Giới thiệu dự án

Dòng vốn đầu tư trực tiếp nước ngoài (FDI - Foreign Direct Investment) đóng vai trò là đòn bẩy kinh tế chiến lược đối với các quốc gia đang phát triển thuộc khu vực Đông Nam Á (ASEAN). Theo các báo cáo đầu tư quốc tế từ UNCTAD và JETRO (Tổ chức Xúc tiến Mậu dịch Nhật Bản), Nhật Bản liên tục duy trì vị thế là một trong những đối tác đầu tư FDI hàng đầu tại ASEAN. Tính đến cuối năm 2019, lũy kế tổng vốn FDI của Nhật Bản vào Việt Nam đạt xấp xỉ 59,3 tỷ USD, xếp vị trí thứ hai trong tổng số 144 quốc gia và vùng lãnh thổ. Tuy nhiên, trước bối cảnh biến động kinh tế toàn cầu, căng thẳng thương mại và sự đứt gãy chuỗi cung ứng do đại dịch Covid-19, dòng vốn FDI từ Nhật Bản có sự phân hóa và biến động rõ rệt giữa các nền kinh tế thành viên ASEAN.

+-----------------------------------------------------------------------------------+
|                        BỐI CẢNH VÀ ĐỘNG LỰC DÒNG VỐN FDI NHẬT BẢN                 |
+-----------------------------------------------------------------------------------+
|  [Nhật Bản - Nước đầu tư]                [ASEAN-6 - Nước tiếp nhận đầu tư]         |
|  - Lợi thế O & I (Dunning)               - Indonesia, Malaysia, Philippines,      |
|  - Chiến lược China+1                     Singapore, Thái Lan, Việt Nam           |
|  - Tối ưu hóa chuỗi cung ứng             - Cạnh tranh thể chế, chi phí, độ mở     |
+------------------------------------------+----------------------------------------+
                                           |
                                           v
+-----------------------------------------------------------------------------------+
| KHÓA LUẬN: Đánh giá định lượng tác động đa nhân tố giai đoạn 2011-2020 qua FEM   |
+-----------------------------------------------------------------------------------+

Problem Statement

Mặc dù nhu cầu dịch chuyển và tái cơ cấu chuỗi cung ứng của các doanh nghiệp đa quốc gia (MNCs) Nhật Bản sang khu vực Đông Nam Á rất lớn, việc thu hút FDI của từng quốc gia tiếp nhận vẫn đối mặt với nhiều rào cản mang tính hệ thống:

  • Tính bất định của chính sách và rào cản thể chế: Sự thiếu đồng bộ trong khung pháp lý, quy định đất đai và thủ tục hành chính làm tăng chi phí giao dịch (Transaction Costs) của nhà đầu tư.
  • Biến động năng suất lao động và chi phí sản xuất: Tốc độ tăng trưởng chi phí nhân công không đi kèm với sự cải thiện tương ứng về năng suất thực tế và trình độ tay nghề.
  • Điểm nghẽn công nghiệp hỗ trợ (CNHT): Tỷ lệ nội địa hóa nguyên vật liệu tại chỗ còn thấp, khiến các MNCs phụ thuộc vào nhập khẩu linh kiện trung gian.
  • Thiếu hụt nghiên cứu định lượng đa quốc gia: Các nghiên cứu trước đây tại Việt Nam chủ yếu tiếp cận theo chuỗi thời gian đơn lẻ hoặc dữ liệu cấp tỉnh, thiếu góc nhìn so sánh tổng thể trên toàn khu vực ASEAN với khung kinh tế lượng dữ liệu bảng hiện đại.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận về FDI (Lý thuyết Chiết trung OLI của Dunning, Lý thuyết chu kỳ sản phẩm của Vernon, Định luật Wagner).
  2. Xây dựng tập dữ liệu bảng cân đối (Balanced Panel Data) gồm 6 nền kinh tế đại diện ASEAN (Việt Nam, Indonesia, Malaysia, Philippines, Singapore, Thái Lan) trong 10 năm (2011–2020).
  3. Ước lượng và kiểm định kinh tế lượng qua các mô hình Pooled OLS, FEM (Fixed Effects Model), REM (Random Effects Model) kết hợp các kiểm định chẩn đoán vi phạm giả định (Wald, Hausman, White Test).
  4. Xác định chiều hướng và độ co giãn của 9 nhân tố tác động đến dòng vốn FDI Nhật Bản.
  5. Đề xuất hệ thống khuyến nghị chính sách tài khóa, thương mại và phát triển nguồn nhân lực để gia tăng lợi thế cạnh tranh đón sóng dịch chuyển vốn.

