[3_CV] A research on Model Predictive Control for Frequency Converter Field-o...
Mo hinh ARDL
1. ẢNH HƯỞNG CỦA GIÁ XĂNG DẦU TRONG NƯỚC ĐẾN LẠM PHÁT
Ở VIỆT NAM
Trần Hữu Ngọc
Email: duynguyen.qa@gmail.com
Phương pháp nghiên cứu được sử dụng trong đề tài này là thống kê và định lượng. Mô hình ARDL được sử dụng trong nghiên cứu này
để phân tích ảnh hưởng của giá xăng dầu trong nước đến chỉ số CPI trong mối tương quan với một số yếu tố khác.
Nghiên cứu sử dụng phần mềm kinh tế lượng Eviews để hỗ trợ thực hiện các kiểm định và hồi quy nói trên.
1)
Mô hình hồi qui ARDL
ARDL còn được gọi là mô hình Var trễ phân phối dừng tự hồi quy, là mô hình kinh tế được sử dụng để nắm bắt sự tác động và sự phụ
thuộc lẫn nhau giữa nhiều chuỗi thời gian. Đây là mô hình kết hợp giữa mô hình Var và mô hình hồi quy thông thường. ARDL là một
trong những mô hình thành công nhất, linh hoạt và dễ sử dụng cho việc phân tích chuỗi thời gian đa biến (Halil, 2000).
Các biến hồi quy có thể bao gồm các giá trị trễ của các biến độc lập và hiện tại và độ trễ phụ thuộc vào một hoặc nhiều biến giải thích.
Mô hình ARDL cho phép chúng ta xác định những tác động của các biến độc lập lên biến chính sách (Yi-Yi Chen (2007), Hashem M.
P., Yongcheol S.(1997))
Mô hình ARDL đơn giản (Mô hình ARDL(1,1))
Yt= m +α1yt−1+β0xt+β1xt−1+ut
Trong đó: yt và xt là các biến dừng, và ut là phần nhiễu trắng
Mô hình ARDL(p,q)
A(L)yt= m +B(L)xt+ut
Với:
A(L)=1−α1L−α2L2−···−αpLp,
B(L) = β0+β1L+β2L2+···+βqLq
2)
Lý do lựa chọn mô hình ARDL
Mô hình ARDL đã được chứng minh là đặc biệt hữu ích để mô tả hành vi động của chuỗi thời gian kinh tế, tài chính và dự báo. Dựa
trên tính năng này, việc sử dụng mô hình ARDL để nghiên cứu tác động của các biến độc lập đến biến phụ thuộc là phù hợp (Hashem
M. P., Yongcheol S., 1997).
Khi hồi quy mô hình với các biến là chuỗi thời gian thì yêu cầu đặt ra là các chuỗi này phải dừng. Trong trường hợp chuỗi chưa dừng
thì ta phải lấy sai phân của chúng cho đến khi có được chuỗi dừng.
2. Theo Gujarati (2003) một chuỗi thời gian là dừng khi giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) giữ
nguyên không đổi cho dù chuỗi được xác định vào thời điểm nào đi nữa. Chuỗi dừng có xu hướng trở về giá trị trung bình và những
dao động quanh giá trị trung bình sẽ là như nhau. Nói cách khác, một chuỗi thời gian không dừng sẽ có giá trị trung bình thay đổi
theo thời gian, hoặc giá trị phương sai thay đổi theo thời gian hoặc cả hai.
Có nhiều phương pháp kiểm tra tính dừng của chuỗi thời gian: kiểm định Dickey–Fuller (DF), kiểm định Phillip–Person (PP) và kiểm
định Dickey và Fuller mở rộng (ADF), kiểm tra bằng giản đồ tự tương quan,… Trong khuôn khổ nghiên cứu này chọn phương pháp
ADF để kiểm định tính dừng của các chuỗi số liệu CPI, cung tiền M2, lãi suất chính sách, tỷ giá VND/USD và giá xăng trong nước.
Phương pháp kiểm định này sẽ được trình bày phần tiếp theo đây.
