Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.5 MB, 97 trang )
53
làm đại diện cho nó.
-
Biến Thương lượng tập trung (CCB): Định nghĩa: chỉ số 'thương lượng
tập trung tập thể' của EFW, có giá trị từ 0 (tập trung ít nhất) và 1 (tập trung nhiều
nhất). Lý thuyết kinh tế lao động cho thấy rằng các tổ chức cứng nhắc hơn bình
thường làm tăng tỷ lệ thất nghiệp. Ví dụ, thương lượng tập trung có khả năng tăng
cường sức mạnh đoàn, dẫn đến việc tăng lương và cơ cấu lương quá mức, cả hai lần
lượt làm tăng thất nghiệp (Calmfors, 1993; McHugh, 2002).
-
Biến dòng vốn FDI vào và ra (FDIin, FDIout): Định nghĩa: Dòng vốn
ròng đầu tư trực tiếp (vào, ra) nước ngoài. Tác giả kiểm soát tác động của FDI, cả
dòng vốn ròng vào và ra. Trong khi đó, dòng vốn ròng vào thường được dự kiến sẽ
giảm tỷ lệ thất nghiệp, dòng vốn ròng đi ra có thể tác động tích cực hoặc tiêu cực
lên thị trường lao động (ví dụ, Blomstrom, Fors, & Lipsey, 1997; Lipsey, Sjöholm,
& Sun, 2010).
-
Biến GDP bình quân đầu người (GDPCa): Định nghĩa: Tổng sản phẩm
quốc gia bình quân đầu người, quy đổi theo tỷ giá ngang giá sức mua. Tác giả cũng
sử dụng ‘GDP bình quân đầu người’ trong tất cả các mô hình hồi quy vì hai lý
do. Đầu tiên, do sự khác biệt rất lớn trong phát triển kinh tế và tác động tiềm năng
của nó đối với tình trạng thất nghiệp. Thứ hai, để đảm bảo rằng ‘tập trung ngân
hàng’ không làm đại diện cho trình độ phát triển kinh tế. Lý do sau quan trọng vì
mức độ tập trung hệ thống ngân hàng có thể liên kết một cách hệ thống với mức độ
phát triển kinh tế. Tuy nhiên, trong mẫu của tác giả, hệ số tương quan giữa hai biến
là nhỏ và không có ý nghĩa thống kê.
-
Biến tỷ lệ thuế thu nhập biên (Itax): Định nghĩa: chỉ số 'Thuế suất cận
biên' của EFW có giá trị giữa 0 và 1, với giá trị cao hơn cho thấy mức thu nhập biên
và thuế suất biên cao hơn. Thuế lao động cao hơn làm tăng thất nghiệp vì làm tăng
chi phí tiền lương và giảm lương ròng của nhân viên.
-
Biến tỷ lệ lạm phát (INF): Định nghĩa: Thay đổi hàng năm của chỉ số
giá tiêu dùng. Tỷ lệ lạm phát cao làm sai lệch tín hiệu giá và giá tương đối, cản trở
việc phân bổ hiệu quả nguồn lực. Hơn nữa, khi đánh thuế lợi nhuận chủ yếu trên cơ
54
sở danh nghĩa, thu thuần thực sự của doanh nghiệp từ đầu tư giảm trong môi trường
lạm phát. Vì vậy, đầu tư và tăng trưởng kinh tế có xu hướng giảm trong dài hạn, tỷ
lệ thất nghiệp tăng. Ngoài ra, nếu tiền lương cứng danh nghĩa giảm, lạm phát có thể
theo sự xuất hiện của những cú sốc, tạo thuận lợi điều chỉnh tiền lương thực tế, giảm
thất nghiệp. Thật vậy, có bằng chứng cho mối quan hệ qua lại vĩnh viễn giữa lạm
phát và thất nghiệp: tỷ lệ lạm phát vừa phải tại Hoa Kỳ (Akerlof, Dickens và Perry,
1996, 2000; Groshen & Chweitzer, 1999) và các nước công nghiệp khác
(Wyplosz, 2001). Tương tự như vậy, bằng cách sử dụng dữ liệu trên diện mẫu rộng
của các nước công nghiệp và đang phát triển, Feldmann (2010) thấy rằng lạm phát
cao có tương quan với thất nghiệp ít.
