Nhân tố thiết chế pháp lý được đo lường bởi các biến quan sát: Hệ thống pháp luật có cơ chế giúp DN tố cáo hành vi tham nhũng của cán bộ (% thường xuyên hoặc luôn luôn); Doanh nghiệp tin tưởng và khả năng bảo vệ của pháp luật về vấn đề bản quyền hoặc thực thi hợp đồng; Số lượng vụ việc tranh chấp của các doanh nghiệp ngồi quốc doanh do Tịa án kinh tế cấp tỉnh thụ lý trên 100 doanh
nghiệp (tòa án tối cao); Tỉ lệ % nguyên đơn ngoài quốc doanh trên tổng số nguyên đơn tại Tồn án kinh tế tỉnh; Tịa án các cấp của tỉnh xét xử các vụ kiện kinh tế đúng pháp luật; Tòa án các cấp của tỉnh xử các vụ kiện kinh tế nhanh chóng; Phán quyết của tịa án được thi hành nhanh chóng; Các cơ quan trợ giúp pháp lý hỗ trợ doanh nghiệp dùng luật để khởi kiện khi có tranh chấp; Các chi phí chính thức và khơng chính thức là chấp nhận được; Phán quyết của tồ án là công bằng; DN sẵn sàng sử dụng tòa án để giải quyết các tranh chấp.
Giả thuyết H16: Nhân tố thiết chế pháp lý có ảnh hưởng đến thu hút dịng vốn FDI tại Việt Nam.
2.2.2. Mơ hình nghiên cứu đề xuất
Mơ hình nghiên cứu tổng qt thể hiện bằng phương trình hồi quy:
j ij n h hij h m k kij k ij M X e u Y = + ∑ + ∑ + + = =1 1 0 α α α
Trong đó: Yij là biến phụ thuộc (thu hút dòng vốn FDI); Mkijlà biến độc lập thứ k ở thời điểm thứ i của đối tượng j (các nhân tố bên ngoài tác động đến FDI gồm quy mô thị trường, tăng trưởng kinh tế, lạm phát, tỷ giá hối đoái, hiệu quả đầu tư); Xhijlà biến độc lập thứ h ở thời điểm thứ i của đối tượng j (các nhân tố năng lực cạnh tranh tác động đến FDI gồm chi phí gia nhập thị trường; tiếp cận đất đai; tính minh bạch; chi phí thời gian; chi phí khơng chính thức; cạnh tranh bình đẳng; tính năng động; hỗ trợ doanh nghiệp; đào tạo lao động; thiết chế pháp lý); eij là sai số ở thời điểm thứ i đối tượng j; ujlà sai số đối tượng j.
2.3. Tóm tắt chương 2
Chương 2 trình bày cơ sở lý thuyết về thu hút dòng vốn FDI và FDI địa phương. Trên cơ sở đó, tác giả xây dựng mơ hình và giả thuyết nghiên cứu cho trường hợp thu hút dịng vốn FDI địa phương tại Việt Nam, và mơ hình cho thấy có các nhân tố bên ngồi ảnh hưởng đến dịng vốn FDI gồm quy mơ thị trường, tăng trưởng kinh tế, lạm phát, tỷ giá hối đoái, hiệu quả đầu tư của Việt Nam so với các nước trong khu vực, độ mở thương mại và các nhân tố năng lực cạnh tranh cấp tỉnh gồm chi phí gia nhập thị trường; tiếp cận đất đai; tính minh bạch; chi phí thời gian; chi phí khơng chính thức; cạnh tranh bình đẳng; tính năng động; hỗ trợ doanh nghiệp; đào tạo lao động; thiết chế pháp lý.
Chương 3: PHƯƠNG PHÁP NGHIÊN CỨU
Từ khung phân tích lý thuyết và mơ hình nghiên cứu ở Chương 2, tác giả sử dụng các cơng cụ phân tích định lượng để kiểm định giả thuyết nghiên cứu. Các bước thực hiện được trình bày trong phần này gồm: Thứ nhất, thu thập dữ liệu thứ cấp, xử lý dữ liệu thơ và mã hóa các biến trong phần mềm SPSS. Từ đây, các quan sát được mơ tả và giải thích đơn vị đo lường trước khi đưa vào mơ hình; Thứ hai, mơ hình được sử dụng các cơng cụ thống kê như thống kê mơ tả, phân tích nhân tố khám phá, hồi quy tuyến tính và kiểm định mơ hình.
