Tổng quan về tỷ lệ thất nghiệp
Định nghĩa
Thất nghiệp, theo Tổ chức Hợp tác và Phát triển Kinh tế (OECD), được định nghĩa là những người trong độ tuổi lao động không có việc làm, sẵn sàng làm việc và đã thực hiện các bước cụ thể để tìm kiếm việc làm Định nghĩa thống nhất này giúp tạo ra các ước tính về tỷ lệ thất nghiệp có thể so sánh trên quy mô quốc tế, vượt trội hơn so với các ước tính dựa trên định nghĩa quốc gia Tỷ lệ thất nghiệp được đo bằng phần trăm số người thất nghiệp trong lực lượng lao động, thường biến động theo mùa Lực lượng lao động bao gồm tổng số người thất nghiệp và số người có việc làm.
Tỷ lệ thất nghiệp là một chỉ số quan trọng để dự đoán sự phát triển của nền kinh tế, được tính bằng cách chia số người thất nghiệp cho tổng số người trong lực lượng lao động.
Tỷ lệ thất nghiệp = Số ngườ i thất nghiệp
Tỷ lệ thất nghiệp tự nhiên
Tỷ lệ thất nghiệp tự nhiên là mức thất nghiệp bình thường có mặt trong thị trường lao động ngay cả khi đạt trạng thái cân bằng, do các yếu tố khách quan và kéo dài theo thời gian Có bốn loại thất nghiệp tự nhiên cần được nhận diện.
Thất nghiệp do ma sát xảy ra khi người lao động cần thời gian để tìm kiếm công việc phù hợp với sở thích và kỹ năng của họ.
Thất nghiệp cơ cấu xảy ra khi có sự không phù hợp giữa kỹ năng của người lao động và yêu cầu của thị trường lao động Điều này dẫn đến việc không thể cung cấp đủ việc làm cho những người lao động đang tìm kiếm cơ hội, do đó, kỹ năng cần thiết cho các công việc không khớp với kỹ năng của người thất nghiệp.
+ Thất nghiệp theo mùa: xảy ra ở những công việc thời vụ đòi hỏi phải làm việc trong những thời điểm nhất định trong năm.
Thất nghiệp cổ điển xảy ra khi mức lương thực tế cho một công việc cao hơn mức lương trung bình của thị trường, dẫn đến số lượng người tìm việc vượt quá số vị trí tuyển dụng.
Cơ sở lý luận về các yếu tố ảnh hưởng tới tỷ lệ thất nghiệp
Dân số
Theo lý thuyết Malthusian, sự gia tăng tỷ lệ sinh sẽ dẫn đến sự gia tăng dân số theo cấp số nhân Malthus (1798) cho rằng các yếu tố hạn chế như bệnh tật và điều kiện sống kém có thể làm chậm lại tốc độ tăng dân số Ông cảnh báo rằng sự gia tăng dân số không được kiểm soát sẽ dẫn đến tỷ lệ thất nghiệp cao hơn Nhìn chung, dân số đông có thể làm tăng tỷ lệ thất nghiệp trong nền kinh tế.
Số lượng và chất lượng nguồn nhân lực chịu ảnh hưởng bởi quy mô, cơ cấu và chất lượng dân số Các quốc gia có dân số lớn thường sở hữu nguồn nhân lực phong phú hơn Cơ cấu dân số theo độ tuổi cũng quyết định quy mô và cấu trúc nguồn lao động Mặc dù dân số là nền tảng của sức lao động, nhưng mối quan hệ giữa chúng không hoàn toàn trực tiếp mà phụ thuộc vào sự biến động của gia tăng dân số theo thời gian Sự gia tăng dân số nhanh chóng có thể dẫn đến tỷ lệ thất nghiệp cao hơn, phản ánh mối tương quan giữa hai yếu tố này.
FDI
Trong mối quan hệ giữa nhà đầu tư và người lao động, FDI tạo ra việc làm và thu nhập thông qua hoạt động sản xuất kinh doanh tại các quốc gia khác Các nhà đầu tư nước ngoài sử dụng nguồn nhân lực tại chỗ để nâng cao năng lực cạnh tranh, từ đó tăng hiệu quả đầu tư và tạo ra nhiều việc làm mới Do đó, FDI có mối quan hệ tỷ lệ nghịch với tỷ lệ thất nghiệp Đầu tư nước ngoài, bao gồm đầu tư GI (Greenfield Investment) và BI (Brownfield Investment), là nguồn vốn tái đầu tư cho các công ty FDI không chỉ làm tăng GDP của nền kinh tế mà còn góp phần giảm tỷ lệ thất nghiệp.
