Biến Mơ tả biến Nguồn
Dịng vốn đầu tư trực tiếp
nước ngoài
(LnFDI)
Giá trị logarit tự nhiên dòng vốn đầu tư trực tiếp nước ngoài đi vào (triệu USD, tính theo giá USD hiện tại) của quốc gia i tại thời điểm t
United Nations
Conference on Trade and Development (UNCTAD)
Quy mô thị trường
(LnGDP)
Giá trị logarit tự nhiên Tổng sản phẩm quốc nội của quốc gia i tại thời điểm t (tính theo giá USD hiện tại) là thước đo quy mô thị trường
World Bank’s World Developmet
Indicators
Tỷ lệ lạm phát
(INFL)
Tỷ lệ lạm phát (% hàng năm) của quốc gia i tại thời điểm t, đo lường như là bản cáo bạch tăng trưởng của một quốc gia
World Bank’s World Developmet
Indicators
Chi phí lao động
(LnWAGE)
Giá trị logarit tự nhiên kiều hối của người lao động và bồi thường thiệt hại của người lao động nhận được trong USD cho đất nước tôi tại thời điểm t và là thước đo của chi phí lao động Lương của quốc gia i tại thời điểm t (tính theo giá USD hiện tại).
World Bank’s World Developmet
Indicators
Chỉ số cơ sở
hạ tầng
(INFREX)
Được đo lường bằng các chỉ số: Mức tiêu thụ điện năng (kwh/người), sử dụng năng lượng (kg dầu tương đương/người) và tổng số đường dây điện thoại. INFREX được tính như sau:
Với: Xit là giá trị của chỉ số j (Mức tiêu thụ điện năng, sử dụng năng lượng và tổng số đường dây điện thoại tại thời điểm t của mỗi quốc gia).
Yit là giá trị đã được chuyển đổi (tính bằng %) của chỉ số j tại thời gian t cho mỗi quốc gia. INFREXit =
World Bank’s World Developmet
Độ mở thương mại (TRAO)
Độ mở thương mại của một quốc gia được tính bẳng tỷ lệ Tổng giá trị xuất nhập khẩu hàng hóa và dịch vụ chia cho GDP
World Bank’s World Developmet
Indicators Tổng số lực
lượng lao động
(LnLAB)
Giá trị logarit tự nhiên của tổng lực lượng lao động của quốc gia i tại thời điểm t.
World Bank’s World Developmet
Indicators
Tích lũy tài sản (LnGCF)
Giá trị logarit tự nhiên Tích lũy tài sản (% của GDP) của quốc gia i tại thời điểm t
World Bank’s World Developmet
Indicators
3.2.3. Giả thuyết nghiên cứu:
Dựa vào các biến được mơ tả, giải thích ở trên và đưa vào trong mơ hình nghiên cứu, bài luận văn này đưa ra sáu giả thuyết sau:
Giả thuyết H1: Quy mô thị trường của nước chủ nhà càng lớn càng thu hút được nhiều FDI
Giả thuyết H2: Điều kiện kinh tế vĩ mô ổn định với tốc độ tăng trưởng cao và ổn định thu hút FDI đến các nước nhận đầu tư.
Giả thuyết H3: Nước chủ nhà càng mở cửa càng thu hút được nhiều FDI đến nước mình.
Giả thuyết H4: Quốc gia có cơ sở hạ tầng càng tốt càng thu hút được nhiều FDI.
Giả thuyết H5: Chi phí lao động thấp ở nước nhận đầu tư sẽ thu hút FDI đến với nước đó.
Giả thuyết H6: Tích lũy tài sản cao cho thấy tiềm năng của một quốc gia trong việc chi tiêu và do đó có một tác động đáng kể đến dịng vốn FDI.
