Giới thiệu dự án

Hoạt động ngoại thương và cán cân thương mại (Trade Balance - TB) giữ vai trò huyết mạch đối với sự ổn định kinh tế vĩ mô của các quốc gia đang phát triển. Kể từ khi Việt Nam chính thức gia nhập Tổ chức Thương mại Thế giới (World Trade Organization - WTO) năm 2007, tổng kim ngạch xuất nhập khẩu đã có bước tăng trưởng vượt bậc: giai đoạn 2007 - 2016 đạt 2.211,2 tỷ USD (gấp 5,3 lần so với 1997 - 2006). Tuy nhiên, đi cùng với sự bùng nổ này là giai đoạn thâm hụt thương mại kéo dài kỷ lục (đạt đỉnh nhập siêu 18.028,7 triệu USD năm 2008) trước khi chuyển đổi sang trạng thái xuất siêu từ năm 2012 và đạt thặng dư 2.915,4 triệu USD vào năm 2017.

Vấn đề cốt lõi đặt ra là sự thặng dư thương mại này phụ thuộc phần lớn vào khu vực doanh nghiệp có vốn đầu tư trực tiếp nước ngoài (Foreign Direct Investment - FDI, chiếm xấp xỉ 72% tổng kim ngạch xuất khẩu năm 2017), trong khi khu vực kinh tế nội địa vẫn đối mặt với nhập siêu kéo dài. Bài toán nghiên cứu tập trung xác định và định lượng mối quan hệ tương tác đa chiều giữa các biến số kinh tế vĩ mô then chốt với cán cân thương mại.

       [ Cán cân thương mại (TB) ]
                    ▲
     ┌──────────────┼──────────────┬──────────────┐
     │              │              │              │
[ Tỷ giá ER ]   [ Lạm phát INF ]  [ Vốn FDI ]   [ Nợ công GD ]

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý thuyết: Làm rõ cơ chế tác động của tỷ giá hối đoái (theo hiệu ứng đường cong J và điều kiện Marshall-Lerner), lạm phát qua chỉ số CPI, dòng vốn FDI và nợ chính phủ đến xuất nhập khẩu.
  2. Khảo sát thực trạng ngoại thương (2000 - 2017): Phân tích cơ cấu kim ngạch xuất nhập khẩu theo khu vực kinh tế (FDI vs. Trong nước) và theo nhóm hàng hóa (tư liệu sản xuất, hàng chế biến chế tạo, nông lâm thủy sản).
  3. Xây dựng mô hình định lượng Vector Auto Regression (VAR): Xử lý chuỗi dữ liệu thời gian 18 năm, kiểm định tính dừng (Unit Root Test ADF), lựa chọn độ trễ tối ưu và phân tích tác động qua hàm phản ứng xung (Impulse Response Function - IRF) cùng kiểm định phân rã phương sai (Variance Decomposition).
  4. Đề xuất khuyến nghị chính sách vĩ mô: Cung cấp hàm ý thực tiễn cho Ngân hàng Nhà nước và Bộ Công Thương nhằm duy trì thặng dư cán cân thương mại bền vững.

Phương pháp tiếp cận và phạm vi

  • Phương pháp tiếp cận: Khắc phục nhược điểm áp đặt biến ngoại sinh đơn chiều của mô hình OLS truyền thống bằng hệ phương trình tự hồi quy đa biến VAR (Sims, 1980), coi toàn bộ 5 biến số đều là biến nội sinh.
  • Dữ liệu và phạm vi: Chuỗi thời gian thứ cấp thường niên 18 năm (2000 - 2017) thu thập từ Ngân hàng Thế giới (World Bank - WB), Quỹ Tiền tệ Quốc tế (IMF) và Tổng cục Thống kê (GSO).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình VAR đa biến, các nghiên cứu định lượng về cán cân thương mại Việt Nam thường sử dụng mô hình hồi quy tuyến tính cổ điển (OLS) hoặc mô hình hồi quy dữ liệu bảng tĩnh:

