Liệu rằng các mô hình dự báo có hữu ích cho việc phân tích chính sách

ức tạp hơn, ít liên hệ với dữ liệu, nhận được sự quan tâm của hầu hết các nhà kinh tế học vĩ mô, và ít được sử dụng hơn. Từ những những gì đã trình bày cho đến thời điểm này, có lẽ người đọc sẽ đồng ý rằng vấn đề đặt ra là liệu, trong một áp dụng cụ thể, hướng tiếp cận này hay hướng tiếp cận khác cũng đều đòi hỏi những giả định xác định không tưởng. Ở đây không có sự tranh luận chung chung rằng hướng tiếp cận này tránh được những trở ngại mà ở những hướng tiếp cận khác không thể tránh khỏi. Xác định các mô hình VAR Phần này của bài nghiên cứu mô tả tập hợp các giới hạn thuận tiện trên các mô hình VAR. Lợi ích từ nó yêu cầu một vài biểu hiện trước đó đối với lý thuyết toán kinh tế. (Những độc giả thiếu kiến thức chuyên môn có thể vẫn thu được một số hiểu biết từ ví dụ được trình bày ở phần tiếp theo mà không cần đọc phần này). Phương pháp đơn giản nhất để đạt được một sự giải thích xác định của một mô hình VAR cho việc lựa chọn chính sách là giả định rằng sự biến động chính sách có thể được xác định bằng phần dư trong 1 (hoặc nhiều) phương trình của mô hình. Trong trường hợp đó, các dự báo chính sách có thể được thực hiện bằng cách thức thông thường - Bằng cách tách các phương trình chính sách ra khỏi mô hình và xem xét những phương trình khác. Phương pháp đạt được sự xác định này, như chúng ta đã chỉ ra, chính là phương pháp làm nền tảng cho việc sử dụng thông thường các mô hình toán kinh tế để dự báo tác động của chính sách, cho dù các mô hình đó có rõ ràng là mô hình VAR hay không. Nó cũng chính là các giả định xác định làm nền tảng cho các mô hình kỳ vọng duy lý của các nhà ủng hộ phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế (rational expectations monetarist models), trong đó những sự thay đổi không thể dự đoán trong khối lượng tiền tệ được mặc nhiên công nhận là hoàn toàn được tạo ra bởi các lựa chọn chính sách không nhất quán (5). Tuy nhiên, nó là một hướng tiếp cận hạn chế để giải thích một mô hình. Gần đây một số nhà kinh tế học đã khám phá ra những phương pháp có tính đơn giản và thuận tiện trong việc xác định chính sách để giải thích các mô hình VAR với các lỗi được tiên đoán trước trong các biến chính sách, mà không bị quá nhiều hạn chế (6). Các bước của nó như sau. Chúng ta giả định rằng có các nguồn đặc trưng về hành vi (behaviorally distinct sources) của sự biến thiên tập hợp trong vector e(t) và những nguồn này kiểm soát sự biến động trong nền kinh tế. Một số phần tử của e(t) là những thay đổi bất thường ngẫu nhiên trong chính sách. Một mô hình liên kết vector có thể quan sát được của dữ liệu, Y(t), với các giá trị hiện tại và quá khứ của các nhiễu như sau: (8)      0 0 ).()()()( s s stesBstYsA Mô hình VAR cho Y sẽ có dạng (9)   1 )()()()( s tustYsCtY Trong đó u(t) là bước đầu tiên đoán trước lỗi trong Y. Phương trình (9) có thể được giải để cho ra các ma trận phản ứng xung lực (impulse response) cho Y, G(s), thoả mãn: (10)    m s mtYmHstusGtY 0 )()()()()( Trong đó, H phụ thuộc vào m, nhưng chuỗi G thì không phụ thuộc vào m. Hàng thứ i, cột thứ j của G(s), Gij(s) cho thấy phản ứng của Yi(t+s) đối với một đơn vị nhiễu trong ui(t). Một phần quan trọng đáng chú ý của các mô hình VAR với tính cách là các công cụ mô tả đó chính là vectơ u, hoặc ít nhất là một vài nhân tố của nó. Trong trường hợp đó, phần của ma trận G có thể được giải thích một cách trực tiếp như thể là các phản ứng đối với các tác động chính sách. Tuy nhiên, tình huống phổ biến là các nhiễu hành vi (behavioral disturbances) của phương trình (8) thì không giống như của u. Nếu các nhiễu hành vi của Y là danh mục dữ liệu đầy đủ để mà chúng ta có thể, nếu chúng ta biết ma trận A và B, thu được e(t) từ mỗi t từ những gì đã biết về các giá trị hiện tại và quá khứ của Y(t), và nếu quy trình e là một chuỗi độc lập, khi đó (8) hàm ý: (7) (11) A(0)u(t) = B(0)e(t) Khi đó u(t) = A(0)-1B(0)e(t), và chúng ta có thể thay vào phương trình (10) để thu được phản ứng của Y đối với e bằng cách thay thế G(s) với G(s)A(0)-1B(0), cho tất cả s. Các chuỗi hệ số C và G trong các phương trình (9) và (10) có thể luôn luôn được thu lại từ dữ liệu bằng các thủ tục ước lượng tương đối đơn giản. A và B trong phương trình (8) không thể được thu lại từ dữ liệu mà không cần có những những giả định xác định giới hạn dạng thức của chúng. Nếu các giả định xác định giới hạn chỉ với A(0), B(0), và Ω = var(e(t)), khi đó chúng có thể hàm ý một sự giới hạn trên ∑ = var (u(t)), nhưng chúng sẽ không hàm ý bất cứ giới hạn nào trên C hay G. Bởi vì sự ước lượng có hiệu quả trên C thì không bị tác động bởi các giới hạn trên ∑, trong trường hợp này chúng ta có thể đi từng bước như sau: Bước thứ nhất, ước lượng C bằng các phương pháp VAR đơn giản thông thường và hình thành một ước lượng không giới hạn của ∑ từ ước lượng các phần dư của VAR; Bước thứ 2, sử dụng các giới hạn để rút ra các ước lượng của A(0), B(0), và Ω từ ma trận không giới hạn ∑. Những phản ứng của hệ thống nhất với các nhiễu chính sách khi đó là có thể thu được từ công thức G(s)A(0)-1B(0), trong đó chúng ta có thể sử dụng G từ ước lượng VAR không giới hạn ở bước đầu cùng với A(0) và B(0) ước lượng từ bước thứ 2 của quá trình ước lượng. Một ví dụ dễ hiểu về các giới hạn xác định trên A(0), B(0), và Ω là chuỗi nhân quả Wold. Theo quan điểm này, Ω là ma trận chéo, B(0) = I (ma trận đơn vị), và A(0) là ma trận tam giác và được chuẩn hoá để có được các phần tử nằm dưới đường chéo chính khi các biến được sắp xếp theo thứ tự ưu tiên của chuỗi nhân quả. Sử dụng lập luận B(0) = I, ∑ = A(0)ΩA(0)’, tính chất tam giác của ma trận A(0) hàm ý rằng, một khi chúng ta đã đặt các biến vào thứ tự hợp lý, chúng ta có thể thu được A(0) và Ω từ ∑ và các phần đơn nhất tách ra của ∑. Điều đó có nghĩa là, chúng ta đã biết rằng có một cách duy nhất để biểu diễn một ma trận ∑ hoàn toàn dương ở dạng của LDL, trong đó L là ma trận tam giác dưới với các phần tử nằm dưới đường chéo chính của nó, và D là ma trận chéo. Áp dụng thuật toán chuẩn LDL đối với ∑ cho chúng ta A(0) như L và Ω như D. Sự trực giao hoá ma trận