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án áp dụng phương pháp nghiên cứu định lượng chuẩn tắc trong kinh tế lượng ứng dụng, xử lý dữ liệu bảng với mô hình tác động cố định (FEM) nhằm kiểm soát các đặc trưng bất biến theo thời gian của từng quốc gia.

  • Phạm vi nghiên cứu: 6 quốc gia ASEAN (Indonesia, Malaysia, Philippines, Singapore, Thái Lan, Việt Nam) giai đoạn 2011–2020 (60 quan sát).
  • Chỉ số đo lường đầu ra: Xác định mô hình tối ưu với mức ý nghĩa thống kê $p < 0.05$, giải thích được sự thay đổi của dòng vốn FDI đăng ký mới từ Nhật Bản thông qua các biến độ mở nền kinh tế ($DM$), năng suất lao động ($NS$), quy mô kinh tế ($GDP$) và tỷ lệ thu ngân sách ($TNS$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh các phương pháp tiếp cận mô hình hóa FDI hiện hữu nhằm tìm ra giải pháp tối ưu cho đề tài:

Tiêu chí Tiếp cận OLS Cổ điển (Time-series) Tiếp cận Hồi quy Dữ liệu chéo (Cross-section) Tiếp cận Dữ liệu bảng (Panel Data - Đề tài áp dụng)
Bản chất dữ liệu 1 quốc gia qua nhiều năm Nhiều quốc gia tại 1 thời điểm 6 quốc gia qua chuỗi 10 năm (2011–2020)
Bậc tự do ($df$) Thấp ($N < 30$), dễ mất tính vững Thấp ($N = 6 - 10$), mẫu quá nhỏ Cao ($N \times T = 60$), tăng hiệu quả ước lượng
Kiểm soát dị biệt Hoàn toàn không kiểm soát Không kiểm soát yếu tố thời gian Kiểm soát đặc trưng riêng biệt từng nước thông qua $\alpha_i$
Hiện tượng đa cộng tuyến Rất cao giữa các biến vĩ mô Khó kiểm tra độ lệch chuỗi Giảm thiểu đáng kể nhờ biến thiên 2 chiều

Phân tích yêu cầu mô hình theo chuẩn MoSCoW

  • Must Have: Dữ liệu bảng cân đối 100% không khuyết thiếu; kiểm định đa cộng tuyến (VIF / Correlation Matrix $< 0.8$); kiểm định lựa chọn mô hình Wald Test và Hausman Test; kiểm định phương sai sai số thay đổi White Test.
  • Should Have: Phân rã biến độc lập theo các nhóm lý thuyết vĩ mô và vi mô (Thể chế, Lao động, Thị trường, Ngân sách, Công nghiệp hỗ trợ).
  • Could Have: Mở rộng kiểm định đa cộng tuyến cục bộ và phân tích tương quan Spearman.
  • Won't Have: Ước lượng phương trình động GMM (do $N=6$ nhỏ hơn $T=10$, không thỏa mãn điều kiện $N \to \infty$).

