BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM
VIỆN ĐÀO TẠO SAU ĐẠI HỌC
-
-
-
-
-
-




-
-
-
-



Nguyễn Thị Hoa

5

Bùi Thị Thanh Hương

6

Phạm Thị Trà Mi

7

Nguyễn Trần Quỳnh Tiên

8

Mai Thị Thanh Vị

9

Lê Thị Hồng
1
MỤC LỤC
I. MỤC TIÊU NGHIÊN CỨU 1
1.1. Tên paper 1
1.2. Mục tiêu nghiên cứu của paper 1

2.4.2.2 Các nhân tố được cho là ảnh hưởng đến tác động truyền dẫn của tỷ giá hối đoái 21
a/ Nhân tố vi mô: 21
b/ Nhân tố vĩ mô: 22
2.5 Lý giải nhỏ về lý do lựa chọn nghiên cứu mối quan hệ của LMPT và Tác động truyền dẫn
22
III/ CÁC NGHIÊN CỨU TRƯỚC ĐÂY 25
1.1 Trên thế giới 25
a/ Hai kết quả nghiên cứu của lý thuyết Taylor 26
b/ Mô hình hiệu chỉnh sai số ECM 26
c/ Mô hình của Ramakrishnan và Vamvakidis (2002): 26
d/ Mẫu hình VAR 27
2. Tại Việt Nam 27
a/ Mô hình đa thức trễ: 27
b/ Mô hình hồi quy theo biến logarit: 27
c/ Mô hình tự hồi quy VAR để nghiên cứu tác động truyền dẫn 28
IV. KẾT QUẢ NGHIÊN CỨU 29
4.1 Các kết quả nghiên cứu thực nghiệm: 29
4.1.1 Tác động truyền dẫn của tỷ giá lên giá cả nội địa tại các nước mới nổi áp dụng lạm phát
mục tiêu: trước và sau khi áp dụng: 29
4.1.2 So sánh giữa các nước áp dụng và không áp dụng lạm phát mục tiêu: 32
4.1.3 Phân tích phương sai: 37
4.2. Kết luận: 40
V. Ý KIẾN CỦA NHÓM VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO 42
5.1 Ý kiến của nhóm 42
5.2 Hướng nghiên cứu tiếp theo 43
PHỤ LỤC 1: PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT
PHỤ LỤC 2: TÍNH DỪNG
PHỤ LỤC 03: CÁC YẾU TỐ VI MÔ VÀ VĨ MÔ TÁC ĐỘNG ĐẾN TÁC ĐỘNG TRUYỀN
DẪN CỦA TỶ GIÁ HỐI ĐOÁI


Có chăng lạm phát mục tiêu (inflation targeting) làm giảm tác động truyền dẫn của tỷ giá hối
đoái trong các nền kinh tế mới nổi không?
1
của tác giả Dramane Coulibaly và Hubert Kempf
công bố tháng 10/2010.
1.2. Mục tiêu nghiên cứu của paper
2

Khởi đầu của việc áp dụng lạm phát mục tiêu trong chính sách tiền tệ là New Zealand, sau
đó một số lượng lớn các nhà kinh tế học (như Bernanke và Mishkin (1997), Svensson
(1997), Bernake và các cộng tác viên (1999)) và một số ngân hàng trung ương đã khẳng định
lợi ích tiềm tàng thu được từ việc áp dụng chính sách lạm phát mục tiêu là đáng kể. Một vài
các khoản lợi ích thu được khó chứng minh (alleged gains) thì thấp hơn và lạm phát cũng
như tỷ lệ lãi suất ít biến đổi hơn, tăng trưởng ổn định và tăng khả năng phản ứng với những
biến động bất thường (shocks) mà không mất tín nhiệm hay chi phí được cắt giảm cùng với
những giai đoạn giảm phát
3
,… Các tác giả cho rằng lạm phát mục tiêu có liên quan đến sự
cải thiện trong bức tranh kinh tế chung.
Chính vì thế, khuynh hướng áp dụng cơ chế lạm phát mục tiêu ngày càng phổ biến hơn
không chỉ các nước công nghiệp
4
mà còn các nước mới nổi
5
trong chính sách tiền tệ của họ.
Một nghiên cứu của Laurence Ball và Niamh Sheridan (2003)
6
chỉ ra trong một paper mang
tên “Does inflation targeting matter?” với các bằng chứng thực nghiệm
7