tam giác đã trở thành một cách thực hiện thông thường như là một phần của sự giải thích các mô hình toán kinh tế VAR. Chúng ta chỉ có thể áp dụng lý thuyết chuỗi nhân quả Wold chỉ với 2 khối biến trong một hệ, cái mà yêu cầu A(0) có khối tam giác và Ω theo đúng khối chéo. Khuôn khổ chuỗi khối Wold này làm nền tảng cho tất cả các lý thuyết toán kinh tế chuẩn tắc của các mô hình hệ phương trình đồng thời (simultanious equations models), điều đó tương đương với việc chia Y thành 2 thành phần, một phần nội sinh và một phần tiên định khác. Nếu A(0) là ma trận khối tam giác dưới, khi đó phần trên của vectơ Y đáp ứng tiêu chuẩn thông thường cho các biến định trước. Cụ thể là các giá trị hiện tại và quá khứ thì không tương quan với các giá trị hiện tại và quá khứ của nhiễu trong các phương trình tương ứng với khối dưới. Cấu trúc chuỗi khối Wold thì không tự thân đạt được sự xác định – có 3 hệ số còn lại trong A(0) và Ω hơn là trong ma trận ∑. Ở hướng tiếp cận thông thường với hệ phương trình đồng thời (simultanious equations), các giới hạn xác định thêm vào được áp đặt lên chuỗi A. [chuỗi B được xem xét với B(0) = I, B(s) = 0, s ≠ 0]. Nếu các giới hạn thêm vào bao hàm cả A(0) để cho s dương, khi đó chúng sẽ hàm ý một cách tổng quát các giới hạn trên C và làm mất giá trị khuôn khổ 2 bước xác định đơn giản. Nhưng khuôn khổ chuẩn tắc chỉ thực sự được áp dụng trong trường hợp khi mà các giới hạn được áp đặt duy nhất trên A(0). Hạng thông thường và các điều kiện thứ tự cho việc áp dụng sự xác định, và hàng loạt các nhân tố ước lượng hệ phương trình ngẫu nhiên có thể được áp dụng như thể phương trình (11) với B(0) = I là toàn bộ mô hình và ước lượng của ∑ thu được từ mô hình VAR không giới hạn là ma trận quan trọng của dữ liệu. Lý thuyết phân phối tiệm cận chuẩn tắc được áp dụng mà không có sự thay đổi các nhân tố ước lượng xây dựng từ phương trình (11) và ma trận ước lượng ∑. (8) (Một ví dụ của nghiên cứu thực nghiệm khai thác khuôn khổ thuận tiện xuất bản ở Mazon 1985). Mặc dù không cần thiết phải ràng buộc vào các quy tắc mà các giới hạn trên Ω được áp dụng duy nhất trong sự liên kết với các giới hạn về khối tam giác trên A(0). Nhưng lý do mà nó trở thành quy tắc để áp đặt các giới hạn đó chính là các nhà toán kinh tế thực sự chấp nhận quan điểm rằng thường thì nó sẽ hợp lý để giả định rằng các các nguồn đặc trưng về hành vi (behaviourally distinct sources) của độ biến thiên ngẫu nhiên là độc lập. Quan điểm này có thể hữu ích thậm chí khi không kết hợp với giả định khối tam giác trên A(0), bằng cách đó khẳng định rằng tất cả các nguồn đặc trưng về hành vi (behaviourally distinct sources) của nhiễu là không tương quan với nhau. Một ví dụ về xác định một mô hình VAR Chúng ta sẽ khảo sát một mô hình VAR gồm 6 biến của nền kinh tế Mỹ thời hậu chiến từ quý 1 năm 1948 cho đến quý 3 năm 1979. Thời kỳ khảo sát dừng lại ở quý 3 năm 1979 để tránh yêu cầu có thể xảy ra là phải tuân theo sự thay dổi trong hành vi cung tiền vào quý 4 năm 1979. Các biến khảo sát gồm có GNP thực (Y), đầu tư kinh doanh cố định thực (I), hệ số giảm phát GNP (P), khối tiền M1 (M), thất nghiệp (U), và lãi suất trái phiếu kho bạc (R). Danh sách các biến được chọn này cho phép một sự tranh luận thú vị mặc dù có quá ít các biến. Danh sách các biến quá ngắn, nhưng nó vẫn cho phép chúng ta phân biệt giữa các nguồn đặc trưng về hành vi (behaviourally distinct sources) của nhiễu. Cụ thể, vì nó không bao gồm bất cứ khối tập hợp tiền tệ nào bị kiểm soát chặt chẽ bởi các nhà quản lý chính sách, nên nó buộc chúng ta phải gom các tác động của việc cung tiền phát sinh từ cách mà ngân hàng sử dụng dữ trữ và các tác động phát sinh trực tiếp từ các hoạt động của Hệ thống dự trữ liên bang lại với nhau. Và cũng bởi vì danh sách các biến không bao gồm các biến số tài chính, những thay đổi trong kỳ vọng về chính sách thuế trong tương lai và các chính sách tiêu dùng – Những cái có thể rất quan trọng – Có thể chỉ thể hiện trong mô hình một cách gián tiếp. Một mô hình với các giới hạn không chặt chẽ Khi một mô hình Var phù hợp với các dữ liệu này, sử dụng 4 trễ trên mỗi biến cộng thêm một giới hạn bất biến, và với một hệ số Bayes không chặt (a weak bayesian) đi trước các bước độc lập ngẫu nhiên như giá trị trung bình ưu tiên (prior mean), hệ thống ước lượng kết quả có các phản ứng xung lực (impulse responses) biểu diễn trên biểu đồ 1.(9) Mỗi một đồ thị nhỏ biểu diễn một phản ứng của các biến trong hàng được cho trước với một độ lệch tiêu chuẩn điều chỉnh (lỗi tiên đoán) trong các biến ở các cột được cho trước theo 32 quý liên tiếp. Biểu đồ 1: Các hàm phản ứng của các biến trong một mô hình VAR giới hạn không chặt Mỗi đồ thị nhỏ biểu hiện phản ứng của các biến được ghi ở hàng tương ứng của nó với một nhiễu độ lệch tiêu chuẩn tương ứng được ghi ở trên đầu mỗi cột của nó. Mỗi một phản ứng được biểu diễn theo khoảng thời gian 32 quí liên tiếp, và tất cả các phản ứng trong một hàng đã cho được đo lường theo cùng một đơn vị đo. Các vùng được lấp đầy lớn hơn trong hàng được cho trước liên kết với các nhiễu mà quan trọng trong việc tạo ra các chuyển động trong các biến của hàng. Tất cả các biến được đo lường bằng logarit ngoại trừ tỷ lệ thất nghiệp và lãi suất được đo bằng số % tương đối. Thước chia độ theo chiều dọc được đặt để độ lệch lớn nhất từ trục nằm ngang có cùng khoảng cách với các đồ thị ở mỗi hàng, và độ lớn của phản ứng cao nhất được ghi chú ở phần bên phải mỗi hàng. Biểu đồ 1 là các phản ứng các điều chỉnh trực giao hoá ma trận tam giác. Trong chú thích ở phần trước, ma trận A đã được đưa về dạng ma trận tam giác dưới, với các biến được sắp xếp thứ tự như trong biểu đồ. Các nhiễu có thể được giải thích như đặc trưng về hành vi (behaviorally distinct) nếu chúng ta tin rằng dạng biểu hiện của hệ thống sẽ có dạng chuỗi nhân quả Wold. Thước đo theo chiều dọc là như nhau cho tất cả các đồ thị trong hàng đã cho, vì vậy độ lớn tương đối của các tác động của các điều chỉnh khác nhau trên các biến đã cho có thể được so sánh bằng cách đối chiếu với độ lớn tương đối của các đồ thị phản ứng của các hàng của các biến số. Nhiều kiểu phản