TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
KHOA KINH TẾ QUỐC TẾ

TIỂU LUẬN KINH TẾ LƯỢNG
CÁC NHÂN TỐ VĨ MÔ ẢNH HƯỞNG TỚI TỶ
LỆ THẤT NGHIỆP CỦA VIỆT NAM
GIAI ĐOẠN 1985-2017
Giảng viên hướng dẫn:

TS. Chu Thị Mai Phương

Nhóm 2:

Võ Thị Hương Trà

1711110701

Triệu Thị Thắm

1711110613

Hà Thu Hiền

1711110239

Nguyễn Viết Quang

1711110578

Hoàng Long


Tổng hợp, chỉnh sửa và hoàn
thiện bài

- Tìm dữ liệu
- Cơ sở lý thuyết đề tài:

1711110613

+ Tổng quan về thất nghiệp
+ Các lý thuyết kinh tế

- Tìm dữ liệu
- Phương pháp nghiên cứu và
Hà Thu Hiền

Nguyễn Viết Quang

mô hình:
+ Phương pháp nghiên cứu
+ Xây dựng mô hình lý thuyết
+ Mô tả số liệu

1711110239

-

1711110578

Tìm dữ liệu
Mô hình ước lượng

1711120036

DANH MỤC HÌNH ẢNH

DANH MỤC BẢNG BIỂU

MỤC LỤC

LỜI MỞ ĐẦU
Tỉ lệ thất nghiệp là một trong những chỉ tiêu quan trọng trong việc đánh giá sức mạnh
của một nền kinh tế. Nhận thức chính xác và sử dụng hợp lí chỉ tiêu này có ý nghĩa
quan trọng trong việc khảo sát và đánh giá tình trạng phát triển bền vững, nhịp nhàng
toàn diện nền kinh tế. Bất cứ một quốc gia nào mong muốn tăng trưởng kinh tế ổn
định đều đặn, biết quan tâm duy trì tỉ lệ thất nghiệp ở mức hợp lí, nhằm tạo đà cho nền
kinh tế đi lên.

3


Để hiểu sâu hơn về việc áp dụng kinh tế lượng vào việc nghiên cứu và đánh giá các tác
động của một số nhân tố đến tỉ lệ thất nghiệp của một quốc gia, mà cụ thể là Việt Nam,
nhóm chúng em xây dựng tiểu luận kinh tế lượng với đề tài “Các nhân tố ảnh hưởng
đến tỉ lệ thất nghiệp của Việt Nam giai đoạn 1985 – 2017”.

Nội dung và kết cấu của bài tiểu luận gồm 4 chương:
Chương 1. Cơ sở lý thuyết và các nghiên cứu có liên quan
Chương 2. Phương pháp nghiên cứu và mô hình nghiên cứu
Chương 3. Kết quả ước lượng và suy diễn thống kê
Chương 4. Kết luận
Chúng em xin chân thành cảm ơn giảng viên hướng dẫn – TS. Chu Thị Mai Phương đã

Theo những nhà kinh tế theo trường phái Keynes, chính sách tài khoá có thể được sử

5


dụng hiệu quả trong giảm tỷ lệ thất nghiệp. Khi nền kinh tế đang suy thoái, chính sách
tài khoá mở cửa sẽ làm tăng tổng cầu (AD), yêu cầu về hàng hoá cao hơn, dẫn đến sự
ra đời của nhiều việc làm hơn.
CHƯƠNG 3. Đường cong Phillips
Đường cong Phillips biểu thị quan hệ giữa tỷ lệ thất nghiệp và tỷ lệ lạm phát (đường
cong Phillips phiên bản lạm phát) hoặc giữa tỷ lệ thất nghiệp và tốc độ tăng trưởng
GDP (đường cong Phillips phiên bản GDP). Đường này được đặt theo tên Alban
William Phillips, người mà vào năm 1958 đã tiến hành nghiên cứu thực nghiệm dựa
trên dữ liệu của nước Anh từ năm 1861 đến năm 1957 và phát hiện ra tương quan âm
giữa tỷ lệ thất nghiệp và tốc độ tăng tiền lương danh nghĩa.
CHƯƠNG 4. Lý luận của trường phái kinh tế học vĩ mô tổng hợp
Kinh tế Mỹ thập niên 1960 có hiện tượng tỷ lệ lạm phát khá cao mặc dù tốc độ tăng
trưởng GDP cũng cao. Để giải thích hiện tượng đó, các nhà kinh tế của trường phái
kinh tế học vĩ mô tổng hợp đã sử dụng kết quả nghiên cứu của Phillips và dựng nên
đường cong Phillips dốc xuống phía phải trên một đồ thị hai chiều với trục hoành là
các mức tỷ lệ thất nghiệp và trục tung là các mức tỷ lệ lạm phát. Trên đường này là các
kết hợp giữa tỷ lệ lạm phát và tỷ lệ thất nghiệp. Dọc theo đường cong Phillips, hễ tỷ lệ
thất nghiệp giảm xuống thì tỷ lệ lạm phát sẽ tăng lên; và ngược lại.