Tỷ lệ lạm phát
Đường cong Phillips mô tả mối quan hệ nghịch giữa tỷ lệ thất nghiệp và lạm phát trong ngắn hạn, cho thấy rằng khi lạm phát giảm, tỷ lệ thất nghiệp có xu hướng tăng và ngược lại Được phát triển bởi AW Phillips vào năm 1958, đường cong này dựa trên dữ liệu từ năm 1861 đến năm 1957 về lạm phát tiền lương và tỷ lệ thất nghiệp tại Vương quốc Anh Mặc dù có sự đánh đổi ngắn hạn giữa thất nghiệp và lạm phát, đường cong Phillips không ảnh hưởng đến tỷ lệ thất nghiệp trong dài hạn, vì nó giả định sự tồn tại của tỷ lệ thất nghiệp tự nhiên.
Tỷ lệ thất nghiệp giảm có thể dẫn đến lạm phát gia tăng, và chỉ khi tỷ lệ thất nghiệp tăng lên thì lạm phát mới có thể giảm Mặc dù chính phủ có thể làm tăng tổng cầu để giảm tỷ lệ thất nghiệp, điều này có thể tạm thời tạo ra nhiều việc làm nhưng cũng gây ra áp lực lạm phát trên thị trường lao động và sản phẩm Theo Phillips, tỷ lệ thất nghiệp càng thấp, thị trường lao động càng thắt chặt, khiến các công ty phải tăng lương nhanh hơn để thu hút lao động khan hiếm Ngược lại, với tỷ lệ thất nghiệp cao hơn, áp lực lạm phát sẽ giảm bớt Đường cong Phillips thể hiện mối quan hệ giữa thất nghiệp và hành vi tiền lương trong chu kỳ kinh doanh, chỉ ra rằng tỷ lệ lạm phát tiền lương sẽ xảy ra nếu tỷ lệ thất nghiệp duy trì ở một mức độ nhất định trong thời gian dài.
Tổng sản phẩm quốc nội
Theo Định luật Okun, để giữ tỷ lệ thất nghiệp ổn định, nền kinh tế cần đạt được mức tăng trưởng GDP thực tế liên tục do sự gia tăng quy mô lực lượng lao động và năng suất Để giảm tỷ lệ thất nghiệp, GDP thực tế phải tăng trưởng nhanh hơn khoảng 2% so với tốc độ tăng của GDP tiềm năng trong một năm Mối quan hệ giữa tốc độ tăng trưởng GDP và tỷ lệ thất nghiệp là tỷ lệ nghịch, cho thấy rằng tăng trưởng kinh tế mạnh mẽ là điều kiện cần thiết để giảm thất nghiệp.
Hình 1: Đường cong Philips ngắn hạn Hình 2: Đường cong Philips dài hạn
Tỷ lệ tăng trưởng tổng sản phẩm quốc nội
Định luật Okun giải thích mối quan hệ giữa tăng trưởng GDP và tỷ lệ thất nghiệp.
Theo lý thuyết, khi tỷ lệ thất nghiệp tăng 1%, GDP của một quốc gia sẽ giảm 2% so với GDP tiềm năng, với điều kiện các yếu tố khác không thay đổi Mối quan hệ này cho thấy sự tương tác tiêu cực giữa thất nghiệp và GDP, trong đó có ít lý do giải thích cho sự giảm GDP mạnh hơn so với tỷ lệ thất nghiệp Một số nguyên nhân bao gồm hiệu ứng số nhân giảm khi cung tiền tăng, số liệu thất nghiệp giảm do người lao động rời khỏi lực lượng lao động, thời gian làm việc ngắn hơn và năng suất lao động thấp Nghiên cứu cho thấy có mối quan hệ nghịch đảo giữa thất nghiệp và tăng trưởng GDP ở hầu hết các khu vực, nhưng các giá trị của hệ số Okun có sự khác biệt đáng kể, phản ánh sự chênh lệch trong tăng trưởng năng suất giữa các vùng Do đó, các chính sách quản lý tổng cầu và cung ứng cần được kết hợp với các chính sách khu vực cụ thể để giải quyết hiệu quả các vấn đề chính sách.
