I. Toàn cảnh vai trò vốn con người với tăng trưởng GRDP tỉnh
Luận án tiến sĩ của tác giả Lê Trung Kiên cung cấp một góc nhìn đột phá về mối quan hệ giữa vốn con người và quy mô kinh tế tại Việt Nam. Vượt ra ngoài các phân tích truyền thống, nghiên cứu này ứng dụng kinh tế lượng không gian để làm rõ không chỉ tác động tại chỗ mà còn cả ảnh hưởng lan tỏa giữa các địa phương. Các lý thuyết kinh tế tăng trưởng kinh điển từ Schultz (1961) đến Mankiw, Romer, và Weil (1992) đều khẳng định vốn con người – kiến thức, kỹ năng và sức khỏe của lực lượng lao động – là động lực cốt lõi cho sự thịnh vượng. Tuy nhiên, trong bối cảnh Việt Nam với sự đa dạng và liên kết chặt chẽ giữa các tỉnh thành, việc đo lường tác động này đòi hỏi một phương pháp luận phức tạp hơn. Luận án chỉ ra rằng đầu tư vào giáo dục và đào tạo không chỉ nâng cao năng suất nội tại của một tỉnh mà còn tạo ra những hiệu ứng láng giềng trong kinh tế tích cực. Bằng cách sử dụng dữ liệu bảng không gian (spatial panel data), nghiên cứu này lấp đầy khoảng trống quan trọng, chứng minh rằng bỏ qua yếu tố không gian sẽ dẫn đến những đánh giá thiếu sót về vai trò thực sự của chất lượng nguồn nhân lực đối với tăng trưởng GRDP và phát triển kinh tế vùng.
1.1. Lý thuyết nền tảng về vốn con người trong tăng trưởng
Cơ sở lý thuyết về vốn con người được xây dựng từ các mô hình tăng trưởng kinh tế tân cổ điển và nội sinh. Schultz (1961) là một trong những người tiên phong nhấn mạnh rằng đầu tư vào con người (giáo dục, y tế) mang lại lợi tức kinh tế to lớn. Tiếp nối, mô hình của Lucas (1988) và Romer (1990) đã chính thức đưa vốn con người vào hàm sản xuất như một yếu tố nội sinh, cho rằng sự tích lũy kiến thức là động cơ chính của tăng trưởng dài hạn. Đặc biệt, mô hình mở rộng của Mankiw, Romer và Weil (1992) đã bổ sung biến vốn con người vào mô hình Solow, cung cấp một khung phân tích thực nghiệm mạnh mẽ để giải thích sự khác biệt về thu nhập giữa các quốc gia. Những lý thuyết này đều có chung một hàm ý: nâng cao chất lượng nguồn nhân lực là điều kiện tiên quyết để thúc đẩy năng suất và tăng trưởng kinh tế bền vững.
1.2. Tổng quan nghiên cứu về vai trò của giáo dục và đào tạo
Nhiều nghiên cứu thực nghiệm trên thế giới và tại Việt Nam đã khẳng định mối quan hệ tích cực giữa đầu tư cho con người và kết quả kinh tế. Các công trình quốc tế tại Pakistan (Qadri & Waheed, 2011) hay các nước OECD (Ferda, 2011) đều chỉ ra rằng chi tiêu cho y tế và tỷ lệ nhập học có ảnh hưởng thuận chiều đến GDP bình quân đầu người. Tại Việt Nam, các nghiên cứu của Trần Thọ Đạt (2011) hay Phan Thị Bích Nguyệt và cộng sự (2018) cũng đi đến kết luận tương tự, cho thấy tỷ lệ lao động qua đào tạo là yếu tố quan trọng thúc đẩy tăng trưởng GRDP ở cấp tỉnh. Tuy nhiên, các nghiên cứu này phần lớn dựa trên phương pháp hồi quy truyền thống, chưa xem xét đến sự phụ thuộc và tương tác không gian giữa các địa phương.
1.3. Khoảng trống nghiên cứu và sự cần thiết của thống kê không gian
Hầu hết các phân tích trước đây tại Việt Nam về vốn con người thường xem mỗi tỉnh thành là một đơn vị độc lập. Cách tiếp cận này bỏ qua một thực tế quan trọng: các tỉnh không tồn tại trong sự cô lập. Sự luân chuyển lao động, lan tỏa công nghệ và chính sách vùng tạo ra một sự phụ thuộc không gian chặt chẽ. Việc bỏ qua tự tương quan không gian có thể dẫn đến kết quả ước lượng bị chệch và không đáng tin cậy. Luận án của Lê Trung Kiên giải quyết trực tiếp khoảng trống này bằng cách áp dụng các công cụ của kinh tế lượng không gian, cho phép mô hình hóa và đo lường chính xác các tác động lan tỏa không gian, từ đó cung cấp một bức tranh toàn diện và chính xác hơn về phát triển kinh tế vùng.
II. Thách thức khi phân tích tăng trưởng GRDP bỏ qua không gian
Việc phân tích các yếu tố ảnh hưởng đến tăng trưởng GRDP mà không xem xét đến yếu tố không gian sẽ đối mặt với nhiều thách thức và hạn chế nghiêm trọng. Các mô hình kinh tế lượng truyền thống thường giả định các quan sát (các tỉnh thành) là độc lập với nhau. Tuy nhiên, giả định này hiếm khi đúng trong thực tế kinh tế - xã hội. Một chính sách đầu tư vào giáo dục ở một tỉnh có thể thu hút lao động từ các tỉnh lân cận, hoặc một khu công nghiệp mới có thể tạo ra chuỗi cung ứng lan sang các địa phương khác. Hiện tượng này được gọi là tự tương quan không gian. Khi hiện tượng này tồn tại nhưng bị bỏ qua, các kết quả từ mô hình hồi quy OLS thông thường có thể trở nên sai lệch, đánh giá quá cao hoặc quá thấp tầm quan trọng của các biến số như vốn con người. Điều này không chỉ là một vấn đề học thuật mà còn có hàm ý chính sách sâu sắc, có thể dẫn đến việc phân bổ nguồn lực không hiệu quả và làm gia tăng bất bình đẳng vùng thay vì thu hẹp nó. Do đó, việc nhận diện và mô hình hóa sự phụ thuộc không gian là bước đi cần thiết để có những phân tích kinh tế chính xác và xác đáng.
2.1. Hiện tượng tự tương quan không gian trong kinh tế vùng
Tự tương quan không gian (spatial autocorrelation) là thuật ngữ mô tả xu hướng các giá trị của một biến tại các vị trí gần nhau trong không gian có sự tương đồng. Trong kinh tế, điều này có nghĩa là các tỉnh giàu có xu hướng tụ hợp lại thành một cụm, và các tỉnh nghèo cũng vậy. Luận án đã sử dụng chỉ số Moran's I để kiểm định và xác nhận sự tồn tại của hiện tượng này đối với cả GRDP và các chỉ số vốn con người của các tỉnh thành Việt Nam. Kết quả dương và có ý nghĩa thống kê của Moran’s I toàn cục (Global Moran's I) cho thấy rõ sự phân cụm, bác bỏ giả thuyết về sự phân bố ngẫu nhiên của các hoạt động kinh tế trên lãnh thổ.
2.2. Hạn chế của mô hình hồi quy truyền thống trong kinh tế
Khi tự tương quan không gian tồn tại, mô hình hồi quy tuyến tính cổ điển (OLS) sẽ không còn là công cụ ước lượng hiệu quả và không chệch (BLUE - Best Linear Unbiased Estimator). Cụ thể, các hệ số hồi quy có thể bị ước lượng sai lệch, và các sai số chuẩn (standard errors) thường bị tính toán thấp hơn thực tế. Điều này dẫn đến việc các kiểm định thống kê (như t-test, F-test) trở nên không đáng tin cậy, khiến nhà nghiên cứu có thể kết luận sai lầm về ý nghĩa thống kê của một biến. Ví dụ, một mô hình có thể chỉ ra vai trò của giáo dục và đào tạo là rất lớn, nhưng một phần tác động đó thực chất đến từ hiệu ứng láng giềng trong kinh tế.
2.3. Bất bình đẳng vùng và hiệu ứng láng giềng trong kinh tế
Sự phụ thuộc không gian là nền tảng của các vấn đề như bất bình đẳng vùng và hiệu ứng láng giềng trong kinh tế (neighbor effects). Hiệu ứng láng giềng cho thấy sự phát triển của một tỉnh không chỉ phụ thuộc vào các yếu tố nội tại mà còn chịu ảnh hưởng từ sự thịnh vượng của các tỉnh xung quanh. Một tỉnh nằm cạnh một trung tâm kinh tế lớn như TP.HCM hay Hà Nội sẽ có nhiều cơ hội phát triển hơn một tỉnh bị bao quanh bởi các địa phương kém phát triển. Hiểu rõ các hiệu ứng này là chìa khóa để thiết kế các chính sách liên kết vùng hiệu quả, thay vì chỉ tập trung vào các giải pháp đơn lẻ cho từng địa phương.
III. Phương pháp thống kê không gian đo lường vốn con người
Để vượt qua những thách thức của phân tích truyền thống, luận án đã xây dựng một khung phương pháp luận chặt chẽ dựa trên nền tảng của thống kê không gian. Cách tiếp cận này không chỉ công nhận sự tồn tại của tương tác không gian mà còn tìm cách mô hình hóa và đo lường chúng một cách tường minh. Quy trình nghiên cứu được thiết kế bài bản, bắt đầu từ việc thu thập và xây dựng bộ dữ liệu bảng không gian (spatial panel data), một công cụ mạnh mẽ kết hợp cả chiều không gian và thời gian. Tiếp theo, các biến số đại diện cho vốn con người được lựa chọn cẩn thận dựa trên cơ sở lý thuyết và thảo luận chuyên gia, đảm bảo tính phù hợp và khả thi trong bối cảnh dữ liệu của Việt Nam. Trọng tâm của phương pháp này là việc xây dựng các ma trận trọng số không gian, đóng vai trò như “bản đồ” toán học xác định mức độ tương tác và ảnh hưởng giữa các tỉnh. Cách tiếp cận này cho phép các mô hình kinh tế lượng nắm bắt được cấu trúc không gian phức tạp của nền kinh tế, từ đó đưa ra những ước lượng chính xác hơn về vai trò của chất lượng nguồn nhân lực.
3.1. Thiết kế nghiên cứu và thu thập dữ liệu bảng không gian
Nghiên cứu sử dụng bộ dữ liệu bảng không gian được tổng hợp cho 63 tỉnh, thành phố của Việt Nam trong giai đoạn 2010 – 2017. Nguồn dữ liệu chính đến từ Niên giám Thống kê do Tổng cục Thống kê công bố hàng năm. Dữ liệu bảng (panel data) cho phép kiểm soát các yếu tố không quan sát được, cố định theo thời gian hoặc theo từng địa phương mà các dữ liệu chéo (cross-sectional) không thể thực hiện. Việc kết hợp dữ liệu bảng với góc độ không gian tạo ra một bộ dữ liệu phong phú, là nền tảng vững chắc cho việc áp dụng các mô hình kinh tế lượng không gian phức tạp.
3.2. Lựa chọn các biến đo lường chất lượng nguồn nhân lực
Việc đo lường vốn con người là một thách thức vì đây là một khái niệm vô hình. Dựa trên tổng quan lý thuyết và kết quả thảo luận với các chuyên gia, luận án đã lựa chọn ba nhóm biến đại diện chính để đo lường chất lượng nguồn nhân lực: (1) Chi tiêu công cho giáo dục, (2) Chi tiêu công cho y tế, và (3) Tỷ lệ lao động đang làm việc đã qua đào tạo. Các biến này không chỉ phản ánh sự đầu tư của nhà nước vào con người (giáo dục và sức khỏe) mà còn cho thấy kết quả đầu ra của quá trình đó (trình độ của lực lượng lao động), cung cấp một cái nhìn đa chiều về vốn con người.
3.3. Xây dựng ma trận trọng số để mô hình hóa tương tác vùng
Ma trận trọng số không gian (W) là công cụ cốt lõi trong phân tích không gian, có nhiệm vụ định lượng hóa mối quan hệ "láng giềng" giữa các tỉnh. Luận án đã xây dựng và kiểm định mô hình với ba loại ma trận khác nhau để đảm bảo tính vững chắc của kết quả: (1) Ma trận láng giềng chung đường biên giới (Contiguity), (2) Ma trận dựa trên khoảng cách ngưỡng (Distance Threshold), và (3) Ma trận khoảng cách nghịch đảo (Inverse Distance). Việc sử dụng nhiều loại ma trận giúp kiểm tra xem kết quả phân tích có nhạy cảm với cách định nghĩa "láng giềng" hay không, từ đó tăng cường độ tin cậy của các kết luận về hiệu ứng láng giềng trong kinh tế.
IV. Cách phân tích cụm không gian qua chỉ số Moran s I và GeoDa
Trước khi đi sâu vào các mô hình hồi quy phức tạp, bước đầu tiên và quan trọng trong phân tích không gian là thực hiện Phân tích Dữ liệu Không gian Khám phá (ESDA). Mục tiêu của bước này là xác định xem liệu các biến số kinh tế có thực sự tuân theo một quy luật phân bố không gian nào không, hay chỉ là ngẫu nhiên. Công cụ chính cho nhiệm vụ này là chỉ số Moran's I, một thước đo thống kê về mức độ tự tương quan không gian toàn cục và cục bộ. Kết quả từ phân tích này không chỉ khẳng định sự cần thiết phải sử dụng các mô hình không gian mà còn cung cấp những hiểu biết ban đầu vô giá về cấu trúc kinh tế của Việt Nam. Các phân tích cụm không gian giúp nhận diện các “điểm nóng” và “điểm lạnh” về kinh tế, tức là những khu vực có mức độ phát triển cao hoặc thấp tập trung lại với nhau. Việc trực quan hóa các kết quả này thông qua các bản đồ chuyên đề, thường được thực hiện bằng phần mềm GeoDa, giúp các nhà hoạch định chính sách dễ dàng nắm bắt được bức tranh tổng thể về bất bình đẳng vùng và các cực tăng trưởng.
4.1. Kiểm định Global Moran s I Xác định sự phụ thuộc không gian
Kiểm định Global chỉ số Moran's I được sử dụng để trả lời câu hỏi tổng quát: “Liệu có sự tương quan không gian trong toàn bộ mẫu nghiên cứu hay không?”. Luận án cho thấy giá trị Global Moran's I của biến GRDP và các biến vốn con người đều dương và có ý nghĩa thống kê. Kết quả này là bằng chứng mạnh mẽ cho thấy sự tồn tại của tự tương quan không gian dương trên toàn lãnh thổ Việt Nam. Điều này có nghĩa là các tỉnh có GRDP cao có xu hướng nằm gần các tỉnh có GRDP cao khác, và ngược lại. Phát hiện này bác bỏ giả định về tính độc lập của các quan sát và khẳng định sự cần thiết của các phương pháp phân tích không gian.
4.2. Phân tích Local Moran s I Phát hiện các điểm nóng kinh tế
Trong khi Global Moran's I cung cấp một cái nhìn tổng thể, thì Local Moran's I (hay LISA) cho phép đi sâu phân tích từng địa phương. Phân tích này giúp xác định và phân loại các tỉnh vào các cụm không gian cụ thể: Cụm Cao-Cao (High-High, các tỉnh phát triển cao nằm cạnh nhau, tạo thành điểm nóng), Cụm Thấp-Thấp (Low-Low, các tỉnh kém phát triển tạo thành điểm lạnh), và các trường hợp ngoại lệ như Cao-Thấp và Thấp-Cao. Phân tích cụm không gian này đặc biệt hữu ích cho việc xác định các vùng động lực và các "vùng trũng" của nền kinh tế, cung cấp thông tin đầu vào quan trọng cho các chính sách phát triển kinh tế vùng.
4.3. Trực quan hóa dữ liệu kinh tế bằng phần mềm GeoDa
Việc phân tích dữ liệu kinh tế bằng Stata/R hay các phần mềm chuyên dụng khác thường cho ra các kết quả số liệu phức tạp. Phần mềm GeoDa là một công cụ mạnh mẽ giúp trực quan hóa các kết quả này. Luận án đã sử dụng GeoDa để tạo ra các bản đồ phân cụm LISA, nơi mỗi tỉnh được tô màu theo loại cụm không gian mà nó thuộc về. Các bản đồ này biến những con số thống kê khô khan thành một bức tranh trực quan, sinh động về sự phân bổ kinh tế, giúp người đọc dễ dàng nhận ra các mô thức và xu hướng không gian mà các bảng biểu thông thường không thể hiện được.
V. Bí quyết đo lường tác động lan tỏa không gian Spillover
Sau khi xác nhận sự tồn tại của các mẫu hình không gian, luận án tiến hành ước lượng các mô hình hồi quy không gian để trả lời câu hỏi cốt lõi: Vốn con người tác động đến tăng trưởng GRDP như thế nào khi tính đến các tương tác giữa các tỉnh? Khác với hồi quy truyền thống chỉ cho một hệ số tác động duy nhất, các mô hình không gian, đặc biệt là Mô hình Durbin Không gian (SDM), có khả năng phân tách tổng tác động thành hai thành phần riêng biệt: tác động trực tiếp và tác động gián tiếp. Tác động gián tiếp, hay còn gọi là tác động lan tỏa không gian (spatial spillover effects), là đóng góp quan trọng nhất của phương pháp này. Nó cho phép định lượng mức độ ảnh hưởng từ việc nâng cao chất lượng nguồn nhân lực ở các tỉnh lân cận đến một tỉnh cụ thể. Kết quả từ việc phân tích các hiệu ứng này cung cấp bằng chứng thuyết phục rằng các chính sách đầu tư vào con người có lợi ích vượt ra ngoài ranh giới hành chính của một tỉnh, tạo ra một cơ sở vững chắc cho việc thúc đẩy hợp tác và liên kết vùng.
5.1. Ước lượng các mô hình hồi quy không gian SAR SEM SDM
Luận án đã thực hiện ước lượng ba mô hình hồi quy không gian phổ biến: Mô hình Tự hồi quy không gian (SAR - hay SLM), Mô hình Sai số không gian (SEM), và Mô hình Durbin không gian (SDM) với dữ liệu bảng không gian. Dựa trên các kiểm định lựa chọn mô hình (như kiểm định Wald và LR), Mô hình SDM thường được xác định là phù hợp nhất. Kết quả ước lượng nhất quán trên các mô hình cho thấy các biến đại diện cho vốn con người (chi tiêu cho giáo dục, y tế và lao động qua đào tạo) đều có tác động dương và có ý nghĩa thống kê đến GRDP, khẳng định lại vai trò trung tâm của vốn con người trong phát triển kinh tế.
5.2. Phân tích tác động trực tiếp và gián tiếp đến tăng trưởng GRDP
Điểm nổi bật của mô hình SDM là khả năng phân rã tác động. Tác động trực tiếp đo lường ảnh hưởng của việc thay đổi một biến ở tỉnh A lên chính GRDP của tỉnh A. Tác động gián tiếp (lan tỏa) đo lường ảnh hưởng của việc thay đổi biến đó ở tỉnh A lên GRDP của các tỉnh khác. Kết quả của luận án cho thấy các biến vốn con người không chỉ có tác động trực tiếp tích cực mà còn tạo ra các spatial spillover effects dương và có ý nghĩa. Điều này chứng tỏ rằng khi một tỉnh đầu tư vào giáo dục, không chỉ tỉnh đó được hưởng lợi mà các tỉnh lân cận cũng nhận được những tác động tích cực.
5.3. Vai trò của giáo dục và đào tạo trong hiệu ứng láng giềng
Vai trò của giáo dục và đào tạo được thể hiện rõ nét qua hiệu ứng láng giềng trong kinh tế. Một lực lượng lao động có trình độ cao ở một địa phương có thể lan tỏa kiến thức và kỹ năng sang các vùng lân cận thông qua di chuyển lao động, hợp tác kinh doanh, hoặc chuyển giao công nghệ. Tương tự, một hệ thống y tế tốt có thể cải thiện sức khỏe cho cả người dân ở các tỉnh giáp ranh. Các kết quả thực nghiệm của luận án đã lượng hóa được các hiệu ứng này, cung cấp bằng chứng cho thấy chính sách phát triển vốn con người cần được tiếp cận theo góc độ vùng thay vì chỉ tập trung vào từng tỉnh riêng lẻ.