-
Biến Chênh lệch sản lượng (Ogap): Định nghĩa: Sự khác biệt giữa GDP
thực tế và GDP tiềm năng. GDP tiềm năng được tính bằng cách tính toán xu hướng
thành phần của GDP, sau đó thu được bằng cách sử dụng lọc Hodrick-Prescott (λ=
6.25). Bởi vì thất nghiệp chịu tác động mạnh bởi các điều kiện theo chu kỳ, nên tác
giả sử dụng các biến chênh lệch sản lượng.
-
Biến mở cửa (Open): Định nghĩa: Tỷ lệ xuất khẩu và nhập khẩu hàng
hóa và dịch vụ trong GDP. Tác giả bổ sung kiểm soát các tác động của mở cửa
thương mại vì: Một mặt, sự cởi mở hơn trong thương mại có thể dẫn đến phân bổ
lao động quốc tế hiệu quả hơn, giảm tỷ lệ thất nghiệp (Grossman & Rossi-Hansberg,
2008; Felbermayr, Prat, & Schmerer, 2011). Mặt khác, do sự cạnh tranh nhập khẩu
khó khăn hơn, hay tác động bất lợi cho những công nhân có tay nghề thấp, có thể
làm tăng tỷ lệ thất nghiệp, ít nhất là trong giai đoạn chuyển tiếp (OECD 2007).
-
Biến nhân khẩu học (0-14; 65+): Định nghĩa: Tỷ lệ dân số trong độ tuổi
từ 0-14 và từ 65 tuổi trở lên trong tổng số dân số. Tác giả bổ sung sử dụng hai biến
nhân khẩu học, đo tỷ trọng người trẻ và già trong dân số. Tỷ trọng khác nhau trong
mẫu của tác giả, tỷ trọng của một trong hai độ tuổi già hay trẻ đều có thể làm tăng
tỷ lệ thất nghiệp bởi vì cả hai nhóm này thường có nhiều khó khăn khi tìm việc làm.
-
Biến Lãi suất thực tế (RIR) : Định nghĩa: Lãi suất cho vay được điều
chỉnh theo lạm phát được đo bằng chỉ số giảm phát GDP. Tác giả kiểm soát tác động
55
của lãi suất thực vì lãi suất thực tăng làm giảm đầu tư và nhu cầu lao động, tăng tỷ
lệ thất nghiệp. Thật vậy, có bằng chứng thực nghiệm cho cả nước công nghiệp và
đang phát triển rằng lãi suất thực tế cao hơn làm tăng tỷ lệ thất nghiệp (Ví
dụ, Feldmann, 2012b; Fitoussi, Jestaz, Phelps, & Zoega, 2000 )..
-
Biến Hoạt động thị trường chứng khoán (SMA): Định nghĩa: Giá trị
của cổ phiếu được giao dịch trên sàn giao dịch chứng khoán trong nước.
-
Biến Căng thẳng sắc tộc (ET): Định nghĩa: thành phần ‘căng thẳng sắc
tộc’ của International Country Risk Guide, cho thấy mức độ căng thẳng trong một
quốc gia do bộ phận chủng tộc, quốc tịch, hoặc ngôn ngữ. Thang đánh giá nằm trong
khoảng 0-1. Xếp hạng cao hơn khi quốc gia có căng thẳng chủng tộc và quốc tịch
rất cao vì các nhóm đối lập cố chấp và không sẵn sàng thỏa hiệp. Xếp hạng thấp hơn
được trao cho các quốc gia mà căng thẳng là tối thiểu, mặc dù sự khác biệt như vậy
vẫn có thể tồn tại. Trong một nghiên cứu trước, tác giả sử dụng một mẫu lớn của
các nước công nghiệp và đang phát triển, kết quả cho rằng phân chia sắc tộc làm gia
tăng thất nghiệp, có thể là do việc phân chia căng thẳng làm giảm hiệu quả của thị
trường lao động ( Feldmann, 2012c ).