Tổng quan tình hình nghiên cứu
Dân số
Gia tăng dân số được định nghĩa là tỷ lệ thay đổi trung bình hàng năm về quy mô dân số, bao gồm tất cả cư dân bất kể quốc tịch hay tình trạng pháp lý Arslan và Zaman (2014) cho rằng gia tăng dân số là yếu tố quan trọng ảnh hưởng đến tỷ lệ thất nghiệp, với tác động tích cực đến tỷ lệ này Nghiên cứu của Asif (2013) về các yếu tố kinh tế vĩ mô của tỷ lệ thất nghiệp tại Trung Quốc, Ấn Độ và Pakistan từ năm 1980 đến 2009 cho thấy dân số có ảnh hưởng đáng kể đến tỷ lệ thất nghiệp ở cả ba quốc gia Mahmood và các cộng sự (2011) đã phân tích các yếu tố quyết định ảnh hưởng đến tỷ lệ thất nghiệp tại thành phố Peshawar, Pakistan, đặc biệt trong lĩnh vực giáo dục.
Một nghiên cứu trên mẫu 442 cư dân thành phố Peshawar cho thấy rằng tỷ lệ tăng dân số có mối quan hệ thuận chiều với tỷ lệ thất nghiệp trong nhóm lao động có tri thức, bao gồm những người tốt nghiệp hoặc đủ điều kiện cho các công việc chuyên môn Tương tự, nghiên cứu của Loku và Deda (2013) cũng chỉ ra rằng tại Kosovo, có mối quan hệ nghịch đảo giữa gia tăng dân số và tỷ lệ thất nghiệp trong nền kinh tế.
Mật độ dân số
Mật độ dân số, phản ánh tình hình phân bố dân cư tại một khu vực cụ thể, là yếu tố quan trọng trong việc phân loại đô thị Nghiên cứu của Kassem (2019) chỉ ra rằng tỷ lệ thất nghiệp, sự công nghiệp hóa, mật độ dân số, lượng kiều hối và hạ tầng xã hội đều tác động đến tỷ lệ tội phạm tại các quận của tỉnh Punjab, Pakistan Dữ liệu được thu thập từ Cục Thống kê Pakistan và các nguồn khác, với các phương pháp kiểm định ADF và Johansen được sử dụng để phân tích Kết quả cho thấy tỷ lệ thất nghiệp và mật độ dân số có ảnh hưởng tiêu cực rõ rệt đến tỷ lệ tội phạm trong khu vực này.
Muktari Yakubu (2020) đã tiến hành nghiên cứu thực nghiệm để phân tích tác động của mật độ dân số lên tỷ lệ thất nghiệp ở Nigeria, sử dụng dữ liệu chuỗi thời gian từ năm 1991 đến 2017 Nghiên cứu áp dụng các phương pháp kiểm định ADF, PP và KPSS để kiểm tra các biến như mật độ dân số, tỷ lệ thất nghiệp, chỉ số giá tiêu dùng (CPI), tỷ giá hối đoái và đầu tư trực tiếp nước ngoài (FDI) Kết quả cho thấy rằng mật độ dân số, tỷ giá hối đoái, CPI, GDP bình quân đầu người và FDI đều có tác động tiêu cực đến tỷ lệ thất nghiệp, dẫn đến việc gia tăng tỷ lệ thất nghiệp trong dài hạn.
Tăng trưởng GDP
Tốc độ tăng trưởng GDP là chỉ số quan trọng để đo lường sự phát triển kinh tế hàng năm của một quốc gia, phản ánh sự cải thiện hoặc suy giảm điều kiện kinh tế thông qua lợi suất tài chính Mối quan hệ giữa tăng trưởng và thất nghiệp được giải thích bởi Định luật Okun, một lý thuyết kinh tế vĩ mô do Arthur Okun đề xuất vào năm 1962 Định luật này cho thấy tỷ lệ thất nghiệp có mối quan hệ nghịch với mức tăng trưởng thực tế của GDP, được xác định qua dữ liệu GNP của Hoa Kỳ.
