Mối quan hệ giữa FDI và ô nhiễm môi trường dưới sự ảnh hưởng của thể chế: Nghiên cứu trường hợp các quốc gia đang phát triển

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:44

Thêm vào BST

Báo xấu

32
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Mối quan hệ giữa FDI và ô nhiễm môi trường dưới sự ảnh hưởng của thể chế: Nghiên cứu trường hợp các quốc gia đang phát triển được thực hiện nhằm phân tích được mối quan hệ giữa FDI và ô nhiễm môi trường dưới ảnh hưởng của thể chế tại 100 quốc gia đang phát triển trong giai đoạn 2005-2019, đồng thời kiểm định sự tồn tại của đường cong môi trường Kuznets tại các quốc gia này bằng các phương pháp định lượng như thống kê mô tả, phương pháp PCA và phương pháp S-GMM.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Mối quan hệ giữa FDI và ô nhiễm môi trường dưới sự ảnh hưởng của thể chế: Nghiên cứu trường hợp các quốc gia đang phát triển

MỐI QUAN HỆ GIỮA FDI VÀ Ô NHIỄM MÔI TRƯỜNG DƯỚI SỰ ẢNH HƯỞNG CỦA THỂ CHẾ: NGHIÊN CỨU TRƯỜNG HỢP CÁC QUỐC GIA ĐANG PHÁT TRIỂN Hồ Huy Quốc Cường1,∗, Trần Trúc Quỳnh1, Trần Hồ Cẩm Phả1, Mai Lê Thuý Vân1 Tóm tắt: Nghiên cứu này được thực hiện nhằm phân tích được mối quan hệ giữa FDI và ô nhiễm môi trường dưới ảnh hưởng của thể chế tại 100 quốc gia đang phát triển trong giai đoạn 2005-2019, đồng thời kiểm định sự tồn tại của đường cong môi trường Kuznets tại các quốc gia này bằng các phương pháp định lượng như thống kê mô tả, phương pháp PCA và phương pháp S-GMM. Kết quả nghiên cứu cho thấy ô nhiễm môi trường là một tình trạng dai dẳng, kéo dài qua thời gian. Đường cong môi trường Kuznets được chứng minh là có tồn tại ở các quốc gia đang phát triển này. FDI có tác động ngược chiều đến ô nhiễm môi trường, ủng hộ cho giả thuyết Halo. Bên cạnh đó, kết quả phân tích tác động của thể chế cho thấy kiểm soát tham nhũng, hiệu quả chính phủ, ổn định chính trị và không có bạo lực, chất lượng quy định, pháp quyền có tác động thuận chiều tới ô nhiễm môi trường. Trong khi đó, tiếng nói và trách nhiệm giải trình lại có tác động ngược chiều tới ô nhiễm môi trường. Nhìn chung, chất lượng thể chế khi được cải thiện làm gia tăng suy thoái môi trường tại các quốc gia đang phát triển qua hiệu ứng quy mô. Tương tác giữa chất lượng thể chế và FDI có tác động ngược chiều đến chất lượng môi trường, cho thấy sự cải thiện thể chế giúp thu hút thêm nhiều FDI hơn, thúc đẩy hoạt động kinh tế gây ô nhiễm môi trường trầm trọng hơn qua hiệu ứng quy mô. Từ khoá: Chất lượng thể chế, đường cong môi trường Kuznets, FDI, khí thải CO2, S-GMM. 1 Trường Đại học Kinh tế - Luật, Đại học Quốc gia Thành phố Hồ Chí Minh * Tác giả liên hệ: Email: cuonghhq19401@st.uel.edu.vn
Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 711 1. ĐẶT VẤN ĐỀ Ô nhiễm môi trường đã luôn là vấn đề nóng đối với các quốc gia, đặc biệt là với các quốc gia đang phát triển. Theo WHO (2018), ô nhiễm không khí cướp đi sinh mạng của 7 triệu người mỗi năm và làm mất đi hàng triệu năm sống khoẻ mạnh của con người. Mặc dù đã có nhiều nỗ lực để ngăn chặn, vấn đề ô nhiễm môi trường vẫn là một bài toán nan giải đối với các quốc gia. Các quốc gia luôn phải đối mặt với sự đánh đổi giữa tăng trưởng kinh tế và chất lượng môi trường trong quá trình phát triển đất nước. Với mong muốn đạt được nhiều thành tựu kinh tế, một số quốc gia đang phát triển đã quyết định nới lỏng các tiêu chuẩn môi trường, chấp nhận hy sinh môi trường để có thể thu hút thật nhiều các dòng vốn FDI bởi FDI là nhân tố có vai trò cực kỳ quan trọng trong việc thúc đẩy sự tăng trưởng kinh tế. Báo cáo của UNCTAD (2019) chỉ ra rằng nguồn đầu tư vào các quốc gia đang phát triển chiếm hơn nửa nguồn vốn đầu tư đang luân chuyển trên toàn cầu, giữ ổn định ở khoảng 695 tỷ đô vào năm 2019. Trong đó, những quốc gia thu hút nhiều nguồn đầu tư trực tiếp nước ngoài có thể kể đến như Trung Quốc (140 tỷ đô), Singapore (110 tỷ đô), Ấn Độ (49 tỷ đô). Mặc dù vậy, Báo cáo thường niên của IQAir (2020) cho thấy, Ấn Độ là quốc gia có nhiều thành phố có mức ô nhiễm cao nhất, với 46 thành phố, Trung Quốc xếp thứ hai với 42 thành phố. Tuy các dòng vốn FDI gây trầm trọng hơn vấn đề ô nhiễm tại một số quốc gia, nhiều nghiên cứu lại chỉ ra rằng FDI cũng có thể giúp cải thiện môi trường nhờ vào sự chuyển giao công nghệ “sạch”, thân thiện với môi trường (Islam et al., 2021; Tang & Tan, 2015; Zhang & Zhou, 2016). Chính vì vậy mà việc đánh giá tác động của FDI lên ô nhiễm môi trường còn gặp nhiều tranh cãi và chưa rõ ràng. Bên cạnh đó, yếu tố thể chế cũng đang ngày càng thu hút sự quan tâm của giới nghiên cứu bởi sự tác động sâu rộng của yếu tố này đối với quá trình phát triển của mỗi quốc gia. Nhiều nghiên cứu đã chỉ ra vai trò quan trọng của thể chế đối với công cuộc phát triển kinh tế và bảo vệ môi trường. Do đó, mối quan hệ giữa FDI và ô nhiễm môi trường có thể còn phụ thuộc vào chất lượng thể chế của mỗi quốc gia (Bakhsh et al., 2021; Ha & Nguyen, 2021; Huynh & Hoang, 2018).
