Đo lường và phân tích mức độ tổn thương của hộ gia đình và doanh nghiệp khi xuất hiện các cú sốc bất lợi (tt)

1 Chương 1 GIỚI THIỆU Kết cấu luận án Luận án bao gồm bốn chương i Giới thiệu; ii Nghiên cứu về nguy cơ tổn thương với nghèo của hộ; iii Nghiên cứu về nguy cơ tổn thương của doanh nghiệ

1

Chương 1 GIỚI THIỆU Kết cấu luận án

Luận án bao gồm bốn chương (i) Giới thiệu; (ii) Nghiên cứu về nguy

cơ tổn thương với nghèo của hộ; (iii) Nghiên cứu về nguy cơ tổn

thương của doanh nghiệp; và (iv) Kết luận và một số khuyến nghị

Tổng số trang trong phần nội dung chính của luận án là 127 trang,

trong đó chương 1 gồm 8 trang, chương 2 gồm 71 trang, chương 3

gồm 31 trang, và chương 4 gồm 17 trang

Luận án có 22 bảng, 8 hình trong phần chính luận án, và 27 hình

trong phần phụ lục

1.1 Tính cấp thiết của đề tài luận án

Nền kinh tế và mỗi cá nhân trong nền kinh tế vẫn phải thường xuyên

đối mặt với các cú sốc khác nhau mà có thể ảnh hưởng tới vấn đề

kinh tế Để có những biện pháp đối phó nhằm ngăn chặn sớm cũng

như giảm bớt những tác động bất lợi của các cú sốc đối với mỗi cá

nhân, doanh nghiệp cũng như xã hội nói chung, chúng ta cần nhận

diện các nhóm dễ bị tác động mạnh hơn từ các cú sốc, hay có thể

được gọi là các nhóm dễ bị tổn thương Ở Việt Nam hiện nay, số

lượng các nghiên cứu về vấn đề nguy cơ tổn thương của hộ gia đình

cũng như của doanh nghiệp còn hạn chế Xuất phát từ thực tế như

vậy, tác giả đã quyết định lựa chọn đề tài “Đo lường và phân tích

nguy cơ tổn thương của hộ gia đình và doanh nghiệp khi xuất hiện

các cú sốc bất lợi” làm nội dung nghiên cứu của luận án

1.2 Mục tiêu nghiên cứu của luận án

Luận án này hướng tới một số mục tiêu lớn như sau:

2

- Đo lường nguy cơ tổn thương với nghèo của hộ gia đình và các đặc điểm của những nhóm hộ dễ bị tổn thương với nghèo

- Xác định các nhân tố có ảnh hưởng giúp hộ thoát nghèo hoặc ngăn hộ không rơi vào trạng thái nghèo

- Xác định các nhân tố làm gia tăng nguy cơ tổn thương của doanh nghiệp

- Xác định các nhân tố tác động tới nguy cơ tổn thương với nghèo của hộ ở cấp tỉnh

- Đề xuất một số chính sách nhằm giúp ổn định tốt hơn về mặt kinh tế cho các nhóm trong xã hội

1.3 Đối tượng và phạm vi nghiên cứu của luận án

• Đối tượng nghiên cứu của luận án

Đối tượng nghiên cứu ở đây là các chỉ tiêu phản ánh mức sống của

hộ gia đình Việt Nam, kết quả hoạt động kinh doanh của doanh nghiệp Việt Nam, các chỉ số kinh tế vĩ mô cấp tỉnh, cùng những đặc điểm cơ bản khác có liên quan và ảnh hưởng tới các chỉ tiêu này

• Phạm vi nghiên cứu của luận án

Đối với mảng nội dung về mức sống của hộ gia đình, tác giả sẽ giới hạn việc nghiên cứu trong hai năm 2010 và 2012 và áp dụng trên những hộ gia đình được điều tra trong cả hai năm này trong cuộc Điều tra Mức sống dân cư

