SCIENCE & TECHNOLOGY DEVELOPMENT JOURNAL - ECONOMICS - LAW AND MANAGEMENT

A sub-journal of Science and Technology Development Journal since 2017

Skip to main content Skip to main navigation menu Skip to site footer

 Research article

HTML

82

Total

30

Share

An application of the spatial regression model for Vietnam’s export: province-level approach






 Open Access

Downloads

Download data is not yet available.

Abstract

The paper attempts to define and measure factors affecting export of provinces/ cities in Vietnam, using both qualitative and quantitative methods. In particular, the former was conducted through in-depth interviews with 15 experts (including 3 academics, 7 export officials of Departments of Industry and Trade and 5 managers of export enterprises) in December 2018. The latter was performed using spatial regression model on secondary data of 63 provinces/cities from 2013 to 2017. The paper provides a new research methodology on export of Vietnam’s provinces/ cities (i.e. the spatial regression model). The empirical results show that there is a positive correlation between neighboring provinces/ cities in export activities, indicating that the good export performance of one province boosts that of its neighbors. The results also show that the export of Vietnam’s provinces/ cities is affected by GDP, import value, investment capital, and labor costs.

Giới thiệu

Trong những năm qua, hoạt động xuất khẩu của Việt Nam đã có những đóng góp quan trọng vào tăng trưởng kinh tế bên cạnh các yếu tố tiêu dùng, đầu tư và nhập khẩu. Tăng trưởng xuất khẩu cao và tương đối ổn định trong nhiều năm đã góp phần ổn định kinh tế vĩ mô như hạn chế nhập siêu, cân bằng cán cân thanh toán quốc tế và tăng dự trữ ngoại tệ. Phát triển xuất khẩu đã góp phần tạo thêm việc làm, tăng thu nhập, xóa đói giảm nghèo, nhất là đối với khu vực nông thôn. Phát triển xuất khẩu cũng đã có tác dụng tích cực trong việc nâng cao trình độ lao động, hạn chế gia tăng khoảng cách giàu nghèo giữa nông thôn và thành thị, thúc đẩy quá trình chuyển dịch kinh tế theo hướng công nghiệp hóa, hiện đại hóa.

So với các nước trong khu vực thì nhịp độ tăng trưởng kim ngạch xuất khẩu hàng hóa bình quân của Việt Nam giai đoạn 2010 – 2017 ở mức cao. Nếu như năm 2010 quy mô xuất khẩu của Việt Nam chỉ đạt 72,23 tỷ USD xếp thứ 6/10 các quốc gia ASEAN (sau Thailand, Malaysia, Singapore, Indonesia, Brunei, Myanmar) với trị giá xuất khẩu đạt khoảng 62% của GDP thì đến hết năm 2017 quy mô này đã đạt 214,32 tỷ USD năm 2016 (tăng gấp 2,44 lần) và trở thành quốc gia có giá trị xuất khẩu hàng hóa đứng thứ 4 của ASEAN (sau Thailand, Maylaysia, và Singapore) với trị giá xuất khẩu hàng hóa đạt khoảng 95,77% của GDP (thực trạng kim ngạch xuất khẩu của Việt Nam và các nước được trình bày chi tiết trong Table 1 Table 2 ).

Table 1 Kim ngạch xuất khẩu hàng hóa của Việt Nam và các nước ASEAN. Đơn vị tính: tỷ USD
Quốc gia/năm 2010 2011 2012 2013 2014 2015 2016 2017
Viet Nam 72,23 96,90 114,53 132,03 150,22 162,02 176,58 214,32
Cambodia 5,59 6,70 7,84 6,66 6,84 8,54 10,07 11,01
Laos 1,91 2,19 2,27 2,26 2,57 2,98 3,12 4,49
Thailand 195,31 228,82 229,54 22,852 227,57 210,88 213,59 234,66
Malaysia 198,79 226,99 227,45 228,31 234,13 200,21 189,41 216,43
Indonesia 157,78 203,49 190,03 182,55 176,03 150,37 144,49 168,81
Singapore 351,86 409,50 408,39 410,25 409,76 346,64 329,87 373,25
Philippines 51,49 48,04 51,99 56,69 61,81 58,65 56,31 68,71
Myanmar 86,61 9,23 9,05 11,43 11,45 12,19 11,67 13,88
Brunei 89,07 12,45 13,00 11,44 10,51 6,35 4,87 5,57

Table 2 Tỷ lệ xuất khẩu so với GDP. Đơn vị tính: %
Quốc gia/năm 2010 2011 2012 2013 2014 2015 2016 2017
Viet Nam 62,31 71,50 73,50 77,11 80,67 83,84 86,02 95,77
Cambodia 49,72 55,70 60,68 48,07 46,08 53,71 59,20 65,77
Laos 26,78 28,43 27,30 25,19 26,60 28,78 28,14 31,02
Thailand 57,26 61,71 57,74 54,37 55,87 52,54 51,87 51,55
Malaysia 77,95 84,54 80,31 77,00 74,49 60,65 55,05 59,40
Indonesia 20,90 25,38 22,36 20,35 18,68 15,22 13,92 15,48
Singapore 148,83 162,87 156,05 149,14 143,39 118,64 11026 117,48
Philippines 25,80 23,22 23,56 23,99 24,64 22,04 1980 22,65
Myanmar 17,48 17,66 16,12 18,79 17,42 17,34 1567 17,52
Brunei 64,99 87,60 90,59 81,50 76,62 46,58 36,65 41,33

Nhiều nghiên cứu về hoạt động thương mại trên thế giới được thực hiện rất đa dạng nhằm tìm kiếm phương án tốt nhất để tối ưu hóa lợi nhuận. Trong đó một số nghiên cứu điển hình về thương mại thì mô hình trọng lực được các nhà nghiên cứu sử dụng rộng rãi, kể từ khi nó được giới thiệu bởi Tinbergen 1 và Linnemann 2 . Sau đó, các nhà nghiên cứu đã sử dụng mô hình này để kiểm tra mối quan hệ giữa giá trị thương mại và khoảng cách địa lý (Anderson & Wincoop 3 ; Behrens & cộng sự 4 ; Helpman & Krugman 5 ; Porojan 6 ). Tuy nhiên, đến 2014 thì Head và Mayer 7 thực hiện nghiên cứu về thương mại quốc tế bằng cách sử dụng mô hình trọng lực và cho rằng mô hình dạng này chưa thật sự có hiệu quả, vì nó chưa giải thích được vai trò địa lý của các địa phương. Theo Anselin 8 vấn đề bỏ qua cấu trúc không gian của dữ liệu thì các ước lượng với OLS trong mô hình có thể bị chệch, không nhất quán và không hiệu quả tùy thuộc vào sự phụ thuộc cơ bản thực sự là gì. Mặt khác, Porojan 6 đã khám phá bằng thực nghiệm của mô hình trọng lực khi các hiệu ứng không gian tồn tại trong dữ liệu nghiên cứu và cho biết rằng hiệu suất tổng thể của các mô hình kinh tế lượng không gian vượt trội so với các phân tích bằng mô hình trọng lực.

