Luận án Tiến sĩ Kinh tế: Nghiên cứu ứng dụng thống kê không gian phân tích vai trò của vốn con người đối với quy mô kinh tế các tỉnh, thành Việt Nam

Ụ

B  GIÁO D C VÀ ĐÀO T O

ƯỜ

Ộ Ạ Ọ

Ạ Ồ

TR

NG Đ I H C KINH T  TP. H  CHÍ MINH

Ế ­­­­­­­­­­­­­­­­

LÊ TRUNG KIÊN

Ứ Ứ

Ố

Ụ

Ủ Ố

NGHIÊN C U  NG D NG TH NG KÊ KHÔNG GIAN ƯỜ Ố   I Đ I Ệ

PHÂN TÍCH VAI TRÒ C A V N CON NG Ế Ớ

Ỉ

V I QUY MÔ KINH T  CÁC T NH, THÀNH VI T NAM

Ậ

Ế

Ế LU N ÁN TI N SĨ KINH T

ồ

TP. H  Chí Minh – Năm 2021

Ụ

B  GIÁO D C VÀ ĐÀO T O

ƯỜ

Ộ Ạ Ọ

Ạ Ồ

TR

NG Đ I H C KINH T  TP. H  CHÍ MINH

Ế ­­­­­­­­­­­­­­­­

LÊ TRUNG KIÊN

Ứ Ứ

Ố

Ụ

Ủ Ố

NGHIÊN C U  NG D NG TH NG KÊ KHÔNG GIAN ƯỜ Ố   I Đ I Ệ

PHÂN TÍCH VAI TRÒ C A V N CON NG Ế Ớ

Ỉ

V I QUY MÔ KINH T  CÁC T NH, THÀNH VI T NAM

ố

Chuyên ngành: Th ng kê

Mã s :ố   9460201

Ậ

Ế

Ế LU N ÁN TI N SĨ KINH T

ẫ

ọ

Ng

ườ ướ i h

ng d n khoa h c:

Ễ

1. PGS. TS. NGUY N VĂN SĨ

Ễ 2. TS. NGUY N THANH VÂN

ồ

TP. H  Chí Minh – Năm 2021

Ờ

L I CAM ĐOAN

ư ượ ứ ủ ế ả Tôi cam đoan k t qu  nghiên c u chính là c a cá nhân tôi và ch a đ c tác

ả ố ướ ở ứ gi nào công b  tr c đó các nghiên c u khác.

ồ Tp. H  Chí Minh, tháng 03 năm

2021

Tác giả

Lê Trung Kiên

Ờ Ả Ơ L I C M  N

ả ơ ớ ờ ầ L i đ u tiên tôi xin chân thành c m  n t ễ i PGS. TS. Nguy n Văn Sĩ và TS.

ữ ễ ườ ướ ạ ượ ế ẫ Nguy n Thanh Vân, nh ng ng ầ i Th y đã h ng d n tôi đ t đ ả ậ   c k t qu  lu n

ả ơ ầ ố ế án này. Tôi cũng xin chân thành c m  n đ n quý Th y, Cô Khoa Toán ­ Th ng kê,

ọ ậ ứ ặ ệ ử ờ ả ơ ế ầ ơ n i tôi h c t p và nghiên c u. Đ c bi t, tôi xin g i l i c m  n đ n quý Th y, Cô

ễ ầ ơ ị ề   ấ ồ g m TS. Hà Văn S n, TS. Tr n Th  Tu n Anh, TS. Nguy n Văn Trãi đã truy n

ứ ề ế ệ ứ ạ đ t cho tôi nhi u ki n th c, kinh nghi m nghiên c u.

ả ơ ệ ườ ầ Tôi chân thành c m  n quý Th y, Cô trong Ban Giám hi u Tr ng Cao

ẻ ậ ố   ỡ ể ẳ đ ng Kiên Giang đã chia s  và giúp đ  đ  tôi hoàn thành lu n án này. Và cu i

ử ờ ả ơ ặ ệ ế ợ ị cùng, tôi xin g i l i c m  n đ c bi t đ n v , con gái và anh ch  em trong gia

ủ ươ ệ ộ ộ đình, đã  ng h , đ ng viên, yêu th ng và chăm sóc khích l ữ    tôi. Đây là nh ng

ườ ỗ ự ữ ọ ậ ể ắ ồ ng ự   i đã luôn đ ng hành, là ch  d a v ng ch c đ  tôi yên tâm h c t p và th c

ứ ủ ệ hi n hoàn thành công trình nghiên c u c a mình.

ồ Tp. H  Chí Minh, tháng 03 năm 2021

Ụ

Ụ

M C L C

Ữ Ế

Ụ

Ắ

DANH M C CH  VI T T T

Dịch sang tiếng Việt Tiêu chuẩn thông tin Akaike

STT 1 2

Viết tắt AIC ASEAN

Viết đầy đủ Akaike Information Criterion Association of Southeast Asian Hiệp hội các quốc gia Đông

Nations

Foreign Direct Investment Fixed Effects Model

Nam Á Cao đẳng Đại học Đồng bằng sông Cửu Long Đầu tư trực tiếp nước ngoài Mô hình tác động cố định Giáo dục và đào tạo Tổng sản phẩm quốc nội

Gross Domestic Product Generalized Method of Moments Phương pháp moment tổng

3 4 5 6 7 8 9 10

CĐ ĐH ĐBSCL FDI FEM GD&ĐT GDP GMM

Domestic

11 12

GNP GRDP

quát Tổng sản phẩm quốc gia Tổng sản phẩm trên địa bàn

Gross National Product Gross Regional Product Lagrange Multiplier test

13

LM test

tử

Likelihood – Ratio test Multiplier Lagrange Multiplier Lagrange Estimate

14 15 16

LR test ML MLE

tử

lượng nhân

Economic

for

17 18

NSNN OECD

Organization Cooperation and Development Viết đầy đủ Random Effects Model

STT 19

Viết tắt REM

SAR

Spatial Autoregressive Model

20

21 22 23

SDM SEM Stata

Spatial Durbin Model Spatial Error Model Statistical Software for data Science

24 25 26 27

THCS THPT W1 W2

28

W3

Kiểm định nhân Lagrange. Kiểm định LikeLihood Nhân tử Lagrange Ước Lagrange Ngân sách Nhà nước Tổ chức hợp tác và phát triển kinh tế Dịch sang tiếng Việt Mô hình tác động ngẫu nhiên Mô hình tự hồi quy không gian Mô hình không gian Durbin Mô hình sai số không gian Phần mềm thống kê dữ liệu khoa học Trung học cơ sở Trung học phổ thông Ma trận trọng số liền kề Ma trận trọng số khoảng cách ngưỡng 186km Ma trận khoảng cách nghịch đảo

Ả

Ụ DANH M C B NG

Tên bảng

Bảng 2.1

Trang 27

2.2

36

3.1 3.2 4.1 4.2 4.3 4.4

44 61 81 82 83 85

4.5

87

4.6

90

4.7

91

4.8

92

4.9 4.10

94 97

4.11

99

4.12

102

4.13

106

4.14

107

4.15

108

4.16

112

Tổng hợp nghiên cứu ngoài nước liên quan đến vấn đề nghiên cứu Tổng hợp các nghiên cứu trong nước liên quan đến vấn đề nghiên cứu Tổng hợp các yếu tố đo lường vốn con người Giải thích các biến trong mô hình nghiên cứu thực nghiệm Kết quả thống kê mô tả giá trị các biến của mô hình Kết quả kiểm định đa cộng tuyến Kết quả kiểm định tương quan giữa các biến trong mô hình Kết quả hồi quy dữ liệu bảng phân tích ảnh hưởng của các yếu tố vốn con người lên GRDP Kết quả hồi quy dữ liệu bảng tác động cố định theo không gian, thời gian Kết quả kiểm định Global Moran’s I với ma trận trọng số liền kề (W1) Kết quả kiểm định Global Moran’s I với ma trận trọng số khoảng cách ngưỡng 186km (W2) Kết quả kiểm định Global Moran’s I trường hợp ma trận trọng số nghịch đảo (W3) Kết quả kiểm định Local Moran’s I cho biến phụ thuộc lnGRDP Kết quả kiểm định Local Moran’s I cho chi tiêu công cho giáo dục năm 2017 Kết quả kiểm định Local Moran’s I cho chi tiêu công cho y tế năm 2017 Kết quả kiểm định Local Moran’s I của tỷ lệ lao động đang làm việc đã qua đào tạo năm 2017 Kết quả phân tích ảnh hưởng của chi tiêu công cho giáo dục đối với GRDP (W1) Kết quả phân tích ảnh hưởng của chi tiêu công cho giáo dục đối với GRDP (W2) Kết quả phân tích ảnh hưởng của chi tiêu công cho giáo dục đối với GRDP (W3) Kết quả phân tích ảnh hưởng của chi tiêu công cho y tế đối với GRDP (W1)

4.17

113

4.18

114

4.19

117

4.20

118

4.21

119

4.22

122

4.23

124

4.24

126

Kết quả phân tích ảnh hưởng của chi tiêu công cho y tế đối với GRDP (W2) Kết quả phân tích ảnh hưởng của chi tiêu công cho y tế đối với GRDP (W3) Kết quả phân tích ảnh hưởng của tỷ lệ lao động đang làm việc đã qua đào tạo đối với GRDP (W1) Kết quả phân tích ảnh hưởng của tỷ lệ lao động đang làm việc đã qua đào tạo đối với GRDP (W2) Kết quả phân tích ảnh hưởng của tỷ lệ lao động đang làm việc đã qua đào tạo đối với GRDP (W3) Kết quả tác động trực tiếp, tác động gián tiếp và tổng tác động của chi tiêu công cho giáo dục đến GRDP Kết quả tác động trực tiếp, tác động gián tiếp và tổng tác động của chi tiêu công cho y tế đến GRDP Kết quả tác động trực tiếp, tác động gián tiếp và tổng tác động của tỷ lệ lao động đang làm việc đã qua đào tạo đến GRDP

Ụ DANH M C HÌNH

Tên hình

Hình 2.1 3.1 3.2 4.1 4.2 4.3

Trang 22 49 50 73 73 74

4.4 4.5

75 76

4.6

76

4.7 4.8

77 78

4.9

79

4.10

80

4.11 4.12 4.13 4.14 4.15 4.16 4.17

Tổng quát các mô hình hồi quy không gian Kết quả khảo sát về việc lựa chọn yếu tố đo lường vốn con người Khung phân tích Kết quả tăng trưởng GDP cả nước giai đoạn 2010 – 2017 Trung bình GRDP tính theo giá 2010 của các địa phương Quy mô GRDP theo giá 2010 của các thành phố trực thuộc trung ương Tỷ lệ chi tiêu công cho giáo dục và chi tiêu công cho y tế cả nước Trung bình chi tiêu công cho giáo dục và chi tiêu công cho y tế của các địa phương theo năm Trung bình chi tiêu công cho giáo dục và chi tiêu công cho y tế theo địa phương Tỷ lệ lao động đang làm việc đã qua đào tạo của các địa phương Tỷ lệ lao động đang làm việc đã qua đào tạo Đà Nẵng, Hà Nội, Bạc Liêu, Cà mau Tỷ lệ lao động đang làm việc đã qua đào tạo các địa phương phân theo thành thị, nông thôn Tỷ lệ lao động đang làm việc đã qua đào tạo các địa phương phân theo giới tính nam, nữ Kết quả Local Moran’s I của lnGRDP năm 2017 (W1) Kết quả Local Moran’s I của lnGRDP năm 2017 (W2) Kết quả Local Moran’s I của lnGRDP năm 2017 (W3) Kết quả Local Moran’s I của lnH_EXPEDU năm 2017 (W1) Kết quả Local Moran’s I của lnH_EXPEDU năm 2017 (W2) Kết quả Local Moran’s I của lnH_EXPEDU năm 2017 (W3) Kết quả Local Moran’s I của lnH_EXPHEA năm 2017 (W1)

94 95 95 97 98 98 100

Kết quả Local Moran’s I của lnH_EXPHEA năm 2017 (W2) Kết quả Local Moran’s I của lnH_EXPHEA năm 2017 (W3)

Kết quả Local Moran’s I của lnH_LABEDU năm 2017 (W1)

4.18 4.19 4.20 4.21 4.22

Kết quả Local Moran’s I của lnH_LABEDU năm 2017 (W2) Kết quả Local Moran’s I của lnH_LABEDU năm 2017 (W3)

100 101 103 103 104

TÓM T T Ắ

ườ ố ớ ế ưở ủ ố Vai trò c a v n con ng i đ i v i quy mô kinh t và tăng tr ng kinh t ế

ượ ề ế ả ồ ừ t lâu đã đ c nhi u nhà kinh t quan tâm. Các tác gi g m Schultz (1961), Lucas

ố (1988), Romer (1990), Mankiw et al (1992) đã đ a y u t ư ế ố v n con ng ườ  vào mô i

ưở ượ ả ưở ố ớ ủ hình tăng tr ứ ng và đã ch ng minh đ c  nh h ng c a nó đ i v i tăng tr ưở   ng

ộ ố ưở kinh tế. Tác đ ng c a ủ v n con ng ườ  đ n ế quy mô kinh t i ế hay tăng tr ng kinh t ế

ượ ấ ở ứ ướ ư cũng đ c tìm th y các nghiên c u ngoài n c nh  Zhang & Zhuang (2011),

Ferda   (2011),   Ada   &   Acaroglu   (2014),   Benos   &   Karagiannis   (2016),   Su   &   Liu

ứ ườ ệ (2016), Li & Wang (2016). Các công trình nghiên c u cho tr ợ ng h p Vi t Nam

ả ầ ọ ạ ự ệ ộ ị ủ c a tác gi ạ    Tr n Th  Đ t (2011), Phan Th  Bích Nguy t và c ng s  (2018), Ph m

ươ ị ị ị Đình Long và L ễ ng Th  Mai Nhân (2018), Nguy n Th  Đông và Lê Th  Kim Hu ệ

ằ ươ ữ ệ ữ ệ ả ồ (2019) b ng ph ẳ   ng pháp h i quy d  li u chéo hay d  li u b ng cũng đã kh ng

ưở ấ ố ả ị đ nh  nh h ng tích c c c a ố ự ủ v n con ng ườ  lên quy mô kinh t i ộ  ế c p đ  qu c gia

ươ ứ ộ ị hay m c đ  đ a ph ng.

ứ ứ ụ ậ ủ   ố Lu n án đã nghiên c u  ng d ng th ng kê không gian phân tích vai trò c a

ố ớ ỉ ệ ạ ố v n con ng ườ   đ i v i GRDP các t nh, thành Vi i t Nam trong giai đo n 2010 –

ữ ệ ứ ấ ượ ổ ợ ừ ố ố 2017. D  li u th  c p đ c t ng h p t ị    Niên giám th ng kê qu c gia và đ a

ươ ố ằ ụ ể ổ ố ị ph ng do T ng C c th ng kê công b  h ng năm. Ki m đ nh Global Moran’s I

ứ ỏ và Local Moran’s I ch ng t , GRDP và các y u t ố ế ố v n con ng ị   ườ   gi a các đ a ữ i

ề ớ ồ ươ t ng quan cùng chi u v i nhau. U ớ ượ c l ng h i quy các mô hình SEM, SAR,

ữ ệ ế ấ ả ườ SDM d  li u b ng cũng cho th y, các bi n đo l ng ố v n con ng ộ ườ  tác đ ng tích i

ế ỉ ệ ự ế ự c c đ n GRDP các t nh, thành Vi ộ   ộ t Nam. Đánh giá tác đ ng tr c ti p, tác đ ng

ế ế ộ ổ ỉ ườ gián ti p và t ng tác đ ng cũng ch  ra các bi n đo l ng ố v n con ng ườ  không i

ủ ị ữ ộ ươ ộ ự ế nh ng tác đ ng tích c c đ n GRDP c a đ a ph ng xem xét mà còn tác đ ng tích

ủ ị ươ ậ ự ế c c đ n GRDP c a các đ a ph ng lân c n.

ừ ả ẩ ổ ồ ố ị ườ T  khóa: T ng s n ph m trên đ a bàn, h i quy không gian, v n con ng i.

ABSTRACT

The role of human capital in economic size and economic growth has been

an interest to many economists. Authors including Schultz (1961), Lucas (1988),

Romer (1990), Mankiw et al (1992) introduced the human capital factor into the

growth   model   and   demonstrated   its   effect   on   economic   growth.   The   impact   of

human capital on the economic size or economic growth is also found in foreign

studies such as Zhang & Zhuang (2011), Ferda (2011), Ada & Acaroglu (2014),

Benos & Karagiannis (2016), Su & Liu (2016), Li & Wang (2016). The studies for

the case in Vietnam by Tran Tho Dat (2011), Phan Thi Bich Nguyet et al (2018),

Pham Dinh Long and Luong Thi Mai Nhan (2018), Nguyen Thi Dong and Le Thi

Kim Hue (2019) through cross ­  sectional data regression or tabular data methods

confirmed the positive influence of human capital on national or local economic

size as well.

The thesis researches the application of spatial statistics to analyze the role of

human capital in GRDP of provinces and cities in Vietnam in the period 2010 ­

2017.   Secondary   data   are   compiled   from   the   National   and   Local   Statistical

Yearbook   published   annually   by   the   General   Statistics   Office.   Tests   of   Global

Moran's I and Local Moran's I proved GRDP and human capital factors between

geographies are positively correlative. Regression method of estimation of SEM,

SAR, SDM models of table data also shows that the measurement of variables of

human capital positively impacts on GRDP in provinces and cities in Vietnam. The

assessment of direct impact, indirect impact, and total impact also show that the

measurement variables of human capital have a positive impact on not only the

GRDP of the considered localities but also the GRDP of neighboring localities.

Key words: Gross Regional Domestic Product, spatial regression, human capital.

ƯƠ

Ớ

Ứ

Ệ

CH

NG 1 GI

I THI U NGHIÊN C U

ươ ư ả ậ ự ề ấ Ch ữ ng 1 đ a ra nh ng lý do tác gi ọ  lu n án l a ch n v n đ  nghiên

ừ ụ ứ ả ậ ư ụ ứ c u. T  m c tiêu nghiên c u chung, tác gi ừ  lu n án đ a ra t ng m c tiêu c  th ụ ể

ạ ượ ứ ươ ộ ồ ầ c n đ t đ c trong nghiên c u. Ch ố   ng này còn trình bày các n i dung g m đ i

ạ ươ ứ ọ ượ t ng và ph m vi nghiên c u, ứ ph ự   ng pháp nghiên c u, ý nghĩa khoa h c và th c

ứ ữ ễ ừ ấ ươ ậ ti n, nh ng đóng góp nghiên c u mang l ạ . C u trúc t ng ch i ng trong lu n án

ượ ớ ệ ở ố ươ đ c gi i thi u cu i ch ng này.

Ọ Ề 1.1 LÝ DO CH N Đ  TÀI

ề ặ ế ệ ộ ố V  m t lý thuy t, lao đ ng (L), công ngh  (A), v n (K) là 3 y u t ế ố ơ ả    c  b n

ưở ố ồ ố ườ trong mô hình tăng tr ng. Trong các ngu n v n, thì v n con ng i (Human

ẩ ọ ưở ố capital) cũng có vai trò quan tr ng thúc đ y tăng tr ng. V n con ng ườ ượ   c i đ

ệ ắ ồ ộ ớ ườ ể ệ ế ố khái ni m là m t ngu n v n vô hình g n v i con ng i và th  hi n qua k t qu ả

ệ ấ ả ố làm vi c trong quá trình s n xu t (Bùi Quang Bình, 2009). V n con ng ườ  đ i cượ

ỏ ủ ơ ở ứ ạ ộ ụ   hình thành trên c  s  đào t o chính quy hay s c kh e c a m t cá nhân. Giáo d c

ượ ộ ế ố ẩ ọ (GD) đ c xem là m t y u t đóng vai trò quan tr ng thúc đ y hình thành v nố

ọ ạ ầ ố ộ ưở con ng iườ  (Tr n Th  Đ t, 2011). V n con ng ườ  tác đ ng lên tăng tr i ng kinh t ế

ế ạ ộ ấ ớ ổ hay quy mô kinh t ạ    thông qua nâng cao năng su t và ho t đ ng đ i m i sáng t o

ườ ố ộ ệ ủ c a con ng ự i. D a trên lao đ ng có tay ngh , ề v n con ng ườ  làm tăng hi u qu i ả

ấ ượ ấ ừ ẩ ả ổ ớ ả s n xu t, nâng cao ch t l ạ ộ ng s n ph m. T  ho t đ ng đ i m i, sáng t o, ạ v nố

ả ượ ệ ể ổ con ng iườ  làm thay đ i, phát tri n công ngh , nâng cao s n l ng và ch t l ấ ượ   ng

ẩ ả s n ph m.

ố ưở ượ ề V n con ng ườ  và tăng tr i ng kinh t ế ừ  t lâu đã đ c nhi u nhà kinh t ế

ệ ặ ẽ ớ ứ ọ h c ch ng minh có quan h  ch t ch  v i nhau. Mô hình Solow – Swan (1956) đã

ế ố ỉ ả ưở ế ưở ộ ch  ra, lao đ ng là y u t ọ  quan tr ng  nh h ng, làm cho kinh t tăng tr ng.

ế ậ ọ ộ ỹ ượ ả ộ ế ố Ti n b  khoa h c và k  thu t cũng đ c các tác gi xem là m t y u t ẩ    thúc đ y

ưở ạ ở ở ẻ ề ộ tăng tr ng trong dài h n mô hình này. B i l ệ , trong đi u ki n lao đ ng (L)

ế ố ổ ả ượ ệ ẽ ầ không thay đ i, y u t công ngh  (A) s  càng làm tăng s n l ớ   ng đ u ra so v i

ướ ỗ ự ố tr c đó. Schultz (1961) đã n  l c đ a ư v n con ng ườ  vào mô hình tăng tr i ngưở

ế ủ ụ ữ ằ ắ ạ ồ ờ   nh m kh c ph c nh ng h n ch  c a mô hình Solow – Swan (1956), đ ng th i

ỉ ẽ ấ ộ ở ỗ cũng ch  ra, ố v n con ng ườ  càng cao s  làm cho năng su t lao đ ng i ố    m i qu c

ượ ề ố ư ứ ệ ằ gia càng đ c tăng lên. ậ   Lucas (1988) đ a ra b ng ch ng v  m i quan h  thu n

ề ố ưở ả ố chi u gi a ữ v n con ng ườ  và tăng tr i ng, nghĩa là c i thi n ệ v n con ng ườ  góp  i

ệ ầ ả ế ủ ố ị ữ ắ ạ ph n c i thi n kinh t c a qu c gia hay đ a ph ụ ươ . Kh c ph c nh ng h n ch ng ế

ế ưở ủ trong mô hình Solow – Swan (1956), trong lý thuy t tăng tr ng c a mình, Romer

ụ ỉ ờ (1990) đã ch  ra giáo d c hình thành nên ố v n con ng ườ  và theo th i gian i ố v n con

ượ ừ ữ ư ể ố ng iườ  càng đ c tích lũy. Chính t nh ng  u đi m c a ủ v n con ng ườ , Mankiw i

ố ề et al  (1992)  đã đ  xu t ấ   đ aư   thêm bi n  ế v n con ng ườ   vào mô hình  tăng tr i ngưở

ỉ ưở ở ẽ ượ ố ả Solow ­ Swan (1956) và ch  ra tăng tr ng các qu c gia s  đ ự   c ph n ánh th c

ế ố ự ủ ế ổ ộ ế ơ t h n n u b  sung thêm s  tác đ ng c a y u t này . Theo Nelson  &  Phelps

ưở ở ỗ ủ ẽ ố ộ (1996), tăng tr ng ị  m i qu c gia s  ch u tác đ ng c a các công ngh  m i t ệ ớ ừ

ướ ứ ộ ự ế ụ ạ ộ ộ n c ngoài ậ   ế và m c đ  tác đ ng m nh hay y u còn ph  thu c vào s  ti p nh n

ố ủ c a qu c gia đó nhanh hay ch mậ .

ề ả ướ ậ ượ Nhi u tác gi trong và ngoài n c đã nhìn nh n đ c vai trò c a ố ủ v n con

ưở ế ủ ộ ố ng ố ớ iườ  đ i v i tăng tr ng kinh t hay quy mô kinh tế c a m t qu c gia hay khu

ứ ướ ằ ộ ượ ự v c. Các nghiên c u tr c đây cũng cho r ng, m t khi ố v n con ng ườ  đ i c tích

ế ố ầ ẽ ồ ố ừ lũy s  làm gia tăng y u t đ u vào, nghĩa là tăng thêm ngu n v n, t đó làm quy

ề ế ệ ẫ ệ   mô kinh tế gia tăng. Tuy nhiên, v n còn nhi u ý ki n khác nhau trong vi c vi c

ư ế ố ườ ứ xem xét đ a bi n s   đo l ng ố v n con ng ự   ườ   vào mô hình nghiên c u th c i

ệ ề ấ ừ ệ ộ nghi m. Đi u này xu t phát t vi c xem xét tác đ ng ố v n con ng ườ  lên quy mô i

ề ặ ượ kinh tế theo nhi u cách khác nhau. M t khác, do ố v n con ng ườ  đ i c đo l ườ   ng

ế ề ặ ữ ệ ế ạ ộ ả ẽ m t cách gián ti p và do h n ch  v  m t d  li u nên các tác gi ự    s  xem xét l a

ế ố ọ ườ ụ ứ ợ ớ ch n y u t đo l ng ố v n con ng ườ  nào phù h p v i m c tiêu nghiên c u. i

ữ ứ ự ứ ề ệ ầ Trong nh ng năm g n đây, nhi u nghiên c u th c nghi m đã ch ng minh

ượ ố ế ưở ế đ c vai trò c a ủ v n con ng ườ  đ n tăng tr i ng kinh t hay quy mô kinh tế. Sử

ồ ỗ ờ ả ụ d ng h i quy chu i th i gian, các tác gi Qadri & Waheed (2011), Kanayo (2013),

ỉ ượ ế ố ườ ố ườ Afridi (2016) đã ch  ra đ c, các y u t đo l ng v n con ng ộ i tác đ ng tích

ế ầ ộ ố ưở ự c c đ n GDP bình quân đ u ng ườ ở i Pakistan hay t c đ  tăng tr ng GDP ở

ứ ủ ữ ệ ả ồ Nigeria. Ướ ượ c l ng h i quy d  li u b ng, các nghiên c u c a Ferda (2011), Ada

ế ấ ườ & Acaroglu (2014), Pelinescu (2015)  đã tìm th y, tăng bi n đo l ố ng v n con

ẽ ầ ườ ủ ố ng iườ   s  làm tăng GDP bình quân đ u ng i c a các qu c gia OECD, Trung

ứ ủ ắ ố Đông và B c Phi hay các qu c gia Châu Âu. Các nghiên c u c a Zhang & Zhuang

ố ỉ ườ ả ưở (2011), Su & Liu (2016), Li và Wang (2016) ch  ra, v n con ng i  nh h ng cùng

ề ầ ớ ườ ủ ố ỉ chi u v i GDP bình quân đ u ng ừ   i c a các t nh, thành Trung Qu c trong t ng

ử ụ ồ giai đo n c  th . ạ   ạ ụ ể Lima & Silveira Neto (2015) s  d ng h i quy không gian d ng

ữ ệ ứ ả ỏ ố mô hình không gian Durbin (SDM) d  li u b ng, đã ch ng t ọ ủ    s  năm đi h c c a

ố ừ ổ ở ế ộ ỏ ưở dân s  t 25 tu i tr  lên tác đ ng lan t a không gian đ n tăng tr ậ   ng thu nh p

ầ ườ ủ ự ủ ạ bình quân đ u ng ử ụ   i c a 522 khu v c c a Brazil giai đo n 1970 – 2010. S  d ng

ự ồ ấ mô hình t h i quy không gian (SAR), Baudino (2016) đã cho th y trung bình s ố

ự ế ọ ủ ữ ộ ộ năm đi h c c a lao đ ng không nh ng tác đ ng tích c c đ n GDP bình quân lao

ị ươ ả ưở ự ế ủ ộ đ ng c a đ a ph ng xem xét mà còn  nh h ng tích c c đ n GDP bình quân

ủ ị ộ ươ ở ạ ố trên lao đ ng c a đ a ph ế ng ti p giáp ố  qu c gia Trung Qu c giai đo n 1995 –

2013.

ệ ề ưở ạ T i Vi ứ t Nam, nghiên c u v  các y u t ố ế ố v n con ng ả ườ   nh h i ế   ng đ n

ưở ế ượ ả tăng tr ng kinh t hay quy mô kinh tế cũng đ ề c nhi u tác gi quan tâm. Ở ấ    c p

ễ ệ ị ị ố ộ đ  qu c gia, Nguy n Th  Đông và Lê Th  Kim Hu  (2019) ướ ượ c l ồ ng h i quy

ứ ờ ỗ ạ ộ ộ chu i th i gian đã ch ng minh, t ỷ ệ  l ự ế    lao đ ng qua đào t o tác đ ng tích c c đ n

Ở ấ ử ụ ự ộ ỉ GDP giai đo n ạ 1996 – 2017. ồ    c p đ  các t nh, thành trong khu v c, s  d ng h i

ữ ệ ề ễ ạ ị ả quy d  li u b ng, nhóm tác gi ả H  Th  Thi u Dao và Nguy n Đăng Khoa (2014)

ủ ự ượ ố ỉ ả ưở ọ đã ch  ra, s  năm đi h c bình quân c a l c l ộ ng lao đ ng  nh h ự   ng tích c c

ị ươ ự ề ả ộ ế đ n GRDP các đ a ph ng khu v c Duyên H i Nam Trung B . Đi u này cũng

ượ ả ạ ươ ẳ ị ị đ c các tác gi Ph m Đình Long và L ng Th  Mai Nhân (2018) kh ng đ nh

ứ ủ ừ ứ ơ ổ ữ trong các nghiên c u c a mình. H n n a, Đinh Phi H  và T  Đ c Hoàng (2016)

ụ ấ ế còn tìm th y, chi tiêu công cho giáo d c và chi tiêu công cho y t ộ  tác đ ng cùng

ề ế ị ươ ế ượ ẳ ị chi u đ n GRDP các đ a ph ả ng. K t qu  này cũng đ c kh ng đ nh có ý nghĩa

ạ ố ươ ị ứ ủ th ng kê trong nghiên c u c a Ph m Đình Long và L ng Th  Mai Nhân (2018)

ứ ạ ươ ự ề Ở ấ ộ ỉ khi nghiên c u t ị i các đ a ph ng khu v c Mi n Trung. c p đ  các t nh, thành

ả ướ ứ ủ ọ ạ ầ ỉ quy mô c  n c, nghiên c u c a Tr n Th  Đ t (2011) đã ch  ra, t ỷ ệ  l ộ    lao đ ng

ộ ố ả ọ ưở ủ ề theo các trình đ , s  năm h c bình quân  nh h ế ng cùng chi u đ n GRDP c a 61

ố ệ ả ờ ị ỉ t nh, thành ph  Vi t Nam trong kho ng th i gian 2000 – 2007. Phan Th  Bích

ự ứ ệ ộ ỏ ệ ộ Nguy t và c ng s  (2018) cũng ch ng t , tăng t ỷ ệ lao đ ng đang làm vi c đã l

ở ấ ạ ọ ẽ ẳ ộ qua đào t o ạ c p đ  cao đ ng (CĐ), đ i h c (ĐH) s  làm tăng GRDP bình quân

ườ ủ ệ ầ đ u ng ỉ i c a các t nh, thành Vi t Nam.

ề ố ệ Rõ ràng, quan h  cùng chi u gi a ữ v n con ng ườ   và  quy mô kinh tế  đã i

ượ ở ứ ướ ặ ự đ ỉ c ch  ra các nghiên c u tr c đây. M c dù có s  khác nhau v ả ề k t qu   ế cướ

ầ ớ ư ề ẳ ọ ị ngượ ,  nh ng ph n l n các l tác giả  đ u kh ng đ nh vai trò quan tr ng c a ủ   v nố

ố ượ ườ con ng iườ  đ i v i ố ớ quy mô kinh tế. Do v n con ng ườ  đ i c đo l ế   ng gián ti p,

ướ ượ ườ ụ nên các th c đo ố v n con ng ườ  đ i c xem xét đo l ng thông qua giáo d c chính

ứ ỏ ượ ứ ả ấ quy, chi phí và s c kh e. Qua l t kh o các nghiên c u liên quan cho th y, t ạ   i

ệ ứ ấ ộ ứ Vi t Nam có r t ít các nghiên c u ti p c n ố ế ậ v n con ng ỏ   ườ  theo góc đ  s c kh e. i

ộ ố ệ ấ ướ ử ụ Ngoài ra, cũng tìm th y m t s  ít tài li u ngoài n ố c s  d ng th ng kê không

ứ ấ ể ầ ờ ạ ệ ứ ụ ề gian đ  nghiên c u v n đ  này. Th i gian g n đây, t i Vi t Nam,  ng d ng kinh

ượ ứ ủ ấ ả ế ượ t  l ng không gian đ c tìm th y trong các nghiên c u c a các tác gi nh ư

ủ ễ ấ ắ ạ ị ầ   Nguy n Kh c Minh và Ph m Minh Tu n (2015), Đào Th  Bích Th y (2016), Tr n

ư ễ ả ắ ầ ấ ị Th  Tu n Anh (2017), Nguy n L u B o Đoan và Lê Văn Th ng (2017), Tr n Th ị

ự ễ ắ ấ ộ ế   Tu n Anh và Nguy n Văn Th ng (2019), Võ Xuân Vinh và c ng s  (2020). K t

ả ủ ứ ỉ ề qu  c a các nghiên c u đã ch  ra đ ượ ươ c t ủ   ng quan không gian cùng chi u c a

ữ ị ươ ệ ớ ợ GRDP hay FDI gi a các đ a ph ệ   ề ng v i nhau. Trong đi u ki n phù h p, vi c

ứ ẽ ư ế ế ả ộ không đ a tác đ ng không gian vào trong nghiên c u s  khi n cho k t qu  nghiên

ị ệ ợ ứ c u b  l ch và không phù h p. Do đó, phân tích ươ t ng quan không gian và lan t aỏ

ế ố ườ ế ị ủ không gian c a các y u t đo l ng ố v n con ng ườ  đ n GRDP các đ a ph i ươ   ng

ệ ầ ế Vi t Nam là c n thi t.

ệ ự ế ể ưở Kinh t ế Vi t Nam đã có nh ng ữ chuy n bi n tích c c khi tăng tr ầ   ng d n

ụ ồ ế ơ ả ổ ủ ề ị ph c h i, kinh t vĩ mô c  b n  n đ nh, ni m tin c a nhà đ u t ầ ư ượ ủ  đ ố   c c ng c .

ổ ố ề ơ ớ ụ Theo T ng c c Th ng kê 2018, GDP năm 2017 cao h n nhi u so v i các năm t ừ

ề ướ 2011­2016.   Trong   đó,   3   năm  2012­2014,   GDP  đ u   d i  6%   (5 ,25%;   5,42%   và

ạ ề ướ 5,9%) và 3 năm còn l i, 2011 (6,24%), 2015 (6,68%), 2016 (6,21%) đ u d i 6,7%.

ệ ướ ố ớ ố ướ ế ế Vi t Nam là n c có quy mô dân s  l n, tính đ n h t năm 2017, dân s  n c ta

ệ ườ ữ ả ạ đ t 96,02 tri u ng ế i, trong đó n  chi m kho ng 48,94%. ủ Chính ph  luôn quan

ườ ồ ự ể ầ ư tâm và tăng c ng các ngu n l c đ  đ u t vào ố v n con ng ườ , trong đó lĩnh v cự i

ế ụ ượ ầ ư ằ ỏ ộ ư nh  y t , giáo d c đ c quan tâm đ u t ứ  nh m nâng cao s c kh e, trình đ  tay

ề ườ ỷ ọ ự ằ ngh  cho ng ộ i lao đ ng. T tr ng chi tiêu công trong hai lĩnh v c này h ng năm

ụ ổ ố ề đ u tăng (Báo cáo T ng c c Th ng kê , 2018). Tuy nhiên, t ỷ ệ chi tiêu công cho y l

ổ ữ ệ ế trong t ng chi tiêu công  t gi a các ỉ t nh, thành ph  v n ố ẫ còn chênh l ch, đ u tầ ư

ự ế ủ ộ ố ỉ ư ế ồ ộ trong lĩnh v c y t c a m t s  t nh, thành thi u đ ng b , ch a quan tâm đúng

ầ ư ứ ế ơ ở ẫ ế ạ ả ở ệ ệ ế m c cho đ u t tuy n c  s , d n đ n tình tr ng quá t b nh vi n tuy n trên i .

ế ỷ ệ ề ạ Chi tiêu công cho giáo d cụ  cũng còn nhi u h n ch , t l ừ    chi tiêu công cho t ng

ổ ầ ư ấ ậ ệ ọ ấ ợ ị ươ ấ c p h c còn b t c p, vi c phân b  đ u t còn b t h p lý theo vùng, đ a ph ng.

ế ớ ệ ấ ộ T  l ỷ ệ lao đ ng đang làm vi c đã qua đào t o ầ   ạ  còn th p, ch a g n k t v i nhu c u ư ắ

ệ ế ả ạ ộ doanh nghi p,ệ  tác phong lao đ ng công nghi p còn y u nên kh  năng c nh tranh

ể ủ ự ượ ự ị ộ ừ ị ươ ị th p. ấ S  d ch chuy n c a l c l ng lao đ ng t đ a ph ế ng này đ n đ a ph ươ   ng

ả ưở ứ ủ ế ị ươ ự ế khác cũng  nh h ng đ n m c tăng GRDP c a các đ a ph ữ   ng. S  liên k t gi a

ươ ầ ư ạ ầ ể ế ề ế ạ ị các đ a ph ng trong đ u t , phát tri n h  t ng, kinh t còn nhi u h n ch . Do

ế ử ụ ụ ố ể ệ ố ầ đó, c n thi t s  d ng công c  th ng kê không gian đ  phân tích m i liên h  kinh

ị ươ ế ữ t gi a các đ a ph ng.

ụ ữ ế ạ ắ ớ ố ả ọ V i mong mu n kh c ph c nh ng h n ch  nêu trên, tác gi ch n ch  đ ủ ề

ủ ố ứ ứ ụ ố “Nghiên c u  ng d ng th ng kê không gian phân tích vai trò c a v n con ng ườ   i

ế ỉ ệ ứ ề ố ớ đ i v i quy mô kinh t các t nh, thành Vi t Nam” ậ    làm nghiên c u cho đ  tài lu n

ử ụ án này. S  d ng phân tích ươ t ng quan không gian và ướ ượ c l ng ồ h i quy không

ữ ệ ự ủ ế ể ả ộ ườ gian d  li u b ng đ  xem xét s  tác đ ng không gian c a các bi n đo l ng v nố

ủ ế ị ươ ượ con ng iườ  đ n GRDP c a các đ a ph ng. Các hàm ý chính sách đ ấ   ề c đ  xu t

ứ ủ ẽ ạ ị ươ trong nghiên c u này s  giúp cho Chính ph , lãnh đ o các đ a ph ữ   ng có nh ng

ế ắ ị ươ ưở quy t sách đúng đ ng làm cho GRDP các đ a ph ng tăng tr ề ữ ng b n v ng.

Ứ Ụ 1.2 M C TIÊU NGHIÊN C U

ử ụ ủ ụ ậ ổ ươ M c tiêu t ng quát c a lu n án là s  d ng ph ố ng pháp th ng kê không

ươ ủ ỏ ộ gian phân tích t ng quan không gian ế    và tác đ ng lan t a không gian c a các y u

ườ ủ ỉ ệ ố t đo l ng ố v n con ng ườ  lên GRDP c a các t nh, thành Vi i t Nam.

ụ ể ượ ề ấ ừ ụ ụ ồ ổ Các m c tiêu c  th  đ c đ  xu t t m c tiêu t ng quát g m:

ươ ­ Phân tích t ng quan không gian Global Moran’s I, Local Moran’s I cho

ế ố ườ ố ớ ậ ọ GRDP và các y u t đo l ng ố v n con ng ạ ườ   đ i v i 3 lo i ma tr n tr ng s i ố

ố ề ề ậ ả ậ ọ ưỡ không gian: Ma tr n tr ng s  li n k  (W1), Ma tr n kho ng cách ng ng 186km

ả ậ ả ị (W2) và Ma tr n kho ng cách ngh ch đ o (W3).

ự ­ Xây d ng mô hình và ướ ượ c l ng ồ h i quy không gian ả ữ ệ d  li u b ng phân

ưở ế ố ủ ườ ế ứ ộ ả tích m c đ   nh h ng c a các y u t đo l ng ố v n con ng ủ   ườ  đ n GRDP c a i

ươ ậ ọ ị các đ a ph ố ng theo 3 ma tr n tr ng s  không gian W1, W2, W3.

ế ố ủ ỏ ườ ­ Phân tích lan t a không gian c a các y u t đo l ng ố v n con ng ườ  lên  i

ủ ị ươ ậ ọ GRDP c a các đ a ph ố ng theo 3 ma tr n tr ng s  không gian W1, W2, W3.

ề ằ ấ ­ Đ  xu t các hàm ý chính sách nh m nâng cao ố v n con ng ườ  cho các đ aị i

ươ ừ ủ ẩ ỉ ệ ph ng, t đó thúc đ y tăng GRDP c a các t nh, thành Vi t Nam.

Ỏ Ứ 1.3 CÂU H I NGHIÊN C U

ử ụ ể ị ể ­ S  d ng ki m đ nh ươ t ng quan không gian nào đ  phân tích tích ngươ   t

ầ ị ươ ế ố ườ quan không gian toàn ph n và đ a ph ng cho GRDP và các y u t đo l ng v nố

con ng iườ ?

ồ ượ ứ ể ­ Mô hình  h i quy không gian nào đ ộ ả   c dùng đ  phân tích m c đ   nh

ưở ế ố ủ ườ ủ ế ị ươ h ng c a các y u t đo l ng ố v n con ng ườ  đ n GRDP c a các đ a ph i ng?

ế ố ủ ộ ỏ ườ ­ Tác đ ng lan t a không gian c a các y u t đo l ng ố v n con ng ườ  lên  i

ủ ị ươ ậ ố ọ GRDP c a các đ a ph ng theo 3 ma tr n tr ng s  không gian W1, W2, W3 nh ư

ế th  nào?

ằ ­ Các hàm ý chính sách nào nh m nâng cao ố v n con ng ườ   cho các đ aị i

ươ ủ ầ ỉ ệ ph ng góp ph n làm tăng GRDP c a các t nh, thành Vi t Nam?

Ố ƯỢ Ứ Ạ 1.4 Đ I T NG VÀ PH M VI NGHIÊN C U

ố ượ ứ 1.4.1 Đ i t ng nghiên c u

ố ượ ứ ủ ậ ươ Đ i t ng nghiên c u c a lu n án là ố v n con ng ườ ,  t i ng quan không

ồ ứ ộ ế ố ủ ỏ gian, h i quy không gian và m c đ  lan t a không gian c a các y u t đo l ườ   ng

ỉ ệ ố v n con ng ườ  lên GRDP các t nh, thành Vi i t Nam.

ứ ạ 1.4.2 Ph m vi nghiên c u

ứ ậ ậ ộ Lu n án t p trung nghiên c u các bi n s ố ế ố v n con ng ườ  theo góc đ  chi i

ứ phí, GD và s c kh e g m ỏ ồ chi tiêu công cho giáo d cụ , chi tiêu công cho y tế, t lỷ ệ

ệ ầ ộ ế ạ ủ ỉ lao đ ng đang làm vi c trong các thành ph n kinh t đã qua đào t o c a 63 t nh,

ệ ằ ả ẩ ổ thành Vi t Nam. Quy mô kinh t ế ượ  đ ủ   c tính b ng t ng s n ph m hàng năm c a

ươ ế ậ ấ ố ượ ị các đ a ph ng (GRDP) theo giá năm 2010. Bi n v n v t ch t (K) đ c đo l ườ   ng

ầ ư ố ổ ủ ị ươ ế ộ ằ b ng t ng v n đ u t hàng năm c a đ a ph ng theo giá 2010. Bi n lao đ ng (L)

ượ ườ ủ ằ ổ ố ộ đ c đo l ỉ ng b ng t ng s  lao đ ng c a các t nh, thành trong năm. Ngoài ra, tác

ả ậ ử ụ ể ồ ỷ ệ ố gi ộ ố ế  lu n án còn s  d ng m t s  bi n ki m soát bao g m t v n đ u t ầ ư ự    tr c l

ế ủ ướ ớ ổ ầ ư ủ ị ố ươ ti p c a n c ngoài (FDI) so v i t ng v n đ u t c a đ a ph ng trong năm, t ỷ

ỉ ố ạ ố ỷ ệ ộ ệ l tăng dân s , ch  s  l m phát, t h  nghèo. l

ồ ữ ệ ứ ượ ổ ợ ừ ố Ngu n d  li u nghiên c u đ c t ng h p t các Niên giám th ng kê đ ượ   c

ụ ố ổ ệ ố ằ ạ T ng c c Th ng kê Vi t Nam công b  h ng năm, trong giai đo n 2010 – 2017.

ƯƠ Ứ 1.5 PH NG PHÁP NGHIÊN C U

ử ụ ươ ể ượ ổ ợ ả S  d ng ph ng pháp t ng h p đ  l ơ ở c kh o các c  s  lý thuy t v ế ề v nố

ươ ượ ể ượ con ng iườ   và  quy mô kinh tế. Ph ng pháp này còn đ c dùng đ  l ả   c kh o,

ứ ứ ề ấ ậ ợ ử ụ   ế ổ t ng h p các nghiên c u có liên quan đ n v n đ  nghiên c u. Lu n án s  d ng

ươ ể ố ph ng pháp phân tích đ  tìm ra m i liên h  gi a ố ệ ữ v n con ng ườ  và quy mô kinh i

ế ố ự ọ ồ ờ ườ ợ tế, đ ng th i xem xét l a ch n y u t đo l ng ố v n con ng ườ  nào phù h p cho i

ứ ề ươ ả ể ấ v n đ  nghiên c u. Ph ố ng pháp th ng kê mô t dùng đ  phân tích, đánh giá

ế ố ự ạ ườ ự ủ ạ th c tr ng các y u t đo l ng ố v n con ng ị   ườ  và th c tr ng GRDP c a các đ a i

ươ ồ ờ ươ ứ ộ ế ể ph ng. Đ ng th i, ph ộ   ng pháp này còn dùng đ  phân tích m c đ  bi n đ ng

ế ố ườ ể ế ủ c a GRDP, y u t đo l ng ố v n con ng ườ  và các bi n ki m soát trong mô hình. i

ươ ượ ử ụ ế ố ể ậ ị Ph ị ng pháp đ nh tính đ c s  d ng trong lu n án đ  xác đ nh y u t nào

ườ ố ớ ứ ợ ươ ị đo l ng ố v n con ng ườ  là phù h p đ i v i nghiên c u này. Ph i ng pháp đ nh

ượ ủ ự ệ ế ấ ạ ộ tính đ c th c hi n thông qua l y ý ki n c a 25 chuyên gia t ả i H i th o khoa

ủ ề ớ ố ườ ế ươ ọ h c v i ch  đ  “V n con ng i và quy mô kinh t ị  các đ a ph ng” do Khoa

ố ổ ứ ế Toán – Th ng kê t ộ   ậ ủ  ch c. Các ý ki n và tham lu n c a các chuyên gia trong H i

ơ ở ể ự ế ố ả ọ ườ th o làm tăng thêm c  s  đ  l a ch n y u t đo l ng ố v n con ng ườ  trong lu nậ i

án.

ươ Phân tích t ng quan không gian , ướ ượ c l ng ồ h i quy không gian và phân

ộ ỏ ươ ứ ị ượ tích tác đ ng lan t a không gian là các ph ng pháp nghiên c u đ nh l ng chính

ồ ả ế ậ ơ ở ậ trong lu n án. H i quy không gian ữ ệ d  li u b ng đ ượ thi c t l p trên c  s  mô

ươ ể ị hình   Mankiw   –   Romer   ­   Weil   (1992).   Dùng   ph ng   pháp   ki m   đ nh   Global

ộ ươ ứ ể Moran’s I và Local Moran’s I đ  đánh giá m c đ  t ng quan không gian toàn

ầ ị ươ ế ố ườ ph n và đ a ph ng cho GRDP và các y u t đo l ng ố v n con ng ườ .  i cƯớ

ả ố ượ l ng ồ h i quy không gian ữ ệ d  li u b ng các mô hình SEM (mô hình sai s  không

ự ồ gian), SAR (mô hình t h i quy không gian), SDM (mô hình không gian Durbin)

ứ ộ ả ưở ế ố ủ ườ ể đ  xem xét m c đ   nh h ng c a các y u t đo l ng ố v n con ng ố ớ   ườ  đ i v i i

ị ươ ự ế ộ GRDP   các   đ a   ph ế   ng.   Đánh   giá   tác   đ ng   tr c   ti p   (direct   effect),   gián   ti p

ứ ộ ể ổ ộ ỏ (indirect effect) và t ng tác đ ng (total effect) đ  xem xét m c đ  lan t a không

ế ố ủ ườ gian c a các y u t đo l ng ố v n con ng ườ  bao g m ồ chi tiêu công cho giáo d cụ , i

ệ ế ộ chi tiêu công cho y t ế và t ỷ ệ lao đ ng đang làm vi c đã qua đào t o ạ  đ n GRDP l

ươ ị các đ a ph ng.

Ễ Ủ Ọ Ự Ậ 1.6 Ý NGHĨA KHOA H C VÀ TH C TI N C A LU N ÁN

1.6.1 Ý nghĩa khoa h cọ

ả ậ ứ ế ằ ươ ả ư K t qu  lu n án đ a ra b ng ch ng t ng quan không gian,  nh h ưở   ng

ộ ỏ không gian và tác đ ng lan t a không gian c a ủ chi tiêu công cho giáo d cụ , chi tiêu

ế ệ ộ công cho y tế và t ỷ ệ lao đ ng đang làm vi c đã qua đào t o ị   ạ  đ n GRDP các đ a l

ươ ụ ể ế ứ ộ ả ậ ữ ộ ph ng. C  th , k t qu  lu n án không nh ng đánh giá m c đ  tác đ ng c a ủ chi

ệ ộ tiêu công cho giáo d cụ , chi tiêu công cho y t ế và t ỷ ệ lao đ ng đang làm vi c đã l

ạ ươ ụ ể qua đào t oạ  lên GRDP t ộ ị i m t đ a ph ứ ộ ả   ng c  th  mà còn đánh giá m c đ   nh

ưở h ng c a ủ chi tiêu công cho giáo d cụ ,  chi tiêu công cho y t ế và t ỷ ệ lao đ ngộ l

ủ ế ệ ị ươ ậ đang làm vi c đã qua đào t o ạ  đ n GRDP c a các đ a ph ng lân c n.

ọ ủ ả ậ ế ẳ ị K t qu  lu n án cũng kh ng đ nh thêm tính khoa h c c a các mô hình lý

ế ủ ằ thuy t c a Lucas (1988), Mankiw –Romer ­ Weil (1992), khi cho r ng ố v n con

ưở ưở ả ủ ế ng ả iườ   nh h ự ố ớ ng tích c c đ i v i tăng tr ậ ng. K t qu  c a lu n án còn làm giàu

ế ề ố ơ ở ệ ố thêm c  s  lý thuy t v  m i quan h  không gian gi a ữ v n con ng ườ  và quy mô i

kinh tế.

ự ễ 1.6.2 Ý nghĩa th c ti n

ứ ứ ữ ự ế ễ ằ ả ộ K t qu  nghiên c u này là m t trong nh ng b ng ch ng th c ti n v ề

ả ưở ỏ ộ ươ t ng quan không gian,  nh h ủ   ng không gian và tác đ ng lan t a không gian c a

ộ ố ế ố ườ ế ị ươ m t s  y u t đo l ng ố v n con ng ườ  đ n GRDP các đ a ph i ng cho tr ườ   ng

ệ ơ ở ủ ợ ợ h p Vi ạ   t Nam. Trên c  s  đó, g i ý các chính sách giúp Chính ph  và lãnh đ o

ươ ữ ươ ự ự ệ ệ ọ ị đ a ph ng có nh ng ph ồ ự ng pháp l a ch n ngu n l c, th c hi n có hi u qu ả

ế ể ệ ế ả ươ ế ặ vi c liên k t vùng trong phát tri n kinh t . M t khác, k t qu  t ng quan không

ưở ế ố ủ ộ ỏ ả gian,  nh h ng không gian và tác đ ng lan t a không gian c a các y u t đo

ế ị ươ ị ườ l ng ố v n con ng ườ  đ n GRDP còn giúp các đ a ph i ữ ng có nh ng đ nh h ướ   ng

ồ ự ự ụ ố ố cân đ i ngu n l c, phân ph i chi tiêu công trong lĩnh v c giáo d c và y t ế ả   , đ m

ầ ư ệ ẩ ưở ướ ả b o đ u t ả  công có hi u qu , thúc đ y tăng tr ng GRDP theo h ề ữ ng b n v ng.

ứ ự ữ ệ ế ầ ả ơ Ngoài ra, k t qu  nghiên c u cũng góp ph n xây d ng hoàn thi n h n n a khung

ứ ề ấ phân tích cho v n đ  nghiên c u.

Ớ Ủ Ữ Ậ 1.7 NH NG ĐÓNG GÓP M I C A LU N ÁN

ữ ẽ ậ ớ Lu n án s  có nh ng đóng góp m i sau:

ự ọ ưở ể ợ ­ L a ch n mô hình tăng tr ng phù h p đ  phân tích vai trò c a ố ủ v n con

ế ỉ ệ ằ ớ ố ng iườ  đ n GRDP các t nh, thành Vi ồ   t Nam b ng th ng kê không gian v i ngu n

ấ ỉ ượ ổ ợ ừ ố ố ị ữ ệ d  li u c p t nh đ c t ng h p t Niên giám th ng kê toàn qu c và đ a ph ươ   ng

ụ ổ ố ệ ố ằ do T ng c c th ng kê Vi t Nam công b  h ng năm.

ố ọ ướ ố ­  Các công b  khoa h c có liên quan tr ế c đây ti p c n ậ v n con ng ườ   i

ứ ề ạ ộ ồ ỏ ườ ớ v i nhi u góc đ  bao g m chi phí, đào t o chính quy, s c kh e đã đo l ng v nố

con ng iườ  b ng ằ chi tiêu công cho giáo d cụ , chi tiêu công cho y tế, t ỷ ệ lao đ ngộ l

ọ ậ ủ ộ ố ệ đang làm vi c đã qua đào t o ạ , s  năm trung bình h c t p c a lao đ ng, t ỷ ệ   l

ậ ọ ỷ ệ ọ ỷ ệ ế ừ ự ữ ễ ồ nh p h c, t h c sinh/giáo viên, t l bi l ữ ệ   t ch , ... T  th c ti n ngu n d  li u

ượ ơ ở ả ố ứ ấ th  c p đ ế   ứ c công b , trên c  s  các nghiên c u liên quan và tham kh o ý ki n

ạ ả ộ ọ ả ậ ế ố ườ chuyên gia t i H i th o khoa h c, tác gi lu n án tìm ra các y u t đo l ng v nố

ứ ề ợ con ng ấ iườ  phù h p cho v n đ  nghiên c u.

ị ượ ươ ầ ­ Xác đ nh đ ứ ộ t c m c đ ng quan không gian toàn ph n và ươ t ng quan

ị ươ ế ố ủ ườ không gian  đ a ph ng c a GRDP, các y u t đo l ng ố v n con ng ườ   và các i

ệ ở ừ ự ế ể ườ ậ ọ ợ bi n ki m soát trong mô hình th c nghi m t ng tr ng h p ma tr n tr ng s ố

không gian W1, W2, W3.

ị ượ ộ ả ứ ưở ộ ỏ ­ Xác đ nh đ c m c đ   nh h ng không gian, tác đ ng lan t a không

ủ ừ ế ố ườ ế gian c a t ng y u t đo l ng ố v n con ng ườ  đ n GRDP cho t i ấ ả ườ t c  tr ợ   ng h p

ậ ọ ố ma tr n tr ng s  không gian W1, W2, W3.

Ậ Ế Ấ 1.8 K T C U LU N ÁN

ậ ượ ế ấ ươ Lu n án đ c k t c u thành 05 ch ng.

ươ ớ ệ Ch ng 1 Gi ứ .  i thi u nghiên c u

ươ ề ọ ồ ộ Ch ng này trình bày có các n i dung bao g m lý do ch n đ  tài nghiên

ố ượ ụ ứ ươ ứ ứ c u, m c tiêu nghiên c u, đ i t ng, ph ọ   ng pháp nghiên c u, ý nghĩa khoa h c

ự ữ ứ ễ ạ ươ và th c ti n, nh ng đóng góp nghiên c u mang l ế ấ ừ i. K t c u t ng ch ủ   ng c a

ậ ượ ở ố ươ lu n án đ c trình bày cu i ch ng này.

ươ ơ ở ứ ế Ch ng 2 C  s  lý thuy t và các nghiên c u liên quan .

ươ ớ ố ệ ệ ưở Ch ng này gi i thi u các khái ni m v ề v n con ng ườ , tăng tr i ng.

ố ưở ơ ở Trình bày c  s  lý thuy t ế v n con ng ườ   trong các mô hình tăng tr i ng, các

ươ ố ượ ử ụ ứ ượ ph ng pháp th ng kê không gian đ c s  d ng trong nghiên c u. L ả   t kh o

ề ả ứ ưở ố ế các nghiên c u liên quan v   nh h ng c a ủ v n con ng ườ  đ n quy mô kinh t i ế   .

ủ ứ ả ố ỉ ướ ừ ư ả Ch  ra các kho ng tr ng c a các nghiên c u tr c đây, t đó đ a ra các gi i pháp

ự ệ ậ th c hi n trong lu n án.

ươ ế ế ứ Ch ng 3 Thi t k  nghiên c u.

ộ ươ ướ N i dung ch ng 3 trình bày quy trình các b ự   ứ c nghiên c u, đánh th c

ế ươ ế ố ự ọ tr ng  ạ ố v n con ng ườ   và quy mô kinh t i ị  các đ a ph ng, l a ch n y u t đo

ự ự ư ệ ậ ườ l ng ố v n con ng ườ . Xây d ng mô hình th c nghi m cho lu n án. Đ a ra các i

ươ ồ ươ ể ị ph ng pháp phân tích g m t ng quan không gian, ướ ượ c l ồ   ng và ki m đ nh h i

ộ ỏ quy không gian, phân tích tác đ ng lan t a không gian.

ươ ế ả Ch ng 4 ứ .  K t qu  nghiên c u

ươ ả ề ế ả ứ ộ ế ộ Ch ng này trình bày các k t qu  v  mô t ể    m c đ  bi n đ ng và ki m

ệ ượ ế ủ ế ể ộ ị ươ ị đ nh hi n t ng đa c ng tuy n c a các bi n. Ki m đ nh t ng quan không gian

ầ ị ươ ế ố ườ toàn ph n và đ a ph ng cho các y u t đo l ng ố v n con ng ườ  và GRDP. i cƯớ

ộ ả ứ ưở ế ố ủ ườ ượ l ng m c đ   nh h ng không gian c a các y u t đo l ng ố v n con ng ườ   i

ừ ự ỏ ườ ế ố ợ ố ớ đ i v i GRDP. Phân tích s  lan t a không gian cho t ng tr ng h p y u t đo

ố ớ ị ươ ườ l ng ố v n con ng ườ  đ i v i GRDP các đ a ph i ng.

ươ ế ậ Ch ng 5 K t lu n và h àm ý chính sách.

ộ ươ ả ắ ế ề ấ ả N i dung ch ng 5 mô t tóm t ứ t k t qu  nghiên c u, đ  xu t các gi ả   i

ụ ế ệ ả ế pháp liên k t vùng, nâng cao hi u qu  chi tiêu công cho giáo d c, y t , nâng cao

ấ ượ ề ạ ả ớ ủ ữ ậ ỉ ch t l ng đào t o ngh . Tác gi cũng ch  ra nh ng đóng góp m i c a lu n án,

ờ ự ề ậ ữ ư ấ ả ể ế ụ ế ồ đ ng th i đ a ra nh ng v n đ  lu n án ch a gi i quy t và có th  ti p t c nghiên

c u.ứ

ƯƠ

Ơ Ở

Ứ

Ế

CH

NG 2 C  S  LÝ THUY T VÀ CÁC NGHIÊN C U LIÊN

QUAN

ươ ượ ế ế ệ ố ồ ộ Ch ng này đ c thi t k  các n i dung g m khái ni m v n con ng ườ   i,

ệ ữ ố ố ườ ế m i quan h  gi a v n con ng i và quy mô kinh t ơ ở . Trình bày c  s  lý thuy t v ế ề

ư ể ậ ố ố ọ ị ươ th ng kê không gian nh  ma tr n tr ng s  không gian, ki m đ nh t ng quan

ầ ươ ị ươ không gian toàn ph n và t ng quan không gian đ a ph ng, ướ ượ c l ng mô hình

ữ ệ ả ỏ ả ổ ồ h i quy không gian d  li u b ng, phân tích lan t a không gian. Tác gi ợ    t ng h p

ứ ướ ế ề ố ươ các nghiên c u trong và ngoài n c liên quan đ n đ  tài. Cu i ch ng, tác gi ả

ứ ư ề ấ ậ ả ố ướ ủ lu n án đ a ra kho ng tr ng c a v n đ  nghiên c u và các h ứ   ng nghiên c u

ậ trong lu n án này.

Ơ Ở Ề Ố Ế 2.1 C  S  LÝ THUY T V  V N CON NG ƯỜ I

ố ườ ệ 2.1.1 Khái ni m v n con ng i

ề ố ệ ượ ề Khái ni m v  v n con ng ườ ừ i t lâu đã đ c nhi u nhà kinh t ế ề ậ    đ  c p

ữ ườ ế ậ ể ể ế ệ ầ ế đ n. Nh ng ng i ti p c n đ u tiên khái ni m này có th  k  đ n là Petty (1690)

ứ ề ả ậ và Smith (1776), sau đó nhi u nhà nghiên c u khác cũng xem xét, th o lu n khái

ệ ườ ệ ố ườ ầ ố ni m v n con ng i. Tuy nhiên, khái ni m v n con ng ẫ i ban đ u v n còn xa l ạ   ,

ế ọ ấ ờ ế ố ế ọ ỉ ố ư ả khi các nhà kinh t h c lúc b y gi ch  chú tr ng đ n 2 y u t là v n t b n (K)

và máy móc thi ế ị t b .

ộ ự ươ ằ ầ ư ữ ồ Pigou (1928) cho r ng, có m t s  t ng đ ng gi a đ u t ố  vào v n con

ườ ư ầ ư ư ệ ả ấ ỉ ng i cũng nh  đ u t vào t li u s n xu t. Marshall (1930) ch  ra, theo quan

ừ ượ ể ọ ườ ư ộ ồ ố đi m tr u t ng và toán h c, con ng i rõ ràng là m t ngu n v n, nh ng nó

ị ườ ể ượ ể ị ư ộ ố ồ không có th  tr ng giao d ch đ  có th  đ c xem nh  m t ngu n v n trong các

ứ ự ễ ỏ ụ phân tích th c ti n. Mincer (1958) đã ch ng t ạ   , thông qua giáo d c và đào t o

ự ủ ế ố ứ (GD&ĐT), các ki n th c, năng l c c a con ng ườ ượ i đ c hình thành, và v n con

ộ ế ố ầ ủ ả ấ ng ườ ượ i đ c xem là m t y u t đ u vào c a quá trình s n xu t.

ấ ủ ự ả ỉ ườ ớ Schultz (1961)  đã ch  ra năng l c  s n xu t c a con ng ấ   ơ i l n h n r t

ớ ấ ả ế ợ ạ ề nhi u so v i t ứ ủ ả t c  các hình th c c a c i khác k t h p l ể i, quan đi m này đ ượ   c

ả ứ ủ ừ ậ ượ ế ầ h u h t tác gi sau đó th a thu n. Nghiên c u c a Schultz (1961) cũng đ c xem

ở ầ ự ự ệ ế ố ườ ằ là s  kh i đ u cho s  quan tâm đ n khái ni m v n con ng ế   i, khi cho r ng y u

ố ườ ậ ượ ọ ỹ ố t hình thành nên v n con ng ứ i là k  năng và tri th c mà h  thu nh n đ c.

ề ế ệ ậ ố ườ Có nhi u cách ti p c n khác nhau khi khái ni m v n con ng i. Xét v ề

ệ ộ ố ườ ồ ợ góc đ  cá nhân, Becker (1964) khái ni m v n con ng ậ i bao g m t p h p các

ứ ủ ế ỹ ườ ế ị ấ ki n th c, k  năng c a con ng ộ   i và nó quy t đ nh làm cho năng su t lao đ ng

ườ ệ ố ủ c a ng ủ i  đó tăng lên. Theo khái ni m c a OECD (2001) thì v n con ng ườ   i

ự ữ ứ ế ồ ộ ỹ ỉ không ch  có ki n th c, k  năng và năng l c mà còn bao g m nh ng thu c tính

ủ ề ỗ ố ườ ượ ti m tàng c a m i cá nhân. Ngoài ra, v n con ng i còn đ c khái quát hóa thành

ự ứ ế ộ ộ ki n   th c,   năng   l c,   thái   đ   và   hành   vi   trong   m t   cá   nhân   (Rastogi,   2002;

ộ ổ ề ứ ệ ố Westphalen,   2001).   Xét  v   góc   đ   t ch c,   Bontis  (1998) khái  ni m  v n  con

ườ ế ố ạ ệ ố ườ ộ ổ ứ ạ ng i là y u t đ i di n cho nhân t con ng i trong m t t ệ    ch c, nó đ i di n

ự ể ứ ế ỹ ế ủ ườ ể ạ cho ki n th c chuyên môn, k  năng, s  hi u bi t c a con ng i đ  t o ra s ự

ệ ủ ộ ổ ứ ế ố ộ ườ ủ ộ ổ ứ khác bi t c a m t t ch c. Các y u t ề  thu c v  con ng i c a m t t ch c bao

ỏ ủ ả ườ ạ ả ạ ổ ọ ồ g m kh  năng h c h i c a con ng ự i, kh  năng t o ra s  thay đ i, sáng t o và

ượ ộ ộ ế ố ự ợ ế n u có đ c m t đ ng l c thích h p thì các y u t ọ    này đóng vai trò quan tr ng

ệ ể ổ ứ trong vi c duy trì và phát tri n cho t ch c đó. Theo Rodriguez và Loomis (2007),

ườ ứ ế ể ặ ạ ỹ ố v n con ng ề   ự i là ki n th c, k  năng, năng l c và đ c đi m cá nhân t o đi u

ệ ợ ể ủ ề ộ ế ệ ạ ki n cho vi c t o ra phúc l ổ i cá nhân, xã h i và t ng th  c a n n kinh t . Theo

ế ậ ố ế hai cách ti p c n này, suy cho cùng v n con ng ườ ượ i đ ứ   ữ c xem là nh ng ki n th c,

ự ủ ệ ế ấ ỗ ỹ k  năng, năng l c và kinh nghi m c a m i cá nhân. Qua đó cho th y, n u bi ế   t

ố ồ ườ ẽ ầ ậ ụ v n d ng t ố t ngu n v n con ng i s  góp ph n mang l ạ ợ i l ạ   i ích cho cá nhân, t o

ượ ợ ổ ứ ộ ra đ ữ c nh ng l i ích cho t ch c và xã h i.

ố ớ ế ệ ậ ộ ố ườ ế M t cách ti p c n khác đ i v i khái ni m v n con ng ậ   i đó là ti p c n

ụ ứ ệ ộ ỏ ố ườ theo góc đ  giáo d c và s c kh e. Alan et al (2008) khái ni m v n con ng i bao

ữ ứ ế ộ ỹ ồ g m nh ng ki n th c và k  năng mà m t ng ườ ạ ượ i đ t đ c thông qua quá trình đào

ứ ề ệ ạ ắ ạ ộ ọ ạ t o b t bu c, đào t o sau trung h c, đào t o ngh . Khái ni m trên ch ng t ỏ

ứ ữ ủ ế ượ ỹ nh ng ki n th c và k  năng c a cá nhân đ ạ ộ   c hình thành thông qua ho t đ ng

ạ ố ứ ạ ặ ỏ ộ ườ ầ đào t o và tích lũy. M t khác, s c kh e cũng là m t lo i v n con ng ả   i c n ph i

ượ ầ ư ứ ữ ề ệ ỏ đ c đ u t ế   ộ  (Bleakley, 2010). S c kh e là m t trong nh ng đi u ki n tiên quy t

ố ườ ự ế ứ ẽ ấ ỏ ể cho phát tri n v n con ng i. Th c t ế    cho th y, s c kh e kém s  làm suy y u

ủ ệ ế ệ ả ấ ả ẫ ộ ỗ kh  năng làm vi c, d n đ n hi u qu  và năng su t lao đ ng c a m i cá nhân s ẽ

ấ ừ ể ủ ổ ứ ế ậ ậ ộ ố th p đi, t ự  đó làm ch m đi s  phát tri n c a t ch c và xã h i. Ti p c n v n con

ườ ầ ư ụ ứ ẳ ộ ỏ ị ụ ng i theo góc đ  giáo d c và s c kh e cũng kh ng đ nh, đ u t cho giáo d c và

ế ẽ ượ ố ườ ở ỗ ị ươ y t ầ  s  góp ph n nâng cao đ c v n con ng m i đ a ph i ng.

ệ ố ườ ượ ượ ế ậ ị ướ Khái ni m v n con ng i còn đ c đ c ti p c n theo đ nh h ả   ng s n

ể ấ ế ố ườ xu t, phát tri n kinh t . Theo Frank và Becmanke (2007), v n con ng ự ế   i là s  k t

ế ố ự ể ư ụ ạ ế ượ ợ h p các y u t ệ  nh  giáo d c, kinh nghi m, đào t o, s  hi u bi t, năng l ng đ ể

ự ự ệ ậ ộ ế ị ệ làm vi c, thói quen làm vi c, đ  tin c y và năng l c t ứ ộ ế    quy t đ nh. M c đ  ki n

ứ ủ ộ ỹ ườ ạ ị ế th c và k  năng c a m t ng i t o ra giá tr  kinh t ộ   ả  thông qua kh  năng lao đ ng

ư ệ ọ ố ườ ủ c a h  (Sheffrin, 2003). Bong (2009) đ a ra khái ni m, v n con ng ộ   i là m t

ố ả ử ụ ể ạ ấ ị nhân t s n xu t có th  t o ra giá tr  gia tăng thông qua quá trình s  d ng nhân t ố

ầ ư ể ấ ố ườ ầ này. Theo quan đi m này cho th y, đ u t vào v n con ng i góp ph n nâng cao

ể ẩ ấ ộ ế ủ ươ năng su t lao đ ng, qua đó thúc đ y phát tri n kinh t ị  c a đ a ph ố   ng và qu c

gia.

ạ ệ ố ế ề ậ ớ ộ Tóm l i, khái ni m v n con ng ườ ượ i đ c ti p c n v i nhi u góc đ  khác

ư ấ ượ ầ ố ớ ự ể ủ ủ ọ nhau nh  trên cho th y đ c t m quan tr ng c a nó đ i v i s  phát tri n c a cá

ổ ứ ể ế ủ ị ươ ự nhân, t ư ự  ch c, cũng nh  s  phát tri n kinh t c a đ a ph ế   ng. D a trên cách ti p

ệ ố ườ ủ ả ậ c n khái ni m v n con ng i c a các tác gi Frank và Becmanke (2007), Alan et

ố ườ ượ ử ụ ứ al (2008), Bong (2009), v n con ng c s  d ng trong nghiên c u này là i đ

ữ ủ ứ ệ ế ỹ nh ng ki n th c, k  năng và kinh nghi m c a con ng ườ hình thành thông qua i

ọ ậ ệ ộ ượ ả quá trình h c t p, lao đ ng, rèn luy n và đ c dùng vào quá trình s n xu t ấ . Rõ

ườ ự ượ ừ ố ràng, v n con ng i có đ ượ ừ c t ẩ  năng l c b m sinh, hay đ c tích lũy t ạ    ho t

ế ố ệ ạ ộ ườ ộ đ ng đào t o và kinh nghi m lao đ ng. Chính vì th , v n con ng ồ   i là ngu n

ượ ố ườ ể ị ườ ộ ố v n vô hình, l ng v n con ng i không th  xác đ nh, đo l ự   ng m t cách tr c

ư ố ế ả ậ ấ ố ườ ế ti p gi ng nh  v n v t ch t mà ph i thông đo l ng gián ti p.

ườ ưở ế ố 2.1.2 V n con ng i trong các mô hình tăng tr ng kinh t

2.1.2.1 Mô hình Lucas (1988)

ự ẫ ớ ứ ấ ừ S  gia tăng ố v n con ng ườ d n t i i m c năng su t cao, t đó làm cho GDP

ố ớ ượ gia tăng. Mô hình Lucas (1988) đ i v i tích lũy ố v n con ng ườ đ i ọ   c minh h a

ư nh  sau:

(2.1)

ở đây,

ố : v n con ng ườ i

ấ ố ậ : v n v t ch t

ả ờ ấ : th i gian dành cho s n xu t

ờ ụ : th i gian dành cho giáo d c

ủ ố ự ấ ậ ậ S  tích lũy c a v n v t ch t theo quy lu t:

(2.2)

ứ ệ ế ượ ạ ủ ế ừ ụ Ki n th c hi n có đ c t o ra ch  y u t quá trình giáo d c, do đó v nố

ươ ượ ừ ố ướ con ng i ườ t ng lai đ c hình thành t v n GD tr c đó.

(2.3)

ượ ụ ệ ấ ớ V i  đ c ký hi u là năng su t giáo d c.

ừ ượ ư ị ố ộ T  (2.4), t c đ  gia tăng ố v n con ng ườ đ i c xác đ nh nh  sau:

(2.4)

ấ ượ ừ ậ ố ố ộ Đ t  ặ . T  (2.2), suy ra t c đ  gia tăng v n v t ch t đ ể ệ c th  hi n:

(2.5)

ừ T  (2.4) và (2.5) suy ra:

(2.6)

ở ộ ạ ừ Xét m t tr ng thái d ng :

(2.7)

Ho c    ặ (2.8)

ệ ầ Do đó,  là nghi m c n tìm.

Suy ra:

(2.9)

ừ ế ẽ ấ ả ưở ớ ố ố T  k t qu  trên cho th y,  s  tăng tr ng v i t c đ   ( ộ V n con ng ườ ) ở  i

ừ ạ ố ộ ưở ở ộ ờ ị tr ng thái d ng. Do đó, t c đ  tăng tr ng b  tác đ ng b i GD và th i gian dành

ế ố ụ ưở cho giáo d c, nghĩa là các y u t ẽ  này càng cao s  làm cho tăng tr ng càng cao.

