Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Nguyen trungchinh moiquanhegiuatangtruongvalamphat

587 views

Published on

  • Be the first to comment

  • Be the first to like this

Nguyen trungchinh moiquanhegiuatangtruongvalamphat

  1. 1. Mèi quan hÖ gi÷a t¨ng tr−ëng vµ l¹m ph¸t qua kÕt qu¶ ph©n tÝch t¹i ViÖt Nam NguyÔn Trung ChÝnh**§¹i häc Ngo¹i th−¬ng Mèi liªn hÖ gi÷a t¨ng tr−ëng vµ l¹m ph¸t lµ vÊn ®Ò thu hót ®−îc sù quan t©m cña nhiÒu nhµ nghiªn cøu kinh tÕ. Trong thêi gian gÇn ®©y, kinh tÕ thÕ giíi cã nhiÒu biÕn ®éng, ®Æc biÖt lµ cuéc khñng ho¶ng kinh tÕ toµn cÇu, lµm gi¶m tèc ®é t¨ng tr−ëng vµ khiÕn l¹m ph¸t t¨ng cao ë nhiÒu n−íc, trong ®ã cã ViÖt Nam. §iÒu nµy ®Æt ra yªu cÇu cÇn nghiªn cøu mét c¸ch s©u s¾c sù t¸c ®éng qua l¹i gi÷a t¨ng tr−ëng vµ l¹m ph¸t, tõ ®ã t×m ra biÖn ph¸t nh»m æn ®Þnh l¹m ph¸t vµ thóc ®Èy t¨ng tr−ëng cho tõng quèc gia. Bµi viÕt nh»m nghiªn cøu mèi quan hÖ gi÷a t¨ng tr−ëng vµ l¹m ph¸t ë ViÖt Nam trong thêi gian gÇn ®©y. KÕt qu¶ ph©n tÝch tõ ph−¬ng ph¸p håi qui ®ång liªn kÕt, ®©y. ®ång m« h×nh ECM vµ m« h×nh VAR cho thÊy l¹m ph¸t vµ t¨ng tr−ëng cã sù liªn hÖ h×nh mËt thiÕt víi nhau trong c¶ ng¾n h¹n vµ dµi h¹n. Tõ ®ã, bµi viÕt ®Ò xuÊt nh÷ng chÝnh s¸ch thÝch hîp nh»m gióp nÒn kinh tÕ ®¹t ®−îc møc t¨ng tr−ëng tèi −u trong kinh thêi gian tíi. 1. C¬ së lý thuyÕt vµ c¸c nghiªn cøu liªn quan VÒ mÆt lý thuyÕt, l¹m ph¸t cã ¶nh h−ëng c¶ tÝch cùc lÉn tiªu cùc ®Õn t¨ng tr−ëng. TØ lÖ l¹m ph¸t thÊp sÏ cã t¸c dông thóc ®Èy t¨ng tr−ëng. Tr−êng ph¸i tiÒn tÖ cho r»ng trong ng¾n h¹n, khi chÝnh phñ t¨ng l−îng cung tiÒn gãp phÇn thóc ®Èy t¨ng tr−ëng, ®ång thêi còng sÏ lµm gia t¨ng l¹m ph¸t vµ do ®ã t¨ng tr−ëng vµ l¹m ph¸t cã mèi quan hÖ cïng chiÒu. Theo tr−êng ph¸i Keynes, mèi quan hÖ gi÷a t¨ng tr−ëng vµ l¹m ph¸t mang dÊu d−¬ng, ®iÒu nµy còng trïng víi kÕt qu¶ nghiªn cøu cña Tobin ®−îc c«ng bè n¨m 1965. Tuy nhiªn, tØ lÖ l¹m ph¸t cao sÏ ¶nh h−ëng tiªu cùc ®Õn nÒn kinh tÕ. L¹m ph¸t ë møc cao sÏ dÉn ®Õn sù bÊt æn trong lÜnh vùc kinh tÕ vµ lµm t¨ng rñi ro cña c¸c ho¹t ®éng ®Çu t−. L¹m ph¸t lµm thay ®æi gi¸ c¶ t−¬ng ®èi vµ ®−îc xem nh− mét lo¹i “thuÕ” ®èi víi nÒn kinh tÕ. Nh÷ng nghiªn cøu gÇn ®©y cña Fisher (1993), Barro (1996), Bruno and Easterly (1998) ®· chØ ra mèi quan hÖ gi÷a t¨ng tr−ëng vµ l¹m ph¸t mang dÊu ©m ë nhiÒu n−íc kh¸c nhau. Xa h¬n, Khan and Senhadji (2001) ®· t×m thÊy “ng−ìng” cña møc l¹m ph¸t lµ 11% mµ theo ®ã, mèi quan hÖ t¨ng tr−ëng- l¹m ph¸t mang dÊu ©m khi tØ lÖ l¹m ph¸t v−ît qu¸ ng−ìng nµy vµ mang dÊu d−¬ng trong tr−êng hîp cßn l¹i. Bªn c¹nh ®ã, c¸c nghiªn cøu cña Fisher (1993) vµ Sarel (1996) ®· cho thÊy l¹m ph¸t vµ t¨ng tr−ëng cã mèi quan hÖ phi tuyÕn. 1
