Đối tượng và phạm vi nghiên cứu Để phục vụ cho mục đích nghiên cứu mức ảnh hưởng của các yếu tố lên tỷ lệ thất nghiệp,nhóm chúng em đã lựa chọn các yếu tố dân số, FDI, tỷ lệ lạm phát, tổ
CƠ SỞ LÝ LUẬN VỀ CÁC YẾU TỐ ẢNH HƯỞNG TỚI TỶ LỆ THẤT NGHIỆP NĂM 2019
Tổng quan về tỷ lệ thất nghiệp
Thất nghiệp, theo OECD, là những người trong độ tuổi lao động không có việc làm, sẵn sàng làm việc và đã thực hiện các bước cụ thể để tìm việc Việc áp dụng một định nghĩa thống nhất giúp các ước tính tỷ lệ thất nghiệp có thể so sánh được trên phạm vi quốc tế thay vì dựa vào các định nghĩa thất nghiệp của từng quốc gia Tỷ lệ thất nghiệp được đo bằng phần trăm số người thất nghiệp trên lực lượng lao động và thường có sự biến động theo mùa Lực lượng lao động được định nghĩa là tổng số người thất nghiệp và số người có việc làm.
Trong phân tích kinh tế, tỷ lệ thất nghiệp được dùng như một chỉ báo dự báo sự phát triển của nền kinh tế Chỉ số phổ biến nhất là tỷ lệ thất nghiệp, được định nghĩa là số người thất nghiệp chia cho tổng số người trong lực lượng lao động, bằng một tỉ lệ phần trăm Tỷ lệ thất nghiệp phản ánh mức độ hoạt động của thị trường lao động và giúp đánh giá xu hướng tăng trưởng hoặc suy thoái kinh tế, từ đó hỗ trợ quyết định của nhà quản lý và nhà đầu tư.
Tỷ lệ thất nghiệp = Số người thất nghiệp
1.2 Tỷ lệ thất nghiệp tự nhiên:
Tỷ lệ thất nghiệp tự nhiên là mức thất nghiệp bình thường tồn tại ngay cả khi thị trường lao động ở trạng thái cân bằng, xuất phát từ các nguyên nhân khách quan và kéo dài qua nhiều chu kỳ kinh tế Có 4 loại thất nghiệp tự nhiên được nhận diện, đại diện cho các cơ chế khác nhau khiến người lao động mất việc hoặc khó tìm việc dù cung cầu lao động ở mức cân bằng Hiểu rõ các loại thất nghiệp tự nhiên giúp phân tích chu kỳ kinh tế, thiết kế chính sách để làm giảm thất nghiệp lâu dài và đánh giá tác động của sự dịch chuyển nghề nghiệp, thay đổi kỹ năng và yếu tố thông tin lên thị trường lao động.
Thất nghiệp do ma sát là hiện tượng phổ biến trong thị trường lao động, bắt nguồn từ quá trình tìm kiếm việc làm của người lao động Nguyên nhân chủ yếu là họ phải dành thời gian để xác định và tiếp cận công việc phù hợp nhất với sở thích và kỹ năng của mình, khiến thời gian tìm việc kéo dài và dẫn tới thất nghiệp tạm thời cho đến khi tìm được công việc phù hợp Quá trình này tạo ra ma sát giữa cung và cầu lao động, làm tăng thời gian tuyển dụng và ảnh hưởng tới sự ổn định tài chính cá nhân cũng như hiệu quả của thị trường lao động.
Thất nghiệp cơ cấu là hiện tượng khi thị trường lao động không thể cung cấp việc làm cho tất cả người lao động mong muốn, do sự lệch pha giữa kỹ năng mà người lao động có và kỹ năng cần thiết cho các vị trí tuyển dụng Nguyên nhân chủ yếu là sự bất phù hợp giữa quá trình đào tạo và chuẩn bị nghề nghiệp với yêu cầu thực tế của các ngành nghề đang phát triển Hệ quả là người lao động thất nghiệp dù có số lượng việc làm tồn tại, nhưng thiếu kỹ năng phù hợp khiến thời gian tìm kiếm việc làm kéo dài và chất lượng nguồn nhân lực bị ảnh hưởng Để khắc phục, cần đẩy mạnh đào tạo lại, nâng cao kỹ năng nghề, và tăng cường liên kết giữa giáo dục và thị trường lao động để thu hẹp khoảng cách cung cầu lao động.
+ Thất nghiệp theo mùa: xảy ra ở những công việc thời vụ đòi hỏi phải làm việc trong những thời điểm nhất định trong năm.
+ Thất nghiệp cổ điển: xảy ra khi mức lương thực tế cho một công việc được trả cho người lao động cao hơn mức lương trung bình cho công việc đó của thị trường,khiến số lượng người tìm việc vượt quá số vị trí tuyển dụng.
Cơ sở lý luận về các yếu tố ảnh hưởng tới tỷ lệ thất nghiệp
Hiện tại vẫn chưa có một mô hình tổng hợp đơn giản nào có thể giải thích tình trạng thất nghiệp Tuy vậy, khi xem xét mô hình Walrasian, toàn bộ lực lượng lao động được cho là tham gia vào một thị trường lao động duy nhất, và sự cân bằng ở thị trường này đồng nghĩa với việc không còn thất nghiệp.
Theo Parker (2010), tiêu chuẩn của kinh tế học tân cổ điển không cung cấp thông tin mạnh mẽ dựa trên bằng chứng; tuy nhiên, các yếu tố kinh tế vĩ mô vẫn có ảnh hưởng đáng kể đến tỷ lệ thất nghiệp.