Nghiên cứu của Rigas, Theodosiou, Rigas và Blanas (2011) đã xem xét tính áp dụng của Luật Okun trong bối cảnh kinh tế hiện nay bằng cách phân tích dữ liệu về tỷ lệ thất nghiệp và GDP thực tế từ năm 1960 đến 2007 tại Hy Lạp, Pháp và Tây Ban Nha Kết quả cho thấy có mối quan hệ nghịch giữa thất nghiệp và GDP, tuy nhiên, hình thức của mối quan hệ này ở Hy Lạp khác biệt rõ rệt so với Pháp và Tây Ban Nha do sự khác nhau trong tỷ lệ tăng trưởng năng suất của các quốc gia này.
Lạm phát
Haug và King (2014) đã nghiên cứu từ năm 1952 đến 2010 và kết luận rằng tỷ lệ thất nghiệp gia tăng sẽ dẫn đến lạm phát cao hơn khoảng ba năm sau, cho thấy mối tương quan thuận giữa lạm phát và tỷ lệ thất nghiệp Mối quan hệ này có giá trị dương và có ý nghĩa, cho thấy chính sách tiền tệ và tài khóa không ảnh hưởng đến mối quan hệ dài hạn giữa thất nghiệp và lạm phát Alisa (2015) đã thảo luận về mối quan hệ này thông qua nghiên cứu đường cong Phillips, mà các nhà hoạch định chính sách xem là một công cụ quan trọng Không có nền kinh tế vĩ mô hoàn hảo nào có thể duy trì ổn định giá cả, không thất nghiệp và tăng trưởng ổn định trong ngắn hạn Chính phủ phải lựa chọn giữa chính sách tiền tệ và tài khóa để giải quyết các vấn đề kinh tế, dẫn đến tỷ lệ thất nghiệp hoặc lạm phát cao Alisa kết luận rằng để cân bằng thị trường, cần phải duy trì một mức độ lạm phát và thất nghiệp nhất định, và hoàn cảnh của Nga không phù hợp với việc áp dụng đường cong Phillips.
Karanassou, Sala và Snower (2007) nghiên cứu rằng chính sách tiền tệ có tác động lâu dài đến sự cân bằng giữa thất nghiệp và lạm phát Nghiên cứu đánh giá ảnh hưởng của sản lượng, tăng trưởng tiền tệ, thâm hụt ngân sách và thương mại đối với lạm phát và thất nghiệp trong những năm 1990 ở Mỹ Kết quả cho thấy tăng trưởng tiền tệ dẫn đến lạm phát cao, trong khi giảm thâm hụt ngân sách và tăng trưởng năng suất có thể làm giảm lạm phát và ảnh hưởng nhẹ đến tỷ lệ thất nghiệp Nghiên cứu của Furuoka và Munir (2014) cũng ủng hộ lý thuyết đường cong Phillips, cho thấy mối quan hệ nghịch giữa thất nghiệp và lạm phát ở Malaysia, với đường cong này phụ thuộc vào cung và cầu lao động; khi cầu lao động cao hơn cung, tiền lương tăng, dẫn đến lạm phát cao hơn và tỷ lệ thất nghiệp thấp hơn.
FDI
Đầu tư trực tiếp nước ngoài (FDI) là hành động đầu tư của công ty hoặc cá nhân từ nước này sang nước khác Nghiên cứu của Matthew và Johnson (2014) cùng với Shaari, Hussain và Ab Halim (2012) cho thấy mối quan hệ tiêu cực giữa FDI và tỷ lệ thất nghiệp, tức là khi FDI tăng lên, tỷ lệ thất nghiệp sẽ giảm Tương tự, Stamatiou và Dritsakis (2014) xác nhận tác động tích cực của FDI đến tỷ lệ thất nghiệp ở Hy Lạp Một số nghiên cứu, như của Mayom (2015), chỉ ra rằng FDI có mối quan hệ tích cực với tỷ lệ việc làm ở Châu Phi cận Sahara Tuy nhiên, Pinn và cộng sự (2011) cảnh báo rằng sự cạnh tranh từ FDI có thể dẫn đến tăng tỷ lệ thất nghiệp do thoái vốn và đóng cửa doanh nghiệp Balcerzak và Zurek (2011) cũng phát hiện rằng dòng vốn FDI có mối quan hệ tiêu cực với thất nghiệp, nhưng sự giảm này có thể chỉ diễn ra trong ngắn hạn Tại Ấn Độ, FDI tạo ra cơ hội việc làm cho thanh niên có kỹ năng, dẫn đến giảm tỷ lệ thất nghiệp (Kannaiah & Selvam, 2014) Cuối cùng, Kurtovic, Siljikovic và Milanovic (2015) cũng khẳng định mối quan hệ tiêu cực giữa FDI và thất nghiệp ở các nước Tây Balkan.