ứng ở biểu đồ 1 dường như có các giải thích biểu hiện dễ hiểu. Ví dụ như cú sốc thất nghiệp (cột 5) biểu hiện sự nhiễu cung lao động. Tỷ lệ thất nghiệp tăng tạm thời, sau đó trở lại con số bình thường trong vòng 2 năm sau đó, và sản lượng đầu ra tăng đều đặn trong vòng khoảng hơn 2 năm, sau đó duy trì ở một mức cao. Đầu tư cũng có đồ thị như sản lượng đầu ra. Lãi suất giảm nhẹ và tạm thời. Lượng tiền tăng đều đặn mà không có sự tác động lớn đến mức độ gia tăng giá cả, điều này chỉ ra quá trình điều chỉnh của sự cân bằng thực đối với các hoạt động thực ở mức cao. Điều đáng kể là tác động của nhiễu thất nghiệp xuất hiện như là một ảnh hưởng riêng biệt có tác động lớn nhất trong suốt biểu hiện của sản lượng đầu ra. Mặc dù một số kiểu đồ thị phản ứng khác cũng cũng kể một “câu chuyện” giải thích giống như điều mà chúng ta đã trình bày về sự thất nghiệp, bây giờ chúng ta hãy tập trung vào một vấn đề đó là: chúng ta có thấy các nhiễu cung và cầu tiền trong biểu đồ này không? Giải thích kỳ vọng duy lý của các nhà ủng hộ phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế (The rational expectations monetarist interpretation) là các điều chỉnh về tiền tệ các nhiễu cung tiền. Cột tiền tệ (4) trong biểu đồ 1 chỉ ra rằng giá cả phản ứng mạnh và liên tục, mặc dù với một sự chậm chễ, đối với các điều chỉnh tiền tệ, trong khi đó các biến thực tế phản ứng rất yếu. Mức yếu nhất của các phản ứng thực tế không phù hợp lắm đối với lý thuyết kỳ vọng duy lý của các nhà ủng hộ phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế. Ngoài ra, còn có một phản ứng lãi suất không đáng kể. Bởi vì, không có phản ứng tức thời trong mức giá của sản lượng đầu ra, nên sẽ rất khó để giải thích như thế nào, với một biểu thời gian cầu tiền cố định, công chúng bị đưa đến chỗ chấp nhận một bước nhảy về số lượng tiền tệ. Trong bất cứ hoàn cảnh nào, nhiều nhà kinh tế cũng thích khảo sát lãi suất ngắn hạn như một biến số chính sách tiền tệ hơn. Lãi suất ở cột (6) trong biểu đồ 1 chỉ ra các tác động tiêu cực tạm thời đáng kể lên sản lượng đầu ra của sự gia tăng lãi suất. Nó cũng đồng thời chỉ ra một một sự tác động tiêu cực dai dẳng có quy mô lớn của sự gia tăng lãi suất lên số lượng tiền tệ. Tuy nhiên, có không nhiều tác động liên tục của sự thắt chặt tiền tệ lên giá cả, mà thực ra đó lại là tác động tích cực lên giá cả. Hơn nữa, với một biểu thời gian cầu tiền cố định, thì rất khó để có thể thấy được tại sao sự gia tăng vô lý của lãi suất danh nghĩa dẫn đến 1 sự sụt giảm liên tục của số lượng tiền tệ. Hai sự xác định khác nhau của mô hình (Two Different Identifications of the Model) Biểu đồ 2 và 3 trình bày 2 sự xác định khác nhau của hệ thống VAR. Ở mỗi trường hợp, sự xác định được giới hạn để tách biệt cung và cầu tiền lẫn nhau và từ một khối của phương trình còn lại. Trong mỗi trường hợp, các nhiễu hành vi e được xem là không tương quan với nhau. Sự xác định thứ nhất (The First Identification) Mô hình tạo ra biểu đồ 2 mặc nhiên công nhận rằng phương trình cung tiền liên kết những điều chỉnh về tiền với những điều chỉnh về mức lãi suất và trong đó không có bất kì các biến số nào khác tham gia vào phương trình. Điều này dựa trên ý tưởng rằng các nhà quản lý tiền tệ và các ngân hàng có thể ngay lập tức nhìn thấy mức lãi suất và những chỉ thị về các chuyển động trong khối tập hợp tiền tệ, nhưng họ chỉ có thể phản ứng với các biến số còn lại trong nền kinh tế sau một sự trì hoãn bởi vì dữ liệu về những biến số này được đưa ra muộn hơn. Phương trình cầu tiền trong mô hình này cho phép những điều chỉnh về tiền phụ thuộc vào những điều chỉnh về mức lãi suất, sản lượng đầu ra, và mức giá. Nhu cầu đầu tư được quy định để làm cho những điều chỉnh về đầu tư tương đương với những điều chỉnh về nhu cầu đầu tư - điều đó có nghiã là, nhu cầu đầu tư phản ứng với các biến khác chỉ khi có sự trì hoãn. Ba phương trình còn lại được quy định để xác định sản lượng đầu ra, giá cả, và những điều chỉnh thất nghiệp từ 3 sự điều chỉnh độc lập hơn và những điều chỉnh trong đầu tư và mức lãi suất. Ba phương trình này được chuẩn hoá để có một khối tam giác (ma trận) gồm những hệ số về giá cả, sản lượng đầu ra, và tình trạng thất nghiệp. Lưu ý rằng có một giới hạn xác định quan trọng đó là: sự điều chỉnh số lượng tiền tệ không được phép đưa vào phương trình ngoại trừ cung và cầu tiền; Các biến số liên quan đến tiền tệ được phản hổi trong phần còn lại của mô hình bằng cách duy nhất là thông qua mức lãi suất. Những phương trình cho hệ này và những hệ số ước lượng được liệt kê dưới đây: Cung tiền (12) r= 71.2m + e1 (46.0) Cầu tiền (13) m= .283y + .224p  .0081r + e2 (.103) (.128) (.0043) Sản lượng đầu ra (14) y= .00135r + .132i + e4 (.00308) (.024) Giá cả (15) p= .0010r + .045y + .00364i + e5 Thất nghiệp (16) u= .116r  20.1y  1.48i  8.98p + e6 (.045) (2.5) (.72) (4.1) Nhu cầu đầu tư (17) i = e3 Dữ liệu trên tất cả biến số được tính bằng logarít ngoại trừ U va R được đo bằng tỷ lệ phần trăm. Các sai số tiêu chuẩn xấp xỉ được ghi trong ngoặc đơn bên dưới các hệ số. Phương trình cung và cầu tiền có thề hợp lý một cách ngạc nhiên bởi vì như đã định trước chúng chỉ được xác định bằng những giới hạn loại trừ trong các điều chỉnh. Sự phản ứng đối với một cú sốc cung tiền được thể hiện trong biểu đồ 2 là hoàn toàn khác so với sự phản ứng của cú sốc tiền tệ và cú sốc lãi suất trong biểu đồ 1, gần với Biểu đồ 2 và 3 Các hàm số phản ứng của các biến của mô hình VAR đối với 2 sự xác định khác nhau Biểu đồ 2: Các phản ứng đối với sự xác định đầu tiên Biểu đồ 3: Các phản ứng đối với sự xác định thứ 2 một sự khác nhau của 2 đồ thị phản ứng đó. Lúc này một cú sốc cung tiền (biểu đồ 2, cột 1) bao gồm những bước nhảy đồng thời hướng lên ở mức lãi suất và hướng xuống ở số lượng tiền. Sự di chuyển của số lượng tiền tăng lên trong vài quý tiếp theo và vẫn tiếp tục duy trì xu hướng như vậy. Sự di chuyển của mức lãi suất được tạm thời không đổi, tuy nhiên bây giờ sự dịch chuyển chậm trễ nhưng liên tục của giá cả lùi lại trạng thái cân bằng thực, vì thế lượng tiền danh nghĩa vẫn không bị thay đổi mặc dù mức tăng lãi suất đang mất dần. Sản lượng