Mối quan hệ giữa lạm phát và tăng trưởng kinh tế tại Việt Nam
Một số nghiên cứu ở Việt Nam đã phân tích mối quan hệ giũa lạm phát và tăng trưởng kinh tế. Tuy nhiên, các kết quả chủ yếu được giả thích bởi phương pháp định tính như nghiên cứu của Nguyễn Thị Cành (2009), Nguyễn Đức Hưng (2008, 2009); hoặc một vài nghiên cứu xem xét biến động của tăng trưởng, lạm phát thông qua các mô hình chuỗi thời gian như của Nguyễn Trung Chính (2009), Phùng Duy Quang và các tác giả (2013). Các nghiên cứu đều tìm thấy mối quan hệ cùng chiều trong dài hạn.
Như vậy, cho đến nay đã có khá nhiều nghiên cứu về chủ đề này, tuy nhiên chưa có một mô hình hay lý thuyết duy nhất đúng nào có thể diễn đạt mối quan hệ giữa lạm phát và tăng trưởng kinh tế. Bên cạnh đó, một số nghiên cứu chỉ tập trung xem xét mối quan hệ nhân quả mà không bao gồm thành tố hiệu chỉnh sai số vào mô hình để xem xét mối quan hệ dài hạn giữa hai biến, do đó có thể nhận diện sai lệch về mối quan hệ trong ngắn hạn giữa lạm phát và tăng trưởng kinh tế (Paul và các tác giả, 1997).
Một số khác (Nguyễn Chung Chính, 2009; Phùng Duy Quang và các tác giả, 2013) sử dụng phương pháp kiểm định Dickey – Fuller (DF) và Augmented Dickey – Fuller (ADF) để kiểm định tính dừng của các biến, tuy nhiên các kiểm định ADF không thể phân biệt tốt về tính dừng hay không dừng của các chuỗi dữ liệu có tương quan chuỗi bậc cao (West, 1988).
Nghiên cứu này sử dụng kiểm định tính dừng Phillips – Perron cho phép kiểm soát mối tương quan chuỗi bậc cao và khắc phục hiện tượng tự tương quan trong phần dư; đông thời bổ sung thành tố hiệu chỉnh sai số (EC) vào mô hình để nhận diện đầy đủ mối quan hệ của lạm phát và tăng trưởng kinh tế cả trong ngắn hạn và dài hạn. Phương pháp nghiên cứu là nhằm điều tra mối quan hệ giữa lạm phát (P) và tăng trưởng kinh tế (Y) ở Việt Nam từ sau cuộc khủng hoảng tài chính Châu Á đến nay. Bài viết sử dụng mô hình hiệu chỉnh sai số dạng véc tơ (Vector Error Correction Model – VECM) được đề xuất bởi Engle và Granger (1987) để mô hình hóa mối quan hệ của hai biến. Các kiểm định của mô hình VECM là cần thiết để xem xét liệu nền kinh tế có hội tụ về một điểm cân bằng trong dài hạn hay không, đồng thời chúng cũng cho biết mối quan hệ năng động trong ngắn hạn giữa các biến kinh tế.
Quá trình dừng là một quá trình ngẫu nhiên, được thể hiện bởi trung bình mẫu, phương sai và hiệp phương sai của sai số không thay đổi theo thời gian. Yếu tố dừng hay không dừng của chuỗi dữ liệu theo thời gian có thể ảnh hưởng mạnh mẽ đến thuộc tính và hành vi của các biến số đó, do đó việc hồi quy tuyến tính thông thường với các chuỗi không dừng có thể đem đến kết quả hồi quy giả tạo. Vì vậy, kiểm định tính dừng là cần thiết trước khi đưa các biến vào mô hình nghiên cứu mối quan hệ của các biến triên thời gian. Bài viết sử dụng kiểm định nghiệm đơn vị phi tham số Phillips-Perron được đề xuất bởi Phillips và Perron (1988) để xem xét tính dừng của hai biến sai phân bậc một của chúng \(\Delta Y\) và \(\Delta P\).
Tiếp theo, bài viết tiến hành sử dụng kiểm định đồng liên kết được đề xuất bởi Johasen (1991) để xem xét hai biến không dừng trong biến gốc nhưng dừng trong sai phân bậc 1 có mố quan hệ trong dài hạn (hay chúng có biến động đồng nhịp) hay không. Thủ tục kiểm định dựa trên hai giá trị thống kê kiểm định là: (i) Thống kê Trace với giả thuyết là số lượng các véc tơ đồng liên kết ít hơn hay bằng r và giả thuyết thay thế là có nhiều hơn r véc tơ đồng liên kết; (ii) thống kê trị riêng lớn nhất (maximum eigenvalue statistic) kiểm định giả thuyết cho rằng số lượng các véc tơ đồng liên kết là r, với giả thuyết thay thế là có véc tơ đồng liên kết.
Theo Engle và Grager (1987), nếu hai biến Y và P được tìm thấy là có mối quan hệ đồng liên kết, yếu tố hiệu chỉnh sai số (error correction term) cần được thêm vào mô hình mối quan hệ giữa chúng. Mô hình có dạng:
\(\begin{array}{l}\Delta {X_{i,t}} = {\alpha _i} + {\rho _i}{\varphi _{t – 1}} + \sum {_{k = 1}^s} {\beta _{ij,k}}\Delta {Y_{t – p}}\\\begin{array}{ccccccccccccccc}{}&{}\end{array} + \sum {_{p = 0}^q{\beta _{ij,p}}} \Delta {Y_{t – p}} + {\varepsilon _{i,t}}(i = 1,2)\begin{array}{ccccccccccccccc}{}&{(1)}\end{array}\end{array}\)
Trong đó X1 là P và X2 là Y, biểu thị toán tử sai phân bậc 1, \({\varphi _{t – 1}}\) là thành tố hiệu chỉnh sai số (với \({\varphi _{t – 1}} = {c_1} + {c_2}{Y_{T – 1}} + {c_3}{P_{t – 1}} + {c_4}t\), t là biến xu hướng ), s và q là các độ trễ (được lựa chọ bởi tiêu chuẩn thông tin Schwatrz-SBC), \({\varepsilon _{i,t}}\) là các thành tố sai số ngẫu nhiên tại thời điểm t. Thành tố hiệu chỉnh sai số \({\varphi _{t – 1}}\) đo lường mối quan hệ trong dài hạn giữa các chuỗi biến. Bài viết sử dụng mô hình VECM cho hai biến lạm phát và tăng trưởng với chiều dài trễ tối ưu là 2 (được lựa chọn theo tiêu chuẩn SBC ). Trong đó các phương trình đồng liên kết được diễn đạt là:
\(\Delta {P_t} = {\alpha _1} + {\rho _1}{\varphi _{t – 1}} + \sum {_{k = 0}^2{\beta _{11,k}}\Delta {P_{t – k}} + \sum {_{p = 1}^2{\beta _{21,t}}\Delta {Y_{t – p}} + {\varepsilon _{1t}}} } \begin{array}{ccccccccccccccc}{}&{(2)}\end{array}\)
\(\Delta {Y_t} = {\alpha _2} + {\rho _2}{\varphi _{t – 1}} + \sum {_{k = 1}^2{\beta _{12,k}}\Delta {P_{t – k}} + \sum {_{p = 0}^2{\beta _{22,p}}\Delta {Y_{t – p}} + {\varepsilon _{2t}}} } \begin{array}{ccccccccccccccc}{}&{(3)}\end{array}\)