Kết luận
Các khuôn khổ thực nghiệm từ các nhà nghiên cứu trước đây thường khác biệt so với các khuôn khổ lý thuyết, dẫn đến sự không phù hợp với kết quả thu được Nhiều nghiên cứu đã chỉ ra mối quan hệ đáng kể giữa lạm phát, tăng trưởng GDP, dân số và đầu tư trực tiếp nước ngoài với tỷ lệ thất nghiệp, ngược lại Ngoài ra, một số nghiên cứu cũng đã xác định mối quan hệ nhân quả giữa các yếu tố này Các loại thử nghiệm đa dạng đã được áp dụng trong các nghiên cứu trước đó.
PHƯƠNG PHÁP NGHIÊN CỨU VÀ MÔ HÌNH
Số liệu
1.1 Phương pháp thu thập số liệu
Nhóm nghiên cứu đã xác định được bốn yếu tố chính ảnh hưởng đến tỷ lệ thất nghiệp, bao gồm dân số, lạm phát, GDP và dòng vốn FDI Để kiểm tra tác động của những yếu tố này, nhóm đã thu thập dữ liệu và xây dựng một mô hình phân tích Tất cả dữ liệu trong báo cáo đều được trích xuất từ Ngân hàng Thế giới, nơi thu thập thông tin từ các nguồn đáng tin cậy và xác thực.
Tỷ lệ thất nghiệp phản ánh số người không có việc làm nhưng đang tích cực tìm kiếm việc làm trong thời gian gần đây Chỉ tiêu này được tính dựa trên lực lượng lao động, không phải tổng dân số Dữ liệu được cung cấp bởi tổ chức Lao động Quốc tế.
Mật độ dân cư được tính bằng cách chia dân số giữa năm cho diện tích đất tính bằng km vuông Các ước tính về dân số do Ngân hàng Thế giới cung cấp, dựa trên nhiều nguồn khác nhau, chủ yếu từ các tổng điều tra dân số quốc gia Dữ liệu về diện tích đất được thu thập từ tổ chức Nông lương.
Tốc độ tăng trưởng GDP được xác định dựa trên tổng GDP tính theo giá của người tiêu dùng Phương pháp bình phương nhỏ nhất được sử dụng để tính toán tốc độ tăng trưởng của GDP cùng với các thành phần của nó, sử dụng dữ liệu giá cố định theo nội tệ.
Lạm phát được xác định qua chỉ số giá tiêu dùng, phản ánh tỷ lệ phần trăm thay đổi chi phí hàng năm dựa trên mức tiêu thụ trung bình cho việc mua sắm hàng hóa và dịch vụ Dữ liệu này được thu thập từ quỹ Tiền tệ quốc tế, các thống kê tài chính quốc tế và nhiều tập dữ liệu khác.
Dòng vốn FDI được xác định từ dữ liệu cán cân thanh toán do Quỹ Tiền tệ Quốc tế (IMF) cung cấp, với các số liệu đầu tư trực tiếp từ nước ngoài (FDI) được bổ sung từ ước tính của nhân viên Ngân hàng Thế giới Những thông tin này cũng dựa trên dữ liệu từ Hội nghị Liên hợp quốc về Thương mại và Phát triển (UNCTAD) cùng với các nguồn chính thức từ các quốc gia.
1.2 Phương pháp xử lý số liệu
Sử dụng Stata để xử lý dữ liệu nhanh chóng sau đó tính toán ma trận tương quan giữa các biến.
1.3 Tổng quan và mô tả số liệu
Bộ dữ liệu được thu thập từ trang web chính thức của ngân hàng thế giới, bao gồm
228 quan sá từ 228 quốc gia và nền kinh tế thế giới trong năm 2019.
