Vận dụng phương pháp tự hồi quy kết hợp trung bình trượt dự báo tỷ lệ lạm phát của việt nam

Lý do lựa chọn đề tài

Lạm phát, được tính toán từ chỉ số giá tiêu dùng (CPI), là một biến số kinh tế vĩ mô quan trọng mà mọi nền kinh tế đều quan tâm Đây là sự gia tăng liên tục mức giá cả chung, ảnh hưởng trực tiếp đến sức mua của người dân, đặc biệt trong thời kỳ khủng hoảng kinh tế toàn cầu Việt Nam cũng không nằm ngoài vòng xoáy này, khi nền kinh tế đã chịu tác động lớn từ lạm phát cao và tăng trưởng thấp trong giai đoạn 2007-2012 Chính phủ đã áp dụng nhiều biện pháp để kiểm soát lạm phát, bao gồm việc chấp nhận hy sinh tăng trưởng để đạt được mục tiêu này Tuy nhiên, những biện pháp này đôi khi dẫn đến suy thoái và giảm phát, như đã xảy ra vào năm 2014 Do đó, việc dự báo lạm phát cần có độ chính xác cao hơn để hỗ trợ các nhà quản lý đưa ra các kế hoạch điều chỉnh phù hợp Nhiều nghiên cứu đã được thực hiện về lạm phát và mối quan hệ của nó với các biến số khác trong nền kinh tế Việt Nam, nhưng chưa có nghiên cứu nào sử dụng phương pháp ARIMA để dự báo lạm phát trong giai đoạn 2003-2014 Mục tiêu của đề tài này là xem xét sự biến động của giá cả trong bối cảnh hiện tại.

Trong thời gian qua, dự báo tỷ lệ lạm phát của Việt Nam trong năm 2015 đã được thực hiện nhằm cung cấp tài liệu giảng dạy cho sinh viên ngành Thống kê Đề tài “Vận dụng phương pháp tự hồi quy kết hợp trung bình trượt dự báo tỷ lệ lạm phát của Việt Nam” được lựa chọn để minh họa cho một phương pháp dự báo Mặc dù nghiên cứu này được thực hiện trong thời gian ngắn và với kiến thức hạn chế của tác giả, nhưng vẫn có thể có những sai sót Tác giả rất mong nhận được ý kiến đóng góp từ độc giả để hoàn thiện hơn đề tài này.

Mục tiêu nghiên cứu

Đề tài nghiên cứu diễn biến lạm phát tại Việt Nam giai đoạn 2003-2014, xây dựng mô hình dự báo ARIMA và dự báo lạm phát cho năm 2015 dựa trên phân tích chuỗi số liệu CPI từ 1/2003 đến 11/2014 Bài viết cũng đưa ra gợi ý chính sách và phương pháp dự báo cho tương lai, đồng thời dự kiến được sử dụng trong giảng dạy cho sinh viên chuyên ngành Thống kê như một phương pháp phân tích dự báo hiệu quả.

Phương pháp nghiên cứu

Mô hình dự báo được sử dụng trong nghiên cứu là ARIMA (phương pháp tự hồi quy tích hợp trung bình trượt), với các bước phân tích phù hợp nhằm xác định mô hình tốt nhất từ dữ liệu CPI Việt Nam trong giai đoạn từ tháng 1/2003 đến tháng 11/2014 Phần mềm EVIEWS6 đã được áp dụng để phân tích và xử lý số liệu.

Kết cấu đề tài nghiên cứu

Đề tài bao gồm các nội dung nghiên cứu chính như sau:

- Tổng quan về lạm phát và phương pháp ARIMA

- Vận dụng phương pháp ARIMA dự báo lạm phát của Việt Nam

Để kiểm soát lạm phát hiệu quả, cần thảo luận và đề xuất các chính sách phù hợp, đồng thời nâng cao công tác dự báo kinh tế vĩ mô tại Việt Nam Việc này không chỉ giúp ổn định nền kinh tế mà còn tạo điều kiện cho sự phát triển bền vững trong tương lai.

TỔNG QUAN VỀ LẠM PHÁT VÀ PHƯƠNG PHÁP TỰ HỒI

Tổng quan về lạm phát

Lạm phát là hiện tượng kinh tế vĩ mô phổ biến, ảnh hưởng sâu rộng đến đời sống kinh tế hiện đại Một ví dụ rõ ràng về lạm phát là thời kỳ siêu lạm phát mà Việt Nam trải qua sau chiến tranh, gây ra tác động nghiêm trọng đến nền kinh tế Vậy lạm phát thực chất là gì?

Lạm phát là sự gia tăng liên tục trong mức giá chung, không nhất thiết mọi hàng hóa và dịch vụ đều phải tăng giá đồng thời Một nền kinh tế có thể trải qua lạm phát khi giá của một số mặt hàng giảm, miễn là giá các hàng hóa khác tăng đủ mạnh Lạm phát cũng được hiểu là sự suy giảm sức mua của đồng nội tệ, khiến cho một đơn vị tiền tệ có thể mua được ít hàng hóa và dịch vụ hơn Khi lạm phát xảy ra, người tiêu dùng phải chi nhiều hơn để mua cùng một giỏ hàng hóa và dịch vụ Nếu thu nhập không theo kịp với tốc độ lạm phát, sức mua thực tế của thu nhập sẽ giảm.

Lạm phát không chỉ đơn thuần là sự gia tăng giá cả mà là sự tăng liên tục trong mức giá Nếu chỉ có một cú sốc làm tăng giá, hiện tượng này sẽ chỉ tạm thời và không được coi là lạm phát Tuy nhiên, thực tế cho thấy mỗi cú sốc có thể gây ra ảnh hưởng kéo dài đối với nền kinh tế, dẫn đến tình trạng lạm phát.

Theo lý thuyết tiền tệ, lạm phát được xem là hiện tượng tiền tệ, với Friedman khẳng định rằng "lạm phát luôn là hiện tượng tiền tệ" và chỉ xảy ra khi cung tiền tăng nhanh hơn sản lượng Lý do cho điều này là do sự dư thừa tổng cầu so với tổng cung, mà nguyên nhân chính là sự gia tăng lượng tiền lưu thông Điều này cho thấy lạm phát do áp lực từ phía cầu, không phải từ phía cung Hơn nữa, lý thuyết này cũng giả định rằng tác động của cung ứng tiền đến mức giá là nguyên nhân chính, chứ không phải giá cả tăng lên làm gia tăng lượng tiền cung ứng.

