Tải bản đầy đủ
2 Đo lƣờng mức độ truyền dẫn tỷ giá hối đoái vào giá

2 Đo lƣờng mức độ truyền dẫn tỷ giá hối đoái vào giá

Tải bản đầy đủ

49

đối với các biến này ta thu được các chuỗi dừng.
Bảng 4.2: Kiểm định tính dừng của các chuỗi lấy sai phân bậc 1.
Đối với các biến không dừng ta lấy sai phân bậc 1

CPI

IMP

OIL

PPI

Augmented Dickey-Fuller
test statistic

t-Statistic

-5.319007

-7.489167

-6.275765

-17.15821

Test critical values:

1% level

-3.476805

-3.476805

-3.476805

-3.476805

5% level

-2.88183

-2.88183

-2.88183

-2.88183

10% level

-2.577668

-2.577668

-2.577668

-2.577668

(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)

Nếu một chuỗi dữ liệu đưa vào đo lường bằng mô hình VAR không dừng, kết
quả đo lường sẽ bị sai lệch do sự biến thiên không ổn định của chuỗi dữ liệu làm sai
lệch do biến động không ổn định của chuỗi không dừng, khi đó sử dụng hàm phi
tuyến đo lường sẽ cho kết qủa không chính xác, lúc này một mô hình phi tuyến sẽ
đề xuất được sử dụng. Sau khi lấy sai phân bậc 1 toàn bộ các chuỗi không dừng ta
thu được các chuỗi đều dừng. Tới đây, chưa có kết luận đặt biệt về việc không nên
sử dụng VAR như một mô hình phi tuyến để đo lường mức độ truyền dẫn. Bước tiếp
theo xác định độ trễ p của mô hình VAR.
4.2.1.2 Xác định độ trễ của mô hình
Bảng 4.3: Độ trễ của mô hình thông qua một số tiêu chuẩn.
Lag

LogL

LR

FPE

AIC

SC

HQ

0

-3771.735

NA

3.21e+15

55.56963

55.71955

55.63055

1

-2590.171

2224.121

1.88e+08

38.91427

40.11360

39.40165

2

-2467.278

218.6764

63642201

37.82762

40.07636*

38.74145*

3

-2410.353

95.43404

57425426

37.71107

41.00922

39.05135

4

-2354.903

87.25156

53629131

37.61622

41.96379

39.38296

5

-2299.730

81.13632

51171502

37.52545

42.92242

39.71864

6

-2217.594

112.3336

33600088

37.03815

43.48454

39.65779

7

-2115.183

129.5201

16857107

36.25269

43.74849

39.29879

8

-2051.523

73.95718*

15510330*

36.03711*

44.58232

39.50967

LR: sequential modified LR test statistic (each test at 5% level)

(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)

Với việc lựa chọn độ trễ với các tiêu chuẩn khác nhau là khá phức tạp, tuy

50

nhiên việc lựa chọn độ trễ càng thấp càng có ưu điểm so với độ trễ dài. Ở đây với
tiêu chuẩn SC và HQ, độ trễ được chọn là 2 trễ. Độ trễ là 2 trong trường hợp mô
hình tuyến tính bị bác bỏ cũng sẽ được chọn để sử dụng khi tính toán dựa trên mô
hình phi tuyến nếu được sử dụng.
4.2.1.3 Kiểm định mối quan hệ nhân quả
Chọn mô hình VAR và kiểm tra mối quan hệ nhân quả giữa các biến đưa vào
mô hình VAR, bảng 4.4 thể hiện kết quả kiểm định được theo Granger:
Bảng 4.4: Kết quả kiểm định mối quan hệ nhân quả theo kiểm định Granger
với mô hình VAR.
Pairwise Granger Causality Tests
Sample: 2001M01 2012M12
Lags

2

X

NEER

IMP

PPI

OPG

R

OIL

Null Hypothesis:
X does not Granger Cause CPI

CPI does not Granger Cause X

F-Statistic

0.66745

19.0877

4.73129

12.6738

0.09412

5.43573

Prob.

