Luận án Chính sách kiều hối phục vụ phát triển kinh tế Việt Nam - Trần Huy Tùng

tra mối quan hệ nhân quả Granger. Bên cạnh đó, tác động ngắn hạn giữa các biến sẽ được kiểm định bằng kiểm nghiệm Wald để đánh giá tác động chung của các biến trễ của biến giải thích. Ngoài ra, kiểm tra nhân quả Granger theo cặp dựa trên thống kê F cũng được áp dụng để xác định hướng tác động. Kiểm nghiệm nghiệm đơn vị Kiểm nghiệm nghiệm đơn vị dược thực hiện trước các ước lượng nhằm kiểm tra các chuỗi dữ liệu có tính dừng hay không. Tính dừng nghĩa là phương sai, sai số và sai số tự động của chuỗi dữ liệu là không biến đổi theo thời gian. Nếu dữ liệu không có tính dừng, thì phương pháp hồi quy OLS giản đơn sẽ cho kết quả giả mạo. Để kiểm định tính dừng của chuỗi dữ liệu, hai phương pháp khác nhau được áp dụng để kiểm nghiệm nghiệm đơn vị là ADF và PP. Cả hai phương pháp này có mối quan hệ với nhau và đều được áp dụng để tìm nghiệm đơn vị. Kiểm nghiệm đồng liên kết Sau kiểm nghiệm nghiệm đơn vị, đề tài kiểm định đồng liên kết giữa các biến trong mô hình. Các biến được coi là đồng liên kết nếu được tìm thấy là có liên kết trên cùng một bậc. Kiểm định Johasen thường được sử dụng để đánh giá đồng liên kết và đây cũng là kiểm định được lựa chọn để thực hiện trong đề tài. Để thực hiện kiểm định 81 Johasen, ta phải lựa chọn đỗ trễ cho mô hình VAR. Kiểm tra LR sẽ được sử dụng để xác định độ trễ tối ưu này. Mô hình hiệu chỉnh sai số Vector Error Correction Model – VECM Để đánh giá mối quan hệ giữa kiều hối, nguồn vốn, nguồn nhân lực và tăng trưởng kinh tế, đề tài sử dụng kiểm định nhân quả Granger. Kiểm định nhân quả Granger dựa trên mô hình VECM giữa kiều hối, nguồn nhân lực, nguồn vốn và tăng trưởng kinh tế. Mô hình VECM là một dạng mô hình VAR bị hạn chế được thiết kế để sử dụng cho chuỗi số liệu không dừng và có mối quan hệ đồng kiên kết. Mô hình VECM hạn chế hành vi tác động dài hạn của các biến nội sinh bằng cách sử dụng mối quan hệ đồng liên kết giữa các biến, trong khi chi phép các điều chỉnh trong ngắn hạn. Mô hình VAR được diễn tả theo 4 phương trình như sau: ∆lGDP = α0 + Σn i=1 α1i ∆lGDPt-1 + Σn i=1α2i ∆lREMt-1 + Σn i=1α3i ∆lCAPt-1 + Σn i=1α4i ∆ENRt-1 + α5ECTt-1 + μt (1) ∆lREM = β0 + Σn i=1 β1i ∆lREMt-1 + Σn i=1β2i∆ lGDPt-1 + Σn i=1β3i ∆lCAPt-1 + Σn i=1β4i ∆ENRt-1 + β5ECTt-1 + σt (2) ∆lCAP = λ0 + Σn i=1 λ1i ∆lCAPt-1 + Σn i=1λ2i∆ lGDPt-1 + Σn i=1λ3i ∆lREMt-1 + Σn i=1λ4i ∆ENRt-1 + λ5ECTt-1 + εt (3) ∆ENR = ω0 + Σn i=1 ω1i ∆ENRt-1 + Σn i=1ω2i∆ lGDPt-1 + Σn i=1ω3i ∆lREMt-1 + Σn i=1ω4i ∆lCAPt-1 + ω5ECTt-1 + γt (4) Trong đó: lGDP = log của tổng sản phẩm quốc nội thực tế lREM = log của kiều hối lCAP = log của tổng vốn đầu tư (capital formation) ENR = tỷ lệ tăng trưởng học sinh cấp 2, được hiệu chỉnh bởi tỷ lệ tăng dân số ECTt-1 = hiệu chỉnh lỗi, trễ 1 kỳ μt, σt , εt, γt là sai số của mô hình. Kiểm nghiệm mối quan hệ trong dài hạn Hệ số hồi quy của ECT thể hiện tốc độ điều chỉnh trong ngắn hạn để tiến tới quan hệ ổn định giữa các biến số. Ý nghĩa thống kê, sau khi kiểm định p_value, của ECT cho thấy