Chuỗi thời gian đa biến

Chào mừng các bạn sinh viên đến với một trong những công cụ mạnh mẽ và được sử dụng rộng rãi nhất trong kinh tế lượng hiện đại: mô hình chuỗi thời gian đa biến. Trong thực tế, các biến kinh tế hiếm khi vận động một cách độc lập. Lãi suất ảnh hưởng đến lạm phát, lạm phát tác động đến tăng trưởng GDP, và tăng trưởng GDP lại ảnh hưởng ngược lại đến các quyết định chính sách. Để nắm bắt được những mối quan hệ tương tác phức tạp này, chúng ta cần một công cụ có thể phân tích đồng thời nhiều chuỗi thời gian, và đó chính là lúc mô hình Tự Hồi quy Vector, hay còn gọi là mô hình VAR, phát huy tác dụng.

Trong chuỗi bài học này, chúng ta sẽ cùng nhau khám phá thế giới của các mô hình VAR, từ những viên gạch lý thuyết đầu tiên cho đến các ứng dụng thực tế phức tạp. Đừng lo lắng về các công thức toán học hay ma trận, tôi sẽ hướng dẫn các bạn từng bước một, giải thích cặn kẽ ý nghĩa đằng sau mỗi khái niệm. Mục tiêu cuối cùng của chúng ta không chỉ là hiểu mô hình VAR là gì, mà còn là có thể tự tin sử dụng nó để trả lời các câu hỏi kinh tế quan trọng, chẳng hạn như “Một cú sốc chính sách tiền tệ sẽ ảnh hưởng đến nền kinh tế như thế nào?”.

Hãy coi chuỗi bài học này như một hành trình khám phá. Chúng ta sẽ bắt đầu bằng việc xây dựng mô hình, học cách ước lượng nó bằng Stata, và sau đó tìm hiểu các công cụ phân tích cốt lõi. Ba từ khóa chính các bạn sẽ làm chủ sau chuỗi bài này là:

  • Mô hình VAR (Vector Autoregression): Công cụ để mô hình hóa mối quan hệ động giữa nhiều biến số.
  • Hàm Phản ứng xung (Impulse Response Function – IRF): Kỹ thuật để theo dõi tác động của một “cú sốc” lên hệ thống theo thời gian.
  • Nhận dạng (Identification): Quá trình áp đặt các giả định kinh tế hợp lý để các “cú sốc” mang ý nghĩa cấu trúc thực sự.

Hãy chuẩn bị sẵn sàng, chúng ta sẽ cùng nhau chinh phục một trong những chủ đề hấp dẫn nhất của kinh tế lượng!

Cấu trúc chuỗi bài học

  1. Bài 1: Giới thiệu mô hình tự hồi quy vector (VAR)
    Chúng ta sẽ bắt đầu bằng cách tìm hiểu các khái niệm cơ bản nhất, tại sao mô hình VAR lại hữu ích và cấu trúc của một mô hình VAR(p).
  2. Bài 2: Nền tảng lý thuyết của chuỗi thời gian đa biến
    Bài học này sẽ đi sâu vào các định lý nền tảng như phân tích Wold đa biến, giúp các bạn hiểu rõ hơn về cấu trúc toán học của mô hình.
  3. Bài 3: Ước lượng, suy luận và lựa chọn mô hình VAR
    Chúng ta sẽ học cách ước lượng các hệ số của mô hình VAR bằng Stata, thực hiện các kiểm định giả thuyết và lựa chọn độ trễ tối ưu cho mô hình.
  4. Bài 4: Hàm phản ứng xung (IRF) và cách ước lượng
    Đây là một trong những công cụ quan trọng nhất của VAR. Chúng ta sẽ học cách tính toán và diễn giải các hàm phản ứng xung để phân tích động thái của hệ thống.
  5. Bài 5: Nhận dạng VAR qua phân rã Cholesky (VAR đệ quy)
    Để các cú sốc có ý nghĩa, chúng ta cần “trực giao hóa” chúng. Phương pháp phổ biến nhất là phân rã Cholesky, và chúng ta sẽ tìm hiểu ưu nhược điểm của nó.
  6. Bài 6: Nhận dạng VAR cấu trúc (SVAR) với ràng buộc ngắn hạn
    Chúng ta sẽ vượt ra ngoài giới hạn của VAR đệ quy bằng cách sử dụng các lý thuyết kinh tế để áp đặt các ràng buộc nhận dạng ngắn hạn lên mô hình.
  7. Bài 7: Nhận dạng SVAR với ràng buộc dài hạn và biến công cụ
    Bài học này giới thiệu các kỹ thuật nhận dạng nâng cao hơn, bao gồm việc sử dụng các giả định về tác động dài hạn và các biến công cụ ngoại sinh.
  8. Bài 8: Hướng dẫn thực hành phân tích chính sách tiền tệ với Stata
    Chúng ta sẽ áp dụng tất cả kiến thức đã học vào một ví dụ thực tế từ A đến Z, phân tích tác động của chính sách tiền tệ lên GDP và lạm phát bằng Stata.

