Giới thiệu dự án

Trong bối cảnh toàn cầu hóa và tự do hóa thương mại, dòng vốn đầu tư trực tiếp nước ngoài (Foreign Direct Investment - FDI) đóng vai trò đòn bẩy thúc đẩy chuyển dịch cơ cấu và tăng trưởng kinh tế tại các nền kinh tế đang phát triển. Theo số liệu của Tổng cục Thống kê và Ngân hàng Thế giới (World Bank), giải ngân FDI tại Việt Nam đã tăng trưởng vượt bậc từ dưới 2,5 tỷ USD năm 1999 lên 20,38 tỷ USD vào năm 2019, đưa Việt Nam vào top 20 quốc gia thu hút FDI hàng đầu thế giới. Song hành với sự gia tăng dòng vốn ngoại, Việt Nam ghi nhận sự cải thiện rõ nét về Chỉ số Phát triển Con người (Human Development Index - HDI), tăng 45,9% từ mức 0,475 (năm 1990) lên 0,693 (năm 2018), tiệm cận ngưỡng phát triển con người mức cao (0,700).

   +-------------------------------------------------------------+
   |              CHUỖI DỮ LIỆU ĐỊNH LƯỢNG (1999 - 2019)         |
   +-------------------------------------------------------------+
   |   Vốn FDI thực hiện: 2,5 tỷ USD (1999) -> 20,38 tỷ USD (2019)
   |   Thu nhập quốc dân (GNI): Tăng 8,87 lần -> 249,44 tỷ USD (2019)
   |   Tuổi thọ trung bình (LE): 72,82 tuổi -> 75,40 tuổi (2019)
   |   Chỉ số HDI quốc gia: 0,475 -> 0,693 (Tiệm cận ngưỡng cao 0,700)
   +-------------------------------------------------------------+

Tuy nhiên, mối liên hệ nhân quả giữa FDI và phát triển con người vẫn tồn tại nhiều tranh luận lý thuyết: liệu nguồn vốn FDI thuần túy tạo ra tăng trưởng số lượng hay thực sự nâng cao chất lượng sống, giáo dục và sức khỏe của người dân bản địa?

Đề tài khóa luận "Phân tích tác động của đầu tư trực tiếp nước ngoài đến chỉ số phát triển con người tại Việt Nam" do sinh viên Nguyễn Hải Quỳnh thực hiện dưới sự hướng dẫn của TS. Trần Việt Dung (Trường Đại học Kinh tế - ĐHQGHN) được xây dựng nhằm giải quyết triệt để bài toán định lượng này.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về FDI và HDI theo chuẩn phương pháp luận hiện đại của Chương trình Phát triển Liên Hiệp Quốc (UNDP).
  2. Đánh giá thực trạng phân bổ dòng vốn FDI và diễn biến các cấu phần HDI (tuổi thọ, giáo dục, thu nhập bình quân) tại Việt Nam giai đoạn 1999–2019.
  3. Xây dựng mô hình kinh lượng chuỗi thời gian (Time Series Econometrics) kết hợp kiểm định nghiệm đơn vị (ADF Unit Root Test), kiểm định đồng liên kết Johansen, kiểm định nhân quả Granger và mô hình hiệu chỉnh sai số dạng véc-tơ (Vector Error Correction Model - VECM) nhằm lượng hóa tác động ngắn hạn và dài hạn giữa FDI và HDI.
  4. Đề xuất hàm ý chính sách phục vụ thu hút dòng vốn đầu tư trực tiếp thế hệ mới gắn liền với mục tiêu an sinh xã hội và nâng cao chất lượng nguồn nhân lực.

Phạm vi và giới hạn nghiên cứu

  • Không gian nghiên cứu: Lãnh thổ Việt Nam trên bình diện kinh tế vĩ mô.
  • Thời gian nghiên cứu: Chuỗi dữ liệu thời gian thường niên 21 năm liên tục (1999–2019) thu thập từ cơ sở dữ liệu của World Bank và UNDP.
  • Giới hạn kỹ thuật: Nghiên cứu tập trung vào 2 biến số kinh tế vĩ mô cốt lõi là giá trị thực hiện FDI và chỉ số HDI tổng hợp được tính toán theo công thức cải tiến của UNDP (2010).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các công trình thực nghiệm quốc tế ghi nhận sự phân hóa rõ rệt về tác động của FDI đối với phúc lợi xã hội và phát triển con người:

Công trình nghiên cứu Phạm vi khảo sát Phương pháp áp dụng Kết quả & Phát hiện chính
Reiter & Steensma (2010) 49 nước đang phát triển (1980–2005) Hồi quy OLS / Panel Data FDI tác động tích cực đến HDI khi có chính sách kiểm soát tham nhũng và bảo hộ công nghệ nội địa.
Bende-Nabende et al. (2003) Khối APEC (1965–1999) Co-integration & VAR FDI thúc đẩy tăng trưởng tại Thái Lan, Philippines nhưng ghi nhận tác động tiêu cực/mâu thuẫn ở một số nền kinh tế phát triển.
Cao Thị Hồng Vinh et al. (2018) 23 quốc gia Châu Á (2013–2015) Inequality-Adjusted HDI FDI hỗ trợ giảm bất bình đẳng giáo dục nhưng làm gia tăng khoảng cách chênh lệch thu nhập (Income Inequality).
Đề tài hiện tại (2021) Việt Nam (1999–2019) ADF, Johansen, Granger & VECM Xác lập mối quan hệ đồng liên kết dài hạn và chiều hướng tác động nhân quả trực tiếp giữa FDI và HDI tại Việt Nam.

Phân loại yêu cầu phân tích theo khung MoSCoW

  • Must-have (Bắt buộc): Chuyển đổi dữ liệu sang dạng logarit tự nhiên ($\ln$), kiểm định tính dừng (Stationarity) của chuỗi thời gian, xác định bậc trễ tối ưu (Optimal Lag Length) và kiểm định đồng liên kết Johansen.
  • Should-have (Cần có): Phân tích mô hình VECM để trích xuất hệ số hiệu chỉnh sai số ($ECT_{t-1}$), kiểm định chiều nhân quả Granger.
  • Could-have (Có thể mở rộng): Phân tích hàm phản ứng đẩy (Impulse Response Functions) và phân rã phương sai sai số dự báo (Forecast Error Variance Decomposition).
  • Won't-have (Không thực hiện): Hồi quy dữ liệu bảng theo 63 tỉnh thành do thiếu hụt chuỗi dữ liệu HDI đồng bộ cấp địa phương trước năm 2010.

Thiết kế hệ thống mô hình kinh lượng

Hệ thống ước lượng kinh lượng học được cấu trúc theo quy trình phân tích chuỗi thời gian chuẩn tắc:

[Thu thập dữ liệu World Bank & UNDP (1999-2019)]
         [Chuyển đổi Logarit: LNFDI, LNHDI]
      [Kiểm định tính dừng ADF (Unit Root Test)]
   Chuỗi I(0)                        Chuỗi I(1)
 [Ước lượng OLS/VAR]          [Kiểm định Đồng liên kết Johansen]
                  Có liên kết                       Không liên kết
             [Ước lượng mô hình VECM]             [Ước lượng mô hình VAR]
                       [Kiểm định nhân quả Granger]
                       [Đánh giá hệ số ECT & Dự báo]

Công thức tính toán các chỉ số thành phần HDI (Chuẩn UNDP từ 2010)

  1. Chỉ số Sức khỏe (Life Expectancy Index - LEI): $$LEI = \frac{LE - 20}{85 - 20}$$ (Trong đó $LE$ là tuổi thọ trung bình tính từ lúc sinh, cận dưới là 20 tuổi, cận trên là 85 tuổi).

  2. Chỉ số Giáo dục (Education Index - EI): $$EI = \frac{MYSI + EYSI}{2} = \frac{\frac{MYS}{15} + \frac{EYS}{18}}{2}$$ (Trong đó $MYS$ là số năm đi học bình quân của người từ 25 tuổi trở lên; $EYS$ là số năm đi học kỳ vọng của trẻ em dưới 18 tuổi).

  3. Chỉ số Thu nhập (Income Index - II): $$II = \frac{\ln(GNI_{pc}) - \ln(100)}{\ln(75000) - \ln(100)}$$ (Trong đó $GNI_{pc}$ là tổng thu nhập quốc dân bình quân đầu người theo sức mua tương đương PPP USD).

  4. Chỉ số Phát triển Con người tổng hợp: $$HDI = \sqrt[3]{LEI \times EI \times II}$$

Cấu trúc mô hình VECM (Vector Error Correction Model)

Biến đổi logarit hai chuỗi số liệu gốc: $LNFDI_t = \ln(FDI_t)$ và $LNHDI_t = \ln(HDI_t)$.

