- Tiêu chí về mật độ kinh tế (GDP/km2)
Số lượng: GDP
2.2.2. Sử dụng mô hình định lượng đánh giá tácđộng của CDCCKT đến tăng trưởng kinh tế
trưởng kinh tế
- Để ước lượng một cách có cơ sở khoa học ảnh hưởng của chuyển dịch cơ cấu ngành kinh tế tới tăng trưởng kinh tế có thể sử dụng mô hình kinh tế lượng. Việc sử dụng mô hình kinh tế lượng có hai ưu điểm:
- Thứ nhất, các ảnh hưởng của CDCCNKT đối với tăng trưởng không chỉ giới
hạn ở hiệu ứng trực tiếp mà còn bao gồm cả các hiệu ứng gián tiếp là kết quả của việc lan tỏa ảnh hưởng giữa các hoạt động khác nhau. Những hiệu ứng lan tỏa đó có thể bắt nguồn từ việc triển khai các sản phẩm và dịch vụ mới (liên quan đến người tiêu dùng) cũng như qua việc truyền bá kiến thức, ví dụ các phương pháp sản xuất có độ phức tạp cao về mặt công nghệ (liên quan đến người sản xuất)…
- Thứ hai, là khả năng kiểm soát tác động của các nhân tố quan trọng khác ngoài
việc tác động của CDCCNKT lên tăng trưởng.Thực tế, bên cạnh tác động của CDCCNKT còn có thể có nhiều nhân tố khác cũng tác động mạnh đến tăng trưởng kinh tế. Về mặt lý thuyết, các nhân tố này có thể là các nhân tố tác động từ phía cung như vốn đầu tư, lao động, tài nguyên, khoa học công nghệ. Các nhân tố này cũng có tác động đến cầu tiêu dùng của nền kinh tế như tiêu dùng của khu vực tư nhân, chính phủ, độ mở cửa của nền kinh tế, thể chế,...
- Để ước lượng ảnh hưởng của CDCCNKT đến tăng trưởng GDP, bộ số liệu được sử dụng là bộ số liệu cấp tỉnh, dạng hàm được sử dụng là hàm hồi quy sử dụng dữ liệu mảng (panel data) có hiệu ứng cố định. Việc sử dụng mô hình kinh tế lượng với bộ số liệu dưới dạng dữ liệu bảng trong nghiên cứu các vấn đề liên quan đến tăng trưởng đã được Islam đề xuất lần đầu tiên vào năm 1995 và sau đó được sử dụng rộng rãi, ngay cả ở Việt Nam. Sử dụng bộ số liệu dữ liệu bảng sẽ cho phép kiểm soát được vấn đề không đồng nhất giữa các đối tượng nghiên cứu vì bộ số liệu dữ liệu bảng sẽ cho phép chỉ thể hiện vấn đề không đồng nhất ở hệ số chặn. Dạng hàm hồi quy tác động của CDCCNKT tới tăng trưởng kinh tế (GDP) được xây dựng trên nghiên cứu của M.Peneder (2002) [29] :
Dạng hàm hồi quy cụ thể như sau:
Trong đó:
GDPi,t - là GDP của tỉnh i năm t;
ln LD - là tăng trưởng lao động trong độ tuổi (quan hệ thuận);
VDT/GDPi,t-1 - tỷ lệ vốn đầu tư/GDP của năm trước (quan hệ thuận); lnVDTi,t - là tỷ lệ tăng vốn đầu tư (quan hệ thuận);
TTNNi,t-1 - là biến chuyển dịch cơ cấu - tỷ trọng ngành Nông nghiệp. Trên cơ sở nghiên cứu của M.Peneder (2002), do giới hạn về số liệu và đặc thù của TP.HCM nên tác giả đề xuất mô hình phân tích ở đây được xây dựng bao gồm các nhân tố đầu vào cơ bản truyền thống: Để kiểm định mô hình ta gọi Yt là GDP của thành phố (tỷ đồng); It là tổng vốn đầu tư (tỷ đồng); Lt là số lao động (nghìn người); ARt là tỷ trọng ngành nông nghiệp trong GDP (%), là biến đại diện cho cơ cấu ngành. Xt là tỷ trọng xuất khẩu sản phẩm thô trong tổng giá trị xuất khẩu (%). Yếu tố tài nguyên thiên nhiên khi khai thác sẽ được bổ sung vào vốn đầu tư; yếu tố công nghệ không được đo lường trực tiếp mà sẽ tính gián tiếp.