Sự phụ thuộc lẫn nhau về không gian cho thấy rằng nếu một sự kết hợp về không gian là tồn tại, tức là quan sát thứ i có mối liên hệ với quan sát thứ j trong dữ liệu, và các nhà nghiên cứu đã xem xét vấn đề này một cách chi tiết, đầy đủ hơn. Tobler 9 đầu tiên đã đề xuất quy luật địa lý nổi tiếng: mọi thứ liên quan đến mọi thứ khác, nhưng mọi thứ gần có liên quan nhiều hơn những thứ ở xa xôi. Điều này cho thấy rằng tác động trở nên có ý nghĩa hơn nếu khoảng cách giữa một vùng và các khu vực khác là gần hơn. Sự phụ thuộc không gian được định nghĩa như là sự tồn tại của các đặc điểm tương quan không gian giữa các khu vực lân cận, và tương quan không gian dùng để giải thích sự tương đồng giữa các khu vực lân cận. Để phân tích mối quan hệ giữa các đơn vị không gian trong khu vực thì mô hình kinh tế lượng không gian được sử dụng, và ngày càng được các nhà nghiên cứu trên thế giới quan tâm sâu sắc kể từ khi Anselin 8 kiểm định về tính phụ thuộc không gian trong các mô hình hồi quy. Các mô hình này xem xét việc xây dựng các biến có tính chất địa lý khi dữ liệu có đặc điểm địa lý, trở thành mô hình nghiên cứu chính thức, nó làm tăng hiệu quả và độ chính xác của các ước lượng. Bởi vì một khi có sự phụ thuộc không gian giữa các địa phương thì kết quả ước lượng các mô hình kinh tế lượng bằng phương pháp OLS truyền thống thông thường bị chệch và không hiệu quả. Hơn nữa, Anselin 8 cũng làm rõ nếu dữ liệu bảng được sử dụng và có sự hiện diện của hiệu ứng không gian, cụ thể là sự phụ thuộc không gian và cấu trúc không gian, thì kinh tế lượng không gian có thể phân tích tính đa chiều của sự phụ thuộc này.

Trong bài viết này nhóm tác giả kế thừa các mô hình kinh tế lượng không gian với các ưu điểm của nó để ứng dụng nghiên cứu về xuất khẩu của Việt Nam tiếp cận ở góc độ tỉnh/thành. Việc sử dụng dữ liệu bảng cho các mô hình như: mô hình độ trễ không gian của biến phụ thuộc (Spatial Lag Model-SLM), mô hình sai số không gian (Spatial Error Model-SEM) và mô hình Durbin không gian (Spatial Durbin Model-SDM) cùng với ma trận trọng số không gian W, được sử dụng là ma trận tiếp giáp nhị phân bậc một, chuẩn hóa theo dòng, và nhóm tác giả đã sử dụng chỉ số Moran’s I toàn cầu để kiểm tra sự phụ thuộc không gian lẫn nhau của tỉnh/thành trong xuất khẩu. Sau đó, bằng cách sử dụng các mô hình dữ liệu bảng phi không gian, với một số kiểm định cần thiết là sự kết hợp tốt nhằm phân tích tương quan không gian trong việc xuất khẩu của các tỉnh/thành ở Việt Nam.

Cơ sở lý thuyết về hồi quy không gian

Dữ liệu bảng không gian

Mô hình kinh tế lượng không gian với dữ liệu bảng được phổ biến rộng rãi và được thừa nhận là một phương pháp ước lượng chính xác hơn do sự giải thích của cả hai đặc điểm không gian và thời gian cho các nghiên cứu khác nhau khi có sự phụ thuộc không gian giữa các quan sát (Anselin & cộng sự 10 ; Elhorst & Vega 11 ).

Dữ liệu bảng không gian là một trường hợp đặc biệt của dữ liệu bảng trong đó dữ liệu được quan sát trên hai kích thước: theo không gian và theo thời gian. Nói khác hơn, là dữ liệu được hình thành từ nhiều đối tượng khác nhau tại nhiều thời điểm khác nhau. Các mô hình dữ liệu bảng đã trở nên phổ biến với cơ sở dữ liệu chứa nhiều quan sát trên các đơn vị riêng lẻ, được cập nhật liên tục, chẳng hạn như dữ liệu về quốc gia và hồ sơ hành chính, khảo sát định kỳ các vấn đề về quốc gia, và đo lường lặp lại các hiện tượng khác nhau trong những thời điểm khác nhau.

Hồi quy không gian thường sử dụng trên dữ liệu chéo hoặc chéo gộp, trên thực tế người ta cần xem xét dữ liệu theo không gian và theo thời gian. Baltagi 12 đã chỉ các các ưu điểm của dữ liệu bảng so với dữ liệu chéo và dữ liệu thời gian thuần túy như: (i) Dữ liệu bảng chứa các thông tin cá thể khác nhau nên các phân tích có tính đến sự khác biệt các đặc trưng (heterogeneity) cho các cá thể ấy. Nghiên cứu nếu chỉ sử dụng thuần túy dữ liệu chéo hoặc dữ liệu chuỗi thời gian không kiểm soát khác biệt đặc trưng này trong các mô hình nghiên cứu; (ii) bằng việc kết hợp cả chiều không gian và thời gian lại với nhau, dữ liệu bảng cung cấp nhiều thông tin hơn, nhiều bậc tự do hơn, hiệu quả hơn, và ít đa cộng tuyến hơn giữa các biến số; (iii) Sử dụng dữ liệu bảng là phù hợp hơn cho các nghiên cứu những nhân tố thay đổi (dynamics of change). Chẳng hạn các nghiên cứu thu nhập, sự di chuyển của lao động sẽ là tốt hơn nếu sử dụng dữ liệu bảng; (iv) Sử dụng dữ liệu bảng có thể đánh giá tốt hơn những tác động mà không thể quan sát được nếu sử dữ liệu chéo hay dữ liệu thời gian thuần túy; và (v) Dữ liệu bảng cho phép chúng ta nghiên cứu các mô hình có hành vi phức tạp.

