Luận án Tác động của xuất khẩu lên năng suất của các doanh nghiệp ở Việt Nam

2004), "Using price and demand information to identify production functions", MPRA Discussion Paper, 1247 79. Kavoussi R.M.(1984), "Exports, Growth and Causality in Developing Countries", Journal of Development Economics, 14, No.1/2, pp.1-12. 80. Kazem, A., & van der Heijden, B. (2006), "Exporting firms' strategic choices: The case of Egyptian SMEs in the food industry", SAM Advanced Management Journal, 71(3), pp.21. 81. Kneller, R. & Pisu, M. (2007), “Industrial Linkages and Export Spillovers from FDI”, The World Economy 30, 105– 34. 82. Kimura, F., & Obashi, A. (2016), "Production networks in East Asia: What we know so far", Springer Japan, pp. 33- 64. 143 83. Kokko, A., Zejan, M. & Tansini, R. (2001), “Trade Regimes and Spillover Effects of FDI: Evidence from Uruguay”, Review of World Economics 137, 124–149. 84. Klein, M. W. (1990), "Sectoral Effects of Exchange Rate Volatility on United States Exports", Journal of International Money and Finance, 9, pp. 299 - 308. 85. Kraay, A.(1999), ‘Exports and Economic Performance: Evidence from a Panel of Chinese Enterprises’, Revue d’ Economie Du Developpement, Vol.1-2, pp.183- 207. 86. Koen Schoors và Bartoldus van de Tol (2002), ‘Foreign Direct Investment Spillovers within and between Sectors: Evidence from Hungarian Data’, Ghent University Faculty of Econmics and Business Administration. Ghent University Working Paper, số.02/157.2002 87. Lê Dân (2004), Vận dụng phương pháp thống kê để phân tích hiệu quả hoạt động của các ngân hàng thương mại Việt Nam, Luận án Tiến sĩ Kinh tế, Đại học Kinh tế Quốc dân, Hà Nội. 88. Levin A. and Raut L. K. (1997), "Complementaries between exports and Human Capital in Economic Growth: Evidence from semi-industrialized countries", Economic Development and Cutural Change, pp.155-74. 89. Levinsohn, James & Petrin, Amil.(2003), "Estimating Production Functions Using Inputs to Control for Unobservables", Review of Economic Studies, 70 (2), pp. 317-41. 90. M. Akif Arvas (2014), "Exports and Firm Productivity in Turkish Manufacturing: An Olley-Pakes Estimation", International Journal of Economics and Financial Issues, pp.243-257. 91. Majumdar, S. K. (1997), "The impact of size and age on firm-level performance: some evidence from India", Review of industrial organization, 12(2), pp.231-241 92. Majumdar, S. K. (1997), "The impact of size and age on firm-level performance: some evidence from India", Review of industrial organization, 12(2), pp.231-241 93. Markusen, James R. and Venables, Anthony J (1999), “Foreign Direct Investment as a Catalyst for Industrial Development", European Economic Review, 43(2), pp. 335 - 356. 94. McKenzie, M. D (1998), "The Impact of Exchange Rate Volatility on Australian Trade Flows", Journal of International Financial Markets, Institutions and Money, 8, pp. 21 - 38. 95. Michalopoulos C. & Jay K. (1973), "Growth of exports and income in the 144 developing world, A neoclassical view", Aid Discussion Paper, No.28, Washington D.C.: Agency International Development. 96. Miller and Noulas (1996), The technical efficiency of large bank production, The University of Connecticut, Department of Economics, Storrs, CT 06269-1063, USA. 97. Muhammad, M. Z., Char, A. K., bin Yasoa, M. R., & Hassan, Z. (2010), "Small and medium enterprises (SMEs) competing in the global business environment: A case of Malaysia", International Business Research, 3(1), pp.66. 98. Ngeh Ernest Tingum (2014), Technical Efficiency and Manufacturing Export Performance in Cameroon, A Dissertation Submitted in Partial Fulfillment of the Requirements for the Degree of Doctor of Philosophy (Economics) of the University of Dar es Salaam. 99. Ngoc, P. M, Anh, N. T. P. & Nga, P. T. (2003), Exports and Long-run Growth in Vietnam 1976- 2001, ASEAN Economic Bulletin. 100. Nguyễn Quang Hiệp (2014), "Mối quan hệ giữa xuất khẩu và tăng trưởng kinh tế ở Việt Nam: Mô hình vòng xoắn tiến”, Tạp chí kinh tế phát triển, số 210- T12/2014 101. Nguyễn T.H. Đào và P.T Anh (2012) “Hiệu ứng lan toả xuất khẩu từ FDI trong ngành công nghiệp chế biến tại VN”, Tạp chí phát triển kinh tế, Số 263, Tháng 9/2012, Trang 11-19 102. Nguyễn Thị Minh Hương (2012), "Đa dạng hóa mặt hàng xuất khẩu từ Việt Nam sang Nhật Bản", Tạp chí Nghiên cứu kinh tế, Số 404. 103. Nishimizu and Page (1982), "Total Factor Productivity growth, Technological Progress and Technical Efficiency Change : Dimensions of Productivity change in Yougoslavia 1967-78", Economic Journal, 92, pp. 920-36. 104. Njikam, O and J. Cockburn. (2007), Trade liberalization and productivity growth: Firm-level evidence from Cameroon, PEP research paper, Canada. 105. Njikam, O. (2003), "Trade reforms and efficiency in Cameroon’s Manufacturing Industrie", AERC Research Paper, 133. 106. Njikam, O., E. Bamou and C. N’donga. (2008), The case of the Manufacturing Sector in Cameroon, An AERC Publication on African imperatives in the New World Trade order, Case studies of Manufacturing and Services, Vol. 2. 107. Nguyen, N.A., Pham, Q.N. Nguyen, D.C. and Nguyen, D.N. (2007).‘Innovation and export of Vietnam’s SME sector’ MPRA paper, No. 3256. 145 108. Olley, G.S. and A. Pakes (1996), "The Dynamics of Productivity in the Telecommunications Equipment Industry", Econometrica, No.64 (6), pp. 1263–1297. 109. Ozler, S, Yılmaz, TÜSĐAD-Koç K. (2007), "Productivity response to reduction in trade barriers: Evidence from Turkish manufacturing plants", University Economic Research Forum, Working Paper Series. 110. Petrin, A., Poi, P., Levinsohn, J. (2004), "Production function estimation in Stata using inputs to control for unobservables", The Stata Journal, No.4(2), pp.113-123. 111. Phạm Đình Long và Nguyễn Chí Tâm (2018), "Mối quan hệ giữa xuất khẩu và năng suất lao động của doanh nghiệp", Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 60(3), tr.50-58. 