/năm.
Nguyên nhân dẫn đến tình trạng lạm phát:
Có nhiều nguyên nhân dẫn đến tình trạng lạm phát, trong đó “lạm phát do cầu
kéo” và “lạm phát do chi phí đẩy” được coi là hai nguyên nhân chính.

6

- Lạm phát do cầu kéo: Khi nhu cầu của thị trường về một mặt hàng nào đó tăng
lên kéo theo sự tăng lên về giá cả của mặt hàng đó. Giá cả của các mặt hàng khác
cũng theo đó leo thang, dẫn đến sự tăng giá của hầu hết các loại hàng hóa trên thị
trường. Lạm phát do sự tăng lên về cầu (nhu cầu tiêu dùng của thị trường tăng) được
gọi là “lạm phát do cầu kéo”
- Lạm phát do chi phí đẩy: Chi phí đẩy của các doanh nghiệp bao gồm tiền
lương, giá cả nguyên liệu đầu vào, máy móc, chi phí bảo hiểm cho công nhân, thuế…
Khi chi phí của một trong những yếu tố này tăng lên thì tổng chi phí sản xuất của các
xí nghiệp cũng tăng lên; để giá thành sản phẩm cũng sẽ tăng khiến mức giá chung của
toàn thể nền kinh tế cũng sẽ tăng được gọi là “lạm phát do chi phí đẩy”
- Lạm phát do cơ cấu: Với ngành kinh doanh có hiệu quả, doanh nghiệp tăng dần
tiền công “danh nghĩa” cho người lao động. Những nhóm ngành kinh doanh không
hiệu quả, doanh nghiệp cũng theo xu thế đó buộc phải tăng tiền công cho người lao
động. Nhưng vì những doanh nghiệp này kinh doanh kém hiệu quả, nên khi phải tăng
tiền công cho người lao động, các doanh nghiệp này buộc phải tăng giá thành sản
phẩm để đảm bảo mức lợi nhuận và làm phát sinh lạm phát.
- Lạm phát do cầu thay đổi: Khi thị trường giảm nhu cầu tiêu thụ về một mặt
hàng nào đó, trong khi lượng cầu về một mặt hàng khác lại tăng lên. Nếu thị trường có
người cung cấp độc quyền và giá cả có tính chất cứng nhắc phía dưới (chỉ có thể tăng
mà không thể giảm), giá cả không giảm ngay cả trong trường hợp cầu giảm. Trong khi

đó mặt hàng có lượng cầu tăng thì lại tăng giá. Kết quả là mức giá chung tăng lên, dẫn
đến lạm phát.
- Lạm phát do xuất khẩu: Khi xuất khẩu tăng, dẫn tới tổng cầu tăng cao hơn tổng
cung (thị trường tiêu thụ lượng hàng nhiều hơn cung cấp), khi đó sản phẩm được thu
gom cho xuất khẩu khiến lượng hàng cung cho thị trường trong nước giảm (hút hàng
trong nước), tổng cung trong nước thấp hơn tổng cầu. Khi tổng cung và tổng cầu mất
cân bằng sẽ nảy sinh lạm phát.
- Lạm phát do nhập khẩu: Khi giá hàng hóa nhập khẩu tăng (do thuế nhập khẩu
tăng hoặc do giá cả trên thế giới tăng) thì giá bán sản phẩm đó trong nước sẽ phải tăng
lên.

7

1.2.

Các phương pháp tính lạm phát

Cách tính lạm phát: Tỷ lệ lạm phát tháng, quý có thể so sánh với các kỳ gốc
khác nhau.
Gọi

k
it

k

1

(p i,t p

i,t k

)/p i,t k là tốc độ biến động giá hàng i so với kỳ so
n

sánh k. Khi đó tỷ lệ lạm phát CPI là: ∏ kt = k

1

* ∑w (p
i=1

i

i,t

p i, t k ) / p i,t k ) (1)

Trong đó: - k thường nhận các giá trị 1, 3, 6, 12, 24, 36. Tỷ lệ lạm phát ở đây
chính là số bình quân giản đơn của các tỷ lệ lạm phát tháng của k tháng.
Giả sử rằng chúng ta có thể phân tách tỷ lệ lạm phát của nhóm hay mặt hàng i
thành tỷ lệ lạm phát trung bình (chung) và các sốc đối với giá mặt hàng i, ta có
CPI
t

i,t

k
i,t

vi,t . Khi đó tỷ lệ lạm phát mặt hàng i ở kỳ t so với kỳ k là:
k ,CPI
t

1
k

k

vi, j,t

(2)

j 1

Từ (2) có thể thấy k càng lớn thì độ biến thiên của tỷ lệ lạm phát càng bé, do các
phần nhiễu sẽ khử trừ lẫn nhau. Vì vậy việc công bố phân tích lạm phát tháng bình
quân quý (k=3), bình quân năm (k=12) sẽ cho thấy rõ xu thế lạm phát và ít bị nhiễu
hơn với (k=1). Cách tính này tương đương với tỷ lệ lạm phát so với tháng cùng kỳ
chia cho 12 hoặc 3.
Một cách tính lạm phát khác là tỷ lệ (%) giữa bình quân CPI 12 tháng liên tục
đến tháng hiện tại và bình quân CPI các tháng cùng kỳ trừ đi 100. Các chỉ số này phải
là chỉ số định gốc hay chung gốc so sánh (1995=100). Cách tính này có ý nghĩa về
thống kê.
CPI

Tỷ lệ lạm phát
có thể phân tách thành 2 cấu phần: Tác động xu thế lâu dài
hay thường trực, thường xuyên, ổn định ( tP ) và tác động nhiễu nhất thời, tức thời

tT

CPI P T P
t t t t thể hiện xu thế lâu dài, thường trực do áp lực cầu được gọi là lạm
phát xu thế dài hạn hay lạm phát cơ bản.
Khi lạm phát CPI bị nhiễu cần chọn cách tách lọc khử nhiễu để lấy ra cấu phần

xu thế dài hạn tP . Nếu nhiễu tP của biến động giá các nhóm hàng thuộc cấu phần

8

2

CPI có chung phân bố chuẩn N(

) thì lạm phát CPI có thể coi là lạm phát cơ bản.