mối quan hệ cân bằng trong dài hạn được điều chỉnh bởi các biến phụ thuộc. Kết quả dự kiến của α5, β5, λ5 và ω5 được kỳ vọng có ý nghĩa thống kê và có giá 82 trị âm. Trị số tuyệt đối của hệ số hồi quy trên (nằm trong khoảng từ 0 đến 1) cho thấy tốc độ mà sự cân bằng được hồi phục. Kiểm nghiệm mối quan hệ trong ngắn hạn Mối quan hệ nhân quả trong ngắn hạn được kiểm tra bằng cách đánh giá mức độ ý nghĩa của các hệ số hồi quy biến độc lập. Ý nghĩa kết hợp sẽ cho thấy biến phụ thuộc sẽ tác động thế nào với các tác nhân ngắn hạn. Phân tích nhân quả trong ngắn hạn được tiến hành bằng cách sử dụng kiểm tra tiêu chuẩn Chi-Square Wald. 2.2.1.2. Dữ liệu nghiên cứu Nhằm đánh giá mối quan hệ giữa kiều hối và tăng trưởng kinh tế, đề tài sử dụng số liệu theo quý cho Việt Nam từ 1996 đến 2016. Trong đó: (i) biến đại diện cho tăng trưởng kinh tế được đo lường bằng tổng sản phẩm quốc nội thực tế (GDP, triệu USD); (ii) biến đại diện cho kiều hối được đo lường bằng kiều hối vào ròng (REM, triệu USD); (iii) biến đại diện cho nguồn vốn, được đo lường bằng tài sản tích lũy (CAP, triệu USD); và (iv) biến đại diện cho nguồn nhân lực được đo lường bằng mức tăng trưởng học sinh tham gia cấp 2, hiệu chỉnh bởi mức tăng dân số (ENR, %). Nguồn dữ liệu của GDP, CAP và REM được trích xuất từ Thống kê tài chính quốc tế (IFS). Trong khi đó, chỉ tiêu nguồn nhân lực được tính toán theo số liệu của tổng cục Thống kê Việt Nam. Tất cả các số liệu được hiệu chỉnh mùa vụ theo phương pháp Census X13 và được logarit hóa (trừ số liệu nguồn nhân lực, ERN) nhằm hạn chế hiện tượng phương sai sai số thay đổi. Sau khi được logarit hoá, ký hiệu của mỗi biến (trừ biến ERN) sẽ được thêm chữ cái “l” ở trước. Chuỗi số liệu trong mô hình được thu thập theo tần suất quý trong giai đoạn từ 1996Q1 đến 2016Q4. Bảng 2.5: Phân tích thống kê mô tả các biến trong mô hình VECM Số quan sát: 84 lGDP lREM lCAP ENR Mean 8.739 6.798 3.424 6.582 Max 9.106 7.895 3.694 7.95 Min 8.388 4.362 3.282 5.39 Std. Dev 0.218 0.896 0.121 0.93 Skewness -0.105 -0.465 0.631 0.054 Kurtosis 1.522 1.984 2.066 1.475 Jarque-Bera 7.804 6.638 8.631 8.18 Prob. 0.020 0.036 0.013 0.016 Nguồn: Kết quả từ phần mềm Eviews 83 2.2.1.3. Kết quả nghiên cứu Tại bước đầu tiên, để đánh giá tác động của kiều hối và tăng trưởng kinh tế, tác giả kiểm định tính dừng của chuỗi số liệu bằng kiểm định Augmented Dickey-Fuller ADF và kiểm định Phillips-Perron PP. Bảng 2.6 cho kết quả kiểm định ADF và PP đối với chuỗi dữ liệu tăng trưởng kinh tế, tăng trưởng kiều hối, nguồn vốn và nguồn nhân lực và cho thấy tất cả các biến trong mô hình đều dừng khi lấy sai phân bậc 1. Như vậy, các biến đều tích hợp và có bậc 1, phù hợp với yêu cầu của mô hình VECM. Bảng 2.6: Kiểm định tính dừng của chuỗi số liệu Biến Phillips-Perron Augmented Dickey-Fuller I(0) I(1) I(0) I(1) lGDP 4,107 -3,682*** 3,090 -7,819*** lREM 1,664 -19,955*** 1,384 -19,253*** lCAP -0,002 -3,225** 0,003 -2,260** ENR -0,676 -9,000*** -1,029 -1,755* Nguồn: Kết quả từ phần mềm Eviews Bước tiếp theo, tác gỉa ước lượng mô hình VAR và xác