đầu ra, đầu tư, thất nghiệp đưa những chệch hướng chu kỳ kinh doanh thực tế hợp lý phản ứng lại cú sốc về cung tiền. Những phản ứng ước lượng đối với một nhiễu cầu tiền (biểu đồ 2, cột 2) thì khó hợp lý hoá hơn. Nghĩa là, một cú sốc cầu tiền ban đầu có thể làm tăng mức lãi suất và số lượng tiền đồng thời dẫn đến sự sụt giảm liên tục trong sản lượng đầu ra là không hợp lý. Nhưng cũng có nghĩa là việc không thể có tác động tức thời lên giá cả và, trong thời gian dài, có thể làm tăng giá cả, là không hợp lý. Có một số giải thích hợp lý về tính không chặt chẽ trong các giả định xác định. Trước hết là vấn đề mà bằng cách đặt M1 vào phương trình cung tiền, chúng ta từ bỏ việc tách rời hành vi của ngân hàng với hành vi của cục dự trữ liên bang và do đó có thể cũng từ bỏ việc tách rời một cách chính xác giữa hành vi cung tiền và hành vi cầu tiền. Một giải thích khác đó là khi không có những biến số tài chính, một sự thay đổi trong nợ hiện tại hay trong thặng dư liên bang thực mong đợi trong tương lai có thể sẽ tạo nên cái được xác định ở đây như là một cú sốc cầu tiền. Sự tăng lên về nợ do thâm hụt hiện tại, cao hơn sự tăng lên của thặng dư thực mong đợi trong tương lai, sẽ gây ra những tác động sau đây: sự gia tăng nhu cầu giữ tiền (thông qua sự gia tăng về tỉ lệ các danh mục vốn đầu tư danh nghĩa của công chúng), sự gia tăng về mức lãi suất, và gia tăng những áp lực lên giá cả. Và giải thích cuối cùng là mô hình không chứa đựng biến số tỉ giá hối đoái hoặc biến số giá cả hàng hoá. Sự sụt giảm trong giá trị của đồng đôla hay sự gia tăng về giá cả hàng hoá có thể tạo ra nhu cầu của các giao dịch về tiền tăng lên, sự lạm phát được tiên đoán trước, sự gia tăng về tỉ suất lợi nhuận, và sự giảm sút của sản lượng đầu ra. Sự xác định thứ 2 (Second Indentification) Tuy nhiên, trước khi từ bỏ việc xác định nhu cầu tiền tệ, 2 hoặc 3 thử nghiệm với các tập giới hạn xác định thay đổi được thực hiện. Đầu tiên, sự điều chỉnh về tiền được phép đưa vào phương trình giá cả một cách trực tiếp. Chi tiết này làm cho sự phản ứng với một cú sốc cầu tiền được ước lượng không còn hợp lí nữa, nhưng điều này làm cho nhiễu phương trình giá cả bắt đầu biểu hiện giống như một cú sốc cầu tiền. Những gì được liệt kê dưới đây là những phương trình điều chỉnh cho sự giải thích này trong hệ thống, được chuẩn hoá lại để cho phương trình giá cả đuợc chuẩn hoá về tiền và ngược lại: Cung tiền (18) r = 82.0m + e1 (13.0) Cầu tiền (19) m= .29y – .0088i + .90p – .0082r + e2 (.08) (.0164) (.22) (.0022) Sản lượng đầu ra (20) y= –.0021r + .13i + e3 (.0021) (.02) Giá cả (21) p= –.0058 + .22y – .50m + e5 (.0025) (.06) (.11) Thất nghiệp (22) u= –.12r – 20.1y – 1.49i – 8.97p + e6 (.04) (1.1) (.36) (1.17) Cầu đầu tư (23) i= e4 Lúc này biểu đồ 3 cung cấp một phản ứng đáng tin cậy hơn đối với một cú sốc về cầu tiền (cột 2). Ban đầu mức lãi suất tăng, số lượng tiền tăng và giá cả giảm. Sản lượng đầu ra giảm vả giữ ở mức thấp. Số lượng tiền vẫn ở mức cao, và cuối cùng giá cả tăng để loại trừ những cân bằng thưc cao hơn. Thật không dễ dàng để hiểu tại sao sản lượng đầu ra có thể suy giảm trong một thời gian dài sau khi mức lãi suất và cân bằng thực trở về mức bình thường, Nhưng phản ứng này thì đủ nhỏ để nó có thể không có ý nghĩa về mặt thống kê. Lưu ý rằng tác động của cú sốc về cầu tiền lên những biến số khác tương đối yếu, tuy nhiên cũng lưu ý rằng cú sốc cầu tiền tạo ra những ảnh hưởng ban đầu lên số lượng tiền có cùng độ lớn với những ảnh hưởng ban đầu của cú sốc cung tiền. Điều này có nghĩa là, mặc dù các cú sốc cung tiền trong mô hình này ảnh hưởng mạnh mẽ lên cả giá cả và biểu hiện chu kỳ kinh doanh thực, nhưng sự dịch chuyển của số lượng tiền theo từng quý vẫn bao hàm một bộ phận lớn hợp thành các thay đổi cung tiền. Mô hình này chỉ ra rằng hành vi cung tiền ổn định sẽ giúp ổn định nền kinh tế, nhưng mô hình này cũng chỉ ra rằng hành vi cung tiền ổn định là hoàn toàn khác so với số lượng tiền ổn định trong mỗi quý. Trong khi biểu đồ 3 biểu hiện rất rõ ràng, thì phương trình (19) và (21) lại không như vậy. Tại sao cầu tiền nên phản ứng lại nhiều hơn đối với giá cả hơn là sản lượng đầu ra trong khoảng thời gian ngắn? Sự lý giải cho những phản ứng tiêu cực của giá cả đối với tiền tệ trong khối phi tiền tệ của mô hình là gì? Kết luận ắt hẳn phải là điều mà sự giải thích này, giống như những giải thích trước, không tránh khỏi nghi vấn nghiêm trọng. Người ta nên có một mô hình mà bao gồm tỷ giá hối đoái, giá cả hàng hoá, các biến số tài chính, và một khối tập hợp tiền tệ được kiểm soát một cách trực tiếp hơn trước khi đưa ra những kết luận chắc chắn về chính sách. Điều mà sự vận dụng này ám chỉ (What the Exercise Suggests) Dù sao thì, sự vận dụng này ám chỉ rằng một sự khai triển tương đối đơn giản trên hệ thống xác định chuỗi nhân quả Wold, điều mà được áp dụng thường xuyên trong các mô hình VAR, có thể mang lại những hiểu biết quan trọng. Ở đây dường như người ta sẽ nghĩ rằng các tác động cung tiền thì quan trọng đối với lạm phát và sản lượng đầu ra – và chúng liên kết các tác động của sản lượng đầu ra ngắn hạn với các tác động giá cả dài hạn một cách chặt chẽ – hơn là sẽ nghĩ rằng liệu chúng có bị giới hạn trong một khuôn khổ mà trong đó các nhiễu hành vi xảy ra đồng thời với sự điều chỉnh biến số. Nếu sự giải thích này là đúng, điều đó sẽ ngụ ý rằng các mô hình toán kinh tế vĩ mô truyền thống mà bỏ qua sự nội sinh (endogeneity) của những công cụ chính sách tiền tệ sẽ có thể hoàn toàn sai lầm. Điều đó cũng đồng thời ám chỉ rằng các hình thức đơn giản của cả phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế theo các kỳ vọng duy lý và phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế truyền thống là sai lầm. Những tác động của các cú sốc cung tiền không vận hành thông qua những bất ngờ về giá cả cùng một lúc, như phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế theo các kỳ vọng duy lý đã chỉ ra, và cũng không phải là các điều chỉnh số lượng tiền tệ gần như hoàn toàn góp phần tạo nên các cú sốc cung tiền. Những quyết định chính sách nhằm loại bỏ sự dao động của số lượng tiền trong ngắn hạn không