Giới thiệu dự án
Trong bối cảnh nền kinh tế Việt Nam đẩy mạnh cải cách thể chế và nâng cao năng lực cạnh tranh quốc gia theo Nghị quyết số 19-2018/NQ-CP của Chính phủ, tỉnh Quảng Ninh nổi lên như một điểm sáng tiên phong. Năm 2018, tốc độ tăng trưởng tổng sản phẩm trên địa bàn (GRDP) của Quảng Ninh đạt mức kỷ lục 11,1% (cao nhất trong vòng 6 năm), thu ngân sách nhà nước đạt 40.500 tỷ VNĐ (tăng 4,93% so với 2017), trong đó thu từ khối doanh nghiệp chiếm 24.004 tỷ VNĐ (tăng 21%). Đồng thời, tỉnh liên tục dẫn đầu cả nước ở hai chỉ số then chốt: Chỉ số Năng lực cạnh tranh cấp tỉnh (PCI) và Chỉ số Cải cách hành chính (Par Index). Tuy nhiên, trên thực tế, hơn 50% doanh nghiệp trên địa bàn vẫn ghi nhận lợi nhuận sụt giảm trong năm 2018, và 40,73% doanh nghiệp vẫn phải chi trả chi phí không chính thức.
+-----------------------------------------------------------------------------------+
| BỐI CẢNH THỰC TIỄN NĂM 2018 |
| - Tăng trưởng GRDP: 11,1% | Thu ngân sách: 40.500 tỷ VNĐ | PCI & Par Index: Top 1 |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| VẤN ĐỀ CỐT LÕI |
| - >50% DN sụt giảm lợi nhuận | 40,73% DN chịu chi phí không chính thức |
| - 36,03% DN phản ánh tình trạng bất bình đẳng (ưu ái FDI/Doanh nghiệp Nhà nước) |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| GIẢI PHÁP ĐỀ TÀI |
| Mô hình hóa định lượng tác động của 6 nhóm chỉ số DDCI lên Hiệu quả SXKD (Lợi |
| nhuận) thông qua phân tích nhân tố khám phá (PCA) và Hồi quy Binary Logistic. |
+-----------------------------------------------------------------------------------+
Vấn đề nghiên cứu (Problem Statement)
Khoảng trống nghiên cứu lớn nhất hiện nay là việc thiếu các bằng chứng thực nghiệm định lượng ở cấp độ vi mô (Sở, Ban, Ngành và chính quyền địa phương - DDCI) chứng minh mối quan hệ nhân quả giữa nỗ lực cải cách môi trường kinh doanh và hiệu quả tài chính trực tiếp (Lợi nhuận) của doanh nghiệp. Đa số các nghiên cứu trước đây chỉ dừng lại ở cấp vĩ mô (tỉnh/thành phố) hoặc sử dụng các biến đo lường định tính về "mức độ hài lòng" mà chưa lượng hóa được rủi ro và xác suất biến động lợi nhuận thực tế.
Mục tiêu dự án
- Xác định và kiểm định cấu trúc nhân tố: Đánh giá độ tin cậy và giá trị hội tụ của 30 chỉ báo thành phần cấu thành Môi trường đầu tư kinh doanh (MTĐT) cấp địa phương tại Quảng Ninh.
- Xây dựng mô hình kinh tế lượng: Ứng dụng kỹ thuật phân tích thành phần chính (PCA) kết hợp hồi quy Binary Logistic để lượng hóa mức độ tác động của từng nhân tố MTĐT đến xác suất tăng trưởng lợi nhuận.
- Đánh giá mức độ đóng góp (Odds Ratio): Đo lường hệ số tác động biên ($Exp(\beta)$) của các yếu tố chi phí thời gian, chi phí không chính thức, dịch vụ công và tính minh bạch.
- Đề xuất hệ thống giải pháp chính sách: Cung cấp hàm ý quản trị thực thi cho chính quyền tỉnh Quảng Ninh và chiến lược thích ứng cho cộng đồng doanh nghiệp địa phương.
Phạm vi và giới hạn (Scope & Limitations)
- Không gian: 14 huyện, thị xã, thành phố thuộc tỉnh Quảng Ninh.
- Thời gian: Dữ liệu điều tra thực nghiệm thuộc bộ chỉ số DDCI năm 2018.
- Mẫu khảo sát: $N = 1.364$ doanh nghiệp, hợp tác xã, hộ kinh doanh cá thể.