M*V=P*Y ĐẠI HỌC KINH TẾ HUẾ

Trong đó: M – cung tiền; V – tốc độ chu chuyển của tiền (hệ số tạo tiền); P – mức giá; Y – sản lượng của nền kinh tế (GDP)

1.1.2 Đo lường lạm phát Để đo lường lạm phát người ta sử dụng chỉ số giá tiêu dùng (CPI – Consumer Price Index) Chỉ số giá tiêu dùng đo lường mức giá trung bình của rổ hàng hóa và dịch vụ mà một người tiêu dùng điển hình mua Tại Việt Nam rổ hàng hóa, dịch vụ để tính CPI gồm các loại hàng hóa và dịch vụ phổ biến, đại diện cho tiêu dùng của dân cư thường được xem xét, cập nhật 5 năm một lần CPI là một chỉ tiêu tương đối phản ánh xu thế và mức độ biến động của giá bán lẻ hàng tiêu dùng và dịch vụ dùng trong sinh hoạt của dân cư và các hộ gia đình (Theo định nghĩa của Tổng cục thống kê trong Niên giám thống kê Việt Nam) Khi CPI tăng nghĩa là mức giá trung bình tăng Kết quả là người tiêu dùng phải chi nhiều tiền hơn để có thể mua được một lượng hòa hóa và dịch vụ như cũ nhằm duy trì mức sống trước đó của họ

Các bước tiến hành tính chỉ số lạm phát như sau:

Bước đầu tiên là chọn năm cơ sở và xác định giỏ hàng hóa của thời kỳ cơ sở (q i t), trong đó t đại diện cho thời kỳ thứ t, với t=0 là năm cơ sở và i là mặt hàng tiêu dùng thứ i trong giỏ hàng Do đó, giỏ hàng hóa của thời kỳ cơ sở được xác định là q i 0.

Bước 2 là xác định giá của từng mặt hàng trong giỏ hàng cố định cho các thời kỳ (p i t) Tiếp theo, bước 3 yêu cầu tính chi phí mua giỏ hàng cố định dựa trên giá thay đổi qua các thời kỳ, theo công thức đã được thiết lập.

Chi phí giỏ hàng ở thời kì t =  p i t * q i 0

Bước 4: tính chỉ số giá tiêu dùng cho thời kì t theo công thức

Bước 5: tính tỷ lệ lạm phát theo công thức 1 * 100

Trong đó CPI t-1 là chỉ số giá tiêu dùng ở thời kì t-1

Ngoài chỉ số giá tiêu dùng, có nhiều chỉ số khác được sử dụng để đo lường lạm phát, bao gồm chỉ số điều chỉnh GDP (GDP deflator), chỉ số giá sản xuất (PPI), chỉ số giá bán buôn (WPI) và chỉ số giá bán lẻ (RPI).

Chỉ số giá tiêu dùng (CPI) được Tổng cục Thống kê Việt Nam công bố lần đầu vào năm 1998, với năm 1995 làm gốc so sánh Đến năm 2001, Đại học Kinh tế Huế đã có những đóng góp đáng kể trong việc nghiên cứu và phân tích chỉ số này.

Tổng cục Thống kê đã liên tục cập nhật danh mục mặt hàng đại diện và quyền số chi tiêu cuối cùng để tính chỉ số giá tiêu dùng (CPI) với các năm gốc so sánh khác nhau Cụ thể, năm 2000 được chọn làm năm gốc đầu tiên, sau đó là năm 2005 vào năm 2006, và mới nhất là năm 2009 được áp dụng vào tháng 10/2009.

Hiện tại rổ hàng hóa mà TCTK áp dụng để tính CPI bao gồm 572 mặt hàng

(ngoại trừ vàng và ngoại tệ được thu thập và tính riêng)

Quyền số mà Tổng cục Thống kê (TCTK) hiện đang áp dụng được xây dựng dựa trên cuộc khảo sát mức sống của hộ gia đình và điều tra chỉ số giá tiêu dùng được thực hiện vào năm 2008.

Bảng 1.1: Quyền số dùng tính CPI của Việt Nam đang áp dụng

Mã Các nhóm hàng và dịch vụ Quyền số (%)

C Tổng chi cho tiêu dùng cuối cùng 100

01 I- hàng ăn và dịch vụ ăn uống 39.93

013 3 Ăn uống ngoài gia đình 7.4

02 II- Đồ uống và thuốc lá 4.03

03 III- May mặc, mũ nón, giày dép 7.28

04 IV- nhà ở, điện nước, chất đốt, VLXD 10.01

05 V – thiết bị đồ dùng gia đình 8.65

06 VI – thuốc và dịch vụ y tế 5.61

08 VIII – bưu chính viễn thông 2.73

10 X – văn hóa, giải trí, du lịch 3.83

11 XI – hàng hóa và dịch vụ khác 3.34

1.1.2 Nguyên nhân gây ra lạm phát

 Lạm phát do cầu kéo (Demand - pull inflation) ĐẠI HỌC KINH TẾ HUẾ

Lạm phát do cầu kéo, hay còn gọi là lạm phát nhu cầu, xảy ra khi tổng cầu tăng vượt quá mức cung hàng hóa, tạo ra áp lực làm tăng giá cả Khi có nhiều người mua sẵn sàng chi tiền cho hàng hóa trong khi nguồn cung không tăng tương ứng, thị trường sẽ rơi vào tình trạng thiếu hụt Theo quy luật cung cầu, giá cả sẽ tăng lên, dẫn đến sự xuất hiện của lạm phát.

 Lạm phát do chi phí đẩy (Cost – push inflation)

Lạm phát xảy ra khi chi phí tăng đồng loạt trong nền kinh tế, dẫn đến sản lượng giảm và gia tăng thất nghiệp cùng lạm phát Tình trạng này được gọi là lạm phát kèm suy thoái (stagflation) Ba yếu tố chính gây ra lạm phát bao gồm tiền công, thuế gián thu và giá nguyên liệu nhập khẩu.

Lạm phát ỳ, hay còn gọi là lạm phát do quán tính, là loại lạm phát có thể dự đoán trước, khi mọi người đã tính đến trong các thỏa thuận về biến danh nghĩa sẽ được thanh toán trong tương lai Đây được xem là tỷ lệ lạm phát cân bằng trong ngắn hạn, duy trì cho đến khi có các cú sốc tác động đến nền kinh tế.

Khi ngân hàng trung ương tăng cường cung lượng tiền lưu hành, ví dụ như thông qua việc mua ngoại tệ để bảo vệ giá trị đồng nội tệ hoặc mua công trái theo yêu cầu của nhà nước, điều này có thể dẫn đến lạm phát do lượng tiền trong lưu thông gia tăng.