định độ trễ thích hợp. Kết quả tại bảng 2.7 cho thấy độ trễ thích hợp là 7. Tác giả sau đó thực hiện kiểm định Johansen với độ trễ tối ưu là 7 nhằm xác định sự tồn tại của đồng liên kết giữa các biến trong mô hình. Bảng 2.7: Xác định độ trễ thích hợp cho mô hình Lag LogL LR FPE AIC SC HQ 0 11.77595 NA 9.60e-06 -0.201973 -0.080217 -0.153271 1 501.8990 916.5937 4.31e-11 -12.51686 -11.90808 -12.27335 2 552.9682 90.20022 1.74e-11 -13.42775 -12.33194 -12.98943 3 599.5948 77.50918 7.92e-12 -14.22324 -12.64041 -13.59012 4 635.2437 55.55658 4.83e-12 -14.73360 -12.66375* -13.90568 5 662.9074 40.23813 3.67e-12 -15.03655 -12.47968 -14.01383* 6 680.0423 23.14329 3.71e-12 -15.06603 -12.02213 -13.84850 7 702.8288 28.40914* 3.30e-12* -15.24231* -11.71138 -13.82997 Nguồn: Kết quả từ phần mềm Eviews Kết quả tại bảng 2.8 cho thấy mối quan hệ trong dài hạn giữa các biến trong mô hình. Cả kiểm định Trace và kiểm định Max-Eigen đều cho thấy tồn tại 1 đồng liên kết trong mô hình ở mức ý nghĩa 1%. Nói cách khác, tất cả 3 biến trong mô hình nghiên cứu đều có tác động qua lại với nhau. 84 Bảng 2.8: Kiểm định đồng liên kết Johansen Giả thiết Trace statistic Max-Eigen statistic Không tồn tại đồng liên kết 70,983*** 42,402*** 1 đồng liên kết 28,581* 16,903 2 đồng liên kết 11,678 11,676 3 dồng liên kết 0,002 0,002 Nguồn: Kết quả từ phần mềm Eviews Do có đồng kiên kết trong mô hình nên mô hình thích hợp để sử dụng là mô hình hiệu chỉnh sai số VECM. Mục tiêu của mô hình là để kiểm định xem kiều hối, nguồn vốn và nguồn nhân lực có thể có tác động tới GDP hay không. Kết quả của mô hình VECM với độ trễ tối ưu là 7 được trình bày tại bảng 2.9 (xem Phụ lục 8). Sự điều chỉnh về mức cân bằng Tại mô hình 1 với biến phụ thuộc là tăng trưởng kinh tế, biến độc lập là kiều hối, nguồn vốn và nguồn nhân lực, hệ số tương quan của ECT(-1) là âm và có ý nghĩa thống kê, cho thấy xuất hiện sự điều chỉnh về trạng thái cân bằng của nền kinh tế sau cú sốc về kiều hối, nguồn vốn và nguồn nhân lực. Tại mô hình 2 với biến phụ thuộc là kiều hối, biến độc lập là tăng trưởng kinh tế, nguồn vốn và nguồn nhân lực, hệ số tương quan của ECT(-1) là âm và có ý nghĩa thống kê có sự điều chỉnh về trạng thái cân bằng của nền kinh tế sau các cú sốc về tăng trưởng kinh tế, nguồn vốn và nguồn nhân lực. Tại mô hình 3 với biến phụ thuộc là nguồn vốn, biến độc lập là tăng trưởng kinh tế, kiều hối và nguồn nhân lực, hệ số tương quan của ECT(-1) là âm và có ý nghĩa thống kê, cho thấy xuất hiện sự điều chỉnh về trạng thái cân bằng của nền kinh tế sau các cú sốc về tăng trưởng kinh tế, kiều hối và nguồn nhân lực. Tại mô hình 4 với biến phụ thuộc là nguồn nhân lực, biến độc lập là tăng trưởng kinh tế, kiều hối và nguồn vốn, hệ số tương quan của ECT(-1) là âm nhưng không có ý nghĩa thống kê, cho thấy không xuất hiện sự điều chỉnh về trạng thái cân bằng của nền kinh tế sau các cú sốc về tăng trưởng kinh tế, nguồn vốn và kiều hối. Đánh giá tác động dài hạn Bảng 2.10 (xem Phụ lục 9) trình bày kết quả mô hình VECM đối với mối quan hệ dài hạn. 85 Tại mô hình 