Trong mẫu của tác giả không thấy trong năm biến kiểm soát lĩnh vực tài chính có
tương quan với ‘tập trung ngân hàng’. Thay vào đó, hệ số tương quan giữa biến này
có kích thước nhỏ tuyệt đối và không đáng kể về mặt thống kê.
56
Bảng 4.1: Tổng hợp các nghiên cứu về các biến kiểm soát ảnh hưởng tỷ lệ
thất nghiệp dùng trong mô hình thực nghiệm.
Biến
Chiều tác động Tác giả
Bcre
Ngược chiều
(Mwalungo, 2011), (Miguel Ángel, Francisco,
Victor Hugo, 2014), (Lorenzo và cộng sự, 2010)
Cùng chiều
(Jason và cộng sự, 2015)
CMR
Cùng chiều
(Acemoglu, 2011), (Feldmann, 2006)
BBC
Cùng chiều
(McHugh, 2002), (Calmfors,1999)
ET
Cùng chiều
(Feldmann, 2012c).
FDIout
Cùng chiều
(Lipsey, Sjöholm, & Sun, 2010).
Ngược chiều
(Blomström, Fors & Lipsey, 1997), (Lipsey,
Eric, Magnus Blom, 2002)
GDPCa
Ngược chiều
(Rahman-2013), (Ali, Maryam, 2011)
Itax
Cùng chiều
(Boeri & van Ours, 2008), (Daveri & Tabellini,
2000).
INF
Cùng chiều
(Miguel Ángel, Francisco & Victor Hugo, 2014)
Ngược chiều
(Akerlof, Dickens & Perry, 1996, 2000), (Groshen
& Schweitzer, 1999), (Wyplosz, 2001), (Akerlof,
Dickens, & Perry, 1996), (Akerlof, Dickens &
Perry, 2000), (Groshen & Schweitzer, 1999),
(Wyplosz, C. - 2001), (Feldmann, 2010).
Open
Ngược chiều
(Grossman,
&
Rossi-Hansberg,
(Felbermayr, Prat & Schmerer, 2011).
2008),
57
0-14, 65+
Cùng chiều
OECD, 2007
Cùng chiều
Labor Force Statistics from the Current Population
Survey, (Douglas & William, 1989)
RIR
Cùng chiều
(Feldmann, 2012b), (Fitoussi và cộng sự, 2000).
SMA
Ngược chiều
(Farzad Farsio, Shokoofeh Fazel - 2013), (Jesús &
AbderrahimTaamouti, 2011)
Nguồn tổng hợp từ tác giả
4.1.2 Mô hình thực nghiệm
Trong bài nghiên cứu “Banking system concentration and unemployment in
developing countries” của Horst Feldmann thực hiện năm 2015 nghiên cứu tập trung
ngân hàng ảnh hưởng như thế nào đến tình trạng thất nghiệp của các quốc gia đang
phát triển thông qua các mối quan hệ dựa vào các nghiên cứu trước đây. Rất phù hợp
với mục tiêu nghiên cứu trong luận văn nên tác giả đã dựa vào 3 mô hình tiến hành
kiểm định: mô hình tác động cố định (Fixed effects model) FEM, kiểm định các mối
quan hệ bằng cách áp dụng phương pháp hồi quy tuyến tính cổ điển OLS (phương
pháp bình phương tối thiểu) để ước lượng đối chiếu, sử dụng biến công cụ (Istrument
variable) để giải quyết hiện tượng nội sinh do biến trễ (tác giả sử dụng mô hình dữ
liệu bảng động - Dynamic Panel Data) thông qua phương pháp hồi quy 2 giai đoạn
(Two Stage Least Square – 2SLS) và phương pháp moment tổng quát (Generalized
Least Square - GMM) cho bộ dữ liệu được thu thập trong mô hình tiến hành nghiên
cứu thực nghiệm tập trung ngân hàng ảnh hưởng đến tình trạng thất nghiệp ở các
quốc gia thành viên APEC.