6

Hình 2: Đường cong Phillips


Từ đó, trường phái kinh tế học vĩ mô tổng hợp lý luận rằng để giảm tỷ lệ thất nghiệp

8


Tập hợp các điểm tương ứng với tỷ lệ thất nghiệp tự nhiên và các mức tỷ lệ lạm phát
liên tục bị đẩy lên cao tạo thành một đường thẳng đứng. Đường này được gọi là đường
Phillips dài hạn.
Hiện nay, trong các giáo trình kinh tế học được giảng dạy ở các trường đại học khẳng
định, trong ngắn hạn có sự đánh đổi giữa lạm phát và thất nghiệp, còn trong dài hạn,
thất nghiệp sẽ có xu hướng quay trở lại về mức thất nghiệp tự nhiên, cho dù lạm phát
vẫn biến động phức tạp.
CHƯƠNG 6. Định luật Okun về mối quan hệ giữa sản lượng quốc dân (GDP) và
thất nghiệp
Định luật Okun thể hiện mối quan hệ thống kê giữa tỷ lệ thất nghiệp và những thay đổi
trong tổng sản phẩm quốc dân, do Arthur Okun (1929 - 1979) phát hiện ra. Định luật
Okun ra đời nhằm khảo sát sự biến động của chu kì kinh tế, sự giao động của mức sản
lượng thực tế quanh sản lượng tiềm năng và mối quan hệ giữa chúng, trên cơ sở đó, dự
báo mức tỉ lệ thất nghiệp kì vọng trong sự ràng buộc với hai biến số nêu trên.

- Định luật Okun 1: Khi sản lượng thực tế thấp hơn sản lượng tự nhiên 2% thì
-

thất nghiệp thực tế tăng thêm 1% so với thất nghiệp tự nhiên.
Định luật Okun 2: Khi tốc độ tăng của sản lượng tăng nhanh hơn tốc độ tăng
của sản lượng tiềm năng 2,5% thì thất nghiệp thực tế giảm 1% so với thời kì
trước đó.

CHƯƠNG 7. PHƯƠNG PHÁP NGHIÊN CỨU VÀ MÔ HÌNH NGHIÊN CỨU
7.1.

Phương pháp nghiên cứu:

(5)

Không có tương quan giữa ui và Xi: Cov(ui, Xi) = 0

(6)

Mô hình hồi quy được xác định đúng, không có sai lệch về dạng mô hình
Ngoài ra, còn có thêm giả thiết bổ sung (Damodar N. Gujarati, 1995):

(7)

Mô hình là tuyến tính theo tham số

(8)

Số quan sát n lớn hơn số tham số của mô hình

(9)

Giá trị của X không được đồng nhất (bằng nhau) ở tất cả các quan sát

(10)

Mô hình được xác định đúng

(11)

Không tồn tại đa cộng tuyến hoàn hảo ở các biến giải thích
9.1.


INF: tỷ lệ lạm phát hàng năm (%)

•

EXP: chi tiêu chính phủ so với tổng sản phẩm quốc nội (%)
Để kiểm tra ảnh hưởng của các yếu tố vĩ mô đến tỉ lệ thất nghiệp, từ lý thuyết đã trình
bày như trên, nhóm đề xuất mô hình nghiên cứu như sau:
Mô hình hàm hồi quy tổng thể:
PRF:
Mô hình hàm hồi quy mẫu:
SRF:
Trong đó:

•

ui là sai số ngẫu nhiên của tổng thể ứng với quan sát thứ i và ei là phần dư (ước lượng
của ui) thể hiện các yếu tố khác có ảnh hưởng tới tỷ lệ thất nghiệp nhưng không được
thể hiện trong mô hình.