Thiết kế hệ thống dữ liệu và mô hình kinh tế lượng

flowchart TD
    A["Nguồn dữ liệu thứ cấp (2011-2020)<br/>World Bank, WEF, JETRO, GSO"] --> B["Tiền xử lý & Chuẩn hóa dữ liệu<br/>Balanced Panel Data (N=6, T=10, Obs=60)"]
    B --> C["Thống kê mô tả & Ma trận tương quan Pearson<br/>(Loại bỏ biến |r| > 0.8)"]
    C --> D["Ước lượng Mô hình Dữ liệu Bảng"]
    D --> E["Pooled OLS"]
    D --> F["Fixed Effects Model (FEM)"]
    D --> G["Random Effects Model (REM)"]
    E & F --> H{"Kiểm định Wald (Redundant FE)<br/>H0: Pooled OLS vs H1: FEM"}
    H -- "p <= 0.05 (Bác bỏ H0)" --> F
    F & G --> I{"Kiểm định Hausman<br/>H0: REM vs H1: FEM"}
    I -- "p <= 0.05 (Bác bỏ H0)" --> J["Mô hình FEM được lựa chọn"]
    J --> K{"Kiểm định White Test<br/>Phương sai sai số thay đổi"}
    K --> L["Đánh giá kết quả & Thảo luận chính sách"]

Công nghệ và công cụ sử dụng

  • Môi trường tính toán: Stata v16.0 MP / EViews 12 / Python 3.9 (với thư viện linearmodels 4.25, pandas 1.3.5, statsmodels 0.13.0).
  • Cấu trúc lưu trữ dữ liệu: Panel Data Schema định dạng .dta và .csv với khóa chính tổng hợp (country_id, year).

Thiết kế Schema tập dữ liệu nghiên cứu

Tên trường (Variable) Kiểu dữ liệu Ý nghĩa kinh tế Nguồn dữ liệu Đơn vị tính
country_id Integer (1-6) Định danh quốc gia (IDN, MYS, PHL, SGP, THA, VNM) Quy chuẩn đề tài Mã định danh
year Integer Năm quan sát (2011 – 2020) Niên giám thống kê Năm
FDI Float Tổng vốn FDI Nhật Bản đăng ký mới JETRO / GSO Triệu USD
TC Float Điểm số năng lực cạnh tranh toàn cầu WEF (GCI Report) Điểm (1-7)
GDP Float Tổng sản phẩm quốc nội World Bank Triệu USD
LD Float Tỷ lệ lao động tham gia kinh tế / Dân số World Bank / GSO %
NS Float Năng suất lao động bình quân (GDP/Dân số) World Bank USD/người
DM Float Độ mở nền kinh tế: $(\text{Xuất khẩu} + \text{Nhập khẩu}) / \text{GDP}$ GSO / World Bank %
CPI Float Chỉ số giá tiêu dùng đo lường lạm phát World Bank %
TNS Float Tỷ lệ thu ngân sách nhà nước / GDP World Bank / MOF %
CNS Float Tỷ lệ chi ngân sách thường xuyên / GDP World Bank / MOF %
NVL Float Tỷ lệ nội địa hóa nguyên vật liệu của DN Nhật Khảo sát JETRO %

Phương pháp luận (Methodology)

Nghiên cứu tuân thủ quy trình phân tích kinh tế lượng 5 giai đoạn:

  1. Giai đoạn 1 - Thu thập và tiền xử lý dữ liệu: Khai thác dữ liệu từ các báo cáo chính thức của WB, WEF, JETRO. Đồng nhất đơn vị đo lường và kiểm tra giá trị ngoại lai (outliers).
  2. Giai đoạn 2 - Thống kê mô tả và phân tích tương quan: Tính toán các tham số Mean, Max, Min, Std. Dev. Xây dựng ma trận tương quan để phát hiện sớm hiện tượng đa cộng tuyến nghiêm trọng ($|r| > 0.8$).
  3. Giai đoạn 3 - Thiết lập hàm hồi quy: $$\text{FDI}{it} = \alpha_i + \beta_1 \text{TC}{it} + \beta_2 \text{GDP}{it} + \beta_3 \text{LD}{it} + \beta_4 \text{NS}{it} + \beta_5 \text{DM}{it} + \beta_6 \text{CPI}{it} + \beta_7 \text{TNS}{it} + \beta_8 \text{CNS}{it} + \beta_9 \text{NVL}{it} + \varepsilon_{it}$$
  4. Giai đoạn 4 - Kiểm định lựa chọn mô hình:
    • Kiểm định Wald (Chow test): So sánh Pooled OLS và FEM.
    • Kiểm định Hausman: So sánh FEM và REM để xác định hiện tượng tương quan giữa hiệu ứng ngẫu nhiên và biến giải thích.
  5. Giai đoạn 5 - Kiểm định khuyết tật mô hình: Sử dụng White Test để đánh giá phương sai phần dư có thay đổi hay không.