Thuyết Malthus cho rằng dân số có xu hướng tăng theo cấp số nhân, trong khi nguồn lực xã hội khó theo kịp Theo Malthus (1798), các yếu tố như hạn chế biện pháp ngăn ngừa sinh đẻ và những tác động của bệnh tật, điều kiện sống và môi trường làm việc kém có thể làm giảm tốc độ tăng trưởng dân số ở một quốc gia Tuy vậy, ông cho rằng tăng trưởng dân số ngoài tầm kiểm soát sẽ dẫn đến mức độ thất nghiệp cao hơn Nói một cách tổng quát, dân số đông có thể làm tăng tỷ lệ thất nghiệp trong nền kinh tế.
Số lượng và chất lượng nguồn nhân lực bị ảnh hưởng bởi quy mô, cơ cấu và chất lượng của dân số Các quốc gia có dân số lớn thường có nguồn nhân lực lớn, trong khi các nước có dân số nhỏ hơn sẽ có quy mô nguồn lực tương ứng Bên cạnh đó, cơ cấu dân số theo tuổi quyết định quy mô và cơ cấu nguồn lao động Mặc dù dân số là nền tảng của sức lao động, mối quan hệ giữa hai yếu tố này không phụ thuộc trực tiếp vào nhau mà bị chi phối bởi sự biến động của gia tăng dân số theo từng giai đoạn.
Sự gia tăng dân số nhanh chóng dẫn đến việc tỷ lệ thất nghiệp có xu hướng tăng lên, là kết quả của mối tương quan trực tiếp giữa hai yếu tố này Khi dân số mở rộng và thị trường lao động chưa kịp thích ứng, nhu cầu về việc làm tăng lên, trong khi nguồn cung lao động tăng vượt mức cầu khiến tỷ lệ thất nghiệp tăng.
Trong mối quan hệ giữa nhà đầu tư và người lao động, FDI tạo việc làm và tăng thu nhập cho lực lượng lao động bằng cách đầu tư vào sản xuất kinh doanh tại nước ngoài Để khai thác lợi thế so sánh của nước sở tại, các nhà đầu tư nước ngoài sử dụng nguồn nhân lực địa phương nhằm nâng cao năng lực cạnh tranh và hiệu quả đầu tư, từ đó thu hút nhiều cán bộ, công nhân gia nhập các doanh nghiệp có vốn FDI Do đó, FDI và tỷ lệ thất nghiệp có mối quan hệ nghịch chiều Đầu tư nước ngoài được coi là nguồn vốn đầu tư mới hoặc đầu tư trên cơ sở cải tạo (Greenfield Investment - đầu tư mới; Brownfield Investment - đầu tư "đất nâu"), tùy từng trường hợp.
Đầu tư trực tiếp nước ngoài (FDI) tồn tại ở hai hình thức chính: đầu tư xây dựng từ đầu (Greenfield – GI) là công ty mẹ thành lập một công ty con ở nước ngoài và xây dựng toàn bộ hoạt động từ đầu; đầu tư Brownfield (BI) là công ty mua hoặc thuê các cơ sở sản xuất hiện có để bắt đầu một hoạt động sản xuất mới Việc FDI tăng lên sẽ thúc đẩy tăng trưởng GDP của nền kinh tế và đồng thời làm giảm tỷ lệ thất nghiệp (Eldeeb, 2015).
Một trong những cách giải thích tốt nhất về mối quan hệ giữa lạm phát và thất nghiệp là đường cong Phillips, thể hiện mối quan hệ nghịch giữa tỷ lệ thất nghiệp và lạm phát trong ngắn hạn của một nền kinh tế đồng thời giả định tỷ lệ thất nghiệp tự nhiên ở dài hạn ổn định Khi lạm phát giảm, thất nghiệp có xu hướng tăng và ngược lại, cho thấy sự đánh đổi ngắn hạn giữa hai biến số này AW Phillips đã công bố đường cong Phillips vào năm 1958, dựa trên dữ liệu lạm phát tiền lương của Vương quốc Anh từ năm 1861 đến 1957, tức 95 năm dữ liệu, để minh họa mối quan hệ giữa lạm phát và thất nghiệp trong thời kỳ đó Lý thuyết đằng sau đường cong này cho thấy sự tương tác giữa lạm phát và thất nghiệp ở ngắn hạn là một khái niệm cơ bản và dễ hiểu trong kinh tế học vĩ mô.
Việc giảm tỷ lệ thất nghiệp có thể làm tăng lạm phát và ngược lại, lạm phát chỉ có thể giảm khi tỷ lệ thất nghiệp tăng lên Việc tăng tổng cầu để giảm thất nghiệp có thể được thực hiện qua các chính sách kích thích của chính phủ; dù có thể giúp tăng việc làm tạm thời, nó cũng có thể gây ra áp lực lạm phát trên thị trường lao động và thị trường sản phẩm Theo Phillips, khi thất nghiệp càng thấp, thị trường lao động càng thắt chặt và để thu hút nguồn lao động khan hiếm, các công ty phải tăng lương nhanh hơn; với thất nghiệp cao hơn, áp lực này sẽ giảm bớt Đường cong Phillips thể hiện mối quan hệ trung bình giữa thất nghiệp và hành vi tiền lương trong chu kỳ kinh tế, cho thấy lạm phát tiền lương sẽ xảy ra nếu một mức thất nghiệp cụ thể vẫn tiếp tục trong một thời gian Đường cong Phillips cho thấy mối quan hệ nghịch đảo giữa lạm phát và thất nghiệp.
