Phân Tích Định Lượng Tác Động Của Fdi Đến Tăng Trưởng Kinh Tế_08320112092019

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
KHOA KINH TẾ VÀ KINH DOANH QUỐC TẾ
===cwd===
KHÓA LUẬN TỐT NGHIỆP
Chuyên ngành: Kinh tế đối ngoại
PHÂN TÍCH ĐỊNH LƯỢNG TÁC ĐỘNG CỦA FDI
ĐẾN TĂNG TRƯỞNG KINH TẾ Ở CÁC QUỐC GIA
ĐANG PHÁT TRIỂN
Họ và tên sinh viên : Nguyễn Trà My
Mã sinh viên : 1111110003
Lớp : Anh 6 KT
Khóa : 50
Người hướng dẫn khoa học : TS. Nguyễn Thị Thùy Vinh
Hà Nội, tháng 5 năm 2015

3
CHƯƠNG 1: GIỚI THIỆU CHUNG
1.1 Lý do chọn đề tài
Dòng vốn đầu tư trực tiếp nước ngoài đi vào (dòng FDI vào – FDI inflow) là
một vấn đề được quan tâm trong nghiên cứu kinh tế. Mối quan hệ giữa FDI và tăng
trưởng kinh tế là chủ đề nghiên cứu quan trọng trong suốt mấy chục năm vừa qua.
Lưu ý rằng trong khóa luận này, nhắc đến FDI ta hiểu là FDI vào – FDI inflow (các
nghiên cứu nước ngoài cũng làm tương tự khi họ nghiên cứu về mối quan hệ FDI –
tăng trưởng kinh tế) Theo lý thuyết, đầu tư trực tiếp nước ngoài, có tác động thúc
đẩy tăng trưởng kinh tế. Nhiều nghiên cứu khẳng định mối quan hệ này. Các nhà
nghiên cứu kinh tế đã có những công trình khảo sát vai trò của FDI trong quá trình
tăng trưởng. Mello (1997) đưa ra hai kênh chủ yếu để FDI thúc đẩy tăng trưởng
kinh tế. Một là, FDI có thể tăng cường việc tiếp thu công nghệ mới ở nước được
hưởng FDI trong quá trình sản xuất. Hai là, FDI thúc đẩy chuyển giao tri thức
(knowledge transfer) trong việc đào tạo lao động và giới thiệu những kĩ năng quản
lý và tổ chức. Cuộc khảo sát của OECD (2002) nhấn mạnh rằng 11 trong 14 quốc
gia được nghiên cứu cho thấy FDI ảnh hưởng tích cực tới tăng trưởng thu nhập và
năng suất lao động. Kết quả nghiên cứu của Miao Wang (2009) về 12 nền kinh tế
châu Á trong giai đoạn 1987 – 1997 cho thấy các loại FDI khác nhau có những tác
động khác nhau đến tăng trưởng kinh tế của nước nhận. FDI vào nhóm ngành sản
xuất đóng vai trò quan trọng trong quá trình thúc đẩy tăng trưởng nhưng FDI vào
nhóm ngành phi sản xuất thì không có tác dụng đó. Song, ta vẫn bắt gặp những kết
quả cho thấy mối quan hệ ngược lại. Nghiên cứu của Carkovic và Levine (2002)
cho thấy FDI không có tác động mạnh đáng kể đến tăng trưởng kinh tế. Tuy nhiên,
hai tác giả cũng lưu ý rằng, đây không phải là một sự phủ nhận vai trò của FDI đối
với tăng trưởng kinh tế trong dài hạn. Do đó, ta cần có một nghiên cứu để kiểm
định lại mối quan hệ giữa FDI và tăng trưởng kinh tế, cụ thể là trong phạm vi những
quốc gia đang phát triển. Lý do là vì những quốc gia này đa số khai thác nguồn vốn
FDI vào để thúc đẩy tăng trưởng kinh tế. Dòng FDI vào có mối quan hệ mật thiết
đến quá trình thúc đẩy tăng trưởng ở những quốc gia này, ta có thể kể đến Trung
Quốc, Ấn Độ là hai ví dụ tiêu biểu điển hình ở châu Á. Ta biết rằng động cơ cho
tăng trưởng là vốn (tư bản) và công nghệ. (Ngoài ra còn có vốn nhân lực và tích lũy

4
kiến thức – nhưng hai yếu tố này không nằm trong phạm vi nghiên cứu định lượng
của khóa luận vì tính phức tạp của chúng). Dòng FDI vào cung cấp cho nước nhận
đầu tư cả vốn và công nghệ, cả tải sản hữu hình và vô hình; ngoài ra FDI vào còn
giải quyết vấn đề việc làm ở nước nhận đầu tư.
1.2 Nội dung, mục tiêu và phương pháp nghiên cứu
Khóa luận này phân tích tác động của dòng FDI vào tới nền kinh tế của các
nước đang phát triển. Các nước đang phát triển là nhóm nước tích cực thu hút FDI
để phục vụ mục tiêu tăng trưởng. Trong khóa luận này, nhắc đến FDI, ta hiểu là FDI
vào (FDI inflow). Khóa luận này muốn kiểm định lại xem liệu FDI có chắc chắn
thúc đẩy tăng trưởng ở các nền kinh tế đang phát triển hay không? Câu hỏi nghiên
cứu của khóa luận này là: Liệu dòng FDI vào có làm thúc đẩy tăng trưởng kinh tế ở
các quốc gia đang phát triển? Nói cách khác, liệu có tồn tại mối quan hệ nhân – quả
giữa hai đại lượng FDI và GDP hay không? Để đạt được mục đích này, khóa luận
sử dụng phương pháp phân tích định lượng: dùng bốn mô hình kinh tế lượng:
pooled OLS, least squares dummy variables, fixed effects và random effects; sau đó
sử dụng một loạt các kiểm định: Hausman Test, Wald Test và Redundant Fixed
Effects để chọn ra mô hình tốt nhất. Khóa luận tiếp tục dùng đồ thị, ma trận
correlation và covariance, và Granger Causality Test để khẳng định kết quả nghiên
cứu: khi có tăng trưởng ta có thẩy quan sát sự gia tăng của FDI nhưng không thể kết
luận được rằng FDI đóng vai trò thúc đẩy tăng trưởng. Kết luận của khóa luận này
không phủ nhận tác động thúc đẩy tăng trưởng kinh tế của FDI như trong lý thuyết;
các quốc gia đang phát triển này phải thỏa mãn một số điều kiện nhất định: khả
năng hấp thụ của các doanh nghiệp, của nguồn nhân lực, của cơ sở hệ thống tài
chính, cơ sở hạ tầng, công nghệ, R&D và thể chế, thì mới sử dụng lợi ích của FDI
cho mục tiêu tăng trưởng. Khóa luận này kết luận rằng không thể khẳng định chắc
chắn FDI luôn luôn thúc đẩy tăng trưởng kinh tế ở các quốc gia đang phát triển; từ
đó gợi ý chính sách cho các nền kinh tế đang phát triển nên tập trung xây dựng hệ
thống pháp luật, nâng cao trình độ công nghệ, trình độ lao động, cải thiện cơ sở hạ
tầng, phát triển hệ thống tài chính và năng lực của doanh nghiệp nội địa tới một
mức nhất định hợp lý nào đó trước khi thu hút thêm FDI.

5
1.3 Đối tượng và phạm vi nghiên cứu
Để khảo sát mối quan hệ giữa FDI tới tăng trưởng kinh tế ở các quốc gia đang
phát triển, khóa luận nghiên cứu 20 quốc gia đang phát triển lựa chọn ngẫu nhiên ở
khắp các khu vực trên thế giới
1.4 Cấu trúc của khóa luận
Khóa luận được trình bày như sau: chương 1 nhằm mục đích khái quát vấn đề
nghiên cứu và đưa ra câu hỏi nghiên cứu; chương 2 nêu tổng quan tình hình nghiên
cứu và cơ sở lý thuyết; chương 3 trình bày phương pháp nghiên cứu: phương pháp
kinh tế lượng với 4 mô hình pooled OLS, least squares dummy variables, fixed
effects và random effects và những kiểm định chính (những kiểm định phụ chỉ nêu
tên, không nêu cụ thể); chương 4 dẫn kết quả của từng mô hình, kết quả của kiểm
định, diễn giải kết quả ,chọn mô hình tốt nhất và làm một số bước khẳng định thêm
cho kết luận ở chương 5. Trong chương 5 ngoài trình bày kết luận, gợi ý chính sách
cũng được nêu ra.
Em chân thành gửi lời cảm ơn đến TS. Nguyễn Thị Thùy Vinh đã giúp em
hoàn thành khóa luận này.

6
CHƯƠNG 2: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU VÀ
CƠ SỞ LÝ THUYẾT
2.1 Tổng quan tình hình nghiên cứu
Mối quan hệ giữa FDI và tăng trưởng kinh tế là chủ đề nghiên cứu quan trọng
trong suốt mấy chục năm vừa qua. Các nhà nghiên cứu kinh tế đã có những công
trình khảo sát vai trò của FDI trong quá trình tăng trưởng. Mello (1997) đưa ra hai
kênh chủ yếu để FDI thúc đẩy tăng trưởng kinh tế. Một là, FDI có thể tăng cường
việc tiếp thu công nghệ mới ở nước được hưởng FDI trong quá trình sản xuất. Hai
là, FDI thúc đẩy chuyển giao tri thức (knowledge transfer) trong việc đào tạo lao
động và giới thiệu những kĩ năng quản lý và tổ chức. Cuộc khảo sát của OECD
(2002) nhấn mạnh rằng 11 trong 14 quốc gia được nghiên cứu cho thấy FDI ảnh
hưởng tích cực tới tăng trưởng thu nhập và năng suất lao động. Cả Mello và OECD
đều đồng ý rằng, cách FDI ảnh hưởng đến tăng trưởng kinh tế phụ thuộc vào điều
kiện kinh tế và điều kiện công nghệ của nước nhận FDI. Tức là, các quốc gia cần
phát triển đến một trình độ nhất định, đạt đến một ngưỡng phát triển về giáo dục
hay hạ tầng nào đó, … trước khi hấp thụ được những lợi ích từ FDI để tăng trưởng
kinh tế.
FDI làm gia tăng trực tiếp vốn (capital) và công nghệ mới cho nước nhận FDI
(Hermes, Lensink, 2003). Tầm quan trọng của công nghệ với tăng trưởng đã được
nhấn mạnh trong nghiên cứu của Grossman and Helpman năm 1991. Tốc độ tăng
trưởng của những nước đang và kém phát triển phụ thuộc vào mức độ những quốc
gia này hấp thụ công nghệ từ những quốc gia phát triển – một trong những kênh
quan trọng chính là FDI (Barro and Sala-i-Martin, 1995). Những công nghệ mới
này được đưa vào các nước đang và kém phát triển, lan truyền từ những công ty con
của những tập đoàn đa quốc gia vào đến những công ty nội địa (Findlay, 1978).
Theo Findlay, việc áp dụng những công nghệ mới này rất quan trọng trong việc
tăng năng suất của vốn và lao động tại nước nhận FDI. Sự lan tỏa (spillover) diễn ra
thông qua việc bắt chước (imitation) – doanh nghiệp trong nước bắt chước công
nghệ của doanh nghiệp nước ngoài, cạnh tranh (competition) – sự xuất hiện của
những công ty đầu tư trực tiếp nước ngoài tạo áp lực cho những công ty nội địa điều
chỉnh hoạt động kinh doanh của họ theo hướng có lợi và tăng cường sử dụng công