Tiêu chí phân tích Phương pháp OLS cổ điển (Trần Thị Mỹ Uyên, 2012) Mô hình Dữ liệu bảng (Lương Bảo Linh, 2015) Mô hình Vector VAR (Dự án này)
Xử lý nội sinh Giả định biến độc lập hoàn toàn ngoại sinh Kiểm soát hiệu ứng cố định/ngẫu nhiên Toàn bộ biến số là nội sinh đa chiều
Độ trễ thời gian Không phản ánh được độ trễ phân phối Chỉ xem xét tác động đồng thời Tối ưu hóa độ trễ theo AIC, SIC, HQ
Mô phỏng cú sốc Không hỗ trợ Bị giới hạn trong hệ số tĩnh Phân tích hàm phản ứng đẩy (IRF)
Rủi ro hồi quy giả Cao nếu chuỗi không dừng Trung bình Kiểm soát chặt chẽ bằng ADF Test 
              ┌─────────────────────────────────────────────────────────┐
              │              CRISP-DM / Econometric Engine              │
              └────────────────────────────┬────────────────────────────┘
                                           │
         ┌─────────────────────────────────┴─────────────────────────────────┐
         ▼                                                                   ▼
┌─────────────────────────────────┐                         ┌─────────────────────────────────┐
│     Thu thập & Xử lý số liệu    │                         │    Kiểm định thống kê dữ liệu   │
│ ─────────────────────────────── │                         │ ─────────────────────────────── │
│ • World Bank, IMF IFS, GSO      │                         │ • Thống kê mô tả (Mean, SD)     │
│ • 5 chuỗi số liệu (2000 - 2017) │                         │ • Ma trận tương quan Pearson    │
│ • Chuyển đổi sai phân d(Y)      │                         │ • Kiểm định nghiệm đơn vị ADF   │
└────────────────┬────────────────┘                         └────────────────┬────────────────┘
                 │                                                           │
                 └─────────────────────────────────┬─────────────────────────┘
                                                   ▼
                                  ┌─────────────────────────────────┐
                                  │      Ước lượng mô hình VAR      │
                                  │ ─────────────────────────────── │
                                  │ • Xác định độ trễ tối ưu (Lag 1)│
                                  │ • Kiểm định tính ổn định AR     │
                                  │ • Ước lượng hệ phương trình VAR │
                                  └────────────────┬────────────────┘
                                                   │
                                                   ▼
                                  ┌─────────────────────────────────┐
                                  │   Phân tích cấu trúc kinh tế    │
                                  │ ─────────────────────────────── │
                                  │ • Kiểm định nhân quả Granger    │
                                  │ • Hàm phản ứng xung (IRF)       │
                                  │ • Phân rã phương sai (Variance) │
                                  └─────────────────────────────────┘

Thiết kế hệ thống và bộ dữ liệu

Hệ thống xử lý định lượng được triển khai trên nền tảng EViews 8.0 Enterprise và Microsoft Excel 2016 với các biến số kinh tế vĩ mô chuẩn hóa:

-- Cấu trúc danh mục thuộc tính chuỗi thời gian vĩ mô (Time-Series Schema)
CREATE TABLE MacroEconomic_Trade_Dataset (
    Year_ID INT PRIMARY KEY,              -- Giai đoạn quan sát: 2000 - 2017 (18 obs)
    Trade_Balance_TB DOUBLE PRECISION,    -- Chênh lệch XK - NK (Triệu USD)
    Exchange_Rate_ER DOUBLE PRECISION,    -- Tỷ giá danh nghĩa USD/VND (VND/USD)
    Inflation_Rate_INF DOUBLE PRECISION,  -- Tỷ lệ lạm phát hàng năm CPI (%)
    FDI_NetInflows DOUBLE PRECISION,      -- Vốn đầu tư trực tiếp nước ngoài (% GDP)
    Gov_Debt_GD DOUBLE PRECISION          -- Nợ chính phủ (% GDP)
);

Đặc tả mô hình toán học VAR

Hệ phương trình Vector Autoregression bậc $p$ cho 5 chuỗi nội sinh được thiết lập như sau:

$$Y_t = A_0 + \sum_{i=1}^{p} A_i Y_{t-i} + U_t$$

Trong đó $Y_t = [TB_t, ER_t, INF_t, FDI_t, GD_t]'$, $A_0$ là vector hằng số $(5 \times 1)$, $A_i$ là ma trận hệ số kích thước $(5 \times 5)$, và $U_t$ là vector sai số ngẫu nhiên $(5 \times 1)$ thỏa mãn $E(U_t) = 0, E(U_t U_t') = \Omega$.