Hình 1: Đường cong Philips ngắn hạn Hình 2: Đường cong Philips dài hạn
2.4 Tổng sản phẩm quốc nội
Định lý Okun cho rằng sự gia tăng liên tục của quy mô lực lượng lao động và năng suất đòi hỏi tăng trưởng GDP thực tế ở mức vượt trội mới có thể giữ cho tỷ lệ thất nghiệp ở mức ổn định Theo đó, để giảm tỷ lệ thất nghiệp, nền kinh tế cần tăng trưởng với tốc độ trên mức tiềm năng của nó Cụ thể, để giảm thất nghiệp 1% trong một năm, tăng trưởng GDP thực tế phải nhanh hơn khoảng 2% so với tốc độ tăng của GDP tiềm năng trong cùng kỳ Nhìn chung, mối quan hệ giữa tốc độ tăng trưởng GDP và tỷ lệ thất nghiệp là nghịch biến: tăng trưởng kinh tế càng cao, thất nghiệp càng có xu hướng giảm.
2.5 Tỷ lệ tăng trưởng tổng sản phẩm quốc nội Định luật Okun giải thích mối quan hệ giữa tăng trưởng GDP và tỷ lệ thất nghiệp.
Theo Luật Okun, cứ tăng 1% tỷ lệ thất nghiệp thì GDP thực tế giảm khoảng 2% so với GDP tiềm năng, khi các yếu tố khác giữ nguyên Mối quan hệ này được xem là nghịch chiều giữa thất nghiệp và tăng trưởng kinh tế Có nhiều lý do khiến mức biến động của GDP có thể lớn hơn biến động của thất nghiệp, như giảm hiệu ứng số nhân khi cung tiền tăng lên, hoặc người lao động thất nghiệp rời khỏi lực lượng lao động khiến số liệu thất nghiệp giảm ảo, cùng với thời gian làm việc ngắn và năng suất thấp do phải kéo thêm lao động Các nghiên cứu cho thấy, với hầu hết các khu vực và quốc gia, tồn tại mối quan hệ nghịch giữa thất nghiệp và tăng trưởng GDP Tuy nhiên, giá trị định lượng của các hệ số Okun lại khác nhau giữa vùng miền, một phần là do sự chênh lệch tăng trưởng năng suất giữa các khu vực Những khác biệt này có nghĩa là các chính sách quản lý tổng cầu hoặc cung ứng truyền thống cần được kết hợp với các chính sách đặc thù cho khu vực khi bàn đến các vấn đề chính sách kinh tế.
Tổng quan tình hình nghiên cứu
Các lý thuyết và nghiên cứu thực nghiệm về mối quan hệ giữa dân số, mật độ dân số, GDP, tăng trưởng GDP, tỷ lệ lạm phát, FDI và tỷ lệ thất nghiệp cho thấy đây là một hệ thống các yếu tố kinh tế - xã hội có tác động lẫn nhau theo nhiều kênh khác nhau Theo lý thuyết tăng trưởng, sự tăng dân số và dân số trẻ có thể thúc đẩy đầu tư và năng suất, từ đó ảnh hưởng đến GDP và tăng trưởng GDP nếu nguồn lực như vốn con người và hạ tầng được phát triển đầy đủ Mật độ dân số cao ở đô thị mang lại lợi ích kinh tế từ mạng lưới sản xuất và FDI, nhưng đồng thời có thể gây áp lực lên lạm phát và thất nghiệp khi thị trường lao động và cơ sở hạ tầng không đáp ứng Nghiên cứu thực nghiệm cho thấy FDI có thể đẩy mạnh tăng trưởng GDP và giảm thất nghiệp thông qua công nghệ và chuyển giao vốn, song tác động lên lạm phát phụ thuộc vào cấu trúc nền kinh tế và chính sách vĩ mô Nhìn chung, mối quan hệ giữa GDP tăng trưởng và các biến vĩ mô khác như lạm phát, dân số, mật độ dân số và FDI là phức tạp và cần phân tích đa biến trên dữ liệu theo thời gian để đánh giá tác động và đề xuất chính sách phù hợp.
Gia tăng dân số được định nghĩa là phần trăm thay đổi trung bình hàng năm về quy mô dân số, bất kể quốc tịch hay tình trạng pháp lý trong một khoảng thời gian xác định Nhiều nghiên cứu cho thấy tăng dân số là yếu tố ảnh hưởng đến tỷ lệ thất nghiệp; Arslan và Zaman (2014) cho rằng gia tăng dân số tác động đến thất nghiệp và có tác động dương lên tỷ lệ thất nghiệp Asif (2013) phân tích các yếu tố kinh tế vĩ mô của thất nghiệp ở Trung Quốc, Ấn Độ và Pakistan từ 1980–2009 và kết quả cho thấy dân số có tác động đáng kể đến tỷ lệ thất nghiệp ở ba nước này Mahmood, Akhtar, Amin và Idrees (2011) khảo sát các yếu tố quyết định thất nghiệp ở thành phố Peshawar, Pakistan với mẫu 442 cư dân có bằng tốt nghiệp hoặc đủ tiêu chuẩn cho công việc nào đó; kết quả cho thấy tăng dân số có mối quan hệ thuận chiều với tỷ lệ thất nghiệp của nhóm lao động trí thức Nghiên cứu của Loku và Deda (2013) tại Kosovo cho thấy tồn tại mối quan hệ giữa gia tăng dân số và tỷ lệ thất nghiệp, với một mối quan hệ nghịch đảo tồn tại giữa chúng trong bối cảnh khác nhau.
Mật độ dân số là kết quả của tổng số lượng dân số trên một đơn vị diện tích nhất định và phản ánh cách phân bố dân cư của một khu vực tại một thời điểm, đồng thời là một trong những tiêu chí quan trọng để phân loại đô thị Nghiên cứu của Kassem (2019) xem xét tác động của tỷ lệ thất nghiệp, sự công nghiệp hóa nền kinh tế, mật độ dân số, lượng kiều hối và hạ tầng xã hội lên tỷ lệ tội phạm ở các quận của tỉnh Punjab, Pakistan, với dữ liệu biến được lấy từ Cục Thống kê Pakistan (PBS), Khảo sát cụm đa chỉ số (MICS) và Thống kê Phát triển Punjab (2018) Kiểm định đơn vị ADF được áp dụng để kiểm tra mức độ ổn định của các biến đã chọn và kiểm định Johansen được sử dụng để đồng liên kết giữa các biến đã chọn Kết quả ước tính cho thấy tỷ lệ thất nghiệp và mật độ dân số có ảnh hưởng đặc biệt tiêu cực đến tỷ lệ tội phạm ở khu vực này.