Theo Ramanathan (2002) hầu hết các chuỗi thời gian về kinh tế là không dừng vì chúng thường có một xu hướng tuyến tính hoặc mũ
theo thời gian. Tuy nhiên có thể biến đổi chúng về chuỗi dừng thông qua quá trình sai phân. Nếu sai phân bậc 1 của một chuỗi có tính
dừng thì chuỗi ban đầu gọi là tích hợp bậc 1, ký hiệu là I(1). Tương tự, nếu sai phân bậc d của một chuỗi có tính dừng thì chuỗi ban đầu
gọi là tích hợp bậc d, ký hiệu là I(d). Nếu chuỗi ban đầu (chưa lấy sai phân) có tính dừng thì gọi là I(0).
3)
Chuỗi dữ liệu LOG đã hiệu chỉnh
Bảng 1.Thống kê mô tả các các chuỗi LOG sau khi hiệu chỉnh mùa vụ
LCPI_SA
LM2_SA
LPE_SA
LUSD _SA
5.097328
35.17529
9.682728
9.811081
5.085446
35.19398
9.686180
9.812118
5.424238
35.81734
10.09018
9.951852
4.717953
34.38741
9.228233
9.673220
0.214383
0.388056
0.262783
0.106234
-0.153589
-0.261755
0.000633
0.127406
1.980336
1.912300
1.638272
1.372053
3.496724
4.492893
5.717442
8.371682
0.174059
0.105774
0.057342
0.015209
Trung bình
Trung vị
G.trị lớn nhất
G.trị nhỏ nhất
Độ lệch chuẩn
Skewness
Kurtosis
Jarque-Bera
Probability
74
74
74
74
Số quan sát
4)
Tương quan giữa các biến
Bảng 2: Kiểm định tương quan giữa các biến trong mô hình
PE_SA
USD_SA
M2_SA
R
CPI_SA
3. PE_SA
1.000000
USD_SA
0.943735
1.000000
M2_SA
0.928093
R
CPI_SA
0.928093
0.943735
0.569005
0.943938
0.957500
0.556453
0.958960
0.957500
1.000000
0.426089
0.976388
0.569005
0.556453
0.426089
1.000000
0.586613
0.943938
0.958960
0.976388
0.586613
1.000000
Nguồn: Trích từ kết quả thống kê mô tả bằng Eviews
thuận lợi hơn. Các biến trong mô hình lần lượt được ký hiệu là:
5)
Ước lượng mô hình ARDL
Dựa trên các cơ sở lý thuyết đề tài đã đưa ra, các biến kinh tế vĩ mô thường có ảnh hưởng qua lại với nhau, để mô tả hết được tác động
của các biến độc lập đến biến phụ thuộc, nghiên cứu chọn mô hình ARDL (Mô hình Var trễ phân phối dừng tự hồi quy) là mô hình
kết hợp giữa mô hình Var và mô hình hồi quy thông thường để nghiên cứu tác động của các biến nghiên cứu lên CPI.
5.1.
Kết quả kiểm tính dừng bằng kiểm định nghiệm đơn vị ADF
Như đã đề cập trong cơ sở lý luận tại chương 2, khi nghiên cứu với chuỗi dữ liệu thời gian thì tính dừng của các chuỗi là rất quan trọng
nên kiểm định tính dừng sau đây sẽ được quyết định (chấp nhận hay bác bỏ) dựa trên mức ý nghĩa 1% hay độ tin cậy 99%.
Kiểm định nghiệm đơn vị sẽ được tiến hành với các chuỗi dữ liệu về CPI, giá xăng (PE), cung tiền M2, tỷ giá VND/USD, lãi suất và các
chuỗi sai phân bậc 1 của các chuỗi trên, nghĩa là các chuỗi về thay đổi CPI, thay đổi giá xăng (PE), thay đổi cung tiền M2, thay đổi tỷ
giá VND/USD, thay đổi lãi suất.
