7. Chuỗi thời gian đa biến, chiếu cục bộ và mạng lan tỏa
TÓM TẮT CHƯƠNG 7: Chương 7. Chuỗi thời gian đa biến, chiếu cục bộ và mạng lan tỏa bao gồm 5 nhóm phương pháp và 15 bài giảng chuyên sâu, tập trung giải quyết bài toán cốt lõi: “Làm sao để phân tích tương tác động học đa chiều, nhận dạng cú sốc cấu trúc (SVAR vs Jordà Local Projections), hệ số biến thiên theo thời gian (TVP-VAR) và chỉ số lan tỏa mạng lưới?”. Nội dung lý thuyết và quy trình kiểm định (Eigenvalue Stability Condition, Granger/Toda–Yamamoto Wald Test, Newey–West HAC IRF Bands, Montiel Olea–Pflueger LP-IV F-stat, Diebold–Yilmaz TCI/NET) được tổng hợp từ các công trình gốc (Sims (1980); Johansen (1995); Jordà (2005); Montiel Olea & Plagborg-Møller (2021); Primiceri (2005); Diebold & Yilmaz (2012, 2014)) và hệ thống giáo trình chuẩn quốc tế (Pesaran (2015); Becketti (2020); Hansen (2022); Brooks (2019)).
1. Đặt vấn đề và bối cảnh nghiên cứu
Trong nghiên cứu thực nghiệm kinh tế, tài chính và chính sách công, việc lựa chọn đúng cấu trúc mô hình thuộc chương Chuỗi thời gian đa biến, chiếu cục bộ và mạng lan tỏa quyết định trực tiếp tính không chệch, tính nhất quán và hiệu lực suy luận thống kê của các ước lượng (Pesaran (2015); Becketti (2020); Hansen (2022); Brooks (2019)). Khi cấu trúc dữ liệu thực tế vi phạm các giả định cổ điển, nhà nghiên cứu cần áp dụng chính xác các phương pháp chuyên biệt được trình bày trong chương này (Sims (1980); Johansen (1995); Jordà (2005); Montiel Olea & Plagborg-Møller (2021); Primiceri (2005); Diebold & Yilmaz (2012, 2014)).
Khung biểu diễn toán học tổng quát cho các mô hình thuộc chương 7 được xác lập tại phương trình (1):
$$Y_{t+h} = \alpha_h + \beta_h \text{Shock}_t + \sum_{\ell=1}^p \Gamma_{h,\ell} Y_{t-\ell} + u_{t+h}, \quad h = 0, 1, \dots, H \tag{1}$$
Từ phương trình (1), mỗi nhóm phương pháp con trong chương sẽ cụ thể hóa điều kiện nhận dạng, cấu trúc ma trận hiệp phương sai của sai số và thuật toán tối ưu hóa phù hợp với từng thiết kế dữ liệu tại Việt Nam (Sims (1980); Johansen (1995); Jordà (2005); Montiel Olea & Plagborg-Møller (2021); Primiceri (2005); Diebold & Yilmaz (2012, 2014); Pesaran (2015); Becketti (2020); Hansen (2022); Brooks (2019)).