1.1.3 Ảnh hưởng của lạm phát lên nền kinh tế

1.1.3.1 Đối với lạm phát được dự tính trước

Tổng quan về phương pháp tự hồi quy kết hợp trung bình trượt

1.2.1 Các phương pháp dự báo thường dùng và đặc điểm của chuỗi thời gian ĐẠI HỌC KINH TẾ HUẾ

* Các phương pháp dự báo thường dùng

Sơ đồ 1.1 Các phương pháp dự báo thường dùng

(Nguồn: bài giảng của Nguyễn Ngọc Anh – trung tâm nghiên cứu và phát triển chính sách; Nguyễn Việt Cường – Đại học kinh tế quốc dân)

Có nhiều mô hình dự báo với những ưu và nhược điểm riêng, không có mô hình nào hoàn hảo Việc lựa chọn phương pháp dự báo phụ thuộc vào mục đích nghiên cứu và đặc điểm của hiện tượng Trong số các phương pháp dự báo, chuỗi thời gian là một trong những phương pháp phổ biến được các nhà nghiên cứu sử dụng.

*Một số đặc điểm thường gặp trong số liệu chuỗi thời gian

 Tính ngẫu nhiên (random patterns)

Phương pháp/mô hình nhân quả

Phân tích hồi quy đơn biến

Phân tích hồi quy đa biến

Phân tích hồi quy định tính (Logit, Probit)

Phương pháp/ mô hình chuỗi thời gian

Phương pháp ước lượng xu hướng

Phương pháp phân rã xu hướng và mùa vụ

Phương pháp Box- Jenkins (phương pháp ARIMA)

Phương pháp chỉ số tổng hợp Điều tra thị trường/người tiêu dùng ĐẠI HỌC KINH TẾ HUẾ

11 Đồ thị 1.1: Tính ngẫu nhiên của chuỗi thời gian

 Có xu hướng (Trend patterns) Đồ thị 1.2: Tính xu hướng của chuỗi thời gian

Tính mùa vụ trong chuỗi thời gian là hành vi có chu kỳ dựa trên năm lịch, có thể nhận diện qua đồ thị SAC = f(t) Khi đồ thị SAC xuất hiện các đỉnh cao sau mỗi m thời đoạn, điều này cho thấy sự tồn tại của tính mùa vụ Chuỗi thời gian có tính mùa vụ thường không có tính dừng, điều này cần được lưu ý trong phân tích dữ liệu.

Phương pháp đơn giản nhất để loại bỏ tính mùa vụ là sử dụng sai phân thứ m Nếu chuỗi Yt có tính mùa vụ với chu kỳ m, ta sẽ khảo sát chuỗi Zt = Yt – Yt-1 thay vì chuỗi Yt.

 Có tính chu kỳ (Cyclical patterns) Đồ thị 1.4: Tính chu kì của chuỗi thời gian

 Giá trị đột biến (Outliers) Đồ thị 1.5: Giá trị đột biến của chuỗi thời gian

1.2.2 Một số khái niệm liên quan

Một quá trình ngẫu nhiên Yt được coi là dừng khi trung bình và phương sai không thay đổi theo thời gian, và đồng phương sai giữa hai thời đoạn chỉ phụ thuộc vào khoảng cách thời gian (độ dài k) giữa chúng, không phụ thuộc vào thời điểm cụ thể (thời điểm t) mà đồng phương sai được tính.

• Phương sai: Var (Yt) = E[(Yt - )]= σ 2 = const

• Đồng phương sai: Cov (Yt, Yt-k) =E[(Yt-k -),(Yt - )] = k

Chuỗi thời gian sẽ không dừng lại nếu vi phạm bất kỳ điều kiện nào đã nêu Trong lĩnh vực kinh tế, các chuỗi thời gian thường là chuỗi không dừng Để chuyển đổi thành chuỗi dừng, người ta thường sử dụng phương pháp sai phân một hoặc hai lần, được gọi là trễ 1 thời kỳ, 2 thời kỳ hoặc sai phân bậc 1, bậc 2.

• Chuỗi sai phân bậc 2: Vt = Wt – Wt-1

Tính dừng của chuỗi thời gian có thể được xác định thông qua đồ thị của chuỗi, đồ thị hàm tự tương quan mẫu, hoặc kiểm định Dickey-Fuller Cụ thể, chuỗi Yt được coi là có tính dừng nếu đồ thị Yt = f(t) cho thấy trung bình và phương sai của quá trình Yt không thay đổi theo thời gian.

• Dựa vào hàm tự tương quan mẫu (SAC – Sample Auto Correllation)

Nếu SAC = f(t) của chuỗi thời gian giảm nhanh và tiến dần về 0, thì chuỗi đó có tính dừng Đồ thị 1.6 minh họa chuỗi ngẫu nhiên dừng không bụi.

(Nguồn: bài giảng của Nguyễn Ngọc Anh – trung tâm nghiên cứu và phát triển chính sách; Nguyễn Việt Cường – Đại học kinh tế quốc dân) 1.2.2.2 Nhiễu trắng (White nose)

Quá trình { u } t  t   được gọi là nhiễu trắng nếu mỗi thành phần của chuỗi có kỳ vọng bằng 0; phương sai không đổi và không tự tương quan Tức là:

E(ut) = 0; Var(ut) =  2 ; Cov(ut,ut+s)=0 với mọi t (s  0)

Nhiễu trắng là một chuỗi dừng, trong đó điều kiện hiệp phương sai có thể được thay thế bằng điều kiện mạnh hơn, yêu cầu rằng ut và uτ độc lập với nhau khi τ khác t Đồ thị 1.7 minh họa chuỗi thời gian có ut là quá trình nhiễu trắng.

Bước ngẫu nhiên (Random walk) là một khái niệm quan trọng trong nghiên cứu và phát triển chính sách, được trình bày bởi Nguyễn Ngọc Anh và Nguyễn Việt Cường Nó đề cập đến quá trình mà giá trị của một biến ngẫu nhiên thay đổi theo thời gian mà không có xu hướng rõ ràng, thường được áp dụng trong phân tích tài chính và dự đoán thị trường Bước ngẫu nhiên giúp hiểu rõ hơn về hành vi của các biến số trong các mô hình kinh tế và tài chính.

