3.1.1 Số liệu sử dụng trong mô hình
Số liệu sử dụng cho các phân tích được lấy từ nguồn Điều tra mức sống dân cư do Tổng cục thống kê cung cấp. Đây là những cuộc điều tra lớn được thiết kế nhằm tìm hiểu về tình hình thu nhập chi tiêu, việc làm của hộ gia đình ở cả nông thôn và thành thị, nội dung bao hàm nhiều khía cạnh khác nhau về kinh tế hộ gia đình, bộ số liệu Điều tra mức sống dân cư được coi là nguồn thông tin đáng tin cậy và có thể được sử dụng cho nhiều mục tiêu nghiên cứu khác nhau.
Trên góc độ phân tích vấn đề tiền lương của người lao động, điểm mạnh của bộ số liệu này thể hiện ở điểm:
- Có nhiều thông tin chi tiết đến cá nhân từng người lao động vì vậy có thể dùng để phân tích về đặc điểm cá nhân và ảnh hưởng đến tiền lương của người lao động.
- Có sự trùng lặp mẫu điều tra qua các năm và vì vậy có thể phân tích chính xác về tiền lương của người lao động theo thời gian.
Trong khuôn khổ của báo cáo thực tập này, ta chỉ sử dụng thông tin của những người làm công ăn lương và có độ tuổi từ 15 trở lên.
Nguồn số liệu thứ hai được sử dụng trong nghiên cứu này là số liệu điều tra Doanh nghiệp hàng năm của Tổng cục Thống kê. Bộ số liệu này cung cấp cho ta thông tin về tình hình hoạt động sản xuất kinh doanh cũng như tình hình sử dụng lao động trong doanh nghiệp.
Đinh Mỹ Hương Toán kinh tế 46
Ngoài ra, một số nguồn số liệu được thống kê thường niên như Niên giám thống kê, thực trạng lao động việc làm của Bộ lao động cũng cung cấp những thông tin có giá trị bổ sung cho việc đánh giá ảnh hưởng của một số yếu tố đến tiền lương của người lao động.
3.1.2. Phương pháp ước lượng
Sử dụng phương pháp ước lượng hồi qui OLS và Bình phương nhỏ nhất 2 giai đoạn 2SLS.
3.2. MÔ HÌNH TỪ NHỮNG ĐẶC ĐIỂM CỦA NGƯỜI LAO ĐỘNGLÀM CÔNG ĂN LƯƠNG LÀM CÔNG ĂN LƯƠNG
Mỗi một người có những đặc điểm về trình độ, sức khỏe, giới tính, kinh nghiệm trong công việc, ngành nghề hoạt động, lĩnh vực hoạt động là khác nhau do đó tiền lương trong những nhóm người với những đặc điểm khác nhau có thể là khác nhau. Để xem xét sự khác biệt về tiền lương giữa các nhóm đó ta sẽ xem xét một số mô hình dưới đây.
Khi chúng ta quan tâm đến tốc độ biến động của biến nào đó, cụ thể là chúng ta muốn đo lường sự thay đổi của biến phụ thuộc dựa trên sự thay đổi cho trước trong giá trị của biến độc lập thì chúng ta sử dụng các quan hệ hàm số để mô tả: Y = f(X2, X3, …, Xk)
Trong đó: Y là tiền lương bình quân tháng của người lao động - Là biến phụ thuộc,
Xi là các đặc điểm gắn với người lao động như giới tính, trình độ chuyên môn kỹ thuật, kinh nghiệm, ngành nghề, lĩnh vực hoạt động,…là biến độc lập
Để xem xét sự biến động tương đối của biến phụ thuộc dựa trên sự biến động tuyệt đối của biến độc lập ta xét mô hình sau:
Theo dạng ngẫu nhiên
Ln(Yi) =β1+β2X2i+ … +βkXki+ ui ∀i=1÷n (3.1) Hay theo dạng kỳ vọng
Đinh Mỹ Hương Toán kinh tế 46
E(LnYi) = β1 + β2X2i + … + βkXki ∀i=1÷n (3.2)
Với u là sai số ngẫu nhiên có kỳ vọng bằng 0 phương sai hữu hạn
Thực hiện đạo hàm riêng theo biến Xj trong mô hình (3.2) ta được hệ số của Xj như sau:
βj = ∂LnE(Y)/∂Xj = (∂E(Y)/Y)/∂Xj
Trong kinh tế, chúng ta có thể tính xấp xỉ như sau: βj = ∂LnE(Y)/∂Xj ≈ (∆E(Y)/Y)/∆Xj
Với ∆Xj thể hiện mức độ biến động của Xj và ∆E(Y)/Y thể hiện tốc độ biến động của Y.