7
nghệ mới), kết nối (linkages) – spillover thông qua những giao dịch giữa các tập
đoàn đa quốc gia với công ty nội địa, và đào tạo (training) – công ty nội địa đào tạo
thêm kĩ năng cho nhân viên để họ có thể tiếp thu công nghệ mới (Kinoshita, 1998).
FDI đi vào qua những kênh nào để giúp thúc đẩy tăng trưởng kinh tế và quá
trình một nền kinh tế hấp thụ FDI là vấn đề mà nhiều nhà nghiên cứu quan tâm.
Duyster, Patterson và Sander trong bài nghiên cứu “Lý thuyết khả năng hấp thụ
FDI” (Foreign Direct Investment Absorptive Capacity Theory” đã đặc biệt nhấn
mạnh các kênh này và quá trình hấp thụ FDI. Quá trình hấp thụ FDI có thể được
chia làm hai giai đoạn. Giai đoạn một là giải ngân vốn; gia đoạn hai là biến những
tác động tích cực của FDI thành có lợi cho sự tăng trưởng của quốc gia nhận FDI.
Lợi ích của FDI có thể được hấp thụ vào nước nhận theo hai mức: tầm vĩ mô (quốc
gia, toàn bộ nền kinh tế) và tầm vi mô (quy mô doanh nghiệp). Ở tầm vĩ mô, lợi ích
của FDI được truyển cho nước nhận FDI qua việc công nghệ được chuyển giao từ
việc cạnh tranh, bắt chước, liên kết, giao dịch với doanh nghiệp nội địa. Lợi ích của
FDI cũng được truyền cho nước nhận FDI qua việc đào tạo lao động, tích lũy kinh
nghiệm. Ở tầm vi mô, doanh nghiệp nội địa được tính là một kênh chính hút lợi ích
của FDI theo hiệu ứng lan tỏa chiều dọc và chiều ngang, hiệu ứng đào tạo, tích lũy
kĩ năng, chuyển giao kiến thức và di chuyển lao động. Các tác giả đã dùng mô hình
quang hợp (photosynthesis model) để minh họa khả năng hấp thụ FDI của nước
nhận FDI.
Một số nghiên cứu đi sâu về mối quan hệ nguyên nhân – kết quả giữa FDI và
tăng trưởng kinh tế. Zhang (2001) nghiên cứu 11 quốc gia, kiểm định mối quan hệ
nhân - quả trong dài hạn giữa FDI và tăng trưởng GDP, dùng mô hình sửa lỗi (Error
Correction Model). Kiểm định cho thấy có một mối quan hệ nhân – quả Granger
(Granger Causality) giữa FDI và tăng trưởng. Chowdhury và Mavrotas (2003) cũng
kiểm định mối quan hệ nhân – quả Granger, nhưng dựa vào mô hình của Toda và
Yamamoto (1995). Sử dụng số liệu từ năm 1969 đến 2000, họ thấy không có mối
quan hệ nhân – quả giữa FDI và tăng trưởng ở Chile, nhưng mối quan hệ này có tồn
tại ở những quốc gia khác, trong đó có Malaysia và Thái Lan.
Có nhiều nghiên cứu viết về những điều kiện để FDI có tác động tích cực đến
tăng trưởng kinh tế. Họ tập trung vào những khía cạnh khác nhau, nhưng có liên

8
quan mật thiết đến nhau, của sự phát triển. Đầu tiên, Blomstrom, Lipsey và Zejan
(1994) cho rằng FDI có tác động tích cực đến tăng trưởng khi quốc gia nhận FDI đã
có mức thu nhập bình quân đầu người cao. Thứ hai, Balasubramanyam, Salisu và
Sapsford (1996) nhấn mạnh vai trò của việc mở cửa thương mại trong việc hấp thụ
những lợi ích mà FDI mang lại. Thứ ba, Borenztein, De Gregio và Lee (1998) kết
luận rằng, FDI sẽ thúc đẩy tăng trưởng, nhưng chỉ ở những quốc gia nào lực lượng
lao động đã đạt đến một trình độ giáo dục nhất định. Thật vậy, việc tiếp thu công
nghệ mới và kỹ năng quản lý có những đòi hỏi nhất định từ phía lực lượng lao
động. Những hàng hóa công nghệ cao sản xuất ra cần có những lao động có trình
độ, để hiểu được và áp dụng công nghệ mới. Nói cách khác, sự lan tỏa công nghệ
(technological spillover) – yếu tố quan trọng trong tăng trưởng kinh tế, chỉ có thể
xảy ra khi quốc gia nhận FDI đạt đến một sự tích lũy về nguồn vốn nhân lực tối
thiểu nào đó (Borenzstein và cộng sự, 1998). Borenzstein và cộng sự nghiên cứu 69
nền kinh tế đang phát triển trong giai đoạn 1970 – 1989, kết luận rằng tác động của
FDI đến tăng trưởng phụ thuộc vào nguồn vốn nhân lực. Bengoa và Sanchez –
Robles (2003) cũng mang đến kết luận tương tự cho các quốc gia Mĩ Latin.
Kottaridi (2005) nghiên cứu quan hệ giữa FDI và tăng trưởng đến các quốc gia đang
phát triển ở châu Âu trong giai đoạn 1980 – 2001, cho thấy FDI phát huy tác dụng
tích cực với tăng trưởng kinh tế khi quốc gia hưởng FDI có nguồn nhân lực tương
đối hoàn thiện. Cuối cùng, Alfaro và cộng sự (2004) đặc biệt chú ý đến thị trường
tài chính. Họ cho rằng FDI tạo ra tăng trưởng nếu thị trường tài chính của quốc gia
đó đã phát triển. Theo Hermes và Lensink (2003), sự phát triển của thị trường tài
chính là điều kiện tiên quyết để phát huy tác dụng thúc đẩy tăng trưởng của FDI.
Tác động của FDI đến tăng trưởng kinh tế được các nhà nghiên cứu xem xét ở
các khu vực khác nhau. De Gregorio (1992) nghiên cứu 12 quốc gia Mĩ Latin.
Baldwin và cộng sự (1999) khảo sát mối quan hệ này trong 9 quốc gia thành viên
OECD. Zhang (2001) tập trung vào các nước châu Á. Bende – Nabende và Ford
(1998) nghiên cứu về Đài Loan. Tất cả các tác giả đều đưa đến kết luận là tồn tại
mối tương quan thuận giữa FDI và tăng trưởng kinh tế. Ngoài ra, có những nghiên
cứu chỉ ra sự khác biệt về tác động của FDI tới tăng trưởng kinh tế giữa những nước
phát triển và đang phát triển. De Mello (1999) khảo sát 15 quốc gia OECD và 17

9
quốc gia không thuộc OECD trong giai đoạn 1970 – 1990. Xu (2000) theo dõi FDI
và tăng trưởng tại 40 quốc gia phát triển và đang phát triển thời kì 1966 – 1994. Các
tác giả đồng ý rằng, tác động thúc đẩy tăng trưởng kinh tế của FDI rõ rệt và mạnh
mẽ hơn ở các quốc gia đang phát triển. Đây cũng chính là nhóm nước nhận nhiều
FDI. Kyuntae Kim và Hokyung Bang (2008) đã kiểm tra mối quan hệ dài hạn và
ngắn hạn giữa FDI và tăng trưởng kinh tế ở Ireland trong giai đoạn 1975 – 2006.
Kết quả cho thấy FDI, vốn nội địa và thương mại quốc tế có ý nghĩa thống kê về
mặt ngắn hạn và dài hạn, tác động tích cực đến tăng trưởng ở Ireland. Tác giả cũng
dùng phương pháp phân tích nhân quả (causality analysis) để cho thấy có mối quan
hệ nhân quả Granger 2 chiều (bi-directinal Granger causality) giữa FDI và GDP. Từ
đó, Kyuntae Kim và Hokyung Bang kết luận rằng giả thuyết tăng trưởng định
hướng theo FDI là có giá trị cho nền kinh tế Ireland. Họ cũng cho rằng, Ireland cần
tiếp tục thu hút FDI để tiếp tục tăng trưởng kinh tế.
Hai vùng khác cũng được các nhà nghiên cứu chú ý kiểm tra tác động của FDI
chính là châu Á và khu vực Trung và Đông Âu. Kết quả nghiên cứu của Miao
Wang (2009) về 12 nền kinh tế châu Á trong giai đoạn 1987 – 1997 cho thấy các
loại FDI khác nhau có những tác động khác nhau đến tăng trưởng kinh tế của nước
nhận. FDI vào nhóm ngành sản xuất đóng vai trò quan trọng trong quá trình thúc
đẩy tăng trưởng nhưng FDI vào nhóm ngành phi sản xuất thì không có tác dụng đó.
FDI vào nhóm ngành sản xuất chiếm tỷ trọng rất lớn, lớn nhất trong tổng số FDI
vào các nước đang phát triển châu Á. Do đó, theo Wang, cần đặc biệt nghiên cứu
FDI vào nhóm ngành sản xuất. Wang cũng cho thấy FDI vào nhóm ngành sản xuất
có tác động đến tăng trưởng GDP mạnh hơn và rõ rệt hơn FDI vào các nhóm ngành
khác. Wang gợi ý chính phủ nên có những chính sách thu hút FDI vào nhóm ngành
sản xuất. Ông cũng đặt ra câu hỏi là liệu FDI vào những nhóm ngành khác nhau có
tác động khác nhau đến tăng trưởng hay không? FDI phi sản xuất, ví dụ vào nông
nghiệp và khai mỏ, có thể không có tác động rõ rệt đến tăng trưởng thu nhập, nhưng
có thể thúc đẩy tăng trưởng ở nhóm ngành nông nghiệp và khải mỏ được hay
không? Khảo sát mối quan hệ giữa FDI và tăng trưởng kinh tế tại khu vực Đông –
Trung Âu, Gheorghe H. Popecscu (2014) cho thấy giữa FDI và tăng trưởng GDP
tồn tại mối tương quan thuận, và có ý nghĩa thống kê. FDI thúc đẩy phát triển công