Yếu tố Mô tả Đơn vị Nguồn
Phần trăm lực lượng lao động % WB
Mật độ dân cư Người trên mỗi km vuông diện tích đất
Tỷ lệ tăng trưởng GDP
% tăng trưởng GDP hàng năm
Lạm phát % lạm phát tiêu dùng hàng năm
FCI Dòng vốn FDI Triệu USD WB
2 Thống kê và mô tả các biến
Nhóm áp dụng phương pháp bình phương nhỏ nhất thông thường (OLS) để xây dựng và ước lượng các tham số cho mô hình hồi quy tuyến tính đa biến Để kiểm tra giả thuyết, chúng tôi sử dụng các phương pháp thích hợp.
Giá trị tới hạn, giá trị p và khoảng tin cậy để kiểm tra ý nghĩa của các biến độc lập.
Kiểm tra Wald để kiểm tra nhiều hạn chế tuyến tính
Hệ số lạm phát phương sai (VIF), White test và Jacque-Bera Normality Test để kiểm tra các vấn đề của mô hình.
3 Xây dựng mô hình kinh tế lượng
Dựa trên các nghiên cứu trước đó, chúng tôi sẽ sử dụng bốn biến số độc lập: dân số, lạm phát, GDP và dòng vốn FDI, để xây dựng mô hình phân tích sự thay đổi tỷ lệ thất nghiệp ở các quốc gia, khu vực và nhóm khác nhau.
Thất nghiệp = ^ β 0 +^ β 1mật độ dânsố +^ β 2tăngtrưởngGDP +^ β 3lạm phát +^ β 4 FDI + ^ u
+ Tỷ lệ thất nghiệp: biến phụ thuộc + Mật độ dân số, tăng trưởng GDP, lạm phát, FDI, biến độc lập
^ β 0: Công cụ ước lượng của thuật ngữ chặn của mô hình hồi quy
^ β 1: Công cụ ước lượng hệ số hồi quy của mật độ dân số
^ β 2: Công cụ ước lượng hệ số hồi quy của tăng trưởng GDP
^ β 3: Công cụ ước lượng hệ số hồi quy của lạm phát
^ β 4: Công cụ ước lượng hệ số hồi quy của FDI
^ u : Phần dư (ước lượng độ nhiễu của mô hình hồi quy
Biến Định nghĩa Dự đoán về mối tương quan giữa các biến phụ thuộc Đơn vị
Tỷ lệ thất nghiệp (unemployrate)
Tỷ lệ thất nghiệp so với tổng lực lượng lao động
Mật độ dân cư Số lượng cá nhân sống cùng Tiêu cực Người/ km 2 gia và nền kinh tế Tăng trưởng
Tỷ lệ thay đổi bình quân hàng năm của tổng sản phẩm quốc nội (GDP) theo giá thị trường tính theo giá nội tệ cố định
Sự tăng giá của hầu hết các hàng hoá và dịch vụ sử dụng hàng ngày hoặc thông thường, làm giảm đi giá trị đồng tiền
FDI Dòng vốn FDI ròng Triệu USD
Sử dụng lệnh “Sum” cho phép chúng ta có bảng sau:
Variable Obs Mean` Std Dev Min Max
Độ lệch chuẩn của các biến trong nghiên cứu này rất cao, cho thấy sự đa dạng trong dữ liệu Nguyên nhân chính là do dữ liệu được thu thập từ nhiều quốc gia và nền kinh tế khác nhau, bao gồm cả các nước phát triển hàng đầu và các nền kinh tế kém phát triển nhất.
.cor unemployrate Popdensity GDPgrowth Inflation FCI (obs = 203)
Kết quả nghiên cứu cho thấy mối tương quan giữa mật độ dân số, tốc độ tăng trưởng GDP và dòng vốn FDI với tỷ lệ thất nghiệp là tiêu cực, trong khi lạm phát trong giá tiêu dùng lại có tác động tích cực đến tỷ lệ thất nghiệp Kết luận này phù hợp với dự đoán ban đầu của chúng tôi.