Số bình quân là ước lượng không chệch với phương sai bé nhất.
Khi CPI bị nhiễu nhất thời đến chừng mực mà P it / Pit-k không tuân theo phân bố
chuẩn thì đồ thị phân bố tần suất thường lệch phải, đỉnh nhọn hơn phân bổ chuẩn. Khi
đó CPI sẽ không còn là ước lượng tốt nhất và sẽ phản ánh sai lệch xu thế lâu dài của
lạm phát.
Phương pháp xây dựng: Để tính lạm phát cơ bản, ở một số nước sử dụng một
số phương pháp khác nhau như:
Loại trừ chủ quan: Đầu thập kỷ 70, nhiều nước bắt đầu áp dụng tính lạm phát
cơ bản theo "phương pháp loại trừ" một số nhóm/mặt hàng dễ bị sốc "cung" như hàng
LT-TP(F), nhiên liệu, điện năng (E), thuế (T). Cách tính này chỉ cần loại bỏ FET, tính
lại quyền số rồi tính bình quân gia quyền. Tuy vậy việc xác định mặt hàng loại trừ khá
máy móc, không có kiểm định. Hiện nay phương pháp này (CPIxFET) vẫn được áp

dụng tại nhiều nước.
Trung vị gia quyền (WM-CPI): là ước lượng thô nhất khi trung bình gia quyền
không còn là ước lượng tốt nhất cho xu thế trọng tâm.Trung vị là ước lượng tốt hơn
trung bình do nó không chịu ảnh hưởng của các sốc tăng giá tạm thời. Đây cũng là
ước lượng khoa học không tuỳ tiện như CPIxFET.
Trung bình lược bỏ (TM - CPI trimmed mean): Khi phân bố xác suất của
phần nhiễu của biến động giá của nhóm ngành hàng có chung kỳ vọng nhưng lại có
phương sai khác nhau (

2
i

2
j

) thì trung bình mẫu (CPI) là ước lượng không chệch

với phương sai không bé nhất. Khi đó, cần loại trừ các nhóm hàng rơi lệch hẳn về hai
phía của đồ thị phân bố tần suất của biến động giá của các nhóm hàng. Tỷ lệ (%) số
nhóm lược bỏ ( ) chia đều cả hai phía. Khi loại trừ xong trung bình mẫu được tính cho
các quan sát còn lại. TM-CPI có thể là bình quân giản đơn hay gia quyền.
1.3.

Tác động của lạm phát đến nền kinh tế

Tác động tiêu cực:
- Lạm phát và lãi suất:

9

Lạm phát của các quốc gia trên thế giới khi xảy ra cao và diễn ra trong thời gian
dài có ảnh hưởng xấu đến mọi mặt của đời sống kinh tế, chính trị và xã hội của một
quốc gia. Trong đó, tác động đầu tiên của lạm phát là tác động lên lãi suất.
Lãi suất thực = lãi suất danh nghĩa - tỷ lệ lạm phát.
Do đó khi tỷ lệ lạm phát tăng cao, để lãi suất ổn định và thực dương thì lãi suất
sanh nghĩa phải tăng lên theo tỷ lệ lạm phát. Việc tăng lãi suất danh nghĩa dẫn đến suy
thoái kinh tế và thất nghiệp gia tăng.
- Lạm phát và thu nhập thực tế:
Giữa thu nhập thực tế và thu nhập danh nghĩa của người lao động có quan hệ với
nhau qua tỷ lệ lạm phát. Khi lạm phát tăng lên mà thu nhập danh nghĩa không thay đổi
khiến thu nhập thực tế của người lao động giảm xuống.
Lạm phát không chỉ làm giảm giá trị thật của những tài sản không có lãi đồng
thời làm hao mòn giá trị của những tài sản có lãi, tức là làm giảm thu nhập thực từ các
khoản lãi, các khoản lợi tức. Khi lạm phát tăng cao, những người đi vay tăng lãi suất
danh nghĩa để bù vào tỷ lệ lạm phát tăng cao mặc dù thuế suất vẫn không tăng.
Từ đó, thu nhập ròng (thực) của của người cho vay bằng thu nhập danh nghĩa trừ
đi tỷ lệ lạm phát bị giảm xuống sẽ ảnh hưởng rất lớn đến nền kinh tế xã hội. Như suy
thoái kinh tế, thất nghiệp gia tăng, đời sống của người lao động trở nên khó khăn hơn
sẽ làm giảm lòng tin của người dân đối với Chính phủ ...
- Lạm phát và phân phối thu nhập không bình đẳng:
Khi lạm phát tăng lên, giá trị của đồng tiền giửm xuấng, người đi vay sẽ có lợi
trong việc vay vốn để đầu cơ kiếm lợi kéo theo nhu cầu tiền vay trong nền kinh tế, đẩy
lãi suất lên cao.
Lạm phát tăng cao còn khiến nạn đầu cơ xuất hiện, tình trạng này càng làm mất
cân đối nghiêm trọng quan hệ cung - cầu hàng hoá trên thị trường, giá cả hàng hoá
cũng lên cơn sốt cao hơn. Điều này khiến người nghèo càng thêm nghèo, người giàu
càng thêm giàu và gia tăng khoảng cách giàu nghèo. Tình trạng lạm phát này gây
những rối loạn tong nền kinh tế và tạo ra khoảng cách lớn về thu nhập, về mức sống
giữa người giàu và người nghèo.

