Local Projection: Cách Ước lượng Phản ứng Xung

Hàm phản ứng xung (IRF) mô tả kết quả biến động như thế nào sau một thay đổi hoặc cú sốc được xác định. Nhà nghiên cứu có thể hỏi sản lượng phản ứng ra sao sau một đợt tăng lãi suất bất ngờ, một chứng khoán phản ứng thế nào với thông báo tại một ngày cụ thể, hay danh mục phản ứng ra sao với cú sốc rủi ro đã được nhận dạng. Đường đi qua các chân trời cho biết tác động xuất hiện khi nào, lớn nhất lúc nào và kéo dài bao lâu.

Cần định nghĩa từ “cú sốc”. Một biến động quan sát được của lãi suất chính sách, giá thị trường hay tín hiệu giao dịch không tự động là cú sốc cấu trúc bất ngờ. Biến động đó có thể phần nào phản ánh thông tin về chính kết quả. Nếu không có chiến lược nhận dạng đáng tin cậy, hệ số LP là mối liên hệ có điều kiện hoặc phép chiếu tuyến tính, chứ không phải phản ứng nhân quả.

Gọi \(y_t\) là kết quả và \(s_t\) là thước đo cú sốc. Một đặc tả LP phổ biến tại chân trời \(h\) là

\[ y_{t+h} = \alpha_h + \beta_h s_t + \sum_{j=1}^{p}\Gamma_{h,j}'W_{t-j} + \varepsilon_{t,h}. \]

Ở đây, \(h\) là số kỳ sau cú sốc, \(W_{t-j}\) chứa các biến kiểm soát trễ được chọn, còn \(\beta_h\) là hệ số quan tâm. Nhà nghiên cứu ước lượng một hồi quy khác nhau cho từng \(h=0,1,2,\ldots\). Vẽ các ước lượng \(\hat\beta_h\) theo \(h\) sẽ tạo thành đường phản ứng. Nếu cú sốc cấu trúc được nhận dạng phù hợp, đường này có thể ước lượng IRF cấu trúc; nếu không, nó mô tả phép chiếu dự báo có điều kiện.

Ý tưởng cốt lõi trong phương pháp ban đầu của Jordà là ước lượng hồi quy riêng cho từng kỳ cần quan tâm, thay vì liên tục dự báo xa hơn từ một hệ động học đã khớp. Các ước lượng riêng có thể linh hoạt, nhưng không tự động chia sẻ động học trơn do một hệ thống duy nhất áp đặt.

Chỉ có thể diễn giải \(\beta_h\) sau khi nêu rõ các biến và thang đo. Nếu \(s_t=1\) biểu thị mức tăng lãi suất bất ngờ 25 điểm cơ bản, thì \(\beta_h\) là phản ứng ước lượng trước cú sốc có quy mô đó. Nếu đo \(s_t\) bằng điểm phần trăm, hệ số sẽ cho phản ứng trên mỗi điểm phần trăm. Đổi thang đo cú sốc sẽ đổi thang đo của mọi hệ số.

Biến phụ thuộc cũng quyết định đường phản ứng là tích lũy hay theo từng kỳ. Ví dụ, nếu \(Y_t\) là chỉ số sản lượng dương, hãy định nghĩa

\[ r_{t,h} = 100\,[\log(Y_{t+h})-\log(Y_{t-1})]. \]

Khi đó, \(r_{t,h}\) là mức thay đổi phần trăm tích lũy xấp xỉ của chỉ số từ mức trước cú sốc đến chân trời \(h\). Một kết quả khác, chẳng hạn thay đổi sản lượng hàng tháng, trả lời một câu hỏi khác. Không mô tả phản ứng tích lũy của mức như thể đó là thay đổi chỉ xảy ra trong tháng \(h\).

Giả sử một nghiên cứu hàng tháng định nghĩa \(s_t=1\) là mức tăng lãi suất bất ngờ 25 điểm cơ bản và dùng thước đo sản lượng tích lũy ở trên. Các con số sau là giá trị giả định để minh họa, không phải ước lượng từ dữ liệu thực. Các khoảng dùng \(1.96\) lần từng sai số chuẩn được liệt kê, chỉ để minh họa phép tính tại từng điểm.