Hệ phương trình VECM chuẩn tắc bậc trễ $p-1$:

$$\Delta LNHDI_t = A_0 + \sum_{i=1}^{p-1} A_{1,i} \Delta LNHDI_{t-i} + \sum_{i=1}^{p-1} A_{2,i} \Delta LNFDI_{t-i} + \alpha_1 ECT_{t-1} + u_{1t}$$

$$\Delta LNFDI_t = B_0 + \sum_{i=1}^{p-1} B_{1,i} \Delta LNHDI_{t-i} + \sum_{i=1}^{p-1} B_{2,i} \Delta LNFDI_{t-i} + \alpha_2 ECT_{t-1} + u_{2t}$$

Trong đó:

  • $\Delta$: Toán tử sai phân bậc một ($\Delta Y_t = Y_t - Y_{t-1}$).
  • $ECT_{t-1} = LNHDI_{t-1} - \beta_0 - \beta_1 LNFDI_{t-1}$: Phần dư từ phương trình đồng liên kết dài hạn.
  • $\alpha_1, \alpha_2$: Tốc độ điều chỉnh sai lệch ngắn hạn về trạng thái cân bằng dài hạn.
  • $u_{1t}, u_{2t}$: Nhiễu trắng (White noise disturbance).

Methodology

+------------------------------------------------------------------------------------+
|                         LỘ TRÌNH THỰC NGHIỆM ĐỀ TÀI                                |
+------------------------------------------------------------------------------------+
| Giai đoạn 1: Tiền xử lý & Khảo sát thống kê mô tả chuỗi thời gian                  |
| Giai đoạn 2: Kiểm định nghiệm đơn vị mở rộng Dickey-Fuller (ADF) xác định bậc tích hợp|
| Giai đoạn 3: Kiểm định đồng liên kết Johansen (Trace Test & Max-Eigenvalue Test)   |
| Giai đoạn 4: Ước lượng hệ phương trình VECM & Kiểm định quan hệ nhân quả Granger   |
| Giai đoạn 5: Đánh giá độ ổn định và suy diễn chính sách vĩ mô                      |
+------------------------------------------------------------------------------------+

Quản trị rủi ro nghiên cứu được thiết lập nhằm khắc phục tình trạng hồi quy giả mạo (Spurious Regression) do chuỗi dữ liệu kinh tế vĩ mô thường có xu thế hàm mũ (Exponential Trend). Việc sử dụng trắc nghiệm ADF ở chuỗi gốc, sai phân bậc 1 và bậc 2 bảo toàn tính toàn vẹn của kết quả suy diễn thống kê.

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được triển khai thông qua gói phần mềm kinh lượng chuyên dụng (EViews phiên bản 10 / R gói vars, urca, tseries).

Đoạn mã kịch bản thực hiện kiểm định và ước lượng mô hình trong R:

# Load libraries
library(urca)
library(vars)
library(tseries)

# 1. Khai bao chuoi thoi gian 1999-2019
fdi_ts <- ts(data$FDI, start=1999, end=2019, frequency=1)
hdi_ts <- ts(data$HDI, start=1999, end=2019, frequency=1)

# 2. Bien doi Logarit tu nhien
ln_fdi <- log(fdi_ts)
ln_hdi <- log(hdi_ts)

# 3. Kiem dinh nghiem don vi ADF (Augmented Dickey-Fuller)
adf_lnfdi_raw <- ur.df(ln_fdi, type="trend", selectlags="AIC")
adf_lnhdi_raw <- ur.df(ln_hdi, type="trend", selectlags="AIC")
adf_lnfdi_d1  <- ur.df(diff(ln_fdi), type="drift", selectlags="AIC")
adf_lnhdi_d1  <- ur.df(diff(ln_hdi), type="drift", selectlags="AIC")

# 4. Kiem dinh dong lien ket Johansen
data_matrix <- cbind(ln_hdi, ln_fdi)
johansen_test <- ca.jo(data_matrix, type="trace", ecdet="const", K=2)
summary(johansen_test)

# 5. Uoc luong mo hinh VECM va kiem dinh Granger Causality
vecm_model <- cajorls(johansen_test, r=1)
var_rep <- vec2var(johansen_test, r=1)
causality(var_rep, cause="ln_fdi")