- Lạm phát và nợ quốc gia:

10

Lạm phát cao làm cho Chính phủ được lợi do thuế thu nhập đánh vào người dân,
nhưng khoản nợ nước ngoài sẽ trở nên trần trọng hơn. Lý do vì: lạm phát đã làm tỷ
giá giá tăng và đồng tiền trong nước trở nên mất giá nhanh hơn so với đồng tiền nước
ngoài tính trên cá khoản nợ.
Tác động tích cực:
Lạm phát không phải bao giờ cũng gây nên những tác hại cho nền kinh tế. Khi
tốc độ lạm phát vừa phải đó là từ 2-5% ở các nước phát triển và dưới 10% ở các nước
đang phát triển sẽ mang lại một số lợi ích cho nền kinh tế như sau:
Kích thích tiêu dùng, vay nợ, đầu tư giảm bớt thất nghiệp trong xã hội.
Cho phép chính phủ có thêm khả năng lựa chọn các công cụ kích thích đầu tư
vào những lĩnh vực kém ưu tiên thông qua mở rộng tín dụng, giúp phân phối lại thu
nhập và các nguồn lực trong xã hội theo các định hướng mục tiêu và trong khoảng
thời gian nhất định có chọn lọc.
Tóm lại, lạm phát là căn bệnh mãn tính của nền kinh tế thị trường, nó vừa có tác
hại lẫn lợi ích. Khi nền kinh tế có thể duy trì, kiềm chế và điều tiết được lạm phát ở
tốc độ vừa phải thì nó thúc đẩy tăng trưởng kinh tế.
1.4.

Tình hình lạm phát Việt Nam giai đoạn 2009 - 2019

Năm 2008, khủng hoảng nền kinh tế thế giới cũng đã mang lại những ảnh hưởng
tiêu cực đối với chỉ số lạm phát tại Việt Nam, đỉnh điểm là lạm phát Việt Nam 2008
lên tới gần 20% và duy trì ở hai con số 2010 và 2011. Giai đoạn này nhiều tổ chức
quốc tế đã bày tỏ mối quan ngại lạm phát cao làm xấu đi môi trường kinh doanh tại
Việt Nam, ảnh hưởng đến giá trị tiền đồng.

Tình hình diễn biến lạm phát 2010 rất phức tạp, tổng cục thống kê tuyên bố chỉ
số giá CPI tháng 12/2010 tăng 1,98% mức cao nhất kể từ đầu năm 2010. Như vậy lạm
phát cả năm 2010 là 11,75% ứng với CPI 12/2010 so với tháng 12/2009 vượt quá mức
chỉ tiêu kế hoạch về lạm phát đặt ra cho năm này là 9,19%. Vẫn đúng với qui luật tăng
cao trong các tháng đầu năm và cuối năm hai điểm khác biệt giữa chỉ số giá tiêu dùng
năm 2010 là mức tăng có độ vênh lớn, tháng cao nhất so với tháng thấp nhất lệch nhau
hơn 1,5%
Diễn biến lạm phát năm 2011 khá phức tạp, thể hiện ở việc tăng cao những tháng
đầu năm và lạm dần từ quý II. Trong 4 tháng cuối năm, lạm phát có dấu hiệu giảm tốc

11

chỉ táng dưới 1% mỗi tháng. Lạm phát liên tiếp bị đẩy lên, CPI theo tháng tăng 2,20%
vào tháng 3. Tổng kết lại tỷ lệ lạm phát cả năm 2011 lên tới 18,58% với chỉ số giá cả
các mặt hàng lương thực phẩm , nhà ở , giáo dục và giao thông tăng mạnh nhất.
Từ năm 2012, Chính phủ tiến hành thắt chặt chính sách tiền tệ kiểm soát lạm
phát và luôn đặt mục tiêu này lên hàng đầu. Chỉ số giá tiêu dùng đã giảm về một con
số, song kèm với đó là những hệ quả như tăng trưởng tín dụng thấp, vốn đầu tư toàn
xã hội suy giảm. Ngoài ra, một số chuyên gia phân tích , lạm phát thời gian qua chủ
yếu do sức cầu kiệt quệ, rủi ro tăng giá vẫn luôn hiện hữu. Trong giai đoạn 2012 2015, Việt Nam đã thực hiện tốt nhiệm vụ kiềm chế lạm phát nhờ vào việc phối hợp
tốt chính sách tiền tệ linh hoạt và chính sách tài khóa. Tuy nhiên, các biến động kinh
tế khó lường vẫn đặt ra nhiều nguy cơ cho điều hành kinh tế vĩ mô.
Trong giai đoạn 2012 - 2015 Ngân hàng Nhà nước Việt Nam đã điều hành chủ
động, linh hoạt các công cụ chính sách tiền tệ (CSTT), phối hợp chặt chẽ với chính
sách tài khóa góp phần quan trọng trong kiểm soát và đưa lạm phát ở mức cao 23%
vào tháng 8/2011 xuống còn 6,81% năm 2012, 6,04% năm 2013, 1,84% năm 2014 và
0,6% năm 2015.
Giai đoạn 2012-2015 đánh dấu thời kỳ giữ lạm phát ổn định ở mức thấp nhất
trong hơn 10 năm qua. Lạm phát ổn định ở mức thấp, ổn định kinh tế vĩ mô được giữ

vững, thị trường ngoại hối, tỷ giá ổn định, dự trữ ngoại hối tăng lên mức kỷ lục, thanh
khoản hệ thống ngân hàng được cải thiện vững chắc là những yếu tố cơ bản được các
tổ chức xếp hạng tín nhiệm quốc tế sử dụng làm căn cứ để nâng hệ số tín nhiệm của
Việt Nam.
Năm 2016 được coi là thành công trong việc kiểm soát lạm phát trong điều kiện
giá một số mặt hàng thiết yếu tăng trở lại nhưng nhờ lạm phát thấp nên Nhà nước vẫn
có dư địa điều chỉnh giá một số mặt hàng do Nhà nước quản lý tiệm cận dần theo giá
thị trường.