3.1. Quy trình nghiên cứu
Hình 3.1. Quy trình nghiên cứu của tác giả Bước 1: Mơ hình và giả thuyết nghiên cứu Bước 1: Mơ hình và giả thuyết nghiên cứu
Bước 2: Thu thập dữ liệu và mô tả các biến quan sát trong mơ hình
Bước 3: Sử dụng cơng cụ thống kê để phân tích định lượng
(Nguồn: xây dựng của tác giả) Cơ sở lý thuyết
và bằng chứng thực nghiệm
Mơ hình nghiên cứu đề xuất Lựa chọn biến giải
thích phù hợp nghiên cứu đề tài
Rút gọn biến quan sát của các nhân
tố năng lực cạnh tranh EFA
Giả thuyết nghiên cứu Thu thập dữ liệu thứ cấp và xử lý dữ liệu thô Điều chỉnh giả thuyết Mơ tả và giải thích
đơn vị đo lường các biến quan sát
Các nhân tố bên ngoài
Các nhân tố năng lực cạnh tranh Loại bỏ outliers và kiểm
tra hình dáng phân phối
Thống kê mơ tả và phân tích tương quan với biến thu hút dòng vốn FDI
Hồi quy, kiểm định mơ hình và gợi ý giải pháp Fixed
Quy trình nghiên cứu của tác giả sẽ được thực hiện qua 03 giai đoạn bao gồm (1) lược khảo lý thuyết nghiên cứu và bằng chứng thực nghiệm từ đó đề xuất mơ hình nghiên cứu; (2) thu thập dữ liệu thứ cấp, dữ liệu thô được xử lý trên phần mềm SPSS for Window 20.0. Sau đó tiến hành mơ tả các biến quan sát có trong mơ hình; (3) lựa chọn phương pháp định lượng phù hợp phân tích dữ liệu để đưa ra kết quả nghiên cứu, từ đó gợi ý chính sách thu hút dịng vốn FDI địa phương phù hợp.
Trong chương 2, tác giả đã trình bày các quy trình nghiên cứu ở bước về lược khảo khung lý thuyết nghiên cứu thu hút FDI và FDI địa phương và từ đó đề xuất mơ hình và các giả thuyết nghiên cứu.
3.1.1. Thu thập dữ liệu, xử lý dữ liệu và mô tả các biến quan sát:
Cách tiếp cận theo hướng xây dựng các chỉ số tổng hợp về thu hút dòng vốn FDI của mỗi nền kinh tế, theo cách tiếp cận của Nardo và cộng sự (2005) và OECD (2008). Ban đầu, khung lý thuyết và kết quả thực nghiệm trước đó cung cấp tho6ng tin trong việc lựa chọn dữ liệu, mà các đơn vị đo lường các yếu tố ảnh dòng vốn FDI làm cơ sở hình thành chỉ số. Điều này chứng tỏ một liên kết rõ ràng giữa lý thuyết, kết quả thực nghiệm và thực tế tạo điều kiện cho sự nhận dạng các đơn vị đo của các chỉ số cơ bản phù hợp về việc thu hút dòng vốn FDI.
3.1.1.1. Lựa chọn đơn vị đo
Việc lựa chọn các đơn vị đo phụ thuộc vào tầm quan trọng của các đơn vị đo của các nhân tố liên quan đến kết quả thực nghiệm trước đó và phù hợp biến quan sát trong mơ hình. Điều này là cần thiết vì các chỉ số có chứa các đơn vị đo được dựa trên các tiêu chí lựa chọn như nhau, để đảm bảo tính nhất quán trong việc đo độ thu hút FDI (OECD et al, 2008). Các đơn vị đo phải đại diện cho một mức độ ảnh hưởng đáng kể và tích cực về dịng vốn FDI, để đảm bảo rằng một thứ hạng cao trong các chỉ số cũng có nghĩa là thu hút FDI cao. Các đơn vị đo của các biến quan sát thức được tóm tắt trong bảng 3.1.
