CƠ SỞ LÝ LUẬN
Các lý thuyết liên quan và hỗ trợ nghiên cứu
a.Khái niệm về thất nghiệp
Thất nghiệp, trong kinh tế học, là tình trạng người lao động muốn có việc làm mà không tìm được việc làm. b.Tỷ lệ thất nghiệp
Tỷ lệ thất nghiệp là phần trăm số người lao động không có việc làm trên tổng số lực lượng lao động xã hội.
Tỷ lệ thất nghiệp = 100% x Số người không có việc làm
Tổng số lao động xã hội
Tử số: Không tính những người không cố gắng tìm việc.
Mẫu số: Tổng số lao động xã hội = Số người có việc làm + số người không có việc làm nhưng tích cực tìm việc.
Tỷ lệ thất nghiệp trong một nền kinh tế thường dao động quanh tỷ lệ thất nghiệp tự nhiên Khi nền kinh tế gặp khủng hoảng, sản xuất giảm, dẫn đến tỷ lệ thất nghiệp cao hơn mức tự nhiên Ngược lại, khi sản xuất được đẩy mạnh, nhu cầu lao động tăng, làm giảm tỷ lệ thất nghiệp xuống dưới mức tự nhiên Việc phân loại thất nghiệp là cần thiết để hiểu rõ hơn về tình hình thị trường lao động.
Có nhiều cách phân loại thất nghiệp tùy theo mục đích nghiên cứu, sau đây là một số loại thất nghiệp điển hình:
Thất nghiệp tự nhiên: là loại hình thất nghiệp tồn tại trong cả dài hạn của nền kinh tế, khi nền kinh tế toàn dụng nó vẫn tồn tại.
Thất nghiệp cổ điển xảy ra khi mức lương thực tế cho một công việc cụ thể cao hơn mức lương trung bình trên thị trường lao động Điều này dẫn đến tình trạng cung lao động cho công việc đó vượt quá cầu, gây ra thất nghiệp trong lĩnh vực này.
Thất nghiệp cơ cấu là loại thất nghiệp tạm thời, xảy ra khi người lao động đang trong quá trình tìm kiếm công việc phù hợp với kỳ vọng của họ, chứ không phải do không có cơ hội việc làm.
Thất nghiệp chu kỳ là loại thất nghiệp liên quan đến chu kỳ kinh tế, xảy ra khi tổng cầu thấp hơn tổng cung, buộc doanh nghiệp phải thu hẹp sản xuất và giảm thuê mướn lao động Loại thất nghiệp này còn được gọi là thất nghiệp Keynes, vì John Maynard Keynes là người đề xướng thuyết tổng cung - tổng cầu.
Thất nghiệp ma sát xảy ra khi người lao động và nhà tuyển dụng không thể kết nối với nhau do các yếu tố như khoảng cách địa lý, thiếu thông tin hoặc sự không phù hợp giữa nhu cầu và khả năng.
Thất nghiệp trá hình: là dạng thất nghiệp của những người lao động không được sử dụng đúng hoặc không được sử dụng hết kỹ năng.
Thất nghiệp ẩn: là dạng thất nghiệp không được báo cáo. d Ảnh hưởng của thất nghiệp tới xã hội và kinh tế
Tình trạng thất nghiệp gia tăng có tác động tích cực đến việc giảm lạm phát, điều này được thể hiện qua đường cong Phillips trong kinh tế học.
Một tỷ lệ thất nghiệp hợp lý mang lại lợi ích cho cả người lao động và nhà tuyển dụng Người lao động có cơ hội tìm kiếm công việc phù hợp với khả năng và nguyện vọng của mình, trong khi nhà tuyển dụng dễ dàng hơn trong việc lựa chọn ứng viên thích hợp, từ đó nâng cao sự trung thành của nhân viên Kết quả là, thất nghiệp ở mức độ nhất định có thể dẫn đến tăng năng suất lao động và gia tăng lợi nhuận cho doanh nghiệp.
Thiếu việc làm không chỉ hạn chế giao tiếp với những người lao động khác mà còn dẫn đến việc lãng phí thời gian, không có khả năng chi trả cho các nhu cầu thiết yếu và hàng hóa tiêu dùng Điều này đặc biệt nghiêm trọng đối với những người có trách nhiệm gia đình, đang phải đối mặt với nợ nần và chi phí chữa bệnh Nhiều nghiên cứu đã chỉ ra rằng, tỷ lệ thất nghiệp gia tăng có mối liên hệ chặt chẽ với sự gia tăng tội phạm, tỷ lệ tự tử và suy giảm chất lượng sức khỏe.
Người sử dụng lao động thường lợi dụng tình trạng thất nghiệp để gây áp lực lên nhân viên, thể hiện qua việc không cải thiện môi trường làm việc, áp đặt năng suất cao, trả lương thấp và hạn chế cơ hội thăng tiến.
- Chi phí cho doanh nghiệp và giảm tăng trưởng kinh tế
Tỷ lệ thất nghiệp cao dẫn đến GDP thấp, cho thấy nguồn lực con người không được khai thác hiệu quả, gây lãng phí cơ hội sản xuất thêm hàng hóa và dịch vụ.
Thất nghiệp còn có nghĩa là sản xuất ít hơn Giảm tính hiệu quả của sản xuất theo quy mô.
Thất nghiệp làm giảm nhu cầu xã hội, dẫn đến tình trạng hàng hóa và dịch vụ không có người tiêu dùng Điều này gây khó khăn cho các cơ hội kinh doanh, làm giảm chất lượng sản phẩm và giá cả Hơn nữa, tỷ lệ thất nghiệp cao khiến nhu cầu tiêu dùng suy giảm so với thời điểm có nhiều việc làm, từ đó làm giảm cơ hội đầu tư.
1.1.2 Tổng quan về các nhân tố ảnh hưởng đến thất nghiệp
Theo các nghiên cứu trước đây, những yếu tố chính ảnh hưởng đến tỷ lệ thất nghiệp bao gồm lạm phát (INF), tổng sản phẩm nội địa (GDP), dân số (POP), đầu tư trực tiếp nước ngoài (FDI), thuế thu nhập (IT) và chi tiêu chính phủ (EXP).