2.1.2.2 Mô hình Mankiw – Romer – Weil (1992)

ở ộ ằ ố M  r ng mô hình Solow (1956), b ng cách đ a ư v n con ng ườ làm đ uầ i

ấ ổ ượ ả vào trong hàm s n xu t t ng h p ợ , khi đó ta đ c mô hình Mankiw  – Romer –

ễ ướ ạ ể Weil (1992) bi u di n d i d ng sau:

(2.10)

ả ượ v i ớ : s n l ầ ng đ u ra

ấ : v nố  v t ch t ậ

: v n ố con ng iườ

ộ ệ : trình đ  công ngh

ộ : lao đ ng,

: đ  co giãn đ u ra

ế

ầ

ầ

ộ

: đ  co giãn đ u ra đ n đ u vào

ầ ộ ầ đ n ế đ u vào K

ế

ầ

ầ

ộ

: đ  co giãn đ u ra đ n đ u vào

H

AL.

ể ệ ấ ổ ả ợ Hàm s n xu t t ng h p th  hi n:

ậ ợ ổ ­ L i nhu n không đ i theo t ỷ ệ.  l

ế ố ả ợ ấ ả ả ị ậ ­ L i nhu n gi m d n ầ  cho các y u t tái s n xu t do gi đ nh .

ể ớ ả Mô hình này có đi m chung v i mô hình Solow ầ  (1956) ban đ u là c  tăng

ưở ệ ề ế ố ượ ư ạ ộ tr ộ ng   dân   s   và   ti n   b   công   ngh   đ u   đ c   đ a   ra   m t   cách   ngo i   sinh

(Schultz, 2003).

ủ Hàm ý c a mô hình (2.11) là các n ứ cướ  có m c thu nh p ậ nghèo do đ u tầ ư

ứ ố ủ ụ ứ ỗ ộ không đ  vào giáo d c, ch  không vì m c v n trên m i lao đ ng th p. ấ  Các n cướ

ầ ư ỹ ế ướ nghèo có s  ự đ u t ụ  ít vào giáo d c và k  năng, chính vì th  các n c này coi nh ư

ạ ầ ứ ế ạ ậ ừ   đã đ t g n đ n m c thu nh p tr ng thái d ng.

Ề Ố Ơ Ở Ế 2.2 C  S  LÝ THUY T V  TH NG KÊ KHÔNG GIAN

ố ậ ọ 2.2.1 Ma tr n tr ng s  không gian

ậ ố ọ ọ ồ   Ma tr n tr ng s  không gian  đóng vai trò quan tr ng trong phân tích h i

ươ quy và t ng quan không gian (Anselin, 1988). Theo  Ghemawat (2001), 4 d ngạ

ử ụ ả ế ậ ậ ồ ế kho ng cách s  d ng thi ị t l p ma tr n g m đ a lý, văn hóa, kinh t ả , qu n lý.

đ

ượ ơ ở ự ả ị ậ Trong lu n án này, c xây d ng trên c  s  kho ng cách đ a lý.

ạ ổ D ng t ng quát:

(2.11)

Trong đó,

: là ph n t

ầ ử ủ ậ ươ ứ ự ươ ủ ị ươ c a ma tr n , t ng  ng cho s  t ng tác c a đ a ph ớ   ng  v i

.

ươ ị đ a ph ng ,

ớ : v i m i ọ i .

ố ượ ố ượ : s  l ng đ i t ng không gian.

ườ ủ ợ Các tr ả ng h p x y ra c a :

ườ ế ề ề ớ ị ươ Tr ợ ng h p 1: li n k  (ti p giáp), v i các ph n t ế ầ ử  n u đ a ph ng  có

ườ ớ ớ ị ươ ị đ ng biên gi i chung v i đ a ph ng , ng ượ ạ c l i giá tr .

ườ ả ưỡ Tr ợ ng h p 2: kho ng cách ng ng

(2.12)

ớ ưỡ ữ ả ả V i d là kho ng cách ng ng (Anselin, 1988) và là kho ng cách gi a hai

ươ ươ ị đ a ph ng ị i và đ a ph ng j.

ườ ả ả ị Tr ợ ng h p 3: kho ng cách ngh ch đ o

(2.13)

v i .ớ

ườ ướ ạ Tr ợ ng h p 4: ả  W kho ng cách d i d ng hàm mũ

(2.14)

v i .ớ

ả ượ ậ ế ế ạ ẩ Khi phân tích, ma tr n ph i đ c thi t k  d ng chu n hóa theo hàng, khi

đó:

(2.15)

v i . ớ

ươ 2.2.2 T ng quan không gian

ớ ệ ề ươ 2.2.2.1 Gi i thi u v  t ng quan không gian

ề ậ ế ế ẫ ố ọ ạ              Le Sage (2009) đ  c p đ n hai tình hu ng quan tr ng d n đ n vi ph m

ả ế ự ụ ộ ớ gi thi ề ặ   t Gauss – Markov, đó là khi các quan sát có s  ph  thu c v i nhau v  m t

ả ế ố ủ ươ ị không gian làm cho gi thi t “sai s  c a các quan sát không t ng quan” b  vi

ệ ạ ấ ố ế ự ph m. Ngoài ra, tính ch t m i liên h  kinh t có s  khác nhau theo không gian

ẫ ớ ả ị ề ố ế ệ cũng d n t ạ i vi ph m gi đ nh v  m i quan h  tuy n tính trong mô hình. Anselin

ầ ủ ề ệ ố ủ ạ ộ ươ ố t (1988) đã h  th ng m t cách đ y đ  v  các khía c nh c a m i ng quan không

ươ ươ ữ gian và ph ng pháp ướ ượ c l ng khi t n t ồ ạ t i ng quan không gian gi a các quan

sát.

ể ệ ự ụ ứ ả ộ ộ Công th c (2.16) th  hi n s  ph  thu c không gian x y ra khi m t quan sát

ứ ớ ẫ th  ứ  vào quan sát th   v i  trong m u đó.

v i ớ (2.16)

ữ ệ ư ừ ậ ơ ỉ ị ố   ị Khi d  li u thu th p theo t ng đ n v  đ a lý nh  các t nh thành, các qu c

ế ể ị ố ườ ớ gia, các vùng kinh t , … có th  b  sai s  trong đo l ng. Biên gi i hành chính

ữ ệ ữ ậ ỉ ị ượ gi a các t nh thành không giúp phân đ nh rõ ràng d  li u thu th p đ ộ   c. M t

ể ẫ ươ ế ự t nguyên nhân khác có th  d n đ n s ng quan không gian ạ ộ   đó là các ho t đ ng

ế ễ ở ộ ỉ ấ ườ ế ố ữ ỉ kinh t ít khi di n ra m t t nh nào duy nh t, mà th ng k t n i gi a các t nh

ự ề ệ ợ thành thông qua s  lan truy n công ngh  và h p tác kinh t ế .

ị ươ ầ ể 2.2.2.2 Ki m đ nh t ng quan không gian toàn ph n (Global Moran’s I)

ằ ươ ụ Elhorst (2003) cho r ng, Global Moran’s I là ph ng pháp thông d ng và

ượ ả ử ụ ấ ể ể ự ươ ế ố ữ đ ề c nhi u tác gi s  d ng nh t đ  ki m tra s  t ng quan gi a các bi n s .

ị ố ủ ế ượ ứ ở ị Giá tr  th ng kê c a bi n x đ c xác đ nh b i công th c (2.17):

(2.17)

Trong đó

ứ ị ị ủ ơ : là giá tr  quan sát c a đ n v  không gian th  i.

ị : là giá tr  trung bình c a ủ bi n xế .

ủ ố ị : là s  giá tr  quan sát c a .

ầ ử ủ ậ ố ọ : là ph n t dòng i, c t ộ j c a ma tr n tr ng s  không gian .

ị ố ế ằ ả ấ   Giá tr  th ng kê Global Moran’s I luôn n m trong kho ng ­1 đ n 1. D u

ị ế ề ướ ươ ủ c a các giá tr  cho bi t chi u h ng t ng quan quan không gian.

ườ ợ ị ươ ề ậ Tr ng h p 1: , các đ a ph ươ t ng ng quan không gian thu n chi u.

ườ ợ ị ươ ượ ề Tr ng h p 2:, các đ a ph ng ươ t ng quan không gian ng c chi u.

0 trong ki m đ nh Global Moran’s I:

ả ể ị Gi ế  thuy t H

ươ ề ế ữ ị ươ H0: “Không có t ng quan không gian v  bi n x gi a các đ a ph ng”

ị ị ể Giá tr  ki m đ nh:

(2.18)

V i ớ

ị ị ể : là giá tr  ki m đ nh.

ị ủ . : là giá tr  trung bình c a

ươ : là ph ị . ủ ng sai c a giá tr

ị ươ ị ươ ể 2.2.2.3 Ki m đ nh t ng quan không gian đ a ph ng (Local Moran’s I)

ể ố ả ổ ư ế ệ t Phân tích Global Moran’s I đ a ra k t qu  t ng th  m i quan h ngươ

ữ ị ươ ậ quan không gian gi a các đ a ph ng lân c n nhau, trong khi Local Moran’s I xem

ộ ế ố ươ ươ xét m t cách chi ti ệ t t m i quan h ng quan không gian ủ ị c a đ a ph ng xem xét

ươ ậ ị ạ ị ớ ị v i đ a ph ng lân c n. Theo Anselin (1995), giá tr  Local Moran’s I t i v  trí i là

ượ ư đ c tính toán nh  sau:

(2.19)

V i:ớ

ủ ị ươ ớ : là quan sát c a đ a ph ng i, j, v i .

ủ ố ị : là s  giá tr  quan sát c a .

0: “Không có t

ể ị ả ươ ề ế Ki m đ nh gi ế  thuy t H ữ   ng quan không gian v  bi n  gi a

ươ ị các đ a ph ng”

ị ể ị ượ ứ Giá tr  ki m đ nh  đ c tính theo công th c:

(2.20)

Trong đó,

(2.21)

ủ ị : là tr  trung bình c a .

ươ ủ : là ph ng sai c a .

ả ể ẽ ế ị ị ươ K t qu  ki m đ nh s  chia các đ a ph ng thành 2 nhóm:

ế ị ươ Nhóm 1: p­value  0,05, cho bi t các đ a ph ụ   ng không phân tán theo c m

nào.

ế ươ ượ Nhóm 2: p­value < 0,05, cho bi ị t các đ a ph ng đ c chia thành thành các

ặ ườ ạ ệ ụ ể ư ợ ụ c m ho c tr ng h p ngo i l , c  th  nh  sau:

­ Tr

ườ ợ ị ị ươ ượ ụ ồ ng h p 1: giá tr  , các đ a ph ng đ c chia thành các c m g m cao

ấ ấ – cao (high – high), th p – th p (low – low).

ườ ợ ị ị ươ ượ ườ ­ Tr ng h p 2: giá tr  , các đ a ph ng đ c chia thành các tr ợ   ng h p

ạ ệ ấ ấ ngo i l th p – cao (low – high), cao – th p (high – low).

ớ ữ ệ ồ ả 2.2.3 H i quy không gian v i d  li u b ng

ự ươ ứ ề Khi có s  t ữ ệ ng quan không gian trong d  li u, nhi u nghiên c u cũng

ữ ệ ử ụ ư ả ằ ẳ ồ ị kh ng đ nh s  d ng h i quy không gian b ng d  li u b ng nh  Baltagi et al

(2003), Elhorst (2003), Anselin et al (2004), Kapoor et al (2007), Baltagi & Liu

ầ ế ổ (2008) là c n thi ư t. Vega & Elhorst (2016) đã đ a ra mô hình t ng quát (GNS) ở

ụ ể ứ công th c (2.22) và (2.23), c  th :

(2.22)

(2.23)

ộ ấ ụ ế ậ Trong đó,       : là ma tr n bi n ph  thu c c p

ế ả ấ ậ : là ma tr n bi n gi i thích c p

ệ ố ồ ủ ế ễ : là h  s  h i quy c a bi n tr  không gian

ệ ố ồ ủ ế ả : là h  s  h i quy c a bi n gi i thích

ệ ố ồ ủ ế : là h  s  h i quy c a bi n

ệ ố ồ ủ ế ố : là h  s  h i quy c a bi n sai s

ố ủ ồ ổ : là sai s  c a mô hình h i quy t ng quát

ố ủ ố : là sai s  c a mô hình sai s

ậ ọ ố : là ma tr n tr ng s  không gian

ố ố ượ : là s  đ i t ng không gian

ả ố ế : là s  bi n gi i thích.

ệ ủ ố ượ ổ M i quan h  c a các mô hình đ ằ c t ng quát b ng Hình 2.1.

ừ ổ ả T  mô hình t ng quát (GNS) các tác gi Cliff & Ord (1973), Anselin (1988);

ụ ể ư ấ ề Elhorst (2003), LeSage & Pace (2009) đ  xu t ra các mô hình c  th  nh  sau:

ứ ọ Khi  thì (GNS) rút g n thành mô hình (SAC) theo công th c (2.24):

, (2.24)

ứ ế ổ Khi  thì (GNS) bi n đ i thành mô hình Durbin (SDM) theo công th c (2.24):

(2.25)

ể ố ở ứ   Khi  thì (GNS) chuy n thành mô hình sai s  Durbin (SDEM) cho b i công th c

(2.33):

, (2.26)

ế ế ượ ặ Trong mô hình (SAC) n u  ho c mô hình (SDM) n u  thì đ c mô hình (SLM)

hay (SAR) có d ng:ạ

(2.27)

ượ ặ Trong mô hình (SDM) khi ho c mô hình (SDEM) khi   thì đ c mô hình

(SLX):

ổ ồ Hình 2.1: T ng quát các mô hình h i quy không gian

ồ Ngu n: Elhorst, 2010

(2.28)

ượ ặ Trong mô hình (SDM) có   ho c mô hình (SDEM) có   thì đ c mô hình

ặ (SEM) ho c:

, (2.29)

ươ ứ ớ (t ng  ng v i  thì )

ủ ừ ữ ệ ứ ể ấ ặ ề Tùy vào đ c đi m c a t ng v n đ  và d  li u mà nhà nghiên c u có th ể

ợ ọ ỉ ể ự l a ch n mô hình phù h p đ  phân tích. Nghiên c u c a ứ ủ Elhorst (2010) đã ch  ra,

ể ẽ ạ ổ ệ ượ ươ dùng d ng t ng quát (GNS) s  không th  tách bi t đ c t ạ ng tác ngo i sinh và

ứ ầ ộ ế ạ ỏ ấ ả ươ t ng tác n i sinh.  Do đó, trong nghiên c u c n thi ộ   t ph i lo i b  đi ít nh t m t

ể ớ ươ t ng tác trong mô hình. ồ   Chou et al (2015) cũng đ ng quan đi m v i Elhorst

ằ ườ ượ ự ọ (2003) khi cho r ng, các mô hình SEM, SAR, SDM th ng đ c l a ch n s ử

ữ ư ủ ể ụ d ng vì nh ng  u đi m c a chúng.

Ủ Ố Ứ Ề 2.3   CÁC   NGHIÊN   C U   LIÊN   QUAN   V   VAI   TRÒ   C A   V N   CON

ƯỜ Ố Ớ Ế NG I Đ I V I QUY MÔ KINH T

ứ 2.3.1 Các nghiên c u ngoài n ướ c

ể ừ ạ ố ườ ố K  t ấ  khi Schultz (1961) nh n m nh v n con ng i là nhân t ọ    quan tr ng

ưở ứ ề ề ế ấ ế đ n tăng tr ng, đã có nhi u công trình nghiên c u liên quan đ n v n đ  này ra

ố ố ự ế ế ậ ọ ườ ế ả ờ đ i. Tùy theo cách ti p c n và l a ch n bi n s  v n con ng i, k t qu  thu

ượ ủ ả ỉ ậ ọ đ c c a các tác gi ự  cũng có s  khác nhau. Barro (1991) ch  ra t ỷ ệ  l nh p h c tác

ự ế ầ ườ ủ ạ ộ đ ng tích c c đ n GDP bình quân đ u ng ố   i giai đo n 1960­1985 c a 98 qu c

ươ ữ ệ ữ ố ố ằ gia b ng ph ng pháp d  li u chéo. Nh ng qu c gia v i ớ v n con ng ườ cao  i

ườ ờ ỷ ệ ầ ư ậ ấ ồ ở ữ th ng có t ỷ ệ  l sinh th p, đ ng th i t đ u t ấ  v t ch t/GDP l ố    nh ng qu c

ộ ổ ề ấ ơ ố gia này cũng nhi u h n. Mankiw et al (1992) đã tìm th y dân s  trong đ  tu i lao

ọ ả ụ ưở ớ ả ượ ộ đ ng và giáo d c trung h c  nh h ề ng cùng chi u v i s n l ứ   ng khi nghiên c u

ự ệ ạ ệ ố ố th c nghi m t ế   i 121 qu c gia. Sianesi và van Reenen (2000) khi h  th ng các k t

ả ướ ạ ằ ậ ưở ế qu  tr c đây nh n ra r ng, đào t o chính quy và tăng tr ng kinh t ố    có m i

ứ ệ ấ ằ ả ẫ ộ quan h  tác đ ng l n nhau. Temple (2002) cũng tìm th y b ng ch ng  nh h ưở   ng

ể ủ ưở ở ướ đáng k  c a GD lên tăng tr ng GDP các n c OECD.

ộ ớ ữ ệ ồ ỗ ờ ượ ề ả H i quy b i v i d  li u chu i th i gian đã đ c nhi u tác gi dùng phân

ưở ố ế ố ớ ừ ố ả tích  nh h ng c a ủ v n con ng ườ  lên quy mô kinh t i ạ    đ i v i t ng qu c gia. T i

ự ự ệ ự Pakistan,  Qadri & Waheed (2011) xây d ng mô hình th c nghi m d a vào hàm

ọ ỷ ệ ự ấ ậ ọ ọ ả s n xu t Cobb ­ Douglas, l a ch n t l ể  nh p h c ti u h c và t ỷ ệ  l chi cho y

ườ ế ố ứ ẳ ị ế t /GDP đo l ng ố v n con ng ườ . Nghiên c u kh ng đ nh 2 y u t i ộ    này tác đ ng

ự ủ ữ tích c c lên GDP c a Pakistan trong nh ng năm 1978 – 2007. Afridi (2016) dùng

ứ ộ ả ưở ướ ượ c l ng mô hình ARDL và VECM, đánh giá m c đ   nh h ủ ố ng c a v n con

ườ ố ớ ở ạ ng i đ i v i GDP Pakistan giai đo n 1972 – 2013. Khác v i ớ Qadri & Waheed

ọ ỷ ệ ự ở ậ ể ứ (2011), nghiên c u này l a ch n t l ghi danh ọ ổ  b c ti u h c/t ng dân s , t ố ỷ ệ l

ườ ỷ ệ ử ẻ ơ ế ố ườ sinh/1000 ng i, t t l vong/1000 tr s  sinh làm bi n s  đo l ố ng v n con

ườ ả ỏ ỷ ệ ườ ẽ ng i.  Tác  gi ứ  ch ng t ,  t l sinh/1000  ng i  tăng  lên  s  làm cho GDP ở

ứ ủ ố ỉ ườ ệ Pakistan tăng theo. Nghiên c u ch  ra vai trò c a v n con ng i trong vi c thúc

ể ự ụ ẳ ị ẩ đ y phát tri n kinh t ế ở Pakistan và kh ng đ nh lĩnh v c giáo d c và y t ế ầ    c n

ả ượ ệ ầ ư ứ ặ ắ ạ ph i đ c quan tâm đúng m c. M t dù trong ng n h n, vi c đ u t vào các lĩnh

ụ ế ể ệ ệ ả ế ư ự v c giáo d c và y t không th  hi n tính hi u qu  kinh t ạ   , nh ng trong dài h n

ẽ ế ể nó s  làm cho kinh t phát tri n.

ậ Kanayo (2013) ướ ượ c l ớ ữ ệ ng mô hình ECM v i d  li u thu th p trong các

ả ưở ố ở ể năm 1970 – 2010 đ  phân tích  nh h ng c a ủ v n con ng ườ lên GDP i Nigeria.

ụ ậ ậ ọ ọ ượ Chi tiêu công cho giáo d c, t ỷ ệ  l nh p h c theo b c h c cũng đ ọ c ch n làm

ế ố ườ ứ ế ỏ ế ỷ ệ ậ bi n s  đo l ng ố v n con ng ả ồ ườ . K t qu  h i quy ch ng t i , n u t l ọ    nh p h c

ở ế ố ặ tăng làm cho GDP Nigeria tăng theo. M t khác, y u t chi tiêu công cho giáo

ượ ấ ọ ụ d c cũng đ ầ   c tìm th y có vai trò quan tr ng làm cho GDP tăng lên. Do đó, c n

ườ ầ ư ả ồ ự ụ ạ ầ tăng c ệ ng c i thi n và đ u t ngu n l c cho giáo d c t i Nigeria, góp ph n làm

ế ủ ố ổ ị cho kinh t c a qu c gia này ngày càng  n đ nh.

ố ố ớ ế Phân tích vai trò c a  ủ v n con ng ườ đ i v i quy mô kinh t i cũng đ ượ   c

ề ả ở ề ố nhi u tác gi xem xét nhi u qu c gia khác nhau. Ferda (2011) ướ ượ c l ồ   ng h i

ữ ệ ả ỗ ưở ủ ầ ư ố ườ ờ quy d  li u chu i th i gian phân tích  nh h ng c a đ u t v n con ng i lên

ạ ố ứ ế GDP t i 20 qu c gia OECD. S ử d ng ụ chi phí chăm sóc s c kh e ỏ làm bi n thay

ố ấ ồ ố thế cho v n con ng ườ ở i các qu c gia này. Ướ ượ c l ng h i quy cho th y, tăng chi

ỏ ạ ứ ẽ ố phí chăm sóc s c kh e t i 20 qu c gia OECD s  làm cho GDP tăng lên. Do đó,

ườ ầ ư ự ế ả ộ ố ệ ườ ự ầ c n có s  tăng c ng đ u t cho lĩnh v c y t , c i thi n cu c s ng ng i dân

ố ạ t i các qu c gia OECD.

ề ố ệ ủ ứ ằ ấ ố Pelinescu (2015) cũng tìm th y b ng ch ng v  m i quan h  c a v n con

ườ ạ ố ả ườ ố ng i và GDP t i các qu c gia Châu Âu. Tác gi đo l ng v n con ng ườ ằ   i b ng

ế ố ư ố ượ ệ ộ ộ ọ các y u t nh  s  l ng lao đ ng đang có vi c làm có trình đ  trung h c, chi tiêu

ố ằ ụ ứ ế ế ả ổ ẳ   công cho giáo d c và t ng s  b ng sáng ch . K t qu  nghiên c u này kh ng

ữ ổ ố ằ ự ệ ố ố ế   ị đ nh, có m i quan h  tích c c, có ý nghĩa th ng kê gi a t ng s  b ng sáng ch ,

ệ ộ ộ ớ ọ ố ượ s  l ng lao đ ng đang có vi c làm có trình đ  trung h c v i GDP bình quân.

ụ ạ ấ ộ ượ ề ớ Tuy nhiên, chi tiêu công cho giáo d c l i tìm th y tác đ ng ng c chi u v i GDP

ứ ả ư ưở ế ầ ứ ấ ằ ấ nh ng m c  nh h ng này r t th p, chính vì th  c n có b ng ch ng thêm đ ể

ế ẳ ả ị kh ng đ nh k t qu  này.

ự ả ấ Benos & Karagiannis (2016) d a vào ướ ượ c l ng hàm s n xu t Cobb ­

ứ ỏ ố ườ ả ưở ủ ề Douglas đã ch ng t v n con ng i  nh h ạ   ng cùng chi u lên GDP c a Hy L p.

ụ ề ế ả ả ấ ạ ưở ậ K t qu  nh n m nh, 4 b c giáo d c đ u có  nh h ố   ng lên GDP. Trong đó, v n

ườ ướ ấ ượ con ng ườ ượ i đ c đo l ở ng b i th c đo ch t l ng giáo d c, t ụ ỷ ệ ỏ ọ  l b  h c, t ỷ ệ   l

ỏ ủ ụ ộ ỳ ụ ạ ọ   thành công trong các k  thi đánh giá giáo d c và đ  lan t a c a giáo d c đ i h c.

ả ứ ấ ấ ằ ố ườ ộ Tác gi đã tìm th y b ng ch ng cho th y, v n con ng i tác đ ng lên GDP t ừ

ự ự ự ộ ỏ ủ   ụ tiêu c c sang tích c c khi trình đ  giáo d c tăng, nguyên nhân là do s  lan t a c a

ụ ạ ọ ụ ể ơ ụ ể ạ giáo d c đ i h c trong giai đo n 1971 ­ 2011. C  th  h n, giáo d c ti u h c đ ọ ượ   c

ưở ự ế ạ ọ ụ ấ ả tìm th y  nh h ng tiêu c c đ n GDP, trong khi giáo d c THPT và đ i h c (ĐH)

ưở ự ụ ấ ả ặ ả có  nh h ng tích c c. M t khác, giáo d c THCS không tìm th y có  nh h ưở   ng

ạ ủ lên GDP c a Hy L p.

ố ế ượ ậ ở ế ộ Tác đ ng c a ủ v n con ng ườ lên quy mô kinh t i còn đ c ti p c n góc

ự ủ ố ộ ố ỉ ộ đ  các t nh, thành ph  hay khu v c c a m t qu c gia. Zhang & Zhuang (2011) đã

ả ưở ủ ườ ạ ố ỉ phân tích  nh h ố ng c a v n con ng i lên GDP t i 31 t nh, thành ph  Trung

ố Ở ườ ụ ủ ở ộ Qu c. ố  đây, v n con ng ườ ượ i đ c đo l ộ   ng b i trình đ  giáo d c c a lao đ ng

ở ỗ ấ ế ứ ỏ ụ ả ưở ọ  m i c p h c. K t qu ả ướ ượ c l ng đã ch ng t giáo d c ĐH  nh h ng tích

ụ ể ạ ơ ớ ọ ự c c lên GDP h n so v i giáo d c ti u h c và THCS trong giai đo n 1997 – 2006.

ủ ừ ữ ứ ầ ấ ằ ơ ố H n n a, có b ng ch ng cho th y, vai trò c a t ng thành ph n v n con ng ườ   i

ể ủ ứ ộ ở ộ ị ố ớ đ i v i GDP b  tác đ ng b i m c đ  phát tri n c a vùng.

ứ ổ ợ ả ướ ế ấ ứ ề B ng 2.1: T ng h p nghiên c u ngoài n c liên quan đ n v n đ  nghiên c u

Tác giả, năm

Dữ liệu

Phương pháp

Kết quả

Hạn chế

Qadri & Waheed (2011)

Hồi quy dữ liệu chuỗi thời gian.

Biến phụ thuộc (Y) và vốn con người (H) Y: GDP bình quân lao động. H: Tỷ lệ nhập học tiểu học; tỷ lệ chi tiêu công cho y tế/GDP.

­ Yếu tố đo lường vốn con người còn ít.

Số liệu giai đoạn - 1978 2007 tại Pakistan.

­ Chỉ xem xét ảnh hưởng vốn con người ở cấp độ quốc gia.

Kanayo (2013)

Hồi quy dữ liệu chuỗi thời gian.

Y: Tốc độ tăng GDP. H: Chi tiêu công cho giáo dục; tỷ lệ nhập học theo bậc học.

Số liệu trong giai đoạn 1970 – 2010 của Nigeria.

Các biến đo lường vốn con ảnh người hưởng cùng chiều với GDP bình quân lao động. Chi tiêu công cho giáo dục; tỷ lệ nhập học ảnh hưởng tích cực đến tỷ lệ tăng GDP trong ngắn hạn.

­ Chưa xem xét ảnh hưởng của chi tiêu công cho y tế đến tốc độ tăng GDP. ­ Chỉ xem xét ảnh hưởng vốn con người lên tốc độ tăng GDP ở cấp độ quốc gia.

Tác giả, năm

Dữ liệu

Phương pháp

Kết quả

Hạn chế

Afridi (2016)

lệ

Hồi quy mô hình dạng ARDL, VECM.

Biến phụ thuộc (Y) và vốn con người (H) Y: GDP bình quân đầu người. H: Tỷ lệ sinh/1000 người; tỷ lệ tử vong ở trẻ sơ sinh/1000 người; tỷ lệ nhập học tiểu học.

Dữ liệu trong giai đoạn - 1972 2013 của Pakistan

Tỷ sinh/1000 người ảnh hưởng cùng chiều với GDP bình quân đầu người.

­ Chưa tiếp cận vốn con người theo trình độ giáo dục. ­ Chưa xem xét ảnh hưởng vốn con người theo gốc độ địa phương.

Ferda (2011)

Hồi quy dữ liệu bảng.

Y: GDP bình quân đầu người. H: Chi phí cho sức khỏe.

­ Chưa tiếp cận vốn con người theo giáo dục.

Chi phí cho sức khỏe tác động tích cực đến GDP bình quân

Dữ liệu các nước OECD trong

­ Biến đại diện vốn

đầu người.

khoảng thời gian 1975 – 2005.

con người còn ít. ­ Chưa xem xét ảnh hưởng không gian của các biến đại diện vốn con người đến GDP.

Tác giả, năm

Dữ liệu

Phương pháp

Kết quả

Hạn chế

Ada & Acaroglu (2014)

Hồi quy dữ liệu bảng.

­

Biến phụ thuộc (Y) và vốn con người (H) Y: GDP bình quân lao động. H: Tuổi thọ, tỷ lệ sinh, tỷ lệ giáo viên tiểu học, Chi tiêu công cho y tế, Chi tiêu công cho giáo dục.

Tuổi thọ, tỷ lệ sinh tác động có ý nghĩa thống kê đến GDP bình quân lao động.

­ Chưa tiếp cận vốn con người theo giáo dục chính quy. Tuổi thọ, tỷ lệ sinh chưa thay thế tốt cho vốn con người.

Pelinescu (2015)

Hồi quy dữ liệu bảng.

­ Chưa tiếp cận vốn con người theo y tế.

Y: GDP bình quân đầu người. H: Chi tiêu công cho giáo dục/GDP, số lượng lao động đang có việc làm có trình độ trung học và số lượng bằng sáng chế.

Dữ liệu từ 15 nước Trung Đông và Bắc Phi (1990 – 2011) liệu Dữ các quốc gia Châu Âu giai đoạn 2000 – 2012

­ Chưa xem xét ảnh hưởng không gian của các yếu tố đo lường vốn con người đến GDP.

Lao động có trình độ trung học ảnh hưởng cùng chiều và chi tiêu công cho giáo dục/GDP ngược chiều đến GDP bình quân đầu người.

Tác giả, năm

Dữ liệu

Phương pháp

Kết quả

Hạn chế

Biến phụ thuộc (Y) và vốn con người (H)

- Biến đo lường

Zhang & Zhuang (2011)

Dữ liệu 31 tỉnh, thành

Hồi quy dữ liệu bảng.

Y: GDP bình quân đầu người. H: Trình độ giáo dục của lao

Giáo dục đại học ảnh hưởng

­ vốn con người còn ít.

động ở mỗi cấp học.

- Chưa tiếp cận ­ vốn con người theo góc độ chi phí và y tế.

Su & Liu (2016)

- Biến đo lường

Hồi quy dữ liệu bảng.

Y: GDP bình quân đầu người. H: Số sinh viên đang theo học tại các trường cao đẳng, đại học.

­ vốn con người còn ít. - Chưa tiếp cận vốn con người theo góc độ chi phí và y tế.

Li và Wang (2016)

Hồi quy dữ liệu bảng.

Y: GDP bình quân đầu người. H: Tỷ lệ tham gia giáo dục ở các cấp học.

Trung Quốc đoạn giai – 1997 2006 Các thành phố của Trung Quốc đoạn giai 1991 - 2010 Dữ liệu 28 tỉnh của Trung Quốc trong giai đoạn 1985 – 2014

tích cực cao nhất lên GDP bình quân đầu người. Yếu tố đo lường vốn con người tác động tích cực đến GDP bình quân đầu người. Tỷ lệ tham gia giáo dục ở các cấp học tác động tích cực GDP bình quân đầu người.

- Chưa tiếp cận vốn con người theo góc độ chi phí và y tế. - Chưa xem xét ảnh hưởng không gian của các yếu tố đo lường vốn con người lên GDP.

Tác giả, năm

Dữ liệu

Phương pháp

Kết quả

Hạn chế

Biến phụ thuộc (Y) và vốn con người (H)

Benos & Karagiannis (2016)

Hồi quy dữ liệu bảng.

Y: GDP. H: Tỷ lệ tham gia các cấp học.

Giáo dục THPT và đại học ảnh hưởng tích cực đến GDP.

Lima & Silveira Neto (2015)

Mô hình hồi quy gian không (SDM).

Y: Tốc độ tăng trưởng của thu nhập bình quân đầu người. H: Số năm đi học của dân số từ 25 tuổi trở lên.

- Chưa tiếp cận vốn con người theo góc độ chi phí và y tế. Chưa xem xét ảnh hưởng không gian của vốn con người lên GDP. - Chưa xem xét mức độ phù hợp với các mô hình SAR, SEM. - Chỉ sử dụng ma trận trọng số liền kề.

Số năm đi học của dân số từ 25 tuổi trở lên ảnh hưởng tích cực đến tốc độ tăng trưởng.

-

Các khu vực của Hy Lạp giai đoạn 1971 – 2011 Dữ liệu 522 khu vực của Brazil trong giai đoạn 1970 2010 Dữ liệu 30 Mô hình hồi quy

Baudino (2016)

Y: GDP bình quân lao động.

Trung bình số

- Chưa xem xét ước

gian

không (SAR)

H: Trung bình số năm đi học của lao động.

lượng các mô hình khác như SDM, SEM. - Chỉ sử dụng ma trận trong số liền kề.

năm đi học của lao động tác động tích cực đến tăng trưởng.

tỉnh thành Trung Quốc giai đoạn 1995 – 2013.

Nguồn: Tổng hợp của tác giả, 2020

ườ ố ườ ằ ọ ạ ố ườ ẳ Su và Liu (2016) đo l ng v n con ng i b ng s  sinh viên đang theo h c t i các tr ng cao đ ng (CĐ), ĐH t ạ   i

ố ớ ở ố ả ự ế ế ặ ấ ộ các thành ph  l n Trung Qu c (1991 – 2010). Tác gi tìm th y, FDI có tác đ ng tích c c đ n GDP. M t khác, k t qu ả

ứ ể ệ ệ ẩ ấ ằ ừ ố ồ cũng ch ng minh r ng, thông qua vi c thúc đ y chuy n giao công ngh  xu t phát t ố   ẽ  ngu n v n FDI s  làm gia tăng v n

ố ớ ủ ố ươ ự con ng ườ ừ i, t đó làm cho GDP c a các thành ph  l n Trung Qu c tăng lên. T ng t , Li và Wang (2016) đã đo l ườ   ng

ượ ưở ủ ố ườ ự ủ ạ ố ố ỉ đ ứ ộ ả c m c đ   nh h ng c a v n con ng i lên GDP c a 28 t nh/thành ph  Trung Qu c giai đo n 1985 – 2014 d a trên

ố ấ ấ ố mô hình Solow (1957) và Lucas (1988). Trong đó, v n con ng ườ ượ i đ ộ ơ ả c chia thành 2 c p đ : c  b n và cao c p. v n con

ườ ơ ả ồ ườ ụ ậ ệ ể ọ ọ ng i c  b n g m t ỷ ệ  l ố  % s  ng i tham gia vào giáo d c b c ti u h c, THCS, THPT và trung h c chuyên nghi p. Giáo

ấ ậ ọ ế ọ ẳ ố ị ụ d c cao c p là t ỷ ệ  l tham gia b c h c sau trung h c. K t qu ả ướ ượ c l ng kh ng đ nh, thông qua tích lũy, v n con ng ườ ơ  i c

ố ườ ưở ưở ấ ả b n làm cho GDP tăng lên, trong khi v n con ng ấ ả i cao c p  nh h ng lên tăng tr ng qua kênh năng su t.

ữ ố ườ ượ ề ả ử ụ ể ồ ầ Trong nh ng năm g n đây, v n con ng i cũng đ c nhi u tác gi s  d ng mô hình h i quy không gian đ  phân

ưở ủ ế ả ưở ố ả tích  nh h ng c a nó đ n quy mô kinh t . ng c a ủ v n con ng ườ và v nố i ế Lima & Silveira Neto (2015) phân tích  nh h

ấ ạ ứ ạ ượ ự ọ ừ ự ủ ạ ậ v t ch t lên GDP t i Brazil. Ph m vi nghiên c u đ c l a ch n t 522 khu v c c a Brazil trong giai đo n 1970 ­ 2010.

ượ ố ớ ườ ư ợ ồ Mô hình Mankiw – Romer ­ Weil (1992) đ c xem xét và đ a vào phân tích đ i v i tr ạ   ng h p h i quy không gian d ng

ệ ứ ố ị ớ ố ượ ọ ủ ố ừ ị Durbin (SDM) v i các hi u  ng c  đ nh. V n con ng ườ đ i ố c xác đ nh là trung bình s  năm đi h c c a dân s  t ổ    25 tu i

ở ả ự ề ề ể ậ ọ ọ ố ươ tr  lên. Tác gi l a ch n ma tr n tr ng s  không gian li n k  (W1) đ  phân tích t ng quan không gian, ướ ượ c l ồ   ng h i

ứ ứ ỏ ằ ự ạ ự ươ ề ậ quy không gian. Nghiên c u ch ng t r ng, GDP các khu v c t i Brazil có s  t ng quan không gian thu n chi u nhau.

ế ố ố ế ố ữ ồ ọ ộ ộ ưở ầ ờ Đ ng th i, y u t s  năm đi h c không nh ng tác đ ng đ n t c đ  tăng tr ng GDP bình quân đ u ng ườ ở ị i đ a ph ươ   ng

ả ưở ế ầ ườ ủ ị ươ ậ đang xem xét mà còn  nh h ng đ n GDP bình quân đ u ng i c a các đ a ph ng lân c n.

ườ ủ ộ ậ ấ ố Baudino (2016) đo l ng tác đ ng c a tích lũy ố v n con ng ủ ườ và v t ch t lên GDP c a Trung Qu c sau năm 1994. i

ữ ệ ụ ạ ố ố ố ỉ D  li u phân tích đ ượ ấ ừ c l y t ố    30 t nh thành trong giai đo n 1995 – 2013 do C c th ng kê qu c gia Trung Qu c công b .

ố ượ ườ ủ ằ ạ ố ọ ộ ớ V n con ng ườ đ i c đo l ng b ng s  năm đi h c bình quân c a lao đ ng. Phân tích mô hình d ng SAR_FEM v i ma

ề ậ ọ ượ ố ớ ứ ả ằ ợ ỉ ố ề tr n tr ng s  li n k  (W1) đ ộ   ế c cho là phù h p đ i v i nghiên c u này. K t qu  ch  ra r ng, GDP bình quân lao đ ng

ị ươ ự ươ ố ề ớ ố ườ ủ c a 30 đ a ph ng Trung Qu c có s  t ng quan không gian cùng chi u v i nhau. V n con ng ườ trong tr i ợ ng h p này

ượ ự ế ẳ ộ ố ố ọ ị đ ộ c kh ng đ nh là tác đ ng tích c c đ n GDP bình quân lao đ ng có ý nghĩa th ng kê, nghĩa là s  năm đi h c bình quân

ữ ộ ị ươ ụ ể ả ưở ế ị ươ ậ không nh ng làm tăng GDP bình quân lao đ ng đ a ph ng c  th  mà còn  nh h ng đ n các đ a ph ng lân c n.

ứ 2.3.2 Nghiên c u trong n ướ c

ủ ố ỉ ườ ố ớ ưở ủ ỗ ả ằ Bùi Quang Bình (2009) đã ch  ra vai trò c a v n con ng i đ i v i tăng tr ố ng c a m i qu c gia. Tác gi cho r ng,

ố ớ ụ ệ ọ ố ườ ầ giáo d c có vai trò quan tr ng đ i v i vi c hình thành và nâng cao v n con ng ả i. Do đó, c n ph i quan tâm đ u t ầ ư ơ    h n

ụ ặ ệ ấ ượ ụ ể ố ườ ứ ữ n a cho giáo d c, đ c bi t là giáo d c chính quy đ  làm tăng ch t l ng v n con ng ỉ ớ   i. Tuy nhiên, nghiên c u ch  m i

ự ố ườ ộ ả ư ứ ưở ủ ưở ế ạ phân tích th c tr ng v n con ng i mà ch a xem xét m c đ   nh h ng c a nó lên tăng tr ng kinh t ủ    hay GDP c a

ố qu c gia.

ệ ố ọ ạ ấ ả ế ầ ưở ủ ố ườ ủ Tr n Th  Đ t (2011) đã h  th ng các lý thuy t liên quan cho th y  nh h ng c a v n con ng i lên GDP c a các

ươ ơ ở ể ế ố ứ ự ọ ườ ố ườ ườ ị đ a ph ng. Nghiên c u trình bày các c  s  đ  xem xét l a ch n y u t đo l ng v n con ng i cho tr ợ ng h p Vi ệ   t

ữ ệ ượ ậ ừ ươ ố ườ ồ Nam. D  li u g m 288 quan sát đ c thu th p t ị  61 đ a ph ng. V n con ng ườ ượ i đ c đo l ằ ng b ng t ỷ ệ  l ộ  lao đ ng theo

ộ ọ ế ế ạ ọ ạ ọ ế ể ẳ ọ ố ọ các trình đ  đ c bi t vi t, ti u h c, THCS, THPT, cao đ ng – đ i h c và sau đ i h c; s  năm h c bình quân. K t qu ả

ữ ệ ứ ả ồ ỏ ằ ọ ố ị ươ ướ ượ c l ng h i quy d  li u b ng ch ng t r ng, s  năm h c bình quân tăng lên kéo theo GRDP các đ a ph ng cũng tăng

ả ạ ộ ộ ưở ố ớ ự theo trong giai đo n 2000 – 2007. Lao đ ng có trình đ  cũng  nh h ạ   ố ng tích c c, có ý nghĩa th ng kê đ i v i GRDP, lo i

ộ ả ứ ộ ợ ộ ưở ế ố ủ ứ tr ừ ườ  tr ng h p lao đ ng có trình đ  THPT. Tuy nhiên, m c đ   nh h ng c a các y u t ỏ  này nh , ch ng t ỏ ự ả    s   nh

ưở ể ệ ừ ế ể ế ư ề ấ ộ ộ h ủ ng không đáng k  đ n GRDP, đi u này cho th y vai trò c a lao đ ng trình đ  cao ch a th  hi n rõ nét. T  k t qu ả

ị ươ ự ệ ầ ọ ưở ế ề ỏ trên, đòi h i các đ a ph ng c n chú tr ng th c hi n các chính sách làm cho tăng tr ng quy mô kinh t theo chi u sâu,

ườ ầ ư ị ả ụ ệ ể ệ ả ẩ ọ ầ nghĩa là c n tăng c ng đ u t ấ  phát tri n khoa h c công ngh  vào s n xu t, nâng cao giá tr  s n ph m. Vi c áp d ng d ữ

ụ ượ ứ ể ệ ắ ả ế ướ ữ ườ ữ ệ ợ li u b ng đ  phân tích, nghiên c u đã kh c ph c đ ạ c nh ng h n ch  tr c đây cho tr ng h p d  li u chéo ho c d ặ ữ

ư ệ ệ ờ ườ ố ườ ỉ ớ ế ậ ướ ư ượ ạ li u th i gian. Nh ng vi c đo l ng v n con ng i ch  m i ti p c n theo h ng đào t o chính quy mà ch a đ ế   c ti p

ướ ế ượ ứ ư ế ấ ỏ ườ ị ậ c n theo h ng chi phí, s c kh e. Chính vì th , ch a th y h t đ ủ ố c vai trò c a v n con ng i lên GRDP các đ a ph ươ   ng

ệ Vi t Nam.

ự ề ạ ộ ị ườ ưở ủ ừ ế ố ố ườ H  Th  Thi u Dao và c ng s  (2014) đã đo l ứ ộ ả ng m c đ   nh h ng c a t ng y u t v n con ng i lên GRDP

ươ ự ả ộ ả ườ ố ườ ằ ố ị các đ a ph ng khu v c Duyên h i Nam Trung B . Các tác gi đo l ng v n con ng ủ   ọ i b ng s  năm h c bình quân c a

ủ ị ộ ươ ữ ệ ượ ổ ợ ừ ả ố ộ ỉ lao đ ng c a đ a ph ng trong năm. D  li u đ c t ng h p t Niên giám th ng kê các t nh thu c vùng Duyên h i Nam

ệ ứ ố ị ể ộ ộ ị ượ ọ ố ơ ấ Trung B . Ki m đ nh Hausman cho th y hi u  ng tác đ ng c  đ nh (FEM) đ ự c xem là l a ch n t ệ ứ   ớ t h n so v i hi u  ng

ế ẫ ộ ỏ ằ ố ọ ộ ộ tác đ ng ng u nhiên (REM). K t qu ả ướ ượ c l ứ ng ch ng t ề   ủ  r ng, s  năm h c bình quân c a lao đ ng tác đ ng cùng chi u

ị ươ ằ ấ ườ ầ ư ụ ầ ế đ n GRDP đ a ph ứ ng. Cũng có b ng ch ng cho th y, tăng c ng đ u t ố    vào giáo d c chính quy góp ph n nâng cao v n

ườ ọ ạ ư ứ ủ ế ầ ậ ố ố ụ ộ con ng i. Cũng gi ng nh  nghiên c u c a Tr n Th  Đ t (2011) khi ti p c n v n con ng ườ ở i góc đ  giáo d c chính

ệ ườ ố ườ ặ ạ ứ ế quy, nên vi c đo l ng v n con ng i trong nghiên c u còn có m t h n ch .

ế ậ ừ ứ ổ ố ườ ụ ứ ộ ỏ Đinh Phi H  và T  Đ c Hoàng (2016) ti p c n v n con ng i theo góc đ c giáo d c và s c kh e khi phân tích vai

ủ ố ườ ố ớ ư ự ằ ồ ố trò c a v n con ng ử i đ i v i GRDP khu v c Đ ng b ng sông C u Long (ĐBSCL). Cũng gi ng nh  các tác gi ả ướ  tr c, s ố

ủ ộ ọ ượ ề ườ ố ườ ố ườ ượ ườ năm h c bình quân c a lao đ ng đ ấ c đ  xu t đo l ng v n con ng i. Ngoài ra, v n con ng i còn đ c đo l ờ   ng b i

ụ ế ủ ị ươ ượ ỷ ệ t  l chi tiêu công cho giáo d c /GRDP và t ỷ ệ  l chi tiêu công cho y t /GRDP c a các đ a ph ữ ệ ng. D  li u đ ậ   c thu th p

ả ướ ố ươ ụ ủ ệ ộ ổ ố ừ t Niên giám th ng kê c  n ị c, đ a ph ạ   ng và báo cáo lao đ ng vi c làm c a T ng c c Th ng kê các năm trong giai đo n

ả ử ụ ưở ơ ở ự 2006 – 2013. Tác gi s  d ng mô hình tăng tr ể ng Mankiw – Romer – Weil (1992) đ  làm c  s  xây d ng mô hình nghiên

ệ Ướ ượ ự ữ ệ ứ ả ồ ỏ ế ố ườ ườ ề ứ c u th c nghi m. c l ng h i quy d  li u b ng ch ng t , các y u t đo l ố ng cho v n con ng ộ   i đ u có tác đ ng

ự ủ ị ươ ụ ả tích c c lên GRDP theo giá 1994 c a các đ a ph ng ĐBSCL. Trong đó, t ỷ ệ  l chi tiêu công cho giáo d c /GDP  nh h ưở   ng

ứ ả ạ ấ ươ ứ ề ạ ồ ớ ộ ị ế m nh nh t lên GRDP. K t qu  nghiên c u này khá t ủ ng đ ng v i các nghiên c u c a H  Th  Thi u Dao và c ng s ự

ủ ả ằ ố ộ ưở ố ớ ữ ề ơ ả ọ (2014) khi cho r ng, s  năm h c bình quân c a lao đ ng  nh h ng cùng chi u đ i v i GRDP. H n n a, tác gi cũng đã

ậ ườ ố ườ ứ ộ ỏ ở ả ỉ ế ố ắ c  g ng ti p c n đo l ng v n con ng i theo góc đ  chi phí và s c kh e. Tuy nhiên, đây tác gi ch  xem xét m c đ ứ ộ

ả ưở ế ố ố ự ư ả ộ ượ ự ả ưở ủ ỉ nh h ng các y u t v n con ng ườ ở ấ i c p đ  khu v c, ch a ph n ánh đ c s   nh h ng chung c a các t nh, thành

ụ ồ ờ ố ườ ố ườ ằ ủ ố ọ ộ ế ậ toàn qu c. Đ ng th i, ti p c n giáo d c chính quy đo l ng v n con ng i b ng s  năm h c bình quân c a lao đ ng mà

ế ố ư ạ ộ ch a quan tâm đ n s  lao đ ng đã qua đào t o.

ạ ươ ử ụ ở ộ ự ấ ả ị Ph m Đình Long và L ng Th  Mai Nhân (2018) s  d ng hàm s n xu t Cobb – Douglas m  r ng, xây d ng mô

ứ ả ưở ố ườ ế ị ươ ữ ệ ự ề hình nghiên c u xem xét  nh h ng v n con ng i đ n GRDP các đ a ph ng khu v c Mi n Trung. D  li u cũng đ ượ   c

ọ ọ ừ ố ệ ủ ụ ổ ộ ộ ươ ố ườ ch n l c t ố  s  li u c a T ng c c Th ng kê và B  Lao đ ng Th ộ ng binh và xã h i. V n con ng ườ ượ i đ c đo l ng theo

ế ậ ộ ồ ố ố ủ ộ ọ ụ ti p c n góc đ  giáo d c và chi phí bao g m t ỷ ệ  l sinh viên trên dân s , s  năm h c bình quân c a lao đ ng và chi tiêu

ụ ả ử ụ ưở ơ ở ự ể công cho giáo d c. Tác gi s  d ng mô hình tăng tr ng Mankiw – Romer – Weil (1992) đ  làm c  s  xây d ng mô hình

ữ ệ ự ứ ệ ấ ả ạ ồ ợ ố ầ   nghiên c u th c nghi m. H i quy d  li u b ng cho th y, mô hình d ng FEM là phù h p cho phân tích. Cũng gi ng Tr n

ọ ạ ủ ố ộ ượ ẳ ả ưở ẩ ọ Th  Đ t (2011), s  năm h c bình quân c a lao đ ng đ ị c kh ng đ nh  nh h ủ   ng thúc đ y tăng GRDP theo giá 2004 c a

ươ ữ ụ ế ơ ộ ị ươ ề ị các đ a ph ng. H n n a, chi tiêu công cho giáo d c tác đ ng đ n GRDP các đ a ph ự ng trong khu v c, đi u này khá

ớ ế ừ ứ ả ủ ứ ự ồ ổ ươ t ng đ ng v i k t qu  c a Đinh Phi H  và T  Đ c Hoàng (2016) khi nghiên c u khu v c ĐBSCL. Tuy nhiên, ch a đ ư ủ

ỏ ỷ ệ ả ố ưở ế ị ươ ế ố ố ặ ơ ở ứ c  c  ch ng t , t l sinh viên/dân s  có  nh h ng đ n GRDP các đ a ph ng. M t khác, y u t v n con ng ườ ượ   c i đ

ườ ư ề ậ ộ ứ ệ ươ ụ ư ế ộ ỏ ố đo l ng theo góc đ  giáo d c mà ch a đ  c p đ n góc đ c s c kh e. Ch a xem xét m i quan h  t ng quan không gian

ế ố ườ ố ườ ữ ị ươ ủ c a các y u t đo l ng v n con ng i gi a các đ a ph ng.

ệ ữ ố ự ệ ố ộ ị ườ ầ Phan Th  Bích Nguy t và c ng s  (2018) xem xét m i quan h  gi a v n con ng i và GRDP bình quân đ u ng ườ   i

ố ỉ ệ ả ế ậ ố ườ ụ ộ ủ c a các t nh/thành ph  Vi t Nam. Tác gi đã ti p c n v n con ng i theo góc đ c chi phí và giáo d c chính quy. Trong

ế ố ố ườ ụ ồ ộ ượ ộ ể ấ đó, y u t v n con ng ườ ượ i đ c đo l ng theo góc đ  giáo d c g m t ỷ ệ  l ộ  lao đ ng đ ọ   c chia thành các c p đ  ti u h c

ạ ọ ủ ẳ ọ ộ ượ ượ ự ườ ố và THCS, THPT, cao đ ng và đ i h c. S  năm h c bình quân c a lao đ ng cũng đ ọ c l a ch n đo l c đ ố ng v n con

ườ ượ ự ươ ứ ử ụ ướ ượ ủ ng i và đ ệ c th c hi n theo ph ng pháp c a Zhang & Zhuang (2011). Nghiên c u s  d ng c l ng SGMM (System

ớ ữ ệ ượ ậ ừ ề ế ố ộ Gerneralized Method of Moment) v i d  li u th c thu th p t Niên giám th ng k , B  thông tin và truy n thông trong

ả ờ ả ứ ằ ạ ở ệ ộ ộ kho ng th i gian 2000 ­ 2016. Các tác gi đã ch ng minh r ng, t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o trình đ  cao

ạ ọ ủ ả ọ ố ộ ưở ầ ườ ươ ẳ đ ng ­ đ i h c và s  năm h c bình quân c a lao đ ng  nh h ng làm tăng GRDP bình quân đ u ng ị i các đ a ph ng.

ụ ầ ộ ườ ề ỉ ệ ề Chi tiêu công cho giáo d c tác đ ng cùng chi u lên GRDP bình quân đ u ng i các t nh, thành, đây là đi u khác bi t so

ứ ạ ệ ữ ệ ả ố ọ ỉ ỉ ế ớ v i các nghiên c u t i Vi t Nam đã ch  ra. K t qu  này đã có nh ng đóng góp quan tr ng trong vi c ch  ra tăng v n con

ườ ầ ườ ế ạ ậ ố ườ ả ướ ng i làm tăng GRDP bình quân đ u ng i trong giai đo n dài và ti p c n v n con ng i theo c  h ụ ng giáo d c chính

ườ ố ườ ộ ứ ư ượ ề ậ ỏ ươ quy, chi phí. Tuy nhiên, đo l ng v n con ng i theo góc đ c s c kh e còn ch a đ c đ  c p và t ng quan không gian

ế ố ườ ố ườ ữ ị ươ ư ượ ẫ ủ c a các y u t đo l ng v n con ng i gi a các đ a ph ng v n ch a đ c xem xét.

ứ ổ ợ ả ướ ế ấ ứ ề B ng 2.2: T ng h p các nghiên c u trong n c liên quan đ n v n đ  nghiên c u

Tác gi , nămả

ữ ệ D  li u

ươ Ph ng pháp

ụ ộ ố ế ườ Bi n ph  thu c (Y) và v n con ng i (H)

ả K t quế

ạ ế H n ch

ầ ọ ạ Tr n Th  Đ t (2011)

ữ ệ ạ ỉ D  li u 61 t nh thành giai đo n 2000 – 2007.

ữ ệ ở ộ ả ồ H i quy d  li u b ng (hàm Cobb­Douglas m  r ng).

Y: GRDP

ỷ ệ ạ ủ ụ ỗ ố ộ ọ ộ H: T  l ộ  lao đ ng t i m i trình đ  giáo d c, s  năm h c bình quân c a lao đ ng.

ườ ề ớ ộ ế ố ố Các bi n s  v n con ng i tác đ ng cùng chi u v i GRDP.

ườ ố ườ ứ ế ạ ỏ ­ Đo l ng v n con ng ư i theo đào t o chính quy mà ch a xem xét đ n chi phí, s c kh e.

ề ễ ạ ị H  Th  Thi u Dao và Nguy n Đăng Khoa (2014)

ữ ệ ả ố ộ ỉ D  li u 8 t nh, thành ph  Duyên h i Nam Trung B  2000­2011

ữ ệ ở ộ ả ồ H i quy d  li u b ng (hàm Cobb­Douglas m  r ng).

Y: GRDP theo giá so sánh 1994.

ủ ọ ố ộ H: S  năm h c bình quân c a lao đ ng.

ủ ả ọ ố ộ ưở ự ị ươ S  năm h c bình quân c a lao đ ng  nh h ng tích c c GRDP các đ a ph ng.

ự ế ệ ạ ọ ố ườ ­ L a ch n bi n đ i di n cho v n con ng i còn ít.

Tác gi , nămả

ữ ệ D  li u

ươ Ph ng pháp

ụ ố ộ ế ườ Bi n ph  thu c (Y) và v n con ng i (H)

ả K t quế

ế H n chạ

ừ ứ ổ Đinh Phi H  và T  Đ c Hoàng (2016)

ữ ệ ạ ỉ D  li u 13 t nh ĐBSCL giai đo n 2006 – 2013.

ữ ệ ở ộ ả ồ H i quy d  li u b ng (hàm Cobb­Douglas m  r ng).

Y: GRDP theo giá 1994.

ố ủ ụ ộ ọ H: S  năm h c bình quân c a lao đ ng, chi tiêu công cho giáo d c và chi tiêu công cho y t ế .

ấ ả ự ế ề ộ ị ươ T t c  các y u t ố ế ố v n con ng ườ  đ u tác đ ng tích c c đ n GDP các đ a ph i ng theo giá 1994.

ỉ ­ Ch  phân tích theo vùng.

ư ộ ­ Ch a xem xét tác đ ng không gian.

ễ ạ Ph m Đình Long và Lê Nguy n Mai Nhân (2018)

ữ ệ ề ạ ỉ D  li u các t nh thành Mi n Trung giai đo n 2006 – 2014

ữ ệ ả ồ H i quy d  li u b ng (Mankiw et al, 1992).

Y: GDP theo giá 2004.

ụ ỷ ệ ố H: Chi tiêu công cho giáo d c, t l sinh viên/dân s , ọ ố s  năm h c bình quân .

ấ ả ế ố ố ườ ề ự ế ộ ị ươ T t c  các y u t v n con ng i đ u tác đ ng tích c c đ n GDP các đ a ph ng theo giá 2004.

­ Ch  phân tích theo vùng.

ỉ

­ Ch a xem xét t

ư ươ ế ố ườ ủ ng quan không gian c a các bi n v n con ng i.

Tác gi , nămả

ữ ệ D  li u

ươ Ph ng pháp

ụ ộ ố ế ườ Bi n ph  thu c (Y) và v n con ng i (H)

ả K t quế

ế H n chạ

ự ệ ễ ộ ị Nguy n Th  Bích Nguy t và c ng s  (2018)

ữ ệ ạ ố ỉ D  li u 63 t nh/ thành ph  giai đo n 2000­2016.

ả ồ ữ ệ H i quy d  li u b ng.

ầ ườ ủ ị ươ Y: GRDP bình quân đ u ng i c a các đ a ph ng.

ệ ộ ố ụ ủ ộ H: T  l ỷ ệ lao đ ng đang làm vi c đã qua đào t o ọ ạ , s  năm h c bình quân c a lao đ ng, chi tiêu công cho giáo d c.

ỷ ệ ủ ệ ạ ả ộ ộ ọ ưở ế ề T  l ố  lao đ ng đang làm vi c đã qua đào t o, s  năm h c bình quân c a lao đ ng  nh h ng cùng chi u đ n GRDP bình

quân.

­ Ch a xem xét đo l

ư ườ ố ườ ộ ứ ỏ ng v n con ng i theo góc đ  s c kh e.

Dữ liệu Việt Nam giai đoạn 1996 – 2017

ệ ễ ị ị Nguy n Th  Đông và Lê Th  Kim Hu  (2019)

ờ ồ ỗ H i quy chu i th i gian

(Mankiw et al, 1992).

Y: GDP bình quân theo lao đ ng.ộ

ệ ộ H: T  l ạ .  ỷ ệ lao đ ng đang làm vi c đã qua đào t o

ỷ ệ ự ế ệ ạ ộ ộ T  l ộ  lao đ ng đang làm vi c đã qua đào t o tác đ ng tích c c đ n GDP bình quân theo lao đ ng.

ườ ố ế ­ S  bi n đo l ng ố v n con ng ườ  còn ít. i

­ Ch a xem xét góc đ  đ a ph

ộ ị ư ươ ng.

Nguồn: Tổng hợp của tác giả, 2020

ễ ệ ị ị ườ ưở ủ ố ườ ế Nguy n Th  Đông và Lê Th  Kim Hu  (2019) đo l ứ ộ ả ng m c đ   nh h ng c a v n con ng i đ n GDP bình quân

ộ ạ ệ ượ ả ử ụ ữ ệ ơ ở ứ theo lao đ ng t i Vi t Nam. Mô hình Mankiw et al (1992) đ c tác gi ỗ    s  d ng làm c  s  cho nghiên c u. D  li u chu i

ờ ượ ọ ệ ạ ộ ượ th i gian đ ạ c ch n trong giai đo n 1996 – 2017 và t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o đ ế   c xem xét làm bi n

ằ ỉ ệ ạ ộ ệ ạ đ i di n cho ố v n con ng ế ườ . K t qu ả ướ ượ c l i ng ch  ra r ng, t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o đóng góp 14%

ầ ư ộ ố ấ ả ưở vào tăng GDP bình quân theo lao đ ng, trong khi v n đ u t không tìm th y  nh h ự ấ ậ   ng. Nguyên nhân là do s  b t c p

ổ ố ầ ư ơ ấ ự ự ể ề ạ ộ ị trong phân b  v n đ u t và đào t o lao đ ng không d a vào s  chuy n d ch c  c u các ngành ngh , vì th ố ế v n con

ấ ượ ư ượ ụ ậ ả ạ ứ ộ ả ng i ườ có ch t l ng ch a đ c phát huy và t n d ng. Tuy nhiên, các tác gi ỉ ừ  ch  d ng l i đánh giá m c đ   nh h ưở   ng

ả ướ ế ộ ư ả ưở ị ươ ố v n con ng ườ đ n GDP bình quân theo lao đ ng c  n i c mà ch a xem xét  nh h ủ ừ ng GRDP c a t ng đ a ph ơ   ng. H n

ườ ế ư ử ụ ứ ả ượ ưở ế ữ n a, bi n đo l ng ố v n con ng ườ s  d ng trong nghiên c u còn ít, vì th  ch a ph n ánh đ i ế ự ả c h t s   nh h ng v nố

con ng ố ớ i ườ đ i v i GDP.

ầ ạ ệ ề ả ế ậ ể ệ ố G n đây, t i Vi t Nam đã có nhi u tác gi ti p c n mô hình kinh t ế ượ  l ng không gian đ  xem xét m i liên h  kinh

ươ ị ồ ủ ự ế ễ ạ ấ ỏ ỉ ế ở ấ t ộ ị  c p đ  đ a ph ẩ   ng. Nguy n Th  H ng Đào và Ph m Th  Anh (2012) ch  ra, có s  lan t a không gian c a xu t kh u

ầ ư ự ế ố ướ ế ế ạ ệ ệ ừ t ệ  các doanh nghi p có v n đ u t tr c ti p n c ngoài (FDI) trong ngành công nghi p ch  bi n t i Vi t Nam v i d ớ ữ

ự ộ ụ ủ ệ ễ ấ ạ ắ ố ấ ổ ợ li u chéo. Nguy n Kh c Minh và Ph m Anh Tu n (2015) đã xem xét s  h i t c a nhân t năng su t t ng h p (TFP)

ệ ướ ả ưở ủ ừ ế ố ệ ầ ấ ả ị công nghi p d i  nh h ng c a FDI t ậ  ti p c n kinh t ế ượ  l ng không gian s  li u b ng. Tr n Th  Tu n Anh (2017) ch ỉ

ố ươ ủ ế ữ ị ươ ự ộ ụ ị ra m i t ng quan không gian c a quy mô kinh t gi a các đ a ph ể ng thông qua ki m đ nh s  h i t ệ ố    beta tuy t đ i.

ử ụ ư ễ ắ ả ồ Nguy n L u B o Đoan và Lê Văn Th ng (2017), s  d ng h i quy không gian mô hình SDM xem xét các y u t ế ố ả     nh

ưở ủ ế ỉ ệ ứ ủ ễ ả ọ ỳ h ng đ n FDI c a các t nh, thành Vi t Nam. Ngoài ra, các nghiên c u c a Nguy n Chí H i và Hu nh Ng c Ch ươ   ng

ự ươ ẳ ằ ữ ị ươ ạ ế ọ ị (2018) đã kh ng đ nh r ng, có s  t ủ ng quan không gian c a GDP gi a các đ a ph ng t i vùng kinh t ể  tr ng đi m phía

ơ ữ ự ươ ễ ằ ắ ấ ầ ỉ ị ậ Nam. H n n a, Tr n Th  Tu n Anh và Nguy n Văn Th ng (2019) đã ch  ra r ng có s  t ề   ng quan không gian thu n chi u

ữ ị ươ ạ ệ ự ẳ ạ ộ ị GRDP gi a các đ a ph ng t i Vi t Nam giai đo n 2010 – 2017. Võ Xuân Vinh và c ng s  (2020) cũng kh ng đ nh có s ự

ủ ữ ị ươ ầ ư ế ộ ỏ ỉ ươ t ng quan không gian c a GRDP gi a các đ a ph ng và đ u t công tác đ ng lan t a không gian đ n GRDP t nh, thành.

ế ậ ư ứ ề ớ ỉ ượ ự ươ Nhìn chung, các nghiên c u tuy ti p c n phân tích v i nhi u cách khác nhau nh ng đã ch  ra đ c có s  t ng quan không

ủ ữ ị ươ ủ ố ườ ế ị ươ gian c a GRDP gi a các đ a ph ng. Do đó, khi phân tích vai trò c a v n con ng i đ n GRDP các đ a ph ng mà không

ộ ươ ị ệ ế ượ ư ẽ ế ấ ả ủ ộ xem xét góc đ  t ng quan không gian s  làm k t qu  phân tích b  ch nh và ch a th y h t đ c tác đ ng c a nó.

ạ ữ ướ ữ ứ ấ ằ ả ưở ủ ố Tóm l ứ i, nh ng nghiên c u trong và ngoài n c cho th y nh ng b ng ch ng  nh h ng c a v n con ng ườ ố ớ   i đ i v i

ế Ướ ượ ứ ủ ữ ệ ả ồ ỗ ờ ồ quy mô kinh t c l . ng h i quy chu i th i gian hay h i quy d  li u b ng, các nghiên c u c a các tác gi ả ồ Qadri g m

ễ ị & Waheed (2011), Ferda (2011), Kanayo (2013), Ada & Acaroglu (2014), Pelinescu (2015), Afridi (2016), Nguy n Th  Đông

ấ ả ệ ị ưở ố ở ấ ộ ố ộ ố Ở và Lê Th  Kim Hu  (2019) đã tìm th y  nh h ng c a ủ v n con ng ườ lên GDP i c p m t qu c đ  qu c gia. đây, v nố

ượ ườ ở ố ượ ộ con ng i ườ đ c đo l ng b i các y u t ế ố ư chi tiêu công cho giáo d cụ ; chi tiêu công cho y t nh ;ế  s  l ng lao đ ng đang có

ố ượ ệ ọ ằ ậ ậ ọ ộ vi c làm có trình đ  trung h c và s  l ế t ng b ng sáng ch ; ỷ ệ  l nh p h c theo b c h c ọ ; t ỷ ệ  l sinh/1000 ng ườ ỷ ệ ử   l i; t t

ở ẻ ơ ườ ọ Ở ấ ộ ị ươ ử ụ ướ ượ ứ ề vong tr  s  sinh/1000 ng ổ i; tu i th . ự  c p đ  khu v c hay đ a ph ng, nhi u nghiên c u đã s  d ng c l ồ   ng h i

ữ ệ ể ả ả ưở ế ố ủ ườ ố quy d  li u b ng đ  phân tích  nh h ng c a các y u t đo l ng ố v n con ng ườ lên GRDP. Trong đó, v n con ng i ườ   i

ượ ườ ụ ủ ộ ộ ở ỗ ấ ọ ạ ọ ố ườ đ c đo l ng thông qua trình đ  giáo d c c a lao đ ng m i c p h c; s  sinh viên đang theo h c t i các tr ng cao

ạ ọ ụ ở ọ ủ ấ ọ ộ ẳ đ ng, đ i h c; t ỷ ệ  l tham gia giáo d c ố  các c p h c; trung bình s  năm đi h c c a lao đ ng; ọ ủ ố s  năm đi h c c a dân s  t ố ừ

ượ ấ ở ổ ở 25 tu i tr  lên đ c tìm th y ứ ủ  các nghiên c u c a các tác gi ả Zhang & Zhuang (2011), Lima & Silveira Neto (2015), Su &

ứ ườ ợ ỉ Liu (2016), Li và Wang (2016), Benos & Karagiannis (2016), Baudino (2016). Nghiên c u cho tr ng h p các t nh, thành

ệ ứ ủ ả ử ụ ấ ả ả ồ ưở ế ố ủ Vi t Nam, nghiên c u c a các tác gi ữ ệ  cũng s  d ng h i quy d  li u b ng tìm th y  nh h ng c a các y u t đo l ườ   ng

ế ưở ươ ồ ố v n con ng ườ lên quy mô kinh t i hay tăng tr ng kinh t ế ở ị  các đ a ph ng g m chi tiêu công cho giáo d c ụ ; chi tiêu công

ệ ạ ộ ạ ụ ỗ ộ ọ cho y tế; t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o; t ỷ ệ  l ộ  lao đ ng t ủ   ố i m i trình đ  giáo d c; s  năm h c bình quân c a

ố ệ ự ự ế ệ ạ ọ ố ườ ộ lao đ ng; t ỷ ệ  l sinh viên/dân s . Nhìn chung , có s  khác nhau trong vi c l a ch n bi n đ i di n cho v n con ng i trong

ứ ự ệ ệ ụ ể ủ ồ ố ệ ỗ ị ụ ề ộ ươ mô hình nghiên c u. S  khác bi t này ph  thu c vào ngu n s  li u, đi u ki n c  th  c a m i đ a ph ộ   ụ ng và ph  thu c

ụ ứ ữ ự ệ ơ ọ ưở ủ ố ể vào m c đích nghiên c u. H n n a, vi c xem xét l a ch n mô hình tăng tr ộ ng đ  đánh giá tác đ ng c a v n con ng ườ   i

ế ưở ế ươ ể ệ ả ố ớ đ i v i quy mô kinh t hay tăng tr ng kinh t ị  các đ a ph ề ng còn có nhi u đi m khác bi t. Mô hình hàm s n xu t ấ Cobb­

ở ộ ưở ượ ề ả ư ứ ự ọ Douglas m  r ng và mô hình tăng tr ng Mankiw et al (1992) đ c nhi u tác gi u tiên l a ch n nghiên c u. Đã có

ữ ự ứ ế ả ỏ ố ưở ế ươ ỉ nh ng k t qu  nghiên c u ch  ra s  lan t a không gian c a ủ v n con ng ố ớ ườ đ i v i tăng tr i ng kinh t ị  các đ a ph ủ   ng c a

ệ ố Brazil và Trung Qu c qua các nghiên c u c a ứ ủ Lima & Silveira Neto (2015), Baudino (2016). Tuy nhiên, vi c phân tích lan

ỉ ừ ạ ử ụ ớ ườ ộ ố ề ậ ọ ợ ỏ t a không gian ch  d ng l i s  d ng m t mô hình SDM và mô hình SAR v i tr ng h p ma tr n tr ng s  li n k . ề T iạ

ệ ế ậ ườ ố ộ ỉ ề ệ ề Vi t Nam, ti p c n đo l ng v n con ng ườ ở ấ i ẫ  c p đ  t nh, thành v n còn nhi u khác bi t. Ngoài ra, Nhi u tác gi ả ứ    ch ng

ượ ứ ủ ự ữ ư ấ ầ ỏ ỉ ị minh đ ễ   c có s  lan t a không gian GRDP gi a các t nh, thành nh  nghiên c u c a Tr n Th  Tu n Anh (2017), Nguy n

ứ ự ư ự ế ả ắ ỏ ộ L u B o Đoan và Lê Văn Th ng (2017), Võ Xuân Vinh và c ng s  (2020). Chính vì th , nghiên c u s  lan t a không gian

ế ố ườ ố ườ ữ ị ươ ế ủ c a các y u t đo l ng v n con ng i gi a các đ a ph ầ ng là c n thi t.

Ứ Ả Ố 2.4 KHO NG TR NG NGHIÊN C U

ế ổ ơ ở ự ứ ệ ả ộ ố ấ ề ấ D a vào c  s  lý thuy t, t ng quan tài li u nghiên c u liên quan, tác gi tìm th y m t s  v n đ  mà các tác gi ả

ứ ướ ư ề ậ ế nghiên c u tr ụ ể c ch a đ  c p đ n. C  th :

ứ ượ ộ ỉ ế ề ấ ấ ộ ố ỉ ượ ự ­ Các nghiên c u đ c ti n hành theo c p đ  t nh, thành hay c p đ  qu c gia đ u ch  ra đ ủ ố   ộ c s  tác đ ng c a v n

ườ ả ộ ề ạ ặ ộ ả ệ ử ụ ươ con ng i lên GDP trong m t năm ho c trong c  m t giai đo n nào đó. Nhi u tác gi Vi t Nam đã s  d ng ph ng pháp

ủ ố ữ ệ ữ ệ ả ồ ườ ế ị ươ ồ h i quy d  li u chéo hay h i quy d  li u b ng phân tích vai trò c a v n con ng i đ n GRDP các đ a ph ng hay GDP

ươ ả ưở ủ ố ỏ ườ ữ ủ ả ướ c a c  n c. Tuy nhiên, t ng quan không gian hay  nh h ng lan t a không gian c a v n con ng i lên GRDP gi a các

ươ ệ ư ượ ệ ủ ế ố ư ẽ ế ế ố ườ ị đ a ph ng Vi t Nam ch a đ ệ c xét đ n, do đó s  ch a phát hi n h t m i liên h  c a các y u t đo l ố ng v n con

ườ ng i và GRDP.

