Luận văn thạc sĩ về ứng dụng mô hình ARIMA trong dự báo lạm phát Việt Nam

Luận văn thạc sĩ phân tích ứng dụng mô hình ARIMA trong dự báo lạm phát tại Việt Nam, cung cấp cái nhìn sâu sắc về xu hướng kinh tế.

• Tác giả: Đặng Thị Ngọc Nin
• Người hướng dẫn: TS. Đinh Bảo Ngọc
• Trường học: Đại học Đà Nẵng
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Ứng Dụng Mô Hình ARIMA Trong Dự Báo Lạm Phát Việt Nam
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: Đà Nẵng

Mục lục chi tiết

• LỜI CAM ĐOAN
• MỞ ĐẦU
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Bố cục của đề tài
• 1.7. Ý nghĩa khoa học và thực tiễn của đề tài
• 1. CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ LẠM PHÁT VÀ MÔ HÌNH ARIMA
• 1.1. CƠ SỞ LÝ LUẬN VỀ LẠM PHÁT
• 1.1.1. Khái niệm về lạm phát
• 1.1.2. Phân loại lạm phát
• 1.1.3. Đo lường lạm phát
• 1.1.4. Tác động của lạm phát
• 1.2. MỘT SỐ MÔ HÌNH NGHIÊN CỨU VỀ LẠM PHÁT
• 1.2.1. Một số mô hình lý thuyết về lạm phát
• 1.2.2. Một số mô hình định lượng dự báo lạm phát phổ biến
• 1.3. CƠ SỞ LÝ LUẬN VỀ MÔ HÌNH ARIMA
• 1.3.1. Giới thiệu chuỗi thời gian trong kinh tế
• 1.3.2. Một số công cụ cơ bản trong phân tích chuỗi thời gian
• 1.3.3. Tổng quan về mô hình tự hồi quy tích hợp trung bình trượt (ARIMA)
• 1.4. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: THIẾT KẾ NGHIÊN CỨU DỰ BÁO LẠM PHÁT VIỆT NAM BẰNG MÔ HÌNH ARIMA
• 2.1. TỔNG QUAN VỀ LẠM PHÁT VIỆT NAM
• 2.1.1. Cách thức đo lường lạm phát tại Việt Nam
• 2.1.2. Tình hình lạm phát Việt Nam trong giai đoạn từ năm 2005 đến tháng 10/2014
• 2.2. CƠ SỞ ĐỀ XUẤT VẬN DỤNG MÔ HÌNH ARIMA TRONG DỰ BÁO LẠM PHÁT VIỆT NAM
• 2.2.1. Sự cần thiết phải áp dụng mô hình định lượng trong dự báo lạm phát tại Việt Nam
• 2.2.2. Ưu điểm của mô hình ARIMA so với các mô hình khác và sự phù hợp của mô hình ARIMA với thực tiễn Việt Nam
• 2.2.3. Một số nghiên cứu thực nghiệm về dự báo lạm phát bằng mô hình ARIMA
• 2.3. THIẾT KẾ NGHIÊN CỨU DỰ BÁO LẠM PHÁT VIỆT NAM BẰNG MÔ HÌNH ARIMA
• 2.3.1. Phương pháp nghiên cứu
• 2.3.2. Phương pháp thu thập và xử lí số liệu
• 2.4. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU DỰ BÁO LẠM PHÁT VIỆT NAM VÀ MỘT SỐ KHUYẾN NGHỊ
• 3.1. THỐNG KÊ MÔ TẢ DỮ LIỆU
• 3.2. KẾT QUẢ NGHIÊN CỨU
• 3.2.1. Kiểm định tính dừng của chuỗi dữ liệu
• 3.2.2. Nhận dạng mô hình
• 3.2.3. Ước lượng và kiểm định mô hình
• 3.2.4. Kiểm định tính ổn định cấu trúc của mô hình
• 3.2.5. Đánh giá dự báo
• 3.2.6. Kết quả dự báo lạm phát Việt Nam
• 3.3. MỘT SỐ KHUYẾN NGHỊ
• 3.3.1. Khuyến nghị trong việc sử dụng kết quả nghiên cứu và mô hình dự báo
• 3.3.2. Quan điểm chính sách và mục tiêu lạm phát của Việt Nam năm 2015
• 3.3.3. Một số khuyến nghị về chính sách
• 3.4. KẾT LUẬN CHƯƠNG 3
• DANH MỤC TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Dự Báo Lạm Phát Việt Nam Bằng Mô Hình ARIMA

Dự báo lạm phát là một trong những nhiệm vụ quan trọng trong quản lý kinh tế. Mô hình ARIMA (Tự hồi quy tích hợp trung bình trượt) đã được áp dụng rộng rãi để dự đoán các chỉ số kinh tế, trong đó có lạm phát. Mô hình này giúp các nhà hoạch định chính sách có cái nhìn rõ ràng hơn về xu hướng lạm phát trong tương lai, từ đó đưa ra các quyết định kịp thời nhằm kiểm soát lạm phát hiệu quả.

