Mô hình phân tích hồi quy sẽ đƣợc thực hiện bằng phầm mềm SPSS 13. Đây là phần mềm có khả năng phân tích thống kê, phân tích nhân tố cũng nhƣ hồi quy khá mạnh. SPSS 13 hỗ trợ nhiều thủ tục chọn biến cho mô hình hồi quy tuyến tính nhƣ thủ tục chỉ định (Enter), đƣa dần vào (Forward), loại dần ra (Backward) và đƣa vào loại ra (Stepwise). Ngoại trừ thủ tục chỉ định mang tính cƣỡng bức, các thủ tục còn lại có các tiêu chí khác nhau trong việc chọn mô hình và do đó đều có những ƣu điểm riêng. Đề tài này sẽ sử dụng thủ tục đƣa dần vào (Forward) để chọn ra mô hình tốt nhất.
Kết quả phân tích các mô hình hồi quy bằng SPSS cho hai biến phụ thuộc Số di cƣ nam và nữ đƣợc trình bày tóm tắt tại Bảng 16 và Bảng 17. Hai bảng này trình bày tất cả các mô hình tìm đƣợc theo thủ tục đƣa dần vào và R2
hiệu chỉnh tƣơng ứng.
Ở cả hai bảng, các mô hình 10, 11, 12 và 13 đều cho hệ số R2
hiệu chỉnh cao hơn hẳn các mô hình còn lại. Mô hình cuối cùng (15) chỉ để lại ba biến có ý nghĩa thống kê. Theo Ramanathan21, việc đƣa quá nhiều biến vào mô hình có thể khiến cho độ chính xác tƣơng đối của riêng mỗi hệ số giảm, mặt khác số bậc tự do giảm cũng làm hạn chế khả năng kiểm định trên các hệ số. Vì vậy, mô hình 15 đƣợc lựa chọn do tính đơn giản hơn. Tuy vậy, các mô hình còn lại vẫn sẽ đƣợc xem xét trong quá trình phân tích kết quả.
Căn cứ vào kết quả hồi quy đối với biến phụ thuộc Số ngƣời di cƣ là nam
MigrantMMean (Bảng 11), hệ số Bê ta của các biến GDP bình quân (GDPPerMean), Số giƣờng bệnh bình quân trong 100,000 dân
21
Ramu Ramanathan, Biên dịch bởi Thục Đoan và Hào Thi, Introductory Econometrics with Applications (Nhập môn kinh tế lượng với các ứng dụng), Chƣơng 4, Trang 10.
(MedicBedNPerMean) và Giá trị sản xuất công nghiệp khu vực ngoài nhà nƣớc bình quân (IndustrialOoSPerMean) đều mang dấu dƣơng theo đúng nhƣ kỳ vọng của giả thuyết đặt ra trong phần 2.2 Chƣơng 2. Hệ số bê ta của hai biến đầu đều có ý nghĩa thống kê ở mức ý nghĩa dƣới 1%.
Theo kết quả hồi quy trong Bảng 12 đối với biến phụ thuộc Số ngƣời di cƣ nữ,
hệ số bê ta của biến Giá trị sản xuất công nghiệp khu vực ngoài nhà nƣớc bình quân (IndustrialOoSPerMean) không còn ở mức ý nghĩa < 10% nữa, thay vào đó là biến giả theo vùng địa lý của vùng Đông Nam Bộ (Region7).