Trong kinh tế vĩ mô, lạm phát được định nghĩa là sự gia tăng liên tục mức giá chung của hàng hóa và dịch vụ theo thời gian, dẫn đến sự mất giá trị của tiền tệ Khi giá cả tăng cao, sức mua của một đơn vị tiền tệ giảm, khiến nó có khả năng mua ít hàng hóa và dịch vụ hơn trước Để đo lường lạm phát, các chỉ số giá tiêu dùng và giá sản xuất thường được sử dụng để theo dõi sự thay đổi trong giá cả theo thời gian.
Tỷ lệ lạm phát là thước đo tỷ lệ giảm xuống sức mua của đồng tiền Nó cho thấy mức độ lạm phát của nền kinh tế
Tính lạm phát theo chỉ số giá tiêu dùng (CPI) được xác định bằng cách so sánh mức giá trung bình hiện tại (Po) với mức giá của kỳ trước (P-1) Tỷ lệ lạm phát của kỳ hiện tại sẽ được tính dựa trên sự chênh lệch giữa hai mức giá này.
Tỷ lệ lạm phát = 100% x Po – P-1
Tính theo chỉ số lạm phát GDP
Tỷ lệ lạm phát 2011 so với năm 2010 được tính như sau:
Chỉ số giảm phát GDP 2011 - Chỉ số giảm phát GDP 2010
Chỉ số giảm phát GDP 2010
Chỉ số giảm phát được tính bằng tỷ lệ giữa GDP giá thực tế và GDP giá gốc, trong đó giá gốc so sánh hiện nay là giá năm 2010 Sự chuyển đổi này chủ yếu dựa vào chỉ số giá PPI, ngoại trừ ngành xây dựng và ngành bán lẻ sửa chữa xe Do đó, tỷ lệ lạm phát IR tính theo chỉ số giảm phát GDP tương đương với tỷ lệ lạm phát theo chỉ số giá người bán PPI Tác động của chỉ số này đến nền kinh tế là rất quan trọng.
- Lạm phát khiến lãi suất tăng cao dẫn đến suy thoái kinh tế và thất nghiệp gia tăng.
- Lạm phát làm thu nhập thực tế giảm xuống.
- Lạm phát dẫn đến phân phối thu nhập không bình đẳng, khiến cho khoảng cách giàu nghèo ngày càng rõ rệt.
- Lạm phát có thể gây ra tình trạng nợ quốc gia.
Tổng quan tình hình nghiên cứu
Mặc dù nghiên cứu về các yếu tố tác động đến tỷ lệ thất nghiệp chưa phổ biến tại Việt Nam, nhưng trên thế giới đã có nhiều nghiên cứu đáng chú ý về vấn đề này.
Cục Dự trữ Liên bang (Fed), ngân hàng trung ương của Hoa Kỳ, có nhiệm vụ từ Quốc hội là tìm kiếm các giải pháp nhằm đạt được mục tiêu toàn dụng lao động Các nhà hoạch định chính sách của Fed đang nỗ lực để phát triển các chiến lược hiệu quả trong việc thúc đẩy thị trường lao động.
Tổng cầu có ảnh hưởng lớn đến nền kinh tế, khiến nhiều người đặt câu hỏi về mức thất nghiệp có thể duy trì bền vững Mỗi năm, các nhà hoạch định chính sách tiền tệ tại Fed đánh giá các mức thất nghiệp mà họ cho là ổn định trong dài hạn, xác định con số này nằm ngoài tầm kiểm soát của họ Vậy, tỷ lệ thất nghiệp "tự nhiên" này xuất phát từ đâu?
Nhiều bài viết và nghiên cứu đã chỉ ra các yếu tố ảnh hưởng đến tình trạng thất nghiệp, nhằm tìm kiếm các biện pháp khắc phục hiệu quả Điều này dẫn đến sự gia tăng đáng kể các công trình, chuyên khảo và bài báo khoa học liên quan đến thất nghiệp.
1.2.2 Nghiên cứu về những biến vĩ mô gây ra sự thất nghiệp
Nghiên cứu của Tunah, H năm 2010 về các biến vĩ mô gây ra thất nghiệp ở Thổ Nhĩ Kỳ sử dụng dữ liệu theo quý từ năm 2000 đến 2008 Các phương pháp phân tích như kiểm định ADF, kiểm định PP, kiểm định Johansen và kiểm định Granger đã được áp dụng Kết quả cho thấy GDP thực tế, chỉ số giá tiêu dùng và tỷ lệ thất nghiệp trước đó có tác động đáng kể đến tỷ lệ thất nghiệp, trong khi tỷ giá hối đoái thực hiệu quả REER không ảnh hưởng đến tình hình thất nghiệp.
1.2.3 Nghiên cứu về thất nghiệp và GDP
Nghiên cứu của El-Agrody và cộng sự từ năm 2000 đến 2008 đã phân tích tác động của thất nghiệp đến GDP của Ai Cập, sử dụng dữ liệu từ năm 1994 đến 2004 Phương pháp hồi quy tuyến tính đơn và đa biến được áp dụng, với các biến như tư hữu hóa, dân số, chi phí tiêu dùng, lãi suất, tỷ giá hối đoái, công nghệ, nông sản nội địa, mức lương thực tế và đầu tư nông nghiệp Kết quả cho thấy tỷ lệ thất nghiệp, đầu tư quốc gia, tỷ giá hối đoái và GDP đầu người có ảnh hưởng tích cực đến tổng GDP Nghiên cứu cũng chỉ ra rằng tư nhân hoá và gia tăng dân số là nguyên nhân chính dẫn đến thất nghiệp gia tăng, đồng thời khuyến nghị cần điều chỉnh các chính sách tư nhân hoá và giảm lãi suất để giảm thiểu thất nghiệp trong lĩnh vực nông nghiệp.
1.2.4 Nghiên cứu về mối quan hệ giữa lạm phát và thất nghiệp
A.W.Phillips là một trong những nhà kinh tế học đầu tiên tìm cách chứng minh mối tương quan nghịch giữa lạm phát và thất nghiệp Mối quan hệ nghịch giữa lạm phát và thất nghiệp này được thể hiện trên đồ thị Đường cong Phillips nổi tiếng Đến năm 1960, Samuelson và Solow giới thiệu đường cong này với số liệu của nước Mỹ và vẫn cho thấy mối quan hệ nghịch giữa lạm phát và thất nghiệp.