  2. 2. Nèi tiÕp c¸c kÕt qu¶ trªn, rÊt nhiÒu c¸c nghiªn cøu kh¸c vÒ sù ¶nh h−ëng qua l¹i gi÷a t¨ng tr−ëng vµ l¹m ph¸t víi c¸c ph−¬ng ph¸p kh¸c nhau ®−îc c«ng bè. Mallik vµ Chowdhury (2001) ®· sö dông håi quy ®ång liªn kÕt (co- integration regression) vµ m« h×nh sai sè hiÖu chØnh (ECM- Error Correction Model) ®Ó xem xÐt mèi quan hÖ cïng chiÒu gi÷a t¨ng tr−ëng vµ l¹m ph¸t trong dµi h¹n t¹i bèn n−íc Nam ¸ (Bangladesh, Ên §é, Pakistan vµ Sri-Lanka). Thªm vµo ®ã, Faria and Carneiro (2001) còng sö dông kiÓm ®Þnh nghiÖm ®¬n vÞ (unit root test) ®−îc ®Ò xuÊt bëi Dickey-Fuller (DF) vµ Augmented Dickey-Fuller (ADF) (1979) vµ ph−¬ng ph¸p ph©n tÝch ph−¬ng sai (Variance Decomposition) dùa trªn m« h×nh VAR (Vector Autoregressive Model) cho thÊy, l¹m ph¸t kh«ng ¶nh h−ëng ®Õn s¶n l−îng thùc tÕ (GDP) trong dµi h¹n, tuy nhiªn trong ng¾n h¹n th× sù ¶nh h−ëng cña l¹m ph¸t ®Õn s¶n l−îng thùc tÕ (GDP) l¹i mang dÊu ©m. Dùa trªn c¸c kÕt qu¶ nghiªn cøu trªn, trong nghiªn cøu cña m×nh, chóng t«i sö dông ®ång thêi håi qui ®ång liªn kÕt, m« h×nh sai sè hiÖu chØnh (ECM) vµ ph−¬ng ph¸p ph©n tÝch ph−¬ng sai dùa trªn m« h×nh VAR ®Ó xem xÐt mèi quan hÖ gi÷a t¨ng tr−ëng vµ l¹m ph¸t ë ViÖt Nam trong ng¾n h¹n vµ dµi h¹n thêi k× 1995-2008. 2. Ph−¬ng ph¸p luËn nghiªn cøu §Ó nghiªn cøu mèi quan hÖ gi÷a t¨ng tr−ëng (G) vµ l¹m ph¸t (I), chóng t«i sö dông ph−¬ng ph¸p håi qui ®ång liªn kÕt vµ m« h×nh sai sè hiÖu chØnh ®−îc ®Ò xuÊt bëi Engle vµ Granger (1987). Th«ng th−êng khi håi qui 2 biÕn ngÉu nhiªn- vÝ dô 2 biÕn G vµ I- theo m« h×nh tuyÕn tÝnh cã d¹ng: G t = λ1 + φ1I t + µ t +... (1) I t = λ 2 + φ2 G t + ηt +... (2) ë ®©y, µ t vµ ηt lµ nhiÔu tr¾ng. Khi ®ã m« h×nh ph¶n ¸nh mèi quan hÖ trong dµi h¹n gi÷a 2 biÕn G vµ I. Tuy nhiªn, mét vÊn ®Ò ®Æt ra lµ nÕu G vµ I kh«ng dõng (non-stationary) th× sÏ x¶y ra hiÖn t−îng håi qui gi¶ m¹o (spurious regression) vµ kÕt qu¶ thu ®−îc kh«ng ph¶n ¸nh ®óng mèi quan hÖ gi÷a G vµ I. Tuy nhiªn, khi G, I kh«ng dõng nh−ng tháa m·n lµ liªn kÕt bËc I (I(1)): First-ordered integration, cßn gäi lµ dõng sai ph©n) vµ c¸c yÕn tè ngÉu nhiªn µ t vµ ηt lµ dõng (I(0): stationary) th× m« h×nh trªn vÉn ph¶n ¸nh ®óng sù ¶nh h−ëng gi÷a G vµ I vµ kÕt qu¶ håi qui vÉn cã ý nghÜa, khi ®ã 2 biÕn G vµ I ®−îc gäi lµ ®ång liªn kÕt (cointergration). Trong tr−êng hîp nµy, ®Ó kiÓm ®Þnh xem c¸c biÕn G vµ I trong m« h×nh cã dõng hay dõng sai ph©n hay kh«ng, ph−¬ng ph¸p ®−îc sö dông phæ biÕn lµ kiÓm ®Þnh nghiÖm ®¬n vÞ dùa trªn tiªu chuÈn kiÓm ®Þnh Augmented Dickey-Fuller (ADF) do Dickey vµ Fuller (1979) ®Ò xuÊt. §ång thêi, Johansen (1988) vµ Johansen- Juselius (1990) còng ®−a ra ph−¬ng ph¸p kiÓm ®Þnh tÝnh ®ång liªn kÕt cña 2 biÕn ngÉu nhiªn dùa trªn thñ tôc kiÓm ®Þnh hîp lý cùc ®¹i (maximum-likelihood test procedure). Thñ tôc trªn ®−a ra 2 tiªu chuÈn kiÓm ®Þnh vÒ sè ph−¬ng tr×nh ®ång liªn kÕt gi÷a hai biÕn G vµ I: (a) Tiªu chuÈn kiÓm ®Þnh gi¸ trÞ riªng cùc ®¹i 2