đươc ủng hộ. Mặc dù mô hình cho thấy hầu hết các biến đổi về số lượng tiền (trong các đồ thị theo trục ngang) là do các thay đổi về cung tiền, phần lớn các biến đổi qua từng quý không dự đoán được bắt nguồn từ nhu cầu và những ảnh hưởng khác. Nếu các đồ thị của những phản hồi đối với các cú sốc cung tiền nhận thấy ở đây được chứng minh trong một mô hình VAR chi tiết hơn, thì sẽ thật hợp lí để sử dụng chúng trong việc xác định những phản ứng chính sách tối ưu đối với nhiễu trong cầu tiền, tỉ giá hối đoái, cung lao động... Tất nhiên, nếu sử dụng mô hình theo cách này mà dẫn đến những chuyển đổi đáng kể trong chính sách, thì sẽ có những nghi vấn về sự xác định. Nếu điều đó ám chỉ những thay đổi lớn chưa từng thấy trong các công cụ chính sách, thì liệu rằng mô hình VAR có còn giữ được cấu trúc tuyến tính hay không. Nếu điều đó ám chỉ những thay đổi đáng kể trong xu hướng hoặc mức độ của ổn định trong giá cả, thì bài phê bình những kỳ vọng duy lý ám chỉ một lý do cho việc quan tâm về sự một dạng khác của mô hình phi tuyến tính. Tuy nhiên, những phân tích về chính sách dựa trên một mô hình cân bằng kỳ vọng duy lý có thể không đáng tin cậy do có cùng nguyên nhân. Một mô hình như vậy hầu như sẽ không tránh khỏi một sự liên kết tự thân và thiếu chặt chẽ đối với dữ liệu hơn so với một mô hình VAR, vì thế tất cả những kết quả của nó đều có thể không đáng tin cậy ngay tử đầu. Nó sẽ dựa trên những giả định gần đúng về các dạng hàm số cho thị hiếu vả công nghệ trong nền kinh tế - những định mà sẽ chỉ chính xác qua một số khoảng biến thiên trong hành vi của nền kinh tế. Điều này sẽ tạo nên những giả định về cấu trúc thị trường và sự duy lý cá nhân mà sẽ chắc chắn là không chính xác đối với một vài mức độ. Bởi vì những giới hạn của một mô hình như vậy là khác biệt so với những giới hạn của một mô hình VAR, mặc dù có sự giống nhau về quan niệm, do đó đôi khi sẽ thật hữu ích để nghĩ về những hậu quả của những thay đổi về chính sách trong bối cảnh của các mô hình kỳ vọng duy lý cũng như trong bối cảnh của các mô hình VAR. Có một sự cân bằng các giữa 2 loại mô hình này để đạt được sự kết hợp tốt nhất trong phân tích chính sách, mà không phải là thứ bậc của chúng. 1.2 CÁC CHÚ THÍCH *Nghiên cứu này được hỗ trợ bởi National Foundation Grant SES-8309329 (1) Trong lý thuyết engineering control, sự xác định (identification) thường ám chỉ cái mà các nhà toán kinh tế gọi là sự ước lượng (estimation) của một tập hợp các tham số nào đó. Trong thống kê, sự xác định là nghi vấn liệu rằng các tham số của một mô hình có sắp đặt lần lượt theo tứ tự thành các phân phối xác suất cho dữ liệu hay không. Cả 2 các sử dụng đều có liên quan đến cách sử dụng toán kinh tế được mô tả trong giáo trình, nhưng không có nhiều điểm giải thích mối liên hệ ở đây. (2) Mô hình cấu trúc được sử dụng ở đây, mặc dù phần nào mâu thuẫn với cách sử dụng phổ biến đã chỉ ra trong văn bản, đã được tìm thấy trong các cách giải quyết sớm hơn những vấn đề này - ví dụ những cách giải quyết vấn đề của Hurwicz (1962) và Koopmans và Bausch (1959). Các nhà kinh tế nên chuẩn hóa việc sử dụng để mô hình cấu trúc luôn được kết nối với sự đòi hỏi của tính hữu dụng trong dự báo về tác động của hành động. Ngược lại, dạng rút gọn được sử dụng rộng rãi hơn để chỉ một sự biến đổi của một số mô hình có thể giải thích ban đầu thành một hình thức thuận tiện hơn nhưng không dễ dàng để giải thích. Người ta có thể tưởng tượng ra một mô hình hữu ích cho việc dự báo những ảnh hưởng của chính sách đó là một sự biến đổi dạng rút gọn của một mô hình với một tập hợp phức tạp hơn của giải thích hành vi. Một mô hình như vậy có thể có cả hai cấu trúc và, trong một nghĩa nào đó, là một dạng rút gọn. Tôi thấy không có tác hại trong việc sử dụng dạng rút gọn theo cách này, mặc dù trong bài nghiên cứu này tôi sẽ bám vào cách sử dụng chặt chẽ hơn mà trong đó một mô hình dạng rút gọn được thực hiện không bao giờ có cấu trúc. (3) Nếu nó chưa hoàn tất, nó có thể được hoàn tất bằng cách thêm các phương trình dự báo cho bất kỳ các biến phi chính sách định trước. Để thực hiện các dự báo với mô hình, điều này phải được thực hiện hoàn toàn trong bất kỳ trường hợp nào, vì tất cả các biến trong mô hình sẽ phải được dự báo. (4) Nếu biểu hiện cung sản xuất không phải là cạnh tranh, phương trình (6) - (7) sẽ không phải là một mô tả chính xác biểu hiện của sản xuất theo thuế, ngay cả khi biểu hiện lịch sử của giá cả, sản lượng, thu nhập, và các dữ liệu thời tiết có thể không thể phân biệt được từ đó tạo ra biểu hiện cung cạnh tranh. (5) Ví dụ về các mô hình kỳ vọng duy lý của các nhà ủng hộ phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế (rational expectations monetarist models), xem trong nghiên cứu của Barro (1997) hoặc của Sargent và Wallace (1976). (6) Ví dụ, xem trong nghiên cứu của Litterman (1984), Blanchard and Watson (1984), Blanchard (1985), Bernanke (sắp xuất bản), và Mazon (1985). (7) Nghiên cứu của Sargent và Hansen (1984) đã chỉ ra rằng giả định rằng Y là một danh mục dữ liệu đầy đủ là vô hại. Tuy nhiên các giả định xác định thì không bao giờ không thể vô hại, và điều này thường là hợp lý. Có thể thật là sai lầm nếu chúng ta không tính đến trong mô hình các biến mà thay đổi một cách trực tiếp trong sự phản hồi đối với các tác động chính sách. Điều đó cũng đặt ra yêu cầu rằng B(0) là ma trận vuông (tức là số lượng các biến số trong mô hình tương xứng với số lượng các nhiễu hành vi trong vector e). (8) Nguyên nhân mà điều này tiến hành một cách thuận tiện là giả thuyết cho dữ liệu có một khối ma trận tam giác. Đây là điều kiện Durbin (1970) đã chỉ ra như là sự cần thiết để đảm bảo cho 2 bước ước lượng, xem xét các ước lượng tham số bước đầu như thể đã được biết một cách chính xác, tạo ra các kết quả tiệm cận giống như cái giống nhau tối đa (maximum likelihood – phương pháp chọn giá trị cho phép các xác suất tối đa). (9) Ưu tiên được sử dụng ở đây và sự bổ sung của nó là sự đơn giản hóa các thủ tục đã được sử dụng bởi Doan, Litterman, và Sims (1984). (10) Sai số tiêu chuẩn (standard errors) dựa trên đạo hàm lần thứ 2 gần đúng của ma trận được tích lũy