Sau chiến tranh thế giới thứ hai, nhiều quốc gia đã trải qua tình trạng kinh tế khánh kiệt, với lạm phát và thất nghiệp cao, tạo ra hiện tượng đình trệ và lạm phát đồng thời Thực tế này cho thấy quan điểm của Phillips không được ủng hộ.
Cuối thập niên 1960, các nhà kinh tế nổi bật như Milton Friedman và Edmund Phelps đã chỉ ra rằng Đường cong Phillips không thể áp dụng trong dài hạn, thông qua những phân tích và phản biện sâu sắc.
Trong dài hạn, tỷ lệ thất nghiệp sẽ trở về mức tự nhiên, bất chấp việc lạm phát gia tăng Điều này cho thấy không có sự đánh đổi giữa thất nghiệp và lạm phát trong dài hạn, dẫn đến sự phân biệt giữa "Đường cong Phillips dài hạn" và "Đường cong Phillips ngắn hạn".
Theo các nhà kinh tế học, mối quan hệ giữa thất nghiệp và lạm phát đã thay đổi do sự điều chỉnh kỳ vọng của công chúng về lạm phát Sự lạm phát kéo dài từ những năm 1970 đã hình thành những kỳ vọng cao về lạm phát trong tương lai.
Các nhà kinh tế học của trường phái này cho rằng việc tăng tỷ lệ lạm phát để giảm tỷ lệ thất nghiệp chỉ hiệu quả trong ngắn hạn Cơ chế điều chỉnh tự nhiên của thị trường sẽ khiến tỷ lệ thất nghiệp trở lại, giai đoạn này được Paul Samuelson gọi là thời kỳ suy lạm phát.
Trong các giáo trình kinh tế học hiện nay, người ta vẫn cho rằng có sự đánh đổi giữa lạm phát và thất nghiệp trong ngắn hạn, trong khi thất nghiệp sẽ trở về mức tự nhiên trong dài hạn, bất chấp những biến động của lạm phát Tuy nhiên, một số ý kiến trái chiều cho rằng không có sự đánh đổi này, cả trong ngắn hạn lẫn dài hạn, mà phụ thuộc vào cách thức điều hành chính sách tài khóa và tiền tệ của từng quốc gia.
Nghiên cứu của Lui (2009) phân tích mối quan hệ giữa lạm phát và thất nghiệp, chỉ ra rằng tác động của lạm phát đến công nhân thuê và thất nghiệp có thể khác nhau Dữ liệu từ khảo sát thu nhập hộ gia đình và tài sản tại Ý năm 2004 được sử dụng, với mô hình cân bằng tổng quát và hồi quy tuyến tính Kết quả cho thấy mối quan hệ này có thể tích cực hoặc tiêu cực tùy thuộc vào thể chế thị trường lao động và hàng hóa Cụ thể, lạm phát cao có thể kích thích động lực làm việc của người lao động, dẫn đến giảm thất nghiệp, nhưng cũng có thể làm giảm lợi nhuận của doanh nghiệp, từ đó làm tăng tỷ lệ thất nghiệp.
Altavilla và Ciccarelli (2007) đã nghiên cứu vai trò của dự báo lạm phát trong bối cảnh không chắc chắn liên quan đến tác động của các quy định tiền tệ từ năm 1990 đến 2005 Họ đã phân tích dự báo lạm phát từ tám mô hình cạnh tranh để đánh giá quy mô và thời gian của các hiệu ứng này, đồng thời định lượng sự không chắc chắn giữa các mô hình lạm phát khác nhau Kết quả nghiên cứu hỗ trợ cho cách tiếp cận mô hình kết hợp mà các ngân hàng trung ương áp dụng trong việc xây dựng chiến lược.
Lỗ hổng nghiên cứu
Mặc dù đã có nhiều nghiên cứu về vấn đề thất nghiệp trong và ngoài nước, tình trạng này vẫn là một mối quan ngại lớn đối với nền kinh tế Việt Nam Tăng trưởng năng suất lao động trong các ngành sản xuất và dịch vụ của Việt Nam hiện vẫn thấp hơn so với các quốc gia khác trong khu vực, cho thấy thị trường lao động còn thiếu ổn định, việc làm không đầy đủ và bền vững, cùng với năng suất lao động chưa đạt yêu cầu.
Mặc dù đã thực hiện hai đợt cải cách tiền lương nhằm tách bạch giữa khu vực sản xuất kinh doanh và khu vực hành chính sự nghiệp, nhưng mức lương tối thiểu hiện tại vẫn chưa đáp ứng đủ nhu cầu sống tối thiểu của người lao động Cụ thể, mức lương tối thiểu chỉ đáp ứng khoảng 70% nhu cầu cơ bản, thấp hơn khoảng 20% so với mức lương tối thiểu thực tế trên thị trường và chỉ đạt khoảng 45% so với mức lương tối thiểu trung bình của các nước ASEAN.
Sự phát triển của công nghệ 4.0 đang tạo ra nhiều thách thức cho lao động Việt Nam, đòi hỏi nghiên cứu mới để thích ứng với những thay đổi Công nghệ tiên tiến yêu cầu người lao động và nhà hoạch định chính sách phải linh hoạt hơn Sự xuất hiện của robot và dây chuyền tự động hóa làm tăng nguy cơ mất việc làm, không chỉ cho lao động trình độ thấp mà còn cho cả lao động có kỹ năng bậc trung nếu họ không trang bị kiến thức và kỹ năng sáng tạo cần thiết cho nền kinh tế mới.
Tỉ lệ thất nghiệp của Việt Nam trong quý II/2014 được công bố là 1,84%, thấp nhất trong một năm qua, theo Viện Khoa học Lao động và Xã hội, Tổng cục Thống kê và Tổ chức Lao động Quốc tế (ILO) Mặc dù con số này được tính toán theo chuẩn quốc tế, nhưng nó chưa phản ánh chính xác tình hình thị trường lao động Việt Nam Việt Nam hiện nằm trong số các quốc gia có tỷ lệ thất nghiệp thấp nhất thế giới.
Nhiều chuyên gia cho rằng con số tỷ lệ thất nghiệp hiện tại quá lạc quan và không phản ánh đúng bản chất thị trường lao động Theo các chuyên gia của ILO, mặc dù cách tính tỷ lệ thất nghiệp đã tuân thủ tiêu chuẩn quốc tế, nhưng vẫn chưa thể hiện được chất lượng việc làm cũng như sự lãng phí nguồn nhân lực.