  3. 3. (maximal eigen value test)- ë ®©y gi¶ thuyÕt gèc (null hypäthesis) lµ cã Ýt nhÊt r vector ®ång liªn kÕt vµ gi¶ thuyÕt ®èi lµ cã r+1 vector ®ång liªn kÕt- vµ (b) tiªu chuÈn kiÓm ®Þnh vÕt (trace-test)- v i gi¶ thuyÕt gèc (null hypäthesis) lµ cã Ýt nhÊt r vector ®ång liªn kÕt vµ gi¶ thuyÕt ®èi lµ cã tèi ®a r+1 vector ®ång liªn kÕt. Xa h¬n, theo Engle vµ Granger (1987), khi G vµ I lµ liªn kÕt bËc nhÊt (I(1)) vµ ®ång liªn kÕt víi nhau th× chóng t−¬ng t¸c qua l¹i theo m« h×nh sai sè hiÖu chØnh (ECM) cã d¹ng: p q ∆G t = α1 + ∑ β1i ∆I t −i + ∑ γ1j ∆G t − j + δ1µ t + u t (3) i =0 j=1 p q ∆I t = α 2 + ∑ β2i ∆G t −i + ∑ γ 2 j∆I t − j + δ2 ηt + v t (4) i=0 j=1 Trong m« h×nh trªn µ t vµ ηt lµ hÖ sè sai sè hiÖu chØnh ph¶n ¸nh sù mÊt c©n b»ng trong ng¾n h¹n gi÷a t¨ng tr−ëng (G) vµ l¹m ph¸t (I). ∆G vµ ∆I lµ sai ph©n bËc nhÊt cña G vµ I, ph¶n ¸nh sù thay ®æi trong ng¾n h¹n cña c¸c biÕn t¨ng tr−ëng vµ l¹m ph¸t. M« h×nh sai sè hiÖu chØnh (ECM) ®−îc dïng ®Ó nghiªn cøu sù biÕn ®éng trong ng¾n h¹n cña G vµ I. §Ó −íc l−îng µ t vµ ηt ®−a vµo m« h×nh trªn, ph−¬ng ph¸p phæ biÕn lµ sö dông thñ tôc Engle-Granger hai b−íc. Ngoµi ra, ®Ó ph©n tÝch râ vÒ sù biÕn ®éng cña t¨ng tr−ëng vµ l¹m ph¸t trong ng¾n h¹n, ta cã thÓ sö dông ph−¬ng ph¸p ph©n tÝch ph−¬ng sai (Variance Decomposition) dùa trªn m« h×nh VAR (Vector Autoregressive Model): m n ∆G t = k1 + ∑ θ1i ∆I t −i + ∑ ς1j∆G t − j + ωt (5) i =1 j=1 m n ∆I t = k 2 + ∑ θ2i ∆G t −i + ∑ ς 2 j∆I t − j + ϕ t (6) i =1 j=1 ë ®©y, ωt vµ ϕt lµ c¸c nhiÔu tr¾ng. Ph−¬ng ph¸p trªn nh»m ph©n tÝch c¸c thµnh phÇn t¸c ®éng lªn sù biÕn ®éng cña t¨ng tr−ëng vµ l¹m ph¸t dùa trªn c¸c biÕn yÕu tè trÔ cña chóng. §Ó nhËn d¹ng m« h×nh VAR, ph−¬ng ph¸p ®−îc sö dông phæ biÕn lµ kiÓm ®Þnh mèi quan hÖ nh©n qu¶ Granger (Granger Causality Test). KÕt qu¶ ph©n tÝch sÏ ®−îc tr×nh bµy trong phÇn tiÕp theo. 3. Sè liÖu cña ViÖt Nam vµ kÕt qu¶ thùc nghiÖm Khi nghiªn cøu mèi quan hÖ gi÷a t¨ng tr−ëng vµ l¹m ph¸t t¹i ViÖt Nam, sè liÖu sö dông trong nghiªn cøu trªn vÒ chØ sè gi¸ tiªu dïng CPI (Customer Price Index) vµ tæng thu nhËp quèc néi GDP (Gross Domestics Product) giai ®o¹n tõ 1995 ®Õn 2008 do Tæng côc Thèng kª ViÖt Nam c«ng bè. Sè liÖu vÒ CPI vµ GDP ®−îc tÝnh l¹i theo quý, tõ quý 1 n¨m 2005 ®Õn hÕt quý 2 n¨m 2008 t¹i møc gi¸ n¨m 1994. TØ lÖ l¹m ph¸t (I) vµ t¨ng tr−ëng (G) ®−îc tÝnh theo c«ng thøc: It = ln(CPIt) - ln(CPIt-1) and Gt = ln(GDPt) - ln(GDPt-1) It vµ Gt lµ tØ lÖ t¨ng tr−ëng vµ l¹m ph¸t t¹i thêi ®iÓm t. Ln(CPIt), ln(GDPt) vµ ln(GDPt-1), ln(CPIt-1) lÇn l−ît lµ logarit c¬ sè tù nhiªn t−¬ng øng cña c¸c biÕn t¹i 3