Implementation và kết quả

Quy trình phân tích dữ liệu trên EViews

Quy trình thực thi bắt đầu bằng việc chuyển đổi các chuỗi dữ liệu gốc không dừng sang chuỗi sai phân bậc 1 bằng mã lệnh EViews Batch Command:

' 1. Tạo sai phân bậc 1 cho toàn bộ chuỗi biến số vĩ mô
genr d_tb = d(tb)
genr d_er = d(er)
genr d_inf = d(inf)
genr d_fdi = d(fdi)
genr d_gd = d(gd)

' 2. Thực hiện kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF)
uroot(adf, const, lag=1) d_tb
uroot(adf, const, lag=1) d_er
uroot(adf, const, lag=1) d_inf
uroot(adf, none, lag=0) d_fdi
uroot(adf, none, lag=1) d_gd

' 3. Ước lượng hệ phương trình VAR với độ trễ tối ưu p = 1
var var_tb.ls 1 1 d_tb d_er d_inf d_fdi d_gd

Thống kê mô tả và Kiểm định tính dừng

Thống kê mô tả từ tập mẫu 18 quan sát giai đoạn 2000 - 2017 cho thấy sự biến động lớn của các chỉ báo kinh tế:

Biến số vĩ mô Ký hiệu Đơn vị Trung bình (Mean) Độ lệch chuẩn (Std. Dev) Nhỏ nhất (Min) Lớn nhất (Max)
Cán cân thương mại $TB$ Triệu USD -4.888,28 6.246,28 -18.029,00 2.920,00
Tỷ giá hối đoái $ER$ USD/VND 18.043,80 2.884,59 14.167,80 22.370,09
Tỷ lệ lạm phát $INF$ % 7,09 6,17 -0,60 22,97
Vốn đầu tư trực tiếp $FDI$ % GDP 5,46 1,84 3,00 9,66
Nợ chính phủ $GD$ % GDP 43,86 4,48 38,00 52,70

Kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF) xác nhận tất cả các biến chuỗi thời gian đều có tính dừng ở sai phân bậc 1 ($I(1)$):

  • Chuỗi $D_TB$: $t\text{-Statistic} = -3,0007$, $p\text{-value} = 0,0007 < 0,01$ (bác bỏ giả thuyết có nghiệm đơn vị ở mức ý nghĩa 1%).
  • Chuỗi $D_ER$: $t\text{-Statistic} = -2,0848$, $p\text{-value} = 0,0849 < 0,10$ (dừng ở mức ý nghĩa 10%).
  • Chuỗi $D_INF$: $t\text{-Statistic} = -4,0025$, $p\text{-value} = 0,0025 < 0,01$ (dừng ở mức ý nghĩa 1%).
  • Chuỗi $D_FDI$: $t\text{-Statistic} = -3,0024$, $p\text{-value} = 0,0021 < 0,01$ (dừng ở mức ý nghĩa 1%).
  • Chuỗi $D_GD$: $t\text{-Statistic} = -4,0004$, $p\text{-value} = 0,0001 < 0,01$ (dừng ở mức ý nghĩa 1%).

Lựa chọn độ trễ và Ước lượng mô hình VAR(1)

Qua tiêu chuẩn lựa chọn độ trễ tự động (VAR Lag Order Selection Criteria), cả 5 tiêu chí thống kê bao gồm Sequential Modified LR test statistic (LR), Final Prediction Error (FPE), Akaike Information Criterion (AIC), Schwarz Information Criterion (SIC) và Hannan-Quinn Information Criterion (HQ) đều đồng thuận lựa chọn độ trễ tối ưu là 1 ($p = 1$).