Kết quả kiểm tra đa cộng tuyến không cho thấy dấu hiệu xuất hiện của hiện tƣợng này. Trƣớc hết là hệ số tƣơng quan giữa các biến độc lập đƣợc chọn, nhƣ đã phân tích trong phần 2.4.1.2 Chƣơng 2 đều nhỏ hơn 0.7. Kiểm tra Tolerances hoặc VIF đều cách xa mức cho thấy có dấu hiệu đa cộng tuyến22
Bảng 11 – Kết quả mô hình hồi quy của di cƣ nam
MODEL 15 Unstandardized coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Err Beta Tolerance VIF (Constant) -17,838 2,688 -6.63 0.000
IndustrialOoSPerMean 1.269 0.734 0.206 1.729 0.089 0.57 1.74 MedicBedNPerMean 39.077 10.215 0.320 3.825 0.000 0.97 1.03 GDPPerMean 0.976 0.196 0.594 4.979 0.000 0.57 1.75
Dependent Variable: MigrantMMean
(Nguồn : Tính toán từ nguồn số liệu khảo sát)
Bảng 12 – Kết quả mô hình hồi quy của di cƣ nữ
MODEL 15 Unstandardized coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Err Beta Tolerance VIF
22
(Constant) -19,844 2,753 -7.20 0.000
Region7 4,096.945 2,261.976 0.154 1.811 0.075 0.575 1.740 MedicBedNPerMean 40.914 10.509 0.306 3.893 0.000 0.969 1.032 GDPPerMean 1.291 0.154 0.718 8.409 0.000 0.570 1.755
Dependent Variable: MigrantFMean
(Nguồn : Tính toán từ nguồn số liệu khảo sát)
2.5 Phân tích Kết quả
Cả hai mô hình nam và nữ đều cho thấy tác động thu nhập bình quân của ngƣời dân tại địa phƣơng và chất lƣợng cơ sở hạ tầng y tế có ảnh hƣởng tích cực đến quyết định di cƣ. Hệ số Bê ta của hai biến độc lập này trong mô hình di cƣ nữ (Bảng 11) đều cao hơn trong mô hình của nam (Bảng 12), mặc dù sự chênh lệch không nhiều. Các hệ số bê ta thể hiện độ co giãn của biến phụ thuộc khi các biến độc lập thay đổi. Hệ số R2
hiệu chỉnh trong các mô hình của nữ cũng cao hơn của nam (Bảng 13 và 14). Kết quả này cho thấy tác động của yếu tố thu nhập và y tế có ảnh hƣởng mạnh hơn đối với các đối tƣợng di cƣ nữ, đặc biệt là thu nhập.
Hệ số bê ta của biến Thu nhập bình quân (GDPPerMean) có ý nghĩa thống kê, một lần nữa, khẳng định sự khác biệt thu nhập (hay nói chung là yếu tố kinh tế) luôn luôn tác động đến quyết định di cƣ nhƣ đã đƣợc khẳng định trong mô hình Harris-Todaro, Malcom và Harvey B. King (mặc dù không phải là yếu tố duy nhất). Các nghiên cứu của Tổng cục Thống kê(2004) cũng xác nhận di cƣ đã giúp ngƣời dân tăng thu nhập nếu so sánh thu nhập ở nơi chuyển đến và thu nhập ban đầu trƣớc khi di cƣ, việc tăng thu nhập từ di cƣ cũng có ở tất cả các khu vực nơi thu hút dân đến23
.
23
Căn cứ theo mô hình di cƣ ở Bảng 11 và 12, nếu các yếu tố khác không đổi, khi thu nhập bình quân tăng lên 1000 đồng thì số di cƣ nam tăng 0.97 ngƣời trong khi số di cƣ nữ tăng 1.29 ngƣời. Sự khác biệt này có thể lý giải là do độ nhạy di cƣ h (đƣợc đề cập trong mô hình Harris – Todaro) của nữ cao hơn nam. Chỉ cần một chênh lệch thu nhập nhỏ giữa nơi ở ban đầu và nơi di cƣ đến là có tác động đáng kể đến ngƣời di cƣ nữ. Hay nói cách khác, đối với một sự thay đổi thu nhập nhƣ nhau, số di cƣ nữ sẽ nhiều hơn nam. Có nhiều yếu tố cấu thành độ nhạy h trong trƣờng hợp này, chẳng hạn : ở nơi ở ban đầu, độ thỏa dụng về thu nhập của ngƣời lao động nữ đạt đƣợc thấp hơn nam, sự phân biệt đối xử nam nữ cao, số việc làm có thu nhập cao cho lao động nữ không nhiều….