Bảng 3: Tổng hợp kết quả kiểm định tính dừng của các biến bằng kiểm định ADF
Giá trị thống kê ở các mức ý nghĩa
Tên biến
Kết quả kiểm định
ADF
1%
5%
10%
Prob
-3.522887
-2.901779
-2.58828
-0.568914
û
û
û
0.8703
-3.587478
ü
ü
ü
0.0083
-2.449611
û
û
û
0.1321
-6.201190
ü
ü
ü
0.0000
-2.013675
û
û
û
0.2805
LCPI_SA
D(LCPI_SA)
LM2_SA
D(LM2_SA)
R
4. -6.836063
ü
ü
ü
0.0000
-0.576394
û
û
û
0.8689
-9.165948
ü
ü
ü
0.0000
-0.845833
û
û
û
0.8000
-9.675388
ü
ü
ü
0.0000
D(R)
LUSD_SA
D(LUSD_SA)
LPE_SA
D(LPE_SA)
Nguồn: Tổng hợp kết quả từ Eviews
[S5] Với kết quả kiểm định tính dừng của các biến thể hiện tại , ta thấy các chuỗi LCPI_SA, LM2_SA, R, LUSD_SA và LPE_SA đều
không phải là các chuỗi dừng. Tiếp tục tiến hành các kiểm định tính dừng của các chuỗi sai phân bậc 1 và kết quả thu được là các chuỗi
sai phân bậc một đều dừng với giá trị kiểm định đều lớn hơn giá trị thống kê ở mức ý nghĩa 1%.
Với các biến cùng dừng ở sai phân bậc 1 chúng ta sẽ tiến hành ước lượng mô hình ARDL dựa trên các chuỗi dừng này.
5.2.
Xác định độ trễ tối ưu thông qua mô hình VAR
Theo kết quả lựa chọn đỗ trễ tối ưu thể hiện trong bảng 5.6 bên dưới, thì độ trễ 1 được đánh giá là tối ưu thông qua kết quả AIC và SC.
Nghiên cứu sẽ thực hiện ước lượng mô hình ARDL bằng phần mềm EVIEWS với độ trễ tối ưu vừa lựa chon được.
Bảng 4: Kết quả xác định độ trễ tối ưu thông qua mô hình VAR
Lag
LogL
LR
FPE
AIC
SC
HQ
0
598.2552
NA
1.40e-14
-17.70911
-17.54458
-17.64401
1
668.5247
127.9534*
3.64e-15*
-19.06044*
-18.07326*
-18.66981*
2
685.1231
27.74662
4.73e-15
-18.80964
-16.99982
-18.09349
3
695.1657
15.28870
7.64e-15
-18.36315
-15.73069
-17.32148
4
708.1021
17.76342
1.17e-14
-18.00305
-14.54793
-16.63585
5
724.6261
20.22343
1.67e-14
-17.75003
-13.47227
-16.05731
6
750.4422
27.74268
1.92e-14
-17.77439
-12.67399
-15.75615
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
5. FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Nguồn: Trích từ kết quả xác định độ trễ tối ưu bằng Eviews
5.3.
Kết quả chạy mô hình ARDL
Bảng 5: Kết quả chạy mô hình ARDL sau khi loại bỏ các biến thừa:
Dependent Variable: DLCPI_SA
Method: Least Squares
Date: 08/05/13
Time: 11:12
Sample (adjusted): 2007M03 2013M03
Included observations: 73 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.003001
0.001132
2.652251
0.0099
DLCPI_SA(-1)
0.660898
0.087454
7.557058
0.0000
DLPE_SA(-1)
0.019488
0.010708
1.820032
0.0430
0.487255
R-squared
0.009554
Mean dependent var
0.472605
Adjusted R-squared
0.008964
S.D. dependent var
0.006510
S.E. of regression
-7.190711
Akaike info criterion
0.002967
Sum squared resid
-7.096583
Schwarz criterion
265.4610
Log likelihood
33.26007
F-statistic
2.236342
Durbin-Watson stat
0.000000
Prob(F-statistic)
Nguồn: Kết quả từ Eviews
6. 5.4.
Kiểm định tự tương quan (Kiểm định Durbin – Watson)
Kiểm định Durbin – Watson nhằm phát hiện hiện tượng tự tương quan giữa các nhiễu ei,t.
Giả thiết:
Ho: Không có hiện tượng tự tương quan.
H1: Có hiện tượng tự tương quan.
Với mức ý nghĩa a miền bác bỏ là: p-value<a
Bảng 6: Kết quả kiểm định tự tương quan bậc 1
Breusch-Godfrey Serial Correlation LM Test:
4.016581
F-statistic
0.049040
Prob. F(1,68)
4.071429
Obs*R2
0.043614
Prob. Chi-Square(1)
Nguồn: Trích từ kết quả kiểm định bằng Eviews.