•

Các hệ số:

o β 1 là hệ số chặn.
o β 2, β 3, β 4, β 5, β6 là hệ số góc hay hệ số hồi quy của các biến tương ứng:
POP, GDP, FDI, INF, EXP
9.2.

Mô tả dữ liệu


0.3982883

1.54

3.41

pop

33

7.90e+07

1.08e+07

6.16e+07

9.56e+07

gdp

33

6.082895

2.895745

-7.633733

9.54048


1.027596

5.4652

8.92555

Giá trị lớn
nhất

Nguồn: nhóm tác giả tổng hợp từ phần mềm STATA
Nhìn vào Bảng 1, chúng ta thấy:

o Tỷ lệ thất nghiệp cao nhất là 3.41% (năm 1985) và thấp nhất là 1.54% (năm
1990). Chênh lệch tỷ lệ thất nghiệp giữa năm cao nhất và năm thấp hơn là do
các yếu tố như mức tăng trưởng của tổng sản phẩm quốc nội hàng năm, tỷ lệ
lạm phát hàng năm,… có sự khác nhau giữa các năm. Tỷ lệ thất nghiệp trung
bình là 2.340909%.
o Tổng dân số trung bình hàng năm là 79 triệu người. Từ năm 1985 là 61.6 triệu
người cho đến năm 2017 là 95.6 triệu người.
o Mức tăng trưởng của tổng sản phẩm quốc nội hàng năm trung bình là
6.082895%. Mức tăng trưởng của tổng sản phẩm quốc nội cao nhất là

12


9.54048% (năm 1995) và mức tăng trưởng thấp nhất của chỉ số này là
-7.633733% (năm 1985).
o Tỷ lệ vốn đầu tư nước ngoài trực tiếp so với tổng sản phẩm quốc nội trung bình
là 5.504001%. Tỷ lệ này đạt mức cao nhất vào năm 1994 với giá trị là
11.93948%, giá trị thấp nhất của tỷ lệ này là 2.4348% (năm 1985).


1.0000

fdi

-0.0214

0.2478

0.4515

1.0000

inf

0.3485

-0.4353

-0.0625

-0.1132

1.0000

exp

-0.0545

-0.6775

tương quan âm nên ta kỳ vọng hệ số hồi quy β 4 mang dấu âm, tức với các yếu
tố khác không đổi khi tỷ lệ vốn đầu tư nước ngoài trực tiếp tăng thì tỷ lệ thất
nghiệp giảm.

o Hệ số tương quan giữa tỷ lệ lạm phát hàng năm và tỷ lệ thất nghiệp là 0.3485,
tức tương quan tương đối thấp và cùng chiều. Hệ số tương quan dương nên ta
kỳ vọng hệ số hồi quy β 5 mang dấu dương, tức với các yếu tố khác không đổi
khi tỷ lệ lạm phát hàng năm tăng thì tỷ lệ thất nghiệp tăng.

o Hệ số tương quan giữa chi tiêu chính phủ so với tổng sản phẩm quốc nội và tỷ
lệ thất nghiệp là -0.0545, tức tương quan yếu và ngược chiều. Hệ số tương quan
âm nên ta kỳ vọng hệ số hồi quy β 6 mang dấu âm, tức với các yếu tố khác
không đổi khi chi tiêu chính phủ tăng thì tỷ lệ thất nghiệp giảm.

o Hệ số tương quan giữa các biến độc lập với nhau thấp (nhỏ hơn 0.8). Vì vậy có
thể không xảy ra đa cộng tuyến giữa các biến độc lập.
Kết luận: Nhìn chung, các biến độc lập có tương quan yếu đối với biến phụ thuộc là
tỷ lệ thất nghiệp và có tác động theo chiều âm đến biến phụ thuộc, trừ biến inf có tác
động theo chiều dương lên biến phụ thuộc.
CHƯƠNG 12. KẾT QUẢ ƯỚC LƯỢNG VÀ SUY DIỄN THỐNG KÊ
12.1. MÔ HÌNH ƯỚC LƯỢNG

14


CHƯƠNG 13. Ước lượng mô hình
Mô hình hàm hồi quy tổng thể:
PRF:
Mô hình hàm hồi quy mẫu:
SRF:

2.7061685
5

Tổng biến động của biến phụ thuộc được giải thích bởi các yếu tố
nằm ngoài mô hình RSS

2.3701048

Tổng biến động của biến phụ thuộc TSS

5.0762733
5

Bậc tự do của phần được giải thích Dfm

5

Bậc tự do của phần dư Dfr

27

15


uem

pop

Hệ số ước
lượng

-2.85

0.008

-0.1044656

0.017
0078

fdi

0.0686201

0.0261136

2.63

0.014

0.0150396

0.122
2007

inf

0.0026435

0.0037721



0.000

3.365549

8.055
261

Nguồn: Nhóm tác giả tự tính toán
Từ kết quả trên ta có ước lượng mô hình hồi quy mẫu là:

CHƯƠNG 14. Phân tích kết quả
Ý nghĩa của các hệ số hồi quy ước lượng:
•

= 5.710405: Trong điều kiện các yếu tố đều bằng 0 thì tỷ lệ thất nghiệp là 5.710405
%.

•

= -2.52e – 08: Trong điều kiện các yếu tố khác không đổi, khi dân số tăng 1000 người
thì tỷ lệ thất nghiệp giảm -2,52e-08 %.

16


•

= -0.0607367: Trong điều kiện các yếu tố khác không đổi, tỷ lệ tăng trưởng tổng thu
nhập quốc nội (GDP) tăng 1% thì tỷ lệ thất nghiệp giảm 0.0607367%.

CHƯƠNG 16. Kiểm định hiện tượng đa cộng tuyến
Để kiểm tra hiện tượng đa cộng tuyến trong mô hình, ta sử dụng chỉ số VIFj (Nhân tử

17


phóng đại phương sai). Nếu VIF > 2 thì có dấu hiệu đa cộng tuyến, đây là điều không
mong muốn. Nếu VIF > 10 thì chắc chắn có đa cộng tuyến. Nếu VIF < 2, mô hình
không bị đa cộng tuyến.
Sử dụng hàm vif vào Stata ta được kết quả.
Biến

Bảng 4: Kiểm tra hiện tượng đa cộng tuyến
VIF
1/VIF

pop
exp
inf
gdp
fdi

3.39
2.56
1.44
1.39
1.38

Mean VIF



Prob > chi2 = 0.5580
Bảng 5: Kiểm định White cho psss thay đổi
Source
chi2
df
P
Heteroskedasticity 18.45 20
0.558
Skewness
5.37
5
0.3724
Kurtosis
0.33
1
0.5647
Total
24.15 26
0.5675
Nguồn: Nhóm tác giả tự tính toán
Nhận thấy: [Prob>chi2] = 0,5580 > α= 0,05 nên chưa đủ cơ sở bác bỏ giả thuyết Ho
Kết luận: Kiểm định White cho ta kết quả mô hình có phương sai sai số không đổi
CHƯƠNG 18. Kiểm định phân phối chuẩn của nhiễu
Ta có cặp giả thuyết sau:

Ta sử dụng kiểm định Skewneww/Kurtosis.
Nhập lệnh: predict e, res để tạo phần dư
sktest e
Skewness/Kurtosis tests for Normality

tương quan có thể gây ra hậu quả đó là uớc lượng bình phương nhỏ nhất thông thường
không còn là ước lượng tuyến tính không chệch tốt nhất nữa. Phương sai ước lượng
được của các ước lượng bình phương nhỏ nhất thông thường là chệch và thông thường
là thấp hơn giá trị thực của phương sai, do đó giá trị của thống kê T được phóng đại
lên nhiều lần. Các kiểm định t và F nói chung không đáng tin cậy.
Đầu tiên ta nhập lệnh tsset year để gắn biến thời gian:
Biến thời gian:
year, 1985 to 2017
Delta: 1 unit
Ta có cặp giả thuyết sau:

Kiểm định Durbin – Wason
Nhập lệnh: estat durbinalt ta thu được kết quả:
estat durbinalt
Durbin's alternative test for autocorrelation
Bảng 7: Kiểm định Durbin - Wason
lags(p) chi2
Df
Prob > chi2
1

0.007

1

0.9318

H0: no serial correlation
Nguồn: Nhóm tác giả tự tính toán



Nguồn: Nhóm tác giả tự tính toán
Như vậy, biến POP (dân số), INF (tỷ lệ lạm phát) và FDI (vốn đầu tư trực tiếp
nước ngoài) từ mô hình chưa giải thích đúng với lý thuyết kinh tế. Các biến còn lại đã
đúng theo với lý thuyết kinh tế.
CHƯƠNG 21. Kiểm định các hệ số hồi quy với α =5%

