6. Kết cấu luận án
4.1.2. Phân tích định lượng
a.Phân tích thống kê
Hình 4.3. Mối quan hệ giữa tăng trưởng kinh tế và BBĐ thu nhập tại VKTTĐTB
(Nguồn: Xử lý từ Niên giám thống kê các tỉnh VKTTĐTB)
Hình 4.3 cho thấy mối quan hệ tương quan giữa tăng trưởng kinh tế và BBĐ thu nhập. Đường xu hướng có hệ số góc dương và dốc lên, và có độ dốc khá lớn đã hàm ý tác động dương từ tăng trưởng tới BBĐ thu nhập tại VKTTĐTB với hệ số tương quan khá cao.
y = 0.9463x - 12.654 R² = 0.7902 -13 -12.5 -12 -11.5 -11 -10.5 -10 -9.5 -9 0 0.5 1 1.5 2 2.5 B B Đ th u nh ập - ln g in i
Hình 4.4. Mối quan hệ giữa số giường bệnh trên 1 vạn dân và BBĐ thu nhập tại VKTTĐTB
(Nguồn: Xử lý từ Niên giám thống kê các tỉnh VKTTĐTB)
Hình 4.5. Mối quan hệ giữa tỷ lệ hộ nghèo và BBĐ thu nhập tại VKTTĐTB
(Nguồn: Xử lý từ Niên giám thống kê các tỉnh VKTTĐTB)
Hình 4.4 thể hiện mối quan hệ giữa số giường bệnh trên một vạn dân và BBĐ thu nhập. Số giường bệnh trên một vạn dân được đại diện cho điều kiện dịch vụ y tế của VKTTĐTB. Khi số giường bệnh bình quân tăng cũng đồng nghĩa với điều kiện cung cấp dịch vụ được cải thiện. Vì tiêu chuẩn định biên bác sỹ cũng như cơ sở vật chất kèm theo của các bệnh viện đều tính theo chuẩn số
y = -0.5966x - 9.9788 R² = 0.2881 -13 -12.5 -12 -11.5 -11 -10.5 -10 -9.5 1 1.5 2 2.5 3 3.5 B B Đ - ln g in i Giường bệnh / 1 vạn dân y = -0.0722x - 9.9175 R² = 0.7577 -13 -12.5 -12 -11.5 -11 -10.5 -10 -9.5 -9 5 10 15 20 25 30 35 B B Đ - l n g in i Tỷ lệ hộ nghèo
giường bệnh. Đường xu hướng ở đây có hệ số góc âm hay dốc xuống thể hiện mối quan hệ âm hay hàm ý rằng cải thiện điều kiện y tế sẽ giảm tỉnh trạng BBĐ thu nhập. Hệ số tương quan giữa chúng khá cao.
Tỷ lệ nghèo có mối quan hệ ngược chiều với bất bình đẳng thu nhập. Bởi người nghèo thường tập trung ở nông thôn và những vùng kinh tế phát triển kém hơn. Nhưng những nơi đó lại là có mức độ BBĐ thu nhập thấp. Trong khi những vùng có trình độ phát triển kinh tế cao như các thành thị và trung tâm kinh tế nơi tập trung nhiều người giàu, tỷ lệ nghèo cũng thấp hơn nên bất bình đẳng cũng cao hơn. Điều này thể hiện trên hình 4.5. Đường xu hướng có hệ số góc dương và hệ số tương quan khá cao.
Hình 4.6. Mối quan hệ giữa già hóa và BBĐ thu nhập tại VKTTĐTB
(Nguồn: Xử lý từ Niên giám thống kê các tỉnh VKTTĐTB)
Tình trạng già hóa có tác động tới tình trạng BBĐ thu nhập. Với thực trạng hiện nay ở các tỉnh VKTTĐTB, tỷ suất giá hóa tăng nhanh trong khi trình độ phát triển kinh tế còn ở mức độ thấp. Thông thường mức chi tiêu của người giá rất cao nhất là chi cho khám chữa bệnh. Do tích lũy thấp nên những người già thường rơi vào diện nghèo. Như ý kiến các chuyên gia cũng đánh giá tác động của tình trạng này tới BBĐ thu nhập là tiêu cực. Do vậy tình trạng già hóa cao cũng sẽ tác động phân hóa giàu nghèo cao và làm cho BBĐ thu nhập cao
y = 0.1801x - 18.571 R² = 0.5923 -13 -12.5 -12 -11.5 -11 -10.5 -10 -9.5 -9 35 37 39 41 43 45 B B Đ - l n g in i Gìa hóa
như hình 4.6. Đường xu hướng có hệ số góc dương và hệ số tương quan khá cao. Từ các phân tích định tính trên đây như theo tổng hợp các nghiên cứu, theo kết quả phỏng vấn sâu và theo thống kê mô tả. Dường như chúng đều thống nhất về tác động dương của tăng trưởng kinh tế tới BBĐ thu nhập hay tăng trưởng kinh tế làm cho BBĐ thu nhập cao hơn. Đồng thời các nghiên cứu định tính cũng đã chỉ ra chiều hướng tác động của một số yếu tố kinh tế xã hội nhất định như điều kiện dịch vụ y tế giáo dục, già hóa, và tình trạng nghèo…. Các nghiên cứu cũng lý giải các nhận định về chiều hướng đó. Tuy nhiên để bổ sung cho các kết quả này cũng cần có các phân tích định lượng về mối quan hệ này. Phần dưới đây sẽ trình bày kết quả đó.
