Luận văn Thạc sĩ Kinh tế: Mối quan hệ giữa truyền dẫn tỷ giá và lạm phát - Phân tích chuỗi thời gian phi tuyến ở Việt Nam 1995

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

________________

PHẠM THÀNH CHUNG

MỐI QUAN HỆ GIỮA TRUYỀN DẪN TỶ GIÁ VÀ

LẠM PHÁT – PHÂN TÍCH CHUỖI THỜI GIAN PHI

TUYẾN Ở VIỆT NAM 1995 – 2012

LUẬN VĂN THẠC SĨ KINH TẾ

Tp. Hồ Chí Minh - 2014

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

________________

PHẠM THÀNH CHUNG

MỐI QUAN HỆ GIỮA TRUYỀN DẪN TỶ GIÁ VÀ

LẠM PHÁT – PHÂN TÍCH CHUỖI THỜI GIAN PHI

TUYẾN Ở VIỆT NAM 1995 – 2012

Chuyên ngành: Tài chính – Ngân hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

GS.TS TRẦN NGỌC THƠ

Tp. Hồ Chí Minh - 2014

LỜI CAM ĐOAN

Tôi xin cam đoan bài luận văn về đề tài: “Mối quan hệ giữa truyền dẫn tỷ giá

và lạm phát - Phân tích chuỗi thời gian phi tuyến ở Việt Nam 1995 - 2012” là công

trình nghiên cứu của bản thân dưới sự hướng dẫn của GS.TS Trần Ngọc Thơ và chưa

từng được công bố trước đây. Các trích dẫn trong luận văn đều được dẫn các nguồn

trong phạm vi hiểu biết của tôi. Nguồn số liệu và kết quả thực nghiệm được thực hiện

trung thực và chính xác.

Tác giả

Phạm Thành Chung

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC VIẾT TẮT DANH MỤC BẢNG BIỂU DANH MỤC HÌNH VẼ

TÓM TẮT ....................................................................................................................... 1

GIỚI THIỆU ................................................................................................................... 1

CHƯƠNG 1: CƠ CHẾ TRUYỀN DẪN CỦA TỶ GIÁ, CÁC XU HƯỚNG NGHIÊN CỨU TRƯỚC ĐÂY VỀ HIỆU ỨNG ERPT .............................................. 4

1.1. LẠM PHÁT Ở VIỆT NAM 1990 – 2012 .......................................................... 4

1.2. CHÍNH SÁCH TỶ GIÁ HỐI ĐOÁI Ở VIỆT NAM 1990 – 2012 ..................... 6

1.3. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ ERPT ........................ 9

CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU ....................................................... 18

2.1. NỀN TẢNG LÝ THUYẾT .............................................................................. 18

2.1.1. Mô hình chuỗi thời gian phi tuyến STAR ................................................. 18

2.1.2. Mô hình chuỗi thời gian phi tuyến cho các công ty nhập khẩu ................. 24

2.2. MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU ........................................... 34

CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU................................................................... 38

3.1. DỮ LIỆU VÀ KIỂM TRA TÍNH TUYẾN TÍNH ........................................... 38

3.2. MÔ HÌNH ESTAR ........................................................................................... 44

3.3. MÔ HÌNH DLSTAR ĐỐI XỨNG ................................................................... 49

3.4. MÔ HÌNH DLSTAR BẤT ĐỐI XỨNG .......................................................... 53

3.5. LỰA CHỌN MÔ HÌNH STAR ........................................................................ 58

CHƯƠNG 4: KẾT LUẬN ........................................................................................... 60

TÀI LIỆU THAM KHẢO

PHỤ LỤC A: CHUỖI DỮ LIỆU CPI VÀ IMP 1995-2012 Ở VIỆT NAM

PHỤ LỤC B: CODE CHO MÔ HÌNH STAR TRÊN WINRATS 8.3

PHỤ LỤC C: KIỂM ĐỊNH KPSS VÀ TÍNH DỪNG

DANH MỤC TỪ VIẾT TẮT

ADLSTAR Mô hình DLSTAR bất đối xứng

ASEAN Hiệp hội các quốc gia Đông Nam Á

CIF Giá cả, phí bảo hiểm và phí vận chuyển hàng hóa ở cảng trong nước

CPI Chỉ số giá tiêu dùng

CSTT Chính sách tiền tệ

DLSTAR Double logarit STAR (Mô hình STAR 2 hàm logarit)

ERPT Echange rate pass-through (Cơ chế truyền dẫn tỷ giá hối đoái

ESTAR Exponential STAR (Mô hình STAR hàm mũ)

EU Liên minh châu Âu

FOB Giá miễn trách nhiệm trên boong tàu nơi đi ở cảng nước ngoài

GDP Tổng sản phẩm thu nhập quốc nội

IMP Chỉ số giá nhập khẩu

KPSS Kiểm định Kwiatkowski-Phillips-Schmidt-Shin

LM Hệ số nhân tử lagrange (Lagrange multiplier)

LPC Đồng tiền địa phương

LSTAR Logarit STAR (Mô hình STAR hàm logarit)

NHTW/ NHNH Ngân hàng Trung ương/ Ngân hàng Nhà nước

PCP Đồng tiền của nhà sản xuất

PT Pass-through (Cơ chế truyền dẫn)

SDLSTAR Mô hình DLSTAR đối xứng

STAR Smooth transition autoregressive model (Mô hình hồi quy chuyển tiếp

trơn)

SVAR Mô hình vector tự hồi quy cấu trúc

VAR Vector autoregression (Mô hình vector tự hồi quy)

VECM Mô hình vector tự hồi quy hiệu chỉnh sai số

WTO Tổ chức thương mại Thế giới

DANH MỤC BẢNG BIỂU

Bảng 1-1: Biên độ giao dịch tỷ giá từ năm 1998 đến 2012 ............................................. 8

Bảng 3-1: Kiểm định tính dừng cho các biến ................................................................ 42

Bảng 3-2: Lựa chọn độ trễ cho các biến trong mô hình ................................................. 43

Bảng 3-3: Kiểm tra thay thế tuyến tính .......................................................................... 44

Bảng 3-4: Lựa chọn độ trễ cho biến chuyển tiếp mô hình ESTAR ............................... 44

Bảng 3-5: Kết quả hồi quy mô hình ESTAR ................................................................. 44

Bảng 3-6: Lựa chọn độ trễ cho biến chuyển tiếp mô hình DLSTAR đối xứng ............. 49

Bảng 3-7: Kết quả hồi quy mô hình SDLSTAR ............................................................ 49

Bảng 3-8: Lựa chọn độ trễ cho biến chuyển tiếp mô hình DLSTAR bất đối xứng ....... 53

Bảng 3-9: Kết quả hồi quy mô hình ADLSTAR ........................................................... 54

Bảng 3-10: Kiểm định lựa cho mô hình STAR ............................................................. 59

DANH MỤC HÌNH VẼ

Hình 1-1: Các giai đoạn lạm phát ở Việt Nam ................................................................. 4

Hình 1-2: Các giai đoạn tỷ giá ổn định ở Việt Nam ........................................................ 6

Hình 1-3: Các giai đoạn tỷ giá biến động mạnh ở Việt Nam ........................................... 7

Hình 1-4: Tỷ giá trần và tỷ giá sản ở Việt Nam 2008 - 2011 .......................................... 8

Hình 1-5: Tỷ giá danh nghĩa VND/USD và lạm phát ở Việt nam 1995-2013 ................ 9

Hình 1-6: Đồ thị tác động của cung tiền đến tỷ giá hối đoái ......................................... 10

Hình 1-7: Kênh truyền dẫn tỷ giá ................................................................................... 11

Hình 2-1: Mối quan hệ dự kiến giữa độ trễ lạm phát và ERPT ..................................... 33

Hình 2-2: Mối quan hệ phi tuyến phẳng hơn giữa lạm phát và ERPT........................... 33

Hình 3-1: Chỉ số giá nhập khẩu (IMP) của Việt Nam qua các năm .............................. 39

Hình 3-2: Thống kê mô tả chuỗi dữ liệu IMP ................................................................ 39

Hình 3-3: Chỉ số gia tiêu dùng (CPI) của Việt Nam qua các năm ................................. 40

Hình 3-4: Thống kê mô tả chuỗi dữ liệu CPI ................................................................. 41

Hình 3-5: Chỉ số lạm phát thông qua CPI của Việt Nam ............................................... 41

Hình 3-6: ERPT tương ứng với biến chuyển đổi trong mô hình ESTAR ...................... 46

Hình 3-7: ERPT theo thời gian mô hình ESTAR .......................................................... 47

Hình 3-8: ERPT tương ứng với biến chuyển đổi trong mô hình DLSTAR đối xứng ... 51

Hình 3-9: ERPT theo thời gian của mô hình DLSTAR đối xứng .................................. 53

Hình 3-10: ERPT tương ứng với biến chuyển đổi trong mô hình DLSTAR bất đối xứng

........................................................................................................................................ 56

Hình 3-11: ERPT theo thời gian trong mô hình DLSTAR bất đối xứng ....................... 58

TÓM TẮT

Bài viết này đưa ra một con số phần trăm ước lượng mức độ ảnh hưởng của tỷ giá

hối đoái danh nghĩa và chỉ số giá nhập khẩu đối với lạm phát ở Việt Nam giai đoạn

1995 – 2012 thông qua 1 biến chuyển là lạm phát của các kỳ trước đó. Giai đoạn mà

nền kinh tế Việt Nam có nhiều biến đổi lớn từ bản thân nội tại nền kinh tế và từ ảnh

hưởng bên ngoài cho thấy chính sách tỷ giá ảnh hưởng rất lớn tới lạm phát.

Nhìn chung, mô hình STAR cho nghiên cứu về mức độ truyền dẫn của tỷ giá hối

đoái danh nghĩa và chỉ số giá nhập khẩu ở Việt Nam cho giai đoạn 1995 – 2012 đã cho

chúng ta thấy rằng, mức độ ERPT càng cao khi lạm phát tăng cao và ERPT càng thấp

khi lạm phát thấp. Kết quả hồi quy mô hình STAR ở Việt Nam cho thấy ERPT đối với

lạm phát cao được chuyển đổi một cách trơn tru và mượt hơn so với giai đoạn giảm

phát. Mức độ ERPT bắt đầu hình thành khi lạm phát tăng lên 1 đơn vị và gia tăng đến

mức gần 1 khi lạm phát gia tăng từ 2.5 – 4 đơn vị. Điều này cho thấy rằng mức độ ảnh

hưởng đến lạm phát của tỷ giá hối đoái danh nghĩa và chỉ số giá nhập khẩu là khá cao ở

Việt Nam.

GIỚI THIỆU

Sự cần thiết của đề tài

Mức độ mà tỷ giá truyền dẫn vào sự thay đổi trong mức giá nội địa đã được nhấn

mạnh trong nhiều nghiên cứu trước và được gọi là cơ chế truyền dẫn của tỷ giá hối

đoái (ERPT). Hiểu rõ ERPT rất quan trọng trong việc dự báo lạm phát và điều hành

chính sách tiền tệ. Một mức độ ERPT thấp và không hoàn toàn làm cho chính sách tiền

tệ độc lập hơn bởi vì việc thực hiện chính sách tiền tệ lúc này sẽ không cần phải lo về

sự bất ổn của mức giá trong nước hay lạm phát khi điều chỉnh tỷ giá hối đoái.

Chính sách tiền tệ của Việt Nam hướng vào mục tiêu bình ổn mức giá của đồng

nội tệ (lạm phát) và mức giá ngoại tệ (tỷ giá) để phát triển kinh tế. Kể từ khi thực hiện

chính sách mở của nền kinh tế vào 1986, nền kinh tế Việt Nam bắt đầu rộng mở và

giao thương với kinh tế thế giới, mức độ giao thương hàng hóa trên GDP xấp xỉ 147%

trong giai đoạn 2009 – 2013 (World Bank). Chính vì lẽ đó mà mức giá trong nước

không chỉ bị ảnh hưởng bởi những cú sốc nội tại trong nền kinh tế và còn bị ảnh hưởng

bởi những cú sốc từ bên ngoài nền kinh tế. Sự thay đổi trong tỷ giá không chỉ là sự

thay đổi trong mức giá nhập khẩu hàng hóa mà còn là mức giá đầu vào, đó là các chi

phí dịch vụ cho hàng hóa.

Bài viết hướng tới vấn đề về sự thay đổi trong tỷ giá ảnh hưởng đến mức giá nội

địa tại Việt Nam, chủ yếu là mức giá nhập khẩu và mức giá tiêu dùng. Bài viết sử dụng

mô hình STAR của Terasvirta 1994, Skalin và Terasvirta 1999 sau đó được điều chỉnh

và phát triển qua nhiều nghiên cứu khác để phân tích mức độ truyền dẫn của tỷ giá tới

mức độ lạm phát trong nước thông qua nhiều dạng mô hình phi tuyến khác nhau. Sau

khi ước lượng mô hình kết quả cho thấy mức độ ảnh hưởng của cú sốc tỷ giá tới mức

giá trong nước là khá lớn.

Mục tiêu nghiên cứu

 Tìm hiểu mức độ của hiệu ứng ERPT trước sự thay đổi của lạm phát trong

nước qua các giai đoạn kinh tế Việt Nam.

 Tìm hiểu mối quan hệ phi tuyến giữa ERPT và lạm phát ở Việt Nam thông

qua lạm phát trong quá khứ.

Câu hỏi nghiên cứu

 Lạm phát cao hơn (giá trị tuyệt đối) có dẫn đến mức độ ERPT cao hơn?

 ERPT có được biểu diễn như là một hàm đối xứng của các tỷ lệ lạm phát

trong quá khứ xung quanh giá trị 0?

 ERPT có được biểu thị như là một sự chuyển đổi trơn (smooth transition)

hay là chuyển đổi đột ngột (abrupt transition) bằng việc sử dụng tỷ lệ lạm

phát trong quá khứ như là biến chuyển đổi có thể chấp nhận được với nhiều

độ trễ?

Đối tượng và phương pháp nghiên cứu

Bài nghiên cứu sử dụng phân tích chuỗi thời gian phi tuyến (non-linear time

series analysis) ở đây là mô hình STAR trong việc kiểm định mối quan hệ giữa hiệu

ứng ERPT với biến chuyển đổi là lạm phát quá khứ của Việt Nam.

Dữ liệu nghiên cứu: Chỉ số IMP, chỉ số CPI của Việt Nam hàng tháng từ 1995-

2012.

Bài viết được cấu trúc thành các phần như sau

Chương 1: Tổng quan về chính sách tỷ giá, lạm phát của Việt Nam 1995 – 2012

và tổng quan các nghiên cứu trước đây về ERPT.

Chương 2: Nền tảng lý thuyết và mô hình STAR

Chương 3: Kết quả mô hình nghiên cứu thực nghiệm tại Việt Nam

Chương 4: Kết luận.

1. CHƯƠNG 1: CƠ CHẾ TRUYỀN DẪN CỦA TỶ GIÁ, CÁC XU HƯỚNG

NGHIÊN CỨU TRƯỚC ĐÂY VỀ HIỆU ỨNG ERPT

1.1. LẠM PHÁT Ở VIỆT NAM 1990 – 2012

Năm 1986, Việt Nam thực hiện chính sách đổi mới, nền kinh tế Việt chuyển từ cơ

chế tập trung bao cấp sang cơ chế định hướng thị trường. Kết quả của quá trình chuyển

đổi này, Việt Nam đã đạt được mức tăng trưởng kinh tế cao, đạt đỉnh 9.3% vào năm

1996. Tuy nhiên, lạm phát lại là một vấn đề vĩ mô đối với Việt Nam, đi từ lạm phát rất

cao cho tới giảm phát.

Hình 1-1: Các giai đoạn lạm phát ở Việt Nam

Nguồn: IMF (2013)

Giai đoạn lạm phát rất cao sau chiến tranh được coi là động lực chính để thức

đẩy quá trình đổi mới 1986. Tuy nhiên, lạm phát tăng cao tiếp tục cho tới 1989 khi

SBV thực hiện chính sách rút tiền từ nền kinh tế bằng cách phát hành trái phiếu ngắn

hạn 12%/tháng từ 07/1989. Chính sách này được duy trì một vài tháng, lượng tiền

trong nền kinh tế giảm xuống một cách nhanh chóng làm cho lạm phát đột ngột giảm

xuống (Hung, 1999). Những năm sau đó, sự thành công từ việc cố gắng ổn định lạm

phát đã làm cho chính sách tiền tệ và chính sách tài khóa sáng lạng hơn, đây là yếu tố

chính của thời kỳ lạm phát có thể chấp nhận được 1993 – 2003 (Camen, 2006). Trong

giai đoạn này có một thời kỳ giảm phát từ 1999 – 2001 là kết quả của những ảnh

hưởng tiêu cực của cuộc khủng hoảng Châu Á 1998 dẫn tới hàng hóa dư thừa và giá cả

thì sụt giảm.

Suy thoái kinh tế sau cuộc khủng hoảng Châu Á đã buộc chính phủ ưu tiên tăng

trưởng GDP hơn lạm phát bằng chính sách tiền tệ nới lỏng. Thêm vào đó, từ năm 2000,

nền kinh tế phải đối mặt với một lượng vốn lớn chảy vào trong khi phải duy trì tỷ giá

ổn định, NHNN đã phải mua ngoại tệ vào. Kết quả, cung tiền quá nhanh dẫn đến lạm

phát gia tăng, điều này là hậu quả của cú sốc cầu ở mức độ thấp và cú sốc tiền tệ. Năm

2004, lạm phát lên đến 9.5% so với 3% trong năm 2003 cao hơn 5% so với mục tiêu

của bộ tài chính và tiếp tục tăng cao vào các năm sau, đỉnh điểm là mức 20% vào năm

2008, mức cao nhất từ năm 1990.

Trong tình hình này, chính phủ đã chuyển trọng tâm sang lạm phát và chuyển

CSTT từ nới lỏng sang thắt chặt. Điều này đã làm giảm lượng cung tiền khoảng 20%

trong 2008 và một năm sau đó. Tuy nhiên, khủng hoảng tài chính toàn cầu vào 2008 đã

làm cho những sự cố gắng điều chỉnh lạm phát của chính phủ trở nên không hiệu quả.

Chính sách tiền tệ thắt chặt và ảnh hưởng tiêu cực từ cuộc khủng hoảng đã gây nhiều

khó khăn cho các doanh nghiệp1, sản xuất bị đình trệ. Kết quả là lạm phát không những

không thấp mà còn ở mức cao. Điều này cho thấy rằng cú sốc cung đóng vai trò rất

quan trọng trong Q1/2008 – Q4/2010, giá dầu và giá gạo cũng góp phần ảnh hưởng đến

lạm phát. Hơn nữa, thâm hụt cán cân tài khoản vãng lai trở nên nghiêm trọng vào 2007

1 Năm 2010 và 2011 có khoảng 70,000 doanh nghiệp phá sản.

cũng là một yếu tố quan trọng không kém.

1.2. CHÍNH SÁCH TỶ GIÁ HỐI ĐOÁI Ở VIỆT NAM 1990 – 2012

Kể từ khi đổi mới, tỷ giá được quản lý theo định hướng thị trường bằng cách neo

cố định theo đồng USD, với sự can thiệp của Ngân hàng Nhà nước, công bố tỷ giá

chính thức và mức biên độ dao động. Bằng cách dựa vào sự biến động của tỷ giá chúng

ta có thể thấy có 2 xu hướng tỷ giá trong 2 giai đoạn kinh tế khác nhau.

Hình 1-2: Các giai đoạn tỷ giá ổn định ở Việt Nam

Nguồn: IMF (2013)

Thứ nhất, khi nền kinh tế ổn định và không có cú sốc từ bên ngoài, tỷ giá rất ổn

định với cơ chế tỷ giá neo cố định từ 1992 – 1997 và từ 1999 – 2007. Trong hai thời kỳ

này, tỷ giá ít biến động bởi vì Ngân hàng Nhà nước giữ tỷ giá không thay đổi ở mức

xung quanh 11,000 VND/USD với mức dao động 0.5% tới năm 1997 và từ 0.1% đến

0.75% trong giai đoạn 1999 – 2007.

Thứ hai, khi nền kinh tế bất ổn hoặc chịu ảnh hưởng của cú sốc từ bên ngoài, tỷ

giá ngay lập tức bị giảm giá với chính sách tỷ giá linh hoạt từ 1997 – 1998 và 2007 –

2011. Khủng hoảng tài chính Châu Á bắt đầu từ năm 1997 làm cho một loạt đồng tiền

của các quốc gia sụt giảm nhanh chóng. Chính vì vậy, VND được đánh giá cao so với

các đồng tiền khác. Mức biên độ dao động từ 1% cuối 1996 lên 5% và sau đó tiếp tục

tăng lên 10% vào cuối năm 1997 trước khi sụt giảm 7% vào cuối 1998. Thêm vào đó,

năm 1998, Ngân hàng Nhà nước giảm tỷ giá từ 11,175 VND/USD lên 12,998

VND/USD. Trong một giai đoạn như vậy, VND bị trượt giá 24.54%. Đây là lần đầu

tiên nền kinh tế Việt Nam bị ảnh hưởng bởi nền kinh tế thế giới và tỷ giá biến động khá

mạnh.

Hình 1-3: Các giai đoạn tỷ giá biến động mạnh ở Việt Nam

Nguồn: IMF (2013)

Mười năm sau, kinh tế Việt Nam lại bị ảnh hưởng bởi một cuộc khủng hoảng

khác. Đó là khủng hoảng tài chính toàn cầu với nhiều nguy hại hơn so với cuộc khủng

hoảng 1998. Đối mặt với khủng hoảng, Ngân hàng Nhà nước đã thực hiện một số chính

sách như mười năm trước, điều hành chính sách tỷ giá linh hoạt bằng cách điều chỉnh

biên độ dao động của tỷ giá chính thức. Bắt đầu với việc gia tăng biên độ +/-1% vào

03/2008, Ngân hàng Nhà nước (SBV) đã tạo ra một sự trượt giá trong tỷ giá hối đoái.

Biên độ +/-1% được giữ trong một vài tháng trước khi tăng lên +/-3% vào tháng

06/2008 và tăng lên +/-5% vào tháng 09/2009, đây là mức cao nhất kể từ năm 1998.