Khi tính toán tỷ lệ thất nghiệp, cần xem xét nhiều chỉ số khác nhau Theo chuyên gia kinh tế lao động ILO tại châu Á-Thái Bình Dương, Phú Huỳnh, tỷ lệ thất nghiệp thấp ở Việt Nam phản ánh những hạn chế trong hệ thống bảo hiểm xã hội và phúc lợi xã hội Nhiều người lao động không thể đảm bảo cuộc sống khi thất nghiệp, buộc họ phải tìm việc bằng mọi cách, kể cả chấp nhận công việc kém chất lượng và lương thấp trong nền kinh tế phi chính thức Ngược lại, ở các nước phát triển, với hệ thống bảo trợ xã hội tốt hơn, người lao động có thể sống sót trong thời gian thất nghiệp và tìm kiếm những công việc phù hợp với mong muốn của họ.
Theo định nghĩa trên, các quốc gia kém phát triển thường có tỷ lệ thất nghiệp thấp hơn Chẳng hạn, Campuchia và Lào, với nền kinh tế kém phát triển hơn Việt Nam, cho thấy tỷ lệ thất nghiệp của họ cũng ở mức thấp.
Nhiều nghiên cứu trước đây chỉ tập trung vào ảnh hưởng của một hoặc hai biến vĩ mô đến tỷ lệ thất nghiệp, mà chưa xây dựng mô hình với nhiều biến để đánh giá cụ thể hơn mức độ ảnh hưởng của từng biến trong khi các biến khác không thay đổi Điều này dẫn đến việc thiếu những kết luận khách quan và những phương án tối ưu để giải quyết vấn đề thất nghiệp trong dài hạn.
Giả thiết nghiên cứu
Phương pháp bình phương nhỏ nhất (OLS) được áp dụng trong nghiên cứu này, dựa trên các giả định của mô hình hồi quy tuyến tính cổ điển.
(1) Các biến giải thích là phi ngẫu nhiên, tức là các giá trị của chúng được cho trước hoặc được xác định
(2) Kì vọng của các yếu tố ngẫu nhiên ui = 0: E(ui|X) = 0
(3) Các ui có phương sai bằng nhau (phương sai thuần nhất): Var(ui | Xi) Var(uj | Xj)= σ 2
(4) Không có sự tương quan giữa các sai số ngẫu nhiên:
Cov(ui, uj |Xi,Xj) = E(ui, uj |Xi,Xj) = 0
(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
PHƯƠNG PHÁP NGHIÊN CỨU VÀ MÔ HÌNH
Phương pháp sử dụng trong nghiên cứu
Phần mềm Stata cho phép thực hiện hồi quy mô hình bằng phương pháp bình phương tối thiểu (OLS) để ước lượng tham số của các mô hình hồi quy đa biến Người dùng có thể sử dụng kiểm định Ramsey RESET để phát hiện biến bị bỏ sót, kiểm tra đa cộng tuyến thông qua chỉ số VIF, và áp dụng kiểm định Breusch-Pagan để xác định sự thay đổi phương sai sai số Ngoài ra, kiểm định White giúp kiểm tra tính chuẩn của nhiễu, trong khi kiểm định F đánh giá sự phù hợp của mô hình và kiểm định t được sử dụng để ước lượng khoảng tin cậy cho các tham số trong mô hình.
Xây dựng mô hình lý thuyết
Dựa trên lý thuyết và các nghiên cứu trước đây, nhóm nghiên cứu đã phát triển một mô hình nhằm phân tích mối quan hệ và tác động của các yếu tố kinh tế vĩ mô đến tỷ lệ thất nghiệp.
UEM = f(POP, GDP, FDI, INF, EXP)
UEM: tỷ lệ thất nghiệp (%)
POP: tổng dân số hàng năm (nghìn người)
GDP: mức tăng trưởng của tổng sản phẩm quốc nội hàng năm (%)
FDI: tỉ lệ vốn đầu tư nước ngoài trực tiếp so với tổng sản phẩm quốc nội (%)
INF: tỷ lệ lạm phát hàng năm (%)
Để phân tích ảnh hưởng của các yếu tố vĩ mô đến tỷ lệ thất nghiệp, nhóm nghiên cứu đề xuất mô hình kiểm tra mối quan hệ giữa chi tiêu chính phủ và tổng sản phẩm quốc nội (%).
Mô hình hàm hồi quy tổng thể:
PRF: UEM i =β 1 +β 2 POP+β 3 GDP+β 4 FDI+β 5 INF+β 6 exp+u i
Mô hình hàm hồi quy mẫu:
Mô hình SRF: UEM i = ^β 1 + ^β 2 POP + ^β 3 GDP + ^β 4 FDI + ^β 5 INF + ^β 6 exp + e i thể hiện mối quan hệ giữa các yếu tố như dân số (POP), tổng sản phẩm quốc nội (GDP), đầu tư trực tiếp nước ngoài (FDI), lạm phát (INF) và xuất khẩu (exp) Trong đó, u là sai số ngẫu nhiên tương ứng với quan sát thứ i, còn e đại diện cho các yếu tố nghiệp mà không được thể hiện trong mô hình.
Kí hiệu biến Ý nghĩa Đơn vị
Diễn giải uem Tỷ lệ thất nghiệp % pop Tổng dân số Nghìn người
+ Dân số tăng thì tỷ lệ thất nghiệp tăng gdp Tỷ lệ tăng tưởng tổng sản phẩm quốc nội
GDP tăng thì tỷ lệ thất nghiệp giảm fdi Tỷ lệ vốn đầu tư nước ngoài trực tiếp so với tổng sản phẩm quốc nội
Tỷ lệ vốn đầu tư nước ngoài tăng cường sẽ góp phần làm giảm tỷ lệ thất nghiệp Ngược lại, khi tỷ lệ lạm phát gia tăng, tỷ lệ thất nghiệp cũng có xu hướng giảm Sự so sánh giữa chi tiêu chính phủ và tổng sản phẩm quốc nội cũng cho thấy mối liên hệ quan trọng trong việc điều chỉnh các chỉ số kinh tế này.
% - Chi tiêu chính phủ tăng thì tỷ lệ thất nghiệp giảm
Bảng 1: Giải thích các biến trong mô hình
Biến phụ thuộc là uem.
Biến độc lập là: pop, gdp, fdi, inf, exp.