ứ ướ ạ ệ ố ườ ớ ề ộ ồ ­ Nghiên c u tr c đây t i Vi ế ậ t Nam đã ti p c n v n con ng i v i nhi u góc đ  khác nhau bao g m chi phí, đào

ứ ỏ ố ườ ạ t o chính quy, s c kh e. V n con ng ườ ượ i đ c đo l ng b i ở chi tiêu công cho giáo d cụ ; chi tiêu công cho y tế, t ỷ ệ  l lao

ủ ệ ạ ọ ộ ỷ ệ ọ ỷ ệ ế ố ộ đ ng đang làm vi c đã qua đào t o, s  năm h c bình quân c a lao đ ng, t h c sinh/giáo viên, t l bi l t ch , t ữ ỷ ệ l

ứ ậ ọ ướ ướ ứ ượ ế ố ườ ố nh p h c. Các nghiên c u trong n c và ngoài n c đã ch ng minh đ ủ c vai trò c a các y u t đo l ng v n con ng ườ   i

ố ố ớ ấ ỉ ữ ẫ ẫ ố ệ ế ố ệ ọ ả ấ c  c p qu c gia l n c p t nh/thành ph  đ i v i GDP. Tuy nhiên, v n còn có nh ng khác bi t trong vi c ch n y u t nào

ườ ố ườ ể ả ưở ủ ế ị ươ ệ đo l ng v n con ng i đ  xem xét  nh h ng c a nó đ n GRDP cho các đ a ph ng Vi t Nam.

ệ ự ọ ưở ủ ố ể ườ ố ớ ề ­ Vi c l a ch n mô hình tăng tr ng nào đ  phân tích vai trò c a v n con ng ể   i đ i v i GRDP còn có nhi u đi m

ệ ộ ố ứ ậ ưở ộ ố ế ổ ể ậ khác bi ế t. M t s  nghiên c u ti p c n mô hình tăng tr ng c  đi n, trong khi m t s  ti p c n theo mô hình tăng tr ưở   ng

ổ ể ưở ủ ố ầ ộ ị ườ tân c  đi n, mô hình tăng tr ng n i sinh. Do đó, c n xác đ nh xem khi phân tích vai trò c a v n con ng ế   i lên GRDP ti p

ưở ợ ườ ệ ậ c n theo mô hình tăng tr ng nào là phù h p cho tr ợ ng h p Vi t Nam.

ể ắ ứ ụ ữ ế ẽ ề ạ ậ ấ ơ Đ  kh c ph c nh ng h n ch  trên, trong lu n án này s  xem xét nghiên c u sâu h n các v n đ  sau:

ộ ả ế ủ ố ứ ậ ố ườ ố ớ M t là, tác gi ti p c n nghiên c u th ng kê không gian phân tích vai trò c a v n con ng i đ i v i quy mô kinh

ộ ố ườ ế ủ ỉ ệ ứ ấ ượ ấ ừ ữ ệ ế ụ ể t , c  th  là phân tích tác đ ng v n con ng i đ n GRDP c a các t nh, thành Vi t Nam. D  li u th  c p đ c l y t các

ố ằ ụ ụ ạ ố ổ ố ố Niên giám th ng kê do T ng c c th ng kê công b  h ng năm trong giai đo n 2010 ­ 2017. Áp d ng th ng kê không gian

ả ưở ế ố ủ ườ ố ườ ị ươ ệ phân tích  nh h ng không gian c a các y u t đo l ng v n con ng i lên GRDP các đ a ph ủ ng c a Vi t Nam.

ơ ở ế ế ữ ệ ẵ ự ế ấ ồ Hai là, trên c  s  các lý thuy t kinh t liên quan, d a trên ngu n d  li u s n có và tham v n ý ki n chuyên gia t ạ   i

ả ọ ộ ả ế ố ự ọ ườ ố ườ ị ươ ệ H i th o khoa h c, tác gi xem xét l a ch n các y u t đo l ng v n con ng i cho các đ a ph ng Vi t Nam.

ươ ụ ế ể ằ ộ ị Ba là, phân tích t ng quan không gian b ng ki m đ nh Global Moran’s I và Local Moran’s I cho bi n ph  thu c và

ườ ố ườ ả ự ề ạ ọ ườ ậ ợ ố ọ ế các bi n đo l ng v n con ng i c  giai đo n 2010 – 2017. L a ch n nhi u tr ng h p ma tr n tr ng s  không gian phân

ế ố ủ ỏ ườ ố ườ ế ị ươ tích lan t a không gian c a các y u t đo l ng v n con ng i đ n GRDP các đ a ph ng.

Ậ Ế ƯƠ K T LU N CH NG 2

ươ ế ề ố ườ ườ ố ớ Ch ơ ở ng 2 đã khái quát các c  s  lý thuy t v  v n con ng ủ ố i, vai trò c a v n con ng i trong đ i v i quy mô kinh

ứ ẳ ị ượ ằ ườ ưở ự ế ế t . Các nghiên c u liên quan đã kh ng đ nh đ ố c r ng, v n con ng ả i có  nh h ng tích c c lên quy mô kinh t , nghĩa là

ế ố ườ ố ườ ẽ ố ị ươ ả tăng các y u t đo l ng v n con ng i s  làm cho GDP các qu c gia hay đ a ph ng tăng lên. Tác gi ấ    cũng tìm th y

ư ệ ự ế ố ữ ổ ọ ườ ố ườ ư ế ứ nh ng khe h ng nghiên c u nh  vi c l c ch n y u t đo l ng v n con ng i, ch a xem xét quy mô kinh t ỏ    hay lan t a

ế ố ườ ố ườ ố ớ ị ươ ẫ ệ ự ọ ủ không gian c a các y u t đo l ng v n con ng i đ i v i GRDP các đ a ph ng hay v n còn các khác bi t l a ch n mô

ưở ơ ở ừ ả ậ ứ ề ệ ệ ấ hình tăng tr ng làm c  s  phân tích. T  đó, tác gi ự  lu n án đ  xu t bi n pháp th c hi n trong nghiên c u này.

ƯƠ

Ứ

Ế

CH

Ế NG 3 THI T K  NGHIÊN C U

ộ ươ ươ ế ố ự ọ ườ ố ườ ị N i dung ch ng này trình bày ph ng pháp l a ch n y u t đo l ng v n con ng i, xác đ nh khung phân tích.

ề ấ ữ ệ ứ ự ế ả ỏ ồ ế   Xây d ng các thuy t nghiên c u và đ  xu t mô hình h i quy không gian d  li u b ng phân tích lan t a không gian các y u

ườ ố ườ ế ị ươ ố ươ ả ươ ố t đo l ng v n con ng i đ n GRDP các đ a ph ng. Cu i ch ng, tác gi trình bày ph ng pháp ướ ượ c l ể   ng và ki m

ữ ệ ả ồ ị đ nh mô hình h i quy không gian d  li u b ng.

Ọ Ế Ố Ự ƯỜ 3.1 L A CH N Y U T  ĐO L Ố NG CHO V N CON NG ƯỜ I

ế ố ổ ườ ố ứ ướ ợ 3.1.1 T ng h p các y u t đo l ng v n con ng ườ ừ i t các nghiên c u tr c

ố ủ ứ ữ ệ ế ệ ộ ườ ượ V n con ng ườ ượ i đ ỹ c khái ni m là nh ng ki n th c, k  năng và kinh nghi m c a m t ng i có đ c thông qua quá

ọ ậ ệ ế ậ ạ ị ượ ể ư ế ườ ố ợ trình h c t p, đào t o và rèn luy n. Có 3 cách ti p c n đ nh l ng đ  đ a ra bi n đo l ng phù h p cho v n con ng ườ   i

ế ậ ế ậ ế ậ ụ ệ ậ ồ ộ ộ ị bao g m ti p c n giáo d c chính quy, ti p c n góc đ  chi phí và ti p c n theo góc đ  thu nh p (Phan Th  Bích Nguy t và

ự ứ ề ướ ố ỉ ườ ượ ườ ế ộ c ng s , 2018). Nhi u nghiên c u trong và ngoài n c cũng ch  ra, v n con ng i còn đ c đo l ậ   ng theo cách ti p c n

ế ệ ự ế ệ ạ ố ọ ườ ữ ẽ ế ỏ ứ s c kh e hay y t . Vi c l a ch n bi n đ i di n v n con ng i khác nhau s  cho nh ng k t qu ả ướ ượ c l ng khác nhau

ầ ọ ạ (Tr n Th  Đ t, 2011).

ố ớ ộ ị ụ ọ ưở ể ế ị ươ ạ Giáo d c có m t v  trí quan tr ng đ i v i tăng tr ng và phát tri n kinh t đ a ph ng (Ph m Đình Long và L ươ   ng

ỹ ị ượ ạ ụ ạ ở ố ườ ế ố ủ ữ ộ Th  Mai Nhân, 2018). Các k  năng đ c t o ra b i giáo d c và đào t o, v n con ng i là m t trong nh ng y u t c a quá

ớ ố ữ ấ ế ợ ứ ủ ế ẩ ạ ả ạ ả ườ ẽ ạ trình s n xu t k t h p v i v n h u hình t o ra các s n ph m, bên c nh đó ki n th c c a con ng ạ   ự i s  t o ra s  sáng t o,

ộ ế ố ơ ả ể ể ế ứ ề ướ ườ ố ườ m t y u t c  b n đ  phát tri n kinh t (Mincer, 1989). Nhi u nghiên c u tr c đây đo l ng v n con ng i theo góc đ ộ

ư ỷ ệ ụ ỉ ậ ố ọ ọ ệ ộ ằ giáo d c chính quy b ng các ch  tiêu nh  t l nh p h c, s  năm h c bình quân, t ỷ ệ  l lao đ ng đang làm vi c đã qua đào

ố ụ ở ừ ọ ạ t o, s  sinh viên, t ỷ ệ  l tham gia giáo d c ấ  t ng c p h c.

ế ố ổ ợ ả ườ ố ườ B ng 3.1: T ng h p các y u t đo l ng v n con ng i

Nguồn

STT Tên biến Tiếp cận theo giáo dục chính quy

Tỷ lệ nhập học

1

2

Số năm đi học bình quân

3

Tỷ lệ lao động qua đào tạo

4 5

Qadri & Waheed (2011), Kanayo (2013), Sử Đình Thành và Đoàn Vũ Nguyên (2015) Lima & Silveira Neto (2015), Baudino (2016), Trần Thọ Đạt (2011), Hạ Thị Thiều Dao và Nguyễn Đăng Khoa (2014), Đinh Phi Hổ và Từ Đức Hoàng (2016), Phạm Đình Long và Lương Thị Mai Nhân (2018), Phan Thị Bích Nguyệt và cộng sự (2018) Zhang & Zhuang (2011), Pelinescu (2015), Trần Thọ Đạt (2011), Phan Thị Bích Nguyệt và cộng sự (2018), Nguyễn Thị Đông và Lê Thị Kim Huệ (2019) Su & Liu (2016) Li và Wang (2016), Benos & Karagiannis (2016)

Số sinh viên Tỷ lệ tham gia giáo dục ở từng cấp học

Tiếp cận theo chi phí

1

Chi tiêu công cho giáo dục

2

Chi tiêu công cho y tế

Kanayo (2013), Pelinescu (2015), Đinh Phi Hổ và Từ Đức Hoàng (2016), Phạm Đình Long và Lương Thị Mai Nhân (2018), Phan Thị Bích Nguyệt và cộng sự (2018) Qadri & Waheed (2011), Ferda (2011), Đinh Phi Hổ và Từ Đức Hoàng (2016)

Tiếp cận theo y tế

1 2 3

Tỷ lệ tử vong ở trẻ Tỷ lệ sinh Tuổi thọ

Sử Đình Thành và Đoàn Vũ Nguyên (2015) Ada & Acaroglu (2014), Afridi (2016) Ada & Acaroglu (2014)

Nguồn: Tổng hợp của tác giả, 2020

ườ ế ọ ế ế ườ ế ữ ộ Romer (1989) đã dùng t ỷ ệ  l ng i bi t đ c, bi t vi ế ố t thay th  v n con ng i. Bi ế t ch  là m t bi n tích lũy, tuy

ộ ố ứ ụ ộ ỉ ỷ ệ ế ữ ở ữ ể ầ ố ằ nhiên m t s  nghiên c u ch  ra r ng, do trình đ  giáo d c cao mà t bi l t ch nh ng qu c gia phát tri n g n nh ư

ự ằ ồ ộ ỷ ệ ế ộ ế ố ữ ươ t ng đ ng (Benhabid & Spiegel, 1994). Stroombergen và c ng s  (2002) cho r ng, t bi l t ch  là m t y u t hình

ườ ế ố ư ư ả ượ ứ ộ ế ữ ồ ả ế ữ ố thành v n con ng i, nh ng y u t này ch a ph n ánh đ c m c đ  bi ờ t ch , đ ng th i kh  năng bi t ch  cũng không

ụ ủ ụ ữ ấ ồ ớ ộ ộ ố ỗ ố ươ t ng đ ng v i trình đ  giáo d c c a m i qu c gia. Theo Jacobs (2002), nh ng qu c gia có trình đ  giáo d c th p có th ể

ườ ố ườ ằ ế ố ụ ữ ể ố ộ ườ đo l ng v n con ng i b ng y u t này, ng ượ ạ c l i nh ng qu c gia trình đ  giáo d c phát tri n cao thì đo l ố ng v n con

ườ ằ ạ ợ ỉ ệ ượ ườ ố ừ ng i b ng ch  tiêu này là không phù h p. T i Vi t Nam, t ỷ l ệ ế  bi t ch ữ đ c đo l ằ ng b ng t ỷ ệ  l dân s  t 15 tu i tr ổ ở

ể ọ ế ộ ố ủ ề ả ộ ơ ườ ỉ lên có th  “đ c và vi t m t câu đ n gi n v  cu c s ng hàng ngày c a ng i đó” (UNESCO, 1993). T uy nhiên, ch  tiêu

ượ ế ố ơ ả ạ ể ề ấ ỏ ư ả này có nh c đi m là nó đã b  qua r t nhi u các y u t c  b n t o thành ố v n con ng ườ  nh  kh  năng tính toán, phân i

ứ ề ệ ế ầ ọ ị ự ề ề ạ ị tích, ki n th c v  khoa h c và công ngh  (Tr n Th  Thùy Linh, 2014). ấ   ộ  H  Th  Thi u Dao và c ng s  (2014) cũng đ  xu t

ườ ố ườ ế ố ả ưở ế ị ươ ỷ ệ ế t bi l ữ t ch  đo l ng v n con ng i trong khung phân tích các y u t nh h ng đ n GRDP các đ a ph ư   ng nh ng

ư ả ưở ủ ế ố ủ ữ ế ạ không đ a vào phân tích  nh h ng c a nó lên GRDP vì nh ng h n ch  nêu trên c a y u t này.

ỷ ệ ụ ọ ượ ố ọ ế ằ ườ ạ ộ ấ ấ ị T  l tham gia giáo d c hay t ỷ ệ  l đi h c đ c tính toán b ng s  h c sinh đ n tr ng t ọ i m t c p h c nh t đ nh

ố ở ả ế ổ ị ườ ạ ấ ầ ọ ớ ổ nào đó so v i t ng dân s nhóm tu i mà theo quy đ nh ph i đ n tr ng t ị i c p h c đó (Tr n Th  Thùy Linh, 2014). Có

ề ả ử ụ ể ườ ố ườ ư nhi u tác gi ế  đã s  d ng bi n này đ  đo l ng v n con ng i nh  Barro (1992), Levine (1992), Gemmell (1996), Li và

ả ằ ườ ầ ư ệ ạ Wang (2016), Benos & Karagiannis (2016). Các tác gi ỉ  cho r ng ch  tiêu này đo l ng đ u t hi n t ố i vào v n con ng ườ   i

ả ượ ố ườ ươ ỷ ư ọ ườ ữ ạ ẽ ượ s  đ c ph n ánh trong l ng v n con ng i trong t ng lai. Tuy nhiên, t đi h c ch a đo l ủ   ng nh ng khía c nh c a

ấ ượ ọ ạ ả ả ụ ầ ớ ỉ ượ ứ ộ ầ ư ủ ướ ch t l ng giáo d c (Tr n Th  Đ t, 2011). Nó m i ch  ph n  nh đ c m c đ  đ u t c a nhà n ố c vào v n con ng ườ   i

ượ ự ố ườ ề ế ậ ộ ể ệ mà th  hi n đ c s  tích lũy v n con ng i (Benhabid & Spiegel, 1994). Đ  tin c y v  lý thuy t không cao, do t ỷ ệ    đi l

ế ố ỉ ữ ườ ự ượ ế ả ộ ưở ề ọ h c là y u t ch  nh ng ng i không tham gia vào l c l ng lao đ ng, chính vì th  nó không có  nh h ố ớ   ng nhi u đ i v i

ế ố ệ ỉ ườ ầ ư ồ ố ố ườ ơ ượ GDP hi n hành (Permani, 2009). Do y u t này ch  đo l ng lu ng v n đ u t vào v n con ng i h n là l ố ng v n con

ườ ụ ủ ữ ượ ự ả ỉ ố ườ ầ ị ng i nên nó ch  ph n ánh s  tích lũy liên t c c a tr  l ng v n con ng i (Tr n Th  Thùy Linh, 2014). H n n a, t ơ ữ ỷ ệ    đi l

ệ ạ ả ượ ụ ủ ố ộ ườ ươ ọ h c hi n t i không ph n ánh đ c trình đ  giáo d c c a v n con ng i trong t ng lai (Psacharopoulos, 1986).

ố ọ ượ ứ ử ụ ụ ạ ữ ệ ế ằ ắ S  năm h c bình quân là c ỉ h  tiêu đ ị ạ   c nghiên c u s  d ng nh m kh c ph c h n ch  khi d  li u phân tích b  h n

ế ồ ờ ỉ ượ ụ ượ ủ ể ỉ ch  (Benhabid và Spiegel, 1994). Đ ng th i, ch  tiêu này cũng đ ắ c cho là kh c ph c nh c đi m c a hai ch  tiêu t ỷ ệ   l

ế ữ ỷ ệ ậ ọ ượ ấ ượ ể ạ bi t ch , t l ế  nh p h c. Bi n này còn đ ử ụ c Barro & Lee (1996) s  d ng đ  đánh giá ch t l ụ ng giáo d c. T i Vi ệ   t

ủ ố ọ ộ ượ ứ ự ề ọ ườ ố ườ Nam, s  năm h c bình quân c a lao đ ng cũng đ c nhi u nghiên c u l a ch n đo l ng v n con ng ư ầ i nh  Tr n Th ọ

ự ệ ạ ạ ộ ị ươ ị Đ t (2011), Phan Th  Bích Nguy t và c ng s  (2018), Ph m Đình Long và L ng Th  Mai Nhân (2018). Tuy nhiên,

ủ ể ằ ố ọ ộ ườ ượ ứ ộ ấ ượ ủ Permani (2009) cho r ng, s  năm h c bình quân c a lao đ ng không th  đo l ng đ c m c đ  ch t l ụ   ng c a giáo d c.

ể ộ ố ỉ ườ ở ặ ố ố ớ ố ọ Ông ch  ra m t năm h c có th  làm v n con ng i tăng ử ụ    qu c gia này không gi ng v i qu c gia khác. M t khác, s  d ng

ề ạ ỉ ị ưở ườ ệ ọ ố ch  tiêu này nhi u lúc làm phóng đ i giá tr  tăng tr ố ng trong v n con ng ừ   ị i. Ngoài ra, vi c xác đ nh tr ng s  cho t ng

ọ ể ứ ự ố ọ ấ c p h c đ  tính toán s  năm h c bình quân cũng có s  khác nhau trong các nghiên c u.

ế ậ ộ ế ứ ỏ ỷ ệ ử ở ẻ ỷ ệ ọ ượ ấ ả ưở Ti p c n theo góc đ  y t (hay s c kh e) thì t l t vong tr , t l ổ  sinh, tu i th  đ c tìm th y  nh h ế   ng đ n

ứ ướ ủ ử GDP trong các nghiên c u tr c đây c a Ada & Acaroglu (2014), S  Đình Thành và Đoàn Vũ Nguyên (2015), Afridi (2016).

ả ư ứ ạ ấ ệ ể ả ưở ố ớ ủ ạ ươ Tác gi ch a tìm th y các nghiên c u t i Vi t Nam đ  xem xét  nh h ng c a nó đ i v i GRDP t ị i các đ a ph ng. Các

ườ ậ ở ế ồ ộ ỷ ệ ẻ ỷ ổ ọ ế ố y u t đo l ng theo ti p c n góc đ  này bao g m t tr  em t l vong, t ỷ ệ  l ư    sinh hay tu i th  trung bình cũng ch a

ả ả ấ ượ ế ủ ộ ph n  nh h t ch t l ng c a lao đ ng.

ỷ ệ ạ ộ ượ ự ướ ệ ạ ố T  l ệ  lao đ ng đang làm vi c đã qua đào t o cũng đ ọ c l a ch n làm th c đo đ i di n cho v n con ng ườ ở  i

ứ ề ồ ờ ượ ướ ụ ượ ắ ợ ữ ế ạ ườ ướ nhi u nghiên c u, đ ng th i đây đ c coi là th c đo phù h p, kh c ph c đ c nh ng h n ch  cách đo l ng tr c đây.

ướ ứ ố ệ ả ườ ủ ỗ ị ươ ẫ ấ ư Th c đo này tuy không ph n ánh toàn di n m c v n con ng i c a m i đ a ph ng nh ng v n r t ý nghĩa khi xem xét

ụ ế ủ ừ ủ ậ ỉ ệ ọ ạ ầ ạ ộ vai trò c a t ng b c giáo d c đ n GRDP các t nh, thành c a Vi t Nam (Tr n Th  Đ t, 2011). Lao đ ng qua đào t o cũng

ế ố ượ ử ụ ể ườ ườ là y u t đ c các tác gi ả Zhang & Zhuang (2011), Pelinescu (2015) s  d ng đ  đo l ng ố v n con ng ườ  cho tr i ợ   ng h p

ủ ố ỉ ứ ạ ề ệ ằ ộ ở ừ ọ các t nh, thành Trung Qu c và c a Châu Âu. Nhi u nghiên c u t i Vi t Nam cho r ng, t ỷ ệ  l lao đ ng ấ  t ng c p h c tác

ọ ạ ự ư ệ ầ ộ ị ộ đ ng làm tăng quy mô kinh té nh  Tr n Th  Đ t (2011), Phan Th  Bích Nguy t và c ng s  (2018). Ngoài ra, cũng có

ọ ỷ ệ ủ ị ệ ạ ộ ươ ừ ứ ự nghiên c u l a ch n t l lao đ ng đang làm vi c đã qua đào t o chung c a đ a ph ấ   ng mà không phân chia ra t ng c p

ễ ệ ị ị ọ ụ ể ư h c c  th  nh  Nguy n Th  Đông và Lê Th  Kim Hu  (2019).

ụ ượ ứ ầ ư ể ấ ượ ộ ụ ạ Chi tiêu công cho giáo d c đ c xem là m t hình th c đ u t đ  nâng cao ch t l ng giáo d c và đào t o, qua đó

ộ ỹ ủ ế ầ ườ ầ ư ộ ố ứ góp ph n nâng cao ki n th c, trình đ , k  năng c a ng i lao đ ng. Theo Becker (1975) thì đ u t vào v n con ng ườ   i

ượ ộ ạ ầ ư ẽ ậ ố ư ụ đ c xem là m t d ng đ u t s  đem l ạ ợ i l i nhu n t i  u. Chi tiêu công cho giáo d c cũng đ ượ Kanayo (2013), c

ự ể ọ ườ ả ẳ ằ ị Pelinescu (2015) l a ch n đ  đo l ng ố v n con ng ườ   i ở Nigeria và Châu Âu. Các tác gi cũng kh ng đ nh r ng, tăng chi

ấ ượ ụ ụ ừ ấ ượ ồ tiêu công cho giáo d c làm cho ch t l ng giáo d c nâng lên, t đó làm cho tăng ch t l ẩ   ộ ng ngu n lao đ ng và thúc đ y

ưở ứ ườ ệ ụ ế ượ làm tăng tr ng GDP. Trong các nghiên c u cho tr ợ ng h p Vi t Nam, bi n chi tiêu công cho giáo d c cũng đ c các tác

ả ồ ừ ứ ạ ổ ươ ị ị gi g m Đinh Phi H  và T  Đ c Hoàng (2016), Ph m Đình Long và L ệ   ng Th  Mai Nhân (2018), Phan Th  Bích Nguy t

ế ố ự ự ọ ộ ườ ố ườ ườ ợ và c ng s  (2018) l a ch n làm bi n s  đo l ng v n con ng i trong các tr ứ ụ ể ng h p nghiên c u c  th .

ụ ư ố ế ượ ứ ầ ư ộ Gi ng nh  chi tiêu công cho giáo d c, chi tiêu công cho y t cũng đ c xem là m t hình th c đ u t ầ  góp ph n vào

ỏ ủ ứ ệ ườ ự ẽ ượ ộ ộ ứ ỏ ố ỗ vi c nâng cao s c kh e c a con ng i. Trình đ  và năng l c s  đ c phát huy khi m i cá nhân có m t s c kh e t t, khi

ố ườ ượ ế ể ườ đó v n con ng i càng đ c nâng cao. Qadri & Waheed (2011) s  d ng ử ụ  t ỷ ệ  l chi tiêu công cho y t đ  đo l ng ố v n con

ỏ ể ứ ụ ườ ở ướ ng iườ  t ử iạ  Pakistan, trong khi Ferda (2011) s ng d ng chi phí cho s c kh e đ  đo l ng ố v n con ng ườ   i các n c OECD.

ệ ừ ứ ử ụ ổ ế ườ ạ T i Vi t Nam, Đinh Phi H  và T  Đ c Hoàng (2016) cũng đã s  d ng chi tiêu công cho y t ế  làm bi n đo l ng ố v n con

ườ ợ ng iườ  cho tr ỉ ng h p các t nh ĐBSCL.

ạ ệ ự ế ườ ề ể ẫ Tóm l ọ i, vi c l a ch n bi n đo l ng ố v n con ng ườ  v n còn nhi u quan đi m khác nhau, nguyên nhân là do i v nố

ượ ườ ệ ổ ữ ệ ế ề ế ế ạ ằ ợ ườ con ng iườ  đ c đo l ồ ng b ng cách gián ti p và h n ch  v  ngu n d  li u. Qua vi c t ng h p các bi n đo l ng v nố

ừ ế ủ ừ ư ứ ự ữ ệ ể ế ạ ổ ợ con ng iườ  t các nghiên c u th c nghi m khác nhau và t ng h p nh ng đánh giá  u đi m, h n ch  c a t ng bi n, trong

ứ ế ồ ụ ệ ạ ộ nghiên c u này, các bi n g m t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o, chi tiêu công cho giáo d c, chi tiêu công cho y

ườ ườ ợ ệ ế ượ ự t ọ c l a ch n đo l đ ng ố v n con ng ườ  cho tr i ỉ ng h p các t nh, thành Vi t Nam.

ọ ế ố ả ả ự ế ậ ườ ố ườ 3.1.2 K t qu  th o lu n chuyên gia l a ch n y u t đo l ng v n con ng i

ế ố ể ọ ườ ố ườ ả ế ả ậ ấ ơ ở ự Đ  có thêm c  s  l a ch n y u t đo l ng v n con ng i, tác gi ti n hành th o lu n và tham v n thêm các ý

ế ủ ữ ả ộ ọ ố ườ ưở ế ự ki n c a nh ng chuyên gia trong lĩnh v c này. H i th o khoa h c “V n con ng i và tăng tr ng quy mô kinh t ”, có 25

ự ạ ế ố ự ể ậ ả ọ ườ ố chuyên gia tham d . T i đây, các chuyên gia đã phân tích, th o lu n đ  xem xét l a ch n y u t đo l ng v n con ng ườ   i

ụ ể ư ả ả ế ế ấ ậ ợ nào là phù h p. K t qu  th o lu n và tham v n ý ki n chuyên gia c  th  nh  sau:

ứ ấ ố ữ ườ ượ ỏ ằ ố ườ ế ằ Th  nh t, đa s  nh ng ng c h i cho r ng, do v n con ng i đ ườ ượ i đ c đo l ế ầ   ng b ng cách gián ti p, vì th  c n

ườ ố ườ ườ ợ ệ ụ ộ ộ đo l ng v n con ng i cho tr ỉ ng h p các t nh thành Vi t Nam theo góc đ  giáo d c chính quy và góc đ  chi phí.

ầ ặ ướ ủ ươ ề ụ ể ể ộ ữ Nguyên nhân là do, trong nh ng năm g n đây m t dù nhà n c đã có nhi u ch  tr ng đ  xã h i hóa giáo d c đ  nâng

ấ ượ ủ ộ ồ ệ ầ ớ ụ ự ặ ẫ cao dân trí, tuy nhiên ch t l ng ngu n lao đ ng c a Vi ầ   t Nam ph n l n v n d a vào giáo d c chính quy. M t khác, đ u

ụ ế ẫ ầ ư ấ ượ ằ ọ ầ ộ ồ ư t cho giáo d c và y t ữ  v n là nh ng đ u t quan tr ng nh m nâng cao ch t l ẩ   ng ngu n lao đ ng, góp ph n thúc đ y

ế ể kinh t phát tri n.

ế ủ ứ ế ả ườ ạ ế ố ả ọ ộ ườ ả Th  hai, k t qu  kh o sát ý ki n c a 25 ng ụ ụ i (ph  l c 2) t ề ệ ự i H i th o v  vi c l a ch n y u t nào đo l ố   ng v n

ườ ố ườ ự ệ ệ ạ ạ ộ ố ườ con ng ấ i cho th y, s  ng ọ i l a ch n y u t ế ố ỷ ệ  t l lao đ ng đang làm vi c đã qua đào t o đ i di n v n con ng ế   i chi m

ươ ươ ườ ấ ườ ằ ỷ ệ t  l 88,00% (t ng đ ng có 22 ng i) cao nh t trong các y u t ế ố ượ ỏ  đ c h i. Có 21 ng i cho r ng chi tiêu công cho y t ế

ệ ố ườ ế ố ụ ườ ự ạ đ i di n t ố t cho v n con ng ế i, chi m t ỷ ệ  l 84,00%. Trong khi y u t chi tiêu công cho giáo d c có 19 ng ọ   i l a ch n,

ế ạ ồ ậ ọ ố ố ọ ế chi m t ỷ ệ  l 76,00%. Các bi n còn l i bao g m t ỷ ệ  l nh p h c, s  năm h c bình quân, s  sinh viên, t ỷ ệ  l tham gia giáo

ọ ỷ ệ ử ở ẻ ỷ ệ ố ọ ổ ườ ự ọ ướ ề ặ ụ ở ỗ ấ d c m i c p h c, t l t vong tr , t l sinh, tu i th  có s  ng i l a ch n d ạ   ẫ i 40%. M c dù, v n còn nhi u h n

ộ ơ ở ệ ự ệ ự ể ế ế ể ả ọ ọ ch  trong vi c l a ch n chuyên gia đ  tham kh o ý ki n, tuy nhiên đây có th  xem là m t c  s  cho vi c l a ch n y u t ế ố

ườ ố ườ ứ đo l ng v n con ng i trong nghiên c u này.

ế ề ệ ự ọ ế ố ế ả ả ườ ố ườ Hình 3.1: K t qu  kh o sát ý ki n v  vi c l a ch n y u t đo l ng v n con ng i

ừ ố ệ ủ ả ồ ả Ngu n: T  s  li u kh o sát c a tác gi , 2020

ế ố ạ ệ ọ ố ườ ụ ươ ệ ườ ự Nhìn chung, l a ch n y u t đ i di n cho v n con ng ộ i ph  thu c vào ph ế ậ ng pháp ti p c n. Vi c đo l ố   ng v n

ố ị ươ ữ ệ ứ ự ồ con ng ườ ở i các qu c gia hay các đ a ph ặ ng khác nhau cũng có s  khác nhau. M t khác, ngu n d  li u nghiên c u khác

ả ưở ế ự ế ố ọ ườ ố ườ ự ệ ơ ở nhau cũng  nh h ng đ n l a ch n y u t đo l ng v n con ng i cũng có s  khác bi ư   ữ t. Trên c  s  nh ng phân tích  u

ế ừ ế ố ể ạ ườ ố ườ ồ ữ ệ ứ ấ ự ế ả ả đi m và h n ch  t ng y u t đo l ng v n con ng i, d a vào k t qu  kh o sát chuyên gia và ngu n d  li u th  c p đã

ượ ụ ổ ố ệ ậ ạ ố ả ọ đ c T ng c c Th ng kê Vi t Nam công b  trong giai đo n 2010 ­ 2017, trong lu n án này, tác gi ế   ự  xem xét l a ch n y u

ườ ườ ươ ệ ụ ồ ế ố t đo l ố ng cho v n con ng ị i các đ a ph ng Vi t Nam g m: Chi tiêu công cho giáo d c, chi tiêu công cho y t và t ỷ ệ   l

ệ ạ ộ lao đ ng đang làm vi c đã qua đào t o.

3.2 KHUNG PHÂN TÍCH

ự ưở ở ộ ậ ấ ả ớ D a vào mô hình tăng tr ng Mankiw – Romer – Weil ( 1992) v i hàm s n xu t Cobb – Douglas m  r ng, lu n án

ự ứ ề ấ xây d ng khung phân tích cho v n đ  nghên c u theo Hình 3.2.

Hình 3.2: Khung phân tích

ợ ủ ổ ồ ả Ngu n: T ng h p c a tác gi , 2020

ể ệ ế ố ả ưở ế ố ườ ậ ấ ố ộ Khung phân tích th  hi n rõ 3 y u t nh h ồ ng đ n GRDP g m v n con ng ố   i, v n v t ch t và lao đ ng. V n

ườ ụ ở ế ỷ ệ ệ ộ con ng ườ ượ i đ c đo l ng b i chi tiêu công cho giáo d c, chi tiêu công cho y t , t l lao đ ng đang làm vi c đã qua đào

ấ ượ ậ ố ườ ầ ư ủ ị ằ ố ổ ươ ộ ượ ạ t o. V n v t ch t đ c đo l ng b ng t ng v n đ u t c a đ a ph ng trong năm, trong khi lao đ ng đ ằ c đo b ng s ố

ủ ị ộ ươ ứ ể ế ồ ố ổ ượ l ng lao đ ng c a đ a ph ử ụ ng. Các bi n ki m soát s  d ng trong nghiên c u g m t ỷ ệ  l FDI/t ng v n đ u t ầ ư ỷ ệ , t l tăng

ỷ ệ ộ ầ ượ ử ụ ể ế ả dân s , t ố ỷ ệ ạ  l l m phát và t ề  h  nghèo. Các ph n m m Stata, R, Mapinfo đ l c s  d ng đ  phân tích các k t qu  trong

ậ lu n án này.

Ệ Ả Ứ Ế 3.3 KHÁI NI M VÀ GI THUY T NGHIÊN C U

ế ị ươ ả ổ ị ỉ ố ả ố Quy mô kinh t đ a ph ng: ẩ  T ng s n ph m trên đ a bàn ( GDP­Gross Domestic Product) là ch  s  ph n ánh t c đ ộ

ưở ủ ế ứ ự ế ỉ ố ủ ẩ ả ờ ộ ị tăng tr ộ ề ng c a m t n n kinh t ụ   . Ch  s  này giúp nghiên c u s  bi n đ ng theo th i gian c a các s n ph m và d ch v .

ứ ố ị ộ ữ ể ầ ơ ượ ụ ể ộ ộ H n n a, nó còn bi u th  m t ph n m c s ng và đ c đánh giá m t cách r ng rãi, liên t c nên nó còn dùng đ  đo l ườ   ng

ộ ề ủ ấ ỉ ạ ượ quy mô c a m t n n kinh t ế. Trên ph m vi c p t nh, GRDP ( Gross Regional Domestic Product) đ c tính theo ph ươ   ng

ụ ả ả ấ ố ổ ưở pháp s n xu t (T ng c c Th ng kê, 2018). Benos & Karagiannis (2016) xem xét  nh h ng c a t ủ ỷ ệ ọ  l h c sinh tham gia các

ưở ự ế ạ ạ ứ ả ề ưở ọ ả ấ c p h c  nh h ng đ n GRDP các khu v c Hy L p giai đo n 1971 – 2011. Nhi u công trình nghiên c u  nh h ủ   ng c a

ứ ướ ẳ ố ườ ả ọ ưở ự Các nghiên c u tr ị c đây kh ng đ nh, v n con ng i có vai trò quan tr ng và  nh h ng tích c c lên quy mô kinh t ế  đ iố .

ộ ỳ ố ộ ằ ử ụ ủ ụ ế ẩ ả ạ ổ ị ị ề   ớ v i GRDP s  d ng bi n ph  thu c b ng t ng s n ph m trên đ a bàn tính theo giá so sáng c a m t k  g c. H  Th  Thi u

ố ưở ự ự ể ọ ộ Dao và c ng s  (2014) l a ch n GRDP theo giá so sánh 1994 đ  xem xét vai trò c a ủ v n con ng ớ ườ  v i tăng tr i ng kinh t ế

ạ ộ ươ ử ụ ể ị vùng Nam Trung B . Ph m Đình Long và L ứ   ng Th  Mai Nhân (2018) s  d ng GRDP theo giá năm 2004 đ  nghiên c u

ọ ạ ủ ụ ề ế ầ ả ộ ỉ ưở tác đ ng c a giáo d c đ n GRDP các t nh, thành Mi n Trung. Tr n Th  Đ t (2011) xem xét  nh h ng c a ố ủ v n con

ế ưở ệ ự ụ ế ằ ộ ng i ườ đ n tăng tr ằ   ọ ng b ng GRDP theo giá so sánh 2010. Vi c l a ch n bi n ph  thu c GRDP theo giá năm 2010 nh m

ạ ỏ ự ộ ượ ứ ụ ế ấ ầ ộ ị ượ lo i b  s  tác đ ng do tr t giá (Tr n Th  Tu n Anh, 2017). Trong nghiên c u này, bi n ph  thu c đ ằ   c tính b ng

ượ ử ụ ơ ị ỷ ồ lnGRDP, trong đó GRDP đ c tính theo giá 2010 và s  d ng đ n v  tính là t đ ng.

ụ ỉ ượ ằ ổ ườ Chi tiêu công cho giáo d c (lnH_EXPEDU): ch  tiêu này đ c tính b ng logarit t ng chi th ng xuyên NSNN cho

ố ơ ủ ỉ ệ ề ạ ị ỷ ồ ệ ̉ ự s  nghi p GD&ĐT và d y ngh  trong 1 năm c a t nh, thành ph  (đ n v  tính: t đ ng). Đây là khoan chi cho h  thônǵ

V nố

́ ̀ ̀ ́ ̀ ụ ụ ụ ạ ổ ố ̉ ̣ ̣ giao GD&ĐT t ̀ ư  giáo d c mâm non và giáo d c phô thông đên đao tao ĐH va sau đ i hoc (T ng c c Th ng kê, 2018).

ụ ượ ạ ầ ư ụ ầ ố ườ con ng ườ ượ i đ c hình thành thông qua giáo d c, ng i đ u t c l vào giáo d c góp ph n hình thành v n con ng i, do đó

ụ ượ ư ế ố ố ườ ộ ế ế ậ ằ chi tiêu công cho giáo d c đ c xem nh  y u t v n con ng i theo góc đ  ti p c n gián ti p. Yogish (2006) cho r ng,

ứ ầ ư ụ ề ạ ộ ộ ộ ầ ư đ u t ộ  cho giáo d c là m t hình th c đ u t dài h n, qua đó hình thành đ i ngũ lao đ ng có trình đ  tay ngh  cao, h ướ   ng

ể ủ ẩ ầ ộ ưở ế ấ ượ ứ ớ t i nhu c u phát tri n c a xã h i, thúc đ y tăng tr ng kinh t và nâng cao ch t l ng xã h i. ộ Kanayo (2013) ch ng t ỏ   ,

ự ế ố ộ ụ ưở ở ẳ ị ộ chi tiêu công cho giáo d c tác đ ng tích c c đ n t c đ  tăng tr ng GDP Nigeria. Pelinescu (2015) kh ng đ nh t ỷ ệ  l chi

ụ ớ ở ẽ ầ ố tiêu công cho giáo d c so v i GDP tăng s  làm cho GDP bình quân đ u ng ườ ở i các qu c gia Châu Âu tăng lên. Ada &

ứ ằ ộ ế ưở ệ ử Acaroglu (2014) cũng ch ng minh r ng chi tiêu công tác đ ng làm cho kinh t tăng tr ạ ng. T i Vi t Nam, S  Đình Thành

ụ ố ỉ ườ ẽ và Đoàn Vũ Nguyên (2015) ch  ra chi tiêu công cho giáo d c càng cao s  làm tăng v n con ng ừ ứ   ổ i. Đinh Phi H  và T  Đ c

ứ ấ ằ ỉ ụ Hoàng (2016) có b ng ch ng cho th y, t ỷ ệ  l chi tiêu công cho giáo d c tăng lên làm cho GRDP các t nh, thành ĐBSCL

ạ ậ ớ ươ ằ ị ỉ ị cũng tăng theo. Cùng v i nh n đ nh trên, Ph m Đình Long và L ng Th  Mai Nhân (2018) cho r ng khi các t nh, thành khu

ụ ẽ ủ ề ệ ả ị ươ ự ự v c Mi n Trung c i thi n chi tiêu công cho giáo d c s  làm tăng GRDP c a các đ a ph ng khu v c này. Ngoài ra, nghiên

ụ ự ệ ề ẳ ộ ộ ị ế   ị ứ c u Phan Th  Bích Nguy t và c ng s  (2018) cũng kh ng đ nh, chi tiêu công cho giáo d c có tác đ ng cùng chi u đ n

ầ ườ ủ ệ ạ ụ ổ ượ GRDP bình quân đ u ng ỉ i c a các t nh, thành Vi t Nam. Tóm l i, chi tiêu công cho giáo d c xét trong t ng l ng chi

ụ ề ả ưở ộ ỉ ề ế ấ hay t ỷ ệ  l chi NSNN cho giáo d c đ u có  nh h ng cùng chi u đ n GRDP c p đ  t nh, thành.

1: Chi tiêu công cho giáo d c đ a ph

ả ụ ị ươ ự ữ ế ộ ị Gi ế  thuy t H ng không nh ng có tác đ ng tích c c đ n GRDP đ a ph ươ   ng

ả ưở ự ị ươ ậ đang xem xét mà còn  nh h ng tích c c lên GRDP các đ a ph ng lân c n.

2: Có s  tác đ ng lan t a không gian Chi tiêu công cho giáo d c c a các t nh, thành Vi

ả ụ ủ ự ộ ỏ ỉ ệ Gi ế  thuy t H t Nam.

ế ượ ằ ổ ườ ự ệ Chi tiêu công cho y t (lnH_EXPHEA): đ c tính b ng logarit t ng chi th ng xuyên NSNN cho s  nghi p y t ế   ,

́ ố ơ ủ ỉ ế ạ ố ị ỷ ồ ̉ ̉ ̉ dân s  và k  ho ch hóa gia đình trong 1 năm c a t nh, thành ph  (đ n v  tính: t đ ng). Đây là cac khoan chi cho đam bao

̀ ́ ̃ ư ươ ỏ ủ ứ ụ ố ổ ườ ố ̉ ̣ ̣ ́ ư s c khoe công đông, kham ch a bênh cho ng ̀ i dân (T ng c c Th ng kê, 2018). S c kh e c a con ng i càng t t càng

ệ ở ả ể ấ ẫ ạ ầ ấ ằ ộ làm tăng kh  năng làm vi c khía c nh th  ch t l n tinh th n (Dicken et el, 2006). Ng ượ ạ c l i, m t khi m t cân b ng dinh

ưỡ ệ ậ ườ ẽ ẫ ế ả ả ả ấ ằ ộ d ng và b nh t t th ng xuyên s  d n đ n gi m kh  năng lao đ ng, gi m năng su t. Bose et al (2007) cho r ng, nâng

ứ ộ ả ự ể ỉ ỏ cao s c kh e là m t gi i pháp cho s  phát tri n kinh t ế ở ươ  t ng lai. Qadri & Waheed (2011) ch  ra, t ỷ ệ  l chi tiêu công cho

ế ằ ủ ẽ ộ ớ ộ ơ y t so v i GDP s  tác đ ng làm tăng GDP bình quân lao đ ng c a Pakistan. H n n a, ữ Ferda (2011) cho r ng tăng chi phí

ỏ ẽ ứ ầ ườ ủ ướ ế ượ cho s c kh e s  làm tăng GDP bình quân đ u ng i c a các n c OECD. Chi tiêu công cho y t cũng đ ề c nhi u tác gi ả

ườ ố ườ ố ớ ử ủ ộ xem xét đo l ng v n con ng i khi phân tích tác đ ng c a nó đ i v i GRDP. S  Đình Thành và Đoàn Vũ Nguyên (2015)

ậ ị ế ẽ ồ ố ườ ổ nh n đ nh, chi tiêu công cho y t càng cao s  làm tăng ngu n v n con ng ừ ứ i. Đinh Phi H  và T  Đ c Hoàng (2016) cũng

ứ ằ ế ầ ị ươ ế ư đ a ra b ng ch ng, tăng t ỷ ệ  l chi tiêu công cho y t góp ph n làm cho GRDP đ a ph ng tăng lên. Chính vì th , chi tiêu

ế ượ ỳ ọ ả ưở ề ị ươ công cho y t ứ  trong nghiên c u này cũng đ c k  v ng  nh h ớ ng cùng chi u v i GRDP các đ a ph ng.

3: Chi tiêu công cho y t

ả ế ị ươ ự ế ữ ộ ị ươ Gi ế  thuy t H đ a ph ng không nh ng có tác đ ng tích c c đ n GRDP đ a ph ng đang

ả ưở ự ớ ị ươ ậ xem xét mà còn  nh h ng tích c c v i GRDP các đ a ph ng lân c n.

4: Có s  tác đ ng lan t a không gian chi tiêu công cho y t

ả ự ộ ỏ ế ủ ệ Gi ế  thuy t H ỉ  c a các t nh, thành Vi t Nam.

ỷ ệ ệ ạ ộ ỉ ượ ằ T  l lao đ ng đang làm vi c đã qua đào t o (lnH_LABEDU): ch  tiêu này đ c tính b ng logarit t ỷ ệ  l ộ    lao đ ng

ệ ủ ỉ ế ệ ạ ộ ố ơ ổ ố ị đang làm vi c đã qua đào t o chi m trong t ng s  lao đ ng đang làm vi c c a t nh, thành ph  trong 1 năm (đ n v  tính:

ứ ụ ế ể ộ ưở ữ ề ố ố %). Thông qua giáo d c mà m t qu c gia có th  đem đ n m c tăng tr ng cao và b n v ng cho qu c gia đó (Yogish,

ư ộ ọ ủ ẽ ậ ả ướ ự ủ ề ợ 2006). Do di c  lao đ ng, t ỷ ệ  l nh p h c c a sinh viên s  không ph i là th ồ c đo thích h p v  ngu n nhân l c c a công

ộ ố ệ ở ể ỉ ỉ ố ặ ự ượ ệ ị ươ nhân t nh, vì m t s  sinh viên có th  làm vi c các t nh khác sau khi t t nghi p ho c l c l ộ ng lao đ ng đ a ph ng có

ể ứ ở ộ ủ ỉ ườ ướ ố ơ ự th  ch a công nhân đ ượ giáo d cụ c các t nh khác. Do đó, trình đ  c a ng ộ i lao đ ng là th c đo t ế   t h n và tr c ti p

ớ ỷ ệ ự ề ồ ọ ủ ậ ằ ạ ấ ơ h n v  ngu n nhân l c so v i t l nh p h c c a tr ườ  (Chi, 2008). Benos & Karagiannis (2016) đã nh n m nh r ng có ng

ưở ậ ằ ế ủ ự ụ ủ ộ ự ả s   nh h ng c a trình đ  giáo d c lên GDP c a các khu v c Hy L p. ạ Ramos et al (2009) k t lu n r ng giáo d c ĐHụ và

ấ ộ ưở ở ủ ạ trung h c  ọ làm  tăng năng su t lao đ ng và tăng tr ng các khu v ực c a Tây Ban Nha trong giai đo n 1980 – 2007.

ằ ộ ướ ưở Cuaresma et al (2012) cho r ng, lao đ ng các n ộ c Châu Âu càng có trình đ  cao thì càng làm cho tăng tr ng GDP bình

ướ ễ ệ ằ ị ộ ầ quân đ u ng ườ ở i các n c này tăng lên. ị Nguy n Th  Đông và Lê Th  Kim Hu  (2019) cho r ng, t ỷ ệ  l lao đ ng đang làm

ủ ệ ạ ẩ ộ ệ ự ệ ộ ị ỉ vi c đã qua đào t o thúc đ y tăng GDP bình quân lao đ ng c a Vi t Nam. Phan Th  Bích Nguy t và c ng s  (2018) ch  ra,

ả ộ ộ ưở ự ế ầ ườ ọ ạ ầ ỷ ệ t  l lao đ ng trình đ  THPT cũng có  nh h ng tích c c đ n GDP bình quân đ u ng i. Ngoài ra, Tr n Th  Đ t (2011)

ượ ệ ộ ở ấ ể ậ ọ ứ cũng ch ng minh đ c, t ạ   ỷ ệ lao đ ng đang làm vi c đã qua đào t o l c p b c ti u h c, THCS và CĐ, ĐH càng cao thì

ị ươ ứ ệ ộ ượ càng làm tăng GRDP các đ a ph ng. Trong nghiên c u này, t ỷ ệ lao đ ng đang làm vi c đã qua đào t o ạ  đ l ỳ ọ   c k  v ng

ả ưở ề ị ươ nh h ớ ng cùng chi u v i GRDP các đ a ph ng.

5: T  l

ả ỷ ệ ữ ự ệ ế ạ ộ ộ ị Gi ế  thuy t H lao đ ng đang làm vi c đã qua đào t o không nh ng có tác đ ng tích c c đ n GRDP đ a

ươ ả ưở ự ố ớ ị ươ ậ ph ng đang xem xét mà còn  nh h ng tích c c đ i v i GRDP các đ a ph ng lân c n.

6: Có s  tác đ ng lan t a không gian t

ả ự ộ ỏ ạ ủ ệ ộ ỉ Gi ế  thuy t H ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o c a các t nh, thành

ệ Vi t Nam.

ầ ư ổ ượ ằ ự ủ ổ ầ ư ủ ị ố ươ ố T ng v n đ u t (lnINV): đ c tính b ng logarit t nhiên c a t ng v n đ u t c a đ a ph ng trong năm theo giá

ơ ị ỷ ồ ệ ữ ầ ư ơ ở ư ế ố ưở 2010 (đ n v  tính: t đ ng). Domar (1946) đã đ a ra c  s  lý thuy t cho m i liên h  gi a đ u t và tăng tr ạ ng. T i Vi ệ   t

ầ ư ượ ả ế ố ự ệ ộ ị ỉ ộ Nam, đ u t công cũng đ c tác gi Phan Th  Bích Nguy t và c ng s  (2018) ch  ra, y u t này cũng tác đ ng làm cho

ế ị ươ ưở ễ ệ ằ ậ ấ ố ị ị ườ ằ kinh t đ a ph ng tăng tr ng. Nguy n Th  Đông và Lê Th  Kim Hu  (2019) cho r ng, v n v t ch t đo l ố   ng b ng v n

ấ ộ ộ ở ệ ơ ữ ễ ầ ấ ắ ị ầ ư đ u t xã h i cũng làm tăng năng su t lao đ ng Vi t Nam. H n n a, Tr n Th  Tu n Anh và Nguy n Văn Th ng (2019),

ầ ư ự ứ ộ ự ữ ế ế ị ươ Võ Xuân Vinh và c ng s  (2020) cũng ch ng minh, đ u t ộ  công không nh ng tác đ ng tr c ti p đ n đ a ph ng đang

ả ưở ế ị ươ ơ ở ứ ự ậ ậ ọ ố xem xét mà còn  nh h ng đ n các đ a ph ấ ằ   ng lân c n. Trên c  s  đó, trong nghiên c u này l a ch n v n v t ch t b ng

ầ ư ộ ủ ị ươ ỳ ọ ế ố ưở ề ố ổ t ng v n đ u t toàn xã h i c a đ a ph ng trong năm và k  v ng y u t ả  này  nh h ị   ớ ng cùng chi u v i GRDP các đ a

ươ ph ng.

ả ầ ư ủ ị ổ ươ ả ưở ự ế ị ươ Gi ế  thuy t H c a đ a ph ữ ng không nh ng có  nh h ng tích c c đ n GRDP đ a ph ng đang ố 7: T ng v n đ u t

ả ưở ự ố ớ ị ươ ậ xem xét mà còn  nh h ng tích c c đ i v i GRDP các đ a ph ng lân c n.

ộ ượ ủ ằ ộ ổ ị ươ ơ ị ườ Lao đ ng (lnLABOR): đ c tính b ng t ng lao đ ng c a đ a ph ng trong năm (đ n v  tính: nghìn ng i). Lao

ộ ế ố ầ ủ ấ ưở ươ ố ộ đ ng là m t y u t ả  đ u vào c a quá trình s n xu t hàng hóa, tăng tr ng kinh t ế ạ  t ỗ ị i m i đ a ph ỗ ng hay m i qu c gia

ạ ươ ố ượ ị ộ ị ươ (Ph m Đình Long và L ng Th  Mai Nhân, 2018). S  l ẽ ng lao đ ng càng tăng s  giúp cho GRDP đ a ph ng tăng thêm

ứ ạ ễ ị ệ ủ ả ư ầ ọ ạ ị (Nguy n Th  Cành, 2009). Các nghiên c u t i Vi t Nam c a các tác gi ệ    nh  Tr n Th  Đ t (2011), Phan Th  Bích Nguy t

ự ạ ộ ươ ễ ệ ị ị và c ng s  (2018), Ph m Đình Long và L ị ng Th  Mai Nhân (2018), Nguy n Th  Đông và Lê Th  Kim Hu  (2019) cũng

ủ ự ộ ị ỉ ươ ự ượ ề đ u ch  ra, l c lao đ ng tăng làm cho GRDP c a các đ a ph ng tăng theo. Do đó, l c l ộ ng lao đ ng cũng đ ượ ỳ ọ   c k  v ng

ả ưở ề ị ươ nh h ố ớ ng cùng chi u đ i v i GRDP các đ a ph ng.

8: T ng lao đ ng t

ả ổ ộ ạ ị ươ ả ưở ự ị ươ Gi ế  thuy t H i đ a ph ữ ng không nh ng có  nh h ế ng tích c c đ n GRDP đ a ph ng đang

ả ưở ự ố ớ ị ươ ậ xem xét mà còn  nh h ng tích c c đ i v i GRDP các đ a ph ng lân c n.

ộ ở ươ ạ ượ ằ ế ướ ớ ổ Đ  m  th ng m i (FDI): đ c tính b ng logarit t ỷ ệ ầ ư ự  đ u t tr c ti p n l c ngoài (FDI) so v i t ng đ u t ầ ư ủ    c a

ươ ạ ộ ẩ ấ ậ ơ ị ỉ ế ị đ a ph ự ng trong năm (đ n v  tính: %). Romer (1986) ch  ra s  gia tăng ho t đ ng xu t nh p kh u làm cho kinh t tăng

ưở ứ ượ ế ố ủ ệ tr ng. Ng & Leung (2004) cũng ch ng minh đ c, y u t ố   ộ  này tăng cũng làm cho trình đ  công ngh  thông tin c a qu c

ỷ ệ ệ ệ ạ ượ ậ ỹ ế ậ ừ ố ố gia đó tăng lên. T  l FDI càng cao, nghĩa là k  thu t công ngh  hi n đ i đ c qu c gia đó ti p c n t ế    qu c gia tiên ti n

ộ ệ ể ử ứ ễ ế ỏ ớ ố m t cách tri t đ . S  Đình Thành và Nguy n Minh Ti n (2014) cũng ch ng t dòng v n FDI đóng góp l n vào tăng

ưở ệ ọ ạ ự ứ ự ệ ằ ằ ầ ộ ỷ ọ tr ng kinh t ế ạ  t i Vi t. Tr n Th  Đ t và c ng s  (2007) cũng có b ng ch ng th c nghi m cho r ng, t ủ  tr ng c a FDI

ế ươ ưở ế ượ ẳ ị ạ ổ ẩ thúc đ y kinh t ị  các đ a ph ng tăng tr ả ng. K t qu  này cũng đ c kh ng đ nh l ứ ủ i trong nghiên c u c a Đinh Phi H  và

ộ ở ươ ừ ứ ừ ứ ằ ạ ượ ự ế ỳ ọ ộ ỉ T  Đ c Hoàng (2016). T  các b ng ch ng trên, đ  m  th ng m i đ c k  v ng tác đ ng tích c c đ n GRDP các t nh,

ệ thành Vi t Nam.

9: T  l

ả ỷ ệ ầ ư ủ ươ ự ế ữ ộ ị Gi ế  thuy t H ớ ổ  FDI so v i t ng đ u t ị  c a đ a ph ng không nh ng có tác đ ng tích c c đ n GRDP các đ a

ươ ả ưở ự ố ớ ị ươ ậ ph ng đang xem xét mà còn  nh h ng tích c c đ i v i GRDP các đ a ph ng lân c n.

ỷ ệ ố ượ ằ ị ươ ặ ộ T  l tăng dân s  (POP): đ c tính b ng t ỷ ệ  l ố ủ  (%)dân s  c a đ a ph ả ng tăng lên ho c gi m đi trong m t năm

ụ ổ ấ ướ ố ượ ư ố ố ổ ố (T ng c c Th ng kê, 2018). Đ t n c tăng dân s  nhanh chóng nh ng s  l ng v n không thay đ i thì ỷ ệ ố t v n bình l

ự ố ế ưở ầ quân đ u ng ườ ẽ ả . Theo Bloom & Canning (2003), s  gia tăng dân s  quá nhanh làm cho kinh t i s  gi m tăng tr ậ   ng ch m

ứ ủ ể ư ử ẫ ậ ố ơ ạ l i, th m chí có th  đ a qu c gia đó r i vào b y nghèo. Các nghiên c u c a S  Đình Thành và Đoàn Vũ Nguyên (2015),

ố ở ệ ộ ị ỉ ươ ướ ế ố ầ ự Phan Th  Bích Nguy t và c ng s  (2018) cũng ch  ra, tăng dân s ị  các đ a ph ng n c ta làm tăng y u t đ u vào, qua

ị ấ ứ ự ễ ệ ầ ắ ằ ằ ẩ đó thúc đ y GRDP tăng lên. Tr n Th  Tu n Anh và Nguy n Văn Th ng (2019) có b ng ch ng th c nghi m cho r ng, t ỷ

ữ ả ố ưở ự ế ị ươ ả ưở ệ l tăng dân s  không nh ng  nh h ng tích c c đ n đ a ph ng đang xem xét mà còn  nh h ị   ự ế ng tích c c đ n các đ a

ươ ỳ ọ ề ề ố ị ươ ưở ự ớ ự ặ ph ng li n k . Do đó, k  v ng t ỷ ệ  l tăng dân s  đ a ph ẽ ả ng s   nh h ị   ng tích c c ho c tiêu c c v i GRDP các đ a

ươ ph ng.

10: T  l

ả ỷ ệ ữ ả ố ưở ự ự ế ặ ị ươ Gi ế  thuy t H tăng dân s  không nh ng có  nh h ng tích c c (ho c tiêu c c) đ n GRDP đ a ph ng đang

ả ưở ố ớ ự ự ặ ị ươ ậ xem xét mà còn  nh h ng tích c c (ho c tiêu c c) đ i v i GRDP các đ a ph ng lân c n.

ỉ ố ỉ ố ổ ươ ứ ể ầ ả ố ủ Ch  s  giá tiêu dùng (CPI): là ch  s  tính theo ph n trăm (%) đ  ph n ánh m c thay đ i t ng đ i c a giá hàng tiêu

ỉ ố ụ ờ ổ ố ượ ủ ằ ở dùng theo th i gian (T ng c c Th ng kê, 2018). Ch  s  này đ c tính b ng trung bình CPI c a 12 tháng trong năm các

ươ ỉ ố ẳ ả ưở ế ọ ưở ự ị đ a ph ng. ị Friedman (1977) kh ng đ nh, ch  s  này có  nh h ng quan tr ng đ n tăng tr ộ   ng. Tuy nhiên, s  tác đ ng

ế ả ặ ế ứ ủ ủ c a nó có th  làm tăng ho c gi m quy mô kinh t (Jin & Zou, 2005). Gokal & Hanif (2004) trong nghiên c u c a mình

ạ ẳ ộ ị ế ủ ế ệ ố ố cũng kh ng đ nh, m t khi l m phát tăng cao nó làm cho kinh t c a các qu c gia suy y u. CPI và GDP có m i quan h  tác

ạ ể ộ ươ ế ưở ử ầ ộ đ ng qua l i, và có th  tác đ ng âm hay d ng đ n tăng tr ng (S  Đình Thành và Đoàn Vũ Nguyên, 2015). Tr n Hoàng

ự ả ằ ộ ưở ề ượ ề ủ ố ớ ụ ộ Ngân và c ng s  (2013) cho r ng,  nh h ng cùng chi u hay ng ứ   c chi u c a CPI đ i v i GDP còn ph  thu c vào m c

ứ ượ ỳ ọ ả ưở ặ ượ ế ề ộ ạ đ  l m phát. Do đó, trong nghiên c u này CPI đ c k  v ng  nh h ề ng cùng chi u (+) ho c ng c chi u (­) đ n GRDP

ươ ị các đ a ph ng.

11: CPI c a đ a ph

ả ủ ị ươ ự ữ ế ặ ộ ị ươ Gi ế  thuy t H ự ng không nh ng có tác đ ng tích c c (ho c tiêu c c) đ n GRDP đ a ph ng đang

ố ớ ự ự ộ ị ươ ậ ặ xem xét mà còn tác đ ng tích c c (ho c tiêu c c) đ i v i GRDP các đ a ph ng lân c n.

ỷ ệ ộ ỉ ượ ườ ở ỷ ố ữ ộ ượ ươ ứ T  l h  nghèo (POOR): ch  tiêu này đ c đo l ng b i t s  gi a h  nghèo đ c tính theo ph ng th c nghèo đa

ố ổ ớ ổ ứ ụ ề ố chi u so v i t ng dân s  (T ng c c Th ng kê, 2018). Siswantoro & Tien (2012) đã ch ng t ỏ ỷ ệ ộ  l h  nghèo là m t y u t ộ ế ố , t

ả ưở ự ế ỷ ệ ộ ủ ị ươ ấ ổ nh h ng tiêu c c đ n GRDP, nghĩa là t h  nghèo càng cao thì GRDP c a đ a ph l ng đó càng th p. Đinh Phi H  và

ừ ứ ỉ ỷ ệ ộ ả ưở ượ ủ ự ế ề T  Đ c Hoàng (2016) cũng ch  ra, t h  nghèo  nh h l ng ng ỉ c chi u đ n GRDP c a các t nh, thành khu v c ĐBSCL

ỳ ọ ứ ạ ỷ ệ ộ ủ ả ỉ ưở ượ giai đo n 2006 – 2013. Trong nghiên c u này, k  v ng t h  nghèo c a các t nh, thành  nh h l ng ng ớ   ề c chi u v i

ị ươ GRDP các đ a ph ng.

12: T  l

ả ỷ ệ ộ ủ ị ươ ự ữ ế ộ ị ươ Gi ế  thuy t H h  nghèo c a đ a ph ng không nh ng có tác đ ng tiêu c c đ n GRDP đ a ph ng đang

ự ố ớ ộ ị ươ ậ xem xét mà còn tác đ ng tiêu c c đ i v i GRDP các đ a ph ng lân c n.

Ữ Ệ Ứ Ả ƯỞ Ủ ƯỜ Ế 3.4 MÔ HÌNH VÀ D  LI U NGHIÊN C U  NH H Ố NG C A V N CON NG I Đ N QUY MÔ KINH T Ế

Ệ Ỉ T NH, THÀNH VI T NAM

ự ứ ệ 3.4.1 Mô hình nghiên c u th c nghi m

ữ ứ ủ ề ố ườ ố ớ ế ưở ế ứ Nh ng nghiên c u nghiên c u v  vai trò c a v n con ng i đ i v i quy mô kinh t hay tăng tr ng kinh t xét

ố ộ ố ượ ễ ị theo g c đ  qu c gia đ c các tác gi ả Qadri & Waheed (2011), Kanayo (2013), Afridi (2016), Nguy n Th  Đông và Lê Th ị

ữ ệ ử ụ ệ ể ờ ỗ ữ ệ ặ ỗ ồ ờ Kim Hu  (2019) s  d ng d  li u chu i th i gian đ  phân tích. ả   H i quy d  li u chu i th i gian m t dù đã xem xét  nh

ưở ủ ố ườ ố ớ ụ ể ư ủ ờ ộ ố h ng c a v n con ng ủ   i đ i v i GDP c a qu c gia c  th  theo m t th i gian dài, tuy nhiên ch a xem xét vai trò c a

ườ ố ượ ứ ữ ề ế ằ ố ộ ế ố v n con ng i gi a các qu c gia. Judson (1995) cho r ng, n u m t nghiên c u nhi u đ i t ử ụ ng không s  d ng h t khía

ố ệ ố ệ ứ ề ể ấ ấ ờ ứ   ạ c nh s  li u th i gian thì nghiên c u đó đã lãng phí r t nhi u thông tin mà s  li u có th  cung c p. Tallman (1994) ch ng

ượ ả ấ ị ạ ỏ ữ ệ ủ ư ữ ứ ế ặ ố ỗ minh đ c nguyên nhân k t qu  b t đ nh trong nghiên c u d  li u chéo là do lo i b  nh ng đ c tr ng c a m i qu c gia.

ề ế ọ ậ ử ụ ữ ệ ư ể ả ượ ộ ơ ớ ử ụ Nhi u nhà kinh t h c và kinh t ế ượ  l ng đã công nh n s  d ng d  li u b ng có  u đi m v t tr i h n so v i s  d ng d ữ

ữ ệ ự ầ ư ể ệ ỗ ờ ỉ ế ủ ữ ệ ả li u chu i th i gian hay d  li u chéo. Woodridge (2010) đã ch  ra các  u đi m và s  c n thi t c a d  li u b ng trong các

ứ ủ nghiên c u c a mình.

Các tác gi ả Ferda (2011), Ada & Acaroglu (2014), Pelinescu (2015), Zhang & Zhuang (2011), Su & Liu (2016), Li và

ữ ệ ử ụ ố ể ả ồ Wang (2016), Benos & Karagiannis (2016) s  d ng h i quy d  li u b ng đ  xem xét vai trò c a ủ v n con ng ế ườ đ n GDP i

ủ ạ ố ỉ ệ ọ ạ ầ ạ ủ c a các qu c gia hay GDP c a các t nh, thành. T i Vi ứ t Nam, các công trình nghiên c u Tr n Th  Đ t (2011), H  Th ị

ừ ứ ề ễ ễ ạ ổ Thi u Dao và Nguy n Đăng Khoa (2014), Đinh Phi H  và T  Đ c Hoàng (2016), Ph m Đình Long và Lê Nguy n Mai

ữ ệ ứ ự ễ ệ ể ả ồ ộ ị Nhân (2018), Nguy n Th  Bích Nguy t và c ng s  (2018) đã dùng h i quy d  li u b ng đ  nghiên c u vai trò c a ố ủ v n con

ặ ả ướ ự ộ ỉ ệ ử ụ ữ ệ ả ng i ườ lên GDRP các t nh, thành trong m t khu v c ho c c  n ứ   c. Vi c s  d ng d  li u b ng tuy đã giúp các nghiên c u

ữ ế ể ặ ố ạ ỏ ệ ữ ố ố xem xét đ n các đ c đi m riêng gi a các qu c gia, tuy nhiên nó l i b  qua m i liên h  gi a các qu c gia. Peracchi &

ề ả ằ ố ưở ữ ế ẫ ố ủ Meliciani (2001) cho r ng, GDP c a các qu c gia láng gi ng có  nh h ng l n nhau. Nghĩa là, nh ng qu c gia ti p giáp

ươ ế ạ ớ ươ ầ ư ể ạ ố ồ ệ nhau t ng tác kinh t m nh v i nhau qua các kênh th ng m i, lu ng di chuy n v n đ u t , công ngh  và chính sách

ế ệ ấ ầ ị ế ữ ố ị ươ kinh t (Tr n Th  Tu n Anh, 2017). Do đó, khi phân tích quan h  kinh t gi a qu c gia, đ a ph ế   ng mà không xem xét đ n

ế ướ ượ ễ ậ ự ươ s  t ủ ng quan không gian c a chúng d  đi đ n c l ị ệ ng b  ch nh và ướ ượ c l ng này không đáng tin c y (Le Gallo et al,

2003).

ữ ề ả ử ụ ứ ể ồ ầ Trong nh ng năm g n đây, nhi u tác gi cũng đã s  d ng h i quy không gian đ  nghiên c u vai trò c a ố ủ v n con

ỉ ở ộ ư ữ ủ ể ố ử ụ ng ủ i ườ lên GDP c a các t nh, thành m t qu c gia vì nh ng  u đi m c a nó. Lima & Silveira Neto (2015) s  d ng mô

ể ả ồ ưở ố ậ ầ ộ ố hình h i quy không gian SDM đ  phân tích  nh h ng c a ủ v n con ng ườ lên t c đ  tăng thu nh p bình quân đ u ng i ườ   i

ự ủ ử ụ ộ ồ ủ c a các khu v c c a Brazil.

Baudino (2016) s  d ng mô hình h i quy không gian SAR đánh giá tác đ ng c a

ố ủ v n con

ộ ố ứ ạ ủ ố ộ ệ ủ ng i ườ lên GDP bình quân lao đ ng c a các tình, thành Trung Qu c. M t s  nghiên c u t i Vi t Nam c a các tác gi ả Tr nầ

ễ ả ấ ọ ỳ ị ươ ễ ấ ầ ị Th  Tu n Anh (2017), Nguy n Chí H i và Hu nh Ng c Ch ắ   ng (2018), Tr n Th  Tu n Anh và Nguy n Văn Th ng

ự ươ ự ộ ỉ ữ ủ ỉ (2019), Võ Xuân Vinh và c ng s  (2020) cũng ch  ra có s  t ng quan không gian c a GRDP gi a các t nh, thành Vi ệ   t

ể ấ ự ầ ừ ữ ậ ế ả ử ụ ữ ệ ả ồ Nam. T  nh ng nh n xét trên có th  th y, s  c n thi t ph i s  d ng mô hình h i quy không gian d  li u b ng nghiên

ủ ố ườ ỉ ệ ứ c u vai trò c a v n con ng i lên GRDP các t nh, thành Vi t Nam.

ủ ố ứ ườ ố ớ ế ị ươ Khi nghiên c u vai trò c a v n con ng i đ i v i quy mô kinh t đ a ph ng, mô hình Solow – Swan (1956), Lucas

ượ ề ả ự ạ ọ ệ ề (1988), Mankiw – Romer – weil (1992) đ c nhi u tác gi ơ ở ể  l a ch n làm c  s  đ  phân tích. T i Vi t Nam, nhi u tác gi ả

ự ọ ả ưở ố ữ đã l a ch n mô hình Mankiw – Romer – Weil ( 1992) xem xét  nh h ng c a ủ v n con ng ư   ườ  đ n ế GRDP do nh ng  u i

ứ ủ ừ ứ ủ ự ể ạ ươ ị ổ đi m c a nó. D a trên nghiên c u c a Đinh Phi H  và T  Đ c Hoàng (2016), Ph m Đình Long và L ng Th  Mai Nhân

ả ự ọ ở ộ ạ ớ (2018), tác gi l a ch n mô hình Mankiw – Romer – Weil (1992) v i hàm Cobb – Douglas m  r ng d ng (3.1) sau làm c ơ

ứ ở s  cho nghiên c u:

(3.1)

ứ ả ượ v i, ớ : là m c s n l ng

ế ố ệ : là y u t công ngh

ậ ố ấ : là v n v t ch t

: là lao đ ngộ

ố ườ : v n con ng i

ể ế : là các bi n ki m soát

ể ệ ố ượ ỉ ố ờ ố ỉ : th  hi n đ i t ng t nh, thành ph ; t: là ch  s  th i gian.

ế ạ ồ Hàm h i quy tuy n tính d ng Logarit:

(3.2)

ầ ư Trong đó, , là ph n d .

ờ ỳ ư ớ ố ệ ả ồ ồ ổ Mô hình h i quy không gian t ng quát (GNS) v i s  li u b ng g m n quan sát và k th i k  nh  sau:

(3.3)

(3.4)

ớ V i:  và

ạ ươ ồ ươ ươ ươ Mô hình (3.3) bao hàm 3 d ng t ng tác không gian g m có t ộ ng tác n i sinh , t ạ ng tác ngo i sinh  và t ng tác

ố ố ư ả ố ươ ồ thông qua sai s  . Khi phân tích h i quy không gian luôn mong mu n t i  u cùng lúc c  3 t ng tác nêu trên. Tuy nhiên,

ệ ử ụ ổ ươ ươ ạ theo Elhorst (2010), vi c s  d ng mô hình t ng quát (GNS) làm cho t ộ ng tác n i sinh và t ng tác ngo i sinh không th ể

ệ ớ ộ ươ ấ ị ạ ỏ ỏ ố ư ấ tách bi t v i nhau. Do đó, ít nh t m t t ng tác b  lo i b  kh i mô hình này. Cũng theo Elhorst (2010), cách t i  u nh t là

ạ ỏ ươ ố ườ ượ ổ ế ử ụ ấ lo i b  t ng tác không gian qua sai s . Các mô hình th ng đ c xem xét s  d ng ph  bi n nh t đó là mô hình SAR,

SEM và SDM.

ượ ườ ệ ự ồ Cliff & Ord (1973) đ c cho là ng ệ i đi tiên phong trong vi c phát hi n ra mô hình t h i quy (SAR) và sau đó

ở ộ ướ ạ ứ Anselin (1988) đã m  r ng mô hình này d i d ng công th c (3.5):

(3.5)

ộ ạ ị ụ ế ươ ộ ị ụ ế ả ở ộ ị ươ ấ Mô hình (3.5) cho th y, bi n ph  thu c t i đ a ph ng  có kh  năng b  tác đ ng b i bi n ph  thu c đ a ph ng lân c n ậ j.