0.5147

0.000***

0.0103**

0.000***

0.9102

0.005***

F-Statistic

1.84887

3.7495

8.57135

17.5497

13.8142

5.95966

Prob.

0.1613

0.026**

0.000***

0.000***

0.000***

0.003***

(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)

Kiểm định Granger cho thấy các biến đều có tác động nhân quả hai chiều tới
biến CPI, ngoại trừ biến R chịu tác động của biến CPI nhưng biến CPI không chịu
tác động của biến R và biến CPI không có quan hệ nhân quả với biến NEER. CPI
không chịu tác động trực tiếp của NEER có thể là do biến CPI chịu tác động gián
tiếp từ biến IMP và biến PPI. Kết quả kiểm định quan hệ nhân quả Granger thể hiện
ở bảng 4.5.

51

Bảng 4.5: Kiểm định nhân quả Granger biến IMP, PPI với biến NEER.
Pairwise Granger Causality Tests
Sample: 2001M01 2012M12
X (Lags: 2)
Null Hypothesis:
X does not Granger Cause
NEER
F-Statistic
Prob.
NEER does not Granger
Cause X

F-Statistic
Prob.

IMP

PPI

1.79295
0.1704

1.94381
1.47E-01

2.50044
0.0858

1.07165
0.3453

(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)

Toàn bộ kết quả Granger từ mô hình VAR cho thấy không có quan hệ nhân
quả giữa biến IMP, PPI, CPI với biến NEER. Do đó ta có quyền nghi ngờ, với mô
hình VAR tuyến tính chưa thể hiện được mối quan hệ nhân quả giữa các biến trong
mẫu quan sát. Tuy nhiên kiểm định Granger khá yếu để kết luận mô hình VAR là
không phù hợp để đo lường mối quan hệ giữa tỷ giá hối đoái hiệu lực đa phương và
các chỉ số giá ở VN.
4.2.2 Kiểm định các giả thiết phi tuyến.
4.2.2.1 Kiểm định Zivot & Andrews.
Tiếp sau, tác giả sử dụng kiểm định Zivot & Andrews để xem liệu có điểm gãy
(Break date) trong các chuỗi dữ liệu các biến quan sát. Nếu có điểm gãy (Break
date), có thể kết luận chuỗi dữ liệu quan sát được không phải là tuyến tính. Khi đó,
đề xuất sử dụng một mô hình phi tuyến để đo lường. Kết quả kiểm định Break date
với độ trễ được chọn là 2 được thể hiện trong bảng 4.6.
Bảng 4.6: Kết quả kiểm định Break date theo Zivot & Andrews.
Zivot-Andrews Unit Root Test
Series
Crit Value
NEER
-5.08000
CPI
-5.08000
PPI
-5.08000
IMP
-5.08000
OPG
-5.08000
OIL
-5.08000
R
-5.08000

Breakpoint
2010:01
2006:03
2008:01
2008:10
2011:01
2008:10
2010:12

TestStat
-5.57396**
-3.68286
-5.55805*
-4.99055
-8.07817**
-5.90253**
-5.41773*

c
109
63
85
94
121
94
120

(*) thể hiện mức ý nghĩa 5%, (**) thể hiện mức ý nghĩa 1%.
(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)