KIẾN THỨC TIÊN QUYẾT

  • Toán học cơ bản: Hiểu biết về đại số tuyến tính (ma trận, véc-tơ, trị riêng) là một lợi thế lớn.
  • Thống kê căn bản: Các khái niệm về kỳ vọng, phương sai, hiệp phương sai, và phân phối chuẩn.
  • Kinh tế lượng nhập môn: Nắm vững hồi quy OLS và các khái niệm về chuỗi thời gian đơn biến (tính dừng, tự tương quan, mô hình ARMA).
  • Stata cơ bản: Quen thuộc với giao diện Stata, cách nhập dữ liệu, và các lệnh cơ bản như regress, summarize.

MỤC TIÊU HỌC TẬP

  • Hiểu sâu lý thuyết: Nắm vững các khái niệm từ mô hình VAR cơ bản đến các kỹ thuật nhận dạng SVAR nâng cao.
  • Thực hành thành thạo: Sử dụng Stata một cách tự tin để ước lượng, kiểm định, và phân tích các mô hình VAR và SVAR.
  • Phân tích thực tế: Có khả năng diễn giải các hàm phản ứng xung và phân rã phương sai sai số dự báo để rút ra các kết luận kinh tế có ý nghĩa.
  • Tư duy phản biện: Nhận biết tầm quan trọng của các giả định nhận dạng và đánh giá tính hợp lý của chúng trong các bối cảnh khác nhau.

TÀI LIỆU THAM KHẢO

  • Chính: Hansen, B. E. (2022). Econometrics. Princeton University Press.
  • Bổ sung (kinh điển): Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press.
  • Bổ sung (dễ hiểu): Lütkepohl, H. (2005). New Introduction to Multiple Time Series Analysis. Springer.
  • Thực hành Stata: Kilian, L., & Lütkepohl, H. (2017). Structural Vector Autoregressive Analysis. Cambridge University Press.

PHỤ LỤC: Dữ liệu mô phỏng cho chuỗi bài viết

Để giúp các bạn dễ dàng thực hành theo các ví dụ, chúng ta sẽ sử dụng một bộ dữ liệu mô phỏng đơn giản về kinh tế vĩ mô của một quốc gia giả định. Bộ dữ liệu này bao gồm ba biến chính theo quý, được thiết kế để dễ hiểu và phân tích.

Hãy mở Stata và chạy đoạn code dưới đây để tạo và lưu tệp dữ liệu macro_data_sv.dta. Chúng ta sẽ sử dụng tệp này trong suốt chuỗi bài học.