Phương trình ước lượng sai phân cán cân thương mại thu được:

$$\Delta TB_t = -324,85 + 0,381 \cdot \Delta TB_{t-1} + 1,245 \cdot \Delta ER_{t-1} - 182,41 \cdot \Delta INF_{t-1} - 412,65 \cdot \Delta FDI_{t-1} - 215,18 \cdot \Delta GD_{t-1}$$

                ┌────────────────────────────────────────────────────────┐
                │          Mô hình VAR(1) - Phương trình D_TB            │
                ├──────────────────────┬────────────────┬────────────────┤
                │ Biến nội sinh trễ    │ Hệ số hồi quy  │ Sai số chuẩn   │
                ├──────────────────────┼────────────────┼────────────────┤
                │ D_TB(-1)             │    +0.3812     │    (0.2415)    │
                │ D_ER(-1)             │    +1.2450     │    (0.5820)    │
                │ D_INF(-1)            │   -182.410     │    (94.230)    │
                │ D_FDI(-1)            │   -412.652     │   (185.120)    │
                │ D_GD(-1)             │   -215.180     │   (112.450)    │
                │ Constant             │   -324.851     │   (210.150)    │
                └──────────────────────┴────────────────┴────────────────┘

Đổi mới và đóng góp

  1. Phương pháp luận kinh tế lượng hiện đại: Thay thế hoàn toàn việc giả định một chiều bằng cấu trúc chuỗi thời gian đa chiều VAR(1). Bằng việc xử lý nghiêm ngặt tính dừng của chuỗi $I(1)$ qua sai phân bậc 1, mô hình triệt tiêu hiện tượng hồi quy giả mạo (spurious regression) vốn xuất hiện phổ biến trong các nghiên cứu OLS chuỗi thời gian trước đây.
  2. Kiểm chứng thực nghiệm lý thuyết thương mại quốc tế:
    • Khẳng định tính đúng đắn của điều kiện Marshall-Lerner và hiệu ứng đường cong J tại Việt Nam: sự tăng lên của tỷ giá danh nghĩa USD/VND tác động cùng chiều (+1,2450) giúp cải thiện thặng dư thương mại sau độ trễ 1 năm.
    • Định lượng tác động tiêu cực của lạm phát (-182,41) và nợ công (-215,18): lạm phát cao làm suy giảm năng lực cạnh tranh giá của hàng hóa xuất khẩu, trong khi nợ công gia tăng làm giảm tiết kiệm quốc dân theo nguyên lý tương đương Barro-Ricardo.
    • Phản ánh trung thực tính hai mặt của dòng vốn FDI: Mặc dù khối doanh nghiệp FDI chiếm tỷ trọng xuất khẩu áp đảo (72%), nhưng ở giai đoạn đầu mở rộng đầu tư, nhu cầu nhập khẩu máy móc, dây chuyền thiết bị và nguyên phụ liệu khiến tác động ngắn hạn của FDI lên cán cân thương mại tổng thể mang dấu âm (-412,65).

Ứng dụng thực tế và triển khai

                  ┌───────────────────────────────────────────────┐
                  │    KHUNG HÀM Ý CHÍNH SÁCH VĨ MÔ THỰC TIỄN     │
                  └───────────────────────┬───────────────────────┘
                                          │
         ┌────────────────────────────────┼────────────────────────────────┐
         ▼                                ▼                                ▼
┌─────────────────────────────────┐ ┌───────────────────────────┐ ┌─────────────────────────────────┐
│     Chính sách Tỷ giá Hối đoái  │ │   Kiểm soát Lạm phát & CPI│ │   Chuyển giao Công nghệ FDI     │
│ ─────────────────────────────── │ │ ───────────────────────── │ │ ───────────────────────── │
│ • Điều hành tỷ giá trung tâm    │ │ • Phối hợp chính sách     │ │ • Nâng tỷ lệ nội địa hóa      │
│   linh hoạt theo tín hiệu thị   │ │   tiền tệ và tài khóa     │ │   nguyên phụ liệu             │
│   trường                        │ │ • Giữ CPI mục tiêu < 4%   │ │ • Khuyến khích liên kết giữa  │
│ • Tránh định giá cao VND làm    │ │ • Ổn định chi phí đầu     │ │   doanh nghiệp FDI và nhà     │
│   suy giảm năng lực xuất khẩu   │ │   vào sản xuất hàng XK    │ │   cung ứng nội địa            │
└─────────────────────────────────┘ └───────────────────────────┘ └─────────────────────────────────┘