Phân tích định lượng
4.1 Mô hình ước lượng a, Kết quả ước tính
Source SS df MS Number of obs = 203
Unemployrate Coef Std Erri t P > | t | [95% Conf Interval] Popdensity -.00073 0004209 -1.73 0.084 -.0015599 0001 GDPgrowth -.376174 1259154 -2.99 0.003 -.6244813 -.1278666 Inflation 1033487 0637311 1.62 0.106 -.0223301 2290275 FDI -2.32e - 06 1.61e -
8.60e – 07 -cons 7.851796 5824254 13.48 0.000 6.703243 9.000349 b, Mô hình hồi quy hai mẫu
Theo kết quả ước tính từ STATA bằng phương pháp OLS, chúng tôi thu được hàm hồi quy mẫu (SRF) như sau:
Thất nghiệp = 7.851796 – 0.00073 Mật độ dân số – 0.376174 Tăng trưởng GDP + 0.1033487 Lạm phát – 2.32* 10 −6 FDI + u ^ Ý nghĩa của các hệ số ước lượng:
+ Số hạng không đổi được ước lượng là ^ β 1 = 7,851796 Khi mọi biến giải thích bằng
0, giá trị kỳ vọng của tỷ lệ thất nghiệp (thất nghiệp) sẽ là 7,851796% (yếu tố khác không đổi).
Hệ số hồi quy của mật độ dân số được ước tính là β2 = -0.00073 Điều này có nghĩa là khi giữ nguyên các yếu tố khác, nếu mật độ dân số tăng 1%, tỷ lệ thất nghiệp dự kiến sẽ giảm 0.00073%.
Hệ số hồi quy cho thấy rằng nếu tốc độ tăng trưởng GDP tăng 1%, tỷ lệ thất nghiệp sẽ giảm 0,376174%, khi giữ nguyên các biến giải thích khác.
Hệ số hồi quy của lạm phát được ước tính là β4 = 0,1038321, cho thấy rằng khi giữ nguyên các biến giải thích khác, nếu tỷ lệ lạm phát tăng 1%, thì giá trị kỳ vọng của tỷ lệ thất nghiệp sẽ tăng 0,1038321%.
Hệ số hồi quy của FDI cho thấy rằng nếu vốn đầu tư trực tiếp nước ngoài (FDI) tăng thêm 1.000.000 USD, giá trị kỳ vọng của tỷ lệ thất nghiệp sẽ giảm 2,32%, khi giữ nguyên các biến giải thích khác.
Hệ số xác định R² = 0,086 cho thấy 8,6% biến động của tỷ lệ thất nghiệp có thể được giải thích bởi các yếu tố như tỷ lệ lạm phát, tỷ lệ tăng trưởng GDP, mật độ dân số và đầu tư trực tiếp từ nước ngoài, trong khi phần còn lại do các yếu tố khác.
Kiểm định ý nghĩa của một hệ số hồi quy riêng lẻ i:
Theo kết quả từ Stata sử dụng hồi quy bình phương tối thiểu thông thường và phương pháp phân tích, chúng tôi đã xác định được khoảng tin cậy cho các hệ số hồi quy của mỗi biến với mức ý nghĩa 5%, cho thấy sự khác biệt giữa giả thuyết không (H0: i = 0) và giả thuyết thay thế (H1: i ≠ 0).
STT Biến Khoảng tin cậy
Đối với các biến như Mật độ dân số, Lạm phát và FDI, giá trị 0 nằm trong khoảng tin cậy, cho thấy rằng không đủ bằng chứng để bác bỏ giả thuyết H0 Vì vậy, hệ số hồi quy của những biến này không có ý nghĩa thống kê ở mức ý nghĩa 5%.
Biến GDPgrowth có hệ số hồi quy có ý nghĩa thống kê với mức ý nghĩa 5%, vì giá trị 0 không nằm trong khoảng tin cậy của biến này Điều này cho thấy mô hình có mức độ quan trọng đáng chú ý.
+ n: số lượng quan sát hoặc cỡ mẫu, n = 20
Vì F > C α => bác bỏ giả thuyết rỗng
Kết luận: Mô hình tổng thể có ý nghĩa thống kê ở mức có ý nghĩa 5%
Thảo luận, liên hệ thực tế và đặc điểm mẫu số liệu để giải thích kết quả
Nghiên cứu năm 2019 cho thấy tỷ lệ thất nghiệp có mối liên hệ chặt chẽ với các yếu tố kinh tế vĩ mô, nhấn mạnh tầm quan trọng của các chỉ báo kinh tế trong việc hiểu và dự đoán biến động của thị trường lao động.
