► 2017(1) ► 2016(5) ► 2015(6) ► 2014(16) ▼ 2013(40) ▼ January(4) ► 2012(77) ► 2011(147) ► 2010(202) ► 2009(383) ► 2008(217)
Posts
Atom
Vài tuần gần đây có nhiều bạn hỏi trên blog và qua email về mô hình VAR và SVAR, để tiết kiệm thời gian tôi trả lời chung lên đây. Một số câu hỏi cho thấy có bạn chưa thực sự nắm vững những kiến thức cơ bản về econometrics/time series chứ đừng nói gì VAR/SVAR, các bạn cần hiểu rằng tôi (hay bất kỳ ai) cũng không thể có magic gì giúp bạn hiểu và làm bài được nếu các bạn không có căn bản. Bài viết này chỉ nhằm mục đích giới thiệu cho các bạn một cái nhìn tổng quát để các bạn dễ học/đọc sách hơn thôi, nókhông thể thay thế cho việc học nghiêm túc. Bản thân tôi cũng không phải chuyên gia về VAR/SVAR nên tôi rất welcome đóng góp của các bạn.VAR, viết tắt của vector autoregression, là một mô hình econometric thuần túy về time series, bởi vậy đôi khi được gọi là unrestricted VAR (với nghĩa không có structure gì cả mà chỉ là một mô hình thống kê). Một mô hình VAR có dạng:
Bạn có thể dùng một phần mềm nào đó, vd Eviews, để estimate các parameter C, B của hệ phương trình này, đồng thời tính ra residual e_t và covariance matrixΣ. Nếu bạn chỉ dừng ở đây thì VAR sẽ hầu như không có giá trị gì trong kinh tế học vì rất hiếm khi bạn có thể viết một mô hình lý thuyết dưới dạng VAR như trên để estimate.Thông thường một mô hình lý thuyết sẽ có các biến Y_t ở bên vế phải, vd consumption (C) là hàm số phụ thuộc vào income (I) hiện tại chứ không chỉ income trong quá khứ:
Mô hình có các biến contemporaneous (I_t) ở bên phải như vậy gọi là structural VAR (SVAR), có thể viết tổng quát thành(chuyển các biến contemporaneous sang vế trái):
Những mô hình SVAR này rõ ràng phù hợp hơn với lý thuyết kinh tế nhưng không thể estimate được trực tiếp mà phải chuyển sang dạng VAR thông thường, thuật ngữ chuyên môn gọi là reduced form:
Y_t=A^{-1}C+A^{-1}BY_{t-1}+…+A^{-1}e_t.
Đang xem: Granger causality test là gì
hay
Y_t=C”+ B”Y_{t-1}+ …+ u_t
Như vậy VAR thông thường và reduced form của SVAR là một và có thể estimate dễ dàng. Tuy nhiên cái khó là residuals của hệ phương trình reduced form lúc này (u_t) không còn là shocks đơn thuần của từng biến trong mô hình SVAR ban đầu nữa (e_t) mà là combination của các loại shock khác nhau (A^{-1}e_t). Điều này gây ra khó khăn cho việc phân tích tác động của chính sách hay các loại shock khác nhau vào từng biến số kinh tế. Do vậy một nhu cầu thực tế phát sinh sau khi estimate reduced form của một SVAR (tức là estimate một VAR bình thường) là phải bóc tách từng e_t ra khỏiu_t, lưu ý bạn không xác định được matrixA từ kết quả estimate VAR. Quá trình bóc tách này gọi là indentification.Christopher Sims (Nobel kinh tế năm 2011) là người đầu tiên đưa ra một phương pháp bóc tách gọi là Cholesky decomposition nếu mô hình SVAR ban đầu có dạng recursive, nghĩa là nếu các biến y_t trong Y_t có thể sắp xếp theo thứ tự y1_t không phụ thuộc vào y2_t, y3_t…, rồi sau đó y2_t không phụ thuộc vào y3_t…. Sau đó nhiều phương pháp decomposition khác đã được đề suất, về cơ bản là đưa một số restrictionvàotrong matrix A để sau khi biến đổi sang reduced form hệ VAR