Tỷ giá ngoại tệ giao dịch ở mức trần và tỷ giá song phương cách xa so với mức tỷ giá

chính thức của thị trường. Do đó, với việc mở rộng biên độ dao động, SBV đã làm

giảm tỷ giá chính thức 4 lần, với mức sụt giảm 5.4% so với cuối năm 2009 (mức tỷ giá

chính thức cao nhất so với 1998). Vào đầu năm 2011, tỷ giá chính thức công bố là

20,693 VND/USD và biên động giao động +/-1%.

Hình 1-4: Tỷ giá trần và tỷ giá sàn ở Việt Nam 2008 - 2011

Nguồn: NHNH Việt Nam (2012)

Bảng 1-1: Biên độ giao dịch tỷ giá từ năm 1998 đến 2012

Thời gian 7/8/1998 – 25/02/1999 26/02/1999 – 01/7/2002 01/7/2002 – 31/12/2006 31/12/2006 – 24/12/2007 24/12/2007 – 09/3/2008 10/3/2008 – 26/6/2008 27/6/2008 – 6/11/2008 7/11/2008 – 23/3/2009 24/3/2009 – 25/11/2009 26/11/2009 – 10/02/2011 11/02/2011 – 2012 Biên độ (%) +/-7 +/-0,1 +/-0,25 +/-0,5 +/-0,75 +/-1 +/-2 +/-3 +/-5 +/-3 +/-1

Nguồn: NHNN Việt Nam (2012)

Hình 1-5: Tỷ giá danh nghĩa VND/USD và lạm phát ở Việt nam 1995-2013

Nguồn: NHNN Việt Nam (2013)

1.3. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ ERPT

Một số quốc gia duy trì tỷ giá cố định, CSTT có thể tác động tới tỷ giá thực

thông qua giá cả trong nước và do vậy dẫn đến có thể tác động tới xuất khẩu ròng mặc

dù với mức độ thấp hơn và chậm hơn. Tùy theo điều kiện và mức độ phát triển của thị

trường, đặc điểm tài chính của các hộ gia đình, các doanh nghiệp trong từng quốc gia

mà CSTT tác động qua kênh tỷ giá là khác nhau.

Vai trò quan trọng của kênh tỷ giá hối đoái trong việc truyền dẫn tác động của

chính sách tiền tệ lên nền kinh tế trong nước đã được dẫn chứng trong những nghiên

cứu gần đây của Taylor (1993).

Trong khuôn khổ của nền kinh tế mở, mức độ truyền dẫn tỷ giá (ERPT) vào giá

trong nước là một trong những yếu tố quan trọng trong việc đánh giá các hiệu ứng lan

tỏa của chính sách tiền tệ.

Hình 1-6: Đồ thị tác động của cung tiền đến tỷ giá hối đoái

M↑→i↓→E↑→ xuất khẩu ↑, nhập khẩu ↓→AD↑→Y↑

Nguồn: Giáo trình Kinh tế Vĩ mô, ĐH Kinh tế TP.HCM

Theo Bhagawati (1991) cụm từ “pass - through” – truyền dẫn - lần đầu tiên

được sử dụng trong ngôn ngữ kinh tế bởi Steve Magee (1973) trong bài báo của mình

khi giải thích sự tác động của giảm giá tiền tệ. Kể từ đó thuật ngữ này được sử dụng

rộng rãi trong kinh tế.

Về định nghĩa tác động truyền dẫn tỷ giá, tham khảo nghiên cứu “Exchange

Rate Pass-Through to Domestic Prices: The Case of Colombia” của Peter Rowland

(Ngân hàng Trung ương Colombia). Tác giả này đã giới thiệu định nghĩa tác động

truyền dẫn tỷ giá trong nghiên cứu của Goldberg and Knetter (1997) như sau “Định

nghĩa giáo khoa về tác động truyền dẫn tỷ giá là phần trăm thay đổi trong giá nhập

khẩu tính theo đồng nội tệ do phần trăm thay đổi trong tỷ giá giữa nước xuất khẩu và

nước nhập khẩu”. Tuy nhiên, những thay đổi trong giá nhập khẩu cũng ảnh hưởng đến

giá sản xuất và giá tiêu dùng. Do đó, tác giả Peter Rowland trong nghiên cứu của mình

đã sử dụng một định nghĩa rộng hơn cho tác động truyền dẫn tỷ giá là sự thay đổi trong

các loại giá cả trong nước do sự thay đổi tỷ giá hối đoái danh nghĩa. Theo Hyder và

Shah (2004), kênh truyền dẫn tỷ giá được minh họa như sau:

Hình 1-7: Kênh truyền dẫn tỷ giá

Nguồn: Hyder và Shah (2004)

Theo một số nghiên cứu, tỷ giá hối đoái ảnh hưởng đến lạm phát trong nước

thông qua hai kênh. Thứ nhất, ảnh hưởng của tỷ giá lên đồng tiền nội tệ thông qua chi

phí nhập khẩu hàng hóa khi chúng cập bến. Thứ hai, ảnh hưởng trong giá nhập khẩu

hàng hóa lên toàn bộ giá cả tiêu dùng trong nước. Theo Nicotela (2007), nếu hệ số

truyền dẫn = x và tỷ giá thay đổi 1% dẫn đến lạm phát trong nước thay đổi x% thì đó là

tác động truyền dẫn hoàn toàn. Tác động truyền dẫn càng cao thì tỷ giá càng là công cụ

hiệu quả để kiểm soát lạm phát.

Mototsugu Shintani, Akiko Terada-Hagiwara, Tomoyoshi Yabu cho rằng tác

động truyền dẫn tỷ giá ERPT được định nghĩa là phản ứng của tỷ lệ lạm phát trong

nước trước những thay đổi của tỷ giá hối đoái (hoặc trong chi phí biên).

Đánh giá đúng của cơ chế ERPT là rất quan trọng cho sự hiểu biết và dự báo

những ảnh hưởng của các chính sách tiền tệ vào nền kinh tế thực. Hiểu được những

kênh truyền dẫn mà chính sách tiền tệ tác động đến sản lượng và lạm phát qua đó tăng

cường hiệu quả của chính sách tiền tệ và cho phép các ngân hàng trung ương duy trì

các biến kinh tế vĩ mô quan trọng ở mức mục tiêu. Với ảnh hưởng sâu rộng của nó đến

nền kinh tế thực, chính sách tiền tệ được nghiên cứu rất nhiều qua các năm. Phần lớn

các bài nghiên cứu kinh tế đã nghiên cứu về các kênh truyền dẫn, mà thông qua đó

chính sách tiền tệ tác động đến các thành phần khác nhau của nền kinh tế.

Hầu hết các nghiên cứu thực nghiệm trước đây về mối tương quan dương giữa

ERPT và lạm phát tập trung trên các bằng chứng xuyên quốc gia, bao gồm cả phân tích

của Calvo và Reinhart (2002), Choudhri và Hakura (2006), và Devereux và Yetman

(2010). Đa số các nghiên cứu tập trung chủ yếu ở Mỹ và châu Âu, nhưng trong những

năm gần đây đã được nghiên cứu rộng rãi trong nước đang phát triển (ví dụ Pruteanu

năm 2004, Công hòa Séc, Juks, năm 2004 ở Extônia; Horvath, 2004 ở Hungary;

Golodniuk, Ukraine vào 2005; Matousek và Sarantis, 2006 cho Slovenia, Slovakia và

Ba Lan; Belarus ...).

Một số nghiên cứu về ảnh hưởng của tỷ giá hối đoái thông qua chi phí nhập

khẩu hàng hóa đã đưa ra những kết luận có ý nghĩa về truyền dẫn từ tỷ giá vào lạm

phát (Chung, Kohler, & Lewis, 2011; Frankel, Parsley, & Wei, 2012; Ito & Sato,

2008), mức độ truyền dẫn khác nhau ở các quốc gia với chế độ tỷ giá khác nhau.

Barhoumi (2006) nhấn mạnh rằng quốc gia với chế độ tỷ giá cố định sẽ có mức độ

truyền dẫn tỷ giá trong dài hạn lớn hơn so với những quốc gia có chế độ tỷ giá thả nổi.

Những nghiên cứu khác tập trung vào truyền dẫn tỷ giá lên toàn bộ giá cả tiêu dùng,

sản xuất,… trong nước cho rằng, cách xem xét này cho thấy mức độ truyền dẫn tỷ giá

thấp hơn và không hoàn toàn trong tương quan với giá cả trong nước so với truyền dẫn

tỷ giá thông qua giá nhập khẩu (Devereux & Yetman, 2010; Ito & Sato, 2008; Jin,

2012; McCarthy, 2000; Naz, Mohsin, & Zaman, 2012; Przystupa & Wróbel, 2009).

Mức độ truyền dẫn của tỷ giá vào lạm phát cũng khác nhau ở những nước mới

nổi, đang phát triển và những nước phát triển (Bailliu & Fujii, 2004; Choudhri &

Hakura, 2006). Ca'Zorzi, Hahn, and Sánchez (2007) cho rằng mức độ ERPT sẽ cao hơn

ở các nước mới nổi, đang phát triển so với các nước phát triển; và trong nội bộ các

nước mới nổi với lạm phát thấp thì mức độ ERPT tới giá tiêu dùng sẽ thấp hơn.

Frankel et al. (2012) chỉ ra rằng các nước đang phát triển có mức độ EPRT lớn hơn và

và nhanh hơn các nước phát triển. Ito and Sato (2007) cho rằng mức độ ERPT lớn hơn

ở các nước Mỹ Latin và Thổ Nhĩ Kỳ so với các nước Đông Á với một ngoại lệ đáng

chú ý là ở Indonesia. Hơn nữa, Indonesia, Mexico, Turkey, Argentina có phản ứng

mạnh từ CPI đối với cú sốc tỷ giá trước và sau khủng hoảng. Do đó, mức độ ERPT cao

là nhân tố chính của lạm phát cao đối với các quốc gia này sau khủng hoảng.

Sooriyakumar Krishnapillai và Henry Thompson (1/2012), kiểm tra hiệu quả

của chính sách tiền tệ trong cú sốc tỷ giá hối đoái mục tiêu giữa các giai đoạn khác

nhau ở Sri Lanka. Kết quả cho thấy gần đây chính sách tiền tệ theo tỷ giá mục tiêu khá

phổ biến chứ không nhắm theo lạm phát mục tiêu. Nguyên nhân tỷ lệ lạm phát cao

trong thời gian gần đây ở Sri Lanka là do Ngân hàng trung ương mua trái phiếu phát

hành bởi chính phủ để tiền tệ hóa chi tiêu quốc phòng và tăng tiền lương của nhân viên

chính phủ trong giai đoạn này do mục đích chính trị, do đó dẫn đến lạm phát và sự biến

dạng chính sách tiền tệ. Tăng trưởng kinh tế có thể giảm trong dài hạn nếu chính sách

tiền tệ không hoạt động tối ưu trên lạm phát và tỷ giá hối đoái mục tiêu.

Một số nghiên cứu khác về lạm phát và tỷ giá không giống như phương pháp

tiếp cận ERPT, thì cho rằng tỷ giá cố định có thể hoạt động như một cái neo danh

nghĩa để kiểm soát lạm phát. Bằng cách neo cố định đồng tiền quốc gia với một mức

lạm phát thấp, ngân hàng trung ương sẽ có uy tín và có thể giữ lạm phát ở mức thấp. Ở

nhiều quốc gia theo cơ chế tỷ giá cố định, lạm phát thực sự thấp hơn (Edwards, 1993).

Tuy nhiên, ở một số thị trường mới nổi, lạm phát được kiểm soát dưới một cơ chế tỷ

giá thả nổi có quản lý (Calvo & Mishkin, 2003). Levy-Yeyati and Sturzenegger (2003)

cũng cho rằng ở những quốc gia phát triển thì không có mối liên hệ nào giữa cơ chế tỷ

giá và hiệu quả của nền kinh tế. Tuy nhiên, đối với các nước đang phát triển thì kết quả

hoàn toàn khác, tỷ giá cố định có ảnh hưởng đến lạm phát trong trường hợp giữ tỷ giá

cố định trong thời gian dài, trong khi ngắn hạn thì ảnh hưởng của tỷ giá không có hiệu

quả trong việc làm giảm lạm phát thực sự.

Ở Việt Nam, các nghiên cứu về tỷ giá và lạm phát có nhiều kết quả tương đồng.

Bhattacharya (2013) cho rằng trong ngắn hạn, tỷ giá danh nghĩa hiệu quả có thể là chìa

khóa để dẫn dắt lạm phát, trong dài hạn, tăng trưởng tín dụng có mối quan hệ đồng

biến và ảnh hưởng tới lạm phát trong 2-10 quý. Van Minh (2009) cho rằng ERPT ở

Việt Nam trong năm đầu ở mức 0.61 và ảnh hưởng của cú sốc tỷ giá tới giá tiêu dùng

còn ảnh hưởng đến 10 tháng sau cú sốc. Sau 15 tháng ảnh hưởng của cú sốc tỷ giá tới

giá tiêu dùng hoàn toàn bị loại bỏ. Hang and Thanh (2010) cũng cho ra một kết quả

tương tự. Mihaljek and Klau (2001) cho rằng tỷ giá không phải là yếu tố nổi bật nhất

trong giai đoạn 1999-2007. Nguyen & Nguyen (2009) thì cho rằng tỷ giá ổn định thì

không giúp cho lạm phát ở mức thấp và không có nhiều vai trò trong việc ổn định lạm

phát.

Trong thập kỷ qua, một số nghiên cứu thực nghiệm đã điều tra liệu ERPT, được

định nghĩa như là phản ứng của tỷ lệ lạm phát trong nước với những thay đổi trong tỷ

giá hối đoái (hoặc chi phí biên), có giảm trong những năm 1980 và 1990 hay không.

Nếu có sự sụt giảm trong ERPT thì rất bình thường để đoán rằng có một số tương tác

giữa các ERPT và tỷ lệ lạm phát vì thời gian trùng hợp với một giai đoạn lạm phát thấp

và ổn định ở nhiều nước. Quan điểm này được nhấn mạnh bởi Taylor: “truyền dẫn tỷ

giá không nên xem như là biến ngoại sinh đối với môi trường lạm phát (2000,

p.1390).”

Trong nghiên cứu thực nghiệm về việc điều chỉnh tính phi tuyến tính của tỷ giá

hối đoái thực, mô hình STAR được sử dụng phổ biến trong nhiều nghiên cứu (Michael

et al, 1997; Taylor và Peel, 2000; Taylor et al 2001; Kilian và Taylor, 2003) và một số

tác giả khác. Tuy nhiên, các mô hình STAR hiếm khi được sử dụng trong phân tích của

ERPT. Trong khi đó, các bước đi ngẫu nhiên phi tuyến tính xoay quanh gía trị trung

bình nhằm ám chỉ ERPT đầy đủ trong dài hạn, nó không bao hàm ERPT ở các mốc

thời gian khác nhau. Tác giả đã sử dụng một số hàm chuyển tiếp “hình chữ U” trong

mô hình STAR để xem xét các hình thức thay thế của ERPT ở các mốc thời gian khác

nhau. Phương pháp của các tác giả được áp dụng cho dữ liệu hàng hóa nhập khẩu và

giá trong nước hàng tháng của Mỹ và đánh giá các biến động của ERPT trong giai

đoạn 1975-2007.

Trong nghiên cứu Exchange rate pass-through and inflation: A nonlinear time

series analysis (Mototsugu Shintani, Akiko Terada-Hagiwara, Tomoyoshi Yabu, 2012)

về mối quan hệ giữa truyền dẫn tỷ giá (ERPT) và lạm phát bằng cách ước lượng mô

hình chuỗi thời gian phi tuyến tính. Dựa trên một mô hình lý thuyết đơn giản xác định

các nhân tố quyết định ERPT, các tác giả cho thấy sự biến động của ERPT cũng có thể

được mô phỏng bằng các mô hình tự hồi quy chuyển tiếp trơn (smooth transition

autoregressive model - STAR) trong đó sử dụng tỷ lệ lạm phát trong quá khứ như là

một biến chuyển tiếp. Tác giả sử dụng một số hàm chuyển tiếp “hình chữ U” trong việc

ước lượng sự truyền dẫn tỷ giá ở các mốc thời gian khác nhau vào giá cả nội địa của

Mỹ. Kết quả ước lượng cho thấy sự sụt giảm trong ERPT trong những năm 1980 và

1990 có liên quan đến lạm phát giảm. Bài nghiên cứu này khác với các nghiên cứu

đang có ở chỗ tác giả xem xét vai trò của lạm phát trong sự truyền dẫn tỷ giá ở các mốc

thời gian khác nhau thông qua khung mô hình chuỗi thời gian.

Để dễ dàng tiếp cận phương pháp hồi quy phi tuyến tính, trước tiên tôi sẽ giới

thiệu một mô hình lý thuyết đơn giản về mô hình STAR và mô hình STAR có điều

chỉnh cho các công ty nhập khẩu, với hiệu ứng truyền dẫn tỉ giá trở thành một hàm số

phi tuyến tính của tỉ lệ lạm phát trong quá khứ. Mô hình liên quan chặt chẽ với mô hình

hiệu ứng truyền dẫn tỉ giá của Devereux và Yetman (2010) để mức giá tối ưu phụ

thuộc trực tiếp vào tỉ giá hối đoái danh nghĩa, tương ứng với chi phí biên, và các công

ty nhập khẩu lựa chọn ngẫu nhiên các khả năng điều chỉnh giá của họ về mức giá tối

ưu. Tuy nhiên, mô hình trong bài này khác với những mô hình trên ở một vài khía

cạnh. Trước tiên, trong mỗi thời kì, một số các công ty tạo ra một loại hợp đồng có kì

hạn với quy định theo chỉ số hóa lạm phát. Thứ hai, mỗi công ty phải đối mặt với vấn

đề lựa chọn trong hợp đồng. Khi các doanh nghiệp không tham gia, họ có thể thiết lập

một mức giá tối ưu bằng cách trả một chi phí cố định. Bởi vì hiệu ứng truyền dẫn tỉ giá

gia tăng nếu nhiều công ty thiết lập một mức giá tối ưu. Xác suất không tham gia phụ

thuộc vào tỉ lệ lạm phát trong quá khứ, mô hình trong bài tiên đoán rằng hiệu ứng

truyền dẫn tỉ giá phụ thuộc vào lạm phát quán tính. Tiên đoán này trái ngược với

trường hợp của Devereux and Yetman (2010) – hiệu ứng truyền dẫn của tỉ giá phụ

thuộc vào mức độ ổn định của lạm phát trong nền kinh tế. Mô hình chỉ ra được cường

độ của hiệu ứng truyền dẫn tỉ giá được dự đoán bởi các mô hình lý thuyết có thể được

ước lượng bằng mô hình cấu trúc tự hồi quy chuyển tiếp trơn, sự sụt giảm trong suốt

những năm 1980 và 1990 và sự gia tăng tác động gần đây của hiệu ứng truyền dẫn tỉ

giá đến giá cả của Mỹ được giải thích bởi mô hình tự hồi quy chuyển tiếp trơn STAR.

Đối với Việt Nam, việc phân tích và đánh giá cơ chế truyền dẫn tiền tệ đã được

đề cập đến tại một số các nghiên cứu trong và ngoài nước, tuy nhiên, việc tiếp cận phân

tích định lượng vẫn còn hạn chế trong nhiều nghiên cứu và chủ yếu vẫn là nghiên cứu

dựa trên mối quan hệ ngoại sinh trong khi đó tỷ giá và lạm phát trong quá khứ có thể

được xem xét trong mối quan hệ nội sinh và có ý nghĩa rất lớn. Do vậy, bài nghiên cứu

định lượng này dựa trên nghiên cứu của Mototsugu Shintani, Akiko Terada-Hagiwara,

Tomoyoshi Yabu về mối quan hệ giữa truyền dẫn tỷ giá (ERPT) và lạm phát bằng cách

ước lượng mô hình chuỗi thời gian phi tuyến tính cho dữ liệu ở Việt Nam nhằm đóng

góp về mặt định lượng trong việc phân tích và đánh giá cơ chế truyền dẫn tiền tệ tại

Việt Nam nhất là giai đoạn cải cách kinh tế hậu khủng khoảng.

2. CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU

2.1. NỀN TẢNG LÝ THUYẾT

2.1.1. Mô hình chuỗi thời gian phi tuyến STAR

Mô hình chuỗi thời gian đơn biến không có một lịch sử lâu dài trong phân tích

kinh tế. Trong thực tế, mô hình phi tuyến đầu tiên áp dụng cho các vấn đề kinh tế là đa

biến. Mô hình hồi quy chuyển đổi Markov là một ví dụ. Mô hình bất đối xứng là ví dụ

thứ hai. Có lẽ mô hình đơn biến đầu tiên được giới thiệu với các nhà kinh tế là mô hình

song tuyến mà Granger và Andersen (1978). Các ứng dụng kinh tế đầu tiên của một số

mô hình phi tuyến phổ biến như các mô hình tự hồi quy ngưỡng, mô hình tự hồi quy

chuyển đổi trơn hoặc mô hình tự hồi quy Markov-chuyển đổi, xuất hiện sau khi các mô

hình đã được phát triển bởi các nhà thống kê và áp dụng cho các dữ liệu phi kinh tế. Số

lượng các ứng dụng mô hình phi tuyến trong kinh tế đã được nghiên cứu khá nhiều, và

các mô hình phi tuyến đã được sử dụng cho nhiều chuỗi thời gian kinh tế vĩ mô và tài

chính, cho cả dự báo và cho nghiên cứu thử nghiệm các lý thuyết kinh tế.

Một số nghiên cứu về sự tồn tại của các mô hình phi tuyến đã được thực hiện.

Các nghiên cứu của Tong (1990), Granger và Teräsvirta (1993), Guégan (1994) và

Franses và van Dijk (2000). Các bài nghiên ngắn làm nổi bật các phần khác nhau của

lĩnh vực này bao gồm Brock và Potter (1993), Teräsvirta, Tjøstheimand Granger

(1994), Potter (1999), Swanson và Franses (1999), Granger (2001), van Dijk,

Teräsvirta và Franses (2002) , và Tsay (2002). Các nghiên cứu này được giới hạn trong

mô hình tham số. Gần đây là các mô hình phi tham số, xem Fan và Yao (2003).

