Phần này sẽ mô tả các biến được sử dụng trong mô hình nghiên cứu thực nghiệm.
3.2.1. Biến dòng vốn đầu tƣ trực tiếp FDI
FDI liên quan đến các nguồn vốn đầu tư để có được một lợi ích lâu dài trong một doanh nghiệp cư trú trong một nền kinh tế nào khác hơn là các nhà đầu tư. Các lợi ích lâu dài được chứng minh khi các nhà đầu tư trực tiếp sở hữu 10% quyền biểu quyết của các doanh nghiệp đầu tư trực tiếp.
3.2.2. Biến quy mô thị trƣờng
Theo Fedderke và Romm (2006) và Moosa và Cardak (2006), quy mô thị trường của một quốc gia được đo bằng GDP thực tế đã có ảnh hưởng tích cực đối với dòng vốn FDI. Những phát hiện này hỗ trợ mô hình chiết trung của Dunning, khẳng định rằng một trong những động lực chính cho các doanh nghiệp đầu tư nước ngoài là tiếp cận thị trường của nước nhận đầu tư và các nước lân cận. Thị phần của nước nhận đầu tư càng lớn, dòng vốn FDI vào càng nhiều. Bởi vì khi thị trường tăng quy mô thì có khả năng nhu cầu của người tiêu dùng cao hơn trong nền kinh tế và do đó thu hút FDI để đáp ứng nhu cầu trong nền kinh tế đó. Do đó, tác giả dự báo ảnh hưởng tích cực của GDP đối với dòng vốn FDI.
Trong bài nghiên cứu này, tác giả sử dụng biến sản lượng GDPGR đại diện cho quy mô thị trường. GDPGR được tính bằng tốc độ tăng trưởng sản lượng quốc gia thực. Tác giả sử dụng phần mềm Eviews để nội suy dữ liệu GDP theo quý từ dữ liệu GDP theo năm của WB.
Ngoài ra, để tăng thêm tính vững của mô hình, tác giả còn thay thế biến GDPGR bằng các biến AGRI (tỷ trọng sản lượng ngành nông nghiệp) vào mô hình kiểm định.
3.2.3. Biến lạm phát
Tỷ lệ lạm phát phản ánh sự ổn định kinh tế, sự hiện diện của các khó khăn bên trong nền kinh tế và khả năng của chính phủ và ngân hàng trung ương trong việc cân bằng ngân sách quốc gia. Lạm phát cao làm giảm giá trị thực của các khoản thu nhập bằng nội tệ cho các doanh nghiệp đầu tư vào (Buckley và các cộng sự, 2007). Mặt khác, lạm phát thấp là dấu hiệu ổn định kinh tế quốc nội và khuyến khích thu hút FDI. Chẳng hạn Coskun (2001) đã kiểm tra dòng vốn FDI vào Thổ
Nhĩ Kỳ và thấy rằng tỷ lệ lạm phát thấp hơn có xu hướng thu hút các nhà đầu tư nước ngoài và gia tăng dòng vốn FDI vào Thổ Nhĩ Kỳ. Dự báo lạm phát sẽ có ảnh hưởng tiêu cực đến việc thu hút dòng vốn FDI.
Lạm phát trong bài nghiên cứu này được định nghĩa là sự thay đổi trong chỉ số giá tiêu dùng CPI. Tỷ lệ lạm phát được đo bằng phần trăm thay đổi mức giá so với thời kỳ trước.
