Home | KTL nâng cao | Giới thiệu mô hình VAR ràng buộc dấu

Giới thiệu mô hình VAR ràng buộc dấu

Mô hình vector tự hồi quy (VAR) đã trở thành nền tảng của các phân tích chính sách kinh tế vĩ mô, dự báo, và kiểm định các mô hình cân bằng động tổng quát (DSGE) (Del Negro và Schorfheide, 2011). Tuy nhiên, việc hoàn nguyên các cú sốc cấu trúc cơ bản của mô hình vẫn là một vấn đề lý thuyết chưa được giải quyết. Vì mô hình VAR là mô hình rút gọn nên nó không thể hoàn nguyên các cú sốc riêng rẽ mà không áp đặt các hạn chế bổ sung (Canova, 2007). Phương pháp tiêu chuẩn để hoàn nguyên những cú sốc cấu trúc này là sử dụng kỹ thuật phân rã Cholesky, hoặc áp dụng các ràng buộc ngắn hạn hay dài hạn đồng thời bằng 0 (Sims, 1980; Blanchard và Quah, 1989; Gali, 1992) hoặc bổ sung các giá trị ràng buộc cụ thể như cách thực hiện của mô hình VAR cấu trúc (SVAR). Trong khi một số trường hợp những ràng buộc này có thể được hỗ trợ bởi các lý thuyết kinh tế thì phần lớn các trường hợp cho thấy các ràng buộc cụ thể này là không phù hợp với hầu hết các mô hình lý thuyết (Canova và Pina, 2005).

Điểm hạn chế của VAR, SVAR được thể hiện ở chổ các mô hình này áp đặt các ràng buộc “cứng” lên các hàm phản ứng xung. Những ràng buộc cứng này phần nào đó làm mất đi thông tin đáng có trong dữ liệu, cũng như làm thiên chệch kết quả hoàn nguyên các cú sốc cú trúc, đồng thời đi ngược lại với ý nghĩa của các mô hình DSGE chuẩn. Uhlig (2005) đã đề xuất mô hình VAR ràng buộc dấu (Sign restriction VAR) để khắc phục các hạn chế của VAR, SVAR. Theo đó, thay vì áp đặt các ràng buộc cứng lên các hệ số của mô hình, các ràng buộc dấu chỉ đưa vào các điều kiện tương đối yếu lên các phản hồi dạng như x không làm tăng y trong 1 giai đoạn nhất định. Mô hình VAR ràng buộc dấu sau đó lại tiếp tục được Uhlig (2005), Mountford và Uhlig (2009), Rubio-Ramirez et al (2010) và Fry và Pagan (2011) tiếp tục phát triển.

Bài viết này sẽ giới thiệu về mô hình VAR ràng buộc dấu, phương pháp ước lượng. Bài viết tiếp theo sẽ minh họa cách ước lượng mô hình VAR ràng buộc dấu trên EViews dựa trên dữ liệu nghiên cứu của Uhlig (2005).

Phần nội dung có thu phí bên dưới đã được ẩn. Vui lòng đăng nhập hoặc đăng ký gói Premium. Trân trọng!