Một ý tưởng phổ biến trong các ứng dụng kinh tế là một số hình thức của cơ chế

chuyển tiếp. Điều này có nghĩa rằng quá trình tổng hợp dữ liệu để tạo ra được mô hình

được xem như một quá trình tuyến tính chuyển đổi giữa một số chế độ theo một số quy

tắc. Ví dụ, những thay đổi trong chính sách của chính phủ có thể tạo ra một sự thay đổi

trong các cơ chế. Một ví dụ khác, có thể lập luận rằng tính biến động của khối lượng

sản xuất công nghiệp hoặc tổng sản phẩm quốc gia khác nhau trong suy thoái kinh tế

và bùng nổ kinh tế. Trong cả hai trường hợp, để giải thích hành vi của hàng loạt quan

sát với các mô hình chuyển tiếp là hoàn toàn có thể. Cũng có thể được giả định rằng có

một sự chuyển đổi liên tục và suôn sẻ từ một cơ chế này sang cơ chế khác.

Mô hình tự hồi quy ngưỡng

′𝑧𝑡 + 𝜎𝑗𝜀𝑡)𝐼(𝑐𝑗−1 < 𝑦𝑡−𝑑 ≤ 𝑐𝑗)

𝑟 𝑦𝑡 = ∑ (𝛼𝑗 𝑗=1

′

(1)

Với 𝑧𝑡 = (1, 𝑦𝑡−1

)′ với 𝑦𝑡 = (𝑦𝑡, … , 𝑦𝑡−𝑝+1)′, d > 0 là tham số độ trễ, 𝛼𝑗 = (𝛼𝑗1, … , 𝛼𝑗𝑝)′, j = 1,…,r là hệ số của cá vector, c0, c1, …, cr là các hệ số ngưỡng, c0 = -

∞, cr = M < ∞ và I(A) là hàm số xác định: I(A) = 1 khi A xuất hiện, ngược lại là 0. Hơn

nữa, 𝜀𝑡~ 𝑖𝑖𝑑(0,1) và 𝜎𝑗 > 0, 𝑗 = 1, … , 𝑟. (1) là một mô hình tự hồi quy từng phần

chuyển tiếp điểm hoặc ngưỡng nói chung là chưa biết. Một lựa chọn phổ biến trong

thực tế là mô hình TAR hai cơ chế:

′ 𝑧𝑡 + 𝜎2𝜀𝑡){1 − 𝐼(𝑦𝑡−𝑑 ≤ 𝑐1)}

′ 𝑧𝑡 + 𝜎𝑗𝜀𝑡)𝐼(𝑦𝑡−𝑑 ≤ 𝑐1) + (𝛼2

(2) 𝑦𝑡 = (𝛼1

Mô hình SETAR đã được áp dụng rộng rãi trong kinh tế. Một nghiên cứu toàn

diện về mô hình và thống kê dữ liệu được thực hiển bởi Tong (1990). Một trong những

đặc điểm của mô hình này, được nhấn mạnh bởi Tong, đó là tại một số tham số giá trị

nó có thể tạo ra chu kỳ giới hạn. Điều này có nghĩa rằng khi sử dụng phương trình (2)

và giả định rằng các sai số bằng không, các ước lượng ngoại suy của chuỗi có độ dài

nhất định mà không mất đi. Các ứng dụng này được sử dụng nhiều trong khoa học hơn

là kinh tế. Các ứng dụng đầu tiên của mô hình là để chuỗi thời gian sinh thái và hàng

loạt lỗ hổng mặt trời hàng năm, xem Tong và Lim (1980), nhưng sau đó nó cũng đã

được ứng dụng rộng rãi trong kinh tế.

Một trường hợp đặc biệt của SETAR, được Enders and Granger (1998) gọi là

mô hình TAR-động lực, là một và hai cơ chế và biến ngưỡng yt-d được thay thế bởi sai

phân bậc một ∆yt-d. Mô hình này có thể được sử dụng để mô tả các quá trình không đối

xứng nằm trong tỷ lệ tăng trưởng: ví dụ, sự phát triển của chuỗi khi nó xảy ra có thể

nhanh chóng nhưng sẽ quay trở lại chậm ở mức thấp hơn. Tuy nhiên, một mô hình

khác cần quan tâm là mô hình ba cơ chế trong đó cơ chế giữa mô tả một bước đi ngẫu

nhiên trong khi các chế độ bên ngoài đứng yên, ổn định là một cách mà toàn bộ quá

trình TAR ổn định.

(3) 𝑦𝑡 = 𝛼𝑗𝑦𝑡−1 + 𝜀𝑡

Cơ chế giữa được xác định bởi 𝑐1 < 𝑦𝑡−1 < 𝑐2; 𝑐1 < 0 𝑣à 𝑐2 = −𝑐1. Trong cơ

chế này, hệ số hồi quy 𝛼2 = 1, với 𝛼𝑗 < 1, 𝑗 = 1,3. Balke Fomby (1997) sử dụng mô

hình này để xác định ngưỡng đồng liên kết. (3) được giả định là phương sai của sai số

không thay đổi qua các cơ chế.

Mô hình SETAR với hai chế độ (một ngưỡng) có khả năng đặc trưng cho hành

vi bất đối xứng. Ví dụ, giả sử rằng yt-d đo giai đoạn của chu kỳ kinh doanh. Sau đó, các

mô hình SETAR có thể mô tả các quá trình có biến động khác nhau khi bùng nổ từ

những gì chúng đang có trong khi suy thoái; Potter (1995) và Peel and Speight (1998).

Mộ mô hình tinh tế hơn sẽ là một mô hình với hơn hai chế độ để mô tả các giai đoạn

khác nhau của chu kỳ kinh doanh, Tiao và Tsay (1994) cho mô hình bốn cơ chế. Các

tác giả cho rằng, các thông số ngưỡng trong mô hình này đều phân biệt được.

Lưu ý, mô hình có thể là mô hình hồi quy chuyển đổi, một phương trình đa biến

duy nhất của mô hình SETAR, đã xuất hiện trong các tài liệu chuỗi thời gian. Quandt

(1958) hoặc Goldfeld và Quandt (1973a).

Có một mô hình liên quan và phổ biến trong kinh tế lượng chuỗi thời gian. Đó

là mô hình SETAR chuẩn bằng cách thay biến yt-d bằng biến thời gian t hoặc thời gian

chuẩn hóa t/T, với T là số quan sát. Đây là mô hình tự hồi quy với r-1 điểm gãy. Có rất

nhiều học thuyết và nghiên cứu về việc xác định số điểm gãy cấu trúc và ước lượng các

điểm gãy c1, …, cr Bai (1997).

Mô hình tự hồi quy theo hàm số mũ

Một ví dụ đầu tiên của một mô hình phi tuyến có thể được hiểu như là một mô

hình với một sự chuyển tiếp liên tục là mô hình hồi quy theo hàm số mũ (EAR) do

Haggan và Ozaki (1981) giới thiệu.

(4) 𝑦𝑡 = ∅′𝑧𝑡 + 𝜃′𝑧𝑡𝐺𝐸(𝛾, 𝑦𝑡−1) + 𝜀𝑡 = {∅ + 𝜃𝐺𝐸(𝛾, 𝑦𝑡−1)}′𝑧𝑡 + 𝜀𝑡

zt giống như (1), 𝜙 = (𝜙0, 𝜙1, … , 𝜙𝜑)′ 𝑣à 𝜃 = (𝜃0, 𝜃1, … , 𝜃𝜑)′ là các hệ số của

các vector và ), 𝜙0 = 𝜃0 = 0, vì vậy mô hình không bao gồm hệ số chặn, và 𝜀𝑡~𝑖𝑖𝑑(0, 𝜎2). Hàm chuyển tiếp sẽ là:

2 }, 𝛾 > 0

(5) 𝐺𝐸(𝛾, 𝑦𝑡−1) = exp{−𝛾𝑦𝑡−1

Hàm (5) là hàm đối xứng qua 0, và nằm trong khoảng giá trị 1, và 𝐺𝐸 → 0, 𝑘ℎ𝑖 |𝑦𝑡−1| → ∞. Ký hiệu cuối cùng trong (4) cho thấy rằng mô hình có thể được

hiểu như là một mô hình tự hồi quy tuyến tính với hệ số thời gian ngẫu nhiên và khác

nhau 𝜙 + 𝜃𝐺𝐸(𝛾, 𝑦𝑡−𝑑). Ý tưởng của các tác giả đã xây dựng một mô hình có thể tạo ra

các rung động ngẫu nhiên phi tuyến. Mô hình EAR cũng có khả năng tạo ra chu kỳ giới

hạn. khi 𝛾 → 0 mô hình trở thành tuyến tính, nhưng lưu ý rằng điều tương tự cũng xảy

ra khi 𝛾 → ∞. Trong trường hợp này, 𝐺𝐸(𝛾, 𝑦𝑡−1) = 0 ngoại trừ 𝑦𝑡−1 = 0. Tong (1990)

có một cuộc thảo luận kỹ lưỡng của các chuỗi này và các mô hình phi tuyến để mô

hình hóa chúng.

Mô hình EAR có thể được tổng quát hóa bằng hệ số chặn 𝜙0 ≠ 0 ℎ𝑜ặ𝑐 𝜃0 ≠ 0

hoặc cả hai. Trường hợp khác là bỏ qua yêu cầu của đối xứng của hàm chuyển tiếp (5)

xung quanh không bằng cách thêm vào một tham số vị trí c và cho phép độ trễ 𝑑 ≥ 1:

(6) 𝐺𝐸(𝛾, 𝑐, 𝑦𝑡−𝑑) = 1 − exp{−𝛾 (𝑦𝑡−𝑑 + 𝑐)2}, 𝛾 > 0

Teräsvirta (1994) gọi là mô hình tổng quát EAR là mô hình tự hồi quy mũ

chuyển tiếp trơn (ESTAR). Mô hình ESTAR là một công cụ phổ biến trong việc kiểm

tính hiệu quả của lý thuyết ngang giá sức mua, Taylor và Sarno (2002). Mô hình cũng

đã được sử dụng thành công trong kinh tế vĩ mô ví dụ như chuỗi lạm phát dao động

mạnh; Arango và González (2001).

Mô hình hồi quy chuyển tiếp trơn hàm Logistic

Mô hình chuyển đổi trơn bắt nguồn từ nghiên cứu của Bacon và Watts (1971).

Các tác giả xem xét hai đường hồi quy và nghĩ ra một mô hình trong đó quá trình

chuyển đổi từ một dòng này sang dòng khác một cách mượt mà. Mô hình của họ không

phải là mô hình chuỗi thời gian, mà là một mô hình hồi quy thuần túy với các quan sát

độc lập. Bacon and Watts (1971) sử dụng hàm Hyperbol tiếp tuyến để cụ thể hóa sự

chuyển tiếp. Hàm này gần như hàm phân phối chuẩn của các biến và hàm logistic.

Maddala (1977, p 396) trong thực tế đã đề nghị sử dụng hàm logistic như là hàm

chuyển tiếp; và điều này đã trở thành sự lựa chọn tiêu chuẩn.

Các mô hình tự hồi quy chuyển tiếp trơn (STAR) được đưa vào các mô hình

chuỗi thời gian bởi Chan và Tong (1986), tác giả sử dụng hàm phân phối tích lũy theo

phân phối chuẩn như là hàm chuyển tiếp. Bằng cách thay các hàm này bằng hàm

logistic cho ra kết quả là mô hình tự hồi quy chuyển tiếp trơn logistic (LSTAR). Được

nêu ra trong phương trình (4), hàm chuyển tiếp bây giờ là hàm logistic.

𝐾 𝑘=1

(7) })−1, 𝛾 > 0 𝐺𝐸(𝛾, 𝑐, 𝑦𝑡−𝑑) = (1 + exp{−𝛾 ∏ (𝑦𝑡−𝑑 − 𝑐𝑘

Trong (7) γ là hệ số góc và 𝑐 = (𝑐1, … , 𝑐𝐾)′ là vetor của các hệ số vị trí, 𝑐1 ≤ ⋯ ≤ 𝑐𝐾. Các hạn chế này cũng như các hạn chế γ dương, rất cần thiết cho việc nhận

định mô hình. Hàm chuyển đổi là một hàm chặn các yt-d, liên tục trong không gian

tham số cho bất kỳ giá trị của yt-d. Các lựa chọn phổ biến nhất cho K của (7) là K = 1

và K = 2. K= 1 là hàm logistic chuẩn. trong trường hợp hệ số 𝜙 + 𝜃𝐺(𝛾, 𝑦𝑡−𝑑) thay đổi

đơn điệu như hàm yt-d từ 𝜙 sang 𝜙 + 𝜃. Với K=2, hàm số biến đổi đối xứng quanh giá

trị trung bình (c1+c2)/2 khi mà hàm logistic đạt giá trị nhỏ nhất. Giá trị tối thiểu nằm

giữa 0 và 1/2. Đạt giá trị nhỏ nhất khi γ∞ và bằng ½ khi c1=c2 và γ<∞.

, trường hợp này hàm LSTAR trở thành tuyến tính. Khi γ=0, thì 𝐺(𝛾, 𝑦𝑡−𝑑) ≡

Khi K=1 và γ∞ thì LSTAR tiến tới hàm SETAR (2) với 𝜎1 = 𝜎2. Khi K=2, c1≠c2, và

γ∞ thì LSTAR chuyển thành SETAR ba cơ chế với cơ chế giữa khác với hai cơ chế

kia.

Teräsvirta (1994) định nghĩa một họ các mô hình STAR bao gồm cả LSTAR và

mô hình ESTAR và chiến lược mô hình dữ liệu theo định hướng theo từng mục đích

khác nhau, giúp người dùng lựa chọn giữa hai phương pháp này. Ngoài ra, chiến lược

cũng được áp dụng để lựa chọn giữa các mô hình LSTAR với K = 1 và K = 2.

Dùng thời gian thay thế cho yt-d trong (7) mang lại một mô hình chuyển đổi trơn

được gọi là (TV-AR) mô hình tự hồi quy theo thời gian. Sửa đổi môt cách tương như

mô hình SETAR, mô hình TV-AR đóng vai trò trong việc kiểm tra tham số có bất biến

trong các mô hình tự hồi quy tuyến tính; Lin and Teräsvirta (1994). Trong trường hợp

này, các thông số thay đổi trơn được thay thế cho các giả thuyết. Mô hình tuyến tính

rời rạc với các điểm gãy được lồng trong mô hình thay thế tổng quát hơn.

Mô hình LSTAR đã được áp dụng cho chuỗi kinh tế vĩ mô với cơ chế bất đối

xứng như sản xuất công nghiệp và chuỗi dữ liệu thất nghiệp. Öcal and Osborn (2000)

và Teräsvirta and Anderson (1992); Skalin and Teräsvirta (2002).

Ước lượng mô hình STAR

Cả hai mô hình ESTAR và LSTAR có thể được ước tính bằng Maximum

Likelihood (có điều kiện). Hàm Log-Likelihood đáp ứng được các điều kiện tiêu

chuẩn. Các tính chất của ước lượng Log-Likelihood thường không được quan tâm

nhiều ví dụ như tính nhất quán vì các điều kiện cần và đủ của các yếu tố chuỗi dữ liệu

không tồn tại. Chen and Tsay (1993), điều kiện đủ tồn tại nhưng chỉ trong mô hình

SETAR, chứ không phù hợp cho tất cả các mô hình ổn định và được kiểm định từ thực

tế.

Ước tính của các mô hình STAR là đơn giản nhưng vấn đề số học có thể xảy ra

khi các thông số γ có độ dốc lớn. Vấn đề là khi quá trình chuyển đổi diễn ra nhanh

chóng, ước tính chính xác của γ đòi hỏi rất nhiều quan sát trong một phạm vị của c; các

tham số vị trí. Hơn nữa, γ có trật tự cao hơn rất nhiều về độ lớn so với các thông số

khác làm chậm tốc độ hội tụ của thuật toán tối ưu hóa. Bates và Watts (1988, p. 87),

Seber và Wild (1989, pp. 480-481) và Teräsvirta (1994).

Leybourne, Newbold và Vougas (1998) chỉ ra ước tính có thể hiệu quả hơn khi

nào γ và c cố định, mô hình là tuyến tính trong các tham số. Trong trường hợp đó, các

thông số ϕ và θ có thể được ước tính bằng bình phương bé nhất tuyến tính. Với các

điều kiện này, có thể thu được các ước lượng cho γ và c. Tách mỗi lần lặp thành hai

bước để làm giảm kích thước của các ước lượng phi tuyến và gia tăng tốc độ hội tụ.

2.1.2. Mô hình chuỗi thời gian phi tuyến cho các công ty nhập khẩu

Winkelried (2003) cho thấy có một sai lầm phổ biến khi cho rằng tỷ giá hối đoái

tác động truyền dẫn vào giá là một tham số ổn định và rằng trên thực tế nó là ngẫu

nhiên theo bối cảnh nền kinh tế. “Mặc dù đó là một hiện tượng kinh tế vi mô nhưng các

thiết lập kinh tế vĩ mô có thể làm thay đổi tác động của tỷ giá lên lạm phát thông qua

chuỗi phân phối. Các doanh nghiệp có thể phải đối mặt với các cú sốc kinh tế vĩ mô

lớn mà có thể tạo ra sự thay đổi vĩnh viễn về khối lượng hàng hoá giao thương, giá cả

và do đó ảnh hưởng đến độ lớn cũng như tính dai dẳng của tác động truyền dẫn”

(Winkelried năm 2003). Cụ thể, tác giả phân tích 5 biến số vĩ mô liên quan đến độ lớn

của tác động truyền dẫn là: tỷ giá hối đoái động, chu kỳ sản lượng, mức độ sai lệch tỷ

giá thực, định hướng lạm phát và tình trạng đô la hóa.

Phần này sẽ mô tả tóm tắt mô hình lý thuyết áp dụng cho các công ty nhập khẩu,

mô hình này dự đoán rằng ERPT phụ thuộc vào độ trễ của lạm phát. Nền tảng cơ sở thì

tương tự như Devereux and Yetman (2010) mà trong đó các công ty nhập khẩu là các

nhà cạnh tranh độc quyền, những người mà nhập các hàng hóa trung gian khác biệt từ

nước ngoài. Một nhà sản xuất hàng hóa cuối cùng trong nước đại diện mua tất cả các

hàng hóa trung gian nhập khẩu này và phối hợp chúng lại với nhau để sản xuất ra một

loại hàng hóa cuối cùng. Giá cả của các hợp đồng giữa nhà nhập khẩu và nhà sản xuất

hàng hóa cuối cùng có hiệu lực với thời gian N (n>2), và hằng số 1/N của tất cả các

nhà nhập khẩu được ghi trong các hợp đồng mua bán có hiệu lực trong một khoảng

thời gian nhất định. Tuy nhiên các công ty nhập khẩu này có quyền không thực hiện

điều khoản này trong suốt thời gian hợp đồng và để tránh các quy định về giá trong hợp

đồng các công ty này phải trả một mức phí cố định là F (>0). Trong khoảng thời gia N*

(>1) đầu tiên của hợp đồng, các công ty sẽ tuân theo các quy định về giá của hợp đồng

mà chỉ số giá này là tổng lạm phát t của giai đoạn ban đầu của hợp đồng. Trong

trường hợp công ty không tuân thủ các quy định về giá sau khoảng thời gian N* cho

đến hết thời gian còn lại của hợp đồng N-N*, họ có thể chịu mức giá dự kiến  = st +

t + μ, trong đó st là tỷ giá hối đoái danh nghĩa, *

t là giá đơn vị tiền tệ nước ngoài, μ là

*

t được giả định là các bước đi ngẫu nhiên

mức biên lời. Do mức chi phí biên st + *

(phương sai của các phần dư 2), và tất cả các công ty này đều ký các hợp đồng mới tại

thời gian t với mức giá t. Do đó các công ty mà ký các hợp đồng tại thời gian t và

không tuân thủ tại thời gian N* +t, thì mức giá toàn bộ sẽ được ghi là t, t + t, …t

+ (N*-1)t, t +N*,… t + (N-1).

Các công ty nhập khẩu liên tục cạnh tranh độc quyền, trong đó mỗi công ty nhập

khẩu một mặt hàng trung gian khác biệt từ nước ngoài và bán cho một đại diện trong

nước sản xuất hàng tiêu dùng cuối cùng. Trong từng thời kỳ, một phần không đổi 1/N

của tất cả các công ty nhập khẩu và nhà sản xuất hàng tiêu dùng cuối cùng viết hợp

đồng định giá của họ cho N kỳ. Một công ty nhập khẩu mà ký hợp đồng định giá tại

thời điểm t - j (cho k = 0, 1, ... N - 1) và nhập khẩu một mặt hàng i trong khoảng [0, 1]

−𝜃

tại thời điểm t đang đối diện với nhu cầu được cho bởi phương trình:

(8) 𝐶𝑡(𝑡 − 𝑗) 𝐶𝑡(𝑖, 𝑡 − 𝑗) = (𝑃𝑡(𝑖,𝑡−𝑗) ) 𝑃𝑡(𝑡−𝑗)

Trong đó 𝜃 > 1 là độ co dãn không đổi của hàng thay thế. 𝑃𝑡(𝑖, 𝑡 − 𝑗) là giá của

1−𝜃

hàng i được nhập khẩu bởi một công ty với một hợp đồng bắt đầu trong giai đoạn t – j.

1 𝑃𝑡(𝑡 − 𝑗) = (∫ 𝑃𝑡(𝑖, 𝑡 − 𝑗) 0

𝑑𝑖)1/(1−𝜃) là chỉ số giá của hàng hóa trung gian hỗn hợp

được bán bởi các nhà nhập khẩu có các hợp đồng bắt đầu trong giai đoạn t – j. 𝐶𝑡(𝑡 −

𝑗) là cầu đối với các hàng hóa hỗn hợp. Độ co dãn của hàng thay thế các hàng hóa

trung gian hỗn hợp được bán bởi một tỷ lệ 1/N các nhà nhập khẩu được giả định là

𝑁−1 𝑗=0

bằng 1, và vì vậy chỉ số giá chung tại thời điểm t (lấy log) là 𝑝𝑡 = 𝑁−1 ∑ 𝑝𝑡(𝑡 − 𝑗)

với 𝑃𝑡(𝑡 − 𝑗) = 𝑙𝑛𝑃𝑡(𝑡 − 𝑗).