1.1. Khái Niệm Về Lạm Phát Và Tầm Quan Trọng Của Dự Báo

Lạm phát là sự gia tăng liên tục của mức giá chung trong nền kinh tế. Dự báo lạm phát giúp các nhà quản lý có thể chuẩn bị và ứng phó với những biến động kinh tế, từ đó bảo vệ lợi ích của người tiêu dùng và doanh nghiệp.

1.2. Mô Hình ARIMA Đặc Điểm Và Ứng Dụng

Mô hình ARIMA là một công cụ mạnh mẽ trong phân tích chuỗi thời gian. Nó sử dụng dữ liệu quá khứ để dự đoán giá trị tương lai, giúp cải thiện độ chính xác trong dự báo lạm phát.

II. Vấn Đề Lạm Phát Tại Việt Nam Thách Thức Và Cơ Hội

Lạm phát tại Việt Nam đã có những biến động phức tạp trong những năm qua. Việc kiểm soát lạm phát không chỉ là thách thức mà còn là cơ hội để cải cách và phát triển kinh tế. Các yếu tố như giá cả nguyên liệu, chính sách tiền tệ và tình hình kinh tế toàn cầu đều ảnh hưởng đến lạm phát.

2.1. Tình Hình Lạm Phát Việt Nam Trong Những Năm Gần Đây

Từ năm 2005 đến 2014, lạm phát tại Việt Nam đã có những giai đoạn tăng cao, gây ra nhiều khó khăn cho nền kinh tế. Việc phân tích các yếu tố tác động đến lạm phát là cần thiết để đưa ra các giải pháp hiệu quả.

2.2. Các Yếu Tố Tác Động Đến Lạm Phát

Giá cả nguyên liệu, chính sách tiền tệ và nhu cầu tiêu dùng là những yếu tố chính ảnh hưởng đến lạm phát. Việc hiểu rõ các yếu tố này giúp dự báo chính xác hơn về xu hướng lạm phát.

III. Phương Pháp Dự Báo Lạm Phát Bằng Mô Hình ARIMA Hướng Dẫn Chi Tiết

Mô hình ARIMA được xây dựng dựa trên quy trình Box-Jenkins, bao gồm các bước nhận dạng, ước lượng, kiểm tra và dự báo. Việc áp dụng mô hình này đòi hỏi phải có dữ liệu chính xác và phương pháp phân tích hợp lý.

3.1. Quy Trình Xây Dựng Mô Hình ARIMA

Quy trình xây dựng mô hình ARIMA bao gồm bốn bước chính: nhận dạng mô hình, ước lượng tham số, kiểm tra tính ổn định và thực hiện dự báo. Mỗi bước đều cần sự chú ý và phân tích kỹ lưỡng.

3.2. Các Công Cụ Hỗ Trợ Trong Phân Tích Dữ Liệu

Phần mềm như Excel và Eview thường được sử dụng để phân tích dữ liệu và xây dựng mô hình ARIMA. Việc sử dụng công cụ phù hợp giúp tăng độ chính xác trong dự báo.

IV. Kết Quả Nghiên Cứu Dự Báo Lạm Phát Việt Nam Bằng Mô Hình ARIMA

Kết quả nghiên cứu cho thấy mô hình ARIMA có khả năng dự báo lạm phát Việt Nam với độ chính xác cao. Các dự báo này có thể giúp các nhà hoạch định chính sách đưa ra quyết định kịp thời và hiệu quả.

4.1. Đánh Giá Độ Chính Xác Của Mô Hình

Độ chính xác của mô hình ARIMA được đánh giá thông qua các chỉ số thống kê. Kết quả cho thấy mô hình này có khả năng dự đoán tốt các xu hướng lạm phát trong ngắn hạn.