Mô hình hồi quy hai giai đoạn như sau:
Bước hai:
𝑼𝒊,𝒕 = 𝜷𝟏 𝑩𝒊,𝒕 + 𝜷𝟐 𝑿𝒊,𝒕 + 𝜶𝒊 + 𝝀𝒕 + 𝜺𝒊,𝒕
Bước một:
58
𝑠
𝑩𝒊,𝒕 = ∑ 𝜷𝟑 (𝑩𝒊,𝒕−𝒔 − 𝑩𝒊,𝒕−𝒔−𝟏 ) + 𝜷𝟒 𝑿𝒊,𝒕 + 𝜸𝒊 + 𝜿𝒕 + 𝜼𝒊,𝒕
𝑠=1
Trong đó:
𝑼𝒊,𝒕 : là biến phụ thuộc thể hiện tỷ lệ thất nghiệp của nước i vào năm thứ t,
được đo lường theo tiêu chuẩn quốc tế: bằng tỷ lệ số người không có việc làm trên
tổng lực lượng lao động
B là biến độc lập nhằm xem xét cường độ tập trung ngân hàng ảnh hưởng đến
tỷ lệ thất nghiệp như thế nào, được đo lường bằng tỷ trọng tài sản của ba ngân hàng
lớn nhất trong tổng tài sản hệ thống ngân hàng.
X là vector các biến kiểm soát (như đã trình bày ở phần biến phụ thuộc ở trên
trừ biến tập trung ngân hàng).
Quốc gia cố định những ảnh hưởng trong hồi quy giai đoạn hai và giai đoạn
đầu tiên tương ứng là 𝜶𝒊 và 𝜸𝒊 , nhằm kiểm soát đối với các tác động của các đặc điểm
quốc gia cụ thể mà không quan sát được.
Năm cố định những ảnh hưởng tương ứng với giai đoạn hai và giai đoạn đầu
tiên là 𝝀𝒕 và 𝜿𝒕 , nhằm kiểm soát các tác động của các cú sốc được phổ biến trên khắp
nước. Và sai số tương ứng là 𝜺𝒊,𝒕 và 𝜼𝒊,𝒕
Tác giả dùng biến 'tập trung ngân hàng’ để trích xuất các thành phần ngoại
sinh. Các công cụ được lùi lại so với biến công cụ ba năm trước. Chênh lệch độ trễ
của các biến công cụ đã được kiểm định là hợp lệ.
4.2
Ưu điểm phương pháp nghiên cứu.
Ưu điểm của mô hình GMM so với mô hình ước lượng biến công cụ đó là
mô hình GMM dễ dàng chọn các biến công cụ hơn bởi vì sử dụng các biến ngoại sinh
ở khoảng thời gian khác hoặc lấy độ trễ của các biến có thể sử dụng như biến công
cụ cho các biến nội sinh tại thời điểm hiện tại. Do đó, GMM đã đưa ra nhiều biến
công cụ để có thể dễ dàng đạt được điều kiện của một biến công cụ chuẩn
(Overidentification of Estimators). Hơn nữa, ước lượng Arellano và Bond còn phù
59
hợp với các dữ liệu bảng ngắn; do đó, phương pháp GMM được giới thiệu bởi
Arellano và Bond (1991) sẽ dược sử dụng.
Các ưu điểm của dữ liệu bảng so với dữ liệu theo chuỗi thời gian và không
gian, theo Baltagi:
-
Vì dữ liệu bảng liên quan đến các cá nhân, doanh nghiệp, tiểu bang, đất
nước, v.v… theo thời gian, nên nhất định phải có tính dị biệt (không đồng nhất) trong
các đơn vị này. Kỹ thuật ước lượng dữ liệu bảng có thể chính thức xem xét đến tính
dị biệt đó bằng cách xem xét các biến số có tính đặc thù theo từng cá nhân, được trình
bày ngay sau đây. Ta sử dụng thuật ngữ cá nhân theo ý nghĩa chung bao gồm các đơn
vị vi mô như các cá nhân, các doanh nghiệp, tiểu bang, và đất nước.