Khi ước lượng với dữ liệu bảng thì vấn đề tồn tại hiện tượng phương sai thay đổi hay tự tương quan sẽ được khắc phục bằng các mô hình tác động cố định (Fixed Effect Model- FEM) hay mô hình tác động ngẫu nhiên (Random Effect Model -REM).

Mô hình kinh tế lượng không gian với dữ liệu bảng

Việc phân tích dữ liệu bảng không gian trong kinh tế lượng của các nhà nghiên cứu đang phát triển mạnh về mặt phương pháp luận. Đóng góp gần đây có thể nêu ra một số nghiên cứu điểm hình như Anselin và cộng sự 10 , Baltagi và Liu 13 , Baltagi và cộng sự 14 , Elhorst 15 , 16 , Kapoor và cộng sự 17 . Trong đó, Elhorst 15 , 16 đã đưa ra phân tích và đánh giá về các vấn đề phát sinh trong việc ước lượng các mô hình kinh tế lượng không gian với dữ liệu bảng. Trong nghiên cứu ứng dụng được mở rộng cần xem xét về tương quan sai số không gian hoặc biến phụ thuộc bị trễ không gian bao gồm: mô hình hiệu ứng cố định, mô hình hiệu ứng ngẫu nhiên, mô hình hệ số cố định và mô hình hệ số ngẫu nhiên. Hiện nay có nhiều mô hình kinh tế lượng không gian được sử dụng, theo Chou và cộng sự 18 , Elhorst 15 , 16 thì các mô hình cơ bản được sử dụng để ước lượng với dữ liệu bảng không gian là: mô hình độ trễ không gian (SLM- Spatial Lag Model), mô hình sai số không gian (SEM- Spatial Error Model) và mô hình Durbin không gian (SDM - Spatial Durbin Model). Tuy nhiên, theo Vega và Elhorst 19 thì những mô hình này là trường hợp đặc biệt của mô hình không gian tổng quát (GNS-General Nesting Spatial), đây là mô hình cho tất cả các loại hiệu ứng tương quan không gian. Mô hình (GNS) dữ liệu bảng tổng quát có dạng như sau:

Trong đó:

  • Y là vec tơ biến phụ thuộc (Nx1) tại khu vực i (i=1,…, N); chỉ số thời gian t=1,…,T

  • X là ma trận (NxK) gồm các biến giải thích, K là số biến giải thích.

  • là tham số tự tương quan không gian tương ứng với biến trễ không gian WY.

  • tương tác nội sinh

  • W là ma trận trọng số cấp (NxN), mô tả mối liên hệ không gian giữa các đơn vị.

  • chỉ hiệu ứng tương tác ngoại sinh của các khu vực lân cận của biến giải thích WX.

  • tương tác ngoại sinh

  • là tham số chưa biết của các biến độc lập và là ma trận (Kx1).

  • chỉ sự phụ thuộc không gian của các khu vực lân cận của các số hạng sai số.

  • tương tác thông qua sai số

  • ký hiệu vectơ sai số có phân phối chuẩn, trung bình bằng 0 và độ lệch chuẩn

Hệ số Moran’s I

Khi có sự phụ thuộc không gian giữa các đơn vị trong khu vực, thì việc sử dụng một phương pháp đánh giá, phân tích sự tương quan không gian là cần thiết. Có nhiều công cụ được sử dụng kiểm định mối tương quan không gian này, để xác định xem có sự tồn tại mối tương quan không gian giữa các khu vực lân cận hay không, có thể chỉ ra một số phương pháp kiểm tra như: Hệ số Moran’s I 20 21 ). Thống kê Moran’s I, phụ thuộc vào ma trận trọng số không gian phản ánh cường độ của mối quan hệ địa lý giữa các quan sát trong một khu vực 8 , và là một trong những phương pháp mà các nhà nghiên cứu thường sử dụng nhất để xem xét sự tương quan giữa các biến số 15 , 16 . Giá trị thống kê Moran’s I luôn nằm trong khoảng từ -1 đến 1. Dấ u của các giá trị Moran’s I cho biết các loại tương quan không gian (khi hệ số Moran’s I có cộng (+) có sự tương quan dương, thuận chiều giữa các đơn vị không gian, và Moran’s I có dấu trừ (-) có sự tương quan âm, nghịch chiều giữa các đơn vị không gian). Thống kê Moran’s I của biến x được nghĩa như sau:

Trong đó:

  • là giá trị quan sát của đơn vị không gian thứ i.

  • là giá trị trung bình của x.

  • là số giá trị quan sát của các đơn vị không gian.

  • là phần tử dòng i, cột j của ma trận trọng số không gian W.

Trong kiểm định Moran’s I là kiểm định giả thuyết:

  •    H 0 : không có tương quan không gian trong cấu trúc dữ liệu

Ma trận trọng số không gian

Ma trận trọng số không gian có vai trò quan trọng trong phân tích kinh tế lượng không gian là kết hợp được sự phụ thuộc không gian vào mô hình nghiên cứu.

Gọi n là số đơn vị không gian. Ma trận trọng số không gian, ký hiệu W, là ma trận cấp (n × n) đối xứng, dương với phần tử tại vị trí i, j là Giá trị hoặc trọng số cho từng cặp vị trí i, j xác định mối tương quan giữa hai địa phương i,j. Và quy ước rằng các phần tử nằm tên đường chéo chính của ma trận trọng số bằng 0, tức là =0.