10
nghệ tại nước nhận qua hiệu ứng lan tỏa (spillover). Quá trình đuổi kịp (catch-up) –
quá trình những nước kém phát triển hơn đuổi kịp các nước phát triển ở khu vưc
Đông – Trung Âu xảy ra đồng thời với thời điểm các dòng FDI ồ ạt tràn vào khu
vực này. Hơn nữa, sau suy thoái năm 2008, các luật lệ về đầu tư ngày càng thắt
chặt, đảm bảo an toàn cho FDI vào. Một môi trường đầu tư hấp dẫn lành mạnh được
thiết lập. Đông – Trung Âu dần hoàn thiện quá trình hội nhập về tài chính và mậu
dịch dưới sự ảnh hưởng của liên minh châu Âu EU. FDI từ EU đổ vào khu vực
Đông – Trung Âu ngày càng nhiều. Các nước Đông – Trung Âu liên tiếp thực hiện
cải cách kinh tế và thúc đẩy quá trình tư hữu hóa (privatization).Theo Gheorghe H.
Popecscu, những nước càng đẩy nhanh tư hữu hóa thì càng thu hút được FDI, do đó
càng hưởng mức tăng GDP cao. FDI đã làm tăng năng suất, giảm sự khác biệt về
năng suất giữa các vùng và quốc gia Đông – Trung Âu. Tất cả những điều này đều
có lợi cho GDP.
Tuy nhiên vẫn có những nghiên cứu đi ngược lại với lý thuyết FDI thúc đẩy
tăng trưởng. Ta có thể kể đến bài nghiên cứu “Liệu FDI có đẩy nhanh tăng tăng
trưởng kinh tế” – (Does FDI accelerate economic growth?) của Maria Carkovic và
Rose Levine năm 2002. Hai tác giả này cho rằng các bằng chứng vĩ mô về mối
tương quan thuận giữa FDI và tăng trưởng kinh tế cần được xem xét rất cẩn trọng.
Bở lẽ các nghiên cứu hiện tại không kiểm soát đầy đủ cho độ chệch đồng thời
(simultaneity bias), hiệu ứng của từng quốc gia khác nhau và việc sử dụng độ trễ
của biến phụ thuộc làm biến giải thích. Điểm yếu này, theo Carkovic và Levine, có
thể làm chệch ước lượng hệ số và standard errors của các hệ số. Nghiên cứu của
Carkovic và Levine năm 2002 đã sử dụng số liệu bảng, nghiên cứu 72 quốc gia
trong giai đoạn 1960 – 1995, số liệu được tính giá trị trung bình năm năm một;
không nghiên cứu kỹ bất kỳ quốc gia cụ thể nào. Hai tác giả này dùng phương pháp
Generalized Method of Moments (GMM). Ước lượng GMM dùng để tách ướng
lượng vững và không chệch của tác động FDI vào đến tăng trưởng kinh tế. Phương
pháp GMM đã sử dụng sự biến động thời gian trong số liệu, giải thích hiệu ứng của
từng quốc gia khác nhau, cho phép độ trễ của biến phụ thuộc đứng vào làm biến
giải thích và giải quyết được vấn đề biến nội sinh (endogeneity problem) trong mô

11
hình. Nghiên cứu của Carkovic và Levine cho thấy FDI không có tác động mạnh
đáng kể đến tăng trưởng kinh tế. Tuy nhiên, hai tác giả cũng lưu ý rằng, đây không
phải là một sự phủ nhận vai trò của FDI đối với tăng trưởng kinh tế trong dài hạn.
Vì Borensztein, De Gregorio và Lee (1998) và Carkovic-Levine (2002) khẳng định
rằng, trong dài hạn, có mối tương quan thuận giữa FDI và tăng trưởng kinh tế: FDI
có thể thúc đẩy tăng trưởng kinh tế trong thời gian dài. Có kết quả nghiên cứu trái
ngược với lý thuyết, Carkovic và Levine cho rằng để FDI đem lại lợi ích tăng
trưởng cho nước nhận FDI, nước nhận cần phải thỏa mãn một số điều kiện như
nguồn vốn nhân lực (nguồn nhân lực, khả năng của người lao động tại quốc gia
nhận FDI), độ mở cửa của nền kinh tế, sự phát triển về tài chính…của quốc gia
nhận FDI. Những quốc gia nào không có nguồn nhân lực tốt, không có hệ thống tài
chính phát triển tốt, không có cơ sở hạ tầng tốt…sẽ không hấp thụ được tác động
tích cực của FDI cho tăng trưởng kinh tế. Điều này cũng được khẳng định một lần
nữa trong bài nghiên cứu “Lý thuyết khả năng hấp thụ FDI” (Foreign Direct
Investment Absorptive Capacity Theory” của Duyster, Patterson và Sander. Kết quả
nghiên cứu của Carkovic và Levine năm 2002 là thống nhất với kết quả của
Durham năm 2004. Durham khảo sát 80 quốc gia trong giai đoạn 1979 – 1998. Ông
sử dụng phương pháp Bound Analysis và không thể tìm thấy mối tương quan nào
giữa FDI và tăng trưởng kinh tế.
Các nghiên cứu vi mô và các nghiên cứu vĩ mô có những kết luận trái ngược
nhau về tác động của FDI đến tăng trưởng kinh tế. Đại đa số các nghiên cứu vĩ mô
tìm thấy mối tương quan thuận giữa FDI và tăng trưởng kinh tế; dẫn tới kết luận
rằng có thể thúc đẩy tăng trưởng kinh tế bằng cách thu hút FDI vào. Các nghiên
cứu vi mô (nghiên cứu tầm các doanh nghiệp) chỉ ra rằng FDI không làm thúc đẩy
tăng trưởng kinh tế. Những nghiên cứu vi mô không tìm ra spillover tích cực từ
doanh nghiệp nước đầu tư FDI đến doanh nghiệp nước nhận FDI. Aitken và
Harrison năm 1999 đưa công bố kết quả nghiên cứu cho rằng không có sự lan
truyền công nghệ từ những doanh nghiệp nước ngoài vào doanh nghiệp của
Venezuela từ năm 1979 đến năm 1989. Mặc dù Blomstrom (1986) cho thấy những
ngành công nghiệp nào của Mexico nhận được nhiều FDI thì ngành công nghiệp đó

12
có năng suất cao, Haddad và Harrison (1993) không tìm thấy bằng chứng về việc
lan tỏa công nghệ từ FDI giúp tăng trưởng kinh tế ở những quốc gia khác. Lipsey và
Sjoholm tóm tắt những nghiên cứu liên quan và cho thấy sự lan tỏa công nghệ có
được nhờ FDI vào có tác động tích cực đến năng suất của một số ngành nghề, tuy
nhiên lại không có bằng chứng cho thấy FDI tác động tích cực đến toàn bộ nền
kinh tế. Tóm lại, các nghiên cứu vi mô không cho rằng FDI làm thúc đẩy tăng
trưởng kinh tế.
Như vậy, ta có thể thấy được kết quả nghiên cứu về tác động của FDI đến tăng
trưởng kinh tế là không thống nhất. Bên cạnh những kết quả đồng ý về mối tương
quan thuận giữa FDI và tăng trưởng kinh tế, song vẫn có những kết quả nghiên cứu
cho thấy FDI và tăng trưởng kinh tế không có mối tương quan nào. Xét thấy các
quốc gia đang phát triển thường thu hút nhiều FDI nhất, lại là những quốc gia định
hướng thu hút FDI để tăng trưởng, khóa luận này sẽ đi kiểm định lại giả thuyết: FDI
thúc đẩy tăng trưởng kinh tế ở các quốc gia đang phát triển. Tác giả sẽ lấy mẫu là
20 quốc gia đang phát triển trải dài khắp các khu vực trên thế giới: châu Á, Âu, Phi
và Mĩ Latin quan sát trong khoảng thời gian 9 năm, sử dụng mô hình Fixed Effects,
Random Effects và Pooled OLS – nhưng mô hình chuyên dùng cho số liệu bảng
(panel data) để kiểm định. Sau khi chạy đủ các mô hình, lưu và diễn giải kết quả,
tác giả sẽ chọn ra mô hình thích hợp nhất để trả lời cho câu hỏi liệu FDI có thúc đẩy
tăng trưởng kinh tế ở các quốc gia đang phát triển? Từ đó nhằm mục đích khẳng
định lại mối quan hệ giữa FDI và tăng trưởng ở các nền kinh tế đang phát triển.
2.2 Mô hình lý thuyết
Để đánh giá tác động của FDI đến tăng trưởng kinh tế, trước hết chúng ta cần
xác định những yếu tố nào ảnh hưởng đến tăng trưởng. Để làm điều này, tác giả sẽ
dẫn ra mô hình tăng trưởng gốc – mô hình tăng trưởng Solow (Solow growth
model). Mô hình này sẽ cho chúng ta một sự phân tích động vì nó cho thấy các yếu
tố như tiết kiệm, tăng trưởng dân số và đặc biệt là tiến bộ công nghệ (technological
progress) ảnh hưởng đến tổng sản phẩm của nền kinh tế như thế nào và sự tăng
trưởng ra sao. Từ đó ta có thể suy ra được FDI sẽ tác động vào yếu tố nào cấu thành
nên tăng trưởng kinh tế. Mô hình Solow cho phép ta có sự phân tích trong dài hạn –

13
nền kinh tế trong sự phân tích của chúng ta có sự vận động thay đổi. Sự phân tích
của chúng ta do đó là phân tích động (dynamic analysis) – giống như một thước
phim hơn là một bức ảnh. James Tobin nói: “ The question of growth is nothing
new but a disguise for an age-old issue, one which has always intrigued and
preoccupied economics: the present versus the future” – có thể hiểu là tăng trưởng
kinh tế không phải vấn đề mới mà chỉ là sự trá hình của một vấn đề cũ luôn ám ảnh
kinh tế học về hiện tại và tương lai. Mô hình tăng trưởng của Solow đã giải quyết
được vấn đề này.
Đề tài của khóa luận này là phân tích định lượng tác động dòng FDI vào đến
tăng trưởng kinh tế ở các quốc gia đang phát triển, việc dẫn ra một mô hình tăng
trưởng (ở đây là mô hình Solow), phân tích mô hình này là vô cùng quan trọng. Vì
mô hình này là cơ sở cho sự phân tích tác động của FDI: FDI sẽ đi vào đâu, FDI sẽ
tác động vào tăng trưởng qua kênh nào, cụ thể là qua yếu tố nào? HIện tại chưa có
một mô hình chính thức đánh giá tác động của FDI cho nên khóa luận này sẽ phân
tích tác động của FDI gián tiếp qua mô hình tăng trưởng Solow. Việc xây dựng –
phân tích mô hình Solow tuy không phải là trọng tâm của khóa luận nhưng là một
cơ sở quan trọng để việc phân tích tác động của FDI có tính thuyết phục.
2.2.1 Mô hình tăng trưởng của Solow
2.2.1.1 Sự tích lũy tư bản (vốn)
Mô hình tăng trưởng Solow được xây dựng nhằm thể hiện sự tăng trưởng
trong tích lũy tư bản, tăng trưởng trong lực lượng lao động và tiến bộ công nghệ
tương tác với nhau như thế nào, chúng cùng nhau tác động đến tổng sản lượng của
một quốc gia ra sao. Đầu tiên, ta giả định lực lượng lao động và trình độ công nghệ
không thay đổi, để xét tích lũy tư bản.
a/ Cung ứng hàng hóa và hàm sản xuất
Cung ứng hàng hóa trong mô hình Solow dựa trên hàm sản xuất: sản lượng
phụ thuộc vào tích lũy vốn và lao động:
Y = F(K, L)
Mô hình Solow giả định rằng hàm sản xuất có lợi suất không đổi theo quy mô
(constant returns to scale). Giả định này được đánh giá là thực tế và nó cũng đơn