Implementation và kết quả

Quy trình phát triển và xử lý dữ liệu

Toàn bộ quy trình ước lượng kinh tế lượng được tự động hóa bằng script xử lý trên Stata/Python nhằm đảm bảo tính tái lập (reproducibility) của kết quả nghiên cứu.

import numpy as np
import pandas as pd
from linearmodels.panel import PanelOLS, RandomEffects, PooledOLS
import statsmodels.api as sm

# 1. Load balanced panel dataset
df = pd.read_csv("asean_japan_fdi_2011_2020.csv")
df['year'] = pd.to_datetime(df['year'], format='%Y')
df = df.set_index(['country_id', 'year'])

# 2. Define dependent and independent variables
exog_vars = ['TC', 'GDP', 'LD', 'NS', 'DM', 'CPI', 'TNS', 'CNS', 'NVL']
X = sm.add_constant(df[exog_vars])
y = df['FDI']

# 3. Model Estimation
# Pooled OLS
pooled_model = PooledOLS(y, X).fit()

# Fixed Effects Model (Entity Effects)
fem_model = PanelOLS(y, X, entity_effects=True).fit()

# Random Effects Model
rem_model = RandomEffects(y, X).fit()

# 4. Diagnostics: Print summary of FEM
print(fem_model.summary)

* Stata Code Implementation
use "asean_japan_fdi_2011_2020.dta", clear
xtset country_id year

* 1. Pooled OLS
reg FDI TC GDP LD NS DM CPI TNS CNS NVL

* 2. Fixed Effects Model
xtreg FDI TC GDP LD NS DM CPI TNS CNS NVL, fe
estimates store fixed_eff

* 3. Random Effects Model
xtreg FDI TC GDP LD NS DM CPI TNS CNS NVL, re
estimates store random_eff

* 4. Hausman Test
hausman fixed_eff random_eff

* 5. Heteroskedasticity Test (White/Modified Wald)
xttest3

Kiểm định và xác thực mô hình

Kết quả các bước kiểm định lựa chọn mô hình kinh tế lượng được tổng hợp chi tiết:

Bước kiểm định Giả thuyết vô hiệu ($H_0$) Thống kê kiểm định / Giá trị p Kết luận thống kê Ý nghĩa lựa chọn
Kiểm định tương quan Pearson Không có cặp biến nào có $|r| > 0.8$ Hệ số tương quan lớn nhất đạt $0.72$ Không có hiện tượng đa cộng tuyến nghiêm trọng Giữ nguyên toàn bộ 9 biến giải thích
Kiểm định Wald (Chow test) Hệ số chặn các nhóm bằng nhau ($H_0$: Chọn Pooled OLS) $F\text{-stat} = 5.42$, $p\text{-value} = 0.0004 < 0.05$ Bác bỏ $H_0$ ở mức ý nghĩa 1% Loại bỏ Pooled OLS, chuyển sang xem xét FEM
Kiểm định Hausman Không có tương quan giữa $\alpha_i$ và $X_{it}$ ($H_0$: Chọn REM) $\chi^2(9) = 21.84$, $p\text{-value} = 0.0094 < 0.05$ Bác bỏ $H_0$ ở mức ý nghĩa 1% Lựa chọn mô hình FEM (Fixed Effects Model)
Kiểm định White Phương sai sai số không đổi (Homoskedasticity) $\text{Prob} > F = 0.1824 > 0.05$ Không thể bác bỏ $H_0$ Mô hình không bị khuyết tật phương sai sai số thay đổi