b. Ước lượng tác động
BBĐ thu nhập được thể hiện có thể qua nhiều thước đo, phần này của nghiên cứu sẽ sử dụng thước đo là hệ số GINI. Phần dưới đây sẽ đánh giá tác động của tăng trưởng tới BBĐ thu nhập thông qua GINI.
Các giả định cho phân tích đã được đưa ra ở đầu chương. Phần tiếp theo sẽ giới thiệu từng nội dung kết quả ước lượng.
Thống kê và phân phối xác suất trong mô hình
Các số liệu thứ cấp được thu thập như giới thiệu ở chương 2. Bảng thống kê mô tả như dưới đây.
Bảng 4.1. Thống kê mô tả các biến trong mô hình (30)
(Nguồn: Xử lý từ Niên giám thống kê các tỉnh VKTTĐTB)
Bảng 4.1 trình bày một số thống kê cơ bản về các biến trong mô hình. Giá trị lngini bình quân là -11,3427, giá trị nhỏ nhất là -12,4752 và giá trị lớn nhất là -10,3937. Thống kê cơ bản của các biến khác được sử dụng trong mô
hình đã thể hiện trong bảng 4.1.
Với mô hình hồi quy tuyến tính, phân bố xác suất của sai số ngẫu nhiên chính là phân bố xác suất của biến độc lập, do vậy để sai số ngẫu nhiên có phân bố chuẩn thì biến độc lập phải có phân bố chuẩn. Do vậy ở đây sẽ thực hiện phỏng vấn đồ thị của các biến được dùng như biến độc lập như mô hình ước lượng dưới đây.
Hình 4.7. Phân phối xác suất của Lnpergdp
Hình 4.8. Phân phối xác suất của số giường bệnh trên 1 vạn dân
(Nguồn: Xử lý từ Niên giám thống kê các tỉnh VKTTĐTB )
Hình 4.9. Phân phối xác suất của tình trạng nghèo
Hình 4.10. Phân phối xác suất của già hóa
Hình 4.7 và 4.8 là biểu đồ hình cột cho biết phân bố xác suất của biến đại diện cho tăng trưởng kinh tế hay logarit mức GDP bình quân đầu người và biến đại diện cho việc bảo đảm cung cấp dịch vụ y tế cho dân cư (số giường bệnh trên 1 vạn dân). Phân bố này có dạng phân bố gần phân bố chuẩn. Qua quan sát biểu đồ cho thấy giá trị trung bình đại diện cho số đông nên có thể sử dụng làm biến độc lập trong các mô hình ước lượng.
Hình 4.9 và 4.10 cũng biết phân bố xác suất của biến đại diện tình trạng nghèo của dân cư và già hóa. Các phân bố này có dạng phân bố gần phân bố chuẩn. Điều này hàm ý giá trị trung bình đại diện cho số đông nên có thể sử dụng làm biến độc lập trong các mô hình ước lượng
Mô hình và phương pháp ước lượng
Ở đây sẽ áp dụng mô hình (30) trong chương 2 như sau: lnginii,t= β0 + β1lnpergdpit-1+ βiZit + ui,t (30) Trong đó:
lnginii,t: biến đại diện cho BBĐ thu nhập
lnpergdpit-1: biến đại diện cho tăng trưởng kinh tế (pergdp là thu nhập đầu người hay GDP/người)
Z: là biến đại diện cho đặc trưng kinh tế xã hội tại VKTTĐTB. Các biến này ngoài biến đại diện cho tăng trưởng kinh tế là lnpergdp2000 còn có các biến khác như điều kiện dịch vụ y tế - số giường bệnh / 1 vạn dân, tình trạng nghèo – tỷ lệ nghèo và tình trạng già hóa. Việc lựa chọn các biến này đã lý giải ở 3.1 chương 3.