4.2. Ứng Dụng Kết Quả Dự Báo Trong Thực Tiễn

Kết quả dự báo từ mô hình ARIMA có thể được sử dụng để xây dựng các chính sách kinh tế phù hợp, giúp kiểm soát lạm phát và ổn định nền kinh tế.

V. Kết Luận Tương Lai Của Dự Báo Lạm Phát Tại Việt Nam

Dự báo lạm phát bằng mô hình ARIMA không chỉ là một công cụ hữu ích mà còn là một phần quan trọng trong việc quản lý kinh tế. Tương lai của dự báo lạm phát tại Việt Nam sẽ phụ thuộc vào việc cải thiện các phương pháp phân tích và cập nhật dữ liệu.

5.1. Triển Vọng Phát Triển Mô Hình Dự Báo

Việc phát triển và cải tiến mô hình ARIMA sẽ giúp nâng cao độ chính xác trong dự báo lạm phát, từ đó hỗ trợ các quyết định chính sách hiệu quả hơn.

5.2. Khuyến Nghị Chính Sách Để Kiểm Soát Lạm Phát

Các nhà hoạch định chính sách cần xem xét các khuyến nghị từ nghiên cứu để xây dựng các chính sách kiểm soát lạm phát hiệu quả, đảm bảo sự ổn định cho nền kinh tế.

Nội dung chính

Tổng quan nghiên cứu

Lạm phát là một trong những chỉ số kinh tế vĩ mô quan trọng, ảnh hưởng trực tiếp đến sự ổn định và phát triển kinh tế xã hội. Tại Việt Nam, lạm phát được đo lường chủ yếu qua chỉ số giá tiêu dùng (CPI), với dữ liệu chuỗi thời gian từ tháng 1/2005 đến tháng 10/2014 cho thấy nhiều biến động phức tạp. Trong giai đoạn này, lạm phát trung bình khoảng 11.34%, với các đỉnh điểm như năm 2008 đạt 19.9% và năm 2011 là 18.13%. Mục tiêu kiểm soát lạm phát của Chính phủ đặt ra khoảng 7% năm 2014 và 5% năm 2015, tuy nhiên các dự báo từ các tổ chức quốc tế như Ngân hàng Phát triển Châu Á (ADB) và Ngân hàng Thế giới (WB) lại đưa ra các con số khác nhau, từ 4% đến 6%. Điều này đặt ra yêu cầu cấp thiết về việc xây dựng một mô hình dự báo lạm phát độc lập, chính xác và phù hợp với đặc thù kinh tế Việt Nam.

Mục tiêu nghiên cứu của luận văn là hệ thống hóa cơ sở lý luận về lạm phát và mô hình ARIMA, phân tích thực trạng lạm phát Việt Nam trong giai đoạn 2005-2014, xây dựng mô hình ARIMA phù hợp để dự báo lạm phát từ tháng 11/2014 đến tháng 6/2015, đồng thời đề xuất các khuyến nghị chính sách dựa trên kết quả dự báo. Phạm vi nghiên cứu tập trung vào chuỗi thời gian chỉ số CPI của Việt Nam, sử dụng dữ liệu tháng từ Tổng cục Thống kê Việt Nam. Ý nghĩa của nghiên cứu thể hiện qua việc cung cấp công cụ dự báo khoa học, hỗ trợ các nhà hoạch định chính sách và doanh nghiệp trong việc lập kế hoạch và ứng phó với biến động lạm phát, góp phần ổn định kinh tế vĩ mô.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết kinh tế về lạm phát, bao gồm:

• Khái niệm và phân loại lạm phát: Lạm phát được hiểu là sự tăng liên tục của mức giá chung hoặc giảm sức mua của đồng tiền. Phân loại theo định lượng gồm thiểu phát (0- vài %), lạm phát vừa phải (dưới 10%), lạm phát phi mã (10%- dưới 1000%) và siêu lạm phát (trên 1000%). Theo định tính, lạm phát cân bằng và có thể dự đoán được khác với lạm phát không cân bằng và không dự đoán trước.

• Mô hình lý thuyết về lạm phát: Bao gồm mô hình đường cong Phillips (mối quan hệ đánh đổi giữa lạm phát và thất nghiệp), mô hình lạm phát do chi phí đẩy, mô hình lạm phát do cầu kéo, và mô hình lạm phát theo quan điểm kỳ vọng.