Tất cả các mặt hàng trung gian khác biệt được nhập khẩu ở cùng một giá ngoại

t, giá này ngoài tầm kiểm soát của các nhà nhập khẩu.

tệ, P*

Lợi nhuận của các nhà nhập khẩu, quy ra đồng tiền nội địa, tại thời điểm t được

xác định bởi công thức:

𝑡

∗𝐶𝑡(𝑖, 𝑡 − 𝑗)

(9) ∏ (𝑖, 𝑡 − 𝑗) = 𝑃𝑡(𝑖, 𝑡 − 𝑗)𝐶𝑡(𝑖, 𝑡 − 𝑗) − (1 + 𝜏)𝑆𝑡𝑃𝑡

Trong đó St là tỷ giá hối đoái danh nghĩa, và 𝜏 là chi phí vận chuyển mà nhà

nhập khẩu phải gánh chịu. Giá mà nhà nhập khẩu đòi hỏi, ở mức mà tối đa hóa lợi

𝜃

∗

nhuận trong điều kiện giá cả biến động được xác định như sau:

𝜃−1

∗ lần lượt đại diện cho sự tăng giá và chi phí

(10) 𝑃̂𝑡(𝑖, 𝑡 − 𝑗) = (1 + 𝜏)𝑆𝑡𝑃𝑡

∗ + 𝜇 với 𝑠𝑡 = 𝑙𝑛𝑆𝑡 và 𝜇 = ln(𝜃/(𝜃 − 1) ) + * đều được giả định là tuân theo quy luật bước đi ngẫu nhiên với

Trong đó, 𝜃/(𝜃 − 1) và (1 + 𝜏)𝑆𝑡𝑃𝑡

∗), được cho bởi 𝛿2.

biên. Bằng cách lấy log giá đòi hỏi, giá mà giống nhau giữa các công ty nhập khẩu 𝑃̂𝑡 = 𝑃̂𝑡(𝑖, 𝑡 − 𝑗), chúng ta có 𝑝̂𝑡 = 𝑠𝑡 + 𝑝𝑡 ln (1 + 𝜏). Cả st và pt

phương sai của tổng các sự tăng giá, ∆(𝑠𝑡 + 𝑝𝑡

Trong giai đoạn đầu của hợp đồng, nhà nhập khẩu đặt giá tại 𝑝̂𝑡. Đối với phần

còn lại của thời gian hợp đồng, họ biểu thị trong quan hệ với lạm phát tổng hợp, cụ thể:

𝜋𝑡 = 𝑝𝑡 − 𝑝𝑡−1. Lưu ý rằng giá cả chỉ được chỉnh theo lạm phát của giai đoạn đầu, thay

vì theo chỉ số lạm phát có độ trễ của từng kỳ như quy tắc trong nghiên cứu của

Christiano và cộng sự (2005). Trong khi các chương trình định giá sau đó cũng có thể

được giới thiệu trong mô hình, giả định trước đây làm đơn giản hóa việc phân tích.

Trong thực tế, những hợp đồng được soạn cho thời gian cố định có thể được

đàm phán lại trong trường hợp đặc biệt. Bằng cách trả một chi phí cố định, các công ty

có thể không tham gia vào hợp đồng và đặt lại giá của họ ở mức độ mong muốn. Do

đó, giá cả trong giai đoạn thứ hai trở thành ở trong trạng thái tùy thuộc với tất cả các

công ty phải đối mặt với cùng xác suất từ bỏ hợp đồng trong giai đoạn thứ hai. Các tác

giả cũng cho phép các công ty đưa ra quyết định của mình một cách tuần tự bằng cách

giả định rằng lạm phát tổng hợp là không được quan sát bởi từng công ty tại thời điểm

hợp đồng. Tuy nhiên, thay vì chính thức thu được các biện pháp đặt giá tùy thuộc, các

tác giả thực hiện theo nghiên cứu của Ball và các cộng sự (1988), Romer (1990), và

Devereux và Yetman ( 2002,2010 ), và những người khác, và tái xây dựng hành vi tối

ưu hóa của công ty để xác suất của việc có (hay không) thay đổi giá của nó với mức giá

mong muốn được xác định một cách nội tại. Để cho k(t) là xác suất có điều kiện mà một

công ty sẽ không không tham gia vào hợp đồng, cho thấy việc công ty có thực hiện hợp đồng trong giai đoạn hiện tại. Sau khi thiết lập giá hợp đồng mới 𝑃̂𝑡 tại thời điểm t, các công ty quan sát lạm phát tổng hợp 𝜋𝑡 và chọn k(t) để tối đa hóa lợi nhuận của họ. Như trong nghiên cứu của Walsh (2003), chúng ta có thể viết lại các điều kiện tối đa hóa lợi

nhuận bằng cách sử dụng độ lệch bình phương dự kiến của giá thực tế so với giá mong

muốn trong từng thời kỳ.

Trường hợp hợp đồng 2 giai đoạn:

Khi N = 2, giá trị tối ưu của k(t) được lựa chọn bằng cách tối thiểu hóa khoản

thiệt hại kỳ vọng, được xác định bởi công thức:

2)𝑘(𝑡)

(11) 𝐿𝑡 = 𝐸𝑡[𝛽𝑘(𝑡)(𝑃̂𝑡 + 𝜋𝑡 − 𝑃̂𝑡−1)2] + 𝛽(1 − 𝑘(𝑡))𝐹 = 𝛽𝐹 − 𝛽(𝐹 − 𝛿2 − 𝜋𝑡

Trong đó β là nhân tố chiết khấu và F là giá đã được cố định. Ở đây ta loại bỏ

2 > 𝐹 − 𝛿2.

khản năng F < 𝛿2, vì khoản thiệt hại luôn được tối thiểu hóa bởi việc cho k(t) = 0. Khi

2 ≤ 𝐹 − 𝛿2 và k(t) = 0 nếu 𝜋𝑡

đó, với giá trị F và 𝛿2 cho trước, k(t) = 1 nếu 𝜋𝑡

Sử dụng định nghĩa của chỉ số giá tổng hợp, ta có:

∗ + 𝜇) −

∗) +

𝑘(𝜋𝑡−1) 2

(12) 𝑝𝑡 = (𝑝𝑡(𝑡) + 𝑝𝑡(𝑡 − 1)) = (𝑠𝑡 + 𝑝𝑡 ∆(𝑠𝑡 + 𝑝𝑡 𝜋𝑡−1

∗ + 𝜇, và những công ty với các hợp đồng được lập ở các kỳ trước đặt giá

Bởi vì công ty với những hợp đồng thiết lập giá pt(t) ở mức giá mong muốn,

𝑃̂𝑡 = 𝑠𝑡 + 𝑝𝑡 của họ 𝑝𝑡(𝑡 − 1) ở mức (1 − 𝑘(𝜋𝑡−1))𝑝̂𝑡 + 𝑘(𝜋𝑡−1)(𝑃̂𝑡−1 + 𝜋𝑡−1).

Hàm lạm phát được viết lại như sau:

∗

∗) +

𝑘(𝜋𝑡−1) 2

𝑘(𝜋𝑡−2) 2

𝑘(𝜋𝑡−1) 2

𝑘(𝜋𝑡−2) 2

) + 𝜋𝑡 = (1 − ) ∆(𝑠𝑡 + 𝑝𝑡 𝜋𝑡−1 + 𝜋𝑡−2 ∆(𝑠𝑡−1 + 𝑝𝑡−1

(13)

∗)

Các tác giả thực hiện theo Devereux và Yetman (2010), và những người khác,

và xem xét ERPT (ngắn hạn) trong điều kiện lấy sai phân bậc 1 của 𝜋𝑡 với ∆(𝑠𝑡 + 𝑝𝑡

hay:

𝑘(𝜋𝑡−1) 2

(14) 𝐸𝑅𝑃𝑇 = 1 −

(tùy thuộc vào lạm phát có độ trễ 𝜋𝑡−1).

Khi −√𝐹 − 𝜎2 ≤ 𝜋𝑡−1 ≤ √𝐹 − 𝜎2 , 𝑘(𝜋𝑡−1) nhận giá trị là 1 và ERPT bằng

0,5. Ngược lại, khi |𝜋𝑡−1| > √𝐹 − 𝜎2, mô hình ERPT hoàn toàn.

Trường hợp hợp đồng 3 giai đoạn:

Khi N = 3, hàm thiệt hại kỳ vọng trở thành hàm bậc 2 của k(t) , được xác định

bởi công thức:

𝐿𝑡 = 𝐸𝑡[𝛽𝑘(𝑡)(𝑝̂𝑡 + 𝜋𝑡 − 𝑝̂𝑡+1)2(𝛽𝑘(𝑡))2(𝑝̂𝑡 + 2𝜋𝑡 − 𝑝̂𝑡+2)2] + 𝛽(1 − 2)𝑘(𝑡) − 𝑘(𝑡))(1 + 𝛽)𝐹 + 𝛽2𝑘(𝑡)(1 − 𝑘(𝑡))𝐹 = 𝛽(1 + 𝛽)𝐹 − 𝛽(𝐹 − 𝜎2 − 𝜋𝑡

2)(𝑘(𝑡))2

(15) 𝛽2(𝐹 − 2𝜎2 − 4𝜋𝑡

Tỷ suất sinh lợi có điều kiện đầu tiên k(t) được xác định:

2) −(𝐹−𝜎2−𝜋𝑡 2) 2𝛽(𝐹−2𝜎2−4𝜋𝑡

2 < 0

(16) 𝑘(𝜋𝑡) =

2 > 0 và 𝐹 − 𝜎2 − 𝜋𝑡

2 + 𝐹 − 𝜎2 − 𝜋𝑡

Với 𝐹 − 𝜎2 − 𝜋𝑡

Trong trường hợp này, k(t) có chức năng làm giảm sự biến động của tỷ lệ lạm

phát 𝜋𝑡. Ngược lại, k(t) trở thành chỗ để che dấu với việc nhận giá trị 0 hoặc 1. Cụ thể,

2 < 0 thì k(t) = 1. Nếu 𝐹 − 𝜎2 −

2 + 𝐹 − 𝜎2 − 𝜋𝑡

2 > 0 và 𝐹 − 𝜎2 − 𝜋𝑡 2 ≤ 0 thì k(t) = 0. Chỉ số giá tổng hợp được xác định là:

∗) −

nếu 𝐹 − 𝜎2 − 𝜋𝑡 𝜋𝑡

𝑘(𝜋𝑡−1)+𝑘(𝜋𝑡−2)2 3

∗

𝑝𝑡 = (𝑝𝑡(𝑡) + 𝑝𝑡(𝑡 − 1) + 𝑝𝑡(𝑡 − 2) = (𝑠𝑡 + 𝑝𝑡 ∆(𝑠𝑡 + 𝑝𝑡

3 𝑘(𝜋𝑡−2)2 3

𝑘(𝜋𝑡−1) 3

2𝑘(𝜋𝑡−2)2 3

) + 𝜋𝑡−1 + 𝜋𝑡−2 ∆(𝑠𝑡−1 + 𝑝𝑡−1

Trong đó đẳng thức thứ hai tuân theo dạng: 𝑝𝑡(𝑡 − 1) = (1 − 𝑘(𝜋𝑡−1))𝑝̂𝑡 +

𝑘(𝜋𝑡−1)(𝑝̂𝑡−1 + 𝜋𝑡−1) và 𝑝𝑡(𝑡 − 2) = (1 − 𝑘(𝜋𝑡−1)2)𝑝̂𝑡 + 𝑘(𝜋𝑡−1)2(𝑝̂𝑡−2 + 2𝜋𝑡−2).

∗) −

Hàm lạm phát được viết lại như sau:

𝑘(𝜋𝑡−1)+𝑘(𝜋𝑡−2)2 3

∗

𝜋𝑡 = (1 − ) ∆(𝑠𝑡 + 𝑝𝑡 (𝑘(𝜋𝑡−2)2 − 𝑘(𝜋𝑡−2) −

𝑘(𝜋𝑡−1) 3

𝑘(𝜋𝑡−3)2 3

) + ) + 𝜋𝑡−1 + (2𝑘(𝜋𝑡−2)2 − 𝑘(𝜋𝑡−3)2)∆(𝑠𝑡−1 + 𝑝𝑡−1 ∆(𝑠𝑡−2 + 𝑝𝑡−2

2𝑘(𝜋𝑡−3)2 3

(17) 𝑘(𝜋𝑡−2)) − 𝜋𝑡−3

ERPT được xác định theo công thức:

𝑘(𝜋𝑡−1)+𝑘(𝜋𝑡−2)2 3

(18) 𝐸𝑅𝑃𝑇 = 1 −

(phụ thuộc vào 𝜋𝑡−1 và 𝜋𝑡−2).

Trường hợp hợp đồng N giai đoạn:

∗ ) (với j = 1, …, N – 1).

Với cách lập luận tương tự, trường hợp N, lạm phát hiện tại trở thành một hàm

theo 𝜋𝑡−𝑗 (với j = 1, …, N) và ∆(𝑠𝑡−𝑗 + 𝑝𝑡−𝑗

∑

𝑁−1 𝑗=1

ERPT với N bất kỳ được xách định là:

𝑘(𝜋𝑡−𝑗)𝑗 𝑁

(19) 𝐸𝑅𝑃𝑇 = 1 −

𝑁−1 𝑗=1

đại diện cho bộ Trong đó 𝑘(𝜋𝑡−𝑗) là hàm phi tuyến theo (𝜋𝑡−𝑗). ∑ 𝑘(𝜋𝑡−𝑗)𝑗

phận các công ty điều chỉnh các quy tắc lập chỉ số và ERPT bây giờ có thể thay đổi từ

1/N đến 1. Nhìn chung, ERPT là một hàm phi tuyến ít biến động của tỷ lệ lạm phát có

độ trễ, với động lực của nó có thể xấp xỉ bằng mô hình STAR với một hàm chuyển đổi

dạng chữ U.

Từ các nghiên cứu của Balletal (1988), Romer (1990), Devereux và Yetman

(2002, 2010), và các nhà nghiên cứu khác, và việc tái xây dựng lại hành vi tối ưu hóa

của các công ty, cho rằng có thể (hoặc không thể) sự thay đổi giá theo các mức giá

mong muốn là do yếu tố ngoại sinh tác động. Gọi K(t) là xác suất (có điều kiện) mà một

công ty tuân theo điều khoản hợp đồng hiện tại mà sẽ tiếp tục duy trì trong thời gian

tới. Trong đó, số t ở (trên) là xác suất mà tất cả các công ty ký các hợp đồng mới tại

thời điểm t, tuy nhiên không bao gồm cho các công ty đồng chủ khác. Sau khi thiết lập

giá mới tại thời điểm t, các công ty này sẽ quan sát tổng mức lạm phát t và chọn giá

trị K(t) để tối thiểu hóa khoản lỗ kì vọng theo công thức dưới đây:

2 (𝛽𝑘(𝑡))𝑗(𝑝̂𝑡 + 𝑗𝝅𝒕 − 𝑝̂𝑡+𝑗)

𝑁−1 𝑗=1

𝑁−𝑗 𝜚=1

1− 𝑘(𝑡) 𝑘(𝑡)

⌋ + ∑ (𝛽𝑘(𝑡))𝑗 (∑ 𝛽𝜚−1 )𝐹 𝐿𝑡 = 𝐸𝑡 ⌊∑

(t) là nhân tố giảm giá. Hàm số trên ngụ ý rằng khoản lỗ là một hàm

(20)

Trong đó βk

tăng của tỷ lệ lạm phát với một giá trị tuyệt đối. Khi tỷ lệ lạm phát tăng (tương ứng với

sự gia tăng chi phí cố định), một công ty có thể tối thiếu hóa lỗ bằng cách tránh chỉ số

lạm phát này. Chiến lược này dẫn đến giá trị K(t) thấp hơn ( hoặc độ dài trung bình thời

gian N* ngắn hơn). Trong trường hợp lạm phát tăng mạnh, K(t) = 0 (hoặc N* =1) được

lựa chọn với một mức giá là t, t+1,t + (N-1) . Trong trường hợp lạm phát rất thấp, K(t)

= 1 (hoặc N* =N) có thể được lựa chọn mức giá là t, t + t , t + 2t,…t + (N -

1)2t. Nhìn chung, giữa hai trạng thái quá cao và quá thấp; giải pháp có thể biểu thị

bằng một hàm số của tỷ lệ lạm phát và có thể biểu thị như sau K(t) = K(t).

ERPT (ngắn hạn) được định nghĩa như là sự chuyển hóa lần đầu của t đối với

t). Sử dụng đường cong Phillip động có nguồn

sự thay đổi trong chi phí biên ( st - *

gốc từ mô hình này, ERPT có thể được biểu thị trong các kỳ hạn của K(t-j) = K(t-j) với

j = 0,…, N-1, vì vậy ERPT phụ thuộc trực tiếp vào độ trễ của lạm phát. Khi N =2 mô

hình trở thành mô hình Tayor 2 giai đoạn (1980) với khả năng không tham gia vào giai

đoạn 2 như trong nghiên cứu của Ball and Mankiw (1994) và Devereux and Siu (2007).

Trường hợp đơn giản, các xung lực của lạm phát tuân theo mô hình AR(2) phi tuyến

với ERPT là 1 – K(t-1)/2 trong đó K(t-1) =1 (t-1 ≤ √𝐹 − 2 . Hình 2-1 trình bày

mối quan hệ dự kiến giữa độ trễ lạm phát và ERPT. Quá trình chuyển đổi đột ngột tại

giá trị ngưỡng √𝐹 − 2 và - √𝐹 − 2 ngụ ý một khả năng xấp xỉ của ERPT bởi

phương sai của mô hình tự hồi quy ngưỡng (TAR), thỉnh thoảng được xem như là mô

hình TAR 3 cơ chế hoặc mô hình TAR dải. Khi N bắt đầu lớn hơn 2, sự chuyển đổi trở

nên bằng phẳng hơn. Chẳng hạn, khi N =3, lạm phát tuân theo mô hình AR(3) phi

tuyến với ERPT là 1 - k(t-1) + k(t-2)2/3 trong đó

2) −(𝐹−𝜎2−𝜋𝑡 2) 2𝛽(𝐹−2𝜎2−4𝜋𝑡

(21) 𝑘(𝜋𝑡) =

t > 0 và F - 2 - 2

t > 0 + 2β (F - 22 - 42

t) < 0. Như được

Điều kiện F - 2 - 2

trình bày ở hình 2-2 (áp đặt β = 0.98 và t-1 = t-2) mối quan hệ phi tuyến phẳng hơn

giữa lạm phát và ERPT giống các xung lực hiệu chỉnh được mô tả trong các mô hình

STAR với hàm chuyển đổi hình chữ U sử dụng độ trễ lạm phát như là một biến chuyển

đổi.

Hình 2-1: Mối quan hệ dự kiến giữa độ trễ lạm phát và ERPT

Nguồn: Mototsugu Shintani, Akiko Terada-Hagiwara, Tomoyoshi Yabu (2013)

Hình 2-2: Mối quan hệ phi tuyến phẳng hơn giữa lạm phát và ERPT

Nguồn: Nguồn: Mototsugu Shintani, Akiko Terada-Hagiwara, Tomoyoshi Yabu (2013)

2.2. MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Phần này giới thiệu mô hình chuỗi thời gian phi tuyến sẽ sử dụng trong phân

tích thực nghiệm. Ba dự đoán chính cho mô hình trong bài nghiên cứu:

- Đầu tiên, lạm phát cao hơn (giá trị tuyệt đối) dẫn đến mức độ ERPT cao hơn?

- Thứ hai, ERPT được biểu diễn như là một hàm đối xứng của các tỷ lệ lạm phát

trong quá khứ xung quanh giá trị 0?

- Thứ ba, ERPT có thể được biểu thị như là một sự chuyển đổi trơn (smooth

transition) hơn là chuyển đổi đột ngột (abrupt transition) bằng việc sử dụng tỷ lệ

lạm phát trong quá khứ như là biến chuyển đổi có thể chấp nhận được với nhiều

độ trễ?

Để đưa các điểm đặc trưng này vào trong một mô hình tham số cuối cùng (đơn

giản) (parsimonious parametric model), tôi chủ yếu sử dụng mô hình STAR mũ

(ESTAR), hàm chuyển đổi dạng U đối xứng được mô tả bởi hàm mũ

(22) G(Zt; γ) = 1 – exp {- γ𝑧𝑡

Trong đó Zt là một biến chuyển đổi và γ (> 0) là một tham số xác định độ trơn

của sự chuyển đổi. Nó là một mô hình STAR được sử dụng phổ biến được đề xuất đầu

tiên bởi Haggan và Ozaki (1981) và sau đó được tổng quát hóa bởi Granger và

∗), tôi ước lượng một biến thể hai

Teräsvirta (1993) và Teräsvirta (1994) trong số những mô hình khác. Bởi vì mục tiêu

của tôi là để xác định mối quan hệ giữa πt và Δ(St + 𝑃𝑡

∗ ) + (∑

chiều của các mô hình ESTAR được chỉ rõ là

𝑁 𝑗=1

𝑁−1 𝑗=0

𝑁 𝑗=1

πt = Ø0 + ∑ Ø1,𝑗 π𝑡−𝑗 + ∑ Ø2,𝑗 Ø3,𝑗 π𝑡−𝑗 + Δ (𝑆𝑡−𝑗 + 𝑃𝑡−𝑗

∗ )) G(Zt; γ) + 𝜀𝑡

𝑁−1 𝑗=0

∗) bên phải

∑ (23) Ø4,𝑗 Δ (𝑆𝑡−𝑗 + 𝑃𝑡−𝑗

2). Chú ý rằng mức độ trễ của πt và Δ (St + 𝑃𝑡

Trong đó, ɛt ~ i.i.d.(0, 𝜎ɛ

của phương trình (23) đến từ dự báo của mô hình lý thuyết được đưa ra ở trên. Trong

khi mô hình lý thuyết của tôi cũng đề nghị đa biến chuyển đổi, ở đây tôi xem xét một

chỉ định cuối cùng (đơn giản) (parsimonious specification) và sử dụng trung bình trượt

(moving average) của tỷ lệ lạm phát trong quá khứ như một biến chuyển đổi duy nhất,

𝑑 𝑗=1

.2 Trong khuôn khổ ESTAR này, sự quan tâm của tôi là để đạt được Zt = d-1 ∑ 𝜋𝑡−𝑗

ERPT thay đổi theo thời gian được xác định bằng ERPT = Ø2,0 + Ø4,0G(Zt; γ). Tôi đặt

vào một ràng buộc 0 ≤ Ø2,0 ≤ 1 và Ø2,0 + Ø4,0 = 1 để mà ERPT rơi vào phạm vi [0,1].