3.3. Mơ hình nghiên cứu:
Như vậy, dựa vào bài nghiên cứu của Vinit Ranjan, Dr. Gaurav Agrawal (2011), mơ hình nghiên cứu các nhân tố tác động đến dòng vốn FDI vào các quốc gia đang phát triển Châu Á được sử dụng trong bài nghiên cứu có thể được viết như sau:
LnFDIit = α + β1LnGDPit + β2INFLit + β3LnWAGEit + β4INFREXit + β5TRAOit + β6LnLABit + β7LnGCFit + eit
(i= 1,…, N, với N là số quốc gia trong mẫu nghiên cứu, t = 1,…, T, với T là giai đoạn nghiên cứu)
3.4. Phương pháp nghiên cứu:
Để đo lường mối quan hệ giữa FDI với các yếu tố: quy mô thị trường (GDP), ổn định kinh tế và triển vọng tăng trưởng (INFL), chi phí lao động (WAGE), cơ sở hạ tầng (INFREX), độ mở thương mại (TRAO), tổng số lực lượng lao động (LAB) và tích lũy tài sản gộp (GCG), tơi sử dụng phương pháp phân tích dữ liệu bảng (panel data) với các phương pháp: phương pháp random effects (REM), phương pháp fixed effects (FEM), phương pháp pooled OLS. Bên cạnh đó, phương pháp FGLS được sử dụng trong bài viết này bởi nó có thể kiểm soát được hiện tượng tự tương quan và phương sai thay đổi. Phương pháp FGLS sẽ ước tính mơ hình theo phương pháp OLS (ngay cả trong trường hợp có sự tồn tại của hiện tượng tự tương quan và phương sai thay đổi). Các sai số được rút ra từ mơ hình sẽ được dùng để ước tính ma trận phương sai - hiệp phương sai của sai số. Cuối cùng, sử dụng ma trận này để chuyển đổi các biến ban đầu và ước tính giá trị các tham số cần tìm trong trong mơ hình.
Các phương pháp kiểm định cho mơ hình:
3.4.1. Phương pháp Pooled OLS:
Cách tiếp cận đơn giản nhất là bỏ qua bình diện khơng gian và thời gian của dữ liệu kết hợp (hệ số hồi quy khơng đổi) cịn được gọi là phương pháp Pooled OLS.
Phương pháp Pooled OLS có thể làm mất đi ảnh hưởng thật của biến độc lập lên biến phụ thuộc dẫn đến kết quả mơ hình khơng phù hợp trong điều kiện thực tế.
Chính vì vậy nghiên cứu này sử dụng dữ liệu bảng dựa trên số liệu của 25 quốc gia đang phát triển Châu Á trong giai đoạn 2000 - 2013 kết hợp với hai phương pháp ước lượng: phương pháp FEM và phương pháp REM. Hai phương pháp này có thể xem xét đến sự khác biệt giữa các đối tượng chéo trong phân tích tác động của các nhân tố đến nguồn vốn FDI ở các quốc gia đang phát triển Châu Á.
3.4.2. Phương pháp Fixed Effects (FEM):
Với giả định mỗi thực thể đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, mơ hình FEM cho phép kết hợp sự khác nhau giữa các quan sát chéo bằng cách cho phép hệ số chặn thay đổi, nhưng mỗi một hệ số chặn lại không đổi theo thời gian. Như vậy, tất cả sự khác nhau giữa các quan sát chéo sẽ được thể hiện ở hệ số chặn, và mơ hình FEM cho phép các đường hồi quy có độ dốc như nhau. Với phương pháp này thì tất cả các số liệu chéo có thể được sử dụng trong một mơ hình hồi quy, cùng với số liệu chuỗi. Mơ hình FEM cịn được gọi là mơ hình biến giả bình phương bé nhất (LSDV).
Mơ hình của phương pháp FEM: Yit = α + βXit + µi + νit Trong đó:
Yit : biến phụ thuộc với i: quốc gia và t: thời gian (năm) và Xit: biến độc lập.
Β : hệ số góc đối với nhân tố X.
µi : đại diện cho sự khác biệt của từng đơn vị chéo, sự khác biệt này có thể do đặc điểm khác nhau của từng quốc gia hoặc do sự khác nhau trong chính sách của từng quốc gia… và νit: đại diện cho phần sai số yit mà mơ hình chưa giải thích được.
3.4.3. Phương pháp Random Effects (REM):
Một phương án khác thay cho mơ hình FEM là mơ hình REM. Mơ hình REM cho phép chúng ta phối hợp sự khác nhau giữa các quan sát chéo bằng cách cho phép hệ số chặn thay đổi (giống như mơ hình FEM), nhưng mức độ thay đổi này lại là ngẫu nhiên (random). Khác với mơ hình FEM, mơ hình REM cho rằng sự khác nhau giữa các hệ số chặn là do sự chọn mẫu ngẫu nhiên. Trong mơ hình REM, ta giả định rằng tung độ gốc của một đơn vị riêng lẻ được rút ngẫu nhiên từ một dân số lớn hơn nhiều với một trị trung bình khơng đổi. Tung độ gốc cá nhân khi đó được biểu thị như sự sai lệch so với trị trung bình khơng đổi này. Mơ hình của REM:
yit = α + βxit + ωit trong đó ωit = εi + νit
Với εi là thành phần sai số theo không gian, hay theo các đơn vị chéo, νit là thành phần sai số theo không gian và chuỗi thời gian kết hợp.
Xit là ma trận (1xk) vecto của các biến giải thích, nhưng khơng giống phương pháp tác động cố định, biến giả để xác định sự khác biệt giữa các đơn vị chéo không được sử dụng ở đây mà được phản ánh trong sai số εi.