• Mô hình ARIMA (Autoregressive Integrated Moving Average): Là mô hình chuỗi thời gian đơn biến, kết hợp các thành phần tự hồi quy (AR), tích hợp (I) và trung bình trượt (MA). Mô hình ARIMA được sử dụng phổ biến trong dự báo ngắn hạn các biến kinh tế như lạm phát do khả năng xử lý chuỗi thời gian không dừng và tính linh hoạt trong mô hình hóa các thành phần xu hướng, mùa vụ và ngẫu nhiên.

Các khái niệm chính trong nghiên cứu gồm: chuỗi thời gian dừng, hàm tự tương quan (ACF), hàm tự tương quan riêng phần (PACF), quá trình ngẫu nhiên, sai phân chuỗi thời gian, và các bước xây dựng mô hình ARIMA theo phương pháp Box-Jenkins.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng với quy trình Box-Jenkins gồm bốn bước: nhận dạng mô hình, ước lượng mô hình, kiểm tra mô hình và dự báo. Dữ liệu sử dụng là chuỗi thời gian chỉ số CPI tháng của Việt Nam từ tháng 1/2005 đến tháng 6/2014, thu thập từ Tổng cục Thống kê Việt Nam. Cỡ mẫu gồm 114 quan sát tháng, được xử lý bằng phần mềm Eviews và Excel.

Phương pháp chọn mẫu là toàn bộ dữ liệu chuỗi thời gian có sẵn trong phạm vi nghiên cứu nhằm đảm bảo tính liên tục và đầy đủ của chuỗi. Các bước phân tích bao gồm kiểm định tính dừng của chuỗi bằng kiểm định ADF, nhận dạng mô hình ARIMA dựa trên phân tích ACF và PACF, ước lượng các tham số mô hình, kiểm định phần dư để đảm bảo nhiễu trắng, và đánh giá độ chính xác dự báo qua giai đoạn hậu nghiệm (tháng 7-10/2014).

Ngoài ra, nghiên cứu còn sử dụng các phương pháp bổ trợ như phân tích thống kê mô tả, so sánh kết quả dự báo với dữ liệu thực tế và các dự báo của các tổ chức trong và ngoài nước để đánh giá tính hiệu quả của mô hình.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Tính dừng của chuỗi CPI: Kiểm định ADF cho thấy chuỗi CPI gốc không dừng, nhưng sau khi lấy sai phân bậc một và sai phân mùa bậc một (12 tháng), chuỗi trở nên dừng với mức ý nghĩa 1%. Điều này phù hợp với yêu cầu xây dựng mô hình ARIMA.

2. Mô hình ARIMA phù hợp: Mô hình ARIMA(1,1,0)(2,0,2)[12] được lựa chọn là mô hình tối ưu dựa trên tiêu chí AIC và SBC, đồng thời phần dư của mô hình thỏa mãn giả thiết nhiễu trắng qua kiểm định ARCH LM và Breusch-Godfrey LM. Mô hình này có khả năng dự báo chính xác các biến động ngắn hạn của lạm phát.

3. Độ chính xác dự báo: Kết quả dự báo trong mẫu từ tháng 7 đến tháng 10/2014 cho thấy sai số trung bình tuyệt đối (MAE) khoảng 0.15%, sai số bình phương trung bình (MSE) thấp, thể hiện mô hình có độ tin cậy cao. Dự báo lạm phát từ tháng 11/2014 đến tháng 6/2015 dao động trong khoảng 3.5% đến 5.5%, phù hợp với mục tiêu kiểm soát lạm phát của Chính phủ.

4. So sánh với dự báo khác: Mô hình ARIMA cho kết quả dự báo sát với các dự báo của Ngân hàng Phát triển Châu Á và Ngân hàng Thế giới, đồng thời cung cấp dự báo độc lập, giúp tăng tính khách quan trong hoạch định chính sách.

Thảo luận kết quả

Nguyên nhân mô hình ARIMA đạt hiệu quả cao là do tính chất chuỗi thời gian CPI có thành phần mùa vụ rõ rệt và xu hướng biến động phức tạp, phù hợp với khả năng xử lý của mô hình ARIMA có thành phần mùa. Việc sử dụng sai phân bậc một và sai phân mùa giúp loại bỏ xu hướng không dừng, đảm bảo tính ổn định của chuỗi.

So với các mô hình nhân quả hoặc mạng neural, ARIMA đơn giản hơn, không yêu cầu dữ liệu biến độc lập phức tạp, phù hợp với điều kiện dữ liệu của Việt Nam. Kết quả dự báo có thể được trình bày qua biểu đồ so sánh giá trị thực và giá trị dự báo, cũng như bảng thống kê sai số dự báo, giúp minh bạch và dễ dàng đánh giá.