- Giới hạn: Biến phụ thuộc hiệu quả sản xuất kinh doanh (HQSXKD) được mô hình hóa dưới dạng biến nhị phân đại diện bởi xu hướng biến động lợi nhuận (Tăng vs. Giảm/Không đổi) do tính chất bảo mật dữ liệu tài chính chi tiết của các doanh nghiệp nhỏ và siêu nhỏ.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu tiến hành phân tích tổng quan các công trình nghiên cứu tiền nhiệm và các bộ chỉ số đánh giá môi trường kinh doanh hiện hành để xác định rõ ưu, nhược điểm:
| Nghiên cứu / Chỉ số |
Phương pháp luận |
Phạm vi khảo sát |
Ưu điểm |
Nhược điểm / Lỗ hổng kỹ thuật |
| PCI (VCCI & USAID) |
Thống kê mô tả, Điểm số trọng số |
Toàn bộ 63 tỉnh/thành phố (Cấp tỉnh) |
Chuẩn hóa quốc gia, tác động cải cách thể chế vĩ mô mạnh mẽ |
Dừng lại ở cấp tỉnh; không phản ánh chi tiết hiệu lực thực thi tại cấp cơ sở (SBN/Quận/Huyện). |
| Par Index (Bộ Nội vụ) |
Đánh giá chấm điểm hành chính |
Cơ quan bộ và UBND cấp tỉnh |
Đánh giá đa chiều từ cán bộ đến người dân và doanh nghiệp |
Tính khách quan bị ảnh hưởng do tự chấm điểm; thiếu mô hình định lượng liên kết HQSXKD. |
| Chu Thị Kim Loan et al. (2010) |
Thống kê mô tả tỷ lệ % không hài lòng |
5 huyện ngoại thành Hà Nội (Nông nghiệp) |
Nhận diện rõ rào cản đất đai và thủ tục hành chính |
Chưa chuẩn hóa thang đo Likert; thiếu mô hình hồi quy kiểm định giả thuyết kinh tế lượng. |
| Phạm Thế Anh & Nguyễn Đức Hùng (2014) |
Mô hình tác động cố định (FE) |
Dữ liệu mảng PCI & Tổng điều tra DN (2006-2012) |
Xử lý tốt hiện tượng nội sinh và đặc tính cố định theo thời gian |
Tập trung vào thể chế cấp tỉnh; chưa phân tích sâu năng lực quản trị nội tại và biến động chi phí vi mô. |
| Phạm Thị Minh Lý (2011) |
Phân tích nhân tố PCA & Hồi quy OLS |
Doanh nghiệp vừa và nhỏ (DNVVN) Thừa Thiên Huế |
Lượng hóa tác động thành 4 nhóm nhân tố ($R^2 = 58,3%$) |
Biến phụ thuộc $Y$ đo bằng "Sự hài lòng" (định tính, cảm tính); $41,7%$ biến thiên chưa được giải thích. |
Thiết kế hệ thống mô hình nghiên cứu
Mô hình nghiên cứu được xây dựng dựa trên lý thuyết cấu trúc môi trường kinh doanh kết hợp khung đánh giá chỉ số DDCI, tích hợp các biến kiểm soát về quy mô và năng lực quản trị doanh nghiệp:
Đặc tả biến số và phương trình toán học
Xác suất để doanh nghiệp gia tăng lợi nhuận ($P_i = P(Y=1)$) được mô hình hóa theo hàm phân phối Logistic:
$$P_i = \frac{1}{1 + e^{-Z_i}} = \frac{e^{\beta_0 + \sum_{j=1}^{k} \beta_j X_{ji}}}{1 + e^{\beta_0 + \sum_{j=1}^{k} \beta_j X_{ji}}}$$
Dạng tuyến tính Log-Odds (Logit):
$$\operatorname{Logit}(P_i) = \ln\left(\frac{P_i}{1 - P_i}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \beta_6 X_6 + \beta_7 X_7 + \beta_8 X_8 + u_i$$
Methodology
Quy trình nghiên cứu gồm 4 giai đoạn chuẩn hóa:
- Thiết kế công cụ khảo sát: Sử dụng thang đo Likert 4 mức độ (1: Rất đồng ý / Rất tốt đến 4: Hoàn toàn không đồng ý / Kém) cho 30 chỉ báo quan sát.
- Thu thập và làm sạch dữ liệu: Phân tầng ngẫu nhiên trên mẫu $N = 1.364$ doanh nghiệp theo địa bàn, lĩnh vực và quy mô vốn.