Nghiên cứu của Muktari Yakubu (2020) áp dụng phương pháp nghiên cứu thực nghiệm để kiểm tra tác động của mật độ dân số lên tỷ lệ thất nghiệp ở Nigeria Dữ liệu chuỗi thời gian từ năm 1991 đến năm 2017 được sử dụng, bao gồm mật độ dân số, tỷ lệ thất nghiệp, chỉ số giá tiêu dùng (CPI), tỷ giá hối đoái và đầu tư trực tiếp nước ngoài (FDI) Các biến được kiểm tra tính dính của đơn vị bằng các kiểm định ADF, PP và KPSS nhằm đánh giá tính ổn định của chuỗi số liệu Kết quả cho thấy mật độ dân số, tỷ giá hối đoái, CPI, GDP bình quân đầu người và FDI có tác động tiêu cực đến tình trạng thất nghiệp, từ đó làm gia tăng tỷ lệ thất nghiệp trong dài hạn.
Tốc độ tăng trưởng GDP cho thấy nhịp độ phát triển của nền kinh tế theo từng năm và là một trong những chỉ số quan trọng nhất để đánh giá sự cải thiện hay suy giảm điều kiện kinh tế của một quốc gia dựa trên mức tăng trưởng sản lượng Nhiều nhà nghiên cứu cho rằng mối quan hệ giữa tăng trưởng và thất nghiệp được giải thích bởi Định luật Okun, một khái niệm nổi tiếng trong kinh tế vĩ mô Định luật này mô tả mối quan hệ nghịch giữa sự biến động của tỷ lệ thất nghiệp và sự thay đổi của tổng sản phẩm quốc nội (GDP) thực tế Được Arthur Okun đề xuất vào năm 1962, định luật cho thấy khi GDP thực tế tăng lên thì tỷ lệ thất nghiệp có xu hướng giảm và ngược lại Okun định lượng mối quan hệ này thành một mối quan hệ thống kê cho biết mức độ tỷ lệ thất nghiệp nghịch với mức tăng thực tế của sản lượng (GDP) của nền kinh tế, dựa trên dữ liệu GNP của Hoa Kỳ.
Nghiên cứu của Rigas, Theodosiou, Rigas và Blanas (2011) đánh giá tính khả dụng của Luật Okun trong môi trường kinh tế hiện đại bằng cách sử dụng dữ liệu về tỷ lệ thất nghiệp và GDP thực tế từ năm 1960 đến 2007 của Hy Lạp, Pháp và Tây Ban Nha Kết quả cho thấy mối quan hệ nghịch giữa thất nghiệp và tăng trưởng GDP được thể hiện rõ khi ước lượng bằng mô hình sai khác bậc một; tuy vậy, hình thức của mối quan hệ này ở Hy Lạp lại khác biệt so với Pháp và Tây Ban Nha do sự chênh lệch về tốc độ tăng trưởng năng suất giữa các nước.
Haug và King (2014) theo dõi dữ liệu từ năm 1952 đến 2010 và kết luận rằng sự gia tăng thất nghiệp sẽ đi kèm với lạm phát cao hơn khoảng ba năm sau đó, cho thấy mối tương quan dương có ý nghĩa giữa lạm phát và thất nghiệp Chính sách tiền tệ và tài khóa sẽ không làm ảnh hưởng đến mối quan hệ dài hạn giữa thất nghiệp và lạm phát do tính ổn định của nó Alisa (2015) thảo luận mối quan hệ lạm phát-thất nghiệp bằng đường cong Phillips; các nhà hoạch định chính sách tập trung vào đường cong Phillips vì nó mang lại cái nhìn xa cho quyết định chính sách Không có một nền kinh tế vĩ mô hoàn hảo nào có thể duy trì đồng thời ổn định giá cả, thất nghiệp thấp và tăng trưởng ổn định trong các điều kiện ngắn hạn Chính phủ phải lựa chọn giữa chính sách tiền tệ hoặc chính sách tài khóa để giải quyết một vấn đề kinh tế nào đó, có thể dẫn tới thất nghiệp cao hoặc lạm phát cao, hoặc nói cách khác là không thể loại bỏ hoàn toàn các hiện tượng Alisa kết luận rằng để cân bằng thị trường vẫn cần có một mức độ lạm phát và thất nghiệp nhất định Dựa trên số liệu trong bài báo này, hoàn cảnh của Nga không phù hợp với việc áp dụng đường cong Phillips.
Mặt khác, nghiên cứu của Karanassou, Sala và Snower (2007) cho thấy chính sách tiền tệ có hiệu quả lâu dài đối với cân bằng giữa thất nghiệp và lạm phát; họ đánh giá tác động của sản lượng, tăng trưởng tiền tệ, thâm hụt ngân sách và cán cân thương mại đối với lạm phát và thất nghiệp ở Mỹ những năm chín mươi và kết quả cho thấy tăng trưởng tiền tệ đẩy lạm phát lên cao nhưng đồng thời làm giảm tỷ lệ thất nghiệp, trong khi tăng trưởng năng suất và giảm thâm hụt ngân sách làm giảm lạm phát và ảnh hưởng nhẹ đến thất nghiệp Nghiên cứu của Furuoka và Munir (2014) ủng hộ đường cong Phillips và cung cấp bằng chứng cho thấy thất nghiệp ở Malaysia có mối quan hệ nghịch với lạm phát; đường cong Phillips cho thấy sự cân bằng giữa thất nghiệp và lạm phát phụ thuộc vào cung cầu lao động, khi cầu về lao động vượt quá cung thì tiền lương tăng lên, dẫn đến lạm phát tăng và thất nghiệp giảm.