Ý nghĩa của kết quả là cung cấp công cụ dự báo lạm phát ngắn hạn tin cậy, hỗ trợ các nhà hoạch định chính sách trong việc điều chỉnh chính sách tiền tệ và tài khóa kịp thời, góp phần ổn định kinh tế vĩ mô và phát triển bền vững.

Đề xuất và khuyến nghị

1. Áp dụng mô hình ARIMA trong dự báo lạm phát hàng tháng: Các cơ quan quản lý như Ngân hàng Nhà nước và Bộ Kế hoạch và Đầu tư nên sử dụng mô hình ARIMA để dự báo lạm phát ngắn hạn, cập nhật dữ liệu hàng tháng nhằm nâng cao độ chính xác dự báo. Thời gian thực hiện: ngay lập tức và liên tục.

2. Tăng cường thu thập và xử lý dữ liệu kinh tế vĩ mô: Đảm bảo dữ liệu CPI và các chỉ số liên quan được cập nhật đầy đủ, chính xác và kịp thời để phục vụ cho việc xây dựng và hiệu chỉnh mô hình dự báo. Chủ thể thực hiện: Tổng cục Thống kê, các đơn vị liên quan.

3. Đào tạo chuyên sâu về phân tích chuỗi thời gian và mô hình ARIMA cho cán bộ quản lý: Tổ chức các khóa đào tạo, hội thảo nhằm nâng cao năng lực phân tích và ứng dụng mô hình dự báo trong công tác hoạch định chính sách. Thời gian: trong vòng 12 tháng tới.

4. Kết hợp dự báo ARIMA với các mô hình nhân quả và mạng neural để nâng cao hiệu quả dự báo dài hạn: Nghiên cứu phát triển mô hình dự báo đa biến, tích hợp các yếu tố kinh tế vĩ mô khác nhằm dự báo lạm phát dài hạn chính xác hơn. Chủ thể thực hiện: các viện nghiên cứu kinh tế, trường đại học.

Đối tượng nên tham khảo luận văn

1. Các nhà hoạch định chính sách kinh tế vĩ mô: Sử dụng kết quả dự báo để điều chỉnh chính sách tiền tệ, tài khóa nhằm kiểm soát lạm phát hiệu quả, đảm bảo ổn định kinh tế.

2. Các nhà kinh tế học và nghiên cứu viên: Tham khảo phương pháp luận và kết quả nghiên cứu để phát triển các mô hình dự báo kinh tế phù hợp với điều kiện Việt Nam.

3. Doanh nghiệp và nhà đầu tư: Dựa vào dự báo lạm phát để lập kế hoạch sản xuất, kinh doanh, điều chỉnh giá cả và chiến lược đầu tư phù hợp với biến động thị trường.

4. Sinh viên và học viên cao học chuyên ngành Tài chính – Ngân hàng, Kinh tế: Học tập phương pháp phân tích chuỗi thời gian, mô hình ARIMA và ứng dụng thực tiễn trong dự báo kinh tế.

Câu hỏi thường gặp

1. Mô hình ARIMA là gì và tại sao được chọn để dự báo lạm phát?
   Mô hình ARIMA là mô hình chuỗi thời gian kết hợp tự hồi quy, tích hợp và trung bình trượt, phù hợp với dữ liệu có xu hướng và mùa vụ. Nó được chọn vì khả năng xử lý chuỗi không dừng và dự báo ngắn hạn chính xác, phù hợp với đặc điểm dữ liệu CPI Việt Nam.

2. Dữ liệu nào được sử dụng để xây dựng mô hình ARIMA trong nghiên cứu?
   Dữ liệu là chuỗi thời gian chỉ số giá tiêu dùng (CPI) tháng của Việt Nam từ tháng 1/2005 đến tháng 6/2014, thu thập từ Tổng cục Thống kê Việt Nam, với 114 quan sát.

3. Mô hình ARIMA dự báo lạm phát có độ chính xác như thế nào?
   Mô hình ARIMA(1,1,0)(2,0,2)[12] cho sai số trung bình tuyệt đối khoảng 0.15% trong giai đoạn kiểm nghiệm, thể hiện độ tin cậy cao và phù hợp với các dự báo của các tổ chức quốc tế.