Đối với mảng nội dung về doanh nghiệp, tác giả sẽ giới hạn việc nghiên cứu trong giai đoạn từ 2010 tới 2012, và áp dụng trên những doanh nghiệp cỡ vừa trở lên thuộc hai ngành may mặc và giày da có đầy đủ dữ liệu trong toàn bộ các năm cũng như dữ liệu được đánh giá

là tương đối tin cậy

3

1.4 Phương pháp nghiên cứu và cơ sở dữ liệu của luận án

• Phương pháp nghiên cứu của luận án

Nghiên cứu này hoàn toàn sử dụng các phân tích định lượng, bắt đầu

những phân tích định lượng cơ bản như thống kê mô tả, và sau đó đi

sâu hơn sẽ sử dụng các mô hình kinh tế lượng như mô hình bình

phương bé nhất dạng tổng quát khả thi (FGLS), mô hình logit, mô

hình Tobit, mô hình logit đa định danh (multinomial-logit), phương

pháp phân tích bao dữ liệu (DEA), mô hình dữ liệu mảng, phương

pháp phân tích biệt số đa biến, và phương pháp kinh tế lượng không

gian để đo lường hay ước lượng các mối quan hệ giữa các biến trong

mô hình

• Cơ sở dữ liệu của luận án

Nghiên cứu này sử dụng toàn bộ dữ liệu thứ cấp có được trong

các cuộc điều tra do Tổng cục thống kê thực hiện qua các năm

- Điều tra Mức sống dân cư năm 2010 và 2012

- Điều tra Doanh nghiệp hàng năm từ 2010 tới 2012

- Các chỉ tiêu thống kê vĩ mô cấp tỉnh được Tổng cục

thống kê công bố trong Niên giám thống kê

Nghiên cứu sử dụng số liệu Chỉ số năng lực cạnh tranh cấp tỉnh do

Phòng Thương mại và Công nghiệp Việt Nam điều tra và công bố

Ngoài ra, nghiên cứu cũng sử dụng dữ liệu bản đồ do Hệ thống

Thông tin Địa lý (GIS) cung cấp

1.5 Những đóng góp mới của luận án

- Đóng góp về mặt học thuật

Luận án tổng quan lại một số phương pháp được sử dụng trên thế

giới để đo lường nguy cơ tổn thương với nghèo của hộ gia đình hay

nguy cơ tổn thương của doanh nghiệp căn cứ vào mức độ sẵn có của

4

các nguồn dữ liệu, cụ thể như phương pháp sử dụng khi có dữ liệu mảng hay phương pháp sử dụng khi chỉ có dữ liệu chéo, và sau đó luận án đã áp dụng các phương pháp này vào số liệu của Việt Nam

để tính toán nguy cơ tổn thương với nghèo của hộ gia đình và nguy

cơ tổn thương của doanh nghiệp Việt Nam Luận án cũng chỉ ra các đặc điểm nhân khẩu mà có ảnh hưởng và chiều ảnh hưởng của các nhân tố này tới nguy cơ tổn thương với nghèo của hộ gia đình Những đặc điểm nhân khẩu giúp hộ duy trì không nghèo hay giúp hộ thoát nghèo, tức là xem xét tới quá trình vận động giữa các trạng thái cũng đã được luận án chỉ ra Ngoài ra, luận án đã sử dụng phương pháp kinh tế lượng không gian để chỉ ra mối tương quan về tình trạng nghèo giữa những tỉnh lân cận nhau

Đối với nghiên cứu về nguy cơ tổn thương của doanh nghiệp, luận án

đã chỉ ra chỉ ra sự cần thiết phải tính đến các đặc điểm phi tài chính,

mà cụ thể ở đây là thước đo hiệu quả kỹ thuật của doanh nghiệp được đo bằng phương pháp phân tích bao dữ liệu DEA, bởi chúng có ảnh hưởng đáng kể tới kết quả kinh doanh, và do vậy là nguy cơ thua

lỗ của doanh nghiệp trong tương lai

- Đóng góp về mặt thực tiễn

Trên cơ sở những kết quả thực nghiệm tính toán được, luận án có thể đưa ra những gợi ý về mặt chính sách ở cấp độ nhà nước nhằm giúp đối phó sớm với các cú sốc để giảm bớt nguy cơ tổn thương của hộ gia đình và doanh nghiệp Với thông tin này, chính phủ có thể lựa chọn được chính xác hơn những đối tượng cần quan tâm, hỗ trợ trong điều kiện ràng buộc ngân sách chính phủ dành cho các chương trình xã hội và phát triển cộng đồng doanh nghiệp trở nên khó khăn hơn trong những năm gần đây do nợ công tăng cao

5

Chương 2 NGHIÊN CỨU VỀ NGUY CƠ TỔN THƯƠNG VỚI NGHÈO

CỦA HỘ 2.1 Một số khái niệm cơ bản về nguy cơ tổn thương với nghèo

của hộ

Tổn thương với nghèo là khái niệm mà Chaudhuri và cộng sự (2002)