712 KỶ YẾU HỘI THẢO QUỐC TẾ DÀNH CHO CÁC NHÀ KHOA HỌC TRẺ KHỐI TRƯỜNG KINH TẾ VÀ KINH DOANH... Xuất phát từ thực tế trên, nghiên cứu này được thực hiện với mục tiêu phân tích mối quan hệ giữa FDI và ô nhiễm môi trường dưới sự ảnh hưởng của thể chế tại 100 quốc gia đang phát triển trong giai đoạn 2005-2019, đồng thời kiểm định sự tồn tại của đường cong môi trường Kuznets tại các quốc gia này. Những kết quả mà nghiên cứu đưa ra sẽ là bằng chứng thực nghiệm cho các lý thuyết kinh tế môi trường và là cơ sở cho các chính sách kinh tế - xã hội của các quốc gia đang phát triển. 2. CƠ SỞ LÝ THUYẾT 2.1. Đường cong môi trường Kuznets Grossman và Krueger (1991) khi thực hiện nghiên cứu về tác động của Hiệp định Thương mại Tự do Bắc Mỹ (North American Free Trade Agreement) đối với môi trường đã khám phá ra mối liên hệ phi tuyến có dạng chữ U ngược giữa tăng trưởng kinh tế và chất lượng môi trường. Mối liên hệ này sau đó đã được củng cố bởi nghiên cứu thực nghiệm của Panayotou (1993) và được tác giả đặt tên là “Đường cong môi trường Kuznets (Environmental Kuznets Curve)” bởi nó có hình dạng giống đường cong về mối quan hệ giữa bất bình đẳng kinh tế và thu nhập bình quân đầu người của Kuznets (1955). Theo lý thuyết của đường cong môi trường Kuznets, mức độ ô nhiễm sẽ gia tăng cùng với quá trình phát triển kinh tế, công nghiệp hoá, hiện đại hoá của quốc gia. Khi nền kinh tế phát triển đến một mức độ nhất định, sẽ xuất hiện 1 điểm ngoặt (turning point) mà sau đó sự ô nhiễm môi trường sẽ giảm dần cùng với sự tăng trưởng kinh tế, cho thấy sự cải thiện về chất lượng môi trường một khi quốc gia giàu lên. Panayotou (1993) giải thích nguyên nhân cho hiện tượng này như sau: Tại giai đoạn đầu của nền kinh tế, khi các quốc gia chuyển mình từ sản xuất nông nghiệp sang công nghiệp, các hoạt động kinh tế bùng nổ kéo theo đó sự khai thác quá mức các nguồn lực, tài nguyên thiên nhiên, cùng với đó là quá trình sản xuất công nghiệp với trình độ công nghệ còn lạc hậu dẫn tới phát sinh lượng chất thải công nghiệp rất lớn. Những điều này sẽ khiến cho chất lượng môi trường sụt giảm, gây suy thoái, ô nhiễm môi trường trầm trọng tại các quốc gia này khi đang phát triển kinh tế. Tuy nhiên, khi quốc gia phát triển đến một mức độ nhất định, cơ cấu kinh tế sẽ có sự chuyển dịch từ
Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 713 các ngành công nghiệp truyền thống sang ngành công nghiệp hiện đại và dịch vụ vốn có mức độ phát thải ô nhiễm thấp hơn do ứng dụng các công nghệ hiện đại, hiệu quả, thân thiện với môi trường hơn, khiến cho lượng phát thải chất gây ô nhiễm ra môi trường giảm xuống. Ngoài ra, đời sống của người dân được cải thiện sẽ nâng cao ý thức bảo vệ môi trường, làm gia tăng nhu cầu về một môi trường sống xanh, sạch, đẹp, gây áp lực lên chính phủ buộc họ phải thực hiện các chính sách, quy định, luật lệ về môi trường chặt chẽ hơn. Kết quả là chất lượng môi trường sẽ được cải thiện, ô nhiễm môi trường sẽ giảm xuống cùng với sự tăng trưởng của nền kinh tế. Hình 1. Đường cong môi trường Kuznets (Nguồn: Panayotou, 1993) 2.2. Tác động của FDI đối với môi trường Khi tiến hành nghiên cứu tác động của FDI đến tình trạng ô nhiễm môi trường tại các nước, giới nghiên cứu đã có nhiều tranh luận với 2 giả thuyết trái ngược nhau: Giả thuyết Haven (Haven Hypothesis) và Giả thuyết Halo (Halo Hypothesis). Giả thuyết Haven cho rằng FDI có tác động tiêu cực tới môi trường ở các quốc gia, làm trầm trọng hơn vấn đề ô nhiễm môi trường tại các nước, đặc biệt là tại các nước đang phát triển. Trong khi đó, giả thuyết Halo lại cho rằng FDI sẽ giúp cải thiện chất lượng môi trường, làm giảm tình trạng suy thoái môi trường.