Stata
* ==================================================
* TẠO DỮ LIỆU MÔ PHỎNG CHO CHUỖI BÀI HỌC VAR
* Mục đích: Tạo một bộ dữ liệu đơn giản để thực hành
* Các biến: Tăng trưởng GDP, Lạm phát, Lãi suất
* ==================================================

* Xóa bộ nhớ và thiết lập số quan sát
clear
set obs 200

* Tạo biến thời gian (quý)
gen time = tq(1970q1) + _n-1
format time %tq
tsset time

* Thiết lập seed để kết quả có thể tái lập
set seed 12345

* --- TẠO CÁC CÚ SỐC CƠ BẢN (TRỰC GIAO) ---
* Giả định các cú sốc này độc lập với nhau
gen shock_demand = rnormal(0, 0.8)  // Cú sốc cầu (ảnh hưởng GDP)
gen shock_supply = rnormal(0, 0.6)  // Cú sốc cung (ảnh hưởng lạm phát)
gen shock_policy = rnormal(0, 0.25) // Cú sốc chính sách tiền tệ (lãi suất)

* --- TẠO CÁC BIẾN DỰA TRÊN MÔ HÌNH VAR(1) GIẢ ĐỊNH ---
* Tạo các biến trống ban đầu
gen gdp_growth = .
gen inflation = .
gen interest_rate = .

* Đặt giá trị ban đầu
replace gdp_growth = 2.5 in 1
replace inflation = 1.5 in 1
replace interest_rate = 5 in 1

* Tạo vòng lặp để sinh dữ liệu theo mô hình VAR(1)
* Y_t = A1 * Y_{t-1} + e_t
forvalues t = 2/200 {
    
    * Lấy giá trị trễ
    local gdp_lag = gdp_growth[`t'-1]
    local inf_lag = inflation[`t'-1]
    local ir_lag = interest_rate[`t'-1]

    * Phương trình cho tăng trưởng GDP
    * Bị ảnh hưởng bởi chính nó, lạm phát trễ, và cú sốc cầu
    replace gdp_growth = 0.5 * `gdp_lag` - 0.1 * `inf_lag` + shock_demand in `t'

    * Phương trình cho lạm phát
    * Bị ảnh hưởng bởi GDP, chính nó, và cú sốc cung
    replace inflation = 0.2 * `gdp_lag` + 0.6 * `inf_lag` + shock_supply in `t'

    * Phương trình cho lãi suất
    * Phản ứng với GDP và lạm phát, và có tính trễ cao
    replace interest_rate = 0.1 * `gdp_lag` + 0.2 * `inf_lag` + 0.8 * `ir_lag` + shock_policy in `t'
}

* Thêm một chút nhiễu cho các biến
replace gdp_growth = gdp_growth + rnormal(0, 0.2)
replace inflation = inflation + rnormal(0, 0.15)
replace interest_rate = interest_rate + rnormal(0, 0.1)


* Đặt nhãn cho các biến để dễ nhận biết
label var gdp_growth "Tốc độ tăng trưởng GDP thực (%)"
label var inflation "Tỷ lệ lạm phát (%)"
label var interest_rate "Lãi suất chính sách (%)"

* Lưu bộ dữ liệu
save macro_data_sv.dta, replace

* Xem qua dữ liệu vừa tạo
describe
summarize
tsline gdp_growth inflation interest_rate

Hướng dẫn sử dụng:

  1. Sao chép toàn bộ đoạn code trên.
  2. Mở Stata, vào File -> New Do-file.
  3. Dán code vào cửa sổ Do-file và nhấn nút “Execute (do)”.
  4. Stata sẽ tạo ra tệp macro_data_sv.dta trong thư mục làm việc hiện tại của bạn. Hãy chắc chắn bạn biết thư mục này ở đâu nhé!

📚 Bài tiếp theo: Giới thiệu mô hình tự hồi quy vector (VAR)

💡 Lưu ý: Hãy đảm bảo bạn đã chạy code để tạo bộ dữ liệu mô phỏng. Chúng ta sẽ cần nó ngay trong những bài học đầu tiên!

Back to top button