3.2.4. Biến tỷ giá
Chính sách tỷ giá hối đoái có ý nghĩa quan trọng trong việc thu hút FDI thông qua việc tăng giá hay mất giá của đồng nội tệ. Tolentino (2010) ghi nhận rằng có hai kênh truyền dẫn tác động của tỷ giá hối đoái đến FDI là kênh hiệu ứng của cải và kênh chi phí sản xuất liên quan. Sự mất giá của đồng nội tệ làm giảm chi phí sản xuất tại địa phương, về mặt ngoại tệ, theo đó làm tăng lợi nhuận của các doanh nghiệp FDI có định hướng xuất khẩu. Lợi nhuận cao hơn tự nhiên thu hút thêm dòng vốn FDI. Xét về hiệu ứng của cải, tài sản của các nhà đầu tư nước ngoài so với các nhà đầu tư trong nước sẽ gia tăng khi đồng nội tệ mất giá. Xét về chi phí sản xuất liên quan, khi đồng nội tệ mất giá, tất cả các yếu tố đầu vào sản xuất như lao động, đất đai, máy móc, và các tài sản, ở nước nhận đầu tư trở nên rẻ hơn đối với các nhà đầu tư nước ngoài, do đó khuyến khích họ đầu tư thêm tài sản. Mặt khác, Kish và Vasconcellos (1993) cho rằng các mối quan hệ có thể không đơn giản như vậy, bởi vì khi đồng ngoại tệ tăng giá, lợi nhuận trong tương lai từ các công ty con ở nước ngoài khi chuyển về nước sẽ nhận một giá trị thấp hơn.
Tóm lại, vẫn còn nhiều quan điểm về mối liên hệ giữa tỷ giá và FDI. Trong khi những nỗ lực thực nghiệm trước đây như Froot và Stein (1991) đã tìm thấy mối tương quan dương giữa sự giảm giá của đồng đô la Mỹ và sự gia tăng FDI thì những nghiên cứu khác như Healy và Palepu (1993) lại không tìm được bằng chứng thực hỗ trợ cho lập luận này.
Với sự mất giá của đồng nội tệ trong giai đoạn nghiên cứu, bài nghiên cứu này kỳ vọng mối quan hệ cùng chiều giữa sự mất giá đồng nội tệ và dòng vốn FDI.
Tỷ giá hối đoái được sử dụng trong bài nghiên cứu này là tỷ giá hoái đối thực hiệu dụng (REER).
3.2.5. Biến cung tiền
Sự gia tăng cung tiền tăng cường vị thế kinh tế quốc gia, mà cuối cùng thu hút thêm FDI (Clarke và Ioannidis, 1994; Resende, 2008). Những điều trên là phù hợp với các tranh luận bởi Harford (2005) rằng thanh khoản của nền kinh tế ảnh hưởng tích cực đến mức độ tổng hợp của FDI. Một sự gia tăng trong thanh khoản quốc gia sẽ thu hút dòng vốn FDI vào, với chi phí tài chính của nước chủ nhà được kỳ vọng sẽ thấp hơn. Từ các cuộc thảo luận ở trên, tác giả dự báo sự gia tăng trong cung tiền có tác động tích cực đến dòng vốn FDI.
Trong bài nghiên cứu này, tác giả sử dụng M2 đại diện cho biến cung tiền.
3.2.6. Biến tỷ lệ thất nghiệp
Billington (1999) ghi nhận rằng càng nhiều lao động sẵn có trong một nước, nước đó càng hấp dẫn hơn đối với các nhà đầu tư nước ngoài. Nói cách khác, tỷ lệ thất nghiệp càng cao, đại diện cho số lao động sẵn có trong nền kinh tế càng nhiều, thì càng thu hút dòng vốn FDI vào trong nước. Các tranh luận cho rằng tỷ lệ thất nghiệp cao khiến người ta đánh giá cao hơn về công việc hiện tại hoặc trong tương lai, và kết quả là họ sẵn sàng làm việc vất vả hơn với một mức lương thấp hơn. Do đó, sự sẵn có của nguồn lao động đóng vai trò như một sự khuyến khích cho dòng vốn FDI. Các tác động tích cực của tỷ lệ thất nghiệp cao trên dòng vốn FDI cũng đã được hỗ trợ bởi Friedman và các cộng sự (1992), Nunnenkamp và các cộng sự (2007), Chidlow và các cộng sự (2009). Trong bài nghiên cứu này, tác giả cũng kỳ vọng tỷ lệ thất nghiệp cao sẽ có tác động tích cực đến việc thu hút FDI.
Tác giả sử dụng phần mềm Eviews để nội suy dữ liệu tỷ lệ thất nghiệp theo quý từ dữ liệu tỷ lệ thất nghiệp theo năm của WB.