2. Cấu trúc các nhóm phương pháp trong chương
Chương 7 được tổ chức thành 5 nhóm bài giảng theo thứ tự từ nền tảng đến nâng cao:
3. Danh mục các mô hình kinh tế lượng
Bảng dưới đây đối chiếu toàn bộ 15 bài giảng thuộc chương 7 cùng bộ thư viện thực thi trên Stata 18, R 4.x, Python 3.11+ và các kiểm định chẩn đoán bắt buộc:
| Mã mục | Tên bài giảng | Thư viện thực thi (Stata · R · Python) | Kiểm định chẩn đoán bắt buộc | Dữ liệu thực nghiệm Việt Nam |
|---|---|---|---|---|
| 7.1.1 | Mô hình tự hồi quy vectơ (VAR) | base Stata · vars · statsmodels |
Lựa chọn độ trễ tối ưu theo AIC/SBIC/HQIC, điều kiện ổn định nghiệm đặc trưng nằm trong vòng tròn đơn vị (Eigenvalue stability circle) và kiểm định tự tương quan LM phần dư đa biến | Tương tác Lãi suất – Tín dụng – CPI – Tăng trưởng |
| 7.1.2 | Mô hình hiệu chỉnh sai số vectơ (VECM) | base Stata · urca / vars · statsmodels |
Kiểm định Johansen xác định hạng r, kiểm định tính ngoại sinh yếu (Weak Exogeneity H_0: α_i = 0), kiểm định ổn định nghiệm của hệ VECM và kiểm định LM phần dư | Cân bằng dài hạn và điều chỉnh ngắn hạn Tiền tệ – Tỷ giá |
| 7.1.3 | Mô hình tự hồi quy vectơ cấu trúc (SVAR) | base Stata · vars · statsmodels |
Điều kiện bậc cho nhận dạng đúng (số ràng buộc độc lập ≥ K(K-1)/2), kiểm định tỷ số hợp lý LR cho các ràng buộc nhận dạng quá mức và kiểm tra dấu của hàm phản ứng xung cấu trúc (SIRF) | Nhận dạng cú sốc chính sách tiền tệ NHNN |
| 7.1.4 | Mô hình tự hồi quy vectơ Bayes với tiên nghiệm Minnesota (BVAR) | Stata 18 bayes: var · vars / BVAR · statsmodels / numpy |
Tối ưu hóa siêu tham số độ chặt tiên nghiệm (overall tightness λ_1, cross-variable weight λ_2), kiểm định hội tụ MCMC (hiệu quả lấy mẫu ESS) và đánh giá RMSE/CRPS dự báo ngoài mẫu | Dự báo đồng thời giỏ biến vĩ mô Việt Nam |
| 7.2.1 | Kiểm định nhân quả Granger và nhân quả Toda–Yamamoto | base Stata · lmtest / vars · statsmodels |
Kiểm định Wald χ^2 khối hệ số trễ trong VAR dừng hoặc kiểm định Wald sửa đổi (MWALD) của Toda–Yamamoto trên VAR(p + d_max) sau khi đã đảm bảo phần dư không tự tương quan | Quan hệ nhân quả giữa Xuất khẩu, FDI và GDP Việt Nam |
| 7.2.2 | Hàm phản ứng xung và phân rã phương sai (IRF, FEVD) | base Stata · vars · statsmodels |
Kiểm tra độ nhạy kết quả đối với thứ tự biến trong phân rã Cholesky (hoặc đối chiếu với GIRF bất biến thứ tự), dải tin cậy Bootstrap 95% và tổng FEVD bằng 100% | Phản ứng của lạm phát và sản lượng trước cú sốc tỷ giá |
| 7.3.1 | Phương pháp chiếu cục bộ Jordà ước lượng phản ứng xung (LP) | Stata 18 lpirf · lpirfs · statsmodels |
Dải tin cậy đồng thời/điểm $68\%$ & $95\%$ Newey–West HAC theo chân trời $h$, kiểm định Wald tích lũy (cumulative multiplier), kiểm định phi tuyến trạng thái. | Tác động cú sốc lãi suất theo chân trời $h$ |
| 7.3.2 | Chiếu cục bộ kết hợp biến công cụ nhận dạng cú sốc (LP-IV) | Stata 18 lpirf / ivregress 2sls · lpirfs · linearmodels |
First-stage Montiel Olea–Pflueger effective $F$ (ngưỡng $> 23.1$ cho 1 instrument), kiểm định lead-lag exogeneity, cumulative impulse multiplier $\sum_{h=0}^H \hat{\beta}_h$. | Số nhân đầu tư công và chính sách tiền tệ |