1 với biến phụ thuộc là tăng trưởng kinh tế cho thấy tác động dài hạn từ kiều hối, nguồn vốn và nguồn nhân lực tới tăng trưởng kinh tế tại Việt Nam trong giai đoạn 1996-2016. Tại mô hình 2 với biến phụ thuộc là kiều hối cho thấy xuất hiện tác động dài hạn từ tăng trưởng kinh tế, nguồn vốn và nguồn nhân lực tới dòng kiều hối tại Việt Nam trong giai đoạn 1996-2016. Tại mô hình 3 với biến phụ thuộc là nguồn vốn cho thấy xuất hiện tác động dài hạn từ tăng trưởng tín dụng, kiều hối và nguồn nhân lực tới hình thành nguồn vốn tại Việt Nam trong giai đoạn 1996-2016. Tại mô hình 4 với biến phụ thuộc là nguồn nhân lực cho thấy không xuất hiện tác động dài hạn từ tăng trưởng kinh tế, kiều hối và nguồn vốn tới hình thành nguồn nhân lực tại Việt Nam giai đoạn 1996-2016. Đánh giá tác động ngắn hạn Kiểm định Wald-test được sử dụng để đánh giá tác động trong ngắn hạn của biến độc lập tới biến phụ thuộc. Trong đó, nếu các hệ số tương quan của biến phụ thuộc trong mô hình khác 0, ta có thể kết luận biến độc lập có tác động đến biến phụ thuộc trong ngắn hạn. Kết quả kiểm định Wald test được trình bày tại bảng 2.11 (xem Phụ lục 10). Với biến phụ thuộc là tăng trưởng kinh tế, kiểm định Wald test cho thấy các biến kiều hối, nguồn vốn và nguồn nhân lực đều có tác động tới tăng trưởng kinh tế trong ngắn hạn. Với biến phụ thuộc là dòng kiều hối, kiểm định Wald test cho thấy các biến tăng trưởng kinh tế, nguồn vốn đều không có tác động tới kiều hối trong ngắn hạn. Trong khi đó, biến nguồn nhân lực có tác động tới kiều hối trong ngắn hạn. Với biến phụ thuộc là nguồn vốn, kiểm định Wald test cho thấy các biến tăng trưởng kinh tế, kiều hối và nguồn nhân lực đều không có tác động tới nguồn vốn trong ngắn hạn. Với biến phụ thuộc là nguồn nhân lực, kiểm định Wald test cho thấy dòng kiều hối, tăng trưởng kinh tế và nguồn vốn đều không có tác động đến nguồn nhân lực trong ngắn hạn. Sử dụng kiểm định ARCH để phát hiện hiện tượng phương sai sai số thay đổi và kiểm định LM để phát hiện hiện tượng tương quan chuỗi dều cho p-value>0,05, kiểm định CuSum test để xác định mức độ ổn định của mô hình cho thấy chỉ số 86 Cusum nằm trong khoảng 5%. Điều này cho thấy mô hình ổn định và không gặp các lỗi trên, và do đó ước lượng của mô hình là ước lượng BLUE (không chệch, tuyến tính, tin cậy và nhất quán). 2.2.1.4. Ý nghĩa kết quả Đề tài kiểm nghiệm mối quan hệ tương quan gữa tăng trưởng kinh tế, kiều hối, nguồn vốn và nguồn nhân lực trong ngắn hạn va dài hạn bằng mô hình hiệu chỉnh sai số VECM. Dựa trên kết quả của mô hình có thể rút ra một số kết luận và hàm ý chính sách sau: Thứ nhất, kiều hối có tác động tích cực tới tăng trưởng kinh tế tại Việt Nam cả trong ngắn hạn và dài hạn. Kết luận này phù hợp với lý thuyết về tác động của kiều hối tới tăng trưởng kinh tế. Theo đó, ở góc độ vĩ mô, kiều hối chuyển về làm tăng cường vốn nhân lực, mở rộng hoạt động trung gian tài chính và thúc đẩy tiêu dùng, kiều hối có thể thúc đẩy phát triển kinh tế. Ở góc độ vi mô, kiều hối góp phần cải thiện chất lượng sống của hộ gia đình, đáp