3.5 FDI Đầu tư trực tiếp nước ngoài (FDI) được biết đến là hành động tiến hành đầu tư của một công ty hoặc cá nhân từ nước sở tại sang nước khác Một nghiên cứu được thực hiện bởi Matthew và Johnson (2014) và Shaari, Hussain, và Ab Halim (2012) đã điều tra mối quan hệ tiêu cực giữa FDI và Thất nghiệp Nó cho thấy rằng nếu FDI tăng lên thì tỷ lệ thất nghiệp sẽ giảm theo Stamatiou và Dritsakis (2014) xem xét tác động củaFDI đến thất nghiệp ở Hy Lạp Dựa trên những phát hiện của họ, có một mối quan hệ tiêu cực giữa FDI đối với tỷ lệ thất nghiệp đáng kể Nghiên cứu này cũng lập luận về tác động tích cực của FDI đối với tỷ lệ thất nghiệp của các nhà nghiên cứu khác Một số nhà nghiên cứu cho rằng thị trường lao động chỉ liên quan đến lực lượng lao động có kỹ năng Mayom (2015) phân tích nghiên cứu ở Châu Phi cận Sahara Kết quả của tỷ lệ việc làm đạt được dựa trên kết quả dự kiến là mối quan hệ tích cực và có ý nghĩa giữa dòng vốn FDI và tỷ lệ việc làm FDI tăng lên nhìn chung sẽ dẫn đến tỷ lệ việc làm cao hơn Pinn và cộng sự năm 2011 đã điều tra sự cạnh tranh gay gắt có thể làm tăng tỷ lệ thất nghiệp thông qua việc thoái vốn đầu tư và đóng cửa các doanh nghiệp trong nước. Điều này có thể được giải thích là do dự án đầu tư nước ngoài tại Malaysia sửdụng vốn đầu tư trực tiếp nước ngoài (FDI) như một hình thức thâm dụng vốn Bên cạnh đó, việc mua lại các doanh nghiệp hiện có của một quốc gia có thể làm tăng tỷ lệ thất nghiệp do nhu cầu lao động thấp hơn Balcerzak và Zurek (2011) kiểm tra phát hiện bằng cách sử dụng phân tích VAR để tiến hành thử nghiệm Theo kết quả được thực hiện, dòng vốn FDI có mối quan hệ tiêu cực đối với thất nghiệp Tuy nhiên, mức giảm có thể xảy ra trong ngắn hạn và sau một thời gian nhất định, mức thất nghiệp sẽ trở lại mức ban đầu Có một tác động đáng kể của FDI đối với tỷ lệ thất nghiệp ở Ấn Độ Cơ hội việc làm do FDI tạo ra nói chung cho thanh niên thất nghiệp có kỹ năng và được đào tạo cuối cùng sẽ dẫn đến giảm tỷ lệ thất nghiệp (Kannaiah & Selvam, 2014) Theo Kurtovic, Siljikovic và Milanovic (2015), kết quả cho thấy mối quan hệ tiêu cực ràng buộc xung quanh FDI và thất nghiệp, theo đó FDI gia tăng làm cho tỷ lệ thất nghiệp giảm ở hầu hết các nước Tây Balkan.
Các khuôn khổ thực nghiệm mà các nghiên cứu trước đây sử dụng được biết là khác với khuôn khổ lý thuyết và thường không khớp với dữ liệu thu được Nhiều nghiên cứu cho thấy có mối quan hệ đáng kể giữa lạm phát, tăng trưởng GDP, dân số và đầu tư trực tiếp nước ngoài với tỷ lệ thất nghiệp; ngược lại, một số công trình lại cho thấy các kết quả trái ngược Một số nghiên cứu khác cũng đã chứng minh mối quan hệ nhân quả giữa các biến này Các loại thử nghiệm khác nhau đã được áp dụng trong các nghiên cứu trước đây để kiểm chứng các giả thuyết.
PHƯƠNG PHÁP NGHIÊN CỨU VÀ MÔ HÌNH
Số liệu
1.1 Phương pháp thu thập số liệu
Dựa trên các đánh giá tài liệu đã trình bày, nhóm nhận thấy có ít nhất bốn yếu tố ảnh hưởng đến sự thay đổi của tỷ lệ thất nghiệp ở các quốc gia, khu vực và nhóm khác nhau: dân số, lạm phát, GDP và dòng vốn FDI Vì vậy, nhóm đã thu thập dữ liệu cho bốn yếu tố này để kiểm tra thêm ảnh hưởng và xây dựng một mô hình phân tích có ý nghĩa cho phân tích so sánh giữa các quốc gia và khu vực Toàn bộ dữ liệu trong báo cáo được trích xuất từ Ngân hàng Thế giới, được thu thập bởi các nhân viên của Ngân hàng thế giới từ nhiều nguồn xác thực và đáng tin cậy.
Tỷ lệ thất nghiệp là tỷ lệ phần trăm của lực lượng lao động (dân số hoạt động kinh tế) đang thất nghiệp, tức là những người không có việc làm, đang tìm kiếm việc làm và có nhu cầu làm việc trong thời gian gần đây Chỉ tiêu này dựa trên lực lượng lao động, chứ không phải tổng dân số Dữ liệu cho tỷ lệ thất nghiệp được thu thập từ Tổ chức Lao động Quốc tế (ILO) và thường được sử dụng như một chỉ số quan trọng để đánh giá sức khỏe thị trường lao động và triển vọng kinh tế.