52

Theo kết quả bảng 4.6, các biến PPI, R đều có điểm gãy với mức ý nghĩa 5%
và biến NEER, OPG, OIL có điểm gãy ở mức ý nghĩa 1%. Theo kết quả trên, có thể
kết luận đối với biến cho kết quả có điểm gãy break date thì việc sử dụng phương
pháp bình phương bé nhất phi tuyến (Nonlinear Least Squares - NLS) sẽ đem lại kết
quả tốt nhất (vững và hiệu quả).
4.2.2.2 Kiểm định LM.
Một mô hình phi tuyến gồm 2 nhánh tuyến tính: AR và phi tuyến: ST. Theo
Terasvista 1994, trong những năm gần đây, những mô hình phi tuyến theo thời gian
khác nhau đã có một thành công nhất định về mặt lý thuyết, nhưng trên thực tế để
tìm kiếm một loại mô hình để đo lường chính xác với dữ liệu kinh tế thì khá khó
khăn. Theo đó, ông đã đề cập đến hai mô hình không tuyến tính để đo lường. kiểm
định LM cho từng chuỗi dữ liệu các quan sát như sau:
Đặt giả thiết:
H 0 :  = 0 tham số bôi trơn bằng không, mô hình là tuyến tính.
H :   0 tham số bôi trơn khác không, mô hình là phi tuyến tính
1

Kết quả kiểm định được thể hiện trong bảng 4.7.
Bảng 4.7: Kiểm định giả thuyết tuyến tính cho các biến quan sát.
Series
NEER
CPI
PPI
IMP
OPG
OIL
R

Test
F-stat
2.264495
2.326576
4.303733
2.071940
0.980557
6.317625
9.917663

Signif
0.0655
0.0595
0.0026
0.0879
0.4204
0.0001
0.0000

(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)

Bác bỏ giả thiết H 0 đối với biến quan sát OIL, R với mức ý nghĩa thống kê 1%,
Bác bỏ giả thiết H 0 đối với biến quan sát PPI với mức ý nghĩa thống kê 5% Bác bỏ
giả thiết H 0 đối với biến quan sát NEER, CPI, IMP với mức ý nghĩa thống kê 10%.
Như vậy, đối với các biến quan sát NEER, CPI, PPI, IMP, OIL, R thì việc dùng

53

phương pháp ước lượng NLS sẽ mang lại kết quả tốt. Riêng đối với biến OPG, giả
thiết H 0 không có cơ sở để bác bỏ với F = 0.980557 tại mức ý nghĩa 42,04%. Như
vậy, có thể kết luận đối với chuỗi dữ liệu OPG trong mẫu, việc dùng phương pháp
NLS không mang lại kết quả tốt nhất.
4.2.3 Truyền dẫn tỷ giá hối đoái vào giá, đo lường bằng mô hình phi tuyến.
4.2.3.1 Hồi quy đơn biến STAR.
Trước khi đo lường truyền dẫn tỷ giá hối đoái vào giá cho hai biến bao gồm
một biến độc lập và một biến phụ thuộc, tác giả ước lượng mô hình STAR cho đơn
biến. Việc đo lường cho mô hình đơn biến trong quá trình đo lường đầu tiên vì mô
hình đơn biến là mô hình đơn giản nhất.
Điều gì sẽ xảy ra khi chúng ta thử đo lường các hệ số với mô hình STAR? Nếu
 i = 0 cho mọi giá trị i, khi đó biến chuyển  cũng không còn ý nghĩa. Nếu biến c

lớn hơn bất cứ giá trị nào của St, khi đó giá trị của  sẽ tác động làm cho G tiến đến
0 thông qua dữ liệu quan sát. Trên thực tế, giá trị c và  không cố định và không xác
định, nó là công cụ để chuyển đổi trạng thái cho hàm chuyển G và là công cụ chuyển
đổi đối với hàm phi tuyến. Khi đó, khi  đủ lớn để chuyển đổi ta sẽ có trạng thái
chuyển đổi cho hàm STAR. Vấn đề cần giải quyết là tìm ra giá trị của c và  . Để đo
lường, chúng ta cố định  và lựa chọn c phù hợp nhất để xác định các hệ số trong
mô hình.
Giá trị c được chọn là thời gian mà tại điểm ở đó có điểm gãy trong dữ liệu
biến quan sát được đo lường bằng Zivot & Andrews (c được đưa ra kết quả ở bảng
4.6),  được chọn bất kỳ để thấy được sự chuyển đổi trong hàm chuyển G và giá trị
các hệ số hồi quy chuyển đổi, hàm St là hàm thời gian được đánh số thứ tự từ 1 đến
144 thể hiện quan sát từ 1 đến 144, mô hình chọn độ trễ là 2.
Kỹ thuật hồi quy đơn biến (STAR) cũng sẽ được áp dụng cho hồi quy hai biến.
Với kỹ thuật chọn giá trị như trên ta có kết quả đo lường hồi quy biến NEER
bằng mô hình STAR như sau:

54

NEER = (  0 + 1 * NEER{1} +  2 * NEER {2}) + ((  0 + 1 *NEER {1} +  2 *
NEER {2}) * (1/(1+exp(-  * (St - c))))) + u
St được chọn là biến thời gian, c là thời điểm có điểm gãy xảy ra, đối với biến
NEER, c bằng 109.
Khi  = 0:
Bảng 4.8: Kết quả hồi quy đơn biến biến NEER bằng mô hình STAR với  = 0.
Dependent Variable NEER
Mean of Dependent Variable
130.88313752
Std Error of Dependent Variable 31.88802196
Standard Error of Estimate
2.39953856
Sum of Squared Residuals
817.60551283
Durbin-Watson Statistic
1.9464
Variable

0
1
2
0
1
2



Coeff

Std Error

T-Stat

Signif

-1.631469357

0.902811426

-1.807100000

0.070746890

1.171023877

0.083031420

14.103380000

0.000000000

-0.152701337

0.085237894

-1.791470000

0.073217520

0.000000000

0.000000000

0.000000000

0.000000000

0.000000000

0.000000000

0.000000000

0.000000000

0.000000000
0.000000000

0.000000000
0.000000000

0.000000000
0.000000000

0.000000000
0.000000000

(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)

Khi  = 0, mô hình là tuyến tính, ta xác định được các giá trị của nhánh tuyến
tính AR.
Khi  chuyển đổi từ 0   , nhánh phi tuyến ST sẽ làm mô hình chuyển dịch
trơn. Phần tiếp theo, tiến hành thay các giá trị  khác nhau để nhận được giá trị của
hàm phi tuyến thể hiện trong bảng 4.9.

55

Bảng 4.9: Kết quả hồi quy đơn biến của biến NEER bằng mô hình STAR với
các giá trị của  lần lượt là 0, 0.5, 1, 2, 10, 100, 10000.
Variable NEER


0

0.5

1

2

10

100

10000

1

Coeff

-1.631469357

1.171023877

-0.152701337

0.000000000

0.000000000

0.000000000

0.000000000

T-Stat

-1.8071*

14.10338***

-1.79147*

0***

0***

0***

Coeff

3.460562416

0.867142161

0.104831662

2.809743641

0.425167968

0***
0.419911833

T-Stat

1.17844

5.88257***

0.72028

0.87570

1.88787*

Coeff

3.460560309

0.867142218

0.104831625

2.809743027

0.425167807

T-Stat

1.17844

5.88257***

0.72028

0.87570

1.88787*

Coeff

3.460560458

0.867142224

0.104831618

2.809742378

T-Stat

1.17844

5.88257*

0.72028

Coeff

33.32015865

0.80541627

-0.10111073

T-Stat

2.16423**

2.51305***

-0.33558

-1.25324

Coeff

19.1060902

-0.8364358

1.7271333

-16.7243705

T-Stat

0.36372

-0.73985

1.39307

-0.31851

Coeff

-20.91234

1.28910

-0.29770

-3.02913***

9.20376***

-2.07535**

T-Stat

0



0

2

1

2

-1.87355*
0.419911681

0.130052218
1.35177
0.130052365

0.425167799

-1.87355*
0.419911669

1.35177
0.130052368

0.87570

1.88787*

-1.87355*

1.35177

-21.89063929

0.58992454

-0.30140895

0.04250011

1.07318

-0.59665

2.37034***

2.1018563

-1.9960951

100

1.83575*

-1.59303

0.00000***

24.22157

0.00000

0.00000

10000

3.57676***

0.00000***

0.00000***

0.00000***

(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)