Một ưu điểm của mơ hình REM so với mơ hình FEM là: nó khơng làm mất bậc tự do vì ta khơng phải ước lượng N tung độ gốc riêng lẻ. Ta chỉ cần ước lượng trị trung bình của tung độ gốc và phương sai của nó. Mơ hình REM thích hợp trong những tình huống mà tung độ gốc (ngẫu nhiên) của từng đơn vị không tương quan với các biến độc lập. Nhìn chung mơ hình FEM hay REM tốt hơn cho nghiên cứu phụ thuộc vào giả định có hay khơng sự tương quan giữa εi và các biến giải thích Xit. Nếu giả định rằng khơng tương quan thì REM phù hợp hơn, và ngược lại.
Sau đây, bài nghiên cứu sẽ đi vào phương pháp kiểm định Hausman.
3.4.4. Kiểm định Hausman
Kiểm định Hausman được sử dụng trong bài nghiên cứu này để quyết định chọn lựa giữa mơ hình FEM và REM cho phù hợp với giả thuyết H0 làm nền tảng cho
kiểm định Hausman là tác động cá biệt của mỗi đơn vị chéo khơng gian khơng có tương quan với các biến hồi quy khác trong mơ hình. Nếu có tương quan (giả thiết H0 bị từ chối), mơ hình hồi quy theo REM sẽ cho kết quả bị thiên lệch, vì vậy mơ hình theo FEM là phù hợp hơn.
3.4.5. Kiểm định phương sai thay đổi:
Kiểm định Wald được dùng để kiểm định hiện tượng phương sai thay đổi trong mơ hình với giả thuyết:
H0 - Mơ hình khơng có hiện tượng phương sai thay đổi, và: H1: Mơ hình có hiện tượng phương sai thay đổi.
3.4.6. Kiểm định tự tương quan:
Kiểm định Lagram – Multiplier: được dùng để kiểm định hiện tượng tự tương
quan của sai số trong mơ hình với giả thuyết H0 - Mơ hình khơng có hiện tượng tự tương quan và H1: Mơ hình có hiện tượng tự tương quan.
3.4.7. Phương pháp FGLS:
Khi sử dụng dữ liệu bảng, chúng ta cần kiểm định hiện tượng phương sai thay đổi và hiện tượng tự tương quan của các sai số trong mơ hình, bởi sự hiện diện của chúng sẽ khiến cho ước lượng OLS thông thường không đưa ra được mơ hình có phương sai bé nhất trong các ước lượng không chệch, do đó mơ hình đạt được khơng có hiệu quả. Do đó, phương pháp FGLS (feasible generalized least square) được sử dụng trong bài viết này bởi nó có thể kiểm sốt được hiện tượng tự tương quan và phương sai thay đổi. Phương pháp FGLS sẽ ước tính mơ hình theo phương pháp OLS (ngay cả trong trường hợp có sự tồn tại của hiện tượng tự tương quan và phương sai thay đổi). Các sai số được rút ra từ mơ hình sẽ được dùng để ước tính ma trận phương sai - hiệp phương sai của sai số. Cuối cùng, sử dụng ma trận này để chuyển đổi các biến ban đầu và ước tính giá trị các tham số cần tìm trong trong mơ hình.
Tóm lại, bằng cách sử dụng phân tích dữ liệu bảng, bài luận văn này đi vào nghiên cứu các yếu tố tác động đến FDI ở 25 nước đang phát triển Châu Á trong suốt giai đoạn 2000 – 2013 theo bốn phương pháp phân tích dữ liệu bảng được sử dụng trong nghiên cứu: mơ hình Pooled OLS, FEM, REM, FGLS. Trong số các mơ hình trên, mơ hình REM đã được tìm thấy là phương pháp thích hợp dựa trên kiểm định F và kiểm định Hausman, sau đó bài viết tiếp tục đi tìm xem có hay khơng hiện tượng tự tương quan và phương sai thay đổi trong dữ liệu nghiên cứu, từ đó sử dụng phương pháp FGLS để kiểm định. Tiếp theo, chương 4 của bài nghiên cứu trình bày các kết quả nghiên cứu dựa vào phương pháp đã nêu ra ở chương này.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Trong phần này đầu tiên giới thiệu về phân tích dữ liệu mơ tả và các hệ số tương quan. Sau đó bài nghiên cứu sẽ đi vào trình bày nội dung kết quả nghiên cứu.
4.1. Thống kê mô tả:
Bài nghiên cứu sử dụng kỹ thuật phân tích dữ liệu bảng để đo lường các nhân tố quyết định đến nguồn vốn FDI ở các nước đang phát triển Châu Á. Trước hết, bài nghiên cứu này sẽ trình bày thống kê dữ liệu của các biến qua các năm, để thấy được tổng quan của nguồn dữ liệu.