Khi đó có thể có mô hình phục vụ ước lượng tác động của tăng trưởng kinh tế tới BBĐ thu nhập qua thước đo GINI như sau:
lnginiit = β0 + β1lnpergdpit-1 + β2gbsodsit + β3giahoait + β4tylengheoit + ui,t (40) Ký hiệu và tên các biến được giải thích trong bảng sau:
Bảng 4.2. Giải thích ký hiệu các biến được sử dụng trong mô hình
STT Ký hiệu Tên biến Nguồn số liệu
1 lnginiit
đại diện cho BBĐ thu nhập với gini là hệ số đo lường BBĐ thu nhập của tỉnh i năm t. GINI có giá trị trong [0,1]
Niên giám thống kê các tỉnh
2 lnpergdpit-1
đại diện cho tăng trưởng kinh tế, trong đó pergdp là mức GDP bình quân đầu người của tỉnh i năm t-1. pergdp tính bằng triệu đồng/ng theo giá 1994.
Niên giám thống kê các tỉnh
3 gbsodsit
đại diện cho việc bảo đảm cung cấp dịch vụ y tế cho dân cư tỉnh i năm t, được tính bằng số giường bệnh/1 vạn dân tỉnh i năm t. Ở đây gbsods được tính bằng số giường bệnh / 1 vạn dân
Niên giám thống kê các tỉnh
4 giahoait
đại diện cho tình trạng già hóa của dân số các tỉnh ở đây. Giahoa là hệ số so sánh giữa tỷ lệ người từ 60 tuổi trở lên với tỷ lệ dân số từ 0-14 tuổi
Niên giám thống kê các tỉnh
5 tylengheoit
đại diện cho tình trạng nghèo, được tính bằng tỷ lệ nghèo của tỉnh i năm t. tylengheo là tỷ lệ hộ nghèo của các địa phương
Niên giám thống kê các tỉnh
Phương pháp ước lượng
Để ước lượng tác động của tăng trưởng kinh tế tới BBĐ thu nhập theo mô hình (40), phương pháp phổ biến nhất là OLS hay phương pháp ước lượng OLS thô (Pooled OLS) cho dạng dữ liệu thu thập này nghĩa là bỏ qua yếu tố thời gian mà chỉ là các quan sát dữ liệu thuần túy. Ước lượng thô là ước lượng OLS trên tập dữ liệu thu được của các đối tượng theo thời gian, do vậy nó xem
tất cả các hệ số đều không thay đổi giữa các đối tượng khác nhau và không thay đổi theo thời gian. Đây cũng là hạn chế của phương pháp này. Nhưng do số liệu theo tỉnh và trong khoảng thời gian từ 2001-2013 nên trong nghiên cứu này đã sử dụng phương pháp ước lượng dữ liệu mảng theo phương pháp tác động ngẫu nhiên và cố định. Sử dụng dữ liệu mảng có một số ưu điểm như chúng làm tăng quy mô mẫu, cho phép nghiên cứu các mô hình hành vi phức tạp.
Khi sử dụng phương pháp tác động ngẫu nhiên và cố định với số liệu chuỗi thời gian sẽ xuất hiện vấn đề như Michael Christl Bakk, (2012) đã chỉ ra, đó là: (i) độ trễ của biến GDP hay GDP/người và hiện tượng nội sinh của các biến giải thích khi ước lượng. Ngoài ra khi áp dụng vẫn phải xem xét vấn đề phương sai thay đổi như khi sử dụng dữ liệu chéo và hiện tượng tương quan chéo trong các đơn vị cá nhân trong cùng thời điểm. Những hiện tượng này sẽ làm cho kết quả kém tin cậy.
Để xử lý vấn đề này, cần phải kiểm tra tính dừng nhằm xác định độ trễ của biến trong nghiên cứu này ngoài việc kiểm định tính dừng (dù rằng với dãy thời gian ngắn là không cần thiết), người nghiên cứu sử dụng biến độc lập lnpergdp2000 với độ trễ 1 năm hay bắt đầu từ năm 2000 đến 2012. Các biến độc lập khác bắt đầu từ năm 2001 và đến 2013. Việc chọn khoảng thời gian gian như vậy là có mấy lý do, trong các tỉnh của VKTTĐTB thì tỉnh Quảng Nam và Đà Nẵng được chia tách từ năm 1997, nhưng nền kinh tế của tỉnh Quảng Nam thực sự “độc lập” chỉ sau năm 2000. Ngoài ra việc thu thập số liệu liên quan đến BBĐ thu nhập chỉ sau năm 1998 mới có thể thực hiện nhưng không phải tỉnh nào cũng có và cũng chỉ sau năm này thì vấn đề BBĐ thu nhập mới được đặt ra xem xét nghiên cứu.