ứng các nhu cầu cấp thiết như chi tiêu sinh hoạt hàng ngày, xây dựng, sửa sang nhà cửa. Hơn nữa, kiều hối còn cho phép hộ gia đình tích lũy để chi tiêu cho giáo dục, y tế, gửi tiết kiệm ngân hàng. Như vậy, trên cơ sở những tác động tích cực của kiều hối đến kinh tế vi mô và kinh tế vĩ mô, chính phủ cần ban hành các chính sách thu hút dòng kiều hối về Việt Nam, thông qua ổn định nguồn thu nhập, đảm bảo cuộc sống cho người Việt Nam lao động ở nước ngoài và người định cư tại nước ngoài. Thứ hai, kết quả từ mô hình không cho thấy tác động trong ngắn hạn từ kiều hối tới vốn đầu tư, mà chỉ cho thấy tác động dài hạn gộp của kiều hối, tăng trưởng kinh tế và nguồn nhân lực tới vốn đầu tư. Kết quả này trùng với một số nghiên cứu của Chami và cộng sự (2003), Kagochi (2010) và có thể được giải thích như sau: Một là, môi trường kinh doanh trong nước không tạo điều kiện thích hợp thúc đẩy đầu tư tư nhân, khi tăng trưởng kinh tế không ổn định, lạm phát cao, lãi suất cho vay cao, và môi trường pháp lý còn nhiều cản trở. Hai là, người nhận kiều hối do được cung cấp tài chính từ người thân ở nước ngoài nên không có động lực sản xuất kinh doanh để trang trải nhu cầu sinh hoạt hàng ngày (Chami và cộng sự, 2003). Ba là, theo Kagochi (2010) thì tác động trực tiếp của kiều hối tới đầu tư tư nhân tại các nước có GDP đầu người thấp (như Việt Nam) là rất hạn chế. 87 Bốn là, đối với trường hợp của Việt Nam, thì khu vực nhận kiều hối chủ yếu tập trung tại vùng nông thôn. Theo nghiên cứu của Alderman (1996) thì tại khu vực nông thôn, mục đích sử dụng kiều hối chính của người dân là mua sắm đất đai và xây sửa lại nhà cửa, không phải đầu tư sản xuất kinh doanh. Bên cạnh đó, đối tượng gửi kiều hối chính ở Việt Nam là lực lượng lao động xuất khẩu và cô dâu Việt kiều, thuộc các gia đình nghèo. Do đó, lượng kiều hối chuyển về chủ yếu phục vụ mục đích tiêu dùng hàng ngày. Điều này đặt ra yêu cầu về chính sách quản lý kiều hối trong thời gian tới, cụ thể là hướng kiều hối vào dòng đầu tư tư nhân. Tuy phương pháp định lượng đo lường được mối quan hệ dài hạn giữa kiều hối và tăng trưởng kinh tế nhưng lại tỏ ra khó khăn khi xét tới mối quan hệ giữa kiều hối và phát triển kinh tế, đặc biệt là ở các cấp độ khác nhau. Bên cạnh đó, phân tích định lượng tại mô hình VECM sử dụng các chỉ tiêu vĩ mô nên khó trình bày ý nghĩa thực tế một cách toàn diện. Do đó, mô hình PSM được sử dụng để đo lường tác động của kiều hối tới sự phát triển kinh tế của hộ gia đình. 2.2.2. Tác động của kiều hối tới phát triển kinh tế Việt Nam qua mô hình PSM 2.2.2.1. Lựa chọn mô hình Nhằm đánh giá tác động của dòng kiều hối đến phát triển kinh tế, luận án đo lường ảnh hưởng của dòng kiều hối đến mức sống hộ gia đình, đói nghèo và hành vi chi tiêu của người nhận bằng phương pháp kết nối điểm xu hướng (Propensity Score Matching - gọi tắt là PSM). Phương pháp PSM được đánh giá là phương pháp phù hợp trong việc đo lường tác động của các đối tượng trong dự án khi khả thi trong việc so sánh nhóm lợi ích và nhóm kiểm soát theo không gian. Nếu như các