Nếu Yt = Yt-1 + ut với ut là nhiễu trắng, thì Yt được xem là bước ngẫu nhiên Trong trường hợp này, kỳ vọng của Yt bằng kỳ vọng của Yt-1, tức là E(Yt) = E(Yt-1) Khi bổ sung một hằng số vào mô hình bước ngẫu nhiên, Yt sẽ được gọi là bước ngẫu nhiên có bụi (random walk with drift).

1.2.2.4 Kiểm định nghiệm đơn vị(Unit root test)

Kiểm định nghiệm đơn vị là một phương pháp quan trọng trong phân tích tính dừng của chuỗi thời gian, giúp xác định xem chuỗi có tuân theo bước ngẫu nhiên hay không Nếu chuỗi là bước ngẫu nhiên, nó sẽ không dừng lại Việc phát triển kiểm định nghiệm đơn vị được coi là một trong những phát hiện quan trọng trong kinh tế học hiện đại vào những năm 1980 Hai kiểm định nghiệm đơn vị phổ biến được sử dụng hiện nay là ĐẠI HỌC KINH TẾ HUẾ.

Kiểm định Dickey-Fuller, hay còn gọi là kiểm định nghiệm đơn vị, được sử dụng để xác định liệu chuỗi thời gian có phải là Bước Ngẫu Nhiên hay không, với mô hình Yt = 1*Yt-1 + et Nếu chuỗi thời gian là Bước Ngẫu Nhiên, điều này đồng nghĩa với việc nó không có tính dừng Tuy nhiên, nếu chuỗi không có tính dừng, điều đó không nhất thiết có nghĩa là nó là Bước Ngẫu Nhiên.

Phương pháp do Dickey và Fuller phát hiện vào năm 1979 được sử dụng để kiểm tra tính dừng của chuỗi thời gian, phổ biến hơn so với biểu đồ tự tương quan Phương pháp này giúp xác định xem chuỗi có phải là bước ngẫu nhiên (Random Walk) hay không.

Yt= *Yt-1+ut (*)[quá trình tự hồi quy bậc 1 – AR(1)]

Nếu với =1, chuỗi thời gian sẽ không có tính dừng, trong đó ut là nhiễu trắng Để xác định tính dừng của chuỗi thời gian, phương pháp Dickey – Fuller (ADF) được áp dụng theo giả thiết được thiết lập từ năm 1979.

H0: Yt là chuỗi không dừng (hay có nghiệm đơn vị)

H1: Y t là chuỗi dừng (hay không có nghiệm đơn vị) Ước lượng mô hình (*) có ˆ ) ( ˆ 1

  có phân bố DF Điều kiện bác bỏ H0 là

 qs  Trong trường hợp này, chuỗi quan sát là một chuỗi dừng

Tiêu chuẩn DF được áp dụng cho các mô hình sau: t t t t t t t t t u Y t Y u Y Y u Y Y

Sự khác biệt giữa các mô hình này là sự hiện diện của các biểu thức

Mô hình 1 được sử dụng để kiểm định tính chất bước ngẫu nhiên (Random Walk) của biến Y Mô hình 2 kiểm tra xem Y có phải là bước ngẫu nhiên có trượt (Random Walk with Drift) hay không Cuối cùng, mô hình 3 xác định xem Y có phải là bước ngẫu nhiên với hệ số trượt và xu hướng xác định (Random Walk with Drift and Deterministic Trend).

1 (**) Tiêu chuẩn DF được áp dụng cho (**) được gọi là tiêu chuẩn ADF (Augmented Dickey – Fuller)

Kiểm định Phillips và Perron (PP)

VẬN DỤNG PHƯƠNG PHÁP TỰ HỒI QUY KẾT HỢP TRUNG BÌNH TRƯỢT DỰ BÁO LẠM PHÁT CỦA VIỆT NAM

Diễn biến lạm phát của Việt Nam trong giai đoạn 1995 – 2014

Biểu đồ lạm phát và tăng trưởng kinh tế Việt Nam giai đoạn 1995-2013 cho thấy mối quan hệ phức tạp giữa hai yếu tố này Trong thời kỳ này, tốc độ tăng trưởng kinh tế và lạm phát đã trải qua nhiều biến động, phản ánh tình hình kinh tế đầy thách thức và sự điều chỉnh chính sách của nhà nước Sự tương tác giữa lạm phát và tăng trưởng không chỉ ảnh hưởng đến nền kinh tế mà còn tác động đến đời sống người dân, yêu cầu các giải pháp phù hợp để duy trì sự ổn định và phát triển bền vững.

(Nguồn số liệu lấy từ www.gso.gov.vn được tác giả xử lý trên Excell)

Diễn biến này có thể được chia thành các giai đoạn sau:

2.1.1 Giai đoạn giảm phát và suy thoái của nền kinh tế (1995-2003)

Sau giai đoạn tăng trưởng mạnh mẽ và lạm phát hai con số từ 1990-1995, nền kinh tế Việt Nam bắt đầu giảm tốc và trải qua thời kỳ giảm phát Năm 1995, Việt Nam đạt mức tăng trưởng cao nhất sau đổi mới với 9.5% và lạm phát 12.7%, một kỳ tích chưa từng tái lập Tuy nhiên, từ 1995-2000, nền kinh tế bị ảnh hưởng nặng nề bởi cuộc khủng hoảng tài chính châu Á, dẫn đến tốc độ tăng trưởng chậm lại và lạm phát thấp Đây là lần đầu tiên Việt Nam đối mặt với giảm phát và suy thoái, gây ra những tác động nghiêm trọng cho nền kinh tế.

1999, 2000 lần lượt là 4.8% và 6.8% đi kèm với nó là lạm phát ở mức 0.1% và -

Vào năm 2001, lạm phát chỉ tăng 0.8% trong khi tốc độ tăng trưởng kinh tế nhẹ nhàng đạt 6.9% Đến năm 2003, chỉ số giá tiêu dùng (CPI) vẫn duy trì ở mức thấp 3%, nhưng nền kinh tế đã bắt đầu có dấu hiệu phục hồi.