đã đưa ra trong nghiên cứu của mình ở Indonesia Đó là xác suất mà

một hộ sẽ rơi vào trạng thái nghèo trong tương lai, hay nói cách

khác là xác suất mà mức chi tiêu bình quân của một hộ rơi xuống

dưới ngưỡng nghèo trong năm tiếp theo Nếu như xác suất này vượt

quá một ngưỡng nhất định thì hộ được gọi là dễ tổn thương với

nghèo và ngược lại

2.2 Tổng quan các nghiên cứu về tổn thương với nghèo của hộ

gia đình

Nghiên cứu của Glewwe và Hall (1998) lần đầu đưa ra vấn đề về

đánh giá nguy cơ tổn thương chi tiêu của hộ gia đình Theo quan

điểm giản đơn, những hộ mà bị giảm mức tiêu dùng cao hơn so với

tỷ lệ bình quân sẽ được coi là tổn thương hơn Tuy nhiên, theo hai

tác giả, đối với các nhóm hộ đã nghèo sẵn, việc giảm chi tiêu dù rằng

ít hơn so với mức bình quân có thể phải đối mặt với sự tổn thương

lớn hơn so với nhóm có mức chi tiêu cao nhưng giảm mạnh Do đó,

các tác giả đã phân tích nguy cơ tổn thương bằng hàm loga theo mức

chi tiêu để xử lý được đặc điểm này

Kế thừa nghiên cứu của Glewwe và Hall (1998), nghiên cứu của

Chauhduri và cộng sự (2002) đã đi xa hơn khi đo lường nguy cơ tổn

thương đối với vấn đề nghèo ở Indonesia trước và sau khủng hoảng

tài chính năm 1997 theo một cách tiếp cận khác Thay vì chỉ thuần

6

túy tính toán mức độ biến động trong chi tiêu của hộ và xác định các yếu tố ảnh hưởng tới mức độ biến động này, các tác giả đã phân tách

ra các dạng nghèo dai dẳng và tạm thời, các dạng tổn thương từ cao đến thấp và tùy thuộc theo trạng thái Điều này được minh họa trong

hình vẽ dưới đây, trong đó C là mức ngưỡng nghèo, v là nguy cơ

tổn thương với nghèo được tính ra Với cách phân loại này thì nhóm nghèo bao gồm phần A, B và C, trong đó A thuộc nhóm nghèo dai dẳng còn B và C thuộc nhóm nghèo tạm thời Những nhóm không thuộc diện nghèo sẽ là D, E và F, trong đó nhóm không nghèo có nguy cơ tổn thương cao là D và E còn nhóm không nghèo có nguy cơ tổn thương thấp là F Những nhóm có nguy cơ tổn thương cao gồm

A, B, D và E, trong đó A và D thuộc nhóm có mức tiêu dùng thấp còn B và E là nhóm có mức độ biến động tiêu dùng mạnh Nhóm có nguy cơ tổn thương thấp là C và F

Tiêu dùng hiện tại

C <C C ≥C

v ≥ 0.5

E[C] ≥C

Hình 2.1: Khái niệm tổn thương theo quan điểm của Chaudhuri 2.3 Khung lý thuyết nghiên cứu nguy cơ tổn thương với nghèo của hộ gia đình

2.3.2 Tổn thương với nghèo

Chaudhuri (2003) đã đưa ra bốn bước để ước lượng tổn thương và từ

đó làm cơ sở xây dựng chính sách giảm nghèo

7

Bước 1:

Xây dựng hàm chi tiêu, trong đó xác định các biến giải thích cho

hành vi chi tiêu của hộ, và từ đó làm cơ sở để tạo ra dữ liệu về mức

chi tiêu trong tương lai của hộ

Bước 2:

Sử dụng dữ liệu điều tra của hộ, bao gồm các thông tin về chi tiêu và

đặc điểm nhân khẩu của hộ để ước lượng các tham số trong hàm chi

tiêu

Bước 3:

Đưa ra giả định về đặc điểm phân phối của hành vi chi tiêu trong

tương lai, và từ đó ước tính xác suất mà chi tiêu của hộ thấp hơn một

ngưỡng nhất định (ngưỡng nghèo), hay nói cách khác là tính ra nguy

cơ tổn thương với nghèo của hộ

Bước 4:

Sử dụng ước lượng tổn thương với nghèo để xem xét mối tương quan

với nghèo trong tương lai cũng như các đặc điểm nhân khẩu khác, và

phân tích ước lượng tổn thương nghèo theo các chiều khác nhau, và

từ đó làm cơ sở đưa ra các chính sách phù hợp

Đối với bước 1, xây dựng hàm chi tiêu, chúng ta cũng đã đề cập ở

trên khi trình bày cách xác định tổn thương về phúc lợi Các biến giải

thích cũng bao gồm các biến đặc trưng của hộ có thể quan sát được

Xi (bất biến theo thời gian) và Ai (thay đổi theo thời gian), các đặc

trưng của hộ không thể quan sát được δi và βi, và các cú sốc ngẫu

nhiên đặc trưng riêng đối với từng hộ εi

Ở đây, chúng ta sẽ gộp chung các biến không quan sát được với phần

tác động ngẫu nhiên thành một biến uit

8

it i i it

Hồi quy bình phương bé nhất thông thường OLS sẽ không sử dụng được do khả năng gặp phải vấn đề phương sai sai số thay đổi trong

mô hình là khá cao Thay vào đó, để có ước lượng tin cậy, chúng ta phải sử dụng kỹ thuật hồi quy bình phương bé nhất tổng quát khả thi (FGLS – Feasible Generalized Least Square) Bằng phương pháp này, chúng ta sẽ thu được dự báo mức tiêu dùng trong tương lai Tuy nhiên, như chúng ta nói, nguy cơ tổn thương với nghèo của hộ không chỉ phụ thuộc vào mức tiêu dùng kỳ vọng trong tương lai, mà còn phụ thuộc vào cả phương sai của mức tiêu dùng Ở đây, chúng ta

sẽ sử dụng loga của bình phương phần dư ước lượng từ phương trình hồi quy chi tiêu (10), biểu thị cho các cú sốc đối với tiêu dùng, là phương sai của mức chi tiêu Phương sai phần dư này được cho là có phụ thuộc vào các đặc điểm nhân khẩu của hộ Do vậy, phương pháp hồi quy FGLS hai bước được thực hiện Chúng ta sẽ chạy lại phương trình hồi quy (8), nhưng lúc này biến phụ thuộc là phương sai của phần dư

ln

it

Từ phương trình hồi quy (12), chúng ta sẽ thu được giá trị dự báo, tức là phương sai dự báo, 2

it

u

Giả định lnci,t tuân theo phân phối chuẩn, hay ci,t tuân theo phân phối loga-chuẩn, khi đó nguy cơ tổn thương với nghèo – tức là xác suất một hộ i tại thời điểm t + 1 có mức thu nhập dưới ngưỡng nghèo (sử dụng α = 0) – sẽ được xác định theo công thức sau:

, 1

ln

ln

ˆ ln

Pr ln ln | ,

ˆ

i t

i t

c

c

z

σ

+

+

+

(2.13)

9

Trong đó Φ(⋅) là hàm mật độ xác suất tích lũy dạng phân phối chuẩn

Sau khi tính được VEP cho các hộ, chúng ta có thể phân rã thành các

nhóm khác nhau để đánh giá đầy đủ hơn về nguy cơ tổn thương của

hộ Giá trị của VEP sẽ được ước lượng theo các biến giải thích:

Đồng thời, để xem xét tính chất động của trạng thái nghèo giữa hai

năm 2010 và 2012, để xác định các nhân tố tác động tới quá trình

chuyển trạng thái giữa nghèo với không nghèo, chúng ta sẽ tiến hành

phân tích mô hình hồi quy logit đa định danh

Ở đây, mô hình logit đa định danh cũng giống như mô hình logit nhị

phân thông thường, chỉ khác ở chỗ biến phụ thuộc sẽ mang nhiều

hơn hai giá trị định danh Cụ thể, xác suất để một hộ rơi vào một

nhóm định danh j là:

3

0

ij ij

X

i

X

j

e

e

β β

=

∑

Ở đây, Yi sẽ nhận một trong bốn giá trị:

Yi = 0 nếu hộ này không nghèo trong cả hai năm 2010 và 2012

Yi = 1 nếu hộ này không nghèo trong năm 2010 nhưng nghèo trong

năm 2012

Yi = 2 nếu hộ này nghèo trong năm 2010 nhưng không nghèo trong

năm 2012

Yi = 3 nếu hộ này nghèo trong cả hai năm 2010 và 2012

Gaiha và cộng sự (2007) đã chỉ ra cách xác định hiệu ứng phòng vệ,

tức là giúp một hộ không nghèo trong năm 2010 sẽ tiếp tục không

nghèo trong năm 2012, dựa trên việc so sánh xác suất các trường

hợp:

10

ln

i

i i

Y

X

=

=

Ở đây, tử số là xác suất một hộ không nghèo thành hộ nghèo, còn mẫu số là xác suất một hộ không nghèo tiếp tục không nghèo Như vậy, hiệu ứng phòng vệ sẽ giúp làm giảm tỷ số này, tức là khi hệ số

β1 mang dấu âm (giả định các giá trị X dương) Các biến có hệ số β1 mang dấu âm và có ý nghĩa thống kê hàm ý rằng khi giá trị X tăng lên thì sẽ giúp hộ không nghèo gia tăng khả năng tiếp tục không nghèo

Ngoài ra, Gaiha và cộng sự (2007) cũng chỉ ra cách xác định hiệu ứng cải thiện trạng thái, tức là giúp một hộ nghèo trong năm 2010 sẽ chuyển sang trạng thái không nghèo trong năm 2012 bằng cách so sánh xác suất giữa trạng thái j = 2 và j = 3:

ln

i

i i

Y

X

=

Vẫn với giả định X dương, nếu hệ số β2 càng lớn so với β3 thì hiệu ứng cải thiện trạng thái sẽ càng trở nên rõ ràng hơn, tức là việc tăng giá trị X lên sẽ càng giúp cho hộ đó thoát khỏi tình trạng nghèo dễ dàng hơn

2.3.3 Phân tích nghèo và tổn thương với nghèo ở cấp độ vùng

Cấp độ vùng mà chúng ta lựa chọn phân tích ở đây sẽ là cấp tỉnh Ở cấp tỉnh, chúng ta sẽ xem xét các nhân tố tác động đến tỷ lệ hộ nghèo chung của tỉnh, cũng như chỉ số khoảng nghèo của tỉnh Các biến giải thích được lựa chọn sẽ là những biến tổng hợp về đặc điểm nhân khẩu của tỉnh, tổng hợp nguy cơ tổn thương của các hộ trong tỉnh, và

11

lượng công nghiệp, hay chất lượng quản trị của chính quyền tỉnh …

Tuy nhiên, như đã trình bày trong phần tổng quan, vấn đề tương

quan theo không gian thường hay nảy sinh trong các nghiên cứu về

các nhân tố quyết định tới nghèo ở cấp vùng Hay nói cách khác, các

tỉnh không phải là những quan sát độc lập với nhau mà có khả năng

tương quan với nhau về mặt không gian, tức là những tỉnh lân cận

nhau sẽ có thể ảnh hưởng qua lại tới trạng thái của nhau, và do vậy

chúng ta cần sử dụng tới mô hình hồi quy không gian

Dạng tổng quát của mô hình tự hồi quy trễ không gian (thường ký

hiệu là SAC), có biến giải thích bao gồm biến phụ thuộc tự hồi quy

trễ không gian, các biến giải thích độc lập khác và sai số tự hồi quy

trễ không gian Cụ thể, mô hình SAC có thể được biểu diễn như sau:

1

W

u = λ W2u + ε ; ( 2 )

0, n

Trong đó W là ma trận trọng số không gian, trong đó các thành phần

trong ma trận Wij biểu thị cho mức độ lân cận về mặt không gian

giữa hai vị trí (tỉnh) Các thành phần trên đường chéo của ma trận khi

đó sẽ bằng không Các hệ số ρ và λ là các tham số cần ước lượng,

trong đó ρ phản ánh tự hồi quy trễ không gian của bản thân biến phụ

thuộc, còn λ phản ánh tự hồi quy trễ không gian của phần sai số Sai

số e tuân theo phân phối chuẩn với giá trị trung bình là 0 và phương

sai là σ2

In, và như vậy có thay đổi theo không gian Mô hình này có

12

thể được tách thành hai trường hợp cá biệt là (i) Mô hình trễ không gian (SAR), và (ii) Mô hình sai số không gian (SEM)

Để kiểm định mức độ tự tương quan theo không gian, có một số thống kê kiểm định đã được đưa ra, trong đó kiểm định Moran’s I được sử dụng phổ biến hơn cả Moran (1950) đã đưa ra kiểm định này để kiểm tra tự tương quan theo không gian và áp dụng cho dữ liệu liên tục Cụ thể, công thức của thống kê kiểm định Moran’s I như sau:

2 0

ij i j

i j

i i

n I

=

−

∑ ∑

Trong đó x là giá trị bình quân của biến x, wij là các thành phần trong ma trận trọng số, và S0 là tổng của các thành phần này: S =

ij

w

Thống kê Moran’s I gần giống với khái niệm hệ số tương quan, mang giá trị từ -1 tới +1 Khi không có tự tương quan thì giá trị thống kê Moran’s I sẽ là 1

1

n

−

− , và nó sẽ tiệm cận về 0 khi quy mô mẫu tăng lên

2.5 Thống kê mô tả dữ liệu

Trong bộ số liệu điều tra mức sống hộ gia đình, do chúng ta cần nghiên cứu những hộ được điều tra đồng thời trong cả hai năm 2010

và 2012, nên chỉ có khoảng 4200 hộ thỏa mãn điều kiện này Tuy nhiên, sau khi đã loại bỏ đi những quan sát bất thường, hoặc có giá

13

liệu bị sót, số quan sát chúng ta còn giữ lại là 3571 hộ

2.6 Kết quả thực nghiệm trong nghiên cứu nguy cơ tổn thương

của hộ gia đình

2.6.1 Kết quả thực nghiệm trong nghiên cứu nguy cơ tổn thương

về phúc lợi của hộ gia đình

Một số kết luận về những nhóm hộ dễ bị tổn thương hơn về mặt chi

tiêu hay phúc lợi trong kỳ nghiên cứu 2010-2012

• những hộ có chủ hộ tương đối già (khoảng ngoài 60 tuổi)

• những hộ có nhiều phụ nữ trong hộ hơn

• những hộ làm việc trong khu vực tư nhân, nông nghiệp, tự

doanh sẽ dễ bị tổn thương hơn so với những hộ làm việc

trong khu vực nhà nước

2.6.2 Kết quả thực nghiệm trong nghiên cứu nguy cơ tổn thương

với nghèo của hộ gia đình

Bảng 2.1: So sánh kết quả dự báo trạng thái nghèo của hộ với

thực tế

Không nghèo

2012

Nghèo

2012

Dự báo không nghèo 2012 (đa cấp) 3069 177

Nguồn: Tính toán của tác giả

14

Hai phương pháp FGLS và đa cấp được sử dụng để tính nguy cơ tổn thương với nghèo của hộ trong tương lai sẽ cho kết quả dự báo nghèo khá tốt Kết quả này cho thấy việc tính toán nguy cơ tổn thương với nghèo của hộ là một thông tin hữu ích mà chúng ta có thể sử dụng để giúp dự báo khả năng nghèo của hộ trong tương lai được chính xác hơn, từ đó có những chính sách đối phó với nghèo tốt hơn và kịp thời

hơn

Ước lượng các nhân tố tác động tới nguy cơ tổn thương với nghèo của hộ

Từ kết quả ước lượng, chúng ta rút ra được hộ có nguy cơ tổn thương với nghèo cao sẽ rơi vào những nhóm có đặc điểm sau

• Chủ hộ là nam giới

• Độ tuổi chủ hộ tương đối già

• Hộ có giá trị tài sản thấp

• Hộ người dân tộc ngoài Kinh

• Hộ có tỷ lệ phụ nữ cao

• Chủ hộ có học vấn thấp

• Chủ hộ làm việc trong khu vực nông nghiệp hoặc tự doanh

Bảng 2.2: Kết quả hồi quy nguy cơ tổn thương của hộ theo các đặc điểm nhân khẩu của hộ (tính cho năm 2012)

Mô hình logit Mô hình Tobit hằng số

1,3834***

(0,3164)

1,6743***

(0,0495) gender

0,6009**

(0,2736)

0,0545***

(0,0094) age

-0,199***

(0,0313)

-0,018***

(0,0012) age_sq

0,0018***

(0,0003)

0,0001***

(0,0000) log_house_value -1,447*** -0,125***

15

Kinh

-3,417***

(0,2552)

-0,285***

(0,0100) female_ratio

1,3882***

(0,4548)

0,1671***

(0,0166) work_hour_mean

-0,011***

(0,0017)

-0,000***

(0,0000) marriage

0,3369 (0,2656)

0,0471 (0,095) secondary

-0,648***

(0,2334)

-0,049***

(0,0083) tertiary

-0,624 (0,3923)

-0,051***

(0,0109) college

-1,034***

(0,2514)