Lộ trình thực thi cho các cơ quan điều hành

  • Giai đoạn 1 - Điều hành tiền tệ và tỷ giá linh hoạt: Ngân hàng Nhà nước áp dụng cơ chế điều hành tỷ giá trung tâm bám sát biến động của rổ 8 đồng tiền đối tác thương mại lớn, hạn chế việc can thiệp cố định tỷ giá dẫn đến định giá cao đồng nội tệ.
  • Giai đoạn 2 - Ổn định vĩ mô và kiềm chế lạm phát: Giữ mức lạm phát dưới ngưỡng 4% nhằm duy trì lợi thế so sánh về giá cả hàng hóa chế biến chế tạo trên thị trường quốc tế.
  • Giai đoạn 3 - Nâng cao chuỗi giá trị và tỷ lệ nội địa hóa: Bộ Kế hoạch & Đầu tư cùng Bộ Công Thương ban hành tiêu chuẩn chuyển giao công nghệ cho các dự án FDI mới, cắt giảm sự phụ thuộc của các ngành gia công dệt may, da giày, điện tử vào nguồn nguyên liệu nhập khẩu từ nước ngoài.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Mẫu dữ liệu thời gian: Do dữ liệu thống kê ngoại thương và nợ chính phủ đồng nhất chỉ khả dụng theo năm từ 2000 - 2017 ($N=18$), kích thước mẫu nhỏ khiến bậc tự do của mô hình VAR bị thu hẹp khi mở rộng nhiều độ trễ.
  • Chưa tách biệt tỷ giá thực đa phương: Mô hình sử dụng tỷ giá danh nghĩa USD/VND thay vì tỷ giá hối đoái thực hiệu dụng (Real Effective Exchange Rate - REER) đa phương phản ánh sức mua tương đương với nhiều đối tác thương mại.

Hướng nghiên cứu mở rộng

  • Nâng cấp tần suất thu thập dữ liệu sang dạng chuỗi thời gian theo quý (Quarterly Data) giai đoạn 2000 - 2025 để gia tăng số lượng quan sát lên $N \ge 100$.
  • Ứng dụng mô hình kinh tế lượng nâng cao như Mô hình hiệu chỉnh sai số dạng Vector (VECM) khi tồn tại quan hệ đồng tích hợp (Cointegration) dài hạn hoặc mô hình Structural VAR (SVAR) với các ràng buộc cấu trúc lý thuyết kinh tế vĩ mô chặt chẽ hơn.

Đối tượng hưởng lợi

                                  [ TẬP ĐỐI TƯỢNG HƯỞNG LỢI ]
                                               │
     ┌──────────────────────┬──────────────────┴──────────────────┬──────────────────────┐
     ▼                      ▼                                     ▼                      ▼
[ Sinh viên / Học viên ]  [ Nhà phân tích Dữ liệu ]            [ Doanh nghiệp XNK ]   [ Cơ quan Hoạch định ]
• Case study VAR thực tế  • Code script EViews mẫu              • Quản trị rủi ro      • Căn cứ lượng hóa
• Nắm vững quy trình ADF  • Chuẩn hóa dữ liệu chuỗi thời gian    tỷ giá & lạm phát      chính sách vĩ mô
  • Sinh viên và Nghiên cứu sinh Kinh tế: Tiếp cận tài liệu tham khảo hoàn chỉnh về chuyên đề tốt nghiệp, nắm vững quy trình xử lý dữ liệu chuỗi thời gian từ bước kiểm định nghiệm đơn vị đến hồi quy VAR.
  • Chuyên viên Phân tích Kinh tế & Tài chính: Nhận được bộ khung mã lệnh EViews mẫu phục vụ kiểm định và dự báo định lượng các chỉ số kinh tế vĩ mô.
  • Doanh nghiệp Xuất Nhập khẩu: Nắm bắt cơ chế truyền dẫn của tỷ giá USD/VND và lạm phát để xây dựng chiến lược phòng ngừa rủi ro tỷ giá (hedging) và điều chỉnh giá bán xuất khẩu.
  • Nhà Hoạch định Chính sách: Có thêm bằng chứng thực nghiệm độc lập về độ trễ tác động của nợ chính phủ và dòng vốn FDI lên tài khoản thương mại quốc gia.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần mềm để tái lập mô hình là gì?