thông thường có thể bóc tách e_t ra riêng biệt được (phương pháp Cholesky decomposition của Sims thực ra là áp đặt A có dạng lower diagonal matrix). Một số phương pháp phổ biến là Blanchard & Quah, King, Plosser, Stock & Watson, Gali… Gần đây một số tác giả như Uhlig đưa ra một dạng restriction mới gọi là sign restriction cũng nhằm mục đích này.Một lưu ý cho các bạn dùng Eviews là phần mềm này coi Cholesky decomposition là một qui trình chuẩn cho VAR thông thường và SVAR là một phương pháp decomposition khác chứ không phân biệt như tôi bên trên (Eviews gọi decomposition là factorization). Trên nguyên tắc bất kỳ SVAR nào bạn cũng phải estimate bằng reduced form rồi sử dụng một số restriction để bóc tách e_t. Đối với giới academic economist, việc bóc tách e_t chủ yếu để tính impulse response function (IRF), nghĩa là tác động của một cú shock vào các biến y_t theo thời gian. Ngoài IRF, người ta còn quan tâm đến Granger causality test và variance decomposition, là các phân tích structural analysis khác cho SVAR. Với giới finance, nhu cầu tính IRF không quan trọng bằng forecast, bởi vậydecompositionkhông quan trọng lắm.Một số links tôi tìm được trên Internet, nếu bạn nào có điều kiện nên đọc kỹ quyển Time Series Analysis của James Hamilton:Stock & WatsonMatteo IacovielloEric ZivotLutkepohl & BreitungNBER lectureHarald UhligStata exampleEviews example
Chào tiến sĩ Lê Hồng GiangTôi mới biết đến blog của tiến sĩ, từ ngày biết đến giờ ngày nào tôi cũng vào để đọc. Nhưng tiếc là tiến sĩ viết hơi ít , rất mong tiến sĩ có thêm nhiều bài viết để tôi và các bạn trẻ việt nam được mở rộng thêm kiến thức
ReplyDelete
Replies
Reply
adminJanuary 31, 2013 at 2:12 PM
Xin chào thầy,Em đang có dự định xây dựng DSGE cho Việt Nam – nền kinh tế nhỏ mở. Thưa thầy việc em sắp làm liệu có khả thi không ạ. Mong nhận được ý kiến của thầy.Em chân thành cám ơn
ReplyDelete
Replies
Reply
Johny NguyenFebruary 2, 2013 at 7:23 PM
Chào Bác Giang (cháu mới 27 tuổi thôi). Cháu đang dùng dùng VAR và VECM trong bài nghiên cứu của cháu. Thực sự bài viết của Bác làm cho cháu nhìn một cách tổng quan về VAR cũng như vấn đề liên quan. Thầy giáo cháu nói về cơ bản cũng như Bác nhưng vì tiếng anh về mấy thứ này cháu cũng ko được tốt nên tự đọc và nghe vây nhưng vẫn chưa hiểu nhiều. Nhưng thầy nói một ý mà cháu ko thấy bác đề cập đó là: Dùng VAR model để đi trả lời câu hỏi: Trứng có trước hay Vịt có trước ?. Ngoài ra, cháu hy vọng bác chia sẻ thêm VECM model nữa và sự khác biệt (chức năng của 2 model này). Ngoài ra, cháu cũng muốn hỏi khi test Granger causality thì nên dùng VAR or VECM ? cháu chưa nhận ra được sự khác biết của granger causality của 2 model này. Tuy nhiên, trong quá trình test cháu thấy VAR Granger causality dễ phân tích hơn Granger của VECM, nhưng cháu thích lại thích kết quả granger causality của VECM. Cháu cảm ơn nhiều và mong sớm nhận được phản hồi của Bác.
Xem thêm: Ý Nghĩa Của Hiệu Điện Thế Định Mức Là Gì, Hiệu Điện Thế Định Mức Là Gì
ReplyDelete
Replies
Reply
ThuyVyFebruary 18, 2013 at 11:08 PM
Chào bác Giang, bác có thể giải thích rõ hơn về variance decomposition và IRF được không ạ? Xin cảm ơn bác.