3.2.7. Biến lãi suất
Billington (1999) đã chứng minh rằng lãi suất là một trong những yếu tố quyết định quan trọng của việc lựa chọn địa điểm đầu tư của dòng vốn FDI trong bảy nước công nghiệp. Kết quả tương tự đã được tìm thấy trong nghiên cứu của
Hong và Kim (2002), mức lãi suất thấp ở các nước Liên minh châu Âu là một trong những yếu tố ảnh hưởng lớn nhất đối với các tập đoàn đa quốc gia Hàn Quốc khi quyết định các địa điểm đầu tư trong lĩnh vực sản xuất của các nước EU. Bằng chứng khẳng định vai trò của lãi suất thấp của nước nhận đầu tư trong việc thu hút FDI cũng đã được cung cấp bởi Culem (1988), người đã lập luận rằng lãi suất thấp là một lợi thế chi phí cho các nhà đầu tư.
Mặt khác, Yang và các cộng sự (2000), Jeon và Rhee (2008) cho rằng lãi suất cao hơn ở nước nhận đầu tư sẽ hấp dẫn các nhà đầu tư nước ngoài bởi vì lợi nhuận cao hơn. Các cuộc thảo luận ở trên cho thấy rằng FDI có thể được khuyến khích bởi lãi suất thấp hoặc cao.
Nghiên cứu này kỳ vọng mối quan hệ cùng chiều giữa lãi suất và FDI. Tác giả sử dụng lãi suất trái phiếu chính phủ làm biến đại diện lãi suất.
3.2.8. Biến độ mở thƣơng mại
Một số nhà nghiên cứu cho rằng các chế độ thương mại tự do hay mở cửa thương mại tạo ra môi trường đầu tư tích cực như các bài nghiên cứu của Liu và các cộng sự (2001), Mina (2007), Moosa và Cardak (2006), Bardhyl (2009), Camurdan và Ismail (2009)... Ngược lại, Wheeler và Mody (1992) thấy rằng Brazil và Mexico đã thu hút dòng vốn lớn FDI mặc dù ở mức độ mở cửa thương mại thấp. Trong bài nghiên cứu này, tác giả kỳ vọng độ mở thương mại đại diện cho việc đơn giản hóa các thủ tục hành chính về thuế quan, bãi bỏ chế độ hạn ngạch hoặc độc quyền nhà nước về xuất khẩu. Do đó, độ mở thương mại dự kiến sẽ cải thiện một môi trường kinh doanh thân thiện và thu hút đầu tư, dẫn đến dòng vốn FDI tăng nhiều hơn.
Ở đây, độ mở thương mại (TRADE) được xác định bằng tổng giá trị xuất khẩu và nhập khẩu trên sản lượng GDP quốc gia. Tác giả sử dụng phần mềm Eviews để nội suy dữ liệu TRADE theo quý từ dữ liệu TRADE theo năm của WB.
3.3. Mô hình nghiên cứu
Dựa theo phương pháp nghiên cứu của Boateng và các cộng sự (2015), tác giả sử dụng phương pháp FMOLS và VECM để kiểm định mối quan hệ giữa FDI
và các biến kinh tế vĩ mô ở Việt Nam. Tác giả cho rằng việc sử dụng hai phương pháp này sẽ cải thiện tính vững của các kết quả nghiên cứu.
Các bước nghiên cứu được tiến hành như hình 3.1.
3.3.1. Ƣớc lƣợng FMOLS
Trên cơ sở dữ liệu chuỗi thời gian, nghiên cứu sử dụng phương pháp kiểm định KPSS để xác định tính dừng, kiểm định đồng liên kết (cointegrated test) bằng phương pháp của Johansen để xem xét có tồn tại mối quan hệ trong dài hạn giữa các biến đang nghiên cứu. Khi các chuỗi dữ liệu không dừng (nonstationary) và tồn tại mối quan hệ đồng liên kết thì phương pháp hồi quy đồng liên kết (cointegration regression) bằng kỹ thuật bình phương bé nhất đã được hiệu chỉnh hoàn toàn (Fully Modified Least Squares – FMOLS) sẽ được áp dụng để xác định mối quan hệ trong dài hạn. (Theo Nguyễn Minh Kiều và Nguyễn Văn Điệp, 2013)
FMOLS được đề xuất lần đầu tiên bởi Phillips and Hansen (1990) đã cung cấp một phương pháp ước lượng tối ưu về vấn đề hồi quy đồng liên kết. Ước lượng FM (Fully Modified) được xây dựng để đánh giá trực tiếp mối quan hệ đồng liên kết bằng cách hiệu chỉnh mô hình OLS truyền thống với các hiện tượng tương quan chuỗi và nội sinh. Một lý do phương pháp này tỏ ra hữu dụng trong thực tế là người ta có thể sử dụng các hiệu chỉnh FM này để xác định tầm quan trọng của những hiệu ứng này trong một ứng dụng thực nghiệm.