  4. 4. c¸c thêi ®iÓm t vµ t-1. C¸c gi¸ trÞ thèng kª m« t¶ vÒ tØ lÖ l¹m ph¸t (I) vµ t¨ng tr−ëng (G) cña ViÖt Nam trong giai ®o¹n nµy ®−îc tr×nh bµy trong B¶ng 1. B¶ng 1. C¸c gi¸ trÞ thèng kª m« t¶ vÒ tØ lÖ t¨ng tr−ëng vµ l¹m ph¸t theo quý cña ViÖt Nam giai ®o¹n 1995 - 2008 Std Jarque- P-value Mean Median Maximum Minimum Skewness Kurtosis Obs Dev Bera (JB test) G 0.0169 0.0045 0.1465 -0.0540 0.0493 0.6926 2.7404 4.3866 0.1116 53 I 0.0155 0.0120 0.0880 -0.0181 0.0209 1.2717 5.6301 29.5608 0.0000 53 HÖ sè t−¬ng quan gi÷a G vµ I tÝnh ®−îc lµ 0,58, chøng tá G vµ I cã mèi t−¬ng quan d−¬ng kh¸ m¹nh. KÕt qu¶ kiÓm ®Þnh nghiÖm ®¬n vÞ Augmented Dickey- Fuller (ADF) cho c¸c chuçi sè liÖu G, I, ∆I , ∆G ®−îc tr×nh bµy trong B¶ng 2. B¶ng 2. KiÓm ®Þnh nghiÖm ®¬n vÞ Augment Dickey-Fuller I ∆I G ∆G ADF-statistic -0.1405 -2.9729** -0.4677 -24.3722* Chó thÝch: * vµ **: cã ý nghÜa thèng kª t¹i c¸c møc 1% vµ 5% KÕt qu¶ kiÓm ®Þnh cho thÊy, c¸c chuçi G vµ I kh«ng dõng, tuy nhiªn c¸c chuçi sai ph©n ∆I vµ ∆G lµ chuçi dõng, c¸c dÊu hiÖu kh¸c còng cho cïng nhËn ®Þnh nh− trªn. Nh− vËy, biÕn I vµ G lµ liªn kÕt bËc nhÊt (I(1)). TiÕp theo, ®Ó xem xÐt mèi quan hÖ gi÷a t¨ng tr−ëng vµ l¹m ph¸t, håi qui G vµ I víi nhau theo c¸c theo m« h×nh (1): G t = λ1 + φ1I t + µ t (1) ¦íc l−îng c¸c m« h×nh trªn b»ng ph−¬ng ph¸p b×nh ph−¬ng nhá nhÊt (OLS: Ordinary Least Squares). Trong qu¸ tr×nh −íc l−îng, ®Ó kh¾c phôc khuyÕt tËt tù t−¬ng quan vµ thu ®−îc −íc l−îng xÊp xØ tèt nhÊt cña φ1 , ta sö dông ph−¬ng ph¸p khö tù t−¬ng quan dùa trªn thñ tôc lÆp víi c¸c hÖ sè tö AR(p), kÕt qu¶ −íc l−îng ®−îc tr×nh bµy ë B¶ng 3. B¶ng 3. M« h×nh håi qui ®ång liªn kÕt gi÷a t¨ng tr−ëng vµ l¹m ph¸t G t = λ1 + φ1I t + µ t (1) µ t = ξ11 µ t-1 + ξ12µ t-2 +ξ13µ t-3 + ξ14µ t-5 + ε t HÖ sè λ1 φ1 ξ11 ξ12 ξ13 ξ14 R2 ¦íc l−îng 0.008546 0.588282 -0.696569 -0.893998 -0.813292 -0.319788 0.893008 Thèng kª T 8.582018* 10.28628* -4.787100* -10.14589* -11.52318* -2.425256** 70.11053* (hoÆc F cho R2) Chó thÝch: * vµ **: cã ý nghÜa thèng kª t¹i c¸c møc 1% vµ 5% 4
  5. 5. TiÕp tôc kiÓm ®Þnh tÝnh dõng cña c¸c phÇn d− µ t cña m« h×nh (1) dùa trªn tiªu chuÈn kiÓm ®Þnh Augmented Dickey-Fuller (ADF) (ë ®©y: µ t = G t − φ1I t − λ1 ) kÕt qu¶ cho ®−îc tr×nh bµy trong B¶ng 4. B¶ng 4. KiÓm ®Þnh nghiÖm ®¬n vÞ cho phÇn d− vµ −íc l−îng hÖ sè ®ång liªn kÕt G t = λ1 + φ1I t + µ t (7) HÖ sè ®ång liªn kÕt φ1 Thèng kª - ADF cña µ t Gi¸ trÞ −íc l−îng 0.588282 -4.582472* (10.28628)* Chó thÝch: * vµ **: cã ý nghÜa thèng kª t¹i c¸c møc 1% vµ 5%; Gi¸ trÞ trong dÊu ( ) lµ gi¸ trÞ thèng kª T. KÕt qu¶ cho thÊy G vµ I lµ ®ång liªn kÕt víi hÖ sè ®ång liªn kÕt φ1 ®−îc −íc l−îng b»ng 0,588282 lµ d−¬ng vµ cã ý nghÜa thèng kª ë møc 1%. Nh− vËy, cã thÓ thÊy mèi quan hÖ gi÷a t¨ng tr−ëng vµ l¹m ph¸t trong dµi h¹n lµ ®ång biÕn, ®ång thêi gi¸ trÞ nµy nhá h¬n 1 cho thÊy, trong dµi h¹n, t¨ng tr−ëng sÏ t¨ng nhanh h¬n l¹m ph¸t. HÖ sè phï hîp R2 −íc l−îng ®−îc b»ng 89,3% cho thÊy l¹m ph¸t cã ¶nh h−ëng kh¸ lín ®Õn t¨ng tr−ëng. Thªm vµo ®ã, kiÓm ®Þnh ®ång liªn kÕt Johansen (Johansen Cointergration Test) dùa trªn 2 tiªu chuÈn kiÓm ®Þnh gi¸ trÞ riªng cùc ®¹i (maximal eigen value test) vµ kiÓm ®Þnh “vÕt” (trace-test) còng cho phÐp kh¼ng ®Þnh tÝnh ®ång liªn kÕt gi÷a G vµ I víi sè vector ®ång liªn kÕt lµ 2, kÕt qu¶ tr×nh bµy trong B¶ng 5. B¶ng 5. KiÓm ®Þnh håi qui ®ång liªn kÕt Johansen cho I vµ G Gi¸ trÞ riªng Gi¶ thuy t gèc Gi¶ thuyÕt ®èi Thèng kª Trace Thèng kª max-eigen 0.808406 r=0 r=1 94.80178* 85.92347* 0.156957 r <= 1 r = 2 (hoÆc r <= 2) 8.878310* 8.878310* Chó ý: * vµ **: cã ý nghÜa thèng kª ë møc 1% vµ 5%; r: sè vÐc t¬ ®ång liªn kÕt. Nh− ®· tr×nh bµy ë trªn, khi 2 biÕn t¨ng tr−ëng vµ l¹m ph¸t lµ liªn kÕt bËc mét (I(1)) vµ ®ång liªn kÕt víi nhau, ta cã thÓ sö dông m« h×nh sai sè hiÖu chØnh (ECM) ®Ó xem xÐt sù biÕn ®éng trong ng¾n h¹n cña t¨ng tr−ëng cã d¹ng: p q ∆G t = α1 + ∑ β1i ∆I t −i + ∑ γ1j ∆G t − j + δ1µ t + u t (7) i =0 j=1 Trong ®ã ut lµ nhiÔu tr¾ng, µ t lµ hÖ sè hiÖu chØnh (Error Correction Term) ®−îc −íc l−îng trong m« h×nh (1) ph¶n ¸nh møc ®é mÊt c©n b»ng trong dµi h¹n gi÷a t¨ng tr−ëng vµ l¹m ph¸t. ∆G vµ ∆I lµ sai ph©n bËc nhÊt cña G vµ I t¹i c¸c thêi ®iÓm kh¸c nhau ph¶n ¸nh sù thay ®æi trong ng¾n h¹n cña t¨ng tr−ëng vµ l¹m ph¸t. C¸c kiÓm ®Þnh nhËn d¹ng vµ c¸c tiªu chuÈn AIC vµ SC cho thÊy m« h×nh ®−îc chØ ®Þnh tèt nhÊt t¹i p=2 vµ q=3 vµ cã d¹ng: 5
  6. 6. ∆G t = α1 + β10 ∆I t + β11∆I t −1 + β12 ∆I t − 2 + γ11∆G t −1 + γ13 ∆G t −3 + δ1µ t + u t (7’) KÕt qu¶ −íc l−îng m« h×nh (7’) ®−îc tr×nh bµy trong B¶ng 6. B¶ng 6. M« h×nh sai sè hiÖu chØnh gi÷a ∆G vµ ∆I HÖ sè KÕt qu¶ −íc l−îng α1 0.019123 (7.727579)* β10 0.568621 (3.597152)* β11 -0.525045 (-3.653626)* β12 0.320378 (2.024642)** γ11 0.590619 (8.343071)* γ13 -0.382148 (-11.96307)* δ1 -2.197601 (-18.65582)* R2 0.973035 FF 252.5976* R2 0.969183 F- White test 1.339654 F- BG test 2.773019 F-Ramsey test 1.189659 JB 4.954084 AIC -5.386655 SC -5.116395 Chó thÝch: * vµ **: cã ý nghÜa thèng kª t¹i c¸c møc 1% vµ 5%; Gi¸ trÞ trong dÊu ( ) lµ gi¸ trÞ thèng kª T. FF: F-statistic (Gi¶ thuyÕt gèc: H0: R2 = 0, Gi¶ thuyÕt ®èi: H1: R2 >0) F-White test: Thèng kª F cña kiÓm ®Þnh White cho hiÖn t−îng ph−¬ng sai kh«ng ®ång ®Òu F- BG test: Thèng kª F cña kiÓm ®Þnh B-G cho hiÖn t−îng tù t−¬ng quan víi 2 bËc trÔ F- Ransey test: Thèng kª F cña kiÓm ®Þnh Ramsey vÒ ®Þnh d¹ng hµm (3 hÖ sè) JB: Thèng kª JB kiÓm ®Þnh vÒ tÝnh chuÈn AIC: Tiªu chuÈn th«ng tin Akaike (Akaike information criterion) SC: Tiªu chuÈn th«ng tin Schwarz (Schwarz criterion). Tõ kÕt qu¶ −íc l−îng trªn ta thÊy m« h×nh ®−îc ®Þnh d¹ng ®óng vµ tÊt c¶ c¸c hÖ sè ®Òu cã ý nghÜa thèng kª ë c¸c møc 1% vµ 5%, do ®ã m« h×nh kh«ng thõa biÕn. ¦íc l−îng hÖ sè β10 ®i víi biÕn ∆I t d−¬ng cho thÊy, trong ng¾n h¹n, khi 6