Ký hiệu

Trong nghiên cứu thực nghiệm ma trận trọng số không gian được xây dựng thường dựa trên khoảng cách địa lý hoặc sự tiếp giáp giữa các địa phương. Có thể nêu ra một số dạng ma trận trọng số sau:

  1. Ma trận trọng số không gian tiếp giáp bậc nhất: Coughlin và Segev 22 cho rằng, một địa phương i có chung đường biên với địa phương j (i j) gọi là có tương quan không gian với nhau. Lúc đó, mỗi phần tử của ma trận trọng số không gian định bởi: w ij = { 1, i , j : có chung đường biên 0, i , j : không có chung đường biên

  2. Ma trận trọng số tỷ lệ đường biên chung: gọi là chiều dài đường biên chung của hai địa phương i, j và là chiều dài đường biên của địa phương i, và mỗi phần tử của W có dạng:

  3. Ma trận trọng số không gian dựa trên khoảng cách: gọi d là khoảng cách ngưỡng 8 , là khoảng cách giữa hai địa phương i, j. Thì mỗi phần tử của W định bởi:

  4. Ma trận trọng số không gian dựa trên khoảng cách nghịch đảo: mỗi phần tử của W định bởi: hoặc

  5. Ma trận trọng số không gian khoảng cách dựa trên hàm mũ Với hoặc

Trong thực nghiệm thường sử dụng ma trận trọng số không gian được chuẩn hóa theo dòng, tức là mỗi phần tử của ma trận chuẩn hóa theo dòng có dạng:

Giá trị của các phần tử của ma trận luôn nằm trong khoảng [0,1] và tổng của mỗi dòng ma trận chuẩn hóa theo dòng Table 1 .

Tác động trực tiếp, tác động gián tiếp và tổng tác động

Có một số mô hình cho các tác động như: Tác động trực tiếp, tác động gián tiếp và tổng tác động. Theo Elhorst 15 , 16 đưa ra yếu tố các tác động tổng quát như sau: Từ (1) được viết lại:

Lấy đạo hàm riêng phần của các giá trị kỳ vọng của y theo k biến giải thích của X, với các quan sát 1,…,N được viết như sau :

Các phần tử nằm trên đường chéo chính của ma trận trên là các tác động trực tiếp, và tác động gián tiếp là các dòng hoăc các cột (ngoại trừ đường chéo chính). Theo LeSage và Pace 23 , Vega và Elhorst 19 thì sự hiện diện của ma trận trọng số không gian làm cho các hiệu ứng biên trở nên phong phú và phức tạp hơn so với mô hình OLS truyền thống.

Trong các mô hình ước lượng bằng OLS và (SEM) tác động trực tiếp của một biến giải thích thứ k bằng với hệ số ước lượng biến giải thích thứ k là , tác động gián tiếp bằng 0. Trong mô hình (SLX), (SDEM) tác động trực tiếp cũng là tác động gián tiếp là Đối với mô hình (SLX), (SAC) tác động trực tiếp là các phần tử trên đường chéo của tác động gián tiếp gồm các phần tử nằm ngoài đường chéo của Và các mô hình (SDM), (GNS) tác động trực tiếp là các phần tử trên đường chéo của tác động gián tiếp gồm các phần tử nằm ngoài đường chéo của Để tính giá trị của (9), Lesage và Pace 23 đề xuất một cách tính:

I + + + +…

Mô hình nghiên cứu và phương pháp nghiên cứu

Mô hình nghiên cứu

Dựa trên kết quả tổng quan lý thuyết về xuất khẩu và nghiên cứu định tính cùng các 15 chuyên gia (03 nhà khoa học, 07 nhà quản lý xuất khẩu, và 05 giám đốc các doanh nghiệp xuất khẩu) tại phòng làm việc của các chuyên gia (chi tiết được trình bày trong phần phương pháp nghiên cứu) thì cho thấy: xuất khẩu của các tỉnh/thành hiện nay chịu tác động bởi: nhập khẩu, tổng vốn đầu tư, tổng sản phẩm quốc nội (GDP), cơ sở hạ tầng của địa phương. Thêm vào đó, 02 biến mới được các chuyên gia đề xuất bao gồm: thuế đánh vào doanh nghiệp xuất khẩu (bao gồm thuế nội địa và thuế xuất nhập khẩu) và chi phí lao động (chi tiết được trình bày trong mục phương pháp nghiên cứu).

Nhập khẩu : được đo lường thông qua trị giá nhập khẩu hàng hóa và dịch vụ của các tỉnh/thành của Việt Nam. Kết quả nghiên cứu của Balassa 24 , Head và Mayer 7 , Hwang và cộng sự 25 , Schott 26 đều thống nhất cho thấy: nhập khẩu là một yếu tố có tác động đến xuất khẩu. Vì vậy, nhóm tác giả đưa ra giả thuyết H 1 như sau:

H 1 : Nhập khẩu của các tỉnh/thành có tác động trực tiếp đến xuất khẩu của các tỉnh/thành (Kỳ vọng + )

Tổng lượng vốn đầu tư: được đo lường thông qua tổng lượng vốn đầu tư (bao gồm cả đầu tư trong và ngoài nước) vào 63 tỉnh/thành của Việt Nam. Nghiên cứu của Bjorvatn 27 , Huy 28 , Winters 29 đều cho thấy: lượng vốn đầu tư là một trong những yếu tố quan trọng tác động hoạt động xuất khẩu. Vì vậy, nhóm tác giả đưa ra giả thuyết H 2 như sau:

H 2 : Vốn đầu tư vào các tỉnh/thành có tác động trực tiếp đến xuất khẩu của các tỉnh/thành (Kỳ vọng + )

Tổng sản phẩm quốc nội (GDP) : được đo lường bởi tổng sản phẩm quốc nội tính theo giá hiện hành của 63 tỉnh/thành của Việt Nam. Kết quả nghiên cứu của Abidin và cộng sự 30 , Head và Mayer 7 , Chou và cộng sự 18 cho thấy: GDP là yếu tố quan trọng tác động đến hoạt động xuất khẩu. Vì vậy, nhóm tác giả đưa ra giả thuyết H 3 như sau:

H 3 : GDP của các tỉnh/thành có tác động đến xuất khẩu của các tỉnh/thành (Kỳ vọng + )

Cơ sở hạ tầng: là một trong những yếu tố quan trọng tác động đến hoạt động xuất khẩu của các địa phương. Kết quả nghiên cứu của Ismail và Mahyideen 31 , Fernandes và cộng sự 32 cho thấy: cơ sở hạ tầng là yếu tố tác động đến hoạt động xuất khẩu. Vì vậy, nhóm tác giả đề xuất giả thuyết H 4 như sau:

H 4 : Cơ sở hạ tầng có tác động đến xuất khẩu của cá c tỉnh/thành (Kỳ vọng + )

Thêm vào đó, kết quả nghiên cứu định tính cho thấy: thuế đánh vào doanh nghiệp xuất khẩu (bao gồm thuế nội địa và thuế xuất nhập khẩu) và chi phí lao động là 02 nhân tố tác động đến hoạt động xuất khẩu. Vì vậy, nhóm tác giả đề xuất giả thuyết H 5 và H 6 như sau:

H 5 : Thuế đánh vào doanh nghiệp xuất khẩu có tác động đến xuất khẩu của các tỉnh/thành (Kỳ vọng - )

H 6 : Chi phí lao động có tác động đến xuất khẩu của các tỉnh/thành (Kỳ vọng - )

Với mô hình (1) như trình bày ở trên, có thể viết cụ thể cho trường hợp nghiên cứu về xuất khẩu của Việt Nam ở cấp độ tỉnh/thành (sẽ được trình bày chi tiết ở phần dưới) như sau:

ở đây

Trong các tài liệu kinh tế lượng không gian, kiểm định (LR) - Likelihood Ratio, kiểm định (LM)- Lagrange Multiplier được dùng để kiểm định ý nghĩa của các hiệu ứng không gian ( ), (tức là kiểm định giả thuyết và các hiệu ứng thời gian ( ), (tức là của mô hình (7) . Tương tự, cũng thông qua kiểm định LR, LM và các kiểm định khác cũng được sử dụng để xem xét việc sử dụng mô hình (SDM) là phù hợp hơn đối với các mô hình (SLM) hay (SEM) hoặc là mô hình kinh tế lượng không gian khác ( 15 , 16 ). Mô hình (SDM) được áp dụng khi cả hai giả thuyết ( ) và ( ) đều bị bác bỏ. Mặt khác kiểm định Hausman được sử dụng để xem mô hình hiệu ứng cố định hay mô hình hiệu ứng ngẫu nhiên là phù hợp. Trong bài viết này, nhóm tác giả đã sử dụng phần mềm thống kê R để ước lượng hệ số của các mô hình, đây là một phần mềm miễn phí được sử dụng rộng rãi trên thế giới và đang bắt đầu được sử dụng trong các nghiên cứu tại Việt Nam.

Phương pháp nghiên cứu

Về quy trình nghiên cứu

Trong nghiên cứu này, nhóm tác giả sử dụng phương pháp nghiên cứu định tính kết hợp định lượng. Nghiên cứu định tính được thực hiện thông qua phỏng vấn sâu cùng 15 chuyên gia (03 nhà khoa học là các giảng viên có học vị tiến sỹ trở lên đang công tác tại các trường đại học, 07 nhà quản lý xuất khẩu đang làm việc tại Sở công thương các tỉnh thành, và 05 giám đốc các doanh nghiệp xuất khẩu) vào tháng 12/2018 để xác định các yếu tố tác động đến hoạt động xuất khẩu của các tỉnh/thành tại Việt Nam. Kết quả nghiên cứu cho thấy: (i) Một là, 15/15 chuyên gia đều thống nhất là hoạt động xuất khẩu của các tỉnh/thành chịu tác động bởi: hoạt động nhập khẩu, tổng vốn đầu tư, tổng sản phẩm quốc nội (GDP), cơ sở hạ tầng của các địa phương; (ii) Hai là, 12/15 chuyên gia cho rằng: bên cạnh các yếu tố trên còn 01 yếu tố: thuế đánh vào doanh nghiệp xuất khẩu (bao gồm thuế nội địa và thuế xuất nhập khẩu); (iii) Ba là, 10/15 chuyên gia cũng cho rằng: yếu tố chi phí lao động cũng có tác động đến hoạt động xuất khẩu của các địa phương.

Nghiên cứu định lượng được thực hiện thông qua ứng dụng mô hình kinh tế lượng không gian với bộ dữ liệu thứ cấp từ năm 2013 đến 2017 của các tỉnh thành của Việt Nam.

Về nguồn dữ liệu

Trong bài viết này nhóm tác giả sử dụng dữ liệu thứ cấp được trích xuất từ các nguồn khác nhau như: Niên giám thống kê của 63 tỉnh thành của Việt Nam 33 . Chi tiết về cách thức đo lường và nguồn dữ liệu của các biến trong mô hình được trình bày như Table 3 .

Table 3 Cách thức đo lường và nguồn của các biến trong mô hình
Tên biến Ký hiệu Định nghĩa biến Thời gian Kỳ vọng Nguồn
Xuất khẩu Xuatkhau Giá trị xuất khẩu của 63 tỉnh/thành của Việt Nam 2013 - 2017 Niêm giám thống kê của 63 tỉnh/thành của Việt Nam
Nhập khẩu Nhapkhau Giá trị xuất khẩu của 63 tỉnh thành của Việt Nam 2013 - 2017 + Niêm giám thống kê của 63 tỉnh/thành của Việt Nam
GDP GDP Tổng sản phẩm quốc nội của 63 tỉnh/thành của Việt Nam 2013 - 2017 + Niêm giám thống kê của 63 tỉnh/thành của Việt Nam
Vốn đầu tư Vondautu Tổng vốn đầu tư của 63 tỉnh/thành của Việt Nam 2013 - 2017 + Niêm giám thống kê của 63 tỉnh/thành của Việt Nam
Cơ sở hạ tầng Cosoht Thuê bao điện thoại bao gồm: cố định và di động của 63 tỉnh/thành của Việt Nam 2013 - 2017 + Niêm giám thống kê của 63 tỉnh/thành của Việt Nam
Chi phí lao động Chphld Chi phí lao động của 63 tỉnh thành của Việt Nam 2013 - 2017 - Niêm giám thống kê của 63 tỉnh/thành của Việt Nam
Thuế đánh vào doanh nghiệp xuất khẩu Thngsach Tổng thu ngân sách của 63 tỉnh thành của Việt Nam 2013 - 2017 - Niêm giám thống kê của 63 tỉnh/thành của Việt Nam

Kết quả nghiên cứu

Về kết quả thống kê mô tả các biến: Kết quả thống kê mô tả các biến quan sát chưa lấy logarit được trình bày như Table 4 .