VI. Hướng đi mới cho chính sách phát triển kinh tế vùng từ luận án
Các kết quả nghiên cứu từ luận án không chỉ mang ý nghĩa học thuật mà còn cung cấp những hàm ý chính sách quan trọng và thiết thực cho Việt Nam. Việc chứng minh được sự tồn tại của các tác động lan tỏa không gian tích cực từ vốn con người đã mở ra một hướng đi mới cho các nhà hoạch định chính sách. Thay vì tư duy cục bộ, các chính sách cần được xây dựng trên tinh thần hợp tác và liên kết vùng để tối đa hóa lợi ích chung. Việc đầu tư vào giáo dục và đào tạo hay y tế tại một địa phương không nên được xem là chi phí riêng của tỉnh đó, mà là một khoản đầu tư mang lại lợi ích cho cả khu vực. Những phát hiện này nhấn mạnh sự cần thiết phải có một cơ chế điều phối hiệu quả ở cấp vùng và quốc gia để thúc đẩy các dự án phát triển chung, chia sẻ nguồn lực và cùng nhau giải quyết các thách thức như bất bình đẳng vùng. Cuối cùng, luận án cũng gợi mở những hướng nghiên cứu trong tương lai, đặc biệt là việc tích hợp các yếu tố về vốn xã hội và tăng trưởng để có một cái nhìn toàn diện hơn nữa về động lực phát triển.
6.1. Tăng cường liên kết vùng để tối ưu hóa vốn con người
Hàm ý chính sách rõ ràng nhất từ nghiên cứu là sự cần thiết phải phá bỏ tư duy hành chính theo địa giới và thúc đẩy liên kết vùng một cách thực chất. Các chính sách nên khuyến khích sự hợp tác giữa các tỉnh trong việc quy hoạch các cơ sở giáo dục đại học, cao đẳng nghề chất lượng cao, các bệnh viện chuyên sâu. Điều này không chỉ giúp tránh đầu tư dàn trải, lãng phí mà còn tạo ra các trung tâm vốn con người có sức lan tỏa mạnh mẽ, phục vụ cho sự phát triển kinh tế vùng một cách đồng bộ và bền vững.
6.2. Nâng cao hiệu quả chi tiêu công cho giáo dục và y tế
Nghiên cứu khẳng định tầm quan trọng của chi tiêu công cho các lĩnh vực xã hội. Tuy nhiên, vấn đề không chỉ nằm ở việc tăng ngân sách mà còn ở việc nâng cao hiệu quả sử dụng. Chính phủ và các địa phương cần rà soát lại cơ cấu chi tiêu, đảm bảo nguồn lực được phân bổ hợp lý, tập trung vào những lĩnh vực tạo ra giá trị gia tăng cao và có sức lan tỏa lớn. Việc đầu tư cần gắn liền với nhu cầu của thị trường lao động và chiến lược phát triển kinh tế dài hạn của từng vùng, nhằm tối ưu hóa tác động của vốn con người lên tăng trưởng GRDP.
6.3. Hạn chế nghiên cứu và định hướng tương lai cho vốn xã hội
Mặc dù có những đóng góp quan trọng, luận án cũng chỉ ra một số hạn chế, chẳng hạn như các biến số đo lường vốn con người vẫn là các biến đại diện. Hướng nghiên cứu trong tương lai có thể được mở rộng bằng cách sử dụng các chỉ số đo lường chất lượng giáo dục trực tiếp hơn hoặc các dữ liệu vi mô. Một định hướng hấp dẫn khác là nghiên cứu mối quan hệ giữa vốn xã hội và tăng trưởng. Vốn xã hội, bao gồm lòng tin, mạng lưới và các quy tắc xã hội, có thể là một yếu tố trung gian quan trọng, khuếch đại hoặc kìm hãm các tác động lan tỏa của vốn con người giữa các vùng.