  7. 7. l¹m ph¸t t¨ng th× t¨ng tr−ëng còng t¨ng, ®ång thêi −íc l−îng hÖ sè β10 b»ng 0,569621 < 1, do vËy, t¨ng tr−ëng sÏ t¨ng nhanh h¬n l¹m ph¸t. ¦íc l−îng cña hÖ sè δ1 ®i víi thõa sè hiÖu chØnh µ t b»ng -2,197601 lµ ©m cho thÊy, trong dµi h¹n, khi l¹m ph¸t vµ t¨ng tr−ëng chÖch khái vÞ trÝ c©n b»ng th× sÏ xuÊt hiÖn sù ®iÒu chØnh khiÕn t¨ng tr−ëng thay ®æi theo xu h−íng ®−a c¸c yÕu tè cña nÒn kinh tÕ quay trë l¹i tr¹ng th¸i c©n b»ng, ®ång thêi ®é lín cña hÖ sè nµy lín h¬n 1 cho thÊy sù ®iÒu chØnh trªn khiÕn t¨ng tr−ëng v−ît qu¸ møc c©n b»ng. C¸c hÖ sè −íc l−îng kh¸c ®Òu cã ý nghÜa thèng kª cho thÊy nh÷ng yÕu tè trÔ cña sù thay ®æi cña l¹m ph¸t vµ t¨ng tr−ëng ë nh÷ng thêi k× tr−íc ®ã ®Òu cã ¶nh h−ëng lªn sù thay ®æi cña t¨ng tr−ëng t¹i thêi ®iÓm hiÖn t¹i. §Ó ph©n tÝch râ h¬n vÒ sù thay ®æi cña t¨ng tr−ëng phô thuéc thÕ nµo vµo sù thay ®æi cña l¹m ph¸t vµ b¶n th©n sù thay ®æi cña t¨ng tr−ëng trong nh÷ng thêi k× tr−íc ®ã, ph−¬ng ph¸p ®−îc sö dông phæ biÕn lµ ph−¬ng ph¸p ph©n tÝch ph−¬ng sai dùa trªn viÖc sö dông m« h×nh VAR. Tõ B¶ng 1, chóng ta ®· biÕt ∆G vµ ∆I lµ c¸c chuçi dõng, thùc hiÖn kiÓm ®Þnh mèi quan hÖ nh©n qu¶ Granger (Granger Causality Test) gi÷a ∆G vµ ∆I víi 3 bËc trÔ ®Ó ph©n tÝch sù ¶nh h−ëng cña c¸c biÕn trªn víi nhau, chóng ta thu ®−îc kÕt qu¶ thÓ hiÖn ë B¶ng 7. B¶ng 7. KÕt qu¶ kiÓm ®Þnh mèi quan hÖ nh©n qu¶ Granger gi÷a ∆G vµ ∆I Pairwise Granger Causality Test ∆G # ∆ I 5.68506* ∆ I # ∆G 7.18297* Chó thÝch: * vµ **: cã ý nghÜa thèng kª t¹i c¸c møc 1% vµ 5%. KÕt qu¶ kiÓm ®Þnh cho thÊy cã sù t¸c ®éng qua l¹i lÉn nhau gi÷a ∆G vµ ∆I vµ do vËy chóng tu©n theo m« h×nh VAR víi 3 bËc trÔ cã d¹ng: ∆G t = κ1 + θ11∆I t −1 + θ12 ∆I t − 2 + θ13 ∆I t −3 + ς11∆G t −1 + ς12 ∆G t − 2 + ς13 ∆G t −3 + ωt (8)  ∆I t = κ 2 + θ21∆I t −1 + θ22 ∆I t − 2 + θ23 ∆I t −3 + ς 21∆G t −1 + ς12 ∆G t − 2 + ς 23 ∆G t −3 + ϕt (9) ωt vµ ϕt lµ c¸c nhiÔu tr¾ng. C¸c ph©n tÝch cho thÊy m« h×nh VAR víi 3 bËc trÔ nh− trªn ®−îc ®Þnh d¹ng kh¸ tèt vµ cã thÓ dïng ®Ó ph©n tÝch ph−¬ng sai, c¸c hÖ sè −íc l−îng ®−îc tr×nh bµy trong B¶ng 8. B¶ng 8. M« h×nh VAR ph©n tÝch biÕn ®éng ng¾n h¹n cña t¨ng tr−ëng vµ l¹m ph¸t víi 3 bËc trÔ ∆G t = κ1 + θ11∆I t −1 + θ12 ∆I t − 2 + θ13 ∆I t −3 + ς11∆G t −1 + ς12 ∆G t − 2 + ς13 ∆G t −3 + ωt (8) HÖ sè κ1 θ11 θ12 θ13 ς11 ς12 ς13 R2 ¦íc l−îng 0.00124 - 0.513524 0.868112 0.371736 -1.152153 -1.169492 0.956371 5 0.977322 Thèng kª T - 0.44316 2.36278** 4.43346* 1.57430 -19.9019* -15.2813* 153.4443* 16.0096* 7
