Tên biến Mô tả Kỳ vọng dấu Nghiên cứu trước
Method Phương pháp tìm việc -
Kugler (2003): + Catia và Adolfo (2015): - Semih (2016): +/- Educ Trình độ học vấn Mincer (1974): + Pistaferri (1999): + Machado và Mata (2005): + Antoninis (2006): + Delattre và Sabatier (2007): + Nestić (2010): + Zaharieva (2013): + educ_2 Học nghề + educ_3 Trung cấp + educ_4 Cao đẳng + educ_5 Đại học + educ_6 Thạc sĩ + educ_7 Tiến sĩ +
Exp Kinh nghiệm tiềm năng + Trần Thị Tuấn Anh (2015): + Lnexp Logarit của kinh nghiệm +
Expsq Kinh nghiệm bình phương - Liu (2004): -
Gen Giới tính + Albrecht và cộng sự (2003): + Ethnic Dân tộc + Pham và Reilly (2009): + Marriage Tình trạng hơn nhân + Liu (2004): +
Health Số ngày bệnh trong năm - Pham và Reilly (2007): - Contract Hợp đồng lao động + Akerlof (1982): + Area Khu vực sinh sống + Gallup (2002): +
Place Nơi làm việc McMillen và Singell (1992): + place_2 Tỉnh khác +
place_3 Nước ngoài +
Job Nghề nghiệp Trần Thị Tuấn Anh (2015): - job_2 Nhân viên văn phòng -
job_3 Nhân viên dịch vụ - job_4 Lao động có kỹ năng - job_5 Lao động giản đơn - job_6 LLQĐ/nhà lãnh đạo -
Industry Ngành kinh tế Nguyen và cộng sự (2007): + industry_2 Công nghiệp và xây dựng +
industry_3 Dịch vụ + Sector Khu vực kinh tế
sector_2 Nhà nước - Nguyen (2006): -
sector_3 Vốn đầu tư nước ngoài + Trần Thị Tuấn Anh (2015): +
3.3. Phương pháp kinh tế lượng
3.3.1. Dạng mơ hình
Đề tài xây dựng mơ hình hồi quy tiền lương dựa trên hàm tiền lương Mincer mở rộng có dạng tuyến tính-logarit hay cịn gọi là mơ hình bán logarit. Mơ hình tuyến tính-logarit được áp dụng rộng rãi trong lý thuyết vốn nhân lực mà trong đó, biến logarit của thu nhập hay tiền lương được sử dụng như là một biến phụ thuộc. Mặc dù các biến giải thích có thể được lấy logarit và bình phương nhưng mơ hình đều tuyến tính theo các hệ số. Giả sử biến phụ thuộc Y tăng với tốc độ khơng đổi và X là biến giải thích biến đổi. Mơ hình tuyến tính-logarit được viết dưới dạng:
lnY = β1 + β2X + u
Trong đó, β2 là tác động biên tế của X lên lnY chứ không phải lên Y và được gọi là tốc độ tăng trưởng tức thời. Lấy đạo hàm hai vế theo X, ta có:
β2 = ( ) =
Số hạng dY/Y có thể được diễn dịch như là thay đổi của Y chia cho Y. Khi
nhân với 100, β2 cho biết phần trăm thay đổi của Y trên một đơn vị thay đổi của X.
Hay nói cách khác, nếu các yếu tố khác khơng đổi thì một đơn vị thay đổi trong X sẽ làm Y thay đổi 100β2 phần trăm.
Ngoài ra, đề tài có sử dụng logarit của biến giải thích kinh nghiệm tiềm năng nên mơ hình cịn có dạng logarit kép:
lnY = β1 + β2lnX + u
Tác động biên tế của X lên Y được diễn dịch là nếu các yếu tố khác khơng đổi thì 1 phần trăm thay đổi trong X sẽ làm Y thay đổi β2 phần trăm.