Trong ví dụ này, ước lượng tại tháng thứ sáu thấp hơn mức trước cú sốc 0.60%, và khoảng tin cậy tại điểm đó không chứa số không. Ước lượng tại tháng thứ mười hai ít âm hơn, nhưng khoảng tin cậy chứa số không. Chỉ riêng điều đó không chứng minh có sự phục hồi từ tháng thứ sáu đến tháng thứ mười hai: các ước lượng còn bất định và tương quan giữa các chân trời, còn việc các khoảng tin cậy chồng lấn không phải là phép kiểm định chênh lệch giữa hai chân trời. Nhận định về hình dạng của toàn bộ đường phản ứng cần một phép suy luận riêng cho cả đường. Những con số này không phải dự báo chính sách hay kết quả của một nền kinh tế thực tế.

LP là phương pháp ước lượng; tự nó không cung cấp biến thiên dùng để nhận dạng. Nhà nghiên cứu có thể xác định cú sốc từ mô hình cấu trúc, thước đo bất ngờ tần suất cao, biến công cụ bên ngoài hợp lệ hoặc thiết kế nghiên cứu với giả định có thể bảo vệ. Mỗi cách tiếp cận cần bằng chứng tách cú sốc khỏi tin tức khác và phản hồi từ kết quả.

Biến kiểm soát phải phù hợp với thời điểm trong câu hỏi. Các biến trễ trước cú sốc có thể tính đến điều kiện trước đó. Một biến đo sau cú sốc có thể đã phản ứng với chính cú sốc. Kiểm soát biến trung gian như vậy có thể loại bỏ một phần phản ứng tổng thể hoặc tạo ra sai lệch mới. Hãy nêu thông tin nào có sẵn ngay trước cú sốc và giải thích vì sao mỗi biến kiểm soát được đưa vào hồi quy.

\(\hat\beta_h\) có ý nghĩa thống kê không biến một sự kiện trông có vẻ bất ngờ thành cú sốc ngoại sinh. Hãy kiểm tra kỳ vọng trước sự kiện, thông báo đồng thời, sai số đo lường, thay đổi quy tắc chính sách và lựa chọn mẫu. Trong tài chính, tin tức chồng lấn hoặc cú sốc chung có thể khiến các kết quả cùng biến động dù sự kiện đang nghiên cứu không phải nguyên nhân.

Local projection và mô hình tự hồi quy vectơ (VAR) thường được giới thiệu như hai cách cạnh tranh để ước lượng IRF. Plagborg-Møller và Wolf cho thấy khi dùng cùng thông tin, cùng cách nhận dạng, chuẩn hóa cú sốc tương thích và cấu trúc độ trễ không bị giới hạn, hai cách tiếp cận có thể ước lượng cùng một phản ứng tổng thể. Kết quả này nói về đại lượng cần ước lượng chung; không có nghĩa các ước lượng mẫu hữu hạn luôn phải trùng nhau hay mọi LP và VAR đều dùng cùng hạn chế.

Với số độ trễ cố định \(p\), các đại lượng phản ứng của hai phương pháp có thể gần nhau đến chân trời \(h\leq p\), nhưng có thể khác ở chân trời xa hơn. Trong mẫu hữu hạn, LP ước lượng trực tiếp từng chân trời nên có thể biến động hơn, còn VAR dùng mô hình động chung có thể làm đường phản ứng trơn hơn. Cấu trúc đó hữu ích khi phù hợp và có thể gây hiểu nhầm khi các hạn chế không phù hợp. Không có phương pháp nào luôn thắng chỉ nhờ tên gọi.