ủ ụ ư ủ ứ ế ế ế ế ễ ộ ộ ẫ ầ   N u nhà nghiên c u không quan tâm đ n tác đ ng c a các bi n tr  không gian c a bi n ph  thu c nh ng v n c n

ể ươ ế ể ứ ầ ệ ể ị ươ ki m soát t ng quan không gian đ  tránh k t qu ả ướ ượ c l ng b  sai l ch thì nhà nghiên c u c n ki m soát t ng quan

ố ủ ạ ầ ượ ợ không gian trong ph n sai s  c a mô hình. Khi đó mô hình SEM có d ng sau đ c cho là phù h p:

(3.6)

(3.7)

ữ ự ộ ườ ộ ế ụ ủ ế ế ộ ộ Pace và c ng s  (1998) không nh ng đo l ụ ng tác đ ng không gian c a bi n ph  thu c đ n bi n ph  thu c mà còn

ộ ậ ứ ủ ế ế ế ộ ở ộ ụ xem xét tác đ ng không gian c a bi n đ c l p đ n bi n ph  thu c. Khi đó, ta có mô hình (SDM) cho b i công th c (3.8):

(3.8)

ử ụ ừ ứ ữ ạ ậ ị ướ ạ T  nh ng nh n đ nh trên, trong nghiên c u này s  d ng các d ng mô hình SEM, SAR, SDM d ữ ệ   i d ng d  li u

ủ ố ể ườ ố ớ ị ươ ả b ng đ  phân tích vai trò c a v n con ng i đ i v i GRDP các đ a ph ụ ể ư ng, c  th  nh  sau:

ạ ồ Mô hình h i quy d ng SEM:

(3.9)

(3.10)

ạ ồ Mô hình h i quy d ng SAR:

(3.11)

76

ả ả ứ ự ệ ế B ng 3.2: Gi i thích các bi n trong mô hình nghiên c u th c nghi m

Ký hiệu biến

Định nghĩa biến

Nguồn biến nghiên cứu

Nguồn số liệu

Kỳ vọng

Quy mô kinh tế LnGRDP

Trần Thọ Đạt (2011), Đinh Phi Hổ và Từ Đức Hoàng (2016)

Logarit tổng GRDP cấp tỉnh theo giá 2010 (đơn vị tính: tỷ đồng).

Tổng cục Thống kê Việt Nam.

Vốn con người LnH_EXPEDU

+

Niên giám thống kê tỉnh, thành.

lnH_EXPHEA

+

Kanayo (2013), Pelinescu (2015), Đinh Phi Hổ và Từ Đức Hoàng (2016), Phạm Đình Long và Lương Thị Mai Nhân (2018), Phan Thị Bích Nguyệt và cộng sự (2018) Ferda (2011), Qadri & Waheed (2011), Đinh Phi Hổ và Từ Đức Hoàng (2016)

lnH_LABEDU

+

Niên giám thống kê tỉnh, thành. Tổng cục thống kê Việt Nam.

Zhang & Zhuang (2011), Plinescu (2015), Benos và Karagiannis (2016), Phan Thị Bích Nguyệt và cộng sự (2018), Nguyễn Thị Đông và Lê Thị Kim Huệ (2019)

Ký hiệu biến

Logarit tổng chi tiêu công cho giáo dục của tỉnh/thành phố trong năm (đơn vị tính: tỷ đồng). Logarit tổng chi tiêu công cho y tế của tỉnh/thành phố trong năm (đơn vị tính: tỷ đồng). Logarit tỷ lệ lao động đang làm việc trong các thành phần kinh tế đã qua đào tạo (đơn vị tính: %). Định nghĩa biến

Nguồn biến nghiên cứu

Nguồn số liệu

Kỳ vọng

Vốn vật chất lnINV

+

Logarit tổng vốn đầu tư của địa phương trong năm theo giá 2010 (đơn vị tính: tỷ đồng).

Niên giám thống kê tỉnh, thành.

Sử Đình Thành và Đoàn Vũ Nguyên (2015), Phan Thị Bích Nguyệt và cộng sự (2018), Trần Thị Tuấn Anh và Nguyễn Văn Thắng (2019), Nguyễn Thị Đông và Lê Thị Kim Huệ (2019), Võ Xuân Vinh và cộng sự (2020)

Vốn lao động lnLABOR

+

Logarit tổng số lao động từ 15 tuổi trở lên của tỉnh thành (đơn vị tính: nghìn người).

Tổng cục Thống kê Việt Nam.

Trần Thọ Đạt (2011), Hạ Thị Thiều Giao và Nguyễn Đăng Khoa (2014), Phan Thị Bích Nguyệt và cộng sự (2018), Phạm Đình Long và Lương Thị Mai Nhân (2018), Nguyễn Thị

77

Đông và Lê Thị Kim Huệ (2019)

Ký hiệu biến

Định nghĩa biến

Nguồn biến nghiên cứu

Kỳ vọng

Nguồn số liệu

Biến kiểm soát FDI

+

Tỷ lệ đầu tư trực tiếp nước ngoài so với tổng vốn đầu tư trong năm.

Niên giám thống kê tỉnh, thành.

Ng & Leung (2004), Trần Thọ Đạt và cộng sự (2007), Hạ Thị Thiều Giao và Nguyễn Đăng Khoa (2014), Đinh Phi Hổ và Từ Đức Hoàng (2016)

POP

Logarit tỷ lệ tăng trưởng dân số hằng năm (đơn vị tính: %).

CPI

+/-

POOR

-

+/- Sử Đình Thành và Đoàn Vũ Nguyên (2015), Phan Thị Bích Nguyệt và cộng sự (2018), Trần Thị Tuấn Anh và Lê Văn Thắng (2019) Friedman (1977), Jin & Zou (2005), Trần Hoàng Ngân và cộng sự (2013), Sử Đình Thành và Đoàn Vũ Nguyên (2015) Siswantoro & Tien (2012), Đinh Phi Hổ và Từ Đức Hoàng (2016)

Logarit chỉ số giá tiêu dùng trung bình hàng năm (đơn vị tính: %). Logarit tỷ lệ hộ nghèo của địa phương hàng năm (đơn vị tính: %).

Tổng cục Thống kê Việt Nam. Tổng cục Thống kê Việt Nam Niên giám thống kê tỉnh, thành.

Nguồn: Tổng hợp của tác giả, 2020

78

ạ ồ Mô hình h i quy d ng SDM:

(3.12)

ứ ượ ế ả ở ả Các bi n trong mô hình nghiên c u đ c gi i thích b ng 3.2.

ữ ệ ứ 3.4.2 D  li u nghiên c u

ữ ệ ậ ượ ổ ợ ừ ữ ệ ủ ồ ổ ủ D  li u c a lu n án đ c t ng h p t ụ    ngu n d  li u c a T ng c c

ố ệ ố ừ ạ ố ỉ Th ng kê công b  t ng năm trong giai đo i 2010 ­ 2017. S  li u các ch  tiêu

ị ươ ế ố ườ ố ườ ể GRDP đ a ph ng, các y u t đo l ng v n con ng ế i và các bi n ki m soát

ấ ừ ủ ố ị ươ ố trích xu t t Niên giám th ng kê c a 63 đ a ph ng và Niên giám th ng kê c ả

n c.ướ

ố ệ ẩ ả ổ ị ươ ỷ ồ ổ S  li u GRDP: t ng s n ph m đ a ph ng (t đ ng) và quy đ i GRDP

ể ố ượ ế ố ườ ố theo giá g c năm 2010 đ  tránh tr t giá. Các y u t đo l ng v n con ng ườ   i

ụ ồ ế ộ bao g m chi tiêu cho giáo d c, chi tiêu cho y t và t ỷ ệ  l ệ    lao đ ng đang làm vi c

ạ ấ ỉ ượ ổ ợ ừ ố đã   qua   đào   t o   c p   t nh/thành   đ c   t ng   h p   t ị     Niên   giám   th ng   kê   đ a

ươ ố ượ ể ế ồ ố ộ ph ng. Các bi n ki m soát bao g m s  l ổ ng lao đ ng, t ng v n đ u t ầ ư   ,

ố ỷ ệ ộ FDI, CPI, t ỷ ệ  l % tăng dân s  và t h  nghèo đ l ượ ấ ừ c l y t ố    Niên giám th ng

ả ướ ủ ụ ệ ổ ố ộ kê c  n c và Báo cáo lao đ ng vi c làm hàng năm c a T ng c c th ng kê và

ộ ươ ề ể ầ ố ộ ộ B  Lao đ ng – Th ng binh & Xã h i. Ph n m m th ng kê dùng đ  phân tích

ượ ữ ệ ậ ồ ị đ nh l ng và ướ ượ c l ng d  li u trong lu n án này bao g m Stata, R, Mapinfo.

ƯƠ Ể 3.5 PH NG PHÁP ƯỚ ƯỢ C L Ị NG VÀ KI M Đ NH MÔ HÌNH

ươ ọ ố ị 3.5.1 Ph ậ ng pháp xác đ nh ma tr n tr ng s  không gian

ậ ọ ữ ệ ố Ma tr n tr ng s  không gian   gi vai trò chính trong vi c th  hi n s ể ệ ự

ữ ị ươ ớ ươ t ng tác không gian gi a các đ a ph ệ ng v i nhau. Hi n nay, có 4 ph ươ   ng

ự ể ươ ữ ị ươ ệ ả ồ pháp đ  xây d ng t ng tác gi a các đ a ph ng Vi t Nam g m kho ng cách

ế ả ả ả ả ị kinh   t ,   kho ng   cách   qu n   lý,   kho ng   cách   văn   hóa,   kho ng   cách   đ a   lý

ự ứ ệ ạ ệ ủ (Ghemawat, 2001). Các nghiên c u th c nghi m t i Vi t Nam c a các tác gi ả

ư ễ ả ấ ầ ị Esiyok et al (2015), Tr n Th  Tu n Anh (2017), Nguy n L u B o Đoan và Lê

ễ ắ ấ ầ ắ ị Văn Th ng (2017), Tr n Th  Tu n Anh và Nguy n Văn Th ng (2019), Võ Xuân

79

ự ề ộ ươ ữ Vinh   và   c ng   s   (2020)   đ u   xem   xét   t ị   ng   quan   không   gian   gi a   các   đ a

ươ ố ề ề ậ ậ ằ ả ọ ọ ị ph ng b ng kho ng cách đ a lý. Ma tr n tr ng s  li n k  và ma tr n tr ng s ố

ớ ượ ả ả ị ả ư kho ng cách ngh ch đ o v i đ ố c đa s  tác gi ậ   ử ụ   u tiên s  d ng. Ma tr n

ả ưỡ ượ ư ễ ả kho ng cách ng ng cũng đ c Esiyok et al (2015) và Nguy n L u B o Đoan

ứ ủ ề ấ ắ ỏ và Lê Văn Th ng (2017) đ  xu t khi nghiên c u lan t a không gian c a FDI các

ư ễ ắ ả ươ ỉ t nh, thành. Nguy n L u B o Đoan và Lê Văn Th ng (2017) xem xét t ng tác

ưỡ không gian trong các ng ng 180km và 300km, trong khi Esiyok et al (2015) ch ỉ

ưỡ ứ ả ợ ra các ng ng kho ng cách là 186km và 350km là phù h p cho nghiên c u FDI

ệ ớ ơ ở ứ ự ệ ậ ạ t i Vi t Nam. V i c  s  nghiên c u th c nghi m đã nêu, trong lu n án này 3

ố ề ề ả ả ậ ọ ị ả ạ d ng   ma   tr n   tr ng   s   li n   k ,   kho ng   cách   ngh ch   đ o   và   kho ng   cách

ưỡ ượ ả ưở ộ ố ế ố ố ủ ng ng đ c xem xét phân tích  nh h ng c a m t s  y u t v n con ng ườ   i

ỉ ệ ố ớ ậ ả ưỡ ố ớ đ i v i GRDP các t nh, thành Vi t Nam. Đ i v i ma tr n kho ng cách ng ng,

ử ụ ứ ưỡ ươ ự nghiên c u này s  d ng ng ng 186km t ng t nh ư Esiyok et al (2015) và

ươ ứ ủ ư ả ồ ớ cũng t ắ   ễ ng đ ng v i nghiên c u c a Nguy n L u B o Đoan và Lê Văn Th ng

ả ưỡ ả ả ậ (2017), do kho ng cách ng ớ   ỉ ng này đ m b o có 3 t nh, thành lân c n so v i

ỉ t nh, thành đang xem xét (Esiyok et al, 2015).

ố ề ầ ử ủ ề ậ ậ ậ ọ ỗ ­ Ma tr n tr ng s  li n k  (W1): M i ph n t c a ma tr n này nh n giá

ế ị ị ươ ế ế ị ị tr  1 n u hai đ a ph ậ ng ti p giáp nhau và nh n giá tr  0 n u hai đ a ph ươ   ng

ự ế ả ồ ỉ ệ ị không ti p giáp nhau. D a trên b n đ  63 t nh thành Vi ẽ t Nam s  xác đ nh

ượ ươ ấ ỳ ế đ ị c 2 đ a ph ng b t k  có ti p giáp nhau hay không.

ậ ả ưỡ ­ Ma tr n kho ng cách ng ng 186km (W2):

(3.13)

ừ ệ ả ị ươ ế ị ươ ớ v i  ký hi u kho ng cách tr  trung tâm đ a ph ng  đ n trung tâm đ a ph ng .

ả ậ ả ị ­ Ma tr n kho ng cách ngh ch đ o (W3):

(3.14)

ừ ệ ả ị ươ ế ị ươ ớ v i  ký hi u kho ng cách tr  trung tâm đ a ph ng  đ n trung tâm đ a ph ng .

80

ị ứ ệ ứ ố ị ờ ể 3.5.2 Ki m đ nh  ng hi u  ng c  đ nh không gian, th i gian

ể ượ ự ệ ướ ạ ị Ki m đ nh này đ c th c hi n d i d ng FEM, nghĩa là xem xét các h ệ

ặ ằ ố ờ ổ ộ ố ố ộ ố s  đ  d c là h ng s , khi đó tung đ  g c thay đ i theo th i gian ho c theo cá

ả nhân hay c  hai.

ả ệ ứ ố ị ế Gi thuy t: cho các hi u  ng c  đ nh không gian.

ả ố ị ế ờ Gi ệ ứ  thuy t: cho các hi u  ng c  đ nh th i gian.

ử ụ ể ể ị S  d ng ki m đ nh Log likehood –ratio đ  so sánh trong hai mô hình

ệ ứ ố ị ờ ố ơ hi u  ng c  đ nh theo không gian, th i gian có t t h n mô hình POOLED OLS

ế ả ườ ỏ ả ợ ế hay không. N u c  hai tr ề ng h p đ u bác b  gi ệ ứ    thuy t , nghĩa là hi u  ng

ư ự ể ờ ọ ố ị c  đ nh theo không gian và th i gian  u tiên l a ch n đ  phân tích.

ả 3.5.3 Ướ ượ c l ố ệ ng các mô hình s  li u b ng không gian

ố ị ộ ễ Mô hình tr  không gian tác đ ng c  đ nh:

ủ ế ầ ớ ở ộ Theo Anselin et al (2006), ph n m  r ng c a mô hình FEM v i bi n tr ễ

ộ ặ ủ ự ụ ế không gian c a bi n ph  thu c đ c ra hai s  khó khăn.

ứ ấ ủ ạ ạ ả ế ề ồ ẩ Th  nh t, ngo i sinh c a vi ph m gi thuy t v  h i quy chu n là , trong

ế ầ ấ ướ ượ c l ề ng mô hình v n đ  này c n tính đ n.

ứ ạ ữ ụ ể ế ỗ ờ ộ Th  hai, t i m i th i đi m, ph  thu c không gian gi a các bi n quan sát

ưở ế ế ố ị ể ả có th   nh h ng đ n k t qu ả ướ ượ c l ộ ng các tác đ ng c  đ nh.

ượ ừ ự ế Ướ ượ c l ng ML (Multiplier Lagrange) đ c suy ra t ộ    s  tính đ n n i

ủ ủ ế ợ ộ ượ sinh c a . Hàm h p lý c a mô hình (SAR) n u tác đ ng không gian đ c gi ả

ế ượ ở thi ố ị t là c  đ nh đ ị c xác đ nh b i:

(3.15)

ứ ễ ể ả ầ ầ ủ   trong đó, thành ph n th  hai bên ph i bi u di n cho thành ph n Jacobian c a

ả ộ ủ ủ ế ấ ợ bi n đ i t ạ ổ ừ ớ y tính c  n i sinh c a . Đ o hàm riêng c p 1 c a hàm h p lý t i

ượ ẽ theo  s  tìm đ c: v i ớ (3.16)

81

ươ ố ị ụ ộ ễ ừ T  ph ng trình (SAR) áp d ng cho tác đ ng c  đ nh tr không gian

ữ ấ ả ơ ộ m t cách đ n gi n. Tuy nhiên, Lee và Yu (2010) cho th y, có nh ng tr ườ   ng

ố ớ ộ ố ụ ộ ỉ ố ầ   ệ ợ h p ph  thu c vào n và k, trong đó hi u ch nh đ i v i m t s  tham s  c n

ượ ộ ủ ớ ự ụ ự ệ ạ ể ờ ỗ đ c th c hi n v i s  ph  thu c c a các quan sát t i m i th i đi m. Thay

ế ạ ệ ắ ượ ủ ợ nghi m  vào hàm h p lý và s p x p l i thu đ ợ c hàm h p lý c a :

(3.17)

ư Anselin và Hudak (1992) đã đ a ra cách ướ ượ c l ắ   ng   mô hình SAR b t

ủ ụ ướ ượ ể ử ụ ự ạ ầ ừ ố ệ đ u t s  li u chéo. Th  t c c l ợ   ng này có th  s  d ng c c đ i hàm h p

ớ ệ ề ủ ữ ệ ớ ố ủ ụ ữ lý v i khác bi t gi a hai th  t c này v i s  chi u c a d  li u.

ư ố ệ ế ầ ắ ớ ượ Đ u tiên, s p x p các quan sát nh  s  li u chéo v i  thu đ c  véc t ơ

ố ớ ư ằ ậ ộ ượ ố ớ đ i v i ,  và m t ma tr n  đ i v i . L u ý r ng các tính toán này đ ự   c th c

ộ ầ ệ ề ậ ấ ượ ư hi n m t l n duy nh t và ma tr n chéo  chi u  không đ c l u tr . Đ i v i b ữ ố ớ ộ

ể ậ ố ệ ớ ẽ s  li u l n s  làm ch m đáng k  quá trình tính toán ướ ượ c l ng ML.

0, b1  là

ứ ệ ủ ồ Th  hai, ký hi u b ướ ượ c l ng OLS c a h i quy   và  theo và ký

ư ươ ệ ầ ứ Ướ ượ ủ ẽ ạ ượ ằ hi u  là ph n d  t ng  ng. c l ng ML c a s  đ t đ ự   c b ng cách c c

ợ ạ đ i hàm h p lý.

(3.18)

ộ ằ ụ ố ộ trong đó, C là m t h ng s  không ph  thu c .

ượ ứ Th  ba, ướ ượ c l ng  và  đ c tính t ừ ướ ượ c l ủ ng c a :

(3.19)

(3.20)

ố ị ố ộ Mô hình sai s  không gian tác đ ng c  đ nh:

ở ộ Anselin và Hudak (1992) cũng đã m  r ng ướ ượ c l ng ML t ừ ố ệ    s  li u

ớ ạ ủ ợ chéo đ ể ướ ượ c l ng  và  mô hình SEM v i d ng FEM. Hàm h p lý c a mô hình

ượ ở SEM đ ị c xác đ nh b i:

(3.21)

82

ố ị ộ Mô hình Durbin không gian tác đ ng c  đ nh:

ớ ạ ủ ợ ượ ở Hàm h p lý c a mô hình (SDM) v i d ng FEM đ ị c xác đ nh b i:

(3.22)

(3.23)

ể ị 3.5.4 Ki m đ nh Hausman

ư ươ ể ự ể ọ ị Hausman (1978) đã đ a ra ph ng pháp ki m đ nh đ  l a ch n mô hình

ơ ỉ FEM phù h n REM hay không (Baltagi & Liu, 2008). Mutl et al (2011) đã ch  ra

ố ớ ườ ụ ể ể ị ợ ằ r ng ki m đ nh này cũng có th  áp d ng đ i v i tr ồ ng h p cho h i quy không

ữ ệ ế ừ ụ ướ ả gian d  li u b ng khi thay th  t ng công c ằ   c tính bên trong và GLS b ng

ự ủ ươ t ng t không gian c a nó.

ả ơ Gi ế  thuy t H ợ 0: REM phù h p h n FEM.

0, nghĩa là ch n l a

ỏ ả ế ọ ự ướ ượ ố ị ộ N u bác b  gi ế  thuy t H c l ng tác đ ng c  đ nh

ườ ợ ợ ơ trong tr ng h p này phù h p h n.

ự ọ ợ ồ 3.5.5 L a ch n mô hình h i quy không gian phù h p

ự ồ ạ ủ ể ị 3.5.5.1 Ki m đ nh s  t n t ố i c a mô hình sai s  không gian (SEM)

ự ồ ạ ủ ể ị ượ ự Theo Anselin et al (2006), ki m đ nh s  t n t i c a SEM đ ệ   c th c hi n

ươ theo ph ng pháp sau:

0:  (Không t n t

ả ồ ạ ụ ộ Gi ế  thuy t H i ph  thu c không gian)

ị ố ể ị Giá tr  th ng kê ki m đ nh:

(3.24)

ố Th ng kê LME tuân theo phân ph i .ố

ự ồ ạ ủ ể ị 3.5.5.2 Ki m đ nh s  t n t ễ i c a mô hình tr  không gian (SAR)

ự ồ ạ ủ ể ị Theo Anselin et al (2006), ki m đ nh s  t n t i c a mô hình SAR đ ượ   c

ự ươ ệ th c hi n theo ph ng pháp sau:

0:  (Không t n t

ả ồ ạ ụ ộ Gi ế  thuy t H i ph  thu c không gian)

ị ố ể ị Giá tr  th ng kê ki m đ nh:

83

(3.25)

trong đó,

.

ố Th ng kê LML tuân theo phân ph i .ố

ợ ủ ự ể ị 3.5.5.3. Ki m đ nh s  thích h p c a mô hình (SDM)

ự ộ ể ể ả ế ệ Anselin và c ng s  (2006), đ ki m tra gi thuy t li u mô hình SDM có

ể ượ ơ ả th  đ c đ n gi n hóa thành mô hình SEM, .

ươ ự ả ế ằ ể ượ ả ơ T ng t , gi thuy t r ng mô hình SDM có th  đ c đ n gi n hóa

ể ự ể ặ ệ thành mô hình SAR,   có th  th c hi n ki m tra Wald ho c LR cho hai gi ả

ế thuy t trên.

ế ả ả ế ề ỏ ợ ị N u c  hai gi thuy t đ u b  bác b  thì mô hình SDM là phù h p.

ự ế ộ ộ ổ ế ộ 3.5.6 Tác đ ng tr c ti p, tác đ ng gián ti p và t ng tác đ ng

ế ủ ừ ế ổ ổ ươ T  mô hình t ng quát (GNS), bi n đ i hai v  c a ph ng trình ta có:

(3.26)

(3.27)

ừ ế ấ ạ ả Elhorst (2010) l y đ o hàm riêng y theo k theo t ng bi n gi i thích, ta

ượ đ ứ c công th c (3.28):

(3.28)

(3.29)

ớ ở ứ ậ ế ứ ộ ự ế V i ma tr n trong công th c (3.28) cho bi ộ t m c đ  tác đ ng tr c ti p, các

ầ ử ằ ở ừ ế ứ ộ ế ph n t n m ộ  hàng hay c t (tr ) cho bi ộ t m c đ  tác đ ng gián ti p. là h  sệ ố

ệ ố ượ ả ộ ồ nhân không gian và h  s  này đ c bao hàm các tác đ ng ph n h i.

Ậ Ế ƯƠ K T LU N CH NG 3

ươ ế ố ự ọ ườ Ch ng này đã trình bày khung phân tích, l a ch n y u t đo l ố   ng v n

ườ ồ ụ ế con ng i g m chi tiêu công cho giáo d c, chi tiêu công cho y t và t ỷ ệ  l lao

84

ứ ượ ệ ạ ộ đ ng đang làm vi c đã qua đào t o. Mô hình nghiên c u đ ự c xây d ng trên c ơ

ể ế ở s  mô hình Mankiw – Romer – Weil (1992). Các bi n ki m soát trong mô hình

ố ỷ ệ ộ ồ bao g m t ỷ ệ  l FDI, t ỷ ệ  l % tăng dân s , CPI và t ậ    h  nghèo. Các ma tr n l

ố ượ ử ụ ọ ươ ồ tr ng s  đ c s  d ng trong phân tích t ng quan không gian và h i quy không

ố ề ề ậ ả ậ ồ ọ ọ ố gian   g m   ma   tr n   tr ng   s   li n   k   (W1),   ma   tr n   tr ng   s   kho ng   cách

ưỡ ả ả ậ ố ọ ị ng ng   186km   (W2),   và   ma   tr n   tr ng   s   kho ng   cách   ngh ch   đ o   (W3).

ố ượ ị Th ng kê Global Moran’s I và Local Moran’s I đ ể ể c dùng đ  ki m đ nh t ươ   ng

ầ ị ươ ế ố ủ quan không gian toàn ph n và đ a ph ng c a GRDP và các y u t đo l ườ   ng

ườ ạ ượ ử ụ ố v n con ng i. Các mô hình d ng SEM, SAR, SDM đ c s  d ng phân tích

ả ưở ủ ừ ế ố ố ườ ị ươ nh h ng c a t ng y u t v n con ng i lên GRDP các đ a ph ng. Ph ươ   ng

ể ồ ồ ị ượ pháp ướ ượ c l ng và ki m đ nh h i quy không gian g m ML, LR cũng đ c tác

ả ề ậ ở ố ươ gi đ  c p cu i ch ng này.

ƯƠ

Ứ

Ế

CH

Ả NG 4 K T QU  NGHIÊN C U

ươ ự ạ ế ố ườ Ch ng này trình bày th c tr ng quy mô kinh t và v n con ng i các

ệ ả ề ả ứ ộ ế ể ị ỉ t nh, thành Vi ế t Nam, các k t qu  v  mô t ộ  m c đ  bi n đ ng và ki m đ nh

85

ệ ượ ủ ế ể ế ộ ị ươ hi n t ng đa c ng tuy n c a các bi n. Ki m đ nh t ng quan không gian

ầ ị ươ ế ố ườ ố ườ toàn ph n và đ a ph ng cho y u t đo l ng v n con ng i và GRDP. Ướ   c

ưở ủ ừ ế ố ố ườ ố ớ ỉ ượ l ứ ộ ả ng m c đ   nh h ng c a t ng y u t v n con ng i đ i v i GRDP t nh,

ự ừ ườ ợ ố ỏ thành. Phân tích s  lan t a không gian cho t ng tr ế ng h p bi n v n con

ườ ố ớ ng i đ i v i GRDP.

Ố Ự Ạ Ế ƯỜ 4.1   TH C   TR NG   QUY   MÔ   KINH   T   VÀ   V N   CON   NG I   CÁC

Ệ Ỉ T NH, THÀNH VI T NAM

ự ạ ế ỉ 4.1.1 Th c tr ng quy mô kinh t các t nh, thành

ạ ệ ụ ượ Trong giai đo n 2010 ­ 2017, Vi ậ t Nam đã t n d ng đ c th i c , v ờ ơ ượ   t

ạ ượ ứ ề ữ ọ qua nhi u khó khăn, thách th c và đ t đ ự c nh ng thành t u quan tr ng trên

ế ấ ướ ạ ỏ ự các lĩnh v c kinh t ộ  ­ xã h i. Đ t n ể   c đã thoát kh i tình tr ng kém phát tri n,

ầ ủ ậ ấ ườ ượ ả ệ ệ ờ ố đ i s ng v t ch t và tinh th n c a ng i dân đ c c i thi n. Vi t Nam đang

ộ ớ ộ ướ ế ớ ậ trong quá trình h i nh p sâu r ng v i các n c trên th  gi ạ   ở ộ i, đã m  r ng ngo i

ề ớ ướ ề ổ ứ ố ế ồ ờ giao v i nhi u n c, đ ng th i cũng đã tham gia nhi u t ch c qu c t và đã

ề ợ ế ấ ướ ể đem nhi u l ề ặ i ích v  m t kinh t , giúp đ t n c ngày càng phát tri n.

ế ở ấ ả ố K t qu  th ng kê Hình 4.1 cho th y, quy mô GDP tính theo giá năm

ệ ừ ạ ủ 2010 c a Vi ế   t Nam tăng lên theo t ng năm trong giai đo n 2010 – 2017. N u

ư ổ ỷ ồ ế nh  năm 2010, t ng GDP là 2.157.828 (t đ ng) thì đ n năm 2017 quy mô GDP

ỷ ồ ỷ ệ ưở ạ tăng lên 3.262.548 (t đ ng). T  l tăng tr ề   ng giai đo n 2010 – 2017 này đ u

ứ ưở ả cao, trên m c 5%. Tăng tr ớ   ng GDP năm 2012 là 5,42%, tuy có gi m so v i

ở ử ữ ư ậ ờ ộ ộ năm 2011 nh ng nh  vào nh ng chính sách m  c a, h i nh p sâu r ng đã giúp

ệ ưở ứ ế ạ Vi t Nam tăng tr ạ ng nhanh chóng trong giai đo n ti p theo và đ t m c 6,81%

trong năm 2017.

ả ưở ả ướ ạ ế Hình 4.1: K t qu  tăng tr ng GDP c  n c giai đo n 2010 ­ 2017

ụ ố ổ ồ Ngu n: T ng c c Th ng kê (2018)

86

ị ươ ủ Hình 4.2: Trung bình GRDP tính theo giá 2010 c a các đ a ph ng

ố ồ ị ươ ơ ị ỷ ồ Ngu n: Niên giám th ng kê đ a ph ng (2010 ­ 2017), đ n v  tính: t đ ng

ị ươ ượ ằ Quy mô GRDP các đ a ph ng đ c tính theo giá 2010 cũng n m trong

ả ướ ủ ế ả ề ế ị xu th  tăng chung c a c  n c. Hình 4.2 cho k t qu  v  giá tr  trung bình

ố ồ ủ ố ỉ ộ   GRDP c a 63 t nh, thành ph . Trong đó, Thành ph  H  Chí Minh và Hà N i

ế ỷ ọ ủ ả ướ ầ ẫ v n là 2 đ u tàu kinh t , đóng góp cao vào t tr ng GDP c a c  n c. Tuy

ề ỉ ư ấ ấ ằ ẫ nhiên, v n còn nhi u t nh thành quy mô GRDP còn r t th p nh  Cao B ng,

ủ ệ ạ ắ ạ ớ ấ   B c K n, Đi n Biên, Lai Châu v i trung bình GRDP c a giai đo n này th p

ỷ ồ ơ h n 75.000 (t đ ng).

ố ự ủ ộ Hình 4.3: Quy mô GRDP theo giá 2010 c a các thành ph  tr c thu c trung

ngươ

ố ồ ị ươ ơ ị ỷ ồ Ngu n: Niên giám th ng kê đ a ph ng (2010­2017), đ n v  tính: t đ ng

ố ự ế ấ ả ộ ươ K t qu  Hình 4.3 cho th y, các thành ph  tr c thu c trung ề ng đ u có

ố ồ ạ quy mô GRDP tăng trong giai đo n 2010 – 2017. Thành ph  H  Chí Minh có quy

ạ ỷ ồ ấ ầ ơ ớ mô GRDP năm 2017 đ t 906.531 (t ộ    đ ng), cao c p h n 1,7 l n so v i Hà N i,

ủ ầ ầ ầ ớ ơ ị ị   ấ g p g n 16 l n so v i C n Th . Nhìn vào giá tr  trung bình GRDP c a các đ a

ươ ở ố ự ả ầ ỉ ph ng ộ    Hình 4.3 thì các t nh có kho ng cách g n các thành ph  tr c thu c

ươ ả ớ ơ ớ ỉ trung ng cũng có quy mô GRDP l n h n so v i các t nh có kho ng cách xa

ự ầ ố ộ ỏ các thành ph  này. Do đó, c n xem xét s  tác đ ng lan t a không gian v ề

ữ ị ươ ể ế ạ ị GRDP gi a các đ a ph ng đ  ho ch đ nh các chính sách liên k t vùng, phát

ể ế ồ ờ ở ươ tri n kinh t đ ng th i ị  các đ a ph ng.

ự ố ườ ạ 4.1.2 Th c tr ng v n con ng i

ố ườ ế ị ể ế ưở V n con ng i có vai trò đáng k  quy t đ nh đ n tăng tr ng kinh t ế

ị ươ ừ ứ ụ ổ ủ c a các đ a ph ng (Đinh Phi H  và T  Đ c Hoàng, 2016). Giáo d c và y t ế

ượ ế ố ầ ố ườ ể đ c coi là các y u t góp ph n hình thành nên v n con ng i. Do đó, đ  nâng

87

ố ườ ả ầ ườ ầ ư ụ cao v n con ng i thì c n ph i tăng c ng đ u t cho giáo d c và y t ế ướ   . N c

ồ ự ừ ề ờ ướ ể ta th i gian qua đã dành nhi u ngu n l c t ngân sách nhà n c đ  chi NSNN

ầ ớ ự ệ ể ồ ờ ộ cho s  nghi p GD&ĐT, đ ng th i cũng dành m t ph n l n đ  chi NSNN cho

ệ ế ế ố ự s  nghi p y t ạ , dân s  và k  ho ch hóa gia đình.

ạ ườ ự ả Trong gia đo n 2010 – 2017, chi th ụ   ng xuyên cho c  2 lĩnh v c giáo d c

ế ề ế ườ và y t đ u tăng. N u năm 2010, ngân sách dành chi th ụ   ng xuyên cho giáo d c

ỷ ồ ế ỷ ồ ế là 78.026 t đ ng, y t là 25.130 t đ ng thì đ n năm 2017 đã tăng lên t ươ   ng

ứ ỷ ồ ế ỷ ồ ơ ấ ụ ng  cho  giáo d c  là  204.521 t đ ng,  y  t là   85.230  t đ ng.  C   c u  chi

ườ ụ ế ườ th ng xuyên cho giáo d c và y t ổ  trong t ng chi th ng xuyên NSNN có

ư ề ế ề ề ả ộ ướ nhi u bi n đ ng. Tuy có gi m trong năm 2014, nh ng xét v  chi u h ng thì

ụ ế ả ạ ơ ấ c  c u chi NSNN cho giáo d c và y t tăng trong c  giai đo n. Giáo d c đ ụ ượ   c

ầ ố ỷ ọ ườ ụ xem là qu c sách hàng đ u, nên t tr ng chi th ế   ng xuyên cho giáo d c chi m

ầ ơ ớ ớ ỷ ọ t ấ  tr ng l n và cao h n g p 3 l n so v i chi cho y t ế .

ỷ ệ Hình 4.4: T  l ụ  chi tiêu công cho giáo d c và chi tiêu công cho y t ế ả ướ  c  n c

ố ồ ị ươ ơ ị Ngu n: Niên giám th ng kê đ a ph ng (2010­2017), đ n v  tính: %

ụ Hình 4.5: Trung bình chi tiêu công cho giáo d c và chi tiêu công cho y t ế

ị ươ ủ c a các đ a ph ng theo năm

ố ồ ị ươ ơ ị Ngu n: Niên giám th ng kê đ a ph ng (2010­2017), đ n v  tính: %

ụ Hình 4.6: Trung bình chi tiêu công giáo d c và chi tiêu công cho y t ế theo

ị ươ đ a ph ng

ố ồ ị ươ ơ ị Ngu n: Niên giám th ng kê đ a ph ng (2010­2017), đ n v  tính: %

88

ệ ượ ấ ạ ố Vi t Nam đ c đánh giá là qu c gia phân c p m nh trong chi th ườ   ng

ị ươ ế ấ ả xuyên NSNN cho các đ a ph ng. K t qu  Hình 4.5 cho th y, trung bình chi

ườ ụ ế ủ ị ươ ừ th ng xuyên NSNN giáo d c và y t c a các đ a ph ng trong t ng năm tăng

ế ườ ụ lên. N u năm 2010, chi th ỗ ị   ng xuyên NSNN cho giáo d c trung bình m i đ a

ươ ỷ ồ ế ỷ ồ ph ng là 37.640,6 t đ ng thì đ n năm 2017 tăng lên 94.685,1 t đ ng. Trung

ườ ế ỗ ị ươ bình chi th ng xuyên NSNN cho y t m i đ a ph ng năm 2015 là 22.727,0 t ỷ

ế ỷ ồ ừ ế ồ đ ng   thì   đ n   năm   2017   tăng   lên   24.061,6   t ị     đ ng.   N u   xét   theo   t ng   đ a

ươ ả ở ộ ị ươ ph ế ng,   k t  qu ấ   Hình  4.6  cũng  cho   th y,   Hà   N i  là   đ a   ph ng   có   chi

ườ ụ ế ấ ươ ứ th ng xuyên NSNN cho giáo d c và y t cao nh t, t ng  ng là 9.018,0 t ỷ

ỷ ồ ậ ị ươ ứ ồ đ ng/năm   và   2.551,9   t đ ng/năm.   Ninh   Thu n   là   đ a   ph ng   có   m c   chi

ườ ụ ế ấ ấ ả ướ ươ th ng xuyên NSNN cho giáo d c và y t th p nh t c  n c, t ứ ng  ng là

ỷ ồ ố ớ ụ ỷ ồ ố ớ 872,0 t đ ng/năm đ i v i giáo d c và 200,1 t đ ng/năm đ i v i y t ế ừ  . T

ự ụ ự ệ ạ ả ầ ơ ấ th c tr ng trên, c n ph i th c hi n c  c u chi tiêu công cho giáo d c, chi tiêu

ế ợ ả ơ ấ ạ ệ ớ công cho y t h p lý và hi u qu . C  c u l ạ i m ng l ướ ườ i tr ầ   ng l p, tránh đ u

ườ ầ ư ế ế ỉ ầ ư t dàn trãi, lãng phí. Tăng c ng đ u t cho y t ả    tuy n t nh, góp ph n gi m

ế ở ể ể ạ ệ ệ thi u tình tr ng chuy n tuy n các b nh vi n.

ỷ ệ ủ ộ ệ ạ Hình   4.7:   T   l ị     lao   đ ng   đang   làm   vi c   đã   qua   đào   t o   c a   các   đ a

ph ngươ

ố ồ ị ươ ơ ị Ngu n: Niên giám th ng kê đ a ph ng (2010­2017), đ n v  tính: %

ỷ ệ ộ ệ ạ ẵ Hình 4.8: T  l ộ    lao đ ng đang làm vi c đã qua đào t o Đà N ng, Hà N i,

ạ B c Liêu, Cà mau

ố ồ ị ươ ơ ị Ngu n: Niên giám th ng kê đ a ph ng (2010­2017), đ n v  tính: %

ế ố ữ ộ ườ ố ườ ọ M t trong nh ng y u t đo l ng v n con ng i quan tr ng đó là lao

ả ướ ệ ạ ộ ộ đ ng đang làm vi c đã qua đào t o. Tính theo c  n c, t ỷ ệ  l lao đ ng đang làm

ạ ỷ ệ ừ ệ ạ vi c đã qua đào t o tăng theo t ng năm, đ t t l 21,4% năm 2017, tăng 6,8% so

89

ệ ộ ớ v i năm 2010 (Hình 4.7). Trung bình t ỷ ệ  l lao đ ng đang làm vi c đã qua đào

ươ ạ ở ỗ ị t o m i đ a ph ừ ng cũng tăng theo t ng năm. Năm 2010, t ỷ ệ  l ộ  lao đ ng đang

ạ ở ỗ ị ệ ươ ạ làm vi c đã qua đào t o m i đ a ph ng là 12,99%, năm 2014 đ t 16,18%,

ế ế ề ế đ n năm 2017 tăng lên 18,79%. N u phân theo vùng kinh t , mi n Đông Nam

ộ ượ ự ạ ộ B  đ c coi là khu v c có t ỷ ệ  l ệ  lao đ ng đang làm vi c đã qua đào t o cao

ấ ấ ầ ấ nh t, ng ượ ạ c l i vùng ĐBSCL có t ỷ ệ  l này th p nh t. Do đó, c n tăng c ườ   ng

ấ ượ ế ạ ẩ ạ ạ ầ ư đ u t vào GD, nâng cao ch t l ặ   ng đào t o, đ y m nh liên k t đào t o, đ c

ệ ề ừ ấ ượ ộ ố bi ạ t là đào t o ngh , t đó nâng cao ch t l ng lao đ ng, làm cho v n con

ươ ượ ng ườ ở i ị  các đ a ph ng đ c nâng lên.

ị ươ ấ ẵ ộ ừ Xét theo t ng đ a ph ng, Hình 4.8 cho th y, Đà N ng và Hà N i là hai

ươ ệ ạ ấ ộ ị đ a ph ng có t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o cao nh t, nhì c ả

ướ ạ ỉ ấ ấ n c, trong khi B c Liêu và Cà Mau là hai t nh có t ỷ ệ  l ế    % này th p nh t. N u

ư ạ ở ệ ộ nh  năm 2017, t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o ẵ  Đà N ng là

ở ỉ ứ ế ề ỉ ỏ 40,5% thì t ỷ ệ  l này t nh Cà Mau ch  chi m 9,8%. Đi u này ch ng t , có

ữ ỷ ệ ệ ả ệ ộ kho ng cách chênh l ch khá xa gi a t l lao đ ng đang làm vi c đã qua đào

ị ươ ạ ở t o ề  các vùng mi n và các đ a ph ng.

ỷ ệ ộ ệ ạ ị Hình 4.9: T  l lao đ ng đang làm vi c đã qua đào t o các đ a ph ươ   ng

ị phân theo thành th , nông thôn

ố ồ ị ươ ơ ị Ngu n: Niên giám th ng kê đ a ph ng (2010­2017), đ n v  tính: %

ự ứ ế ả ộ ỏ ầ ớ Xét theo góc đ  khu v c, k t qu  Hình 4.9 ch ng t ị   , ph n l n các đ a

ươ ạ ở ệ ộ ự ị ph ng có t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o khu v c thành th  cao

ề ầ ố ỉ ớ ớ ườ ơ h n nhi u l n so v i nông thôn. Các thành ph , t nh có GRDP l n, ng i lao

ụ ề ệ ễ ế ề ậ ớ ọ ả   ậ ộ đ ng có đi u ki n c n d  dàng ti p c n v i giáo d c, h c ngh  thì kho ng

ố ớ ự ấ ị ươ cách gi a t ữ ỷ ệ ữ  l gi a hai khu v c này th p, tuy nhiên đ i v i các đ a ph ng có

ề ế ả ỷ ệ ữ ệ đi u ki n kinh t khó khăn thì kho ng cách t ấ ớ   ự  gi a hai khu v c này r t l n. l

ụ ể ạ ở ệ ộ ố C  th , trung bình t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o thành ph  Đà

90

ố ớ ố ớ ự ẵ ị N ng là 41,28% đ i v i khu v c thành th , 32,72% đ i v i nông thôn. Trong khi

ở ự ự ị ỉ t nh Hà Giang, trung bình t ỷ ệ  l này khu v c thành th  và khu v c nông thôn

ươ ứ t ng  ng là 45,53% và 4,65%.

ớ ầ ớ ế ả ị ươ Xem xét theo gi ấ i tính, k t qu  cho th y ph n l n các đ a ph ng có t ỷ

ạ ở ệ ộ ớ ữ ớ ệ l lao đ ng đang làm vi c đã qua đào t o nam gi ơ i cao h n n  gi i (Hình

ị ươ ư ữ ả ẵ ị 4.10). Các đ a ph ộ ng nh  Qu ng Ninh, Hà N i, Đà N ng là nh ng đ a ph ươ   ng

ệ ạ ộ có trung bình t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o trên 40%, trong khi

ắ ậ ỉ ướ các t nh Cà Mau, H u Giang, Đ k Nông, Hà Giang t ỷ ệ  l này d ạ   i 10%. B c

ượ ỉ ệ ộ Liêu, Kon Tum đ c xem là t nh có trung bình t ỷ ệ  l lao đ ng đang làm vi c đã

ạ ở ữ ớ ỷ ệ ữ ữ ấ ỉ qua đào t o n  gi ấ i cao nh t, và có t ụ ể    gi a nam, n  x p x  nhau. C  th , l

ố ớ ữ ố ớ ở ỉ ạ ỷ ệ t  l 36,22% đ i v i n  và 36,34% đ i v i nam ố    t nh B c Liêu và 35,75% đ i

ố ớ ở ỉ ớ ữ v i n  và 39,98% đ i v i nam t nh Kon Tum.

ỷ ệ ộ ệ ạ ị Hình 4.10: T  l lao đ ng đang làm vi c đã qua đào t o các đ a ph ươ   ng

ớ ữ phân theo gi i tính nam, n

ố ồ ị ươ ơ ị Ngu n: Niên giám th ng kê đ a ph ng (2010­2017), đ n v  tính: %

Ố Ộ Ả Ể Ế Ể   Ị 4.2   TH NG   KÊ   MÔ   T ,   KI M   Đ NH   ĐA   C NG   TUY N   VÀ   KI M

Ị ƯƠ Ứ Ế Đ NH T NG QUAN CÁC BI N TRONG MÔ HÌNH NGHIÊN C U

ữ ệ ứ ượ ậ ừ ỉ D  li u nghiên c u đ c thu th p t ạ   ố  63 t nh, thành ph  trong giai đo n

ừ ả ướ ồ ố ố 2010 – 2017 t các ngu n Niên giám th ng kê c  n ị   c, Niên giám th ng kê đ a

ươ ủ ệ ộ ộ ộ ươ ph ng, Báo cáo lao đ ng vi c làm c a B  Lao đ ng – Th ộ   ng binh & Xã h i.

LnGRDP lnH_EXPEDU lnH_EXPHEA lnH_LABEDU lnINV lnLABOR

ả ố ế ả ả ế ủ ị B ng 4.1: K t qu  th ng kê mô t giá tr  các bi n c a mô hình

Số quan sát 504 504 504 504 504 504

Giá trị trung bình 10,34993 7,543193 6,233343 2,692743 9,518649 6,555676

Độ lệch chuẩn 0,9244879 0,5380315 0,6162205 0,3944905 0,8802818 0,5531178

Giá trị nhỏ nhất 8,229551 6,157826 4,720283 1,629241 7,812508 5,267858

Giá trị lớn nhất 13,71738 9,45101 8,299007 3,929297 12,8096 8,392967

91

FDI POP CPI POOR

504 504 504 504

12,30821 0,9950397 100,6415 12,86363

16,79244 0,797251 0,9747312 10,13884

0,0010697 0,01 92,12 0,1

80,29063 5,18 109,56 50,01

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, 2020

ế ở ả ứ ỏ ữ ả ả ố K t qu  th ng kê B ng 4.1 ch ng t ị ớ   , kho ng cách gi a giá tr  l n

ộ ệ ế ố ủ ế ấ ấ ỏ ị ẩ nh t, giá tr  nh  nh t và đ  l ch chu n c a các bi n GRDP và các y u t đo

ố ườ ủ ể ả ườ l ng v n con ng ế   i không đáng k , trong khi kho ng cách này c a các bi n

ấ ớ ư ự ể ạ   ki m soát nh  FDI, POP, CPI và POOR thì r t l n. Qua phân tích th c tr ng

ế ố ườ ố ườ ự ấ GRDP và các y u t đo l ng v n con ng i cũng cho th y, cũng có s  chênh

ế ố ố ườ ữ ị ươ ệ l ch GRDP và các y u t v n con ng i gi a các đ a ph ng. Nguyên nhân là

ố ớ ữ ậ ỉ do các thành ph  l n và nh ng t nh lân c n xung quanh có GRDP và chi tiêu

ụ ế ỷ ệ ệ ộ công cho giáo d c, chi tiêu công cho y t , t l lao đ ng đang làm vi c đã qua

ạ ơ ớ ỉ ở ự ặ ệ đào t o cao h n so v i các t nh, thành khu v c khác. Đ c bi ề   ỉ t, các t nh mi n

ề ệ ế ị ủ ề ộ núi, vùng cao, đi u ki n kinh t ­ xã h i còn nhi u khó khăn nên giá tr  c a các

ấ ỉ ch  tiêu này còn th p.

ệ ượ ể ệ ố ự ệ ố ế ằ ộ Ki m tra hi n t ng đa c ng tuy n b ng h  s  d a vào h  s  phóng

ươ ệ ượ ụ ệ ớ ộ ạ đ i ph ng sai  v i m c đích phát hi n hi n t ế ng đa c ng tuy n trong các mô

ệ ố ị ủ ứ ế ạ ươ ủ ộ hình nghiên c u. N u giá tr  c a h  s  phóng đ i ph ế   ng sai  c a m t bi n

ệ ượ ế ả ớ ơ trong mô hình l n h n 10 thì bi n đó có kh  năng cao gây ra hi n t ng đa

ế ộ c ng tuy n.

ả ể ế ở ả ế ấ ộ ấ ả ị K t qu  ki m đ nh đa c ng tuy n B ng 4.2 cho th y, t t c  các h  s ệ ố

ạ ươ ủ ứ ế ề ố phóng đ i ph ng sai   c a các bi n s  trong 3 mô hình nghiên c u đ u nh ỏ

ệ ượ ư ề ệ ẳ ế ộ ị ơ h n 10. Đi u này kh ng đ nh, ch a phát hi n hi n t ng đa c ng tuy n trong

mô hình nghiên c u.ứ

Mô hình 1

Mô hình 2

Mô hình 3

Biến

n

2,26

lnH_EXPEDU lnH_EXPHEA

504 504

2,08

ả ể ộ ế ế ả ị B ng 4.2: K t qu  ki m đ nh đa c ng tuy n

92

504 504 504 504 504 504 504

lnH_LABEDU lnINV lnLABOR FDI POP CPI POOR Trung bình

4,47 3,76 1,48 1,30 1,12 2,11 2,36

4,45 3,64 1,52 1,33 1,09 2,07 2,31

1,73 5,84 3,46 1,47 1,30 1,04 1,86 2,39

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, 2020

LnGRDP lnH_EXP

lnINV

lnLABOR FDI

POP

lnH_EXP HEA

LnH_LAB EDU

EDU

LnGRDP

1,00

lnH_EXPEDU

0,57***

1,00

lnH_EXPHEA

0,51***

0,85***

1,00

LnH_LABEDU

0,45***

0,43***

0,44***

1,00

lnINV

0,88***

0,59***

0,53***

0,55***

1,00

lnLABOR

0,83***

0,67***

0,62***

0,21***

0,78***

1,00

FDI

0,46***

0,14***

0,04

0,33***

0,48***

0,21***

1,00

POP

0,15***

0,12***

0,17***

0,25***

0,18***

-0,05

0,23***

1,00

CPI

-0,13***

-0,21***

-0,18***

-0,11***

-0,14***

-0,05

-0,05

-0,04

POOR

-0,70***

-0,17***

-0,12***

-0,29***

-0,61***

-0,51***

-0,37***

0,15***

ả ể ế ả ị ươ ữ ế B ng 4.3: K t qu  ki m đ nh t ng quan gi a các bi n trong mô hình

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) tương

ứng mức ý nghĩa 1%, 5% và 10%.

ế ị ươ ế ượ ả ể K t qu  ki m đ nh t ng quan các bi n trong mô hình đ c cho ở ả    B ng

ụ ế ế ỷ ệ 4.3. Bi n chi tiêu công cho giáo d c, chi tiêu công cho y t , t l ộ  lao đ ng đang

ệ ố ươ ệ ề ớ ạ ạ làm vi c đã qua đ o t o đ u có h  s  t ề ng quan cùng chi u v i GRDP, có ý

ứ ụ ố ớ nghĩa th ng kê v i m c ý nghĩa 1%. Trong đó, chi tiêu công cho giáo d c có h ệ

ế ấ ớ ớ ạ ệ ố ươ ố ươ s  t ng quan l n nh t so v i các bi n còn l i (r=0,57). H  s  t ủ   ng quan c a

ế ệ ạ ộ chi tiêu công cho y t và t ỷ ệ  l ố ớ    lao đ ng đang làm vi c đã qua đào t o đ i v i

ầ ượ ế ươ GRDP l n l c là r=0,51 và r=0,45. Do đó, hai bi n này cũng có t ng quan

93

ề ế ố ớ ồ ổ ố   cùng chi u có ý nghĩa th ng kê v i GRDP. Ngoài ra, các bi n g m t ng v n

ộ ươ ầ ư ự ượ đ u t , l c l ng lao đ ng, t ỷ ệ  l FDI, t ỷ ệ  l ố  tăng dân s  cũng có t ng quan

ầ ư ề ố ớ ộ ượ cùng chi u v i GRDP. V n đ u t và lao đ ng đ c xem là 2 ngu n l c c ồ ự ơ

ế ọ ị ươ ầ ư ộ ả b n, quan tr ng tác đ ng đ n GRDP đ a ph ng. Thu hút đ u t ự    FDI và th c

ệ ố ố ượ ề ị ươ ườ hi n t t các chính sách dân s  cũng đ c nhi u đ a ph ng th ng xuyên quan

ỉ ố ế ế ấ ả ỷ ệ ộ tâm. Ngoài ra, k t qu  cũng cho th y, bi n ch  s  CPI và t h  nghèo có tác l

ế ạ ự ế ả ề   ề ộ đ ng tiêu c c đ n GRDP. Rõ ràng, ki m ch  l m phát và gi m nghèo b n

ố ư ượ ẽ ầ ữ v ng t ờ ố t làm cho đ i s ng dân c  đ c nâng cao s  góp ph n làm cho kinh t ế

ưở tăng tr ng.

Ệ Ứ Ờ Ể Ị 4.3 KI M Đ NH HI U  NG KHÔNG GIAN VÀ TH I GIAN

ướ ử ụ ồ ồ Tr c khi ướ ượ c l ng h i quy không gian, ta s  d ng h i quy đa bi n d ế ữ

ế ố ố ủ ệ ể ả ộ ườ li u b ng đ  xem xét tác đ ng c a các y u t v n con ng ị   i lên GRDP các đ a

ươ ả ả ế ấ ph ầ   ng. K t qu  B ng 4.4 cho th y, mô hình 1, mô hình 2 và mô hình 3 l n

ủ ụ ộ ượ l t phân tích tác đ ng c a chi tiêu công cho giáo d c, chi tiêu công cho y t ế ỷ  , t

ố ớ ệ ể ạ ộ ị ệ l lao đ ng đang làm vi c đã qua đào t o đ i v i GRDP. Ki m đ nh F cho

ệ ứ ố ị ấ ở ả ề ợ ộ th y, hi u  ng tác đ ng c  đ nh (FEM) ơ    c  3 mô hình trên đ u phù h p h n

ự ể ấ ạ ọ ị ạ d ng POOLED OLS. Ki m đ nh Hausman cũng cho th y, l a ch n d ng FEM

ả ườ ớ ượ ợ ạ ỉ ố ơ t t h n REM cho c  3 tr ng h p mô hình. U c l ả   ng d ng FEM ch  ra, c  3

ườ ố ườ ề ự ộ ế ố y u t đo l ng v n con ng i đ u có tác đ ng tích c c lên GRDP, nghĩa là

ườ ế ố ợ ế ố ố ừ ổ trong tr ng h p các y u t khác không đ i, gia tăng t ng y u t v n con

ườ ẽ ụ ể ế ng i s  gia làm cho GRDP tăng lên. C  th , n u tăng chi tiêu công cho giáo

ế ỷ ệ ạ ộ ụ d c, chi tiêu công cho y t , t l ệ  lao đ ng đang làm vi c đã qua đào t o trung

ầ ượ bình lên 1% thì l n l t GRDP tăng trung bình lên 0,3047%; 0,1441%; 0,3302%.

ộ ượ ệ ộ Trong các tác đ ng đ c xem xét thì t ỷ ệ  l lao đ ng đang làm vi c đã qua đào

ả ưở ế ố ạ ấ ớ ạ ạ ượ t o đ c xem là có  nh h ng m nh nh t lên GRDP so v i các y u t còn l i.

ả ế ế ố ố ườ ổ ố B ng 4.4 cũng cho bi t, ngoài y u t v n con ng i thì t ng v n đ u t ầ ư

ươ ả ưở ể ế ị ủ ị c a đ a ph ng trong năm cũng  nh h ng đáng k  đ n GRDP các đ a ph ươ   ng

94

ụ ể ố ị ế ố ầ ư ị ố ươ đó. C  th , khi c  đ nh các y u t khác, tăng v n đ u t đ a ph ng trung bình

ủ ị ươ ầ ượ lên 1% thì GRDP c a đ a ph ng đó l n l t tăng trung bình lên 0,1443%;

0,2084%; 0,1703% theo mô hình 1, 2, 3.

ươ ự ế ả ả ế ủ ộ ị T ng t , k t qu  B ng 4.4 cũng cho bi t, lao đ ng c a đ a ph ươ   ng

ả ưở ự ế ị ươ ụ ể trong năm cũng  nh h ng tích c c đ n GRDP các đ a ph ng đó. C  th , khi

ế ố ự ượ ủ ị ộ ươ ố ị c  đ nh các y u t khác, l c l ng lao đ ng c a đ a ph ng trung bình lên 1%

ủ ị ươ ầ ượ thì GRDP c a đ a ph ng đó l n l t tăng trung bình lên 1,1245%;  1,6875%;

1,8541% theo mô hình 1, 2, 3.

ế ể ồ Ngoài ra, các bi n ki m soát g m t ỷ ệ  l FDI, t ỷ ệ  l ố  tăng dân s  cũng có

ự ế ộ ở ả ỷ ệ ộ tác đ ng tích c c đ n GRDP c  3 mô hình, trong khi t ộ    h  nghèo tác đ ng l

ự ế ị ươ ỉ ố ư ế ấ ộ tiêu c c đ n GRDP đ a ph ng. Ch  s  CPI ch a tìm th y tác đ ng đ n GRDP

ở ư ạ ấ ả ưở ượ mô hình 1 và mô hình 2 nh ng l i tìm th y  nh h ng ng ớ   ề c chi u v i

ở GRDP mô hình 3.

ể ể ằ ị Elhorst (2010) cho r ng, ki m đ nh LM (Lagrange Multiplier) đ  xem xét

ơ ướ ượ ằ ồ ợ ằ ướ ượ c l ng b ng h i quy không gian phù h p h n c l ng b ng POOLED

ả ở ả ố ị ộ ế OLS hay không. K t qu  mô hình 1 B ng 4.5, đánh giá tác đ ng c  đ nh theo

ụ ố ớ ị ươ không gian chi tiêu công cho giáo d c đ i v i GRDP các đ a ph ố ng. Th ng kê

ề ộ ễ ể ấ ị ki m đ nh LM (Lagrange Multiplier) v  đ  tr  không gian cho th y, có giá tr ị

ươ ứ ề ố ỏ ự ụ LMlag d ng và có ý nghĩa th ng kê, đi u này ch ng t có s  ph  thu c đ  tr ộ ộ ễ

error d

ể ấ ố ị ươ ị không gian. Th ng kê ki m đ nh LM cho th y, có giá tr  LM ng và có ý

ự ươ ố ủ ố ạ nghĩa th ng kê, do đó mô hình có s  t ố ng quan không gian c a s  h ng sai s .

ữ ệ ả ồ ế ả ả ả ưở ế ố Ố ủ ƯỜ B ng 4.4: K t qu  h i quy d  li u b ng phân tích  nh h ng c a các y u t V N CON NG I lên

GRDP

Mô hình 3

Mô hình 1

Mô hình 2

OLS

FEM

REM

OLS

FEM

REM

lnH_EXPEDU

OLS 0,0825** (2,17)

FEM 0,3047*** (12,57)

REM 0,2660*** (12,43)

lnH_EXPHEA

0,0381 (1,19)

0,1488*** (7,57)

0,14 41*** (6,84 )

LnH_LABEDU

lnINV

0,3534*** (10,80)

0,1443*** (6,78)

0,1763*** (8.02)

0,3611*** (11,02)

0,2365*** (10,24)

0,1213*** (2,68) 0,3172*** (8,50)

0,3302*** (9,93) 0,1703*** (7,72)

0,3531*** (10,79) 0,1882*** (8,30)

lnLABOR

0,6281*** (13,16)

1,1245*** (6,96)

0,9481*** (13,16)

0,6512*** (13,81)

0,9779*** (13,24)

0,7199*** (15,75)

1,8541*** (12,42)

1,1215*** (15,82)

FDI

0,0042*** (4,28)

0,0011* (1,70)

0,0015** (2,30)

0,0043*** (4,32)

0,0018** (2,59)

0,0042*** (4,30)

0,0021*** (3,17)

0,0023*** (3,45)

POP

0,1494*** (7,68)

0,0599*** (2,84)

0,0711*** (3,43)

0,1481*** (7,50)

0,0702*** (3,12)

0,1481*** (7,62)

0,0652*** (2,93)

0,0702*** (3,29)

CPI

0,0098 (0,66)

0,0019 (0,34)

0,0013 (0,21)

0,0051 (0,35)

-0,0093 (-1,47)

0,0022 (0,15)

-0,0127** (-2,25)

-0,0148** (-2,52)

0,20 84*** (9,24 ) 1,68 75*** (9,96 ) 0,00 15** (2,15 ) 0,06 20*** (2,64 ) - 0,00 84 (-

POOR

-0,0263*** (-13,51)

-0,0036** (-2,29)

-0,008*** (-4,91)

-0,0256*** (-13,23)

-0,012*** (-7,04)

-0,025*** (-13,6)

-0,007*** (-4,14)

-0,010*** (-6,70)

Hệ số chặn

1,3962 (0,92)

-0,9119 (-0,80)

0,3320 (0,44)

2,0223 (1,36)

1,7503** (2,22)

2,1875 (1,51)

-3,042*** (-2,62)

1,7765** (2,36)

1,40) - 0,00 7*** (- 4,30) - 2,73 49** (- 2,20)

336,06***

140,66***

-196,66

Hausman AIC

243,23

-930,43

246,54

240,76

-877,24

BIC

277,01

-896,65

280,32

274,54

-843,46

- 825, 54 - 791, 76

Nguồn: Phân tích số liệu của tác giả; ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

lag

ươ ự ườ ố ị ợ ộ ờ ị T ng t cho tr ng h p tác đ ng c  đ nh theo th i gian, có giá tr  LM

ươ ố ừ ộ ễ ụ ấ ộ d ng và có ý nghĩa th ng kê, t ự  đó cho th y cũng có s  ph  thu c đ  tr  không

error d

ươ ứ ề ố ỏ gian. Giá tr  LMị ng và có ý nghĩa th ng kê, đi u này ch ng t có s  t ự ươ   ng

ủ ố ạ ố ị ộ ố quan không gian c a s  h ng sai s . Xem xét mô hình tác đ ng c  đ nh theo không

lag d

ờ ị ươ ế ả ấ ố gian ­ th i gian, giá tr  LM ng và có ý nghĩa th ng kê, k t qu  cho th y có s ự

error d

ộ ộ ễ ụ ị ươ ớ ph  thu c đ  tr  không gian. Giá tr  LM ứ   ố ng và có ý nghĩa th ng kê, v i m c ý

ự ươ ề ẳ ị ủ ố ạ nghĩa 1%, đi u này kh ng đ nh, có s  t ố   ng quan không gian c a s  h ng sai s .

ứ ế ỏ ụ ươ ả Qua các k t qu  trên ch ng t , chi tiêu công cho giáo d c có t ng quan không gian

ố ớ ờ ỉ ệ và th i gian đ i v i GRDP các t nh, thành Vi t Nam.

lag, LMerror c a 3ủ

ế ả ở ả ấ ị K t qu  mô hình 2 B ng 4.5 cũng cho th y, các giá tr  LM

ệ ứ ệ ứ ố ị ố ị ả ờ ạ d ng hi u  ng c  đ nh không gian, th i gian và hi u  ng c  đ nh c  không gian –

ị ươ ề ờ ố ở ứ th i gian đ u mang giá tr  d ng và có ý nghĩa th ng kê ứ   ề  m c 1%. Đi u này ch ng

ế ươ ố ớ ỏ t , chi tiêu công cho y t có t ờ ng quan không gian và th i gian đ i v i GRDP các

ươ ị đ a ph ng.

lag, LMerror

ươ ự ế ả ở ả ị ở T ng t , k t qu  mô hình 3 B ng 4.5, các giá tr  LM ạ    các d ng

ệ ứ ệ ứ ố ị ố ị ả ờ nô hình hi u  ng c  đ nh không gian, th i gian và hi u  ng c  đ nh c  không gian –

ề ươ ờ ố ở ứ ứ ỏ ỷ ệ th i gian đ u d ng và có ý nghĩa th ng kê ề  m c 1%. Đi u này ch ng t , t l lao

ệ ạ ươ ờ ộ đ ng đang làm vi c đã qua đào t o có t ố ớ   ng quan không gian và th i gian đ i v i

ị ươ ệ GRDP các đ a ph ng Vi t Nam.

ạ ể ở ả ườ ấ ướ ượ ợ Tóm l ị i, ki m đ nh LM c  3 tr ng h p mô hình cho th y, c l ồ   ng h i

ượ ư ự ứ ể ọ quy không gian đ c  u tiên l a ch n đ  phân tích trong nghiên c u này.

ớ ữ ệ ử ụ ể ự ể ả ọ ị ệ   S  d ng ki m đ nh LR (Likelihood Ratio) v i d  li u b ng đ  l a ch n hi u

ứ ệ ứ ệ ứ ố ị ợ ộ ng nào là phù h p trong các hi u  ng tác đ ng c  đ nh không gian, hi u  ng tác

ệ ứ ố ị ố ị ờ ờ ộ ộ đ ng c  đ nh th i gian hay hi u  ng tác đ ng c  đ nh không gian – th i gian cho c ả

3 mô hình.

ớ ả ế V i các gi thi t:

(4.1)

(4.2)

Biến

ữ ệ ả ả ồ ố ị ờ ộ ế ả B ng 4.5: K t qu  h i quy d  li u b ng tác đ ng c  đ nh theo không gian, th i gian

Mô hình 1 Mô hình 2

Tác động cố định thời gian

Tác động cố định thời gian

Tác động cố định không gian

Tác động cố định thời gian

Mô hình 3 Tác động cố định không gian và thời gian

Tác động cố định không gian

Tác động cố định không gian và thời gian

lnH_EXPEDU

Tác động cố định không gian 0,3549* (13,44)

0,1696* (2,29)

Tác động cố định không gian và thời gian 0,0715 (1,52)

lnH_EXPHEA

0,1397*** (6,19)

0,0412 (0,99)

0.0009 (0,05)

LnH_LABEDU

lnINV

lnLABOR

FDI

POP

CPI

POOR

0,1549*** (7,40) 0,9539*** (6,05) 0,0006 (0,98) 0,0663*** (3,29) 0,0027 (0,50) -0,0011 (-0,69) 496,08 234,86*** 166,43***

0,335*** (10,21) 0,565*** (8.21) 0,004*** (4,44) 0,149*** (7,84) -0,006 (-0,36) -0,029*** (-11,35) -99,35 37,94*** 13,75***

0,0565*** (3,43) 0,4835*** (3,98) 0,0022*** (4,74) 0,0333*** (2,19) -0,0041 (-0,99) -0,0039*** (-3,19) 648,88 21,37*** 20,34***

0,229*** (10,09) 1,7547*** (10,87) 0,0012 (1,85) 0,0642** (2,77) -0,0096 (-1,61) -0,006*** (-3,67) 429,76 281,67*** 143,05***

0,346*** (10,62) 0,658*** (12,45) 0,005*** (4,55) 0,150*** (7,77) -0,004 (-0,29) -0,026 (-12,30) -101,53 35,34*** 9,96***

0,0575*** (3,49) 0,4925*** (4,05) 0,0023*** (4,99) 0,0313* (2,05) -0,0046 (-1,11) -0,0039** (-3,20) 647,52 21,20*** 20,12***

0,369*** (10,07) 0,189*** (8,60) 1,725*** (11,74) 0,0016* (2,58) 0,0674** (3,12) -0,0129* (-2,35) -0,0059* (-3,85) 461,26 239,87*** 108,6***

0,0826 (1,74) 0,3181*** (8,46) 0,718*** (15,74) 0,0044*** (4,49) 0,1511*** (7,89) -0,0059 (-0,38) -0,0251*** (-13,61) -100,49 36,37*** 14,19***

0,0125 (0,39) 0,0573*** (3,47) 0,4990*** (4,07) 0,0022*** (5,02) 0,0313* (2,06) -0,0047 (-1,13) -0,0039** (-3,18) 647,61 21,59*** 20,84***

Loglik LMlag LMerror

Nguồn: Phân tích số liệu của tác giả; ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

0

ả ả ế ườ ể ợ ị ả ế ở K t qu  B ng 4.5 cho tr ng h p mô hình 1, ki m đ nh gi thi t H công

ứ 305,61>0, m c ý nghĩa 1%

0 b  bác b . T

ứ ị ả ế ị th c (4.1), giá tr  LR= , suy ra gi thi t H ỏ ươ   ng

ứ 1496,45>0, m c ý nghĩa 1%

0

ể ả ế ở ứ ị ự t , ki m tra gi thi t H công th c (4.2), giá tr  LR= , bác

ế ứ ề ỏ ệ ứ ố ị ờ ỏ ả b  gi thi t . Đi u này ch ng t , hi u  ng c  đ nh theo không gian ­ th i gian đ ượ   c

ượ ư ự ọ ở ả ưở ụ ủ đ c  u tiên l a ch n phân tích nh h ế   ng c a chi tiêu công cho giáo d c đ n

ị ươ GRDP các đ a ph ng.

ươ ự ế ả ả ườ ể ợ ị ả T ng t , k t qu  b ng 4.5 cho tr ng h p mô hình 2, ki m đ nh gi thi ế   t

ứ 435,519>0, m c ý nghĩa 1%

ở ứ ị ả ế H0 công th c (4.1), giá tr  LR= , suy ra gi thi t H ị 0 b  bác

1498,11>0, m c ýứ

0

ự ể ả ế ở ứ ị ỏ ươ b . T ng t , ki m tra gi thi t H công th c (4.2), giá tr  LR=

nghĩa 1%, bác b  gi

ỏ ả ế ệ ứ ố ị ờ thi t . Do đó, hi u  ng c  đ nh theo không gian ­ th i gian đ ượ   c

ượ ư ự ọ ở ả ưở ủ ế ế đ c  u tiên l a ch n phân tích nh h ng c a chi tiêu công cho y t đ n GRDP

ươ ị các đ a ph ng.

ươ ự ế ả ả ườ ể ợ ị ả T ng t , k t qu  B ng 4.5 cho tr ng h p mô hình 3, ki m đ nh gi thi ế   t

ứ 372,7048>0, m c ý nghĩa 1%

ở ứ ị ả ế H0 công th c (4.1), giá tr  LR= , suy ra gi thi t H ị 0 b  bác

1496,20>0, m c ýứ

0

ự ể ả ế ở ứ ị ỏ ươ b . T ng t , ki m tra gi thi t H công th c (4.2), giá tr  LR=

nghĩa 1%, bác b  gi

ỏ ả ế ệ ứ ố ị ờ thi t . Do đó, hi u  ng c  đ nh theo không gian ­ th i gian đ ượ   c

ượ ư ự ọ ở ả ưở ủ ỷ ệ ộ đ c  u tiên l a ch n phân tích nh h ng c a t lao đ ng đang làm vi c đã qua

ế ạ ị ươ đào t o đ n GRDP các đ a ph ng.

Ể Ị ƯƠ 4.4 KI M Đ NH T NG QUAN KHÔNG GIAN

ị ươ ầ ể 4.4.1 Ki m đ nh t ng quan không gian toàn ph n

ể ị ươ ầ ượ ự ệ ể ị Ki m đ nh t ng quan không gian toàn ph n đ ằ c th c hi n b ng ki m đ nh

ế ế ộ ườ ố ụ Global Moran’s I cho bi n ph  thu c lnGRDP, các bi n đo l ng v n con ng ườ   i

ế ể ượ g m ồ lnH_EXPEDU, lnH_EXPHEA, lnH_LABEDU và các bi n ki m soát đ c cho

ả ả ở ả b i B ng 4.6, B ng 4.7 và B ng 4.8.

ả ể ố ề ớ ọ ế ậ ị ề

lnGRDP

lnH_EXPEDU

lnH_EXPHEA

lnH_LABEDU

lnINV

lnLABOR

FDI

POP

CPI

POOR

ả B ng 4.6: K t qu  ki m đ nh Global Moran’s I v i ma tr n tr ng s  li n k (W1)

2010 0,442*** (5,34) 0,105* (1,41) 0,118* (1,56) 0,383*** (4,59) 0,328*** (4,03) 0,249*** (3,08) 0,250*** (3,20) 0,302*** (0,08) 0,186*** (3,34) 0,688*** (8,10)

2011 0,450*** (5,43) 0,059 (0,88) 0,020 (0,42) 0,394*** (4,74) 0,324*** (3,98) 0,246*** (3,06) 0,305*** (3,78) 0,336*** (4,17) -0,088*** (-0,85) 0,687*** (8,12)

2012 0,452*** (5,46) 0,089 (1,23) 0,122* (1,61) 0,360*** (4,34) 0,325*** (3,99) 0,243*** (3,02) 0,224*** (2,84) 0,280*** (3,53) -0,049 (-0,99) 0,694*** (8,20)

2013 0,451*** (5,45) 0,081 (1,13) 0,081 (1,13) 0,321*** (3,87) 0,329*** (4,03) 0,237*** (2,96) 0,118* (1,57) 0,333*** (4,16) 0,102** (2,24) 0,696*** (8,27)

2014 0,443*** (5,36) 0,129** (1,70) 0,175** (2,23) 0,355*** (4,28) 0,294*** (3,61) 0,225*** (2,81) 0,037 (0,63) 0,330*** (4,08) -0,037 (-0,46) 0,654*** (7,84)

2015 0,453*** (5,47) 0,110* (1,49) 0,119* (1,58) 0,368*** (4,41) 0,303*** (3,70) 0,227*** (2,83) 0,063 (0,94) 0,305*** (3,73) -0,035 (-0,33) 0,582*** (7,01)

2016 0,449 (5,43) 0,143 (1,86) 0,125 (1,65) 0,358 (4,31) 0,317 (3,87) 0,228 (2,85) 0,152 (1,95) 0,310 (3,79) 0,135 (2,29) 0,647 (7,72)

Nguồn: Phân tích số liệu của tác giả; ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và

10%.