112. Pham, T.T.T. (2015). Does exporting spur firm productivity? Evidence from Viet Nam. Journal of Southeast Asian Economies, 84-105 113. Phan Thế Công (2011), "Mô hình tăng trưởng kinh tế dựa vào xuất khẩu của Việt Nam", Tạp chí Khoa học ĐHQGHN, Kinh tế và Kinh doanh, Số 27, tr.265-275. 114. Purice, V. (2011), "Exports and firm productivity: The effects of US steel safeguards", Bruges European Economic Research Papers, 19. 115. Quoc-Phuong Le (2010), "Evaluating Vietnam’s Changing comparative Advantage Patterns", ASEAN Economic Bulletin, Vol.27, No.2, pp. 221-30. 116. Rahman, M., and M. Mustafa (1997), “Dynamics of Real Exports and Real Economic Growth in 13 Selected Asian Countries", Journal of Economic Development, Vol. 22, No. 2, pp.81-95. 117. Richards D.G. (2001), "Exports as a Determinant of Long-Run Growth in Paraguay, 1966-96", Journal of Development Studies, 38(1), pp. 128-146. 118. Sachs, J.D. and A.M. Warner (1997), "Sources of Slow Growth in African Economies", Journal of African Economies, 6(3), pp.335-376. 119. Sanjaya Lall (1980), “Vertical Interfirm Linkages in LDCs: An Empirical Study”, Oxford Bulletin of Economics and statistics,Vol. 42(3), pp. 203 -226. 120. Smarzynska Javorcik (2004) , “Does Foreign Direct Investment increase the Productivity of Domestic Firms? In Search of Spillovers through Backward Linkages”, American Economic Review, Vol. 94 (3), pp. 605-627. 121. Soderling, L. (1999), “Structural policies for international competiveness in manufacturing: the case of Cameroon”, Working paper, No. 146. 146 122. Soren Staal và cộng sự (2011), “Developments in Total Factor Productivity within the Danish Manufacturing Sector”, Aarhus School of Business, Aarhus University. 123. Taye Mengistae & Catherine Pattillo (2004), “Export Orientation and Productivity in Sub-Saharan Africa”, IMF Staff Papers, Palgrave Macmillan, Vol. 51(2), pp.1- 6. 124. Taymaz, E. (2005), “Are small firms really less productive?", Small Business Economics, 25 (5), pp.429-445. 125. Taymaz, E., Yılmaz, K. (2007), "Productivity and trade orientation: Turkish manufacturing industry before and after the Customs Union", The Journal of International Trade and Diplomacy, 1(1), pp.127-154. 126. Vu, H. V., Holmes, M., Tran, T. Q., & Lim, S. (2016), "Firm exporting and productivity: what if productivity is no longer a black box", Baltic Journal of Economics, 16(2), pp.95-113. 127. Van Biesebroek, J. (2005). “Exporting Raises Productivity in sub-Saharan African Manufacturing Firms”, Journal of International Economics, 67, pp. 373-391. 128. Wadud (2003), "Technical, Allocative, and Economic Efficiency of Farms in Bangladesh: A Stochastic Frontier and DEA Approach, The journal of Developing Areas", Weltwirtschaftliches Archive/Review of World Economics, 133 (1), pp.134 129. Wagner (2007), “Exports and Productivity: A Survey of the Evidence from Firm‐ level Data ”, The World Economy, Volume30, Issue1, Pages 60-82 147 PHỤ LỤC Phụ lục 1: Phân loại vùng miền kinh tế Việt Nam Kí hiệu vùng Tên vùng Các tỉnh thuộc vùng Vùng 1 Vùng Đồng bằng sông Hồng Hà Nội, “Hải Phòng, Vĩnh Phúc, Bắc Ninh, Hải Dương, Hưng Yên, Hà Tây, Hà Nam, Nam Định, Ninh Bình”, Thái Bình Vùng 2 Vùng hai,Vùng Đông Bắc Bộ Hà Giang , “Tuyên Quang, Cao Bằng , Lạng Sơn, Lào Cai, Yên Bái, Thái Nguyên, Bắc Kạn, Phú Thọ, Bắc Giang, Quảng Ninh” Vùng 3 Vùng Tây Bắc Bộ Hòa Bình, Sơn La, Lai Châu. Vùng 4 Vùng Bắc Trung Bộ Thanh Hóa, “Nghệ An, Hà Tĩnh, Quảng Bình, Quảng Trị, Thừa Thiên Huế” Vùng 5 Vùng Duyên hải nam Trung Bộ TP. “Đà Nẵng, Quảng Nam, Quảng Ngăi, Bình Định, Phú Yên, Khánh Hòa, Ninh Thuận”, Bình Thuận Vùng 6 Vùng Tây Nguyên Đắk Lắk, Gia Lai, Kon Tum, Lâm Đồng Vùng 7 Vùng Đông Nam Bộ TP. “Hồ Chí Minh, Đồng Nai, Bình Dương, Bình Phước, Tây Ninh, Bà Rịa” - Vũng Tàu Vùng 8 Vùng Đồng bằng sông Cửu Long Long An, “Tiền Giang, Bến Tre, Trà Vinh, Vình Long, Cần Thơ, Sóc Trăng, An Giang, Đồng Tháp, Kiên Giang, Bạc Liêu”, Cà Mau 148 Phụ lục 2: Phân loại vquy mô doanh nghiệp Việt Nam Căn cứ vào nghị định 56/2009/ NĐ-CP ngày 30/06/2009 phân loại doanh nghiệp vào quy mô tổng nguồn vốn hoặc số lao động bình quân năm thuộc khu vực doanh nghiệp nông, lâm, thủy sản cụ thể như sau: Quy mô DN DN siêu nhỏ L ≤ 10 DN nhỏ 10< L≤200 DN vừa 200<L≤300 DN lớn L>300 149 Phụ lục 3: Ký hiệu và ý nghĩa biến số của dữ liệu Ký hiệu biến số Ý nghĩa biến số tfpijt Năng suất nhân tố tổng hợp của doanh nghiệp i ngành j tại thời điểm t nsldijt: Năng suất lao động của doanh nghiệp i ngành j tại thời điểm t CVXKjt Kênh tổng lan tỏa xuất khẩu HXKjt Kênh lan tỏa theo chiều ngang FXKjt Kênh lan tỏa theo chiều xuôi BXKjt Kênh lan tỏa theo chiều ngược SBXKjt Kênh lan tỏa theo chiều ngược cung tuoiijt Tuổi của doanh nghiệp i ngành j tại thời điểm t tuoi2ijt Tuổi bình phương của doanh nghiệp i ngành j tại thời điểm t lcijt Tiền lương trung bình của doanh nghiệp i ngành j tại thời điểm t lc=Thu nhập/lao động klijt Mức trang bị vốn trên đầu người của doanh nghiệp i ngành j tại thời điểm t kl=Tư bản /lao động vngijt Tỷ lệ vốn vay bên ngoài vng= 1- vốn chủ sở hữu/ Tổng nguồn vốn ffornship hfornship bfornship sbfornship Các nhóm biến tương tác của biến giả fornship với các kênh lan tỏa FXK, HXK, BXK, SBXK ftnship htnship btnship sbtnship Các nhóm biến tương tác của biến giả tnship với các kênh lan tỏa FXK, HXK, BXK, SBXK fnganhnl hnganhnl Các nhóm biến tương tác của biến giả nganhnl với 150 bnganhnl sbnganhnl các kênh lan tỏa FXK, HXK, BXK, SBXK fnganhkk hnganhkk bnganhkk sbnganhkk Các nhóm biến tương tác của biến giả nganhkk với các kênh lan tỏa FXK, HXK, BXK, SBXK fnganhcb hnganhcb bnganhcb sbnganhcb Các nhóm biến tương tác của biến giả nganhcb với các kênh lan tỏa FXK, HXK, BXK, SBXK fsjt Kênh tổng lan tỏa horjt Kênh lan tỏa theo chiều ngang forjt Kênh lan tỏa theo chiều xuôi backjt Kênh lan tỏa theo chiều ngược sbackjt Kênh lan tỏa theo chiều ngược cung Nganh Nhóm ngành nghề
Hàng nông lâm, thủy sản (nganhnl)
Nguyên, nhiên liệu và khai khoáng (nganhkk) Công nghiệp chế biến(nganhcb) vung 8 Vùng miền
