Điểm mạnh và hạn chế của mô hình VAR^[3]

Có rất nhiều tranh luận về tính ưu việt của các phương pháp dự báo khác nhau. Các phương pháp dự báo đơn phương trình, phương trình đồng thời, Box-Jenkins và VAR có cả những người ủng hộ lẫn chỉ trích:

Điểm mạnh của mô hình VAR

Những người ủng hộ mô hình VAR nhấn mạnh các ưu điểm của phương pháp này: (i) Đây là phương pháp đơn giản; ta không cần phải lo lắng về việc xác định các biến nào là biến nội sinh và biến nào là biến ngoại sinh. Tất cả các biến trong VAR đều là biến nội; (ii) Phép ước lượng đơn giản, tức là, phương pháp OLS thông thường có thể được áp dụng cho từng phương trình riêng rẽ; Trong nhiều trường hợp, (iii) các dự báo tính được bằng phương pháp tốt hơn các dự báo tính được từ các mô hình phương trình đồng thời phức tạp hơn. Cụ thể:

• Nó đúng là một hệ phương trình đồng thời (SEMs) trong đó tất cả các biến được coi là biến nội sinh.
• Trong phép lập mô hình VAR, giá trị của một biến được biểu diễn là một hàm tuyến tính của các giá trị quá khứ hay trễ của biến đó và tất cả các biến khác trong mô hình.
• Nếu từng phương trình chứa cùng một số các biến trễ trong hệ, nó có thể được ước lượng bằng phương pháp OLS mà không cần sử dụng bất cứ phương pháp hệ thống nào như bình phương tối thiểu hai giai đoạn (2SLS) hay hồi quy có vẻ không có liên quan (SUR).
• Sự đơn giản này của phương pháp lập mô hình VAR có thể là hạn chế của nó. Khi các quan sát có số lượng hạn chế như trong hầu hết các phân tích kinh tế, việc đưa ra một số độ trễ của từng biến có thể sử dụng nhiều bậc tự do.
• Nếu có một vài độ trễ trong từng phương trình, không phải lúc nào cũng có thể dễ dàng giải thích từng hệ số, đặc biệt là nếu các dấu của các hệ số thay đổi kế tiếp nhau. Vì lý do này, người ta xem xét hàm phản ứng đẩy (IRF) trong phép lập mô hình VAR để tìm xem biến phụ thuộc phản ứng như thế nào đối với một cú sốc trong một hay nhiều phương trình của hệ.

Hạn chế của mô hình VAR

Nhưng những người chỉ trích phương pháp xây dựng mô hình VAR nêu ra một số vấn đề sau đây:

• Không như các mô hình phương trình đồng thời, mô hình VAR là mô hình lý thuyết a bởi vì nó sử dụng ít thông tin tiên nghiệm hơn. Nhớ lại rằng trong các mô hình phương trình đồng thời, việc loại trừ hay đưa vào các biến nhất định đóng một vai trò trọng yếu trong việc xác định mô hình.
• Do trọng tâm được đặt vào dự báo, các mô hình VAR ít phù hợp cho phân tích chính sách.
• Thách thức thực nghiệm lớn nhất trong phương pháp xây dựng mô hình VAR là lựa chọn khoảng trễ thích hợp. Giả sử bạn có mô hình VAR ba biến và quyết định đưa 8 độ trễ của mỗi biến vào từng phương trình. Bạn sẽ có 24 tham số trễ trong mỗi phương trình cộng với số hạng không đổi, và như vậy có tất cả 25 tham số. Trừ khi cỡ mẫu lớn, ước lượng nhiều tham số sẽ sử dụng rất nhiều bậc tự do với tất các vấn đề khó khăn liên quan.
• Nói một cách chặt chẽ, trong một mô hình VAR K biến, tất cả K biến phải (cùng) có tính dừng. Nếu điều kiện này không được thỏa mãn, ta sẽ phải biến đổi dữ liệu một cách thích hợp (ví dụ bằng cách lấy sai phân bậc 1). Như Harvey đã lưu ý, các kết quả từ dữ liệu đã biến đổi có thể không thỏa đáng. Harvey còn lưu ý tiếp là “Do vậy, phương pháp thường được những người ủng hộ mô hình VAR áp dụng là để thực hiện ở các mức độ, thậm chí nếu một số chuỗi thời gian không có tính dừng. Trong trường hợp này, điều quan trọng là nhận ra tác động của các nghiệm đơn vị đối với sự phân phối của các ước lượng”.