NĂM Tốc độ tăng GDP (%) Lạm phát (%) ĐẠI HỌC KINH TẾ HUẾ

2.1.2 Giai đoạn 2004 -2011 lạm phát tăng cao trở lại

Giai đoạn này chứng kiến sự gia tăng lạm phát cao, với quy luật cứ hai năm có một năm tăng thấp, trong khi tốc độ tăng trưởng kinh tế đạt mức cao Việt Nam gia nhập WTO, thu hút dòng vốn đầu tư mạnh mẽ, dẫn đến lạm phát gia tăng Tuy nhiên, cuộc khủng hoảng kinh tế toàn cầu đã tác động lớn đến Việt Nam chỉ một năm sau khi gia nhập WTO, với lạm phát đạt đỉnh vào năm 2008 gần 20% và tăng trưởng kinh tế chỉ 6.8% Đặc biệt, CPI tháng 11/2008 ghi nhận -0.8%, cho thấy sự bất thường so với quy luật hàng năm Đây cũng là lần đầu tiên khái niệm "kiềm chế lạm phát" và "hy sinh tăng trưởng để kiểm soát lạm phát" được đề cập, kèm theo các biện pháp quyết liệt như giảm đầu tư công và thắt chặt chính sách tiền tệ Tuy nhiên, những biện pháp này lại khiến nền kinh tế rơi vào tình trạng khó khăn, tương tự như giai đoạn 1995-2003 Các nhà kinh tế cũng đã đưa ra khái niệm ngưỡng lạm phát, cho rằng ngưỡng dưới 11% có tác động tích cực đến nền kinh tế, ngược lại sẽ gây tác động tiêu cực.

2.1.3 Giai đoạn giảm phát đi kèm suy thoái (2012 đến nay)

Sau khi đạt mức 18.13% vào năm 2011, lạm phát tại Việt Nam bắt đầu giảm xuống dưới 7%, nhờ vào các biện pháp của Chính phủ Tuy nhiên, những biện pháp thắt chặt quá mức đã dẫn đến suy thoái kinh tế nghiêm trọng Khác với giai đoạn 1997-2001, nguyên nhân suy thoái lần này chủ yếu do yếu tố nội tại như đầu tư công kém hiệu quả và nợ công gia tăng Mặc dù có dấu hiệu khả quan, tăng trưởng kinh tế năm 2012 chỉ đạt 5.03%, đánh dấu đáy của nền kinh tế Việt Nam trong bối cảnh khủng hoảng toàn cầu Các điều chỉnh giá như điện, than, xăng dầu cũng góp phần làm tăng lạm phát vào năm 2011, nhưng tổng cầu vẫn ở mức thấp, dẫn đến sự giảm lạm phát không theo quy luật như trước đây.

2014 sẽ thấy rõ hơn điều n Đồ thị 2.2 CPI Việt Nam 11 tháng đầu năm 2014

Quy luật hàng năm là l

1 Tuy nhiên, lần thứ 2 sau năm 2008 tháng 11/2014 với mức -0.27% so v Đồ thị 2.3 CPI tháng 11 hàng năm, 2002

Trong giai đoạn từ 2002 đến 2004, lạm phát không có sự gia tăng tương ứng với tốc độ tăng trưởng Mặc dù ngưỡng lạm phát này được coi là chỉ báo cho diễn biến lạm phát, nhưng thực tế cho thấy sự biến động này không tuân theo quy luật cụ thể Đặc biệt, trong 11 tháng đầu năm 2014, diễn biến lạm phát tại Việt Nam cho thấy xu hướng tăng tốc trong các tháng thu.

2 sau năm 2008 lạm phát Việt Nam ghi nh 0.27% so với tháng 10

CPI tháng 11 hàng năm, 2002-2014 (nguồn số liệu: gso.gov.vn)

Trong 11 tháng đầu năm, tốc độ tăng trưởng được coi là tích cực, phản ánh diễn biến lạm phát trong giai đoạn này Dữ liệu từ gso.gov.vn cho thấy các tháng thuộc quý 4 đã ghi nhận con số âm, cho thấy sự biến động trong nền kinh tế.

2011 2012 2013 2014 ĐẠI HỌC KINH TẾ HUẾ

Nguyên nhân của tình trạng giá cả không tăng hoặc giảm là do cầu của nền kinh tế vẫn ở mức thấp và người tiêu dùng chi tiêu thông minh hơn Chính sách của Chính phủ đã chuyển từ kiềm chế lạm phát năm 2013 sang kiểm soát lạm phát năm 2014, giữ lạm phát ở mức thấp và ổn định Giá xăng dầu đã giảm 21% so với đầu năm, trong khi giá thực phẩm, nông sản, lúa gạo, sắt thép, phân bón, và sữa cũng giảm từ 10-15% Tổng Cục Thống kê dự báo lạm phát cả năm 2014 sẽ dưới 3%, thấp hơn nhiều so với mục tiêu 5% của Chính phủ và là mức thấp kỷ lục trong 10 năm qua Chính phủ đang thực hiện các chính sách kích cầu để thúc đẩy tăng trưởng kinh tế, nhưng cần thời gian để phát huy tác dụng Lạm phát hiện đã được kiểm soát thành công và không còn là mối quan ngại như trước.

Sơ đồ 2.1.Tóm tắt những nguyên nhân chủ yếu tác động lên lạm phát của Việt Nam

(Nguồn: tác giả tự tổng hợp)

Đặc điểm của chuỗi dữ liệu sử dụng phân tích

Dữ liệu về chỉ số giá tiêu dùng (CPI) các tháng được lấy từ trang web của Tổng cục Thống kê (www.gso.gov.vn) cung cấp cái nhìn tổng quan về biến động giá cả theo thời gian Thông tin này có ý nghĩa quan trọng trong việc phân tích tình hình kinh tế và đưa ra các quyết định chiến lược cho Đại học Kinh tế Huế.

Trong giai đoạn từ tháng 1/2003 đến tháng 11/2014, Việt Nam ghi nhận 143 quan sát về chỉ số giá tiêu dùng (CPI), với sự thay đổi là 34 so với tháng trước Đồ thị 2.4 minh họa chuỗi dữ liệu này, phản ánh xu hướng biến động của CPI tại Việt Nam trong khoảng thời gian nêu trên.

(Nguồn số liệu: www.gso.gov.vn được xử lí trên Eviews 6)

Biểu đồ cho thấy CPI Việt Nam trong giai đoạn này có sự biến động phức tạp và không rõ xu hướng Đỉnh điểm lạm phát xảy ra vào năm 2008 và 2011, với quy luật lạm phát thường tăng trong hai năm liên tiếp rồi mới giảm vào năm tiếp theo, chủ yếu vào quý I và quý IV Tuy nhiên, năm 2014 đã chứng kiến sự phá vỡ quy luật này với sự giảm sâu của CPI Dữ liệu về chỉ số giá tiêu dùng thường có tính thời vụ, do đó cần khử tính thời vụ để có kết quả phân tích chính xác hơn, với thời gian khử s=4 cho dữ liệu theo quý và s cho dữ liệu theo tháng Nội dung này sẽ được thảo luận chi tiết hơn trong phần sau.