12

Biểu đồ 1: Tình hình lạm phát của Việt Nam năm 2010 – 2016
20
18
16
14
12
10

Lạm phát

8
6
4
2
0
2010

2012

2014

2016

2018

Lạm phát cơ bản tháng 12/2016 tăng 1,87% so với cùng kỳ năm trước (lạm phát
sau khi loại trừ giá lương thực-thực phẩm, giá năng lượng và giá các mặt hàng do Nhà
nước quản lý bao gồm dịch vụ y tế và dịch vụ giáo dục), tăng nhẹ so với mức 1,69%
của năm 2015.
Một thước đo khác là lạm phát GDP cũng chỉ ở mức 1,1% (cao hơn so với mức 0,2% trong năm 2015), bởi năm 2016 trong khi GDP thực tăng 6,2%, thì GDP danh
nghĩa cũng chỉ tăng 7,3% (từ 4192 nghìn tỷ đồng lên 4502 nghìn tỷ đồng).
Như vậy, có thể thấy rằng, nếu loại trừ các yếu tố làm tăng giá mang tính ngắn
hạn, lạm phát của Việt Nam chỉ vào khoảng 1-2% và là mức tương đối thấp. Hơn nữa,
mức lạm phát thấp này đã được duy trì tương đối ổn định kể từ giữa năm 2016, khi
lạm phát cơ bản chỉ dao động xoay quanh mức 0,1%/tháng. Về nguyên nhân, xu
hướng lạm phát thấp chủ yếu là do tình hình tăng trưởng kinh tế chưa có nhiều dấu
hiệu khởi sắc. Tốc độ tăng trưởng GDP 6,21% trong năm 2016 thấp hơn tương đối
nhiều so với mục tiêu 6,7%, thậm chí thấp hơn cả so với mức dự báo gần đây là 6,36,5%. Mặc dù có những nguyên nhân mang tính khách quan như thời tiết không thuận
lợi dẫn đến ngành Nông nghiệp tăng trưởng chậm với mức 1,36% và ngành Khai
khoáng bị sụt giảm 4% do giá nguyên liệu trên thế giới ở mức thấp, song tựu trung
vẫn là do tổng cầu thấp.

13

Theo đó, CPI bình quân năm 2017 tăng 3,53% so với năm 2016 và tăng 2,6% so
với tháng 12/2016. Như vậy, mục tiêu kiểm soát lạm phát, giữ mức CPI bình quân
năm 2017 dưới 4% đã đạt được trong bối cảnh điều chỉnh được gần hết giá các mặt

hàng do Nhà nước quản lý đặt ra trong năm 2017. Tổng cục Thống kê cũng chỉ ra, bên
cạnh những yếu tố gây tăng giá, trong năm 2017 cũng có những yếu tố góp phần kiềm
chế CPI. Đó là, chỉ số giá nhóm thực phẩm bình quân năm 2017 giảm 2,6% so với
năm 2016 làm CPI chung giảm khoảng 0,53%, chủ yếu giảm ở nhóm thịt tươi sống.
Tổng cục Thống kê cũng chỉ rõ, lạm phát cơ bản (CPI sau khi loại trừ lương
thực, thực phẩm tươi sống; năng lượng và mặt hàng do Nhà nước quản lý bao gồm
dịch vụ y tế và dịch vụ giáo dục) tháng 12/2017 tăng 0,11% so với tháng trước và tăng
1,29% so với cùng kỳ. Bình quân năm 2017 so với năm 2016, lạm phát chung có mức
tăng cao hơn lạm phát cơ bản, điều này phản ánh biến động giá do yếu tố thị trường có
mức tăng cao, đó là giá lương thực thực phẩm, giá xăng dầu và yếu tố điều hành giá
cả qua việc điều chỉnh tăng giá dịch vụ y tế và giáo dục. Bình quân năm 2017 lạm
phát cơ bản là 1,41% thấp hơn mức kế hoạch từ 1,6-1,8%, cho thấy chính sách tiền tệ
vẫn đang được điều hành ổn định.
CPI bình quân năm 2017 tăng 3,53% so với bình quân năm 2016, dưới mục tiêu
Quốc hội đề ra. CPI tháng 12/2017 tăng 2,6% so với tháng 12/2016, bình quân mỗi
tháng tăng 0,21%. CPI bình quân năm 2017 tăng chủ yếu là do các địa phương điều
chỉnh giá dịch vụ y tế, dịch vụ khám chữa bệnh. Có một số yếu tố góp phần kiềm chế
tốc độ tăng CPI năm nay như chỉ số giá nhóm thực phẩm bình quân năm giảm 2,6%
so với năm 2016 (chủ yếu giảm ở nhóm thịt tươi sống). Ngân hàng Nhà nước đã điều
hành chính sách tiền tệ kiên định mục tiêu giữ ổn định vĩ mô và kiểm soát lạm phát.
Riêng trong năm 2018, lạm phát cùng kỳ của các tháng có xu hướng tăng lên
trong nửa đầu năm nhưng sau đó giảm xuống vào cuối năm. CPI bình quân 9 tháng
đầu năm 2019 so với cùng kỳ năm 2018 tăng 2,5%, là mức tăng thấp nhất trong 3 năm
trở lại đây, từ đó tiếp tục tạo thêm dư địa cho công tác điều hành giá kiểm soát lạm
phát cả năm 2019 theo mục tiêu Quốc hội và Chính phủ đề ra, đồng thời tạo điều kiện
thuận lợi để xem xét điều chỉnh giá một số dịch vụ công theo lộ trình thị trường. Theo
ước tính của Tổng cục Thống kê, CPI bình quân 9 tháng năm 2019 so với cùng kỳ