4. Lạm phát Việt Nam được dự báo trong khoảng nào từ tháng 11/2014 đến tháng 6/2015?
   Dự báo lạm phát dao động trong khoảng 3.5% đến 5.5%, phù hợp với mục tiêu kiểm soát lạm phát của Chính phủ và phản ánh xu hướng giảm dần của lạm phát trong giai đoạn này.

5. Các cơ quan nào nên áp dụng kết quả nghiên cứu này?
   Ngân hàng Nhà nước, Bộ Kế hoạch và Đầu tư, Tổng cục Thống kê, các viện nghiên cứu kinh tế và doanh nghiệp nên áp dụng mô hình ARIMA để dự báo và điều chỉnh chính sách, kế hoạch kinh doanh phù hợp với biến động lạm phát.

Kết luận

• Lạm phát Việt Nam trong giai đoạn 2005-2014 có nhiều biến động phức tạp, với các đỉnh điểm năm 2008 và 2011, đòi hỏi công cụ dự báo chính xác và kịp thời.
• Mô hình ARIMA(1,1,0)(2,0,2)[12] được xây dựng và kiểm định phù hợp với chuỗi thời gian CP

Trích đoạn nội dung tài liệu

CHƯƠNG 1 CƠ SỞ LÝ LUẬN VỀ LẠM PHÁT VÀ MÔ HÌNH ARIMA 1. CƠ SỞ LÝ LUẬN VỀ LẠM PHÁT 1. Khái niệm về lạm phát Có nhiều khái niệm khác nhau về lạm phát, nhưng nhìn chung có ba khái niệm cơ bản sau: Thứ nhất, lạm phát là sự tăng lên liên tục của mức giá chung trong nền kinh tế và nguyên nhân chủ yếu dẫn đến lạm phát là yếu tố tiền tệ. Đây là khái niệm do các nhà kinh tế học trường phái tiền tệ đưa ra.

Đại diện tiêu biểu cho nhóm này là nhà kinh tế học Freidman, M. Thứ hai, lạm phát là sự gia tăng mức giá chung của nền kinh tế và nguyên nhân của lạm phát không chỉ do yếu tố tiền tệ mà còn bao gồm cả những nguyên nhân khác như biến động giá cả của nguyên liệu đầu vào quan trọng như giá năng lượng, vật liệu. Khái niệm này là của các nhà kinh tế học hiện đại, đại diện tiêu biểu là Samuelson, P. Với khái niệm này, Samuelson không đề cập đến sự tăng liên tục của mức giá chung như các nhà kinh tế học trường phái tiền tệ.

Tuy nhiên, khi nói đến lạm phát, ông cũng đã đặt nó trong mối quan hệ so sánh các chỉ số giá qua các thời kì, các năm khác nhau. Thứ ba, lạm phát là sự gia tăng liên tục của mức giá chung hay sự giảm giá liên tục sức mua của đồng tiền. Đây là khái niệm hiện nay được hầu hết tác giả trong và ngoài nước sử dụng. Khái niệm thứ ba sẽ được sử dụng trong toàn bộ đề tài.

Với khái niệm này, biểu hiện của lạm phát là giá cả của hầu hết các hàng hóa trong nền kinh tế tăng lên một cách đồng thời và liên tục trong một khoảng thời gian đủ dài để có thể nhận rõ xu hướng này. Lạm phát không phải là hiện tượng giá cả của một vài hàng hóa hay nhóm hàng hóa nào đó tăng lên mà là sự tăng lên Luan van 6 của mức giá chung của nền kinh tế. Ngoài ra, việc tăng giá mang tính đột biến hay ngắn hạn không được xem là biểu hiện của lạm phát. Phân loại lạm phát Tùy vào các tiêu chuẩn khác nhau mà lạm phát được phân chia thành các loại khác nhau.

Phân loại lạm phát theo căn cứ định lượng - Thiểu phát: Là mức độ lạm phát thấp nhất, từ 0% đến không quá vài %. Loại lạm phát này phản ánh tính khách quan của hiện tượng lưu thông hàng hóa, tiền tệ trong chế độ tiền giấy. - Lạm phát vừa phải: Tỉ lệ lạm phát từ trên vài % đến dưới 10%, lớn hơn không nhiều so với tốc độ tăng trưởng kinh tế hàng năm và kiểm soát được. Đây là mức lạm phát mà nền kinh tế chấp nhận được, những tác động của nó là không đáng kể.

