CHƯƠNG 4: PHƯƠNG PHÁP, DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU

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