-0,073***

(0,0112) agri_work

1,4125***

(0,3753)

0,0898***

(0,0110) public_work

-2,732**

(1,1355)

-0,118***

(0,0176) self_work

0,3399 (0,4784)

0,0448***

(0,0117) fdi_work

-0,911 (1,1107)

-0,069***

(0,0223) song_hong

4,8335***

(0,3937)

0,3819***

(0,0137) trung_bo

2,9521***

(0,2506)

0,2504***

(0,0120) tay_nguyen

1,8784***

(0,2695)

0,2093***

(0,0140) dong_nam_bo

3,6594***

(0,4252)

0,3363***

(0,0148) Mekong

1,3834***

(0,3164)

0,1273***

(0,0126) Nguồn: tác giả tự tính toán

16

2.6.3 Kết quả thực nghiệm trong phân tích trạng thái động của

nghèo bằng mô hình logit đa định danh

Từ kết quả phân tích trong kỳ nghiên cứu của chúng ta, những nhân

tố sau đã giúp cải thiện khả năng thoát nghèo của hộ:

• Chủ hộ là nam giới

• Chủ hộ đã hoàn thành bậc học cấp hai hoặc cấp ba

• Nguy cơ tổn thương với nghèo của hộ là thấp Những nhân tố đã góp phần ngăn chặn một hộ bị rơi vào trạng thái nghèo trong giai đoạn 2010-2012:

• Chủ hộ có độ tuổi trẻ cho tới trung niên (gần 40 tuổi)

• Chủ hộ có đầy đủ vợ/chồng

• Hộ có giá trị tài sản hay nhà ở lớn

• Chủ hộ làm việc ở khu vực nước ngoài

2.6.4 Kết quả thực nghiệm trong nghiên cứu nguy cơ tổn thương với nghèo của hộ ở cấp độ tỉnh

Chúng ta có thể rút ra kết luận về các nhân tố góp phần giảm bớt tình trạng nghèo của địa phương, bao gồm cả tỷ lệ hộ nghèo cũng như mức độ nghèo của hộ như sau:

• Thúc đẩy hoạt động sản xuất hàng hóa và dịch vụ của tỉnh

• Nâng cao mức độ bình đẳng về thu nhập và chi tiêu trong tỉnh

• Giảm bớt số lượng hộ có nguy cơ tổn thương với nghèo cũng như mức độ của nguy cơ tổn thương với nghèo mà mỗi hộ phải đối mặt

17

Bảng 2.3: Kết quả hồi quy của chỉ số khoảng nghèo cấp tỉnh

bằng mô hình kinh tế lượng không gian

Biến phụ thuộc: Chỉ số

khoảng nghèo

(0,0922)

0,1994**

(0,0818)

0,2061***

(0,0753)

(0,0009)

-0,0007 (0,0008)

-0,0006 (0,0008) log_output_per_cap -0,018***

(0,0035)

-0,015***

(0,0031)

-0,015***

(0,0029)

(0,0405)

0,0891**

(0,0355)

0,0807**

(0,0331)

(0,0704)

0,1676***

(0,0643)

0,1108*

(0,0589)

(160946)

SEM

Moran’s I

SAR

Lagrange multiplier

Giá trị thống kê = 4,912; P-value = 0,000

Giá trị thống kê = 23,46; P-value = 0,000

Nguồn: tác giả tự tính toán

18

Chương 3 NGHIÊN CỨU VỀ NGUY CƠ TỔN THƯƠNG CỦA DOANH

NGHIỆP 3.1 Một số khái niệm cơ bản về nguy cơ tổn thương của doanh nghiệp

Trong nghiên cứu này, căn cứ vào những cách định nghĩa mà các nghiên cứu trước đây đã sử dụng cũng như những hạn chế về mặt dữ liệu, chúng ta sẽ căn cứ vào lợi nhuận để phân nhóm doanh nghiệp thành những doanh nghiệp thuộc diện “thua lỗ” hay có nguy cơ tổn thương và những doanh nghiệp không thuộc diện “thua lỗ”, tức là những doanh nghiệp không có nguy cơ tổn thương Cụ thể, nếu doanh nghiệp có lợi nhuận âm trong năm nghiên cứu thì sẽ được xếp vào diện “có nguy cơ tổn thương” và ngược lại