phương pháp khác như so sánh phản thân hay khác biệt kép cần đến quy trình khảo sát theo thời gian nghiêm túc với cùng một đối tượng thì PSM cung cấp công cụ để đánh giá tác động trong không gian. Lựa chọn mô hình đánh giá tác động của dòng kiều hối đối với sự phát triển của hộ gia đình nhận kiều hối bằng phương pháp PSM cần đến 2 giả định quan trọng, đó là: (i) số lượng mẫu phải đủ lớn nhằm lựa chọn được đối tượng kiểm soát phù hợp và (ii) các hộ nhận kiều hối không mang đi để cho/biếu/tặng các hộ khác. Nếu như giả định thứ nhất có thể được thỏa mãn tại nghiên cứu này nhờ cơ sở dữ liệu từ Cuộc điều tra mức sống hộ gia đình năm 2016 (VHLSS 2016) thì giả định thứ hai chưa chắc có thể được thỏa mãn bởi tại Việt Nam đã có trường hợp hộ nhận kiều hối – sau đó đem cho các hộ khác vay để đi xuất khẩu lao động. Trong cuộc phỏng vấn định tính sẽ được trình bày tại mục 2.2.3, trong khi Thanh Hóa xuất hiện hiện tượng cho 88 vay lại này thì Phú Thọ lại không chứng kiến. Tuy nhiên, bản thân các hộ Thanh Hóa cho vay lẫn nhau thường tập trung cho vay hộ là họ hàng của họ thay vì hộ không có mối quen biết. Do đó, trong nghiên cứu này, giả định số hai vẫn có thể được coi là chấp nhận được. Theo Soto và Brown (2012), mô hình PSM được thực hiện qua 6 bước như sau sẽ được thực hiện trên phần mềm Stata. Bước 1: sử dụng mô hình Probit ước lượng xác suất hộ gia đình có người thân ở nước ngoài gửi tiền kiều hối về dựa trên các biến đặc điểm của hộ như về nhân khẩu học, học vấn, nghề nghiệp. Ngoài ra, mô hình Probit có thể bổ sung các biến kiểm soát ở cấp xã. Giá trị xác suất tính ra cho mỗi hộ tại bước này nằm trong khoảng (0, 1). P(kh=1) = Þ(ßo +ß1*Z + e) Trong phương trình này, kh đại diện cho xác suất để trở thành hộ gia đình có người gửi kiều hối về, Þ là hàm tích luỹ đối với phân phối chuẩn và Z là vector đại diện cho đặc điểm của cá nhân, hộ gia đình và cả các biến ở cấp xã. Bước 3: tính điểm xác suất cho từng hộ. Bước 4: ghép nhóm nhận kiều hối với nhóm không nhận kiều hối theo phương pháp so sánh điểm (xác suất). Theo đó, đối tượng nhận kiều hối thứ i sẽ được ghép với đối tượng không nhận kiều hối j nếu như điểm xác suất của đối tượng j gần nhất với điểm xác suất của đối tượng i (nearest neighbor)7. Để làm giảm xác suất tìm được hộ trong nhóm kiểm soát có mức điểm khác lớn so với hộ trong nhóm nhận kiều hối, kỹ thuật ghép sẽ dùng tới công cụ được thay thế. Tức là, nếu tìm được hộ jm có điểm xác suất gần nhất với hộ ix, hộ jm có thể tiếp tục được sử dụng để ghép với hộ iy nếu như có điểm xác suất gần nhất với hộ iy. Mặc dù phương pháp kết nối điểm dựa trên quan sát của nhóm kiểm soát có điểm xác suất gần nhất không nhất thiết phải xác định vùng hỗ trợ chung bằng kỹ thuật common giống như phương pháp kết nối Kernel hay Radius., luận án vẫn áp dụng kỹ thuật này nhằm loại bỏ quan sát có điểm xác suất quá thấp hoặc quá cao. Bước 5: tính chênh lệnh giữa thu nhập thực tế của hộ nhận được kiều hối và thu nhập của họ khi giả định không nhận được (phương pháp ATT8). Trong đó, thu nhập của hộ nhận kiều