Các nước mà Laurence Ball và Niamh Sheridan lấy mẫu là Australia, Canada, New Zealand, Sweden, United Kingdom,
Finland, Spain, United States, Japan, Denmark, Austria, Belgium, France, Germany, Ireland, Italy, Netherlands,
Portugal, Norway, Switzerland.
8
Trích “Does inflation targeting matter?” page 29 - 30
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
2

lai sẽ đối diện với những biến động mức cung trong giai đoạn 1970 (1970s-size
supply shocks) hay những áp lực chính trị mạnh mẽ cho những chính sách lạm phát.
Với quan điểm này, hai ông thấy rằng những nước áp dụng lạm phát mục tiêu xử lý
những thử thách này tốt hơn những nhà hoạch định chính sách người mà “Cứ làm đi”
(just do it)
Hay người ta dựa trên việc tính toán giá trị điển hình bằng phương pháp ước lượng bình
phương nhỏ nhất (OLS: Ordinary Least Squares
9
) và cùng với việc quan sát tại các nước áp
dụng lạm phát mục tiêu so sánh với (vis-à-vis) các nước không áp dụng lạm phát mục tiêu,
kết quả nghiên cứu của họ chỉ ra rằng việc giảm mức độ (level) và biến động (volatility)
của lạm phát ở các nước áp dụng lạm phát mục tiêu chỉ đơn giản là phản ánh sự hồi quy về
quanh giá trị trung bình (regression toward the mean
10
). Chẳng hạn, tại các nước áp dụng
lạm phát mục tiêu, lạm phát sẽ rơi nhanh hơn tại các nước có mức lạm phát ban đầu cao và
thể hiện một xu hướng rõ ràng sự dịch chuyển về giá trị trung bình của nó.
Nhưng nghiên cứu của họ tập trung hoàn toàn vào các nước công nghiệp và do đó không thể
giải quyết vấn đề này đối với các nước mới nổi áp dụng lạm phát mục tiêu. Gon¸Calves và
Salles (2008) mở rộng phân tích của Ball và Sheridan (2005) cho một tập hợp của 36 nền

Trang
3

Dựa trên lý thuyết của Taylor (2000) cho rằng tác động truyền dẫn của tỷ giá hối đoái thì yếu
hơn (lower) trong môi trường lạm phát thấp. Hay trong môi trường lạm phát thấp, các công
ty kỳ vọng một sự thay đổi của lạm phát thì ít dai dẳng hơn, và do đó sẽ dẫn đến (pass on)
việc loại trừ (less of) tỷ giá hối đoái bao gồm việc tăng giá nhập khẩu ảnh hưởng đến giá bán
của nó. Lý thuyết này được ủng hộ bởi bằng chứng thực nghiệm dựa trên chỉ số giá tiêu dùng
(CPI: Customer price index), kể cả tại các nước công nghiệp và các nước mới nổi.
Tóm lại.
Goncalves và Salles (2008) chỉ ra rằng lạm phát mục tiêu giúp giảm lạm phát tại các nước
mới nổi. Và ý tưởng về mối quan hệ giữa lạm phát mục tiêu và tác động truyền dẫn của tỷ
giá hối đoái được khám phá bởi Mishkin và Schmitt – Hebbel (2007), khi hai ông nghiên cứu
thực nghiệm sự liên kết giữa lạm phát mục tiêu và một vài đo lường của yếu tố kinh tế bao
gồm tác động truyền dẫn của tỷ giá hối đoái lên chỉ số giá tiêu dùng
11
.
Điều này làm hai tác giả là Dramane Coulibaly và Hubert Kempf quan tâm đến vấn đế “Vậy
thì tác động truyền dẫn của tỷ giá hối đối có liên quan đến lạm phát mục tiêu không?”
hay “có chăng việc áp dụng lạm phát mục tiêu dẫn tới làm giảm tác động truyền dẫn của
tỷ giá hối đoái?”
Với việc bổ sung thêm các mẫu nghiên cứu so với nghiên cứu của Mishkin và Schmitt –
Hebbel đó là các nước mới nổi không áp dụng lạm phát mục tiêu.
Biến mới của hai tác giả
Cũng sử dụng một tập con của hai bảy nước mới nổi (15 nước có áp dụng lạm phát mục tiêu
và 12 nước không). Các tác giả cũng sử dụng mô hình tự hồi quy VAR cho một chỉ số giá
tiêu dùng (CPI: customer prices) và cho hai loại giá khác nhau giá nhập khẩu (IMP: import
prices) và giá sản xuất (PPI: producer prices)
II/ PHƯƠNG PHÁP NGHIÊN CỨU
2.1. Phương pháp nghiên cứu