Như vậy có thể giải thích ý nghĩa của βj (∀j=2÷k) như sau: trong điều kiện các nhân tố khác không đổi, khi Xj biến động 1 đơn vị (theo đơn vị tính của Xj) thì E(Y) sẽ biến động bình quân βj%.
Để xác định được các yếu tố cần thiết cho mô hình dựa trên cơ sở dữ liệu, ta sử dụng bảng phân tích tương quan.
Đinh Mỹ Hương Toán kinh tế 46
Wage Region Skill Experience Schooling Education Sector Indus Wage Pearson 1.00 0.01 0.32 0.04 0.37 0.35 0.27 0.19 Sig. (2-tailed) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Region Pearson 0.01 1.00 -0.20 -0.03 -0.31 -0.32 -0.11 -0.19 Sig. (2-tailed) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Skill Pearson 0.32 -0.20 1.00 -0.10 0.71 0.64 0.51 0.42 Sig. (2-tailed) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Experience Pearson 0.04 -0.03 -0.10 1.00 -0.13 -0.13 -0.01 0.07 Sig. (2-tailed) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Schooling Pearson 0.37 -0.31 0.71 -0.13 1.00 0.98 0.57 0.51 Sig. (2-tailed) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Education Pearson 0.35 -0.32 0.64 -0.13 0.98 1.00 0.55 0.50 Sig. (2-tailed) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Sector Pearson 0.27 -0.11 0.51 -0.01 0.57 0.55 1.00 0.41 Sig. (2-tailed) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 Indus Pearson 0.19 -0.19 0.42 0.07 0.51 0.50 0.41 1.00 Sig. (2-tailed) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 ** is significant at the 0.01 level (2-tailed).
Từ bảng kết quả trên, ta thấy: Các hệ số tương quan tuyến tính của từng cặp biến được tính. Các kiểm định giả thiết “từng hệ số khác không” được thực hiện. Với kết quả này, ta có thể kết luận những hệ số tương quan của biến Wage và từng biến Region, Skill, Experience, Schooling, Education, Sector và Indus lớn hơn không, có ý nghĩa thống kê. Từng cặp biến này biến đổi cùng chiều.
Xuất phát từ mô hình đã được đề cập trên và qua bảng phân tích tương quan, ta đưa ra mô hình tiền lương dạng cơ bản sau:
LnWage = α0 + α1∗Schooling + α2∗Schooling2 + α3∗Experience + α4∗Experience2 + α5∗Gender + α6∗Urban + u (3.3)
Giải thích mô hình:
u là sai số ngẫu nhiên có kỳ vọng bằng 0 phương sai hữu hạn
Biến phụ thuộc: Wage là lương của người lao động đã được qui đổi về lương tháng
Biến độc lập:
Schooling: Số năm đi học của người lao động
Schooling2: Số năm đi học bình phương của người lao động Experience: Số năm kinh nghiệm của người lao động
Experience2: Số năm kinh nghiệm bình phương của người lao động
Gender: Giới tính của người lao động. Biến này có 2 phạm trù, khi đó, chỉ cần đặt 1 biến giả.
Gender = 1 nếu là lao động Nam 0 nếu là lao động Nữ
Sector: Khu vực của người lao động. Biến này có 2 phạm trù, khi đó, chỉ cần đặt 1 biến giả.
Sector = 1 nếu là lao động ở khu vực thành thị
0 nếu là lao động ở khu vực nông thôn
Trong phiếu hỏi các biến nói trên có thể dễ dàng tính toán được thông qua một số biến như số năm đi học được tính từ số năm đi học văn hóa thực tế cộng với thời gian học chuyên môn kỹ thuật qui ra số năm. Thực tế, trong phiếu không chỉ ra số thời gian học nghề hay chuyên môn cụ thể của người lao động, mà chỉ có thời gian học nghề ngắn hạn và dài hạn. Vì vậy, tôi đã lấy số thời gian học phổ biến cho từng loại nghề để tính.
Tuy nhiên khi tính số năm kinh nghiệm bằng cách lấy số tuổi của cá nhân người lao động trừ đi số năm đi học nói trên thì có một số trường hợp tính ra bị âm, chênh nhau từ 1 hoặc 0.5 năm. Với trường hợp như vậy tôi đã xem lại tuổi và năm đi học và xử lí như sau: Do phiếu hỏi được thực hiện vào tháng Năm và tháng Chín nên khi hỏi năm học cao nhất đạt được thì một số người thường trả lời cho năm đang học dở chưa kết thúc trong khi tuổi lại tính theo thời điểm điều tra, ví dụ: một học sinh đã tốt nghiệp lớp 9 và đang học lớp 10 thì phải khai học xong lớp 9 chứ không phải khai lớp 10 vì vậy khi nói tuổi 15 mà học xong lớp 10 thì chưa hoàn toàn chính xác (trừ trường hợp học trước tuổi, những trường hợp như vậy lẽ ra rất ít trong mẫu, nhưng thực tế lại không ít). Vì vậy một số người bị thấp tuổi hơn khi tính năm điều tra trừ đi năm sinh, mặt khác cũng có trường hợp vừa học xong phổ thông ra trường và đi học nghề dài hạn, có thể họ chỉ học một năm chứ không phải một năm rưỡi, do đó mà xảy ra âm về số năm kinh nghiệm. Những trường hợp như vậy không nhiều và được chuyển về số năm kinh nghiệm bằng không.