  8. 8. (hoÆc F cho R2) ∆I t = κ 2 + θ21∆I t −1 + θ22 ∆I t − 2 + θ23 ∆I t −3 + ς 21∆G t −1 + ς12 ∆G t − 2 + ς23 ∆G t −3 + ϕt (9) HÖ sè κ2 θ21 θ22 θ23 ς21 ς22 ς23 R2 ¦íc l−îng - 0.001742 -0.047719 -0.476402 0.191115 -0.111622 -0.089309 0.500533 0.133036 Thèng kª T - 0.81792 -0.28955 -3.20852* 1.06736 -2.54272** -1.53895 7.014939* (hoÆc F cho R2) 2.87393* Chó thÝch: * vµ **: cã ý nghÜa thèng kª t¹i c¸c møc 1% vµ 5%. C¸c m« h×nh trªn ®Òu cã ®é phï hîp cao, sö dông m« h×nh trªn ®Ó ph©n tÝch sù biÕn ®éng cña l¹m ph¸t vµ t¨ng tr−ëng dùa trªn ph−¬ng ph¸p ph©n tÝch ph−¬ng sai (Variance Decomposition) trong thêi gian 2 n¨m t−¬ng øng víi 8 thêi k× trÔ, thu ®−îc kÕt qu¶ thÓ hiÖn ë B¶ng 9. B¶ng 9. KÕt qu¶ ph©n tÝch ph−¬ng sai cña ∆G vµ ∆I trong thêi gian 2 n¨m Ph©n tÝch biÕn ®éng ph−¬ng sai cña ∆G Ph©n tÝch biÕn ®éng ph−¬ng sai cña ∆I Thêi k× Sai sè tiªu Thêi Sai sè tiªu trÔ chuÈn (SE) ∆G ∆I k× trÔ chuÈn (SE) ∆G ∆I 1 0.019498 100.0000 0.000000 1 0.014785 18.42789 81.57211 2 0.028214 94.09283 5.907166 2 0.015005 20.62161 79.37839 3 0.028636 92.88542 7.114579 3 0.016786 18.70077 81.29923 4 0.030774 80.76088 19.23912 4 0.016976 18.81678 81.18322 5 0.034029 83.44677 16.55323 5 0.017547 20.72294 79.27706 6 0.040198 75.68383 24.31617 6 0.017899 22.94349 77.05651 7 0.040535 76.04161 23.95839 7 0.017922 22.91915 77.08085 8 0.043406 66.72889 33.27111 8 0.017960 23.17039 76.82961 Tõ kÕt qu¶ ph©n tÝch ph−¬ng sai nh− trªn ta thÊy, trong kho¶ng thêi gian 2 n¨m, 33,27% sù biÕn ®éng cña t¨ng tr−ëng ( ∆G ) ®−îc gi¶i thÝch bëi sù biÕn ®éng cña l¹m ph¸t ( ∆I ) vµ 66,73% ®−îc gi¶i thÝch bëi b¶n th©n sù biÕn ®éng cña t¨ng tr−ëng trong qu¸ khø. Ng−îc l¹i, còng trong kho¶ng thêi gian trªn, 76,83% sù biÕn ®éng cña l¹m ph¸t ®−îc gi¶i thÝch bëi sù biÕn ®éng cña t¨ng tr−ëng vµ 23,17% ®−îc gi¶i thÝch bëi chÝnh sù biÕn ®éng cña l¹m ph¸t trong c¸c thêi ®iÓm tr−íc ®ã. §ång thêi, tõ m« h×nh VAR ë trªn ta thÊy, ®é phï hîp cña m« h×nh (8) xem xÐt sù biÕn ®éng cña t¨ng tr−ëng lµ 95,64% vµ ®é phï hîp cña m« h×nh (9) xem xÐt sù biÕn ®éng cña l¹m ph¸t lµ 95,64%. §iÒu ®ã cho thÊy, trong ng¾n h¹n, sù thay ®æi l¹m ph¸t ¶nh h−ëng ®Õn t¨ng tr−ëng nhiÒu h¬n sù ¶nh h−ëng trë l¹i cña t¨ng tr−ëng ®Õn l¹m ph¸t, nh− vËy, l¹m ph¸t phô thuéc phÇn lín vµo nhiÒu yÕu tè kh¸c nh− c¸c có sèc cung, sèc cÇu... 4. KÕt luËn Nghiªn cøu trªn nèi tiÕp c¸c nghiªn cøu tr−íc ®©y nh»m ph©n tÝch sù ¶nh h−ëng qua l¹i gi÷a t¨ng tr−ëng vµ l¹m ph¸t ë ViÖt Nam giai ®o¹n tõ n¨m 1995 ®Õn hÕt 8
  9. 9. nöa ®Çu n¨m 2008 b»ng c¸c ph−¬ng ph¸p håi qui ®ång liªn kÕt, m« h×nh sai sè hiÖu chØnh ECM vµ ph©n tÝch ph−¬ng sai dùa trªn m« h×nh VAR, kÕt qu¶ cho thÊy nh÷ng b»ng chøng thùc nghiÖm râ rÖt vÒ t−¬ng t¸c qua l¹i gi÷a 2 yÕu tè nµy trong c¶ dµi h¹n vµ ng¾n h¹n, kÕt qu¶ thu ®−îc thèng nhÊt víi c¸c kÕt qu¶ cña Tobin (1965), Mallik and Chowdhury (2001), Faria vµ Carneiro (2001) ®· c«ng bè. Tõ kÕt qu¶ ph©n tÝch, chóng ta thÊy gi÷a t¨ng tr−ëng vµ l¹m ph¸t cã mèi quan hÖ d−¬ng (®ång biÕn) trong c¶ dµi h¹n vµ ng¾n h¹n vµ sù thay ®æi cña t¨ng tr−ëng nhanh h¬n sù thay ®æi cña l¹m ph¸t trong c¶ hai