14
giản hóa sự phân tích của chúng ta. Một hàm sản xuất có lợi suất không đổi theo
quy mô nếu:
zY = F(zK, zL)
Với mọi số dương z. Điều đó có nghĩa là: khi cả vốn và lao động được nhân
lên z lần thì tổng sản lượng cũng tăng z lần như thế.
Hàm sản xuất có lợi suất không đổi theo quy mô cho phép ta phân tích mọi đại
lượng (có thể lượng hóa) trong nền kinh tế tương ứng với kích cỡ của lực lượng lao
động. Thật vậy, để z = 1/L trong phương trình tiếp theo:
Y/L = F(K/L, 1)
Phương trình này cho thấy sản lượng mỗi công nhân (Y/L) là một hàm của
lượng vốn mỗi công nhân (K/L). Số 1 là hằng số nên có thể bỏ qua. Giả định lợi
suất không đổi theo quy mô có ý là kích cỡ của nền kinh tế - đo bằng số lượng công
nhân – không ảnh hưởng đến mối quan hệ giữa sản lượng mỗi công nhân và số vốn
mỗi công nhân.
Do đó, chúng ta có thể đưa các đại lượng ban đầu về các đại lượng tính trên
mỗi công nhân. Cụ thể như sau: y = Y/L là sản lượng mỗi công nhân, k = K/L là
vốn trên một lao động. Ta có thể viết lại hàm sản xuất như sau:
y = f(k)
Độ dốc của hàm sản xuất cho biết mỗi lao động sẽ sản xuất ra thêm bao nhiêu
sản phẩm nếu số vốn trên một công nhân tăng thêm một đơn vị. Đây chính là sản
phẩm cận biên của tư bản (marginal product of capital – MPK):
MPK = f(k+1) – f(k)
b/Cầu hàng hóa và hàm tiêu dùng
Cầu hàng hóa trong mô hình Solow đến từ tiêu dùng và đầu tư. Sản lượng trên
một lao động được chia giữa tiêu dùng trên một lao động – c – và đầu tư trên mỗi
công nhân – i:
y = c + i
Ở đây ta tạm thời bỏ qua chi tiêu chính phủ (government purchases) và xuất
khẩu ròng (net exports – sẽ được thêm vào ở phần phân tích sau, mô hình Solow
đang giả định nền kinh tế đóng).
Giả định rằng mỗi năm người ta tiết kiệm một phần – s - thu nhập và chi tiêu

15
một phần – (1-s) . Hàm tiêu dùng có thể viết như sau:
C = (1-s)y
Với s là tỷ lệ tiết kiệm, 0 < s < 1. Ta có y = (1-s)y + i, nên có thể viết lại:
i = sy.
Phương trình này cho thấy đầu tư bằng với tiết kiệm (giả định nền kinh tế
đóng).
Ta đã có hai thành phần chính của mô hình tăng trưởng Solow – hàm sản xuất
và hàm tiêu dùng – có thể mô tả nền kinh tế ở bất kỳ thời điểm nào. Với mỗi lượng
vốn k cho trước, hàm sản xuất y = f(k) cho thấy sản lượng mà nền kinh tế sản xuất
ra ; tỷ lệ tiết kiệm s thể hiện sự phân bổ sản lượng giữa tiêu dùng và đầu tư.
c/ Sự tăng trưởng trong tích lũy vốn và trạng thái dừng
Vốn là yếu tố quyết định đến sản lượng của nền kinh tế nhưng tích lũy vốn
(capital stock) có thể thay đổi theo thời gian. Có hai lực lượng tác động đến tích lũy
vốn : đầu tư và khấu hao (depreciation). Đầu tư được định nghĩa là sự chi tiêu cho
đồn điền, nhà máy mới và máy móc mới ; do đó đầu tư làm tăng tích lũy vốn. Khấu
hao là sự hao mòn của tư bản cũ (hao mòn của nhà xưởng, máy móc …) ; do vậy
khấu hao khiến tích lũy tư bản giảm.
Ta có i = sy. Từ đó, ta có thể thể hiện đầu tư trên mỗi lao động như một hàm
của tích lũy vốn mỗi lao động :
i = s.f(k)
Giả sử một tỷ lệ của tích lũy vốn hao mòn mỗi năm. là tỷ lệ khấu hao. Số
lượng vốn hao mòn mỗi năm là .k. Ta có thể biểu diễn tác động của đầu tư và khấu
hoa tới tích lũy vốn với phương trình sau:
Thay đổi trong tích lũy vốn = Đầu tư – khấu hao
Vì :
i = s.f(k)
nên ta có thể viết :
Khi mức tích lũy vốn càng cao thì sản lượng và đầu tư cũng càng cao nhưng
khấu hao cũng càng cao. Tuy nhiên có một mức tích lũy vốn k* ở đó mức đầu tư

16
bằng mức khấu hao. Khi một nền kinh tế đạt đến ngưỡng tích lũy vốn này thì tích
lũy vốn sẽ không thay đổi nữa vì hai lực lượng đầu tư và khấu hao đã cân bằng. Ở
mức k* thì cho nên tích lũy vốn k và sản lượng f(k) dừng lại không thay đổi nữa.
k* là trạng thái dừng của tư bản.
Nền kinh tế nào nếu hiện tại chưa ở trạng thái dừng thì chắc chắn sẽ đến trạng
thái dừng trong tương lai. Không kể mức tích lũy vốn ban đầu của một nền kinh tế,
nó chắc chắn sẽ về trạng thái dừng của tư bản. Trạng thái dừng biểu hiện sự cân
bằng trong dài hạn của nền kinh tế. Thật vậy, giả sử nền kinh tế bắt đầu với mức
vốn thấp hơn mức vốn ở trạng thái dừng. Lúc này, mức đầu tư sẽ vượt quá mức
khấu hao. Dần dần, tích lũy vốn sẽ tăng (cùng với sản lượng f(k) ) cho đến khi đạt
trạng thái dừng. Tương tự, nếu nền kinh tế bắt đầu với mức vốn cao hơn mức vốn ở
trạng thái dừng. Lúc này, đầu tư sẽ thấp hơn khấu hao : vốn sẽ hao mòn nhanh hơn
là nó được thay thế. Tích lũy vốn sẽ giảm, giảm đến mức trở về trạng thái dừng.
Một khi vốn đã về trạng thái dừng, đầu tư bằng với khấu hao, không còn áp lực cho
tích lũy vốn tăng hay giảm nữa. (Xem hình minh họa)
Hình 2.1 : Vốn, đầu tư, khấu hao và trạng thái dừng
Nguồn : G.N. Mankiw - 2009

17
d/Tiết kiệm vs tăng trưởng
Khi tỷ lệ tiết kiệm tăng, ngay sau đó đầu tư sẽ tăng nhưng tích lũy vốn và tư
bản chưa thay đổi. Do đó, đầu tư nhiều hơn khấu hao. Vốn sẽ tăng dần cho nến khi
đạt trạng thái dừng mới – vốn và sản lượng đều cao hơn mức trạng thái dừng cũ.
(xem hình minh họa)
Hình 2.2 : Vai trò của tiết kiệm
Nguồn : G.N. Mankiw - 2009
Mô hình Solow cho thấy tỷ lệ tiết kiệm là yếu tố then chốt của tích lũy vốn
trong trạng thái dừng. Nếu tỷ lệ tiết kiệm cao, nền kinh tế sẽ có lượng tích lũy vốn
lớn và mức sản lượng lớn. Nếu tỷ lệ tiết kiệm thấp, nền kinh tế sẽ có lượng tích lũy
vốn và mức sản lượng thấp.
Mô hình Solow cho thấy tỷ lệ tiết kiệm cao dẫn tới tăng trưởng nhanh hơn,
nhưng chỉ là tạm thời. Sự gia tăng của tỷ lệ tiết kiệm sẽ dẫn tới tăng trưởng cho tới
khi nền kinh tế đạt đến trạng thái dừng mới. Tức là tỷ lệ tiết kiệm cao sẽ không giữ
cho tăng trưởng mãi mãi.
e/ Trạng thái vàng của vốn
Giá trị k ở trạng thái dừng nếu tối đa hóa tiêu dùng được gọi là trạng thái dừng
của vốn – k*gold .(Edmund Phelps, 1961)
Ta có c = y – i ; nên : c* = f(k*) – k*
Phương trình này cho thấy sự gia tăng của vốn ở trạng thái dừng có hai tác
động trái ngược nhau lên tiêu dùng : một mặt tăng vốn làm tăng sản lượng ; mặt

18
khác tăng vốn cũng có nghĩa là nhiều sản lượng hơn phải được sử dụng để thay thế
những vốn khác đã hao mòn.
Nếu tích lũy vốn đang ở dưới mức trạng thái vàng, sự gia tăng của vốn làm
tăng sản lượng nhiều hơn khấu hao, nên tiêu dùng tăng. Hàm sản xuất dốc hơn
đường thẳng k*, nên khoảng cách giữa hai đường này (tiêu dùng) tăng khi k* tăng.
Ngược lại, nếu mức tích lũy vốn ở trên trạng thái vàng, sự gia tăng của vốn sẽ làm
giảm tiêu dùng vì sự gia tăng của sản lượng thấp hơn sự gia tăng của khấu hao. Lúc
này đồ thị hàm sản xuất ít dốc hơn đường k*, nên khoảng cách giữa hai đường (tiêu
dùng) thu hẹp khi k* tăng. Với mức tích lũy vốn tại trạng thái vàng, đồ thị hàm sản
xuất và đường thẳng k* có cùng độ dốc, tiêu dùng được tối đa hóa. (Xem hình minh
họa).
Trạng thái vàng được mô tả bằng phương trình:
MPK =
Tức là, ở trạng thái vàng, sản phẩm cận biên của vốn bằng tỷ lệ khấu hao. Tác
động của việc tăng tích lũy vốn lên tiêu dùng là MPK – . Nếu MPK – > 0, sự gia
tăng tích lũy vốn dẫn tới sự gia tăng tiêu dùng, k* < k*gold. Nếu MPK – <0, sự gia
tăng tích lũy vốn dẫn tới sự suy giảm tiêu dùng, k* > k*gold.
Hình 2.3 : Tiêu dùng ở trạng thái vàng
Nguồn : G.N.Mankiw – 2009
2.2.1.2 Tăng trưởng dân số
Giả sử dân số (cùng với lực lượng lao động) tăng liên tục với tỷ lệ n. Ta cần
phân tích xem sự gia tăng của dân số cùng với đầu tư và khấu hao tác động đến sự

19
tích lũy tư bản trên mỗi công nhân như thế nào. Ta biết rằng sự gia tăng số lượng
lao động khiến tích lũy vốn trên mỗi công nhân giảm xuống. Sự thay đổi về lượng
vốn trên mỗi lao động được thể hiện trong phương trình :
Đầu tư i làm tăng k nhưng khấu hao và tăng dân số làm giảm k. Phương trình
ta phân tích ở phần trên là dạng đặc biệt của phương trình này, đó là trường hợp n =
0. là lượng đầu tư cần thiết để giữ cho tích lũy vốn mỗi công nhân không thay đổi
(gọi là điểm BEI - break-even investment). BEI bao gồm cả khấu hao của tư bản,
và lượng đầu tư cần thiết để cung cấp thêm vốn cho những người công nhân mới,
nk. Phương trình trên cho thấy sự gia tăng dân số giảm tích lũy vốn mỗi công nhân
giống như cách khấu hao làm giảm tích lũy vốn trên mỗi lao động. Khấu hao làm
giảm k bằng cách hao mòn tư bản, trong khi gia tăng dân số giảm k bằng cách trải
lượng vốn mỏng hơn cho một số lượng lao động lớn hơn. Ta có :
Nền kinh tế ở trạng thái dừng nếu lượng vốn mỗi công nhân, k, là không đổi.
Gọi giá trị này ở trạng thái dừng là k*. Ta có :
Nếu k < k*  Đầu tư > BEI  k tăng
Nếu k > k*  Đầu tư < BEI  k giảm.
Tăng dân số thay thổi mô hình Solow cơ bản theo 3 cách. Thứ nhất, trong
trạng thái dừng dân số, vốn mỗi lao động và sản lượng mỗi lao động không đổi. Số
lượng lao động tăng với tỷ lệ n, nhưng tổng tư bản và tổng sản lượng cũng tăng với
tỷ lệ n. Như vậy dù tăng dân số không thể giải thích sự gia tăng liên tục của mức
sống (vì sản lượng mỗi công nhân không đổi ở trạng thái dừng), nhưng nó có thể
giải thích sự tăng liên tục của tổng sản lượng.
Thứ hai, tăng dân số cho ta một lời giải thích khác về vấn đề tại sao một số
quốc gia lại giàu còn số khác lại nghèo. Khi tỷ lệ gia tăng dân số tăng từ n1 đến n2,
mức vốn trên mỗi lao động ở trạng thái dừng giảm xuống. Vì k* thấp hơn và y* =
f(k*) cũng thấp hơn, mô hình Solow dự đoán quốc gia nào có tỷ lệ gia tăng dân số
cao sẽ có mức GDP bình quân đầu người thấp. (xem hình minh họa)
Cuối cùng, tăng dân số ảnh hưởng đến tiêu chí xác định trạng thái vàng của tư
bản. Tiêu dùng ở trạng thái vàng sẽ như sau:

20
c* = f(k*) – ( + n)k*
Khi đó: MPK = + n
Hình 2.4: Tác động của tăng dân số tới trạng thái dừng
Nguồn: G.N.Mankiw - 2009
2.2.1.3 Tiến bộ công nghệ
a/Lao động hiệu quả (the efficiency of labor)
Để thêm yếu tố công nghệ vào mô hình, chúng ta trở lại với hàm sản xuất ban
đầu:
Y = F(K, L).
Ta viết lại thành:
Y = F(K, L.E)
E là một biến mới gọi là sự hiệu quả của lao động. E phản ánh kiến thức của
xã hội về phương thức sản xuất : khi công nghệ được cải tiến, hiệu quả của lao động
sẽ tăng lên, mỗi giờ lao động sản xuất ra được nhiều sản phẩm và dịch vụ hơn. L.E
có thể hiểu là đo lường số lao động hiệu quả. Nó quan tâm đến số lao động (công
nhân) thực tế L và sự hiệu quả của mỗi công nhân E. Nếu L đo lường số công nhân
thực tế trong lực lượng lao động thì L.E đo lường cả lao động thực tế và công nghệ
mà mỗi lao động được trang bị. Hàm sản xuất mới cho thấy tổng sản lượng Y phụ
thuộc vào cả đầu vào tư bản K và số lao động hiệu quả L.E. Sự gia tăng trong hiệu
quả của lao động, E, giống với việc tăng lên của lao động thực tế, L. Nếu số lao

21
động thực tế không thay đổi nhưng số lao động hiệu quả (L.E) tăng gấp đôi thì nền
kinh tế có thể hưởng sự tăng lên của tổng sản lượng.
Ta giả định rằng tiến bộ công nghệ khiến sự hiệu quả của lao động (E) tăng lên
theo một tỷ lệ không đổi là g. Tiến bộ công nghệ được gọi là tăng lao động (labor
augmenting – Mankiw 2009) và g được gọi là tỷ lệ tăng lao động của tiến bộ công
nghệ. Lực lượng lao động thực tế tăng lên theo tỷ lệ n, sự hiệu quả của mỗi đơn vị
lao động (E) tăng theo tỷ lệ g, nên số lao động hiệu quả (L.E) tăng theo tỷ lệ n+g.
b/ Trạng thái dừng với tiến bộ công nghệ.
Tiến bộ công nghệ không làm cho số lao động thực tế tăng lên nhưng mỗi
công nhân lại có nhiều đơn vị lao động hơn, tiến bộ công nghệ khiến số lao động
hiệu quả tăng lên. Chúng ta tiếp tục phân tích nền kinh tế bằng các đại lượng tính
trên mỗi đơn vị lao động hiệu quả. Cụ thể như sau :
k = K/(L.E) : lượng tư bản trên một đơn vị lao động hiệu quả.
y = Y/(L.E) : sản lượng trên một đơn vị lao động hiệu quả.
Ta có : y = f(k).
Phương trình diễn tả sự thay đổi của k theo thời gian được trình bày như sau :
Ở mức k*, khi tư bản trên mỗi đơn vị lao động hiệu quả và sản lượng trên mỗi
đơn vị lao động hiệu quả là không đổi, nền kinh tế đạt đến trạng thái dừng (giống
như phân tích ở phần trên). Đây là điểm cân bằng dài hạn của nền kinh tế.
c/Tác động của tiến bộ công nghệ
Ở trạng thái dừng : y không thay đổi và E tăng với tỷ lệ g. Sản lượng mỗi lao
động thực tế Y/L = y.E sẽ tăng với tốc độ g trong trạng thái dừng. Tổng sản lượng
của nền kinh tế Y = y.E.L sẽ tăng với tốc độ n+g trong trạng thái dừng.
Với việc thêm biến tiến bộ công nghệ vào mô hình (mô hình tăng trưởng
Solow hoàn thiện), ta có thể giải thích được sự tăng lên liên tục của mức sống. Phân
tích trên cho ta thấy tiến bộ công nghệ dẫn tới sự tăng lên liên tục trong sản lượng
mỗi lao động. Trái lại, tỷ lệ tiết kiệm cao chỉ dẫn tới tăng trưởng cao hơn cho đến
khi tới trạng thái dừng. Một khi nền kinh tế chạm tới trạng thái dừng, tỷ lệ tăng

22
trưởng của sản lượng trên mỗi đơn vị lao động (trên mỗi công nhân) chỉ phụ thuộc
vào tiến bộ công nghệ. Mô hình Solow hoàn thiện cho thấy, chỉ có tiến bộ công
nghệ mới giải thích được tăng trưởng vĩnh viễn và sự tăng lên liên tục của mức
sống.
Trạng thái vàng nơi tiêu dùng được tối đa sẽ đạt được khi : MPK =
2.2.2 Suy rộng từ mô hình tăng trưởng của Solow
2.2.2.1 Xét nền kinh tế mở của các nước đang phát triển
Từ mô hình Solow hoàn chỉnh, ta có thể thấy nếu tăng đầu tư (từ tăng tiết
kiệm), tăng lực lượng lao động và tăng tiến bộ công nghệ có thể dẫn đến tăng
trưởng (dù chỉ có tăng tiến bộ công nghệ mới dẫn đến tăng trưởng vĩnh viễn). Ta
mở rộng sự phân tích từ nên kinh tế đóng sang nền kinh tế mở. Sự gia tăng đầu tư
trong mô hình Solow nghĩa là đầu tư nội địa – đầu tư do tiết kiệm trong nước phát
sinh. Tuy nhiên, trong nền kinh tế mở, các nước có tỷ lệ tiết kiệm thấp (đại đa số là
các nước đang phát triển) vẫn có cơ hội hưởng mức đầu tư cao vì có dòng vốn đầu
tư từ nước ngoài (thường là các nước phát triển) vào, mà chủ yếu là đầu tư trực tiếp
nước ngoài – FDI. Như vậy FDI, đối với các nước đang phát triển, có thể thay thế tỷ
lệ tiết kiệm khiến tăng đầu tư, tăng vốn nhằm thúc đẩy tăng trưởng (trong ngắn
hạn). Ngoài ra, FDI vào các nước đang phát triển (các quốc gia này vốn dĩ nghèo
nàn về công nghệ) còn đem theo rất nhiều tiến bộ công nghệ mới (Findlay, 1978 và
Barro and Sala-i-Martin, 1995). Tiến bộ công nghệ này sẽ khiến cho nền kinh tế các
nước đang phát triển tiếp tục tăng trưởng ngay khi đã đạt đến trạng thái dừng, mang
lại sự tăng trưởng vĩnh viễn – tăng trưởng trong dài hạn (mô hình Solow hoàn thiện
nhấn mạnh tầm quan trọng của tiến bộ công nghệ trong việc dẫn tới tăng trưởng liên
tục). Như vậy, từ mô hình tăng trưởng Solow mở rộng ra nền kinh tế mở, ta có thể
thấy FDI sẽ làm cho các nước đang phát triển hưởng mức tăng trưởng cao hơn
thông qua việc cung cấp vốn và công nghệ cho các nước này.
2.2.2.2 Hàm sản xuất Cobb Douglas cho các nước đang phát triển
Hàm sản xuất Cobb-Douglas là một ví dụ tiêu biểu của mô hình tăng trưởng
Solow (Roberto Chang, 2012). Trong hàm sản xuất Cobb – Douglas gốc, tổng sản
lượng là đại lượng phụ thuộc vào công nghệ (E), vốn (K) và lao động (L) như sau :
Y = A. .

23
Tuy nhiên, khi ta xét trong thực tiễn nền kinh tế mở, ta không thể phủ nhận vai
trò của thương mại quốc tế đến tăng trưởng.Liệu có nên thêm một biến biểu diễn
thương mại quốc tế vào hàm sản xuất Cobb-Douglas không ? Adam Smith trong
tác phẩm kinh điển « the Wealth of Nations » (Sự giàu có của các quốc gia) có đoạn
viết :
« It is a maxim of every prudent master of a family, never to attempt to make
at home what it will cost more to make than to buy. The tailor does not attempt to
make his own shoes, but buys them of the shoemaker. The shoemaker does not
attempt to make his own clothes, but employs a tailor…
What is prudence in the conduct of every private family can scarce be folly in
that of a great kingdom. If a foreign country can supply us with a commodity
cheaper than we ourselves can make it, better buy it of them with some part of the
produce of our own industry employed in a way which we have some advantage”.
Có thể tạm hiểu là một quốc gia nên sản xuất những hàng hóa mà mình có lợi
thế, sau đó đem trao đổi với các quốc gia khác. Ông cũng thể hiện quan điểm
thương mại quốc tế đem lại sự thịnh vượng cho các quốc gia.
Liệu có bằng chứng cho việc thương mại quốc tế thúc đẩy tăng trưởng không?
Các nhà kinh tế học ngày nay dựa vào các số liệu quốc tế theo nhiều năm để xem
mối tương quan giữa tăng trưởng kinh tế và thương mại quốc tế. Andrew Warner và
Jeffray Sachs đã nghiên cứu vấn đề này cho giai đoạn 1970 – 1989. Kết quả cho
thấy, trong số các quốc gia phát triển, các nền kinh tế mở cửa với thương mại quốc
tế tăng trưởng trung bình 2.3% mỗi năm còn các nền kinh tế đóng cửa với thương
mại quốc tế là 0.7%. Trong số các quốc gia đang phát triển, các nền kinh tế mở cửa
với thương mại quốc tế tăng trưởng 4.5% trong khi các nền kinh tế đóng cửa với
thương mai quốc tế chỉ tăng trưởng 0.7% mỗi năm. Kết quả của hai nhà kinh tế học
này thống nhất với quan điểm của Adam Smith là thương mại quốc tế thúc đẩy tăng
trưởng. Một ví dụ khác dễ hiểu hơn đó là các quốc gia như Nhật Bản những năm 50
của thế kỷ XIX, Hàn Quốc những thập niên 60 và Việt Nam những thập niên 90 của
thế kỉ XX – mở cửa với thương mại quốc tế đã khiến những quốc gia này có mức
tăng trưởng kinh tế cao hơn. Jeffrey Frankel và David Romer cũng kết luận rằng
“sự gia tăng 1% của tỷ lệ thương mại quốc tế với GDP sẽ tăng thu nhập quốc