Kết quả ước lượng thực nghiệm

Kết quả hồi quy mô hình FEM (Fixed Effects Model) xác định các nhân tố có ý nghĩa thống kê tác động đến vốn FDI Nhật Bản vào 6 nước Đông Nam Á:

Biến giải thích Ký hiệu Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Error) Giá trị t (t-stat) Mức ý nghĩa ($p$-value) Chiều tác động thực tế
Hằng số (Constant) $\alpha$ -4,512.38 1,230.15 -3.67 $0.001^{***}$ -
Thể chế nhà nước TC 184.22 142.80 1.29 0.203 Không có ý nghĩa
Tổng sản phẩm quốc nội GDP -0.0142 0.0051 -2.78 $0.008^{***}$ Âm (-)
Lao động / Dân số LD 32.14 28.90 1.11 0.272 Không có ý nghĩa
Năng suất lao động NS 0.1845 0.0712 2.59 $0.013^{**}$ Dương (+)
Độ mở nền kinh tế DM 42.681 11.342 3.76 $0.001^{***}$ Dương (+)
Lạm phát CPI -18.75 22.41 -0.84 0.407 Không có ý nghĩa
Tỷ lệ thu ngân sách/GDP TNS 89.542 34.120 2.62 $0.012^{**}$ Dương (+)
Tỷ lệ chi ngân sách/GDP CNS -24.16 31.05 -0.78 0.441 Không có ý nghĩa
Nguyên liệu nội địa NVL 15.33 12.18 1.26 0.215 Không có ý nghĩa

Ghi chú thống kê: $^{*}$ Ý nghĩa ở mức 1% ($p < 0.01$); $^{}$ Ý nghĩa ở mức 5% ($p < 0.05$). Hệ số xác định $R^2$ nội bộ (Within $R^2$) đạt 0.684, cho thấy mô hình giải thích được 68.4% sự biến thiên của dòng vốn FDI Nhật Bản nội bộ giữa các quốc gia.

Thảo luận chuyên sâu về phát hiện thực nghiệm

  1. Độ mở nền kinh tế (DM): Là biến có tác động dương mạnh nhất ($\beta = 42.681, p = 0.001$). Khi độ mở thương mại tăng 1%, dòng vốn FDI đăng ký mới từ Nhật Bản tăng trung bình 42.68 triệu USD. Điều này khẳng định các MNCs Nhật Bản đầu tư vào ASEAN theo định hướng xuất khẩu (Export-oriented FDI) và tích hợp chuỗi giá trị toàn cầu.
  2. Năng suất lao động (NS): Tác động thuận chiều rõ nét ($\beta = 0.1845, p = 0.013$). Các nhà đầu tư Nhật Bản không đơn thuần tìm kiếm lao động giá rẻ mà ưu tiên các quốc gia có tỷ suất giá trị gia tăng trên đầu người cao, có khả năng vận hành dây chuyền công nghệ chính xác.
  3. Tỷ lệ thu ngân sách/GDP (TNS): Tác động dương ($\beta = 89.542, p = 0.012$). Tỷ lệ thu ngân sách cao phản ánh hiệu lực quản lý nhà nước, khả năng tài khóa bền vững để tái đầu tư hạ tầng giao thông, logistics và cung cấp dịch vụ công hỗ trợ doanh nghiệp.
  4. Tổng sản phẩm quốc nội (GDP): Mang hệ số âm ($\beta = -0.0142, p = 0.008$). Kết quả này phản ánh đặc thù chiến lược dịch chuyển: dòng vốn Nhật Bản có xu hướng dịch chuyển từ các thị trường có quy mô lớn nhưng tốc độ bão hòa cao hoặc chi phí tăng nhanh sang các thị trường mới nổi có quy mô GDP nhỏ hơn nhưng tiềm năng tăng trưởng biên lớn.

Đổi mới và đóng góp

Đổi mới kỹ thuật và phương pháp luận

  • Tiếp cận Đa quốc gia có tính so sánh: Khắc phục triệt để khoảng trống của các nghiên cứu trước đây tại Việt Nam (thường chỉ phân tích đơn lẻ dữ liệu Việt Nam hoặc từng vùng miền như Phạm Kim Phước, 2017; Nguyễn Minh Tiến, 2014) bằng cách đặt Việt Nam trong tương quan so sánh trực tiếp với 5 nền kinh tế trụ cột ASEAN.
  • Tối ưu hóa bộ biến định lượng: Tích hợp biến tỷ lệ cung ứng nguyên vật liệu nội địa (NVL) trực tiếp từ dữ liệu điều tra thực địa thường niên của JETRO, mang lại tính đại diện vi mô thực tế thay vì chỉ dùng các biến số vĩ mô thuần túy.
  • Quy trình kiểm định chuẩn tắc 3 bước: Thực hiện đầy đủ chuỗi kiểm định Wald $\to$ Hausman $\to$ White, triệt tiêu hiện tượng ước lượng chệch (bias) do biến ẩn không quan sát được của từng quốc gia.
+-----------------------------------------------------------------------------------------+
|                  SO SÁNH ĐÓNG GÓP KHOA HỌC VỚI CÁC CÔNG TRÌNH TIỀN NHIỆM                |
+-----------------------------------------------------------------------------------------+
| Công trình            | Phạm vi mẫu            | Phương pháp        | Hạn chế giải quyết |
+-----------------------+------------------------+--------------------+--------------------+
| Nguyen & Nguyen (2007)| Các tỉnh VN (1988-2005)| Pooled OLS         | Chưa xử lý dị biệt |
| Trần Thanh Hậu (2010) | TP.HCM (2000-2010)     | Định tính, mô tả   | Thiếu mô hình lượng|
| Phan Văn Tâm (2011)   | Việt Nam - Nhật Bản    | Gravity Model      | Dữ liệu khảo sát bé|
| Đặng T. B. Dung (2021)| ASEAN-6 (2011-2020)    | Panel Data (FEM)   | Khắc phục toàn diện|
+-----------------------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong hoạch định chính sách kinh tế

Kết quả nghiên cứu cung cấp cơ sở dữ liệu định lượng phục vụ trực tiếp cho các cơ quan hoạch định chính sách (Bộ Kế hoạch và Đầu tư, Ban Quản lý các Khu công nghiệp, Bộ Tài chính):

graph LR
    subgraph P["Phát hiện Định lượng"]
        D1["Độ mở TM tăng 1% -> FDI +42.68M$"]
        D2["Năng suất LĐ tăng -> FDI tăng mạnh"]
        D3["Thu ngân sách vững -> Tăng đầu tư công"]
    end
    subgraph A["Chính sách Thực thi"]
        C1["Tận dụng FTA: CPTPP, EVFTA, RCEP"]
        C2["Chuẩn hóa đào tạo nghề & kỹ thuật"]
        C3["Minh bạch thuế & Hoàn thiện hạ tầng KCN"]
    end
    subgraph R["Mục tiêu Đạt được"]
        O1["Tăng trưởng GDP 6.5 - 7.0%/năm"]
        O2["Thu hút FDI Nhật Bản thế hệ mới"]
        O3["Gia tăng tỷ lệ nội địa hóa chuỗi cung ứng"]
    end
    D1 --> C1 --> O1
    D2 --> C2 --> O2
    D3 --> C3 --> O3

Lộ trình triển khai khuyến nghị chính sách (Roadmap 2021–2025)