Xem thêm: Cơ Cấu Dân Số Vàng Là Gì ?Một Số Tên Gọi Khác? Một Số Tên Gọi Khác
ReplyDelete
Replies
Reply
UnknownMarch 8, 2013 at 2:06 PM
Chào Bác Giang,cháu đang tìm hiểu về mô hình FM-OLS và DOLS cho panel data, nếu bác có tìm hiểu về lĩnh vực này thì mong bác chỉ dẫn dùm cháu.Cảm ơn bác
ReplyDelete
Replies
Reply
UnknownMarch 21, 2013 at 1:44 PM
Thưa giáo sư,Cháu đang chạy mô hình VECM để nghiên cứu tác động của shock chính sách tiền tệ, thông qua 2 biến interst và M2, lên 3 biến vĩ mô là tỷ giá, CPI và output. Sau khi kiểm định cointegrated của 5 biến trên thì kết quả cho thấy có ít nhất 3 mối quan hệ đồng liên kết. Cháu dự định chạy mô hình VECM nghiên cứu tác động của interest lên 4 biến còn lại, sau đó chạy 1 mô hình VECM nghiên cứu tác động của M2 lên 4 biến còn lại và cuối cùng là tác động chung của interest lẫn M2 lên 3 biến còn lại (lúc này cháu chọn number of cointegrating là 2). Nhờ giáo sư tư vấn giúp cháu: chạy 3 mô hình như vậy thì kết quả có đáng tin hơn là chạy 1 mô hình không ạ? Ngoài ra sau khi chạy mô hình, cháu có test tính dừng của phần dư (Ut) qua AR roots table và AR roots graph thì thấy có 1-2 giá trị có nghiệm đơn vị (nằm trên vòng tròn) có nghĩa là phần dư của mô hình không dừng=>không thỏa mãn yêu cầu. Tuy nhiên cháu không thể điều chỉnh mô hình cho mất nghiệm đơn vị này được (cháu đã thử rất nhiều độ trễ khác nhau theo đủ mọi tiêu chuẩn). Mong giáo sư tư vấn giúp cháu cách điều chỉnh mô hình cho phù hợp. Cháu cám ơn giáo sư rất nhiều ạ.
ReplyDelete
Replies
Reply
Nguyệt Thu NgaSeptember 16, 2013 at 8:21 AM
Kính chào thầyEm đang làm bài luận văn “truyền động TGHĐ tại VN 2001-2010 theo phương pháp VARs” với chuỗi dữ liệu là 120 thángTheo bài term paper gốc tại Nhật “The Evolution of the Exchange Rate Pass-Through in Japan:A Re-evaluation Based on Time-Varying Parameter VARs” Policy Research Institute, Ministry of Finance, Japan, Public Policy Review, Vol.8, No.1, June 2012Tác giả phân tích truyền động TGHĐ tại Nhật lên giá nhập khẩu gồm 5 biến: giá dầu, NEER, chỉ số giá nhập khẩu IMP, DCGPI (Domestic Corporation Goods Price Index) và Real_Import)Em phân tích tại Việt Nam do chưa thể thu thập được chỉ số DCGPI vì Việt Nam chưa thấy công bố chỉ tiêu này từ Tổng cục Thống kê cho nên em thay bằng chỉ số CPI – thay thế như thế có làm thay đổi bản chất của vấn đề không vậy thầy ?_Riêng phần xuất khẩu tác giả phân tích truyền động TGHĐ bao gồm 4 biến : price_oil, NEER, chỉ số giá xuất khẩu, real_Exportvà phân tích giá trong nước thì chi tiết thì tác giả đi sâu vào phần phân loại nhóm mặt hàng xuất khẩu thành chi tiết 3 nhóm: chỉ số giá nguyên vật liệu, chỉ số giá hàng hóa trung gian và chỉ số giá hàng hóa của các doanh nghiệp trong nước- hàng hóa cuối cùng lại chia nhỏ ra làm 3 nhóm: hàng tư liệu sản xuất Capital Goods, hàng tiêu dùng lâu bền Consumer Durables, và hàng tiêu dùng không lâu bền Consumer Non-durables.Theo như em đi tìm kiếm dữ liệu từ Tổng cục Thống kê của VN (GSO) chưa thấy công bố những chỉ số giá này(Chỉ số giá nhập khẩu và xuất khẩu theo tháng và theo quý của VN cũng tìm không ra vì cũng chưa được công bố) sở dĩ em có chỉ số giá nhập khẩu theo tháng của VN từ 2001-2010 là nhờ 1 người bạn hỗ trợ tính toán; còn chỉ số giá Xuất khẩu thì do thời gian nộp bài sắp hết hạn do đó không đủ thời gian để tính toán cho kịpKính mong thầy có dữ liệu các chỉ số giá mà em nêu trên, theo tháng của Việt Nam từ 2001-2010 thì thầy chuyển cho em, em cảm ơn thầy rất nhiều !!