Đồng bằng sông Hồng
Đông bắc bộ
Tây bắc bộ
Bắc trung bộ
Duyên hải nam Trung bộ
Tây Nguyên
Đông Nam Bộ Đồng bằng sông Cửu Long Lhdn Loại hình chủ sở hữu
Doanh nghiệp nhà nước
Doanh nghiệp ngoài quốc doanh
Doanh nghiệp FDI 151 Phụ lục 4: Ước lượng năng suất nhân tố tổng hợp • Thuật toán ước lượng Olley-Pakes Bắt đầu từ hàm sản xuất Cobb-Douglas cơ bản, có thể mô tả thủ tục ước lượng như sau. Vốn là một biến trạng thái, chỉ bị tác động bởi các mức hiện tại và quá khứ của ωit. Đầu tư có thể được rút ra từ quy tắc vốn như sau: Iit = Kit+1 – (1 – δ)Kit (1) Các quyết định đầu tư ở cấp độ doanh nghiệp có thể được chỉ ra là phụ thuộc vào vốn và năng suất hay iit = it(kit, ωit), ở đây ký hiệu chữ thường biểu thị biến đổi logarit của các biến, như trước đây. Với điều kiện đầu tư phụ thuộc vào năng suất, cho phép ta biểu thị năng suất không được quan sát như một hàm của các biến có thể quan sát: ωit = ht(kit,iit) (2) ở đây ht(.) = '‘). . Sử dụng thông tin này, phương trình hàm sản xuất có thể viết lại là: C4' = @B + @EF4' + @GH4' + @IJ4' + ℎ'F4' , 4' + :4'; (3) Tiếp theo, định nghĩa hàm ϕ(iit,kit) như sau: ϕ(iit,kit) = β0 + βkkit + ht(iit,kit) Việc ước lượng phương trình (3) tiếp tục trong hai bước (OP, 1996). Trong giai đoạn thứ nhất của thuật toán ước lượng, phương trình sau đây được ước lượng sử dụng OLS: C4' = @GH4' + @IJ4' + “4' , F4' + :4'; (4) ở đây ϕ(iit,kit) được xấp xỉ bởi một đa thức bậc cao theo iit và kit (bao gồm số hạng hằng số). Ước lượng phương trình (4) dẫn đến một ước lượng vững của các hệ số đối với lao động và đầu vào trung gian (các nhân tố khả biến của sản xuất). Để khôi phục hệ số đối với biến vốn, cần khai thác thông tin về động thái công ty. Năng suất được giả thiết là theo một quá trình Markov cấp một, nghĩa là ωit+1 = E(ωit+1|ωit) + ξit+1, ở đây ξit+1 biểu thị thành phần mới và được giả thiết là không tương quan với năng suất và vốn trong thời kỳ t + 1. Như đã nêu ở trên, các công ty sẽ tiếp tục hoạt động với điều kiện mức năng suất của họ vượt qua cận dưới, nghĩa là xit+1 = 1 nếu <4'”) ≥ <4'”) , ở đây xit+1 là một biến chỉ báo sự sống sót. Vì thành phần mới ξit+1 tương quan với các đầu vào khả biến, các đầu vào lao động và đầu vào trung gian được trừ 152 khỏi log của đầu ra. Xem xét kỳ vọng của E(yit+1 – βllit+1 – βmmit+1), có điều kiện trên sự sống sót của công ty dẫn đến biểu thức sau: E[yit+1 – βllit+1 – βmmit+1 | kit+1, xit+1 = 1] = β0 + βkkit+1 + E[ωit+1|ωit, xit+1 = 1] Giai đoạn thứ hai của thuật toán ước lượng có thể được rút ra sau đó như sau: C4'”) − @GH4'”) + @IJ4'”) = @B + @EF4'”) + Z<4'”)|<4' , [4'”) + ξ4'”) + :4'”); = @B + @EF4'”) + R#4', “' − @EF4' + ξ4'”) + :4'”); (5) ở đây Z<4'”)|<4' , [4'”) = R#4' , “' − @EF4' suy từ luật chuyển động đối với các sốc năng suất và Pit là xác suất sống sót của công ty i trong thời kỳ kế tiếp, nghĩa là Pit = Pr{xit+1 = 1}. Ta thu được một ước lượng vững của hệ số đối với vốn bằng cách thế các hệ số ước lượng đối với lao động và đầu vào trung gian từ giai đoạn thứ nhất, cũng như xác suất sống sót ước lượng trong phương trình (4). Như trong giai đoạn thứ nhất của thủ tục ước lượng, hàm R#4' , “' − @EF4' được xấp xỉ sử dụng một khai triển đa thức bậc cao theo Pit và ϕit – βkkit. Cuối cùng điều này dẫn đến ước lượng phương trình sau: C4'”) − @GH4'”) + @IJ4'”) = @B + @EF4'”) + R#—4', “?' − @AEF4' + ξ4'”) + :4'”); (6) Hệ số đối với vốn khi đó có thể thu được bằng cách áp dụng bình phương bé nhất phi tuyến vào phương trình (6). Các sai số tiêu chuẩn có thể tính toán bằng cách bootstrap. • Thuật toán ước lượng Levinsohn-Petrin Tác giả sử dụng đầu vào trung gian để điều chỉnh sự chệch do tính đồng thời. Phương pháp này được minh họa bằng việc xem xét hàm sản xuất Cobb-Douglas dưới dạng logarit. Phương trình ước lượng đối với nhà máy i trong ngành j năm t như sau (các biến được lấy logarit): j j j j j j it l it m it k it it ity l m kα β β β ω ε= + + + + + (1) Ở đây j ity là đầu ra, j itl là đầu vào lao động, j i tm là nguyên liệu, j itk là lượng tư bản. Số hạng sai số theo nhà máy j itω và một thành phần phân phối chuẩn, đồng nhất và độc lập j itε . Thành phần năng suất j itω , nhà kinh tế lượng không quan sát được, nhưng các nhà 153 quản lý nhà máy biết, và nó tác động lên các quy tắc quyết định của nhà máy. Thành phần j itε không có tác động gì lên các quyết định của nhà máy, biểu thị các sốc không dự đoán được có trung bình bằng 0 đối với năng suất thực hiện sau khi đầu vào được chọn. Tập hợp các tham số hàm sản xuất thu được đối với mỗi ngành j để tính đến những khác nhau về công nghệ giữa các ngành. Vấn đề tính đồng thời nảy sinh khi có sự tương quan đồng thời bên trong nhà máy i lẫn qua thời gian t giữa j itε và các đầu vào của nhà máy. Để giải quyết vấn đề tính đồng thời, phương pháp bán tham số sử dụng nguyên liệu để xấp xỉ cho phần của sai số tương quan với các đầu vào. Hàm cầu đầu vào trung gian khi đó được viết dưới như sau: )k,(mm jitjitjtjit ω= . Ta lấy hàm ngược của hàm cầu đầu vào trung gian để thu được một hàm năng suất phải thỏa măn giả thiết đơn điệu sau: với điều kiện về tư bản, cầu đối với nguyên liệu tăng theo năng suất. Hàm năng suất )k,m( j it j it j t j it ω=ω chỉ phụ thuộc các biến quan sát được. Phương trình (1) có thể được viết dưới dạng tuyến tính từng phần (sau đây bỏ qua chỉ số ngành j): ( , )it l it t it it ity l m kβ ε= +φ + (2) ở đây: )k,m(km)k,m( itittitkitmititt ω+β+β+α=φ . Vì E[ε | mit, kit] = 0, khác nhau giữa phương trình (2) và kỳ vọng của nó, có điều kiện đối với nguyên liệu và tư bản, được cho như sau: yit – E[yit | mit,kit] = βl(lit – E[lit | mit,kit]) + εit (3) Phương trình (3) “ước lượng bằng OLS (không có số hạng hằng số) để thu được các ước lượng vững tham số đối với các đầu vào biến đổi không hiệu chỉnh đối với tính đồng thời, lao động và đầu vào trung gian. Các kỳ vọng có điều kiện thu được bằng các hồi quy bình phương bé nhất có trọng số địa phương (LWLS) của đầu ra, lao động theo (mit, kit). Hàm φt(.) thu được từ hồi quy LWLS của ˆ( )it