Trong mô hình của nam, hệ số bê ta có ý nghĩa thống kể của biến Giá trị sản xuất công nghiệp khu vực ngoài nhà nƣớc bình quân (IndustrialOoSPerMean) cho thấy khu vực ngoài nhà nƣớc tiếp tục khẳng định vị thế của mình trong việc tạo ra nhiều công ăn việc làm trong nền kinh tế. Nhu cầu lao động cao của các thành phần kinh tế ngoài khu vực nhà nƣớc đã thu hút ngƣời di cƣ từ các địa phƣơng khác tham gia tạo cung lao động cung cấp cho các khu vực này. Ngƣợc lại, hệ số bê ta không có ý nghĩa thống kê của biến Giá trị sản xuất công nghiệp khu vực nhà nƣớc cho thấy không có bằng chứng rõ ràng
rằng khu vực này có tác động làm tăng số di cƣ đi hay thu hút số di cƣ đến. Nguyên nhân có thể là do số việc làm trong khu vực này tạo ra ít hoặc thu nhập không cao đủ để thu hút lao động đến. Nếu điều này đúng sẽ là một minh chứng khác cho sự không hiệu quả của khu vực này trong việc giải quyết vấn đề lao động bên cạnh hiệu quả sử dụng nguồn vốn Nhà nƣớc vẫn còn gặp nhiều tranh cãi.Tuy nhiên, vấn đề này cần đòi hỏi những nghiên cứu sâu hơn và không phải là mục tiêu giải quyết của đề tài này.
Số việc làm tạo ra trong khu vực công nghiệp ngoài nhà nƣớc không phải chỉ có tác động đối với di cƣ nam mà ở cả với di cƣ nữ (ở một số mô hình có R2
adj cao hơn nhƣ 10, 11, 12 trong bảng 14). Nhƣng sự ảnh hƣởng thể hiện rõ ràng ở mô hình di cƣ nam và ít thấy hơn ở nữ (chỉ có hệ số bê ta của biến IndustrialOoSPerMean có ý nghĩa thống kê trong mô hình cuối cùng của Nam), có thể ngƣời di cƣ nam có nhiều cơ hội hơn ở các khu công nghiệp, khu chế xuất và họ cũng dành nhiều sự quan tâm đến việc làm trong khu vực này, trong khi di cƣ nữ có nhiều lựa chọn hơn không chỉ nằm trong khu vực ngoài nhà nƣớc mà có thể tìm các công việc khác nhƣ bán hàng, tiếp thị, giúp việc nhà,…Tổng cục Thống kê(2004) cho thấy: trong số di cƣ nam thì số lƣợng đi học chiếm nhiều hơn còn di cƣ nữ thì tham gia các công việc hộ gia đình nhiều hơn24
. Chắc chắn, tỉ lệ có trình độ học vấn cao hơn trong số di cƣ nam so với nữ đã giúp họ dễ dàng tìm đƣợc việc làm trong khu vực công nghiệp ngoài nhà nƣớc.
Đối với hệ số bê ta có ý nghĩa thống kê của biến số giƣờng bệnh bình quân tại các địa phƣơng, có thể một số lƣợng ngƣời di cƣ đáng kể đi theo chăm sóc ngƣời thân chữa trị lâu dài tại các địa phƣơng có cơ sở hạ tầng về y tế phát triển hoặc có nhiều bệnh viện lớn. Nghiên cứu của TổNG CụC THốNG KÊ25 cho thấy ngƣời lớn tuổi thƣờng có xu hƣớng lựa chọn các các cơ sở y tế tuyến trên, nhƣ: bệnh viện nhà nƣớc, bệnh viện/phòng khám tƣ để đến khám và chữa trị. Theo thống kê trong báo cáo này, có tới 66,7% ngƣời di cƣ ở độ tuổi 45-59 có sử dụng dịch vụ của các bệnh viện nhà nƣớc và làm tăng sức ép lên các cơ sở y tế của nhà nƣớc tại các vùng nhập cƣ. Có thể, các đối tƣợng bệnh
24
Tổng cục thống kê (2004), Chất lượng cuộc sôngs của người di cư ở Việt Nam, trang 78-79.
25
nhân ở tuổi cao thƣờng ít tự đi một mình đến các cơ sở khám chữa bệnh mà thƣờng kèm theo sự giúp đỡ của ngƣời thân.