Như chúng ta đã biết, trong nghiên cứu định lượng, tồn tại 03 loại số liệu cơ bản là số liệu
theo thời gian, số liệu chéo và số liệu hỗn hợp. Đối với các vấn đề kinh tế, loại số liệu chúng
ta thường xuyên tiếp cận nhất có lẽ là số liệu theo thời gian, hay còn gọi là các chuỗi thời
gian, chẳng hạn GDP, VN-index, hay giá vàng,… Tuy nhiên, chuỗi thời gian cũng gây ra
không ít khó khăn cho các nhà nghiên cứu, chính vì thế mà hàng loạt các nghiên cứu phân
tích các dữ liệu này, với triết lý “hãy để dữ liệu tự nói”. Trong đó người ta thường sử dụng
04 phương pháp nghiên cứu là
12
:
 Mô hình hồi quy đơn phương trình,
 Mô hình hồi quy phương trình đồng thời,
 Mô hình trung bình trượt kết hợp tự hồi quy (ARIMA: Autoregressive integrated
moving average), thường được gọi là phương pháp luận Box-Jenkins
13

 Mô hình tự hồi quy véctơ (VAR)
Như vậy, có rất nhiều phương pháp để phân tích chuỗi dữ liệu thời gian liên quan đến lạm
phát, ở phần này, nhóm chỉ đưa ra mô hình tự hồi quy vector và các suy dẫn từ nó để làm dễ
hiểu hơn paper nghiên cứu về tác động truyền dẫn
14
của tỷ giá hối đoái (exchange rate pass-
through) lên lạm phát mục tiêu.
Mô hình tự hồi quy vector (VAR: Vector Autoregression Model) và suy dẫn từ nó
a/ Mô hình tự hồi quy vector và hạn chế của nó.
Có thể nói đây là một trong những mô hình phổ biến nhất trong nghiên cứu định lượng các
chính sách tiền tệ. Bởi lẽ mối quan hệ giữa các biến số kinh tế không đơn thuần chỉ theo một
chiều, biến độc lập (biến giải thích) ảnh hưởng lên biến phụ thuộc mà trong nhiều trường hợp
nó còn có ảnh hưởng ngược lại. Do đó mà ta phải xét ảnh hưởng qua lại giữa các biến này
cùng một lúc.
Mô hình VAR đã giúp giải quyết được vấn đề này, là mô hình khá linh động và dễ dàng sử

i
là vectơ của những tác động cụ thể quốc gia
là véctor sai số đặc thù
Một vấn đề đang tranh cãi trong ước lượng mô hình VAR này là sự xuất hiện của ảnh hưởng
cố định (fixed effects). Khi những yếu tố tác động cố định này tương quan với các biến hồi
quy, nguyên nhân từ các giá trị trễ của biến phụ thuộc, nhóm tác giả sử dụng kỹ thuật trung
bình sai phân ở kỳ tương lai (forward mean differencing) (quy trình Helmert), sau đó là Love
và Zicchino (2006). Trong kỹ thuật này, để loại bỏ ảnh hưởng cố định ra khỏi mô hình, tất cả
các biến trong mô hình được chuyển sang dạng độ lệch từ trung bình kỳ tương lai.
Vécto Y
it
lúc này thành ma trận chuyển vị từ dòng sang dạng cột ký hiệu là
và cũng vậy sẽ thành . Với T
i
là
thời kỳ kỳ cuối cùng (last period) của dữ liệu sẵn có trong chuỗi dữ liệu, ta biến giá trị y
trung bình thành
Khi này công thức mới là:
và