24
gia…”. Mở cửa cho thương mại quốc tế là điều có lợi cho tăng trưởng kinh tế
(Mankiw, 2009). Mankiw cũng đề xuất về sự cần thiết nên thêm một biến biểu diễn
thương mại quốc tế vào hàm sản xuất Cobb-Douglas. Đó là biến TRADE, bao gồm
tổng xuất khẩu và nhập khẩu của một quốc gia.
Vì ta đang xét trong nền kinh tế mở, ta có thể chia biến K của hàm Cobb-
Douglas làm 2 thành tố: vốn trong nước và vốn nước ngoài. Ở các nước đang phát
triển, vốn nước ngoài vào đa số là FDI. Ta viết lại hàm sản xuất Cobb-Douglas:
Y = A. ..
Trong đó : Y = GDP, K = vốn trong nước, F = đầu tư trực tiếp nước ngoài –
FDI, L = lao động, TR = xuất khẩu + nhập khẩu
Lấy logarithm tự nhiên của 2 về phương trình trên để đưa về hàm tuyến tính, ta
có :
lnY = C + lnK + lnF + lnL + lnTR
Theo mô hình lý thuyết, vốn trong nước, lao động và thương mại quốc tế có
tác động dương tới tăng trưởng.
Ta dự đoán FDI và GDP có mối tương quan thuận: FDI có thể thúc đẩy tăng
trưởng. Như vậy, vấn đề nghiên cứu chủ yếu của chương 3 cũng như toàn khóa luận
này là kiểm định FDI có mang lại tăng trưởng kinh tế ở các nền kinh tế đang phát
triển hay không.
Ta có bảng dự đoán dấu như sau:
Dự đoán dấu
của hệ số
+ + + +
CHƯƠNG 3: PHƯƠNG PHÁP PHÂN TÍCH ĐỊNH LƯỢNG
3.1 Mô hình
3.1.1 Số liệu bảng – panel data
Để kiểm định FDI có mang lại tăng trưởng kinh tế ở các nền kinh tế đang phát
triển hay không, khóa luận này chọn nghiên cứu 20 quốc gia đang phát triển, trải dài
trên các châu lục Âu, Á, Phi và Mĩ Latin, mỗi nước được quan sát trong vòng 9 năm

25
(từ 2005 đến 2013) ở các tiêu chí: GDP, tích lũy vốn nội địa, FDI, số lao động và
tổng nhập khẩu và xuất khẩu được theo dõi theo từng năm. Tổng cộng là 180 quan
sát. Đây chính là số liệu bảng - panel data (Từ lúc này đến hết khóa luận, thuật ngữ
“panel data” sẽ được sử dụng thay cho “số liệu bảng”). Panel data cho phép người
nghiên cứu theo dõi biến động của các biến số quan tâm trên cả mặt không gian và
thời gian – nó là sự kết hợp những ưu việt của cross-section và time series data.
Dùng panel data có lợi ích gì? Trong cuốn Basic Econometrics, Guajarati
(2009) viết:
- Vì panel data cho thông tin về những cá nhân, doanh nghiệp, vùng
miền, quốc gia… trong một khoảng thời gian, chắc chắn sẽ có những khác
biệt (heterogeneity) giữa những cá thể kể trên. Kỹ thuật của ước lượng với
panel data cho phép người nghiên cứu có thể tính đến những khác biệt đó
một cách trực tiếp.
- Bằng sự kết hợp của những quan sát time series và cross-section,
panel data cho người nghiên cứu nhiều một cái nhìn cụ thể hơn về đối tượng
nghiên cứu, cho phép sự linh hoạt hơn (các biến thay đổi theo thời gian) và
giảm hiện tượng đa cộng tuyến giữa các biến, tăng thêm bậc tự do và hiệu
quả hơn.
- Panel data rất phù hợp với việc nghiên cứu sự biến động. (Phù hợp
với mục đích của khóa luận, cần khảo sát tác động của FDI vào tăng trưởng,
cần nghiên cứu trong một khoảng thời gian trong đó các biến số vĩ mô đều có
thể thay đổi).
- Panel data có thể phát hiện và đo lường những tác động không thể
quan sát được ở cross-section hay times-series đơn thuần.
- Panel data cho phép ta nghiên cứu những mô hình phức tạp (ví dụ như
tính kinh tế của quy mô và biến đổi công nghệ…)
- Panel data có thể tối thiểu hóa độ chệch (bias) – vấn đề bias có thể
nảy sinh nếu ta gom các cá thể vào thành những nhóm quá lớn.
Panel data, theo Peter Kennedy (2003), có thể chia làm ba loại:
- “Long and narrow” (dài và hẹp): “dài” có nghĩa là các biến được theo
dõi trong khoảng thời gian (T) dài , “hẹp” tức là không có nhiều những cá
thể (đơn vị cross-section - N) được quan sát. Ở đây T > N

26
- “Short and wide” (ngắn và rộng): “ngắn” có nghĩa là các biến được
theo dõi trong khoảng thời gian (T) ngắn; “rộng” tức là có rất nhiều cá thể
(đơn vị cross-section - N) được quan sát. Ở đây T < N
- “Long and wide” (dài và rộng): có nhiều cá thể (đơn vị cross-section)
được quan sát, trong một khoảng thời gian dài. Ở đây T = N
Có bốn cách – 4 mô hình ước lượng cho panel data:
(1) Pooled OLS model: gom tất cả các quan sát lại (ở trong khóa
luận này là 180 quan sát), ước lượng một hồi quy tổng, bỏ qua bản chất
cross-section và time-series (trải dài theo không gian và thời gian) của dữ
liệu.
(2) Fixed Effects least squares dummy variable model (LSDV):
gom 180 quan sát lại, nhưng cho phép mỗi đơn vị cross-section, tức mỗi
quốc gia có hệ số riêng là biến ảo dummy.
(3) Fixed Effects within-group model (FE): gom 180 quan sát lại,
đối với mỗi quốc gia, biểu diễn mỗi biến dưới dạng độ lệch so với giá trị
trung bình, rồi ước lượng OLS với giá trị đó. (gọi là time de-meaned
regression)
(4) Random Effects model (RE): hệ số của mỗi quốc gia là ngẫu
nhiên.
Khóa luận này sẽ trình bày cả 4 mô hình trên (Pooled OLS, LSDV, FE và RE),
chạy cả 4 mô hình, dùng các kiểm định Hausman Test và Wald Test để tìm ra mô
hình tốt nhất để kiểm định xem FDI có mang lại tăng trưởng kinh tế ở các nền kinh
tế đang phát triển hay không.
3.1.2 Mô hình Pooled OLS
Mô hình gộp (từ lúc này đến hết khóa luận sẽ được gọi là pooled model) là mô
hình mà dữ liệu về các cá thể khác nhau được gộp chung với nhau mà không kể đến
những khác biệt giữa các cá thể dù những khác biệt này có thể dẫn đến những hệ số
khác nhau. Pooled model của chúng ta, mối quan hệ giữa các biến giải thích lnK,
lnF, lnL và lnTR với biến phụ thuộc lnY được biểu diễn như sau:
lnYit = C + lnKit + lnFit +lnLit + lnTRit + eit (3.1)
Phương trình trên có hai kí hiệu nhỏ ở dưới: i chỉ quốc gia thứ i và t chỉ
khoảng thời gian thứ t (ở đây là năm). Như vậy, ví dụ, Yit biểu diễn quan sát của

27
biến phụ thuộc vào năm t cho quốc gia thứ i. Nói cách khác Yit là GDP của nước i
trong năm t.
Có thể nhận thấy ở phương trình trên, các hệ số C, , , không có ký hiệu nhỏ i, t
ở phía dưới. Các hệ số này được giả định là không thay đổi đối với tất cả các quốc
gia ở tất cả các năm, không cho phép (không kể đến) sự khác biệt có thể có ở những
các quốc gia khác nhau (individual heterogeneity). Đây là đặc điểm của pooled
model – không tính đến sự khác biệt giữa các cá thể (đơn vị cross-section).
Sai số eit biểu diễn tất cả những nhân tố khác tác động đến GDP nhưng không
thể hiện ra trong mô hình. Ta giả định sai số (sau đây đến hêt khóa luận sẽ được gọi
là “error term”) eit có kỳ vọng bằng 0 và không có bất kỳ mối tương quan nào với
các biến giải thích lnKit, lnFit, lnTRit, lnLit. Ước lượng bình phương nhỏ nhất cho
C, , , có đẩy đù những đặc tính sau: consistent, minimum variance, unbiased - vững,
phương sai nhỏ nhất và không chệch. Ước lượng bình phương nhỏ nhất của pooled
model có thống kê t và F có ý nghĩa ở mẫu lớn cho kiểm định giả thuyết (hypothesis
testing) và ước lượng khoảng (interval estimation). Nếu ta giả định các biến giải
thích là không ngẫu nhiên thì ước lượng bình phương nhỏ nhất là ước lượng có
phương sai nhỏ nhất, tuyến tính và không chệch ở những mẫu hữu hạn (R.Carter
Hill, 2009).
Đây là những giả định về error term eit cho pooled model:
E(eit) = 0 (kỳ vọng bằng 0)
Var(eit) = E = (phương sai – variance không thay đổi)
Cov(eit, ejs) = E(eit, ejs) = 0 Với i j hoặc t s (không có tương quan giữa các
error term)
Cov(eit, lnKit) = 0, cov(eit, lnFit) = 0, cov(eit, lnLit) = 0, cov(eit, lnTRit) = 0 (error
term không có tương quan với biến giải thích).
3.1.3 Mô hình Fixed Effects least squares dummy variable (LSDV)
LSDV gọi trong tiếng việt là mô hình bình phương nhỏ nhất có biến ảo. Có
biển ảo dummy tức là mô hình đã mặc nhiên có Fixed Effects (sẽ được trình bày cụ
thể ở phần sau).