714 KỶ YẾU HỘI THẢO QUỐC TẾ DÀNH CHO CÁC NHÀ KHOA HỌC TRẺ KHỐI TRƯỜNG KINH TẾ VÀ KINH DOANH... Để phân tích tác động của FDI đến chất lượng môi trường, Grossman và Kruger (1991) đã đề xuất 3 cơ chế phân tích như sau: - Thứ nhất, hiệu ứng quy mô (scale effect), hàm ý rằng sự gia tăng của dòng vốn FDI sẽ thúc đẩy nền kinh tế tăng trưởng, gia tăng sản xuất hàng hoá và dịch vụ, điều này sẽ dẫn đến việc tiêu thụ nhiều tài nguyên thiên nhiên hơn và phát sinh ra nhiều chất thải gây ô nhiễm hơn, làm môi trường trở nên suy thoái. - Thứ hai, hiệu ứng thành phần (composition effect), hàm ý rằng sự gia tăng của dòng vốn FDI sẽ tác động đến cơ cấu ngành kinh tế, cơ cấu ngành công nghiệp vì FDI sẽ tập trung vào những ngành có lợi thế so sánh. Kết quả là tác động của FDI đến chất lượng môi trường sẽ phụ thuộc vào việc liệu các ngành công nghiệp gây ô nhiễm được mở rộng hay thu hẹp trong thành phần kinh tế. - Thứ ba, hiệu ứng kỹ thuật (technique effect), hàm ý rằng sự gia tăng của dòng vốn FDI sẽ giúp chuyển giao khoa học công nghệ, kỹ thuật sản xuất tiên tiến thân thiện với môi trường cho nước nhận đầu tư. Kết quả là hiệu quả sản xuất trong nước sẽ được nâng cao, giúp giảm thiểu ô nhiễm môi trường. Có thể thấy, nếu FDI làm gia tăng hiệu ứng quy mô và chuyển dịch nền kinh tế theo hướng phát triển các ngành công nghiệp có độ ô nhiễm cao theo như hiệu ứng thành phần thì giả thuyết Haven sẽ được ủng hộ. Còn ngược lại, nếu hiệu ứng kỹ thuật lấn át thì FDI sẽ giúp cải thiện chất lượng môi trường, ủng hộ cho giả thuyết Halo. Nhiều nghiên cứu đã cung cấp bằng chứng thực nghiệm ủng hộ cho giả thuyết Haven. Kiều và Tiến (2019) chứng minh rằng FDI có tác động ngược chiều tới chất lượng môi trường ở các quốc gia mới nổi và đang phát triển. Theo tác giả, dòng vốn FDI có xu hướng tìm đến những quốc gia có luật pháp bảo vệ môi trường lỏng lẻo để đầu tư sản xuất nhằm giảm thiểu chi phí xử lý chất thải và tránh thuế suất xả thải cao ở các quốc gia phát triển có quy định nghiêm ngặt về môi trường. Gill và cộng sự (2018) cho rằng có sự dịch chuyển các ngành công nghiệp có mức độ ô nhiễm cao từ các nước phát triển sang các nước đang phát triển. Hiện tượng này được thúc đẩy bởi lợi thế so sánh về chi phí khi
Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 715 sản xuất ở các nước đang phát triển. Các nước đang phát triển thường có tiêu chuẩn về ô nhiễm môi trường thấp, vì vậy sẽ tốn ít chi phí hơn để xử lý chất thải. Kết quả là các nước phát triển sẽ chuyên môn hoá sản xuất hàng hoá “sạch” còn các nước đang phát triển sẽ chuyên môn hoá sản xuất hàng hoá “bẩn”. Mặt khác, nhiều nghiên cứu cũng đã ủng hộ cho giả thuyết Halo thay vì giả thuyết Haven. Nghiên cứu của Zhang và Zhou (2016) về tác động của FDI đến môi trường tại Trung Quốc cho thấy FDI làm giảm ô nhiễm môi trường thông qua sự chuyển giao công nghệ thân thiện với môi trường. Tác giả cũng đề xuất một giả thuyết đáng lưu ý rằng FDI còn có thể cải thiện chất lượng môi trường thông qua sự cạnh tranh. Sự tham gia của các doanh nghiệp FDI vào nền kinh tế sẽ thúc đẩy tạo nên thị trường cạnh tranh trong nước, buộc các doanh nghiệp nội địa phải tăng cường đầu tư nghiên cứu, phát triển công nghệ mới, nâng cao năng lực sản xuất theo hướng hiệu quả hơn. Ngoài ra, FDI còn thúc đẩy chuyển dịch cơ cấu kinh tế từ ngành công nghiệp sang ngành dịch vụ vốn có mức độ ô nhiễm thấp hơn, giúp bảo vệ môi trường tốt hơn. Tang và Tan (2015) nghiên cứu trường hợp của Việt Nam cũng cho thấy FDI tác động ngược chiều đến lượng khí thải CO2, giúp nâng cao chất lượng môi trường thông qua sự chuyển giao công nghệ xanh và ít ô nhiễm. Tác giả cho rằng các nhà đầu tư nước ngoài cũng lo lắng về tác động ngắn hạn và dài hạn của khí thải CO2 đến tình trạng biến đổi khí hậu và đã thực hiện các biện pháp để giảm thiểu tác động này. Gill và cộng sự (2018) cũng nêu lên ý tưởng tương đồng, cho rằng các doanh nghiệp hiện nay cũng rất quan tâm tới trách nhiệm xã hội của doanh nghiệp (corporate social responsibility), vì thế họ sẽ cố gắng duy trì danh tiếng danh nghiệp bằng cách giảm thiểu ô nhiễm môi trường. 2.3. Tác động của thể chế đối với môi trường Đã có nhiều nghiên cứu khác nhau về tác động của thể chế đến tình trạng ô nhiễm môi trường và đem lại các kết quả trái ngược nhau. Bakhsh và cộng sự (2021) cho rằng chất lượng thể chế có tác động tích cực tới bảo vệ môi trường. Thể chế được cải thiện đồng nghĩa với việc các luật lệ, tiêu chuẩn về môi trường được siết chặt, các chính sách