14

năm 2018 tăng khoảng 2,52%, là mức tăng thấp nhất trong cùng kỳ 3 năm qua (năm
2017 là 3,79%, năm 2018 là 3,57%).
Kết luận, giai đoạn 2016 - 2020, NHNN đặt ra các chỉ tiêu định hướng về tiền tệ,
tín dụng thấp hơn giai đoạn 2011 - 2015 nhưng vẫn cân đối đảm bảo phù hợp với sức
hấp thụ của nền kinh tế và duy trì ổn định kinh tế vĩ mô; thực hiện đồng bộ các giải
pháp nhằm kiểm soát hợp lý lượng tiền cung ứng qua các kênh, qua đó đã góp phần
kiểm soát tốt lạm phát. Các bộ, ngành đã thực hiện nghiêm túc các kết luận của
Trưởng BCĐ, thực hiện cơ chế phối hợp tốt hơn và công tác truyền thông, thông tin
ngày càng hiệu quả, kịp thời.

15

CHƯƠNG 2.
2.1.

DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Dữ liệu

Số liệu được thu thập là số liệu thứ cấp thu thập theo tháng từ tháng 01 năm
2010 đến tháng 9 năm 2019, gồm 117 quan sát. Dữ liệu nghiên cứu được thu thập từ
các nguồn dưới đây.
Chỉ số lạm phát (INF) (đơn vị: %): Số liệu thống kê của International
Financial Statistics - IFS) của Quỹ Tiền tệ Quốc tế
Thay đổi cung tiền M2 so với cùng kỳ năm trước (M2) (đơn vị: %): Nhóm
nghiên cứu tính toán dựa trên số liệu thống kê cung tiền M2 của Trading
Economics
2.2.

Phương pháp nghiên cứu

Mô hình VAR là mô hình vectơ các biến số tự hồi quy. Mỗi biến số phụ thuộc
tuyến tính vào các giá trị trễ của biến số này và giá trị trễ của các biến số khác.
Mô hình VAR dạng tổng quát:
Yt = A1Yt-1 + A2Yt-2 + …+ ApYt-p + st + ut
Trong đó: Ai là ma trận vuông cấp m*m, i = 1, 2,…, p ; st = (s1t , s2t, …, smt)
Y bao gồm m biến ngẫu nhiên dừng; u vecto các nhiễu trắng, st vecto các yếu tố
xác định, có thể bao gồm hằng số, xu thế tuyến tính hoặc đa thức.
Mô hình này được gọi là mô hình VAR bậc p, ký hiệu VAR(p).
Viết dưới dạng toán tử trễ, ta có:
Yt = ( A1L + A2 L2+ …+ApLp ) Yt + st + ut (1)
Mô hình (1) và (2) được gọi là mô hình VAR cấp p, ký hiệu VAR.
Quá trình ngẫu nhiên Yt có kỳ vọng và hiệp phương sai Cov(Yit ; Yit-1) không
phụ thuộc vào thời gian và hữu hạn được gọi quá trình dừng yếu (còn gọi là quá trình
dừng theo hiệp phương sai hoặc dừng bậc 2). Quá trình ngẫu nhiên là dừng chặt nếu
tất cả các phân bổ với số chiều hữu hạn của (Yt, Yt-1,…, Yt-p) là không đổi theo thời
gian.
Trong thực tế, quá trình thường bắt đầu từ một mốc thời gian hay từ một thời
điểm nhất định. Quá trình dừng tiệm cận là quá trình bắt đầu tại điểm gốc nào đó và
mô men cấp một và cấp hai (kỳ vọng, phương sai) hội tụ đến giá trị hữu hạn.

16

2.3.

Các bước thực hiện

2.3.1. Kiểm định tính dừng
Kiểm định tính dừng của mô hình với 2 giả thiết:
0: ℎ ỗ

{

1: ℎ ỗ

ℎô

ó

ℎ ệ ( ừ

ó

ℎ ệ đơ

ị ( ℎô

ừ

)

)

Ta sử dụng kiểm định nghiệm đơn vị: Tích kép vào chuỗi, vào View → Unit
Root Test
Ở khung Test for unit root in, ta kiểm định cho chuỗi nào thì lựa chọn chuỗi đó:
+ Level: chuỗi gốc.

st

+ 1 difference: sai phân bậc 1.
nd

+ 2 difference: sai phân bậc 2.
Kết quả cho ra nếu p-value nhỏ thì chuỗi là dừng, nếu chuỗi gốc chưa phải là
chuỗi dừng, kiểm định tiếp cho sai phân bậc 1 và bậc 2.