tr−êng hîp trªn, nh− vËy, trong giai ®o¹n nµy l¹m ph¸t cã t¸c dông tÝch cùc ®Õn t¨ng tr−ëng vµ ch−a v−ît qu¸ ng−ìng kiÓm so¸t. §ång thêi, l¹m ph¸t cã ¶nh h−ëng ®Õn t¨ng tr−ëng nhiÒu h¬n ¶nh h−ëng ng−îc trë l¹i cña t¨ng tr−ëng ®Õn l¹m ph¸t, ®iÒu ®ã cho thÊy l¹m ph¸t cßn bÞ chi phèi bëi nhiÒu yÕu tè kh¸c, ®Æc biÖt lµ nh÷ng biÕn ®éng trong ng¾n h¹n. Nghiªn cøu trªn cho thÊy, ChÝnh phñ kh«ng nªn theo ®uæi môc tiªu gi÷ l¹m ph¸t thÊp b»ng mäi gi¸, mµ cÇn thùc hiÖn c¸c chÝnh s¸ch h−íng tíi môc tiªu −u tiªn hµng ®Çu lµ thóc ®Èy t¨ng tr−ëng nhanh ®Ó rót ng¾n thêi gian thùc hiÖn c«ng nghiÖp hãa hiÖn ®¹i hãa ®Êt n−íc. §ång thêi, qua nghiªn cøu, ta còng thÊy l¹m ph¸t cßn bÞ chi phèi bëi rÊt nhiÒu yÕu tè kh¸c, do vËy, ChÝnh phñ cÇn thùc hiÖn c¸c biÖn ph¸p thÝch hîp nh»m æn ®Þnh l¹m ph¸t, t¹o tiÒn ®Ò ®Ó thóc ®Èy t¨ng tr−ëng mét c¸ch bÒn v÷ng vµ tr¸nh nh÷ng có sèc l¹m ph¸t kh«ng cã lîi cho nÒn kinh tÕ. Tµi liÖu tham kh¶o 1. Barro, R., 1996. “Inflation and growth”, Federal Reserve Bank of St. Louis Review, vol. 78, pp. 153-169 2. Bruno, M. and W. Easterly, 1998. “Inflation crises and long-run growth”, Journal of Monetary Economics, vol. 41, pp. 3-26 3. Dickey, D.A. and W.A. Fuller, 1979. “Distribution of the estimators for autoregressive time series with a unit root”, Journal of the American Statistical Association, vol. 74, pp. 427-431 4. Engle, R.F. and C. Granger, 1987, “Cointegration and error correction: Representation, estimation and testing”, Econometrica 55, 251-276 5. Faria, J. R. and Carneiro, F. G (2001) (2001), “Does high inflation affect growth in the long and short run?”, Journal of Applied Economics, Vol. IV, No. 1 (May 2001), 89-105 6. Fischer, S., 1993. “The role of macroeconomic factors in economic growth”, Journal of Monetary Economics, vol. 32, pp. 485-512 7. Hamilton, J. D. (1994), “Time Series Analysis”, Princeton University Press, ISBN: 0-691-04289-6 9
  10. 10. 8. Johansen, S., 1988. “Statistical analysis of cointegration vectors”, Journal of Economic Dynamics and Control, vol. 12, pp. 231-254 9. Johansen, S. and K. Juselius, 1990. “Maximum likelihood estimation and inference on cointegration-with the application to the demand for money”, Oxford Bulletin of Economics and Statistics, vol. 52, pp. 169-210 10. Khan, M. S. and Senhadji, A. S. (2001), “Threshold Effects in the Relationship between Inflation and Growth”, IMF Staff Papers Vol. 48, No.1. 11. Mallik and Chowdhury (2001), “Inflation and economic growth: evidence from four South Asian countries”, Asia-Pacific Development Journal, Vol. 8, No. 1, June 2001 12. Sarel, M. (1996), “Nonlinear Effects of Inflation on Economic Growth, IMF Staff Papers 43: 199-215 13. Tobin, J. (1965), “Money and Economic Growth”, Econometrica 32: 671- 684. 10

×