Thêm vào mô hình ESTAR, mô hình chính của tôi trong phân tích, tôi cũng xem

xét các loại mô hình STAR khác dựa trên hàm chuyển đổi dạng U khác được xây dựng

từ một sự kết hợp của 2 hàm logistic. Biến thể của các mô hình LSTAR này được xem

xét trong Granger và Teräsvirta (1993) và Bec cùng cộng sự (2004) và thỉnh thoảng

được nhắc đến như là mô hình LSTAR 3 trạng thái (regime). Ở đây, tôi đơn giản gọi

mô hình này là một mô hình LSTAR kép (hoặc đôi) (DLSTAR) để nhấn mạnh sự hiện

G(Zt; γ1; γ2; c1;c2) = (1 + exp{- γ1(Zt - c1)})-1

+ (1 + exp{γ2(Zt + c2)})-1

diện của 2 hàm logistic3. Hàm chuyển đổi trong mô hình DLSTAR được đưa ra bởi

Trong đó, γ1; γ2 (>0) lần lượt là các tham số xác định độ trơn của sự chuyển đổi

trong các miền dương và âm, và c1; c2 (>0) là các tham số vị trí (location parameter).

Các định nghĩa của tất các biến và các tham số khác vẫn giống như trong mô hình

ESTAR. Hàm quan tâm của tôi, ERPT, được tính toán tương tự như sau

ERPT = Ø2,0 + Ø4,0 G(Zt; γ1; γ2; c1;c2)

Lý do cho việc xem xét chỉ định (đặc điểm) khác của hàm chuyển đổi là gấp

đôi. Đầu tiên, như được chỉ ra bởi van Dijk cùng cộng sự (2002), hàm chuyển đổi trong

, mà mang lại một

2 Như trong Kilian và Taylor (2003), tôi có thể sử dụng biến chuyển đổi, Zt = √𝑑−1 ∑

𝑑 𝑗=1

2 𝜋𝑡−𝑗

chỉ định cuối cùng tương tự. Kết quả chủ yếu hóa ra không bị tác động ngay khi biến chuyển đổi của tôi được thay thế bởi sự thay thế này. 3 Tôi sử dụng thuật ngữ này bởi vì mô hình khác biệt với các mô hình STAR nhiều trạng thái được xác định trong van Dijk cùng cộng sự (2002)

mô hình ESTAR sụp đổ thành (trở nên) bất biến khi γ tiến tới vô cùng. Do đó, mô hình

không lồng ghép mô hình TAR với sự chuyển đổi rời rạc (đột ngột) như được dự báo

bởi lý thuyết khi chỉ có 2 nhóm công ty trong nền kinh tế. Ngược lại, mô hình

DLSTAR bao hàm mô hình TAR bằng việc cho γ1 và γ2 tiến về vô cùng. Thứ hai, và

quan trọng hơn, mô hình có thể cho vào cả các điều chỉnh đối xứng (γ1 = γ2 = γ và c1 =

c2 = c) và bất đối xứng (γ1≠ γ2 và c1 ≠ c2) giữa các miền dương và âm. Do đó, tôi có thể

nghiên cứu trường hợp này bên ngoài mô hình đơn giản của tôi mà dự đoán một mối

quan hệ đối xứng giữa ERPT và tỷ lệ lạm phát trễ. Trong việc ước lượng các mô hình

DLSTAR, tôi sử dụng cả 2 chỉ định điều chỉnh đối xứng và bất đối xứng.

Chý ý rằng tất cả các chỉ định trong phân tích của tôi có thể được trình bày như

′ Ø2 + εt

′ Ø1 + G(Zt; θ) 𝑥𝑡

∗

πt = 𝑥𝑡

∗),…, Δ (𝑆𝑡−𝑁+1 + 𝑃𝑡−𝑁+1

))’, Zt = d-1 trong đó, lần lượt xt = (1, πt-1,…, πt-N, Δ (𝑆𝑡 + 𝑃𝑡

𝑑 𝑗=1

∑ và θ = γ cho các mô hình ESTAR, θ = (γ, c)’ cho các mô hình DLSTAR đối 𝜋𝑡−𝑗

xứng, θ = (γ1; γ2; c1;c2)’ cho các mô hình DLSTAR bất đối xứng. Trong phân tích của

tôi, tôi theo van Dijk cùng cộng sự (2002) và sử dụng kiểm định tuyến tính bằng nhân

tử Lagrange (LM) so với các mô hình STAR, dựa trên mô hình giả của hình thức này

3 β3 + εt

πt = 𝑥𝑡

′ β0 + 𝑥𝑡

′ Zt β1 + 𝑥𝑡

′ 𝑍𝑡

2 β2 + 𝑥𝑡

′ 𝑍𝑡

′ 𝛽̃0 là phần dư hồi quy từ phương trình (24) với các ràng buộc β1

(24)

Cho ẽt = πt - 𝑥𝑡

= β2 = β3 = 0 và εt là phần dư từ hồi quy đầy đủ phương trình (24). Sau đó, thống kê

2. Thống kê LM tiệm cận theo phân phối χ2 với bậc tự do 3 (2N +

kiểm định LM có thể được tính toán như sau LM = T(SSR0 – SSR1)/SSR0 trong đó SSR0

2 và SSR1 =∑ ê𝑡

= ∑ ẽ𝑡

1) dưới giả thiết HO là tuyến tính. Để cải thiện thuộc tính kích thước mẫu hạn chế (hữu

hạn), Teräsvirta (1994) cũng đề xuất dùng F của thống kê kiểm định LM được đưa ra

như sau:

(𝑆𝑆𝑅0 − 𝑆𝑆𝑅1)/3 (2N + 1) 𝑆𝑆𝑅1/(𝑇−4(2𝑁+1))

FL =

Thống kê F xấp xĩ theo phân phối F với các bậc tự do 3 (2N + 1) và T - 4(2N+1)

dưới giả thiết HO. Thêm vào đó, tôi cũng sử dụng một biến thể đã qua điều chỉnh

phương sai thay đổi (heteroskedasticity-robust) của kiểm định LM (kiểm định LM với

hệ số phương sai đã qua hiệu chỉnh) được đề nghị bởi Granger và Teräsvirta (1993) và

biểu thị thống kê kiểm định bởi LM*.

3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU

3.1. DỮ LIỆU VÀ KIỂM TRA TÍNH TUYẾN TÍNH

Tất cả dữ liệu sử dụng trong ước lượng STAR được lấy từ số liệu thống kê

Invest in Forex trading và Asia Regional Integration Center. Đầu tiên, biến hồi quy độc

lập chính trong hồi quy ERPT là những thay đổi hàng tháng trong tỷ giá hối đoái danh

nghĩa và giá nhập khẩu bằng ngoại tệ (IMP). Giá đô la Mỹ thanh toán bởi nhà nhập

khẩu ở Việt Nam là giá nhập khẩu sau khi đã điều chỉnh theo từng thời kỳ sử dụng

phương pháp X12-ARIMA (thông thường với các dữ liệu chuỗi thời gian hay tồn tại

các yếu tố mùa vụ ví dụ chỉ số giá tiêu dùng CPI sẽ rất cao vào các tháng giáp tết) do

vậy khó ước lượng được các yếu tố mùa vụ này hoặc có thể khử hết các yếu tố mùa vụ

ra khỏi chuỗi dữ liệu nhằm mục đích tạo ra chuỗi dữ liệu tốt để phân tích cũng như dự

báo số liệu, ví dụ phân tích CPI bình quân trong 1 tháng thì không thể phân tích cả yếu

tố mùa vụ trong dữ liệu được, do đó việc xử lý số liệu bằng X12-ARIMA giúp chúng ta

loại bỏ yế tố mùa vụ trong dữ liệu để có thể tạo ra một chuỗi dữ liệu tốt để phân tích).

Giá nhập khẩu được tính bằng giá “Miễn trách nhiệm trên boong tàu nơi đi (FOB )”

cảng nước ngoài hoặc “giá cả, phí bảo hiểm và phí vận chuyển hàng hóa (CIF)” giá

giao dịch tại cảng Việt Nam, phụ thuộc vào thực tiễn của từng ngành công nghiệp.

Trong cả hai trường hợp, theo giả định của chúng ta về hằng số iceberg chi phí giao

dịch (tỷ lệ thuận với giá nhập khẩu bằng đồng nội tệ), giống như một công thức có thể

được dùng để tính những thay đổi hàng tháng của giá cả hàng hoá nhập khẩu, bao gồm

các chi phí giao dịch.

Hình 3-1: Chỉ số giá nhập khẩu (IMP) của Việt Nam qua các năm

Nguồn: Tính toán trên Eview 8

Hình 3-2: Thống kê mô tả chuỗi dữ liệu IMP

Nguồn: Tính toán trên Eview 8

Thứ hai, lạm phát được sử dụng cho các biến phụ thuộc và biến chuyển đổi tôi

sử dụng chỉ số giá tiêu dùng bởi mức giá nội địa trong mô hình này là giá mà người

tiêu dùng hàng hóa cuối mua sản phẩm. Lạm phát ghi nhận hàng tháng của πt được tính

ở đây CPIt là chỉ số giá tiêu dùng điều chỉnh theo từng thời kỳ. Như thể hiện trong hình

3-3 và 3-5, mẫu của tôi có giai đoạn từ tháng 01/1995 đến 12/2012 bao gồm các giai

đoạn lạm phát cao trong cuối những năm 1998, 2007, 2011 và môi trường lạm phát

tương đối ổn định sau đó, cũng như sự gia tăng trong giá dầu gần đây.

Hình 3-3: Chỉ số gia tiêu dùng (CPI) của Việt Nam qua các năm

Nguồn: Tính toán trên Eview 8

Hình 3-4: Thống kê mô tả chuỗi dữ liệu CPI

Nguồn: Tính toán trên Eview 8

Hình 3-5: Chỉ số lạm phát thông qua CPI của Việt Nam

Nguồn: Tính toán trên Win Rats 8.3

Kiểm tra chuỗi dữ liệu CPI và IMP xem chuỗi dữ liệu này có tính dừng hay

không. Yếu tố dừng hay không dừng của của biến số chuỗi thời gian có thể ảnh hưởng

mạnh mẽ đến các thuộc tính và hành vi của biến số đó – ví dụ tác động của một cú sốc

có thể kéo dài đến một khoảng thòi gian không xác định nếu chuỗi thời gian không

dừng. Thứ hai, chuỗi thời gian không dừng có thể tạo ra một kết quả hồi quy giả tạo,

nếu hai biến số đều thay đổi theo một xu hướng nào đó theo thời gian thì việc hồi quy

hai biến số này với nhau cho ra một hệ số R2 rất cao mặc dù hai biến số này hoàn toàn

không tương quan với nhau. Thứ ba, nếu các biến số trong mô hình không dừng, thì

các giả định nền tảng cho việc phân tích hồi quy dự trên quy luật phân phối chuẩn sẽ

không còn giá trị. Hay nói cách khác “t-ratio” sẽ không còn tuân theo phân phối t và

chúng ta không thực hiện được kiểm định giả thiết về giá trị của các hệ số hồi quy. Sử

dụng kiểm định KPSS để kiểm tra xem chuỗi dữ liệu dừng theo xu hướng xác định hay

là xu hướng ngẫu nhiên.

Dự vào kết quả kiểm định KPSS ở dưới, chúng ta thấy CPI và IMP là biến

không dừng theo xu hướng ngẫu nhiên ở mức ý nghĩa 10% hay nói cách khác đây là

chuỗi thời gian không dừng trong phương sai. Như vậy, thực hiện lấy sai phân bậc 1

đối với các chuỗi thời gian này, trước khi lấy sai phân ta thực hiện phương pháp

chuyển đổi dạng dữ liệu bằng cách lấy logarit của 2 chuỗi dữ liệu CPI và IMP, phương

pháp này không chỉ ổn định phương sai mà còn cải thiện tính phân phối chuẩn của

chuỗi thời gian. Sau khi thực hiện chuyển đổi dạng dữ liệu và lấy sai phân bậc 1 cho

CPI và IMP ta kiểm tra tính dừng một lần nữa cho số liệu này.

Bảng 3-1: Kiểm định tính dừng cho các biến

*)=100x(lnIMPt-

BIẾN KÝ HIỆU KPSS TÍNH DỪNG

Δ(st+pt 0.37* 4.81*** Thay đổi trong giá nhập khẩu bằng ngoại tệ (IMP) lnIMPt-1) = DS

Lạm phát 1.62*** 5.82*** πt=100x(lnCPIt- lnCPIt-1) = DP

Nguồn: Tính toán trên Eview 8

Như vậy sau khi thực hiện chuyển đổi dạng dữ liệu và lấy sai phân bậc 1 của

CPI và IMP cho ra kết quả chuỗi thời gian dừng ở sai phân bậc 1. Từ chuỗi thời gian

dừng này ta có hai biến thời gian sử dụng trong mô hình STAR với hai biển

*)=100x( lnIMPt- lnIMPt-1) và πt=100x(lnCPIt- lnCPIt-1) về mối quan hệ giữa

Δ(st+pt

truyền dẫn tỷ giá (ERPT) và lạm phát. Trong nghiên cứu của họ sử dụng sự thay đổi

trong giá nhập khẩu và lạm phát trong nước gần như là tương đương với sai phân bậc 1

(First difference) nên chuỗi dữ liệu có thể coi là dừng ở bậc 1.

*)=100x( lnIMPt- lnIMPt-1)

Kế tiếp chúng ta lựa chọn độ trễ tối ưu cho mô hình thông qua VAR Lag

Selection cho mô hình STAR theo tiêu chí AIC cho Δ(st+pt

và πt=100x(lnCPIt- lnCPIt-1) ở mức độ trễ mà chỉ số AIC thấp nhất. Theo như kết quả

kiểm định thì mức độ trễ Lag = 5 là tối ưu nhất cho hai biến số trên, mặc dù độ trễ tối

ưu riêng của πt là 6.

Bảng 3-2: Lựa chọn độ trễ cho các biến trong mô hình

VAR Lag Selection Lag 0 1 3 4 5 6 7 8 9 10 11 12 AIC 994.07 324.33 275.00 272.55 267.99  Min 269.00 274.17 269.69 274.86 274.84 278.58 283.87

Nguồn: Tính toán trên Win Rats 8.3

Như một kiểm tra sơ bộ, trước tiên chúng ta tiến hành kiểm tra LM tuyến tính

đối với lựa chọn thay thế STAR. Kết quả sử dụng N = 5 và d từ 1 đến 5 được báo cáo

trong Bảng 3-2. Lạm phát được sử dụng cho các biến phụ thuộc và biến chuyển đổi,

biến đại diện cho lạm phát của Việt Nam là chỉ số giá tiêu dùng. F-stat cho kết quả khá

mạnh rằng dao động của lạm phát là phi tuyến tính với tất cả các giá trị của d, kiểm

định LM (kiểm định LM với hệ số phương sai đã qua hiệu chỉnh) được đề nghị bởi

Granger và Teräsvirta (1993).

Bảng 3-3: Kiểm tra thay thế tuyến tính

𝑑 𝑗=1

) Transition Variable (𝑧𝑡 = 𝑑−1 ∑ 𝜋𝑡−1 Test statistics d=1 d=2 d=3 d=4 d=5 H0

Linear AR 2.79 1.93 1.89 1.75 1.51 FL

p-value 0.00 0.02 0.03 0.04 0.10

Nguồn: Tính toán trên Win Rats 8.3

Độ trễ N=5. Kiểm định LM test, F-Stat và heteroskedasticity-robust của LM.

3.2. MÔ HÌNH ESTAR

Độ trễ được cố định N = 5 và lấy các giá trị của d từ 1 đến 5 để làm tối thiểu hóa

(SSR) của phương trình (23).

Bảng 3-4: Lựa chọn độ trễ cho biến chuyển tiếp mô hình ESTAR

ESTAR

d d=1 d=2 d=3 d=4 d=5

36.64* 36.66 37.44 37.37 36.72 SSR

Nguồn: Tính toán trên Win Rats 8.3

Quy trình này dẫn đến sự lựa chọn d = 1. Bắt đầu mô hình với N = 5, tôi liên tục

loại bỏ các biến trễ với t của tham số tương ứng <1.0 trong giá trị tuyệt đối. Kết quả

của đặc điểm kỹ thuật chung và ước lượng cho các mô hình Estar như sau:

Bảng 3-5: Kết quả hồi quy mô hình ESTAR

Nonlinear Least Squares - Estimation by BFGS Restricted Convergence in 32 Iterations. Final criterion was 0.0000097 <= 0.0000100 Dependent Variable Monthly Data From Usable Observations Degrees of Freedom Skipped/Missing (from 215) Centered R^2 DP 1995:02 To 2012:12 210 195 5 0.6119677

0.5841089 0.7673618 0.5708264590 0.7001059966 0.4514956806 39.750428181 21.9668 0.0000000 -123.2060 1.9155

Coeff Std Error T-Stat Signif

0.112984 0.037897 2.98134 0.632819 0.080679 7.84362 -0.113204 0.057840 -1.95721 0.158351 0.051103 3.09867 -0.110944 0.050159 -2.21184 594547.1

R-Bar^2 Uncentered R^2 Mean of Dependent Variable Std Error of Dependent Variable Standard Error of Estimate Sum of Squared Residuals Regression F(14,195) Significance Level of F Log Likelihood Durbin-Watson Statistic Variable *********************************************************** 0.00323559 1. C0 0.00000000 2. BP1 0.05175024 3. BP2 0.00223112 4. BP3 0.02813877 5. BP5 0.00000000 6. BS0 0.001000 0.000000 0.02996795 7. BS1 0.224850 0.102835 2.18652 0.00901015 8. BS2 -0.353284 0.133916 -2.63810 0.04897686 9. BS4 0.130153 0.065695 1.98118 0.00506788 10. C0_OUT 2.476622 0.873636 2.83484 0.00120076 11. BP1_OUT -1.178670 0.358580 -3.28705 0.00538517 12. BP4_OUT -0.663399 0.235701 -2.81457 0.00384558 13. BP5_OUT 1.267259 0.433160 2.92562 0.00673208 14. BS3_OUT -0.585684 0.213824 -2.73909 0.00329369 15. GAM 0.074199 0.024935 2.97564

Nguồn: Tính toán trên Win Rats 8.3

∗

Phương trình rút gọn của ESTAR:

∗) 𝜋𝑡 = 0.113 + 0.633𝜋𝑡−1 − 0.113𝜋𝑡−2 + 0.158𝜋𝑡−3 − 0.111𝜋𝑡−5 + 0.001𝛥(𝑠𝑡 + 𝑝𝑡 ∗ ) + 0.130 𝛥(𝑠𝑡−4 + 𝑝𝑡−4

) ) − 0.353𝛥(𝑠𝑡−2 + 𝑝𝑡−2

∗

+ 0.225𝛥(𝑠𝑡−1 + 𝑝𝑡−1 + [2.477 – 1.179𝜋𝑡−1 − 0.633𝜋𝑡−4 + 1.2670.633𝜋𝑡−5

)]𝐺(𝑧𝑡; 𝛶̂) + 𝜀𝑡̂ − 0.586𝛥(𝑠𝑡−3 + 𝑝𝑡−3

1 𝑗=1 0.452

1−1 ∑ 𝜋𝑡−1 ) } 𝐺(𝑧𝑡; 𝛶̂) = 1 − 𝑒𝑥𝑝 {0.074 (

𝑅2 = 0.612, 𝑆𝑒 = 0.452, Obs = 210, Regression F(14,195) = 21.967,

Significance Level of F = 0.00

trong đó t là giá trị tuyệt đối được đưa ra trong dấu ngoặc đơn dưới dạng ước lượng

tham số, R2 là biểu thị hệ số xác định, se là sai số chuẩn của hồi quy, obs là số quan sát.

Hình 3-6: ERPT tương ứng với biến chuyển đổi trong mô hình ESTAR

Nguồn: Tính toán trên Win Rats 8.3

Hình 3-6 cho thấy rằng mức độ ERPT trở nên lớn nhất khi biến chuyển đổi, cụ

thể là tỷ lệ lạm phát trung bình có độ trễ, vượt quá 1 đơn vị lạm phát và lên tới gần 0.9

cho thấy mức độ truyền dẫn rất lớn của tỷ giá danh nghĩa và chỉ số giá nhập khẩu tới

lạm phát của Việt Nam trong giai đoạn 1995 – 2012. Chỉ cần lạm phát tăng lên 4 điểm

đơn vị trong lạm phát thì sẽ mức độ ERPT gần như sẽ bằng 1. Tuy nhiên, mức độ

ERPT với giảm phát lại không lớn, hình 3-6 cũng cho chúng ta thấy khi giảm phát ở

mức -1 điểm đơn vị, thì mức độ ERPT của tỷ giá hối đoái danh nghĩa và chỉ số giá

nhập khẩu ở mức cao nhất chỉ khoảng 0.2. Hình 3-7 cho thấy ước lượng của ERPT

theo thời gian tương đối trơn cho mô hình ESTAR.