Trong chuỗi thời gian, yếu tố ngẫu nhiên có thể chiếm ưu thế, khiến việc nhận diện xu thế và quy luật biến đổi của dữ liệu trở nên khó khăn Để có cái nhìn rõ ràng hơn, người ta thường áp dụng phương pháp làm trơn dữ liệu.

CPI ĐẠI HỌC KINH TẾ HUẾ

Từ dữ liệu CPI tại thời điểm 1/2003, chúng ta có thể phân tích sự biến động giá cả trong hơn 10 năm qua Đến tháng 11/2014, mức giá đã tăng gần gấp ba lần so với thời điểm ban đầu, đạt mức 2.864 Điều này cho thấy sự thay đổi đáng kể trong chi phí sinh hoạt tại Việt Nam trong giai đoạn từ 1/2003 đến 11/2014 Đồ thị 2.5 minh họa rõ ràng sự biến đổi này.

(Nguồn: tác giả thực hiện trên EVIEWS6)

Kết quả phân tích chuỗi dữ liệu

Các thủ tục phân tích và kiểm định chuỗi CPI sau khi biến đổi đã cho thấy một số kết quả quan trọng Những kết quả này sẽ được trình bày chi tiết trong phần nội dung tiếp theo của nghiên cứu, theo tài liệu của GS.TS Nguyễn Quang Dong và TS Nguyễn Thị Minh trong Giáo trình Kinh tế lượng.

CPI ĐẠI HỌC KINH TẾ HUẾ

2.3.1 Thống kê mô tả chuỗi dữ liệu và kiểm định phân phối Đồ thị 2.6: Đồ thị phân phối của chuỗi dữ liệu sử dụng phân tích

(Nguồn: tác giả thực hiện trên Eviews6)

Phân tích chuỗi dữ liệu trên phần mềm Eviews6 cho thấy các kết quả quan trọng như giá trị trung bình (Mean), trung vị (Median), hệ số Kurtosis, Skewness và kết quả kiểm định Jacque-Bera với cặp giả thuyết.

H0: chuỗi có phân phối chuẩn

H 1 : chuỗi không có phân phối chuẩn

Kết quả kiểm định cho thấy với độ tin cậy 95%, có đủ bằng chứng để bác bỏ giả thuyết H0 (Prob = 0.001263 < 0.05), điều này chỉ ra rằng chuỗi dữ liệu được phân tích không tuân theo phân phối chuẩn.

2.3.2 Kiểm định tính dừng của chuỗi dữ liệu

Chuỗi dừng là khái niệm cơ bản và quan trọng trong lý thuyết Đồng liên kết

Khi ước lượng tham số hoặc kiểm định giả thuyết trong các mô hình, việc kiểm tra thuộc tính của biến chuỗi là rất quan trọng Nếu không thực hiện điều này, các kỹ thuật phân tích thông thường như OLS sẽ không còn chính xác Sử dụng phương pháp hồi quy tương quan mà không kiểm định có thể dẫn đến "tương quan giả mạo" (Granger và Newbold, 1974), làm lệch kết quả các kiểm định thống kê như t, F, và R² Hồi quy lệch có thể cho kết quả kiểm định t và R² rất tốt, nhưng mô hình lại không có ý nghĩa thực tiễn Theo Granger và Newbold, nếu R² > d (giá trị thống kê Durbin Watson), đây là dấu hiệu của hồi quy giả mạo Do đó, việc kiểm tra thuộc tính của biến chuỗi là cần thiết trước khi xây dựng mô hình.

Mean 1.820497 Median 1.785000 Maximum 2.872000 Minimum 1.000000 Std Dev 0.637331 Skewness 0.302240 Kurtosis 1.630705

Jarque-Bera 13.34883 Probability 0.001263 ĐẠI HỌC KINH TẾ HUẾ

Trong phân tích mô hình chuỗi kinh tế, việc kiểm định tính dừng của các biến là rất quan trọng Các chuỗi kinh tế thường không dừng, vì vậy thường cần thực hiện lấy sai phân để làm cho chuỗi trở thành dừng Để kiểm tra tính dừng của chuỗi, chúng ta sử dụng kiểm định ADF (Augmented Dickey-Fuller) đối với chuỗi CPI, và kết quả được trình bày trong bảng sau.

Bảng 2.1: Kiểm định ADF về tính dừng của chuỗi dữ liệu

Null Hypothesis: CPI has a unit root

Lag Length: 1 (Automatic based on SIC, MAXLAG) t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 0.410699 0.9828

Kết quả kiểm định cho thấy chuỗi dữ liệu không dừng ở mức ý nghĩa 1%, 5% và 10%, với giá trị τ_Statistic nhỏ hơn τ_α Xác suất bác bỏ giả thuyết H0 với độ tin cậy 95% là 0.9828, lớn hơn 0.05, cho thấy chưa đủ cơ sở để bác bỏ H0 Do đó, chuỗi dữ liệu cần được lấy sai phân để đạt tính dừng Kết quả kiểm định ADF của chuỗi sai phân bậc 1 được trình bày trong bảng dưới đây.

Bảng 2.2 Kiểm định ADF của chuỗi CPI lấy sai phân bậc 1

Null Hypothesis: D(CPI) has a unit root

Augmented Dickey-Fuller test statistic -5.323231 0.0000

(Nguồn: Tác giả thực hiện thực hiện trên EVIEWS 6)

Kết quả cho thấy chuỗi CPI dừng ở sai phân bậc 1 kí hiệu D(CPI) hay CPI(-

1) Hay nói cách khác chuỗi tích hợp bậc 1 Vì vậy chuỗi D(CPI) được sử dụng để ước lượng thay vì chuỗi CPI ban đầu ĐẠI HỌC KINH TẾ HUẾ

38 Đồ thị 2.7 Sai phân bậc nhất của chuỗi CPI

Xây dựng mô hình dự báo bằng phương pháp ARIMA

Để xây dựng mô hình dự báo, cần xác định bậc tự hồi quy AR(p) và bậc trung bình trượt MA(q) Bậc sai phân của mô hình được xác định là I(1) và ký hiệu là D(CPI) Mô hình được chọn để dự báo phải thỏa mãn điều kiện các giá trị AIC, BIC, HQC nhỏ Để lựa chọn bậc của AR và MA, cần dựa vào lược đồ tự tương quan (ACF) và lược đồ tự tương quan riêng phần (PACF), cung cấp thông tin cần thiết để xác định các giá trị p và q.