3.3.2. Phương pháp ước lượng
Đề tài sử dụng phương pháp ước lượng bình phương tối thiểu thơng thường (Ordinary Least Squares-OLS) cho mơ hình hồi quy tiền lương. OLS được xem là phương pháp phân tích hồi quy mạnh và phổ biến nhất. Tuy nhiên, phương pháp OLS phải thỏa mãn các giả thiết nhất định:
Giả thiết 1: Mơ hình hồi quy là tuyến tính theo các thơng số: Yi = β1 + β2Xi + ui
Giả thiết 2: Giá trị trung bình hay kỳ vọng của các số hạng nhiễu ui bằng 0: E (ui|Xi) = 0
Giả thiết 3: Phương sai có điều kiện khơng đổi hay phương sai của ui sẽ như nhau đối với tất cả mọi quan sát:
Var (ui|Xi) = σ2
Giả thiết 4: Khơng có tự tương quan giữa các nhiễu: Cov (ui,uj|Xi,Xj) = 0
Giả thiết 5: Khơng có tính đa cộng tuyến hoàn hảo, nghĩa là khơng có mối tương quan tuyến tính hồn tồn trong các biến giải thích.
Giả thiết 6: Mơ hình hồi quy được xác định một cách đúng đắn, nghĩa là khơng có độ thiên lệch hoặc sai số đặc trưng trong các mơ hình được sử dụng trong phép phân tích thực nghiệm.
Khi thỏa mãn các giả thiết trên thì hàm ước lượng theo OLS của hệ số hồi quy riêng phần vừa tuyến tính và khơng thiên lệch vừa có phương sai nhỏ nhất trong nhóm các hàm ước lượng khơng thiên lệch tuyến tính. Do đó, hàm ước lượng theo phương pháp bình phương tối thiểu thơng thường được cho là hàm ước lượng khơng thiên lệch tuyến tính tốt nhất (Best Linear Unbiased Estimator-BLUE).
3.3.3. Kiểm định mơ hình
3.3.3.1. Đa cộng tuyến
Đa cộng tuyến (multicollinearity) là hiện tượng tồn tại quan hệ tuyến tính hồn hảo hoặc chính xác giữa một số hoặc tất cả các biến giải thích trong mơ hình hồi quy. Hai trường hợp đa cộng tuyến là đa cộng tuyến hoàn hảo và đa cộng tuyến khơng hồn hảo. Nếu mơ hình tồn tại đa cộng tuyến hồn hảo thì hệ số hồi quy của các biến giải thích vơ định và các sai số chuẩn không xác định. Nếu đa cộng tuyến khơng hồn hảo xảy ra thì các hệ số hồi quy có sai số chuẩn lớn dù chúng xác định, có nghĩa là khơng thể ước lượng các hệ số này với độ chính xác cao.
Theo lý thuyết thì khơng có một phương pháp duy nhất nào để phát hiện hoặc đo lường độ mạnh của hiện tượng đa cộng tuyến nhưng chúng ta có một vài
đơi giữa các biến giải thích cao (trên 0,8); kiểm tra các hệ số tương quan riêng phần; lập các hồi quy phụ; sử dụng hệ số phóng đại phương sai (variance inflation factor- VIF) và hệ số chấp nhận (Tolerance-TOL). Hệ số VIF cho thấy phương sai của hàm ước lượng tăng nhanh như thế nào bởi sự hiện diện của đa cộng tuyến. Nếu VIF bằng 1 thì khơng có cộng tuyến giữa các biến giải thích và nếu VIF của một biến số vượt quá 10 thì biến này là cộng tuyến cao. Tóm tại, nếu giá trị VIF nằm trong khoảng từ 1 tới 10 thì mơ hình khơng có hiện tượng đa cộng tuyến cao.
Đề tài sử dụng kiểm định VIF để kiểm tra hiện tượng đa cộng tuyến trong mơ hình hồi quy. Để giải quyết vấn đề đa cộng tuyến thì khơng có một phương pháp nào chắc chắn mà chỉ có một số quy tắc kinh nghiệm: sử dụng thông tin tiên nghiệm hay thông tin ngoại lai; kết hợp số liệu chéo với số liệu chuỗi thời gian; bỏ qua biến cộng tuyến cao; biến đổi số liệu; và thêm số liệu bổ sung hoặc số liệu mới.