Testing và validation

1. Kiểm định tính dừng (ADF Unit Root Test)

Kết quả kiểm định nghiệm đơn vị Augmented Dickey-Fuller cho hai chuỗi dữ liệu $LNFDI$ và $LNHDI$:

Chuỗi biến số Dạng kiểm định Thống kê ADF ($t$-statistic) Giá trị tới hạn 5% P-value Trạng thái dừng
$LNFDI$ (Chuỗi gốc) Trend & Intercept -1.8421 -3.6736 0.6482 Không dừng
$\Delta LNFDI$ (Sai phân bậc 1) Intercept -3.8914 -3.0299 0.0084 Dừng ở mức 1% - $I(1)$
$LNHDI$ (Chuỗi gốc) Trend & Intercept -2.1054 -3.6736 0.5147 Không dừng
$\Delta LNHDI$ (Sai phân bậc 1) Intercept -3.5412 -3.0299 0.0175 Dừng ở mức 5% - $I(1)$

Kết luận: Cả hai chuỗi $LNFDI$ và $LNHDI$ đều không dừng ở chuỗi gốc nhưng đạt tính dừng ở sai phân bậc một ($I(1)$). Đây là điều kiện tiên quyết để thực hiện kiểm định đồng liên kết Johansen.

2. Kiểm định đồng liên kết Johansen (Johansen Co-integration Test)

Kiểm định xác định số lượng vector đồng liên kết giữa $LNHDI$ và $LNFDI$ với độ trễ $k=2$:

Giả thuyết $H_0$ Thống kê Trace Giá trị tới hạn 5% Thống kê Max-Eigen Giá trị tới hạn 5% Kết luận
$r = 0$ (Không có liên kết) 21.458 15.494 16.892 14.264 Bác bỏ $H_0$ ở mức 5%
$r \le 1$ (Tối đa 1 liên kết) 4.566 3.841 4.566 3.841 Chấp nhận $H_0$

Kết luận: Tồn tại duy nhất $r=1$ phương trình đồng liên kết dài hạn giữa FDI và HDI tại Việt Nam.

3. Kiểm định quan hệ nhân quả Granger (Granger Causality Test)

Giả thuyết không ($H_0$) Giá trị Thống kê $F$ P-value Quyết định thống kê
$LNFDI$ không gây ra $LNHDI$ 4.8215 0.0213 Bác bỏ $H_0$ (FDI có tác động nhân quả đến HDI)
$LNHDI$ không gây ra $LNFDI$ 1.1402 0.3421 Chấp nhận $H_0$ (HDI chưa gây ra FDI)

Kết luận: Tồn tại mối quan hệ nhân quả một chiều (Uni-directional causality) từ nguồn vốn FDI sang chỉ số phát triển con người HDI trong giai đoạn nghiên cứu.

Kết quả đạt được

  1. Phương trình đồng liên kết dài hạn: $$LNHDI = -0.7421 + 0.0864 \times LNFDI$$ (Hệ số co giãn dài hạn $\beta = 0.0864$ có ý nghĩa thống kê ở mức 1% ($p < 0.01$). Khi vốn thực hiện FDI tăng 1%, chỉ số HDI của Việt Nam tăng trung bình 0,0864% trong dài hạn).

  2. Hệ số điều chỉnh sai số ngắn hạn ($ECT_{t-1}$): Hệ số $\alpha_1 = -0.3245$ mang dấu âm và có ý nghĩa thống kê ở mức 5%. Điều này chỉ ra rằng khi có sự mất cân bằng ngắn hạn, tốc độ điều chỉnh nội tại sẽ bù đắp khoảng 32,45% độ lệch mỗi năm để đưa hệ thống trở về trạng thái cân bằng dài hạn.

  3. Chuyển biến kinh tế - xã hội cụ thể (1999–2019):

  • Thu nhập quốc dân (GNI): Tăng trưởng 8,87 lần, đạt 249,441 tỷ USD vào năm 2019. Tỷ lệ nghèo cùng cực giảm từ trên 70% xuống dưới 6%.
  • Tuổi thọ bình quân: Tăng liên tục từ 72,82 tuổi (1999) lên 75,40 tuổi (2019), trong đó nữ giới đạt 76,3 tuổi và nam giới đạt 71,0 tuổi.
  • Giáo dục: Tỷ lệ hoàn thành tiểu học đạt 90-100%, tỷ lệ nhập học trung học cơ sở khu vực nông thôn tăng hơn 20%.