| 7.3.3 | Chiếu cục bộ trên dữ liệu bảng đa đơn vị | reghdfe / xtscc horizon loop · lpirfs / fixest · pyfixest / linearmodels |
Dải phản ứng xung bảng theo $h$, kiểm định tiền xu hướng tại $h = -3, -2$ (placebo pre-trend horizons), Driscoll–Kraay cross-dependence check. | Động học phục hồi kinh tế tỉnh thành sau cú sốc |
| 7.4.1 | Mô hình VAR bổ sung nhân tố ẩn Bernanke–Boivin–Eliasz (FAVAR) | pca / dfactor + svar · FAVAR / vars · Two-step BBEorthogonalized PCA factors + statsmodels.tsa.api.VAR + IRF chiếu ngược lên toàn bộ biến quan sát $X_{it} = \Lambda_i' F_t + \gamma_i Y_t + e_{it}$ |
Tỷ lệ phương sai toàn tập thông tin được giải thích bởi $r$ nhân tố (Bai–Ng $IC_{p2}$), kiểm định ổn định nghiệm đơn vị hệ FAVAR, FEVD của từng chỉ báo. | Truyền dẫn lãi suất trên 40 chỉ báo GSO/IMF |
| 7.4.2 | Mô hình VAR tham số và phương sai biến thiên theo thời gian (TVP-VAR) | Mata Kalman State-Space / sspace · bvarsv / tvReg · Koop–Korobilis Forgetting-Factor Kalman Filter & Rauch–Tung–Striebel Smoother TVP-VAR |
Đường diễn biến hệ số $\hat{B}_{ij,t}$ theo thời gian, phản ứng xung tại các mốc lịch sử trọng yếu $t \in \{t_1, t_2, t_3\}$, log predictive likelihood. | Sự tiến hóa cơ chế truyền dẫn tỷ giá – lạm phát |
| 7.4.3 | Mô hình đo lường lan tỏa và kết nối mạng lưới Diebold–Yilmaz | dyconnectedness / Mata GFEVD · ConnectednessApproach · Generalized FEVD Diebold–Yilmaz & Koop–Korobilis TVP-VAR dynamic connectedness engine |
Tổng chỉ số kết nối TCI ($0–100\%$), vai trò Net Transmitter ($\text{NET}_i > 0$) vs Net Receiver ($\text{NET}_i < 0$), chuỗi rolling/TVP TCI(t). | Lan tỏa rủi ro VN-Index – Vàng – Tỷ giá – Dầu |
| 7.5.1 | Mô hình tự hồi quy ngưỡng tự kích hoạt (SETAR) | Stata 18 threshold · stats / strucchange · statsmodels |
Kiểm định tính phi tuyến ngưỡng Hansen Sup-LM có Bootstrap, ước lượng lưới tìm ngưỡng γ và độ trễ ngưỡng d tối ưu hóa SSR, và kiểm định nhiễu trắng phần dư | Động học tăng trưởng khác biệt giữa hai chế độ |
| 7.5.2 | Mô hình hồi quy chuyển đổi chế độ ẩn Markov Hamilton | base Stata · stats / MSwM · statsmodels |
Xác suất trạng thái làm trơn (Smoothed regime probabilities), thời gian duy trì kỳ vọng của từng chế độ 1 / (1 – p_ii), kiểm định tỷ số hợp lý Davies/Garcia cho số chế độ và kiểm định phần dư | Nhận diện chế độ Mở rộng vs Suy giảm của thị trường |
| 7.5.3 | Mô hình tự hồi quy vectơ chuyển đổi chế độ Markov (MS-VAR) | Stata mswitch / Mata EM-Hamilton-Kim MS-VAR · MSwM / vars · Multivariate EM-Algorithm Hamilton Filter & Kim Smoother MS |
Ma trận xác suất chuyển chế độ $\hat{P}$, thời gian tồn tại kỳ vọng từng chế độ, chỉ số chất lượng phân loại chế độ (RCM Ang–Bekaert $< 50$), kiểm định LR Davies-adjusted chống chế độ thừa. | Hệ cảnh báo sớm chế độ căng thẳng tài chính – vĩ mô |
4. Quy tắc chọn mô hình và kiểm định
Trước khi công bố kết quả ước lượng thuộc chương 7, nhà nghiên cứu cần thực hiện đầy đủ danh mục kiểm tra học thuật sau (Pesaran (2015); Becketti (2020); Hansen (2022); Brooks (2019)):
- Câu hỏi nhận dạng trung tâm: Làm sao để phân tích tương tác động học đa chiều, nhận dạng cú sốc cấu trúc (SVAR vs Jordà Local Projections), hệ số biến thiên theo thời gian (TVP-VAR) và chỉ số lan tỏa mạng lưới?