Mô tả số liệu
Mẫu gồm 33 quan sát Số liệu lấy từ website chính thức của Ngân hàng Thế giới Wordbank của Việt Nam trong 33 năm, tính từ năm 1985 đến năm 2017.
Mô tả thống kê số liệu
Sử dụng lệnh sum uem pop gdp fdi inf exp để mô tả số liệu Lệnh sum cho biết:
Giá trị trung bình (Mean),
Độ lệch chuẩn (Std.dev)
Giá trị lớn nhất( Max)
Giá trị nhỏ nhất (Min)
Các số liệu thu thập được thống kê bằng phần mềm stata như sau:
Giá trị trung bình Độ lệch chuẩn
Giá trị lớn nhất uem 33 2.340909 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 -
Bảng 2: Mô tả thống kê số liệu
2.3.2 Một số biểu đồ tương quan giữa các biến trong mô hình a, Biểu đồ tương quan giữa biến uem và pop
Hình 5: Biểu đồ tương quan giữu uem và pop b, Biểu đồ tương quan giữa biến uem và gdp
Hình 6: Biểu đồ tương quan giữa uem và gdp c, Biểu đồ tương quan giữa uem và fdi
Hình 7: Biểu đồ tương quan giữa uem và fdi d, Biểu đồ tương quan giữa uem và inf
Hình 8: Biểu đồ tương quan giữa uem và inf e, Biểu đồ tương quan giữa uem và exp
Hình 9: Biểu đồ tương quan giữa uem và exp
2.4 Ma trận tương quan giữa các biến
Trước hết, chúng ta cần phải phân tích mối quan hệ tương quan giữa các biến, xác
Sử dụng lệnh corr uem pop gdp fdi inf exp trong stata, ta thu được kết quả: uem pop gdp fdi inf exp uem 1.0000 pop -0.3850 1.0000 gdp -0.4743 0.2616 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 0.0546 0.0839 0.0792 1.0000
Bảng 3: Ma trận tương quan giữa các biến
Dựa vào ma trận hệ số tương quan, ta có:
pop có hệ số tương quan tương đối thấp là -0.3850 và có tác động âm lên biến phụ thuộc.
gdp có hệ số tương quan trung bình là -0.4743 và có tác động âm lên biến phụ thuộc.
fdi có hệ số tương quan rất thấp là -0.0214 và có tác động âm lên biến phụ thuộc.
inf có hệ số tương quan tương đối thấp là 0.3485 và có tác động dương lên biến phụ thuộc.
exp có hệ số tương quan trung bình là -0.0545 và có tác động âm lên biến phụ thuộc.
Hệ số tương quan cao nhất giữa các biến độc lập là -0.6775, cụ thể là giữa biến pop và exp Điều này cho thấy khả năng xảy ra đa cộng tuyến giữa các biến độc lập là rất thấp.
Kết luận, các biến độc lập có mối tương quan trung bình thấp với tỷ lệ thất nghiệp, ảnh hưởng tiêu cực đến biến phụ thuộc, ngoại trừ biến inf, có tác động tích cực đến biến này.
KẾT QUẢ ƯỚC LƯỢNG VÀ SUY DIỄN THỐNG KÊ
Mô hình ước lượng
Bước đầu tiên, chúng ta sử dụng lệnh reg để chạy mô hình hồi quy với cấu trúc câu lệnh "reg uem pop gdp fdi inf exp", và kết quả thu được là một bảng dữ liệu.
Source SS df Ms Số quan sát = 33
F(5,48) = 6,17 Prob > F = 0.0006 R-squared = 0.5331 Adj R-squared = 0.4466 Root MSE = 0.29628
Uem Hệ số ước lượng
Sai số chuẩn t Pvalue Khoảng ước lượng tin cậy
Bảng 4: Mô hình ước lượng sau khi chạy hồi quy 3.1.2 Phân tích kết quả
Theo kết quả chạy hồi quy bằng phương pháp OLS trên phần mềm Stata, ta có hàm hồi quy mẫu (SRF) như sau:
UEM i =5.710405+−2.52e-08POP+−0 0607367GDP+0.0686201FDI+0.0026435INF+−0.2087538 exp+e i Ý nghĩa của các hệ số hồi quy ước lượng:
^ β 1 = 5.710405: Trong điều kiện các yếu tố đều bằng 0 thì tỷ lệ thất nghiệp là 5.710405 %.
1000 người thì tỷ lệ thất nghiệp giảm -2,52e-08 %.
^ β 3 = -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 %.
^ β 4 = 0.0686201: Trong điều kiện các yếu tố khác không đổi, tỷ lệ đầu tư trực tiếp từ nước ngoài tăng 1% thì tỷ lệ thất nghiệp tăng 0,0686201 %.
^ β 5 = 0.0026435: Trong điều kiện các yếu tố khác không đổi, tỷ lệ lạm phát tăng 1% thì tỷ lệ thất nghiệp tăng 0,0026435 %.
^ β 6 = -0.2087538: Trong điều kiện các yếu tố khác không đổi, tỷ lệ chi tiêu của chính phủ tăng 1% thì tỷ lệ thất nghiệp giảm 0.2087538 %.
Phân tích các số liệu liên quan
Phần tổng bình phương được giải thích bởi mô hình: ESS = 2.70616855
Phần tổng bình phương phần dư không giải thích được: RSS= 2.3701048
Phần tổng bình phương các độ lệch với giá trị trung bình của nó Yi:
Bậc tự do của phần được giải thích Dfm = 5
Bậc tự do của phần dư Dfr = 27
Hệ số xác định R2 (r-squared) đạt 0.5331 cho thấy hàm hồi quy mẫu có mức độ phù hợp trung bình Giá trị này cũng chỉ ra rằng 53.31% biến động của tỷ lệ thất nghiệp được giải thích bởi các biến độc lập, trong đó có “dân số”.
Tỷ lệ vốn đầu tư trực tiếp từ nước ngoài, tỷ lệ lạm phát, tỷ lệ tăng trưởng GDP và tỷ lệ chi tiêu chính phủ là những biến độc lập quan trọng, giải thích 53.31% sự thay đổi trong giá trị của biến uem, trong khi phần còn lại được ảnh hưởng bởi các yếu tố khác.
Kiểm định các khuyết tật của mô hình
Mô hình có thể bỏ sót những biến quan trọng mà khó phát hiện Để kiểm tra xem liệu mô hình có thiếu sót biến nào không, chúng tôi sẽ áp dụng kiểm định Ramsey RESET.