Khuyến nghị giải pháp
Nghiên cứu của chúng tôi đề xuất một số giải pháp nhằm cải thiện tình hình thất nghiệp tại các quốc gia có tỷ lệ cao Đầu tiên, việc dự báo tỷ lệ thất nghiệp cần được thực hiện liên tục để dự đoán chính xác các giá trị tương lai, đồng thời cần nghiên cứu sâu hơn về các mô hình kinh tế lượng để dự đoán tỷ lệ thất nghiệp dài hạn Thứ hai, chính phủ nên xây dựng chiến lược quốc gia nhằm đào tạo lại lực lượng lao động trong lĩnh vực nông nghiệp, nâng cao hiệu quả sản xuất và cải thiện cấu trúc việc làm ở khu vực nông thôn Thứ ba, cần xóa bỏ phân biệt giới để tăng cơ hội cho lao động nữ, đặc biệt là trong các vị trí quản lý, qua đó nâng cao khả năng phát triển doanh nghiệp Cuối cùng, việc thúc đẩy việc làm thông qua chính sách thuế sẽ hỗ trợ cả trong tuyển dụng và tìm kiếm việc làm.
KẾT LUẬN
Nghiên cứu năm 2019 cho thấy có mối liên hệ chặt chẽ giữa tỷ lệ thất nghiệp và các chỉ số kinh tế vĩ mô thông qua phương pháp định lượng Các yếu tố kinh tế vĩ mô ảnh hưởng trực tiếp đến tỷ lệ thất nghiệp, làm nổi bật sự cần thiết phải phân tích kỹ lưỡng các chỉ số này để hiểu rõ hơn về tình hình lao động.
Nghiên cứu đã đưa ra các khuyến nghị nhằm cải thiện tình hình thất nghiệp tại các quốc gia có tỷ lệ cao Đầu tiên, việc dự báo tỷ lệ thất nghiệp là rất quan trọng, và nên thực hiện các cuộc kiểm tra liên tục để có dự báo ngắn hạn chính xác hơn Ngoài ra, cần tiến hành các nghiên cứu sâu hơn về cả mô hình kinh tế lượng đơn giản và phức tạp để dự đoán tỷ lệ thất nghiệp trong dài hạn.
Chính phủ các nước kém phát triển nên thiết kế và thực hiện chiến lược quốc gia nhằm đào tạo lại lực lượng lao động trong lĩnh vực nông nghiệp, từ đó nâng cao hiệu quả hoạt động của các trang trại và cải thiện cấu trúc việc làm ở khu vực nông thôn Đồng thời, việc xem xét và điều chỉnh vai trò của các thành phần kinh tế sẽ giúp phù hợp với điều kiện cụ thể của quốc gia, góp phần giảm tỷ lệ thất nghiệp và hỗ trợ tạo việc làm cho người lao động.
Để nâng cao cơ hội cho lao động nữ, đặc biệt trong các vị trí quản lý, chúng ta cần xóa bỏ phân biệt đối xử về giới Điều này không chỉ giúp tạo ra môi trường làm việc công bằng mà còn góp phần thúc đẩy sự phát triển mạnh mẽ cho các công ty.
Để giải quyết vấn đề tuyển dụng nhân sự và tìm kiếm việc làm, cần triển khai các chính sách khuyến khích việc làm thông qua lợi ích thuế.
Nghiên cứu hiện tại chỉ tập trung vào các yếu tố vĩ mô ảnh hưởng đến tỷ lệ thất nghiệp, chưa xem xét đồng thời cả yếu tố vi mô Để cải thiện phân tích tác động đến tỷ lệ thất nghiệp trong tương lai, cần mở rộng phạm vi nghiên cứu với nhiều quốc gia và dữ liệu qua nhiều năm hoặc phân khúc thời gian nhỏ hơn Điều này sẽ giúp đánh giá kết quả một cách toàn diện hơn.
Chúng em xin chân thành cảm ơn cô Nguyễn Thúy Quỳnh đã tận tâm hướng dẫn chúng em hoàn thành bài báo cáo này Chúng em rất mong có cơ hội gặp lại cô, người giảng viên đáng kính, trong các khóa học tiếp theo.
Chân thành cảm ơn cô!