716 KỶ YẾU HỘI THẢO QUỐC TẾ DÀNH CHO CÁC NHÀ KHOA HỌC TRẺ KHỐI TRƯỜNG KINH TẾ VÀ KINH DOANH... bảo vệ môi trường được thực thi nghiêm túc hơn và việc sử dụng tài nguyên thiên nhiên sẽ hiệu quả, bền vững hơn. Kết quả là chất lượng môi trường sẽ được nâng cao. Ha và Nguyen (2021) cũng ủng hộ lập luận này và bổ sung rằng thể chế là một trong những yếu tố quan trọng để giảm thiểu tình trạng suy thoái môi trường. Chất lượng thể chế thể hiện qua các tiêu chí như kiểm soát tham nhũng, hiệu quả chính phủ, ổn định chính trị, chất lượng quy định, pháp quyền, tiếng nói và trách nhiệm giải trình có tác động ngược chiều tới ô nhiễm môi trường tại các quốc gia đang phát triển. Mặt khác, Nguyen và cộng sự (2018) chứng minh được rằng nâng cao chất lượng thể chế có tác động thuận chiều tới ô nhiễm môi trường tại các quốc gia mới nổi. Theo tác giả, cải thiện thể chế sẽ tạo động lực thúc đẩy các hoạt động kinh tế diễn ra mạnh mẽ hơn, dẫn đến hiệu ứng quy mô làm gia tăng ô nhiễm môi trường. Le và Ozturk (2020) cũng ủng hộ giả thuyết này, cho rằng cải thiện thể chế sẽ giúp gia tăng thương mại và thu hút vốn FDI tạo tăng trưởng kinh tế, kết quả là làm giảm chất lượng môi trường thông qua hiệu ứng quy mô. 2.4. Vai trò của thể chế trong mối quan hệ giữa FDI và ô nhiễm môi trường Lược khảo các nghiên cứu trước cho thấy thể chế đóng vai trò quan trọng trong mối quan hệ giữa FDI và ô nhiễm môi trường. Ha và Nguyen (2021) chỉ ra rằng thể chế sẽ giúp làm giảm tác động thuận chiều của FDI đến tình trạng ô nhiễm môi trường. Khi chất lượng thể chế được nâng cao, các chính sách và luật lệ liên quan tới thu hút vốn FDI sẽ được thắt chặt, chỉ có những dòng vốn FDI chất lượng cao mới được cho phép đầu tư. Kết quả là môi trường sẽ được bảo vệ tốt hơn bởi dòng vốn FDI chất lượng cao mang theo công nghệ sản xuất hiện, thân thiện với môi trường hơn. Mặt khác, thể chế yếu kém sẽ tạo điều kiện cho các công ty đa quốc gia lách luật, thực hiện những hành vi gây hại tới môi trường. Các quan chức vì lợi ích cá nhân có thể làm ngơ và không thực hiện các quy định bảo vệ môi trường, tạo động lực cho các công ty gia tăng hoạt động sản xuất gây ô nhiễm thay vì cải thiện công nghệ, cải thiện khả năng quản lý để bảo vệ môi trường vì họ biết rằng họ sẽ không bị đối diện với hình phạt nào cả. Bakhsh và cộng sự (2021)
Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 717 cũng ủng hộ lập luận này, cho rằng cải thiện thể chế sẽ giúp chính phủ kiểm soát hiệu quả hơn ảnh hưởng tiêu cực của FDI đến môi trường. 3. PHƯƠNG PHÁP NGHIÊN CỨU 3.1. Mô hình nghiên cứu và giả thuyết nghiên cứu Từ cơ sở lý thuyết và nghiên cứu liên quan, nhóm nghiên cứu đề xuất mô hình nghiên cứu thứ 1 dưới dạng phương trình như sau: Ln(CO2)it = β0 + β1Ln(CO2)it-1 + β2Ln(GDP)it + β3[Ln(GDP)it]2 + β4 FDIit + β5INDit + β6URBit + β7TRADEit + β8INSTit + vi + εit (1) Trong đó, i: đại diện cho quốc gia t: đại diện cho năm vi: đại diện cho hiệu ứng cố định của mỗi quốc gia không thay đổi qua thời gian (country-specific effect) εit: đại diện cho sai số ngẫu nhiên khác nhau giữa các quốc gia và thay đổi qua thời gian (error term) (CO2)it: đại diện cho lượng khí thải CO2 bình quân đầu người (tấn/ người) của quốc gia i trong năm t. Trong mô hình, biến này sẽ được lấy logarit tự nhiên (Ln(CO2)it). Việc sử dụng khí CO2 để đại diện cho sự ô nhiễm môi trường đã được nhiều nhà nghiên cứu trước đây áp dụng, cho thấy việc sử dụng biến này là phù hợp (Bakhsh et al., 2021; benzerrouk et al., 2021; Ha & Nguyen, 2021; Nguyen et al., 2018; Omri & Tarek, 2020). (CO2)it-1: đại diện cho lượng khí thải CO2 bình quân đầu người (tấn/người) của quốc gia i trong năm t-1 (tức năm trước). Trong mô hình, biến này cũng sẽ được lấy logarit tự nhiên (Ln(CO2)it-1). Việc đưa biến trễ phụ thuộc (lagged dependent variable) này vào mô hình là cần thiết vì nó sẽ giúp mô hình tránh khỏi thiên chệch thiếu biến (omitted variable bias), giúp cho kết quả ước lượng mô hình hiệu quả và chính xác hơn (Kastratović, 2019). Kế thừa các nghiên cứu trước (Bakhsh et al., 2021; Ha & Nguyen, 2021; Kastratović, 2019; Nguyen et al., 2018;
718 KỶ YẾU HỘI THẢO QUỐC TẾ DÀNH CHO CÁC NHÀ KHOA HỌC TRẺ KHỐI TRƯỜNG KINH TẾ VÀ KINH DOANH... Omri & Tarek, 2020; Sung et al., 2018), lượng khí thải năm trước được kỳ vọng là có tác động thuận chiều đến lượng khí thải năm sau. (GDP)it: đại diện cho GDP bình quân đầu người (USD) của quốc gia i trong năm t. Trong mô hình, biến này sẽ được lấy logarit tự nhiên và bình phương của logarit tự nhiên để khám phá mối liên hệ phi tuyến giữa tăng trưởng kinh tế và chất lượng môi trường. Đã có nhiều nghiên cứu trước đây đã ủng hộ cho lý thuyết đường cong môi trường Kuznets, thu nhập có mối quan hệ chữ U ngược với ô nhiễm môi trường (Canh et al., 2020; Mahmood et al., 2019; Panayotou, 1993; Riti et al., 2021; Tang & Tan, 2015; Wawrzyniak & Doryń, 2020). Kế thừa từ các nghiên cứu đó, nhóm nghiên cứu kỳ vọng cũng sẽ tìm được bằng chứng thực nghiệm ủng hộ cho lý thuyết này. FDIit: đại diện cho luồng vốn FDI nhận (inflow) của quốc gia i trong năm t, được đo lường bằng tổng giá trị FDI nhận trên GDP. Lược khảo các nghiên cứu trước, nhóm nghiên cứu kỳ vọng sẽ tìm được bằng chứng để củng cố cho giả thuyết Haven hoặc giả thuyết Halo. INDit: đại diện cho mức độ công nghiệp hoá của quốc gia i trong năm t, được đo lường bằng tỷ trọng công nghiệp trong GDP. Đã có nhiều nghiên cứu chỉ ra rằng công nghiệp hoá có tác động ngược chiều tới chất lượng môi trường, làm gia tăng tình trạng ô nhiễm môi trường bởi lượng chất thải công nghiệp phát sinh trong quá trình sản xuất (Canh et al., 2019; Gani, 2012; Ha & Nguyen, 2021; Maneejuk et al., 2020; Mot & Kien, 2021). Kế thừa từ các nghiên cứu đi trước, nhóm nghiên cứu đề xuất giả thuyết công nghiệp hoá có tác động thuận chiều tới lượng khí thải CO2. URBit: đại diện cho mức độ đô thị hoá của quốc gia i trong năm t, được đo lường bằng tỷ lệ dân số thành thị trong tổng dân số. Đô thị hoá được cho là một trong những nguyên nhân gây ô nhiễm môi trường do mật độ dân số đông đúc tại khu vực thành thị sẽ tạo ra lượng chất thải lớn và việc xử lý lượng chất thải này cũng gây nhiều khó khăn (Kiều & Tiến, 2019). Ngoài ra, sự gia tăng nhu cầu tiêu thụ năng lượng, hàng hoá và dịch vụ tại thành phố cũng thúc đẩy các hoạt động kinh tế phát triển mạnh mẽ hơn gây ô nhiễm môi trường (Ali et al., 2020; Islam et al., 2021;
Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 719 Khan et al., 2021; Kiều & Tiến, 2019). Do đó, nhóm nghiên cứu đề xuất giả thuyết đô thị hoá có tác động thuận chiều tới lượng khí thải CO2. TRADEit: đại diện cho độ mở thương mại của quốc gia i trong năm t, được đo lường bằng tổng giá trị xuất, nhập khẩu trên GDP. Nhiều nghiên cứu chỉ ra rằng độ mở thương mại có tác động thuận chiều đến ô nhiễm môi trường do sự mở rộng của các hoạt động sản xuất, tiêu dùng trong nền kinh tế (Bakhsh et al., 2021; Ha & Nguyen, 2021; Nguyen et al., 2018). Vì thế, nhóm nghiên cứu đề xuất giả thuyết độ mở thương mại có tác động thuận chiều tới lượng khí thải CO2. INSTit: đại diện cho các khía cạnh của chất lượng thể chế, được xác định lần lượt bằng 6 chỉ số quản trị công của WGI: Kiểm soát tham nhũng (Control of Corruption), Hiệu quả chính phủ (Government Effectiveness), Ổn định chính trị và không có bạo lực (Political Instability and Absence of Violence), Chất lượng quy định (Regulatory Quality), Pháp quyền (Rule of Law), Tiếng nói và trách nhiệm giải trình (Voice and Accountability). Trong mô hình, các biến này sẽ được đặt tên lần lượt là CC, GE, PS, RQ, RL và VA. Các biến thể chế này được kỳ vọng là sẽ có tác động ngược chiều tới lượng khí thải CO2 (Bakhsh et al., 2021; Ha & Nguyen, 2021; Liu et al., 2020; Muhammad & Long, 2020; Omri & Tarek, 2020; Riti et al., 2021). Từ 6 chỉ số đại diện cho các khía cạnh thể chế trên và kế thừa từ một số nghiên cứu (Bakhsh et al., 2021; Buchanan et al., 2012; Globerman & Shapiro, 2002; Ha & Nguyen, 2021; Huynh & Hoang, 2018; Khan et al., 2021), nhóm nghiên cứu sẽ dùng phương pháp phân tích nhân tố chính (Principal Components Analysis - PCA) để tạo ra 1 biến tổng hợp mới với tên gọi là IQ, đại diện cho chất lượng thể chế nói chung nhằm xác định ảnh hưởng tổng thể của thể chế đến ô nhiễm môi trường. Ta có mô hình nghiên cứu thứ 2 dưới dạng phương trình như sau: Ln(CO2)it = β0 + β1Ln(CO2)it-1 + β2Ln(GDP)it + β3[Ln(GDP)it]2 + β4 FDIit + β5INDit + β6 URBit + β7TRADEit + β8IQit + vi + εit (2) Cũng giống như 6 biến thể chế phía trên, biến IQ phản ánh cho chất lượng thể chế nói chung được kỳ vọng là sẽ có tác động ngược chiều
720 KỶ YẾU HỘI THẢO QUỐC TẾ DÀNH CHO CÁC NHÀ KHOA HỌC TRẺ KHỐI TRƯỜNG KINH TẾ VÀ KINH DOANH... tới lượng khí thải CO2, chất lượng thể chế được cải thiện sẽ giúp bảo vệ môi trường tốt hơn. Để kiểm định ảnh hưởng của thể chế trong mối quan hệ giữa FDI và ô nhiễm môi trường, nhóm nghiên cứu đề xuất thêm biến IQFDI là biến tương tác giữa chất lượng thể chế và FDI. Ta có mô hình nghiên cứu thứ 3 dưới dạng phương trình như sau: Ln(CO2)it = β0 + β1Ln(CO2)it-1 + β2Ln(GDP)it + β3[Ln(GDP)it]2 + β4FDIit + β5INDit + β6URBit + β7TRADEit + β8 IQit + β9IQFDIit + vi + εit (3) Nhiều nghiên cứu đã chỉ ra rằng khi chất lượng thể chế được cải thiện, quốc gia sẽ thắt chặt việc thu hút vốn FDI, chú trọng hơn vào việc thu hút dòng vốn FDI chất lượng cao đem lại công nghệ hiện đại và tốt với môi trường hơn. Đồng thời sẽ thực hiện giám sát, thực thi các chính sách môi trường nghiêm ngặt hơn. Điều này sẽ làm giảm tác động của FDI đến ô nhiễm môi trường và nâng cao chất lượng môi trường (Bakhsh et al., 2021; Ha & Nguyen, 2021; Huynh & Hoang, 2018; Nguyen et al., 2018). Kế thừa từ các nghiên cứu trước, biến IQFDI được kỳ vọng là có tác động ngược chiều đến ô nhiễm môi trường, tức sự cải thiện về chất lượng thể chế sẽ làm giảm tác động thuận chiều của FDI đến ô nhiễm môi trường. 3.2. Dữ liệu nghiên cứu Nghiên cứu sử dụng dữ liệu bảng của 100 quốc gia đang phát triển giai đoạn 2005-2019. Những dữ liệu thứ cấp này được thu thập từ các nguồn uy tín như Chỉ số Phát triển Thế giới (WDI), Chỉ số Quản trị toàn cầu (WGI) và Cộng đồng phi lợi nhuận Global Carbon Atlas. Cụ thể, dữ liệu về lượng phát thải khí CO2 được thu thập từ Global Carbon Atlas. Các dữ liệu về GDP bình quân đầu người, FDI, mức độ công nghiệp hoá, mức độ đô thị hoá, độ mở thương mại được thu thập từ WDI. Dữ liệu về 6 chỉ số phản ánh chất lượng thể chế gồm kiểm soát tham nhũng, hiệu quả chính phủ, ổn định chính trị và không có bạo lực, chất lượng quy định, pháp quyền, tiếng nói và trách nhiệm giải trình được thu thập từ WGI và có thang đo từ - 2.5 (tệ nhất) đến 2.5 (tốt nhất). Những dữ liệu này sau đó sẽ được ghép và thực hiện phân tích bằng phần mềm Stata 15.0.
Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 721 Bảng 1. Danh sách quốc gia Danh sách quốc gia Albania Cameroon Georgia Mali Rwanda Algeria Chad Ghana Mauritius Samoa Angola Chile Guatemala Mexico Saudi Arabia Argentina China Guinea Moldova Senegal Azerbaijan Colombia Guinea-Bissau Morocco Seychelles Bahamas Comoros Haiti Mozambique South Africa Bahrain Congo Honduras Myanmar Sri Lanka Bangladesh Costa Rica India Namibia Tanzania Belarus Cote d’Ivoire Indonesia Nepal Thailand Democratic Belize Republic of the Jamaica Nicaragua Timor-Leste Congo Benin Dominica Jordan Niger Togo Dominican Bolivia Kazakhstan Nigeria Tonga Republic Bosnia and Ecuador Kenya Oman Tunisia Herzegovina Botswana Egypt Kiribati Panama Turkey Brazil El Salvador Kyrgyzstan Paraguay Uganda Brunei Equatorial Lao PDR Peru Ukraine Darussalam Guinea Bulgaria Eswatini Lebanon Philippines Uruguay Burkina Faso Fiji Lesotho Poland Uzbekistan Burundi Gabon Madagascar Romania Vietnam Russian Cambodia Gambia Malaysia Zambia Federation (Nguồn: Nhóm nghiên cứu tổng hợp)
Bảng 2. Dữ liệu và nguồn dữ liệu dùng trong nghiên cứu 722 Tên biến Ký hiệu Mô tả Đơn vị Nguồn Global Lượng khí thải CO2 bình quân đầu CO2 Tổng lượng phát thải khí CO2 trong năm của cả quốc gia chia cho dân số. tấn Carbon người Atlas GDP bình quân đầu người GDP Tổng GDP của quốc gia chia cho dân số (theo giá cố định 2015). USD Tổng giá trị vốn đầu tư trực tiếp nước ngoài quốc gia nhận được trong năm Vốn đầu tư trực tiếp nước ngoài FDI % trên GDP WDI Mức độ công nghiệp hoá IND Tỷ trọng công nghiệp trong GDP của quốc gia. % Mức độ đô thị hoá URB Tỷ lệ dân thành thị trong tổng dân số của quốc gia. % Độ mở thương mại TRADE Tổng giá trị xuất, nhập khẩu trên GDP của quốc gia. % Đo lường cảm nhận về mức độ chế tài của pháp luật đối với các hành vi tham Kiểm soát tham nhũng CC nhũng và các loại tham nhũng khác nhau, kể cả việc thâu tóm chính quyền - của một số nhóm lợi ích. Đo lường cảm nhận về chất lượng của dịch vụ công và mức độ độc lập với Hiệu quả chính phủ GE các áp lực chính trị, chất lượng xây dựng và thực thi chính sách, và tính tin cậy - của cam kết thực hiện của chính phủ trong việc thực thi các chính sách này. Đo lường cảm nhận về khả năng chính phủ không ổn định hay bị lật đổ bởi Ổn định chính trị và không có PS các phương tiện không hợp hiến hay bạo lực, bao gồm bạo lực có động cơ - bạo lực chính trị và khủng bố. WGI Đo lường cảm nhận về khả năng của chính phủ trong việc xây dựng các chính Chất lượng quy định RQ - sách khuyến khích sự phát triển của khu vực tư nhân. Đo lường cảm nhận về mức độ tin tưởng và tôn trọng của người dân đối với các Pháp quyền RL quy định của xã hội, đặc biệt là về chất lượng của việc thực thi hợp đồng, quyền - sở hữu tài sản, cảnh sát, tòa án, cũng như về mức độ tội phạm và bạo lực. Đo lường cảm nhận về mức độ tham gia của người dân vào việc lựa chọn Tiếng nói và trách nhiệm giải VA chính phủ, mức độ tự do bày tỏ quan điểm của người dân và các phương tiện - trình truyền thông đại chúng. (Nguồn: Nhóm nghiên cứu tổng hợp) KỶ YẾU HỘI THẢO QUỐC TẾ DÀNH CHO CÁC NHÀ KHOA HỌC TRẺ KHỐI TRƯỜNG KINH TẾ VÀ KINH DOANH...
Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 723 3.3. Phương pháp phân tích dữ liệu Các phương pháp nghiên cứu định lượng như thống kê mô tả, phương pháp PCA và phương pháp S-GMM để sử dụng để tiến hành phân tích dữ liệu thứ cấp thu được. Cụ thể, phương pháp thống kê mô tả tóm tắt và mô tả một số đặc điểm quan trọng của dữ liệu như số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất. Do 6 chỉ số thể chế có sự tương quan cao với nhau, nếu đem tất cả cùng hồi quy một lúc thì sẽ gây ra hiện tượng đa cộng tuyến (Kiên & Huyền, 2019). Mặt khác, nếu chỉ sử dụng riêng lẻ một chỉ số nhằm đại diện cho chất lượng thể chế thì sẽ bỏ sót tác động từ các yếu tố còn lại. Chính vì thế mà nhóm nghiên cứu sẽ sử dụng phương pháp phân tích thành phần chính (Principal Components Analysis - PCA) nhằm tổng hợp ra một biến mới phản ánh chất lượng thể chế nói chung từ 6 chỉ số ban đầu. Phương pháp PCA là một phương pháp biến đổi giúp rút gọn các biến có tương quan với nhau thành các thành phần chính (components) là tổ hợp tuyến tính của các biến ban đầu trong khi vẫn giữ được nhiều thông tin nhất có thể từ dữ liệu gốc. Số lượng các thành phần chính được tạo ra sẽ bằng số lượng biến gốc với thành phần chính đầu tiên sẽ thu được nhiều thông tin nhất, tiếp đến là thành phần chính thứ hai thu được nhiều thông tin nhất mà thành phần chính đầu tiên chưa thu được và cứ thế giảm dần tới thành phần cuối cùng (Katchova, 2014). Để xác định thành phần chính được giữ lại phục vụ cho phân tích, Kaiser (1960) đề xuất rằng chỉ nên giữ lại thành phần chính nào có eigenvalue lớn hơn 1. Vì thế, nghiên cứu sẽ sử dụng thành phần chính có eigenvalue lớn hơn 1 làm biến đại diện cho chất lượng thể chế. Ngoài ra, nghiên cứu sẽ tiến hành kiểm định KMO (Kaiser - Meyer - Olkin) về độ phù hợp của dữ liệu (sampling adequacy) và kiểm định Bartlett (Bartlett’s test of sphericity) về độ tương quan giữa các biến nhằm kiểm định xem việc thực hiện phương pháp PCA với các biến thể chế có phù hợp hay không. Nếu hệ số KMO có giá trị lớn hơn 0,5 và giả thuyết H0: Các biến không có sự tương quan của kiểm định Bartlett bị bác bỏ thì việc sử dụng phương pháp PCA là phù hợp (Katchova, 2014). Để ước lượng hệ số hồi quy trong các mô hình nghiên cứu, nghiên cứu sử dụng phương pháp S-GMM (System-Generalized Method of