Mật độ dân cư được định nghĩa là dân số trong năm chia cho diện tích đất tính theo km vuông Các ước tính dân số do nhân viên Ngân hàng Thế giới tổng hợp từ nhiều nguồn khác nhau, thường dựa trên các tổng điều tra dân số quốc gia Dữ liệu về diện tích đất được lấy từ tổ chức Nông lương.
Tốc độ tăng trưởng GDP được đo theo tổng GDP ở giá của người mua Tốc độ tăng trưởng của GDP và các thành phần của nó được tính bằng phương pháp bình phương nhỏ nhất, với dữ liệu giá cố định bằng nội tệ.
Lạm phát được đo bằng Chỉ số Giá Tiêu dùng (CPI), phản ánh phần trăm thay đổi chi phí mua sắm hàng hóa và dịch vụ hàng năm dựa trên mức chi tiêu trung bình cho một giỏ hàng hóa của người tiêu dùng CPI cho thấy xu hướng tăng giá chi phí sinh hoạt và ảnh hưởng trực tiếp đến mức sống hàng ngày Dữ liệu CPI được lấy từ IMF (Quỹ Tiền tệ Quốc tế), Thống kê Tài chính Quốc tế (International Financial Statistics - IFS) và các tập dữ liệu liên quan.
Dòng vốn FDI được định lượng dựa trên dữ liệu dòng vốn chủ sở hữu theo số liệu cân đối thanh toán do Quỹ tiền tệ quốc tế (IMF) công bố Dữ liệu đầu tư trực tiếp từ nước ngoài (FDI) còn được bổ sung bằng ước tính của nhân viên Ngân hàng Thế giới, dựa trên dữ liệu từ UNCTAD và các nguồn chính thức của quốc gia.
1.2 Phương pháp xử lý số liệu
Sử dụng Stata để xử lý dữ liệu nhanh chóng sau đó tính toán ma trận tương quan giữa các biến.
1.3 Tổng quan và mô tả số liệu
Bộ dữ liệu được thu thập từ trang web chính thức của ngân hàng thế giới, bao gồm
228 quan sá từ 228 quốc gia và nền kinh tế thế giới trong năm 2019.
Yếu tố Mô tả Đơn vị Nguồn
Phần trăm lực lượng lao động % WB
Mật độ dân cư Người trên mỗi km vuông diện tích đất
Tỷ lệ tăng trưởng GDP
% tăng trưởng GDP hàng năm
Lạm phát % lạm phát tiêu dùng hàng năm
FCI Dòng vốn FDI Triệu USD WB
Thống kê và mô tả các biến
Nhóm nghiên cứu sử dụng bình phương tối thiểu thông thường (OLS) để xây dựng và ước lượng các tham số của mô hình hồi quy tuyến tính đa biến Quá trình ước lượng dựa trên tối ưu hóa sai số bình phương giữa giá trị quan sát và giá trị dự đoán, từ đó cho phép xác định các hệ số thể hiện mối liên hệ giữa các biến độc lập và biến phụ thuộc Để kiểm tra giả thuyết, chúng tôi áp dụng các phương pháp thống kê phù hợp nhằm đánh giá ý nghĩa và độ tin cậy của các tham số được ước lượng.
Giá trị tới hạn, giá trị p và khoảng tin cậy để kiểm tra ý nghĩa của các biến độc lập.
Kiểm tra Wald để kiểm tra nhiều hạn chế tuyến tính
Hệ số lạm phát phương sai (VIF), White test và Jacque-Bera Normality Test để kiểm tra các vấn đề của mô hình.
Xây dựng mô hình kinh tế lượng
Dựa trên các nghiên cứu tài liệu đã trình bày ở trên, chúng tôi tự tin cho rằng có thể xây dựng một mô hình thay đổi tỷ lệ thất nghiệp dựa trên bốn biến số độc lập, gồm dân số, lạm phát, GDP và dòng vốn FDI Mô hình này cho phép phân tích và so sánh sự biến động thất nghiệp ở các quốc gia, khu vực và các nhóm khác nhau, từ đó làm rõ tác động của từng yếu tố đến thị trường lao động và cung cấp thông tin hữu ích cho các quyết định chính sách.
+ Tỷ lệ thất nghiệp: biến phụ thuộc
+ Mật độ dân số, tăng trưởng GDP, lạm phát, FDI, biến độc lập
�̂ 0 : Công cụ ước lượng của thuật ngữ chặn của mô hình hồi quy
�̂ 1 : Công cụ ước lượng hệ số hồi quy của mật độ dân số
�̂ 2 : Công cụ ước lượng hệ số hồi quy của tăng trưởng GDP
�̂ 3 : Công cụ ước lượng hệ số hồi quy của lạm phát
�̂ 4 : Công cụ ước lượng hệ số hồi quy của FDI
�̂ : Phần dư (ước lượng độ nhiễu của mô hình hồi quy
Biến Định nghĩa Dự đoán về mối tương quan giữa các biến phụ thuộc Đơn vị
Tỷ lệ thất nghiệp so với tổng lực lượng lao động
Số lượng cá nhân sống cùng ở vị trí cụ thể đó là các quốc gia và nền kinh tế
Tỷ lệ thay đổi bình quân hàng năm của tổng sản phẩm quốc nội (GDP) theo giá thị trường tính theo giá nội tệ cố định
Sự tăng giá của hầu hết các hàng hoá và dịch vụ sử dụng hàng ngày hoặc thông thường, làm giảm đi giá trị đồng tiền
FDI Dòng vốn FDI ròng Triệu USD
Sử dụng lệnh “Sum” cho phép chúng ta có bảng sau:
Variable Obs Mean` Std Dev Min Max
Độ lệch chuẩn của các biến trong phân tích này rất cao, cho thấy mức độ biến động lớn giữa các yếu tố đo lường Nguyên nhân chính là dữ liệu được thu thập từ nhiều quốc gia và nền kinh tế khác nhau, từ các nước phát triển hàng đầu đến các nền kinh tế kém phát triển nhất, làm nổi bật sự khác biệt giữa các quan sát khi thực hiện tổng hợp và phân tích dữ liệu.