Khoảng cách từ mỗi địa phƣơng đến các tỉnh thành phát triển trong cả nƣớc không có ảnh hƣởng đáng kể đến số ngƣời di cƣ, mặc dù dấu của hệ số bê ta đúng nhƣ kỳ vọng theo giả thuyết đặt ra. Theo kết quả này, tại Việt Nam khoảng cách di chuyển có vẻ không phải là vấn đề lớn đối với ngƣời di cƣ. Nguyên nhân có thể là do hầu hết ngƣời di cƣ sau đều ít trở về quê hƣơng hoặc cũng chỉ thực hiện 1, 2 lần một năm. Chi phí này có thể rất đáng kể tại thời điểm di cƣ nhƣng không quá lớn trong tổng chi phí/thiệt hại phải bỏ ra khi di chuyển so với lợi ích thu đƣợc trong khoảng thời gian giữa thời điểm ra đi và trở về quê hƣơng.
Khi xét theo vùng địa lý, theo mô hình 15, số di cƣ nam ở các vùng miền khác nhau không có khác biệt đáng kể. Nhƣng đối với nữ, số di cƣ ở khu vực Đông Nam bộ cao hơn so với khu vực Đồng bằng Sông Cửu Long (hệ số Bê ta của biến Region7 dƣơng, biến tham chiếu là khu vực Đồng bằng Sông Cửu long). Khu vực Đông Nam bộ bao gồm các địa phƣơng Ninh Thuận, Bình Phƣớc, Bà Rịa - Vũng Tàu, Đồng Nai, Bình Dƣơng và TPHCM. Đây là nơi đƣợc tập trung/thu hút nhiều đầu tƣ (cả trong và ngoài nƣớc), có nhiều khu chế xuất, khu công nghiệp nhất cả nƣớc, đây cũng là khu vực kinh tế năng động, tạo ra khá nhiều việc làm và thu hút ngƣời di cƣ trên khắp cả nƣớc, trong đó phần lớn là nữ. Hệ số bê ta của biến Region7 không xuất hiện trong mô hình của nam cho thấy ngƣời di cƣ nam có nhiều lựa chọn cho điểm đến hơn (chỉ cần nơi đó có nhiều doanh nghiệp hoạt động trong khu vực ngoài nhà nƣớc nhƣ phân tích ở trên) thay vì chỉ tập trung vào khu vực Đông Nam bộ, trong khi khu vực này lại có nhiều nhà máy gia công, chế biến đòi hỏi nhiều lao động nữ nhƣ may mặc, giày dép, gỗ, … hoặc tạo ra nhiều công việc hộ gia đình hơn.
Trong các mô hình có hệ số R2 hiệu chỉnh cao hơn ở cả Nam và Nữ (mô hình số 9, 10, 11) một số hệ số bê ta của các biến giả cho thấy một số vùng có sự khác nhau (có ý nghĩa thống kê ở mức <10%) trong số ngƣời di cƣ. Do vùng kiểm soát trong các mô hình này là Đồng bằng sông Cửu Long nên theo kết quả này, các địa phƣơng ở vùng Tây Bắc (biến Region3) và Tây Nguyên (Region 6) có số ngƣời di cƣ đến bình quân cao hơn các địa phƣơng ở Đồng bằng sông Cửu Long. Nghiên cứu về việc làm của Minh Yến26
từ Viện Kinh tế TPHCM, thực hiện trên số liệu thống kê của bộ Lao động - Thƣơng binh và Xã hội, cũng cho kết quả tƣơng tự khi xác nhận số lao động di cƣ ra khỏi vùng lãnh thổ để kiếm việc làm nơi khác thấp nhất ở Tây Nguyên (0,7%) và Tây Bắc (0,1%). Tuy vậy, điều này lại trái ngƣợc với giả thuyết ban đầu khi cho rằng các vùng nghèo nhất nhƣ Tây Nguyên và Tây Bắc phải có số di cƣ đến ít hơn (tức số ngƣời di cƣ đi nhiều hơn) các vùng còn lại. Sự khác biệt này có thể lý giải theo một số nguyên nhân sau :
- Ngƣời có thu nhập thấp tại Tây Bắc và Tây Nguyên chủ yếu thực hiện di cƣ nội tỉnh, tức từ vùng nông thôn, miền núi lên các huyện, đô thị trong tỉnh.