ả ả ể ớ ọ ố ế ậ ị

lnGRDP

lnH_EXPEDU

lnH_EXPHEA

lnH_LABEDU

lnINV

lnLABOR

FDI

ưỡ ả   B ng 4.7: K t qu  ki m đ nh Global Moran’s I v i ma tr n tr ng s  kho ng cách ng ng 186km (W2)

2010 0,239*** (3,19) 0,033 (0,62) 0,049 (0,81) 0,301*** (3,92) 0,166** (2,30) 0,194*** (2,63) 0,150** (2,15)

2011 0,240*** (3,21) 0,032 (0,61) -0,021 (-0,06) 0,322*** (4,20) 0,155** (2,16) 0,190*** (2,58) 0,176*** (2,44)

2012 0,241*** (3,22) 0,061 (0,97) 0,059 (0,95) 0,290*** (3,79) 0,147** (2,05) 0,178*** (2,44) 0,081 (1,24)

2013 0,233*** (3,13) 0,088* (1,31) 0,124** (1,75) 0,240*** (3,17) 0,155** (2,15) 0,175*** (2,40) 0,063 (0,99)

2014 0,217*** (2,92) 0,089* (1,33) 0,099* (1,44) 0,257*** (3,38) 0,172*** (2,36) 0,165** (2,27) 0,051 (0,86)

2015 0,218*** (2,94) 0,067 (1,05) 0,087* (1,29) 0,290*** (3,79) 0,175*** (2,38) 0,164** (2,26) 0,080 (1,22)

2016 0,220 (2,95) 0,095 (1,41) 0,086 (1,29) 0,285 (3,73) 0,156 (2,16) 0,163 (2,24) 0,157 (2,16)

POP

CPI

POOR

0,146** (2,09) 0,279*** (5,25) 0,570*** (7,26)

0,154** (2,17) -0,160** (-1,82) 0.570*** (7.29)

0,134** (1,92) -0,033 (-0,55) 0,550*** (7,04)

0,160** (2,26) 0,036 (1,06) 0,531*** (6,83)

0,149** (2,09) -0,061 (-1,03) 0,488*** (6,35)

0,156** (2,15) -0,032 (-0,29) 0,373*** (4,90)

0,156 (2,15) 0,037 (0,87) 0,629 (8,08)

Nguồn: Phân tích số liệu của tác giả; ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và

10%.

ả ả ể ế ị ườ ọ ợ ậ ng h p ma tr n tr ng s ố

lnGRDP

lnH_EXPEDU

lnH_EXPHEA

lnH_LABEDU

lnINV

lnLABOR

FDI

POP

CPI

POOR

ị B ng 4.8: K t qu  ki m đ nh Global Moran’s I tr ả ngh ch đ o (W3)

2010 0,122*** (4,92) -0,007 (0,32) -0,014 (0,08) 0,226*** (8,53) 0,078*** (3,38) 0,056*** (2,56) 0,067*** (3,07) 0,111*** (4,67) 0,037*** (2,66) 0,197*** (7,50)

2011 0,123*** (4,96) -0,004 (0,43) -0,017 (-0,02) 0,230*** (8,72) 0,074*** (3,23) 0,055*** (2,53) 0,099*** (4,16) 0,120*** (4,93) -0,040 (-0,87) 0,188*** (7,23)

2012 0,124*** (5,01) 0,002 (0,65) 0,026* (1,49) 0,227*** (8,59) 0,081*** (3,48) 0,055*** (2,52) 0,056*** (2,62) 0,107*** (4,49) -0,021 (-0,47) 0,186*** (7,17)

2013 0,122*** (4,92) 0,004 (0,73) 0,040** (1,99) 0,194*** (7,41) 0,086*** (3,65) 0,052*** (2,42) 0,043** (2,12) 0,118*** (4,89) 0,017** (1,92) 0,186*** (7,20)

2014 0,118*** (4,78) 0,020* (1,28) 0,049** (2,31) 0,185*** (7,11) 0,071*** (3,12) 0,050*** (2,36) 0,033** (1,76) 0,118*** (4,85) -0,034 (-1,15) 0,170*** (6,66)

2015 0,114*** (4,67) 0,023* (1,40) 0,017 (1,19) 0,173*** (6,65) 0,073*** (3,16) 0,051*** (2,41) 0,061*** (2,78) 0,111*** (4,52) -0,019 (-0,17) 0,140*** (5,60)

2016 0,114 (4,64) 0,038 (1,96) 0,022 (1,38) 0,169 (6,53) 0,076 (3,27) 0,052 (2,43) 0,093 (3,90) 0,109 (4,44) 0,031 (2,15) 0,170 (6,65)

Nguồn: Phân tích số liệu của tác giả; ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và

10%.

ố ớ ế ệ ố ề Đ i v i quy mô kinh t ấ    (lnGRDP), h  s  Global Moran’s I đ u mang d u

ươ ố ớ ấ ả ứ ừ ậ ọ ớ d ng theo t ng năm đ i v i t ố t c  các ma tr n tr ng s  W1, W2, W3 v i m c ý

ụ ể ố ớ ủ ậ ọ ị ố ề   nghĩa 1%. C  th , giá tr  Global Moran’s I c a GRDP đ i v i ma tr n tr ng s  li n

ậ ả ả ộ ọ ố ưỡ ề k  (W1) thu c kho ng (0,442; 0,452), ma tr n tr ng s  kho ng cách ng ng (W2)

ậ ả ả ả ộ ọ ố ị ộ   thu c kho ng (0,217; 0,241), ma tr n tr ng s  kho ng cách ngh ch đ o (W3) thu c

ứ ề ả ỏ ự ồ ạ ươ kho ng (0,114; 0,124).  Đi u này ch ng t , có s  t n t i t ng quan không gian

ủ ữ ề ậ ị ươ ố ị thu n chi u c a GRDP gi a các đ a ph ng. Nghĩa là, theo phân b  đ a lý thì các

ớ ườ ượ ố ỉ ỉ t nh thành có GRDP l n th ng đ c phân b  xung quanh các t nh, thành có GRDP

ế ả ươ ứ ủ ầ ấ ớ ồ ị ớ l n khác. K t qu  này cũng t ng đ ng v i nghiên c u c a Tr n Th  Tu n Anh và

ự ắ ộ ị Lê Văn Th ng (2019), Võ Xuân Vinh và c ng s  (2020). Rõ ràng, các đ a ph ươ   ng

ế ươ ữ ớ ơ ị ti p giáp nhau có t ạ ng quan không gian GRDP m nh h n so v i nh ng đ a ph ươ   ng

ậ ơ ằ n m trong lân c n 186km và xa h n.

ố ớ ệ ố ụ ượ ấ Đ i v i chi tiêu công cho giáo d c, h  s  Global Moran’s I đ c tìm th y có

ố ở ộ ạ ở ả ườ ý nghĩa th ng kê m t vài năm trong giai đo n 2010 ­ 2017 c  3 tr ợ ng h p ma

ụ ể ố ớ ườ ậ ố ọ ố ề ậ ợ ọ tr n tr ng s  W1, W2, W3. C  th , đ i v i tr ng h p ma tr n tr ng s  li n k ề

ệ ố ấ ố ớ ở (W1), h  s  Global Moran’s I có ý nghĩa th ng kê 5%, l n nh t 0,149 năm 2017.

ươ ả ậ ợ ố ọ ưỡ T ng t ự ườ , tr ng h p ma tr n tr ng s  kho ng cách ng ng 186km (W2), h  s ệ ố

ấ ố ớ ở ườ Global Moran’s I có ý nghĩa th ng kê 10%, l n nh t 0,095 năm 2016. Tr ợ   ng h p

ệ ố ả ậ ố ọ ố ị ma tr n tr ng s  ngh ch đ o (W3), h  s  Global Moran’s I có ý nghĩa th ng kê 5%,

ở ệ ố ề ươ ấ ả ấ ớ l n nh t 0,040 năm 2017. Các h  s  Global Moran’s I đ u d ng trong t t c  các

ườ ụ ề ấ ợ ố tr ữ   ng h p có ý nghĩa th ng kê. Đi u này cho th y, chi tiêu công cho giáo d c gi a

ươ ự ươ ề ớ ị các đ a ph ng có s  t ng quan không gian cùng chi u v i nhau, nghĩa là có s ự

ụ ữ ố ị ươ gi ng nhau trong chi tiêu công cho giáo d c gi a các đ a ph ị   ả ng có kho ng cách đ a

ầ lý g n nhau.

ố ớ ố ề ề ậ ợ ọ Đ i v i chi tiêu công cho y t ế ườ , tr ng h p ma tr n tr ng s  li n k  (W1), h ệ

ấ ớ ố ở ươ ố s  Global Moran’s I l n nh t, có ý nghĩa th ng kê năm 2014 (I=0,175). T ng t ự   ,

ấ ớ ố ở ệ ố h  s  Global Moran’s I l n nh t, có ý nghĩa th ng kê năm 2013 (I=0,124) tr ườ   ng

ậ ả ố ọ ưỡ ở ợ h p ma tr n tr ng s  kho ng cách ng ng 186km (W2) và ố    năm 2014 (I=0,049) đ i

ườ ệ ố ả ậ ọ ợ ố ị ớ v i tr ng h p ma tr n tr ng s  ngh ch đ o (W3). H  s  Global Moran’s I có ý

ề ố ươ ở ườ ố ượ ợ ọ ừ nghĩa th ng kê đ u d ng các tr ậ ng h p ma tr n tr ng s  đ c xem xét. T  đó

ấ ế ữ ị ươ ươ cho th y, chi tiêu công cho y t gi a các đ a ph ng có t ng quan không gian cùng

ề ớ ị ươ ế ằ chi u v i nhau, nghĩa là các đ a ph ng có chi tiêu công cho y t cao n m trong lân

ị ươ ế ậ ủ c n c a các đ a ph ng có chi tiêu công cho y t cao.

ố ớ ỷ ệ ệ ố ệ ạ ộ Đ i v i t l lao đ ng đang làm vi c đã qua đào t o, h  s  Global Moran’s I

ươ ố ở ứ ở ấ ả ạ ề đ u d ng, có ý nghĩa th ng kê m c 1% t c  các năm trong giai đo n 2010 – t

ấ ả ườ ố ụ ể ị ệ ố ậ ợ ọ 2017 và t t c  các tr ng h p ma tr n tr ng s . C  th , giá tr  h  s  Global Moran’s

ớ ở ườ ậ ấ ợ ọ ỏ ấ I l n nh t là 0,394 năm 2011 tr ố ng h p ma tr n tr ng s  W1 và nh  nh t là 0,169

ở ủ ề ấ ậ ọ ố ộ năm 2016 c a ma tr n tr ng s  W3. Đi u này cho th y, t ỷ ệ  l lao đ ng đang làm

ệ ạ ỉ ươ ề ữ vi c đã qua đào t o gi a các t nh, thành có t ớ   ng quan không gian cùng chi u v i

ự ố ở ỷ ệ ạ ộ nhau, nghĩa là có s  gi ng nhau t l ữ   ệ  lao đ ng đang làm vi c đã qua đào t o gi a

ươ ầ ả ị ị các đ a ph ng có kho ng cách đ a lý g n nhau.

ươ ự ầ ư ế ố ộ ượ T ng t , các bi n v n đ u t và lao đ ng trong mô hình cũng đ ấ   c tìm th y

ố ươ ề ậ ố ổ ỉ m i t ầ   ng quan không gian thu n chi u. Nghĩa là, các t nh, thành có t ng v n đ u

ự ượ ộ ượ ố ị ươ ư t công, l c l ng lao đ ng cao thì đ c phân b  xung quanh đ a ph ng cũng có

ầ ư ự ượ ế ể ộ ạ ố ổ t ng v n đ u t công, l c l ng lao đ ng cao. Các bi n ki m soát còn l i nh  t ư ỷ ệ   l

ỷ ệ ộ ươ FDI, t ỷ ệ  l ố  tăng dân s  (POP), t h  nghèo (POOR) cũng có t l ng quan không gian

ề ế ấ ả ữ ị ươ cùng chi u nhau. K t qu  cũng cho th y, t ỷ ệ  l CPI gi a các đ a ph ố   ng có m i

ề ề ớ ị ỉ ươ t ng quan không gian ngh ch chi u v i nhau. Đi u này có nghĩa, các t nh, thành có

ỉ ố ượ ấ ố ỉ ch  s  CPI cao đ ỉ c phân b  xung quanh các t nh, thành có ch  CPI th p.

ồ ạ ự ươ ữ ừ ế ấ ả T  nh ng k t qu  trên cho th y, có t n t i s  t ữ   ng quan không gian gi a

ụ ế ỷ ệ ộ GRDP và chi tiêu công cho giáo d c, chi tiêu công cho y t , t l lao đ ng đang làm

ữ ệ ị ươ ươ ạ vi c đã qua đào t o gi a các đ a ph ng. Các ph ng pháp ướ ượ c l ng thông th ườ   ng

ự ươ ẽ ẫ ế ướ ượ ữ ỏ b  qua s  t ng tác không gian gi a các quan sát s  d n đ n c l ệ ng ch ch và

ươ ữ ị ươ ợ không phù h p. Khi có t ng quan không gian gi a các đ a ph ỉ ng dù ch  trong 1

̃ ử ụ ướ ượ ồ năm   thì   cung   nên   s d ng c   l ứ   ng   h i   quy   không   gian   trong   nghiên   c u

Đi u này ch ng t

ự ứ ề ỏ ầ ả ử ụ ươ ộ (Linderhof & c ng s , 2013). , c n ph i s  d ng ph ng pháp

ưở ế ố ố ủ ồ h i quy không gian đ ể ướ ượ c l ả ng  nh h ng c a các y u t v n con ng ườ ế   i đ n

ị ươ GRDP các đ a ph ng.

ị ươ ị ươ ể 4.4.2 Ki m đ nh t ng quan không gian đ a ph ng

ộ ế ể ả ị ỉ Ki m đ nh Global Moran’s I ch  cho m t k t qu  chung chung v  s  t ề ự ươ   ng

ệ ố ủ ể ắ   quan không gian c a các quan sát. Trong khi đó, h  s  Local Moran’s I có th  kh c

ụ ượ ự ự ươ ư ế ể ộ ph c đ c đi m y u này và đ a ra s  s  t ng quan không gian m t cách chi ti ế   t

ữ ị ươ ơ h n gi a các đ a ph ng.

ự ươ ể ị ươ ố ớ ụ ị Ki m đ nh s  t ng quan không gian đ a ph ộ   ế ng đ i v i bi n ph  thu c

ả ượ ế ở ả lnGRDP năm 2017, k t qu  đ c cho b i B ng 4.9 và các Hình 4.11, Hình 4.12, Hình

ụ ể ị ươ ệ ố ươ ố 4.13. C  th , các đ a ph ng có h  s  Local Moran’s I d ng, có ý nghĩa th ng kê

ệ ắ ạ ằ bao g m  ồ Hà Giang, Tuyên Quang, Cao B ng, Yên Bái, B c K n, Đi n Biên, Lai

ươ ả ắ ắ ả ộ ồ   Châu, Đ k Nông, Qu ng Ninh, Hà N i, B c Ninh, H i Phòng, Bình D ng, Đ ng

ồ ị ự ồ ị Nai, Bà R a ­ Vũng Tàu, Tp H  Chí Minh, Long An. D a vào đ  th  phân tán (ph ụ

ấ ị ươ ượ ụ l c 6.2) và Hình 4.11, 4.12, 4.13 cho th y lnGRDP các đ a ph ng này đ c chia

ươ ấ ấ ồ thành hai nhóm t ng quan g m th p – th p và cao cao.

ả ể ụ ộ ế ế ả ị B ng 4.9: K t qu  ki m đ nh Local Moran’s I cho bi n ph  thu c lnGRDP

Phân c mụ

W1

ấ ấ Th p – Th p

Cao ­ Cao

ệ ạ ắ ằ Hà Giang, Cao B ng, B c K n, Tuyên Quang, Yên Bái, Đi n Biên, Lai Châu

ắ ả ộ ồ ị ươ Hà N i, B c Ninh, H i Phòng, Bình D ng, Đ ng Nai, Bà R a ­ Vũng Tàu, Tp H ồ

Chí Minh, Long An

W2

Hà Giang, Cao B ngằ

ươ ươ ả ả ả ồ ị Qu ng Ninh, H i D ng, H i Phòng, Bình D ng, Đ ng Nai, Bà R a ­ Vũng Tàu,

ồ Tp H  Chí Minh, Long An

W3

ệ ắ ằ Hà Giang, Cao B ng, Đi n Biên, Lai Châu, Đ k Nông

ắ ả ộ ồ ị ươ Hà N i, B c Ninh, H i Phòng, Bình D ng, Đ ng Nai, Bà R a ­ Vũng Tàu, Tp H ồ

Chí Minh

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với mức ý nghĩa 5%.

ế ả ủ Hình 4.11: K t qu  Local Moran’s I c a lnGRDP năm 2017 (W1)

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ế ả ủ Hình 4.12: K t qu  Local Moran’s I c a lnGRDP năm 2017 (W2)

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ế ả ủ Hình 4.13: K t qu  Local Moran’s I c a lnGRDP năm 2017 (W3)

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ươ ấ ấ ồ ỉ Nhóm 1 có t ng quan không gian th p – th p g m các t nh, thành: Hà Giang,

ệ ắ ạ ắ ằ Cao B ng, Yên Bái, B c K n, Đi n Biên, Tuyên Quang, Lai Châu, Đ k Nông. Nghĩa

ị ấ ố ị ủ ỉ ỉ là lnGRDP c a các t nh này có giá tr  th p và có phân b  đ a lý xung quanh các t nh

ươ ồ ỉ ấ có lnGRDP th p. Nhóm 2 có t ng quan không gian cao – cao g m các t nh, thành:

ươ ả ả ắ ộ ồ ị Qu ng Ninh, Hà N i, B c Ninh, H i Phòng, Bình D ng, Đ ng Nai, Bà R a ­ Vũng

ủ ị ồ ươ ề Tàu, Tp H  Chí Minh, Long An. Đi u này có nghĩa, lnGRDP c a đ a ph ng này cao

ượ ố ị ỉ và đ c phân b  đ a lý xung quanh là các t nh có lnGRDP cao.

ả ể ế ả ị ụ   B ng 4.10: K t qu  ki m đ nh Local Moran’s I cho chi tiêu công cho giáo d c

năm 2017

Phân cụm

Thấp – Thấp

Cao – Cao

Thấp – Cao

Cao – Thấp

W1

Hà Nam

Hậu Giang, Bạc Liêu

W2

Tp Hồ Chí Minh

W3

Hưng Yên, Hà Ninh Nam, Bình Bắc Kạn

Đắk Lắk

Bắc Kạn, Hậu Giang, Bạc Liêu, Cà Mau Hậu Giang, Bạc Liêu

Hà Nội, Bắc Giang, Phú Thọ, Sơn La, Hòa Bình, Thanh Hóa, Nghệ An, Đồng Nai Hà Nội, Hải Dương, Hòa Bình, Thanh Hóa, Nghệ An Hà Nội, Sơn La, Hòa Bình, Thanh Hóa, Nghệ An, Đồng Nai

Moran scatterplot (Moran's I = 0.149) lnH_EXPEDU

2

27

49

3

25

1

2

26

28

46 11

20 47 21

7

24

9

48

4

51 6 52

18

23 4017 32

22

1

50

45

43

0

19

z W

3514 38

8

3739

16

31

56

30

42

5 5712 44

33

15 36 59

29

13

41

54

55

62

10

53

34

60

63

58

61

-1

-2

-2

-1

0

2

3

4

1 z

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với mức ý nghĩa 5%.

ế ả ủ Hình 4.14: K t qu  Local Moran’s I c a lnH_EXPEDU năm 2017 (W1)

Moran scatterplot (Moran's I = 0.045) lnH_EXPEDU

2

27

22

1

23

28

9

26

11

8

5

14

43

10 19

46

7 17 15 40

4

25

6

49

24

45

2

183

1

20 47 21

55

54

48

51

32

0

z W

56

50

35 38

52

39

33

31

53 29

30

62 60

57 41

42

59

61

16

58

34

12

37

13

63

44

-1

36

-2

-2

-1

0

2

3

4

1 z

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ế ả ủ Hình 4.15: K t qu  Local Moran’s I c a lnH_EXPEDU năm 2017 (W2)

Moran scatterplot (Moran's I = 0.040) lnH_EXPEDU

1

3

2

47

28 6

25

11

9

14

23 7 17 15

5

19

22

18 8

27

4 12

26

20 24 48 21 16

1

46

10

29

45

30

13 51

43

50

49 32 40

0

z W

31

34

3835

52

53

33

55

56

54

42

4157

39 37

44

62 60

58

36 59 63

61

-1

-2

-1

0

2

3

4

1 z

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ế ả ủ Hình 4.16: K t qu  Local Moran’s I c a lnH_EXPEDU năm 2017 (W3)

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ươ ự ể ị ươ ố ớ T ng t , ki m đ nh ươ t ng quan không gian ị  đ a ph ng đ i v i chi tiêu công

ụ ế ả ượ ở ả cho giáo d c năm 2017, k t qu  phân tích đ c cho b i B ng 4.10 và Hình 4.14, 4.15,

ụ ể ự ồ ị ở ấ 4.16. C  th , d a vào đ  th  phân tán các Hình 4.14, 4.15, 4.16 cho th y, chi tiêu

ụ ủ ị ươ ượ ố công cho giáo d c c a các đ a ph ng đ c phân b  thành 5 nhóm, trong đó 4 nhóm

ượ ả ạ ạ ệ ố đ c phân lo i theo B ng 4.10 và nhóm còn l i có h  s  Local Moran’s I không có ý

ả ả ế ấ ắ ạ ậ ỉ ố nghĩa th ng kê. ạ   K t qu  B ng 4.10 cho th y, các t nh B c K n, H u Giang, B c

ươ ấ ấ Liêu, Cà Mau có t ng quan không gian th p – th p, nghĩa là chi tiêu công cho giáo

ấ ượ ố ị ỉ ỉ ụ ủ d c c a các t nh này th p đ c phân b  đ a lý xung quanh là các t nh có chi tiêu công

ụ ấ ỉ ươ ồ cho giáo d c th p. Các t nh, thành có t ộ   ng quan không gian cao ­ cao g m Hà N i,

ọ ơ ươ ệ ả ắ ồ   H i D ng, B c Giang, Phú Th , S n La, Hòa Bình, Thanh Hóa, Ngh  An, Đ ng

ụ ủ ỉ ượ Nai, nghĩa là chi tiêu công cho giáo d c c a các t nh, thành này cao và đ c phân b ố

ụ ỉ ị đ a lý xung quanh các t nh, thành có chi tiêu công cho giáo d c cao.

ả ể ế ả ị ế B ng 4.11: K t qu  ki m đ nh Local Moran’s I cho chi tiêu công cho y t năm

2017

Phân cụm

Thấp – Thấp

Cao – Cao

Thấp – Cao

Cao – Thấp

W1

Tp Hồ Chí Minh

W2

Vĩnh Phúc, Thái Nguyên, Thanh Hóa Hà Nội

Dương,

Tp Hồ Chí Minh

Hải Hà Nam

W3

Tp Hồ Chí Minh

Vĩnh Quảng Bình, Long, Cần Thơ, Hậu Giang Nam Định, Thanh Hóa, Kon Tum, Cần Thơ, Hậu Giang Vĩnh Long, Cần Thơ, Hậu Giang

Lai Châu, Hà Tĩnh

Hà Nội, Vĩnh Phúc, Thái Nguyên, Thanh Hóa

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với mức ý nghĩa 5%.

ư ắ ạ ồ ỉ ượ Các t nh g m B c K n, H ng Yên, Ninh Bình, Hà Nam đ c xem là có t ươ   ng

ụ ấ ấ   ỉ quan không gian th p – cao, nghĩa là các t nh này có chi tiêu công cho giáo d c th p

ượ ố ị ụ ỉ và đ c phân b  đ a lý xung quanh các t nh, thành có chi tiêu công cho giáo d c cao.

ắ ắ ươ ữ ấ ỉ ồ Đ k L k, Tp H  Chí Minh có t ng quan không gian cao th p, nghĩa là nh ng t nh,

ươ ư ượ ố ỉ thành này có t ng quan không gian cao nh ng đ c phân b  xung quanh là các t nh

ươ ấ có t ng quan không gian th p.

ể ị ế ế ả ượ Ki m đ nh Local Moran’s I cho chi tiêu công cho y t , k t qu  đ ở   c cho b i

ồ ị ả ở ụ ể ỉ ị B ng 4.11 và đ  th  phân tán các Hình 4.17, 4.18, 4.19. C  th , các t nh Nam Đ nh,

ậ ầ ả ơ ươ Thanh Hóa, Kon Tum, Qu ng Bình, Vĩnh Long, C n Th , H u Giang có t ng quan

ấ ấ ế ủ ấ ỉ không gian th p – th p, nghĩa là chi tiêu công cho y t c a các t nh này th p đ ượ   c

ố ị ỉ ế ấ ỉ phân b  đ a lý xung quanh là các t nh có chi tiêu công cho y t th p. Các t nh, thành

ộ ươ ồ g m Hà N i, Vĩnh Phúc, Thái Nguyên, Thanh Hóa có t ng quan không gian cao –

ỉ ế ượ ố ị cao, nghĩa là các t nh, thành này có chi tiêu công cho y t cao và đ c phân b  đ a lý

ỉ ế ươ ả ỉ xung quanh các t nh, thành có chi tiêu công cho y t ồ  cao. Các t nh g m H i D ng,

ươ ấ ỉ Hà Nam, Lai Châu, Hà Tĩnh có t ng quan không gian th p – cao, nghĩa là các t nh

ế ấ ượ ố ị ỉ này có chi tiêu công cho y t th p và đ c phân b  đ a lý xung quanh các t nh, thành

ế ồ ươ có chi tiêu công cho y t cao. Tp H  Chí Minh có t ấ   ng quan không gian cao – th p,

ứ ề ỏ ồ ế ượ đi u này ch ng t Tp H  Chí Minh có chi tiêu công cho y t cao và đ c phân b ố

ỉ ế ấ xung quanh là các t nh có chi tiêu công cho y t th p.

Moran scatterplot (Moran's I = 0.072) lnH_EXPHEA

49

2

1

25

21

34

18

311

26

27

20

40

9 23

51

46

28

32

33

19 15

24

47 52 3642 7

17

35

41

12 48

1

14

5

0

38

16

45

457

43

22 3163 13 6 8

10

30

50

62

59

44

z W

58

56

39

55 60

61

54 37

53

-1

29

-2

-3

-2

-1

0

1

2

3

4

z

ế ả ủ Hình 4.17: K t qu  Local Moran’s I c a lnH_EXPHEA năm 2017 (W1)

Moran scatterplot (Moran's I = 0.021) lnH_EXPHEA

2

40

23

1

42

22

27

9

7

5

10

28

26

41

17 14 258 6 21

15 19 11 34 3

4 35

1

18

45

46

36

220 24

49

33

55

0

z W

38

54

30

32

5631

60

57 48 12

13 51

59

53

50

47 52 61 62

16

58

39

43

29

63

37

44

-1

-2

-3

-2

-1

0

1

2

3

4

z

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ế ả ủ Hình 4.18: K t qu  Local Moran’s I c a lnH_EXPHEA năm 2017 (W2)

Moran scatterplot (Moran's I = 0.002) lnH_EXPHEA

1

3

28

2

9 23

5

11 15 19

47 7

18

25 21 8 1417 22 6 13

2024

40

12 4

34

26

41

1

16 10

48

33

49

32 35

0

38

3029 46 45

3642

31

27

z W

52

51

39

55 60

37 54

43 4453

56 63

50

57

62 61

59

58

-1

-3

-2

-1

0

1

2

3

4

z

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ế ả ủ Hình 4.19: K t qu  Local Moran’s I c a lnH_EXPHEA năm 2017 (W3)

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ồ ị ả ở ụ ể ỉ B ng 4.12 và đ  th  phân tán ắ    các Hình 4.20, 4.21, 4.22. C  th , các t nh Đ k

ắ ắ ướ ề ế Nông, Đ k L k, Tây Ninh, Bình Ph c, B n Tre, Ti n Giang, Trà Vinh, An Giang,

ậ ạ ươ Vĩnh Long, B c Liêu, Kiên Giang, Sóc Trăng, H u Giang, Cà Mau có t ng quan

ấ ấ ỉ ệ ộ không gian th p – th p, nghĩa là các t nh này có t ỷ ệ  l lao đ ng đang làm vi c đã qua

ấ ạ ượ ố ị ỉ đào t o th p và đ c phân b  đ a lý xung quanh là các t nh, thành có t ỷ ệ  l ộ    lao đ ng

ệ ấ ạ đang làm vi c đã qua đào t o th p.

ả ể ủ ỷ ệ ế ả ị ộ B ng 4.12: K t qu  ki m đ nh Local Moran’s I c a t l lao đ ng đang làm

ệ ạ vi c đã qua đào t o năm 2017

Năm

Phân cụm

Thấp – Thấp

Cao – Cao

Thấp – Cao

Cao – Thấp

W1

W2

Thái Bình

Tp Hồ Chí Cần Minh, Thơ

Đắk Nông, Bến Tre, Trà Vinh, Vĩnh Long, Hậu Kiên Giang, Giang, Sóc Trăng, Bạc Liêu, Cà Mau Đắk Lắk, Đắk Nông, Tiền Giang, Bến Tre, Trà Vinh, Vĩnh Long, An Giang, Kiên Giang, Hậu Giang, Sóc Trăng, Bạc Liêu, Cà Mau

W3

Hà Giang

Bà Rịa - Vũng Tàu, Tp Hồ Chí Minh, Cần Thơ

Đắk Lắk, Đắk Nông, Bình Phước, Tây Ninh, Tiền Giang, Bến Tre, Trà Vinh, Vĩnh Long, An Giang, Kiên Giang, Hậu Giang, Sóc Trăng, Bạc Liêu, Cà Mau

Hà Nội, Bắc Ninh, Quảng Ninh, Hải Phòng, Thừa Thiên Huế, Đà Nẵng, Bà Rịa - Vũng Tàu Hà Nội, Bắc Ninh, Hải Quảng Ninh, Dương, Hải Phòng, Hưng Yên, Hà Nam, Ninh Bình, Thái Nguyên, Thanh Hóa, Quảng Trị, Thừa Thiên Huế, Đà Nẵng, Bà Rịa - Vũng Tàu Hà Nội, Vĩnh Phúc, Bắc Ninh, Quảng Ninh, Hải Dương, Hải Phòng, Hưng Yên, Thái Ninh Bình, Nguyên, Thừa Thiên Huế, Quảng Bình, Thanh Hóa, Hà Tĩnh, Quảng Trị, Đà Nẵng

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với mức ý nghĩa 5%.

ố ớ ỷ ệ ể ị ệ ộ Ki m đ nh Local Moran’s I đ i v i t l lao đ ng đang làm vi c đã qua đào

ế ả ắ ở ồ ộ ỉ ạ t o năm 2017, k t qu  cho b i Các t nh, thành g m Hà N i, Vĩnh Phúc, B c Ninh,

ươ ả ả ả ư Qu ng Ninh, H i D ng, H i Phòng, H ng Yên, Ninh Bình, Hà Nam, Thái Nguyên,

ừ ế ả ẵ ả ị ị Thanh Hóa, Th a Thiên Hu , Qu ng Tr , Hà Tĩnh, Qu ng Bình, Đà N ng, Bà R a –

ươ ỉ Vũng Tàu có t ng quan không gian cao – cao, nghĩa là các t nh, thành này có t ỷ ệ   l

ệ ạ ộ ượ ố ị lao đ ng đang làm vi c đã qua đào t o cao và đ c phân b  đ a lý xung quanh các

ạ ộ ỉ t nh, thành có t ỷ ệ  l ệ  lao đ ng đang làm vi c đã qua đào t o cao.

ồ ỉ ươ ấ Các t nh g m Thái Bình, Hà Giang có t ng quan không gian th p – cao, nghĩa

ỉ ệ ạ ấ ộ ượ là các t nh này có t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o th p và đ c phân b ố

ỉ ạ ộ ị đ a lý xung quanh các t nh, thành có t ỷ ệ  l ệ  lao đ ng đang làm vi c đã qua đào t o cao.

ữ ầ ồ ơ ị ỉ Tp H  Chí Minh, C n Th , Bà R a ­ Vũng Tàu là nh ng t nh, thành có t ươ   ng

ấ ỉ ộ quan không gian cao – th p, nghĩa là các t nh, thành này có t ỷ ệ  l lao đ ng đang làm

ệ ạ ượ ố ỉ vi c đã qua đào t o cao và đ c phân b  xung quanh là các t nh, thành có t ỷ ệ  l lao

Moran scatterplot (Moran's I = 0.374) lnH_LABEDU

2

27

20

31

25

1

6

7

30

2 5 29

32

19 8

33 9

49 3 11

1

28

10

21

4

24

18

14

39 15

26

34

48

12

38

41

0

52

z W

47

51

50

23

46

45

57

22

13

42

40

3536

37 17 16 44

56

55

60

43 54

53

59

58

-1

62

6361

-2

-3

-2

-1

1

2

3

0 z

ệ ạ ấ ộ đ ng đang làm vi c đã qua đào t o th p.

ế ả ủ Hình 4.20: K t qu  Local Moran’s I c a lnH_LABEDU năm 2017 (W1)

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

Moran scatterplot (Moran's I = 0.363) lnH_LABEDU

2

27

30

1

31

10

34

8 19

7

33 9 29 5

6

20

25

4

1

11 3 18

14

2632

17

2 21

28

36

3915 23

38

0

z W

45

41

46

13

37 16 44

12

47

49

48

22

35

53

52

51 24

50

56

55

54 57

60

61

62

58

63

59

-1

43

42

40

-2

-3

-2

-1

1

2

3

0 z

ế ả ủ Hình 4.21: K t qu  Local Moran’s I c a lnH_LABEDU năm 2017 (W2)

Moran scatterplot (Moran's I = 0.205) lnH_LABEDU

1

20

5

6

9

25

2

7

10

27

4

1

14

26

8 19 15

311 18 2830 31

17

12

21 29 13

24

33

22

23

16

34

32

41

47

0

z W

35 36

38

37

48

45

39

42

44

46

49

43

40

50

52

51

60

56

55

57 54

58

53

63

62

61

59

-1

-3

-2

-1

1

2

3

0 z

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ế ả ủ Hình 4.22: K t qu  Local Moran’s I c a lnH_LABEDU năm 2017 (W3)

ố ệ ủ ừ ồ ả Ngu n: T  phân tích s  li u c a tác gi , 2020

ể ấ ị ụ   Ki m đ nh Global Moran’s I cho th y lnGRDP và chi tiêu công cho giáo d c,

ế ỷ ệ ệ ạ ộ chi tiêu công cho y t , t l ố t  lao đ ng đang làm vi c đã qua đào t o có m i ngươ

ề ể ộ ớ ị quan   không   gian  cùng   chi u   v i   nhau   m t   cách   chung   chung.   Ki m   đ nh   Local

ế ơ ề ố Moran’s I đã cho cái nhìn chi ti t h n v  phân b  lnGRDP và chi tiêu công cho giáo

ế ỷ ệ ạ ủ ệ ộ ụ d c, chi tiêu công cho y t , t l ị    lao đ ng đang làm vi c đã qua đào t o c a các đ a

ươ ươ ụ ể ươ ph ừ ng theo t ng nhóm t ng quan không gian c  th . Hai nhóm t ng quan cao –

ấ ượ ể ệ ấ ươ ấ cao và th p – th p đ ố t c cho là th  hi n rõ nét nh t m i ng quan không gian c aủ

ụ ế ỷ ệ lnGRDP và chi tiêu công cho giáo d c, chi tiêu công cho y t , t l ộ  lao đ ng đang

ủ ệ ỉ ệ ề ạ làm vi c đã qua đào t o c a các t nh, thành Vi t Nam trong năm 2017. Đi u này

ỏ ụ ỉ ứ ch ng t , các t nh, thành có lnGRDP và chi tiêu công cho giáo d c, chi tiêu công cho

ế ỷ ệ ạ ộ ượ y t , t l ệ  lao đ ng đang làm vi c đã qua đào t o cao đ ố ị c phân b  đ a lý xung

ụ ỉ quanh các t nh, thành có lnGRDP và chi tiêu công cho giáo d c, chi tiêu công cho y t ế   ,

ệ ạ ộ ế ị ỷ ệ t  l lao đ ng đang làm vi c đã qua đào t o cao và ng ượ ạ c l ả ể i. K t qu  ki m đ nh

ả ướ ượ ầ ẳ ị ồ ơ ở Moran’s I càng có thêm c  s  kh ng đ nh, c n ph i c l ng h i quy không gian

ứ ề ặ ờ ồ ị ươ ầ ố ớ ấ đ i v i v n đ  nghiên c u đ t ra. Đ ng th i, các đ a ph ế ớ   ự ng c n có s  liên k t v i

ườ ế ố ố ủ ừ ể nhau đ  tăng c ng các y u t v n con ng ườ ừ i, t ị    đó làm cho GRDP c a t ng đ a

ươ ự ể ờ ế ề ữ ph ồ ng và khu v c tăng lên, đ ng th i phát tri n kinh t b n v ng.

Ả ƯỚ ƯỢ Ế Ồ 4.5 K T QU C L NG H I QUY KHÔNG GIAN

ả ưở ụ ế ủ 4.5.1 Phân tích  nh h ng c a chi tiêu công cho giáo d c đ n quy mô kinh t ế

ỉ các t nh, thành

ả ưở ụ ế ủ Phân tích  nh h ị   ng không gian c a chi tiêu công cho giáo d c đ n GRDP đ a

ươ ượ ố ớ ư ự ệ ạ ồ ph ng đ c th c hi n đ i v i 3 d ng mô hình h i quy SEM, SAR, SDM nh  sau:

ạ ồ Mô hình h i quy d ng SEM:

ạ ồ Mô hình h i quy d ng SAR:

ạ ồ Mô hình h i quy d ng SDM:

Trong đó,

ỉ ố ượ ỉ ch  đ i t ố ng t nh, thành ph

ỉ ố ờ : ch  m c th i gian

ậ ố ọ ồ : ma tr n tr ng s , bao g m W1, W2, W3

ệ ố ồ ủ ễ ế : h  s  h i quy c a bi n tr  không gian

ệ ố ồ ộ ậ ế : h  s  h i quy bi n đ c l p

ệ ố ồ ộ ậ ở ị ể ệ ủ ế ộ ươ ậ : h  s  h i quy th  hi n tác đ ng c a bi n đ c l p đ a ph ng lân c n

ệ ố ự ươ : h  s  t t ng quan không gian

ươ ố : sai s  có t ng quan không gian

ẩ ố : sai s  chu n.

ế ả ả ưở ủ K t qu  phân tích  nh h ụ ế   ng không gian c a chi tiêu công cho giáo d c đ n

ị ươ ướ ạ ệ ứ ồ GRDP các đ a ph ng d i d ng mô hình SEM, SAR, SDM, g m 2 hi u  ng tác

ầ ượ ở ớ ố ọ ậ ộ đ ng FEM và REM, v i ma tr n tr ng s  W1, W2, W3 l n l t ả  các B ng 4.13,

4.14, 4.15.

ố ớ ườ ự ể ị ể ợ ị D a vào ki m đ nh Hausman đ i v i tr ng h p phi không gian, ki m đ nh

ườ ệ ứ ể ự ẩ ợ ọ Hausman tr ộ   ng h p không gian và tiêu chu n AIC đ  l a ch n hi u  ng tác đ ng

ệ ứ ứ ế ấ ả ợ ộ   nào phù h p cho mô hình nghiên c u. K t qu  phân tích cho th y, hi u  ng tác đ ng

ượ ự ạ ọ ợ ố ị c  đ nh (FEM) đ c l a ch n phân tích phù h p cho các d ng mô hình SEM, SAR,

ố ớ ấ ả ườ ậ ọ ố ợ SDM đ i v i t t c  các tr ng h p ma tr n tr ng s  không gian W1, W2, W3.

ế ả ưở ủ ụ ố   ng c a chi tiêu công cho giáo d c đ i

ả ả B ng 4.13: K t qu  phân tích  nh h ớ v i GRDP (W1)

SEM

SAR

SDM

Biến độc lập

FEM

REM

FEM

REM

FEM

REM

lnH_EXPEDU

0,1615*** (5,22)

0,1638*** (5,44)

0,0990*** (4.96)

0,0873*** (4,44)

0,0695*** (2,68)

0,0747*** (2,69)

lnINV

0,0408*** (2,60)

0,0590*** (3.37)

0,0783*** (5,17)

0,0966*** (5,87)

0,0609*** (4,11)

0,0757*** (4,73)

lnLABOR

0,5417*** (3,58)

0,9651*** (10,97)

0,4438*** (3,77)

0,7719*** (10,52)

0,3686*** (2,71)

0,8065*** (9,82)

FDI

0,0022*** (5,26)

0,0022*** (4,83)

0,0017*** (3,96)

0,0017*** (3,59)

0,0018*** (4,36)

0,0018*** (4,03)

POP

0,0468*** (3,02)

0,0591*** (3,55)

0,0386*** (2,63)

0,0498*** (3,22)

0,0429*** (2,89)

0,0538*** (3,45)

CPI

-0,0077* (-1,82)

-0,0083* (-1,78)

0,00005 (0,01)

0,00024 (0,06)

-0,0034 (-0,85)

-0,0041 (-0,93)

POOR

-0,0071*** (-5,64)

-0,0084*** (-6,21)

-0,0031*** (-2,92)

-0,0033*** (-2,86)

-0,0046*** (-3,84)

-0,0052*** (-4,03)

Hệ số chặn

3,0844*** (4,03)

-1,9233*** (-3,09)

-3,7172*** (-3,50)

W.lnH_EXPED U

0,0762** (2,10)

0,0550 (1,50)

W.lnINV

0,1302*** (4,90)

0,1355*** (4,79)

W.lnLABOR

0,3549* (1,73)

0,0299 (0,21)

W.FDI

-0,0026*** (-3,32)

-0,0027*** (-3,26)

W.POP

-0,0126 (-0,45)

-0,0123 (-0,42)

W.CPI

0,0081 (1,15)

0,0095 (1,25)

W.POOR

0,0085*** (4,28)

0,0083*** (3,95)

Rho

0,5882*** (19,07)

0,5373*** (17,62)

0,4997*** (13,10)

0,4783*** (12,10)

Lamda

0,7282*** (18,94)

0,6670*** (15,75)

Log-likelihood

556,4384

352,4994

591,0755

393,6039

622,0025

418,0918

AIC

-1094,877

-1164,151

-765,2078

-1212,005

-800,1836

- 682,9988

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

ế ả ả ưở ủ ả B ng 4.14: K t qu  phân tích  nh h ụ ố ớ   ng c a chi tiêu công cho giáo d c đ i v i

GRDP (W2)

SEM

SAR

SDM

Biến độc lập

FEM

REM

FEM

REM

FEM

REM

lnH_EXPEDU

0,1202*** (4,30)

0,1397*** (4,52)

0,0849*** (4,43)

0,0787*** (3,97)

0,0584** (2,45)

0,0660** (2,56)

lnINV

0,0424*** (3,00)

0,0564*** (3,48)

0,0815*** (5,62)

0,0975*** (6,14)

0,0773*** (5,37)

0,0867*** (5,53)

lnLABOR

0,4499*** (3,09)

0,9674*** (10,43)

0,5262*** (4,72)

0,8242*** (9,76)

0,2875** (2,19)

0,8354*** (8,55)

FDI

0,0024*** (6,15)

0,0025*** (5,66)

0,0017*** (4,15)

0,0017*** (3,81)

0,0019*** (4,69)

0,0019*** (4,35)

POP

0,0374** (2,59)

0,0479*** (3,03)

0,0300** (2,12)

0,0425*** (2,80)

0,0310** (2,21)

0,0452*** (2,99)

CPI

-0,0064 (-1,59)

-0,0064 (-1,44)

-0,0007 (-0,20)

-0,0005 (-0,12)

-0,0034 (-0,88)

-0,0032 (-0,76)

POOR

-0,0022* (-1,87)

-0,0040*** (-2,95)

-0,0014 (-1,33)

-0,0017 (-1,52)

-0,0010 (-0,89)

-0,0016 (-1,32)

Hệ số chặn

3,0327*** (3,84)

-2,5662*** (-3,88)

-3,2984*** (-2,70)

W.lnH_EXPED U

0,0187 (0,56)

0,0192 (0,56)

W.lnINV

0,0999*** (3,70)

0,1079*** (3,70)

W.lnLABOR

0,6145*** (2,78)

-0,0647 (-0,36)

W.FDI

-0,0024*** (-2,95)

-0,0029*** (-3,42)

W.POP

-0,0030 (-0,09)

-0,0049 (-0,14)

W.CPI

0,0097 (1,34)

0,0091 (1,16)

W.POOR

0,0013 (0,79)

0,0007 (0,40)

Rho

0,6344*** (21,41)

0,5755*** (18,17)

0,5562*** (14,16)

0,5264*** (12,62)

Lamda

0,8142*** (37,35)

0,7467*** (19,10)

Log-likelihood

568,5261

357,2664

612,0471

396,1898

634,4181

410,8237

AIC

-1119,052

-1206,094

-770,3796

-1236,836

-785,6474

- 692,5329

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

ế ả ưở ủ ụ ố   ng c a chi tiêu công cho giáo d c đ i

ả ả B ng 4.15: K t qu  phân tích  nh h ớ v i GRDP (W3)

SEM

SAR

SDM

Biến độc lập

FEM

REM

FEM

REM

FEM

REM

lnH_EXPEDU

0,0606** (2,45)

0,1889*** (7,71)

0,0184 (0,98)

-0,0012 (-0,06)

0,0536** (2,18)

0,0552** (2,06)

lnINV

0,0436*** (3,20)

0,0829*** (5,08)

0,0561*** (4,07)

0,0731*** (4,83)

0,0532*** (3,85)

0,0709*** (4,71)

lnLABOR

0,4149*** (3,60)

0,8657*** (9,96)

0,3895*** (3,70)

0,8188*** (9,31)

0,4037*** (3,37)

0,8217*** (9,50)

FDI

0,0018*** (4,62)

0,0019*** (4,17)

0,0017*** (4.38)

0,0017*** (4,19)

0,0019*** (4,87)

0,0020*** (4,62)

POP

0,0250* (1,88)

0,0372** (2,34)

0,0238* (1,79)

0,0340** (2,37)

0,0219 (1,64)

0,0297** (2,07)

CPI

-0,0038 (-1,04)

-0,0053 (-1,22)

-0,0006 (-0,17)

-0,0004 (-0,11)

-0,0035 (-0,97)

-0,0035 (-0,90)

POOR

-0,0042*** (-3,88)

0,0075*** (-5,79)

-0,0022** (-2,35)

-0,0026** (-2,44)

-0,0041*** (-3,77)

-0,0049*** (-4,17)

Hệ số chặn

3,0357*** (4,18)

-3,4703*** (-5,22)

-7,5020*** (-3,18)

-0,0420 (-0,72)

-0,0875 (-1,48)

W.lnH_EXPED U

W.lnINV

0,1852** (2,46)

0,2433*** (3,00)

W.lnLABOR

0,4403 (0,94)

0,3299 (0,86)

W.FDI

0,0004 (0,20)

0,0005 (0,25)

W.POP

0,0513 (0,70)

0,1011 (1,28)

W.CPI

0,0119 (0,99)

0,0127 (0,98)

W.POOR

0,0102*** (2,53)

0,0105*** (2,43)

Rho

0,7995*** (25,87)

0,7443*** (22,17)

0,6754*** (9,82)

0,6098*** (8,06)

Lamda

0,9342*** (58,33)

1,3182*** (85,98)

Log-likelihood

651,6690

376,8347

658,3995

434,9713

669,3942

449,1858

AIC

-1285,338

-1298,799

-847,9427

-1306,788

-862,3716

- 731,6694

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

ể ả ể ơ ế ể ạ ả Ki m tra gi thuy t:   đ  xem xét mô hình d ng SDM có th  đ n gi n tr ở

ả ể ế ề ạ ị ỉ ị ươ thành d ng SEM hay không. K t qu  ki m đ nh ch  ra, giá tr  LR đ u d ng, có ý

ở ả ườ ứ ề ậ ợ ọ ố ố nghĩa th ng kê c  3 tr ng h p ma tr n tr ng s  W1, W2, W3. Đi u này ch ng t ỏ

ả ể ơ ế ạ ả ạ ỏ ị gi thuy t  b  bác b , nghĩa là mô hình d ng SDM có th  đ n gi n thành d ng SEM

ở ườ ậ ợ ố 3 tr ng h p ma tr n trong s  xem xét.

ươ ự ả ể ơ ế ể ạ ả T ng t , gi thuy t   đ  xem xét mô hình d ng SDM có th  đ n gi n tr ở

ả ể ề ươ ế ấ ị ị thành SAR hay không. K t qu  ki m đ nh cho th y, giá tr  LR đ u d ng, có ý nghĩa

ố ở ả ườ ứ ề ậ ợ ọ ố th ng kê c  3 tr ng h p ma tr n tr ng s  W1, W2, W3. Đi u này ch ng t ỏ ả   gi

ể ơ ế ạ ả ạ ỏ ị thuy t  b  bác b , nghĩa là mô hình d ng SDM có th  đ n gi n thành d ng SAR ở    3

ườ ậ ợ ố tr ng h p ma tr n trong s  xem xét.

ế ả ạ ở ả ấ K t qu  mô hình d ng SDM_FEM B ng 4.13, 4.14, 4.15 cho th y, giá tr ị

ề ươ ứ ố ỏ ươ ề Rho đ u d ng và có ý nghĩa th ng kê, ch ng t ị  các đ a ph ề ng li n k  nhau thì

ướ ự ẫ ộ GRDP có xu h ng tác đ ng tích c c l n nhau.

ố ớ ườ ố ề ề ậ ợ ở ả Đ i v i tr ọ ng h p ma tr n tr ng s  li n k  (W1) ệ ố ồ    B ng 4.13, h  s  h i

ủ ế ề ề ố ụ quy và  c a bi n chi tiêu công cho giáo d c đ u có ý nghĩa th ng kê, đi u này cho

ụ ự ế ấ ộ ị   ữ th y, chi tiêu công cho giáo d c không nh ng tác đ ng tích c c đ n GRDP các đ a

ươ ự ế ộ ị ươ ph ng xem xét mà còn tác đ ng tích c c đ n GRDP các đ a ph ế ng ti p giáp.

ố ớ ườ ậ ả ợ ọ ố ưỡ Đ i v i tr ng h p ma tr n tr ng s  kho ng cách ng ậ   ng (W2), ma tr n

ả ả ố ọ ị ở ả ệ ố ồ ủ tr ng s  kho ng cách ngh ch đ o (W3) ế    B ng 4.14, 4.15, h  s  h i quy  c a bi n

ụ ầ ượ ề ố chi tiêu công cho giáo d c l n l ề   t là 0,0584; 0,0536, đ u có ý nghĩa th ng kê. Đi u

ứ ỏ ụ ả ưở ề này ch ng t , chi tiêu công cho giáo d c  nh h ủ ị   ế ng cùng chi u đ n GRDP c a đ a

ươ ư ứ ự ủ ằ ẳ ộ ị ph ng đang xem xét. Ch a có b ng ch ng kh ng đ nh s  tác đ ng c a chi tiêu

ụ ở ị ươ ị ươ công cho giáo d c đ a ph ố ớ ng đang xem xét đ i v i GRDP các đ a ph ng trong

ậ ưỡ ậ ả ả ị ả lân c n kho ng cách ng ng 186km và trong lân c n kho ng cách ngh ch đ o.

ả ưở ủ ế ế ế 4.5.2 Phân tích  nh h ng c a chi tiêu công cho y t đ n quy mô kinh t các

ỉ t nh, thành

ả ưở ủ ế ế Phân tích  nh h ng không gian c a chi tiêu công cho y t ị    đ n GRDP đ a

ươ ượ ố ớ ư ự ệ ạ ồ ph ng đ c th c hi n đ i v i 3 d ng mô hình h i quy SEM, SAR, SDM nh  sau:

ạ ồ Mô hình h i quy d ng SEM:

ạ ồ Mô hình h i quy d ng SAR:

ạ ồ Mô hình h i quy d ng SDM:

Trong đó,

ỉ ố ượ ỉ ch  đ i t ố ng t nh, thành ph

ỉ ố ờ : ch  m c th i gian

ậ ọ ố ồ : ma tr n tr ng s , bao g m W1, W2, W3

ệ ố ồ ủ ế ễ : h  s  h i quy c a bi n tr  không gian

ệ ố ồ ộ ậ ế : h  s  h i quy bi n đ c l p

ệ ố ồ ộ ậ ở ị ể ệ ủ ế ộ ươ ậ : h  s  h i quy th  hi n tác đ ng c a bi n đ c l p đ a ph ng lân c n

ệ ố ự ươ : h  s  t t ng quan không gian

ươ ố : sai s  có t ng quan không gian

ẩ ố : sai s  chu n.

ế ả ả ưở ủ K t qu  phân tích  nh h ng không gian c a chi tiêu công cho y t ế ế    đ n

ị ươ ướ ạ ệ ứ ồ GRDP các đ a ph ng d i d ng mô hình SEM, SAR, SDM, g m 2 hi u  ng tác

ầ ượ ở ớ ọ ố ậ ộ đ ng FEM và REM, v i ma tr n tr ng s  W1, W2, W3 l n l t ả  các B ng 4.16,

4.17, 4.18.

ố ớ ườ ự ể ị ể ợ ị D a vào ki m đ nh Hausman đ i v i tr ng h p phi không gian, ki m đ nh

ườ ệ ứ ể ự ẩ ợ ọ Hausman tr ộ   ng h p không gian và tiêu chu n AIC đ  l a ch n hi u  ng tác đ ng

ệ ứ ứ ế ả ấ ợ ộ   nào phù h p cho mô hình nghiên c u. K t qu  phân tích cho th y, hi u  ng tác đ ng

ượ ự ạ ọ ợ ố ị c  đ nh (FEM) đ c l a ch n phân tích phù h p cho các d ng mô hình SEM, SAR,

ố ớ ấ ả ườ ậ ố ợ ọ SDM đ i v i t t c  các tr ng h p ma tr n tr ng s  không gian W1, W2, W3.

ể ả ể ơ ế ể ả ạ Ki m tra gi thuy t:   đ  xem xét mô hình d ng SDM có th  đ n gi n tr ở

ả ể ề ế ạ ỉ ị ị ươ thành d ng SEM hay không. K t qu  ki m đ nh ch  ra, giá tr  LR đ u d ng, có ý

ở ả ườ ứ ề ậ ố ọ ợ ố nghĩa th ng kê c  3 tr ng h p ma tr n tr ng s  W1, W2, W3. Đi u này ch ng t ỏ

ả ể ơ ế ạ ả ạ ỏ ị gi thuy t  b  bác b , nghĩa là mô hình d ng SDM có th  đ n gi n thành d ng SEM

ở ườ ậ ợ ố 3 tr ng h p ma tr n trong s  xem xét.

ươ ự ả ể ơ ế ể ạ ả T ng t , gi thuy t   đ  xem xét mô hình d ng SDM có th  đ n gi n tr ở

ả ể ề ươ ế ấ ị ị thành SAR hay không. K t qu  ki m đ nh cho th y, giá tr  LR đ u d ng, có ý nghĩa

ố ở ả ườ ứ ề ậ ợ ọ ố th ng kê c  3 tr ng h p ma tr n tr ng s  W1, W2, W3. Đi u này ch ng t ỏ ả   gi

ể ơ ế ả ạ ạ ỏ ị thuy t  b  bác b , nghĩa là mô hình d ng SDM có th  đ n gi n thành d ng SAR ở    3

ườ ậ ố ợ tr ng h p ma tr n trong s  xem xét.

ế ả ạ ở ả ấ K t qu  mô hình d ng SDM_FEM B ng 4.16, 4.17, 4.18 cho th y, giá tr ị

ề ươ ứ ố ỏ ươ ề Rho đ u d ng và có ý nghĩa th ng kê, ch ng t ị  các đ a ph ề ng li n k  nhau thì

ướ ự ẫ ộ GRDP có xu h ng tác đ ng tích c c l n nhau.

ố ớ ườ ố ề ề ậ ợ ở ả Đ i v i tr ọ ng h p ma tr n tr ng s  li n k  (W1) ệ ố ồ    B ng 4.16, h  s  h i

ủ ế ế ề ề ố quy và  c a bi n chi tiêu công cho y t ấ    đ u có ý nghĩa th ng kê, đi u này cho th y,

ế ự ế ữ ộ ị ươ chi tiêu công cho y t không nh ng tác đ ng tích c c đ n GRDP các đ a ph ng xem

ự ế ộ ị ươ xét mà còn tác đ ng tích c c đ n GRDP các đ a ph ế ng ti p giáp.

ả ế ả ưở ủ ng c a chi tiêu công cho y t ế ố ớ    đ i v i

ả B ng 4.16: K t qu  phân tích  nh h GRDP (W1)

SEM

SAR

SDM

Biến độc lập

FEM

REM

FEM

REM

FEM

REM

lnH_EXPHEA

0,0320** (2,17)

0,0350** (2,12)

0,0382*** (2,74)

0,0376*** (2,60)

0,0278* (1,94)

0,0305** (2,01)

lnINV

0,0402*** (2,66)

0,0586*** (3,41)

0,0890*** (5,93)

0,1067*** (6,52)

0,0699*** (4,71)

0,0842*** (5,24)

lnLABOR

0,4861*** (3,24)

1,0212*** (11,61)

0,5277*** (4,52)

0,7912*** (10,95)

0,3716*** (2,70)

0,8226*** (10,18)

FDI

0,0022*** (5,56)

0,0023*** (5,14)

0,0019*** (4,35)

0,0018*** (3,84)

0,0020*** (4,83)

0,0019*** (4,30)

POP

0,0513*** (3,37)

0,0657*** (3,99)

0,0371** (2,51)

0,0482*** (3,09)

0,0370** (2,48)

0,0497*** (3,15)

CPI

-0,0084** (-2,01)

-0,0099** (-2,14)

-0,0028 (-0,75)

-0,0025 (-0,62)

-0,0046 (-1,15)

-0,0054 (-1,24)

POOR

-0,0066*** (-5,22)

-0,0083*** (-5,92)

-0,0041*** (-3,82)

-0,0040*** (-3,55)

-0,0048*** (-4,01)

-0,0053*** (-4,09)

Hệ số chặn

3,8931*** (5,26)

-1,9215*** (-3,10)

-3,0429*** (-2,89)

W.lnH_EXPHE A

0,0436* (1,76)

0,0434* (1,76)

W.lnINV

0,1463*** (5,53)

0,1478*** (5,23)

W.lnLABOR

0,4913** (2,40)

-0,0012 (-0,01)

W.FDI

-0,0023*** (-2,94)

-0,0026*** (-3,09)

W.POP

-0,0231 (-0,81)

-0,0242 (-0,80)

W.CPI

0,0025 (0,35)

0,0037 (0,49)

W.POOR

0,0070*** (3,50)

0,0069*** (3,25)

Rho

0,6425*** (23,80)

0,5845*** (21,54)

0,5476*** (15,55)

0,5255*** (14,45)

Lamda

0,8085*** (35,80)

0,7564*** (26,22)

Log-likelihood

545,0221

341,2902

582,2969

386,9938

613,1951

410,0593

AIC

-1034,041

-1108,591

-705,5393

-1126,829

-708,1122

- 614,1322

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) ký hiệu ứng mức ý nghĩa 1%, 5% và 10%.

ả ế ả ưở ủ ng c a chi tiêu công cho y t ế ố ớ    đ i v i

ả B ng 4.17: K t qu  phân tích  nh h GRDP (W2)

SEM

SAR

SDM

Biến độc lập

FEM

REM

FEM

REM

FEM

REM

lnH_EXPHEA

0,0413*** (2,94)

0,0424*** (2,70)

0,0386*** (2,90)

0,0361** (2,56)

0,0243* (1,76)

0,0265* (1,78)

lnINV

0,0476*** (3,42)

0,0597*** (3,79)

0,0908*** (6,35)

0,1061*** (6,76)

0,0854*** (6,01)

0,0949*** (6,11)

lnLABOR

0,4002*** (2,80)

0,9852*** (10,32)

0,5933*** (5,39)

0,8532*** (10,25)

0,2975** (2,25)

0,8518*** (8,66)

FDI

0,0024*** (6,24)

0,0026*** (5,89)

0,0019*** (4,50)

0,0018*** (4,08)

0,0020*** (5,03)

0,0021*** (4,64)

POP

0,0380** (2,65)

0,0492*** (3,14)

0,0276* (1,94)

0,0404*** (2,64)

0,0286** (2,03)

0,0428*** (2,81)

CPI

-0,0067* (-1,69)

-0,0070 (-1,59)

-0,0031 (-0,84)

-0,0028 (-0,70)

-0,0045 (-1,17)

-0,0045 (-1,06)

POOR

-0,0016 (-1,36)

-0,0031** (-2,37)

-0,0019* (-1,89)

-0,0022** (-1,99)

-0,0011 (-0,97)

-0,0017 (-1,35)

Hệ số chặn

3,7213*** (4,83)

-2,6899*** (-4,09)

-3,0281** (-2,44)

-0,0025 (-0,09)

0,0062 (0,23)

W.H_lnEXPHE A

W.lnINV

0,1117*** (4,25)

0,1213*** (4,26)

W.lnLABOR

0,7423*** (3,37)

-0,0319 (-0,17)

W.FDI

-0,0021*** (-2,60)

-0,0027*** (-3,22)

W.POP

-0,0092 (-0,27)

-0,0124 (-0,34)

W.CPI

0,0052 (0,74)

0,0037 (0,48)

W.POOR

0,0005 (0,32)

-0,0002 (-0,13)

Rho

0,6788*** (26,38)

0,6195*** (22,53)

0,5828*** (15,68)

0,5583*** (14,23)

Lamda

0,8512*** (45,57)

0,8088*** (32,37)

Log-likelihood

562,9745

350,2881

606,2643

391,4568

631,1585

406,5829

AIC

-1107,949

-1194,529

-760,9136

-1230,317

-777,1658

- 678,5762

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

ả ế ả ưở ủ ng c a chi tiêu công cho y t ế ố ớ    đ i v i

SEM

SAR

SDM

Biến độc lập

FEM

REM

FEM

REM

FEM

REM

lnH_EXPHEA

0,0149 (1,10)

0,0574*** (3,54)

0,0030 (0,23)

-0,0069 (-0,50)

0,0107 (0,78)

0,0078 (0,53)

lnINV

0,0462*** (3,38)

0,1037*** (6,14)

0,0576*** (4,22)

0,0730*** (4,85)

0,0563*** (4,08)

0,0740*** (4,91)

lnLABOR

0,4255*** (3,66)

0,9579*** (11,40)

0,4101*** (3,93)

0,8263*** (9,50)

0,4071*** (3,38)

0,8440*** (9,83)

FDI

0,0018*** (4,67)

0,0021*** (4,27)

0,0017*** (4,48)

0,0018*** (4,20)

0,0019*** (4,99)

0,0020*** (4,67)

POP

0,0243* (1,82)

0,0385** (2,32)

0,0237* (1,77)

0,0346** (2,41)

0,0219 (1,63)

0,0308** (2,14)

CPI

-0,0042 (-1,17)

-0,0083* (-1,79)

-0,0012 (-0,35)

-0,0006 (-0,15)

-0,0039 (-1,09)

-0,0040 (-1,01)

POOR

-0,0040*** (-3,74)

-0,0078*** (-5,79)

-0,0025*** (-2,60)

-0,0027** (-2,55)

-0,0039*** (-3,67)

-0,0048*** (-4,07)

ả B ng 4.18: K t qu  phân tích  nh h GRDP (W3)

Hệ số chặn

3,5935*** (4,98)

-3,5185 (-5,34)

-7,7813*** (-3,28)

-0,0530 (-0,92)

-0,0924 (-1,63)

W.lnH_EXPHE A

W.lnINV

0,1893** (2,57)

0,2490*** (3,14)

W.lnLABOR

0,5838 (1,25)

0,3514 (0,92)

W.FDI

0,0007 (0,42)

0,0008 (0,40)

W.POP

0,0485 (0,66)

0,1030 (1,30)

W.CPI

0,0114 (1,00)

0,0151 (1,20)

W.POOR

0,0075* (1,65)

0,0069 (1,43)

Rho

0,8148*** (30,78)

0,7489*** (26,18)

0,6842*** (10,16)

0,6121*** (8,18)

Lamda

0,9388*** (64,27)

1,3035*** (127,70)

Log-likelihood

649,2838

355,4443

657,9435

435,0943

667,7231

448,2042

AIC

-1280,568

-1297,887

-848,1885

-1303,446

-860,4085

- 688,8886

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

ố ớ ườ ả ậ ợ ọ ố ưỡ ở ả Đ i v i tr ng h p ma tr n tr ng s  kho ng cách ng ng (W2) B ng 4.17,

ệ ố ồ ủ ế ế ề 4.18, h  s  h i quy  c a bi n chi tiêu công cho y t ố , có ý nghĩa th ng kê. Đi u này

ỏ ế ả ưở ủ ị ề ế ứ ch ng t , chi tiêu công cho y t nh h ng cùng chi u đ n GRDP c a đ a ph ươ   ng

ư ứ ự ủ ẳ ằ ộ ị đang xem xét. Ch a có b ng ch ng kh ng đ nh s  tác đ ng c a chi tiêu công cho y

ươ ị ươ ậ ế ở ị t đ a ph ố ớ ng đang xem xét đ i v i GRDP các đ a ph ả   ng trong lân c n kho ng

ưỡ ấ ả ư ưở ủ cách ng ng 186km. Ngoài ra, ch a tìm th y  nh h ng c a chi tiêu công cho y t ế

ườ ả ậ ọ ố ợ ị ố ớ đ i v i GRDP cho tr ng h p ma tr n tr ng s  ngh ch đ o (W3).

ả ưở ủ ỷ ệ ộ ệ 4.5.3 Phân tích  nh h ng c a t l ạ    lao đ ng đang làm vi c đã qua đào t o

ế ế ỉ đ n quy mô kinh t các t nh, thành

ả ưở ủ ỷ ệ ệ ộ Phân tích  nh h ng không gian c a t l lao đ ng đang làm vi c đã qua đào

ế ị ươ ượ ố ớ ự ệ ồ ạ t o đ n GRDP đ a ph ng đ ạ c th c hi n đ i v i 3 d ng mô hình h i quy SEM,

ư SAR, SDM nh  sau:

ạ ồ Mô hình h i quy d ng SEM:

ạ ồ Mô hình h i quy d ng SAR:

ạ ồ Mô hình h i quy d ng SDM:

Trong đó,

ỉ ố ượ ỉ ch  đ i t ố ng t nh, thành ph

ỉ ố ờ : ch  m c th i gian

ậ ố ọ ồ : ma tr n tr ng s , bao g m W1, W2, W3

ệ ố ồ ủ ễ ế : h  s  h i quy c a bi n tr  không gian

ệ ố ồ ộ ậ ế : h  s  h i quy bi n đ c l p

ệ ố ồ ộ ậ ở ị ể ệ ủ ế ộ ươ ậ : h  s  h i quy th  hi n tác đ ng c a bi n đ c l p đ a ph ng lân c n

ệ ố ự ươ : h  s  t t ng quan không gian

ươ ố : sai s  có t ng quan không gian

ẩ ố : sai s  chu n.

ế ả ả ưở ủ ỷ ệ ộ K t qu  phân tích  nh h ng không gian c a t lao đ ng đang làm vi c đã

ế ạ ị ươ ướ ạ ồ qua đào t o đ n GRDP các đ a ph ng d i d ng mô hình SEM, SAR, SDM, g m 2

ệ ứ ầ ượ ở ậ ộ ọ ố ớ hi u  ng tác đ ng FEM và REM, v i ma tr n tr ng s  W1, W2, W3 l n l t các

ả B ng 4.19, 4.20, 4.21.

ố ớ ườ ự ể ị ể ợ ị D a vào ki m đ nh Hausman đ i v i tr ng h p phi không gian, ki m đ nh

ườ ệ ứ ể ự ẩ ợ ọ Hausman tr ộ   ng h p không gian và tiêu chu n AIC đ  l a ch n hi u  ng tác đ ng

ệ ứ ứ ế ả ấ ợ ộ   nào phù h p cho mô hình nghiên c u. K t qu  phân tích cho th y, hi u  ng tác đ ng

ượ ự ạ ọ ợ ố ị c  đ nh (FEM) đ c l a ch n phân tích phù h p cho các d ng mô hình SEM, SAR,

ố ớ ấ ả ườ ậ ợ ọ ố SDM đ i v i t t c  các tr ng h p ma tr n tr ng s  không gian W1, W2, W3.

ể ả ể ơ ế ể ạ ả Ki m tra gi thuy t:   đ  xem xét mô hình d ng SDM có th  đ n gi n tr ở

ả ể ế ề ạ ị ỉ ị ươ thành d ng SEM hay không. K t qu  ki m đ nh ch  ra, giá tr  LR đ u d ng, có ý

ở ả ườ ứ ề ậ ợ ọ ố ố nghĩa th ng kê c  3 tr ng h p ma tr n tr ng s  W1, W2, W3. Đi u này ch ng t ỏ

ả ể ơ ế ạ ả ạ ỏ ị gi thuy t  b  bác b , nghĩa là mô hình d ng SDM có th  đ n gi n thành d ng SEM

ở ườ ậ ợ ố 3 tr ng h p ma tr n trong s  xem xét.

ươ ự ả ể ơ ế ể ạ ả T ng t , gi thuy t   đ  xem xét mô hình d ng SDM có th  đ n gi n tr ở

ả ể ề ươ ế ấ ị ị thành SAR hay không. K t qu  ki m đ nh cho th y, giá tr  LR đ u d ng, có ý nghĩa

ố ở ả ườ ứ ề ậ ợ ọ ố th ng kê c  3 tr ng h p ma tr n tr ng s  W1, W2, W3. Đi u này ch ng t ỏ ả   gi

ể ơ ế ạ ả ạ ỏ ị thuy t  b  bác b , nghĩa là mô hình d ng SDM có th  đ n gi n thành d ng SAR ở    3

ườ ậ ợ ố tr ng h p ma tr n trong s  xem xét.

ế ả ạ ở ả ấ K t qu  mô hình d ng SDM_FEM B ng 4.19, 4.20, 4.21 cho th y, giá tr ị

ề ươ ứ ố ỏ ươ ề Rho đ u d ng và có ý nghĩa th ng kê, ch ng t ị  các đ a ph ề ng li n k  nhau thì

ướ ự ẫ ộ GRDP có xu h ng tác đ ng tích c c l n nhau.

ả ả ưở ủ ỷ ệ ộ ệ ng c a t l lao đ ng đang làm vi c đã

ế ạ ố ớ ả B ng 4.19: K t qu  phân tích  nh h qua đào t o đ i v i GRDP (W1)

SEM

SAR

SDM

Biến độc lập

FEM

REM

FEM

REM

FEM

REM

lnH_LABEDU

0,0973*** (3,83)

0,1293*** (4,59)

0,1271*** (5,40)

0,1456*** (5,81)

0,0758*** (3,10)

0,1029*** (3,94)

lnINV

0,0414*** (2,75)

0,0604*** (3,54)

0,0781*** (5,22)

0,0928*** (5,71)

0,0634*** (4,22)

0,0760*** (4,69)

lnLABOR

0,5802*** (3,82)

1,0707*** (12,88)

0,6052*** (5,38)

0,8461*** (12,34)

0,4341*** (3,17)

0,8623*** (11,20)

FDI

0,0022*** (5,54)

0,0023*** (5,12)

0,0021*** (4,89)

0,0020*** (4,38)

0,0023*** (5,43)

0,0022*** (4,86)

POP

0,0528*** (3,48)

0,0664*** (4,06)

0,0378*** (2,60)

0,0480*** (3,14)

0,0381** (2,56)

0,0508*** (3,25)

CPI

-0,0096** (-2,29)

-0,0113** (-2,45)

-0,0043 (-1,16)

-0,0041 (-1,02)

-0,0056 (-1,38)

-0,0066 (-1.51)

POOR

-0,0060*** (-4,73)

-0,0075*** (-5,39)

-0,0037*** (-3,55)

-0,0035*** (-3,21)

-0,0048*** (-3,98)

-0,0051*** (-3,92)

Hệ số chặn

3,5520*** (4,92)

-1,7972*** (-2,98)

-2,5862** (-2,50)

W.lnH_LABEDU

0,0759* (1,77)

0,0647 (1,47)

W.lnINV

0,1256*** (4,56)

0,1205*** (4,09)

W.lnLABOR

0,5389*** (2,71)

0,0263 (0,19)

W.FDI

-0,0017** (-2,09)

-0,0019** (-2,28)

W.POP

-0,0220 (-0,77)

-0,0221 (-0,74)

W.CPI

0,0005 (0,07)

0,0017 (0,23)

W.POOR

0,0057*** (2,99)

0,0053*** (2,63)

Rho

0,6118*** (22,00)

0,5496*** (20,17)

0,5225*** (13,85)

0,5040*** (13,08)

Lamda

0,7988*** (33,29)

0,7374*** (23,71)

Log-likelihood

550,1401

349,9007

593,1583

400,5545

616,7050

415,9517

AIC

-1082,28

-1168,317

-779,109

-1201,41

-795,9034

- 677,8015

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

ả ả ưở ủ ỷ ệ ộ ệ ng c a t  l lao đ ng đang làm vi c đã

ế ạ ố ớ ả B ng 4.20: K t qu  phân tích  nh h qua đào t o đ i v i GRDP (W2)

SEM

SAR

SDM

Biến độc lập

FEM

REM

FEM

REM

FEM

REM

lnH_LABEDU

0,0746*** (3,26)

0,0993*** (3,81)

0,1044*** (4,55)

0,1235*** (4,96)

0,0682** (2,90)

0,0909*** (3,54)

lnINV

0,0471*** (3,39)

0,0602*** (3,81)

0,0826*** (5,75)

0,0959*** (6,10)

0,0787*** (5,44)

0,0859*** (5,43)

lnLABOR

0,4487*** (3,13)

1,0312*** (11,31)

0,6759*** (6,38)

0,9109*** (11,57)

0,3518* (2,68)

0,9004*** (9,57)

FDI

0,0025*** (6,37)

0,0026*** (6,00)

0,0021*** (4,94)

0,0020*** (4,53)

0,0021*** (5,25)

0,0022*** (4,91)

POP

0,0365** (2,55)

0,0475*** (3,03)

0,0294** (2,09)

0,0416*** (2,75)

0,0295** (2,11)

0,0441*** (2,91)

CPI

-0,0081** (-2,02)

-0,0087** (-1,97)

-0,0045 (-1,26)

-0,0043 (-1,10)

-0,0051 (-1,34)

-0,0053 (-1,27)

POOR

-0,0014 (-1,20)

-0,0030** (-2,26)

-0,0019* (-1,84)

-0,0020 (-1,85)

-0,0011 (-0,95)

-0,0017 (-1,36)

Hệ số chặn

3,5886*** (4,77)

-2,5830*** (-4,02)

-3,1376** (-2,56)

W.lnH_LABEDU

0,0472 (1,12)

0,0331 (0,83)

W.lnINV

0,0965 (3,26)

0,0949 (3,50)

W.lnLABOR

0,0031 (0,02)

0,7549*** (3,57)

W.FDI

-0,0018** (-2,21)

-0,0023** (-2,72)

W.POP

-0,0003 (-0,01)

-0,0007 (-0,02)

W.CPI

0,0062 (0,88)

0,0049 (0,64)

W.POOR

0,0007 (0,42)

-0,0002 (-0,10)

Rho

0,6538*** (24,15)

0,5859*** (20,53)

0,5551*** (13,81)

0,5255*** (12,49)

Lamda

0,8504*** (45,06)

0,8006*** (30,32)

Log-likelihood

563,9924

354,1034

612,4480

400,6398

634,3295

412,1581

AIC

-1109,985

-1206,896

-779,2796

-1236,659

-788,3162

- 686,2069

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

ả ả ưở ủ ỷ ệ ộ ệ ng c a t l lao đ ng đang làm vi c đã

SEM

SAR

SDM

Biến độc lập

FEM

REM

FEM

REM

FEM

REM

lnH_LABEDU

0,0485** (2,13)

0,1519*** (5,54)

0,0491** (2,22)

0,0649*** (2,69)

0,0442* (1,93)

0,0677*** (2,72)

lnINV

0,0449*** (3,30)

0,0973*** (5,81)

0,0544*** (3,96)

0,0689*** (4,57)

0,0552*** (3,95)

0,0729*** (4,79)

lnLABOR

0,4678*** (4,04)

1,0233*** (13,19)

0,4263*** (4,17)

0,8351*** (9,87)

0,4482*** (3,74)

0,8762*** (10,61)

FDI

0,0018*** (4,76)

0,0022*** (4,48)

0,0018*** (4,67)

0,0019*** (4,42)

0,0020*** (5,03)

0,0020*** (4,73)

POP

0,0247* (1,85)

0,0397 (2,43)**

0,0233* (1,76)

0,0333** (2,33)

0,0213 (1,60)

0,0289** (2,02)

CPI

-0,0048 (-1,32)

-0,0098** (-2,14)

-0,0016 (-0,46)

-0,0008 (-0,20)

-0,0045 (-1,23)

-0,0047 (-1,19)

POOR

-0,0039*** (-3,59)

-0,0072*** (-5,34)

-0,0022** (-2,35)

-0,0022** (-2,14)

-0,0038*** (-3,49)

-0,0045*** (-3,82)

Hệ số chặn

3,3167*** (4,77)

-3,2827*** (-5,07)

-7,4720*** (-3,20)

ế ạ ố ớ ả B ng 4.21: K t qu  phân tích  nh h qua đào t o đ i v i GRDP (W3)

W.lnH_LABEDU

-0,0663 (-0,61)

-0,1407 (-1,30)

W.lnINV

0,1927** (2,20)

0,2572*** (2,70)

W.lnLABOR

0,4429 (1,02)

0,2277 (0,62)

W.FDI

0,0006 (0,35)

0,0005 (0,25)

W.POP

0,0408 (0,56)

0,0867 (1,11)

W.CPI

0,0114 (0,98)

0,0142 (1,13)

W.POOR

0,0094*** (2,65)

0,0112*** (3,00)

Rho

0,7896*** (28,08)

0,7051*** (23,39)

0,6824*** (9,94)

0,6145*** (8,16)

Lamda

0,9374*** (62,73)

1,3054*** (121,18)

Log-likelihood

650,9458

364,4121

660,3834

438,5957

669,0385

451,1241

Hausman

723,01***

11,21

19,16

AIC

-1283,892

-1302,767

-855,1915

-1306,077

-866,2483

- 706,8241

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) tương ứng mức ý nghĩa 1%, 5% và 10%.