-
Thông qua kết hợp các chuỗi theo thời gian của các quan sát theo không
gian, dữ liệu bảng cung cấp “những dữ liệu có nhiều thông tin hơn, đa dạng hơn, ít
cộng tuyến hơn giữa các biến số, nhiều bậc tự do hơn và hiệu quả hơn.
-
Thông qua nghiên cứu các quan sát theo không gian lặp lại, dữ liệu bảng
phù hợp hơn để nghiên cứu tính động của thay đổi. Tình trạng thất nghiệp, luân
chuyển công việc, và tính lưu chuyển lao động sẽ được nghiên cứu tốt hơn với dữ
liệu bảng.
-
Dữ liệu bảng có thể phát hiện và đo lường tốt hơn những ảnh hưởng mà
không thể quan sát trong dữ liệu chuỗi thời gian thuần túy hay dữ liệu chéo theo
không gian thuần túy. Ví dụ, ảnh hưởng của luật tiền lương tối thiểu đối với việc làm
và thu nhập có thể được nghiên cứu tốt hơn nếu chúng ta xem xét các đợt gia tăng
tiền lương tối thiểu liên tiếp nhau trong mức lương tối thiểu của liên bang và (hoặc)
tiểu bang.
-
Dữ liệu bảng giúp ta nghiên cứu những mô hình hành vi phức tạp hơn. Ví
dụ, các hiện tượng như lợi thế kinh tế theo qui mô và thay đổi kỹ thuật có thể được
xem xét thông qua dữ liệu bảng tốt hơn so với dữ liệu theo chuỗi thời gian thuần túy
hay theo không gian thuần túy.
-
Bằng cách thu thập những số liệu có sẵn cho vài nghìn đơn vị, dữ liệu bảng
có thể tối thiểu hóa sự thiên lệch có thể xảy ra nếu ta tổng hợp các cá nhân hay các
60
doanh nghiệp thành số liệu tổng.
Nói vắn tắt, dữ liệu bảng có thể giúp chúng ta phân tích thực nghiệm theo
những cách thức mà không chắc có thể đạt được nếu ta chỉ sử dụng các dữ liệu theo
chuỗi thời gian hay không gian thuần túy.
4.3
Dữ liệu và mẫu quan sát
4.3.1 Thu thập và xử lý dữ liệu
Dựa vào mô hình được trình bày ở phần 4.1.2, tác giả tiến hành thu thập dữ
liệu phục vụ cho việc ước tính kết quả nghiên cứu cho phần 4.4. Bài nghiên cứu được
thực hiện trên các quốc gia là thành viên của tổ chức APEC và giai đoạn nghiên cứu
là từ năm 1996 đến năm 2014. Dữ liệu thống kê trong bài được thu thập và tổng hợp
để tính toán các biến độc lập và biến phụ thuộc trong hai mô hình thực nghiệm được
lấy từ IMF, ILO và World Bank. Dữ liệu trong bài nghiên cứu là dạng dữ liệu bảng
động (Dynamic panel data). Cụ thể:
Bảng 4.2 : Nguồn dữ liệu
Biến quan sát
Nguồn
BC, BCre, SMA
Beck và cộng sự (2012)
BBC, CMR, Itax, RIT
Gwartney và Lawson (2009)
ET
PRS Group (2009)
FDIin, FDIout, GDPCa, INF, Open, World Bank
Ogap, 0-14, 65+, RIR,
UR
ILO, World Bank
Nguồn: tổng hợp từ tác giả
Trong quá trình thu thập dữ liệu, các quốc gia không đủ dữ liệu sẽ được loại
bỏ (Đài Loan). Do đó, sau khi giới hạn lại, mẫu của bài nghiên cứu còn lại 20 quốc
61
gia tương đương 381 quan sát. Dữ liệu thất nghiệp tác giả lấy từ chỉ số cơ bản của