Bảng 7: Kết quả kiểm định tự tương quan bậc 2
Breusch-Godfrey Serial Correlation LM Test:
2.431509
F-statistic
0.095625
Prob. F(2,67)
4.939959
Obs*R2
0.084587
Prob. Chi-Square(2)
Nguồn: Trích từ kết quả kiểm định bằng Eviews.
Với kết quả thu được: xác suất xảy ra của giả thiết bằng 0,049 ở kiểm định tự tương quan bậc 1 và 0,95 ở kiểm định tự tương quan bậc
2. Kết quả cho thấy có hiện tượng tự tương quan bậc 1 trong mô hình, với Prob = 0.049 nhỏ hơn mức ý nghĩa 5%. Không có hiện tượng
tự tương quan ở bậc 2 với mức ý nghĩa 5%.
Cùng với kết quả kiểm định tương quan ở bảng 4.2, có thể nhận thấy có mối tương quan khá chặt chẽ giữa tỷ giá VND/USD với giá
xăng trong nước. Điều này phù hợp với lý thuyết cũng như với thực tế rằng, Việt Nam là một nước nhập khẩu xăng dầu, phần lớn nhu
cầu xăng dầu trong nước được đáp ứng bằng bởi nguồn nhập khẩu. Do đó tỷ giá có thể có liên quan chặt đến giá xăng trong nước là
điều có thể lý giải.
7. Để có thể tiếp tục xây dựng mô hình phù hợp hơn, cần phải thực hiện loại bỏ một trong hai biến. Nghiên cứu này tập trung phân tích
ảnh hưởng của giá xăng đến CPI nên cần giữ lại biến nghiên cứu Giá xăng trong nước và loại bỏ biến tỷ giá.
Bảng 8: Kết quả chạy mô hình ARDL sau khi loại bỏ tự tương quan
Biến phụ thuộc: DLCPI_SA
Variable
Hệ số hồi quy
Std. Error
t-Statistic
Prob.
C
0.003001
0.001132
2.652251
0.0099
DLCPI_SA(-1)
0.660898
0.087454
7.557058
0.0000
DLPE_SA(-1)
0.019488
0.010708
1.820032
0.0730
0.487255
R2
0.009554
Mean dependent var
0.472605
R2 hiệu chỉnh
0.008964
S.D. dependent var
0.006510
Sai số hồi quy
-7.190711
Akaike info criterion
0.002967
Tổng bình phương phần dư
-7.096583
Schwarz criterion
265.4610
Log likelihood
33.26007
F-statistic
2.236342
Durbin-Watson stat
0.000000
Prob(F-statistic)
Nguồn: Kết quả từ Eviews.
Thực hiện kiểm định tự tương quan một lần nữa với mô hình vừa thu được.
Bảng 9: Kết quả kiểm định tự tương quan bậc 1
Breusch-Godfrey Serial Correlation LM Test:
2.889219
F-statistic
0.093744
Prob. F(1,68)
2.975248
Obs*R2
0.084547
Prob. Chi-Square(1)
Nguồn: Trích từ kết quả kiểm định bằng Eviews.
Bảng 10: Kết quả kiểm định tự tương quan bậc 2
Breusch-Godfrey Serial Correlation LM Test:
1.882742
F-statistic
0.160135
Prob. F(2,67)
8. 3.884383
Obs*R2
0.143389
Prob. Chi-Square(2)
Nguồn: Trích từ kết quả kiểm định bằng Eviews.
Với kết quả thu được: xác suất xảy ra của giả thiết bằng 0,085 ở kiểm định tự tương quan bậc 1 và 0,188 ở kiểm định tự tương quan bậc
2 đều lớn hơn mức ý nghĩa 5% nên ta chấp nhận giả thuyết Ho. Kết luận: mô hình không còn hiện tượng tự tương quan.
5.5.
Kiểm định phương sai thay đổi
Để kiểm tra xem phương sai của mô hình có thay đổi không, nghiên cứu thực hiện kiểm định Heteroskedasticity Test White.bên dưới.