Với

15
Tính chất “trễ” trong các mô hình hồi quy định lượng trong kinh tế được hiểu như sau: Khi chúng ta sử dụng một mô
hình hồi quy tương quan nào đó thì thường giả định rằng các biến độc lập tác động tức thì lên biến phu thuộc và biến phụ
thuộc chỉ chịu sự tác động của biến độc lập. Tuy nhiên, các biến số trong kinh tế thường không đúng, tác động của các
biến có thể tức thời, có thể không. Nguyên nhân có thể do yếu tố tâm lý, sức ỳ của nền kinh tế, định chế,…. Chính vì thế
mô hình hồi quy thông thường dạng (với t là kỳ thứ t) thường không
chính xác, nên mô hình hồi quy VAR có thêm ký hiệu độ trễ p – VAR(p). Chúng ta phải xác định p trễ này.
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang

- B
i
là ma trận hiệp phương sai của các biến trễ, loại 5x5 hoặc 7x7 như bài nghiên cứu
Theo Giáo trình “Econometric Analysis”, William H . Greene, 2000, page 586 diễn giải VAR là 16
Tài liệu “Exchange rate pass-through and its applications for inflation in Vietnam”, Vo Van Minh, 2009, page 25 và
paper “Exchange rate pass-through: Evidence based on vector autoregression with sign restrictions”, An, Lian (2006)
page 16
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
7

Trong đó
là vector nhiễu không tự tương quan (non-autocorreclated disturbances) với giá trị trung
bình E( ) = 0 và ma trận hiệp phương sai xảy ra cũng lúc
Điều kiện tồn tại mô hình VAR
- Các biến theo thời gian phải có tính dừng
17
(stationary) – tức là có các giá trị trung
bình, phương sai và hiệp phương sai tại cùng một độ trễ của nó là không đổi theo thời
gian (Xem phu lục 2). Bởi vì nếu biến số không dừng sẽ gây ra hiện tượng hồi quy giả
tạo (Xem phụ lục 5), làm phương pháp OLS trong phân tích hồi quy không áp dụng
được
Ưu điểm của VAR
Hạn chế của mô hình ARIMA là chỉ tiến hành phân tích trên một chuỗi thời gian. Khi chúng
ta cần phân tích nhiều chuỗi thời gian khác nhau và cần phải xem xét mối quan hệ giữa
chúng thì mô hình VAR trở thành một lựa chọn phù hợp. Mô hình VAR giúp xem xét các

dư. Nếu phần dư của mô hình dừng thì mô hình là phù hợp với chuỗi thời gian và
ngược lại).
- So sánh với các mô hình phù hợp và lựa chọn mô hình phù hợp nhất
Hạn chế của VAR
Bên cạnh những hạn chế trên, phương pháp vector VAR còn có các hạn chế sau
- Khó khăn trong việc xác định độ trễ và số mẫu quan sát cần đưa vào mô hình. Người
ta tính ra rằng với k biến số (variance) và p độ trễ (lag operators) thì cần k
2
p hệ số góc
và k hệ số chặn. Giả dụ với mô hình 3 biến và độ trễ là 8 thì số hệ số góc là 3
2
* 8 + 3
= 75 quan sát. Nếu k và p càng lớn thì tham số đòi hỏi càng cao
- Yêu cầu của mô hình VAR m biến thì m biến cùng phải dừng. Nếu không dừng thì ta
phải dùng sai phân để tính. Nhưng nếu một chuỗi gồm cả các biến dừng và biến
không dừng thì việc lấy sai phân là khó khăn. Và kết quả từ việc biến đổi có thể làm
sai lệch giá trị thực phản ánh của số liệu
- Nếu có một vài độ trễ trong phương trình, không phải lúc nào cũng có thể dễ dàng
giải thích từng hệ số, đặc biệt là nếu các dấu trong hệ số thay đổi kế tiếp nhau. Vì lí
do này, người ta mới xem xét hàm phản ứng đẩy (IRFs: impulse response functions)
được suy ra từ mô hình tự hồi quy vector (VAR) này. IRF giúp phát hiện được phản
ứng của biến phụ thuộc trong mô hình VAR đối với các cú sốc của các số hạng sai số.
Đây cũng chính là trọng tâm của phân tích theo phương pháp mô hình tự hồi quy
VAR. Hiện nhiều nhà toán học đang nghi ngờ khả năng thực sự của nó
18
.
- Hàm số đẩy cho chúng ta biết được có hay không sự ảnh hưởng của cú sốc đến các
biến còn lại. Nhưng như thế là chưa đủ, vì có thể tác động truyền dẫn (hoặc mức
chuyển) của một cú sốc từ một biến đến biến còn lại là rất nhỏ trong khi biến khác ảnh
hưởng lại lớn hơn. Nên người ta phải sử dụng phương pháp phân tích phương sai