Hình 3-7: ERPT theo thời gian mô hình ESTAR

Nguồn: Tính toán trên Win Rats 8.3

Hình 3-7 cho thấy có bốn đoạn cao ERPT khác nhau. Đoạn cao ERPT đầu tiên

là vào năm 1995, cũng dễ nhận ra tại sao mức độ ERPT lại cao vào năm 1995 là vì

nhiều sự kiện quan trọng trong quan hệ quốc tế của nước ta đã dồn dập diễn ra, trong

đó nổi lên ba sự kiện: ngày 11-7 Tổng thống Hoa Kỳ B. Clinton tuyên bố bình thường

hóa quan hệ ngoại giao với Việt Nam; ngày 17-7 Việt Nam và Liên hiệp châu Âu (EU)

ký Hiệp định khung, ngày 28-7 Việt Nam chính thức trở thành thành viên của Hiệp hội

các nước Đông Nam Á (ASEAN). Sự kiện này là một dấu son trên con đường hội nhập

khu vực và thế giới, thúc đẩy sự cộng tác tích cực mở rộng mậu dịch kể cả việc nghiên

cứu các vấn đề về buôn bán hàng hoá giữa các nước, cải thiện các phương tiện giao

thông và một sự kiện quan trọng nữa là cuối năm 1994 thị trường trái phiếu Mỹ sụp đổ.

Trong thập kỷ đầu tiên của thế kỷ XXI, Việt Nam chứng kiến một giai đoạn

tăng trưởng kinh tế có tốc độ chững lại so với thập niên trước đó. Vào cuối thập niên

1990, đà tăng trưởng kinh tế của Việt Nam chậm lại vì những dấu hiệu do dự trong tiến

trình cải cách kinh tế chính các điều này dã làm cho ERPT gia tăng cao lên đến 0.47

trong năm 1995, đồng thời đi liền với những ảnh hưởng lan truyền tiêu cực từ cuộc

khủng hoảng tài chính Châu Á 1997 cụ thể mức độ ERPT tăng lên mức 0.5. Hậu quả

của tình trạng này là nền kinh tế trải qua một giai đoạn suy giảm tốc độ tăng trưởng đi

liền với hiện tượng giảm phát trong những năm 1999-2001. Trước tình hình đó, một kế

hoạch kích thích kinh tế thông qua nới lỏng tín dụng và mở rộng đầu tư nhà nước bắt

đầu được thực hiện từ năm 2000.

Việc duy trì chính sách kích thích tương đối liên tục trong những năm sau đó,

một mặt giúp nền kinh tế lấy lại phần nào đà tăng trưởng, nhưng mặt khác đã tích tụ

những mầm mống gây ra lạm phát cao bắt đầu bộc lộ từ giữa năm 2007. Thêm vào đó,

việc gia nhập Tổ chức Thương mại Thế giới (WTO) vào tháng 11/2006 mở ra một thời

kỳ hội nhập sâu rộng chưa từng có, khiến mức độ giao lưu thương mại và đầu tư quốc

tế tăng vọt, làm dòng vốn vào (cả đầu tư trực tiếp lẫn gián tiếp) tăng mạnh. Nhu cầu ổn

định đồng tiền Việt đòi hỏi Ngân hàng Nhà nước phải trung hòa một lượng ngoại tệ rất

lớn, góp phần thổi bùng lạm phát trong năm 2008. Nhìn chung, việc kiểm soát vĩ mô

trong giai đoạn này tỏ ra lúng túng. Cộng với những tác động to lớn của cuộc khủng

hoảng kinh tế thế giới, trong hai năm 2008-2009, nền kinh tế phải hứng chịu thời kỳ

tăng trưởng kinh tế ở mức thấp đi liền với lạm phát cao. Dựa trên hình 3-7 ta thấy mức

độ biến động ERPT lên tới mức 0.88 vào 2007-2008.

Kéo theo đó năm 2011 cuộc khủng hoảng kinh tế toàn cầu nổ ra trong khi dư âm

của cuộc khủng hoảng tài chính 2007-2008 vẫn còn chưa dứt đã đẩy mức độ lạm pháp

trong nền kinh tế Việt Nam lại tăng cao trở lại và mức độ ERPT lúc này đạt mức 0.75

tuy thấp hơn so với 2007-2008 nhưng lại rất cao trong giai đoạn xem xét.

3.3. MÔ HÌNH DLSTAR ĐỐI XỨNG

Để chọn tham số với độ trễ cho các biến chuyển đổi cho hồi quy phiên bản đối

xứng của mô hình DLSTAR, tôi sử dụng một trình tự tương tự như sử dụng ước tính

của mô hình ERPT ESTAR.

Bảng 3-6: Lựa chọn độ trễ cho biến chuyển tiếp mô hình DLSTAR đối xứng

SDLSTAR

d d=1 d=2 d=3 d=4 d=5

34.69 35.30 35.83 34.12 32.92* SSR

Nguồn: Tính toán trên Win Rats 8.3

Quy trình này dẫn đến sự lựa chọn d = 5. Bắt đầu mô hình với N = 5, tôi liên tục

loại bỏ các biến trễ với t của tham số tương ứng <1.0 trong giá trị tuyệt đối và kết quả

hồi quy được đưa ra như sau:

Bảng 3-7: Kết quả hồi quy mô hình SDLSTAR

DP 1995:02 To 2012:12 210 193

Nonlinear Least Squares - Estimation by BFGS Restricted Convergence in 39 Iterations. Final criterion was 0.0000027 <= 0.0000100 Dependent Variable Monthly Data From Usable Observations Degrees of Freedom Skipped/Missing (from 215) 5 Centered R^2 R-Bar^2 Uncentered R^2 Mean of Dependent Variable Std Error of Dependent Variable Standard Error of Estimate Sum of Squared Residuals 0.6718115 0.6446042 0.8032402 0.5708264590 0.7001059966 0.4173687890 33.619964257

24.6923 0.0000000 -105.6184 1.9993

Signif Coeff Std Error T-Stat

Regression F(16,193) Significance Level of F Log Likelihood Durbin-Watson Statistic Variable *********************************************************** 0.03183327 4.09226 0.00006273 1. C0 0.13027 0.05154066 14.82452 0.00000000 2. BP1 0.76406 0.06365057 -2.38836 0.01788781 3. BP2 -0.15202 0.05544013 2.99926 0.00306297 4. BP3 0.16627 0.00000000 0.00000 0.00000000 5. BS0 0.00100 0.27221 6. BS1 0.09730803 2.79746 0.00567247 -0.42124 0.12519813 -3.36464 0.00092454 7. BS2 0.06040928 2.52198 0.01247794 0.15235 8. BS4 -6.25819 1.55203749 -4.03224 0.00007950 9. C0_OUT -1.60236 0.29640765 -5.40595 0.00000019 10. BP1_OUT -0.40990 0.24755554 -1.65581 0.09938435 11. BP2_OUT -0.39426 0.17366754 -2.27025 0.02429698 12. BP3_OUT 0.56720 13. BP5_OUT 0.18478262 3.06960 0.00245218 12.71804 2.88457525 4.40898 0.00001723 14. BS1_OUT -5.22793 1.29410966 -4.03979 0.00007718 15. BS3_OUT 0.82350955 3.68934 0.00029233 3.03820 16. GAM 0.13083527 14.36930 0.00000000 1.88001 17. LOC

Nguồn: Tính toán trên Win Rats 8.3

∗) 𝜋𝑡 = 0.130 + 0.764𝜋𝑡−1 − 0.152𝜋𝑡−2 + 0.166𝜋𝑡−3 + 0.001𝛥(𝑠𝑡 + 𝑝𝑡

∗

Phương trình rút gọn của SDLSTAR:

∗

) ) − 0.421𝛥(𝑠𝑡−2 + 𝑝𝑡−2 ) + 0.152 𝛥(𝑠𝑡−4 + 𝑝𝑡−4

−1

+ 0.272𝛥(𝑠𝑡−1 + 𝑝𝑡−1 + [−6.258 – 1.602𝜋𝑡−1 − 0.410𝜋𝑡−2 − 0.394𝜋𝑡−3 + 0.567𝜋𝑡−5 )]𝐺(𝑧𝑡; 𝛶̂; 𝐶̂) + 𝜀𝑡̂ ) − 5.278𝛥(𝑠𝑡−3 + 𝑝𝑡−3 + 12.718𝛥(𝑠𝑡−1 + 𝑝𝑡−1

5 𝑗=1

−1

5−1 ∑ − 1.880 }) 𝐺(𝑧𝑡; 𝛶̂; 𝐶̂) = (1 + 𝑒𝑥𝑝 {−3.038 𝜋𝑡−𝑗 0.417

5 𝑗=1

5−1 ∑ + 1.880 }) + (1 + 𝑒𝑥𝑝 {3.038 𝜋𝑡−𝑗 0.417

𝑅2 = 0.672, 𝑆𝑒 = 0.417, Obs = 210, Regression F(16,193) = 24.692,

Significance Level of F = 0.00

Hình 3-8: ERPT tương ứng với biến chuyển đổi trong mô hình DLSTAR đối xứng

Nguồn: Tính toán trên Win Rats 8.3

Một lần nữa, ước lượng của các tham số tỉ lệ γ (=γ1 = γ2) được thể hiện trong

khoản của một biến chuyển đổi chuẩn hóa. Như biểu diễn trong hình 3-8, hình dạng

5 𝑗=1

của ERPT ∅2,0 ̂ + ∅4,0 ̂ 𝐺(𝑧𝑡; 𝛾̂; 𝑐̂) như một hàm của biến chuyển đổi zt = 5-1 ∑ 𝜋𝑡−𝑗

phần nào giống với hình dạng của các chức năng chuyển đổi của mô hình TAR được

dự đoán bởi trường hợp hợp đồng 2 kỳ (Hình 2-1). Một ngưỡng mô hình giống như

hình dạng của kết quả hàm chuyển đổi trong nhiều điểm dữ liệu gần ERPT thấp nhất.

Hình 3-8 cho thấy rằng mức độ ERPT trở nên lớn nhất khi biến chuyển đổi, cụ

thể là tỷ lệ lạm phát trung bình có độ trễ ở đây là 5, vượt quá 1 đơn vị lạm phát và lên

tới gần 1 cho thấy mức độ truyền dẫn rất lớn của tỷ giá danh nghĩa và chỉ số giá nhập

khẩu với lạm phát của Việt Nam trong giai đoạn 1995 – 2012. Chỉ cần lạm phát tăng

lên 2.5 điểm đơn vị trong lạm phát thì sẽ mức độ ERPT gần như sẽ bằng 1. Tuy nhiên,

mức độ ERPT với giảm phát lại không đáng kể hay mô hình DLSTAR đối xứng này

chỉ có 1 bên cho giai đoạn lạm phát tăng cao còn trong giai đoạn giảm phát thì lại ảnh

hưởng không đáng kể. Có thể nói mức độ ERPT của mô hình DLSTAR đối xứng khá

cao đối với lạm phát cao. Hình 3-9 cho thấy ước lượng của ERPT theo thời gian tương

đối trơn cho mô hình SDLSTAR.

Vì đặc điểm này, biểu đồ chuỗi thời gian của ERPT dựa trên mô hình DLSTAR

đối xứng trong hình 3-9 cho thấy nhiều quan sát của ERPT thấp và ổn định xung quanh

0,001 so với trường hợp của mô hình ESTAR. Chỉ có giai đoạn lạm phát cao vào năm

2008 và năm 2011 thì mức độ ERPT lần lượt lên tới mức 0.98 và 0.78 cho thấy cuộc

khủng hoảng tài chính toàn cầu 2008 và cuộc khủng hoảng kinh tế thế giới 2011 đã ảnh

hưởng rất lớn đến nền kinh tế Việt Nam đồng thời cho thấy mức độ truyền dẫn của tỷ

giá hối đoái danh nghĩa và giá nhập khẩu rất lớn trong hai giai đoạn này.

Hình 3-9: ERPT theo thời gian của mô hình DLSTAR đối xứng

Nguồn: Tính toán trên Win Rats 8.3

3.4. MÔ HÌNH DLSTAR BẤT ĐỐI XỨNG

Để chọn tham số với độ trễ cho các biến chuyển đổi cho hồi quy phiên bản mô

hình DLSTAR bất đối xứng, tôi sử dụng một trình tự tương tự như sử dụng ước tính

của mô hình ERPT ESTAR.

Bảng 3-8: Lựa chọn độ trễ cho biến chuyển tiếp mô hình DLSTAR bất đối xứng

ADLSTAR

d d=1 d=2 d=3 d=4 d=5

33.18* 35.08 35.79 34.10 33.88 SSR

Nguồn: Tính toán trên Win Rats 8.3

Việc giảm thiểu phần số dư bình phương mang lại sự lựa chọn d =1. Bắt đầu mô

hình với N = 5, tôi liên tục loại bỏ các biến trễ với t của tham số tương ứng <1.0 trong

giá trị tuyệt đối và kết quả hồi quy được đưa ra như sau:

Bảng 3-9: Kết quả hồi quy mô hình ADLSTAR

DP 1995:02 To 2012:12 210 191

0.6693288 0.6381661 0.8017517 0.5708264590 0.7001059966 0.4211321828 33.874292232 21.4785 0.0000000 -106.4097 1.9708

Std Error T-Stat Signif Coeff

Nonlinear Least Squares - Estimation by BFGS Restricted Convergence in 81 Iterations. Final criterion was 0.0000037 <= 0.0000100 Dependent Variable Monthly Data From Usable Observations Degrees of Freedom Skipped/Missing (from 215) 5 Centered R^2 R-Bar^2 Uncentered R^2 Mean of Dependent Variable Std Error of Dependent Variable Standard Error of Estimate Sum of Squared Residuals Regression F(18,191) Significance Level of F Log Likelihood Durbin-Watson Statistic Variable ***************************************************************** 0.03129597 3.25126 0.00135817 1. C0 0.06232441 12.79457 0.00000000 2. BP1 0.05611330 -3.38229 0.00087194 3. BP2 0.04668910 3.51187 0.00055526 4. BP3 0.00000000 0.00000 0.00000000 5. BS0 0.08380416 3.02367 0.00284041 6. BS1 0.13640241 -3.28685 0.00120573 7. BS2 0.08784694 2.22625 0.02716609 8. BS3 1.05708269 3.44388 0.00070473 9. C0_OUT 0.49454620 -3.70612 0.00027558 10. BP1_OUT 0.35974833 -3.25903 0.00132343 11. BP4_OUT 0.10175128 0.79741428 -0.18979154 0.16396596 0.00100000 0.25339608 -0.44833397 0.19556949 3.64046981 -1.83284946 -1.17242970

12. BP5_OUT 13. BS2_OUT 14. BS3_OUT 15. BS4_OUT 16. GAM1 17. GAM2 18. LOC1 19. LOC2 1.65016473 4.15161002 -3.15603476 -1.75108831 3.82435770 11.19558893 2.00148056 0.98977889 0.51091747 3.22981 0.00145851 1.89559371 2.19014 0.02972547 1.26994044 -2.48518 0.01380794 0.94691172 -1.84926 0.06596527 0.97800037 3.91038 0.00012796 6.47539121 1.72894 0.08543495 0.13268272 15.08471 0.00000000 0.06030609 16.41259 0.00000000

Nguồn: Tính toán trên Win Rats 8.3

∗) 𝜋𝑡 = 0.102 + 0.797𝜋𝑡−1 − 0.190𝜋𝑡−2 + 0.164𝜋𝑡−3 + 0.001𝛥(𝑠𝑡 + 𝑝𝑡

∗

Phương trình rút gọn của SDLSTAR:

∗

) ) + 0.196 𝛥(𝑠𝑡−3 + 𝑝𝑡−3 ) − 0.448𝛥(𝑠𝑡−2 + 𝑝𝑡−2

∗

) + 0.253𝛥(𝑠𝑡−1 + 𝑝𝑡−1 + [3.641 – 1.833𝜋𝑡−1 − 1.172𝜋𝑡−4 + 1.650𝜋𝑡−5 + 4.152𝛥(𝑠𝑡−2 + 𝑝𝑡−2

) − 3.156𝛥(𝑠𝑡−3 + 𝑝𝑡−3 )]𝐺(𝑧𝑡; 𝛶̂1; 𝛶̂2; 𝐶1; 𝐶̂2) + 𝜀𝑡̂ − 1.751𝛥(𝑠𝑡−4 + 𝑝𝑡−4

−1

𝐺(𝑧𝑡; 𝛶̂1; 𝛶̂2; 𝐶1; 𝐶̂2)

1 𝑗=1

−1

1−1 ∑ − 2.002 }) = (1 + 𝑒𝑥𝑝 {−3.824 𝜋𝑡−1 0.421

1 𝑗=1

1−1 ∑ + 0.988 }) + (1 + 𝑒𝑥𝑝 {11.196 𝜋𝑡−1 0.421

𝑅2 = 0.669, 𝑆𝑒 = 0.421, Obs = 210, Regression F(18,191) = 21.479,

Significance Level of F = 0.00

Hình 3-10: ERPT tương ứng với biến chuyển đổi trong mô hình DLSTAR bất đối

xứng

Nguồn: Tính toán trên Win Rats 8.3

Một lần nữa, các ước lượng của tham số tỷ lệ γ1 và γ2 được thể hiện trong điều ̂ 𝐺(𝑧𝑡; 𝛾̂; 𝑐1̂ ; 𝑐2̂ ) kiện biến chuyển đổi đã chuẩn hóa. Hình 3-10 ngụ ý ERPT ∅2,0 ̂ + ∅4,0

đối với biến chuyển đổi 𝑧𝑡 = 𝜋𝑡−1 cho phép điều chỉnh bất đối xứng. Tuy nhiên, hệ số

γ2 lơn hơn nhiều so với γ1 nên tốc độ chuyển sẽ nhanh hơn ở vùng âm. Về hình dạng

của các hàm chuyển đổi, kết quả thông số kỹ thuật DLSTAR bất đối xứng cũng tương

tự như các thông số kỹ thuật DLSTAR đối xứng.

Hình 3-10 cho thấy rằng mức độ ERPT trở nên lớn nhất khi biến chuyển đổi, cụ

thể là tỷ lệ lạm phát trung bình có độ trễ ở đây là 1, vượt quá 1 điểm đơn vị lạm phát và

lên tới gần 1 cho thấy mức độ truyền dẫn rất lớn đối với tỷ giá danh nghĩa và chỉ số giá

nhập khẩu đối với lạm phát Việt Nam trong giai đoạn 1995 – 2012. Chỉ cần lạm phát

tăng lên 3 điểm đơn vị lạm phát thì sẽ mức độ ERPT gần như sẽ bằng 1. Tuy nhiên,

mức độ ERPT với giảm phát thì lại khá yếu và khá rời rạc, khi giảm phát ở mức -1 đơn

vị lạm phát thì mức độ ERPT chỉ ở mức 0.18. Hay nói cách khác mô hình DLSTAR

bất đối xứng này chỉ có 1 bên cho giai đoạn lạm phát tăng cao còn trong giai đoạn giảm

phát thì lại ảnh hưởng không đáng kể. Có thể nói mức độ ERPT của mô hình DLSTAR

bất đối xứng khá cao đối với lạm phát cao. Hình 3-11 cho thấy ước lượng của ERPT

theo thời gian tương đối trơn cho mô hình ADLSTAR.

Hình 3-11 cho thấy các đường vẽ khá trơn tru của ERPT được gợi ý gián tiếp

bằng những con số ước lượng của mô hình DLSTAR bất đối xứng trong giai đoạn chọn

mẫu. Cách ERPT được ước lượng tương tự với cách ước lượng được gợi ý gián tiếp

bằng mô hình DLSTAR đối xứng. Hình 3-11 cho thấy nhiều quan sát của ERPT thấp

và ổn định xung quanh 0,001 so với trường hợp của mô hình ESTAR. Chỉ có giai đoạn

lạm phát cao vào năm 2008 và năm 2011 thì mức độ ERPT lần lượt lên tới mức 0.98 và

0.78. Bên cạnh đó mô hình DLSTAR bất đối xứng còn cho thấy những cột ERPT cao

vào những năm 1995 và 1998 tương tự như mô hình ESTAR, đặc biệt ở mô hình

ADLSTAR vào năm 2001 có mức ERPT khá cao hơn 0.9 điều này khá phù hợp vì

trong năm 2001 dấu hiệu suy thoái (cú shock) của Bất động sản (2001 – 2004) bắt đầu

hình thành làm cho mức độ truyền dẫn tăng lên.

Hình 3-11: ERPT theo thời gian trong mô hình DLSTAR bất đối xứng

Nguồn: Tính toán trên Win Rats 8.3

3.5. LỰA CHỌN MÔ HÌNH STAR

Bảng 3-13 báo cáo kết quả của lần kiểm tra các thông số để chọn một hàm số

chuyển tiếp thích hợp trong những mô hình ESTAR, DLSTAR đối xứng, DLSTAR bất

đối xứng. Cả mô hình DLSTAR và ESTAR đều phù hợp với mô hình phi tuyến cho dữ

liệu tại Việt Nam. Tuy nhiên để lựa chọ ra một mô hình tối ưu cho Việt Nam thì chúng

ta cần phải xem xét thêm. Các kiểm định trong bảng dưới đây cho ta thấy mô hình

ESTAR có vẻ là tối ưu hơn. Trong khi các bằng chứng có phần hỗn hợp, các thông số

hồi trong mô hình ESTAR và DLSTAR bất đối xứng gần như là tương ứng giống nhau,

có thể tốt hơn một chút so với các thông số trong DLSTAR đối xứng.

Bảng 3-10: Kiểm định lựa cho mô hình STAR

𝑑 𝑗=1

) Transition Variable (𝑧𝑡 = 𝑑−1 ∑ 𝜋𝑡−1 Test statistics d=1 d=2 d=3 d=4 d=5

F-stat 1.64 0.47 1.78 1.85 1.18 H03

p-value 0.15 0.80 0.12 0.11 0.32

F-stat 3.23 2.69 1.90 1.67 1.66 H12

p-value 0.00 0.00 0.05 0.09 0.09

Nguồn: Tính toán trên Win Rats 8.3

(Cả DLSTAR và ESTAR đều từ chối mô hình tuyến tính đối với H12. Nếu H12 bị từ

chối và H03 được chấp nhận thì mô hình ESTAR phù hợp hơn là DLSTAR, với: H12 là

kiểm định thay thế tuyến tính trong mô hình và H03 là kiểm định cho mô hình ESTAR

tốt hơn mô hình DLSTAR)

4. CHƯƠNG 4: KẾT LUẬN

Trong bài này, các mô hình STAR, các mô hình chuỗi thời gian phi tuyến, cung

cấp một nền tảng rất thuận tiện trong việc kiểm tra mối quan hệ giữa hiệu ứng truyền

dẫn tỷ giá hối đoái (ERPT) và lạm phát. Đầu tiên, một mô hình lý thuyết đơn giản xác

định ERPT cho thấy tác động ERPT cũng có thể được ước tính bằng một nhóm các mô

hình STAR với lạm phát có độ trễ là một biến chuyển tiếp. Thứ hai, chúng ta có thể sử

dụng các hàm chuyển đổi dạng chữ U trong việc ước tính ERPT theo thời gian. Khi

tiến trình này được áp dụng với dữ liệu giá nhập khẩu và giá trong nước của Việt Nam,

tôi đã tìm thấy những bằng chứng hỗ trợ cho tính phi tuyến trong ERPT. Kết quả thực

nghiệm của các tác giả ngụ ý rằng ERPT theo thời gian thấp có khả năng được gắn liền

với lạm phát thấp.