ố ớ ườ ố ề ề ậ ợ ở ả Đ i v i tr ọ ng h p ma tr n tr ng s  li n k  (W1) ệ ố ồ    B ng 4.19, h  s  h i

ế ỷ ệ ệ ề ạ ộ ủ quy và  c a bi n t l ố    lao đ ng đang làm vi c đã qua đào t o đ u có ý nghĩa th ng

ề ấ ữ ệ ạ ộ kê, đi u này cho th y, t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o không nh ng tác

ự ế ị ươ ự ộ ộ đ ng tích c c đ n GRDP các đ a ph ế   ng xem xét mà còn tác đ ng tích c c đ n

ị ươ GRDP các đ a ph ế ng ti p giáp.

ố ớ ườ ả ậ ợ ố ọ ưỡ Đ i v i tr ng h p ma tr n tr ng s  kho ng cách ng ậ   ng (W2), ma tr n

ả ả ố ọ ị ở ả ệ ố ồ ủ tr ng s  kho ng cách ngh ch đ o (W3) ế    B ng 4.20, 4.21, h  s  h i quy  c a bi n

ạ ầ ượ ộ ề ỷ ệ t  l ệ  lao đ ng đang làm vi c đã qua đào t o l n l t là 0,0682; 0,0442, đ u có ý

ứ ề ố ỏ ỷ ệ ộ nghĩa th ng kê. Đi u này ch ng t , t l ạ ả   ệ  lao đ ng đang làm vi c đã qua đào t o  nh

ưở ủ ề ế ị ươ ư ằ h ng cùng chi u đ n GRDP c a đ a ph ứ   ng đang xem xét. Ch a có b ng ch ng

ủ ỷ ệ ự ẳ ộ ị ệ ộ kh ng đ nh s  tác đ ng c a t l lao đ ng đang làm vi c đã qua đào t o ạ ở ị    đ a

ươ ị ươ ả ph ố ớ ng đang xem xét đ i v i GRDP các đ a ph ậ ng trong lân c n kho ng cách

ưỡ ậ ả ả ị ng ng 186km và trong lân c n kho ng cách ngh ch đ o.

Ủ Ố Ỏ Ự 4.6 PHÂN TÍCH S  LAN T A KHÔNG GIAN C A V N CON NG ƯỜ Ế   I Đ N

Ế Ị ƯƠ QUY MÔ KINH T  Đ A PH NG

ụ ố ớ ủ ỏ ế 4.6.1 Lan t a không gian c a chi tiêu công cho giáo d c đ i v i quy mô kinh t

ị ươ đ a ph ng

ế ưở ụ ố ớ ủ K t qu ả ướ ượ c l ả ng  nh h ng c a chi tiêu công cho giáo d c đ i v i GRDP

ả ạ ậ ấ ợ ỉ ọ   các t nh, thành cho th y mô hình SDM_FEM phù h p cho c  3 d ng ma tr n tr ng

ả ả ế ế ấ ụ   ố ồ s  g m W1, W2, W3. K t qu  b ng 4.22 cho th y, bi n chi tiêu công cho giáo d c

ứ ố ớ ợ ọ ố có ý nghĩa th ng kê v i m c ý nghĩa 1% và 5% ở ườ  tr ậ ng h p ma tr n tr ng s  W1,

ố ớ ườ ụ ế ợ W2. Đ i v i tr ố   ng h p W3, bi n chi tiêu công cho giáo d c không có ý nghĩa th ng

2: “Có s  tác đ ng lan t a không gian chi tiêu

ứ ề ỏ ả ự ộ ỏ kê. Đi u này ch ng t , gi ế  thuy t H

ụ ủ ỉ ệ ượ ớ ườ ấ ậ công cho giáo d c c a các t nh, thành Vi t Nam” đ c ch p nh n v i tr ợ   ng h p

ậ ọ ố ma tr n tr ng s  W1, W2.

ụ ấ ỉ ố ả ộ Tác đ ng tr c ti p: ự ế chi tiêu công cho giáo d c c p t nh, thành ph   nh h ưở   ng

ủ ị ề ế ươ ở ả ườ ợ cùng chi u đ n GRDP c a đ a ph ng đang xem xét c  3 tr ậ   ng h p cho ma tr n

ụ ể ế ố ề ệ ả ọ tr ng W1, W2 và W3 (B ng 4.22). C  th , trong đi u ki n các y u t khác không

ụ ấ ỉ ự ế ộ ổ   đ i, tăng chi tiêu công cho giáo d c c p t nh trung bình 1% thì tác đ ng tr c ti p làm

ị ươ GRDP chính đ a ph ng đó tăng trung bình lên l n l ầ ượ 0,0893% (W1),  0,0674% t

ế ủ ự ả ộ ồ ộ (W2), 0,0540% (W3), tuy nhiên, do tác đ ng ph n h i nên tác đ ng tr c ti p c a chi

ế ị ươ ụ ấ ỉ tiêu công cho giáo d c c p t nh đ n GRDP đ a ph ầ   ng đó tăng lên trung bình l n

ứ ả ớ ộ ượ l ồ ầ   t là 0,0695% (W1), 0,0584% (W2), 0,0536% (W3) v i m c tác đ ng ph n h i l n

ượ l t là 1,98% (W1), 0,9% (W2), 0,4% (W3).

ự ủ ộ ộ Tác đ ng gián ti p: ụ ủ   ế Xem xét s  tác đ ng c a chi tiêu công cho giáo d c c a

ươ ư ế ế ậ ộ ị ươ ị đ a ph ng lân c n có tác đ ng nh  th  nào đ n đ a ph ng đang xem xét. Chi tiêu

ấ ỉ ụ ở ị ươ ậ ả ưở ề công cho giáo d c c p t nh đ a ph ng lân c n có  nh h ế   ng cùng chi u đ n

ủ ị ươ ụ ể ế ố ả GRDP c a đ a ph ng đang xem xét (B ng 4.22). C  th , khi các y u t khác trong

ụ ủ ổ ị ươ mô hình không đ i, tăng chi tiêu công cho giáo d c c a các đ a ph ậ ng lân c n trung

ụ ể ầ ượ ộ ỉ ẽ ế ộ bình 1% thì s  tác đ ng gián ti p làm GRDP m t t nh c  th  l n l t tăng trung bình

ấ ự ủ ư ứ ộ ằ 0,1993% (W1), 0,1037% (W2). Ch a có b ng ch ng cho th y s  tác đ ng c a chi

ụ ủ ị ươ ậ ố ớ tiêu công cho giáo d c đ i v i GRDP c a các đ a ph ng lân c n đ i v i tr ố ớ ườ   ng

ậ ợ h p ma tr n W3.

ổ ộ ụ ở ự ổ T ng tác đ ng: Xem xét s  thay đ i chi tiêu công cho giáo d c ị    chính đ a

ươ ở ị ươ ậ ị ươ ph ng đang xem xét hay đ a ph ố ớ ng lân c n đ i v i GRDP đ a ph ng nghiên

ả ỉ ụ ạ ị ế ươ ứ c u. K t qu  ch  ra, chi tiêu công cho giáo d c t i đ a ph ộ   ữ ng không nh ng tác đ ng

ở ị ươ ả ưở ế ị ươ ế đ n GRDP đ a ph ng đó, mà nó còn  nh h ng đ n GRDP các đ a ph ng lân

ụ ể ế ả ả ứ ỏ ế ố ổ ậ c n. C  th  k t qu  B ng 4.22 ch ng t , khi các y u t khác không thay đ i, chi

ụ ấ ỉ ầ ẩ ị   tiêu công cho giáo d c c p t nh tăng trung bình 1% thì góp ph n thúc đ y GRDP đ a

ươ ầ ượ ườ ph ng tăng trung bình l n l t lên 0,2886% (W1), 0,1711% (W2). Tr ợ ng h p ma

ậ ả ọ ố ị ừ ả ủ ổ ộ tr n tr ng s  ngh ch đ o (W3), t b ng 4.22, t ng tác đ ng c a chi tiêu công cho

ụ ố ớ ố giáo d c đ i v i GRDP không có ý nghĩa th ng kê.

ủ ặ ị ươ ữ ị M t khác, GRDP c a các đ a ph ng đang xem xét không nh ng ch u tác

ự ủ ị ươ ị ả ộ đ ng tích c c c a INV và LABOR chính đ a ph ng mình mà còn ch u  nh h ưở   ng

ủ ị ươ ườ ợ ở b i INV và LABOR c a các đ a ph ng lân c n ậ ở ấ ả  t t c  các tr ậ   ng h p ma tr n

ế ố ủ ố ọ ấ ả ườ ợ ủ ộ tr ng s . Tác đ ng c a 2 y u t ể  này r t đáng k  trong c  3 tr ng h p c a các ma

ư ả ậ ấ ọ ố ưở ủ ỏ tr n tr ng s . Ch a tìm th y có  nh h ng lan t a không gian c a FDI, POP, CPI,

ế ị ươ POOR đ n GRDP các đ a ph ng.

ự ế ủ ộ ộ ổ ộ ế ả ả ụ ế   ế B ng 4.22: K t qu  tác đ ng tr c ti p, tác đ ng gián ti p và t ng tác đ ng c a chi tiêu công cho giáo d c đ n

GRDP

Biến

W1

W2

W3

Tác động trực tiếp

Tác động gián tiếp

Tổng tác động

Tác động gián tiếp

Tổng tác động

Tác động trực tiếp

Tổng tác động

Tác động gián tiếp

LnH_EXPEDU

Tác động trực tiếp 0,0674 ***

0,0893*** (3,47)

0,1993*** (3,79)

0,2886*** (5,10)

0,1037* (1,74)

0,1711** (2,57)

0,0540** (2,15)

-0,0256 (-0,15)

0,0284 (0,17)

lnINV

(2,75) 0,1004 ***

0,0884*** (5,75)

0,2964*** (6,46)

0,3848*** (7,17)

0,3426*** (5,70)

0,4016*** (6,54)

0,0656*** (4,68)

0,6771*** (3,91)

0,7427*** (4,17)

lnLABOR

(6,57) 0,4286 ***

0,4756*** (3,83)

0,9824*** (3,19)

1,4580*** (4,53)

1,6141*** (4,15)

2,0427*** (5,07)

0,4574*** (4,23)

2,1761 (1,55)

2,6335* (1,88)

FDI

(3,54) 0,0017 ***

0,0015*** (3,33)

-0,0031** (-2,25)

-0,0016 (-0,96)

-0,0028* (-1,70)

-0,0011* (-0,56)

0,0020*** (4,93)

0,0050 (0,89)

0,0070 (1,22)

POP

0,0352 (0,48)

(3,81) 0,0341 **

0,0451*** (2,96)

0,0201 (0,37)

0,0652 (1,07)

0,0693 (0,85)

0,0261* (1,91)

0,2094 (0,91)

0,2355 (1,00)

CPI

-0,0022 (-0,51)

0,0109 (0,92)

0,0088 (0,63)

0,0156 (1,09)

0,0136 (0,83)

-0,0028 (-0,76)

0,0270 (0,76)

0,0241 (0,66)

POOR

0,0017 (0,51)

-0,0035*** (-2.78)

0,0114*** (3,37)

0,0079** (2,05)

0,0008 (0,21)

-0,0036*** (-3,18)

0,0231* (1,86)

0,0195 (1,54)

(2,26) - 0,0019 (-0,47) - 0,0009 (-0,70)

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) tương ứng mức ý nghĩa 1%, 5% và 10%.

ủ ỏ ế ố ớ 4.6.2 Lan t a không gian c a chi tiêu công cho y t đ i v i quy mô kinh t ế

ị ươ đ a ph ng

ế ưở ủ ế ố ớ K t qu ả ướ ượ c l ả ng  nh h ng c a chi tiêu công cho y t đ i v i GRDP

ạ ả ấ ợ ỉ ậ   các t nh, thành cho th y mô hình SDM_FEM phù h p cho c  3 d ng ma tr n

ả ả ố ồ ế ế ấ ọ tr ng s  g m W1, W2, W3. K t qu  b ng 4.23 cho th y, bi n chi tiêu công cho y

ứ ớ ố ậ ọ ợ ế t có ý nghĩa th ng kê v i m c ý nghĩa 1% và 5% ở ườ  tr ng h p ma tr n tr ng s ố

ố ớ ườ ế ợ ế W1. Đ i v i tr ng h p W2, W3, bi n chi tiêu công cho y t không có ý nghĩa

4: “Có s  tác đ ng lan t a không gian

ứ ố ỏ ả ự ỏ ộ ề th ng kê. Đi u này ch ng t , gi ế  thuy t H

ế ủ ỉ ệ ượ ấ ậ chi tiêu công cho y t c a các t nh, thành Vi t Nam” đ c ch p nh n v i tr ớ ườ   ng

ậ ọ ố ợ h p ma tr n tr ng s  W1.

ự ả ộ ế ấ ỉ Tác đ ng tr c ti p: ấ ế B ng 4.23 cho th y, chi tiêu công cho y t c p t nh có

ả ưở ủ ề ế ị ươ ở ả nh h ng cùng chi u đ n GRDP c a đ a ph ng đang xem xét c  2 tr ườ   ng

ụ ể ế ố ề ệ ậ ọ ợ h p cho ma tr n tr ng W1, W2. C  th , trong đi u ki n các y u t khác không

ế ế ấ ỉ ộ ổ đ i, n u tăng chi tiêu công cho y t ự    c p t nh tăng trung bình 1% thì tác đ ng tr c

ế ị ươ ti p làm GRDP chính đ a ph ng đó tăng trung bình lên l n l ầ ượ 0,0398% (W1), t

ườ ự ế ủ ậ ợ ộ 0,0267% (W2). Tr ng h p ma tr n W3, tác đ ng tr c ti p c  chi tiêu công cho y

ố ế t không có ý nghĩa th ng kê.

ự ả ộ ưở ủ Tác đ ng gián ti p: ế Xem xét s   nh h ng c a chi tiêu công cho y t ế ủ    c a

ươ ư ế ế ậ ộ ị ươ ị đ a ph ng lân c n có tác đ ng nh  th  nào đ n đ a ph ả   ng đang xem xét. B ng

ế ế ấ ỉ ở ị ươ ế 4.23 cho bi t, chi tiêu công cho y t c p t nh đ a ph ả   ng ti p giáp nhau có  nh

ưở ủ ị ề ế ươ ụ ể h ng cùng chi u đ n GRDP c a đ a ph ế   ng đang xem xét. C  th , khi các y u

ổ ế ủ ậ ỉ ố t khác không đ i, chi tiêu công cho y t c a các t nh lân c n tăng trung bình 1%

ụ ể ộ ỉ ẽ ế ộ thì s  tác đ ng gián ti p làm GRDP m t t nh c  th  tăng trung bình 0,1165%

ố ớ ị ươ ậ ị ươ (W1). Đ i v i các đ a ph ng trong lân c n 186km hay các đ a ph ng xem xét

ớ ọ ả ả ậ ả ố ị ưở lân c n v i tr ng s  kho ng cách ngh ch đ o thì  nh h ế ủ ng gián ti p c a chi tiêu

ế ế ố công cho y t đ n GRDP không có ý nghĩa th ng kê.

146

ế ả ự ế ủ ộ ộ ổ ộ ế ả ế ế B ng 4.23: K t qu  tác đ ng tr c ti p, tác đ ng gián ti p và t ng tác đ ng c a chi tiêu công cho y t đ n GRDP

Biến

W1

W2

W3

Tác động trực tiếp

Tác động gián tiếp

Tổng tác động

Tác động gián tiếp

Tổng tác động

Tác động trực tiếp

Tác động gián tiếp

Tổng tác động

LnH_EXPHEA

0,0398** (2,48)

0,1165** (2,38)

0,1563*** (2,72)

0,0236 (0,40)

0,0503 (0,75)

0,0082 (0,56)

-0,1516 (-0,81)

-0,1434 (-0,75)

Tác động trực tiếp 0,0267* (1,71)

lnINV

0,1063*** (6,95)

0,3737*** (7,97)

0,4800*** (8,80)

0,1139*** (7,71)

0,3597*** (7,25)

0,4738*** (8,26)

0,0694*** (5,04)

0,7145*** (4,40)

0,7839*** (4,71)

lnLABOR

0,5231*** (4,14)

1,3927*** (4,30)

1,9158*** (5,59)

0,4749*** (3,89)

2,0244*** (5,12)

2,4993*** (6,08)

0,4711*** (4,34)

2,7027* (1,84)

3,1738** (2,18)

FDI

0,0018*** (3,76)

-0,0025 (-1,61)

-0,0007 (-0,38)

0,0019*** (4,20)

-0,0020 (-1,17)

-0,0001 (-0,06)

0,0021*** (5,10)

0,0065 (1,09)

0,0086 (1,40)

POP

0,0372** (2,35)

-0,0014 (-0,02)

0,0358 (0,52)

0,0306** (1,97)

0,0225 (0,28)

0,0531 (0,60)

0,0260* (1,88)

0,2053 (0,85)

0,2313 (0,94)

CPI

-0,0045 (-1,05)

-0,0008 (-0,06)

-0,0053 (-0,35)

-0,0039 (-0,94)

0,0050 (0,34)

0,0011 (0,07)

-0,0033 (-0,89)

0,0258 (0,73)

0,0225 (0,62)

POOR

-0,0012 (-0,26)

-0,0037*** (-3,15)

0,0153 (1,07)

0,0116 (0,80)

-0,0039*** (-3,02)

0,0090** (2,38)

0,0050 (1,17)

-0,0011 (-0,86)

-0,00005 (-0,02)

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) ký hiệu mức ý nghĩa 1%, 5% và 10%.

147

ộ ổ ự ổ T ng tác đ ng: Xem xét s  thay đ i chi tiêu công cho y t ế ở ị    chính đ a

ươ ở ị ươ ậ ố ị ph ng  đang  xem   xét  hay đ a   ph ớ ng  lân   c n   đ i   v i   GRDP   đ a   ph ươ   ng

ứ ế ế ạ ị ươ ả nghiên c u. B ng 2.23 cho bi t, chi tiêu công cho y t i đ a ph t ng không

ữ ế ộ ở ị ươ ế nh ng tác đ ng đ n GRDP đ a ph ị   ộ ng đó, mà còn tác đ ng đ n GRDP các đ a

ươ ế ố ậ ph ụ ể ng lân c n. C  th , khi các y u t ổ  khác không thay đ i, chi tiêu công cho y

ầ ẩ ị ế ấ ỉ t c p t nh tăng trung bình 1% thì góp ph n thúc đ y quy mô GRDP đ a ph ươ   ng

ầ ượ ườ ậ ợ tăng trung bình l n l t lên 0,1563% (W1). Tr ậ   ng h p ma tr n W2 và ma tr n

ủ ộ ế ố ớ ị ươ W3, tác đ ng c a chi tiêu công cho y t đ i v i GRDP đ a ph ng không có ý

ố nghĩa th ng kê.

ủ ặ ị ươ ữ M t khác, GRDP c a các đ a ph ị ả   ng đang xem xét không nh ng ch u  nh

ưở ự ủ ị ươ ị ả h ng tích c c c a INV, LABOR chính đ a ph ng mình mà còn ch u  nh h ưở   ng

ủ ị ươ ạ ậ ọ ở b i INV, LABOR c a các đ a ph ng lân c n ậ ở ấ ả  t ố   t c  các lo i ma tr n tr ng s .

ấ ự ả ư ưở ủ ể ế ồ Ch a tìm th y s   nh h ng c a các bi n ki m soát bao g m FDI, POP, CPI và

ở ả ự ế ế ộ ộ ố ớ POOR đ i v i GRDP c  tác đ ng tr c ti p và tác đ ng gián ti p.

ủ ỏ ộ ệ ạ ố ớ   4.6.3 Lan t a không gian c a lao đ ng đang làm vi c đã qua đào t o đ i v i

ế ị ươ quy mô kinh t đ a ph ng

ế ưở ủ ỷ ệ ệ ộ K t qu ả ướ ượ c l ả ng  nh h ng c a t l lao đ ng đang làm vi c đã qua

ố ớ ấ ạ ợ ỉ đào t o đ i v i GRDP các t nh, thành cho th y mô hình SDM_FEM phù h p cho

ả ả ố ồ ế ấ ậ ạ ọ ế   ả c  3 d ng ma tr n tr ng s  g m W1, W2, W3. K t qu  b ng 4.24 cho th y, bi n

ứ ệ ộ ố ớ ỷ ệ t  l ạ  lao đ ng đang làm vi c đã qua đào t o có ý nghĩa th ng kê v i m c ý nghĩa

ố ớ ườ ậ ợ ọ ố ợ 1% và 5% ở ườ  tr ng h p ma tr n tr ng s  W1, W2. Đ i v i tr ế   ng h p W3, bi n

ề ệ ộ ố ỷ ệ t  l ạ  lao đ ng đang làm vi c đã qua đào t o không có ý nghĩa th ng kê. Đi u này

6: “Có s  tác đ ng lan t a không gian t

ỏ ả ự ỏ ộ ứ ch ng t , gi ế  thuy t H ỷ ệ  l ộ  lao đ ng đang

ủ ệ ỉ ệ ượ ậ ấ ạ làm vi c đã qua đào t o c a các t nh, thành Vi t Nam” đ ớ   c ch p nh n v i

ườ ậ ợ ố tr ọ ng h p ma tr n tr ng s  W1, W2.

ự ấ ả ộ ệ ộ Tác đ ng tr c ti p: ế B ng 4.24 cho th y, t ỷ ệ  l lao đ ng đang làm vi c đã

ấ ỉ ủ ế ề ạ ộ ị ươ qua đào t o c p t nh có tác đ ng cùng chi u đ n GRDP c a đ a ph ng đang

ở ả ườ ụ ể ậ ợ ọ xem xét c  3 tr ng h p cho ma tr n tr ng W1, W2 và W3. C  th , khi các

148

ế ộ ế ố y u t ổ  khác không đ i, n u tăng t ỷ ệ  l ạ ấ   ệ  lao đ ng đang làm vi c đã qua đào t o c p

ự ế ộ ị ươ ỉ t nh tăng trung bình 1% thì tác đ ng tr c ti p làm GRDP chính đ a ph ng đó tăng

trung bình lên l n l ầ ượ 0,0976% (W1), 0,08057% (W2), 0,0425% (W3). t

149

ự ế ủ ỷ ệ ộ ệ ộ ộ ổ ộ ế ế ả ả B ng 4.24: K t qu  tác đ ng tr c ti p, tác đ ng gián ti p và t ng tác đ ng c a t l lao đ ng đang làm vi c đã

ạ ế qua đào t o đ n GRDP

Biến

W1

W2

W3

Tác động trực tiếp

Tác động gián tiếp

Tổng tác động

Tác động gián tiếp

Tổng tác động

Tác động gián tiếp

Tổng tác động

Tác động trực tiếp

0,1450* (1,86)

LnH_LABEDU

0,2167*** (2,97)

0,3143*** (3,66)

0,2255** (2,43)

0,0425* (1,71)

-0,1313 (-0,39)

-0,0888 (-0,25)

0,0976*** (3,67)

lnINV

0,0924*** (5,75)

0,3061*** (6,07)

0,3985*** (6,69)

0,2911*** (5,45)

0,3922*** (6,26)

0,0685*** (4,52)

0,7269*** (2,96)

0,7954*** ( 3,14)

lnLABOR

0,5898*** (4,78)

1,4554*** (4,94)

2,0452*** (6,79)

1,9697*** (5,70)

2,4911*** (7,24)

0,5058*** (4,69)

2,3252* (1,74)

2,8310** (2,13)

FDI

0,0022*** (4,68)

-0,0010 (-0,67)

0,0012 (0,66)

-0,0013 (-0,80)

0,0007 (0,40)

0,0021 (5,14)

0,0062 (1,02)

0,0083 (1,33)

POP

0,0385** (2,47)

0,0002 (0,01)

0,0387 (0,60)

0,0389 (0,53)

0,0718 (0,88)

0,0249 (1,83)

0,1778 (0,75)

0,2027 (0,84)

CPI

0,0064 (0,47)

-0,0059 (-1,39)

0,0239 (0,68)

0,0201 (0,55)

-0,0051 (-0,42)

-0,0109 (-0,77)

0,0020 (0,13)

-0,0038 (-1,04)

Tác động trực tiếp 0,080 5*** (3,07) 0,101 1*** (6,49) 0,521 4*** (4,43) 0,002 0*** (4,64) 0,032 8** (2,18) - 0,004 4 (- 1,10)

150

POOR

0,0004 (0,11)

-0,0042*** (-3,31)

0,3143* (1,91)

0,0021 (0,58)

-0,0007 (-0,18)

0,0221** (1,94)

0,0188 (1,62)

- 0,0033*** (-2,95)

- 0,001 0 (- 0,84)

Nguồn: Tính toán từ số liệu tổng hợp của tác giả, với ((***), (**), (*)) tương ứng mức ý nghĩa 1%, 5% và 10%.

151

ả ướ ượ ộ ấ ả Tác đ ng gián ti p: ế ế K t qu c l ng b ng 4.24 cho th y, t ỷ ệ  l lao

ấ ỉ ệ ạ ở ị ươ ế ộ đ ng đang làm vi c đã qua đào t o c p t nh đ a ph ả   ng ti p giáp nhau có  nh

ưở ủ ị ế ề ươ ụ ể h ng cùng chi u đ n GRDP c a đ a ph ề   ng đang xem xét. C  th , trong đi u

ế ố ệ ổ ỷ ệ ộ ki n các y u t khác không đ i, t l ạ ủ   ệ  lao đ ng đang làm vi c đã qua đào t o c a

ộ ỉ ế ậ ộ ỉ ẽ các t nh lân c n tăng trung bình 1% thì s  tác đ ng gián ti p làm GRDP m t t nh

ố ớ ườ ợ ụ ể c  th  tăng trung bình 0,2167% (W1), 1450% (W2). Đ i v i tr ậ   ng h p ma tr n

ả ả ố ọ ị ưở ế ủ ỷ ệ ộ tr ng s  ngh ch đ o (W3),  nh h ng gián ti p c a t l ệ    lao đ ng đang làm vi c

ế ạ ố đã qua đào t o đ n GRDP không có ý nghĩa th ng kê.

ổ ộ ấ ả ệ ộ T ng tác đ ng: B ng 4.24 cho th y, t ỷ ệ  l lao đ ng đang làm vi c đã qua

ạ ạ ị ươ ữ ế ộ ở ị ươ đào t o t i đ a ph ng không nh ng tác đ ng đ n GRDP đ a ph ng đó, mà

ế ộ ị ươ ế ố ậ còn tác đ ng đ n GRDP các đ a ph ụ ể ng lân c n. C  th , khi các y u t khác

ổ ỷ ệ ấ ỉ ệ ạ ộ không thay đ i, t l lao đ ng đang làm vi c đã qua đào t o c p t nh tăng trung

ẩ ầ ị ươ bình 1% thì góp ph n thúc đ y quy mô GRDP đ a ph ầ   ng tăng trung bình l n

ườ ậ ố ợ ị ượ l t lên 0,3143% (W1), 0,2255% (W2). Tr ả   ọ ng h p ma tr n tr ng s  ngh ch đ o

ủ ỷ ổ ộ ố ớ ệ ạ ộ (W3), t ng tác đ ng c a t lao đ ng đang làm vi c đã qua đào t o đ i v i GRDP

ươ ể ế ặ ồ ố ị đ a ph ng không có ý nghĩa th ng kê. M c khác, các bi n ki m soát g m INV,

ượ ố ớ ấ ộ LABOR đ ỏ c tìm th y cũng có tác đ ng lan t a không gian đ i v i GRDP, trong

ế ạ ư ấ ộ khi các bi n còn l i ch a tìm th y tác đ ng này.

ủ ừ ế ố ườ ỏ Nhìn chung, phân tích lan t a không gian c a t ng y u t đo l ố   ng v n

ườ ụ ấ ế con ng i cho th y, chi tiêu công cho giáo d c và chi tiêu công cho y t và t ỷ ệ   l

ữ ệ ả ạ ộ ưở ự lao đ ng đang làm vi c đã qua đào t o không nh ng  nh h ng tích c c lên

ủ ị ươ ủ GRDP c a các đ a ph ộ ng đang xem xét mà còn tác đ ng làm tăng GRDP c a các

ươ ế ố ự ủ ậ ỏ ị đ a ph ng lân c n. Tuy nhiên, s  lan t a không gian c a các y u t đo l ườ   ng

ườ ị ươ ậ ả ả ố v n con ng ủ i lên GRDP c a các đ a ph ầ ng lân c n gi m d n theo kho ng cách

ữ ị ươ ủ ế ỏ ố ị đ a lý. Nghĩa là, nh ng đ a ph ự ng ti p giáp nhau có s  lan t a c a v n con

ườ ế ạ ế ế ế ấ ị ươ ng i lên quy mô kinh t m nh nh t, k  ti p đ n các đ a ph ả   ng có kho ng

ưỡ ế ả ạ ả ố ị cách ng ng 186km và cu i cùng là kho ng cách ngh ch đ o. K t qu  này phù

ế ớ ấ ự ợ h p v i lý thuy t kinh t ế ượ  l ộ   ng không gian. Ngoài ra, cũng tìm th y s  tác đ ng

152

ự ủ ế ổ ầ ư ố ổ ộ tích c c c a các bi n t ng v n đ u t ố ớ    (INV), t ng lao đ ng (LABOR) đ i v i

ị ươ ấ ả ườ ậ ợ ố GRDP đ a ph ng trong t t c  các tr ọ ng h p ma tr n tr ng s  không gian.

Ứ Ả Ậ Ả Ế 4.7 TH O LU N K T QU  NGHIÊN C U

ả ưở ủ ừ ế ố ố Phân  tích  nh  h ng không gian c a  t ng  y u  t v n con  ng ườ ế   i  đ n

ị ươ ạ ấ ượ ự GRDP đ a ph ng cho th y, d ng mô hình SDM_FEM đ ợ   ọ c l a ch n phù h p

ườ ế ả ậ ợ ọ ố ỉ cho các tr ng h p ma tr n tr ng s  W1, W2, W3. K t qu  cũng ch  ra, chi tiêu

ụ ế ệ ộ công cho giáo d c, chi tiêu công cho y t và t ỷ ệ  l lao đ ng đang làm vi c đã qua

ủ ị ữ ề ạ ộ ươ đào t o không nh ng tác đ ng cùng chi u lên GRDP c a đ a ph ụ ể ng c  th  mà

ủ ế ộ ị ươ ế ậ còn tác đ ng đ n GRDP c a các đ a ph ẳ   ả ng lân c n. K t qu  này cũng kh ng

1, H3, H5 đ

ả ượ ấ ậ ổ ố ị đ nh các gi ế  thuy t H c ch p nh n. Ngoài ra, t ng v n đ u t ầ ư ự   , l c

ộ ớ ổ ố ượ l ng lao đ ng, t ỷ ệ  l FDI so v i t ng v n đ u t ầ ư ỷ ệ ộ , t ữ    h  nghèo không nh ng l

ộ ị ươ ế ộ ế có tác đ ng đ n GRDP đ a ph ị   ng xem xét mà còn tác đ ng đ n GRDP các đ a

7, H8, H9, H12  cũng đ

ươ ậ ả ượ ấ ph ng lân c n. Do đó, các gi ế  thuy t H ậ   c ch p nh n.

10, H11 đ i v i t

ể ả ố ớ ấ ả ườ ậ ợ ọ Ki m tra các gi ế  thuy t H t c  các tr ng h p ma tr n tr ng s ố

ườ ố ớ ề ợ ố ộ và các tr ng h p mô hình đ u không có ý nghĩa th ng kê đ i v i tác đ ng không

ề ấ ả ư ế ỏ ị gian, đi u này cho th y các gi thuy t này b  bác b . Hay nói cách khác, ch a tìm

ứ ấ ằ ả ưở th y b ng ch ng  nh h ng không gian c a t ủ ỷ ệ ạ  l l m phát và t ỷ ệ  l tăng dân s ố

ươ ủ ị ươ ậ ủ ị c a đ a ph ế ng đang xem xét đ n GRDP c a đ a ph ng lân c n.

ự ươ ằ ị Xem xét s  t ể ng quan không gian b ng ki m đ nh Glocal Moran’s I và

ụ ế ế ả ấ ộ ị Local Moran’s I bi n ph  thu c GRDP, k t qu  cho th y GRDP các đ a ph ươ   ng

ế ươ ề ề ớ ươ ti p giáp có t ng quan không gian cùng chi u v i nhau, đi u này t ồ   ng đ ng

ứ ướ ủ ả ầ ễ ấ ị ớ v i các nghiên c u tr c đây c a các tác gi Tr n Th  Tu n Anh và Nguy n Văn

ế ả ắ ộ ứ   ự Th ng (2019), Võ Xuân Vinh và c ng s  (2020). Tuy nhiên, k t qu  nghiên c u

ự ươ ậ ỉ ậ ị ủ c a lu n án còn ch  ra có s  t ề ủ ng quan thu n chi u c a GRDP các đ a ph ươ   ng

ậ ưỡ ậ ả ả ị trong lân c n ng ng 186km (W2) và lân c n kho ng cách ngh ch đ o (W3).

ể ế ị ườ Ki m đ nh Glocal Moran’s I và Local Moran’s I cho các bi n đo l ố   ng v n

ố ớ ấ ả ự ườ ậ ợ ọ ố con ng ườ ượ i đ ệ c th c hi n đ i v i t t c  các tr ng h p ma tr n tr ng s  trong

ể ấ ạ ị ả c  giai đo n 2010 – 2017. Ki m đ nh Glocal Moran’s I cho th y, chi tiêu công cho

153

ụ ế ệ ộ giáo d c, chi tiêu công cho y t và t ỷ ệ  l ạ    lao đ ng đang làm vi c đã qua đào t o

ị ươ ươ ề ậ ớ ồ ủ c a các đ a ph ng t ờ   ng quan không gian thu n chi u v i nhau. Đ ng th i,

ể ị ị ượ ị ươ ươ ki m đ nh Local Moran’s I đã xác đ nh đ c các nhóm đ a ph ng có t ng quan

ớ ủ ứ ể ớ ớ ộ không   gian   v i   nhau. Đây   là   m t   đi m   m i   so   v i   nghiên   c u   c a   Lima &

Silveira  Neto   (2015),  Baudino   (2016)   khi   ch   m i   d ng   l

ớ ừ ỉ ạ ể ị i   ki m   đ nh Glocal

ư ụ ể ế ế ộ ị ườ Moran’s I cho bi n ph  thu c mà ch a ki m đ nh cho các bi n đo l ố ng v n con

ng i. ườ

ứ ấ ằ ự Lima  &  Silveira  Neto (2015),  Baudino (2016) tìm th y b ng ch ng có s

ế ố ủ ỏ ộ ườ ố ườ tác đ ng lan t a không gian c a y u t đo l ng v n con ng ố   i lên GRDP đ i

ươ ỉ ử ụ ứ ậ ộ ớ ị v i đ a ph ng lân c n nhau. Tuy nhiên, các nghiên c u này ch  s  d ng m t mô

ườ ố ề ề ậ ọ ợ ể hình SDM, SAR đ  phân tích cho tr ng h p ma tr n tr ng s  li n k , trong khi

ử ụ ứ ạ ươ nghiên c u này s  d ng cùng lúc 3 d ng mô hình SDM, SAR, SEM t ứ   ng  ng

ườ ữ ứ ậ ợ ọ ơ ố ớ v i 3 tr ng h p ma tr n tr ng s  không gian. H n n a, nghiên c u còn xem xét

ố ớ ừ ọ ợ ườ ọ ợ ự l a ch n mô hình nào là phù h p đ i v i t ng tr ố ậ ng h p ma tr n tr ng s .

ả ậ ử ụ ủ ế ố ọ ồ ậ   ậ K t qu  lu n án s  d ng c a 3 ma tr n tr ng s  không gian g m ma tr n

ố ề ề ả ọ ọ ố ưỡ ậ tr ng s  li n k  (W1), ma tr n tr ng s  kho ng cách ng ng 186km (W2), ma

ể ả ả ậ ả ố ọ ưở ị tr n tr ng s  kho ng cách ngh ch đ o (W3) đ  xem xét  nh h ỏ ng lan t a không

ủ ố ườ ị ươ gian c a v n con ng i lên GRDP các đ a ph ấ ng. Qua đó cho th y, chi tiêu công

ụ ế ệ ộ cho giáo d c, chi tiêu công cho y t và t ỷ ệ  l lao đ ng đang làm vi c đã qua đào

ỗ ị ươ ự ế ề ộ ị ươ ạ ủ t o c a m i đ a ph ng đ u tác đ ng tích c c đ n GRDP đ a ph ng đang xem

ế ượ ở ứ ả xét. K t qu  này đã đ ỉ c ch  ra các nghiên c u c a ủ Ferda (2011),  Benos và

ạ ổ ừ ứ Karagiannis (2016),  Đinh Phi H  và T  Đ c Hoàng (2016), Ph m Đình Long và

ươ ự ệ ộ ị ị L ễ   ng Th  Mai Nhân (2018), Phan Th  Bích Nguy t và c ng s  (2018), Nguy n

ể ệ ị ị ệ ằ ở ỗ Th  Đông và Lê Th  Kim Hu  (2019. Tuy nhiên, đi m khác bi t n m ch  nghiên

ỉ ế ứ c u còn ch  ra ụ chi tiêu công cho giáo d c, chi tiêu công cho y t và t ỷ ệ  l ộ    lao đ ng

ạ ở ệ ươ ộ đang làm vi c đã qua đào t o ị  các đ a ph ự   ng đang xem xét tác đ ng tích c c

ủ ị ươ ự ứ ậ ộ ỉ lên GRDP c a đ a ph ỏ   ng lân c n. Nghiên c u còn ch  ra s  tác đ ng lan t a

ế ố ườ ố ườ ợ ủ không gian c a các y u t đo l ng v n con ng ườ ở ả i c  2 tr ậ   ng h p ma tr n

154

ố ề ề ả ố ọ ưỡ ậ trong s  li n k  (W1), ma tr n tr ng s  kho ng cách ng ng 186km (W2), trong

ỉ khi các nghiên c u c a ứ ủ Lima & Silveira Neto (2015), Baudino (2016) ch  xem xét

ườ ợ ọ ố ừ ữ ể ươ ồ ệ tr ậ ng h p ma tr n tr ng s  W1. T  nh ng đi m t ng đ ng và khác bi t nêu

ả ậ ề ấ ằ ơ ở ể trên là c  s  đ  tác gi lu n án xem xét đ  xu t các hàm ý chính sách nh m phát

ế ố ườ ố ườ ầ huy các y u t đo l ng v n con ng i, qua đó góp ph n nâng cao quy mô kinh

ỉ ệ ế t cho các t nh, thành Vi t Nam.

Ậ Ế ƯƠ K T LU N CH NG 4

ươ ả ươ ế ồ Ch ng này trình bày k t qu  t ng quan không gian và h i quy không

ế ố ủ ườ ố ườ ố ớ ị ươ gian c a các y u t đo l ng v n con ng i đ i v i GRDP các đ a ph ế   ng. K t

ả ể ự ươ ấ ị qu  ki m đ nh Global Moran’s I và Local Moran’s I cho th y, có s  t ng quan

ữ ề ị ươ ở ọ ủ không gian cùng chi u c a GRDP gi a các đ a ph ng ậ  3 ma tr n tr ng s ố

ượ ề ị ươ ụ ậ đ c xem xét. Đi u này có nghĩa, các đ a ph ộ   ng lân c n nhau có ph  thu c

ự ể ệ ớ ị ẩ   GRDP v i nhau. Thông qua th c hi n các ki m đ nh Hausman, LR, tiêu chu n

ượ ể ợ AIC thì mô hình SDM_FEM đ ỏ   c cho là phù h p đ  xem xét phân tích lan t a

ế ố ườ ố ườ ố ớ ế ả ủ không gian c a các y u t đo l ng v n con ng i đ i v i GRDP. K t qu  phân

ụ ỉ ế tích ch  ra, chi tiêu công cho giáo d c, chi tiêu công cho y t và t ỷ ệ  l ộ    lao đ ng

ữ ệ ả ưở ự ế ạ đang làm vi c đã qua đào t o không nh ng có  nh h ủ   ng tích c c đ n GRDP c a

ươ ụ ể ả ưở ủ ế ị ươ ậ ị đ a ph ng c  th  mà còn  nh h ng đ n GRDP c a các đ a ph ng lân c n.

155

ƯƠ

Ậ

Ế

CH

NG 5 K T LU N VÀ HÀM Ý CHÍNH SÁCH

ươ ế ạ ệ ủ ự ế ả ậ Ch ổ ng này t ng k t l i các k t qu  đã th c hi n c a toàn lu n án. Trên

ả ươ ự ế ạ ượ ơ ở c  s  phân tích th c tr ng và k t qu  ch ng 4, các hàm ý chính sách đ c tác

ả ề ấ ầ ố ườ ị ươ ố gi đ  xu t góp ph n nâng cao v n con ng i cho các đ a ph ng. Cu i ch ươ   ng

ớ ủ ữ ế ế ạ ậ ả ồ ờ ỉ 5 là k t qu  đóng góp m i c a lu n án này, đ ng th i ch  ra nh ng h n ch  và

ề ở ộ ữ ứ ấ ờ ớ nh ng v n đ  m  r ng cho nghiên c u trong th i gian t i.

Ậ Ế 5.1 K T LU N

ủ ố ườ ố ớ ế ươ Vai trò c a v n con ng i đ i v i quy mô kinh t ị  các đ a ph ng đã đ ượ   c

ứ ề ướ ẳ nhi u nghiên c u trong và ngoài n ị c kh ng đ nh. Lu n ậ  án đã trình bày các khái

ơ ở ệ ế ố ố ni m, c  s  lý thuy t liên quan v ề v n con ng ườ  và vai trò c a y u t ủ ế ố v n con i

ưở ứ ổ ng iườ  trong các mô hình tăng tr ệ ng. T ng quan các tài li u nghiên c u trong và

ướ ử ụ ứ ề ấ ồ ngoài n c cũng cho th y, nhi u nghiên c u đã s  d ng ướ ượ c l ng h i quy d ữ

ệ ể ả ả ưở ủ ế li u b ng đ  xem xét  nh h ng c a các y u t ố ế ố v n con ng ườ  đ n GRDP các i

ươ ộ ố ữ ữ ầ ơ ị đ a ph ng. H n n a, trong nh ng năm g n đây đã có m t s  công trình nghiên

ế ả ể ố ưở ủ ứ ử ụ c u s  d ng Th ng kê không gian đ  xem xét đ n  nh h ng c a y u t ế ố v nố

ủ ệ ỉ con ng iườ   lên GRDP c a các t nh, thành. Tuy nhiên, vi c phân tích m i t ố ươ   ng

ế ố ủ ườ ỏ quan không gian hay lan t a không gian c a các y u t đo l ng ố v n con ng ườ   i

ỉ ệ ư ượ ố ớ đ i v i GRDP t nh, thành Vi ẫ t Nam v n ch a đ ự   c quan tâm xem xét, hay l a

ế ố ọ ườ ở ừ ẫ ch n y u t ể  nào đ  đo l ng ố v n con ng ườ   i ứ  t ng nghiên c u v n còn khác

156

ừ ổ ứ ế ả ậ ỉ nhau. T  t ng quan lý thuy t và nghiên c u, tác gi lu n án đã ch  ra các khe

ứ ề ấ ổ h ng cho v n đ  nghiên c u.

ơ ở ổ ế ố ợ ườ ừ Trên c  s  t ng h p các y u t đo l ng ố v n con ng ườ  t i ứ    các nghiên c u

ướ ủ ế ấ ừ trong và ngoài n c, thông qua tham v n ý ki n c a chuyên gia và t ồ  ngu n d ữ

ủ ệ ổ ố ệ ả ề ấ ượ ế ố ụ li u c a T ng c c Th ng kê Vi t Nam, tác gi đ  xu t đ c các y u t đo

ố ườ ườ ợ ệ ự ườ l ng V n con ng i cho tr ỉ ng h p các t nh, thành Vi t Nam. D a vào mô hình

ả ậ ự Mankiw – Romer – Weil (1992), tác gi lu n án xây d ng khung phân tích và đ ề

ấ ả ứ ế ượ ườ xu t các gi thuy t nghiên c u. Trong đó, ố v n con ng ườ  đ i c đo l ở   ng b i 3

ụ ế ế ố ồ chi tiêu công cho giáo d c, chi tiêu công cho y t y u t g m và t ỷ ệ  l ộ    lao đ ng

ấ ượ ố ệ ườ ở ổ ố đang làm vi c đã qua đào t o ậ ạ ; v n v t ch t đ c đo l ng b i t ng v n đ u t ầ ư   ;

ế ể ồ ỷ ệ ầ ư ớ ổ ố ử ụ s  d ng các bi n ki m soát g m t đ u t l FDI so v i t ng v n đ u t ầ ư ỷ ệ  , t l

ỷ ệ ộ ứ ượ tăng dân s , t ố ỷ ệ ạ  l l m phát, t ữ ệ  h  nghèo. D  li u nghiên c u đ l c ch n l c t ọ ọ ừ

ố ố ị ươ ạ ấ Niên giám th ng kê c p qu c gia và đ a ph ng giai đo n 2010 – 2017.

ử ụ ể ị ườ ế ấ ả ợ S  d ng ki m đ nh F cho tr ng h p phi không gian, k t qu  cho th y mô

ớ ạ ể ạ ơ ợ ị hình d ng FEM phù h p h n so v i d ng POOLED OLS. Ki m đ nh Hausman và

ẩ ạ ượ ư ớ ạ ự ọ ỉ tiêu chu n AIC ch  ra d ng FEM đ ơ c  u tiên l a ch n h n so v i d ng REM.

ố ớ ườ ệ ứ ố ị ể ộ ờ ị Ki m đ nh hi u  ng tác đ ng c  đ nh không gian, th i gian đ i v i tr ợ   ng h p

ả ừ ể ấ ị ữ ệ d  li u b ng phi không gian t ki m đ nh LR (Loglikehood Ratio) cho th y, tác

ử ụ ố ị ể ờ ợ ị ộ đ ng c  đ nh th i gian và không gian phù h p. S  d ng ki m đ nh LM (Larange

ả ườ ễ ố Multiper) cho c  tr ợ ng h p tr ứ    không gian và sai s  không gian cũng ch ng

ằ ồ ơ ợ minh r ng mô hình h i quy không gian phù h p h n POOLED OLS.

ử ụ ứ ể ị Nghiên c u s  d ng ki m đ nh Global Maran’s I và Local Moran’s I đ ể

ự ươ ể ầ ươ ị ki m đ nh s  t ng quan không gian toàn ph n và t ị   ng quan không gian đ a

ươ ố ớ ộ ậ ụ ế ế ậ ộ ph ọ   ng đ i v i bi n ph  thu c và các bi n đ c l p trong mô hình. Ma tr n tr ng

ố ề ử ụ ứ ề ậ ồ ọ ố s  không gian s  d ng trong nghiên c u g m ma tr n tr ng s  li n k  (W1), ma

ậ ả ố ọ ưỡ ả ố ọ tr n tr ng s  kho ng cách ng ậ ng 186km (W2) và ma tr n tr ng s  kho ng cách

ứ ế ả ả ị ỏ ngh ch đ o (W3). K t qu  phân tích Global Moran’s I ch ng t , GRDP, chi tiêu

ụ ế ệ ộ công cho giáo d c, chi tiêu công cho y t và t ỷ ệ  l lao đ ng đang làm vi c đã qua

157

ị ươ ươ ề ậ ớ ữ đào t oạ   gi a các đ a ph ng có t ng quan không gian thu n chi u v i nhau.

ể ế ờ ồ ị Đ ng th i, ki m đ nh Local Moran’s I cho các bi n GRDP, chi tiêu công cho giáo

ế ệ ộ ụ d c, chi tiêu công cho y t và t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o ạ  cũng đã

ị ươ ươ ụ phân ra các nhóm đ a ph ng có t ấ   ng quan không gian theo c m: cao – cao, th p

ấ ấ ấ – th p, cao – th p, th p – cao.

ệ ướ ượ ứ ự ữ ệ ả ồ Nghiên c u th c hi n c l ng h i quy không gian d  li u b ng cho các

ố ớ ả ạ ộ ở mô hình SEM, SAR, SDM đ i v i c  2 d ng tác đ ng FEM và REM ạ  3 d ng ma

ể ẩ ấ ậ ọ ố ị tr n tr ng s  W1, W2, W3. Ki m đ nh Hausman và tiêu chu n AIC cho th y, mô

ố ớ ấ ả ố ị ạ ộ ợ ườ ợ hình d ng tác đ ng c  đ nh (FEM) phù h p đ i v i t t c  các tr ơ   ng h p. H n

ứ ể ị ỏ ể ơ ả ữ n a, ki m đ nh LM ch ng t ở , SDM có th  đ n gi n tr  thành SEM, SAR. Phân

ế ố ố ủ ỏ ườ ố ớ ỉ tích lan t a không gian c a các y u t v n con ng i đ i v i GRDP các t nh,

ự ệ ế ế ộ ổ ộ ố   thành thông qua vi c đánh giá tác đ ng tr c ti p, gián ti p và t ng tác đ ng đ i

ụ ế ả ạ ớ v i mô hình d ng SDM_FEM, k t qu  cho th y ấ chi tiêu công cho giáo d c, chi

ế ệ ộ tiêu công cho y t và t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o ạ  không nh ngữ

ự ủ ộ ị ươ ộ ế tác đ ng tích c c đ n GRDP c a đ a ph ự   ng xem xét mà còn tác đ ng tích c c

ủ ị ươ ế ế đ n GRDP c a đ a ph ng ti p giáp. Ngoài ra, đ i v i ố ớ chi tiêu công cho giáo

ế ệ ộ ụ d c, chi tiêu công cho y t và t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o ạ  còn

ượ ự ố ớ ủ ấ ộ ị ươ đ c tìm th y tác đ ng tích c c đ i v i GRDP c a các đ a ph ậ   ng trong lân c n

ưỡ ế ư ộ ng ng 186km, trong khi chi tiêu công cho y t ấ ự  ch a tìm th y s  tác đ ng này.

ạ ứ ự ế ệ ả ượ ụ ề Tóm l i, k t qu  nghiên c u đã th c hi n đ ủ   c các m c tiêu đ  ra c a

ứ ự ứ ự ệ   nghiên c u đó là: xây d ng khung phân tích và mô hình nghiên c u th c nghi m

ố ố ớ ị ươ phân tích vai trò c a  ủ v n con ng ườ   đ i v i GRDP các đ a ph i ọ   ự ng. L a ch n

ượ ế ố ườ ụ đ c các y u t đo l ng ố v n con ng ườ  bao g m ồ chi tiêu công cho giáo d c, chi i

ế ệ ộ ị tiêu công cho y t và t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o ẳ ạ . Kh ng đ nh s ự

ầ ị ươ ủ ồ ạ ươ t n t i t ng quan không gian toàn ph n và đ a ph ng c a GRDP và các y u t ế ố

ườ ố ườ ượ ứ ộ ộ ỏ đo l ng v n con ng i. Đánh giá đ ủ   c m c đ  tác đ ng lan t a không gian c a

ế ộ ụ chi tiêu công cho giáo d c, chi tiêu công cho y t và t ỷ ệ  l ệ    lao đ ng đang làm vi c

ị ươ ế ẽ ả ố ớ đã qua đào t oạ  đ i v i GRDP các đ a ph ng. Các k t qu  này s  là c  s  đ ơ ở ể

158

ủ ố ự ề ườ ế ỉ xây d ng các hàm ý chính sách v  vai trò c a v n con ng i đ n GRDP các t nh,

ạ ệ ụ ứ thành t i Vi t Nam và hoàn thành các m c tiêu nghiên c u.

5.2 HÀM Ý CHÍNH SÁCH

ườ ể ố ố ế ỉ 5.2.1   Tăng   c ng   m i   liên   k t   các   t nh,   thành   trong   phát   tri n   v n   con

ườ ế ng i và quy mô kinh t

ố ươ ế ả ỉ K t qu  phân tích Global Moran’s I đã ch  ra có m i t ng quan không

ữ ủ ứ ề ề ậ ỉ ỏ ộ gian thu n chi u c a GRDP gi a các t nh, thành, đi u này ch ng t m t chính

ế ủ ươ ể ế ộ ỏ ị ề sách v  kinh t ị  c a đ a ph ng này có th  lan t a và tác đ ng đ n đ a ph ươ   ng

ế ạ ạ ậ ị ị   lân  c n   khác.   Chính   vì   th ,   khi   ho ch   đ nh   các   chính  sách,   lãnh   đ o  các   đ a

ươ ủ ị ữ ự ạ ầ ươ ph ng không nh ng c n xem xét th c tr ng c a đ a ph ả   ng mình mà còn ph i

ệ ớ ố ị ươ ộ ị ậ xem xét m i liên h  v i các đ a ph ng lân c n. Ngoài ra, khi m t đ a ph ươ   ng

ữ ề ả ầ ậ ớ lân c n đ  ra nh ng chính sách m i, thì c n ph i xem xét chính sách đó có tác

ị ươ ế ộ đ ng gì đ n đ a ph ng mình hay không.

ầ ư ủ ị ươ ượ ỉ Đ u t công và t ỷ ệ  l FDI c a các đ a ph ng đ c ch  ra cũng có t ươ   ng

ế ố ề ớ ộ quan không gian cùng chi u v i nhau. Hai y u t ự    này cũng có tác đ ng tích c c

ị ươ ố ớ ộ ỏ ị ươ ế đ n GRDP đ a ph ng và tác đ ng lan t a không gian đ i v i các đ a ph ng lân

ể ấ ị ỉ ậ c n. Ki m đ nh Local Moran’s I cũng cho th y, GRDP các t nh Hà Giang, Cao

ệ ằ ạ ắ B ng, Yên Bái, B c K n, Đi n Biên, Tuyên Quang, Lai Châu là nhóm có t ươ   ng

ị ấ ủ ấ ấ ỉ quan không gian th p ­ th p, nghĩa là GRDP c a các t nh này có giá tr  th p và có

ế ầ ố ị ấ ỉ phân b  đ a lý xung quanh các t nh có GRDP th p. Chính vì th , c n có chính sách

ườ ầ ư ỷ ệ ầ ư ị ươ ặ đ c thù tăng c ng đ u t công và tăng t đ u t l FDI vào các đ a ph ng này,

ẩ ả ượ ự ự ể ế ỉ ả đ m b o thúc đ y đ c s  liên k t các t nh, thành trong vùng, khu v c đ  cùng

ớ ặ ự ể ợ ị ợ nhau phát tri n. Xác đ nh các ngành, lĩnh v c phù h p v i đ c thù, l ế ủ ị   i th  c a đ a

ươ ể ậ ầ ư ạ ể ế ả ph ng trên đ  t p trung thu hút đ u t ặ   , h n ch  phát tri n dàn tr i, trùng l p

ữ ị ươ gi a các đ a ph ng.

ươ ự ể ỉ ỉ ị T ng t ả   , ki m đ nh Local Moran’s I cũng ch  ra, GRDP các t nh Qu ng

ươ ắ ả ộ ồ ị Ninh, Hà N i, B c Ninh, H i Phòng, Bình D ng, Đ ng Nai, Bà R a ­ Vũng Tàu,

ồ ươ ề Tp H  Chí Minh, Long An có t ng quan không gian cao – cao. Đi u này có

159

ủ ị ươ ượ ố ị nghĩa, GRDP c a đ a ph ng này cao và đ c phân b  đ a lý xung quanh là các

ầ ậ ấ ượ ồ ự ở ỉ t nh có GRDP cao. Do đó, c n t p trung nâng cao ch t l ng ngu n l c ị    các đ a

ươ ể ứ ớ ổ ụ ạ ắ ớ ọ ph ng này g n v i đ i m i sáng t o và phát tri n,  ng d ng khoa h c, công

ệ ệ ạ ộ ế ạ ẩ ạ ạ ớ ở ổ ệ   ngh  hi n đ i. Đ y m nh liên k t các ho t đ ng đ i m i sáng t o, kh i nghi p,

ị ươ ạ ớ ố ổ trong đó các đ a ph ở   ng này đóng vai trò nòng c t trong đ i m i, sáng t o, kh i

nghi p.  ệ

ấ ượ ụ 5.2.2 Nâng cao ch t l ng chi tiêu công cho giáo d c, y t ế

ữ ự ể ầ ế ộ ủ ướ Trong nh ng năm g n đây, do s  phát tri n kinh t ­ xã h i c a n c ta

ơ ấ ị ế ướ ị ể ngày càng nhanh, chuy n d ch c  c u kinh t theo h ụ   ệ ng công nghi p, d ch v ,

ẽ ữ ự ị ể ế ạ ộ ị ươ chính vì th  có s  d ch chuy n lao đ ng m nh m  gi a các đ a ph ớ ng v i nhau.

ứ ố ữ ệ ề ề ệ ậ ơ ườ H n n a, đi u ki n thu n ti n v  giao thông và m c s ng ng i dân ngày càng

ườ ủ ị ươ ể ễ ế ậ ị nâng lên nên ng i dân c a các đ a ph ng có th  d  dàng ti p c n các d ch v ụ

ế ủ ể ậ ỉ ị ụ giáo d c, y t c a các t nh, thành lân c n nhau. Ki m đ nh Global Moran’s I cho

ụ ấ ế ộ th y, chi tiêu công cho giáo d c, chi tiêu công cho y t và t ỷ ệ  l lao đ ng đang làm

ữ ệ ị ươ ươ ạ vi c đã qua đào t o gi a các đ a ph ng cũng có t ng quan không gian cùng

ụ ề ớ ộ ổ chi u v i nhau. Do đó, m t thay đ i trong chi tiêu công cho giáo d c, chi tiêu

ế ạ ủ ỉ ệ ộ công cho y t và t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o c a t nh, thành đang

ể ế ộ ị ươ ế ặ ậ xem xét có th  tác đ ng đ n các đ a ph ầ   ng ti p giáp nhau ho c có lân c n g n

ự nhau và ng ượ ạ c l i. Do đó, trong xây d ng chính sách chi tiêu công cho giáo d cụ ,

ề ộ chi tiêu công cho y t ế hay chính sách nâng cao trình đ , tay ngh  cho l c l ự ượ   ng

ả ầ ộ ưở ụ ạ lao đ ng trong dài h n c n phân tích  nh h ị   ủ ng toàn c c c a vùng, các đ a

ươ ụ ể ậ ế ủ ph ng lân c n. Ngoài ra, chính sách phát tri n giáo d c, y t c a nhà n ướ ầ   c c n

ầ ư ể ạ ọ ọ ả ậ t p trung có tr ng tâm, tr ng đi m, tránh tình tr ng đ u t dàn tr i, gây lãng phí

NSNN.

ứ ế ả ỉ ả ưở K t qu  nghiên c u ch  ra chi tiêu công cho giáo d cụ   nh h ự   ng tích c c

ữ ở ị ươ ở ạ ả ưở ế ế đ n GRDP không nh ng đ a ph ng s  t i mà còn  nh h ị   ng đ n các đ a

ươ ế ả ưỡ ầ ph ặ ng   ti p   giáp   nhau   ho c   có   kho ng   cách   ng ng   186km.   Do   đó,   c n   có

ơ ấ ữ ụ ề ợ ỉ ừ   nh ng chính sách đi u ch nh c  c u chi tiêu công cho giáo d c phù h p cho t ng

160

ươ ừ ị ướ ụ ướ ị đ a ph ng, t ng vùng. Đ nh h ng chi tiêu công cho giáo d c theo h ả   ng gi m

ườ ờ ườ ầ ư ể ệ chi th ồ ng xuyên, đ ng th i tăng c ng chi đ u t ả  phát tri n, c i thi n c  s ơ ở

ả ể ế ấ ị ậ v t ch t. K t qu  ki m đ nh Local Moran’s I cho th y, ấ chi tiêu công cho giáo d cụ

ạ ắ ậ ạ ỉ ươ các t nh B c K n, H u Giang, B c Liêu, Cà Mau có t ấ   ng quan không gian th p

ụ ủ ấ ượ ấ ỉ – th p, nghĩa là chi tiêu công cho giáo d c c a các t nh này th p đ ố ị   c phân b  đ a

ế ầ ụ ấ ỉ lý xung quanh là các t nh có chi tiêu công cho giáo d c th p. Chính vì th  c n tăng

ườ ữ ữ ủ ỉ c ị   ng NSNN cho nh ng t nh này không nh ng làm tăng GRDP c a chính các đ a

ươ ị ươ ậ ph ng đó mà còn tăng GRDP cho các đ a ph ng lân c n. Ngoài ra, chi tiêu công

ụ ủ ươ ả ắ ộ ồ ỉ ọ   cho giáo d c c a các t nh, thành g m Hà N i, H i D ng, B c Giang, Phú Th ,

ệ ơ ồ ươ S n La, Hòa Bình, Thanh Hóa, Ngh  An, Đ ng Nai có t ng quan không gian cao

ụ ủ ỉ ượ ­ cao, nghĩa là chi tiêu công cho giáo d c c a các t nh, thành này cao và đ c phân

ụ ỉ ầ   ố ị b  đ a lý xung quanh các t nh, thành có chi tiêu công cho giáo d c cao. Do đó, c n

ố ớ ụ ổ ồ ố ị ươ cân đ i ngu n phân b  NSNN cho giáo d c đ i v i các đ a ph ẩ   ng này, đ y

ụ ủ ụ ả ạ ộ ệ m nh xã h i hóa giáo d c, nâng cao hi u qu  chi tiêu công cho giáo d c c a các

ươ ầ ổ ằ ị ưở ị đ a ph ng này nh m góp ph n  n đ nh tăng tr ng.

ứ ế ả ỉ ữ K t qu  nghiên c u cũng ch  ra, chi tiêu công cho y t ế không nh ng tác

ủ ị ươ ủ ẩ ộ đ ng làm tăng GRDP c a đ a ph ị   ng mà còn thúc đ y làm GRDP c a các đ a

ươ ề ề ờ ớ ệ ố ệ ệ ạ ph ng li n k . Trong th i gian t ệ   i, hoàn thi n quy ho ch h  th ng b nh vi n

ấ ượ ệ ệ ồ ờ ữ ệ ệ v  tinh, b nh vi n vùng, đ ng th i nâng cao ch t l ằ   ng khám ch a b nh nh m

ả ế ạ ả ể ệ ế ế ị gi i quy t tình tr ng quá t ả ạ i t i các b nh viên tuy n trên. K t qu  ki m đ nh

ị ươ ươ t ng quan không gian đ a ph ng cho th y, ấ chi tiêu công cho y t ủ  ế c a Tp Hồ

ượ ố ỉ Chí Minh cao và đ c phân b  xung quanh là các t nh có chi tiêu công cho y t ế

ệ ố ự ự ể ấ ọ ồ th p. Do đó, l a ch n Tp H  Chí Minh làm trung tâm đ  xây d ng h  th ng các

ệ ở ế ỉ ờ ườ ồ ự ỗ ợ ệ ệ b nh vi n v  tinh ồ  tuy n t nh, đ ng th i tăng c ng h  tr  các ngu n l c và k ỹ

ữ ệ ế ặ ậ ớ ế ỉ ơ ở thu t ch a b nh m i cho tuy n c  s . M t khác, chi tiêu công cho y t các t nh

ậ ả ầ ơ ị Nam Đ nh, Thanh Hóa, Kon Tum, Qu ng Bình, Vĩnh Long, C n Th , H u Giang

ươ ấ ế ủ ỉ có t ấ ng quan không gian th p – th p, nghĩa là chi tiêu công cho y t c a các t nh

161

ấ ượ ố ị ỉ này th p đ c phân b  đ a lý xung quanh là các t nh có chi tiêu công cho y t ế

ấ ườ ồ ự ế ị ươ ầ ậ th p. Do đó, c n t p trung tăng c ng ngu n l c y t cho các đ a ph ng này.

ệ ố ự ầ ộ ố ợ ệ Ngoài ra, các b , ngành c n th c hi n t t công tác ph i h p trong vi c xây

ụ ế ườ ẩ ạ ộ ự d ng các chính sách giáo d c và y t . Tăng c ng và đ y m nh xã h i hóa trong

ự ụ ế ồ ờ ộ ượ các lĩnh v c giáo d c và y t . Đ ng th i huy đ ng đ ằ   ồ ự c các ngu n l c nh m

ấ ượ ữ ệ ụ ỏ nâng cao ch t l ứ ng giáo d c, chăm sóc s c kh e, khám ch a b nh.

ỷ ệ ộ ạ 5.2.3 Nâng cao t  l lao đ ng qua đào t o

ệ ạ ộ ọ Lao đ ng qua đào t o đóng vai trò quan tr ng trong vi c nâng cao quy mô

ế ưở ế ấ ỉ ở ế ộ ố kinh t và tăng tr ng kinh t c p t nh, thành hay góc đ  qu c gia. K t qu ả

ấ ạ ủ ị ệ ộ phân tích cho th y, t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o c a đ a ph ươ   ng

ữ ị ươ ộ xem xét không nh ng tác đ ng làm tăng GRDP đ a ph ộ   ng đó mà còn tác đ ng

ủ ế ị ươ ế ị ươ ằ làm tăng đ n GRDP c a các đ a ph ng ti p giáp và đ a ph ng n m trong lân

ưỡ ờ ế ứ ả ồ ộ ỉ ậ c n ng ng 186km. Đ ng th i k t qu  nghiên c u cũng ch  ra, lao đ ng có tay

ề ủ ị ươ ẽ ớ ệ ố ngh  c a các đ a ph ặ ng cũng có m i quan h  ch t ch  v i nhau. Qua đánh giá

ự ấ ạ ạ ệ ộ th c tr ng giai đo n 2010 – 2017 cho th y, t ỷ ệ  l lao đ ng đang làm vi c đã qua

ữ ệ ẫ ạ ỉ đào t o phân theo vùng hay gi a các t nh, thành v n còn chênh l ch khá xa nhau.

ệ ạ ướ ườ ế ỷ ệ ạ ọ ạ ạ ế ố Vi c k t n i m ng l i các tr ề ng đ i h c, d y ngh  còn h n ch . T  l lao

ơ ấ ứ ạ ấ ấ ằ ộ ỉ ấ   ộ đ ng có b ng c p, ch ng ch  còn th p. C  c u lao đ ng đã qua đào t o còn b t

ừ ư ế ạ ẫ ộ ộ ợ h p lý, v n còn tình tr ng th a lao đ ng, nh ng thi u lao đ ng có tay ngh ề ở

ộ ố ị ươ ạ ở ộ m t s  đ a ph ể ng. Do dó, đ  nâng cao t ỷ ệ  l lao đ ng qua đào t o ỉ  các t nh,

ờ ớ ầ ự ệ ả thành, trong th i gian t i c n th c hi n các gi i pháp sau:

ạ ạ ướ ơ ở ụ ề ị ướ Quy ho ch l ạ i m ng l i c  s  giáo d c ngh  theo đ nh h ể   ng phát tri n

ế ộ ườ ự ế ị ươ kinh t ­ xã h i và tăng c ữ ng s  liên k t gi a các vùng, đ a ph ng. Trong xây

ạ ướ ơ ở ụ ệ ể ọ ườ ự d ng m ng l ề i các c  s  giáo d c ngh  nghi p tr ng đi m, tr ng ch t l ấ ượ   ng

ố ế ẩ ấ ộ ố ọ cao theo các chu n c p đ  qu c gia, ASEAN và qu c t ệ ự   ế  chú tr ng đ n vi c l a

ọ ị ươ ể ầ ư ệ ể ợ ớ ị ch n vùng, đ a ph ng đ  đ u t ự  cho phù h p. S m th c hi n ki m đ nh ngoài

ơ ở ề ệ ừ ụ ề ệ ầ ụ các c  s  giáo d c ngh  nghi p, t đó phân ra các t ng giáo d c ngh  nghi p đ ể

ữ ị ướ ầ ư ợ ụ ề ầ có nh ng đ nh h ng đ u t ệ   ơ ở  h p lý. Trong đó, t ng c  s  giáo d c ngh  nghi p

162

ấ ượ ẽ ượ ướ ư ầ ư ề ọ ạ ch t l ng cao s  đ c Nhà n c  u tiên đ u t ể    đào t o các ngh  tr ng đi m;

ơ ở ệ ự ủ ủ ề ạ ướ ụ ầ t ng c  s  giáo d c ngh  nghi p t ặ  ch  đào t o theo đ t hàng c a Nhà n c và

doanh nghi p.ệ

ầ ư ơ ở ậ ấ ậ ế ị ẩ ạ ộ T p trung đ u t c  s  v t ch t, trang thi t b  đào t o, chu n hóa đ i ngũ

ơ ở ệ ở ụ ề ự ỉ giáo viên cho các c  s  giáo d c ngh  nghi p các t nh, thành khu v c ĐBSCL

ữ ạ ộ ỉ ỗ ợ và Tây Nguyên. Có nh ng chính sách h  tr  đào t o lao đ ng cho các t nh còn có

ắ ắ ắ ệ ạ ấ ộ ỷ ệ t  l lao đ ng đang làm vi c đã qua đào t o th p nh ư Đ k Nông, Đ k L k, Tây

ướ ế ề Ninh, Bình Ph ạ   c, B n Tre, Ti n Giang, Trà Vinh, An Giang, Vĩnh Long, B c

ậ ậ ạ ồ ộ ấ   Liêu, Kiên Giang, Sóc Trăng, H u Giang. T p trung đào t o ngu n lao đ ng ch t

ạ ẵ ả ố ồ ộ ượ l ng cao t i các ầ   thành ph  Hà N i, H i Phòng, Đà N ng, Tp H  Chí Minh, C n

ơ ơ ầ ư ệ ạ ộ Th , n i có t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o cao. Đ u t ự    xây d ng

ệ ươ ươ ệ ạ ạ ọ các trung tâm  m t o công ngh ,  m t o doanh nghi p khoa h c và công ngh ệ

ườ ạ ọ ệ ị ươ ừ trong tr ng đ i h c, doanh nghi p cho các đ a ph ng này, t ạ  đó là h t nhân

ạ ộ ứ ệ ổ ụ ạ ớ ọ ủ c a ho t đ ng  ng d ng khoa h c và công ngh , đ i m i sáng t o.

ươ ườ ự ệ ầ ị Các đ a ph ng tăng c ơ ấ ng d  báo tình hình, c  c u vi c làm, nhu c u lao

ơ ở ụ ủ ề ệ ệ ầ ị ộ đ ng c a doanh nghi p trên đ a bàn. Các c  s  giáo d c ngh  nghi p c n tăng

ườ ế ượ ệ ắ ớ ợ ấ ượ ộ c ng h p tác v i doanh nghi p, qua đó g n k t đ c n i dung, ch t l ng đào

ầ ủ ạ ộ ệ ạ ẩ ớ ờ ồ ạ   ạ t o v i nhu c u c a doanh nghi p. Đ ng th i, đ y m nh các ho t đ ng đào t o

ự ậ ạ ề ệ ằ ọ và th c t p t i doanh nghi p nh m nâng cao tay ngh  cho h c sinh, sinh viên.

ế ụ ự ề ệ ạ ạ ắ ộ   ỗ ợ Ti p t c th c hi n các chính sách h  tr  đào t o ngh  ng n h n cho lao đ ng

ứ ủ ậ ườ ố ớ ấ ề ạ nông thôn. Nâng cao nh n th c c a ng ề i dân đ i v i v n đ  đào t o ngh , lao

ệ ộ đ ng và vi c làm.

Ớ Ủ Ả Ậ Ế 5.3 K T QU  ĐÓNG GÓP M I C A LU N ÁN

5.3.1 Đóng góp lý thuy t ế

ế ả ươ ề ồ K t qu  phân tích t ng quan không gian, h i quy không gian v  vai trò

ườ ố ớ ị ươ ạ ượ ữ ả ủ ố c a v n con ng i đ i v i GRDP các đ a ph ng đ t đ ế c nh ng k t qu  sau

ề ặ ế đây v  m t lý thuy t:

163

ả ệ ố ơ ở M t làộ , tác gi đã h  th ng các c  s  lý thuy t v ố ế ề v n con ng ườ  và vai i

ưở ổ ợ ố trò c a ủ v n con ng ườ  trong các mô hình tăng tr i ứ   ng. T ng h p các nghiên c u

ướ ữ ế ế ề ỉ trong và ngoài n ả ạ   c có liên quan đ n đ  tài, qua đó ch  ra nh ng k t qu  đ t

ượ ủ ấ ữ ề ổ đ ứ . c và nh ng khe h ng c a v n đ  nghiên c u

ươ ể ố ồ ị ệ ố Hai là, h  th ng các ph ng pháp th ng kê không gian bao g m ki m đ nh

ữ ệ ả ồ ươ t ng quan không gian, ướ ượ c l ng h i quy không gian d  li u b ng, phân tích

ể ả ỏ ưở ủ lan t a không gian đ  phân tích  nh h ng c a các y u t ố ế ố v n con ng ườ   lên  i

ị ươ GRDP các đ a ph ng.

ộ ữ ệ ự ế ậ ậ ạ ả ầ   Ba là, k t qu  phân tích d a trên b  d  li u c p nh t trong giai đo n g n

ơ ở ố ẽ ấ ượ ơ ả ưở đây, trên c  s  th ng kê không gian s  th y đ c rõ nét h n  nh h ủ ng c a các

ị ươ ố ế ố v n con ng y u t ườ  lên GRDP đ a ph i ng.

ự ễ 5.3.2 Đóng góp th c ti n

ự ươ ứ ế ấ ằ ả ậ Th  nh t, k t qu  lu n án xem xét s  t ể   ng quan không gian b ng ki m

ươ ể ầ ị ị đ nh t ng quan không gian toàn ph n (Glocal Moran’s I) và ki m đ nh t ươ   ng

ị ươ ấ ả ụ ế ộ quan không gian đ a ph ng (Local Moran’s I) cho t ộ   t c  các bi n ph  thu c, đ c

ứ ể ạ ị ươ ậ ủ l p c a mô hình nghiên c u giai đo n 2010 – 2017. Ki m đ nh t ng quan không

ụ ầ ấ gian toàn ph n (Global Moran’s I) cho th y GRDP, chi tiêu công cho giáo d c, chi

ế ỷ ệ ệ ạ ộ ị tiêu công cho y t , t l lao đ ng đang làm vi c đã qua đào t o các đ a ph ươ   ng

ề ể ị ươ ươ t ậ ng   quan   không   gian   thu n   chi u.   Ki m   đ nh   t ị   ng   quan   không   gian   đ a

ươ ị ượ ị ươ ph ng (Local Moran’s I) cũng xác đ nh đ c các nhóm đ a ph ng có GRDP,

ế ỷ ệ ệ ộ ụ chi tiêu công cho giáo d c, chi tiêu công cho y t , t l lao đ ng đang làm vi c đã

ạ ươ ớ qua đào t o t ng quan không gian v i nhau.

ứ ả ậ ử ụ ậ ồ ố ọ Th  hai, tác gi lu n án s  d ng 3 ma tr n tr ng s  không gian g m ma

ố ề ề ả ậ ậ ọ ọ ố ưỡ tr n tr ng s  li n k  (W1), ma tr n tr ng s  kho ng cách ng ng 186km (W2),

ố ươ ể ả ậ ả ố ọ ị ma tr n tr ng s  kho ng cách ngh ch  đ o (W3) đ  xem xét m i t ng quan

ả ưở ủ ừ ế ố ố ỏ ườ không gian và  nh h ng lan t a không gian c a t ng y u t v n con ng i lên

ả ỉ ưở ủ ừ ế ố ố ườ ế GRDP. Qua đó ch  ra,  nh h ng c a t ng y u t v n con ng i đ n GRDP các

ươ ở ừ ậ ị đ a ph ng t ng lân c n không gian.

164

ứ ẳ ị ượ ụ ứ Th  ba, nghiên c u kh ng đ nh đ c chi tiêu công cho giáo d c, chi tiêu

ế ữ ệ ạ ộ công cho y t và t ỷ ệ  l lao đ ng đang làm vi c đã qua đào t o không nh ng tác

ự ế ủ ị ươ ộ ộ đ ng tích c c đ n GRDP c a đ a ph ự   ng đang xem xét mà còn tác đ ng tích c c

ị ươ ế ậ ưỡ ủ ế đ n GRDP c a các đ a ph ng ti p giáp và trong các lân c n ng ng 186km.

Ạ Ế ƯỚ Ứ Ế 5.4 H N CH  VÀ H NG NGHIÊN C U T P THEO

ề ố ắ ể ự ủ ụ ệ ề ậ ặ M t dù đã có nhi u c  g ng đ  th c hi n các m c tiêu c a lu n án đ  ra,

ả ậ ồ ạ ự ế ệ ẫ ạ ộ xong trong quá trình th c hi n, k t qu  lu n án v n còn t n t i m t vài h n ch ế

ể ế ừ ừ ế ấ ị ữ ế ậ ứ nh t đ nh. Nh ng nghiên c u ti p theo có th  k  th a t ả ủ  k t qu  c a lu n án

ữ ề ấ ắ ụ ằ b ng cách kh c ph c nh ng v n đ  sau:

ứ ậ ả ế ượ ữ ứ ổ Th  nh t ấ ,  lu n án đã gi i quy t đ c nh ng khe h ng nghiên c u, tuy

ế ề ặ ữ ệ ư ể ế ậ ạ ộ   nhiên do h n ch  v  m t d  li u nên lu n án này ch a ki m soát h t tác đ ng

ế ố ả ưở ế ị ươ ủ c a các y u t vĩ mô  nh h ng đ n GRDP các đ a ph ng.

ữ ệ ử ụ ặ ạ ậ Th  haiứ ể   , lu n án s  d ng d  li u giai đo n 2010 – 2017, do đó đ c đi m

ư ắ ượ ế ạ ủ ộ ộ ữ ệ b  d  li u còn ng n nên ch a đánh giá đ c h t tác đ ng dài h n c a các y u t ế ố

ể ế ậ ử ụ ế ố v n con ng ứ ế ế ườ  đ n GRDP. Các nghiên c u k  ti p có th  ti p c n và s  d ng b i ộ

ể ơ ườ ự ộ ố ữ ệ d  li u dài h n đ  đo l ng s  tác đ ng không gian c a ủ v n con ng ườ   đ nế   i

ị ươ GRDP đ a ph ạ   ng trong dài h n.

ặ ả ậ ệ ự ố ắ ọ Th  baứ , m c dù tác gi ế    lu n án đã c  g ng trong vi c l a ch n các bi n

ườ ữ ệ ớ ợ đo l ng ố v n con ng ồ ườ  phù h p v i ngu n d  li u nghiên c u ứ . Tuy nhiên, do i

ế ề ặ ữ ệ ố ế ự ọ ườ ạ h n ch  v  m c d  li u nên s  bi n l a ch n đo l ng ố v n con ng ườ  trong mô i

ẫ ể ở ộ ứ ế ứ hình nghiên c u v n còn ít ư   ế . Vì th , các nghiên c u ti p theo có th  m  r ng đ a

ế ườ ứ ố ề thêm nhi u bi n đo l ng ố v n con ng ườ  vào mô hình nghiên c u nh ư s  năm đi i

ọ ỷ ệ ổ ự ượ ộ ọ h c bình quân, tu i th , t l ỹ  lao đ ng có k  năng trong l c l ng lao đ ng ộ .

ơ ở ể ự ứ ầ ọ ổ ị ọ   Ngoài nghiên c u đ nh tính, c n b  sung các c  s  khoa h c khác đ  l a ch n

ế ườ ớ ố ượ ị thêm các bi n đo l ng ố v n con ng ợ ườ  phù h p v i đ i t i ng và đ a bàn nghiên

c u.ứ

ụ ứ ế ướ ạ ộ Th  tứ ư, bi n ph  thu c trong nghiên c u d i d ng lnGRDP, các nghiên

ụ ể ườ ụ ế ợ ứ c u sau có th  áp d ng thêm cho tr ộ ng h p bi n ph  thu c là GRDP bình quân

165

ố ộ ố ộ ưở ế ặ trong dân s  hay GRDP bình quân lao đ ng, t c đ  tăng tr ng kinh t ho c năng

ấ ổ ợ su t t ng h p.

ứ ậ ố ọ ỉ Th  năm,  các   ma  tr n  tr ng s   không gian  ch  xem xét ở ườ   tr ợ   ng  h p

ụ ả ộ ỉ ị ưỡ ể kho ng cách đ a lý và ch  áp d ng m t ng ng 186km đ  xem xét. Trong t ươ   ng

ể ề ườ ể ậ ợ ọ ụ lai, có th  áp d ng cho nhi u tr ố ng h p ma tr n tr ng s  không gian khác đ  có

ơ ự ươ ổ ố cái nhìn t ng quan h n s  t ng tác không gian c a ủ v n con ng ố ớ ườ  đ i v i quy i

ế ị ươ mô kinh t đ a ph ng.

Ứ

Ủ

Ụ

Ả

DANH M C CÁC CÔNG TRÌNH NGHIÊN C U C A TÁC GI

ễ ộ ồ ố   1. Lê Trung Kiên và Nguy n Văn Sĩ (2019). Đánh giá tác đ ng ngu n v n

ườ ế ủ ố ỉ ệ ằ con ng i đ n GRDP c a các t nh, thành ph  Vi t Nam b ng mô hình

ạ ế T p chí Kinh t ự  và d  báo, ồ h i quy không gian. 36, 3­8.

2. Lê Trung Kiên và Nguy n Văn Sĩ (2020). Nghiên c u  nh h

ứ ả ễ ưở ủ   ng c a

ồ ườ ế ưở ế ỉ ệ ố ngu n v n con ng i đ n tăng tr ng kinh t các t nh, thành Vi t Nam:

ế ằ ậ ạ ể   T p chí Phát tri n ti p c n b ng mô hình kinh t ế ượ  l ng không gian.

ọ khoa h c và công ngh , ệ 3/2020.

3. Lê Trung Kiên và Nguy n Văn Sĩ (2020).  ng d ng th ng kê không gian

Ứ ụ ễ ố

ả ưở ủ ố ườ ế ế ị phân tích  nh h ng c a v n con ng i đ n quy mô kinh t đ a ph ươ   ng

ệ ế ố ườ ộ ạ T p chí Con s ố Vi ậ t Nam: Ti p c n v n con ng i theo góc đ  chi phí.

ự ệ 8(2), 35­38. s  ki n,

4. Lê Trung Kiên và Nguy n Văn Sĩ (2020).  ng d ng th ng kê không gian

Ứ ụ ễ ố

ủ ỏ phân tích lan t a không gian c a chi tiêu công cho y t ế ầ ư , đ u t công và

ế ộ ố ỉ ệ ạ ế T p chí Kinh t và d ự lao đ ng đ n GRDP các t nh, thành ph  Vi t Nam.

báo 27(9), 8­12.

Ả

Ệ

TÀI LI U THAM KH O

ế A. Ti ng Anh

Ada, A. A., & Acaroglu, H. (2014). Human capital and economic growth: A panel

data   analysis   with   health   and   education   for   MENA   region.  Advances   in

Management and Applied Economics,4(4), 59­71.

Afridi, A. H. (2016). Human capital and economic growth of Pakistan. Business &

Economic Review, 8(1), 77–86.

Alan, K. M. A., Altman, Y., & Roussel, J. (2008). Employee training needs and

perceived value of training in the Pearl River Delta of China: A human capital

development approach.  Journal of European Industrial Training, 32(1), 19 –

31.

Anselin, L. (1988). Spatial econometrics: Methods and Models. Kluwer Academic,

Dordrecht.

Anselin,   L.,   & Hudak,   S.   (1992).   Spatial   econometrics   in   practice.   A   review   of

software options. Regional Science and Urban Economics, 22(3), 509­536.

Anselin, L. (1995). Local Indicators of Spatial Association – LISA.  Geographical

Analysis, 27(2): 93­115.

Anselin, L., & Bera, A.K. (1998). Spatial Dependence in Linear Regression Models

with   an   Introduction   to   Spatial   Econometrics.  Statistics:   Textbooks   and

Monographs, 155, 237­289.

Anselin,   L.,   Florax,   R.   &   Rey,   S.   (2004). Advances   in   Spatial   Econometrics.

Methodology, Tools and Applications. Berlin: Springer­Verlag.

Anselin, L., Syabri, I. & Kho, Y. (2006). GeoDa: An Introduction to Spatial Data

Analysis. Geographical Analysis, 38(1), 5 ­ 22.

Baltagi, B., Song, S.H., & Koh, W. (2003). Testing panel data regression models

with spatial error correlation. Journal of Econometrics, 117(1), 123–150.

Baltagi,   B.H.,   &   Liu,   L.   (2008).   Testing   for   Random   Effects   and   Spatial   Lag

Dependence   in   Panel   Data   Models.  Statistics   and   Probability   Letters,   78,

3304–3306.

Barro, R. J. (1991). Economic growth in a cross section of countries. The Quarterly

Journal of Economics, 106(2), 407­443.

Barro, R. J. (1992). Human Capital and Economic Growth.

Barro, R. J., & Lee, J. W. (1996). International measures of schooling years and

schooling quality. The American Economic Review, 86(2), 218–23.

Baudino, M. (2016). The impact of human and physical capital accumulation on

Chinese   growth   after   1994:   A   spatial   econometric   approach. World

Development Perspectives, 2, 11–16.

Becker, G. S. (1964). Human capital: A theoretical and Empirical Analysis, with

Special Reference to education. Chicago: University of Chicago Press.

Becker, S. G. (1975). Human Capital: A Theoretical and Empirical Analysis, with

Special Reference to Education, Second Edition. Published in 1975 by NBER.

Benhabid, J., & Spiegel, M. M. (1994). The role of human capital in economic

development   evidence   from   aggregate   cross   country   data. Journal   of

Monetary Economics, 34(2), 143–73.

Benos, N., & Karagiannis, S. (2016). Do education quality and spillovers matter?

Evidence on human capital and productivity in Greece. Economic Modelling,

54, 563 – 573.

Bleakley, H. (2010). Health, human capital, and development.  Annual Review of

Economics, 2, 283­ 310.

Bong, K., D. (2009). Human capital and Its Measurement. The 3rd World Forum on

“Statistic,   Knowledge   and   Polity”   Charting   Progress,   Building   Visions,

Improving Life.

Bontis, N. (1998). Intellectual capital: An explorarory study that develops measures

and models. Management Decision, 36(2), 63­76.

Bose, N., Haque, M. E., & Osborn, D. R. (2007). Public expenditure and economic

growth: A disaggregated analysis for developing countries.  The Manchester

School, 75(5), 533–556.

Chou, K.H., Chen, C.H., & Mai, C.C (2015). Factors Influencing China’s Exports

with a Spatial Econometric Model.  The International Trade Journal,  29(3),

191–211.

Cliff, A. D., & Ord, J. K. (1973). Spatial Autocorrelation. Lonson: Pion Ltd.

Coe, N. M., Dicken, P., & Hess, M. (2008). Global production networks: realizing

the potential. Journal of Economic Geography, 8(3), 271–295.

Cuaresma, J. C., Doppelhofer, G., & Feldkircher, M. (2012). The Determinants of

Economic Growth in European Regions. Regional Studies, 48(1), 44–67.

De la Fuente, A., & Ciccone, A. (2002). Le Capital Humain dans une E’conomie

Mondiale   sur   la   Connaissance.  Brussels:   Rapport   pour   la   Commission

Europe’eme.

Elhorst, J. P. (2003). Specification and Estimation of Spatial Panel Data Models.

International Regional Science Review, 26(3), 244–268.

Elhorst,   J.   P.   (2010).   Applied   Spatial   Econometrics:   Raising   the   Bar.  Spatial

Economic Analysis, 5(1), 9­28.

Esiyok, B., & Ugur, M. (2015). A spatial regression approach to FDI in Vietnam.

The Singapore Economic Review, 62(2), 459–481.

Frank, R. H., & Bernanke, B. (2007). Principles of Economics (3rd ed.).  Boston:

McGraw­Hill/Irwin.

Ferda,   Y.   T.   (2011).   The   relationship   between   human   capital   investment   and

economic growth: A panel error correction model.  Journal of Economic and

Social Research, 13(1), 77­90.

Jin,   Zou,   &  Heng,  F.  (2005).   Fiscal  Decentralization,   Revenue  and Expenditure

Assigment, and Growth in China.  Journal of Asian Economics,  16, 1047 –

1063.

Gemmell,   N.   (1996).   Evaluating   the   impacts   of   human   capital   stocks   and

accumulation on economic growth: Some new evidence.  Oxford Bulletin of

Economics and Statistics, 58(1), 9–28.

Ghemawat, P. (2001). Distance still Matters. The hard reality of global expansion.

Harvard Business Review, 79(8), 137­147.

Hausman, J. (1978). Specification Tests in Econometrics. Econometrica, 46, 1251­

1271.

Jacobs, J. J., & Ruth. (2002). Measuring human capital like physical capital: what

does it tell us?. Bulletin of Economic Research, July, 54(3), 209­231.

Judson, R. (1995). Do Low Human Capital Coefficients Make Sense? A Puzzle and

Some Answers. Federal Reserve Board.

Kanayo, O. (2013). The Impact of Human Capital Formation on Economic Growth

in Nigeria. Journal of Economics, 4(2), 121–132.

Kapoor, M., Kelejian, H.H., & Prucha, I. (2007). Panel data models with spatially

correlated error components. Journal of Econometrics, 140(1), 97–130.

LeGallo, J., & Ertur, C. & Baumont, C. (2003). A spatial econometric analysis of

convergence across European regions,1980–1995. European regional growth,

Fingleton, B. (ed). NewYork: Springer­Verlag, 2003.

LeSage, J., & Pace, R.K. (2009). Introduction to Spatial Econometrics. CRC Press,

Chapman and Hall Book.

Levine, R. E., & Renelt, D. (1992). A sensitivity analysis of cross­country growth

regressions. American Economic Review, 82(4), 942–963.

Li, H., & Wang, Y. (2016). Growth channels of human capital: A Chinese panel

data study. China Economic Review.

Lee, L. & Yu, J. (2010). Estimation of spatial autoregressive panel data models with

fixed effects. Journal of Econometrics, 154(2), 165–185.

Lima, R. C. D. A., & Silveira Neto, R. D. M. (2015). Physical and Human Capital

and   Brazilian   Regional   Growth:   A   Spatial   Econometric   Approach   for   the

Period 1970–2010. Regional Studies, 50(10), 1688–1701.

Lucas,   R.   E.   (1988).   On   the   mechanics   of   economic   development.  Journal   of

monetary economics, 22(1), 3­42.

Mankiw, N. G., Romer, D., &Weil, D. N. (1992). A contribution to the emprirics of

economic growth. The Quarterly Journal of Economics, 107(2), 407 – 437.

Marshall, A. (1930). Principles of Economics: An Introductory Volume (8th ed.).

London: Macmillan.

Mincer, J. (1958). Investment in human capital and personal income distribution.

The Journal of Political Economy, 66(4), 281 – 302.

Mincer,   J.   (1989).  Job   Training:   Costs,   Returns,   and   Wage   Profiles.  Columbia

University Press.

Moran, P. A. P. (1950). Notes on   Continuous Stochastic

Phenomena. Biometrika, 37(1), 17–23.

Mutl, J., & Pfaffermayr, M. (2011). The Hausman test in a Cliff and Ord panel

model. The Econometrics Journal, 14(1), 48–76.

Nelson, R. S., & Phelps, E. (1966). Investiment in humans, technology diffusion,

and economic growth. American Economic Review, 56(2), 69–75.

Ng, Y. C., & Leung, C. M. (2004). Regional Economic Performance in China: A

Panel Data Estimation. RBC Papers on China, Hong Kong Baptist University.

https://net2.hkbu.edu.hk/~ied/publications/cp/CP200204.pdf, 04/04/2012.

OECD. (2001).  Measuring Productivity: Measurement of aggregate and industry­

level productivity growth. OECD manual.

OECD.   (2011).   The   Well   –   being   of   Nations:   The   Role   of   Human   and   Social

Capital.

Pace, R. K., & Barry, R., & Sirmans, C. F. (1998). Spatial Statistics and Real Estate.

The Journal of Real Estate Finance and Economics, 17(1), 5­13.

Pelinescu, E. (2015). The Impact of Human Capital on Economic Growth. Procedia

Economics and Finance, 22, 184–190.

Peracchi, & Meliciani. (2001). Convergence in per capita GDP across European

regions a reappraisal.

Permani, R. (2009). The Role of Education in Economic Growth in East Asia; A

Survey. Asian­Pacific Economic Literature, 23(1), 112 ­129.

Petty, W. (1690). Political Arithmetik. London: Robert Clavel and Henry Mortlock.

Pigou, A. C. (1928). A study in public finance, Macmillan, London.

Psacharopoulos, G., & Arriagada, A. M. (1992). The educational composition of the

labour force: An international update.  Journal of Educational Planning and

Administration, 6(2), 141–159.

Qadri, S. F., & Waheed, A. (2011).  Human Capital and Economic Growth: Time

Series   Evidence   from   Pakistan. Published  in:   Pakistan   Business   Review,  1,

815­833.

Ramos,   R.,   Suriñach,   J.,   &   Artís,   M.   (2009).   Human   Capital   Spillovers,

Productivity and Regional Convergence in Spain (November 1, 2009). XREAP

2009­15, Available at SSRN: https://ssrn.com/abstract=1825009 .

Rastogi,   P.   N.   (2002).   Knowledge   management   and   intellectual   capital   as   a

paradigm of value creation. Human Systems Management, 21(4), 229­240.

Rodriguez,   J.   P.,   &   Loomis,   S.   R.   (2007).   A   new   view   of   institutions,   human

capital, and market standardisation. Education, Knowledge & Economy, 1(1),

93 – 105.

Romer,   P.   (1990).   Endogenous   Technological   Change.  Journal   of   Political

Economy, 98(5), 71 – 102.

Schultz,   T,   W.   (1961).   Investment   in   human   capital.  The   American   Economic

Review, 51(1), 1­17.

Sianesi, B., & van Reenen, J. (2000). The returns to education: A review of the

macro­economic   literature.   CEE   Discussion   Papers   0006.  Centre   for   the

Economics of Education, LSE.

Sheffrin,   M.   S.   (2003).   Economics:   Principles   in   Action.  New   Jersey:   Pearson

Prentice Hall.

Siswantoro, D., & Tien, M. (2012). Analysis of affecting factors to the regional

growth and poverty rate in Indonesia: Applying the heterogeneous regression.

Chinese Business Review, 11(7), 620­ 626.

Smith, A. (1776). An Inquiry into the Nature and Causes of the Wealth of Nations.

Oxford: Clarendon Press.

Solow, R. M. (1956). A contribution to the theory of economic growth. Quarterly

Journal of Economics, 70(1), 65–94.

Stroombergen,   A.   &   Rose,   D.   &   Nana,   G.   (2002).  Review   of   the   statistical

measurement   of   human   capital.  Research   report,   Statistics   New   Zealand,

Auckland.

Su, Y., & Liu, Z. (2016). The impact of foreign direct investment and human capital

on economic growth: Evidence from chinese cities. China Economics Review,

37, 97­109.

Swan,   T.  W.   (1956).   Economic   growth   and   capital   accumulation. Economic

Record, 32(2), 334–361.

Tallman, E., & Wang. P. (1994). Human capital and endogenous growth: Evidence

from Taiwan. Joumal of Monetary Economics, 34, 101 ­124.

Temple, J. (2002). Growth effects  of education and social capital in the OECD

countries. Historical Social Research/Historische Sozialforschung, 5–46.

Vega   S.   H.,   &   Elhorst,   J.   P.   (2016).   A   regional   unemployment   model

simultaneously   accounting   for   serial   dynamics,   spatial   dependence   and

common factors. Regional Science and Urban Economics, 60, 85­95.

Vinh, V. X., Anh, T. T. T., & Thang, N. V. (2020). Investigating the economic

relationship between provinces in Viet Nam: a spatial regression approach.

Journal of economic development, 45(1), 47­60.

Yogish, S. (2006). Education and Economic Development. Indian J. Soc, 6(2), 255­

270.

Zhang, C., & Zhuang, L. (2011). The composition of human capital and economic

growth:   Evidence   from   China   using   dynamic   panel   data   analysis.  China

Economic Review, 22(1), 165 – 171.

Westphalen, S. A. (2001). Reporting on human capital; objectives and trends. In P.

Descy   and   M.   Tessaring   (Eds).   Training   in   Europe:   Second   report   on

vocational training research in Europe 2000: Background report. Luxembourg:

Office for Official Publications of the European Communities.

Wooldridge, J. (2010). Econometric analysis of coss section and panel data. 2nd Edit

by the MIT press.

ế B. Ti ng Vi ệ t

ệ ộ ổ   Báo cáo lao đ ng và vi c làm 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017. T ng

ộ ố ộ ươ ộ ụ c c Th ng kê và B  Lao đ ng – Th ng Binh và Xã h i.

ố ườ ầ ư ố ạ ườ T p chí Bùi Quang Bình (2009). V n con ng i và đ u t vào v n con ng i.

ệ ạ ọ ẵ ọ khoa h c và công ngh , đ i h c Đà N ng, 2(31), 1­8.

ủ ủ ế ẩ ấ ộ ỏ ị ưở Đào Th  Bích Th y (2016). Tác đ ng c a lan t a xu t kh u đ n tăng tr ng kinh

ườ ợ ướ ạ ọ ạ ố T p chí Đ i h c qu c gia Hà N i, ế t : Tr ng h p các n c ASEAN ­5). ộ 3,

80 – 87.

ừ ứ ủ ổ ố ộ ườ ế Đinh Phi H  và T  Đ c Hoàng (2016). Tác đ ng c a v n con ng i đ n tăng

ưở ế ồ ử ằ ạ ế T p chí kinh t phát tri n, tr ng kinh t đ ng b ng sông C u Long. ể 27(2),

02­16.

ủ ố ễ ề ạ ị H  Th  Thi u Dao và Nguy n Đăng Khoa (2014). Vai trò c a v n con ng ườ ớ   i v i

ưở ế ể ạ ả ộ T p chí phát tri n kinh tăng tr ng kinh t vùng duyên h i Nam Trung B .

ế t , 283 (5), 02­20.

ạ ươ ụ ủ ộ ị Ph m Đình Long và L ế   ng Th  Mai Nhân (2018). Tác đ ng c a giáo d c đ n

ưở ế ự ề ỉ Táp chí khoa h cọ tăng tr ng kinh t các t nh, thành khu v c Mi n Trung.

ẵ ệ ạ ọ và công ngh  đ i h c Đà N ng, 125(4), 11­ 15.

ự ệ ộ ồ ố ị ườ Phan Th  Bích Nguy t và c ng s  (2018). Ngu n v n con ng i và tăng tr ưở   ng

ế ấ ộ ỉ ố ạ ệ ứ ạ ế T p chí nghiên c u Kinh t và kinh t c p đ  t nh/thành ph  t i Vi t Nam.

Kinh doanh châu Á, 29(8), 05­17.

ả ướ ố Niên giám th ng kê c  n c năm 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017.

ụ ổ ố T ng c c Th ng kê.

ị ươ ố Niên giám th ng kê đ a ph ng năm 2010, 2011, 2012, 2013, 2014, 2015, 2016,

ổ ố ụ 2017. T ng c c Th ng kê.

ụ ễ ưở ế ị ươ Mô hình tăng tr ng kinh t đ a ph ụ   ng và áp d ng Nguy n Duy Th c (2015).

ị ỉ ậ ế ườ ạ ọ ế cho t nh Bình Đ nh. ế  Lu n án ti n sĩ kinh t . Tr ng đ i h c Kinh t thành

ố ồ ph  H  Chí Minh.

ộ ụ ễ ấ ắ ỉ ạ Nguy n Kh c Minh và Ph m Anh Tu n (2015). H i t ủ  theo t nh c a FTP công

ướ ủ ằ ộ ệ nghi p d ế ậ i tác đ ng c a FDI: ti p c n b ng mô hình kinh t ế ượ  l ng không

ố ệ ả ạ ọ ỷ ế ọ K  y u công trình khoa h c 2015, Đ i h c Thăng Long, gian s  li u m ng.

Hà N i.ộ

ễ ả ọ ỳ ươ ế Nguy n Chí H i và Hu nh Ng c Ch ng (2018). Đánh giá tính liên k t trong

ệ ạ ể ế ọ ể ạ T p chí Kinh phát tri n công nghi p t i Vùng kinh t tr ng đi m phía Nam.

ế t và Ngân hàng châu Á, 76, 22­34.

ế ố ả ư ễ ắ ả Nguy n L u B o Đoan và Lê Văn Th ng (2017). Phân tích y u t nh h ưở   ng

ệ ằ ỉ ế đ n FDI các t nh thành Vi t Nam b ng mô hình kinh t ế ượ  l ng không gian.

ể ạ T p chí phát tri n kinh t , ế 28(7), 04­33.

ủ ố ệ ễ ộ ị ị Nguy n Th  Đông và Lê Th  Kim Hu  (2019). Tác đ ng c a v n con ng ườ ế   i đ n

ưở ộ ở ệ ạ ọ ể T p chí phát tri n khoa h c và tăng tr ấ ng năng su t lao đ ng Vi t Nam.

ế ả ậ ệ công ngh  ­ Kinh t ­ Lu t và Qu n lý , 3(2), 104 – 110.

ễ ị ế ệ ỉ ố ể Nguy n Th  Cành (2009). Kinh t Vi ữ   t Nam qua các ch  s  phát tri n và nh ng

ủ ể ạ ộ ộ ậ T p chí Phát tri n kinh t tác đ ng c a quá trình h i nh p. ế, 1,15­22.

ệ ứ ị ồ ễ ế ạ ấ ỏ Nguy n Th  H ng Đào và Ph m Th  Anh (2012). Hi u  ng lan t a xu t kh u t ẩ ừ

ế ế ạ ệ ệ ạ ể   T p chí phát tri n FDI trong ngành công nghi p ch  bi n t i Vi t Nam.

kinh t , ế 263, 11­19.

ử ủ ế ễ ế ộ S  Đình Thành và Nguy n Minh Ti n (2014). Tác đ ng c a FDI đ n tăng tr ưở   ng

ế ị ươ ở ể ạ ạ ọ T p chí Phát tri n Kinh t kinh t đ a ph ng VN. ế, Đ i h c Kinh t ế

TP.HCM, 283, 21­41.

ử ố ườ S  Đình Thành và Đoàn Vũ Nguyên (2015). Chi tiêu công, V n con ng i và tăng

ưở ứ ể ạ ể T p chí phát tri n kinh t ế   , tr ố ng: Nghiên c u các qu c gia đang phát tri n.

26(4), 25 – 45.

ệ ữ ạ ự ầ ộ ố Tr n Hoàng Ngân và c ng s  (2013). M i quan h  gi a l m phát và tăng tr ưở   ng

ệ ể ạ T p chí Phát tri n kinh t , kinh t ế ạ  t i Vi ờ t Nam th i gian qua. ế 276, 15­21.

ự ạ ầ ố ị ườ ệ ừ Tr n Th  Thùy Linh (2014). Th c tr ng v n con ng i Vi t Nam t ế ậ    cách ti p c n

ọ ườ ạ ọ ng đ i h c Thăng Long giáo d c. ụ Công trình khoa h c, Tr .

ự ộ ụ ể ầ ấ ị ị ệ ố ữ ỉ Tr n Th  Tu n Anh (2017). Ki m đ nh s  h i t beta tuy t đ i gi a các t nh,

ệ ằ ươ ồ ạ ọ   T p chí khoa h c thành Vi t Nam b ng ph ng pháp h i quy không gian.

ồ ở ạ ọ đ i h c M  Tp. H  Chí Minh, 52(1), 70­79.

ệ ả ắ ầ ấ ố ị Tr n Th  Tu n Anh và Lê Văn Th ng (2019). Kh o sát m i liên h  kinh t ế ữ    gi a

ỉ ệ ế ằ ậ ươ ồ các t nh thành Vi t Nam: Ti p c n b ng ph ng pháp h i quy không gian.

ạ ế T p chí Kinh t & phát tri n, ể 263(5), 02­12.

ọ ạ ự ầ ộ ữ ố ế ộ ưở Nh ng nhân t tác đ ng đ n tăng tr ng kinh Tr n Th  Đ t và c ng s  (2007).

ạ ố ỉ ạ ọ ế ế t các t nh, thành ph  VN giai đo n 2000­2006 . Đ i h c Kinh t ố  Qu c dân.

ủ ố ọ ạ ầ ườ ưở Tr n Th  Đ t (2011). Vai trò c a v n con ng i trong các mô hình tăng tr ng.

ứ ạ T p chí Nghiên c u kinh t , ế 393(2), 03 – 10.

Ụ Ụ PH  L C

ụ ụ ế ấ ỏ Ph  l c 1. Phi u ph ng v n chuyên gia

Ỏ Ế Ấ PHI U PH NG V N CHUYÊN GIA

ố ị ườ ả ưở ế ỉ ế Xác đ nh các bi n V n con ng i  nh h ng đ n GRDP các t nh, thành Vi ệ   t

Nam

ử Kính g i: Ông (Bà)………………………………………………………

ứ ệ Tôi tên Lê Trung Kiên, hi n là nghiên c u sinh khóa 2016, chuyên ngành

ộ ố ố ườ ạ ọ ế Th ng kê, thu c Khoa Toán – Th ng kê, tr ng đ i h c Kinh t ồ  Tp. H  Chí

ự ệ ậ ứ ứ ụ ố “Nghiên c u  ng d ng th ng kê không gian Minh.  Tôi đang th c hi n lu n án

ủ ố ườ ố ớ ế ỉ phân tích vai trò c a v n con ng i đ i v i quy mô kinh t các t nh, thành Vi ệ   t

ậ ề ậ ẫ ồ ọ Nam”. Lu n án đ ượ ự ướ c s  h ng d n khoa h c cho đ  tài lu n án g m PGS.TS.

ễ ễ ộ ố Nguy n Văn Sĩ và TS. Nguy n Thanh Vân, thu c Khoa Toán – Th ng kê Tr ườ   ng

ạ ọ ế Đ i h c Kinh t TP. HCM.

ể ậ ượ ấ ượ ự ỗ ợ ủ Đ  lu n án đ c thành công, r t mong đ c s  h  tr  c a quý chuyên gia

ả ờ ủ ệ ế ả ả ỏ thông qua vi c tr  l i c a các chuyên gia theo b ng câu h i kh o sát ý ki n này.

ỉ ụ ụ ứ ề ấ ọ   Các thông tin cung c p trong phi u này ch  ph c v  công tác nghiên c u khoa h c

ượ ậ ả ả ả ơ ấ và đ c b o m t thông tin. Tác gi ậ    xin chân thành c m  n và r t mong nh n

ượ ả ả ờ ủ đ c b ng tr  l i c a quý chuyên gia.

ớ ứ ệ ề I. Gi i thi u đ  tài nghiên c u

ừ ế ấ ằ ậ ố ườ T  lâu, các nhà kinh t đã nh n th y r ng v n con ng i đóng vai trò quan

ọ ưở ộ ố ớ ố ớ tr ng đ i v i tăng tr ng kinh t ế V i mong mu n xem xét tác đ ng không gian .

ộ ố ế ố ố ườ ụ ồ ế ủ c a m t s  y u t v n con ng i bao g m chi tiêu công cho giáo d c, y t và lao

ệ ế ạ ưở ế ị ươ ộ đ ng đang làm vi c đã qua đào t o đ n tăng tr ng quy mô kinh t đ a ph ng,

ả ự ề ọ ứ ứ ụ ố Nghiên c u  ng d ng th ng kê không gian phân tích vai tác gi l a ch n đ  tài “

ủ ườ ố ớ ế ỉ ệ ố trò c a v n con ng i đ i v i quy mô kinh t các t nh, thành Vi t Nam ” làm

ứ ứ ậ ậ ả ẽ ề ấ nghiên c u lu n án. Qua nghiên c u lu n án, tác gi s  đ  xu t các hàm ý chính

ạ ị ươ ữ ế ị ủ sách giúp cho Chính ph , lãnh đ o các đ a ph ng có nh ng quy t sách, đ nh

ướ ầ ư ữ ố ể ơ ầ ỉ h ng đ u t phát tri n h n n a v n con ng ườ ở i các t nh, thành, góp ph n thúc

ể ẩ đ y phát tri n kinh t ế .

A. Thông tin chung

ỏ ấ II. Thông tin ph ng v n chuyên gia

1. H  và tên:…………………………………; Tu i:…………………...

ọ ổ

2. Ch c danh khoa h c (h c hàm, h c v ):………………………………

ọ ị ứ ọ ọ

3. Đ a ch :……………………………………………………………….

ị ỉ

4. S  đi n tho i:………………………………; Fax:…………………...

ố ệ ạ

5. Đ a ch  email:………………………………………………………...

ị ỉ

6. Đ n v  công tác:……………………………………………………...

ơ ị

7. Ch c v :……………………………………………………………...

ứ ụ

B. Câu h i kh o sát ý ki n c a chuyên gia

ế ủ ả ỏ

ế ỉ ệ Câu 1: Theo Quý chuyên gia Quy mô kinh t các t nh, thành Vi t Nam có

ể ườ ằ ị th  đo l ng b ng giá tr  nào?

 GRDP tính theo giá năm 2010.

ệ  GRDP tính theo giá hi n hành.

ầ ườ  GRDP tính theo bình quân đ u ng i.

 GRDP tính theo bình quân lao đ ngộ

ế ố ề ể  Khác (Có th  ghi nhi u y u t ):

……………………………………………………………………….......

……………………………………………………………………….......

……………………………………………………………………….......

ế ố ố ườ ể ế ộ Câu 2: Các y u t v n con ng i có th  tác đ ng đ n quy mô kinh t ế

g m:ồ

ỷ ệ ậ  T  l ọ  nh p h c

ố  S  năm h c bình quân ọ

ỷ ệ ệ ạ ộ  T  l lao đ ng đang làm vi c đã qua đào t o

ố  S  sinh viên

ỷ ệ ụ ở  T  l tham gia giáo d c ọ ấ  các c p h c

 Chi tiêu công cho giáo d cụ

 Chi tiêu công cho y tế

ỷ ệ ử  T  l t vong ở ẻ  tr

ỷ ệ  T  l sinh

ọ  Tu i thổ

ế ố ể ề  Khác (Có th  ghi nhi u y u t ):

……………………………………………………………………….......

……………………………………………………………………….......

……………………………………………………………………….......

ế ố ộ ế ấ ỉ Câu 3: Các y u t ế  khác tác đ ng đ n quy mô kinh t c p t nh, thành Vi ệ   t

Nam g m:ồ

 T ng lao đ ng.

ộ ổ

ầ ư ị ươ ố  V n đ u t toàn đ a ph ng.

 T  l

ỷ ệ ầ ư ổ ố FDI/ t ng v n đ u t .

 T  l

ỷ ệ ố  tăng dân s .

 Ch  s  l m phát c p t nh (CPI).

ỉ ố ạ ấ ỉ

 Ch  s  năng l c c nh tranh c p t nh (PCI).

ự ạ ấ ỉ ỉ ố

 Ch  s   ng d ng công ngh  thông tin (ICT).

ỉ ố ứ ụ ệ

 T  l

ỷ ệ ộ h  nghèo.

 Khác (Có th  ghi nhi u y u t ):

ế ố ể ề

……………………………………………………………………….......

……………………………………………………………………….......

ư ữ ậ ớ ị Câu 4: V i nh ng nh n đ nh nh  trên, theo Quý chuyên gia hàm ý chính

ả ố ự ệ ệ ể ầ ườ ố ớ sách nào c n th c hi n đ  phát huy hi u qu  v n con ng i đ i v i tăng quy mô

ế ị ươ kinh t đ a ph ng?

……………………………………………………………………….......

……………………………………………………………………….......

……………………………………………………………………….......

ả ơ ế Chân thành c m  n Ông/Bà đã tham gia ý ki n.

………., ngày ….. tháng …. Năm 2020

ườ ề Ng ế i đi n phi u

ụ ụ Ph  l c 2. Danh sách chuyên gia

ọ ủ

ự ộ

ả

Danh sách tham d  H i th o khoa h c c a NCS Lê Trung Kiên

ờ

ạ

i Kiên Giang

STT Họ và tên

Đơn vị, Chức vụ

Điện thoại, Email

Th i gian: 8:30­11:30, ngày 21/10/2019 t Học hàm, học vị TS

Hà Văn Sơn

0918.137.001

1

Phụ trách Khoa Toán – Thống kê, UEH

Nguyễn Văn Sĩ

0913.926.969

2

PGS. TS

Giảng viên Khoa Toán – Thống kê, UEH

Nguyễn Thanh Vân

TS

0903.621.452

2

Giảng viên Khoa Toán – Thống kê, UEH

3

Nguyễn Văn Trãi

TS

0913.928.253

Giảng viên Khoa Toán – Thống kê, UEH

4

Nguyễn Viết Bằng

TS

0902.700.809

Giảng viên Khoa Quản trị kinh doanh, UEH

5

Nguyễn Đức Chín

0913.847.392

Thạc sĩ

Giám đốc Sở Tài chính tỉnh Kiên Giang

6

Cao Thanh Hùng

0939.331.110

Thạc sĩ

7

Nguyễn Thanh Nguyên

0939.987.869

Thạc sĩ

8

Nguyễn Lưu Trung

0918.361.361

Thạc sĩ

9

Đỗ Huy Công

0913.197.446

Thạc sĩ

Phó Giám đốc Sở Giáo dục và đào tạo Kiên Giang Phó Giám đốc Sở Khoa học và công nghệ Kiên Giang Trưởng ban Kinh tế - ngân sách, HĐND tỉnh Kiên Giang Phó Cục trưởng, Cục thống kê Kiên Giang

10

Dương Văn Đông

0913.639.080

Thạc sĩ

11

Nguyễn Văn Thặng

0919.522.548

Thạc sĩ

12

Đặng Thanh Sơn

TS

0945.774.444

13

Nguyễn Minh Quân

TS

0936.252.554

Phó Giám đốc Kho bạc nhà nước tỉnh Kiên Giang trưởng Phó Hiệu Trường Cao đẳng nghề Kiên Giang Chủ tịch Hội đồng trường Đại học Kiên Giang Hiệu trưởng Trường Cao đẳng Kiên Giang

STT Họ và tên

Đơn vị, Chức vụ

Điện thoại, Email

14

Danh Thảo

0914.877.926

Học hàm, học vị Thạc sĩ

15

Nguyễn Văn Giang

0944.726.189

Thạc sĩ

16

Nguyễn Thanh Hùng

0918.627.232

Thạc sĩ

17

Nguyễn Ngọc Dung

0919.148.811

Thạc sĩ

Phó Phòng Giáo dục và đào tạo huyện An Biên, Kiên Giang Trưởng Phòng Tài chính huyện Tân Hiệp, Kiên Giang Trưởng Phòng Tài chính, Sở LĐTB&XH, tỉnh Kiên Giang Chánh Văn phòng Sở Nội vụ, tỉnh Kiên Giang

18

Nguyễn Văn Đức

0913.930.559

Thạc sĩ

19

Phan Thanh Nhàn

0913.929.297

Thạc sĩ

20

Huỳnh Tấn Phi

0919.623.177

Thạc sĩ

21

Nguyễn Quốc Xinh

0919.192.551

Thạc sĩ

22

Phan Ka Luốt

0919.364.257

Thạc sĩ

23

Đỗ Anh Khoa

0942.278.811

Thạc sĩ

24

Nguyễn Văn Sĩ

0916.757.636

Thạc sĩ

25

Nguyễn Văn Vũ

0937.646.999

Thạc sĩ

Phó Chánh Văn phòng huyện ủy Vĩnh Thuận, tỉnh Kiên Giang Trưởng Ban Tổ chức huyện An Biên, tỉnh Kiên Giang Chủ tịch UBND huyện Vĩnh Thuận, tỉnh Kiên Giang Trưởng Ban Tuyên giáo huyện An Biên, tỉnh Kiên Giang Chủ tịch xã Nam Yên, huyện An Biên, tỉnh Kiên Giang Hiệu trưởng Trường Trung cấp nghề huyện Kiên Lương, tỉnh Kiên Giang Phó Phòng Tài chính huyện Vĩnh Thuận, tỉnh Kiên Giang Phó Giám đốc Mobifone Chi nhánh Bến Tre

. sum lnGRDP lnH_EXPEDU lnH_EXPHEA lnH_LABEDU lnINV lnLABOR FDI POP CPI POOR

Variable Obs Mean Std. Dev. Min Max lnGRDP 504 10.34993 .9244879 8.229551 13.71738 lnH_EXPEDU 504 7.543193 .5380315 6.157826 9.45101 lnH_EXPHEA 504 6.233343 .6162205 4.720283 8.299007 lnH_LABEDU 504 2.692743 .3944905 1.629241 3.929297 lnINV 504 9.518649 .8802818 7.812508 12.8096 lnLABOR 504 6.555676 .5531178 5.267858 8.392967 FDI 504 12.30821 16.79244 .0010697 80.29063 POP 504 .9950397 .797251 .01 5.18 CPI 504 100.6415 .9747312 92.12 109.56 POOR 504 12.86363 10.13884 .1 50.01

ụ ụ ố ả ộ ể ế ị Ph  l c 3: Th ng kê mô t và ki m đ nh đa c ng tuy n

. vif

Variable VIF 1/VIF lnINV 4.47 0.223641 lnLABOR 3.76 0.266213 lnH_EXPEDU 2.26 0.442841 POOR 2.11 0.474446 FDI 1.48 0.677924 POP 1.30 0.770889 CPI 1.12 0.892444 Mean VIF 2.36

.

. vif

Variable VIF 1/VIF lnINV 4.45 0.224766 lnLABOR 3.64 0.274759 lnH_EXPHEA 2.08 0.480458 POOR 2.07 0.484157 FDI 1.52 0.658425 POP 1.33 0.753986 CPI 1.09 0.915401 Mean VIF 2.31

.

. vif

Variable VIF 1/VIF lnINV 5.84 0.171127 lnLABOR 3.46 0.289159 POOR 1.86 0.536584 lnH_LABEDU 1.73 0.577872 FDI 1.47 0.678193 POP 1.30 0.769442 CPI 1.04 0.957853 Mean VIF 2.39

.

. reg lnLABOR POP

Source SS df MS Number of obs = 504 F(1, 502) = 1.25 Model .381538722 1 .381538722 Prob > F = 0.2645 Residual 153.505939 502 .305788724 R-squared = 0.0025 Adj R-squared = 0.0005 Total 153.887478 503 .305939321 Root MSE = .55298

lnLABOR Coef. Std. Err. t P>|t| [95% Conf. Interval] POP -.0345454 .0309266 -1.12 0.265 -.0953068 .026216 _cons 6.59005 .0394171 167.19 0.000 6.512608 6.667493

.

. pwcorr lnGRDP lnH_EXPEDU lnH_EXPHEA lnH_LABEDU lnINV lnLABOR FDI POP CPI POOR, sig

lnGRDP lnH_EX~U lnH_EX~A lnH_LA~U lnINV lnLABOR FDI lnGRDP 1.0000 lnH_EXPEDU 0.5703 1.0000 0.0000 lnH_EXPHEA 0.5062 0.8527 1.0000 0.0000 0.0000 lnH_LABEDU 0.4462 0.4333 0.4433 1.0000 0.0000 0.0000 0.0000 lnINV 0.8897 0.5890 0.5329 0.5498 1.0000 0.0000 0.0000 0.0000 0.0000 lnLABOR 0.8257 0.6649 0.6170 0.2133 0.7770 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 FDI 0.4559 0.1375 0.0389 0.3268 0.4747 0.2083 1.0000 0.0000 0.0020 0.3838 0.0000 0.0000 0.0000 POP 0.1488 0.1205 0.1736 0.2525 0.1763 -0.0498 0.2269 0.0008 0.0068 0.0001 0.0000 0.0001 0.2645 0.0000 CPI -0.1282 -0.2100 -0.1773 -0.1142 -0.1377 -0.0641 -0.0486 0.0040 0.0000 0.0001 0.0103 0.0019 0.1510 0.2760 POOR -0.7002 -0.1741 -0.1171 -0.2904 -0.6062 -0.5106 -0.3665 0.0000 0.0001 0.0085 0.0000 0.0000 0.0000 0.0000

POP CPI POOR POP 1.0000 CPI -0.0403 1.0000 0.3663 POOR 0.1503 0.1698 1.0000 0.0007 0.0001

.

ụ ụ ể ị ươ Ph  l c 4: Ki m đ nh t ng quan

ữ ệ ụ ụ ồ ả Ph  l c 5: H i quy d  li u b ng

Mô hình 1

Source SS df MS Number of obs = 504 F(7, 496) = 586.79 Model 383.583839 7 54.7976913 Prob > F = 0.0000 Residual 46.3191242 496 .093385331 R-squared = 0.8923 Adj R-squared = 0.8907 Total 429.902963 503 .85467786 Root MSE = .30559

lnGRDP Coef. Std. Err. t P>|t| [95% Conf. Interval] lnH_EXPEDU .0825084 .038056 2.17 0.031 .0077375 .1572793 lnINV .3534606 .0327309 10.80 0.000 .2891523 .417769 lnLABOR .6281079 .0477445 13.16 0.000 .5343014 .7219143 FDI .0042189 .0009855 4.28 0.000 .0022826 .0061551 POP .1494173 .0194654 7.68 0.000 .1111725 .1876622 CPI .0098128 .0147972 0.66 0.508 -.0192601 .0388858 POOR -.0263535 .0019511 -13.51 0.000 -.0301869 -.0225201 _cons 1.396231 1.523554 0.92 0.360 -1.597183 4.389646

Pooled OLS

Fixed-effects (within) regression Number of obs = 504 Group variable: province Number of groups = 63

R-sq: Obs per group: within = 0.7682 min = 8 between = 0.7647 avg = 8.0 overall = 0.7647 max = 8

F(7,434) = 205.48 corr(u_i, Xb) = -0.1374 Prob > F = 0.0000

lnGRDP Coef. Std. Err. t P>|t| [95% Conf. Interval] lnH_EXPEDU .3047256 .0242437 12.57 0.000 .2570759 .3523753 lnINV .1442549 .0212641 6.78 0.000 .1024614 .1860484 lnLABOR 1.124517 .161645 6.96 0.000 .8068128 1.442222 FDI .0010523 .0006173 1.70 0.089 -.0001609 .0022655 POP .059958 .0211041 2.84 0.005 .018479 .1014369 CPI .0018993 .0055067 0.34 0.730 -.0089239 .0127224 POOR -.0035453 .0015489 -2.29 0.023 -.0065895 -.000501 _cons -.9119103 1.132872 -0.80 0.421 -3.138507 1.314687 sigma_u .44561342 sigma_e .10196765 rho .95024422 (fraction of variance due to u_i) F test that all u_i=0: F(62, 434) = 64.85 Prob > F = 0.0000

.

FEM

Random-effects GLS regression Number of obs = 504 Group variable: province Number of groups = 63

R-sq: Obs per group: within = 0.7618 min = 8 between = 0.8085 avg = 8.0 overall = 0.8063 max = 8

Wald chi2(7) = 1691.29 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] lnH_EXPEDU .2660341 .0214047 12.43 0.000 .2240816 .3079866 lnINV .1763206 .0219859 8.02 0.000 .1332289 .2194122 lnLABOR .9480582 .0720212 13.16 0.000 .8068992 1.089217 FDI .0014728 .0006412 2.30 0.022 .000216 .0027296 POP .0710951 .0207102 3.43 0.001 .0305039 .1116863 CPI .0012558 .0058671 0.21 0.831 -.0102434 .0127551 POOR -.0075828 .0015439 -4.91 0.000 -.0106088 -.0045568 _cons .3319681 .7504165 0.44 0.658 -1.138821 1.802757 sigma_u .28480029 sigma_e .10196765 rho .88637789 (fraction of variance due to u_i)

REM

ể ị Ki m đ nh HAUSMAN

Coefficients (b) (B) (b-B) sqrt(diag(V_b-V_B)) FEM REM Difference S.E. lnH_EXPEDU .3047256 .2660341 .0386915 .011384 lnINV .1442549 .1763206 -.0320657 . lnLABOR 1.124517 .9480582 .1764589 .1447137 FDI .0010523 .0014728 -.0004205 . POP .059958 .0710951 -.0111371 .0040586 CPI .0018993 .0012558 .0006434 . POOR -.0035453 -.0075828 .0040376 .0001242 b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg

Test: Ho: difference in coefficients not systematic

chi2(7) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 336.06 Prob>chi2 = 0.0000 (V_b-V_B is not positive definite)

Mô hình 2

Source SS df MS Number of obs = 504 F(7, 496) = 582.48 Model 383.278181 7 54.7540259 Prob > F = 0.0000 Residual 46.624782 496 .094001577 R-squared = 0.8915 Adj R-squared = 0.8900 Total 429.902963 503 .85467786 Root MSE = .3066

lnGRDP Coef. Std. Err. t P>|t| [95% Conf. Interval] lnH_EXPHEA .0381133 .0320052 1.19 0.234 -.0247691 .1009957 lnINV .3611025 .0327564 11.02 0.000 .296744 .4254609 lnLABOR .6511598 .0471509 13.81 0.000 .5585197 .7437999 FDI .004339 .0010033 4.32 0.000 .0023678 .0063102 POP .1481384 .0197473 7.50 0.000 .1093398 .186937 CPI .0050973 .0146586 0.35 0.728 -.0237033 .0338979 POOR -.0256352 .0019378 -13.23 0.000 -.0294424 -.0218279 _cons 2.022306 1.489954 1.36 0.175 -.9050943 4.949705

POOLED OLS

FEM

Fixed-effects (within) regression Number of obs = 504 Group variable: province Number of groups = 63

R-sq: Obs per group: within = 0.7146 min = 8 between = 0.7872 avg = 8.0 overall = 0.7807 max = 8

F(7,434) = 155.22 corr(u_i, Xb) = -0.6621 Prob > F = 0.0000

lnGRDP Coef. Std. Err. t P>|t| [95% Conf. Interval] lnH_EXPHEA .1441282 .0210785 6.84 0.000 .1026995 .1855569 lnINV .2084026 .0225577 9.24 0.000 .1640666 .2527385 lnLABOR 1.687479 .1693511 9.96 0.000 1.354629 2.020329 FDI .0014717 .0006837 2.15 0.032 .0001278 .0028155 POP .0620278 .0235273 2.64 0.009 .0157862 .1082694 CPI -.0084166 .0060035 -1.40 0.162 -.0202161 .0033829 POOR -.0072002 .0016747 -4.30 0.000 -.0104917 -.0039086 _cons -2.734904 1.245876 -2.20 0.029 -5.183605 -.2862023 sigma_u .56435365 sigma_e .11315058 rho .96135488 (fraction of variance due to u_i) F test that all u_i=0: F(62, 434) = 51.74 Prob > F = 0.0000

REM

Random-effects GLS regression Number of obs = 504 Group variable: province Number of groups = 63

R-sq: Obs per group: within = 0.6994 min = 8 between = 0.8420 avg = 8.0 overall = 0.8356 max = 8

Wald chi2(7) = 1412.88 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] lnH_EXPHEA .1488014 .0196641 7.57 0.000 .1102604 .1873423 lnINV .2365105 .0230869 10.24 0.000 .191261 .2817599 lnLABOR .9779086 .0738729 13.24 0.000 .8331204 1.122697 FDI .0018133 .0007003 2.59 0.010 .0004408 .0031859 POP .0701534 .0225089 3.12 0.002 .0260368 .11427 CPI -.0092852 .0063087 -1.47 0.141 -.0216501 .0030796 POOR -.0114795 .0016303 -7.04 0.000 -.0146748 -.0082841 _cons 1.750309 .7886528 2.22 0.026 .2045782 3.29604 sigma_u .28725992 sigma_e .11315058 rho .8656853 (fraction of variance due to u_i)

Coefficients (b) (B) (b-B) sqrt(diag(V_b-V_B)) FEM REM Difference S.E. lnH_EXPHEA .1441282 .1488014 -.0046731 .0075913 lnINV .2084026 .2365105 -.0281079 . lnLABOR 1.687479 .9779086 .7095704 .1523896 FDI .0014717 .0018133 -.0003417 . POP .0620278 .0701534 -.0081256 .0068472 CPI -.0084166 -.0092852 .0008686 . POOR -.0072002 -.0114795 .0042793 .0003831 b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg

Test: Ho: difference in coefficients not systematic

chi2(7) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 140.66 Prob>chi2 = 0.0000 (V_b-V_B is not positive definite)

ể ị Ki m đ nh HAUSMAN

Source SS df MS Number of obs = 504 F(7, 496) = 590.02 Model 383.809912 7 54.8299874 Prob > F = 0.0000 Residual 46.0930513 496 .092929539 R-squared = 0.8928 Adj R-squared = 0.8913 Total 429.902963 503 .85467786 Root MSE = .30484

lnGRDP Coef. Std. Err. t P>|t| [95% Conf. Interval] lnH_LABEDU .1212513 .0453253 2.68 0.008 .032198 .2103045 lnINV .3172376 .0373261 8.50 0.000 .2439009 .3905743 lnLABOR .7199568 .045699 15.75 0.000 .6301693 .8097444 FDI .0042258 .0009829 4.30 0.000 .0022946 .0061569 POP .1481034 .0194361 7.62 0.000 .1099161 .1862907 CPI .0021659 .0142482 0.15 0.879 -.0258283 .0301601 POOR -.0249488 .0018301 -13.63 0.000 -.0285446 -.021353 _cons 2.187525 1.451977 1.51 0.133 -.6652591 5.040309

Mô hình 3: POOLED OLS

Fixed-effects (within) regression Number of obs = 504 Group variable: province Number of groups = 63

R-sq: Obs per group: within = 0.7424 min = 8 between = 0.8111 avg = 8.0 overall = 0.8043 max = 8

F(7,434) = 178.69 corr(u_i, Xb) = -0.7174 Prob > F = 0.0000

lnGRDP Coef. Std. Err. t P>|t| [95% Conf. Interval] lnH_LABEDU .3301616 .0332347 9.93 0.000 .2648405 .3954826 lnINV .170335 .022065 7.72 0.000 .1269675 .2137025 lnLABOR 1.854082 .1492576 12.42 0.000 1.560724 2.14744 FDI .0020652 .0006518 3.17 0.002 .0007842 .0033463 POP .0652159 .0222356 2.93 0.004 .0215132 .1089187 CPI -.0127121 .0056582 -2.25 0.025 -.0238331 -.0015912 POOR -.0065364 .0015775 -4.14 0.000 -.0096368 -.003436 _cons -3.042094 1.162893 -2.62 0.009 -5.327696 -.7564916 sigma_u .57328547 sigma_e .10749328 rho .96603636 (fraction of variance due to u_i) F test that all u_i=0: F(62, 434) = 57.34 Prob > F = 0.0000

FEM

Random-effects GLS regression Number of obs = 504 Group variable: province Number of groups = 63

R-sq: Obs per group: within = 0.7275 min = 8 between = 0.8591 avg = 8.0 overall = 0.8530 max = 8

Wald chi2(7) = 1585.21 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] lnH_LABEDU .3531046 .0327113 10.79 0.000 .2889916 .4172175 lnINV .1882186 .0226784 8.30 0.000 .1437698 .2326674 lnLABOR 1.121487 .0708951 15.82 0.000 .982535 1.260439 FDI .0022955 .000665 3.45 0.001 .0009921 .003599 POP .0701838 .021344 3.29 0.001 .0283503 .1120173 CPI -.0147727 .0058676 -2.52 0.012 -.026273 -.0032724 POOR -.0102928 .0015357 -6.70 0.000 -.0133027 -.0072829 _cons 1.776481 .7527661 2.36 0.018 .3010863 3.251875 sigma_u .28833557 sigma_e .10749328 rho .87797511 (fraction of variance due to u_i)

REM

Coefficients (b) (B) (b-B) sqrt(diag(V_b-V_B)) FEM REM Difference S.E. lnH_LABEDU .3301616 .3531046 -.022943 .0058754 lnINV .170335 .1882186 -.0178836 . lnLABOR 1.854082 1.121487 .7325952 .1313458 FDI .0020652 .0022955 -.0002303 . POP .0652159 .0701838 -.0049679 .0062332 CPI -.0127121 -.0147727 .0020606 . POOR -.0065364 -.0102928 .0037564 .0003607 b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg

Test: Ho: difference in coefficients not systematic

chi2(7) = (b-B)'[(V_b-V_B)^(-1)](b-B) = -639.62 chi2<0 ==> model fitted on these data fails to meet the asymptotic assumptions of the Hausman test; see suest for a generalized test

.

ể ị Ki m đ nh HAUSMAN

ụ ụ ể ị ươ Ph  l c 6: Ki m đ nh t ng quan không gian

ể ị 6.1. Ki m đ nh Global Moran’s I

Weights matrix Name: WLK Type: Imported (binary) Row-standardized: Yes

Moran's I Variables I E(I) sd(I) z p-value* lnGRDP 0.442 -0.016 0.086 5.337 0.000 lnH_EXPEDU 0.105 -0.016 0.085 1.414 0.079 lnH_EXPHEA 0.118 -0.016 0.086 1.559 0.059 lnH_LABEDU 0.383 -0.016 0.087 4.588 0.000 lnINV 0.328 -0.016 0.085 4.030 0.000 lnLABOR 0.249 -0.016 0.086 3.083 0.001 FDI 0.250 -0.016 0.083 3.201 0.001 POP 0.302 -0.016 0.083 3.828 0.000 CPI 0.186 -0.016 0.061 3.336 0.000 POOR 0.688 -0.016 0.087 8.102 0.000 *1-tail test

2010 Measures of global spatial autocorrelation

Weights matrix Name: WLK Type: Imported (binary) Row-standardized: Yes

Moran's I Variables I E(I) sd(I) z p-value* lnGRDP 0.451 -0.016 0.086 5.442 0.000 lnH_EXPEDU 0.149 -0.016 0.086 1.921 0.027 lnH_EXPHEA 0.072 -0.016 0.086 1.034 0.150 lnH_LABEDU 0.374 -0.016 0.087 4.478 0.000 lnINV 0.331 -0.016 0.086 4.036 0.000 lnLABOR 0.227 -0.016 0.086 2.834 0.002 FDI 0.214 -0.016 0.085 2.711 0.003 POP 0.283 -0.016 0.085 3.507 0.000 CPI 0.156 -0.016 0.081 2.121 0.017 POOR 0.643 -0.016 0.085 7.712 0.000 *1-tail test

2017 Measures of global spatial autocorrelation

ể ị

Moran scatterplot (Moran's I = 0.451) lnGRDP

2

49

46

47

48

50

51

3

1

7 20

52

39

6

5 2

25

45 9

27

4

8 57

56

1

40

38

36

18

0

10

60

21 11 28 63

z W

26

32 59 58

62

43

44 35 34 42

33

31 53 55 54

37

41

19 30

61

29

24

14

15 17

23 22

12

-1

16

13

-2

-3

-2

-1

0

1

2

3

4

z

6.2. Ki m đ nh Local Moran’s I  LNGRDP2017­ I(W1)

LNGRDP2017­ I(W2)

Moran scatterplot (Moran's I = 0.218) lnGRDP

2

46

45

1

49

39

47

6

48

10

50

8 52

911 55

19

4 51 5 2726

53 54 25

7 56 34

36

2057

38

14

3

2

3318

1

60

21 28

61

17 15 43

62

0

40

z W

593258

31

30

35 44

63 41

29

22 23

42

37

12

-1

16

13

24

-2

-3

-2

-1

0

1

2

3

4

z

LNGRDP2017­ I(W3)

Moran scatterplot (Moran's I = 0.114) lnGRDP

1

47

48

50

45

49

51

46 20

53

5

63

7 56

43

39

4

2554

60

10

2

38

1

19

9 55 11 2128 63

26

40

61

14

27

18 33

3662 29

52 8 57 58 59 32

0

37

z W

44 42 34 35

151730

12

31 24

1322 23

41

16

-1

-3

-2

-1

0

1

2

3

4

z

LNH­EXPEDU­I(W2): MÀU H NGỒ

LNH­EXPHEA­I(W2): MÀU VÀNG

LNH­LABUDE­I(W2): MÀU XANH

ụ ụ Ồ Ph  l c 7: H I QUY KHÔNG GIAN

ưở

Ụ ố ớ

ủ

Ả 7.1  nh h

ng c a CHI TIÊU CÔNG CHO GIÁO D C đ i v i GRDP

ậ Ma tr n (W1):

Log-likelihood = 556.4384 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .1615313 .0309737 5.22 0.000 .100824 .2222386 lnINV .0408072 .0156775 2.60 0.009 .0100798 .0715346 lnLABOR .541682 .1513342 3.58 0.000 .2450725 .8382915 FDI .0021458 .0004076 5.26 0.000 .0013468 .0029448 POP .0467527 .0154918 3.02 0.003 .0163893 .0771161 CPI -.0077127 .0042354 -1.82 0.069 -.0160139 .0005885 POOR -.0071116 .0012609 -5.64 0.000 -.009583 -.0046403 Spatial lambda .7281935 .0384407 18.94 0.000 .6528512 .8035358 Variance sigma2_e .0052981 .0003627 14.61 0.000 .0045873 .0060089

SEM_FEM

Model Obs ll(null) ll(model) df AIC BIC SEM_FEM 504 . 556.4384 9 -1094.877 -1056.874

Log-likelihood = 352.4994 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .1637657 .0301204 5.44 0.000 .1047308 .2228005 lnINV .0590097 .0175359 3.37 0.001 .0246399 .0933794 lnLABOR .965062 .087982 10.97 0.000 .7926204 1.137504 FDI .0021812 .0004518 4.83 0.000 .0012958 .0030667 POP .0591367 .0166546 3.55 0.000 .0264944 .0917791 CPI -.0082984 .0046649 -1.78 0.075 -.0174414 .0008446 POOR -.0084427 .0013595 -6.21 0.000 -.0111072 -.0057782 _cons 3.084363 .765356 4.03 0.000 1.584292 4.584433 Spatial lambda .6669781 .0423586 15.75 0.000 .5839568 .7499994

Model Obs ll(null) ll(model) df AIC BIC SEM_REM 504 . 352.4994 11 -682.9988 -636.5505

SEM_REM

Log-likelihood = 591.0755 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0989802 .0199704 4.96 0.000 .0598389 .1381215 lnINV .0782948 .0151392 5.17 0.000 .0486226 .1079671 lnLABOR .4437922 .1175906 3.77 0.000 .2133189 .6742655 FDI .0016989 .0004292 3.96 0.000 .0008577 .00254 POP .0385907 .0146705 2.63 0.009 .009837 .0673443 CPI .0000478 .003818 0.01 0.990 -.0074355 .007531 POOR -.0031305 .0010738 -2.92 0.004 -.0052351 -.0010259 Spatial rho .5882002 .0308507 19.07 0.000 .527734 .6486663 Variance sigma2_e .0049951 .0003222 15.50 0.000 .0043636 .0056266

SAR_FEM

Model Obs ll(null) ll(model) df AIC BIC SAR_FEM 504 . 591.0755 9 -1164.151 -1126.148

Log-likelihood = 393.6039 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0872941 .0196732 4.44 0.000 .0487353 .1258529 lnINV .0966442 .0164558 5.87 0.000 .0643914 .128897 lnLABOR .7719531 .0733538 10.52 0.000 .6281824 .9157239 FDI .00166 .0004618 3.59 0.000 .000755 .0025651 POP .0498119 .0154736 3.22 0.001 .0194843 .0801395 CPI .000237 .0041604 0.06 0.955 -.0079172 .0083911 POOR -.0032677 .0011437 -2.86 0.004 -.0055093 -.0010261 _cons -1.923316 .6219824 -3.09 0.002 -3.142379 -.7042528 Spatial rho .537339 .0304946 17.62 0.000 .4775708 .5971072

Model Obs ll(null) ll(model) df AIC BIC SAR_REM 504 . 393.6039 11 -765.2078 -718.7595

SAR_REM

SDM_FEM

Log-likelihood = 622.0025 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0695218 .0259776 2.68 0.007 .0186066 .1204369 lnINV .0609384 .0148323 4.11 0.000 .0318675 .0900092 lnLABOR .3686433 .1359808 2.71 0.007 .102126 .6351607 FDI .0018149 .000416 4.36 0.000 .0009996 .0026303 POP .042869 .0148097 2.89 0.004 .0138425 .0718955 CPI -.0033975 .0040048 -0.85 0.396 -.0112467 .0044518 POOR -.0046062 .0011997 -3.84 0.000 -.0069575 -.0022549 Wx lnH_EXPEDU .0762145 .0362582 2.10 0.036 .0051496 .1472793 lnINV .1301607 .0265589 4.90 0.000 .0781062 .1822153 lnLABOR .3548691 .2046847 1.73 0.083 -.0463056 .7560437 FDI -.0025654 .000773 -3.32 0.001 -.0040804 -.0010504 POP -.0126557 .0283602 -0.45 0.655 -.0682406 .0429293 CPI .0080527 .007025 1.15 0.252 -.0057161 .0218214 POOR .0084514 .0019769 4.28 0.000 .0045767 .0123261 Spatial rho .4996772 .0381517 13.10 0.000 .4249012 .5744531 Variance sigma2_e .004576 .0002946 15.53 0.000 .0039986 .0051534

Model Obs ll(null) ll(model) df AIC BIC SDM_FEM 504 . 622.0025 16 -1212.005 -1144.444

SDM_REM Log-likelihood = 418.0918 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .074744 .0277779 2.69 0.007 .0203003 .1291876 lnINV .0756462 .0160061 4.73 0.000 .0442749 .1070176 lnLABOR .8064788 .08212 9.82 0.000 .6455266 .9674309 FDI .0017924 .0004453 4.03 0.000 .0009197 .0026652 POP .0537768 .0156009 3.45 0.001 .0231997 .0843539 CPI -.0040523 .0043405 -0.93 0.351 -.0125595 .0044549 POOR -.0052218 .0012957 -4.03 0.000 -.0077614 -.0026822 _cons -3.717223 1.061008 -3.50 0.000 -5.796761 -1.637685 Wx lnH_EXPEDU .0549772 .0365459 1.50 0.132 -.0166514 .1266057 lnINV .1355277 .0282655 4.79 0.000 .0801283 .1909271 lnLABOR .029846 .1391606 0.21 0.830 -.2429037 .3025958 FDI -.0026692 .0008183 -3.26 0.001 -.004273 -.0010653 POP -.0123783 .0297234 -0.42 0.677 -.070635 .0458785 CPI .0094837 .0076124 1.25 0.213 -.0054363 .0244037 POOR .0083115 .0021029 3.95 0.000 .0041899 .0124332 Spatial rho .478248 .0395403 12.10 0.000 .4007506 .5557455

Model Obs ll(null) ll(model) df AIC BIC SDM_REM 504 . 418.0918 18 -800.1836 -724.1772

ậ Ma tr n W2

Log-likelihood = 585.5753 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .1153188 .0276443 4.17 0.000 .0611369 .1695008 lnINV .0580007 .0137979 4.20 0.000 .0309574 .0850441 lnLABOR .4779387 .1395254 3.43 0.001 .2044739 .7514034 FDI .0022993 .0003927 5.85 0.000 .0015296 .0030691 POP .0318391 .0133926 2.38 0.017 .0055901 .0580882 CPI -.0052836 .0037597 -1.41 0.160 -.0126525 .0020853 POOR -.0026602 .0012661 -2.10 0.036 -.0051418 -.0001787 Spatial lambda .843579 .0225881 37.35 0.000 .7993071 .8878508 Variance sigma2_e .0033773 .0002393 14.11 0.000 .0029083 .0038463

Model Obs ll(null) ll(model) df AIC BIC SEM_FEM 504 . 585.5753 9 -1153.151 -1115.147

SEM_FEM

Log-likelihood = 373.2273 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .1268721 .0299025 4.24 0.000 .0682643 .18548 lnINV .0691673 .0155102 4.46 0.000 .0387679 .0995666 lnLABOR .9515081 .091138 10.44 0.000 .772881 1.130135 FDI .0023532 .000436 5.40 0.000 .0014988 .0032077 POP .04133 .0146296 2.83 0.005 .0126566 .0700035 CPI -.0052036 .0041725 -1.25 0.212 -.0133816 .0029743 POOR -.0045091 .0013994 -3.22 0.001 -.0072519 -.0017662 _cons 3.007598 .7570343 3.97 0.000 1.523838 4.491358 Spatial lambda .7983723 .0305671 26.12 0.000 .7384619 .8582828

Model Obs ll(null) ll(model) df AIC BIC SEM_REM 504 . 373.2273 11 -724.4546 -678.0062

SEM_REM

Log-likelihood = 623.3478 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .067183 .0167391 4.01 0.000 .034375 .099991 lnINV .0767704 .0125226 6.13 0.000 .0522264 .1013143 lnLABOR .4469211 .0967378 4.62 0.000 .2573186 .6365236 FDI .0015441 .000356 4.34 0.000 .0008464 .0022418 POP .0272771 .0122188 2.23 0.026 .0033288 .0512254 CPI -.0009463 .0031729 -0.30 0.766 -.007165 .0052725 POOR -.0010406 .0008972 -1.16 0.246 -.0027991 .0007179 Spatial rho .6883819 .0267653 25.72 0.000 .6359228 .7408409 Variance sigma2_e .0034476 .0002315 14.89 0.000 .0029939 .0039014

Model Obs ll(null) ll(model) df AIC BIC SAR_FEM 504 . 623.3478 9 -1228.696 -1190.693

SAR_FEM

Log-likelihood = 402.4026 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0650417 .0176396 3.69 0.000 .0304687 .0996148 lnINV .0909072 .0139213 6.53 0.000 .0636219 .1181925 lnLABOR .7145373 .0783238 9.12 0.000 .5610255 .8680492 FDI .001532 .0003911 3.92 0.000 .0007653 .0022986 POP .0393572 .0133791 2.94 0.003 .0131346 .0655797 CPI -.0006618 .0035074 -0.19 0.850 -.0075362 .0062126 POOR -.0012779 .0009841 -1.30 0.194 -.0032066 .0006509 _cons -2.215566 .5899932 -3.76 0.000 -3.371932 -1.059201 Spatial rho .6301748 .029749 21.18 0.000 .5718678 .6884819 Variance

SAR_REM

Model Obs ll(null) ll(model) df AIC BIC SAR_REM 504 . 402.4026 11 -782.8051 -736.3568