Trong bảng 4.1 tổng hợp thống kê tất cả các biến được sử dụng trong bài nghiên cứu. Số liệu tính tốn dựa trên mẫu gồm 25 quốc gia đang phát triển Châu Á từ năm 2000 – 2013 với tất cả các biến có từ 323 đến 350 quan sát. Kết quả cho thấy các giá trị trung bình và trung vị của các biến khá gần nhau. Biến cơ sở hạ tầng (LnINFREX) có giá trị trung bình lớn nhất (Mean = 85.25871); biến độ mở thương mại (TRAO) có độ lệch chuẩn lớn nhất là 43.50714 trong bảng phân phối dữ liệu. Bên cạnh đó, giá trị trung bình (Mean) của LnFDI ở các nước đang phát triển Châu Á trong mơ hình nghiên cứu là 19.5226; trung vị (Median) là 20.885; giá trị nhỏ nhất (Min) là 0 và giá trị lớn nhất (Max) là 24.49 trong suốt giai đoạn 2000 – 2013.
Bảng 4.1: Phân tích mơ tả dữ liệu của các nước đang phát triển Châu Á giai đoạn 2000 - 2013 Biến Số quan sát Trung bình Trung vị Giá trị lớn nhất Giá trị nhỏ nhất Độ lệch chuẩn LnFDI 350 19.5226 20.885 24.49 0 5.401398 LnGDP 346 24.54454 24.725 28.26 20.57 1.792167 INFL 350 7.872829 6.25 54.92 -10.07 7.909142 LnWAGE 323 20.76628 20.96 24.95 14.95 1.758519 INFREX 350 85.25871 100.06 101.18 0 35.66628 TRAO 350 83.64297 78.68 220.41 0 43.50714 LnLAB 325 16.14114 15.94 20 13.54 1.542583 LnGCF 333 3.18 3.19 4.15 2.23 0.3083712
Nguồn: Tổng hợp từ dữ liệu nghiên cứu dựa trên phần mềm Stata
Tiếp theo, bảng 4.2 thể hiện sự tương quan giữa dòng vốn FDI và các nhân tố: GDP, lạm phát, chi phí lao động, chỉ số cơ sở hạ tầng, độ mở thương mại, tổng số lao động và tích lũy tài sản trong suốt giai đoạn 2000 – 2013. Ma trận hệ số tương quan chỉ ra mối tương quan cao giữa biến quy mơ thị trường (LnGDP) với biến chi phí lao động (LnWAGE): hệ số 0.5181 và biến tổng số lực lượng lao động (LnLAB): hệ số 0.7729 và bên cạnh đó là mối tương quan cao giữa biến chi phí lao
động (LnWAGE) và biến tổng số lực lượng lao động (LnLAB): hệ số 0.6791. Các trường hợp trong Bảng 4.2 đơn giản chỉ thể hiện mối quan hệ đơn lẻ giữa FDI và các yếu tố khác mà khơng có sự xem xét đến tác động của các biến khác. Ngoài ra, ma trận tương quan còn chỉ ra sự tương quan cao giữa các biến độc lập với nhau. Sự tồn tại mối tương quan cao giữa các biến độc lập sẽ dẫn đến các vấn đề đa cộng tuyến trong việc kiểm định. Tuy nhiên chúng ta vẫn xem xét các biến vì bản chất thống kê của dữ liệu bảng là giải quyết vấn đề cộng tuyến. Kiểm định thơng qua phân tích dữ liệu bảng bao gồm phương pháp hồi quy OLS (phương pháp cố định thơng thường) và mơ hình FEM và REM được lựa chọn trong bài nghiên cứu này.
Bảng 4.2: Mối quan hệ giữa FDI và các biến trong bài nghiên cứu (2000 – 2013)
LnFDI LnGDP INFL LnWAGE INFREX TRAO LnLAB LnGCF
LnFDI 1.0000 LnGDP 0.4054 1.0000 INFL 0.0083 0.0700 1.0000 LnWAGE 0.1839 0.5181 0.1118 1.000 INFREX -0.1011 -0.1074 0.0692 -0.1431 1.000 TRAO 0.1702 -0.1977 -0.1503 -0.2545 -0.0024 1.000 LnLAB 0.1675 0.7729 0.0488 0.6791 -0.0228 -0.3369 1.000 LnGCF 0.2097 0.0894 0.0106 0.1570 -0.0653 0.1404 0.0688 1.000
4.2. Kết quả nghiên cứu Mơ hình Pooled OLS: Mơ hình Pooled OLS: