Về mặt học thuật:
Thứ nhất, luận án sử dụng các phương pháp khác nhau, hồi quy theo kỹ thuật của
OP, LP, GMM để ước tính năng suất nhân tố tổng hợp (TFP) theo ngành nghề kinh tế,
vùng miền, quy mô, loại hình sở hữu doanh nghiệp; Sự khác biệt của doanh nghiệp xuất
khẩu và không xuất khẩu.
Thứ hai, luận án ước lượng tác động của xuất khẩu đến cả TFP và năng suất lao
động, khác với các nghiên cứu trước chỉ tập trung vào một loại năng suất cụ thể.
Thứ ba, luận án tính toán các kênh lan tỏa của các doanh nghiệp có xuất khẩu và
kênh lan tỏa của các doanh nghiệp FDI xuất khẩu, sau đó ước lượng tác động các kênh
truyền tải của các doanh nghiệp tham gia xuất khẩu này tới năng suất các doanh nghiệp
trong nước Việt Nam.
185 trang |
Chia sẻ: tueminh09 | Ngày: 07/02/2022 | Lượt xem: 424 | Lượt tải: 0
Bạn đang xem trước 20 trang tài liệu Luận án Tác động của xuất khẩu lên năng suất của các doanh nghiệp ở Việt Nam, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
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