2.3.2. Tìm độ trễ và ước lượng mô hình
Để ước lượng mô hình VAR, việc xác định độ trễ là hết sức quan trọng. Nếu độ
trễ quá lớn dẫn đến các tham số cần ước lượng nhiều, khi đó đòi hỏi kích thước mẫu
phải đảm bảo đủ lớn. Nếu độ trễ quá nhỏ có thể mô hình sẽ bỏ sót những biến có ý
nghĩa. Vì vậy khi xây dựng mô hình VAR ta cần xác định độ trễ tốt nhất.
Độ trễ tối ưu được lựa chọn dựa trên các tiêu chuẩn thông tin Akaike (AIC),
tiêu chuẩn thông tin Schwarz (SC) và tiêu chuẩn thông tin Hannan Qiunn (HQ). Độ
trễ nào làm cho các thống kê nói trên nhận giá trị nhỏ nhất thì được xem là độ trễ tối
ưu của mô hình.
Trước tiên, ta bôi đen hai chuỗi, sau đó vào Open → as Var.
Từ kết quả VAR → chọn View → Lag Structure → Lag Length Criteria → Hộp
thoại Lag Specification xuất hiện: chọn độ trễ trong Lags to indude → OK → Bảng
kết quả hiện lên → Chọn độ trễ tối ưu. Ở chỉ số nào độ trễ tốt nhất sẽ được gắn dấu
(*).
Khi chọn độ trễ tối ưu xong ta vào thanh Estimate tại ô Lag Intervals for
Endogenous điều chỉnh lại độ trễ tối ưu → OK.

17

2.3.3. Kiểm tra tính ổn định của mô hình

Để kiểm tra xem mô hình VAR có ổn định hay không, ta vào View → Lag
Structure → AR Roots Graph. Nếu các điểm nằm trong đường tròn đơn vị thì mô hình
ổn định.
Nhìn trên giản đồ nếu nhiễu không có tự tương quan (nằm trong đường biên) ở ít
nhất 12 độ trễ liên tiếp thì vượt qua kiểm định này.
2.3.4. Kiểm định nhân quả Granger
Kiểm định nhân quả Granger được sử dụng trong nghiên cứu nhằm trả lời câu
hỏi đơn giản là có hay không sự tác động của X xảy ra bởi Y và ngược lại. Trong mô
hình VAR, mỗi một tập hợp các biến được hồi quy dựa trên giá trị quá khứ của bản
thân nó và giá trị của các biến khác. Mối quan hệ của các biến được gắn kết với
nhau. Để kiểm định nhân quả Granger, ta làm như sau:
View → Lag Structure → Granger Causality/ Block Exogeneity Tests. Sau đó
kiểm tra xem các biến có quan hệ nhân quả với nhau hay không dựa vào giá trị Pvalue.
Để xem xét ta có nên bỏ độ trễ nào hay không, ta vào View → Lag Structure →
Lag Exclusion Tests. Nếu p-value nào nhỏ thì ta giữ lại độ trễ đó.
2.3.5. Kiểm định nhiễu trắng
Với kiểm định nhiễu trắng, ta vào View → Residual Tests → Correlograms…
và chọn Lags. Nhìn trên giản đồ nếu nhiễu không có tự tương quan (nằm trong
đường biên) ở ít nhất 12 độ trễ liên tiếp thì vượt qua kiểm định này.
2.3.6. Hàm phản ứng
Hàm phản ứng (IRF) xem ảnh hưởng của bất kì biến nào đến các biến khác
trong hệ thống. Đó là một công cụ hiệu quả trong phân tích nguyên nhân bằng thực
nghiệm và phân tích hiệu quả chính sách. Đây là một quan điểm quan trọng liên quan
đến IRF và VAR.
Trong mô hình VAR, một cú sốc đối với biến i – yếu tố ngẫu nhiên ở phương
trình biến đổi với biến i – không chỉ ảnh hưởng đến biến i mà còn lan truyền đến
biến nội sinh khác thông qua cấu trúc của VAR. Hàm phản ứng mô tả ảnh hưởng của
một cú sốc ở một thời điểm đến các biến nội sinh ở hiện tại và tương lai.

18

Để thấy hàm phản ứng, ta thực hiện như sau:
Impulse → Chọn kì trong ô Periods ở thẻ Display và chọn phương pháp trong
thẻ Impulse Definition.
Từ hình vẽ, ta sẽ đọc được các cú sốc tác động sẽ kéo dài trong bao nhiêu kì,
các biến phản ứng nhanh hay chậm đối với các cú sốc.
2.3.7. Dự báo cho mô hình
Trong trường hợp các biến có mối quan hệ Granger, ta thực hiện như sau: Proc
→ Make Model → Solve. Sau đó thực hiện dự báo cho ngoài mẫu.
Nếu các biến có mối quan hệ nội sinh – ngoại sinh, ta phải tiến hành xây dung
kịch bản để dự báo. Và trong trường hợp không có cả hai mối quan hệ trên, ta phải
xây dựng lại mô hình.

19

CHƯƠNG 3.

KẾT QUẢ DỰ BÁO VÀ PHÂN TÍCH

Augmented Dickey-Fuller test statistic

Test critical values

1% level
5% level
10% level

*Mackinnon (1996) one-sided p-values

3.1.