l ity lβ− theo (mit, kit). Để có ước lượng vững của (βm, βk), ta giả thiết rằng năng suất tuân theo quá trình Markov cấp một: ωit = E[ωit | ωit-1] + ξit, ở đây ξit, sốc năng suất không kỳ vọng, là độc lập và có cùng phân phối. Chiến lược ước lượng dựa trên giả thiết rằng tư bản có thể điều chỉnh theo năng suất kỳ vọng nhưng không điều chỉnh theo sốc năng suất không kỳ vọng”. Sử dụng các “hệ số ước lượng được và một ước lượng phi tham số đối với năng 154 suất kỳ vọng E[ωit | ωit-1] ta thu được các phần dư εit + ξit. Thuật toán ước lượng bắt đầu từ các ước lượng OLS, lặp theo các điều kiện moment mẫu để làm phù hợp với các giá trị lý thuyết của chúng bằng 0, và sau đó đạt tới các ước lượng tham số cuối cùng. Các tham số tiêu chuẩn đối với các ước lượng tham số” được bootstrap. Phần dư TFP “trung tính kiểu Hicks, được định nghĩa là TFPit = ωit + εit và biểu thị hiệu quả trong chuyển đổi đầu vào thành đầu ra, tiếp nhận những phương pháp sản xuất và công nghệ mới và tốt hơn, cải tiến quản lý, đào tạo công nhân Nó có thể kết hợp được những thay đổi không quan sát được trong sử dụng nhân tố, bởi vì chi phí tăng khi nhà máy hoạt động dưới khả năng. Sử dụng các hệ số hàm sản xuất thu được, TFP” nhà máy được ước lượng bởi ˆ ˆ ˆ it it l it m it k itTFP y l m kβ β β= − − − (4) Độ đo TFP này gắn với công nghệ cụ thể. Ở đây itTFP là logarit của TFP, ity là mức đầu ra thực của đầu ra đối với nhà máy i tại thời điểm t. itl , itm , itk biểu thị giá trị logarit của lao động, nguyên liệu, và tư bản đối với nhà máy i tại thời điểm t. Các ˆβ với chỉ số thích hợp là các ước lượng tham số thu được từ ước lượng hàm” sản xuất. • Thuật toán ước lượng Wooldridge- Tiếp cận GMM Wooldridge (2009) “chỉ ra các ước lượng bán tham số được đưa vào bởi OP, LP có thể được triển khai thế nào khi sử dụng một tiếp cận GMM một bước, còn các ước lượng nửa tham số chuẩn sử dụng một thủ tục ước lượng hai bước để thu được các ước lượng vững của các độ co giãn đầu vào (xem phần trên), Wooldridge (2009) chỉ ra rằng các điều kiện moment hàm ý bởi các ước lượng nửa tham số có thể dễ dàng triển khai trong một khung khổ” GMM. Cụ thể, viết lại các “điều kiện moment dẫn đến một hệ thống hai phương trình với cùng một biến phụ thuộc, nhưng với một tập hợp khác nhau các công cụ giữa các phương trình. Cả hai phương trình có đầu ra là biến ở vế trái và các đầu vào bất biến và khả biến ở vế phải. Khác nhau giữa hai phương trình là ở việc xấp xỉ biến không thể quan sát, tức là năng suất, và trong các công cụ được sử dụng cho nhận diện (Wooldridge, 2009). Về các chi tiết gắn với ước lượng GMM, có thể tham khảo Wooldridge (2009). Nichols (2008) cung cấp một giới thiệu hữu ích đối với việc triển khai thực hiện” GMM phi tiêu chuẩn trong Stata. Cách tiếp cận đề xuất bởi Wooldridge (2009) “có một số ưu điểm so với ước lượng 155 nửa tham số chuẩn. Thứ nhất, không giống như các ước lượng nửa tham số, mà chúng đòi hỏi các phương pháp bootstrap để thu được các sai số chuẩn đối với các hệ số đầu vào, ước lượng GMM một bước cho phép tính toán chuẩn các sai số tiêu chuẩn mạnh. Thứ hai, ước lượng GMM hiệu quả hơn so với thủ tục nửa tham số hai bước. Điều này xảy ra bởi vì ước lượng hai bước bỏ qua tương quan tiềm năng giữa các sai số trong hai bước và, thêm nữa, vì thủ tục ước lượng nửa tham số không thể sửa chữa một cách hiệu quả đối với tương quan chuỗi hoặc tính không đồng phương sai” trong các số hạng sai số. Thêm nữa, ước lượng GMM “cho phép kiểm định các giả thiết nhận diện nằm dưới mô hình (với điều kiện sử dụng nhiều công cụ hơn so với các biến nội sinh, nghĩa là mô hình quá mức nhận diện). Cuối cùng, ước lượng Wooldridge có thể giải thích cho vấn đề nhận diện giai đoạn thứ nhất cố hữu trong thuật toán ước lượng OP và LP (nhưng đặc biệt trong ước lượng LP), đã được thảo luận ở trên. Nói riêng, các hệ số đối với các đầu vào khả biến có thể được nhận diện bằng cách khai thác thông tin trong phương trình thứ hai, được ước lượng cùng với phương trình thứ nhất. Ước lượng Wooldridge khác với thuật toán ước lượng Ackerberg-Caves-Frazer ở chỗ thuật toán ước lượng Ackerberg-Caves-Frazer vẫn dựa vào thủ tục ước lượng hai bước. Tuy nhiên, hai ước lượng này có thể dễ dàng kết hợp lại, nghĩa là có thể triển khai phương pháp luận Ackerberg-Caves-Frazer sử dụng một tiếp” cận GMM một bước. 156 Phụ lục 5: Bảng ước lượng TFP 157 Phụ lục 6: Kết quả kiểm định nội sinh 158 159 Phụ lục 7: Phụ lục lựa chọn mô hình kiểm định giả thuyết H1 Toàn mẫu _cons -.7542858 .019206 -39.27 0.000 -.7919298 -.7166417 quymo1 .1104733 .0031485 35.09 0.000 .1043021 .1166445 nganh -.0318746 .0026207 -12.16 0.000 -.0370112 -.026738 lhdn2 .2294758 .0096924 23.68 0.000 .2104786 .2484729 vung .0328945 .0008384 39.24 0.000 .0312512 .0345377 tuoi .0683327 .0005797 117.87 0.000 .0671964 .0694689 tuoi2 -.001035 .0000229 -45.15 0.000 -.00108 -.0009901 vngf .0015106 .0003582 4.22 0.000 .0008085 .0022127 lc .0003525 .0001237 2.85 0.004 .00011 .0005949 kl .0000238 3.82e-06 6.23 0.000 .0000163 .0000313 giatrixk1 .0203421 .0011838 17.18 0.000 .0180218 .0226624 tfp1 Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust (Std. Err. adjusted for 50,842 clusters in iddn) Root MSE = .80097 R-squared = 0.1586 Prob > F = 0.0000 F(10, 50841) = 4427.11 Linear regression Number of obs = 355,894 rho .20901122 (fraction of variance due to u_i) sigma_e .7014674 sigma_u .36058457 _cons -.7164251 .0132438 -54.10 0.000 -.7423825 -.6904677 quymo1 .0608407 .0025022 24.31 0.000 .0559364 .0657449 nganh -.0236751 .0024813 -9.54 0.000 -.0285383 -.0188119 lhdn2 .2323953 .0056925 40.82 0.000 .2212383 .2435524 vung .0313963 .0007932 39.58 0.000 .0298418 .0329509 tuoi .0733962 .0003648 201.21 0.000 .0726813 .0741111 tuoi2 -.0010727 .000012 -89.56 0.000 -.0010962 -.0010492 vngf .0014333 .0003528 4.06 0.000 .0007419 .0021247 lc .0002865 4.63e-06 61.82 0.000 .0002774 .0002956 kl 9.18e-06 1.28e-06 7.17 0.000 6.67e-06 .0000117 giatrixk1 .0257089 .000885 29.05 0.000 .0239743 .0274435 tfp1 Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(10) = 70844.60 overall = 0.1557 max = 7 between = 0.1205 avg = 7.0 within = 0.1746 min = 7 R-sq: Obs per group: Group variable: iddn Number of groups = 50,842 Random-effects GLS regression Number of obs = 355,894 160 Prob > chibar2 = 0.0000 chibar2(01) = 52721.00 Test: Var(u) = 0 u .1300212 .3605846 e .4920565 .7014674 tfp1 .7624957 .87321 Var sd = sqrt(Var) Estimated results: tfp1[iddn,t] = Xb + u[iddn] + e[iddn,t] Breusch and Pagan Lagrangian multiplier test for random effects rho .20901122 (fraction of variance due to u_i) sigma_e .7014674 sigma_u .36058457 _cons -.7164251 .0132438 -54.10 0.000 -.7423825 -.6904677 quymo1 .0608407 .0025022 24.31 0.000 .0559364 .0657449 nganh -.0236751 .0024813 -9.54 0.000 -.0285383 -.0188119 lhdn2 .2323953 .0056925 40.82 0.000 .2212383 .2435524 vung .0313963 .0007932 39.58 0.000 .0298418 .0329509 tuoi .0733962 .0003648 201.21 0.000 .0726813 .0741111 tuoi2 -.0010727 .000012 -89.56 0.000 -.0010962 -.0010492 vngf .0014333 .0003528 4.06 0.000 .0007419 .0021247 lc .0002865 4.63e-06 61.82 0.000 .0002774 .0002956 kl 9.18e-06 1.28e-06 7.17 0.000 6.67e-06 .0000117 giatrixk1 .0257089 .000885 29.05 0.000 .0239743 .0274435 tfp1 Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(10) = 70844.60 overall = 0.1557 max = 7 between = 0.1205 avg = 7.0 within = 0.1746 min = 7 R-sq: Obs per group: Group variable: iddn Number of groups = 50,842 Random-effects GLS regression Number of obs = 355,894 161 Prob>chi2 = 0.0000 = 5407.06 chi2(8) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg quymo1 -.0660042 .0608407 -.1268448 .0029833 nganh -.0020409 -.0236751 .0216342 .0047271 lhdn2 .2318047 .2323953 -.0005906 .004218 vung -.007025 .0313963 -.0384214 .0123793 tuoi .0759605 .0733962 .0025643 .0001469 tuoi2 -.001062 -.0010727 .0000107 8.63e-06 vngf .0005357 .0014333 -.0008976 .0000826 lc .0002387 .0002865 -.0000478 1.01e-06 kl -.0000202 9.18e-06 -.0000294 1.14e-06 giatrixk1 .0243411 .0257089 -.0013678 .0008151 fe re Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients Prob > F = 0.0000 F( 1, 50841) = 268.823 H0: no first order autocorrelation Wooldridge test for autocorrelation in panel data Prob>chi2 = 0.0000 chi2 (50842) = 1.0e+07 H0: sigma(i)^2 = sigma^2 for all i in fixed effect regression model Modified Wald test for groupwise heteroskedasticity 162 rho .33572034 (fraction of variance due to u_i) sigma_e .7014674 sigma_u .49867873 _cons -.3259885 .0854279 -3.82 0.000 -.4934282 -.1585489 quymo1 -.0660042 .0046165 -14.30 0.000 -.0750525 -.0569558 nganh -.0020409 .0061401 -0.33 0.740 -.0140755 .0099937 lhdn2 .2318047 .007266 31.90 0.000 .2175633 .2460462 vung -.007025 .0165674 -0.42 0.672 -.0394974 .0254474 tuoi .0759605 .0004016 189.13 0.000 .0751733 .0767477 tuoi2 -.001062 .0000168 -63.07 0.000 -.001095 -.001029 vngf .0005357 .0001592 3.37 0.001 .0002237 .0008477 lc .0002387 .00008 2.99 0.003 .000082 .0003955 kl -.0000202 4.92e-06 -4.11 0.000 -.0000298 -.0000106 giatrixk1 .0243411 .0011862 20.52 0.000 .0220162 .026666 tfp1 Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust (Std. Err. adjusted for 50,842 clusters in iddn) corr(u_i, Xb) = -0.0732 Prob > F = 0.0000 F(10,50841) = 9777.53 overall = 0.1225 max = 7 between = 0.0260 avg = 7.0 within = 0.1787 min = 7 R-sq: Obs per group: Group variable: iddn Number of groups = 50,842 Fixed-effects (within) regression Number of obs = 355,894 163 (Robust, but weakened by many instruments.) Hansen test of overid. restrictions: chi2(11) = 103.28 Prob > chi2 = 0.000 (Not robust, but not weakened by many instruments.) Sargan test of overid. restrictions: chi2(11) = 9.54 Prob > chi2 = 0.572 Arellano-Bond test for AR(2) in first differences: z = -0.70 Pr > z = 0.483 Arellano-Bond test for AR(1) in first differences: z = -12.78 Pr > z = 0.000 DL.giatrixk GMM-type (missing=0, separate instruments for each period unless collapsed) _cons 13.year 14.year 15.year 16.year kl L3.lc vngf tuoi2 tuoi vung lhdn2 nganh quymo1 10b.year 11.year 12.year Standard Instruments for levels equation L(0/1).giatrixk GMM-type (missing=0, separate instruments for each period unless collapsed) 12.year 13.year 14.year 15.year 16.year) D.(kl L3.lc vngf tuoi2 tuoi vung lhdn2 nganh quymo1 10b.year 11.year Standard Instruments for first differences equation _cons 3.284106 .2741986 11.98 0.000 2.746686 3.821525 quymo1 .1115774 .0359258 3.11 0.002 .041164 .1819907 nganh -.011817 .0075645 -1.56 0.118 -.0266432 .0030092 lhdn2 -.3063597 .040767 -7.51 0.000 -.3862615 -.2264579 vung .0163674 .0045889 3.57 0.000 .0073733 .0253615 tuoi .0194435 .0047595 4.09 0.000 .010115 .0287719 tuoi2 -.0003315 .0000976 -3.40 0.001 -.0005227 -.0001403 vngf -.0053094 .0011817 -4.49 0.000 -.0076254 -.0029933 lc .0199163 .0005413 36.79 0.000 .0188553 .0209773 kl -.0001732 .0000637 -2.72 0.007 -.000298 -.0000484 giatrixk 1.11e-08 4.62e-09 2.41 0.016 2.07e-09 2.02e-08 lnsld1 -.0472069 .0717617 -0.66 0.511 -.1878574 .0934435 nsld1 Coef. Std. Err. z P>|z| [95% Conf. Interval] Robust Prob > chi2 = 0.000 max = 4 Wald chi2(11) = 5370.07 avg = 4.00 Number of instruments = 23 Obs per group: min = 4 Time variable : year Number of groups = 50842 164 Nhóm doanh nghiệp xuất khẩu _cons -.8476704 .0817204 -10.37 0.000 -1.008015 -.6873261 quymo1 -.0476447 .0174182 -2.74 0.006 -.081821 -.0134684 nganh .0008463 .009362 0.09 0.928 -.0175229 .0192155 lhdn2 .3068086 .0289623 10.59 0.000 .2499815 .3636358 vung .0021038 .0061058 0.34 0.730 -.0098764 .014084 tuoi .1060042 .0035478 29.88 0.000 .0990431 .1129653 tuoi2 -.0016287 .0001265 -12.87 0.000 -.0018769 -.0013804 vngf -.1813008 .0383243 -4.73 0.000 -.2564972 -.1061043 lc .0009268 .0008345 1.11 0.267 -.0007106 .0025642 kl .0003052 .0001163 2.62 0.009 .0000769 .0005334 giatrixk1 .020866 .0068225 3.06 0.002 .0074795 .0342525 tfp1 Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust (Std. Err. adjusted for 1,108 clusters in iddn) Root MSE = .66464 R-squared = 0.3534 Prob > F = 0.0000 F(10, 1107) = 247.87 Linear regression Number of obs = 7,756 rho .32333281 (fraction of variance due to u_i) sigma_e .51609638 sigma_u .35675342 _cons -1.044065 .0654035 -15.96 0.000 -1.172253 -.9158763 quymo1 -.0671646 .0124155 -5.41 0.000 -.0914985 -.0428306 nganh -.0031609 .0085774 -0.37 0.712 -.0199724 .0136506 lhdn2 .3495171 .0143515 24.35 0.000 .3213886 .3776455 vung .0017711 .0051319 0.35 0.730 -.0082873 .0118294 tuoi .1168332 .0017609 66.35 0.000 .1133819 .1202845 tuoi2 -.0017558 .0000521 -33.68 0.000 -.001858 -.0016536 vngf -.1503907 .0206009 -7.30 0.000 -.1907678 -.1100136 lc .0005435 .0000652 8.34 0.000 .0004158 .0006712 kl .0001953 .0000278 7.03 0.000 .0001409 .0002497 giatrixk1 .0336823 .0043559 7.73 0.000 .0251449 .0422198 tfp1 Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(10) = 6178.81 overall = 0.3444 max = 7 between = 0.1024 avg = 7.0 within = 0.4902 min = 7 R-sq: Obs per group: Group variable: iddn Number of groups = 1,108 Random-effects GLS regression Number of obs = 7,756 165 Prob > chibar2 = 0.0000 chibar2(01) = 3139.47 Test: Var(u) = 0 u .127273 .3567534 e .2663555 .5160964 tfp1 .6823377 .8260374 Var sd = sqrt(Var) Estimated results: tfp1[iddn,t] = Xb + u[iddn] + e[iddn,t] Breusch and Pagan Lagrangian multiplier test for random effects F test that all u_i=0: F(1107, 6638) = 5.61 Prob > F = 0.0000 rho .62515304 (fraction of variance due to u_i) sigma_e .51609638 sigma_u .66649515 _cons -.1794971 .3322041 -0.54 0.589 -.830724 .4717297 quymo1 -.0597492 .0197563 -3.02 0.003 -.0984779 -.0210206 nganh .0175796 .0251871 0.70 0.485 -.0317953 .0669544 lhdn2 .3654166 .0152604 23.95 0.000 .3355013 .3953319 vung -.1787644 .0581365 -3.07 0.002 -.2927306 -.0647981 tuoi .1199849 .0018318 65.50 0.000 .1163941 .1235758 tuoi2 -.0017724 .0000601 -29.47 0.000 -.0018903 -.0016545 vngf -.115806 .0254137 -4.56 0.000 -.165625 -.065987 lc .0004268 .0000668 6.38 0.000 .0002958 .0005578 kl .0000641 .0000344 1.86 0.063 -3.42e-06 .0001315 giatrixk1 .0407087 .0049424 8.24 0.000 .0310201 .0503974 tfp1 Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.4919 Prob > F = 0.0000 F(10,6638) = 647.15 overall = 0.1728 max = 7 between = 0.0012 avg = 7.0 within = 0.4936 min = 7 R-sq: Obs per group: Group variable: iddn Number of groups = 1,108 Fixed-effects (within) regression Number of obs = 7,756 P r o b > F = 0 . 0 0 0 0 F ( 1 , 1 1 0 7 ) = 3 8 . 9 3 3 H 0 : n o f i r s t o r d e r a u t o c o r r e l a t i o n W o o l d r i d g e t e s t f o r a u t o c o r r e l a t i o n i n p a n e l d a t a 166 Prob>chi2 = 0.0000 chi2 (1108) = 1.9e+05 H0: sigma(i)^2 = sigma^2 for all i in fixed effect regression model Modified Wald test for groupwise heteroskedasticity rho .62515304 (fraction of variance due to u_i) sigma_e .51609638 sigma_u .66649515 _cons -.1794971 .2704582 -0.66 0.507 -.7101656 .3511713 quymo1 -.0597492 .0236995 -2.52 0.012 -.1062502 -.0132482 nganh .0175796 .0334023 0.53 0.599 -.0479595 .0831186 lhdn2 .3654166 .0207512 17.61 0.000 .3247006 .4061327 vung -.1787644 .0454941 -3.93 0.000 -.2680288 -.0894999 tuoi .1199849 .0032448 36.98 0.000 .1136182 .1263517 tuoi2 -.0017724 .0001323 -13.40 0.000 -.0020319 -.0015129 vngf -.115806 .0353057 -3.28 0.001 -.1850796 -.0465324 lc .0004268 .0004118 1.04 0.300 -.0003812 .0012348 kl .0000641 .0000884 0.72 0.469 -.0001095 .0002376 giatrixk1 .0407087 .0055347 7.36 0.000 .029849 .0515685 tfp1 Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust (Std. Err. adjusted for 1,108 clusters in iddn) corr(u_i, Xb) = -0.4919 Prob > F = 0.0000 F(10,1107) = 466.16 overall = 0.1728 max = 7 between = 0.0012 avg = 7.0 within = 0.4936 min = 7 R-sq: Obs per group: Group variable: iddn Number of groups = 1,108 Fixed-effects (within) regression Number of obs = 7,756 167 (Robust, but weakened by many instruments.) Hansen test of overid. restrictions: chi2(24) = 30.66 Prob > chi2 = 0.164 (Not robust, but not weakened by many instruments.) Sargan test of overid. restrictions: chi2(24) = 28.28 Prob > chi2 = 0.248 Arellano-Bond test for AR(2) in first differences: z = 1.02 Pr > z = 0.306 Arellano-Bond test for AR(1) in first differences: z = -2.91 Pr > z = 0.004 DL.giatrixk1 GMM-type (missing=0, separate instruments for each period unless collapsed) _cons 13.year 14.year 15.year 16.year kl L.lc vngf tuoi2 tuoi vung lhdn2 nganh quymo1 10b.year 11.year 12.year Standard Instruments for levels equation L(0/2).giatrixk1 GMM-type (missing=0, separate instruments for each period unless collapsed) 12.year 13.year 14.year 15.year 16.year) D.(kl L.lc vngf tuoi2 tuoi vung lhdn2 nganh quymo1 10b.year 11.year Standard Instruments for first differences equation _cons 3.171904 .6772449 4.68 0.000 1.844529 4.49928 quymo1 -.009796 .0199473 -0.49 0.623 -.048892 .0293001 nganh -.0693937 .0162119 -4.28 0.000 -.1011684 -.0376189 lhdn2 .089004 .0293891 3.03 0.002 .0314025 .1466055 vung .004484 .0074173 0.60 0.545 -.0100537 .0190218 tuoi -.001813 .0022928 -0.79 0.429 -.0063068 .0026807 tuoi2 .0000861 .0000568 1.52 0.130 -.0000253 .0001975 vngf -.2930681 .0632689 -4.63 0.000 -.4170729 -.1690632 lc .0069566 .0031946 2.18 0.029 .0006952 .013218 kl -.0000462 .0002286 -0.20 0.840 -.0004942 .0004018 giatrixk1 .0141087 .0068602 2.06 0.040 .000663 .0275544 lnsld1 .1391572 .20239 0.69 0.492 -.25752 .5358343 nsld1 Coef. Std. Err. z P>|z| [95% Conf. Interval] Robust Prob > chi2 = 0.000 max = 6 Wald chi2(11) = 853.83 avg = 6.00 Number of instruments = 36 Obs per group: min = 6 Time variable : year Number of groups = 1108 168 Phụ lục 8: Phụ lục lựa chọn mô hình kiểm định giả thuyết H2 rho .33038586 (fraction of variance due to u_i) sigma_e .70216397 sigma_u .49321577 _cons .0314036 .0852382 0.37 0.713 -.1356641 .1984712 xkdnvuavanho1 .0071677 .0018979 3.78 0.000 .0034477 .0108876 xknganhcb1 -.0009885 .0023291 -0.42 0.671 -.0055534 .0035765 xknganhkk 1.19e-06 4.70e-08 25.38 0.000 1.10e-06 1.29e-06 xknganhnl 3.71e-06 2.01e-06 1.84 