2211
(0)
Với A
i
(i = 1,2,…,n) là ma trận hệ số (nxn) và )', ,,(
21 ntttt
uuuu  là một sai số trung bình là zero
theo phương pháp i.i.d
19
có tính ngẫu nhiên.
Bây giờ, giả sử chúng ta có hai biến (k =2) và độ trễ là 1 (p=1) thì VAR (1) lúc này là
yttttt
zcyczbby


 1121111210
(1)
zttttt
zcycybbz


 1221212120
(2)
với ),0( ~
2
iit
dii



















zt
yt
t
t
t
t
z
y
cc
cc
b
b
z
y

1
11
1
0
11 




19
i.i.d viết tắt của Independent and identically distributed random variables
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
10

Viết gọn lại là
ttt
eXAAX 
110
(5). Đây chính là ma trận dạng chuẩn của VAR (UVAR:
unstructured VAR)
Hay








t
t
t
t
e
e
z
y
aa
aa
a
a
z
y
2
1
1
1
2221
1211
20
10
(6), viết tách ra thành hệ 2 phương trình như sau
tttt
eyayaay
,11,2121,11110,1


và;
tttt

B
=
a
B
B
1

T
B
B
*)(
1
 =










1
1
)1(
1
21
12
1221


zt
yt
t
t
b
b
bb
e
e


1
1
)1(
1
21
12
1221
2
1
(7) hay



ztyt
t
b
e





(với X
t-1
= L X
t
, L là ma trận hệ số)
Đầu tiên chúng ta phân tích vế phải (RHS: Right hand Side) của phương trình
12212211
20
10
2212
2122
2221
1211
0
2221
1211
1
01
0
1
1
1
0
)1)(1(
1
1
1

















































it
it
i
ii
it
i
t
e
e
aa
aa
eA
LAI




















it
it
i
i
A
t
t
e
e
aa
aa




zt
yt


. Mà ở phương trình (7) ta có




















































itz
























itz
ity
i
ii
ii
i
z

y và
t
z : )0(
12
,

tz
t
d
dy

, )0(
22
,

tz
t
d
dz


Với kỳ tương lai (xét 1 kỳ)
1t
y và
1t
z : )1(
12
,
1


x

là về trái (LHS) của phương trình (9), hay:
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
12
























z
y
x
,
,
0
21
12
2112
1
1
1


  
















0



it
i
i
X






0

hay
it
i
i
it
Xx







0

Exx


+ Với i = 3 thì:
12213033 

ttttt
Exx


+ Với i = n kỳ thì:





1
0
1122110

n
i
inttnntntntntnt
Exx


Bây giờ, xét y, nhân tố đầu tiên trong ma trận x. Giá trị dự báo của nó là
) (
1,1,111,1,11,0,11 


shockzatodue
ianceofproportion
n
z
var
1,21
2
1,21
2
0,21
22
) (




Cách diễn giải 2
20
:
Với mô hình tự hồi quy VAR(p), p trễ ta có
, viết gọn là
Với

20
Nguồn
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
13



21
MSE: the mean squared error
22
Ma trận Cholesky là ma trận đặc biệt của ma trận đường chéo. Ma trận ba đường chéo có ngoại trừ các phần tử trên
của 3 đường chéo chính, các phần tử còn lại bằng 0, tất nhiên ta có thể tách ma trận A = L.U với A là ma trận 3 đường
chéo, L là ma trận tam giác dưới và U là ma trận tam giác trên. Ma trận Cholesky: A = L.L’ (với L’ là ma trận chuyển vị
của ma trận L)
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
14