ILO (2009). Được dựa trên các cuộc điều tra lực lượng lao động và do đó không đề
cập đến tỷ lệ thất nghiệp đã đăng ký. Thay vào đó chúng được dựa trên một tiêu chuẩn
quốc tế để xác định những người thất nghiệp là tất cả những người ở trên một độ tuổi
cụ thể, trong thời gian tham khảo, hiện đang sẵn sàng cho công việc nhưng không có
việc làm, và đang tìm việc làm. Mặc dù bảo hiểm thất nghiệp ở các quốc gia có thể
khác nhau vì nó liên quan đến các yếu tố như giới hạn độ tuổi và tiêu chí tìm việc
làm, ILO đã thực hiện nỗ lực rất lớn để có thể so sánh giữa các quốc gia. Ví dụ, đối
với giới hạn tuổi, gần như tất cả các quốc gia trình bày trong bài này đề cập đến nhóm
15 tuổi trở lên. Hơn nữa, ILO đã 'làm sạch' tất cả các chuỗi thời gian quốc gia để loại
bỏ vi phạm trong chuỗi. Do đó những dữ liệu có thể so sánh theo thời gian. Mặc dù
số liệu thất nghiệp của ILO không hoàn toàn hài hòa giữa các nước, nhưng nó hài hòa
hóa đến một mức độ lớn.
Trong bài nghiên cứu của Horst Feldmann, mô hình kiểm định các yếu tố tác
động đến thất nghiệp có sử dụng biến Quy tắc giao dịch vốn được thu thập theo tính
toán của Ostry. Tuy nhiên, do điều kiện dữ liệu của các nước APEC chưa thể tiến
hành tính toán như vậy nên tác giả loại biến này khỏi mô hình thực nghiệm của mình.
Các biến luật bảo vệ lao động, lương tối thiểu, quy tắc thị trường sản phầm, trợ cấp
thất nghiệp, chiến tranh khi đưa vào mô hình hồi quy thì số quan sát rất thấp nên tác
giả cũng loại các biến này khỏi mô hình.
4.3.2 Sự phù hợp của kích thước mẫu
Mẫu của bài nghiên cứu 21 quốc gia, giai đoạn 19 năm 1996 – 2014, tương
đương 381 quan sát với dữ liêụ bảng. Theo Baltagi dữ liệu này chưa là macro panel
data, tuy nhiên mẫu với 381 quan sát là một cỡ mẫu lớn đối với hàm hồi quy trong
thống kê. Do đó kết quả nghiên cứu từ mô hình hồi quy có thể chấp nhận được về độ
tin cậy. Hơn nữa, thời gian kiểm tra bao gồm các cuộc khủng hoảng tài chính toàn
cầu gần đây, kết quả của nghiên cứu này có thể cung cấp một cái nhìn toàn diện về
tình hình thất nghiệp, tập trung ngân hàng của các quốc gia trong khu vực này.
62
Dựa vào mô hình của Horst Feldmann được trình bày ở trên cùng với bộ dữ
liệu được thu thập cho phù hợp với đặc điểm các biến và mô hình, tác giả tiến hành
thực hiện kiểm định mô hình bằng phần mềm Stata 11 ở phần 4.4.
4.4
Kết quả thực nghiệm
4.4.1 Thống kê mô tả các biến trong mô hình
Sau khi thu thập và tính toán dữ liệu, kết quả trình bày theo bảng thống kê mô
tả trong bảng 4.4.1 dưới đây. Kết quả chỉ ra phạm vi, giá trị trung bình và độ lệch
chuẩn của các biến sử dụng trong nghiên cứu này.