Hồi quy tại mỗi \(h\) tạo ra một ước lượng và thước đo độ bất định. Khi \(h\) tăng, số quan sát còn lại có thể giảm vì \(y_{t+h}\) không có sẵn gần cuối mẫu. Các kết quả nhiều bước cũng chồng lấn, nên phần dư và ước lượng giữa các chân trời có thể phụ thuộc lẫn nhau. Sai số chuẩn hoặc phương pháp bootstrap được chọn phải phù hợp với thiết kế và mục tiêu suy luận.

Khoảng tin cậy 95% tại từng điểm được lập cho từng chân trời một. Nó không đảm bảo bao phủ 95% toàn bộ đường phản ứng. Dải tin cậy đồng thời là một đối tượng khác và cần được báo cáo khi nhận định liên quan đến cả đường phản ứng. Montiel Olea và Plagborg-Møller đưa ra kết quả hữu ích cho một số dạng LP có bổ sung độ trễ dưới các giả định của họ; kết quả đó không cho phép bỏ qua chẩn đoán hay sao chép một công thức sai số chuẩn vào bất kỳ hồi quy nào. Trong trường hợp nghiệm đơn vị được nghiên cứu, các kết quả nêu trên không bao quát những chân trời tăng tỷ lệ thuận với cỡ mẫu. Hãy nêu biến kiểm soát, khoảng chân trời, phương pháp hiệp phương sai hoặc bootstrap, và khoảng là tại từng điểm hay đồng thời.

Nhà nghiên cứu có thể tương tác cú sốc với trạng thái quan sát được, chẳng hạn chỉ báo suy thoái, để hỏi phản ứng có khác nhau giữa các chế độ hay không. Họ cũng có thể nghiên cứu nhiều kết quả, quy mô cú sốc hoặc mẫu con. Mỗi phần mở rộng làm thay đổi đại lượng cần ước lượng và cách dùng các quan sát sẵn có; chia mẫu có thể làm độ bất định rộng hơn, nhất là ở chân trời dài.

Khi khả thi, hãy xác định trước chân trời và trạng thái quan trọng. Nếu thử nhiều kết quả, độ trễ, mẫu hoặc định nghĩa cú sốc, hãy báo cáo quá trình tìm kiếm thay vì trình bày đường được chọn như thể đó là phân tích duy nhất. Làm trơn theo chân trời có thể giúp biểu đồ dễ đọc hơn, nhưng bổ sung hạn chế hoặc lựa chọn điều chỉnh; hãy hiển thị các ước lượng chưa làm trơn và mô tả phương pháp nếu cũng trình bày đường đã làm trơn.

Nêu kết quả, tần suất, phép biến đổi, định nghĩa và đơn vị của cú sốc, khoảng chân trời, ngày trong mẫu, tập biến kiểm soát và cách xử lý quan sát thiếu. Giải thích giả định nhận dạng riêng với công thức hồi quy. Báo cáo hệ số và độ bất định ở từng chân trời hoặc trình bày biểu đồ có đơn vị và định nghĩa khoảng rõ ràng.

Nêu quy trình ước lượng và suy luận, bao gồm số độ trễ, ước lượng hiệp phương sai hoặc bootstrap, và khoảng là tại từng điểm hay đồng thời. Cho thấy độ nhạy phù hợp với thước đo cú sốc thay thế có thể bảo vệ, lựa chọn độ trễ hoặc cửa sổ mẫu. IRF là bản tóm tắt dựa trên mô hình về một cú sốc và kết quả cụ thể đã được nhận dạng; đó không phải tín hiệu giao dịch hay cam kết lợi suất tương lai.

Bài báo gốc của Jordà về local projection giới thiệu cách ước lượng riêng theo từng chân trời. Kết quả tương đương LP–VAR của Plagborg-Møller và Wolf làm rõ mục tiêu tổng thể chung và khác biệt khi số độ trễ hữu hạn. Phân tích suy luận của Montiel Olea và Plagborg-Møller nghiên cứu khoảng tin cậy cho LP có bổ sung độ trễ trong các điều kiện xác định. Xem thêm hướng dẫn về nghiên cứu sự kiện tài chính, sai số chuẩn vững và HAC, và thiết kế difference-in-differences theo thời điểm sự kiện.