Bảng 2.3: ACF và PACF của chuỗi dữ liệu

Autocorrelation Partial Correlation AC PAC Q-Stat Prob

Y ĐẠI HỌC KINH TẾ HUẾ

Từ lược đồ tương quan và lược đồ tự tương quan riêng phần cho thấy bậc của

Mô hình AR có thể có bậc từ 1 đến 4, trong khi đó, mô hình MA thường xem xét các giá trị của q như 1, 3, 4, 5 hoặc 12, tùy thuộc vào đặc điểm của chuỗi dữ liệu Việc sử dụng lược đồ tự tương quan và tự tương quan riêng phần có thể dẫn đến cái nhìn chủ quan, do đó cần kết hợp thêm các tiêu chuẩn khác để xác định giá trị p và q Chuỗi CPI, với tính mùa vụ, có thể được phân tích bằng mô hình SARIMA (p, d, q)(P, D, Q)s, trong đó s là thời đoạn mùa vụ phù hợp cho chuỗi dữ liệu theo tháng Mô hình sẽ được chấp nhận nếu các tiêu chuẩn AIC, BIC, và HQC đạt giá trị nhỏ nhất, cùng với việc kiểm tra tính thích hợp thông qua các khuyết tật của mô hình Các mô hình như AR(1), AR(2), MA(1), MA(2), ARIMA(1,1,1), và SARIMA(1,1,12,12) được xem xét, trong đó biến @trend được đưa vào mô hình để ước lượng nhưng không có ý nghĩa thống kê Đồng thời, đề tài cũng khảo sát ảnh hưởng của các yếu tố khác đến chuỗi dữ liệu này.

Cuộc khủng hoảng kinh tế toàn cầu từ tháng 1/2008 đến tháng 12/2012 đã tác động đáng kể đến nền kinh tế Việt Nam và chỉ số giá tiêu dùng (CPI) của nước này, với biến giả D1 đại diện cho giai đoạn này Mặc dù đã sử dụng mô hình hồi quy, hệ số gắn với biến giả không cho thấy ý nghĩa thống kê Nghiên cứu cũng áp dụng mô hình ARIMA kết hợp với khử tính mùa vụ (SARIMA) và khảo sát tác động của từng tháng trong năm đến CPI thông qua các biến giả mùa vụ S1 đến S11 Để đánh giá độ chính xác của các mô hình, các tiêu chuẩn như AIC, BIC, HQC, giá trị R², chuỗi phần dư, và các chỉ số sai số như RMSE, MAE, MAPE được xem xét Mô hình có sai số nhỏ nhất sẽ được lựa chọn để dự báo, và kết quả khảo sát bậc của mô hình ARIMA và SARIMA sẽ được trình bày trong bảng sau.

Bảng 2.4: Các mô hình ước lượng được từ chuỗi dữ liệu và giá trị của các tiêu chuẩn ước lượng

Mô hình AIC BIC HQC R 2

AR(1) -6.004287 -5.962461 -5.987291 0.425689 AR(2) -5.656238 -5.614214 -5.639161 0.183872 MA(1) -5.900099 -5.858468 -5.883182 0.359448 MA(2) -5.603643 -5.562012 -5.586726 0.138404 ARIMA(1,1,1) -5.990444 -5.927705 5.964949 0.425885 ARIMA(1,1,2) -5.997501 -5.934762 -5.972006 0.429922 ARIMA(2,1,1) -6.026828 -5.963792 -6.001212 0.444596 ARIMA(2,1,2) -5.6443 -5.581264 -5.618684 0.185786 SARIMA(1,1,1)(1,1,0) 12 -6.078805 -5.990129 -6.042774 0.494365 SARIMA(1,1,3)(1,1,0) 12 -6.099520 -6.010844 -6.063489 0.504732 SARIMA(1,1,5)(1,1,0) 12 -6.102803 -6.014127 -6.066772 0.506355 SARIMA(1,1,12)(1,1,0) 12 -6.356250 -6.267574 -6.320219 0.616872 SARIMA(4,1,2) (1,1,1) 12 -6.076897 -5.964347 -6.031172 0.511823 ARIMA(2,1,1) với biến giả mùa vụ 2 6.391303 -6.286245 -6.348611 0.625104

Ba mô hình cuối cùng có giá trị AIC, BIC, HQC thấp hơn so với các mô hình khác và đạt R² cao sẽ được lựa chọn để ước lượng giá.

2 Khảo sát tính mùa vụ (đưa biến giả mùa vụ vào mô hình) cho thấy giá trị của hệ số gắn với tháng 1 và tháng

2 có ý nghĩa ở mức 5% ĐẠI HỌC KINH TẾ HUẾ

Dự báo lạm phát của Việt Nam trong năm 2015 sẽ được thực hiện thông qua 41 mô hình khác nhau Mô hình nào có chỉ số RMSE, MAE, và MAPE thấp nhất sẽ được chọn làm mô hình dự báo tốt nhất Kết quả ước lượng các mô hình này sẽ được trình bày trong các bảng dưới đây, với biến phụ thuộc là biến trễ của chỉ số giá tiêu dùng (CPI), ký hiệu là D(CPI).

Bảng 2.5: Mô hình ước lượng của SARIMA(1,1,12)(1,1,0)12 (gọi là mô hình 1):

Biến số Hệ số Sai số chuẩn t-Statistic Prob

R 2 0.616872 Trung bình biến phụ thuộc 0.013961

R 2 điều chỉnh 0.607677 Độ lệch chuẩn biến phụ thuộc 0.015852 Độ lệch chuẩn của hồi quy 0.009929 AIC -6.356250

Tổng bình phương độ lệch 0.012322 BIC -6.267574

F-statistic 67.08720 Thống kê Durbin-Watson 1.874383

Bảng 2.6: Mô hình ước lượng của SARIMA(4,1,2) (1,1,1) 12 (gọi là mô hình 2)

Bảng 2.7: Kết quả ước lượng mô hình ARIMA có biến giả mùa vụ (mô hình 3)

(Nguồn: tác giả thực hiện trên Eviews6) ĐẠI HỌC KINH TẾ HUẾ

Kết quả ước lượng cho thấy các hệ số liên quan đến biến số trong mô hình đều có ý nghĩa tại mức 5%, với các giá trị AIC, BIC và HQC thấp và không chênh lệch nhiều Do đó, ba mô hình này sẽ được tiếp tục sử dụng cho các giai đoạn nghiên cứu tiếp theo trong quá trình dự báo.