Trong các biến trên tôi sử dụng hai biến dạng bình phương là schooling2 và experience2 vì chúng ta có thể cho rằng quan hệ giữa tiền lương với số năm đi học và với kinh nghiệm của người lao động là quan hệ phi tuyến.
Kết quả mà có chứa các biến như trên phương trình (3.3) sau:
LnWage = −0.002Schooling + 0.003Schooling2 + 0.024Experience − 0.001Experience2 + 0.224Gender + 0.387Sector (3.4)
Từ phương trình (3.4) có thể tìm ra sự khác biệt của tiền lương giữa các nhóm lao động như giữa nam và nữ, giữa thành thị và nông thôn, giữa các ngành, giữa các vùng, giữa các nhóm trình độ giáo dục, … thông qua việc sử dụng các biến giả:
Skill: Kỹ năng của lao động. Biến này có 2 phạm trù, khi đó chỉ cần đặt 1 biến giả
Skill = 1 nếu là lao động có kỹ năng
0 nếu là lao động không có kỹ năng
Indus: Ngành kinh tế của người lao động. Biến này có 3 phạm trù, khi đó đưa vào mô hình hồi qui 2 biến giả
Indus1 = 1 nếu lao động làm trong ngành nông nghiệp Indus1 = 0 nếu lao động làm ở ngành khác
Indus2 = 1 nếu lao động làm trong ngành Công nghiệp Indus2 = 0 nếu lao động làm ở ngành khác
Vậy, phạm trù cơ sở được coi là lao động làm trong ngành dịch vụ.
Owner: Hình thức sở hữu của loại hình doanh nghiệp. Biến này có 5 phạm trù, khi đó đưa vào mô hình hồi qui 4 biến giả
Owner1 = nếu lao động làm trong khu vực Kinh tế hộ gia đình Owner1 = nếu lao động làm trong khu vực khác
Owner2 = nếu lao động làm trong khu vực Doanh nghiệp tư nhân Owner2 = nếu lao động làm trong khu vực khác
Owner3 = nếu lao động làm trong khu vực Kinh tế tập thể Owner3 = nếu lao động làm trong khu vực khác
Owner4 = nếu lao động làm trong khu vực Kinh tế nhà nước Owner4 = nếu lao động làm trong khu vực khác
Vậy, phạm trù cơ sở được coi là lao động làm trong khu vực FDI.
Để xem xét sự khác biệt giữa các nhóm trong mô hình ta sử dụng các biến tương tác trong mô hình. Sự tương tác giữa một số biến với nhau trong mô hình hàm ý là có ảnh hưởng của các biến đến tiền lương giữa các nhóm khác nhau thì khác nhau.
Schooling∗Gender và Experience∗Gender: được lần lượt tạo ra từ biến Schooling và Experience kết hợp với biến Gender
Schooling∗Sector và Experience∗Sector: được lần lượt tạo ra từ biến Schooling và Experience kết hợp với biến Sector
Nông nghiệp∗Schooling và Công nghiệp∗Schooling: được lần lượt tạo ra từ biến Indus1=1 và Indus2=1 kết hợp với biến Schooling
Xét mô hình (3.4).
LnWage = −0.002Schooling + 0.003Schooling2 + 0.024Experience −
0.001Experience2+ 0.224Gender + 0.387Sector (3.4)
Mô hình này được ước lượng theo phương pháp OLS nhỏ nhất.
Tiền lương bình quân của lao động nam cao hơn tiền lương bình quân của lao động nữ là 0.224 %. Trong các doanh nghiệp, tiền lương phụ thuộc vào kết quả lao động và hiệu quả kinh tế. Do đó, tiền lương trả cho người lao động đảm bảo được tính công bằng, không có sự phân biệt về giới. Tuy nhiên, trên thực tế, lao động nữ nhận tiền lương thấp hơn nam giới. Có rất nhiều lý do khiến cho lao động nữ nhận tiền lương thấp hơn nam giới, chẳng hạn như quãng đời học tập và lao động, cống hiến của phụ nữ và nam giới có khoảng cách khá xa:
- Từ tuổi 15 đến tuổi 24 cơ hội cho phụ nữ và nam giới kết thúc bậc giáo dục, đào tạo cao nhất (bậc Đại học) có thể như nhau. Tuy nhiên, lao động nữ thường kết thúc học tập và đi vào cuộc đời lao động sớm hơn nam. Như vậy, tại thời điểm bắt đầu cuộc đời lao động phụ nữ thường có trình độ học vấn và nghề nghiệp thấp hơn nam (nguồn đầu vào thấp hơn nam).