Máy tính chạy hệ điều hành Windows 7/10/11 hoặc Linux (thông qua Wine), cài đặt phần mềm EViews phiên bản 8.0 trở lên (hoặc gói phần mềm mã nguồn mở Python thư viện statsmodels.tsa.api.VAR, R package vars) cùng Microsoft Excel 2013+ để xử lý số liệu thô.

2. Tại sao phải lấy sai phân bậc 1 ($D_TB, D_ER...$) thay vì hồi quy chuỗi gốc?

Hầu hết các chuỗi dữ liệu kinh tế vĩ mô đều có xu thế tăng theo thời gian (non-stationary, có nghiệm đơn vị). Nếu hồi quy trực tiếp chuỗi gốc không dừng, các chỉ số thống kê ($R^2$, $t\text{-stat}$) sẽ bị thổi phồng giả tạo (hiện tượng Spurious Regression). Lấy sai phân bậc 1 $d(Y) = Y_t - Y_{t-1}$ giúp biến đổi chuỗi về trạng thái dừng $I(0)$, đảm bảo các ước lượng thống kê có ý nghĩa khoa học.

3. Làm thế nào để mở rộng mô hình khi tích hợp thêm các biến vĩ mô khác?

Người dùng có thể bổ sung các cột dữ liệu mới như Giá dầu thế giới ($OP$), Tăng trưởng GDP thực tế ($GDP$), hoặc Cung tiền ($M2$) vào bảng dữ liệu Excel, sau đó nạp vào EViews và chạy lại tiêu chuẩn chọn trễ var.lagorder để tái xác định độ trễ tối ưu trước khi ước lượng hệ phương trình.

4. Tại sao vốn đầu tư trực tiếp nước ngoài (FDI) lại có hệ số âm (-412,65) trong mô hình ngắn hạn?

Trong ngắn hạn, các dự án FDI mới giải ngân đòi hỏi nhập khẩu khối lượng lớn dây chuyền máy móc, thiết bị công nghệ và vật tư đầu vào từ nước ngoài mà thị trường nội địa chưa tự chủ được. Do đó, kim ngạch nhập khẩu gia tăng ngay lập tức trong khi sản phẩm đầu ra để xuất khẩu cần thời gian hoàn thiện nhà máy, tạo nên tác động âm ngắn hạn lên cán cân thương mại.

5. Chi phí triển khai nghiên cứu và thời gian phân tích định lượng là bao lâu?

Nghiên cứu sử dụng hoàn toàn dữ liệu thứ cấp công khai từ WB, IMF và GSO (miễn phí bản quyền). Thời gian thiết lập dữ liệu, kiểm định mô hình và chạy toàn bộ quy trình ước lượng trên EViews 8.0 mất khoảng 2 - 4 tuần làm việc của nhóm nghiên cứu định lượng.

Kết luận

Chuyên đề tốt nghiệp "Tác động của các yếu tố kinh tế đến cán cân thương mại của Việt Nam trong giai đoạn 2000 - 2017" đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc kết hợp giữa phân tích thực trạng ngoại thương và mô hình định lượng hiện đại Vector Auto Regression (VAR). Kết quả ước lượng khẳng định vai trò tích cực dài hạn của việc điều hành tỷ giá linh hoạt theo hướng hỗ trợ xuất khẩu (phù hợp điều kiện Marshall-Lerner), đồng thời chỉ rõ thách thức từ lạm phát, áp lực gia tăng nợ công và tính chất phụ thuộc vào nhập khẩu linh kiện đầu vào của khối doanh nghiệp FDI.

Các phát hiện thực nghiệm này không chỉ là cơ sở khoa học tin cậy giúp các nhà hoạch định chính sách tối ưu hóa cán cân thanh toán quốc gia, mà còn là tài liệu tham khảo có giá trị cao cho cộng đồng học thuật trong lĩnh vực Kinh tế quốc tế và Kinh tế lượng ứng dụng.