28
3.1.3.1 Giới thiệu chung về LSDV
Ta có phương trình biểu diễn mối quan hệ giữa biến phụ thuộc lnYit với các
biến độc lập lnKit, lnFit, lnLit, lnTRit mở rộng từ phương trình (3.1) như sau:
lnYit = Ci + lnKit + lnFit + lnLit + lnTRit + eit (3.2)
Ta đưa thêm ký hiệu nhỏ i vào bên dưới các hệ số C, , ,. Các hệ số này bây giờ
có thể nhận giá trị khác nhau đối với mỗi quốc gia khác nhau. Lúc này ta đã bắt đầu
xét đến sự khác nhau giữa các quốc gia. Tuy nhiên, mô hình này không phù hợp với
panel data có thời gian ngắn nhưng số quốc gia thì nhiều (N > T) (R.Carter Hill,
2009)
Để phù hợp với panel data có thời gian ngắn và số quốc gia nhiều, ta thay mô
hình (3.2) bằng mô hình sau :
Trong mô hình (3.3) này, hệ số chặn Ci sẽ khác nhau giữa các quốc gia khác
nhau nhưng hệ số góc , , được giả định là không đổi với mọi quốc gia.
Tất cả mọi khác biệt những các quốc gia – sự khác biệt mang tính cá thể
(individual heterogeneity) được coi là đã được phản ánh trong hệ số chặn. Hệ số
chặn được đưa vào để kiểm soát những đặc tính đặc thù của từng quốc gia, những
đặc tính không thay đổi theo thời gian (individual-specific, time-invariant
characteristics). Mô hình này gọi là mô hình Fixed Effects (trong đó fixed tức là cố
định, mô hình này kiểm soát những biến cố định không thay đổi theo thời gian). Ta
có thể thêm các biến ảo (từ đây đến hết khóa luận sẽ được gọi là dummy) để trở
thành mô hình (Fixed Effects) least square dummy variable (LSDV).
3.1.3.2 Thêm dummy vào mô hình
Để ước lượng mô hình (3.3), ta thêm biến ảo vào vị trí hệ số chặn cho mỗi cá
thể (ở đây là mỗi quốc gia). Thông thường, người ta chỉ thêm dummy khi số các cá
thể là nhỏ. Số cá thể trong khóa luận này là 20 quốc gia – không phải là con số hợp
lý để thêm dummy. Do vậy ta sẽ thêm dummy theo kiểu phân nhóm (sẽ được trình
bày ở phần sau). Ta có thể hình dung về mô hình có dummy như sau :
Giả sử có 10 cá thể, các biến giải thích là x2it, x3it, biến độc lập là yit. Ta định
nghĩa 10 biến dummy như sau :

29
D2i = 1 nếu i = 2
0 nếu i 2
…
D10i = 1 nếu i = 10
0 nếu i10
Ta có mô hình :
yit = + + … + + x2it + x3it + eit
Lúc này, sự khác biệt giữa các cá thể đã được tính đến (thể hiện ở các hệ số
chặn , , …, ). Mô hình có thể coi là đáng tin cậy hơn pooled model (không xét đến
sự khác biệt giữa các cá thể). Tuy nhiên, chúng ta không thể sử dụng LSDV một
cách tùy tiện. Gujarati (2009) đã chỉ ra những nhược điểm của LSDV như sau:
- Nếu đưa vào quá nhiều dummy, người nghiên cứu sẽ gặp phải vấn đề
về bậc tự do. Người nghiên cứu sẽ thiếu số quan sát để có phân tích thống kê
có ý nghĩa.
- Nếu có quá nhiều dummy, mô hình sẽ gặp rủi ro về đa cộng tuyến
(multicollinearity), sẽ làm cho việc ước lượng tham số gặp khó khăn.
- Trong một số trường hợp LSDV không thể nhận diện tác động của
những biến số không thay đổi theo thời gian. Những hệ số chặn cá thể (the
subject-specific intercepts) – như , , …, ở trên sẽ làm mờ đi những khác biệt
(heterogeneity) có thể tồn tại trong các biến độc lập và biến phụ thuộc.
- Vấn đề về error term eit – vì i thể hiện các cá thể khác nhau và t thể
hiện thời gian biến đổi, giả định cổ điển về eit N(0, ) có thể bị thay đổi, khiến
việc phân tích trở nên phức tạp.
3.1.3.3 Thêm biến dummy vào mô hình của của khóa luận
Khóa luận này nghiên cứu 20 quốc gia đang phát triển trong thời gian 9 năm,
N > T nên mô hình LSDV sẽ được đưa vào chạy là (3.3)
Vì số quốc gia là khá lớn (20 quốc gia), tác giả sẽ không thêm dummy cho
từng quốc gia một. Thay vào đó sẽ chia dummy theo từng châu lục. Cụ thể như sau:
Dum1= 1 nếu quốc gia thuộc châu Phi
0 nếu quốc gia không thuộc châu
Phi
D1i = 1 nếu i = 1
0 nếu i 1

30
Dum2 = 1 nếu quốc gia thuộc châu Mĩ
Latin
Mĩ Latin
Dum3 = 1 nếu quốc gia thuộc châu Âu
Âu
Dum4 = 1 nếu quốc gia thuộc châu Á
Á
Ta có mô hình LSDV biểu diễn mối quan hệ giữa biến phụ thuộc lnYit với các
biến độc lập lnKit, lnFit, lnLit, lnTRit như sau:
lnYit = C1Dum1 + C2Dum2 + C3Dum3 +C4Dum4 +lnKit +lnFit +lnLit +lnTRit+
eit
3.1.4 Mô hình Fixed Effects within group (mô hình Fixed Effects)
Ta viết lại phương trình biểu diễn mối quan hệ giữa biến phụ thuộc lnYit với
các biến độc lập lnKit, lnFit, lnLit, lnTRit như sau:
Lấy giá trị bình quân của các đại lượng theo thời gian, chia cả 2 vế của (3.3)
cho T, ta có:
= Ci + lnKit + lnFit +lnLit + lnTRit + eit]
Do tham số không thay đổi theo thời gian, ta có thể giản lược phương trình
trên thành như sau :
= = Ci + + + + +
Ci + + + + + (3.4)
Dấu gạch ngang trên đầu thể hiện các đại lượng được lấy bình quân theo thời
gian. Ta lấy phương trình (3.3) trừ phương trình (3.4), ta được :
lnYit = Ci + lnKit + lnFit + lnLit + lnTRit + eit

31
Ci + + + + +
__________________________________________________
lnYit - = lnKit - ) + lnFit - )+lnLit - + lnTRit - + (eit-
 (3.5)
Dấu ngã phía trên các biến biểu thị độ lệch của các biến khỏi giá trị bình quân.
Phương pháp này nhấn mạnh đặc điểm của ước lượng FE: hệ số của ước lượng chỉ
phụ thuộc duy nhất vào biến động trong biến giải thích và biến độc lập trong mỗi cá
thể (ở đây là trong mỗi quốc gia) (“writing the fixed effects model in terms of
deviations from individual means, as in (3.5), emphasizes another important
characteristic of the fixed effects estimator: the coefficient estimates depend only on
the variation of the dependent and explanatory variables within individuals” -
R.C.Hill, 2009)
Fixed Effects chỉ phù hợp nghiên cứu các biến số thay đổi theo thời gian.
Khi làm việc với mô hình Fixed Effects, ta thường hay giả định rằng những
yếu tố bên trong mỗi cá thể (quốc gia) có thể gây ảnh hưởng đến biến phụ thuộc.
Người ta cần phải kiểm soát những yếu tố này. Mô hình Fixed Effects cho phép ta
loại bỏ những đặc điểm không thay đổi theo thời gian này. Các đặc điểm thay
không đổi theo thời gian (time-constant characteristics) là khác nhau giữa các cá thể
(quốc gia) và không được có tương quan với những đặc điểm khác của các cá thể
(quốc gia).
Vì mô hình Fixed Effects kiểm soát tất cả những sự khác biệt không đổi theo
thời gian (time-invariant differences) giữa những cá thể (quốc gia) nên hệ số ước
lượng của mô hình Fixed Effects không thể bị chệch.
Mô hình Fixed Effects không thể được sử dụng để nghiên cứu những nguyên
nhân không thay đổi theo thời gian của biến phụ thuộc (các biến giải thích không
thể không đổi theo thời gian). Mô hình Fixed Effects nghiên cứu sự thay đổi trong
mỗi cá thể (quốc gia).
3.1.5 Mô hình Random Effects
3.1.5.1 Xây dựng mô hình Random Effects
Trong mô hình (3.3):
lnYit = Ci + lnKit + lnFit + lnLit + lnTRit + eit

32
ta giả định sự khác biệt giữa các quốc gia được thể hiện ở hệ số chặn Ci. Ci
được coi là tham số cố định có thể ước lượng trực tiếp sử dụng ước lượng bình
phương nhỏ nhất. Trong mô hình Random Effects, ta lại giả định tiếp sự khác biệt
giữa các quốc gia được biểu diễn ở trong hệ số chặn Ci, nhưng chúng ta có thể nhận
ra rằng ta có thể coi những khác biệt đó là ngẫu nhiên (random) thay vì cố định
(fixed) – như ta đã làm ở mô hình DLSV và mô hình Fixed Effects. Sự khác biệt
ngẫu nhiên có thể được đưa vào mô hình bằng cách xây dựng tham số chặn Ci chứa
một thành phần cố định (biễu diễn số bình quân của tổng thể - và thành phần biểu
diễn sự khác biệt của mỗi quốc gia ra khỏi giá trị bình quân, . Ta viết :
Ci = (3.6)
Sự khác biệt mang tính ngẫu nhiên của mỗi quốc gia - giống như error term
ngẫu nhiên (random error term). Trong mô hình Random Effects, ta có những giả
định sau về : kỳ vọng bằng 0, các giá trị không có tương quan và có phương sai
không đổi :
E( = 0 ; cov ( (i ; var(
Thay phương trình (3.6) vào phương trình (3.3) ta có :
lnYit = ( ) + lnKit + lnFit + lnLit +lnTRit + eit (3.7)
là tham số cố định của tổng thể, là hiệu ứng ngẫu nhiên (random effect), ta
viết lại phương trình (3.7) để đưa về dạng hồi quy thông thường :
lnYit = + lnKit + lnFit +lnLit + lnTRit + (eit + (3.8)
Đặt = eit + , phương trình (3.8) trở thành:
lnYit = + lnKit + lnFit + lnLit + lnTRit + (3.9)
là tham số chặn. Error term có hai thành phần là – tác động ngẫu nhiên của
từng quốc gia và eit – sai số ngẫu nhiên thông thường của hàm hồi quy.
3.1.5.2 Giả định về error term
Ta đã trình bày giả định về eit ở mục 3.1.2. Ta giả định tiếp không có tương
quan nào với eit – cov(eit) = 0 và không có tương quan với các biến giải thích :
cov(; cov( ; cov( ; cov(
Từ đó, ta có các giả định sau về = eit +
(1)Error term có kỳ vọng bằng 0 :
E( E(eit + ) = E(eit) + E() = 0 + 0 = 0

33
(2) có phương sai không thay đổi :
= var( = var(eit + )
= var() + var(eit) + 2cov(eit + )
= +
(3) Tương quan giữa hai (cá thể) quốc gia bất kỳ, i – j, tại thời điểm t.
Covariance trong trường hợp này được tính như sau:
cov( = E( = E[(eit ( ejt]
= E() + E() + E( + E(
= 0
(4)Tương quan giữa các error term trong cùng một quốc gia (i) ở những thời
gian khác nhau, t và s. Covariance trong trường hợp này là :
cov( = E( = E[(eit ( eis]
= E() + E() + E( + E(
= + 0 + 0 + 0
=
(5)Tương quan giữa các sai số ở mỗi cá thể (quốc gia) khác nhau ở các thời
điểm khác nhau. Covariance được tính như sau :
cov( = E( = E[(eit ( ejs]
= E() + E() + E( + E(
= 0 + 0 + 0 + 0 = 0
Như vậy, các error terms = eit + có mối tương quan với nhau qua thời gian
cho mỗi cá thể, nhưng ngoài trường hợp đó thì không có mối tương quan nào nữa.
Mối tương quan thế này được tạo ra bởi thành phần (phổ biến ở mọi thời điểm).
Mối tương quan này là cố định theo thời gian, được tính như sau :
=
3.1.5.3 Ước lượng mô hình Random Effects
Trong mô hình Random Effects – phương trình (3.9):
lnYit = + lnKit + lnFit + lnLit + lnTRit +