trong suốt nghiên cứu về cái giống nhau tối đa (phương pháp chọn giá trị cho phép các xác suất tối đa) được thực hiện bởi BFGS - thuật toán tối ưu hóa. (Xem Gill, Murray, và Wright 1981, trang 119). Một Hessian gần đúng không cần phải quá chính xác, thậm chí khi sự tìm tìm kiếm các thuật toán đã thực hiện tốt trong việc tìm kiếm cái giống nhau tối đa (phương pháp chọn giá trị cho phép các xác suất tối đa) mà đã đạt được. PHẦN 2: TÓM TẮT BÀI DỊCH VÀ LIÊN HỆ THỰC TẾ 2.1 Tóm tắt bài dịch Christopher Sims đã đoạt giải Nobel Kinh tế năm 2011 cùng với Sargent vì nghiên cứu thực nghiệm về nguyên nhân và ảnh hưởng trong kinh tế học vĩ mô. Nền kinh tế liên tục chịu tác động của những sự kiện không thể lường trước. Giá dầu bất ngờ tăng, NHTW thay đổi lãi suất, hay tiêu dùng đột ngột giảm. Những sự kiện không lường trước ấy thường được gọi là những “cú sốc”. Nền kinh tế cũng chịu tác động của những thay đổi dài hạn hơn, ví dụ như thay đổi chính sách tiền tệ theo hướng kiềm chế lạm phát hay thay đổi chính sách tài khóa theo hướng thắt chắt ngân sách. Một trong những nhiệm vụ chính của nghiên cứu kinh tế vĩ mô là tìm hiểu xem những “cú sốc” và những thay đổi chính sách mang tính hệ thống ấy ảnh hưởng ra sao tới các biến số vĩ mô trong cả ngắn và dài hạn. Nghiên cứu của Sargent giúp chúng ta hiểu ảnh hưởng của những thay đổi chính sách mang tính hệ thống, còn Sims lại tập trung vào cơ chế lan truyền của những “cú sốc” đối với toàn nền kinh tế. Vì vậy, Sims tập trung nghiên cứu việc ứng dụng mô hình tự hồi quy VAR nhằm nhận diện, giải thích những “cú sốc” kinh tế trong dữ liệu lịch sử và giúp phân tích xem những “cú sốc” ấy dần dần tác động ra sao tới các biến số vĩ mô khác, từ đó có thể đưa ra những phân tích và lựa chọn chính sách kinh tế đúng đắn. Nghiên cứu của hai ông xuất phát từ những quan tâm đến mối quan hệ tương hỗ giữa chính sách và sự phát triển kinh tế; liệu chính sách tác động tới phát triển kinh tế hay phát triển kinh tế tác động tới chính sách? Mô hình VAR thường kết hợp các biến chính sách vào mô hình một cách đối xứng với các biến khác và xem tất cả chúng như các biến ngẫu nhiên. Đơn cử, Sims sử dụng những biến số như giá dầu, lãi suất, tỷ lệ thất nghiệp trong mô hình VAR để xác định tác động của chúng đối với các biến số vĩ mô quan trọng cũng như quyết định lựa chọn một chính sách kinh tế. Về nguyên tắc, ông đồng ý rằng việc lựa chọn chính sách là các biến ngẫu nhiên, với sự không chắc chắn về ảnh hưởng quan trọng của các biến này trên hành vi thực tế. Tuy nhiên, khi chúng ta lựa chọn một chính sách, không phải đơn thuần là chúng ta gieo một con xúc xắc mà thay vào đó, chúng ta thường phải đưa ra một sự lựa chọn duy nhất có tính quyết định. Nhưng lập luận này không phải là phản đối việc sử dụng các mô hình dự báo để hỗ trợ cho sự lựa chọn chính sách. Chúng chỉ chỉ ra rằng khi chúng ta nên bổ sung một sự giải thích hợp lý hoặc một sự xác định rõ ràng để có thể dễ dàng so sánh và đưa ra một quyết định lựa chọn đúng đắn nhất. Vì vậy, mô hình VAR đã được xây dựng trên nền tảng vững chắc của ba dạng mô hình sau đây: Dạng rút gọn, Mô hình cấu trúc và Sự xác định (Reduced form, Structure, Identification) Dạng rút gọn (reduced form) là một mô hình mô tả làm thế nào một số dữ liệu lịch sử, chúng ta có thể gọi là tập X, được tạo ra bởi một số cơ chế ngẫu nhiên. Khi chúng ta ước lượng một mô hình dạng rút gọn, chúng ta xây dựng một vài thống kê mà tóm tắt các dữ liệu đầy đủ của tập X. Mô hình dạng rút gọn có thể được xem như là một nhân tố căn bản cho một dạng cụ thể của dữ liệu tóm tắt. Một cấu trúc, hay còn gọi mô hình cấu trúc, là một mô hình mà chúng ta có thể sử dụng trong việc ra quyết định. Nó tạo ra các dự đoán về các kết quả Z của những hình thức tác động khác nhau A mà chúng ta đã thực hiện. Sự xác định (Identification) là sự giải thích sự biến động của các dữ liệu quan sát trong lịch sử bằng 1 phương pháp mà cho phép các biến động có thể được sử dụng để dự đoán kết quả của một hành động chưa thực hiện. Thực hiện kết nối giữa dữ liệu và kết quả của những quyết định là điều không dễ dàng, và việc thực hiện kết nối đó càng trở nên khó hơn xa hơn nữa là các hành động mà chúng ta dự tính thực hiện từ bất kỳ một sự kiện quan sát nào trong lịch sử. Nếu chúng ta may mắn, có thể có sự biến động ngẫu nhiên về mặt lịch sử trong các hành động mà tương tự như các hành động chúng ta đang dự kiến. Sau đó chúng ta có thể sử dụng dữ liệu trực tiếp để quyết định các tác động của các hành động của chúng ta có thể xảy ra. Nhưng đôi khi chúng ta phải dự tính những hành động hoàn toàn khác nhau từ những quan sát trong quá khứ, trong đó việc xác định các trường hợp trở nên khó khăn hơn và dễ gây tranh cãi. Hình thức đơn giản nhất và được sử dụng rộng rãi nhất của mô hình định lượng như là một trợ giúp để lựa chọn chính sách là mô hình bảng tính tài chính. Mô hình cấu trúc thường được hình thành bằng cách giả định rằng các tỷ lệ trung bình quan sát trong lịch sử nào đó trong các dữ liệu kế toán thì dường như không thay đổi theo những thay đổi khác nhau trong chiến lược kinh doanh và do đó có thể được sử dụng để dự báo các tác động của những thay đổi trong chiến lược. Ví dụ sau đây phát sinh trong các thử nghiệm lâm sàng trong y học. Chúng ta có thể có các kết quả từ một nghiên cứu của 200 bệnh nhân, 100 bệnh nhân được cho điều trị bằng phương pháp cũ và 100 bệnh nhân được cho điều trị theo phương pháp mới. Kết quả có thể được trình bày thành bảng phân loại chéo phân thành 16 mục theo chủng tộc, độ tuổi, và giới tính của bệnh nhân. Việc hoàn thành bảng tính chéo có thể được xem như là một tập hợp dạng rút gọn các tham số ước lượng. Sau đây là các câu hỏi thực tế được đặt ra với bất kỳ bệnh nhân nào: Bệnh nhân trong trường hợp cụ thể này có giống với các bệnh nhân được chọn trong mẫu nghiên cứu mà kết quả nghiên cứu từ mẫu là phù hợp không? Kết quả có thể được ngoại suy đến tuổi hoặc các nhóm dân tộc không được hoàn toàn không có tính đại diện cho mẫu không? Một bác sĩ thú y có nên sử dụng kết quả nghiên cứu trên con người này để điều trị cho ngựa không? Đây chính là sự xác định vấn