Theo mô hình hồi quy, mức độ ERPT thay đổi theo thời gian vì bộ phận các

công ty nhập khẩu mà quyết định không tham gia vào các hợp đồng được xác định bởi

hành vi tối ưu hóa của doanh nghiệp. Tuy nhiên, trong mô hình, tất cả các hàng nhập

khẩu được coi như thể chúng được lập hóa đơn với đồng tiền của nhà sản xuất (nhà

xuất khẩu). Một cách tiếp cận khác trong việc giới thiệu ERPT theo thời gian là sử

dụng một mô hình trong đó các nhà xuất khẩu lựa chọn giữa việc thanh toán bằng đồng

tiền của nhà sản xuất (PCP) và đồng tiền địa phương (LPC). Ví dụ, một nghiên cứu gần

đây của Gopinath et al. (2010) mở rộng mô hình của Engel (2006) và điều tra vai trò

của đồng tiền lập hóa đơn trong việc xác định ERPT được quan sát. Việc kết hợp với

các tác động của sự lựa chọn tiền tệ trong tiến trình ước tính của bài nghiên cứu có vẻ

là một hướng đầy hứa hẹn để phân tích thêm.

Đối với việc phân tích tác động của ERPT theo thời gian tại Việt Nam cho

chúng ta thấy rằng mức độ lạm phát của Việt Nam chịu ảnh hưởng khá lớn từ việc biến

động của tỷ giá hối đoái danh nghĩa và chỉ số giá nhập khẩu ở Việt Nam. Vào cuối thập

niên 1990, đà tăng trưởng kinh tế của Việt Nam chậm lại vì những dấu hiệu do dự

trong tiến trình cải cách kinh tế chính các điều này đã làm cho ERPT gia tăng cao vào

năm 1995, đồng thời đi liền với những ảnh hưởng lan truyền tiêu cực từ cuộc khủng

hoảng tài chính Châu Á 1997. Hậu quả của tình trạng này là nền kinh tế trải qua một

giai đoạn suy giảm tốc độ tăng trưởng đi liền với hiện tượng giảm phát trong những

năm 1999-2001. Trước tình hình đó, một kế hoạch kích thích kinh tế thông qua nới

lỏng tín dụng và mở rộng đầu tư nhà nước bắt đầu được thực hiện từ năm 2000 nhưng

lại gây ra dấu hiệu của một cuộc suy thoái Bất động sản vào năm 2001.

Việc duy trì chính sách kích thích tương đối liên tục trong những năm sau đó,

một mặt giúp nền kinh tế lấy lại phần nào đà tăng trưởng, nhưng mặt khác đã tích tụ

những mầm mống gây ra lạm phát cao bắt đầu bộc lộ từ giữa năm 2007. Thêm vào đó,

việc gia nhập Tổ chức Thương mại Thế giới (WTO) vào tháng 11/2006 mở ra một thời

kỳ hội nhập sâu rộng chưa từng có, khiến mức độ giao lưu thương mại và đầu tư quốc

tế tăng vọt, làm dòng vốn vào (cả đầu tư trực tiếp lẫn gián tiếp) tăng mạnh. Nhu cầu ổn

định đồng tiền Việt đòi hỏi Ngân hàng Nhà nước phải trung hòa một lượng ngoại tệ rất

lớn, góp phần thổi bùng lạm phát trong năm 2008. Cộng với những tác động to lớn của

cuộc khủng hoảng kinh tế thế giới, trong hai năm 2008-2009, nền kinh tế phải hứng

chịu thời kỳ tăng trưởng kinh tế ở mức thấp đi liền với lạm phát cao.

Do ảnh hưởng quá lớn từ việc nơi lỏng tiền tệ trước đó vào năm 2010 đã làm

cho nền kinh tế có dấu hiệu gia tăng lạm phát vào năm 2011 kèm theo đó là sự lan

truyền và ảnh hưởng trực tiếp của cuộc khủng hoảng kinh tế thế giới đã làm cho lạm

phát của Việt Nam gia tăng càng nhanh hơn trong giai đoạn này.

Nhìn chung, mô hình STAR cho nghiên cứu về mức độ truyền dẫn của tỷ giá

hối đoái danh nghĩa và chỉ số giá nhập khẩu ở Việt Nam cho giai đoạn 1995 – 2012 đã

cho chúng ta thấy rằng, mức độ ERPT càng cao khi lạm phát tăng cao và ERPT càng

thấp khi lạm phát thấp. Kết quả hồi quy mô hình STAR ở Việt Nam cho thấy ERPT đối

với lạm phát cao được chuyển đổi một cách trơn tru và mượt hơn so với giai đoạn giảm

phát. Mức độ ERPT bắt đầu hình thành khi lạm phát tăng lên 1 đơn vị và gia tăng đến

mức gần 1 khi lạm phát gia tăng từ 2.5 – 4 đơn vị. Điều này cho thấy rằng mức độ ảnh

hưởng đến lạm phát của tỷ giá hối đoái danh nghĩa và chỉ số giá nhập khẩu là khá cao ở

Việt Nam.

Bài viết này đưa ra một con số phần trăm ước lượng mức độ ảnh hưởng của tỷ

giá hối đoái danh nghĩa và chỉ số giá nhập khẩu đối với lạm phát ở Việt Nam giai đoạn

1995 – 2012 thông qua 1 biến chuyển là lạm phát của các kỳ trước đó. Giai đoạn mà

nền kinh tế Việt Nam có nhiều biến đổi lớn từ bản thân nội tại nền kinh tế và từ ảnh

hưởng bên ngoài cho thấy chính sách tỷ giá ảnh hưởng rất lớn tới lạm phát. Việc điều

hành chính sách tiền tệ nói chung và chính sách tỷ giá nói riêng cần phải được đặt

trong mối quan hệ tương quan với biến động của lạm phát (có thể theo hướng tuyến

tính hoặc phi tuyến) để đảm bảo nền kinh tế vận hành đúng theo kỳ vọng của các nhà

làm chính sách và tạo ra sự ổn định cho kinh tế Việt Nam trên con đường hội nhập Tài

chính Quốc tế.

TÀI LIỆU THAM KHẢO

Danh mục tài liệu Tiếng Việt

Đinh Thị Thu Hồng; Phan Đình Mạnh;, 2013. Hiệu quả của chính sách tiền tệ

thông qua kênh truyền dẫn lãi suất. PHÁT TRIỂN & HỘI NHẬP , Số 12 (Tháng 09-

10/2013), p. 22.

Nguyễn Khắc Quốc Bảo, 2013. Nghiên cứu truyền dẫn chính sách tiền tệ ở Việt

Nam. PHÁT TRIỂN & HỘI NHẬP, Số 13 (Tháng 11-12/2013), p. 23.

Nguyễn Đức Thành, Ngô Quốc Thái, 2013. Tổng quan Kinh tế Việt Nam 2013:

Trung tâm Nghiên cứu Kinh tế và Chính sách (VEPR) Trường Đại học Kinh tế, Đại

học Quốc gia Hà Nội.

Nguyễn Đức Thành, 2011. Từ mô hình tăng trưởng phụ thuộc vào đầu tư công

đến sự tích lũy rủi ro kinh tế Vĩ mô Việt Nam, Hà Nội: Trung tâm Nghiên cứu Kinh tế

và Chính sách (VEPR) Trường Đại học Kinh tế, Đại học Quốc gia Hà Nội.

Nguyễn Thị Thu Hằng và cộng sự (2010). Lựa chọn chinh sách tỷ giá trong bối

cảnh phục hồi kinh tế. Chủ biên Nguyễn Ðức Thành. Báo cáo kinh tế Việt nam thuờng

niên 2010. Nhà xuất bản Tri Thức.

Trần Ngọc Thơ, Nguyễn Ngọc Định, 2012. Giáo trình Tài chính Quốc tế. Nhà

xuất bản Thống kê.

Danh mục tài liệu Tiếng Anh

A´ lvaro Escribano, Oscar Jorda´, n.d. Testing nonlinearity: Decision rules for

selecting between logistic and exponential STAR models, s.l.: Department of

Economics, Universidad Carlos III de Madrid; Department of Economics, University

of California, One Shields Avenue.

Bailliu, J. N., & Fujii, E, 2004. Exchange rate pass-through and the inflation

environment in industrialized countries: an empirical investigation, 2004: Bank of

Canada.

Ball, L., Mankiw, N.G., 1994. Asymmetric price adjustment and economic

luctuations. Economic Journal 104, 247e261.

Ball, L., Mankiw, N.G., Romer, D., 1988. The new Keynesian economics and

the output-inflation trade-off. Brookings Papers on Economic Activity 1, 1e65.

Barhoumi, K. (2006). Differences in long run exchange rate pass-through into

import prices in developing countries: An empirical investigation. Economic

Modelling, 23(6), 926-951.

Bec, F., Ben Salem, M., Carrasco,M., 2004. Detecting mean reversion in real

exchange rates from amultiple regime STARmodel.Mimeo.

Bhattacharya, R., 2013. Inflation Dynamics and Monetary Policy Transmission,

IMF Working paper, WP/13/155: International Monetary Fund, Washington, D.C.,

U.S.A.

Calvo, G.A., Reinhart, C.M., 2002. Fear of floating. Quarterly Journal of

Economics 117 (2), 379e408.

Camen, U., 2006. Monetary policy in Vietnam: the case of a transition country,

s.l.: Bank for International Settlements Press & Communications CH 4002.

Campa, J.M.,Goldberg, L.S., 2005. Exchange rate pass-through to domestic

prices. Review of Economics and Statistics 87(4), 679e690.

Chung, E., Kohler, M., & Lewis, C. (2011). The Exchange Rate and Consumer

Prices. RBA Bulletin, September, 9-16.

Christiano, L.J., Eichenbaum, M., Evans, C.L., 2005. Nominal rigidities and the

dynamic effects of a shock to monetary policy. Journal of Political Economy 113,

1e45.

Devereux & James Yetman, 2002. Price setting and exchange rate pass-

through: theory and evidence, Hong Kong: Hong Kong Institute For Monetary

Research.

Devereux, M. B., & Yetman, J, 2010. Price adjustment and exchange rate pass-

through. Journal of International Money and Finance, 29 (1)(2010), pp. 181-200.

Enders, W., 2003. RATS Programming. Tuscaloosa: Department of Economics,

Finance & Legal Studies University of Alabama.

Engel, C., 2006. Equivalence results for optimal pass-through, optimal indexing

to exchange rates, and optimal choice of currency for export pricing. Journal of the

European Economic Association 4 (6), 1249e1260.

Goldberg, P.K., Knetter, M.M., 1997. Goods prices and exchange rates: what

have we learned? Journal of Economic Literature 35, 1243e1272.

Gopinath, G., Itskhoki, O., Rigobon, R., 2010. Currency choice and exchange

rate pass-through. American Economic Review 100 (1), 304-336.

Granger, C.W.J., Teräsvirta, T., 1993. Modelling Nonlinear Economic

Relationships. Oxford University Press, Oxford.

Haggan, V., Ozaki, T., 1981. Modelling nonlinear random vibrations using an

amplitude-dependent autoregressive time series model. Biometrika 68 (2), 189e196.

Herzberg, V., Kapetanios, G., Price, S., 2003. Import prices and exchange rate

pass-through: Theory and evidence from the United Kingdom. Bank of England

Working Paper, No. 182.

Hung, B. D., 2013. Exchange rate pass-through in Vietnam. Department

Accounting Finance and Economics Griffith Business School Australia.

Hung, N. T., 1999. The inflation of Vietnam in transition, Centre for ASEAN

studies (CAS): [University of Antwerp](RUCA).

Ito, T., & Sato, K. (2007). Exchange rate pass-through and domestic inflation: A

comparison between East Asia and Latin American countries. Research institute of

Economy, Trade and Industry, RIETI Discussion Papers (07040).

Jin, X. (2012). An empirical study of exchange rate pass-through in China.

Panoeconomicus, 59(2), 135-156.

Kilian, L., Taylor, M.P., 2003. Why is it so difficult to beat the random walk

forecast of exchange rates? Journal of International Economics 60, 85e107.

McCarthy, J., 2000. Pass-through of exchange rates and import prices to,

Federal Reserve Bank of New York: Staff Report (Vol. No.111).

McCarthy, J., 2007. Pass-through of exchange rates and import prices to

domestic inflation in some industrialized economies. Eastern Economic Journal, 33

(4)(2007), pp. 511-537.

Michael, P., Nobay, A.R., Peel, D.A., 1997. Transaction costs and nonlinear

adjustments in real exchange rates: an empirical investigation. Journal of Political

Economy 105, 862e879.

Minh, V. V., 2009. Exchange Rate Pass-Through and Its Implications for

Inflation in Vietnam, Hồ Chí Minh: Working Paper.

Mototsugu Shintani a, Akiko Terada-Hagiwara, Tomoyoshi Yabu, 2013.

Exchange rate pass-through and inflation: A nonlinear time series analysis. Journal of

International Money and Finance, 32 (2013), pp. 512-527.

Nguyen, H. M., Cavoli, T., & Wilson, J. K, 2012. The Determinants of Inflation

in Vietnam, 2001–09. ASEAN Economic Bulletin, 29(1), 1-14., 29 (1) (2012), pp. 1-14.

Ohno, K. (2003). Exchange Rate Management of Vietnam: Re-examination of

Policy Goals and Modality. available at (June 20, 2004): http://www.grips.ac.

jp/vietnam/VDF/WS/Docs/03ohno1. DOC.

Otani, A., Shiratsuka, S., Shirota, T., 2003. The decline in the exchange rate

pass-through: evidence from Japanese import prices. Bank of Japan Monetary and

Economic Studies 21 (3), 53e81.

Romer, D., 1990. Staggered price setting with endogenous frequency of

adjustment. Economics Letters 32, 205e210.

Sekine, T., 2006. Time-varying exchange rate pass-through: Experiences of

some industrial countries. BISWorking Paper, No. 202.

Skalin, Joakim & Terasvirta, Timo, 1999. Another Look at Swedish Business

Cycles, 1861-1988. Journal of Applied Econometrics, 14 (4)(8/1999), pp. 359-378.

Taylor, J.B., 1980. Aggregate dynamics and staggered contracts. Journal of

Political Economy 88, 1e23.

Taylor, J.B., 2000. Low inflation, pass-through, and the pricing power of firms.

European Economic Review 44, 1389e1408.

Taylor, M.P., Peel, D.A., 2000. Nonlinear adjustment, long-run equilibrium and

exchange rate fundamentals. Journal of International Money and Finance 19, 33e53.

Taylor, M.P., Peel, D.A., Sarno, L, 2001. Nonlinear mean-reversion in real

exchange rates: toward a solution to the purchasing power parity puzzles. International

Economic Review, Volume 42, pp. 1015-1042.

Terasvirta, T., 1993. Specification, estimation, and evaluation of smooth

transition autoregressive models. Journal of the American Statistical Association,

Volume 89, pp. 208-218.

Teräsvirta, T., 2005. Univariate nonlinear time series models. Stockholm,

Sweden: Department of Economic Statistics Stockholm School of Economics.

Timo Terasvirta, Yukai Yang, 1994. Specication, Estimation and Evaluation of

Vector Smooth Transition Autoregressive Models with Applications. CREATES,

Aarhus University.

Valerie Herzberg, George Kapetanios and Simon Price, 2003. Import prices and

exchange rate pass-through: theory and evidence from the United Kingdom, London,

EC2R 8AH: Bank of England, Threadneedle Street.

Van Dijk, D; Teräsvirta, T; Franses, P; 2002. Smooth transition autoregressive

models: a survey of recent developments. Econometrics Reviews, 21(2002), pp. 1-47.

Vu, T. K., 2012. The Causes of Recent Inflation in Vietnam: Evidence from a

VAR with Sign Restrictions. Tokyo Center for Economic Research, Volume E-43.

Walsh, C.E., 2003. Monetary Theory and Policy, second ed. MIT Press,

Cambridge.

Zhou, J., 2010. Smooth transition autoregressive models, Statistics: Department

of Statistics Submitted in partial fulfillment of the requirements for the degree of

Master of Social Science.

PHỤ LỤC A: DỮ LIỆU VIỆT NAM TRONG MÔ HÌNH (Đã xử lý X12-ARIMA)

YEAR

Jan-95 Feb-95 Mar-95 Apr-95 May-95 Jun-95 Jul-95 Aug-95 Sep-95 Oct-95 Nov-95 Dec-95 Jan-96 Feb-96 Mar-96 Apr-96 May-96 Jun-96 Jul-96 Aug-96 Sep-96 Oct-96 Nov-96 Dec-96 Jan-97 Feb-97 Mar-97 Apr-97 May-97 Jun-97 Jul-97 Aug-97 Sep-97 Oct-97 Nov-97 Dec-97 IMP 103.574 104.0147 104.452 104.8784 105.2852 105.6647 106.0162 106.3384 106.6282 106.8781 107.0767 107.2931 107.1724 107.0636 106.9146 106.7304 106.5145 106.2719 106.0129 105.7474 105.4838 105.2285 104.9791 104.8043 104.6306 104.5313 104.4429 104.3654 104.2906 104.2128 104.1292 104.0368 103.932 103.8097 103.6574 103.5121 CPI 41.67919 42.28895 42.6692 43.27001 44.15846 44.66164 44.90598 45.19964 45.37427 45.53885 45.59598 45.54047 45.68583 45.97488 46.6949 46.96104 46.86211 46.73662 46.67513 46.66673 46.75326 46.91908 47.33428 47.62399 47.67729 47.71013 47.78376 47.76071 47.64426 47.83166 48.19849 48.38909 48.62948 48.88097 49.07347 49.32667 Jan-98 Feb-98 Mar-98 Apr-98 May-98 Jun-98 Jul-98 Aug-98 Sep-98 Oct-98 Nov-98 Dec-98 Jan-99 Feb-99 Mar-99 Apr-99 May-99 Jun-99 Jul-99 Aug-99 Sep-99 Oct-99 Nov-99 Dec-99 Jan-00 Feb-00 Mar-00 Apr-00 May-00 Jun-00 Jul-00 Aug-00 Sep-00 Oct-00 Nov-00 Dec-00 Jan-01 103.1438 102.7967 102.4168 102.0141 101.5871 101.137 100.6646 100.1716 99.6601 99.13154 98.5781 98.01451 97.28802 96.51379 95.6845 94.83668 93.99278 93.17669 92.41052 91.71698 91.11974 90.64147 90.29928 90.10424 90.81221 91.7127 92.76737 93.94914 95.22107 96.54702 97.8876 99.20331 100.457 101.6102 102.6166 103.3877 103.4055 49.572 49.82516 49.76561 50.8131 51.71085 51.84226 51.79707 52.51829 53.03393 53.28698 53.3413 53.52975 54.03031 54.17496 54.21852 54.14172 54.1158 54.06777 54.07054 53.96575 53.64927 53.17335 53.41626 53.43444 53.26913 53.26715 53.12584 52.98075 52.83817 52.68828 52.58882 52.7188 52.64828 52.80911 53.31686 53.14709 52.90653

Feb-01 Mar-01 Apr-01 May-01 Jun-01 Jul-01 Aug-01 Sep-01 Oct-01 Nov-01 Dec-01 Jan-02 Feb-02 Mar-02 Apr-02 May-02 Jun-02 Jul-02 Aug-02 Sep-02 Oct-02 Nov-02 Dec-02 Jan-03 Feb-03 Mar-03 Apr-03 May-03 Jun-03 Jul-03 Aug-03 Sep-03 Oct-03 Nov-03 Dec-03 Jan-04 Feb-04 Mar-04 Apr-04 103.2183 102.8933 102.4654 101.9589 101.4 100.8128 100.2212 99.65161 99.12958 98.68116 98.25784 98.26366 98.25811 98.30025 98.38749 98.51352 98.67219 98.85604 99.05711 99.27031 99.4893 99.71082 99.83294 100.1763 100.4318 100.6893 100.9519 101.2215 101.499 101.7858 102.0824 102.3903 102.7106 103.0527 103.313 103.8802 104.4006 104.9528 105.5245 52.29307 52.37532 52.33104 52.36483 52.47547 52.60229 52.66951 52.99744 53.02937 53.18323 53.45116 53.69243 54.02169 54.03415 54.20921 54.50917 54.69016 54.83735 54.97644 55.1212 55.48276 55.66267 55.7235 55.85358 56.11912 56.26458 56.39484 56.39576 56.36768 56.37129 56.45074 56.56622 56.69507 57.09794 57.48023 57.74496 58.49424 59.42469 59.78554 May-04 Jun-04 Jul-04 Aug-04 Sep-04 Oct-04 Nov-04 Dec-04 Jan-05 Feb-05 Mar-05 Apr-05 May-05 Jun-05 Jul-05 Aug-05 Sep-05 Oct-05 Nov-05 Dec-05 Jan-06 Feb-06 Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 106.1066 106.689 107.2612 107.8116 108.3309 108.8099 109.248 109.5066 109.6404 109.6162 109.5484 109.4408 109.2981 109.1248 108.9283 108.7142 108.4877 108.2533 108.0231 107.7102 107.4942 107.1773 106.8378 106.4822 106.1184 105.7511 105.3872 105.0333 104.6956 104.3794 104.075 103.7461 103.7267 103.655 103.5862 103.54 103.5266 103.5525 103.6291 60.3634 60.96178 61.43898 61.94315 62.23874 62.49219 62.75309 63.07672 63.41648 63.9365 64.4697 64.9248 65.19249 65.47046 65.95201 66.34321 67.093 67.67452 68.13457 68.60073 69.10384 69.40769 69.52184 69.67854 70.03531 70.24016 70.71623 71.15217 71.59412 72.16888 72.85379 73.1677 73.62524 74.02494 74.24572 74.60594 75.08619 75.91529 76.56304