Dạng hàm hồi quy cụ thể như sau:
ln GDPt = α + β1 lnIt + β2 lnLt + β3lnARt + β4lnXt + ut (2.3) Trong đó:
GDPt - Tổng Sản phẩm nội địa của Thành phố năm t; lnIt - là tăng trưởng vốn đầu tư năm t;
ln Lt - là tăng trưởng lực lượng lao động năm t;
ln ARt - là tỷ trọng ngành nông nghiệp trong GDP của thành phố; lnXt - Tỷ lệ xuất khẩu sản phẩm thô trong giá trị xuất khẩu.
Khi hồi quy mô hình cho TP.HCM, số liệu sử dụng là số liệu thống kê của Thành phố trong giai đoạn 1993-2012 được lấy từ nguồn Cục Thống kê TP.HCM.
- GDP được lấy theo giá cố định 1994 (tỷ đồng);
- Lực lượng lao động là số lao động thực tế tham gia hoạt động kinh tế trong năm (Nghìn người);
- Hệ số giảm phát đầu tư lấy hệ số giảm phát GDP thay thế;
- Vốn đầu tư xã hội giá cố định được tính bằng cách lấy vốn đầu tư xã hội giá hiện hành / hệ số giảm phát đầu tư (tỷ đồng) ;
- Tỷ lệ xuất khẩu thô được tính trên tổng kim ngạch xuất khẩu hàng năm của thành phố (%) ;
- Tỷ trọng ngành nông nghiệp trong GDP (%). Quy trình phân tích được tiến hành theo hai bước:
+ Bước 1: Phân tích hồi quy để xác định hệ số co dãn và thực hiện các kiểm định. + Bước 2: Xác định đóng góp của từng yếu tố đối với tốc độ tăng trưởng GDP Phân tích hồi quy: Phương pháp ước lượng α, β, γ, θ từ phương trình (2.3), lấy
Logarith hai vế ta sẽ có phương trình tương đương:
LnY=LnA+ αln I + βlnL + γlnAR+ θlnX (2.4)
Sử dụng phương pháp bình phương bé nhất (Ordinary Least Square, OLS) trong kinh tế lượng để ước lượng α, β, γ và θ (sử dụng phần mềm SPSS để ước lượng).
Mô hình ước lượng có dạng Logarit-tuyến tính:
LnY = LnA+ αln I + βlnL + γlnAR + θlnX + Ut (2.5)
Ut: Phần dư
Hệ thống kiểm định: Để mô hình hồi quy đảm bảo khả năng tin cậy và hiệu quả, ta cần thực hiện bốn kiểm định chính sau đây [10]:
(1) Kiểm định tương quan từng phần của các hệ số hồi quy.
Mục tiêu của kiểm định này nhằm xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Khi mức ý nghĩa (Sinnifitcance, Sig.) của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (Sig. <0,05), kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc.
(2) Mức phù hợp của mô hình.
Mục tiêu của kiểm định này nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình được xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng không và mô hình được xem là phù hợp nếu có ít nhất một hệ số hồi quy khác không.
Giả thuyết: H0: Các hồi quy đều bằng không.
H1: Có ít nhất một hệ số hồi quy khác không.
Sử dụng phân tích phương sai (Analysis of variace, ANOVA) để kiểm định. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig. <0,05%), ta chấp nhận giả thuyết H1, mô hình được xem là phù hợp.
(3) Hiện tượng đa cộng tuyến
Hiện tượng đa cộng tuyến (Multicollinearity) là hiện tượng các biến độc lập có quan hệ gần như tuyến tính. Việc bỏ qua hiện tượng đa cộng tuyến sẽ làm các sai số chuẩn thường cao hơn, giá trị thống kê thấp hơn và có thể không có ý nghĩa. Để kiểm tra hiện tượng này, sử dụng ma trận tương quan Pearson. Nếu hệ số tương quan của các biến độc lập với nhau nhỏ hơn 0,5 có thể chấp nhận không có hiện tượng đa cộng tuyến. Ngoài ra, còn sử dụng thước đo độ phóng đại phương sai (Variance Inflation Factor, VIF) để kiểm định hiện tượng tương quan giữa các biến độc lập. Điều kiện là VIF<10 để không có hiện tượng đa cộng tuyến.
(4) Hiện tượng phương sai phần dư thay đổi (Heteroskedasticty)
Phương sai của phần dư thay đổi là hiện tượng các giá trị phần dư có phân phối không giống nhau và giá trị phương sai không như nhau. Bỏ qua phương sai của phần dư thay đổi sẽ làm cho ước lượng OLS của các hệ số hồi quy không hiệu quả, các kiểm định giả thuyết không còn giá trị, các dự báo không còn hiệu quả. Để kiểm tra hiện tượng này, sử dụng kiểm định Spearman, nếu mức ý nghĩa (Sig.) của các hệ tương quan hạng Spearman đảm bảo lớn hơn 0,05, kết luận phương sai phần dư không đổi.