Ta có cặp giả thiết sau:
Giả thiết { H 0 : Mô hìnhkhông bỏ sót biến
Sử dụng lệnh ovtest Ta thu được kết quả:
Ramsey RESET test using powers of the fitted values of uem Ho: model has no omitted variables
Nhận thấy: P-value = 0,7291>5% => không đủ cơ sở bác bỏ H0
Kết luận: Mô hình không bỏ sót biến.
3.2.2 Kiểm định hiện tượng đa cộng tuyến
Trong mô hình hồi quy, hiện tượng đa cộng tuyến xảy ra khi các biến độc lập có mối tương quan chặt chẽ và mạnh mẽ với nhau, dẫn đến việc chúng phụ thuộc lẫn nhau Điều này có nghĩa là hai biến độc lập, mặc dù thực tế nên được xem như một biến duy nhất, nhưng lại được phân tách thành hai biến trong nghiên cứu Hiện tượng này vi phạm giả định của mô hình hồi quy tuyến tính cổ điển, trong đó yêu cầu các biến độc lập không có mối quan hệ tuyến tính với nhau.
Dấu hiệu của đa cộng tuyến có thể được xác định thông qua chỉ số phóng đại phương sai (VIF) Khi VIF lớn hơn 2, điều này cho thấy có dấu hiệu đa cộng tuyến, điều không mong muốn trong mô hình Nếu VIF vượt quá 10, có thể khẳng định chắc chắn rằng đa cộng tuyến tồn tại Ngược lại, nếu VIF nhỏ hơn 2, mô hình sẽ không bị ảnh hưởng bởi đa cộng tuyến.
Sử dụng lệnh vif ta thu được kết quả:
Biến VIF 1/VIF pop exp inf gdp fdi
Bảng 5: Kiểm định đa cộng tuyến
VIFpop = 3.39 < 10 VIFexp = 2.56 < 10 VIFinf = 1.44 < 2 VIFgdp = 1.39 < 2 VIF = 1.38 < 2
Kết luận: Mô hình không mắc hiện tượng đa cộng tuyến.
3.2.3 Kiểm định phương sai sai số thay đổi
Phương sai của mỗi một ngẫu nhiên U i trong điều kiện giá trị đã cho của biến giải thích Xi là không đổi, nghĩa là:
Khi giả thiết đó bị vi phạm thì mô hình mắc lỗi phương sai sai số thay đổi Tên gọi của lỗi này là Heteroskedasticity.
Phương sai sai số thay đổi dẫn đến ước lượng bình phương nhỏ nhất không còn hiệu quả, mặc dù vẫn không chệch, và ước lượng các phương sai sẽ bị chệch, làm giảm hiệu lực của kiểm định Để xác định hiện tượng này, ta sử dụng kiểm định White với cặp giả thuyết tương ứng.
Giả thiết: { H 0 : Mô hìnhcó phương sai thuầnnhất
H 1 :Mô hìnhcó phương sai sai số thay đổi
Nếu giá trị [Prob>chi2] < 0.05 thì bác bỏ giả thiết H0 và chấp nhận giả thiết H1.
Sử dụng lệnh imtest, white Ta thu được kết quả:
White’s test for Ho : homoscedasticity against Ha : unrestricted heteroscedasticity chi2(20) = 18.45 Prob > chi2 = 0.5580
Cameron & Trived’s decomposition of IM-test
Bảng 6: Kiểm định phương sai sai số thay đổi bằng kiểm định White
Nhận thấy: [Prob>chi2] = 0,5580 > α= 0,05 => chưa đủ cơ sở bác bỏ H0
=> Mô hình có phương sai thuần nhấtKết luận: Mô hình ko mắc lỗi phương sai sai số thay đổi.
3.2.4 Kiểm định phân phối chuẩn của nhiễu
Ta có cặp giả thuyết:
Giả thiết { H 0 : Nhiễucó phân phốichuẩn
H 1 :Nhiễu không phân phối chuẩn Để kiểm định nhiễu có tuân theo phân phối chuẩn hay không, ta sử dụng kiểm định Skewneww/Kurtosis.
Sử dụng lệnh predict resid để tiên đoán phần dư Sau đó chạy lệnh sktest resid Ta thu được kết quả:
Skewness/Kurtosis tests for Normality
Pr(Skewness) Pr(Kurtosia) Adj chi2(2)
Bảng 7: Kiểm định phân phối chuẩn của nhiễu bằng kiểm định
Nhận thấy: [Prob>chi2] = 0.3679 > α= 0,05 => chưa đủ cơ sở bác bỏ H0
=> Nhiễu có phân phối chuẩn
Kết luận: Nhiễu tuân theo phân phối chuẩn
3.2.5 Kiểm định tự tương quan
Tự tương quan là khái niệm chỉ sự tương quan giữa các thành phần trong chuỗi quan sát theo thời gian hoặc không gian Trong hồi quy, mô hình tuyến tính cổ điển giả định rằng không tồn tại sự tương quan giữa các nhiễu Ui.
Nếu giả thiết này bị vi phạm, có nghĩa là
Tự tương quan có thể làm cho ước lượng bình phương nhỏ nhất thông thường không còn là ước lượng tuyến tính không chệch tốt nhất Phương sai ước lượng của các ước lượng này thường chệch và thấp hơn giá trị thực, dẫn đến việc giá trị thống kê T bị phóng đại Do đó, các kiểm định t và F thường không đáng tin cậy.
Để xác định xem mô hình có bị hiện tượng tự tương quan hay không, trước tiên chúng ta cần chạy lệnh tsset year để gán biến thời gian.