đề (Identification problem). Các phương pháp VAR có một lợi thế hơn về mặt lý thuyết so với các mô hình kinh tế chuẩn tắc ở chỗ: chúng tạo ra một sự liên kết giữa mô hình với một mô hình dự báo dạng rút gọn hoàn toàn rõ ràng. Điều đó nghĩa là người ta có thể xác nhận tính hợp lệ của những giả định xác suất ở dạng rút gọn bằng cách cho nó trượt theo dữ liệu lịch sử, và cho nó thực hiện các dự báo với dữ liệu thích hợp tại mỗi kỳ trong quá khứ. Sự phân phối xác suất của mô hình cho các lỗi dự báo có thể được so sánh với phân phối mẫu quan sát của các lỗi dự báo. Vấn đề là, mô hình VAR hoặc bất cứ mô hình nào khác có thể làm thu hẹp khoảng cách giữa mô tả chi tiết ngẫu nhiên mô hình (model stochastic specification) với phân phối các lỗi dự báo quan sát, sẽ hứa hẹn việc xây dựng cho chính sách nền móng vững chắc hơn dựa trên các sự thật khách quan. Gần đây một số nhà kinh tế học đã khám phá ra những phương pháp có tính đơn giản và thuận tiện trong việc xác định chính sách để giải thích các mô hình VAR với các lỗi được tiên đoán trước trong các biến chính sách, mà không bị quá nhiều hạn chế. Theo đó, mô hình VAR được phân tích trên cơ sở hai sự xác định khác nhau, trong đó mỗi trường hợp đều tách biệt cung và cầu tiền với nhau về mối tương quan trong một phương trình. Ở đây dường như người ta sẽ nghĩ rằng các tác động cung tiền thì quan trọng đối với lạm phát và sản lượng đầu ra – và chúng liên kết các tác động của sản lượng đầu ra ngắn hạn với các tác động giá cả dài hạn một cách chặt chẽ – hơn là sẽ nghĩ rằng liệu chúng có bị giới hạn trong một khuôn khổ mà trong đó các nhiễu hành vi xảy ra đồng thời với sự điều chỉnh biến số. Nếu sự giải thích này là đúng, điều đó sẽ ngụ ý rằng các mô hình toán kinh tế vĩ mô truyền thống mà bỏ qua sự nội sinh (endogeneity) của những công cụ chính sách tiền tệ sẽ có thể hoàn toàn sai lầm. Điều đó cũng đồng thời ám chỉ rằng các hình thức đơn giản của cả phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế theo các kỳ vọng duy lý và phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế truyền thống là sai lầm. Những tác động của các “cú sốc” cung tiền không vận hành thông qua những bất ngờ về giá cả cùng một lúc, như phương pháp kiểm tra sự lưu thông tiền tệ để ổn định nền kinh tế theo các kỳ vọng duy lý đã chỉ ra, và cũng không phải là các điều chỉnh số lượng tiền tệ gần như hoàn toàn góp phần tạo nên các “cú sốc” cung tiền. Những quyết định chính sách nhằm loại bỏ sự dao động của số lượng tiền trong ngắn hạn không đươc ủng hộ. Mặc dù mô hình cho thấy hầu hết các biến đổi về số lượng tiền (trong các đồ thị theo trục ngang) là do các thay đổi về cung tiền, phần lớn các biến đổi qua từng quý không dự đoán được bắt nguồn từ nhu cầu và những ảnh hưởng khác. Nếu các đồ thị của những phản hồi đối với các “cú sốc” cung tiền nhận thấy ở đây được chứng minh trong một mô hình VAR chi tiết hơn, thì sẽ thật hợp lí để sử dụng chúng trong việc xác định những phản ứng chính sách tối ưu đối với nhiễu trong cầu tiền, tỉ giá hối đoái, cung lao động... Tất nhiên, nếu sử dụng mô hình theo cách này mà dẫn đến những chuyển đổi đáng kể trong chính sách, thì sẽ có những nghi vấn về sự xác định. Nếu điều đó ám chỉ những thay đổi lớn chưa từng thấy trong các công cụ chính sách, thì liệu rằng mô hình VAR có còn giữ được cấu trúc tuyến tính hay không. Nếu điều đó ám chỉ những thay đổi đáng kể trong xu hướng hoặc mức độ của ổn định trong giá cả, thì bài phê bình những kỳ vọng duy lý ám chỉ một lý do cho việc quan tâm về sự một dạng khác của mô hình phi tuyến tính. Tuy nhiên, những phân tích về chính sách dựa trên một mô hình cân bằng kỳ vọng duy lý có thể không đáng tin cậy do có cùng nguyên nhân. Một mô hình như vậy hầu như sẽ không tránh khỏi một sự liên kết tự thân và thiếu chặt chẽ đối với dữ liệu hơn so với một mô hình VAR, vì thế tất cả những kết quả của nó đều có thể không đáng tin cậy ngay tử đầu. Nó sẽ dựa trên những giả định gần đúng về các dạng hàm số cho thị hiếu vả công nghệ trong nền kinh tế - những định mà sẽ chỉ chính xác qua một số khoảng biến thiên trong hành vi của nền kinh tế. Điều này sẽ tạo nên những giả định về cấu trúc thị trường và sự duy lý cá nhân mà sẽ chắc chắn là không chính xác đối với một vài mức độ. Bởi vì những giới hạn của một mô hình như vậy là khác biệt so với những giới hạn của một mô hình VAR, mặc dù có sự giống nhau về quan niệm, do đó đôi khi sẽ thật hữu ích để nghĩ về những hậu quả của những thay đổi về chính sách trong bối cảnh của các mô hình kỳ vọng duy lý cũng như trong bối cảnh của các mô hình VAR. Có một sự cân bằng các giữa 2 loại mô hình này để đạt được sự kết hợp tốt nhất trong phân tích chính sách, mà không phải là thứ bậc của chúng. Với tất cả nội dung trên, những nghiên cứu của Sims và Sargent đã đóng góp những phương pháp hữu ích trong việc phân tích và hoạch định chính sách, cũng như góp phần xây dựng nền tảng vững chắc cho phân tích kinh tế vĩ mô hiện đại. 2.2 Liên hệ thực tế: Ứng dụng mô hình VAR để kiểm định và dự báo lạm phát ở Việt Nam Về mô hình VAR, Christopher Sims phát triển một phương pháp phân tích được gọi là vector autoregression (VAR) – một công cụ phân tích thực nghiệm – để phân tích việc nền kinh tế phản ứng như thế nào với các thay đổi ngắn hạn về chính sách và các yếu tố khác. Các nhà kinh tế nhận ra quan hệ giữa các chính sách của nhà nước và kỳ vọng của thị trường có quan hệ tương tác chặt chẽ với nhau. Các chính sách ảnh hưởng tới nền kinh tế, nhưng nền kinh tế cũng ảnh hưởng tới các chính sách. Kỳ vọng về tương lai là yếu tố chính trong mối quan hệ hai chiều này. Vì thế, quyết định kinh tế của khu vực tư nhân tại thời điểm hiện tại phụ thuộc vào kỳ vọng của họ về các chính sách trong tương lai của nhà nước. Tương tự như thế, các chính sách tương lai của nhà nước cũng bị ảnh hưởng bởi kỳ vọng của nhà nước về sự vận hành của nền kinh tế trong tương lai, đây được xem như là mối quan hệ nhân quả. Bằng một loạt các thực nghiệm, Sims đã phát triển các phương pháp thực nghiệm để phân tích và phát hiện các quan hệ nhân quả này một cách chính xác. Từ đó, có thể rút ra các khuyến nghị