Trƣớc tiên tôi tiến hành chạy mô hình 1 là mô hình hồi quy gồm các biến kiểm soát: số chuyến bay chuyên chở đăng kí, số người sử dụng internet
trên 100 người và số thuê bao điện thoại đăng kí trên 100 người để phân tích
tác động của các biến này đến nguồn vốn FDI. Kết quả mô hình 1 đƣợc trình bày trong bảng 4.2
Trong mô hình 1 này giá trị R2 là 0,405. Điều này có nghĩa là các biến kiểm soát giải thích đƣợc 40,5 % sự biến động của biến phụ thuộc FDI. Giá trị P = 0,000, cho thấy mô hình có ý nghĩa ở mức 1%. Kết quả của mô hình cho thấy, hai biến số chuyến bay chuyên chở đăng kí và số người sử dụng internet
trên 100 người có ý nghĩa đối với mô hình còn biến số thuê bao điện thoại
đăng kí trên 100 người thì không có ý nghĩa đối với mô hình.
Đối với biến số chuyến bay chuyên chở đăng kí hệ số 𝛽 =0,018, p=0,010, có nghĩa là biến này có ý nghĩa đối với mô hình ở mức 1%, và khi số lƣợng chyến bay tăng lên 1000 chuyến thì lƣợng vốn FDI sẽ tăng lên 0,118 triệu USD. Điều này đúng với kỳ vọng và hoàn toàn phù hợp với thực tế vì ngày nay vận tải hàng không đã trở thành kênh vận chuyển hàng hóa quan trọng không thiếu trong thƣơng mại quốc tế, đặc biệt là đối với các quốc gia đang phát triển. Khi số lƣợng chuyến bay chuyên chở đăng kí tăng lên chứng tỏ vận tải hàng không đang ngày càng phát triển, điều này sẽ thu hút các nhà đầu tƣ hơn.
Đối với biến số người sử dụng internet trên 100 người giá trị 𝛽 = 228,088, p=0,000 cho thấy biến này có ý nghĩa đối với mô hình ở mức ý nghĩa 1%. Giá trị 𝛽=228,008 cho biết khi số ngƣời sử dụng internet/100 ngƣời tăng lên 1 ngƣời thì lƣợng vốn FDI sẽ tăng lên 228,008 triệu USD. Điều này hoàn toàn phù hợp vì với sự phát triển nhanh chóng của thƣơng mại điện tử nhƣ hiện nay, thì internet đã trở thành một phƣơng tiện kinh doanh không thể thiếu
40
đối với các doanh nghiệp, đăc biệt là những doanh nghiệp lớn. Đây là một kênh thông tin cũng nhƣ quảng bá hiệu quả của các doanh nghiệp. Chính vì vậy, khi lƣợng truy cập tăng chứng tỏ internet càng phát triển sẽ thu hút các nhà đầu tƣ nƣớc ngoài hơn, do đó dòng vốn này sẽ tăng lên.
Đối với biến số thuê bao điện thoại đăng kí trên 100 người, giá trị
𝛽=40,807, p= 0,193 cho thấy biến số này không có ý nghĩa đối với mô hình. Điều này không đạt đƣợc nhƣ kỳ vọng ban đầu, tuy nhiên đây cũng là vấn đề dễ hiểu vì theo nhƣ Nguyễn Thị Tƣờng Anh và Nguyễn Mạnh Toàn (2010) thì với sự phát triển nhanh chóng của dịch vụ điện thoại nhƣ hiện nay, thì biến số lƣợng điện thoại không còn là biến số đo lƣợng hiệu quả việc thu hút nguồn vốn FDI nữa.
Bảng 4.2: Các biến kiểm soát và các biến độc lập tác động đến FDI
Các biến Mô hình 1 Mô hình 2
Hằng số -3427,88 (1619,626)** -5129,942 (1806,392)**
Số chuyến bay chuyên chở đăng kí
0,018 (0,007)* 0,041 (0,011)*
Số thuê bao điện thoại đăng kí trên 100 ngƣời
40,807 (31,143) 36,589 (26,39) Số ngƣời sử dụng internet trên 100 ngƣời 228,008 (58,826)* -84,206 (75,018) Tỷ lệ lạm phát 485,273 (193,605)** GDP/ngƣời 0,644 (0,094)* Lực lƣợng lao động -0,047 (0,044) Số quan sát 117 117 Giá trị P 0,000 0,000 Giá trị R2 0,405 0,588 *
, ** lần lượt biểu diễn giá trị mức ý nghĩa thống kê tại 1% và 5% Nguồn: Kết quả từ phần mềm STATA
41
Sau khi phân tích mô hình 1 gồm các biến kiểm soát tác động đến dòng vốn FDI. Tôi tiến hành đƣa vào mô hình các biến độc lập và chạy mô hình hồi quy mới gồm 6 biến: Lạm phát, GDP bình quân đầu người, lực lượng lao động, số chuyến bay chuyên chở đăng kí, số người sử dụng internet trên 100
người và số thuê bao điện thoại đăng kí trên 100 người . Trong đó Lạm phát,
GDP bình quân đầu người, lực lượng lao động là các biến độc lập mà mô hình
quan tâm; số chuyến bay chuyên chở đăng kí, số người sử dụng internet trên
100 người và số thuê bao điện thoại đăng kí trên 100 người là các biến kiểm
soát đƣợc ƣớc lƣợng trong mô hình 1. Kết quả mô hình hồi quy 2 đƣợc trình bày trong bảng 4.2
Mô hình 2 có giá trị R2= 0,588, đều này có nghĩa là các biến trong mô hình giải thích đƣợc 58,8 % sự thay đổi của biến phụ thuộc FDI, tăng lên 18.3% so với mô hình 1, giá trị P=0,000 cho thấy mô hình có ý nghĩa ở mức 1%. Nhƣ vậy việc đƣa thêm vào mô hình các biến độc lập góp phần giải thích tốt hơn sự thay đổi của biến phụ thuộc FDI. Kết quả mô hình cho thấy chỉ có 3 biến có ý nghĩa là tỷ lệ lạm phát (p = 0,014), GDP bình quân đầu người (p =
0,000) và số chuyến bay chuyên chở đăng kí (p = 0,000);3 biến còn lại không có ý nghĩa trong mô hình là lực lượng lao động, số người sử dụng internet trên
100 người và số thuê bao điện thoại đăng kí trên 100 người do có các giá trị p
lần lƣợt là 0,282, 0,264, 0,168 lớn hơn mức ý nghĩa 5%).
Bên cạnh đó để đảm bảo các ƣớc lƣợng phù hợp và đáng tin cậy nhất, tôi tiến hành kiểm định các lỗi của mô hình để khắc phục (nếu có).
Kết quả kiểm định phƣơng sai sai số thay đổi (phụ lục trang 59) cho thấy giá trị P=0,000. Điều này chứng tỏ rằng mô hình hồi quy không mắc phải lỗi phƣơng sai sai số thay đổi.
Bên cạnh đó, nghiên cứu cũng tiến hành kiểm định hiện tƣợng đa cộng tuyến dựa trên việc xem xét hệ số tƣơng quan cặp giữa các biến trong ma trận hệ số tƣơng quan. Kết quả kiểm định (phụ lục trang 59) cho thấy hệ số tƣơng quan cặp giữa các biến trong mô hình điều nhỏ hơn 0,8. Do đó có thể kết luận rằng các biến trong mô hình không có mối tƣơng quan cao và không có hiện tƣợng đa cộng tuyến trong mô hình nghiên cứu này.