Bảng 3.1. Chỉ số đo lường và nguồn dữ liệu các biến quan sát giai đoạn 2006-2013
Biến Chỉ số đo lường Đơn vị
tính Nguồn dữ liệu Các nhân tố bên ngồi tác động đến thu hút dịng vốn FDI
Biến Chỉ số đo lường Đơn vị
tính Nguồn dữ liệu
trường 2010 (GDP) đồng
Tăng trưởng thị
trường Tốc độ tăng trưởng GDP theo giá so sánh năm 2010 (g) % Ngân hàng ADB Lạm phát Chỉ số giá tiêu dùng CPI (inf)
inf = (CPIt - CPIt-1)/CPIt-1
% Ngân hàng ADB
Tỷ giá hối đoái Tỷ giá hối đối bình qn giữa
đồng VND và USD đồng Ngân hàng ADB
Hiệu quả đầu tư Một đồng đầu tư bỏ ra thì kiếm được bao nhiều đồng GDP (dGDP/I) = (Yt - Yt-1)/It-1
% Ngân hàng ADB
và tính tốn của tác giả
Độ mở thương
mại Tỷ lệ (xuất khẩu – nhập khẩu) / GDP (trade)
% Ngân hàng ADB
và tính tốn của tác giả
Biến Chỉ số đo lường Đơn vị tính Nguồn dữ liệu Các nhân tố năng lực cạnh tranh tác động đến thu hút dòng vốn FDI
(1) Chi phí gia nhập thị trường; (2) Tiếp cận đất đai;
(3) Tính minh bạch; (4) Chi phí thời gian;
(5) Chi phí khơng chính thức; (6) Cạnh tranh bình đẳng; (7) Tính năng động; (8) Hỗ trợ doanh nghiệp; (9) Đào tạo lao động; (10) Thiết chế pháp lý. Chỉ số năng lực cạnh tranh cấp tỉnh CPI giai đoạn 2006-2013 Điểm Ban Pháp Chế - Phòng Thương mại và Công nghiệp Việt Nam (VCCI)
Nguồn: Tổng hợp của tác giả
3.1.1.2. Kỹ thuật xử lý dữ liệu
Việc tiếp cận dữ liệu là một trở ngại nghiêm trọng của nghiên cứu này và phải được xử lý một cách cẩn thận, chẳng hạn như dữ liệu năng lực cạnh tranh cấp tỉnh PCI được khảo sát từ năm 2005 đến 2013 và cũng như việc sát nhập tỉnh Hà Tây vào Hà Nội. Theo Nardo và cộng sự (2005), việc tiếp cận dữ liệu bị mất hoặc liên quan đến trường hợp xóa khi sử dụng trong chuỗi thời gian và việc thay thế các giá trị bị mất bằng trung bình mẫu (theo số học hay hình học) mặc dù giá trị bị mất tiềm năng của nó, được cho là mức đại diện giá trị trung bình theo số liệu chuỗi thời gian.
Dữ liệu có thể coi là ngun liệu tạo nên thơng tin và khi nói đến thơng tin là nói đến thơng tin về một đối tượng , một quá trình hay một hiện trạng của đối tượng nào đó trong một khơng gian , thời gian và đơn vị tính nhất định . Có thể có một số khái niệm khác nhau về làm sạch dữ liệu . Có các khái niệm mơ tả nội dung , có các khái niệm có tính mục tiêu , có các khái niệm chỉ áp dụng cho một loại nguồn dữ liệu. Có thể tạm thời tóm tắt các cách quan niệm này để có một m ơ tả về làm sạch dữ liệu như sau : Làm sạch dữ liệu là quá trình bổ sung , hiệu chỉnh và thống nhất thông tin về các biến của một cơ sở dữ liệu đảm bảo các kết quả xử lý, khai thác, kết nối dữ liệu nhận được các kết quả đúng. Có thể xác định nội dung và các kỹ thuật làm sạch số liệu cụ thể đối với các cơ sở dữ liệu khác nhau so với việc chú ý tới tính
hiệu quả của nó . Một cách chung nhất , có thể nêu lên những nội dung cơ bản của làm sạch dữ liệu như sau:
3.1.1.3. Kiểm tra và hoàn chỉnh cấu trúc dữ liệu
Dữ liệu được phân biệt thành hai loại cơ bản là dữ liệu số và dữ liệu ký tự . Dữ liệu được xử lý thống kê hầu hết là các dữ liệu dạng số . Tuy vậy, nguồn gốc của chúng có thể là các loại dữ liệu khác nhau (vô hướng, thứ bậc, định danh) với các biểu hiện khác nhau : giá trị mức , số liệu khoảng , số liệu dạng tỷ lệ , v.v… Những thuộc tính này cần được xác định trước khi thực hiện các tính tốn , phân tích, dự báo. Kiểm tra, hồn chỉnh cấu trúc có thể bao gồm các công việc với thứ tự cơ bản như sau:
a. Hoàn chỉnh nhãn, thuộc tính và đơn vị đo
Mỗi biến trong cơ sở dữ liệu cầ n có một nhãn giải thích ngắn ngọn nhưng đầy đủ nội dung kinh tế xã hội . Cùng với nhãn là đơn vị đo và khi cần còn phải chỉ ra thuộc tính của giá trị hay đơn vị đo . Trong kinh tế xã hội điều này là hết sức cần thiết, hãy xem xét một số trường hợp : (1) Đối với dữ liệu định danh, có thể quy ước (giới tính: nam 0, nữ 1; trình độ học vấn: THPT hoặc tương đương là 1, đại học là 2, trên đại học là 3; v.v…); (2) Đối với dữ liệu thứ bậc, dữ liệu sử dụng thang đo Likert với 5 mức độ (Hồn tồn khơng đồng ý 1; Khơng đồng ý 2; Bình thường 3; Đồng ý 4; Hoàn toàn đồng ý 5). Tuy nhiên, dữ liệu được thu nhập chủ yếu là dữ liệu thứ cấp, do vậy cơng việc xử lý dữ liệu cần mã hóa các biến quan sát trong phần mềm trước khi sử dụng các công cụ thống kê để phân tích dữ liệu.