21


Từ kết quả chạy hồi quy, cùng với đó sử dụng phương pháp P-value với mức ý
nghĩa α = 0.05 ta rút ra các kết luận:
Để kiểm tra các biến có ý nghĩa thống kê hay không, ta so sánh giá trị P-value của
từng biến thể hiện ở cột

với mức ý nghĩa α. Nếu giá trị P-value < α ta bác bỏ

giả thuyết H0 của kiểm định hay kết luận biến này có ý nghĩa thống kê.
Trong các giá trị trên thì: Giá trị P-value của biến inf (tỷ lệ lạm phát) là 0.489 và lớn
hơn mức ý nghĩa α = 0.05. Như vậy, không có cơ sở để bác bỏ H0 (Giả thuyết βi =
βi*), tức biến inf không có ý nghĩa thống kê.
Các biến còn lại đều có giá trị P-value < α, nên có thể kết luận các biến còn lại có ý
nghĩa thống kê.
CHƯƠNG 22. Kiểm định sự phù hợp của mô hình hồi quy
Từ kết quả chạy hồi quy được, cùng với đó sử dụng phương pháp giá trị tới hạn và
phương pháp P-value với mức ý nghĩa α = 0.05 ta rút ra các kết luận:
Để kiểm định sự phù hợp của mô hình ta so sánh giá trị Fw và Fα, k-m, n-k. Trong
kết quả của mô hình đã chạy ta có:
Fw = 6.17 > Fα, k-m, n-k = F0.05 (5,17)
Rút ra kết luận bác bỏ giả thuyết Ho là tất cả các hệ số hồi quy bằng 0, kết luận mô

khi lạm phát tăng trong dài hạn.
Cuối cùng là về mối quan hệ giữa chi tiêu chính phủ và tỷ lệ thất nghiệp, chúng em
đưa ra được mối quan hệ giữa chi tiêu chính phủ và tỷ lệ thất nghiệp là mối quan hệ
ngược chiều, phù hợp với lý thuyết về chính sách tài khóa đã đưa ra ở phía trên. Như
vậy, khi chi tiêu chính phủ tăng thì thất nghiệp tại Việt Nam sẽ giảm xuống.
22.2. KHUYẾN NGHỊ VÀ GIẢI PHÁP

23


Khi hồi quy mô hình này, ta thấy khi tăng dân số, tỷ lệ chi tiêu chính phủ và tỷ lệ tăng
trưởng GDP thì tỷ lệ thất nghiệp giảm đi đáng kể trong điều kiện các yếu tố khác
không đổi. Vì thế, chúng em có những đề xuất cụ thể như sau:
Hướng tới một nền kinh tế phát triển bền vững nhằm gia tăng tỷ lệ tăng trưởng GDP
bằng cách: Thực hiện nhất quán mục tiêu tăng cường ổn định kinh tế vĩ mô, kiểm soát
lạm phát. Tập trung tháo gỡ khó khăn cho sản xuất kinh doanh, xử lý nợ xấu, phát triển
thị trường, tăng sức mua, đẩy mạnh tiêu thụ hàng hóa.
Chính phủ có thể nâng cao mức độ chi tiêu của mình nhằm kích thích tăng tổng cầu.
Bằng việc gia tăng chi tiêu hiện tại như nâng cao mức lương cho y tế, giáo dục,... hoặc
mở rộng chi tiêu cho các dự án cấp vốn đầu tư như xây đường xá , bệnh viện mới, dự
án cơ sở hạ tầng,...
Chính phủ có thể thực hiện các biện pháp để cắt giảm lạm phát: thực hiện chính sách
tiền tệ thắt chặt. Chính phủ chủ trương kiểm soát chặt chẽ tổng phương tiện thanh toán
và tổng dư nợ tín dụng ngay từ đầu năm. Bên cạnh đó chủ trương giảm đầu tư công và
chi phí thường xuyên của các cơ quan sử dụng ngân sách, kiểm soát chặt chẽ đầu tư
của các doanh nghiệp nhà nước, cố gắng giảm tỷ lệ thâm hụt ngân sách.

24