3.3.3.2. Phương sai sai số thay đổi
Giả thiết quan trọng trong mơ hình hồi quy tuyến tính cổ điển là các yếu tố nhiễu ui xuất hiện trong hàm hồi quy tổng thể có phương sai khơng thay đổi, tức là chúng có cùng phương sai. Nếu giả thiết này khơng được thỏa mãn thì mơ hình xảy ra hiện tượng phương sai thay đổi (heteroskedasticity) hay còn gọi là phương sai của sai số thay đổi. Hậu quả là các ước lượng OLS vẫn là các ước lượng tuyến tính, khơng thiên lệch nhưng khơng cịn hiệu quả; ước lượng phương sai của ước lượng OLS bị chệch nên các kiểm định t và F khơng cịn đáng tin cậy; và kết quả dự báo không hiệu quả khi sử dụng các ước lượng OLS có phương sai khơng bé nhất.
Để phát hiện hiện tượng phương sai sai số thay đổi trong mơ hình, chúng ta có một số phương pháp khơng chính thức và chính thức. Các phương pháp khơng chính thức như là phương pháp đồ thị và bản chất của vấn đề. Các phương pháp chính thức bao gồm kiểm định Park, kiểm định Breusch-Pagan, kiểm định tổng quát về phương sai sai số thay đổi của White và một số kiểm định khác. Đề tài sử dụng kiểm định White để kiểm tra phương sai thay đổi trong mơ hình và ước lượng vững của ma trận hiệp phương sai sai số (robust standard errors) do White (1980) đề xuất để tính tốn lại các giá trị kiểm định khi có phương sai thay đổi.
3.3.3.3. Nội sinh
Hiện tượng nội sinh (endogeneity) trong mơ hình hồi quy được coi là một trong những vi phạm nghiêm trọng các giả thiết của OLS. Ba nguyên nhân dẫn đến vấn đề nội sinh: bỏ sót biến giải thích quan trọng trong mơ hình nên biến giải thích và phần dư có mối tương quan chặt; sai số trong đo lường hay sai lệch do lựa chọn; vấn đề đồng thời và hệ phương trình đồng thời. Biến nội sinh (endogenous variable) là những biến số có tương quan với phần dư. Nói cách khác, giá trị của biến nội sinh phụ thuộc vào giá trị trễ của các biến được xác định trước và một số biến ngoại sinh mà giá trị của chúng được xác định bên ngồi hệ thống phương trình. Hậu quả là các dự báo bị thiên lệch và không nhất quán, và các kiểm định giả thuyết khơng cịn giá trị. Phương pháp tổng quát để giải quyết vấn đề này là ước lượng biến công cụ (Instrumental Variable-IV) hoặc gọi là thủ tục bình phương tối thiểu hai giai đoạn (2 Stage Least Square-2SLS). Đề tài kiểm định tương quan của các biến giải thích với phần dư để kiểm tra vấn đề nội sinh trong mơ hình hồi quy tiền lương.