Cách 1: Kiểm định Durbin- Watson
Sử dụng lệnh estat durbinalt Ta thu được kết quả: estat durbinalt
Durbin's alternative test for autocorrelation lags(p) chi2 df Prob>chi2
Bảng 8: Kiểm định tự tương quan Durbin-Watson
Nhận thấy: [Prob>chi2] = 0,9318> α= 0,05 => chưa đủ cơ sở bác bỏ H0
=> Mô hình không mắc bệnh tự tương quan
Cách 2: Kiểm định Breusch- Godfrey
Ta thu được kết quả như sau:
Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi2
Bảng 9: Kiểm định tự tương quan Breusch-Godfrey
Nhận thấy: [Prob>chi2] = 0.9233> α= 0,05 => chưa đủ cơ sở bác bỏ H0
=> Mô hình không mắc bệnh tự tương quan
Kết luận: Mô hình không mắc hiện tượng tự tương quan
Kiểm định giả thuyết
Giả thiết { H H 0 1 :: β β 2 2 < ≥ 00 t= -2,86 < t0,05 (27)= 1,703 => bác bỏ Ho
Với mức ý nghĩa 5%, hệ số hồi quy cho thấy tổng dân số có mối quan hệ âm với tỷ lệ thất nghiệp, điều này không phù hợp với lý thuyết cho rằng khi dân số tăng, tỷ lệ thất nghiệp cũng sẽ tăng.
Giả thiết { H H 0 1 :: β β 3 3 > ≤ 00 t=-2,85< t0,05 (27)=1,697 => chưa đủ cơ sở bác bỏ H0
Với mức ý nghĩa 5%, hệ số hồi quy cho thấy tỷ lệ tăng trưởng kinh tế có mối quan hệ âm với tỷ lệ thất nghiệp, điều này phù hợp với lý thuyết cho rằng khi tỷ lệ tăng trưởng kinh tế tăng lên, tỷ lệ thất nghiệp sẽ giảm.
Với β 4:Giả thiết { H H 0 1 :: β β 4 4 ≤ >00 t=2,63> t0,05 (27)=1,697 => bác bỏ H0
Với mức ý nghĩa 5%, hệ số hồi quy của tỷ lệ đầu tư trực tiếp nước ngoài cho thấy mối quan hệ tích cực, điều này không hoàn toàn phù hợp với lý thuyết cho rằng khi dân số tăng, lực lượng lao động cũng sẽ tăng theo.
Giả thiết { H H 0 1 :: β β 5 5 > ≤ 00 t=-0,7< t0,05 (27)=1,697 => chưa đủ cơ sở bác bỏ H0
Với mức ý nghĩa 5%, hệ số hồi quy cho thấy mối quan hệ âm giữa tỷ lệ lạm phát và tỷ lệ thất nghiệp, phù hợp với lý thuyết kinh tế rằng khi tỷ lệ lạm phát tăng, tỷ lệ thất nghiệp sẽ giảm.
Giả thiết { H H 0 1 :: β β 6 6 ≤ >00 t=-2,56< t0,05 (27)=1,697 => chưa đủ cơ sở bác bỏ H0
Theo lý thuyết, khi chi tiêu chính phủ tăng lên, tỷ lệ thất nghiệp sẽ giảm Điều này được thể hiện qua hệ số hồi quy âm của chi tiêu chính phủ, với mức ý nghĩa 5%.
3.3.2 Kiểm định các hệ số hồi quy với 𝛼= 5% a, Kiểm định bằng phương pháp khoảng tin cậy
Khoảng tin cậy đối xứng của các hệ số βi là:
Kết quả từ phân tích hồi quy bằng phương pháp OLS trên phần mềm Stata cho thấy khoảng tin cậy của các hệ số hồi quy với mức ý nghĩa 𝛼= 5% như sau: đối với biến dân số (pop) là [-4.35e-08; -6.99e-09], GDP (gdp) là [-0.1044656; -0.0170078], đầu tư trực tiếp nước ngoài (fdi) là [0.0150396; 0.1222007], lạm phát (inf) là [-0.0050961; 0.0103832], và xuất khẩu (exp) là [-0.3761075; -0.0414002].
Bảng 10: Khoảng tin cậy của các hệ số hồi quy
Với biến độc lập inf, giá trị 0 nằm trong khoảng tin cậy, do đó chưa thể bác bỏ giả thuyết H0 Điều này cho thấy biến inf không có giá trị thống kê ở mức ý nghĩa 5%, nghĩa là nó không có ảnh hưởng đến biến uem.
Với các biến còn lại, giá trị 0 không thuộc vào khoảng tin cậy nên ta có thể bác b, Kiểm định hệ số hồi quy bằng phương pháp p-value
Từ kết quả trên ta có bảng sau:
Biến Hệ số p-value pop β 2 0.009 gdp β 3 0.008 fdi β 4 0.014 inf β 5 0.489 exp β 6 0.016
Bảng 11: P-value của các hệ số hồi quy
Giả thiết { H H 0 1 :: β β 2 2 =0 ≠0 Nhận thấy: P-value = 0,009< α = 0.05 => Hệ số β 2 có ý nghĩa thống kê với mức ý nghĩa 5%
Giả thiết { H H 0 1 :: β β 3 3 = ≠00 Nhận thấy: P-value = 0,008< α = 0.05 => Hệ số β 3 có ý nghĩa thống kê với mức ý nghĩa 5%
Giả thiết { H H 0 1 :: β β 4 4 =0 ≠0 Nhận thấy: P-value = 0,014< α = 0.05 => Hệ số β 4 có ý nghĩa thống kê với mức ý nghĩa 5%
Giả thiết { H H 0 1 :: β β 5 5 = ≠00 Nhận thấy: P-value = 0,489> α = 0.05 => Hệ số β 5 không có ý nghĩa thống kê với mức ý nghĩa 5%
Giả thiết { H H 0 1 :: β β 6 6 =0 ≠0Nhận thấy: P-value = 0,016< α = 0.05 => Hệ số β 6 có ý nghĩa thống kê với mức
Các biến pop, gdp, fdi, exp có ý nghĩa thống kê với mức ý nghĩa là 5%.
Biến inf không có ý nghĩa thống kê với mức ý nghĩa là 5%
Biến độc lập inf không ảnh hưởng đến biến phụ thuộc uem.
Ta có thể xem xét loại bỏ nó ra khỏi mô hình. c, Kiểm định thu hẹp hồi quy
Trong nghiên cứu này, chúng ta xem xét hai mô hình hồi quy để phân tích ảnh hưởng của các biến độc lập đến mô hình Mô hình đầu tiên bao gồm các biến như dân số (pop), GDP, FDI, lạm phát (inf) và xuất khẩu (exp), trong khi mô hình thứ hai không có biến lạm phát Điều này nhằm kiểm tra xem lạm phát có thực sự ảnh hưởng đến mô hình hay không.