Table 4 Kết quả thống kê mô tả các biến trong mô hình chưa lấy logarit
GDP Cosoht Thngsach Vondautu Chphld Nhapkhau Xuatkhau
Min 6332 27,7 2164 1988 25,60 0,1 0,1
1st Qu 26931 496,1 11508 10382 75,25 72,7 235,3
Median 43351 1081,7 17203 17991 106,30 364,6 607,3
Mean 88214 2573,2 29207 31853 167,74 2277,5 2350,0
3rd Qu 66211 1798,0 32692 31694 156,20 1279,8 1358,2
Max 1165197 44682,0 348892 365710 1632,20 32901,5 29331,2

Về kết quả ma trận hệ số tương quan giữa các biến trong mô hình

Kết quả ma trận hệ số tương quan giữa các biến trong mô hình được trình bày trong Table 5 cho thấy: các biến GDP, Vondautu , và Nhapkhau có tương quan cao với biến phụ thuộc Xuatkhau . Các biến tương quan trung bình với biến Xuatkhau Chphld , Cosoht và cuối cùng biến Thngsach có tương quan thấp với biến phụ thuộc so với các biến khác.

Table 5 Kết quả ma trận hệ số tương quan các biến trong mô hình
Log(GDP) log(Cosoht) log(Thngsach) log(Vondautu) log(Chphld) log(Nhapkhau) log(Xuatkhau)
log(GDP) 1,0000000 0,5482597 0,3212508 0,8031397 0,6825556 0,7679921 0,7797853
log(Cosoht) 0,5482597 1,0000000 0,3933709 0,5513113 0,6196428 0,4100993 0,4432960
log(Thngsach) 0,3212508 0,3933709 1,0000000 0,3480621 0,3216283 0,3947509 0,3141915
log(Vondatu) 0,8031397 0,5513113 0,3480621 1,0000000 0,6699258 0,7548944 0,7238052
log(Chphld) 0,6825556 0,6196428 0,3216283 0,6699258 1,0000000 0,7014652 0,6295374
log(Nhapkhau) 0,7679921 0,4100993 0,3947509 0,7548944 0,7014652 1,0000000 0,8549749
log(Xuatkhau) 0,7797853 0,4432960 0,3141915 0,7238052 0,6295374 0,8549749 1,0000000

Về kết quả kiểm định hiện tượng đa công tuyến

Để kiểm tra hiện tượng đa công tuyến trong mô hình, nhóm tác giả tiến hành kiểm tra hệ số phóng đại phương sai của các biến giải thích. Kết quả kiểm định được trình bày trong Table 6 cho thấy: Hệ số phóng đại phương sai của các biến độc lập có hệ số VIF < 10 vì vậy có thể kết luận rằng không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình.

Table 6 Kết quả kiểm tra hệ số VIF của các biến trong mô hình
Biến log(GDP) log(Nhapkhau) log(Cosoht) log(Thngsach) log(Vondautu) log(Chphld)
Hệ số VIF 3,740621 3,042148 1,832854 1,301499 5,249643 4,980069

Về kết quả ước lượng

Về kết quả ước lượng

Về kết quả ước lượng

Thảo luận và kết luận

Thảo luận kết quả nghiên cứu

Về kết quả tác động trực tiếp

Tác động trực tiếp (Direct Effect) đề cập đến việc các yếu tố từ mỗi địa phương sẽ tác động như thế nào đến mức độ xuất khẩu của chính nó. Mức độ xuất khẩu của một địa phương sẽ phụ thuộc vào GDP của địa phương đó. Một địa phương có GDP cao, sẽ có nhiều khả năng hỗ trợ cho việc xuất khẩu mang lại nhiều lợi nhuận hơn cho địa phương. Cụ thể, trong điều kiện các yếu tố khác không đổi khi GDP của tỉnh /thành tăng lên 1% thì tác động trực tiếp đến quy mô xuất khẩu của tỉnh tăng 0,39%, nhưng do tác động phản hồi (0,6%) của mức tác động này, nên tác động trực tiếp của GDP đến xuất khẩu trong tỉnh chỉ tăng trung bình 0,38%. Với các yếu tố khác không đổi, khi mức độ nhập khẩu của tỉnh tăng 1% thì quy mô xuất khẩu của tỉnh tăng khoảng 0,59%, đồng thời khi các nguồn vốn đầu tư của tỉnh tăng 1% thì quy mô xuất khẩu của tỉnh cũng tăng khoảng 0,23%, nghĩa là khi có nguồn vốn mạnh mẽ cho nhập khẩu và đầu tư cho các lĩnh vực xuấ t khẩu thì kéo theo quy mô xuất khẩu của địa phương tăng theo. Trong khi đó, thu ngân sách của tỉnh tăng 1% thì giá trị quy mô xuất khẩu giảm 0,23%, và nếu chi phí cho người lao động tăng 1% thì giá trị xuất khẩu cũng giảm 0,39% với các yếu tố khác không đ ổi. Yếu tố cơ sở hạ tầng phục vụ cho xuất khẩu không có ý nghĩa thống kê, có thể do dữ liệu hoặc ma trận trọng số không gian chưa phù hợp.

Về kết quả tác động gián tiếp

Tác động gián tiếp (Indirect Effect) có thể được xem như tác động của một yếu tố của các địa phương lân cận lên xuất khẩu một địa phương cụ thể. Cụ thể GDP, mức độ nhập khẩu, và vốn đầu tư của các địa phương lân cận có tác động dương lên quy mô xuất khẩu c ủa một địa phương cụ thể. Trong khi đó, hệ số ước lượng hai biến về thu ngân sách và chi phí cho tiền lương mang dấu trừ, điều này kéo theo một địa phương cụ thể phải tăng theo để thu hút lực lượng lao động có chất lượng tốt làm cho quy mô xuất khẩu giảm. Cụ thể, với các yêu tố khác không đổi khi GDP của các tỉnh lân cận tăng lên 1% thì tác động gián tiếp đến quy mô xuất khẩu của địa phương cụ thể tăng khoảng 0,11%. Khi mức độ nhập khẩu của các tỉnh lân cận tăng 1% và tác động gián tiếp đến xuất khẩu của đại phương cụ thể tăng 0,17% với các yếu tố khác không đổi. Và khi các nguồn vốn đầu tư của tỉnh lân cận tăng 1% thì tác động gián tiếp quy mô xuất khẩu của địa phương cụ thể tăng khoảng 0,07% trong các điều kiện khác không đổi. Trong khi đó khi thu ngân sác h, và chi phí cho người lao động của tỉnh tăng 1% thì giá trị quy mô xuất khẩu của địa phương cụ thể lần lượt bị giảm 0,05% và 0,09% với các yếu tố khác không đổi.