724 KỶ YẾU HỘI THẢO QUỐC TẾ DÀNH CHO CÁC NHÀ KHOA HỌC TRẺ KHỐI TRƯỜNG KINH TẾ VÀ KINH DOANH... Moments) hai bước được cho là hiệu quả nhất đối với dạng mô hình dữ liệu bảng động (dynamic panel data model). Do nghiên cứu sử dụng mô hình chứa biến trễ phụ thuộc (lagged dependent variable) là như một biến giải thích, việc ước lượng mô hình bằng cách ước lượng mô hình dữ liệu bảng tĩnh (static panel data model) như Pooled OLS, FEM, REM sẽ gặp phải thiên chệch (Nickell, 1981; Roodman, 2009). Nguyên nhân là do biến trễ phụ thuộc có tương quan với hiệu ứng cố định (do không đổi qua thời gian), gây nên hiện tượng nội sinh. Để khắc phục hiện tượng này, cần phải sử dụng mô hình dữ liệu bảng động (dynamic panel data model) mà cụ thể ở đây là S-GMM để thay thế. Phương pháp S-GMM sẽ sử dụng hệ 2 phương trình đồng thời, phương trình gốc (level) và phương trình sai phân (difference) để ước lượng mô hình. Phương trình gốc (level): Yit = β0 + β1 Yit-1 + β2Xit + vi + εit Phương trình sai phân (difference): Yit - Yit-1 = β0 + β1(Yit-1 - Yit-2) + β2(Xit - Xit-1) + (εit - εit-1) Đối với phương trình gốc, biến giải thích sẽ được công cụ hoá bằng các biến sai phân trễ (Yit-1 - Yit-2) và các sai phân trễ trước đó). Còn với phương trình sai phân, biến giải thích sẽ được công cụ hoá bằng các biến trễ (Yit-2 và các độ trễ trước đó). Việc sử dụng phương pháp S-GMM tỏ ra rất thích hợp với mô hình và dữ liệu nghiên cứu sử dụng. Theo Roodman (2009), phương pháp S-GMM phù hợp để sử dụng trong các trường hợp sau: (i) Dữ liệu có thời gian ngắn, số lượng đối tượng lớn (“small T, large N”); (ii) Tồn tại mối quan hệ tuyến tính giữa biến phụ thuộc và biến giải thích; (iii) Mô hình dữ liệu bảng động (có biến trễ phụ thuộc làm biến giải thích); (iv) Có hiện tượng nội sinh; (v) Tồn tại hiệu ứng cố định; (vi) Có hiện tượng phương sai thay đổi và tự tương quan. Phương pháp S-GMM còn tồn tại 2 dạng biến thể là một bước (one-step) và hai bước (two-step). Nhóm nghiên cứu đề xuất sử dụng biến thể hai bước bởi nó đem lại hiệu quả tốt hơn biến thể một bước (Bakhsh et al., 2021; Roodman, 2009).
Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 725 Đối với phương pháp S-GMM, để đảm bảo kết quả ước lượng là chính xác và vững, các kiểm định sau cần phải được thoả mãn: - Thứ nhất, kiểm định Hansen về sự ràng buộc quá mức (over- identifying restrictions) hay còn gọi là kiểm định về sự phù hợp của các biến công cụ. Phương pháp S-GMM sử dụng biến trễ và biến sai phân trễ làm biến công cụ, do đó cần kiểm định xem các biến công cụ này có phù hợp (tức các biến công cụ là biến ngoại sinh). Giả thuyết H0 của kiểm định này là: Các biến công cụ được sử dụng là phù hợp. Do đó, để đảm bảo kết quả của mô hình là chính xác, giả thuyết H0 cần được chấp nhận (Roodman, 2009). - Thứ hai, kiểm định Arellano-Bond (AR1) và kiểm định Arellano- Bond (AR2) về hiện tượng tự tương quan. Phương pháp S-GMM sử dụng sai phân nên mặc nhiên có sự tự tương quan bậc 1 (AR1) (∆εit = εit - εit-1) tương quan với ∆εit-1 = εit-1 - εit-2 qua thành phần εit-1), do đó kiểm định AR1 với giả thuyết H0: Mô hình không có tự tương quan bậc 1 cần được bác bỏ. Lúc này, vấn đề cần quan tâm là sự tự tương quan bậc 2 (AR2). Roodman (2009) cho rằng để việc ước lượng mô hình bằng phương pháp S-GMM đạt hiệu quả, không được phép có sự tự tương quan bậc 2 ở phương trình sai phân (∆εit = εit - εit-1 không tương quan với ∆εit-2 = εit-2 - εit-3). Vì vậy, kiểm định AR2 với giả thuyết H0: Mô hình không có tự tương quan bậc 2 cần được chấp nhận. - Thứ ba, kiểm định F về ý nghĩa đồng thời của các biến giải thích (hay còn gọi là kiểm định độ phù hợp của mô hình). Để mô hình có ý nghĩa, giả thuyết H0: Các biến giải thích trong mô hình đồng thời không có ý nghĩa thống kê cần được bác bỏ (Efendic et al., 2010). - Thứ tư, kiểm định biến công cụ yếu. Phương pháp S-GMM dùng biến trễ và biến sai phân trên làm biến công cụ, do đó với thời gian T dài sẽ tạo ra một lượng lớn biến công cụ, trong đó có các biến công cụ yếu (weak instrument) gây thiên chệch trong ước lượng (Roodman, 2007, 2009). Chính vì thế mà Roodman (2009) đề xuất một quy tắc kinh nghiệm (rule of thumb) rằng số biến công cụ (number of instruments) không được phép lớn hơn số đối tượng trong mẫu (number of groups) để việc ước lượng mô hình là hiệu quả.