(mô hình 5 biến) và
(mô hình 7 biến)
Thứ nhất, sản lượng, giá dầu mỏ là các biến độc lập không bị ảnh hưởng bởi chính sách của
quốc gia, hay các cú sốc xảy ra trong nội bộ các quốc gia.
Thứ hai, do sản lượng quốc gia thay đổi nên nó đã ảnh hưởng đến cung tiền tệ, cung tiền
thay đổi dẫn đến tỷ giá hối đoái thay đổi, làm cho giá cả nội địa của hàng hóa thay đổi, tức
giá trị đồng tiền dùng để mua một loại hàng hóa cũng thay đổi.
Với mục đích của ma trận cholesky là biến đổi giá trị phần dư trong mô hình VAR dạng rút
gọn (ε
t
) về các biến nhiễu cấu trúc (e
t
) trong mô hình VAR cấu trúc ở trên.
Ta diễn đạt ma trận Cholesky theo từng phương trình như sau
+ Mô hình 5 biến:

+ Mô hình 7 biến:

Ye 
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
15

Vậy
 
2
n
1i
i21i
n
1i
2
i
X
ˆˆ
Ye


 (3.6)
Điều kiện để (3.6) đạt cực trị là:
(1)
 
0e2X
ˆˆ
Y2
ˆ
e

ˆ
e
n
1i
iii
n
1i
i21i
2
n
1i
2
i













(3.8)
Từ (3.7) và (3.8) chúng ta rút ra










n
1i
2
i
n
1i
ii
2
XX
XXYY
ˆ
(3.12)
Đặt XXx
ii
 và YYy
ii
 ta nhận được







có thể nếu phân tích này dựa trên các tháng cách đấy không lâu của chuỗi thời gian.
Việc điều chỉnh giá theo mùa một quá trình tính toán và hạn chế ảnh hưởng mùa vụ trong
chuỗi thời gian. Do đó, dữ liệu được điều chỉnh theo mùa làm cho phân tích dễ dàng hơn
trong ngắn hạn và xác định những thay đổi trong khuynh hướng. Dữ liệu được điều chỉnh thì
tiện ích cho các tổ chức tài chính, chính phủ, nhà phân tích thống kê, nhà toán kinh tế và
những nhà kinh tế nghiên cứu trong kinh tế vĩ mô, nhà dự báo và những nghiên cứu sinh.
Mẫu hình Census X12 hay Census-X12-ARIMA
24
dựa trên nguyên tắc điều chỉnh chuỗi giá
trị theo mùa được đưa ra bởi một tổ chức của chính phủ Mỹ - United States Census Bureau
và Statistic Canada. Chương trình này còn được lập trình trong phần mềm eview nhằm tối
thiểu hóa những tác động bóp méo đến những nhân tố được đánh giá theo mùa.
Mô hình này được lập trình nhiều trong các phần mềm thông kê, là sự kết hợp giữa những
khả năng của chương trình X-11 (do Shiskin, Young và Musgrage lập 1967), X11-Arima/88
(do Dagum 1988 lập) và giới thiệu một vài nhân tố mới (do Findley và cộng sự, 1988 lập).
Vì vậy, Census X12 hay X12 Arima là chương trình chứa đựng các phương pháp được phát
triển bởi U.S Census Bureau và Statistic Canada. Với 04 mẫu hình chính được sử dụng là hồi
quy ARIMA (regARIMA), phương pháp dự đoán (model diagnostics), điều chỉnh theo mùa
dùng phương pháp X-11 (X11 methodology) và phương pháp dự đoán hậu điều chỉnh (post-
adjustment diagnostics).
Phương pháp điều chỉnh theo mùa của chuỗi dữ liệu dựa trên giả định rằng biến động theo
mua có thể được đo lường dưới dạng chuỗi ban đầu (O
t
, t = 1,….,n) và được phân chia từ
chu kỳ thay đổi (trend cycle), ngày giao dịch (trading-day), và biến động bất thường
(irregular fluctuations).
- Nhân tố theo mùa của chuỗi thời gian, S
t
, được định nghĩa như phương sai vòng năm
(intrayear) mà được phân chia liên tục hay trong một dạng suy luận ra (evolving