Về tổng tác động

Tổng tác động (Total Effect) là tổng của tác động trực tiếp và tác đ ộng gián tiếp. Tổng tác động được hiểu như sự thay đổi một yếu tố nào đó trong một địa phương sẽ tác động lên việc xuất khẩu của chính địa phương đó và những tỉnh lân cận. Cụ thể, GDP của địa phương, mức độ nhập khẩu, nguồn vốn đầu tư có tác động tích cực đến quy mô xuất khẩu của cả nước. Trong khi đó yếu tố thu ngân sách, và chi phí cho người lao động có tác động tiêu cực làm hạn chế quy mô xuất khẩu của cả nước.

Kết luận và hàm ý nghiên cứu

Mặc dù đã có rất nhiều nghiên cứu trong và ngoài nước về xuất khẩu Việt Nam nói chung và của các tỉnh/thành của Việt Nam nói riêng, nhưng vẫn chưa có nghiên cứu nào tại Việt Nam xem xét về tương quan giữa các tỉnh trong hoạt động xuất khẩu. Bài viết đã cung cấp thêm một hướng nghiên cứu mới về xuất khẩu của các tỉnh/thành tại Việt Nam thông qua mô hình hồi quy không gian. Kết quả nghiên cứu là một bằng chứng thực nghiệm cho thấy có sự tương quan giữa các tỉnh gần nhau (lân cận) trong hoạt động xuất khẩu, điều này có nghĩa là hoạt động xuất khẩu có tỉnh này có tác động đến hoạt động xuất khẩu của các tỉnh lân cận về mặt địa lý (tác động tích cực thông qua thúc đẩy). Kết quả nghiên cứu cũng cho thấy: xuất khẩu của các tỉnh/thành chịu tác động bởi: GDP (phù hợp với nghiên cứu của Abidin và cộng sự 30 ; Chou và cộng sự 18 ; Head và Mayer 7 ), giá trị nhập khẩu (phù hợp với nghiên cứu nghiên cứu của Balassa 24 ; Head và Mayer 7 ; Schott 26 ; Hwang và cộng sự 25 ), vốn đầu tư (phù hợp với nghiên cứu của Bjorvatn 27 ; Huy 28 ; Winters 29 ) và phí lao động (phù hợp với kết quả nghiên cứu định tính của nhóm tác giả). Chính vì vậy, một số hàm ý nhằm đẩy mạnh hoạt động xuất khẩu của các địa phương:

Một là, các tỉnh cần phối hợp trong việc thu hút lao lao động có chất lượng và tay nghề: (i) thông qua việc yêu cầu các t rường đại học trên địa bàn tỉnh/thành đổi mới chương trình giảng dạy gắn liền với thực tiễn; (ii) có chính sách khuyến khích doanh nghiệp tạo điều kiện cho sinh viên của các trường trên địa bàn tỉnh/thành của mình thực tập, học tập tại doanh nghiệp; (iii) tạo điều kiện hơn nữa nhằm thu hút các trung tâm anh ngữ nỗi tiếng thành lập trên địa bàn tỉnh nhằm đẩy mạnh hoạt động xuất khẩu của địa phương; (iv) có các chính sách đãi ngộ, thu hút thuyển dụng và sử dụng lao động phù hơp.

Hai là, Các tỉnh/thành đặc biệt là các tỉnh/thành lân cận cần phối hợp với nhau trong thu hút đầu tư (bao gồm cả đầu tư trong và ngoài nước) thông qua các chính sách hỗ trợ đầu tư, tạo môi trường đầu tư thuận lợi, cải cách các thủ tục hành chính đặc biệt là các thủ tục về thuế và hải quan nhằm đẩy mạnh hoạt động xuất khẩu của đia phương.

Tuy nhiên, đề tài cũng có một số hạn chế nhất định: (i) Trong bài viết này nhóm tác giả chỉ đưa vào mô hình nghiên cứu một loại ma trận trọng số không gian là ma trận tiếp giáp bậc một, do đó để có kết quả tốt hơn cần sự so sánh các mô hình với nhiều loại ma trận trọng số không gian khác nhau nhằm chọn lựa được ma trận trọng số không gian phù hợp nhất, và hơn nữa trong các nghiên cứu tiếp theo ngoài chỉ số Moran’s I toàn cầu thì cần xem xét thêm chỉ số Moran’s I địa phương để nhận biết cụ thể hơn nữa sự tương tác không gian giữa các địa phương với nhau; và (ii) đề tài chỉ đưa vào các yếu tố GDP, giá trị nhập khẩu, chi phí lao động, tổng vốn đầu tư trong các nghiên cứu tiếp theo có thể xem xét các yếu tố khác có thể tác động đến hoạt động xuất khẩu của địa phương như: cảng biển, chất lượng sản phẩm, loại sản phẩm các quốc gia khác yêu cầu v.v. và cần được đưa vào để kiểm định.

DANH MỤC TỪ VIẾT TẮT

GDP : Tổng sản phẩm quốc nội

Xuatkhau : Xuất khẩu   

Nhapkhau : Nhập khẩu   

Vondautu : Vốn đầu tư   

Cosoht : Cơ sở hạ tầng

Chphld : Chi phí lao động

Thngsach : Thuế đánh vào doanh nghiệp xuất khẩu

XUNG ĐỘT LỢI ÍCH

Nhóm tác giả xin cam đoan rằng không có bất kì xung đột lợi ích nào trong công bố bài báo.

ĐÓNG GÓP CỦA CÁC TÁC GIẢ

Nguyễn Văn Sĩ và Nguyễn Viết Bằng đã thực hiện tổng quan về xuất khẩu, nghiên cứu lý thuyết về hồi quy không gian, thu thập dữ liệu từ niêm giám thống kê của 63 tỉnh/thành tại Việt Nam. Nguyễn Văn Sĩ và Nguyễn Viết Bằng thực hiện viết bản thảo bài báo và chỉnh sửa theo các góp ý của các phản biện.