May-10 Jun-10 Jul-10 Aug-10 Sep-10 Oct-10 Nov-10 Dec-10 Jan-11 Feb-11 Mar-11 Apr-11 May-11 Jun-11 Jul-11 Aug-11 Sep-11 Oct-11 Nov-11 Dec-11 Jan-12 Feb-12 Mar-12 Apr-12 May-12 Jun-12 Jul-12 Aug-12 Sep-12 Oct-12 Nov-12 Dec-12 93.21113 94.85303 96.62043 98.45827 100.312 102.1453 103.8932 105.7456 107.0758 108.6457 110.1729 111.6787 113.1588 114.5923 115.9384 117.1499 118.1865 119.0395 119.6878 120.3924 119.1855 118.0333 116.6394 115.0833 113.4099 111.6468 109.7975 107.8574 105.8339 103.7661 101.6962 99.86839 107.9838 108.3734 108.9074 109.6456 111.1118 112.8488 115.3397 117.4879 119.0388 120.1156 122.7886 126.6654 129.2703 131.0382 133.215 135.0829 136.0407 137.1854 138.1206 138.7188 139.5124 139.8519 140.1099 139.9759 140.0214 140.1419 140.4271 141.9899 144.8765 146.785 147.8326 148.0945

Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08 Jan-09 Feb-09 Mar-09 Apr-09 May-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10 Mar-10 Apr-10 103.7682 103.9795 104.2739 104.6274 105.0946 106.1277 107.3526 108.7015 110.1435 111.6252 113.0872 114.4731 115.726 116.7865 117.6011 118.0662 118.2609 116.3743 114.1178 111.5064 108.6716 105.7097 102.7071 99.74815 96.91287 94.27739 91.92679 89.91245 88.48411 88.76458 89.50091 90.49789 91.74528 77.21578 77.85753 78.85699 80.16224 82.3968 84.06013 85.74975 88.66038 90.54422 93.94794 95.83831 97.23591 99.12627 99.57551 99.9402 99.57981 98.77461 98.74715 98.53371 98.60453 98.83814 99.10675 99.63358 100.5415 101.1995 101.9802 102.9172 103.8616 105.1804 106.22 106.9443 107.881 107.8536

PHỤ LỤC B: MÃ ĐOẠN CODE CHO VIỆT NAM TRÊN WIN RATS 8.3

B.1 MÔ HÌNH ESTAR

CALENDAR 1995 1 12

ALLOCATE 2012:12

open data data.xls

data(format=xls,org=columns)

imp is the seasonally adjusted US import price index

ppi is the seasonally adjusted US producer price index

*variables used in the regressions*

set p = cpi

set s = imp

set dp = 100*log(p/p{1})

set ds = 100*log(s/s{1})

set z = (dp{1})/1

STATISTICS(fractiles, noprint) z

compute std = sqrt(%variance)

set z_big = (z>%FRACT95)+(z<%FRACT05)

nonlin(paraset=base) c0 $

bp1 bp2 bp3 bp5 $

bs0 bs1 bs2 bs4 $

c0_out bp1_out bp4_out bp5_out $

bs3_out gam

nonlin(paraset=const) gam>=0 bs0>=0.00

frml estar1 = c0 $

+bp1*dp{1}+bp2*dp{2}+bp3*dp{3}+bp5*dp{5} $

+bs0*ds+bs1*ds{1}+bs2*ds{2}+bs4*ds{4} $

+(c0_out+bp1_out*dp{1}+bp4_out*dp{4}+bp5_out*dp{5} $

+(1-bs0)*ds+bs3_out*ds{3}) $

*(1-exp(-gam*(z/std)**2))

set ds_big = z_big*ds

set ds_big1 = z_big*ds{1}

set ds_big2 = z_big*ds{2}

set ds_big3 = z_big*ds{3}

set ds_big4 = z_big*ds{4}

set ds_big5 = z_big*ds{5}

set dp_big1 = z_big*dp{1}

set dp_big2 = z_big*dp{2}

set dp_big3 = z_big*dp{3}

set dp_big4 = z_big*dp{4}

set dp_big5 = z_big*dp{5}

set dp_big6 = z_big*dp{6}

linreg(noprint) dp

# constant dp{1 to 6} ds{0 to 5} $

ds_big ds_big1 ds_big2 ds_big3 ds_big4 ds_big5 $

dp_big1 dp_big2 dp_big3 dp_big4 dp_big5 dp_big6

compute c0=%beta(1), $

bp1=%beta(2), bp2=%beta(3), bp3=%beta(4), bp4=%beta(5), bp5=%beta(6),

bp6=%beta(7),$

bs0=%beta(8), bs1=%beta(9),bs2=%beta(10),

bs3=%beta(11),bs4=%beta(12),bs5=%beta(13), $

bs1_out=%beta(15), bs2_out=%beta(16), bs3_out=%beta(17), bs4_out=%beta(18),

bs5_out=%beta(19), $

bp1_out=%beta(20), bp2_out=%beta(21), bp3_out=%beta(22),

bp4_out=%beta(23), bp5_out=%beta(24), bp6_out=%beta(25), $

gam=1, c0_out=0

nlls(frml=estar1, paraset=base+const, iterations=300, method=gauss, subiterations=30,

vcv) dp

set erpt_estar = bs0+(1-bs0)*(1-exp(-gam*(z/std)**2))

graph

# erpt_estar

scatter

# Z erpt_estar

B.2 MÔ HÌNH SDLSTAR

CALENDAR 1995 1 12

ALLOCATE 2012:12

open data data.xls

data(format=xls,org=columns)

imp is the seasonally adjusted US import price index

ppi is the seasonally adjusted US producer price index

*variables used in the regressions*

set p = cpi

set s = imp

set dp = 100*log(p/p{1})

set ds = 100*log(s/s{1})

set z = (dp{1}+dp{2}+dp{3}+dp{4}+dp{5})/5

STATISTICS(fractiles, noprint) z

compute std = sqrt(%variance)

set z_big = (z>%FRACT95)+(z<%FRACT05)

nonlin(paraset=base) c0 $

bp1 bp2 bp3 $

bs0 bs1 bs2 bs4 $

c0_out bp1_out bp2_out bp3_out bp5_out $

bs1_out bs3_out $

gam loc

nonlin(paraset=const) bs0>=0.00

frml dlstar1 = c0 $

+bp1*dp{1}+bp2*dp{2}+bp3*dp{3} $

+bs0*ds+bs1*ds{1}+bs2*ds{2}+bs4*ds{4} $

+(c0_out+bp1_out*dp{1}+bp2_out*dp{2}+bp3_out*dp{3}+bp5_out*dp{5} $

+(1-bs0)*ds+bs1_out*ds{1}+bs3_out*ds{3}) $

*(1/(1+exp(-gam*(z-loc)/std))+1/(1+exp(gam*(z+loc)/std)))

set ds_big = z_big*ds

set ds_big1 = z_big*ds{1}

set ds_big2 = z_big*ds{2}

set ds_big3 = z_big*ds{3}

set ds_big4 = z_big*ds{4}

set ds_big5 = z_big*ds{5}

set dp_big1 = z_big*dp{1}

set dp_big2 = z_big*dp{2}

set dp_big3 = z_big*dp{3}

set dp_big4 = z_big*dp{4}

set dp_big5 = z_big*dp{5}

set dp_big6 = z_big*dp{6}

linreg(noprint) dp

# constant dp{1 to 6} ds{0 to 5} $

ds_big ds_big1 ds_big2 ds_big3 ds_big4 ds_big5 $

dp_big1 dp_big2 dp_big3 dp_big4 dp_big5 dp_big6

compute c0=%beta(1), c0_out=0, $

bp1=%beta(2), bp2=%beta(3), bp3=%beta(4),

bp4=%beta(5),bp5=%beta(6),bp6=%beta(7), $

bs0=%beta(8), bs1=%beta(9),bs2=%beta(10),

bs3=%beta(11),bs4=%beta(12),bs5=%beta(13), $

bs1_out=%beta(15), bs2_out=%beta(16), bs3_out=%beta(17),

bs4_out=%beta(18),bs5_out=%beta(19), $

bp1_out=%beta(20),bp2_out=%beta(21),bp3_out=%beta(22),bp4_out=%beta(23),bp5_

out=%beta(24),bp6_out=%beta(25), $

gam=1, loc=2.0

nlls(frml=dlstar1, paraset=base+const, iterations=300, method=gauss,

subiterations=30, vcv) dp

set erpt_sdlstar = bs0+(1-bs0)*(1/(1+exp(-gam*(z-

loc)/std))+1/(1+exp(gam*(z+loc)/std)))

graph

# erpt_sdlstar

scatter

# Z erpt_sdlstar

B.3 MÔ HÌNH ADLSTAR

CALENDAR 1995 1 12

ALLOCATE 2012:12

open data data.xls

data(format=xls,org=columns)

imp is the seasonally adjusted US import price index

ppi is the seasonally adjusted US producer price index

*variables used in the regressions*

set p = cpi

set s = imp

set dp = 100*log(p/p{1})

set ds = 100*log(s/s{1})

set z = (dp{1})/1

STATISTICS(fractiles, noprint) z

compute std = sqrt(%variance)

set z_big = (z>%FRACT95)+(z<%FRACT05)

nonlin(paraset=base) c0 $

bp1 bp2 bp3 $

bs0 bs1 bs2 bs3 $

c0_out bp1_out bp4_out bp5_out $

bs2_out bs3_out bs4_out $

gam1 gam2 loc1 loc2

nonlin(paraset=const) bs0>=0.00

frml dlstar2 = c0 $

+bp1*dp{1}+bp2*dp{2}+bp3*dp{3}$

+bs0*ds+bs1*ds{1}+bs2*ds{2}+bs3*ds{3} $

+(c0_out+bp1_out*dp{1}+bp4_out*dp{4}+bp5_out*dp{5} $

+(1-bs0)*ds+bs2_out*ds{2}+bs3_out*ds{3}+bs4_out*ds{4}) $

*(1/(1+exp(-gam1*(z-loc1)/std))+1/(1+exp(gam2*(z+loc2)/std)))

set ds_big = z_big*ds

set ds_big1 = z_big*ds{1}

set ds_big2 = z_big*ds{2}

set ds_big3 = z_big*ds{3}

set ds_big4 = z_big*ds{4}

set ds_big5 = z_big*ds{5}

set dp_big1 = z_big*dp{1}

set dp_big2 = z_big*dp{2}

set dp_big3 = z_big*dp{3}

set dp_big4 = z_big*dp{4}

set dp_big5 = z_big*dp{5}

set dp_big6 = z_big*dp{6}

linreg(noprint) dp

# constant dp{1 to 6} ds{0 to 5} ds_big ds_big1 ds_big2 ds_big3 ds_big4 ds_big5

dp_big1 dp_big2 dp_big3 dp_big4 dp_big5 dp_big6

compute c0=%beta(1), c0_out=0, $

bp1=%beta(2), bp2=%beta(3), bp3=%beta(4),

bp4=%beta(5),bp5=%beta(6),bp6=%beta(7), $

bs0=%beta(8), bs1=%beta(9),bs2=%beta(10),

bs3=%beta(11),bs4=%beta(12),bs5=%beta(13), $

bs1_out=%beta(15), bs2_out=%beta(16), bs3_out=%beta(17),

bs4_out=%beta(18),bs5_out=%beta(19), $

bp1_out=%beta(20),bp2_out=%beta(21),bp3_out=%beta(22),bp4_out=%beta(23),bp5_

out=%beta(24),bp6_out=%beta(25), $

gam1=1, gam2=1, loc1=2.0, loc2=2.0

nlls(frml=dlstar2, paraset=base+const, iterations=300, method=gauss,

subiterations=30, vcv) dp

set erpt_adlstar = bs0+(1-bs0)*(1/(1+exp(-gam1*(z-

loc1)/std))+1/(1+exp(gam2*(z+loc2)/std)))

graph

# erpt_adlstar

scatter

# Z erpt_adlstar

PHỤ LỤC C: KIỂM ĐỊNH KPSS VÀ TÍNH DỪNG

C1: KIỂM ĐỊNH KPSS CHO CPI

Nguồn: Tính toán trên Eview 8

C2: KIỂM ĐỊNH KPSS CHO IMP

Nguồn: Tính toán trên Eview 8

C3: KIỂM TRA TÍNH DỪNG SAU SAI PHÂN BẬC 1 CỦA CPI

Nguồn: Tính toán trên Eview 8

Null Hypothesis: DS has a unit root Exogenous: Constant Lag Length: 3 (Automatic - based on SIC, maxlag=14)

Augmented Dickey-Fuller test statistic Test critical values:

*MacKinnon (1996) one-sided p-values.

1% level 5% level 10% level

t-Statistic -4.805795 -3.461327 -2.875062 -2.574054

Prob.* 0.0001

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DS) Method: Least Squares Date: 11/29/14 Time: 13:45 Sample (adjusted): 1995M06 2012M12 Included observations: 211 after adjustments

Std. Error

t-Statistic

Prob.

0.017683 0.065809 0.066285 0.068891 0.015508

-4.805795 3.488033 4.492125 3.056132 -0.215781

0.0000 0.0006 0.0000 0.0025 0.8294

Variable DS(-1) D(DS(-1)) D(DS(-2)) D(DS(-3)) C

Coefficient -0.084982 0.229544 0.297758 0.210540 -0.003346

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.288204 Mean dependent var 0.274382 S.D. dependent var 0.224913 Akaike info criterion 10.42071 Schwarz criterion 17.95466 Hannan-Quinn criter. 20.85215 Durbin-Watson stat 0.000000

-0.010431 0.264035 -0.122793 -0.043365 -0.090687 2.062642

C4: KIỂM TRA TÍNH DỪNG SAU SAI PHÂN BẬC 1 CỦA IMP

Nguồn: Tính toán trên Eview 8

Luận văn Thạc sĩ Kinh tế: Mối quan hệ giữa truyền dẫn tỷ giá và lạm phát - Phân tích chuỗi thời gian phi tuyến ở Việt Nam 1995 - 2012

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

________________

PHẠM THÀNH CHUNG

MỐI QUAN HỆ GIỮA TRUYỀN DẪN TỶ GIÁ VÀ

LẠM PHÁT – PHÂN TÍCH CHUỖI THỜI GIAN PHI

TUYẾN Ở VIỆT NAM 1995 – 2012

LUẬN VĂN THẠC SĨ KINH TẾ

Tp. Hồ Chí Minh - 2014

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

________________

PHẠM THÀNH CHUNG

MỐI QUAN HỆ GIỮA TRUYỀN DẪN TỶ GIÁ VÀ

LẠM PHÁT – PHÂN TÍCH CHUỖI THỜI GIAN PHI

TUYẾN Ở VIỆT NAM 1995 – 2012

Chuyên ngành: Tài chính – Ngân hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

GS.TS TRẦN NGỌC THƠ

Tp. Hồ Chí Minh - 2014

Có thể bạn quan tâm

Luận văn Thạc sĩ: Chế tạo và nghiên cứu tính chất điện, từ của vật liệu multiferroic Ba₀.₇Ca₀.₃TiO₃/ NiFe₂O₄

Luận văn Thạc sĩ: Nghiên cứu vật liệu biến hóa dạng chuỗi một chiều chế tạo từ kim loại đồng trên đế FR-4 hoạt động tại tần số MHz ứng dụng trong truyền năng lượng không dây

Luận văn Thạc sĩ: Đánh giá khả năng tác động tới môi trường biển của việc xả nước thải từ sự cố nhà máy điện hạt nhân Fukushima sử dụng công cụ ERICA

Luận văn Thạc sĩ: Xây dựng mô hình đầu dò nơtron và gamma sử dụng nhấp nháy EJ-276 ghép nối với mảng nhân quang silicon

Luận văn Thạc sĩ: Đánh giá khả năng ảnh hưởng của bức xạ ion hóa đến sức khỏe cư dân khu vực mỏ đất hiếm Đông Pao, xã Bản Hon, huyện Tam Đường, tỉnh Lai Châu

Luận văn Thạc sĩ: Sử dụng phương pháp nhiễu xạ neutron khảo sát cấu trúc tinh thể và pha trật tự từ trong vật liệu Pr2FeCrO6

Luận văn Thạc sĩ: Nghiên cứu phân lập, xác định cấu trúc và hoạt tính ức chế NO của các hợp chất thứ cấp từ chủng vi nấm biển Aspergillus sp. CL251

Luận văn Thạc sĩ: Phân tích một số hợp chất bisphenol thôi nhiễm từ bao bì nhựa lên một số mẫu thực phẩm nền tinh bột

Luận văn Thạc sĩ: Nghiên cứu thành phần hóa học và đánh giá hoạt tính kháng khuẩn, kháng nấm của loài hoa mộc (Osmanthus fragrans (Thunb.) Lour.) ở Việt Nam

Luận văn Thạc sĩ: Nghiên cứu thành phần hóa học và đánh giá tác dụng kháng viêm của loài côi Turpinia montana (Blume) Kurz

Luận văn Thạc sĩ: Tổng hợp và đặc trưng tính chất vật liệu composite có cấu trúc nano chitosan–cyclodextrin/TiO₂–Ag

Luận văn Thạc sĩ: Nghiên cứu chế tạo và khảo sát một số tính chất của màng phủ trên cơ sở nhựa epoxy gốc nước và khung cơ kim - ZIF

Luận văn Thạc sĩ: Nghiên cứu tổng hợp một số dẫn xuất napthoquinone chứa nguyên tố flo bằng phản ứng đa thành phần

Luận văn Thạc sĩ: Nghiên cứu điều chế vật liệu Bioglass và tổ hợp lai với polymer ALG-F127 định hướng ứng dụng trong điều trị nội nha

Luận văn Thạc sĩ: Khảo sát thành phần hóa học và hoạt tính ức chế enzyme α-glucosidase trên một số hợp chất phân lập từ thịt quả bình bát nước (Annona glabra L.).

Luận văn Thạc sĩ: Tổng hợp và đánh giá hoạt tính chống ung thư của hợp chất lai chứa khung tetrahydro-β-carboline và imidazo[1,5-a]pyridine

Luận văn Thạc sĩ: Nghiên cứu tổng hợp một số dẫn xuất của benzazole

Luận văn Thạc sĩ: Nghiên cứu chiết tách lignin từ vỏ sầu riêng Ri6 (Durio zibethinus Murr.) và tổng hợp vật liệu biocomposite định hướng ứng dụng trong bảo quản sau thu hoạch

Luận văn Thạc sĩ: Nghiên cứu tổng hợp hạt nano bạc phủ acid hyaluronic mang doxorubicin định hướng ứng dụng trong điều trị ung thư

Luận văn Thạc sĩ: Nghiên cứu thành phần hóa học và hoạt tính kháng viêm của loài rau dừa nước (Ludwigia adscendens)

Tài liêu mới

Luận án Tiến sĩ: Nghiên cứu xây dựng thuật toán thích nghi và học tăng cường cấu trúc Actor - Critic điều khiển bám quỹ đạo cho robot di động đa hướng mecanum

Luận án Tiến sĩ: Cơ cấu bệnh tim mạch và chất lượng cuộc sống của người cao tuổi mắc suy tim, rung nhĩ điều trị tại Bệnh viện Thống Nhất, thành phố Hồ Chí Minh

Tóm tắt Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

Tóm tắt Luận án Tiến sĩ: Nghiên cứu xây dựng giải pháp đảm bảo an toàn thông tin cho quá trình học liên kết dựa trên mật mã

Tóm tắt Luận án Tiến sĩ: Phát triển năng lực đánh giá công nghệ cho học sinh trong dạy học môn Công nghệ 11 ở trường trung học phổ thông

Tóm tắt Luận án Tiến sĩ: Nghiên cứu phân loại chi cầu diệp – Bulbophyllum Thouars (Orchidaceae) ở vùng Tây Nguyên bằng phương pháp hình thái và phân tử

Tóm tắt Luận án Tiến sĩ: Nghiên cứu đặc điểm phân bố và dinh dưỡng của các loài lưỡng cư ở Vườn Quốc gia Bến En và Khu bảo tồn thiên nhiên Pù Luông, tỉnh Thanh Hóa

Luận án Tiến sĩ: Tổng hợp luật dẫn và điều khiển cho một lớp tên lửa đối hải trên cơ sở ứng dụng mạng nơ ron và hệ mờ

Luận án Tiến sĩ: Nghiên cứu tổng hợp hệ điều khiển góc Pitch tua bin gió trong điều kiện có nhiễu tác động

Luận án Tiến sĩ: Nghiên cứu hóa học lipid của hai loài san hô thủy tức Millepora dichotoma và Millepora platyphylla ở Việt Nam

Luận án Tiến sĩ: Nghiên cứu kiểm soát phân phối công suất kéo trên cầu chủ động của ô tô con bằng ABS

Luận án Tiến sĩ: Ứng dụng phản ứng Domino vào tổng hợp các dẫn xuất Podophyllotoxin, Pyrimidine và đánh giá hoạt tính sinh học của các chất tổng hợp được

Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và một số hoạt tính sinh học của cây chùm ngây (Moringa oleifera)

Tóm tắt Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và ứng dụng ức chế ăn mòn cho thép của cao chiết xuất từ cây Lộc vừng thuộc họ Lecythidaceae

Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

AI tóm tắt

Giới thiệu tài liệu

Đối tượng sử dụng

Từ khoá chính

Nội dung tóm tắt

Giới thiệu

Về chúng tôi

Việc làm

Quảng cáo

Liên hệ

Chính sách

Thoả thuận sử dụng

Chính sách bảo mật

Chính sách hoàn tiền

DMCA

Hỗ trợ

Hướng dẫn sử dụng

Đăng ký tài khoản VIP

093 303 0098

support@tailieu.vn