- Lạm phát phi mã: Là lạm phát mà tỉ lệ lạm phát đạt đến 2 hoặc 3 con số, tức là từ 10% đến dưới 1000%. Ở mức 2 con số thấp thì các tác động tiêu cực không đáng kể và nền kinh tế vẫn có thể chấp nhận được. Nhưng khi tăng đến hai chữ số cao thì lạm phát sẽ làm cho giá cả chung tăng lên nhanh chóng, gây biến động lớn về nền kinh tế. Lạm phát này rất khó để có thể kiểm soát được và gây hậu quả xấu đến nền kinh tế.

- Siêu lạm phát: Tỉ lệ lạm phát lên đến trên 1000%. Đây là mức độ lạm phát nguy hiểm nhất, nó có thể phá hủy toàn bộ hoạt động nền kinh tế, dẫn đến suy thoái nghiêm trọng. Tuy nhiên, siêu lạm phát rất ít xảy ra. Phân loại lạm phát theo căn cứ định tính Xét về định tính, lạm phát được nhà kinh tế học Samuelson, P.

phân thành hai loại như sau: - Lạm phát cân bằng và có thể dự đoán được: Loại lạm phát này xảy ra khi toàn bộ giá cả của nền kinh tế đều tăng và tăng tương ứng với mức tăng Luan van 7 trong tiền lương thực tế, phù hợp với hoạt động sản xuất kinh doanh của các doanh nghiệp. Về mặt tâm lý, người dân đã quen với tình trạng lạm phát đó và đã có sự chuẩn bị trước. Do đó, loại lạm phát này không gây ảnh hưởng đến đời sống của người lao động và đến nền kinh tế nói chung. - Lạm phát không cân bằng và không được dự đoán trước: Loại lạm phát này xảy ra khi giá cả của các loại hàng hóa, dịch vụ tăng không đều nhau, vượt xa mức tăng của tiền lương thực tế và không được dự đoán trước.

Đây là loại lạm phát gây thiệt hại cho người dân và nền kinh tế. Loại lạm phát này ảnh hưởng đến tâm lý, đời sống người dân vì họ chưa kịp thích nghi. Từ đó mà loại lạm phát này sẽ gây ra biến động đối với nền kinh tế. Đo lường lạm phát Lạm phát được đo lường bằng chỉ tiêu tỉ lệ lạm phát, thể hiện qua chỉ số giá cả.

Chỉ số giá cả là tỉ lệ giữa mức giá cả trung bình ở kỳ tính toán so với mức giá cả trung bình ở kỳ gốc của một nhóm hàng hóa nhất định. Tỉ lệ lạm phát là tỉ lệ phần trăm mức tăng của mức giá trung bình ở kỳ tính toán so với mức giá trung bình ở kỳ gốc. Tỉ lệ lạm phát = [mức giá cả chung trung bình (t) – mức giá cả chung trung bình (t0)] / mức giá cả chung trung bình (t0). Không tồn tại một phép đo chính xác duy nhất cho tỉ lệ lạm phát.

Vì giá trị của chỉ số này phụ thuộc vào nhóm hàng hóa được chọn cùng quyền số gắn cho mỗi loại hàng hóa trong nhóm, việc chọn thời kỳ gốc và phạm vi khu vực kinh tế mà chỉ số được tính. Các chỉ số phổ biến được sử dụng trong đo lường lạm phát gồm: Chỉ số giá tiêu dùng (Consumer Price Index - CPI): đo lường mức thay đổi giá cả chung của một số lượng cố định các loại hàng hóa, dịch vụ do người tiêu dùng điển hình mua (được gọi là “rổ hàng hóa”). Chỉ số CPI được sử dụng để tính tỉ lệ lạm phát của phần lớn quốc gia trên thế giới. Luan van 8 Chỉ số giá sản xuất (Producer Price Index - PPI): đo lường sự thay đổi mức giá mà các nhà sản xuất nhận được từ đầu ra, không tính đến giá bổ sung qua đại lý hoặc thuế doanh thu.