References

  1. J Tinbergen. Shaping the world economy Suggestions for an international economic policy. . 1962;:. Google Scholar
  2. H Linnemann. An econometric study of international trade flows. . 1966;:26-26. Google Scholar
  3. Anderson J E, Wincoop E V. Trade Costs. Journal of Economic Literature. 2004;42(3):691-751. Google Scholar
  4. Behrens K, Ertur C, Koch W. “Dual” Gravity: Using Spatial Econometrics to Control for Multilateral Resistance. Journal of Applied Econometrics. 2012;27(5):773-794. Google Scholar
  5. Helpman E, Krugman P. Trade Policy and Market Structure. . 1985;:. Google Scholar
  6. A Porojan. Trade Flows and Spatial Effects: The Gravity Model Revisited. Open Economies Review. 2001;12(3):265-280. Google Scholar
  7. K Head, T Mayer. Gravity Equations: Workhorse, Toolkit, and Cookbook. Chapter 3. Handbook of International Economics. 2014;4:131-195. Google Scholar
  8. L Anselin. Spatial econometrics: Methods and models. . 1988;:. Google Scholar
  9. R Tobler W. A Computer Movie Simulating Urban Grown in the Detroit Region. Economic Geography. 1970;46:234-240. Google Scholar
  10. Anselin L, Florax R J G M, Rey S J. Advances in Spatial Econometrics. Methodology, Tools and Applications. 2004;:. Google Scholar
  11. Elhorst J P, Vega S H. On spatial econometric models, spillover effects, and W. European Regional Science Association conference papers. . 2013;ersa13:222. Google Scholar
  12. H Baltagi B, Bh -. Econometric analysis of panel data. . 2015;:. Google Scholar
  13. H Baltagi B, Liu L. Testing for Random Effects and Spatial Lag Dependence in Panel Data Models. Statistics and Probability Letters. 2008;78:3304-3306. Google Scholar
  14. Baltagi B, Song S H, Koh W. Testing panel data regression models with spatial error correlation. Journal of Econometrics. 2003;117(1):123-150. Google Scholar
  15. P Elhorst J. Specification and Estimation of Spatial Panel Data Models. International Regional Science Review. 2003;26(3):244-268. Google Scholar
  16. P Elhorst J. Applied Spatial Econometrics: Raising the Bar. Spatial Economic Analysis. 2010;5(1):9-28. Google Scholar
  17. Kapoor M, Kelejian H H, Prucha I. Panel data models with spatially correlated error components. Journal of Econometrics. 2007;140(1):97-130. Google Scholar
  18. Chou K H, Chen C H, Mai C C. Factors Influencing Chinas Exports with a Spatial Econometric Model. The International Trade Journal. 2015;29(3):191-211. Google Scholar
  19. Vega S H, Elhorst J P. The SLX Model. Journal of Regional Science. 2015;55(3):339-363. Google Scholar
  20. Geary R C. The Contiguity Ratio and Statistical Mapping. The Incorporated Statistician. 1954;5(3):115-145. Google Scholar
  21. P Moran P A. Notes on Continuous Stochastic Phenomena. Biometrika. 1950;37(1):17-23. Google Scholar
  22. Coughlin C, Segev E. Foreign Direct Investment in China: A Spatial Econometric Study. The World Economy. 2000;23(1):1-23. Google Scholar
  23. LeSage J, Pace R K. Introduction to Spatial Econometrics. CRC Press, Chapman and Hall Book. . 2009;:. Google Scholar
  24. B Balassa. Exports and Economic Growth: Further Evidence. Journal of Development Economics. 1978;5(2):181-189. Google Scholar
  25. Hwang H, Mai C C, Ohta H. Export Subsidies, Cost Differential and Product Quality. Pacific Economic Review. 2010;15(1):32-41. Google Scholar
  26. P Schott. U.S. Manufacturing Exports and Imports by SIC or NAICS Category and Partner Country, 1972 to 2005. . 2010;:1-4. Google Scholar
  27. K Bjorvatn. Economic Integration and the Profitability of Cross-Border Mergers and Acquisitions. European Economic Review. 2004;48(6):1211-1226. Google Scholar
  28. N Huy Q. Determinants of Vietnam's exports: An application of the gravity model. Journal of Asian Business and Economic Studies. 2018;25(1):103-116. Google Scholar
  29. L Winters. Separability and the Modelling of International Economic Integration: U.K. Exports to Five Industrial Countries. European Economic Review. 1985;27(3):335-353. Google Scholar
  30. Abidin I S Z, Bakar N A A, Sahlan R. The Determinants of Exports between Malaysia and the OIC Member Countries: A Gravity Model Approach. Procedia Economics and Finance. 2013;5:12-19. Google Scholar
  31. Ismail N W, Mahyideen J M. The Impact of Infrastructure on Trade and Economic Growth in Selected Economies in Asia. ADBI Working Paper 553. . 2015;:. Google Scholar
  32. Fernandes A M, Mattoo A, Nguyen H, Schiffbauer M. The internet and Chinese exports in the pre-ali baba era. Journal of Development Economics. 2019;138(C):57-76. Google Scholar
  33. Cục thống kê của 63 tỉnh thành.Niêm giám thống kê của 63 tỉnh/thành của Việt Nam. . 2018;:. Google Scholar


Author's Affiliation
Article Details

Issue: Vol 3 No 3 (2019)
Page No.: 270-282
Published: Dec 31, 2019
Section: Research article
DOI: https://doi.org/10.32508/stdjelm.v3i3.567

 Copyright Info

Creative Commons License

Copyright: The Authors. This is an open access article distributed under the terms of the Creative Commons Attribution License CC-BY 4.0., which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.

 How to Cite
Van Si, N., & Viet Bang, N. (2019). An application of the spatial regression model for Vietnam’s export: province-level approach. Science & Technology Development Journal - Economics - Law and Management, 3(3), 270-282. https://doi.org/https://doi.org/10.32508/stdjelm.v3i3.567

 Cited by



Article level Metrics by Paperbuzz/Impactstory
Article level Metrics by Altmetrics

 Article Statistics
HTML = 82 times
Download PDF   = 30 times
View Article   = 0 times
Total   = 30 times