Dựa vào bằng chứng tồn tại đồng liên kết với dữ liệu trong bài nghiên cứu, tác giả sử dụng mô hình sau đây khi kiểm định mối quan hệ đồng liên kết (tương tự với bài nghiên cứu của Boateng và các cộng sự (2015)):
Trong đó FDI đại diện cho biến phụ thuộc là LFDI - Logarith tự nhiên của giá trị dòng vốn đầu tư trực tiếp nước ngoài; là tập hợp của các biến kiểm soát như GDPGR, AGRI, CPI, REER, LNM2, UNEMP, INT, TRADE; là sai số.
3.3.2. Ƣớc lƣợng VECM
Dựa trên những bài nghiên cứu thực nghiệm trước đây, mô hình hiệu chỉnh sai số vector (VECM) và mô hình tự hồi quy vector (VAR) được đề xuất để nghiên
cứu mối quan hệ giữa dòng vốn đầu tư trực tiếp FDI và các biến số kinh tế vĩ mô khác. Tuy nhiên, dựa vào bằng chứng tồn tại đồng liên kết với dữ liệu trong bài nghiên cứu, tác giả sử dụng mô hình hiệu chỉnh sai số vector (VECM) để ước lượng (tương tự với bài nghiên cứu của Boateng và các cộng sự (2015)):
∑
Trong đó Zt là vector của các biến nội sinh: LNFDI, GDPGR, CPI, REER, LNM2, UNEMP, INT, TRADE; là sai số. C là ma trận hệ số chặn, và k là độ trễ tối ưu (dựa vào bài nghiên cứu của Boateng và các cộng sự (2015)).
3.3.3. Hàm phản ứng đẩy
Kiểm định phản ứng đẩy cho thấy những tác động của một cú sốc ngoại sinh trên toàn bộ tiến trình theo thời gian. Vì vậy, người ta có thể phát hiện các mối quan hệ động theo thời gian.
Việc ảnh hưởng của một cú sốc của một biến đến một biến khác thì không ảnh hưởng ngay lập tức mà cần phải trải qua một thời gian nhất định (trễ). Vì vậy, hàm phản ứng đẩy sẽ thể hiện được sự ảnh hưởng khi tồn tại cú sốc của các biến đến biến chúng ta quan tâm (ở đây là biến dòng vốn FDI).
3.3.4. Phân rã phƣơng sai
Quá trình phân rã phương sai hoàn toàn trái ngược với hàm phản ứng đẩy. Trong khi hàm phản ứng đẩy xem xét sự ảnh hưởng của cú sốc biến này đến biến khác thì phân rã phương sai lại quan tâm tới việc phân rã cú sốc của biến này được giải thích (ảnh hưởng) bao nhiêu phần trăm bởi các cú sốc của các biến còn lại. Từ đó, có thể đánh giá được tầm quan trọng của các cú sốc đến cú sốc mà chúng ta quan tâm (ở đây là cú sốc FDI) nhằm có thể kiểm soát được cú sốc dòng vốn thông qua các cú sốc khác.