0.065 -2.34e-07 7.66e-06 xkfornship2 .037966 .0012816 29.62 0.000 .035454 .0404781 xkgownship2 -.0025257 .0040037 -0.63 0.528 -.0103731 .0053217 vung -.0075347 .0167705 -0.45 0.653 -.040405 .0253356 tuoi .0747537 .0004041 184.98 0.000 .0739616 .0755457 tuoi2 -.0010347 .0000166 -62.37 0.000 -.0010672 -.0010022 vngf .0006224 .0001504 4.14 0.000 .0003276 .0009172 lc .0002419 .0000808 2.99 0.003 .0000836 .0004003 kl -.0000181 4.64e-06 -3.89 0.000 -.0000272 -8.96e-06 giatrixk1 .0100365 .0019684 5.10 0.000 .0061783 .0138947 tfp1 Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust (Std. Err. adjusted for 50,842 clusters in iddn) corr(u_i, Xb) = -0.0656 Prob > F = 0.0000 F(13,50841) = 7620.92 overall = 0.1281 max = 7 between = 0.0408 avg = 7.0 within = 0.1771 min = 7 R-sq: Obs per group: Group variable: iddn Number of groups = 50,842 Fixed-effects (within) regression Number of obs = 355,894 169 (Not robust, but not weakened by many instruments.) Sargan test of overid. restrictions: chi2(11) = 9.64 Prob > chi2 = 0.563 Arellano-Bond test for AR(2) in first differences: z = -0.23 Pr > z = 0.817 Arellano-Bond test for AR(1) in first differences: z = -11.68 Pr > z = 0.000 DL.giatrixk GMM-type (missing=0, separate instruments for each period unless collapsed) _cons 16.year xknganhcb1 xkdnvuavanho 10b.year 11.year 12.year 13.year 14.year 15.year kl L3.lc vngf tuoi2 tuoi vung xkgownship2 xkfornship2 xknganhnl xknganhkk Standard Instruments for levels equation L(0/1).giatrixk GMM-type (missing=0, separate instruments for each period unless collapsed) 15.year 16.year) xknganhkk xknganhcb1 xkdnvuavanho 10b.year 11.year 12.year 13.year 14.year D.(kl L3.lc vngf tuoi2 tuoi vung xkgownship2 xkfornship2 xknganhnl Standard Instruments for first differences equation _cons 2.735021 .35304 7.75 0.000 2.043075 3.426966 xkdnvuavanho 9.83e-09 5.35e-09 1.84 0.066 -6.62e-10 2.03e-08 xknganhcb1 -.001799 .003036 -0.59 0.553 -.0077495 .0041515 xknganhkk 1.38e-07 2.28e-06 0.06 0.952 -4.33e-06 4.61e-06 xknganhnl 4.15e-06 2.46e-06 1.69 0.092 -6.74e-07 8.98e-06 xkfornship2 .0074852 .0065985 1.13 0.257 -.0054476 .020418 xkgownship2 .0169496 .0082985 2.04 0.041 .0006849 .0332143 vung .0092725 .0062102 1.49 0.135 -.0028993 .0214442 tuoi .0185109 .0050534 3.66 0.000 .0086063 .0284154 tuoi2 -.0002397 .0000903 -2.65 0.008 -.0004166 -.0000627 vngf -.0053647 .0011735 -4.57 0.000 -.0076648 -.0030646 lc .0197811 .0005325 37.15 0.000 .0187374 .0208248 kl -.0001773 .0000645 -2.75 0.006 -.0003038 -.0000508 giatrixk 5.86e-09 3.51e-09 1.67 0.095 -1.02e-09 1.27e-08 lnsld1 -.0100345 .0865381 -0.12 0.908 -.179646 .159577 nsld1 Coef. Std. Err. z P>|z| [95% Conf. Interval] Robust Prob > chi2 = 0.000 max = 4 Wald chi2(14) = 4642.04 avg = 4.00 Number of instruments = 26 Obs per group: min = 4 Time variable : year Number of groups = 50842 170 Phụ lục 9: Phụ lục lựa chọn mô hình kiểm định giả thuyết H3 rho .33742223 (fraction of variance due to u_i) sigma_e .69762136 sigma_u .49783817 _cons -.018543 .0837954 -0.22 0.825 -.1827829 .1456968 vung -.003094 .0159093 -0.19 0.846 -.0342765 .0280885 quymo1 -.0689026 .0045838 -15.03 0.000 -.0778868 -.0599183 lhdn2 .0740402 .0114606 6.46 0.000 .0515774 .0965031 nganh -.0123402 .0064637 -1.91 0.056 -.0250091 .0003286 sbnganhkk -1.453156 .2944447 -4.94 0.000 -2.03027 -.8760408 bnganhkk -1.185113 .6467733 -1.83 0.067 -2.452796 .0825693 hnganhkk -.3593994 .1325367 -2.71 0.007 -.6191728 -.099626 fnganhkk .7049639 .1952666 3.61 0.000 .3222392 1.087689 sbnganhnl -.3290172 .4000894 -0.82 0.411 -1.113197 .4551622 bnganhnl -2.792788 .3634386 -7.68 0.000 -3.505132 -2.080444 hnganhnl -.3833932 .0226344 -16.94 0.000 -.4277569 -.3390295 fnganhnl 1.775034 .1786511 9.94 0.000 1.424876 2.125192 sbnganhcb 5.888689 .6130044 9.61 0.000 4.687194 7.090184 bnganhcb -1.155039 .1821732 -6.34 0.000 -1.5121 -.7979776 hnganhcb -1.018622 .379197 -2.69 0.007 -1.761852 -.2753915 fnganhcb .3191663 .2899751 1.10 0.271 -.2491881 .8875207 sbtnship -.94228 .4142625 -2.27 0.023 -1.754239 -.1303211 btnship .7898006 .162956 4.85 0.000 .4704051 1.109196 htnship .5945388 .1892822 3.14 0.002 .2235436 .9655339 ftnship -.1253066 .1163038 -1.08 0.281 -.3532633 .10265 sbfornship 4.863277 .7612401 6.39 0.000 3.371238 6.355316 bfornship 1.823621 .2624259 6.95 0.000 1.309263 2.337978 hfornship .1942257 .3170932 0.61 0.540 -.4272804 .8157318 ffornship 2.963246 .6067591 4.88 0.000 1.773992 4.1525 BXK -.4200601 .1579402 -2.66 0.008 -.7296246 -.1104956 SBXK 2.871058 .4120461 6.97 0.000 2.063444 3.678673 FXK .5649642 .1121582 5.04 0.000 .345133 .7847954 HXK -.3326036 .1952529 -1.70 0.088 -.7153014 .0500942 CVXK 3.488962 .7679929 4.54 0.000 1.983687 4.994236 tuoi .0703324 .0004359 161.35 0.000 .069478 .0711868 tuoi2 -.0009859 .0000167 -59.16 0.000 -.0010186 -.0009533 vngf .0005587 .0001596 3.50 0.000 .0002458 .0008716 lc .0002355 .0000788 2.99 0.003 .0000812 .0003899 kl -.0000214 4.89e-06 -4.37 0.000 -.0000309 -.0000118 tfp1 Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust (Std. Err. adjusted for 50,842 clusters in iddn) corr(u_i, Xb) = -0.0607 Prob > F = 0.0000 F(34,50841) = 3125.60 overall = 0.1291 max = 7 between = 0.0243 avg = 7.0 within = 0.1878 min = 7 R-sq: Obs per group: Group variable: iddn Number of groups = 50,842 Fixed-effects (within) regression Number of obs = 355,894 171 (Not robust, but not weakened by many instruments.) Sargan test of overid. restrictions: chi2(11) = 11.63 Prob > chi2 = 0.392 Arellano-Bond test for AR(2) in first differences: z = 1.04 Pr > z = 0.296 Arellano-Bond test for AR(1) in first differences: z = -2.46 Pr > z = 0.014 DL.CVXK GMM-type (missing=0, separate instruments for each period unless collapsed) _cons 14.year 15.year 16.year bnganhkk sbnganhkk nganh lhdn2 quymo1 10b.year 11.year 12.year 13.year bnganhcb sbnganhcb fnganhnl hnganhnl bnganhnl sbnganhnl fnganhkk hnganhkk bfornship sbfornship ftnship htnship btnship sbtnship fnganhcb hnganhcb L.kl L3.lc L3.vngf tuoi2 tuoi HXK FXK SBXK BXK vung ffornship hfornship Standard Instruments for levels equation L(0/1).CVXK GMM-type (missing=0, separate instruments for each period unless collapsed) 14.year 15.year 16.year) bnganhkk sbnganhkk nganh lhdn2 quymo1 10b.year 11.year 12.year 13.year bnganhcb sbnganhcb fnganhnl hnganhnl bnganhnl sbnganhnl fnganhkk hnganhkk bfornship sbfornship ftnship htnship btnship sbtnship fnganhcb hnganhcb D.