Kiểm định tính dừng

Chuỗi số liệu sử dụng trong mô hình VAR được giả định là chuỗi dừng, vì vậy
để dự báo tỷ lệ lạm phát của Việt Nam từ tháng 12 năm 2019 đến tháng 12 năm 2020
bằng mô hình này ta cần phải xem xét kiểm định tính dừng của chuỗi dữ liệu nghiên
cứu. Trước tiên, dựa vào việc quan sát đồ thị của chuỗi số liệu, sau đó tiến hành kiểm
tra tính chất này thông qua kiểm định phổ biến: kiểm định nghiệm đơn vị (unit root
test).
Kiểm định tính dừng của chuỗi INF
Bảng 3.1: Kiểm định tính dừng của chuỗi INF
Null Hypothesis: D(INF) has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic – based on SIC, maxlag = 12)

t-Statistic

Prob*

-3.535336 0.0087
-3.489117 -2.887190
-2.580525

Theo kết quả của bảng 3.1 đã cho thấy, chuỗi INF dừng ở sai phân bậc 1 (Do pvalue = 0.0087 < 0.05 hay 5%).
Kiểm định tính dừng của chuỗi M2:
Bảng 3.2: Kiểm định tính dừng của chuỗi M2
Null Hypothesis: M2 has a unit root

Exogenous: Constant
Lag Length: 1 (Automatic – based on SIC, maxlag = 12
t-Statistic
Augmented Dickey-Fuller test statistic

-3.380926

Test critical values

-3.488063

1% level
20

Prob*
0.0136

5% level

-2.886732

10% level

-2.580281

*Mackinnon (1996) one-sided p-values
Theo kết quả của bảng 3.3 đã cho thấy, chuỗi M2 dừng ở sai phân bậc 0 (Do pvalue = 0.0000 < 0.05 hay 5%).
3.2.

Tìm độ trễ tối ưu của mô hình

Sau khi lựa chọn được sai phân bậc 2 cho các chuỗi, nhóm nghiên cứu sẽ xác
định độ trễ cho mô hình thông qua thao tác Lag structure với Lag length = 8, nhóm
được kết quả sau:
Bảng 3.3: Bảng lựa chọn độ trễ tối ưu
VAR Lag Order Selection Criteria
Endogenous variables: D(INF) M2
Exogenous variables: C
Date: 12/12/19 Time: 07:03
Sample: 2010M01 2020M12
Included observations: 108
Lag

LogL

LR

FPE

AIC

SC

HQ
9.118421

0

-489.3072 NA

30.64682

9.098282

9.147951

1

-361.4787 248.5556

3.093907

6.805160

6.954168* 6.865577*

2

-356.5988 9.307928

3.044219

6.788866

7.037212

6.889561

3

-351.8028 8.970287

3000369

6.774125

7.121809

6.915099

4

-351.2517 1.010389

3.199563

6.837994

7.285015

7.019245

5

-344.5460 12.04531

3.045158

6.787889

7.334249

7.009418

6

-337.6478 12.13569* 2.888712

6.734219

7.379917

6.996026

7

-333.4652 7.203352

2.882615* 6.730838* 7.475874

7.032923

21

8

-333.2715 0.326436

3.098287

6.801325

7.645699

7.143688

*indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction erroe
AIC: Akaike information criterion
HQ: Hannan-Quinn information criterion
Từ bảng 3.3, nhóm nghiên cứu lựa chọn độ trễ là 1 và 7.
Sau khi đã chọn được độ trễ phù hợp, ước lượng mô hình thu được
kết quả sau: Bảng 3.4: Ước lượng mô hình VAR
Vector Autoregression Estimates
Date: 12/12/19 Time: 7:50
Sample (adjusted): 2010M09 2019M09
Included observations: 109 after adjustments
Standard errors in ( ) & t-statistics in [ ]

D(INF(-1))

D(INF(-2))

D(INF(-3))

D(INF)

M2

0.855177

-0.670166

(0.10280)

(0.47483)

[8.31912]

[-1.41139]

-0.355581

0.015134

(0.13697)

(0.63268)

[-2.59603]

[0.02392]

0.186884

-0.161673

(0.14343)

(0.67811)

22

D(INF(-4))

D(INF(-5))

D(INF(-6))

D(INT(-7))

M2(-1)

M2(-2)

M2(-3)

M2(-4)

[1.30292]

[1.17775]

0.127256

0.798641

(0.14681)

(0.67811)

[0.86683]

[1.17775]

-0.125978

-0.502507

(0.14381)

(0.66426)

[-0.87602]

[-0.75649]

0102246

-0.367509

(0.13710)

(0.63327)

[0.74578]

[-0.58034]

-0.030131

-1.314962

(0.10676)

(0.49314)

[-0.28222]

[-2.66649]

0.033116

0.980784

(0.02132)

(0.09848)

[1.55331]

[9.95948]

-0.029593

-0.236451

(0.03033)

(0.14011)

[-0.97560]

[-1.68762]

0.030395

0.076595

(0.03092)

(0.14281)

[0.98312]

[0.53634]

0.019691

-0.009693

23

(0.03088)

(0.14262)

[0.63771]

[-0.06796]

-0.017210

-0.015562

(0.03040)

(0.14041)

[-0.56616]

[-0.11084]

-0.018178

0.002999

(0.02929)

(0.13530)

[-0.62059]

[0.02216]

-0.004307

0.067858

(0.02068)

(0.09551)

[-0.20832]

[0.71049]

-0.247802

2.098295

(0.21961)

(1.01440)

[-1.12837]

[2.06851]

R-squared

0.631920

0.852218

Adj. R-squared

0.577099

0.830208

Sum sq.resids

30.60268

652.9346

S.E. equation

0.570579

2.635548

F-statistic

11.52708

38.71937

Log likehood

-85.43511

-252.2263

Akaike AIC

1.842846

4.903235

Schwarz SC

2.213215

5.273604

Mean dependent

-0.056881

17.24518

M2(-5)

M2(-6)

M2(-7)

C

24

S.D. dependent

0.877398

6.396050

Determinant resid covariance (dof adj.)