chính xác về chính sách kinh tế. Năm 2011, Ông đã cùng với Sargent được Viện Hàn lâm Khoa học Thụy Điển trao tặng Giải Nobel Kinh tế. Các phương pháp thực nghiệm của hai Ông được áp dụng tại nhiều quốc gia. Đối với Việt Nam, các lý thuyết này còn tương đối mới, tuy nhiên nó cũng đã được ứng dụng để phân tích và dự báo chính sách. Sau đây là một ví dụ về ứng dụng mô hình VAR để kiểm định và dự báo lạm phát tại Việt Nam: Như chúng ta đã biết, lạm phát có nhiều nguyên nhân bao gồm: lạm phát do cầu kéo, lạm phát do chi phí đẩy, lạm phát do tăng cung tiền … Việc dự báo lạm phát là công việc quan trọng cho việc đưa ra các chính sách vĩ mô để giúp ổn định và phát triển nền kinh tế. Có rất nhiều mô hình dự báo lạm phát được sử dụng, trong đó, mô hình hồi quy vectơ (VAR) là mô hình được sử dụng khá phổ biến trên thế giới. Theo khảo sát có được từ các nguồn thu thập được, mô hình VAR tại Việt Nam gồm 10 biến cơ bản nhằm kiểm định tác động của các nhân tô tới lạm phát Việt Nam từ 2000 đến 2010, bao gồm các biến nội sinh (khối chính sách): CPI, tín dụng nội địa (CREDIT), GDP, dự trữ ngoại hối (IR), lãi suất tiền gửi (LSTG), XNK ròng (XNK), M2 và các biến ngoại sinh (khối phi chính sách): giá dầu (OIL), giá gạo (RICE), cung tiền Mỹ (M2US). Tất cả các biến được lấy log, riêng XNK lấy trừ log giá trị tuyệt đối của XNK quý, LSTG, IR không lấy log. Mô hình được ước lượng với 1 hệ gồm 10 phương trình: Với : - k là giá trị trễ. - α, β, x, z, Ω, ∞, π, £, ω, λ, θ là ma trận hệ số vuông. - ε là sai số ngẫu nhiên. Tương tự đối với các biến khác như CREDITt, GDPt, IRt, LSTGt, XNKt, M2t, OILt, RICEt, M2USt. Kiểm định tính dừng cho chuỗi dữ liệu thu được kết quả các biến trong mô hình dừng ở bậc 2. Tiến hành lấy sai phân bậc 2 của các biến và xác định độ trễ 2 cho mô hình. Kiểm định phần dư của mô hình đều dừng chứng tỏ mô hình VAR cơ bản được xây dựng là hoàn toàn phù hợp với chuỗi dữ liệu và các biến được lựa chọn. Kết quả sử dụng mô hình VAR cơ bản kiểm định các yếu tố tác động đến lạm phát Việt Nam giao đoạn 2000 – 2010 như sau : Nhân Tố Tác động giải thích lạm phát sau 4 quý Tác động giải thích lạm phát sau 8 quý CPI 25,31% 5,94% CREDIT 14,32% 3,81% GDP 2,78% 11,42% IR 11,37% 8,89% M2 21,83% 52,6% OIL 18,12% 6,78% M2US 3,76% 4.06% LSTG 1,47% 1,59% XNK 0,54% 3,42% RICE 0,5% 1,49% Tổng cộng 100% 100% Từ đây ta thấy nhân tố tác động nhiều nhất cho lạm phát qua 4 quý là cung tiền M2, CPI, CREDIT, dự trữ ngoại hối và OIL. Xếp theo thứ tự mức độ giải thích cho lạm phát sau 4 quý ta có thể thấy rằng : CPI giải thích được lạm phát ở mức 25,31% tức lạm phát của các quý trước và kỳ vọng lạm phát của người dân ảnh hưởng nhiều nhất đến lạm phát sau 4 quý. Tiếp theo đó là cung tiền M2 (21,81%), giá nguyên liệu đầu vào, cụ thể là dầu giải thích được 18,12%, tiếp đó là tín dụng nội địa (14,32%) và dự trữ ngoại hối. Nhưng sau 8 quý ta có thể thấy rằng M2 là nhân tố giải thích nhềiu nhất cho lạm phát (52,6%), tiếp theo đó là GDP (11,42%). Điều này cho thấy nền kinh tế càng tăng trưởng phát triển thì lạm phát càng tăng cao. Dự trữ ngoại hối cũng góp phần giải thích 8,89% lạm phát sau 8 quý. Sau đó là giá dầu (6,78%) và CPI (5,94%). Tín dụng có tỷ lệ giải thích lạm phát sau 4 quý khá cao nhưng giảm đi đáng kể sau 4 quý nữa. Mở rộng mẫu giúp ta dựa vào mô hình có thể dự báo lạm phát quý I/2011 là 5,59% và quý II/2011 là 4,92%. Dự báo này so với thực tế là khá chính xác. Hạn chế: - Mô hình VAR cơ bản kiểm định được các yếu tố tác động đến lạm phát Việt Nam giai đoạn 2000 – 2010 chưa kiểm định được yếu tố chi tiêu công và nợ công của chính phủ tác động đến lạm phát. - Khi xây dựng mô hình phải lựa chọn giữa chính sách tiền tệ hướng vào tăng trưởng hay chính sách tiền tệ hướng vào tỷ giá vì nếu lựa chọn cả 2 chính sách sẽ làm cho các biến trong mô hình có tác động phức tạp lẫn nhau khiến cho mô hình không còn phù hợp. Điều này đã khiến cho mô hình phải bỏ qua nhân tố tỷ giá. Dựa vào mô hình VAR, ta có thể dự báo được tình hình lạm phát trong thời gian tới, xem xét khả năng ảnh hưởng của yếu tố nào tác động mạnh đến tình hình lạm phát, từ đó có những chính sách vĩ mô thích hợp góp phần kiềm chế lạm phát một cách hiệu quả nhất. KẾT LUẬN Trong bài nghiên cứu này, Sims đã đưa ra những quan điểm của các nhà kinh tế học về việc đồng ý hay phản đối việc sử dụng các mô hình dự báo trong phân tích chính sách, hầu hết các ý kiến đều cho rằng các mô hình dự báo chỉ đơn thuần là những thống kê mô tả đơn giản các dữ liệu lịch sử, hoặc việc sử dụng các mô hình này là quá cứng nhắc do đó chúng ta không thể quyết định một chính sách dựa trên một khuôn khổ quá máy móc của một mô hình. Tuy nhiên, thực tế các tranh luận không hoàn toàn phản đối việc sử dụng các mô hình dự báo để phân tích chính sách mà chỉ chỉ ra rằng khi chúng ta sử dụng các mô hình đó để hướng dẫn lựa chọn chính sách, chúng ta thêm vào đó một sự giải thích xác định. Cụ thể các giải thích xác định này đã được Sims minh họa bằng các ví dụ đơn giản và dễ hiểu. Bên cạnh đó, Sims cũng đã phân tích những ưu điểm và nhược điểm của các mô hình dự báo, cụ thể là “mô hình kỳ vọng duy lý” và “mô hình VAR” được sử dụng trong phân tích chính sách bằng các lý luận cũng như các ví dụ minh họa. Thông qua liên hệ việc ứng dụng mô hình VAR trong nghiên cứu lạm phát ở Việt Nam, chúng ta cũng có thể thấy được việc dự báo bằng mô hình này là tương đối chính xác nhưng nó chưa kiểm định được một số yếu tố như chi tiêu công và nợ công của chính phủ tác động đến lạm phát, và để điều chỉnh cho mô hình phù hợp chúng ta phải bỏ qua nhân tố tỷ giá vì không thể nào lựa chọn một lúc cả hai chính sách đó là chính sách tiền tệ hướng vào tăng trưởng và chính sách tiền tệ hướng vào tỷ giá. TÀI LIỆU THAM KHẢO 1. Christopher A. Sims (1986), Are forcasting models usable for policy analysis. 2. Nhóm ngành Khoa học kinh tế (2011), Ứng dụng mô hình vecto tự hồi quy VAR kiểm định và dự báo thực trạng lạm phát ở Việt Nam, Công trình dự thi giải thưởng nghiên cứu khoa học sinh viên, Trường ĐH Kinh tế TP. Hồ Chí Minh. 3. Các bài viết trên các website: tien-te- sims-duoc-trao-giai-nobel-kinh-te.chn