Kết quả dự báo lạm phát của Việt Nam tới năm 2015

Để có được dự báo chính xác, cần kiểm tra các điều kiện của mô hình, bao gồm tính toán giá trị RMSE cho từng mô hình và so sánh chúng Ngoài ra, cần thực hiện kiểm định tính dừng, tính nhiễu trắng của chuỗi phần dư và xem xét tính tự tương quan bậc 1 của các mô hình đề xuất.

2.6.1 Giá trị RMSE, MAE, MAPE của các mô hình đề xuất

Mô hình dự báo lạm phát của Việt Nam được đề xuất nhằm đưa ra dự báo đến tháng 12 năm 2015 Kết quả phân tích cho thấy các chỉ số RMSE, MAE, MAPE của ba mô hình dự báo không có sự chênh lệch lớn Tuy nhiên, mô hình 2 có các giá trị thấp nhất, do đó sẽ được chọn để thực hiện dự báo.

Bảng 2.8: Giá trị RMSE, MAE, MAPE của 3 mô hình đề xuất

Mô hình RMSE MAE MAPE

(Nguồn: tác giả thực hiện trên Eviews6) 2.6.2 Kiểm tra các điều kiện của mô hình lựa chọn

* Tính dừng và nhiễu trắng chuỗi phần dư

Kiểm định ADF được sử dụng để xác định tính dừng của chuỗi phần dư, cho thấy mô hình lựa chọn có chuỗi phần dư dừng Điều này chứng tỏ rằng mô hình là thích hợp cho các bước phân tích tiếp theo.

Null Hypothesis: RESID02 has a unit root

Augmented Dickey-Fuller test statistic -11.73177 0.0000

(Nguồn: tác giả thực hiện trên Eviews6) ĐẠI HỌC KINH TẾ HUẾ

Kết quả kiểm định tính dừng chuỗi phần dư của mô hình 2 cho thấy giá trị  qs    ở các mức ý nghĩa 1%, 5%, và 10%, với giá trị prob = 0.000 < 0.05, cho phép bác bỏ giả thuyết H0 Do đó, mô hình này đáp ứng được yêu cầu về tính dừng của chuỗi phần dư.

* Tính nhiễu trắng của chuỗi phần dư của mô hình lựa chọn

Tiến hành kiểm định tính nhiễu trắng chuỗi phần dư của mô hình 2 cho thấy kết quả như trong bảng sau:

Bảng 2.10: Lược đồ tương quan và tự tương quan riêng phần

(AC và PAC) của chuỗi phần dư mô hình 2

Autocorrelation Partial Correlation AC PAC Q-Stat Prob

D(CPIGOC) Residuals ĐẠI HỌC KINH TẾ HUẾ

Các hệ số AC và PAC không có ý nghĩa ở mức 5% (prob > 0.05), cho thấy phần dư của mô hình 1 và 2 thỏa mãn điều kiện nhiễu trắng, điều này chứng tỏ rằng mô hình dự báo là phù hợp.

2.6.3 Kiểm tra tự tương quan bậc 1 của các mô hình Để xem xét hiện tượng tự tương quan bậc 1 có tồn tại trong các mô hình được lựa chọn, tiến hành kiểm định cặp giả thuyết

H0: không tồn tại hiện tượng tự tương quan bậc 1

H1: tồn tại hiện tượng tự tương quan bậc 1

Sử dụng kiểm đinh BG (Breusch - Godfrey) cho kết quả như trong bảng sau:

Bảng 2.11: Kiểm định tính tự tương quan của mô hình 2

Breusch-Godfrey Serial Correlation LM Test:

Obs*R-squared 0.815087 Prob Chi-Square(1) 0.3666

Kết quả kiểm định cho thấy mô hình không có hiện tượng tự tương quan bậc

2.6.4 Dự báo lạm phát Việt Nam 2014-2015

Tiến hành dự báo CPI Việt Nam giai đoạn 2014-2015 theo mô hình đề xuất kết quả dự báo được thể hiện trong bảng sau

Bảng 2.14: Dự báo CPI của Việt Nam 2014 – 2015

(Nguồn: tác giả ước lượng và tính toán dựa vào EVIEWS6)

3 Giá trị CPI cả năm là giá trị trung bình CPI của năm đó so với tháng 12 năm trước (Tính theo %)

4 Công bố của TCTK (12/2014) ĐẠI HỌC KINH TẾ HUẾ

(*) CPI thực tế theo công bố mới nhất của TCTK được quy đổi về gốc so sánh 1/2003

(**), (***) CPI ước lượng từ các mô hình

(****) tỷ lệ lạm phát tháng sau so với tháng trước (tính theo %)

Dự báo từ mô hình cho thấy CPI tính đến tháng 12/2015 gấp 3 lần so với tháng 1/2003, với lạm phát năm 2014 đạt 5.41% và năm 2015 dự kiến là 5.30% Mặc dù lạm phát vẫn ở mức thấp trong năm 2015, tạo điều kiện thuận lợi cho phát triển kinh tế, nhưng tháng 12/2014, CPI giảm 2.4% so với tháng 11/2014, với mức lạm phát cả năm chỉ 4.09%, thấp nhất trong 10 năm qua Sự khác biệt giữa lạm phát thực tế và dự báo năm 2014 là trên 1%, cho thấy lạm phát thấp hơn kỳ vọng của Chính phủ và các tổ chức Nguyên nhân chủ yếu là do giá dầu giảm mạnh, giá nguyên liệu đầu vào ổn định, cùng với lãi suất ngân hàng giảm và nhu cầu trong nước thấp Điều này cho thấy mối lo ngại về lạm phát không còn là vấn đề chính, giúp duy trì lạm phát dưới 2 con số, tạo điều kiện cho việc hạ lãi suất và thực hiện các chính sách tăng trưởng kinh tế trong các năm tới.

(Nguồn: tác giả thực hiện trên EVIEWS 6)

Residual Actual Fitted ĐẠI HỌC KINH TẾ HUẾ

GỢI Ý, THẢO LUẬN CHÍNH SÁCH NHẰM KIỂM SOÁT LẠM PHÁT VÀ KIẾN NGHỊ VỀ CÔNG TÁC DỰ BÁO

Tiêu đề	Vận Dụng Phương Pháp Tự Hồi Quy Kết Hợp Trung Bình Trượt Dự Báo Tỷ Lệ Lạm Phát Của Việt Nam
Trường học	Trường Đại Học Kinh Tế Quốc Dân
Chuyên ngành	Thống Kê
Thể loại	đề tài nghiên cứu
Năm xuất bản	2015
Thành phố	Hà Nội

Định dạng
Số trang	76
Dung lượng	1,48 MB