2021 - 2022: Giai đoạn Thể chế & Thương mại

2023 - 2024: Giai đoạn Nâng cao Năng suất & Nguồn nhân lực

2025+: Giai đoạn Hoàn thiện Hệ sinh thái Công nghiệp Hỗ trợ

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Quy mô mẫu nghiên cứu: Mẫu gồm 6 quốc gia ($N = 6$) trong 10 năm ($T = 10$, tổng 60 quan sát). Mặc dù dữ liệu cân đối và thỏa mãn bậc tự do cho mô hình FEM tĩnh, mẫu chưa đủ lớn để áp dụng các mô hình động (Dynamic Panel Data GMM) nhằm kiểm soát hiện tượng nội sinh (Endogeneity).
  • Độ trễ dữ liệu thực tế: Các chỉ số khảo sát từ JETRO và WEF có độ trễ công bố nhất định, chưa phản ánh tức thời các cú sốc ngoại sinh ngắn hạn như sự biến động tỷ giá mạnh giữa đồng Yên (JPY) và USD/VND.

Hướng nghiên cứu tiếp theo

  1. Mở rộng mô hình kinh tế lượng không gian (Spatial Econometrics): Đánh giá hiệu ứng lan tỏa (Spillover effects) của dòng vốn FDI Nhật Bản giữa các quốc gia lân cận trong khu vực Đông Nam Á.
  2. Tiếp cận mô hình GMM sai phân/hệ thống (Difference/System GMM): Tích hợp biến trễ $\text{FDI}_{it-1}$ khi chuỗi thời gian được mở rộng ($T > 15$) để kiểm tra quán tính đầu tư.
  3. Phân tích phân rã theo ngành kinh tế: Chia tách dòng vốn FDI Nhật Bản thành hai khu vực: Ngành chế biến chế tạo (Manufacturing) và Ngành dịch vụ phi sản xuất (Non-manufacturing).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI & GIÁ TRỊ                          |
+-----------------------------------------------------------------------------------+
|  [Sinh viên / Học viên]        [Nhà nghiên cứu / Giảng viên]                      |
|  - Mẫu hình nghiên cứu chuẩn   - Khung tham chiếu hồi quy dữ liệu bảng            |
|  - Script Stata/Python mẫu     - Nguồn trích dẫn dữ liệu kinh nghiệm              |
+--------------------------------+--------------------------------------------------+
|  [Doanh nghiệp / Nhà đầu tư]   [Nhà hoạch định chính sách]                        |
|  - Thấu hiểu hành vi FDI Nhật  - Luận cứ khoa học cho chiến lược thu hút vốn      |
|  - Đón đầu nhu cầu cung ứng    - Định hướng cải cách thể chế và năng suất         |
+--------------------------------+--------------------------------------------------+
  • Sinh viên, Học viên Cao học ngành Tài chính - Kinh tế: Cung cấp tài liệu tham khảo hoàn chỉnh về phương pháp luận nghiên cứu định lượng, cấu trúc xây dựng mô hình dữ liệu bảng, quy trình thực hiện các kiểm định chẩn đoán kinh tế lượng.
  • Nhà phân tích và Nghiên cứu kinh tế: Cung cấp bộ tham số ước lượng thực nghiệm về độ co giãn của dòng vốn FDI Nhật Bản đối với các biến số vĩ mô ASEAN giai đoạn 2011–2020.
  • Cơ quan quản lý và Doanh nghiệp phát triển Hạ tầng KCN: Nhận diện chính xác nhu cầu cốt lõi của nhà đầu tư Nhật Bản (tập trung vào độ mở thương mại và năng suất lao động) để xây dựng hệ sinh thái thu hút vốn hiệu quả.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu để tái lập mô hình nghiên cứu này là gì?

Để tái lập hoàn chỉnh mô hình, cần cài đặt phần mềm kinh tế lượng như Stata (phiên bản 14.0 trở lên), EViews (từ bản 10.0), hoặc Python 3.8+ kết hợp thư viện linearmodels. Bộ dữ liệu đầu vào cần cấu trúc dạng bảng cân đối (Balanced Panel) gồm 60 dòng và 11 cột, lưu trữ dưới định dạng .dta hoặc .csv, định danh rõ biến không gian (country_id) và thời gian (year).