(L.kl L3.lc L3.vngf tuoi2 tuoi HXK FXK SBXK BXK vung ffornship hfornship Standard Instruments for first differences equation _cons 2.916063 .2944763 9.90 0.000 2.338901 3.493226 vung .0113996 .0044733 2.55 0.011 .0026321 .0201671 quymo1 .126418 .043665 2.90 0.004 .0408362 .2119998 lhdn2 -.3033896 .0374153 -8.11 0.000 -.3767222 -.230057 nganh .0490414 .0126804 3.87 0.000 .0241883 .0738945 sbnganhkk -.4348753 .4523775 -0.96 0.336 -1.321519 .4517684 bnganhkk -.5597713 .4150102 -1.35 0.177 -1.373176 .2536338 hnganhkk -.3090818 .3857056 -0.80 0.423 -1.065051 .4468872 fnganhkk .4661232 .5416865 0.86 0.390 -.5955629 1.527809 sbnganhnl .6089327 .4992237 1.22 0.223 -.3695277 1.587393 bnganhnl -1.186827 .1300907 -9.12 0.000 -1.4418 -.9318535 hnganhnl 5.934401 2.864188 2.07 0.038 .3206949 11.54811 fnganhnl -.5965578 .3548348 -1.68 0.093 -1.292021 .0989057 sbnganhcb 1.864434 2.17656 0.86 0.392 -2.401545 6.130412 bnganhcb -.5125094 .4015516 -1.28 0.202 -1.299536 .2745172 hnganhcb .0649357 .7922332 0.08 0.935 -1.487813 1.617684 fnganhcb -9.801872 1.853968 -5.29 0.000 -13.43558 -6.168161 sbtnship -2.738234 1.091605 -2.51 0.012 -4.87774 -.5987277 btnship 1.512235 .4079656 3.71 0.000 .712637 2.311833 htnship -1.724528 .84439 -2.04 0.041 -3.379502 -.0695542 ftnship 3.258614 .9156312 3.56 0.000 1.464009 5.053218 sbfornship 3.827261 1.094637 3.50 0.000 1.681813 5.972709 bfornship .8637443 .4862483 1.78 0.076 -.0892848 1.816773 hfornship 2.193341 .9245646 2.37 0.018 .3812282 4.005455 ffornship 2.73486 .9396047 2.91 0.004 .8932688 4.576452 BXK .3364681 .3342697 1.01 0.314 -.3186886 .9916247 SBXK 2.798845 1.068634 2.62 0.009 .7043609 4.893329 FXK -3.205176 .90717 -3.53 0.000 -4.983196 -1.427155 HXK 2.010753 .6627495 3.03 0.002 .711788 3.309718 CVXK 4.686443 2.281617 2.05 0.040 .2145559 9.158331 tuoi .0154194 .0039242 3.93 0.000 .0077281 .0231107 tuoi2 -.0002449 .000077 -3.18 0.001 -.0003957 -.000094 vngf -.1353645 .083506 -1.62 0.105 -.2990332 .0283043 lc .0187829 .0009605 19.55 0.000 .0169003 .0206655 kl -.0000857 .0001026 -0.84 0.404 -.0002868 .0001154 lnsld1 .0366696 .07304 0.50 0.616 -.1064862 .1798253 nsld1 Coef. Std. Err. z P>|z| [95% Conf. Interval] Robust Prob > chi2 = 0.000 max = 4 Wald chi2(35) = 6817.13 avg = 4.00 Number of instruments = 47 Obs per group: min = 4 Time variable : year Number of groups = 50842 172 Phụ lục 10: Phụ lục lựa chọn mô hình kiểm định giả thuyết H4 rho .31119075 (fraction of variance due to u_i) sigma_e .70379988 sigma_u .47305653 _cons -.4531721 .0935472 -4.84 0.000 -.636526 -.2698182 quymo1 -.0666408 .0047288 -14.09 0.000 -.0759092 -.0573723 nganh -.0021 .0063653 -0.33 0.741 -.014576 .010376 lhdn2 .2818365 .0109092 25.83 0.000 .2604543 .3032186 vung .0030762 .0180512 0.17 0.865 -.0323043 .0384568 for .3699336 .0529401 6.99 0.000 .2661703 .4736969 sback 1.14765 .121243 9.47 0.000 .9100125 1.385288 back -.5642796 .0559584 -10.08 0.000 -.6739589 -.4546004 hor -2.224035 .2622727 -8.48 0.000 -2.738093 -1.709977 fs 5.265694 2.036062 2.59 0.010 1.274984 9.256405 tuoi .0707262 .0003949 179.09 0.000 .0699521 .0715002 tuoi2 -.0009751 .0000162 -60.26 0.000 -.0010069 -.0009434 vngf .0092808 .0029113 3.19 0.001 .0035747 .0149869 lc .0002333 .0000783 2.98 0.003 .0000798 .0003867 kl -.0000307 5.56e-06 -5.51 0.000 -.0000416 -.0000198 tfp1 Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust (Std. Err. adjusted for 47,497 clusters in iddn) corr(u_i, Xb) = -0.1020 Prob > F = 0.0000 F(14,47496) = 6602.94 overall = 0.1011 max = 7 between = 0.0034 avg = 7.0 within = 0.1619 min = 7 R-sq: Obs per group: Group variable: iddn Number of groups = 47,497 Fixed-effects (within) regression Number of obs = 332,479 173 (Not robust, but not weakened by many instruments.) Sargan test of overid. restrictions: chi2(15) = 18.80 Prob > chi2 = 0.223 Arellano-Bond test for AR(2) in first differences: z = 1.16 Pr > z = 0.248 Arellano-Bond test for AR(1) in first differences: z = -23.33 Pr > z = 0.000 DL.fs GMM-type (missing=0, separate instruments for each period unless collapsed) _cons 10b.year 11.year 12.year 13.year 14.year 15.year 16.year kl L2.lc vngf tuoi2 tuoi vung lhdn2 nganh quymo1 hor back sback for Standard Instruments for levels equation L(0/1).fs GMM-type (missing=0, separate instruments for each period unless collapsed) 10b.year 11.year 12.year 13.year 14.year 15.year 16.year) D.(kl L2.lc vngf tuoi2 tuoi vung lhdn2 nganh quymo1 hor back sback for Standard Instruments for first differences equation _cons 1.674843 .4720075 3.55 0.000 .7497251 2.599961 quymo1 .0596879 .0436853 1.37 0.172 -.0259338 .1453096 nganh -.02365 .0163009 -1.45 0.147 -.0555991 .0082992 lhdn2 .2158374 .1375401 1.57 0.117 -.0537362 .485411 vung .009178 .0052159 1.76 0.078 -.0010449 .0194009 for .2973066 .1696858 1.75 0.080 -.0352715 .6298846 sback -1.321802 .5297389 -2.50 0.013 -2.360071 -.2835331 back .6032509 .4159403 1.45 0.147 -.2119771 1.418479 hor .8900373 1.945254 0.46 0.647 -2.92259 4.702664 fs 1.601845 .6078345 2.64 0.008 .4105114 2.793179 tuoi .014681 .003902 3.76 0.000 .0070332 .0223288 tuoi2 -.0001568 .0000826 -1.90 0.058 -.0003187 5.15e-06 vngf -.0241777 .0198043 -1.22 0.222 -.0629934 .0146381 lc .0171505 .0024461 7.01 0.000 .0123562 .0219449 kl -.0001207 .0000818 -1.48 0.140 -.000281 .0000396 lnsld1 .1688703 .1124455 1.50 0.133 -.0515187 .3892594 nsld1 Coef. Std. Err. z P>|z| [95% Conf. Interval] Robust Prob > chi2 = 0.000 max = 5 Wald chi2(15) = 4110.83 avg = 5.00 Number of instruments = 31 Obs per group: min = 5 Time variable : year Number of groups = 47497