Bảng 4.3. Kết quả ước lượng (với biến phụ thuộc là lngini)
Phương pháp
Random effects (REM) Fixed effects (FEM) Biến phụ thuộc lngini
lnpergdp2000 +0,4583808* (0,1875494) +0,4427293** (0,1228178) GBsoDS -0,2263227*** ( 0,0616452) -0,1954394** (0,0547561) Tylengheo -0,0210468* ( 0,0120497) -0,0278591* (0,0116567) Giahoa +0,0516782** (0,0166228) +0,0593344** (0,017271) Tung độ gốc -13,11878*** 0,7669031 -13,34048*** (0,8034035) R- sq 0,8828 0,8817 Breusch-Pagan / Cook- Weisberg test for heteroskedasticity
Điều chỉnh bằng robust Prob>chi2 = 0,9320
vif <10 <10
Durbin-Watson 1,1870981 1,1870981
Tương quan chuỗi: Wooldridge test for
autocorrelation in panel data
Prob > F = 0,0293
N 65 65
Prob>F 0,0000 0,0000
Hausman test Prob>chi2 = 0,0000
Ghi chú: trong () là độ lệch chuẩn, ***,**,* là mức ý nghĩa 1%, 5% và 10% (Nguồn: Xử lý từ Niên giám thống kê các tỉnh VKTTĐTB )
Khi ước lượng bằng REM và FEM kết quả các kiểm định đều có ý nghĩa thống kê ở mức < 0,05 cụ thể:
Thứ nhất, qua kết quả phân tích sau P(F)= 0,000<0,05 nên có thể khẳng định tồn tại mối quan hệ giữa các biến và chấp nhận giả thiết hệ số hồi quy của các biến khác không. Tức là mô hình phù hợp.
Thứ hai, các kiểm định t với kết quả tại biểu Coefficients, tất cả các giá trị Sig. = p(t) tương ứng với các biến đều có ý nghĩa thống kê ở mức 0,05.
Thứ ba, kiểm định Breusch – Pagan có Prob > chi2 >0,05 cho phép kết luận mô hình không tồn tại hiện tượng phương sai không đồng nhất với FEM và đã điều chỉnh khắc phục với REM.
Thứ tư, các giá trị VIF gắn với các biến giải thích (biến độc lập) đều nhỏ hơn 10 cho thấy mô hình không tồn tại hiện tượng đa cộng tuyến.
Thứ năm, hệ số Durbin-Watson đều nằm trong khoảng 1 đến 3 cho thấy mô hình không có hiện tượng tự tương quan.
Thứ sáu, hệ số tương quan khoảng 0,88 cho biết sự thay đổi của BBĐ thu nhập theo GINI được giải thích từ sự tác động của tăng trưởng kinh tế và các nhân tố kinh tế xã hội là khoảng hơn 88%.
Thứ bảy, với kết quả kiểm định hausman test như trong bảng 4.3 gợi ý rằng sử dụng kết quả của phương pháp FEM tốt hơn.
Thứ tám, kiểm định tương quan chuỗi có Prob > F = 0,0293 nghĩa là mô hình không có hiện tượng tương quan chuỗi.
Hai kết quả này có các hệ số hồi quy tương đồng và cùng dấu, chỉ khác nhau độ lệch chuẩn.
Như vậy tăng trưởng kinh tế tác động dương tới BBĐ thu nhập. Hệ số hồi quy là +0,4427293 cho biết nếu tăng trưởng GDP/ng tăng 1% thì GINI hay BBĐ thu nhập sẽ tăng 0,442% với giả định các nhân tố khác không đổi. Nghĩa là tăng trưởng kinh tế tăng nhanh hơn BBĐ thu nhập. Điều này cũng hàm ý rằng các chính sách và giải pháp can thiệp của chính phủ và chính quyền nhằm
hạn chế BBĐ thu nhập đã và đang phát huy tác động.
Những kết quả này dường như khá thống nhất với kết quả phân tích định tính ở trên. Có thể kết luận rằng tăng trưởng kinh tế có tác động dương tới BBĐ thu nhập ở đây.