2.257517

Determinant resid covariance

1.678934

Log likehood

-337.5683

Akaike information criterion

6.744372

Schwarz criterion

7.485110

Theo bảng 3.4, D(INF) có ý nghĩa tại độ trễ 1 do t = 8.31912 > 1.96
M2 có ý nghĩa ở độ trễ 1 do t = 9.95948 > 1.96. Do đó: Mô hình này có ý nghĩa
tại độ trễ này.
3.3.

Kiểm tra tính ổn định của mô hình

Sử dụng AR graph để kiểm tra, mô hình VAR D(INF) M2 tại độ trễ 1 và 7
Hình 3.1: Kiểm định tính ổn định và khả nghích của mô hình

Từ hình 3.4 cho thấy mô hình VAR D(INF) M2 tại độ trễ 1 và 7 là hoàn toàn ổn
định do kết quả kiểm nghiệm cho thấy tất cả các nghiệm đều nằm trong vòng tròn đơn
vị.

25

3.4.

Kiểm định nhiễu trắng

Sau khi kiểm định được tính ổn định của Var, nhóm tiến hành kiểm định nhiễu
trắng thông qua thao tác Autocorrelation LM Test, thu được kết quả sau:
Bảng 3.5: Xác định biến nội sinh, biến ngoại sinh
VAR Residual Serial Correlation LM Test
Null Hypothesis: no serial correlation ...
Date: 12/12/19 Time: 7:39
Sample: 2010M01 2020M12
Included observations: 108
Lags

LM-Stat

Prob

1

3.619378

0.4600

2

1.154806

0.8855

3

1.566759

0.8148

4

3.838433

0.4283

5

11.23047

0.0241

6

12.22488

0.1158

7

2.272088

0.6859

8

4.114617

0.3907

9

0.712187

0.9498

10

2.421337

0.6588

11

12.08871

0.4167

12

17.32817

0.0017

Probs from chi-square with 4 df
Từ kết quả thu được, nhóm nghiên cứu nhận thấy, tại mức ý nghĩa 5% sai số mô
hình là ngẫu nhiên trắng mặc dù vẫn có một vài trễ vi phạm (độ trễ 5 và 12). Tuy
nhiên đây có thể là do yếu tố ngẫu nhiên cho thấy không tồn tại hiện tượng tự tương
quan nên nhóm nghiên cứu vẫn tiến hành kiểm định nhân quả để đưa vào dự báo.

26

3.5.

Kiểm định quan hệ nhân quả

Sử dụng kiểm định Granger Causality để kiểm tra quan hệ nhân quả giữa các
biến d(INF), Exc, M2 có kết quả như sau:
Bảng 3.6: Xác định biến nội sinh, biến ngoại sinh
VAR Granger Causality/Block Exogeneity Wald Tests
Date: 12/12/19 Time: 09:01

Sample: 2010M1 2020M12
Included observations: 109
Dependent variable: D(INF)
Excluded

Chi-sq

df

Prob

M2

12.66113

7

0.0808

All

12.66113

7

0.0808

Excluded

Chi-sq

df

Prob

D(INF)

31.42631

7

0.0001

All

31.42631

7

0.0001

Dependent variable: M2

Dựa vào bảng 3.5 cho thấy, với mức ý nghĩa 5%:
- D(INF) tác động lên M2 có ý nghĩa thống kê (P-value = 0.0808)
- M2 cũng tác động lên D(INF) (P-value = 0.0001)
Hay nói cách khác, hai biến D(INF) và M2 có mối quan hệ Granger ở mức ý
nghĩa 5%. Nhóm nghiên cứu có thể dự báo mô hình mà không cần xây dựng kịch bản
cho các biến.
Như vậy, việc ứng dụng Mô hình VAR vào Dự báo tỷ lệ lạm phát và cung tiền

M2 tại Việt Nam giai đoạn từ tháng 12/2019 đến tháng 12/2020 là phù hợp và đưa ra
kết quả đáng tin cậy.

27

3.6.

Hàm phản ứng

Phương pháp phân tích hàm phản ứng đẩy Generalized Impulses đánh giá hàm
phản ứng đẩy của tất cả các biến đối với tất cả các loại biến động, trong nghiên cứu
này thực hiện với hai biến: D(INF) và M2.
Hình 3.2: Hàm phản ứng của mô hình

Theo kết quả từ biểu đồ nhận thấy:
- Phản ứng của tỷ lệ lạm phát (INF) trước cú sốc từ chính nó rất nhanh và làm tỷ
lệ lạm phát giảm mạnh trong 4 giai đoạn, sau đó giảm dần và dần ổn định sau 10 giai
đoạn
- Khi cung tiền M2 tăng, tỷ lệ lạm phát có xu hướng tăng dần đến giai đoạn 6,
sau đó giảm dần và ổn định dần sau 9 giai đoạn
- Khi tỷ lệ lạm phát (INF) tăng, cung tiền M2 có xu hướng giảm trong khoảng 4
giai đoạn và tăng dần đến giai đoạn 6, sau đó tiếp tục giảm dần dưới mức cân bằng.
- Phản ứng của cung tiền M2 trước cú sốc từ chính nó tương đối mạnh, cung tiền
M2 giảm dần và ổn định gần tiến về mức cân bằng sau 7 giai đoạn.

28

3.7.

Dự báo ngoài mẫu

Sử dụng Solve – Make model để dự báo các chỉ số INF và M2 từ giai đoạn
2019M12 đến 2020M12, ta có kết quả như sau:
Bảng 3.7: Kết quả dự báo ngoài mẫu cho INF
Time

INF

M2

2019M12

1.608952

12.83742

2020M01

1.434580

13.86978

2020M02

1.302968

13.92696