- Độ tuổi 25 cả nam và nữ đều bước vào cuộc đời lao động, nhưng khác với nam giới có thể tiếp tục kết hợp học tập, tích lũy kinh nghiệm thì ở lứa tuổi này nữ giới cũng thường bắt đầu lập gia đình và sinh con, nuôi con, giai đoạn này mất khoảng 10 năm (tức là đến độ tuổi 34).
- Tiếp đó phụ nữ mới bắt đầu tập trung nhiều cho công việc, nhưng tuổi cống hiến của phụ nữ ngắn hơn so với nam giới:
+ Tuổi nghỉ hưu của nam là 60 thì của nữ là 55;
+ Nam đến 54 tuổi vẫn có thể đề bạt, thăng tiến, nữ phải dừng lại ở tuổi 45-50.
Tiền lương bình quân ở khu vực thành thị cao hơn ở khu vực nông thôn là 0.387 %. Ở nông thôn, thị trường lao động tuy đã xuất hiện nhưng chưa phát triển. Trong khi đó, lao động khu vực thành thị có khả năng tham gia vào các công việc đòi hỏi mức độ phức tạp cũng như trình độ chuyên môn cao hơn. Lao động thành thị chịu sự tác động tích cực của thị trường lao động năng động và được hưởng thành quả của quá trình phát triển kinh tế, khoa học ký thuật cao hơn lao động so với khu vực nông thôn.
Khi số năm đi học tăng lên 1 đơn vị thì tiền lương tăng −0.002 + 0.006Schooling (%). Nếu số năm đi học của lao động lớn hơn hoặc bằng 1/3 năm thì tiền lương có xu hướng tăng. Rõ ràng, số năm đi học của lao động càng cao tức là tổng số năm đi học văn hóa thực tế và số năm thời gian học chuyên môn kỹ thuật, khi đó lao động có thể ứng dụng được những kiến thức đã được học của bản thân vào những công việc có mức lương cao.
Còn khi số năm kinh nghiệm tăng thêm 1 đơn vị thì tiền lương tăng 0.024 − 0.002Experience(%). Nếu số năm kinh nghiệm của lao động nhỏ hơn hoặc bằng 12 năm thì tiền lương có xu hướng tăng. Khi số năm kinh nghiệm của lao động tăng, lao động tích lũy được nhiều kinh nghiệm thì tiền lương của lao động tăng. Khi số năm kinh nghiệm của lao động lớn hơn 12 năm, tuổi của cá nhân người lao động khá cao. Ở độ tuổi này có nhiều thứ chi phối người lao động như sức khỏe hay xét riêng phụ nữ, họ bắt đầu lập gia đình. Từ phương trình cơ bản ta thêm lần lượt các biến và kết quả ước lượng được thể hiện ở bảng phụ lục 1.
Từ kết quả trên, có thể thấy được sự biến động của các hệ số khi ta đưa thêm biến vào mô hình.
Trong chuyên đề thực tập này, ta sẽ tập trung vào phân tích phương trình (3.14).
LnWage = − 0.009Schooling + 0.003Schooling2 + 0.026Experience −
0.001Experience2 + 0.383Gender + 0.088Sector + 0.175Skill −
0.118Indus1 + 0.218Indus2 − 0.006Indus1∗Schooling −
0.011Indus2∗Schooling − 0.393Owner1 − 0.150Owner2 − 0.789Owner3 −
0.415Owner4 + 0.009Experience∗Sector − 0.018Schooling∗Gender +
0.007Schooling∗Sector (3.14)
Tương tự như phương trình (3.4) ta thấy: Tiền lương bình quân của lao động nam cao hơn tiền lương bình quân của lao động nữ và cao hơn là 0.383%. Tiền lương bình quân ở khu vực thành thị cũng cao hơn tiền lương bình quân ở khu vực nông thôn và cao hơn là 0.088 %.
Mặt khác, ta thấy:
+ Sự chênh lệch về tiền lương bình quân của lao động có kỹ năng và lao động không có kỹ năng là 0.175 %. Kỹ năng của lao động khá quan trọng.
Với cùng một công việc, lao động có kỹ năng làm công việc đó với mức năng suất cao hơn so với lao động không có kỹ năng. Do đó tiền lương bình quân