Chạy lại mô hình hồi quy mới sau khi đã bỏ đi biến độc lập inf Ta thu được kết quả:
Source SS df Ms Số quan sát = 33
F(5,48) = 7.72 Prob > F = 0.0003 R-squared = 0.5246 Adj R-squared = 0.4567 Root MSE = 0.29358
Total 5.07627335 32 0.158633542 uem Hệ số ước lượng
Sai số chuẩn t P value Khoảng ước lượng tin cậy
Bảng 12: Mô hình ước lượng sau khi chạy hồi quy bỏ biến inf
Ta biết hệ số xác định hiệu chỉnh tương ứng với mức độ phù hợp của mô hình hồi quy
Mô hình hồi quy ban đầu: R 2 = 0.4466
Mô hình hồi quy sau khi loại bỏ biến inf cho thấy hệ số xác định R² = 0.4567, với hệ số xác định hiệu chỉnh cao hơn so với mô hình ban đầu Các biến độc lập như pop, gdp, fdi, exp đều có p-value nhỏ hơn 0.05, cho thấy tính đáng tin cậy của chúng Kiểm định Ramsey RESET cũng cho p-value = 0.8127, cho thấy mô hình này phù hợp hơn tại mức ý nghĩa α = 5%.
Kết luận: Chúng tôi cho rằng có thể loại bỏ yếu tố tỷ lệ lạm phát trong mô hình hồi quy đã xây dựng, trong khi vẫn giữ nguyên các yếu tố như tỷ lệ tăng trưởng GDP hàng năm, tổng dân số hàng năm, tỷ lệ chi tiêu chính phủ trên tổng sản phẩm quốc nội và tỷ lệ đầu tư trực tiếp nước ngoài, vì những yếu tố này không ảnh hưởng đến tỷ lệ thất nghiệp.
3.3.3 Kiểm định sự phù hợp của mô hình hồi quy
Sau khi loại bỏ biến inf, mô hình hồi quy cho thấy giá trị r-squared (R2) đạt 0.5331, cho thấy mô hình có khả năng giải thích 52,46% sự thay đổi của biến phụ thuộc Cụ thể, các yếu tố như dân số, tỷ lệ tăng trưởng kinh tế, tỷ lệ vốn đầu tư trực tiếp nước ngoài và tỷ lệ chi tiêu chính phủ đóng góp vào 52,46% sự biến động của tỷ lệ thất nghiệp.
Tính có ý nghĩa của mô hình:
Giả thiết: { H 0 : R 2 =0 : Hàm hồiquy không phù hợp
H 1 :R 2 ≠0 :Hàm hồi quy không phù hợp
Nếu giá trị [Prob > F] nhỏ hơn mức ý nghĩa α = 0.05 thì bác bỏ H0, chấp nhận H1, tức là mô hình hồi quy phù hợp.
Ta có giá trị [Prob > F] = 0.0003 < α = 0.05 => Bác bỏ H0, chấp nhận H1.
=> Vậy, với mức ý nghĩa 5%, mô hình hồi quy phù hợp Hay nói cách khác, với mức ý nghĩa 5% thì có ít nhất 1 biến tác động đến tỷ lệ thất nghiệp.
Lý giải kết quả tìm được
Mối quan hệ giữa gia tăng dân số và tỷ lệ thất nghiệp ở Việt Nam có tác động ngược chiều, khi nhu cầu chăm sóc người cao tuổi tăng cao đã tạo ra nhiều cơ hội việc làm cho lớp trẻ Sự phát triển trong lĩnh vực dịch vụ chăm sóc người già và y tế đã góp phần làm giảm tỷ lệ thất nghiệp trong những năm gần đây.
Mối quan hệ giữa tăng trưởng kinh tế và tỷ lệ thất nghiệp là mối quan hệ tác động ngược chiều, theo lý thuyết Okun của Arthur Melvin Okun Khi sản lượng giảm, tỷ lệ thất nghiệp tăng Ngược lại, khi tăng trưởng kinh tế tăng, các quốc gia sản xuất nhiều hơn, chuyển đổi cơ cấu ngành kinh tế, hình thành các ngành mới và tạo ra nhiều việc làm, dẫn đến tỷ lệ thất nghiệp giảm.
Mối quan hệ giữa tỷ lệ đầu tư trực tiếp nước ngoài (FDI) trên tổng sản phẩm quốc nội (GDP) và tỷ lệ thất nghiệp cho thấy sự tương đồng, mặc dù lý thuyết dự đoán rằng khi FDI tăng, tỷ lệ thất nghiệp sẽ giảm.
Người lao động Việt Nam tại các doanh nghiệp có vốn đầu tư nước ngoài thường cảm thấy không yên tâm về tính ổn định công việc, dễ dẫn đến tình trạng sa thải hoặc thất nghiệp Sự đầu tư từ nước ngoài cũng tạo ra tình trạng di cư lao động quốc tế, khiến lao động Việt Nam gặp khó khăn trong việc cạnh tranh với người nước ngoài có trình độ cao hơn Đồng thời, sự chuyển dịch lao động từ nông thôn ra thành phố, đặc biệt là Hà Nội và Hồ Chí Minh, gia tăng nhu cầu lao động nhưng cũng làm tăng tỷ lệ thất nghiệp.
Mối quan hệ giữa tỷ lệ lạm phát và tỷ lệ thất nghiệp là mối quan hệ cùng chiều, theo nghiên cứu của Cashell (2004), cho thấy tỷ lệ thất nghiệp dưới 5% có thể dẫn đến tốc độ tăng lạm phát Nghiên cứu của Lui (2009) cũng chỉ ra rằng lạm phát làm giảm lợi nhuận của doanh nghiệp, dẫn đến việc tạo ra nhiều vị trí công việc trống, từ đó làm tăng tỷ lệ thất nghiệp Do đó, trong dài hạn, tỷ lệ thất nghiệp sẽ tăng khi lạm phát gia tăng.
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 được trình bày trước đó.
Như vậy, khi chi tiêu chính phủ tăng thì thất nghiệp tại Việt Nam sẽ giảm xuống.
Một số khó khăn khi chạy mô hình
- Nguồn nhân lực và khả năng của các thành viên trong nhóm còn hạn chế nên gặp khó khăn trong khâu thu thập tài liệu.
- Số quan sát còn thấp so với một mô hình trong thực tế.
- Khó khăn trong việc chạy mô hình cho ra kết quả còn chưa thực sự phù hợp hết với lý thuyết.