Bảng 4.3: Thống kê mô tả các biến
Biến quan
Độ lệch
Trung bình
UR
360
5.031389
2.379974
0.7
13.3
0-14
380
24.48337
7.508585
11.71126
40.6071
65+
380
8.692577
4.539005
2.435003
25.789
FDIout
161
3.960294
7.335665
-4.71824
43.0508
FDIin
366
2.99E+10
6.05E+10
-2.51E+10
3.48E+11
Ogap
380
1.38E+12
2.70E+12
-4.61E+11
1.44E+13
Open
365
105.6925
98.61596
18.75639
455.2767
GDPCa
379
16944.3
16104.84
337.05
67511.8
INF
378
4.971163
7.960742
-22.0914
75.2713
RIR
373
4.761219
7.029391
-24.6002
69.2765
CCB
87
7.408391
0.914736
5.18
9.03
CMR
93
8.081935
1.381373
4.01
9.98
Itax
93
6.290323
1.8287
1.5
10
BCre
297
73.71476
46.3304
7.77
198.05
BC
239
61.10763
21.22091
21.39901
100
SMA
275
69.69741
98.82091
0.04
726.54
ET
320
4.226823
1.251656
2
6
sát
chuẩn
Nhỏ nhất
Lớn
Số quan sát
nhất
Nguồn: Kết quả truy xuất từ Stata11 dựa trên số liệu tác giả thu thập với cỡ
mẫu gồm 381 quan sát của 21 quốc gia trong giai đoạn 1996 – 2014
63
Kết quả phân tích thống kê mô tả giữa các biến trong mô hình theo bảng 4.1
cho thấy, trong mô hình cho thấy các biến có độ lệch chuẩn chênh lệch khá lớn so với
trung bình. Dữ liệu không đồng đều ở các biến. Cỡ mẫu nghiên cứu gồm 381 quan
sát, là cỡ mẫu tương đối trong thống kê. Dữ liệu đầu vào phù hợp thực hiện hồi quy.
4.4.2 Kết quả hồi quy
Dựa vào bộ dữ liệu được thu thập dưới dạng dữ liệu bảng từ năm 1996 đến
năm 2014 theo dạng dữ liệu bảng động (Dynamic panel-data) đã được mô tả ở chương
3. Tác giả sẽ tiến hành kiểm định mô hình trên phần mềm thống kê Stata11.
4.4.2.1 Ma trận tương quan giữa các biến
Hệ số tương quan dùng để chỉ mối quan hệ giữa các biến trong mô hình. Dựa
vào kết quả ma trận tương quan, tác giả sẽ phân tích mối tương quan giữa các biến
phụ thuộc với các biến độc lập trong mô hình và mối tương quan giữa các biến độc
lập với nhau.
Bảng 4.4: Bảng ma trận hệ số tương quan giữa các biến
BC
BCre
CMR
CCB
RIR
INF
Open
Ogap
GDPCa
014
Biến
UR
UR
1.00
BC
-0.14
1.00
BCre
-0.38
0.24
1.00
CMR
-0.27
0.06
0.23
1.00
CCB
0.03
0.13
0.32
0.07
1.00
RIR
-0.09
0.30
-0.05
0.09
0.08
1.00
INF
0.43
-0.28
-0.54
-0.38
-0.15
-0.54
1.00
Open
-0.24
0.32
0.33
0.24
0.38
-0.04
-0.16
1.00
Ogap
-0.03
-0.44
0.01
0.11
0.25
-0.02
-0.20
-0.32
1.00
GDPCa
-0.10
0.04
0.49
0.45
0.45
0.02
-0.45
0.11
0.53
1.00
0-14
0.18
0.09
-0.60
-0.14
-0.51
0.26
0.19
-0.17
-0.27
-0.64
1.00
65+
-0.03
-0.23
0.46
0.19
0.42
-0.17
-0.21
-0.15
0.41
-0.72
0.86
Nguồn: Kết quả truy xuất từ Stata11 dựa trên số liệu tác giả thu thập với cỡ mẫu gồm
381 quan sát của 21 quốc gia trong giai đoạn 1996 – 2014
Theo Gujarati (2004), ông cho rằng để loại trừ vấn đề đa cộng tuyến, cần
65+
1.00