2. Vì sao mô hình FEM (Fixed Effects Model) lại vượt trội hơn Pooled OLS và REM trong nghiên cứu này?

Qua kiểm định Wald ($p = 0.0004 < 0.05$), giả thiết hệ số chặn đồng nhất của Pooled OLS bị bác bỏ, chứng minh tồn tại sự dị biệt mang tính đặc thù giữa 6 quốc gia ASEAN. Tiếp đó, kiểm định Hausman ($p = 0.0094 < 0.05$) khẳng định tồn tại mối tương quan giữa các đặc trưng riêng biệt của từng nước ($\alpha_i$) với các biến giải thích trong mô hình. Do đó, FEM là ước lượng không chệch và hiệu quả nhất.

3. Tại sao biến GDP lại mang hệ số âm trong kết quả hồi quy dòng vốn FDI Nhật Bản?

Hệ số âm của biến GDP ($\beta = -0.0142, p = 0.008$) phản ánh đặc thù chiến lược dịch chuyển cơ sở sản xuất của các tập đoàn Nhật Bản. Dòng vốn FDI tìm kiếm hiệu quả chi phí (Efficiency-seeking FDI) có xu hướng dịch chuyển từ các quốc gia có quy mô kinh tế đã phát triển bão hòa sang các quốc gia có quy mô nhỏ hơn nhưng tốc độ tăng trưởng nhanh, dư địa mở rộng biên lợi nhuận lớn và độ mở thương mại cao trong khối ASEAN.

4. Chi phí và nguồn lực cần thiết để thu thập, duy trì bộ dữ liệu nghiên cứu này?

Tập dữ liệu sử dụng hoàn toàn các nguồn dữ liệu thứ cấp công khai và uy tín quốc tế (World Bank Open Data, Diễn đàn Kinh tế Thế giới WEF, Tổng cục Thống kê GSO) cùng các báo cáo khảo sát thực trạng doanh nghiệp Nhật Bản tại nước ngoài của JETRO (hoàn toàn miễn phí bản quyền học thuật), giúp tối ưu hóa chi phí nghiên cứu ở mức tối thiểu.

5. Khóa luận giải quyết rào cản nào lớn nhất trong việc thu hút FDI Nhật Bản vào Việt Nam?

Khóa luận chỉ ra rằng việc cạnh tranh thu hút FDI bằng lao động giá rẻ đơn thuần không còn tạo ra lợi thế bền vững. Bằng chứng định lượng khẳng định nâng cao năng suất lao động ($\beta = 0.1845$) và gia tăng độ mở nền kinh tế ($\beta = 42.681$) là hai đòn bẩy quan trọng nhất để thu hút dòng vốn chất lượng cao từ Nhật Bản.

Kết luận

Khóa luận tốt nghiệp "Nhân tố ảnh hưởng đến đầu tư trực tiếp nước ngoài của Nhật Bản vào các nước Đông Nam Á" đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua khung phân tích định lượng chuẩn mực. Bằng việc ứng dụng mô hình tác động cố định (FEM) trên tập dữ liệu bảng 6 quốc gia ASEAN giai đoạn 2011–2020, nghiên cứu đã chứng minh vai trò quyết định của độ mở nền kinh tế, năng suất lao động và tỷ lệ thu ngân sách đối với dòng vốn FDI từ Nhật Bản.

Kết quả nghiên cứu mang lại giá trị thực tiễn sâu sắc cho Việt Nam trong giai đoạn phát triển 2021–2025: khẳng định yêu cầu cấp thiết phải đẩy mạnh hội nhập kinh tế quốc tế, cải cách thể chế tài khóa, đồng thời chuyển đổi mô hình tăng trưởng từ thâm dụng lao động chi phí thấp sang nâng cao năng suất và giá trị gia tăng nội địa để đón đầu dòng vốn FDI thế hệ mới.