726 KỶ YẾU HỘI THẢO QUỐC TẾ DÀNH CHO CÁC NHÀ KHOA HỌC TRẺ KHỐI TRƯỜNG KINH TẾ VÀ KINH DOANH... - Thứ năm, kiểm định tính vững của hệ số ước lượng. Roodman (2009) đề xuất rằng để ước lượng S-GMM là hợp lý thì hệ số hồi quy của biến trễ phụ thuộc phải cho thấy sự hội tụ với giá trị tuyệt đối nhỏ hơn 1. 4. KẾT QUẢ VÀ THẢO LUẬN 4.1. Kết quả nghiên cứu 4.1.1. Kết quả thống kê mô tả Bảng 3. Kết quả thống kê mô tả Độ lệch Giá trị Giá trị Biến Số quan sát Giá trị trung bình chuẩn nhỏ nhất lớn nhất CO2 1500 2,979566 4,279006 0,0200699 26,62857 GDP 1500 5247,348 5945,207 278,3194 35889,17 FDI 1500 4,123851 4,619734 -6,369877 57,83755 IND 1496 28,05684 12,43197 5,049525 84,34919 URB 1500 52,19786 20,80186 9,375 95,426 TRADE 1484 78,82538 34,5304 0,1746816 225,0231 CC 1500 -0,43515 0,6329731 -1,815811 1,581779 GE 1500 -0,376046 0,6382486 -2,078399 1,317982 PS 1500 -0,3336643 0,7801134 -2,400169 1,422732 RQ 1500 -0,3033377 0,6266809 -2,267615 1,538509 RL 1500 -0,4271353 0,6204863 -1,786273 1,433073 VA 1500 -0,3491073 0,7660071 -2,233271 1,292521 (Nguồn: Nhóm nghiên cứu tổng hợp) Kết quả thống kê mô tả đã mô tả cơ bản dữ liệu nghiên cứu bằng các giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất và số quan sát (xem Phụ lục A). Nhìn chung, lượng khí thải CO2 bình quân đầu người của 100 quốc gia đang phát triển giai đoạn 2005-2019 trung bình đạt 2,98 tấn/người với độ lệch chuẩn 4,28 tấn/người, cho thấy giữa các nước đang phát triển có sự chênh lệch khá cao về lượng khí thải CO2. Lượng vốn FDI/GDP trung bình đạt 4,12% với giá trị nhỏ nhất là -6,37%, cho thấy rằng tại một số quốc gia đã có hiện tượng rút vốn FDI bởi các nhà đầu tư nước ngoài. Đối với các biến thể chế, giá trị trung bình đều dưới mức trung bình là 0 (giá trị trung bình của thang đo từ
Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 727 -2,5 đến 2,5), phản ánh rằng chất lượng thể chế ở các quốc gia đang phát triển này còn rất kém, đặc biệt là ở khía cạnh kiểm soát tham nhũng (có giá trị trung bình -0,435, thấp nhất trong tất cả các biến thể chế). 4.1.2. Kết quả phân tích thành phần chính (PCA) Bảng 4. Kết quả phân tích thành phần chính (PCA) Phần trăm Thành phần Giá trị Phần trăm tổng Khác biệt phương sai chính Eigenvalue phương sai tích luỹ Comp1 4,32703 3,66228 0,7212 0,7212 Comp2 0,664752 0,097543 0,1108 0,8320 Comp3 0,567209 0,340124 0,0945 0,9265 Comp4 0,227084 0,118703 0,0378 0,9643 Comp5 0,108381 0,00284087 0,0181 0,9824 Comp6 0,105541 0,0176 1,0000 Kết quả kiểm định phương pháp phân tích thành phần chính (PCA) Kết quả Yêu cầu Kiểm định KMO (Kaiser - Meyer - Olkin) 0,868 > 0,5 Kiểm định Bartlett (Bartlett’s test of 0,000 < 0,01 sphericity) (P-value) (Nguồn: Nhóm nghiên cứu tổng hợp) Bảng kết quả phân tích thành phần chính (PCA) đã cho thấy từ 6 biến thể chế ban đầu, phương pháp PCA đã phân tích thành 6 thành phần chính với thành phần chính thứ nhất (Comp1) có giá trị Eigenvalue đạt 4,327 (thoả mãn điều kiện lớn hơn 1) với phần trăm tổng phương sai là 0,7212, tức giải thích được 72,12% biến động của dữ liệu ban đầu. Nhóm nghiên cứu quyết định sử dụng thành phần chính thứ nhất này làm biến đại diện cho chất lượng thể chế nói chung IQ. Kiểm định KMO và kiểm định Bartlett đều đạt yêu cầu, cho thấy việc thực hiện phân tích PCA với 6 biến thể chế này là phù hợp (xem Phụ lục B và Phụ lục C).
Bảng 5. Kết quả ước lượng các mô hình bằng phương pháp S-GMM 728 Biến phụ thuộc Ln(CO2)it Mô hình Mô hình Mô hình Mô hình Mô hình Mô hình Mô hình Mô hình Mô hình (1) (2) (3) (4) (5) (6) (7) (8) Biến giải thích Hệ số chặn -6,479*** -5,610*** -6,799*** -5,634*** -6,2978*** -6,6236*** -6,2751*** -6,446*** Ln(CO2)it-1 0,825*** 0,813*** 0,827*** 0,839*** 0,8276*** 0,8316*** 0,827*** 0,818*** Ln(GDP) 1,4693*** 1,2656*** 1,5446*** 1,2833*** 1,4308*** 1,4926*** 1,427*** 1,4726*** [Ln(GDP)]2 -0,084*** -0,072*** -0,088*** -0,074*** -0,082*** -0,085*** -0,082*** -0,086*** FDI -0,002*** -0,002*** -0,002*** -0,002*** -0,0020*** -0,0017*** -0,0024*** -0,002*** IND 0,0029*** 0,0038*** 0,0028*** 0,0026*** 0,0034*** 0,0027*** 0,0033*** 0,0031*** URB 0,002*** 0,0023*** 0,002*** 0,0019*** 0,002*** 0,0017** 0,0022*** 0,0032*** TRADE 0,0011*** 0,001*** 0,0011*** 0,001*** 0,001*** 0,0011*** 0,001*** 0,0012*** CC 0,04*** 4.1.3. Kết quả ước lượng từ các mô hình (S-GMM) GE 0,098*** PS 0,0189** RQ 0,060*** RL 0,0578*** VA -0,016* IQ 0,0184*** 0,02*** IQFDI 0,0007*** Số quan sát 1386 1386 1386 1386 1386 1386 1386 1386 Số quốc gia 100 100 100 100 100 100 100 100 Số biến 78 78 78 78 78 78 78 93 công cụ KỶ YẾU HỘI THẢO QUỐC TẾ DÀNH CHO CÁC NHÀ KHOA HỌC TRẺ KHỐI TRƯỜNG KINH TẾ VÀ KINH DOANH...
Kiểm định F (P-value) 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Kiểm định Arellano-Bond 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 (AR1) (P-value) Kiểm định Arellano-Bond 0,133 0,130 0,138 0,140 0,126 0,140 0,132 0,140 (AR2) (P-value) Kiểm định Hansen 0,161 0,165 0,179 0,189 0,186 0,150 0,168 0,263 (P-value) Ghi chú: *, **, *** đại diện lần lượt cho các mức ý nghĩa 10%, 5%, 1%. (Nguồn: Nhóm nghiên cứu tổng hợp) Phần 4. NGHIÊN CỨU KHU VỰC, QUY HOẠCH VÀ MÔI TRƯỜNG 729