hối i khi giả định không nhận được kiều hối chính là thu nhập của của nhóm đối tượng kiểm soát j. Ngoài thu nhập này, các biến số thể hiện sự phát triển 7 Kỹ thuật kết nối khác như Kernel, Radius hay Stratification có thể gây ra hộ kiểm soát không phản ánh đặc điểm của hộ nhận kiều hối. 8 Average Treatment on Treated 89 khác như đói nghèo, hành vi sử dụng kiều hối có thể được tính toán tác động của dòng kiều hối đến chúng. Trong đó, về đói nghèo, luận án đánh giá sự thay đổi về tỷ lệ hộ nghèo khi có kiều hối, khoảng cách nghèo và chỉ số nghèo đa chiều. ATT = E(Yni| khi=1) – E(Ynj |khi=1) Bước 6: kiểm định độ tin cậy của các ước lượng của mô hình, ý nghĩa của các khác biệt và tính cân bằng. Về độ tin cậy, kiểm định p_value được sử dụng như trong các mô hình hồi quy OLS. Về ý nghĩa của các khác biệt trong ATT, kiểm định t-test sẽ được sử dụng. Về tính cân bằng, kiểm định tính cân bằng (balance) được đo lường bởi 2 tiêu chí: (i) giá trị chệch tiêu chuẩn B theo đề xuất của Rosenbaum và Rubin (1985) và (ii) kiểm định Pseudo R2. Tuy nhiên, theo Imai và cộng sự (2008), kiểm định t-test về mức ý nghĩa của sự khác biệt của nhóm nhận kiều hối với nhóm kiểm soát không chính xác do có thể bị nhạy cảm đối với quy mô mẫu. Do đó, kiểm định về độ tin cậy ước lượng và tính cân bằng được ưu tiên quan tâm hơn. 2.2.2.2. Dữ liệu Dữ liệu để chạy mô hình PSM được thu thập từ nguồn dữ liệu thứ cấp, cụ thể là dữ liệu trong cuộc điều tra mức sống dân cư 2016. Đối với bước 1 hồi quy mô hình Probit xác suất để 1 hộ gia đình nhận được kiều hối, ngoài dữ liệu về biến giả hộ gia đình nhận kiều hối, nghiên cứu sử dụng hai dạng dữ liệu: (i) dữ liệu cấp địa phương/vùng và (ii) dữ liệu từ bản thân hộ gia đình. Dữ liệu cấp địa phương/vùng bao gồm: giá trị kiều hối vào xã, khu vực thành thị/nông thôn và vùng phân theo 6 khu vực địa lý trong bộ VHLSS 2016. Về dữ liệu ở cấp độ hộ gia đình, hai biến được sử dụng gồm: điều kiện nhà ở, tỷ lệ tốt nghiệp tiểu học của thành viên trong hộ. Nguyên nhân chọn các biến số này được dựa trên các nghiên cứu trước và đặc điểm kiều hối vào Việt Nam. Theo đó, tâm lý đám đông thường khiến hộ gia đình ở gần nhau nhận được nhiều kiều hối hơn hộ ở vùng khác. Ngoài ra, nghiên cứu của Nguyễn Kim Anh và cộng sự (2017) chỉ ra nhân tố ảnh hưởng lớn tới dòng kiều hối xuất phát chủ yếu là đặc điểm của người gửi. Trong khi đó, dữ liệu có sẵn trong VHLSS 2016 về kiều hối bị giới hạn ở quy mô kiều hối hộ gia đình nhận được, đặc điểm của bên cung kiều hối không được đề cập. Để lựa chọn được 2 biến số điều kiện của nhà ở và tỷ lệ tốt nghiệp tiểu học, luận án đã thử nghiệm các biến số đại diện cho hộ gia đình như dữ liệu nhân khẩu học, trình độ chủ hộ và thành viên trong gia đình, tỷ lệ người phụ thuộcnhưng kết quả đều không thỏa mãn kiểm định chệch tiêu chuẩn (standadized bias). Đối với các biến kết quả, luận án đánh giá tác động của kiều hối tới hộ gia đình tới thu nhập 90 bình quân đầu người 1 tháng, đói nghèo (chỉ số nghèo đa chiều, tỷ lệ nghèo) và chi tiêu cho giáo dục, y tế và các tài sản lâu