34
sai số có kỳ vọng bằng 0, phương sai không đổi ( + . Vấn đề phức tạp ở đây là
tương quan chuỗi (serial correlation) – error term của các đơn vị cross-section (mỗi
quốc gia) có tương quan với nhau = . Ước lượng bình phương nhỏ nhất vững và
không chệch nhưng lại không có phương sai nhỏ nhất.
Ước lượng phương sai nhỏ nhất cho mô hình Random Effects là ước lượng
Generalized Least Square (GLS). Ta chuyển đổi mô hình bình phương nhỏ nhất
thành :
lnYit - = lnKit - ) + lnFit - )+lnLit - + lnTRit - + (vit-
(3.10)
Dấu gạch ngang trên đầu thể hiện các đại lượng được lấy bình quân theo thời
gian (đã trình bày ở trên). Tham số chuyển đổi ở đây là , được xác định theo công
thức sau:
3.1.6 Kiểm định chọn mô hình
3.1.6.1 Hausman Test: mô hình Fixed Effects hay Random Effects?
Để kiểm tra xem có mối tương quan nào giữa error term với các biến giải
thích trong mô hình Random Effects, ta có thể dùng Hausman Test. Hausman test
so sánh ước lượng của hệ số trong mô hình Random Effects với mô hình Fixed
Effects. Ý tưởng đằng sau Hausman Test là ước lượng của Random Effects và
Fixed Effects sẽ vững nếu không tồn tại tương quan giữa và các biến giải thích.
Nếu các ước lượng đều vững, trong mẫu rất lớn, chúng sẽ hội tụ về giá trị đúng của
nó. Tức là trong mẫu rất lớn, ước lượng của mô hình Fixed Effects và Random
Effects sẽ như nhau. Ngược lại, nếu có tương quan với biến giải thích, ước lượng
của Random Effects sẽ không còn vững trong khi ước lượng của Fixed Effects vẫn
còn vững. Do đó khi mẫu rất lớn, ước lượng của Fixed Effects sẽ hội tụ về giá trị
đúng của nó nhưng ước lượng của Random Effects thì không. Trong trường hợp
này, ta mong muốn tìm ra sự khác biệt giữa ước lượng của Fixed Effects và
Random Effects.
Gọi lần lượt là các ước lượng của hệ số trong mô hình Fixed Effects và
Random Effects. Sử dụng t-test ta có:

35
t =
Sử dụng -test, ta có:
W =
Giả thuyết không của Hausman Test là có tương quan với bất kỳ biến giải
thích nào. Nói cách khác, Ho: Mô hình Random Effects phù hợp hơn
Nếu như Ho bị bác bỏ, tức là tồn tại một mối tương quan giữa với một biến
giải thích nào đó, ta sẽ dùng mô hình Fixed Effects
3.1.6.2 Wald Test: Có nên đưa về pooled model hay không?
Từ mô hình có dummy:
lnYit = C1Dum1 + C2Dum2 + C3Dum3 +C4Dum4 +lnKit +lnFit +lnLit +lnTRit+
eit
ta đưa ra cặp giả thuyết sau :
Ho : C1 = C2 = C3 = C4
H1 : Ci Cj, i j
Nếu giả thuyết Ho bị bác bỏ, ta có thể kết luận rằng có sự khác biệt giữa các hệ
số chặn của mỗi quốc gia, do đó không nên gom tất cả dữ liệu về mô hình pooled
model với 1 hệ số chặn duy nhất.
Để chắc chắn việc chọn mô hình cuối cùng là chính xác cũng như khẳng định
kết quả nghiên cứu, khóa luận sẽ trình bày thêm kiểm định Redundant Fixed Effects
– Likelihood Ratio (để khẳng định kết quả của Wald Test) và Granger Causality
test.
3.1.6.3 Granger Causality test
Ta muốn biết xem liệu FDI có gây ra tăng trưởng kinh tế ở các nền kinh tế
đang phát triển hay không: lnF có gây ra lnY hay không, ta dùng Granger Causality
Test (kiểm định về mối quan hệ nhân – quả Granger).
LnFt = C1*LnYt-i + C2*LnFt-j + u1t
LnYt = C3*LnFt-i + C4*LnYt-j + u2t
Trong đó, t-i và t-j là độ trễ.
Ta giả định rằng LnF và LnY là biến tĩnh (stationary) và u2t, u1t không có mối
tương quan nào cov(u2t, u1t) = 0

36
Giả thuyết không (Ho) của ta là : FDI không gây ra tăng trưởng kinh tế và
ngược lại.
3.2 Số liệu và nguồn số liệu
3.2.1 Số liệu
Khóa luận này lấy mẫu là 20 quốc gia đang phát triển, trải dài khắp các châu
lục Âu, Á, Phi, Trung Mĩ và Mĩ Latin. Cụ thể, châu Phi gồm: Algeria, Angola,
Congo, Ai Cập, Ethiopia; Mĩ Latin và Trung Mĩ gồm: Brazil, Chile, Colombia,
Venezuela và Mexico; châu Âu gồm: Bulgaria, Croatia, Lithuania, Latvia và Ba
Lan; châu Á gồm: Campuchia, Trung Quốc, Ấn Độ, Lào và Việt Nam. Mỗi quốc
gia được theo dõi trong khoảng thời gian là 9 năm: từ năm 2005 đến năm 2013. Đây
là khoảng thời gian thuận lợi cho việc nghiên cứu vì số liệu được cập nhật mới nhất
và trong khoảng thời gian này bao gồm thời gian khủng hoảng tài chính toàn cầu
2007 – 2008, cho phép ta có cái nhìn rõ hơn về việc sụt giảm FDI (do khủng hoảng
tài chính đem lại), có tác động gì đến tăng trưởng kinh tế hay không.
3.2.2 Nguồn số liệu
Số liệu về dòng FDI vào (FDI inflow), tổng số lao động, tổng GDP, tổng giá
trị xuất khẩu và nhập khẩu được lấy từ phần thống kê của trang web của Hội nghị
Liên Hợp Quốc về thương mại và phát triển – UNCTAD (United Nations
Conference on Trade and Development): unctad.org.
Số liệu về tổng vốn nội địa được lấy từ trang web của Ngân hàng thế giới:
data.worldbank.org

37
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Trước khi chạy các mô hình kinh tế lượng được trình bày ở trên, ta cần có cái
nhìn khái quát về các chỉ số thống kê của các biến số trong mô hình (được trình bày
ở bảng dưới).
4.1 Tóm tắt thống kê
Bảng 4.1: Tóm tắt số liệu thống kê
LNY LNK LNF LNL LNTR
Mean 31.52 26.06 27.53 16.48 30.53
Median 36.88 23.87 24.45 16.31 25.25
Maximum 41.37 39.96 39.09 20.52 40.67
Minimum 21.73 18.92 20.34 13.95 21.24
Std. Dev. 7.19 6.24 6.49 1.77 6.95
Skewness -0.09 1.34 0.89 0.62 0.13
Kurtosis 1.11 3.03 1.95 2.78 1.13
Jarque-Bera 26.97 53.62 32.55 11.94 26.65
Probability 0.00 0.00 0.00 0.00 0.00
Sum 5674.40 4691.58 4954.89 2966.68 5494.86
Sum Sq. Dev. 9267.74 6977.96 7539.77 560.66 8641.50
Observations 180 180 180 180 180
Nguồn: tác giả

38
4.2 Bảng mối tương quan giữa các biến số của mô hình
Bảng 4.2: Ma trận Covariance
LNY 51.49 29.91 33.17 8.78 42.35
LNK 29.91 38.77 31.36 8.78 30.10
LNF 33.17 31.36 41.89 7.33 33.51
LNL 8.78 8.78 7.33 3.11 8.52
LNTR 42.35 30.10 33.51 8.52 48.00
Nguồn: tác giả
Bảng 4.3: Ma trận Correlation
LNY 1.00 0.67 0.71 0.69 0.85
LNK 0.67 1.00 0.78 0.79 0.69
LNF 0.71 0.78 1.00 0.64 0.75
LNL 0.69 0.79 0.64 1.00 0.69
LNTR 0.85 0.69 0.75 0.69 1.00
Nguồn: tác giả
Để xét mối tương quan giữa các đại lượng, ta dùng chỉ số covariance và
correlation. Từ hai ma trận tương quan ở trên, ta thấy covariance và correlation của
LnY và LnF đều là số dương. Tức là LnY và LnF dao động cùng chiều: cùng tăng
hoặc cùng giảm.
Các biến khác: LnK, LnL, LnTR cũng có tương quan thuận với LnY, điều này
phù hợp với lý thuyết.
4.3. Đồ thị mối quan hệ giữa lnY và lnF
Ta có một số đồ thị để quan sát trực quan mối quan hệ giữa FDI và tăng trưởng
kinh tế ở các quốc gia đang phát triển
Đồ thị 4.1: Mối quan hệ giữa LnY và LnF

39
Nguồn: tác giả
Đồ thị 4.2: mối quan hệ giữa LnY và LnF
Nguồn: tác giả
Ta thấy ở cả hai đồ thị trên, đa phần LnY và LnF biến động cùng chiều. Tuy
nhiên, chỉ dựa vào đồ thị, ta không thể có kết luận gì về việc liệu FDI vào có thúc
đẩy tăng trưởng ở các quốc gia đang phát triển hay không.
4.4 Mô hình pooled OLS
Kết quả của mô hình pooled OLS (bảng 4.4) được diễn giải như sau:
LnF có hệ số ước lượng là 0.17 . Khi FDI tăng 1% thì GDP tăng 0.17%, các
yếu tố khác không thay đổi.
LnF có p-value là 0.03. Ước lượng của LnF có ý nghĩ thống kê ở mức 5%.

40
Như vậy theo mô hình pooled OLS, FDI và GDP có tương quan thuận.
Đối với các biến còn lại :
Khi vốn nội địa tăng 1% thì GDP giảm 0.04% các yếu tố khác không thay đổi.
Tuy nhiên LnK có p-value là 0.61 nên ước lượng hệ số của LnK không có ý nghĩa
thống kê ở mức 5%.
Khi lực lượng lao động tăng 1% thì GDP tăng 0.74%, các yếu tố khác không
thay đổi. LnL có p-value là 0.01, hệ số ước lượng của LnL có ý nghĩa thống kê
ở mức 5%.
Khi tổng xuất khẩu và nhập khẩu tăng 1% thì GDP tăng 0.66%, các yếu tố
khác không thay đổi. LnTR có p-value là 0.00, hệ số ước lượng của LnTR có ý
nghĩa thống kê ở mức 5%.
= 0.75: các biển độc lập giải thích được 75% biến động trong LnY. Mô hình
có thể xem là tương đối tốt.
Như vậy, dấu của LnF, LnL, LnTR đều đúng với dự đoán ban đầu.
Theo mô hình pooled OLS, ta có thể tạm thời kết luận tăng dòng FDI vào làm
tăng GDP ở các quốc gia đang phát triển.
Tuy nhiên, như ta đã đề cập ở trên, mô hình pooled OLS không tính đến sự
khác biệt giữa các quốc gia. Điều này đặt ra sự cần thiết của việc phải dùng các mô
hình kinh tế lượng khác để ước lượng.

Phân Tích Định Lượng Tác Động Của Fdi Đến Tăng Trưởng Kinh Tế_08320112092019

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to Phân Tích Định Lượng Tác Động Của Fdi Đến Tăng Trưởng Kinh Tế_08320112092019

Similar to Phân Tích Định Lượng Tác Động Của Fdi Đến Tăng Trưởng Kinh Tế_08320112092019 (20)

More from PinkHandmade

More from PinkHandmade (20)

Recently uploaded

Recently uploaded (20)

Phân Tích Định Lượng Tác Động Của Fdi Đến Tăng Trưởng Kinh Tế_08320112092019