Giả thuyết null: có một nghiệm đơn vị. Nếu giá trị kiểm định lớn hơn giá trị tới hạn 5%, từ
chối giả thuyết null. Đồng nghĩa với việc ở mức thông kê 5%: không có nghiệm đơn vị hay
chuỗi là dừng. Và ngược lại giả trị kiểm định nhỏ hơn 5% thì chấp nhận giả thuyết null
nghĩa là các chuỗi có một nghiệm đơn vị hay là chuỗi không dừng .
Ở ví dụ này t-statistic < giá trị tới hạn 5% nên chấp nhận giả thuyết null. Kết luận chuỗi có
một nghiệm đơn vị hay chuỗi không dừng
Tóm lại là, với giả thiết
H
0
: là chuỗi dừng
H
1
: là chuỗi không dừng
Điều kiện bác bỏ H
0
là giá trị tau (tau statistic) phải lớn hơn giá trị tới hạn tương ứng với
mức ý nghĩa 1%, 5% hoặc 10% thì chuỗi là dừng. Nếu chuỗi không dừng ta phải xử lý bằng
phương pháp sai phân hoặc phương pháp bình phương nhỏ nhất
Tiểu luận: Lạm phát mục tiêu GVHD: PGS.TS Nguyễn Thị Ngọc Trang
Nhóm 6 – TCDN Đêm 1
Trang
18

2.3 Dải dữ liệu
Mô hình 05 biến (05 variance VAR)
25Trong đó
- oil: biểu thị dưới dạng logarit tự nhiên của giá dầu thế giớí

19

Nhưng một khái niệm được nhiều người sử dụng là “lạm phát là hiện tượng tiền trong lưu
thông vượt quá nhu cầu cần thiết làm cho chúng bị mất giá, giá cả của hầu hết các lại hàng
hóa tăng lên đồng loạt”
Vậy thì lạm phát mục tiêu là gì?
Lạm phát mục tiêu là một cơ chế điều hành chính sách tiền tệ dựa trên nền tảng sử dụng việc
dự báo lạm phát làm chỉ số mục tiêu trung gian, trong đó các ngân hàng trung ương tính
toán, dự báo và công bố một mức lạm phát mục tiêu (định hướng bằng một chỉ số hoặc một
khoảng biên độ) cho năm kế hoạch. Sau đó cố gắng lèo lái lạm phát thực về mức lạm phát
mục tiêu thông qua việc sử dụng công cụ lãi suất hay những công cụ tiền tệ khác. Thông
thường ngân hàng trung ương sử dụng công cụ lãi suất để điều chỉnh lạm phát vì lãi suất và
lạm phát thường có mối quan hệ nghịch biến. Một mức tăng hay giảm về lãi suất sẽ điều
chỉnh lạm phát mục tiêu.
Còn theo Frederic S. Mishkin
26
cho rằng lạm phát mục tiêu là một chiến lược của chính sách
tiền tệ bao gồm 05 yếu tố chính là:
(i) Công bố ra công chúng mục tiêu lạm phát định lượng trong trung hạn;
(ii) Cam kết thể chế nhằm ổn định giá cá như một mục tiêu chủ yếu của chính sách
tiền tệ;
(iii) Chiến lược thông tin bao gồm nhiều biến số, không chỉ có tổng cung tiền hay
tỷ giá hối đoái, được sử dụng cho việc thiết lập công cụ chính sách tiền tệ;
(iv) Tăng tính minh bạch của chiến lược chính sách tiền tệ thông qua việc thông
báo với công chúng và thị trường về kế hoạch, mục tiêu, những quyết định của
Ngân hàng Trung ương;
(v) Tăng trách nhiệm giải trình của ngân hàng TW cho việc đạt được mục tiêu về lạm
phát.
2.4.2 Tác động truyền dẫn của tỷ giá hối đoái
27