Hình 3.1. Sơ đồ quy trình ước lượng
Nguồn: Nghiên cứu của tác giả
Kiểm định tính dừng bậc gốc
Dừng
Không dừng
Hồi quy OLS
Kiểm định tính dừng bậc một Kiểm định tính dừng bậc hai Dừng Không dừng Ƣớc lƣợng mô hình ARDL Xét đồng tích hợp Cùng I(1) I(0) và I(1) Ƣớc lƣợng VAR Xác định độ trễ tối ƣu Kiểm định đồng liên kết Ƣớc lƣợng VAR Ƣớc lƣợng VECM Không có đlk Có đlk - Hàm phản ứng đẩy - Phân rã phƣơng sai
Chƣơng 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Thống kê mô tả
Thống kê mô tả cho thấy những đặc tính cơ bản của chuỗi dữ liệu được sử dụng trong bài nghiên cứu này trong giai đoạn từ quý 1 năm 1995 đến quý 4 năm 2015 tại Việt Nam. Kết quả được trình bày trong bảng 4.1.
Bảng 4.1. Thống kê mô tả các biến
iến Trung bình Trung vị Giá trị lớn nhất Giá trị nhỏ nhất Độ lệch chuẩn LNFDI 20.809 20.221 23.973 18.500 1.284 GDPGR 0.016 0.015 0.024 0.007 0.003 AGRI 21.673 20.305 27.820 18.288 3.132 CPI 73.823 57.482 144.479 38.751 33.930 REER 1.092 1.092 1.275 0.946 0.073 LNM2 33.830 33.858 36.153 31.246 1.503 UNEMP 2.267 2.267 2.900 1.793 0.268 INT 8.172 6.562 18.636 3.350 3.313 TRADE 124.751 123.342 165.522 73.202 28.244 Nguồn: Tác giả tổng hợp từ phần mềm Eviews 7.2
Biến chỉ số giá CPI và độ mở thương mại TRADE là hai biến có độ lệch chuẩn rất cao trong các biến nghiên cứu. Điều này cho thấy rằng hai biến này có sự thay đổi khá lớn trong thời gian nghiên cứu. Điều này cũng khá phù hợp khi lạm phát của Việt Nam trước đây rất cao và sau này được kiểm chế bởi nhà nước, đồng thời nền kinh tế Việt Nam ngày càng hội nhập dẫn đến lượng xuất khẩu và nhập khẩu ngày càng gia tăng mạnh.
Biến tỷ trọng sản lượng nông nghiệp AGRI và lãi suất INT cũng có độ lệch chuẩn tương đối cao hơn so với các biến khác, với giá trị trung bình lần lượt là 21.673 và 8.172.
Các biến còn lại hầu như không có sự biến động nhiều so với các biến khác. Cụ thể dòng vốn FDI, tốc độ tăng trưởng GDP, tỷ giá REER, cung tiền M2, thất nghiệp UNEMP đạt giá trị trung bình lần lượt là 20.809; 0.016; 1.092; 33.830; 2.267.
4.2. Xử lý dữ liệu
4.2.1. Kiểm định tính dừng của các chuỗi dữ liệu
Đầu tiên, tác giả sử dụng phương pháp KPSS để kiểm định nghiệm đơn vị (hay tính dừng) của các chuỗi dữ liệu. Kết quả kiểm định nghiệm đơn vị tại bậc gốc được thể hiện trong bảng 4.2, cho thấy rằng tất cả các biến đều không dừng ở bậc gốc tại mức ý nghĩa 5%.
Bảng 4.2. Kết quả tính dừng các biến tại bậc gốc
iến LM-Stat Giá trị tới hạn tại mức 5% Kết quả
LNFDI 0.91362 0.463 Không dừng GDPGR 0.50079 0.463 Không dừng AGRI 1.05664 0.463 Không dừng CPI 0.30922 0.146 Không dừng REER 0.1565 0.146 Không dừng LNM2 0.19586 0.146 Không dừng UNEMP 28.4345 0.463 Không dừng INT 0.19909 0.146 Không dừng TRADE 1.22274 0.463 Không dừng
Nguồn: Tác giả tổng hợp từ phần mềm Eviews 7.2
Giá trị LM-Stat của các biến LNFDI, GDPGR, AGRI, CPI, REER, LNM2, UNEMP, INT và TRADE đều lớn hơn giá trị tới hạn tại mức ý nghĩa 5%. Điều này có nghĩa rằng các chuỗi dữ liệu trên đều không dừng ở bậc gốc.