3.2 Tổng quan các nghiên cứu về nguy cơ tổn thương của doanh nghiệp

Phân tích biệt số đa biến lần đầu được Altman (1968) áp dụng cho

việc dự báo khả năng phá sản của doanh nghiệp và mô hình có tên gọi là “mô hình điểm Z” Phương pháp phân tích biệt số đa biến là một kỹ thuật thống kê giúp phân loại một quan sát vào một trong các nhóm đã được phân định từ trước căn cứ theo các đặc điểm của quan sát đó

Phương pháp phân tích xác suất có điều kiện như mô hình logit,

mô hình probit, hay mô hình xác suất tuyến tính đã được (Ohlson, 1980; Zmijewski, 1984) sử dụng để thay thế cho phương pháp phân tích biệt số đa biến trong phân tích nguy cơ tổn thương của doanh nghiệp Cả hai mô hình đều sử dụng phương pháp ước lượng hợp lý cực đại Mô hình này sẽ cho biết mỗi doanh nghiệp với một số thuộc

19

tính nhất định sẽ có xác suất phá sản hay nguy cơ tổn thương với phá

sản là bao nhiêu

3.3 Khung lý thuyết nghiên cứu nguy cơ tổn thương của doanh

nghiệp

Các chỉ tiêu tài chính được dùng để giải thích cho khả năng

thua lỗ của doanh nghiệp bao gồm:

• Nhóm chỉ tiêu về tình hình hoạt động: Giả thuyết của chúng ta ở

đây là hiệu quả doanh thu thấp sẽ có tác động thuận chiều lên

xác suất thua lỗ của doanh nghiệp

• Nhóm chỉ tiêu về cấu trúc vốn hay khả năng trả nợ: Khi doanh

nghiệp có tỷ lệ nợ quá cao so với vốn chủ sở hữu thì khả năng

phá sản của doanh nghiệp sẽ tăng mạnh

• Nhóm chỉ tiêu về khả năng thanh khoản: Mức thanh khoản tốt

hơn sẽ làm giảm khả năng trục trặc về tài chính của doanh

nghiệp

• Loại hình, quy mô , hiệu quả về mặt kỹ thuật của doanh nghiệp

là những biến số phi tài chính có thể ảnh hưởng tới kết quả hoạt

động và khả năng phá sản của doanh nghiệp

Để tính được hiệu quả kỹ thuật của doanh nghiệp, chúng ta sử

dụng cách tiếp cận phi tham số, được gọi là Phân tích Bao Dữ liệu

Cụ thể, bài toán quy hoạch tuyến tính theo định hướng đầu vào để

xác định mức hiệu quả của doanh nghiệp 1 trong mô hình DEA với

giả định hiệu quả thay đổi theo quy mô (VRS) được viết như sau:

Với các ràng buộc:

20

1

; 1, 2, , và ; 1, 2, ,

1 và 0; 1, 2, ,

n

j

=

∑

3.5 Thống kê mô tả dữ liệu

Mẫu phân tích bao gồm 1230 doanh nghiệp ngành may mặc và 374 doanh nghiệp ngành giày da, với số liệu trong ba năm từ 2010 tới

2012, để phân tích dự báo khả năng thua lỗ của doanh nghiệp

3.6 Kết quả thực nghiệm trong nghiên cứu nguy cơ tổn thương của doanh nghiệp

Từ phân tích về các nhân tố ảnh hưởng tới khả năng thua lỗ của doanh nghiệp bằng hai phương pháp phân tích biệt số đa biến và phân tích xác suất có điều kiện logit cho dữ liệu mảng, và kiểm định trên hai ngành may mặc và giày da, chúng ta rút ra một số kết luận

• Doanh nghiệp nhiều lao động thì khả năng thua lỗ sẽ ít hơn

• Doanh nghiệp tuổi đời lớn thì khả năng thua lỗ sẽ ít hơn

• Doanh nghiệp có điểm hiệu quả kỹ thuật cao thì khả năng thua lỗ của doanh nghiệp sẽ giảm xuống

• Doanh nghiệp sử dụng vốn chủ sở hữu nhiều hơn một cách tương đối so với vốn vay thì khả năng thua lỗ sẽ ít hơn

• Doanh nghiệp có tỷ trọng tài sản lưu động lớn hơn trong tổng tài sản thì khả năng thua lỗ của doanh nghiệp sẽ ít hơn

• Doanh nghiệp có tốc độ quay vòng vốn nhanh hơnthì khả năng thua lỗ sẽ thấp hơn (đúng với ngành may mặc nhưng không đúng với ngành giày da)