b. Xác định một số trường hợp ngoại lệ
Cần xác định rõ sự khác nhau rất cơ bản của một số trạng thái đặc biệt của số liệu gán cho các biến. Khi quan sát trạng thái (mức hay biểu hiện) của một biến trên các đối tượng khác nhau của một tổng thể chúng ta có thể gặp những tình huống cần lưu ý như sau : Khơng có hiện tượng (NA); Có hiện tượng xảy ra nhưng không thu thập được do: không trả lời (REF)/ không được cung cấp (NP)/không biết (DK); Mức giá trị 0 (0 hoặc 0,0); Trường hợp có thơng tin chỉ định giá trị thiếu (khơng mặc định) và giá trị mức hoặc không áp dụng của một biến ; Trường hợp các giá trị không hợp lệ (ngoài khung giá trị qui ước), sai đơn vị, sai định dạng số, v.v…
Các bộ số liệu thường cung cấp thông tin từ các đối tượng, ở những mức độ, phạm vi khác nhau các quan sát phải đảm bảo tính duy nhất. Kiểm tra tính duy nhất dựa trên các trường khóa là một trong các cách để loại trừ số liệu bị nhập trùng lặp hoặc thậm chí là điều tra trùng trong khi thu thập số liệu thực địa.
3.1.1.4. Kiểm tra logic và các đặc trưng mẫu a. Kiểm tra logic a. Kiểm tra logic
Thông thường các quan hệ logic được đặt ngay trong thiết kế nhập dữ liệu. Tuy nhiên, cần kiểm tra logic với tất cả các khả năng có thể để tránh sai sót và ảnh hưởng đến kết quả phân tích sau này. Một hệ thống các biến kiểm tra phải được thiết kế ngay từ đầu để phát hiện các sai sót dạng này. Hết sức tránh tình trạng khi xử lý gặp một kết quả khơng giải thích được mới phát hiện ra số liệu lỗi logic, hậu quả là có thể phải làm lại mọi tính tốn, phân tích từ đầu.
b. Sử dụng thống kê mô tả, các biểu đồ phát hiện các giá trị ngoại lai và dữ liệu lỗi
Các mô tả thống kê nhờ các đặc trưng và các biểu đồ của các biến là cơng cụ hữu ích hơn cả để phát hiện các giá trị (thông tin) cá biệt- ngoại lai. Các giá trị nhỏ nhất, lớn nhất sẽ cho biết vùng dữ liệu quan sát được của mỗi biến. Đây chính là thơng tin quan trọng xác định một biến nào đó có trường hợp ngoại lai khơng . Cũng cần chú ý là giá trị ngoại lai không nhất thiết là thông tin sai , nhưng cần loại các giá trị này trong một số tính tốn vì chúng có thể làm sai lệch đặc trưng chung của tổng thể nghiên cứu.
Lỗi dữ liệu có thể xuất hiện có tính hệ thống, có thể phát hiện các lỗi này qua các biểu đồ quan hệ, qua mối quan hệ giữa các biến có quy luật, v.v… Khi một biểu đồ quan hệ của hai biến X và Y không phản án h đúng quan hệ thực tế chúng ta có thể cần nhiều hơn các phân tích để xác định đó là trường hợp cá biệt hay do lỗi của dữ liệu (do cách hiểu các câu hỏi không thống nhất hoặc hiểu sai nội dung câu hỏi trong các cuộc khảo sát).
c. Xử lý số liệu thiếu
Cần phân biệt rõ số liệu thiếu và giá trị 0 của số liệu (nhất là các biến định lượng). Trong rất nhiều trường hợp một quan sát tại một biến nào đó khơng có dữ liệu thì dữ liệu này có thể thay bằng 0 trong một số tính tốn. Trong những trường hợp khác giá trị thiếu khơng thể thay bằng 0 vì chắc chắn đó là giá trị tồn tại, khác 0
mà không thu thập được. Để bù giá trị thiếu loại này có thể dùng một số cách thơng thường sau đây:
- Sử dụng giá trị trung tâm chung: Trong trường hợp tổng thể thuần nhất theo chỉ tiêu X, giá trị thiếu của X có thể lấp đầy bởi một trong các giá trị trung tâm của biến này (trung bình, trung vị hay mốt).
- Sử dụng giá trị trung tâm nhóm: Nếu tổng thể chỉ được coi là thuần nhất về X với một số điều kiện nào đó. Chúng ta có thể sử dụng trung bình nhóm lấp đầy giá trị thiếu nhờ việc chia nhóm theo các điều kiện sao cho trong mỗi nhóm tính thuần nhất có thể được chấp nhận.
- Sử dụng trung bình (hay trung vị) địa phương: Trong một số trường hợp