Khi  thay đổi làm thay đổi các hệ số chuyển đổi, từ đó làm cho giá trị của
biến đo lường thay đổi đạt quanh một ngưỡng cực tiểu và cực đại.
Bảng kết quả đo lường mô hình đơn biến CPI, PPI, IMP, OIL, R được thể hiện
trong phụ lục 1. Với cách làm tương tự như trong mô hình đơn biến STAR, ta chạy
mô hình VSTAR cho 2 biến.
4.2.3.2 Hồi quy hai biến VSTAR.
* Đo lƣờng các biến tác động đến chỉ số giá tiêu dùng
 Hồi quy biến CPI và biến NEER
Tác động của biến NEER tới biến CPI như sau:
CPI = (  01 + 11 *CPI{1} +  21 * NEER{1} +  31 * CPI{2} +  41 * NEER {2}) +
(  01 + 11 * CPI{1} +  21 * NEER {1} +  31 * CPI{2} +  41 * NEER {2})
(1/(1+exp(-  * (St - c))))) + u

*

(4)

Trong khi đó biến NEER cũng chịu tác động của biến CPI như sau:
NEER = (  02 + 12 * CPI{1} +  22 * NEER {1} +  32 * CPI{2} +  42 * NEER {2}) +

56

(  02 + 12 * CPI{1} +  22 * NEER {1} +  32 * CPI{2} +  42 * NEER {2}) *
(1/(1+exp(-  * (St - c))))) + u

(5)

Hệ phương trình bao gồm phương trình (4) và phương trình (5) được gọi là hệ
phương trình (6).
Với St là biến thời gian, c là điểm gãy được chọn. Khi  biến đổi từ 0   ta có các
hệ số hồi quy thể hiện trong bảng 4.10.

57

Bảng 4.10 : Hồi quy hai biến CPI và NEER bằng mô hình VSTAR.