bền. Dữ liệu của các biến số này đều thu nhập từ VHLSS 2016, riêng tỷ lệ đói nghèo, nghiên cứu sử dụng tới ngưỡng nghèo công bố tại Quyết định số 59/2015/QĐ-TTg về việc ban hành chuẩn nghèo tiếp cận đa chiều áp dụng cho giai đoạn 2016-2020. Đối với chi y tế dự phòng, nghiên cứu tính toán dựa trên tổng chi cho việc mua bảo hiểm y tế của hộ, chi mua thuốc, chi mua dụng cụ y tế cho hộ gia đình như tủ thuốcĐối với chi tiêu cho giáo dục, luận án cộng các khoản chi cho giáo dục theo khai báo về từng thành viên trong hộ rồi tính tổng cho cả hộ. Tương tự, chi tiêu cho đồ dùng lâu bền cũng được thực hiện như vậy. Theo dữ liệu VHLSS 2016, có tổng số 9.399 hộ gia đình, trong đó chỉ có 353 hộ khai báo có nhận được kiều hối (chiếm 3,75%). Phân chia theo khu vực thành thị và nông thôn, có 137 hộ trên tổng số 2.828 hộ ở thành thị có nhận được kiều hối (chiếm 4,8%); trong khi đó con số này ở nông thôn là 216/6.565 (chiếm 3,3%). Bảng 2.12: Giá trị kiều hối và số lượng hộ nhận kiều hối phân theo khu vực Khu vực Giá trị kiều hối trung bình (1.000 đồng) Số lượng hộ Số lượng hộ nhận kiều hối Thành thị 2.348,7235 2.828 137 Nông thôn 2.051,5237 6.565 216 Tổng 2.141,0032 9.393 353 Nguồn: tính toán trên STATA từ bộ dữ liệu VHLSS 2016 Bảng 2.13: Thống kê mô tả các biến số sử dụng trong mô hình PSM Biến số Ký hiệu Số quan sát Trung bình Độ lệch chuẩn Nhỏ nhất Lớn nhất Biến giả: hộ có nhận kiều hối hay không kh 9.393 0,037 0,1901 0 1 Quy mô kiều hối theo xã kh_xa 9.393 6.422,307 36.111,61 0 642.000 Vùng reg6 9.393 3,315 1,8155 1 6 Khu vực (Thành thị/Nông thôn) urban 9.393 1,698 0,458 1 2 Biến giả: hộ ở nhà không kiên cố hoặc đơn sơ temhouse 9.393 7,878 26,941 0 100 Tỷ lệ thành viên trong hộ tốt nghiệp tiểu học tyle_tntieuhoc 9.389 0,231 0,2698 0 1 Thu nhập bình quân/người/tháng nom_inc 9.393 2.952,225 2.778,19 115 96.970 Chỉ số nghèo đa chiều MPI30 9.393 0,039 0,116 0 0,8 91 Biến số Ký hiệu Số quan sát Trung bình Độ lệch chuẩn Nhỏ nhất Lớn nhất Ngưỡng nghèo thu nhập pvline_inc 9.393 760,215 91,749 700 900 Chi cho giáo dục chigd 9.393 4.702,291 14.680,97 0 735.000 Chi cho y tế chiyte 9.073 5.187,999 11.613,03 6 306.965 Chi cho y tế dự phòng chi_yte_duphong 9.393 386.146 1.255,358 0 44.670 Chi hàng hóa lâu bền chi_lauben 9.393 7.681,294 43.945 0 1.206.000 Nguồn: tính toán trên STATA từ bộ dữ liệu VHLSS 2016 Phần bôi màu chỉ danh mục các biến đo lường kết quả 2.2.2.3. Kết quả và thảo luận Bảng kết quả mô phỏng quá trình chạy mô hình PSM được thể hiện dưới đây gồm kết quả chạy mô hình Probit cho xác suất hộ nhận được kiều hối và kết quả đánh giá tác động của kiều hối đến thu nhập bình quân đầu người 1 tháng, tỷ lệ hộ nghèo, chỉ số nghèo đa chiều, chi tiêu cho giáo dục, y tế và hàng hóa lâu bền. Bảng 2.14: Kết quả đánh giá tác động mô hình PSM Biến kết quả Treated (Hộ nhận kiều hối) Control (Hộ kiểm soát) ATT (Chênh lệch) t-Stats Thu nhập bình quân/người/tháng 4.492,6 3.216,134 1.276,525 5,01 Chỉ số nghèo đa chiều 0,009 0,013 -0,004 -0,74 Chi tiêu y tế 7.044,378 5.353,083 1.691,294 1,39 Chi tiêu y tế dự phò