Đổi mới và đóng góp

  • Loại bỏ tính thiên lệch mẫu đa quốc gia: Khác với các nghiên cứu dữ liệu bảng gộp (Panel Data) của Steensma (2010) hay Basu Sharma (2007) vốn che lấp đặc thù thể chế, công trình tập trung chuỗi dữ liệu đơn nhất 21 năm tại Việt Nam, phản ánh chính xác chu kỳ chuyển đổi kinh tế từ hậu khủng hoảng tài chính châu Á 1997, gia nhập WTO 2007 đến làn sóng dịch chuyển chuỗi cung ứng toàn cầu 2019.
  • Tiếp cận phương pháp luận HDI chuẩn hóa: Áp dụng đầy đủ thuật toán tính toán HDI 3 thành phần của UNDP (áp dụng từ 2010), sử dụng biến số GNI thay vì GDP nhằm phản ánh chính xác dòng thu nhập thực tế được giữ lại trong nền kinh tế quốc dân.
  • Cung cấp bằng chứng định lượng vững chắc: Minh chứng thực nghiệm rằng FDI tại Việt Nam không đơn thuần là động lực tăng trưởng GDP danh nghĩa mà tạo ra hiệu ứng lan tỏa (spillover effect) tích cực đến các chỉ số phúc lợi xã hội căn bản.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong hoạch định chính sách

                           CHIẾN LƯỢC FDI THẾ HỆ MỚI
[TIÊU CHÍ SÀNG LỌC DỰ ÁN]                                   [CƠ CHẾ KẾT NỐI LAN TỎA]
- Ưu tiên công nghệ cao (High-tech)                          - Ràng buộc tỷ lệ nội địa hóa chuỗi cung ứng
- Cam kết bảo vệ môi trường (Green FDI)                     - Quỹ đào tạo kỹ năng & R&D liên kết đại học
- Suất đầu tư trên diện tích đất cao                        - Chính sách nhà ở & an sinh cho công nhân
  1. Chuyển đổi tiêu chí thu hút vốn: Thay thế chính sách ưu đãi dàn trải bằng việc áp dụng các tiêu chí kỹ thuật về chuyển giao công nghệ, chứng chỉ bảo vệ môi trường (tiêu chuẩn ESG) và ràng buộc tỷ lệ đào tạo nhân lực kỹ thuật cao.
  2. Thu hẹp khoảng cách vùng miền: Tận dụng nguồn vốn FDI để kích hoạt công nghiệp hóa tại các địa phương vệ tinh, tạo việc làm tại chỗ nhằm giảm áp lực di cư và nâng cao chỉ số thu nhập (II) cho các nhóm dân cư yếu thế.
  3. Đồng bộ thể chế an sinh: Tái phân bổ nguồn thu ngân sách từ khu vực FDI vào mạng lưới y tế cơ sở và giáo dục mầm non/phổ thông, giải quyết căn nguyên của chỉ số nghèo đa chiều (MPI = 0,019).

Hạn chế và hướng phát triển

  • Hạn chế quy mô mẫu quan sát: Bộ dữ liệu chuỗi thời gian năm với $N=21$ quan sát (1999–2019) dù thỏa mãn điều kiện kiểm định kinh lượng nhưng chưa đủ dài để phân tích sâu các cú sốc cấu trúc phức tạp (Structural Breaks).
  • Thiếu biến số trung gian vi mô: Chưa tách biệt được dòng vốn FDI vào ngành công nghệ cao so với ngành thâm dụng lao động phổ thông (dệt may, da giày).
  • Hướng phát triển: Mở rộng nghiên cứu bằng phương pháp dữ liệu bảng phân tích không gian (Spatial Panel Data) hoặc mô hình ARDL trên 63 tỉnh thành giai đoạn 2010–2025; bổ sung các biến kiểm soát về chỉ số thể chế (PCI), chi tiêu công cho y tế/giáo dục và phát thải khí nhà kính per capita.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tham khảo khung phương pháp luận kiểm định chuỗi thời gian chuẩn tắc (ADF, Johansen, VECM) và phương thức trích xuất dữ liệu quốc tế (World Bank/UNDP).
  • Chuyên viên phân tích kinh tế: Ứng dụng mô hình kinh lượng lượng hóa tác động chính sách vĩ mô giữa các luồng vốn đầu tư và các chỉ tiêu phát triển xã hội.
  • Nhà hoạch định chính sách & Cơ quan quản lý: Cơ sở thực chứng để xây dựng Nghị quyết thu hút FDI có chọn lọc, tối ưu hóa lợi ích phát triển con người giai đoạn 2025–2030.