0

0.5

1

2

5

100

10000

Hệ số

Coeff

T-Stat

 01

0.184326835

0.39481

0.39481

2.32355
**

2.43776390

1.46675

2.43776364

1.46675

2.43776514

1.46675

2.6172329

1.48613

4.15907

1.72690
*

11

1.607171700

23.98492
***

23.98492

4.10474
***

1.13230596

5.44354***

1.13230593

5.44354
***

1.13230614

5.44354

1.6756717

15.09056***

1.63722

13.27262
***

 21

0.038751324

1.14612

1.68558
*

0.12262502

1.56948

0.12262501

1.56948

0.12262511

1.56948***

0.0178756

-0.37092

0.01279

0.24723

 31

0.605326452

1.14612
8.90545
***

8.90545

0.66825

0.13747146

0.66306

0.13747144

0.66306

0.13747157

0.66306

0.7141965

6.11454***

0.68908

5.48106***

 41

0.036303537

1.04553

1.04553

0.98601

0.09239084

1.11900

0.09239081

1.11900

0.09239098

1.11900

0.0485632

1.02743

0.04997

0.99681

 01

0.000000000

0.00000
***

0.00000

1.16674

2.67759773

1.53279

2.67759755

1.53278

2.67759867

1.53279

0.0000000

0.00000***

0.00000

0.00000***

11

0.000000000

0.00000
***

0.00000

2.44317
**

0.51127234

2.32254**

0.51127237

2.32254
**

0.51127216

2.32254
**

0.0000000

0.00000***

0.00000

0.00000***

 21

0.000000000

0.00000
***

0.00000

0.09665283

1.12032

0.09665281

1.12032

0.09665294

1.12032

0.0000000

0.00000***

0.00000

0.00000***

 31

0.000000000

0.00000
***

0.00000

1.35525
1.93104
*

0.51092559

2.32591**

0.51092561

2.32591**

0.51092547

2.32590**

0.0000000

0.00000***

0.00000

0.00000***

 41

0.000000000

0.00000
***

0.00000

1.00941

0.07326808

0.80836

0.07326805

0.80836

0.07326823

0.80836

0.0000000

0.00000***

0.00000

0.00000***

 02

0.406745706

0.35664

0.35664

0.85141

1.52287596

0.47544

1.52287591

0.47544

1.52287485

0.47544

358.2559692

0.44147

29.64302

4.03105***

12

0.187629231

1.14626

1.14626

0.68650

0.08145706

0.36315

0.08145704

0.36315

0.08145717

0.36315

14.6879711

-1.59417

0.67403

2.08660*

 22

1.151048430

13.93619
***

13.93619

4.77192
***

0.92638015

6.90292***

0.92638010

6.90292***

0.92638035

6.90292***

2.1661159

0.87258

1.16871

8.31356***

Coeff

T-Stat

Coeff

T-Stat

Coeff

T-Stat

Coeff

T-Stat

Coeff

T-Stat

Coeff

T-Stat

58

 32

0.166476670

 42

0.164359391

1.00259
1.93770
*

 02

0.000000000

12

1.00259

0.52618

0.09319651

0.42393

0.09319649

0.42393

0.09319662

0.42393

10.3493429

2.21086**

0.49929

1.51281

1.93770

1.23817

0.05391809

0.39241

0.05391814

0.39242

0.05391789

0.39241

1.2180078

0.47781

0.30153

2.28169**

0.00000
***

0.00000

0.34559

16.30170216

2.71387***

16.30169908

2.71387***

16.30170997

2.71388***

369.4826357

-0.45529

20.01461

3.02543***

0.000000000

0.00000
***

0.00000

1.57610

0.76595712

2.33421**

0.76595703

2.33421**

0.76595754

2.33422**

15.3628169

1.66667
*

0.00000

0.00000***

 22

0.000000000

0.00000
***

0.00000

1.83825
*

0.19030204

1.09718

0.19030214

1.09718

0.19030155

1.09717

1.0207409

-0.41038

0.00000

0.00000***

 32

0.000000000

0.00000
***

0.00000

0.53997153

1.64058

0.53997146

1.64058

0.53997186

1.64058

10.8291781

2.30474**

0.00000

0.00000***

 42

0.000000000

0.00000
***

0.00000

1.35048
2.21120
**

0.34356688

1.98062**

0.34356696

1.98062 *

0.34356645

1.98062**

1.5093402

-0.59133

0.00000

0.00000***



0.000000000

0.00000
***

0.00000

4.16720
***

2.65448363

0.20265

2.65447987

0.20265

2.65452823

0.20265

100.0000000

0.00000***

10000.00000

0.00000***

(*) thể hiện mức ý nghĩa 10%, (**) thể hiện mức ý nghĩa 5%, (***) thể hiện mức ý nghĩa 1%,

(Nguồn: Kết quả thuật toán thống kê từ phần mềm thống kê tác giả thực hiện)

59

Để quan sát rõ hơn khi  chuyển tác động tới hàm G, Hình 4.8 sẽ thể hiện mức độ chuyển của hàm G khi  biến đổi.
Hình 4.8: Mức độ chuyển của hàm G khi  biến đổi ở mức 0.5, 1, 2, 10, 100, 10000.
GIÁ TRỊ HÀM CHUYỂN CHO MÔ HÌNH VSTAR
M o hinh LSTAR

Ham chuyen voi gama = 0.5

1.00

0.75

0.50

0.25

0.00
75

100

125

150

175

200

225

GIÁ TRỊ HÀM CHUYỂN CHO MÔ HÌNH VSTAR
M o hinh LSTAR

Ham chuyen voi gama = 1

1.00

0.75

0.50

0.25

0.00
75

100

125

150

175

200

225