_ tại bước kiểm định tính dừng của các biến (em đang kiểm định 5 biến: giá dầu Price_oil, NEER, IMP (chỉ số giá nhập khẩu), CPI (thay cho DCGPI), real_import; khi em kiểm theo tiêu chí lựa chọn ADF thì kết quả sau cùng ra mô hình VAR ỔN ĐỊNH (mặc dù phải bỏ qua bướ kiểm định Độ trễ cần loại bỏ Lag Exclusion Tests vì loại bỏ Lag 5 theo kết quả ra thì không chạy ra VAR)Còn khi kiểm định tính dừng của 5 biến trên theo tiêu chí Dickey _Fuller GLS (ERS) thì sao cùng lại ra mô hình VARs không ổn địnhVì sao lại có kết quả khác nhau về VAR ổn định hay không ổn định từ hai tiêu chí lựa chọn kiểm định tính dừng như thế vậy thầy, sau cùng em phải chọn tiêu chí ADF để có được mô hình ổn định mặc dù biết là ADF cũ hơn và đạt độ chính xác không cao bằng tiêu chí ERS_Tác giả phân tích theo TVP_VARs nhưng em không rành cho nên phân tích bài làm của em theo VARs đệ quy; như thế độ chính xác của VARs đệ quy không cao bằng TVP_VAR phải không thầy ?_Sau bước kiểm định tính dừng, là bước loại trừ yếu tố mùa vụ; thì có thông báo lỗi là : biến này cần được điều chỉnh theo tháng hoặc theo quý , mặc dù chuỗi dữ liệu của em là theo tháng nhưng không hiểu sao chạy Eview lại là câu thông báo này nên em phải bỏ qua bước loại bỏ yêu tố mùa vụ cho biếnVài câu hỏi nhỏ cho các vướng mắc em gặp phải khi đang làm bài, kính mong thầy trợ giúpKính chúc thầy sức khỏe và nhiều niềm vui trong công việc và cuộc sốngTrân trọng !
ReplyDelete
Replies
Reply
UnknownDecember 6, 2013 at 11:50 AM
Chào Thầy,Em đang chạy mô hình SVAR, vậy thì khi phân tích hàm phản ứng thúc đẩy chọn chức năng cholesky dof adjusted hay structural Decomposition ạ.Cám ơn Thầy
ReplyDelete
Replies
Reply
UnknownDecember 9, 2013 at 1:28 AM
Chào Thầy,Em đang chạy mô hình VAR đệ quy, khi em thực hiện hàm phản ứng thúc đẩy IRF thì đơn vị một cú sốc là 1 độ lệch chuẩn. Em muốn tính đơn vị cú sốc là 1% thì em phải làm thế nào vậy thưa thầy?Em cám ơn thầy!
ReplyDelete
Replies
Reply
UnknownMarch 16, 2014 at 2:08 AM
Chào bác Lê Hồng Giang! Cháu là sinh viên và đang làm đề tài nghiên cứu về “The Dynamic Effects of Aggregate Demand and Supply Disturbances” của Blanchard & Quah. Bác có thể giải thích thêm cho cháu về phương pháp sign restriction mà Blanchard & Quah đã sử dung không ạ? Phần mềm eview có hổ trợ phương pháp này không ạ? Mong bác giúp đở
ReplyDelete
Replies
Reply
UnknownMarch 27, 2014 at 10:59 PM
Thưa thầy Em đang viết bài sử dụng Unit Root Test ->Cointegration test -> VECM & VAR và Granger Causality Test. Vì kiến thức em còn kém, thầy có thể giới thiệu cho em sách hay tài liệu giúp hiểu rõ hơn những mô hình trên ko ạ?Cám ơn thầy!