.cor unemployrate Popdensity GDPgrowth Inflation FCI (obs = 203)
Unempl ~ e Popden ~ y GDPgro ~ h Inflat ~ n FDI Unemployrate 1.0000
Kết quả phân tích cho thấy mật độ dân số, tốc độ tăng trưởng GDP và dòng vốn FDI có tác động tiêu cực đến tỷ lệ thất nghiệp Trong khi đó, lạm phát của giá tiêu dùng lại ảnh hưởng tích cực đến tỷ lệ thất nghiệp Kết luận này phù hợp với dự đoán của chúng tôi.
Phân tích định lượng
4.1 Mô hình ước lượng a, Kết quả ước tính
Source SS df MS Number of obs = 203
Unemployrate Coef Std Erri t P > | t | [95% Conf Interval] Popdensity -.00073 0004209 -1.73 0.084 -.0015599 0001 GDPgrowth -.376174 1259154 -2.99 0.003 -.6244813 -.1278666 Inflation 1033487 0637311 1.62 0.106 -.0223301 2290275 FDI -2.32e - 06 1.61e -
8.60e – 07 -cons 7.851796 5824254 13.48 0.000 6.703243 9.000349 b, Mô hình hồi quy hai mẫu
Theo kết quả ước tính từ STATA bằng phương pháp OLS, chúng tôi thu được hàm hồi quy mẫu (SRF) như sau:
Thất nghiệp = 7.851796 – 0.00073 Mật độ dân số – 0.376174 Tăng trưởng GDP +
0.1033487 Lạm phát – 2.32* �� −� FDI + � ̂ Ý nghĩa của các hệ số ước lượng:
+ Số hạng không đổi được ước lượng là �̂ 1 = 7,851796 Khi mọi biến giải thích bằng
0, giá trị kỳ vọng của tỷ lệ thất nghiệp (thất nghiệp) sẽ là 7,851796% (yếu tố khác không đổi).
Hệ số hồi quy của mật độ dân số được ước tính là β̂2 = -0.00073 Giữ nguyên các biến giải thích khác không đổi, nếu mật độ dân số tăng 1% thì giá trị kỳ vọng của tỷ lệ thất nghiệp sẽ giảm 0.00073%.
Hệ số hồi quy liên quan đến tăng trưởng GDP được ước lượng là β̂3 = -0,376174 Giữ nguyên các biến giải thích khác, khi tốc độ tăng trưởng GDP (GDPgrowth) tăng 1%, giá trị kỳ vọng của tỷ lệ thất nghiệp (Thất nghiệp) sẽ giảm 0,376174%.
Trong mô hình hồi quy, hệ số hồi quy của lạm phát được ước lượng β̂4 = 0,1038321 Giữ nguyên các biến giải thích khác, mối quan hệ giữa lạm phát và thất nghiệp cho thấy khi lạm phát tăng 1%, giá trị kỳ vọng của tỷ lệ thất nghiệp sẽ tăng lên khoảng 0,1038321%.
Hệ số hồi quy của FDI được ước tính là β̂5 = -2,32 × 10^-6 Giữ nguyên các biến giải thích khác, nếu vốn đầu tư trực tiếp nước ngoài (FDI) tăng thêm 1.000.000 USD thì giá trị kỳ vọng của tỷ lệ thất nghiệp sẽ giảm 2,32 điểm phần trăm.
Hệ số xác định R^2 = 0,086 cho thấy 8,6% biến phụ thuộc được giải thích bởi các biến giải thích, bao gồm tỷ lệ thất nghiệp, lạm phát, tỷ lệ tăng trưởng GDP, mật độ dân số và đầu tư trực tiếp nước ngoài; phần còn lại do các yếu tố khác.
Kiểm định ý nghĩa của một hệ số hồi quy riêng lẻ i:
Cách tiếp cận khoảng tin cậy
Theo kết quả từ Stata sử dụng hồi quy bình phương tối thiểu và các phương pháp phân tích được áp dụng, chúng tôi thu được khoảng tin cậy 95% cho các hệ số hồi quy của từng biến ở mức ý nghĩa 5% Các ước lượng cho hệ số hồi quy được trình bày một cách rõ ràng, cho thấy độ lớn ảnh hưởng của mỗi biến đối với biến phụ thuộc và độ tin cậy tương ứng, từ đó cho phép so sánh sự khác biệt giữa các biến Khoảng tin cậy phản ánh sự ổn định của ước lượng và hỗ trợ đánh giá ý nghĩa thống kê của các biến trong mô hình hồi quy, giúp người đọc nắm được tác động của từng biến đến biến mục tiêu và mức độ tự tin khi diễn giải kết quả.
STT Biến Khoảng tin cậy
Đối với các biến mật độ dân số, lạm phát và FDI, giá trị 0 nằm trong khoảng tin cậy, cho thấy chúng tôi không có đủ bằng chứng để bác bỏ giả thuyết H0 Do đó, hệ số hồi quy của các biến này không có ý nghĩa thống kê ở mức ý nghĩa 5%.
Đối với biến còn lại là GDPgrowth, giá trị 0 không thuộc khoảng tin cậy của biến đó, do đó hệ số hồi quy của biến này có ý nghĩa thống kê ở mức ý nghĩa 5% Đồng thời, chúng tôi kiểm tra mức độ quan trọng của mô hình để đánh giá mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc và sự phù hợp của mô hình.