Giả thiết:
Ho:
Không có hiện tượng phương sai thay đổi
H1:
Có hiện tượng phương sai thay đổi
Với mức ý nghĩa a miền bác bỏ là: p-value>a
Bảng 11: Kết quả kiểm định phương sai thay đổi Heteroskedasticity Test White
White Heteroskedasticity Test:
2.591237
F-statistic
0.033394
Prob. F(5,67)
11.82900
Obs*R2
0.037208
Prob. Chi-Square(5)
Nguồn: Kết quả từ Eviews
Bảng 13 cho thấy, với Prob nhỏ hơn mức ý nghĩa 5%, ta chấp nhận giả thiết Ho, mô hình không có hiện tượng phương sai sai số thay
đổi.
5.6.
Kiểm định sự phù hợp của dạng hàm
Để chắc chắn về tính chính xác của mô hình, đề tài thực hiện kiểm định sai mô hình Ramsey Reset Test. Kết quả kiểm định được trình
bày trong bảng 4.16 bên dưới.
Giả thiết:
Ho:
Dạng hàm sử dụng là phù hợp
H1:
Dạng hàm sử dụng là không phù hợp
9. Với mức ý nghĩa a miền bác bỏ là: p-value>a
Bảng 12: Kết quả kiểm định sự phù hợp của dạng hàm
Ramsey RESET Test:
8.699752
F-statistic
0.000432
Prob. F(2,68)
16.63178
Log likelihood ratio
0.000245
Prob. Chi-Square(2)
Nguồn: Trích từ kết quả kiểm định bằng Eviews.
Với kết quả thu được: xác suất xảy ra rất nhỏ so với mức ý nghĩa 5% nên ta chấp nhận giả thuyết Ho, mô hình đang sử dụng là phù hợp.
5.7.
Kết luận về sự phù hợp vủa mô hình
Sau khi thực hiện các bước kiểm định để loại bỏ các khuyết tật của mô hình và lựa chọn mô hình hợp lý nhất. Nghiên cứu chấp nhận
mô hình ARDL sau cùng làm mô hình phân tích ảnh hưởng của giá xăng trong nước đến CPI.
Từ kết quả chạy mô hình ta có mô hình ảnh hưởng của giá xăng trong nước đến CPI như sau:
Bảng 13: Mô hình tối ưu
Biến phụ thuộc: DLCPI_SA
Biến số
Hệ số hồi quy
Std. Error
t-Statistic
Prob.
C
0.003001
0.001132
2.652251
0.0099
DLCPI_SA(-1)
0.660898
0.087454
7.557058
0.0000
DLPE_SA(-1)
0.019488
0.010708
1.820032
0.0730
0.487255
R2
0.009554
Mean dependent var
0.472605
R2 hiệu chỉnh
0.008964
S.D. dependent var
0.006510
Sai số hồi quy
-7.190711
Akaike info criterion
0.002967
Tổng bình phương phần dư
-7.096583
Schwarz criterion
265.4610
Log likelihood
33.26007
F-statistic
2.236342
Durbin-Watson stat
0.000000
Prob(F-statistic)
10. D(LOG(CPI_SA)) = 0.003 + 0.661*D(LOG(CPI_SA(-1))) + 0.019*D(LOG(PE_SA(-1)))
Ý nghĩa của mô hình
R2=0,48 Cho thấy rằng các biến độc lập trong mô hình giải thích được 48% sự thay đổi của CPI, 52% còn lại là các yếu tố khác.
Về hệ số của các biến hoàn toàn phù hợp với lý thuyết kinh tế. Trong đó:
CPI chịu tác động của giá trị CPI của giai đoạn trước ở độ trễ 1; và tác động này là tỷ lệ thuận, CPI giai đoạn trước tăng thì CPI hiện tại
cũng có xu thế tăng theo.
Giá xăng A92 giai đoạn trước (độ trễ là 1) có tác động tỷ lệ thuận lên CPI giai đoạn hiện tại, điều này hoàn toàn phù hợp với thực tế khi
giá xăng tăng thì CPI cũng tăng sau độ trễ 1 thời kỳ.
Giá trị C > 0 cho thấy, biến động của CPI luôn có xu hướng tăng trong thời đoạn nghiên cứu.
Kết quả này phù hợp với các nghiên cứu trước và củng cố thêm cho hiện thực rằng tại Việt Nam, giá xăng trong nước tăng hoặc giảm có
ảnh hưởng làm chỉ số giá tiêu dùng tăng hoặc giảm theo và khoảng thời gian cần thiết để nhận thấy ảnh hưởng đó là 1 tháng.