Chỉ số lạm phát cơ bản: đo lường tốc độ tăng giá trung bình dài hạn mà đã loại bỏ các nhiễu ngẫu nhiên (như cú sốc về cung, áp lực tăng cầu) (Laider, 1990). Lạm phát cơ bản có thể được tính dựa trên chỉ số CPI sau khi đã loại bỏ một số hàng hóa, dịch vụ mà giá cả của nó biến động mạnh do các cú sốc. Chỉ số giảm phát tổng sản phẩm quốc nội (GDP deflator - DGDP): đo lường mức thay đổi giá cả chung của tất cả hàng hóa, dịch vụ sản xuất trong nước. Tác động của lạm phát Nhiều nghiên cứu cho thấy, lạm phát có thể tác động tích cực hoặc tiêu cực đến tình hình kinh tế-xã hội theo những cách thức khác nhau, mức độ ảnh hưởng khác nhau tùy thuộc vào cấu trúc của nền kinh tế, khả năng thích ứng với sự thay đổi liên tục của lạm phát và khả năng dự báo lạm phát.

Tác động tiêu cực của lạm phát Thứ nhất, lạm phát cao gây mất ổn định kinh tế vĩ mô, làm giảm tốc độ tăng trưởng và sản lượng của nền kinh tế. Khi lạm phát tăng cao và không được kiểm soát, giá đầu vào của sản xuất và giá đầu ra của sản phẩm biến động thường xuyên tạo ra môi trường kinh doanh không ổn định. Điều này sẽ dẫn đến đầu tư của doanh nghiệp giảm sút, làm giảm thu nhập và lợi nhuận của doanh nghiệp, từ đó sẽ làm giảm đầu tư trong chu kì tiếp theo … Hiệu ứng dây chuyền này sẽ làm giảm tốc độ tăng trưởng và sản lượng của nền kinh tế. Môi trường kinh tế vĩ mô không ổn định, đầu tư nước ngoài vào trong nước sẽ giảm mạnh và điều này thêm một nguyên nhân làm hạn chế tăng trưởng kinh tế và đây là một tác động rất đáng kể đối với các nước đang phát Luan van 9 triển như Việt Nam.

Khi lạm phát cao, giá cả bị bóp méo, làm biến dạng các quyết định của người tiêu dùng. Lạm phát cao có xu hướng làm thay đổi các cân bằng thực của nền kinh tế, làm chệch hướng các nguồn lực khi thực hiện các giao dịch; giảm tín hiệu thông tin về giá tương đối vì vậy dẫn đến tình trạng phân bổ nguồn lực không hiệu quả. Bên cạnh đó, lạm phát cao làm tăng chi phí của doanh nghiệp do lãi suất tăng và do doanh nghiệp phải thường xuyên điều chỉnh thực đơn … Đây cũng là một nguyên nhân khác làm giảm hiệu quả kinh doanh của doanh nghiệp và giảm sản lượng của nền kinh tế. Thứ hai, lạm phát cao gây ra nhiều vấn đề xã hội bức xúc.

Khi đầu tư giảm sút do lạm phát như đã phân tích ở trên, doanh nghiệp sẽ sa thải công nhân, làm cho thất nghiệp tăng lên, thu nhập của người lao động bị giảm sút. Đồng thời, lạm phát cao làm giảm lợi tức và tăng thêm chi phí của người gửi tiết kiệm. Lạm phát cao và không được dự đoán gây mất công bằng xã hội, người đi vay được lợi và người cho vay bị thiệt. Đối với nước đang phát triển như Việt Nam, tác động của lạm phát còn làm sâu sắc hơn chênh lệch giàu nghèo, trong đó người nghèo bị thiệt hại nhiều nhất.

Công trình nghiên cứu “Lạm phát đối với các nhóm dân cư” do Từ Thúy Anh và Đào Nguyên Thắng (2008) thực hiện, đã cho kết quả định lượng về mức độ ảnh hưởng của lạm phát đối với các nhóm dân cư ở thành thị và nông thôn: lạm phát có ảnh hưởng tiêu cực ở mức độ sâu hơn đối với khu vực nông thôn so với khu vực thành thị trong tất cả các tháng từ tháng 1-12/2006. Đồng thời, nghiên cứu cũng chỉ ra, kết quả tác động của lạm phát đối với nhóm 10% dân cư nghèo nhất cao hơn so với nhóm 10% dân cư giàu nhất (24. Luan van 10 Thứ ba, trường hợp xảy ra lạm phát phi mã hoặc siêu lạm phát có thể dẫn đến khủng hoảng kinh tế - xã hội. Lạm phát cao làm mất niềm tin của người dân, dân chúng ồ ạt rút tiền gửi ở các ngân hàng, làm nhiều ngân hàng có khả năng bị phá sản, toàn bộ hệ thống ngân hàng có thể bị lung lay.