- Hệ thống kiểm định chẩn đoán bắt buộc: Eigenvalue Stability Condition, Granger/Toda–Yamamoto Wald Test, Newey–West HAC IRF Bands, Montiel Olea–Pflueger LP-IV F-stat, Diebold–Yilmaz TCI/NET.
- Suy luận thống kê vững: Luôn kiểm tra cấu trúc phương sai thay đổi, tự tương quan hoặc phụ thuộc cụm để lựa chọn ma trận hiệp phương sai sai số chuẩn phù hợp trên Stata 18, R 4.x và Python 3.11+ (Sims (1980); Johansen (1995); Jordà (2005); Montiel Olea & Plagborg-Møller (2021); Primiceri (2005); Diebold & Yilmaz (2012, 2014)).
LƯU Ý HỌC THUẬT: Khi trình bày bảng kết quả ước lượng thuộc chương 7 trong khóa luận, luận văn, luận án hoặc bài báo khoa học, cần báo cáo đầy đủ giá trị thống kê và $p$-value của bộ kiểm định (Eigenvalue Stability Condition, Granger/Toda–Yamamoto Wald Test, Newey–West HAC IRF Bands, Montiel Olea–Pflueger LP-IV F-stat, Diebold–Yilmaz TCI/NET) ngay dưới chân bảng để minh chứng mô hình thỏa mãn điều kiện nhận dạng (Pesaran (2015); Becketti (2020); Hansen (2022); Brooks (2019)).
5. Tài liệu tham khảo
- Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1–48.
- Johansen, S. (1995). Likelihood-Based Inference in Cointegrated Vector Autoregressive Models. Oxford University Press.
- Jordà (2005). Econometric specification, identification, and asymptotic inference.
- Montiel Olea, & Plagborg-Møller (2021). Econometric specification, identification, and asymptotic inference.
- Primiceri (2005). Econometric specification, identification, and asymptotic inference.
- Diebold, & Yilmaz (2012, 2014). Econometric specification, identification, and asymptotic inference.
- Pesaran, M. H. (2015). Time Series and Panel Data Econometrics (Chương 21–24: VAR, VECM, Impulse Responses and Structural Identification). Oxford University Press.
- Becketti, S. (2020). Introduction to Time Series Using Stata (Revised ed., Chương 9–10: Multivariate Time Series, VAR, SVAR and VECM). Stata Press.
- Hansen, B. E. (2022). Econometrics (Chương 15: Multivariate Time Series and Local Projections). Princeton University Press.
- Brooks, C. (2019). Introductory Econometrics for Finance (4th ed., Chương 7–8 & 10: VAR and Regime-Switching Models). Cambridge University Press.
ĐIỀU HƯỚNG HỌC TẬP:
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
← Chương trước: 6. Chuỗi thời gian đơn biến, phi tuyến, điểm gãy và bong bóng
→ Nhóm đầu tiên trong chương: 7.1. Hệ mô hình tự hồi quy vectơ (VAR, VECM, SVAR)
→ Bài học đầu tiên trong chương: 7.1.1. Mô hình tự hồi quy vectơ (VAR)
→ Chương tiếp theo: 8. Độ biến động tài chính, định giá tài sản và rủi ro hệ thống
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
← Chương trước: 6. Chuỗi thời gian đơn biến, phi tuyến, điểm gãy và bong bóng
→ Nhóm đầu tiên trong chương: 7.1. Hệ mô hình tự hồi quy vectơ (VAR, VECM, SVAR)
→ Bài học đầu tiên trong chương: 7.1.1. Mô hình tự hồi quy vectơ (VAR)
→ Chương tiếp theo: 8. Độ biến động tài chính, định giá tài sản và rủi ro hệ thống