Câu hỏi thường gặp

1. Tại sao nghiên cứu cần lấy logarit tự nhiên ($LNFDI, LNHDI$) trước khi phân tích?

Biến đổi logarit giúp chuyển hàm phi tuyến dạng mũ về dạng tuyến tính, ổn định phương sai sai số, loại bỏ hiện tượng phương sai thay đổi (Heteroskedasticity) và cho phép diễn giải các hệ số hồi quy dưới dạng hệ số co giãn phần trăm (Elasticity).

2. Sự khác biệt giữa kiểm định Granger Causality và quan hệ nhân quả thực tế là gì?

Kiểm định Granger xác định mối quan hệ "tiên đoán trước" (predictive causality) dựa trên trật tự thời gian—nghĩa là giá trị trễ của biến FDI có cung cấp thông tin dự báo vượt trội về giá trị tương lai của biến HDI hay không, chứ không đồng nghĩa với quan hệ nhân quả tuyệt đối về mặt vật lý.

3. Tại sao kiểm định Johansen cho kết quả tốt hơn phương pháp hai bước Engle-Granger?

Phương pháp Johansen cho phép kiểm định đồng thời sự tồn tại của nhiều vector đồng liên kết trên hệ phương trình đa biến dựa trên ước lượng hợp lý cực đại (Maximum Likelihood), loại bỏ độ chệch mẫu nhỏ và không phụ thuộc vào việc lựa chọn biến phụ thuộc như Engle-Granger.

4. Dữ liệu giai đoạn 1999–2019 có phản ánh được tác động sau đại dịch COVID-19 không?

Chuỗi số liệu 1999–2019 phản ánh hoàn chỉnh giai đoạn kinh tế tăng trưởng ổn định bình thường trước cú sốc phi kinh tế của đại dịch COVID-19, giúp đo lường chính xác tác động nội sinh dài hạn của FDI mà không bị bóp méo bởi các yếu tố nhiễu ngoại cảnh bất thường.

5. Ý nghĩa thực tiễn của hệ số $ECT_{t-1} = -0.3245$ trong mô hình VECM là gì?

Hệ số $ECT_{t-1}$ mang giá trị âm và có ý nghĩa thống kê khẳng định cơ chế tự điều chỉnh của nền kinh tế. Mỗi năm, khoảng 32,45% độ lệch mất cân bằng giữa FDI và HDI xảy ra trong ngắn hạn sẽ được điều chỉnh tự động để kéo hệ thống quay về trạng thái cân bằng dài hạn.

Kết luận

Công trình khóa luận tốt nghiệp của sinh viên Nguyễn Hải Quỳnh đã giải quyết trọn vẹn bài toán xác định tác động của dòng vốn đầu tư trực tiếp nước ngoài đến chất lượng phát triển con người tại Việt Nam qua chuỗi dữ liệu 21 năm (1999–2019). Bằng việc vận dụng quy trình kinh lượng học chuỗi thời gian chuẩn xác—từ kiểm định nghiệm đơn vị ADF, kiểm định đồng liên kết Johansen đến ước lượng mô hình VECM và kiểm định nhân quả Granger—nghiên cứu đã đưa ra bằng chứng thực nghiệm vững chắc: FDI có tác động tích cực và thúc đẩy một chiều đến sự gia tăng của chỉ số HDI trong dài hạn với hệ số co giãn $\beta = 0.0864$.

Kết quả này khẳng định vai trò trụ cột của FDI đối với tiến trình chuyển dịch kinh tế - xã hội, đồng thời đặt ra yêu cầu cấp thiết cho giai đoạn phát triển mới: Việt Nam cần chuyển dịch chiến lược từ "thu hút FDI bằng mọi giá" sang "thu hút FDI có chọn lọc", ưu tiên các dự án xanh, công nghệ nguồn và gắn kết hữu cơ với chiến lược nâng cao năng lực giáo dục, y tế và phúc lợi xã hội toàn dân.