3.4. Dữ liệu
Để thực hiện mục tiêu nghiên cứu đề ra, đề tài sử dụng bộ dữ liệu điều tra tiếp cận nguồn lực hộ gia đình nơng thơn Việt Nam (Vietnam Access to Resources Household Survey-VARHS) năm 2016. Các cuộc điều tra VARHS được Tổng cục Thống kê thực hiện hai năm một lần tại 12 tỉnh thành bao gồm Hà Tây cũ, Phú Thọ, Lào Cai, Điện Biên, Lai Châu, Nghệ An, Quảng Nam, Khánh Hồ, Đăk Lăk, Đăk Nơng, Lâm Đồng và Long An nhằm tìm hiểu sâu hơn thực trạng kinh tế của các hộ gia đình tại khu vực nơng thơn Việt Nam với trọng tâm tập trung vào việc tiếp cận và sử dụng các nguồn lực sản xuất như vốn vật chất, tài chính, con người và xã hội. Bộ dữ liệu VARHS (2016) có quy mơ mẫu là 2669 hộ gia đình với 10926 quan sát. Phần số liệu về việc làm được trả công (mục 5A) chứa 3506 quan sát. Từ bảng dữ liệu gốc, đề tài tiến hành lọc lấy những quan sát trong độ tuổi lao động (nam từ 18 đến 60 tuổi và nữ từ 18 đến 55 tuổi) và loại bỏ những quan sát bị lỗi hoặc thiếu các thông tin cần thiết cho mơ hình. Sau khi nối ba phần số liệu (mục 1, 1A và 5A) lại với nhau, bộ dữ liệu cuối cùng mà đề tài sử dụng có quy mơ mẫu là 2999 quan sát;
và chứa các thông tin của người lao động bao gồm tuổi, số năm đi học (hệ 12 năm), bằng cấp cao nhất đạt được, giới tính, tình trạng hơn nhân, số ngày bị bệnh mà không hoạt động bình thường trong năm, dân tộc, khu vực sinh sống, số giờ làm việc mỗi ngày, số ngày làm việc mỗi tháng, số tháng làm việc trong 12 tháng qua, tiền cơng tính theo bốn hình thức (giờ, ngày, tháng và năm), phương pháp tìm việc, hợp đồng lao động, nơi làm việc, nghề nghiệp, ngành kinh tế và khu vực kinh tế.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Tổng quan về tiền lương và vốn xã hội ở Việt Nam
4.1.1. Các chính sách tiền lương của Việt Nam từ Đổi mới tới nay
Năm 1985, với sự chuyển dịch từ nền kinh tế kế hoạch hóa tập trung sang nền kinh tế thị trường định hướng xã hội chủ nghĩa, Chính phủ quyết định cải tiến chế độ tiền lương của công nhân viên chức và lực lượng vũ trang bằng việc bãi bỏ chế độ cung cấp hiện vật theo giá bù lỗ và chuyển sang chế độ trả lương bằng tiền nhằm xố bỏ bao cấp cũng như bảo đảm tính thống nhất của chế độ tiền lương trong cả nước. Mức lương tối thiểu được quy định là 220 đồng/tháng. Mức lương tối thiểu dùng để trả công cho người làm công việc lao động giản đơn nhất trong điều kiện lao động bình thường ở vùng có giá sinh hoạt thấp nhất. Khi mức giá thay đổi hoặc ở những vùng có giá sinh hoạt cao hơn thì tiền lương được tính thêm phần phụ cấp chênh lệch giá sinh hoạt. Năm 1986, giá cả sinh hoạt tăng nhanh làm cho tiền lương thực tế giảm nhanh chóng. Tháng 4/1988, mức lương tối thiểu được điều chỉnh tăng lên 13,15 lần. Đến tháng 12/1988, mức lương tối thiểu lại được nâng lên 22.500 đồng/tháng. Năm 1990, Bộ Lao động-Thương binh và Xã hội ấn định mức lương tối thiểu đối với người lao động làm việc trong các xí nghiệp có vốn đầu tư nước ngồi là 50 USD/tháng.
Từ năm 1995 đến nay, Chính phủ đã nhiều lần thực hiện những điều chỉnh cần thiết đối với mức lương tối thiểu khi có những thay đổi về chỉ số giá tiêu dùng, tốc độ tăng trưởng kinh tế và mức tiền lương trên thị trường lao động. Tuy nhiên, mỗi quyết định tăng mức lương tối thiểu đều phải dựa trên khả năng chi trả của ngân sách Nhà nước và các doanh nghiệp. Trong hơn hai thập kỷ vừa qua, mức tiền lương cơ sở liên tục tăng qua các năm và tốc độ tăng trung bình hàng năm là 18,07%. Từ năm 2013 đến nay, tốc độ tăng tiền lương cơ sở đã chậm lại, chỉ cịn dưới 10%/năm. Bảng 4.1 trình bày các mức lương tối thiểu chung của Việt Nam trong giai đoạn 1995-2018.