- Các địa phƣơng ở khu vực Tây Nguyên (Dak Lak, Kon Tum, Gia Lai, Đắc Nông, Lâm Đồng) và Tây Bắc (Sơn La, Lai Châu, Hòa Bình, Điện Biên) có những dự án thủy điện lớn thu hút nhiều lao động tập trung trong một khoảng thời gian dài (mỗi dự án thủy điện thực hiện từ 3 đến 4 năm). Không ít ngƣời trong số này sau khi dự án hoàn thành đã định cƣ luôn tại địa phƣơng đó. Lập nghiệp tại vùng kinh tế mới cũng là một nguyên nhân từng thu hút số lƣợng lớn ngƣời đến các địa phƣơng khu vực Tây Nguyên.
26
Trần Minh Yến, Việc làm - thực trạng và những vấn đề bất cập ở Việt Nam trong giai đoạn hiện nay (Phần 1), truy cập trên http://www.vienkinhte.hochiminhcity.gov.vn
Giá trị bán lẻ hàng hóa và dịch vụ không có tác động rõ ràng đến số di cƣ tại địa phƣơng cũng là một kết quả đáng chú ý. Có thể các địa phƣơng đạt mức tăng cao trong biến số này chủ yếu nhờ các hoạt động cơ giới, kỹ năng làm tăng năng suất phân phối và giá trị hàng hóa, dịch vụ cung cấp hơn là tạo ra nhiều việc làm. Ví dụ, việc bán hàng qua các siêu thị cho doanh số cao hơn gấp nhiều lần so với hình thức họp chợ thông thƣờng, hoặc dịch vụ làm tóc, làm đẹp tại TPHCM có giá cao gấp nhiều lần so với tại các tỉnh miền Trung, mặc dù chất lƣợng không khác biệt nhiều lắm. Mặt khác, có thể việc làm trong khu vực bán lẻ hàng hóa và cung cấp dịch vụ thƣờng theo thời vụ hoặc độ ổn định không cao nên ngƣời lao động có xu hƣớng di cƣ lặp lại theo chu kỳ nhu cầu lao động. Điều này tạo nên hiện tƣợng di cƣ tuần hoàn và đối với những trƣờng hợp này, số di cƣ bằng không.
Tác động của số giáo viên, sinh viên, đại học cao đẳng tại địa phƣơng đến số di cƣ không có ý nghĩa thống kê nhƣ kỳ vọng giả thuyết ban đầu cũng là một kết quả đáng quan tâm khác. Có thể biến này không đủ điều kiện để đại diện cho khả năng cung ứng lao động có chuyên môn, đƣợc đào tạo nhƣ kỳ vọng đặt ra. Hiện nay tại nƣớc ta, hầu hết giáo viên, sinh viên đại học cao đẳng thƣờng tập trung tại những trƣờng Đại học lớn đóng tại một số địa phƣơng nhƣ Thái Nguyên, Hà Nội, Huế, Đà Nẵng, Quy Nhơn, Nha Trang, TPHCM và Cần Thơ. Qua các trƣờng này, các tỉnh thành trên sẽ đóng vai trò đào tạo, cung cấp nhân lực cho các địa phƣơng xung quanh. Nếu có thể thay biến số này bằng Số giáo viên, sinh viên đại học cao đẳng bình quân của địa phƣơng đang theo học tại địa phƣơng khác sẽ cho kết quả hồi quy phù hợp hơn.
Bảng 13 - Kết quả phân tích hồi quy, biến phụ thuộc : MigrantMMean Mô hình 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 (Constant) (18671)** (18682)** (18727)** (18351)** (18347)** (19094)** (19548)** (19661)** (19593)** (17737)** (17568)** (18130)** (18207)** (17804)** (17838)** FoodSPerMean 1.06 1.06 1.06 0.98 0.91 0.85 0.7 0.73 0.82