Log-likelihood = 637.0255 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0432826 .0256972 1.68 0.092 -.0070829 .0936481 lnINV .0592081 .0139036 4.26 0.000 .0319575 .0864586 lnLABOR .2088975 .1411731 1.48 0.139 -.0677967 .4855918 FDI .0022251 .0003962 5.62 0.000 .0014486 .0030017 POP .028606 .0135276 2.11 0.034 .0020924 .0551196 CPI -.0044515 .0038433 -1.16 0.247 -.0119842 .0030813 POOR -.0011893 .0012906 -0.92 0.357 -.0037188 .0013402 Wx lnH_EXPEDU .0369633 .0384905 0.96 0.337 -.0384768 .1124033 lnINV .0625254 .0304548 2.05 0.040 .0028352 .1222157 lnLABOR .4414683 .2349264 1.88 0.060 -.018979 .9019156 FDI -.0027116 .0008912 -3.04 0.002 -.0044583 -.000965 POP .0009075 .0343554 0.03 0.979 -.0664278 .0682429 CPI .0101162 .0076556 1.32 0.186 -.0048885 .0251209 POOR .0012877 .0020949 0.61 0.539 -.0028181 .0053936 Spatial rho .6401784 .0363461 17.61 0.000 .5689415 .7114154 Variance sigma2_e .0033976 .0002347 14.48 0.000 .0029376 .0038576

Model Obs ll(null) ll(model) df AIC BIC SDM_FEM 504 . 637.0255 16 -1242.051 -1174.49

SDM_FEM

SDM_REM

Log-likelihood = 411.7165 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0511424 .0281658 1.82 0.069 -.0040616 .1063463 lnINV .0669473 .0152926 4.38 0.000 .0369745 .0969202 lnLABOR .782144 .106534 7.34 0.000 .5733413 .9909468 FDI .0022707 .0004347 5.22 0.000 .0014186 .0031228 POP .0427888 .0147353 2.90 0.004 .0139082 .0716694 CPI -.0042499 .004233 -1.00 0.315 -.0125464 .0040467 POOR -.0018323 .0014192 -1.29 0.197 -.0046138 .0009492 _cons -2.515263 1.078875 -2.33 0.020 -4.629818 -.4007068 Wx lnH_EXPEDU .0361176 .0395014 0.91 0.361 -.0413038 .1135389 lnINV .0704308 .0328954 2.14 0.032 .005957 .1349047 lnLABOR -.174535 .1875931 -0.93 0.352 -.5422107 .1931407 FDI -.002995 .0009474 -3.16 0.002 -.0048519 -.0011381 POP -.0045496 .0370667 -0.12 0.902 -.077199 .0680997 CPI .0098692 .0084132 1.17 0.241 -.0066205 .0263588 POOR .0013167 .0022805 0.58 0.564 -.0031529 .0057863 Spatial rho .6091463 .039354 15.48 0.000 .5320138 .6862788

Model Obs ll(null) ll(model) df AIC BIC SDM_REM 504 . 411.7165 18 -787.433 -711.4267

ậ Ma tr n (W3)

Log-likelihood = 651.6690 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0606345 .0247604 2.45 0.014 .012105 .109164 lnINV .0436168 .0136234 3.20 0.001 .0169154 .0703183 lnLABOR .4149532 .1153991 3.60 0.000 .1887752 .6411313 FDI .0017769 .000385 4.62 0.000 .0010223 .0025315 POP .0250255 .0133143 1.88 0.060 -.00107 .051121 CPI -.0037753 .003637 -1.04 0.299 -.0109038 .0033532 POOR -.0041698 .0010737 -3.88 0.000 -.0062741 -.0020654 Spatial lambda .934165 .0160151 58.33 0.000 .9027759 .965554 Variance sigma2_e .0040302 .0002564 15.72 0.000 .0035277 .0045327

Model Obs ll(null) ll(model) df AIC BIC SEM_FEM 504 . 651.669 9 -1285.338 -1247.335

SEM_FEM

SEM_REM

Log-likelihood = 376.8347 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .1888974 .0244994 7.71 0.000 .1408794 .2369154 lnINV .0828952 .0163124 5.08 0.000 .0509235 .1148668 lnLABOR .8657406 .0868842 9.96 0.000 .6954507 1.036031 FDI .0019246 .0004617 4.17 0.000 .0010197 .0028295 POP .037182 .0158697 2.34 0.019 .0060779 .068286 CPI -.0053782 .0044249 -1.22 0.224 -.0140508 .0032944 POOR -.0074508 .0012876 -5.79 0.000 -.0099745 -.0049271 _cons 3.035691 .7268697 4.18 0.000 1.611053 4.460329 Spatial lambda 1.318149 .0153313 85.98 0.000 1.2881 1.348198

Model Obs ll(null) ll(model) df AIC BIC SEM_REM 504 . 376.8347 11 -731.6694 -685.2211

Log-likelihood = 658.3995 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .018438 .018812 0.98 0.327 -.0184329 .0553089 lnINV .056096 .0137715 4.07 0.000 .0291043 .0830876 lnLABOR .3895444 .1053356 3.70 0.000 .1830904 .5959983 FDI .0016986 .0003881 4.38 0.000 .0009378 .0024593 POP .023835 .0133162 1.79 0.073 -.0022643 .0499343 CPI -.0005965 .0034568 -0.17 0.863 -.0073718 .0061787 POOR -.0022912 .0009731 -2.35 0.019 -.0041985 -.0003838 Spatial rho .7994814 .0309031 25.87 0.000 .7389123 .8600504 Variance sigma2_e .004094 .0002591 15.80 0.000 .0035862 .0046018

Model Obs ll(null) ll(model) df AIC BIC SAR_FEM 504 . 658.3995 9 -1298.799 -1260.796

SAR_FEM

SAR_REM

Log-likelihood = 434.9713 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU -.0011461 .0203345 -0.06 0.955 -.041001 .0387088 lnINV .0730791 .015132 4.83 0.000 .043421 .1027372 lnLABOR .8187863 .0879373 9.31 0.000 .6464323 .9911403 FDI .0017677 .0004221 4.19 0.000 .0009404 .0025951 POP .0340259 .0143355 2.37 0.018 .0059288 .0621231 CPI -.0004183 .0037796 -0.11 0.912 -.0078261 .0069896 POOR -.0025677 .0010533 -2.44 0.015 -.0046322 -.0005032 _cons -3.470285 .6644927 -5.22 0.000 -4.772667 -2.167903 Spatial rho .7443237 .0335773 22.17 0.000 .6785134 .810134

Model Obs ll(null) ll(model) df AIC BIC SAR_REM 504 . 434.9713 11 -847.9427 -801.4943

SDM_FEM

Log-likelihood = 669.3942 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0536381 .0246575 2.18 0.030 .0053103 .1019659 lnINV .0532301 .0138191 3.85 0.000 .0261452 .080315 lnLABOR .4036927 .1198631 3.37 0.001 .1687655 .63862 FDI .0018995 .0003898 4.87 0.000 .0011356 .0026634 POP .0219048 .0133472 1.64 0.101 -.0042552 .0480648 CPI -.0035405 .0036402 -0.97 0.331 -.0106751 .0035941 POOR -.0040566 .0010765 -3.77 0.000 -.0061666 -.0019466 Wx lnH_EXPEDU -.0420398 .0585663 -0.72 0.473 -.1568276 .072748 lnINV .1851957 .0753551 2.46 0.014 .0375025 .3328889 lnLABOR .4403411 .4682453 0.94 0.347 -.4774029 1.358085 FDI .0003577 .0017568 0.20 0.839 -.0030856 .0038009 POP .0513301 .0731585 0.70 0.483 -.0920578 .1947181 CPI .0119254 .011986 0.99 0.320 -.0115667 .0354176 POOR .0101805 .0040207 2.53 0.011 .0023001 .018061 Spatial rho .6753925 .0687459 9.82 0.000 .540653 .810132 Variance sigma2_e .0039935 .0002536 15.75 0.000 .0034964 .0044906

Model Obs ll(null) ll(model) df AIC BIC SDM_FEM 504 . 669.3942 16 -1306.788 -1239.227

Log-likelihood = 449.1858 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .055154 .0267337 2.06 0.039 .002757 .107551 lnINV .0709109 .0150704 4.71 0.000 .0413734 .1004484 lnLABOR .8216797 .0864875 9.50 0.000 .6521674 .9911921 FDI .0019461 .0004215 4.62 0.000 .0011199 .0027722 POP .0296579 .0143103 2.07 0.038 .0016102 .0577056 CPI -.0035836 .0039677 -0.90 0.366 -.0113602 .004193 POOR -.0048816 .0011709 -4.17 0.000 -.0071765 -.0025866 _cons -7.502004 2.358289 -3.18 0.001 -12.12417 -2.879842 Wx lnH_EXPEDU -.0875038 .0591435 -1.48 0.139 -.2034228 .0284153 lnINV .2432956 .0810708 3.00 0.003 .0843996 .4021915 lnLABOR .3299552 .3852633 0.86 0.392 -.4251469 1.085057 FDI .0004657 .0018869 0.25 0.805 -.0032326 .004164 POP .1010613 .0787071 1.28 0.199 -.0532017 .2553244 CPI .0126948 .0129885 0.98 0.328 -.0127622 .0381518 POOR .0105324 .0043406 2.43 0.015 .0020249 .0190398 Spatial rho .609757 .0756744 8.06 0.000 .4614378 .7580761

SDM_REM

Model Obs ll(null) ll(model) df AIC BIC SDM_REM 504 . 449.1858 18 -862.3716 -786.3652

ủ Ế ế ng c a CHI TIÊU CÔNG CHO Y T  đ n GRDP

Model Obs ll(null) ll(model) df AIC BIC SEM_FEM 504 . 545.0221 9 -1072.044 -1034.041

ưở Ả 7.2 nh h ậ Ma tr n W1 SEM_FEM Log-likelihood = 545.0221 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0320228 .0147796 2.17 0.030 .0030554 .0609902 lnINV .0401933 .0151303 2.66 0.008 .0105384 .0698482 lnLABOR .4860649 .1499052 3.24 0.001 .192256 .7798737 FDI .0022059 .0003965 5.56 0.000 .0014287 .0029831 POP .051314 .0152216 3.37 0.001 .0214802 .0811478 CPI -.0084265 .004198 -2.01 0.045 -.0166545 -.0001985 POOR -.0066098 .0012665 -5.22 0.000 -.0090921 -.0041274 Spatial lambda .8084644 .0225839 35.80 0.000 .7642007 .8527281 Variance sigma2_e .0051944 .0003455 15.03 0.000 .0045171 .0058716

Log-likelihood = 341.2902 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .034946 .0164773 2.12 0.034 .002651 .067241 lnINV .0586367 .0171811 3.41 0.001 .0249623 .092311 lnLABOR 1.021146 .0879618 11.61 0.000 .8487442 1.193548 FDI .0022714 .0004421 5.14 0.000 .0014048 .003138 POP .0657314 .0164899 3.99 0.000 .0334119 .098051 CPI -.009944 .0046513 -2.14 0.033 -.0190603 -.0008276 POOR -.0082502 .0013936 -5.92 0.000 -.0109817 -.0055188 _cons 3.8931 .7402979 5.26 0.000 2.442142 5.344057 Spatial lambda .756424 .0288455 26.22 0.000 .699888 .8129601

Model Obs ll(null) ll(model) df AIC BIC SEM_REM 504 . 341.2902 11 -660.5805 -614.1322

SEM_REM

Log-likelihood = 582.2969 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0381552 .0139507 2.74 0.006 .0108124 .0654981 lnINV .0889957 .015012 5.93 0.000 .0595727 .1184188 lnLABOR .5276605 .116867 4.52 0.000 .2986052 .7567157 FDI .0018685 .0004292 4.35 0.000 .0010273 .0027097 POP .0371162 .0147941 2.51 0.012 .0081204 .066112 CPI -.0028196 .0037729 -0.75 0.455 -.0102143 .0045752 POOR -.0040447 .0010588 -3.82 0.000 -.0061199 -.0019696 Spatial rho .6424815 .0269954 23.80 0.000 .5895716 .6953915 Variance sigma2_e .0050369 .0003253 15.48 0.000 .0043992 .0056746

Model Obs ll(null) ll(model) df AIC BIC SAR_FEM 504 . 582.2969 9 -1146.594 -1108.591

SAR_FEM

Model Obs ll(null) ll(model) df AIC BIC SAR_REM 504 . 386.9938 11 -751.9876 -705.5393

SAR_REM Log-likelihood = 386.9938 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .03758 .0144526 2.60 0.009 .0092533 .0659067 lnINV .1066746 .0163732 6.52 0.000 .0745838 .1387655 lnLABOR .7911984 .0722256 10.95 0.000 .6496388 .9327581 FDI .0017785 .0004634 3.84 0.000 .0008703 .0026866 POP .0482595 .0156028 3.09 0.002 .0176785 .0788404 CPI -.0025419 .0041124 -0.62 0.536 -.010602 .0055181 POOR -.0040227 .0011326 -3.55 0.000 -.0062426 -.0018028 _cons -1.921536 .6195148 -3.10 0.002 -3.135763 -.7073093 Spatial rho .5845313 .0271334 21.54 0.000 .5313507 .6377119

Model Obs ll(null) ll(model) df AIC BIC SDM_FEM 504 . 613.1951 16 -1194.39 -1126.829

SDM_FEM Log-likelihood = 613.1951 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0277551 .0143059 1.94 0.052 -.000284 .0557941 lnINV .0698675 .0148459 4.71 0.000 .0407701 .098965 lnLABOR .3715515 .1374882 2.70 0.007 .1020796 .6410235 FDI .0020138 .0004171 4.83 0.000 .0011962 .0028313 POP .0370131 .0149246 2.48 0.013 .0077613 .0662648 CPI -.0046186 .00403 -1.15 0.252 -.0125173 .0032801 POOR -.0048242 .0012042 -4.01 0.000 -.0071845 -.0024639 Wx lnH_EXPHEA .0436352 .0247923 1.76 0.078 -.0049569 .0922273 lnINV .1462702 .0264465 5.53 0.000 .0944359 .1981044 lnLABOR .4913858 .2047499 2.40 0.016 .0900832 .8926883 FDI -.0022868 .0007766 -2.94 0.003 -.0038089 -.0007646 POP -.0231372 .028677 -0.81 0.420 -.0793431 .0330687 CPI .0024449 .0069685 0.35 0.726 -.011213 .0161028 POOR .006998 .0019977 3.50 0.000 .0030825 .0109134 Spatial rho .5476408 .0352216 15.55 0.000 .4786078 .6166739 Variance sigma2_e .0046547 .0003005 15.49 0.000 .0040658 .0052436

SDM_REM

Log-likelihood = 410.0593 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0305369 .0151773 2.01 0.044 .00079 .0602838 lnINV .0842058 .0160737 5.24 0.000 .0527019 .1157097 lnLABOR .8226246 .0808466 10.18 0.000 .664168 .9810811 FDI .0019285 .0004487 4.30 0.000 .001049 .002808 POP .0496996 .0157617 3.15 0.002 .0188073 .080592 CPI -.0054071 .0043721 -1.24 0.216 -.0139764 .0031621 POOR -.0053216 .0013024 -4.09 0.000 -.0078742 -.002769 _cons -3.042866 1.052864 -2.89 0.004 -5.106442 -.9792898 Wx lnH_EXPHEA .0433675 .0246947 1.76 0.079 -.0050332 .0917681 lnINV .147823 .0282868 5.23 0.000 .0923818 .2032642 lnLABOR -.0012116 .140024 -0.01 0.993 -.2756536 .2732305 FDI -.0025533 .000826 -3.09 0.002 -.0041722 -.0009343 POP -.0241538 .0300203 -0.80 0.421 -.0829926 .0346849 CPI .003737 .0075613 0.49 0.621 -.0110829 .018557 POOR .0069244 .0021284 3.25 0.001 .0027529 .0110959 Spatial rho .5255093 .0363677 14.45 0.000 .4542299 .5967887

Model Obs ll(null) ll(model) df AIC BIC SDM_REM 504 . 410.0593 18 -784.1186 -708.1122

Model Obs ll(null) ll(model) df AIC BIC SEM_FEM 504 . 581.5372 9 -1145.074 -1107.071

ậ Ma tr n W2 SEM_FEM Log-likelihood = 581.5372 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0442563 .0138888 3.19 0.001 .0170348 .0714778 lnINV .0643291 .0136076 4.73 0.000 .0376587 .0909995 lnLABOR .4390392 .1376773 3.19 0.001 .1691967 .7088817 FDI .0022891 .0003875 5.91 0.000 .0015297 .0030485 POP .03194 .0132223 2.42 0.016 .0060246 .0578553 CPI -.005687 .0037175 -1.53 0.126 -.0129731 .0015992 POOR -.002175 .001247 -1.74 0.081 -.004619 .0002691 Spatial lambda .8721335 .0159864 54.55 0.000 .8408006 .9034663 Variance sigma2_e .0032841 .0002245 14.63 0.000 .0028441 .003724

SEM_REM

Log-likelihood = 368.2794 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .044734 .0153721 2.91 0.004 .0146052 .0748628 lnINV .0746334 .0152495 4.89 0.000 .0447449 .1045218 lnLABOR .967207 .0927106 10.43 0.000 .7854975 1.148916 FDI .002363 .0004292 5.50 0.000 .0015217 .0032043 POP .0418989 .0144388 2.90 0.004 .0135994 .0701983 CPI -.0057944 .0041252 -1.40 0.160 -.0138797 .0022909 POOR -.00395 .0013879 -2.85 0.004 -.0066703 -.0012298 _cons 3.581991 .7398199 4.84 0.000 2.131971 5.032011 Spatial lambda .8405429 .0210023 40.02 0.000 .7993791 .8817068 Variance ln_phi 3.862124 .220467 17.52 0.000 3.430017 4.294232 sigma2_e .0040761 .0003103 13.13 0.000 .0034678 .0046843

Model Obs ll(null) ll(model) df AIC BIC SEM_REM 504 . 368.2794 11 -714.5588 -668.1105

Log-likelihood = 618.7569 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0313902 .0114274 2.75 0.006 .0089929 .0537876 lnINV .0838426 .0122685 6.83 0.000 .0597968 .1078883 lnLABOR .4933947 .0950467 5.19 0.000 .3071067 .6796827 FDI .0016432 .0003522 4.67 0.000 .0009529 .0023336 POP .0251363 .0121753 2.06 0.039 .0012732 .0489994 CPI -.002748 .0030977 -0.89 0.375 -.0088194 .0033234 POOR -.001445 .0008816 -1.64 0.101 -.003173 .000283 Spatial rho .7246104 .0228974 31.65 0.000 .6797323 .7694886 Variance sigma2_e .0033973 .0002265 15.00 0.000 .0029534 .0038411

Model Obs ll(null) ll(model) df AIC BIC SAR_FEM 504 . 618.7569 9 -1219.514 -1181.511

SAR_FEM

Model Obs ll(null) ll(model) df AIC BIC SAR_REM 504 . 398.3445 11 -774.689 -728.2407

SAR_REM Log-likelihood = 398.3445 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0301255 .0123068 2.45 0.014 .0060045 .0542464 lnINV .097585 .0136802 7.13 0.000 .0707723 .1243977 lnLABOR .7328757 .07699 9.52 0.000 .5819781 .8837734 FDI .0016198 .0003874 4.18 0.000 .0008604 .0023792 POP .0372794 .0133306 2.80 0.005 .011152 .0634069 CPI -.002529 .0034221 -0.74 0.460 -.0092363 .0041782 POOR -.0016686 .0009688 -1.72 0.085 -.0035673 .0002301 _cons -2.302549 .5828966 -3.95 0.000 -3.445006 -1.160093 Spatial rho .6686541 .0253896 26.34 0.000 .6188914 .7184167

SDM_FEM

Log-likelihood = 633.2697 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0263946 .0140724 1.88 0.061 -.0011868 .0539759 lnINV .064961 .0138402 4.69 0.000 .0378347 .0920873 lnLABOR .1828946 .1409438 1.30 0.194 -.0933503 .4591394 FDI .0022589 .0003945 5.73 0.000 .0014856 .0030322 POP .0279413 .013482 2.07 0.038 .0015172 .0543655 CPI -.0046692 .0038284 -1.22 0.223 -.0121727 .0028342 POOR -.0008641 .001287 -0.67 0.502 -.0033865 .0016583 Wx lnH_EXPHEA -.0187924 .0300805 -0.62 0.532 -.0777491 .0401642 lnINV .0839324 .0294311 2.85 0.004 .0262485 .1416164 lnLABOR .6578227 .2350185 2.80 0.005 .1971949 1.118451 FDI -.0021413 .0008745 -2.45 0.014 -.0038553 -.0004272 POP -.0052402 .0351155 -0.15 0.881 -.0740654 .0635849 CPI .0042322 .0073794 0.57 0.566 -.010231 .0186955 POOR -.0003085 .0021537 -0.14 0.886 -.0045297 .0039128 Spatial rho .6668574 .0341121 19.55 0.000 .5999988 .7337159 Variance sigma2_e .0033756 .000233 14.49 0.000 .0029189 .0038322

Model Obs ll(null) ll(model) df AIC BIC SDM_FEM 504 . 633.2697 16 -1234.539 -1166.978

Model Obs ll(null) ll(model) df AIC BIC SDM_REM 504 . 406.6938 18 -777.3876 -701.3812

SDM_REM Log-likelihood = 406.6938 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0271455 .01546 1.76 0.079 -.0031556 .0574465 lnINV .0720688 .0152062 4.74 0.000 .0422652 .1018724 lnLABOR .7765247 .1077647 7.21 0.000 .5653096 .9877397 FDI .0023225 .0004326 5.37 0.000 .0014746 .0031703 POP .0422456 .0146873 2.88 0.004 .0134591 .0710321 CPI -.0044509 .0042145 -1.06 0.291 -.0127112 .0038094 POOR -.0014251 .0014135 -1.01 0.313 -.0041955 .0013453 _cons -2.315513 1.095871 -2.11 0.035 -4.463381 -.1676454 Wx lnH_EXPHEA -.003441 .0304729 -0.11 0.910 -.0631669 .0562849 lnINV .0908644 .0319636 2.84 0.004 .0282169 .1535118 lnLABOR -.1007033 .1943922 -0.52 0.604 -.481705 .2802983 FDI -.0026148 .0009409 -2.78 0.005 -.004459 -.0007707 POP -.0128282 .0378766 -0.34 0.735 -.0870651 .0614086 CPI .0029453 .0081131 0.36 0.717 -.0129561 .0188466 POOR -.0003758 .0023435 -0.16 0.873 -.0049689 .0042174 Spatial rho .6431681 .0363972 17.67 0.000 .571831 .7145053

Model Obs ll(null) ll(model) df AIC BIC SEM_REM 504 . 355.4443 11 -688.8886 -642.4402

ậ Ma tr n W3 SEM_FEM Log-likelihood = 649.2838 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .014877 .0135028 1.10 0.271 -.0115881 .041342 lnINV .0462105 .0136522 3.38 0.001 .0194528 .0729683 lnLABOR .4254482 .1160967 3.66 0.000 .1979029 .6529935 FDI .0018031 .0003862 4.67 0.000 .0010461 .0025601 POP .0243138 .0133881 1.82 0.069 -.0019263 .050554 CPI -.0042478 .0036437 -1.17 0.244 -.0113894 .0028937 POOR -.0040289 .0010761 -3.74 0.000 -.006138 -.0019198 Spatial lambda .9387711 .0146067 64.27 0.000 .9101425 .9673997 Variance sigma2_e .0040579 .000258 15.73 0.000 .0035522 .0045635

Model Obs ll(null) ll(model) df AIC BIC . 504 . 649.2838 9 -1280.568 -1242.564

SEM_REM Log-likelihood = 649.2838 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .014877 .0135028 1.10 0.271 -.0115881 .041342 lnINV .0462105 .0136522 3.38 0.001 .0194528 .0729683 lnLABOR .4254482 .1160967 3.66 0.000 .1979029 .6529935 FDI .0018031 .0003862 4.67 0.000 .0010461 .0025601 POP .0243138 .0133881 1.82 0.069 -.0019263 .050554 CPI -.0042478 .0036437 -1.17 0.244 -.0113894 .0028937 POOR -.0040289 .0010761 -3.74 0.000 -.006138 -.0019198 Spatial lambda .9387711 .0146067 64.27 0.000 .9101425 .9673997

Model Obs ll(null) ll(model) df AIC BIC SAR_FEM 504 . 657.9435 9 -1297.887 -1259.884

SAR_REM Log-likelihood = 657.9435 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0029937 .012764 0.23 0.815 -.0220232 .0280106 lnINV .057636 .0136565 4.22 0.000 .0308697 .0844023 lnLABOR .4100924 .1043151 3.93 0.000 .2056386 .6145462 FDI .0017299 .0003865 4.48 0.000 .0009724 .0024874 POP .0236798 .0133538 1.77 0.076 -.0024931 .0498528 CPI -.0011957 .0034007 -0.35 0.725 -.007861 .0054696 POOR -.0024903 .0009587 -2.60 0.009 -.0043693 -.0006113 Spatial rho .8148011 .0264753 30.78 0.000 .7629105 .8666917 Variance sigma2_e .0040887 .0002586 15.81 0.000 .0035818 .0045955

SDM_FEM Log-likelihood = 667.7231 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0106528 .013642 0.78 0.435 -.0160851 .0373907 lnINV .0562674 .0137996 4.08 0.000 .0292206 .0833142 lnLABOR .4070853 .120394 3.38 0.001 .1711174 .6430532 FDI .0019467 .0003902 4.99 0.000 .0011819 .0027115 POP .0218635 .0134506 1.63 0.104 -.0044991 .0482262 CPI -.0039863 .0036433 -1.09 0.274 -.011127 .0031543 POOR -.0039583 .0010784 -3.67 0.000 -.006072 -.0018447 Wx lnH_EXPHEA -.0530232 .0579239 -0.92 0.360 -.1665519 .0605055 lnINV .1892607 .073783 2.57 0.010 .0446486 .3338727 lnLABOR .5838377 .4684122 1.25 0.213 -.3342333 1.501909 FDI .0007303 .0017585 0.42 0.678 -.0027163 .0041769 POP .0484979 .0738493 0.66 0.511 -.0962442 .1932399 CPI .0114979 .0115152 1.00 0.318 -.0110713 .0340672 POOR .0074651 .0045234 1.65 0.099 -.0014006 .0163309 Spatial rho .6842075 .0673525 10.16 0.000 .552199 .8162159 Variance sigma2_e .0040159 .0002551 15.74 0.000 .0035159 .0045158

Model Obs ll(null) ll(model) df AIC BIC SDM_FEM 504 . 667.7231 16 -1303.446 -1235.885

Log-likelihood = 448.2042 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0078284 .0147833 0.53 0.596 -.0211463 .0368031 lnINV .074015 .0150615 4.91 0.000 .0444951 .1035349 lnLABOR .8439854 .0858652 9.83 0.000 .6756928 1.012278 FDI .0019751 .0004226 4.67 0.000 .0011468 .0028035 POP .0308135 .0144292 2.14 0.033 .0025328 .0590943 CPI -.004001 .0039744 -1.01 0.314 -.0117906 .0037886 POOR -.0047693 .0011715 -4.07 0.000 -.0070654 -.0024731 _cons -7.781293 2.375578 -3.28 0.001 -12.43734 -3.125246 Wx lnH_EXPHEA -.0924683 .05688 -1.63 0.104 -.2039511 .0190145 lnINV .2489848 .0793416 3.14 0.002 .0934781 .4044914 lnLABOR .3514257 .3821607 0.92 0.358 -.3975956 1.100447 FDI .0007536 .0018916 0.40 0.690 -.0029539 .004461 POP .1029986 .0794062 1.30 0.195 -.0526347 .258632 CPI .0150819 .0125639 1.20 0.230 -.009543 .0397068 POOR .0069264 .0048428 1.43 0.153 -.0025653 .0164181 Spatial rho .6120972 .0748192 8.18 0.000 .4654542 .7587402

Model Obs ll(null) ll(model) df AIC BIC SDM_REM 504 . 448.2042 18 -860.4085 -784.4021

SDM_REM

ủ ỷ ệ Ộ Ệ ng c a t  l LAO Đ NG ĐANG LÀM VI C ĐàQUA ĐÀO

Ạ

ưở Ả 7.3  nh h ố ớ T O đ i v i GRDP ậ Ma tr n W1 SEM_FEM

Log-likelihood = 550.1401 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0972493 .0253699 3.83 0.000 .0475253 .1469733 lnINV .0414306 .0150627 2.75 0.006 .0119083 .070953 lnLABOR .5802116 .1519611 3.82 0.000 .2823734 .8780498 FDI .0021892 .0003949 5.54 0.000 .0014152 .0029632 POP .0527617 .0151483 3.48 0.000 .0230715 .0824519 CPI -.0096009 .0041859 -2.29 0.022 -.0178051 -.0013966 POOR -.0059901 .0012674 -4.73 0.000 -.0084741 -.0035061 Spatial lambda .798842 .023998 33.29 0.000 .7518067 .8458772 Variance sigma2_e .0051356 .0003423 15.00 0.000 .0044646 .0058065

Model Obs ll(null) ll(model) df AIC BIC SEM_FEM 504 . 550.1401 9 -1082.28 -1044.277

Model Obs ll(null) ll(model) df AIC BIC SEM_REM 504 . 349.9007 11 -677.8015 -631.3531

SEM_REM Log-likelihood = 349.9007 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .1293243 .0281684 4.59 0.000 .0741154 .1845333 lnINV .0604014 .0170755 3.54 0.000 .0269341 .0938687 lnLABOR 1.070668 .0831073 12.88 0.000 .9077809 1.233555 FDI .0022559 .000441 5.12 0.000 .0013915 .0031202 POP .0663751 .0163569 4.06 0.000 .0343163 .098434 CPI -.0113435 .0046338 -2.45 0.014 -.0204256 -.0022614 POOR -.0074938 .0013899 -5.39 0.000 -.0102179 -.0047697 _cons 3.551956 .7213583 4.92 0.000 2.13812 4.965792 Spatial lambda .7373974 .0310973 23.71 0.000 .6764478 .7983469

SAR_FEM

Log-likelihood = 593.1583 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .1271119 .0235275 5.40 0.000 .0809988 .173225 lnINV .078068 .0149679 5.22 0.000 .0487315 .1074045 lnLABOR .6052071 .1125551 5.38 0.000 .3846031 .8258111 FDI .0020737 .0004244 4.89 0.000 .0012418 .0029056 POP .0377728 .0145331 2.60 0.009 .0092884 .0662572 CPI -.0042981 .0037044 -1.16 0.246 -.0115585 .0029623 POOR -.003674 .0010354 -3.55 0.000 -.0057034 -.0016446 Spatial rho .6118187 .0278073 22.00 0.000 .5573173 .66632 Variance sigma2_e .0048997 .0003156 15.53 0.000 .0042812 .0055182

Model Obs ll(null) ll(model) df AIC BIC SAR_FEM 504 . 593.1583 9 -1168.317 -1130.313

SAR_REM Log-likelihood = 400.5545 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .1456269 .0250518 5.81 0.000 .0965263 .1947275 lnINV .0928042 .0162561 5.71 0.000 .0609428 .1246657 lnLABOR .8461274 .068563 12.34 0.000 .7117464 .9805084 FDI .0020054 .0004577 4.38 0.000 .0011083 .0029025 POP .0480148 .015274 3.14 0.002 .0180783 .0779513 CPI -.0040956 .0040229 -1.02 0.309 -.0119804 .0037892 POOR -.003541 .0011047 -3.21 0.001 -.0057061 -.0013759 _cons -1.797237 .6034802 -2.98 0.003 -2.980036 -.6144373 Spatial rho .5496252 .0272442 20.17 0.000 .4962275 .6030228

Model Obs ll(null) ll(model) df AIC BIC SAR_REM 504 . 400.5545 11 -779.109 -732.6607

Model Obs ll(null) ll(model) df AIC BIC SDM_FEM 504 . 616.705 16 -1201.41 -1133.849

SDM_FEM Log-likelihood = 616.7050 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0757713 .0244158 3.10 0.002 .0279172 .1236253 lnINV .0633489 .0150274 4.22 0.000 .0338958 .0928021 lnLABOR .434121 .1368802 3.17 0.002 .1658407 .7024013 FDI .0022621 .0004164 5.43 0.000 .0014459 .0030783 POP .0381315 .0148706 2.56 0.010 .0089857 .0672773 CPI -.0055454 .0040282 -1.38 0.169 -.0134406 .0023498 POOR -.0047913 .0012044 -3.98 0.000 -.0071519 -.0024307 Wx lnH_LABEDU .0759058 .0428311 1.77 0.076 -.0080417 .1598532 lnINV .1256403 .02754 4.56 0.000 .0716629 .1796177 lnLABOR .5388795 .1991971 2.71 0.007 .1484604 .9292986 FDI -.0016518 .0007922 -2.09 0.037 -.0032045 -.0000992 POP -.0220005 .0284931 -0.77 0.440 -.077846 .033845 CPI .0004852 .0068882 0.07 0.944 -.0130155 .0139858 POOR .0056956 .0019032 2.99 0.003 .0019655 .0094257 Spatial rho .5224811 .0377136 13.85 0.000 .4485639 .5963983 Variance sigma2_e .0046351 .0002991 15.50 0.000 .0040488 .0052213

SDM_REM

Log-likelihood = 415.9517 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .1029211 .0261146 3.94 0.000 .0517374 .1541047 lnINV .0760377 .0162117 4.69 0.000 .0442633 .107812 lnLABOR .8623267 .0770096 11.20 0.000 .7113906 1.013263 FDI .0021794 .0004483 4.86 0.000 .0013009 .003058 POP .050783 .0156478 3.25 0.001 .0201138 .0814522 CPI -.0066037 .0043608 -1.51 0.130 -.0151507 .0019432 POOR -.0051076 .0013014 -3.92 0.000 -.0076582 -.0025569 _cons -2.586195 1.03388 -2.50 0.012 -4.612562 -.5598273 Wx lnH_LABEDU .0647356 .0441593 1.47 0.143 -.021815 .1512862 lnINV .1205242 .0294812 4.09 0.000 .0627422 .1783062 lnLABOR .0263063 .1375074 0.19 0.848 -.2432033 .2958159 FDI -.0019198 .000842 -2.28 0.023 -.00357 -.0002696 POP -.0221184 .0297443 -0.74 0.457 -.0804162 .0361795 CPI .0017329 .0074096 0.23 0.815 -.0127897 .0162555 POOR .0053046 .0020187 2.63 0.009 .001348 .0092612 Spatial rho .504036 .0385383 13.08 0.000 .4285023 .5795696

Model Obs ll(null) ll(model) df AIC BIC SDM_REM 504 . 415.9517 18 -795.9034 -719.897

Model Obs ll(null) ll(model) df AIC BIC SEM_FEM 504 . 580.6092 9 -1143.218 -1105.215

ậ Ma tr n W2 SEM_FEM Log-likelihood = 580.6092 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0650042 .022592 2.88 0.004 .0207246 .1092837 lnINV .062561 .0135976 4.60 0.000 .0359101 .0892119 lnLABOR .4871755 .1383558 3.52 0.000 .2160031 .7583478 FDI .0023378 .0003881 6.02 0.000 .0015771 .0030986 POP .0307748 .013261 2.32 0.020 .0047837 .0567659 CPI -.0070566 .0037325 -1.89 0.059 -.0143721 .0002589 POOR -.0020982 .0012497 -1.68 0.093 -.0045476 .0003513 Spatial lambda .872473 .016021 54.46 0.000 .8410724 .9038737 Variance sigma2_e .0032943 .0002253 14.62 0.000 .0028527 .0037359

Model Obs ll(null) ll(model) df AIC BIC SEM_REM 504 . 370.1163 11 -718.2326 -671.7842

SEM_REM Log-likelihood = 370.1163 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0875434 .0253857 3.45 0.001 .0377884 .1372984 lnINV .0736664 .0152952 4.82 0.000 .0436883 .1036445 lnLABOR 1.013827 .0890116 11.39 0.000 .8393672 1.188286 FDI .00242 .0004314 5.61 0.000 .0015745 .0032655 POP .0405045 .0145043 2.79 0.005 .0120766 .0689325 CPI -.0075 .0041568 -1.80 0.071 -.0156472 .0006471 POOR -.0039117 .0013937 -2.81 0.005 -.0066433 -.0011801 _cons 3.500617 .723761 4.84 0.000 2.082072 4.919163 Spatial lambda .835673 .0219331 38.10 0.000 .7926849 .8786611

Model Obs ll(null) ll(model) df AIC BIC SAR_FEM 504 . 624.1353 9 -1230.271 -1192.267

SAR_FEM Log-likelihood = 624.1353 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0843826 .0199142 4.24 0.000 .0453516 .1234136 lnINV .0774291 .0123794 6.25 0.000 .053166 .1016923 lnLABOR .563753 .0923766 6.10 0.000 .3826981 .7448078 FDI .0017891 .0003533 5.06 0.000 .0010968 .0024815 POP .0267287 .0121204 2.21 0.027 .0029732 .0504842 CPI -.0039354 .0030806 -1.28 0.201 -.0099732 .0021024 POOR -.0013981 .000873 -1.60 0.109 -.0031091 .0003128 Spatial rho .7033274 .0243407 28.90 0.000 .6556205 .7510343 Variance sigma2_e .0033917 .0002262 14.99 0.000 .0029483 .0038352

Model Obs ll(null) ll(model) df AIC BIC SAR_REM 504 . 406.7261 11 -791.4522 -745.0039

SAR_REM Log-likelihood = 406.7261 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .1034603 .0220642 4.69 0.000 .0602153 .1467053 lnINV .0895549 .013789 6.49 0.000 .0625289 .1165809 lnLABOR .7896719 .0739683 10.68 0.000 .6446966 .9346472 FDI .0017914 .0003895 4.60 0.000 .0010281 .0025547 POP .0386351 .0132831 2.91 0.004 .0126007 .0646695 CPI -.0038027 .003407 -1.12 0.264 -.0104804 .002875 POOR -.0015324 .00096 -1.60 0.110 -.0034141 .0003493 _cons -2.246495 .5724845 -3.92 0.000 -3.368544 -1.124446 Spatial rho .6378878 .0268277 23.78 0.000 .5853066 .6904691 Variance lgt_theta -2.784047 .1110335 -25.07 0.000 -3.001669 -2.566425 sigma2_e .0041693 .0003084 13.52 0.000 .0035649 .0047737

SDM_FEM Log-likelihood = 638.3275 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0470444 .0227529 2.07 0.039 .0024495 .0916392 lnINV .0611958 .0139155 4.40 0.000 .033922 .0884696 lnLABOR .2394757 .1416977 1.69 0.091 -.0382466 .5171981 FDI .0022914 .0003971 5.77 0.000 .0015131 .0030698 POP .0274466 .0135894 2.02 0.043 .0008119 .0540813 CPI -.0052586 .0038612 -1.36 0.173 -.0128264 .0023092 POOR -.0010932 .0012956 -0.84 0.399 -.0036325 .0014461 Wx lnH_LABEDU .0977678 .0491876 1.99 0.047 .0013618 .1941738 lnINV .0456337 .0315522 1.45 0.148 -.0162076 .107475 lnLABOR .630453 .2227965 2.83 0.005 .1937799 1.067126 FDI -.0017511 .000886 -1.98 0.048 -.0034875 -.0000146 POP .0049007 .0345237 0.14 0.887 -.0627645 .072566 CPI .0058269 .0074298 0.78 0.433 -.0087352 .0203891 POOR .0007459 .0020543 0.36 0.717 -.0032805 .0047723 Spatial rho .6249737 .0382196 16.35 0.000 .5500646 .6998828

Model Obs ll(null) ll(model) df AIC BIC SDM_FEM 504 . 638.3275 16 -1244.655 -1177.094

Model Obs ll(null) ll(model) df AIC BIC SDM_REM 504 . 414.3033 18 -792.6067 -716.6003

SDM_REM Log-likelihood = 414.3033 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0661171 .0250981 2.63 0.008 .0169257 .1153085 lnINV .068755 .0152967 4.49 0.000 .038774 .098736 lnLABOR .8232761 .1039385 7.92 0.000 .6195605 1.026992 FDI .0023572 .0004355 5.41 0.000 .0015036 .0032108 POP .0414244 .0147833 2.80 0.005 .0124497 .0703991 CPI -.0052544 .0042516 -1.24 0.217 -.0135874 .0030787 POOR -.0016578 .0014217 -1.17 0.244 -.0044443 .0011287 _cons -2.453022 1.081331 -2.27 0.023 -4.572391 -.3336527 Wx lnH_LABEDU .1085079 .0521601 2.08 0.037 .006276 .2107397 lnINV .0446262 .0344253 1.30 0.195 -.0228462 .1120986 lnLABOR -.0519588 .1860901 -0.28 0.780 -.4166886 .312771 FDI -.0020734 .0009596 -2.16 0.031 -.0039542 -.0001925 POP .0035841 .0371871 0.10 0.923 -.0693012 .0764694 CPI .0049496 .0081558 0.61 0.544 -.0110353 .0209346 POOR .000489 .002217 0.22 0.825 -.0038562 .0048342 Spatial rho .5959375 .0406914 14.65 0.000 .5161838 .6756911

ậ Ma tr n W3 SEM_FEM

Log-likelihood = 650.9458 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0484695 .0227242 2.13 0.033 .0039308 .0930083 lnINV .0449405 .0136068 3.30 0.001 .0182716 .0716094 lnLABOR .4678441 .1158313 4.04 0.000 .240819 .6948692 FDI .001837 .0003855 4.76 0.000 .0010814 .0025926 POP .0246552 .0133234 1.85 0.064 -.0014581 .0507685 CPI -.0048139 .0036404 -1.32 0.186 -.011949 .0023211 POOR -.0038608 .0010753 -3.59 0.000 -.0059684 -.0017532 Spatial lambda .9373635 .0149432 62.73 0.000 .9080754 .9666516 Variance sigma2_e .0040345 .0002565 15.73 0.000 .0035317 .0045373

Model Obs ll(null) ll(model) df AIC BIC SEM_FEM 504 . 650.9458 9 -1283.892 -1245.888

Model Obs ll(null) ll(model) df AIC BIC SEM_REM 504 . 364.4121 11 -706.8241 -660.3758

SEM_REM Log-likelihood = 364.4121 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .1518507 .0274161 5.54 0.000 .0981162 .2055852 lnINV .0972587 .0167383 5.81 0.000 .0644522 .1300651 lnLABOR 1.023276 .0775783 13.19 0.000 .8712258 1.175327 FDI .0021469 .0004788 4.48 0.000 .0012085 .0030852 POP .039732 .0163548 2.43 0.015 .0076773 .0717868 CPI -.0097934 .0045761 -2.14 0.032 -.0187625 -.0008243 POOR -.0071457 .0013385 -5.34 0.000 -.0097692 -.0045222 _cons 3.316687 .6954776 4.77 0.000 1.953576 4.679798 Spatial lambda 1.305371 .010772 121.18 0.000 1.284258 1.326484

SAR_FEM

Log-likelihood = 660.3834 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0490506 .0221188 2.22 0.027 .0056986 .0924026 lnINV .0543869 .0137304 3.96 0.000 .0274758 .0812979 lnLABOR .4263218 .1021346 4.17 0.000 .2261416 .626502 FDI .0018051 .0003869 4.67 0.000 .0010467 .0025635 POP .0233247 .0132801 1.76 0.079 -.0027038 .0493532 CPI -.0015507 .0033814 -0.46 0.647 -.0081782 .0050767 POOR -.002233 .0009486 -2.35 0.019 -.0040923 -.0003738 Spatial rho .7896043 .0281191 28.08 0.000 .7344919 .8447166 Variance sigma2_e .0040696 .0002573 15.82 0.000 .0035654 .0045738

Model Obs ll(null) ll(model) df AIC BIC SAR_FEM 504 . 660.3834 9 -1302.767 -1264.764

Model Obs ll(null) ll(model) df AIC BIC SAR_REM 504 . 438.5957 11 -855.1915 -808.7431

SAR_REM Log-likelihood = 438.5957 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0649138 .0241744 2.69 0.007 .0175329 .1122948 lnINV .0689462 .0150909 4.57 0.000 .0393685 .0985239 lnLABOR .835141 .0846076 9.87 0.000 .6693131 1.000969 FDI .0018655 .0004216 4.42 0.000 .0010392 .0026918 POP .0332774 .0142996 2.33 0.020 .0052508 .0613041 CPI -.0007571 .003702 -0.20 0.838 -.008013 .0064987 POOR -.0021991 .0010281 -2.14 0.032 -.0042142 -.0001841 _cons -3.282659 .6476346 -5.07 0.000 -4.552 -2.013319 Spatial rho .70512 .0301521 23.39 0.000 .6460229 .7642171

Model Obs ll(null) ll(model) df AIC BIC SDM_FEM 504 . 669.0385 16 -1306.077 -1238.516

SDM_FEM Log-likelihood = 669.0385 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0442387 .0229605 1.93 0.054 -.0007631 .0892404 lnINV .0551678 .0139746 3.95 0.000 .0277781 .0825576 lnLABOR .4481953 .1197158 3.74 0.000 .2135567 .682834 FDI .0019653 .0003908 5.03 0.000 .0011993 .0027314 POP .0213247 .0133553 1.60 0.110 -.0048512 .0475005 CPI -.0044771 .0036422 -1.23 0.219 -.0116157 .0026615 POOR -.0037585 .0010771 -3.49 0.000 -.0058695 -.0016475 Wx lnH_LABEDU -.0662944 .108479 -0.61 0.541 -.2789094 .1463206 lnINV .1926504 .0875864 2.20 0.028 .0209842 .3643165 lnLABOR .442909 .4328814 1.02 0.306 -.405523 1.291341 FDI .0006384 .0018023 0.35 0.723 -.002894 .0041708 POP .0407673 .0727678 0.56 0.575 -.1018551 .1833896 CPI .0113512 .0115849 0.98 0.327 -.0113547 .0340572 POOR .0094323 .003566 2.65 0.008 .0024432 .0164215 Spatial rho .682443 .0686408 9.94 0.000 .5479095 .8169765 Variance sigma2_e .0039958 .0002539 15.74 0.000 .0034982 .0044933

SDM_REM

Log-likelihood = 451.1241 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0676472 .0249008 2.72 0.007 .0188424 .1164519 lnINV .0728746 .0152266 4.79 0.000 .043031 .1027182 lnLABOR .8762395 .0825881 10.61 0.000 .7143697 1.038109 FDI .0020038 .0004234 4.73 0.000 .001174 .0028336 POP .0289201 .0143069 2.02 0.043 .0008791 .056961 CPI -.0047097 .003972 -1.19 0.236 -.0124948 .0030753 POOR -.0044713 .0011705 -3.82 0.000 -.0067653 -.0021772 _cons -7.472031 2.337969 -3.20 0.001 -12.05437 -2.889696 Wx lnH_LABEDU -.1407248 .1079558 -1.30 0.192 -.3523142 .0708646 lnINV .2572331 .0954234 2.70 0.007 .0702067 .4442595 lnLABOR .2277445 .3661576 0.62 0.534 -.4899111 .9454002 FDI .0004828 .0019369 0.25 0.803 -.0033133 .004279 POP .086728 .0784056 1.11 0.269 -.0669442 .2404001 CPI .0142276 .0126194 1.13 0.260 -.0105058 .0389611 POOR .0111969 .0037379 3.00 0.003 .0038707 .0185232 Spatial rho .6145077 .0753277 8.16 0.000 .4668681 .7621473

Model Obs ll(null) ll(model) df AIC BIC SDM_REM 504 . 451.1241 18 -866.2483 -790.2419

7.4. Tác đ ng ộ 7.4.1. lnH_EXPEDU  ậ Ma tr n W1

lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0695218 .0259776 2.68 0.007 .0186066 .1204369 lnINV .0609384 .0148323 4.11 0.000 .0318675 .0900092 lnLABOR .3686433 .1359808 2.71 0.007 .102126 .6351607 FDI .0018149 .000416 4.36 0.000 .0009996 .0026303 POP .042869 .0148097 2.89 0.004 .0138425 .0718955 CPI -.0033975 .0040048 -0.85 0.396 -.0112467 .0044518 POOR -.0046062 .0011997 -3.84 0.000 -.0069575 -.0022549 Wx lnH_EXPEDU .0762145 .0362582 2.10 0.036 .0051496 .1472793 lnINV .1301607 .0265589 4.90 0.000 .0781062 .1822153 lnLABOR .3548691 .2046847 1.73 0.083 -.0463056 .7560437 FDI -.0025654 .000773 -3.32 0.001 -.0040804 -.0010504 POP -.0126557 .0283602 -0.45 0.655 -.0682406 .0429293 CPI .0080527 .007025 1.15 0.252 -.0057161 .0218214 POOR .0084514 .0019769 4.28 0.000 .0045767 .0123261 Spatial rho .4996772 .0381517 13.10 0.000 .4249012 .5744531 Variance sigma2_e .004576 .0002946 15.53 0.000 .0039986 .0051534 LR_Direct lnH_EXPEDU .0893339 .0257724 3.47 0.001 .0388209 .1398469 lnINV .0883921 .0153644 5.75 0.000 .0582784 .1185058 lnLABOR .475591 .1243179 3.83 0.000 .2319324 .7192496 FDI .0015196 .0004563 3.33 0.001 .0006252 .002414 POP .0450822 .0152435 2.96 0.003 .0152055 .0749588 CPI -.0021595 .0041949 -0.51 0.607 -.0103814 .0060623 POOR -.0035279 .0012674 -2.78 0.005 -.0060119 -.0010438 LR_Indirect lnH_EXPEDU .1992737 .0525906 3.79 0.000 .0961981 .3023493 lnINV .2963798 .0458954 6.46 0.000 .2064265 .3863332 lnLABOR .9823551 .308308 3.19 0.001 .3780825 1.586628 FDI -.0031085 .0013837 -2.25 0.025 -.0058205 -.0003965 POP .0200893 .0540901 0.37 0.710 -.0859253 .126104 CPI .0109549 .0118882 0.92 0.357 -.0123456 .0342554 POOR .0113728 .0033758 3.37 0.001 .0047564 .0179892 LR_Total lnH_EXPEDU .2886076 .0565543 5.10 0.000 .1777633 .3994519 lnINV .384772 .0536907 7.17 0.000 .2795402 .4900037 lnLABOR 1.457946 .3221599 4.53 0.000 .8265244 2.089368 FDI -.0015889 .0016623 -0.96 0.339 -.004847 .0016692 POP .0651715 .0610764 1.07 0.286 -.0545361 .1848791 CPI .0087953 .0138587 0.63 0.526 -.0183672 .0359578 POOR .0078449 .0038282 2.05 0.040 .0003417 .0153481

lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0432826 .0256972 1.68 0.092 -.0070829 .0936481 lnINV .0592081 .0139036 4.26 0.000 .0319575 .0864586 lnLABOR .2088975 .1411731 1.48 0.139 -.0677967 .4855918 FDI .0022251 .0003962 5.62 0.000 .0014486 .0030017 POP .028606 .0135276 2.11 0.034 .0020924 .0551196 CPI -.0044515 .0038433 -1.16 0.247 -.0119842 .0030813 POOR -.0011893 .0012906 -0.92 0.357 -.0037188 .0013402 Wx lnH_EXPEDU .0369633 .0384905 0.96 0.337 -.0384768 .1124033 lnINV .0625254 .0304548 2.05 0.040 .0028352 .1222157 lnLABOR .4414683 .2349264 1.88 0.060 -.018979 .9019156 FDI -.0027116 .0008912 -3.04 0.002 -.0044583 -.000965 POP .0009075 .0343554 0.03 0.979 -.0664278 .0682429 CPI .0101162 .0076556 1.32 0.186 -.0048885 .0251209 POOR .0012877 .0020949 0.61 0.539 -.0028181 .0053936 Spatial rho .6401784 .0363461 17.61 0.000 .5689415 .7114154 Variance sigma2_e .0033976 .0002347 14.48 0.000 .0029376 .0038576 LR_Direct lnH_EXPEDU .068832 .0244597 2.81 0.005 .0208918 .1167721 lnINV .0984714 .0157933 6.24 0.000 .0675171 .1294257 lnLABOR .4469034 .1198348 3.73 0.000 .2120316 .6817753 FDI .001714 .0004497 3.81 0.000 .0008326 .0025954 POP .0371939 .0164939 2.26 0.024 .0048664 .0695214 CPI -.0015644 .0042789 -0.37 0.715 -.0099509 .0068222 POOR -.0009569 .0012823 -0.75 0.456 -.0034702 .0015564 LR_Indirect lnH_EXPEDU .1506642 .0674994 2.23 0.026 .0183678 .2829606 lnINV .2440924 .0594329 4.11 0.000 .127606 .3605788 lnLABOR 1.366117 .4102368 3.33 0.001 .5620679 2.170167 FDI -.0031433 .0018732 -1.68 0.093 -.0068147 .000528 POP .050444 .0800438 0.63 0.529 -.106439 .207327 CPI .0163937 .0154587 1.06 0.289 -.0139047 .0466921 POOR .0014103 .0039548 0.36 0.721 -.006341 .0091617 LR_Total lnH_EXPEDU .2194962 .0728562 3.01 0.003 .0767007 .3622917 lnINV .3425638 .0691281 4.96 0.000 .2070753 .4780523 lnLABOR 1.813021 .4314271 4.20 0.000 .9674392 2.658602 FDI -.0014293 .0021444 -0.67 0.505 -.0056322 .0027735 POP .0876379 .0914044 0.96 0.338 -.0915114 .2667872 CPI .0148293 .0178641 0.83 0.406 -.0201837 .0498423 POOR .0004534 .0043374 0.10 0.917 -.0080477 .0089545

ậ Ma tr n W2

ậ Ma tr n W3 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPEDU .0536381 .0246575 2.18 0.030 .0053103 .1019659 lnINV .0532301 .0138191 3.85 0.000 .0261452 .080315 lnLABOR .4036927 .1198631 3.37 0.001 .1687655 .63862 FDI .0018995 .0003898 4.87 0.000 .0011356 .0026634 POP .0219048 .0133472 1.64 0.101 -.0042552 .0480648 CPI -.0035405 .0036402 -0.97 0.331 -.0106751 .0035941 POOR -.0040566 .0010765 -3.77 0.000 -.0061666 -.0019466 Wx lnH_EXPEDU -.0420398 .0585663 -0.72 0.473 -.1568276 .072748 lnINV .1851957 .0753551 2.46 0.014 .0375025 .3328889 lnLABOR .4403411 .4682453 0.94 0.347 -.4774029 1.358085 FDI .0003577 .0017568 0.20 0.839 -.0030856 .0038009 POP .0513301 .0731585 0.70 0.483 -.0920578 .1947181 CPI .0119254 .011986 0.99 0.320 -.0115667 .0354176 POOR .0101805 .0040207 2.53 0.011 .0023001 .018061 Spatial rho .6753925 .0687459 9.82 0.000 .540653 .810132 Variance sigma2_e .0039935 .0002536 15.75 0.000 .0034964 .0044906 LR_Direct lnH_EXPEDU .0540308 .0251021 2.15 0.031 .0048315 .10323 lnINV .0655685 .0140024 4.68 0.000 .0381242 .0930127 lnLABOR .4573825 .1080532 4.23 0.000 .2456022 .6691629 FDI .0019964 .0004053 4.93 0.000 .0012021 .0027907 POP .0261281 .0136448 1.91 0.056 -.0006152 .0528714 CPI -.0028246 .0037174 -0.76 0.447 -.0101106 .0044615 POOR -.0036144 .0011355 -3.18 0.001 -.0058399 -.0013889 LR_Indirect lnH_EXPEDU -.0256257 .1679449 -0.15 0.879 -.3547917 .3035403 lnINV .6771336 .1733447 3.91 0.000 .3373842 1.016883 lnLABOR 2.176074 1.40838 1.55 0.122 -.5843003 4.936449 FDI .0050263 .0056217 0.89 0.371 -.0059921 .0160447 POP .2094025 .230608 0.91 0.364 -.242581 .6613859 CPI .0269674 .035578 0.76 0.448 -.0427641 .096699 POOR .0231275 .0124536 1.86 0.063 -.0012812 .0475361 LR_Total lnH_EXPEDU .0284051 .1698138 0.17 0.867 -.3044239 .361234 lnINV .7427021 .1782259 4.17 0.000 .3933857 1.092018 lnLABOR 2.633457 1.398606 1.88 0.060 -.1077601 5.374673 FDI .0070227 .0057755 1.22 0.224 -.004297 .0183424 POP .2355306 .2353462 1.00 0.317 -.2257395 .6968007 CPI .0241429 .036644 0.66 0.510 -.047678 .0959638 POOR .019513 .012693 1.54 0.124 -.0053647 .0443908

7.4.2. lnH_EXPHEA ậ Ma tr n W1 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0277551 .0143059 1.94 0.052 -.000284 .0557941 lnINV .0698675 .0148459 4.71 0.000 .0407701 .098965 lnLABOR .3715515 .1374882 2.70 0.007 .1020796 .6410235 FDI .0020138 .0004171 4.83 0.000 .0011962 .0028313 POP .0370131 .0149246 2.48 0.013 .0077613 .0662648 CPI -.0046186 .00403 -1.15 0.252 -.0125173 .0032801 POOR -.0048242 .0012042 -4.01 0.000 -.0071845 -.0024639 Wx lnH_EXPHEA .0436352 .0247923 1.76 0.078 -.0049569 .0922273 lnINV .1462702 .0264465 5.53 0.000 .0944359 .1981044 lnLABOR .4913858 .2047499 2.40 0.016 .0900832 .8926883 FDI -.0022868 .0007766 -2.94 0.003 -.0038089 -.0007646 POP -.0231372 .028677 -0.81 0.420 -.0793431 .0330687 CPI .0024449 .0069685 0.35 0.726 -.011213 .0161028 POOR .006998 .0019977 3.50 0.000 .0030825 .0109134 Spatial rho .5476408 .0352216 15.55 0.000 .4786078 .6166739 Variance sigma2_e .0046547 .0003005 15.49 0.000 .0040658 .0052436 LR_Direct lnH_EXPHEA .0398057 .0160707 2.48 0.013 .0083078 .0713037 lnINV .106245 .015292 6.95 0.000 .0762733 .1362167 lnLABOR .5231312 .1264806 4.14 0.000 .2752338 .7710286 FDI .0017688 .000471 3.76 0.000 .0008456 .002692 POP .037173 .0158313 2.35 0.019 .0061443 .0682017 CPI -.0045028 .0042901 -1.05 0.294 -.0129112 .0039057 POOR -.0039339 .0013044 -3.02 0.003 -.0064904 -.0013773 LR_Indirect lnH_EXPHEA .1165261 .0488612 2.38 0.017 .0207598 .2122924 lnINV .3737101 .0468936 7.97 0.000 .2818002 .4656199 lnLABOR 1.392731 .3235432 4.30 0.000 .7585979 2.026864 FDI -.0024738 .0015385 -1.61 0.108 -.0054892 .0005416 POP -.0014163 .0607545 -0.02 0.981 -.120493 .1176603 CPI -.000803 .0129166 -0.06 0.950 -.0261191 .0245132 POOR .008964 .0037649 2.38 0.017 .0015849 .0163432 LR_Total lnH_EXPHEA .1563318 .0575664 2.72 0.007 .0435038 .2691598 lnINV .4799551 .0545457 8.80 0.000 .3730474 .5868627 lnLABOR 1.915862 .342635 5.59 0.000 1.24431 2.587415 FDI -.000705 .0018407 -0.38 0.702 -.0043127 .0029027 POP .0357567 .0688599 0.52 0.604 -.0992062 .1707196 CPI -.0053057 .0150713 -0.35 0.725 -.0348449 .0242334 POOR .0050302 .0042938 1.17 0.241 -.0033855 .0134458

ậ Ma tr n W2 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0263946 .0140724 1.88 0.061 -.0011868 .0539759 lnINV .064961 .0138402 4.69 0.000 .0378347 .0920873 lnLABOR .1828946 .1409438 1.30 0.194 -.0933503 .4591394 FDI .0022589 .0003945 5.73 0.000 .0014856 .0030322 POP .0279413 .013482 2.07 0.038 .0015172 .0543655 CPI -.0046692 .0038284 -1.22 0.223 -.0121727 .0028342 POOR -.0008641 .001287 -0.67 0.502 -.0033865 .0016583 Wx lnH_EXPHEA -.0187924 .0300805 -0.62 0.532 -.0777491 .0401642 lnINV .0839324 .0294311 2.85 0.004 .0262485 .1416164 lnLABOR .6578227 .2350185 2.80 0.005 .1971949 1.118451 FDI -.0021413 .0008745 -2.45 0.014 -.0038553 -.0004272 POP -.0052402 .0351155 -0.15 0.881 -.0740654 .0635849 CPI .0042322 .0073794 0.57 0.566 -.010231 .0186955 POOR -.0003085 .0021537 -0.14 0.886 -.0045297 .0039128 Spatial rho .6668574 .0341121 19.55 0.000 .5999988 .7337159 Variance sigma2_e .0033756 .000233 14.49 0.000 .0029189 .0038322 LR_Direct lnH_EXPHEA .0259722 .0153332 1.69 0.090 -.0040804 .0560248 lnINV .1176007 .0153141 7.68 0.000 .0875857 .1476157 lnLABOR .5183158 .1206889 4.29 0.000 .2817698 .7548617 FDI .0019845 .0004508 4.40 0.000 .0011009 .0028681 POP .0347007 .0175448 1.98 0.048 .0003135 .069088 CPI -.004135 .0042797 -0.97 0.334 -.0125231 .0042531 POOR -.0011985 .0013125 -0.91 0.361 -.0037709 .0013739 LR_Indirect lnH_EXPHEA -.0060012 .066451 -0.09 0.928 -.1362428 .1242404 lnINV .3327143 .0564063 5.90 0.000 .2221599 .4432686 lnLABOR 2.00775 .4259464 4.71 0.000 1.17291 2.842589 FDI -.0017274 .001987 -0.87 0.385 -.0056217 .002167 POP .040064 .0887881 0.45 0.652 -.1339575 .2140854 CPI .0020395 .0159566 0.13 0.898 -.0292348 .0333138 POOR -.0021263 .0044063 -0.48 0.629 -.0107625 .0065098 LR_Total lnH_EXPHEA .019971 .0742822 0.27 0.788 -.1256195 .1655614 lnINV .450315 .0653547 6.89 0.000 .322222 .5784079 lnLABOR 2.526066 .4493784 5.62 0.000 1.6453 3.406831 FDI .0002571 .0022627 0.11 0.910 -.0041777 .004692 POP .0747647 .1015888 0.74 0.462 -.1243457 .273875 CPI -.0020955 .0183892 -0.11 0.909 -.0381376 .0339466 POOR -.0033249 .0048628 -0.68 0.494 -.0128557 .006206

ậ Ma tr n W3 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_EXPHEA .0106528 .013642 0.78 0.435 -.0160851 .0373907 lnINV .0562674 .0137996 4.08 0.000 .0292206 .0833142 lnLABOR .4070853 .120394 3.38 0.001 .1711174 .6430532 FDI .0019467 .0003902 4.99 0.000 .0011819 .0027115 POP .0218635 .0134506 1.63 0.104 -.0044991 .0482262 CPI -.0039863 .0036433 -1.09 0.274 -.011127 .0031543 POOR -.0039583 .0010784 -3.67 0.000 -.006072 -.0018447 Wx lnH_EXPHEA -.0530232 .0579239 -0.92 0.360 -.1665519 .0605055 lnINV .1892607 .073783 2.57 0.010 .0446486 .3338727 lnLABOR .5838377 .4684122 1.25 0.213 -.3342333 1.501909 FDI .0007303 .0017585 0.42 0.678 -.0027163 .0041769 POP .0484979 .0738493 0.66 0.511 -.0962442 .1932399 CPI .0114979 .0115152 1.00 0.318 -.0110713 .0340672 POOR .0074651 .0045234 1.65 0.099 -.0014006 .0163309 Spatial rho .6842075 .0673525 10.16 0.000 .552199 .8162159 Variance sigma2_e .0040159 .0002551 15.74 0.000 .0035159 .0045158 LR_Direct lnH_EXPHEA .0082069 .0146226 0.56 0.575 -.0204529 .0368666 lnINV .0694372 .0137899 5.04 0.000 .0424095 .0964649 lnLABOR .4710985 .1086412 4.34 0.000 .2581656 .6840313 FDI .0020742 .0004068 5.10 0.000 .0012768 .0028716 POP .0259817 .0137866 1.88 0.059 -.0010394 .0530029 CPI -.0032968 .0037081 -0.89 0.374 -.0105645 .0039709 POOR -.0036632 .0011642 -3.15 0.002 -.005945 -.0013815 LR_Indirect lnH_EXPHEA -.151565 .186771 -0.81 0.417 -.5176294 .2144994 lnINV .7144736 .1622874 4.40 0.000 .3963961 1.032551 lnLABOR 2.702681 1.466524 1.84 0.065 -.1716541 5.577015 FDI .0065439 .005982 1.09 0.274 -.0051807 .0182685 POP .2052906 .2411972 0.85 0.395 -.2674471 .6780284 CPI .0257654 .0353131 0.73 0.466 -.0434469 .0949778 POOR .0152638 .0142476 1.07 0.284 -.012661 .0431887 LR_Total lnH_EXPHEA -.1433581 .1915809 -0.75 0.454 -.5188498 .2321336 lnINV .7839108 .1665801 4.71 0.000 .4574199 1.110402 lnLABOR 3.173779 1.458486 2.18 0.030 .3151987 6.032359 FDI .0086181 .0061401 1.40 0.160 -.0034162 .0206525 POP .2312724 .2462889 0.94 0.348 -.2514449 .7139897 CPI .0224686 .036368 0.62 0.537 -.0488114 .0937486 POOR .0116006 .0145833 0.80 0.426 -.0169821 .0401834

7.4.3. lnH_LABEDU ậ Ma tr n W1 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0757713 .0244158 3.10 0.002 .0279172 .1236253 lnINV .0633489 .0150274 4.22 0.000 .0338958 .0928021 lnLABOR .434121 .1368802 3.17 0.002 .1658407 .7024013 FDI .0022621 .0004164 5.43 0.000 .0014459 .0030783 POP .0381315 .0148706 2.56 0.010 .0089857 .0672773 CPI -.0055454 .0040282 -1.38 0.169 -.0134406 .0023498 POOR -.0047913 .0012044 -3.98 0.000 -.0071519 -.0024307 Wx lnH_LABEDU .0759058 .0428311 1.77 0.076 -.0080417 .1598532 lnINV .1256403 .02754 4.56 0.000 .0716629 .1796177 lnLABOR .5388795 .1991971 2.71 0.007 .1484604 .9292986 FDI -.0016518 .0007922 -2.09 0.037 -.0032045 -.0000992 POP -.0220005 .0284931 -0.77 0.440 -.077846 .033845 CPI .0004852 .0068882 0.07 0.944 -.0130155 .0139858 POOR .0056956 .0019032 2.99 0.003 .0019655 .0094257 Spatial rho .5224811 .0377136 13.85 0.000 .4485639 .5963983 Variance sigma2_e .0046351 .0002991 15.50 0.000 .0040488 .0052213 LR_Direct lnH_LABEDU .0976213 .0265869 3.67 0.000 .045512 .1497306 lnINV .0923744 .0160643 5.75 0.000 .0608889 .1238599 lnLABOR .5897744 .1232991 4.78 0.000 .3481127 .8314362 FDI .0021669 .0004626 4.68 0.000 .0012603 .0030735 POP .0384748 .0155693 2.47 0.013 .0079596 .06899 CPI -.0058523 .0042169 -1.39 0.165 -.0141173 .0024127 POOR -.0041753 .0012619 -3.31 0.001 -.0066485 -.0017021 LR_Indirect lnH_LABEDU .2166986 .0728925 2.97 0.003 .073832 .3595652 lnINV .306116 .0504006 6.07 0.000 .2073327 .4048994 lnLABOR 1.455386 .2943277 4.94 0.000 .8785139 2.032257 FDI -.000993 .0014837 -0.67 0.503 -.003901 .0019151 POP .0002205 .0573015 0.00 0.997 -.1120883 .1125293 CPI -.0050829 .0121805 -0.42 0.676 -.0289561 .0187904 POOR .0062895 .0032926 1.91 0.056 -.0001639 .0127428 LR_Total lnH_LABEDU .3143199 .0858156 3.66 0.000 .1461245 .4825153 lnINV .3984904 .0595374 6.69 0.000 .2817993 .5151815 lnLABOR 2.04516 .3013497 6.79 0.000 1.454526 2.635794 FDI .001174 .0017713 0.66 0.507 -.0022977 .0046456 POP .0386953 .0648264 0.60 0.551 -.0883621 .1657526 CPI -.0109352 .0141827 -0.77 0.441 -.0387328 .0168624 POOR .0021141 .0036527 0.58 0.563 -.0050449 .0092732

ậ Ma tr n W2 lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0470444 .0227529 2.07 0.039 .0024495 .0916392 lnINV .0611958 .0139155 4.40 0.000 .033922 .0884696 lnLABOR .2394757 .1416977 1.69 0.091 -.0382466 .5171981 FDI .0022914 .0003971 5.77 0.000 .0015131 .0030698 POP .0274466 .0135894 2.02 0.043 .0008119 .0540813 CPI -.0052586 .0038612 -1.36 0.173 -.0128264 .0023092 POOR -.0010932 .0012956 -0.84 0.399 -.0036325 .0014461 Wx lnH_LABEDU .0977678 .0491876 1.99 0.047 .0013618 .1941738 lnINV .0456337 .0315522 1.45 0.148 -.0162076 .107475 lnLABOR .630453 .2227965 2.83 0.005 .1937799 1.067126 FDI -.0017511 .000886 -1.98 0.048 -.0034875 -.0000146 POP .0049007 .0345237 0.14 0.887 -.0627645 .072566 CPI .0058269 .0074298 0.78 0.433 -.0087352 .0203891 POOR .0007459 .0020543 0.36 0.717 -.0032805 .0047723 Spatial rho .6249737 .0382196 16.35 0.000 .5500646 .6998828 Variance sigma2_e .0034198 .000237 14.43 0.000 .0029553 .0038843 LR_Direct lnH_LABEDU .0951006 .0258706 3.68 0.000 .0443952 .1458061 lnINV .093069 .0162533 5.73 0.000 .0612132 .1249248 lnLABOR .5473228 .1161083 4.71 0.000 .3197548 .7748909 FDI .002157 .0004324 4.99 0.000 .0013096 .0030045 POP .0368368 .0162404 2.27 0.023 .0050061 .0686675 CPI -.0042254 .004141 -1.02 0.308 -.0123416 .0038908 POOR -.0010373 .0012686 -0.82 0.414 -.0035237 .0014492 LR_Indirect lnH_LABEDU .2857084 .0938894 3.04 0.002 .1016885 .4697282 lnINV .1962632 .0619524 3.17 0.002 .0748388 .3176876 lnLABOR 1.770851 .3465844 5.11 0.000 1.091558 2.450144 FDI -.0008283 .0017969 -0.46 0.645 -.0043501 .0026936 POP .054827 .0769841 0.71 0.476 -.0960591 .205713 CPI .0050837 .0142905 0.36 0.722 -.0229251 .0330926 POOR .0003093 .0037066 0.08 0.933 -.0069555 .0075741 LR_Total lnH_LABEDU .380809 .1080867 3.52 0.000 .168963 .592655 lnINV .2893322 .0724701 3.99 0.000 .1472934 .4313709 lnLABOR 2.318174 .3516791 6.59 0.000 1.628895 3.007452 FDI .0013288 .0020422 0.65 0.515 -.0026738 .0053314 POP .0916637 .0879618 1.04 0.297 -.0807381 .2640656 CPI .0008583 .0164662 0.05 0.958 -.0314148 .0331315 POOR -.000728 .0040266 -0.18 0.857 -.00862 .0071641

Ma tr n 3ậ

lnGRDP Coef. Std. Err. z P>|z| [95% Conf. Interval] Main lnH_LABEDU .0442387 .0229605 1.93 0.054 -.0007631 .0892404 lnINV .0551678 .0139746 3.95 0.000 .0277781 .0825576 lnLABOR .4481953 .1197158 3.74 0.000 .2135567 .682834 FDI .0019653 .0003908 5.03 0.000 .0011993 .0027314 POP .0213247 .0133553 1.60 0.110 -.0048512 .0475005 CPI -.0044771 .0036422 -1.23 0.219 -.0116157 .0026615 POOR -.0037585 .0010771 -3.49 0.000 -.0058695 -.0016475 Wx lnH_LABEDU -.0662944 .108479 -0.61 0.541 -.2789094 .1463206 lnINV .1926504 .0875864 2.20 0.028 .0209842 .3643165 lnLABOR .442909 .4328814 1.02 0.306 -.405523 1.291341 FDI .0006384 .0018023 0.35 0.723 -.002894 .0041708 POP .0407673 .0727678 0.56 0.575 -.1018551 .1833896 CPI .0113512 .0115849 0.98 0.327 -.0113547 .0340572 POOR .0094323 .003566 2.65 0.008 .0024432 .0164215 Spatial rho .682443 .0686408 9.94 0.000 .5479095 .8169765 Variance sigma2_e .0039958 .0002539 15.74 0.000 .0034982 .0044933 LR_Direct lnH_LABEDU .0424974 .0248698 1.71 0.087 -.0062464 .0912413 lnINV .0685368 .0151507 4.52 0.000 .0388419 .0982316 lnLABOR .5057632 .1077611 4.69 0.000 .2945553 .716971 FDI .0020864 .0004059 5.14 0.000 .0012908 .002882 POP .0249404 .013648 1.83 0.068 -.0018093 .0516901 CPI -.0038354 .0036911 -1.04 0.299 -.0110698 .0033989 POOR -.0033295 .0011279 -2.95 0.003 -.0055401 -.0011189 LR_Indirect lnH_LABEDU -.1313094 .3403969 -0.39 0.700 -.798475 .5358562 lnINV .7268518 .2454305 2.96 0.003 .2458169 1.207887 lnLABOR 2.325202 1.337596 1.74 0.082 -.2964375 4.946843 FDI .0061648 .0060332 1.02 0.307 -.0056601 .0179898 POP .1777648 .2367871 0.75 0.453 -.2863294 .641859 CPI .0239158 .0353406 0.68 0.499 -.0453504 .0931821 POOR .0221003 .0114135 1.94 0.053 -.0002697 .0444703 LR_Total lnH_LABEDU -.088812 .3493165 -0.25 0.799 -.7734598 .5958358 lnINV .7953885 .2531221 3.14 0.002 .2992783 1.291499 lnLABOR 2.830966 1.326866 2.13 0.033 .2303568 5.431575 FDI .0082512 .0061875 1.33 0.182 -.003876 .0203785 POP .2027052 .2415717 0.84 0.401 -.2707667 .6761771 CPI .0200804 .0363885 0.55 0.581 -.0512397 .0914005 POOR .0187708 .0115654 1.62 0.105 -.003897 .0414386