+ n: số lượng quan sát hoặc cỡ mẫu, n = 20
Vì F > ��=> bác bỏ giả thuyết rỗng
Kết luận: Mô hình tổng thể có ý nghĩa thống kê ở mức có ý nghĩa 5%
Thảo luận, liên hệ thực tế và đặc điểm mẫu số liệu để giải thích kết quả
Nghiên cứu năm 2019 về tác động của các yếu tố kinh tế vĩ mô đến tỷ lệ thất nghiệp cho thấy mối liên hệ chặt chẽ giữa tỷ lệ thất nghiệp và các chỉ số kinh tế vĩ mô như tăng trưởng GDP, lạm phát, lãi suất và chi tiêu công.
Khuyến nghị giải pháp
Theo kết quả nghiên cứu, nhóm chúng tôi xin đề xuất một số đề xuất để cải thiện tình hình ở các nước có tỷ lệ thất nghiệp cao Thứ nhất, vì dự báo tỷ lệ là quan trọng, và dự báo ngắn hạn tốt hơn, nên có một cuộc kiểm tra liên tục để dự đoán các giá trị tương lai của tỷ lệ thất nghiệp Bên cạnh đó, các nghiên cứu sâu hơn về cả mô hình kinh tế lượng đơn giản và phức tạp là rất cần thiết, do đó, tỷ lệ thất nghiệp dài hạn cũng có thể được dự đoán Thứ hai, vì hầu hết các nước kém phát triển là các nước nông nghiệp,chính phủ nên cố gắng thiết kế và thực hiện một chiến lược quốc gia tập trung vào đào tạo lại từng bước lực lượng lao động trong lĩnh vực này, nâng cao hiệu quả của các trang trại cũng như cơ cấu việc làm ở khu vực nông thôn Hơn nữa, họ có thể xem xét lại vai trò của các thành phần kinh tế và cơ cấu lại chúng cho phù hợp với điều kiện của đất nước, điều này có thể dẫn đến cải thiện việc làm Thứ ba, phải xóa bỏ phân biệt đối xử về giới để tăng cơ hội cho lao động nữ, đặc biệt là các vị trí quản lý và có thể nâng cao cơ hội đưa công ty trở nên tốt hơn Cuối cùng nhưng không kém phần quan trọng, việc thúc đẩy việc làm thông qua các lợi ích về thuế đang giải quyết cả việc tuyển dụng và tìm kiếm việc làm.
KẾT LUẬN
Nghiên cứu về tác động của các yếu tố kinh tế vĩ mô đến tỷ lệ thất nghiệp năm 2019 đã chỉ ra rằng có mối liên hệ chặt chẽ giữa tỷ lệ thất nghiệp và các chỉ số kinh tế vĩ mô bằng phương pháp định lượng.
Theo kết quả nghiên cứu, nhóm đề xuất các khuyến nghị nhằm cải thiện tình hình ở các nước có tỷ lệ thất nghiệp cao Thứ nhất, vì dự báo tỷ lệ thất nghiệp là quan trọng và dự báo ngắn hạn có độ chính xác cao hơn, cần tổ chức nhiều cuộc kiểm tra liên tục để dự đoán các giá trị tương lai của tỷ lệ thất nghiệp Bên cạnh đó, nghiên cứu sâu thêm về cả mô hình kinh tế lượng đơn giản và phức tạp là cần thiết để dự báo tỷ lệ thất nghiệp trong dài hạn.
Đối với phần lớn nước kém phát triển dựa vào nông nghiệp, chính phủ nên thiết kế và triển khai chiến lược quốc gia nhằm đào tạo lại lực lượng lao động trong nông nghiệp theo từng bước, nâng cao hiệu quả trang trại và tái cấu trúc cơ cấu việc làm ở khu vực nông thôn Đồng thời xem xét lại vai trò của các thành phần kinh tế và điều chỉnh chúng cho phù hợp với điều kiện của quốc gia, từ đó cải thiện tỷ lệ thất nghiệp và tăng cơ hội việc làm cho người lao động ở các nước kém phát triển.
Để tăng cơ hội cho lao động nữ và thúc đẩy sự phát triển của doanh nghiệp, cần xóa bỏ mọi hình thức phân biệt đối xử về giới, đặc biệt ở các vị trí quản lý, qua đó mở rộng nguồn lực và giúp công ty phát triển mạnh mẽ hơn Đồng thời, cần xây dựng và thực thi nhiều chính sách thúc đẩy việc làm thông qua các ưu đãi về thuế, nhằm giải quyết đồng thời vấn đề tuyển dụng của nhà tuyển dụng và nhu cầu tìm kiếm việc làm của người dân.
Hiện tại, nghiên cứu của nhóm tập trung vào các yếu tố ảnh hưởng đến tỷ lệ thất nghiệp ở mức vĩ mô và chưa kết hợp đồng thời yếu tố vi mô và vĩ mô trong cùng một khuôn khổ Để phân tích tác động của thất nghiệp một cách toàn diện, các nghiên cứu tương lai cần mở rộng phạm vi sang quy mô lớn hơn với nhiều quốc gia hơn và dữ liệu kéo dài hơn hoặc phân khúc thời gian nhỏ hơn, từ đó có thể đánh giá kết quả hoạt động một cách sâu sắc và đầy đủ hơn.
Một lần nữa, chúng em xin gửi lời cảm ơn sâu sắc và trân trọng tới cô Nguyễn Thúy Quỳnh vì sự hướng dẫn tận tình đã giúp chúng em hoàn thành bài báo cáo này Chúng em rất mong được gặp lại cô - người giảng viên đáng kính - trong những khóa học tiếp theo.
Chân thành cảm ơn cô!