- Kiểm định thang đo:
- Hệ số Cronbach's Alpha ($\alpha \ge 0,6$; Hệ số tương quan biến - tổng $r_{it} \ge 0,3$).
- Phân tích thành phần chính (PCA) với phép quay Varimax; chuẩn KMO $\ge 0,5$, Kiểm định Bartlett ($p < 0,05$), Factor Loading $\ge 0,5$, mức chênh lệch tải nhân tố $> 0,3$.
- Hồi quy Binary Logistic: Đánh giá độ phù hợp qua chỉ số $-2\text{Log-Likelihood}$, Omnibus Test ($p < 0,001$), tỷ lệ dự báo chính xác tổng thể (Overall Percentage), và kiểm định Wald cho từng hệ số $\beta$.
Implementation và kết quả
Development Process & Xử lý dữ liệu thực nghiệm
Dữ liệu khảo sát sơ cấp $N = 1.364$ đơn vị được mã hóa và xử lý trên nền tảng IBM SPSS Statistics v26.0 (kèm script mô phỏng tái lập trên Python với pandas, factor_analyzer và statsmodels).
import numpy as np
import pandas as pd
import statsmodels.api as sm
from sklearn.metrics import confusion_matrix, accuracy_score
# 1. Load và tiền xử lý dữ liệu DDCI Quảng Ninh 2018
df = pd.read_csv("ddci_quangninh_2018.csv")
# Danh sách biến độc lập sau chuẩn hóa PCA
features = [
'X1_WebsiteQuality', # Chất lượng website
'X2_OneStopService', # Chất lượng dịch vụ bộ phận một cửa
'X3_CostTimeReduction', # Cải thiện chi phí thời gian & phi chính thức
'X4_EqualCompetition', # Nhận thức ưu ái DN lớn/FDI/DNNN
'X5_BusinessSupport', # Dịch vụ hỗ trợ DN
'X6_SecurityOrder', # An ninh trật tự
'X7_CapitalScale', # Quy mô vốn
'X8_LeaderEducation' # Trình độ học vấn lãnh đạo
]
X = df[features]
X = sm.add_constant(X)
y = df['Y_ProfitGrowth'] # 1: Tăng, 0: Giảm
# 2. Xây dựng và ước lượng mô hình Binary Logistic Regression
logit_model = sm.Logit(y, X)
result = logit_model.fit(method='newton', maxiter=100)
# 3. Xuất báo cáo tóm tắt mô hình
print(result.summary())
print("Odds Ratios (Exp(B)):")
print(np.exp(result.params))
Testing và validation
1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha) & EFA
Quá trình kiểm định lần 1 phát hiện 4 biến quan sát có hiện tượng tải chéo (cross-loading chênh lệch $< 0,3$) gồm: B1 (Phí lệ phí công khai), B5 (Hỗ trợ tháo gỡ khó khăn), E3 (Công khai kết quả đối thoại), và F1 (Hiện tượng mất trộm). Sau khi loại bỏ 4 biến này, mô hình chạy lại EFA lần 2 đạt độ tương thích hoàn hảo.
| Nhân tố thành phần |
Số chỉ báo gốc |
Số chỉ báo giữ lại |
Cronbach's Alpha |
KMO Measure |
Bartlett's Test $\chi^2$ (p-value) |
| Chất lượng website (A) |
8 |
8 (A1-A8) |
0,884 |
- |
- |
| Bộ phận một cửa (B) |
5 |
3 (B2-B4) |
0,696 |
- |
- |
| Chi phí không chính thức & thời gian (C) |
4 |
4 (C1-C4) |
0,868 |
- |
- |
| Cạnh tranh bình đẳng (D) |
4 |
4 (D1-D4) |
0,785 |
- |
- |
| Dịch vụ hỗ trợ doanh nghiệp (E) |
6 |
5 (E1,E2,E4-E6) |
0,894 |
- |
- |
| An ninh trật tự (F) |
3 |
2 (F2, F3) |
0,684 |
- |
- |
| Toàn bộ cấu trúc (Lần 2) |
30 |
26 |
- |
0,797 |
1818,931 (p = 0,000) |
2. Kết quả ước lượng mô hình hồi quy Binary Logistic
| Biến số |
Hệ số $\beta$ |
Sai số chuẩn (S.E.) |
Thống kê Wald |
Bậc tự do (df) |
Mức ý nghĩa (Sig.) |
Tỷ số chênh $\operatorname{Exp}(\beta)$ |
| Chất lượng website ($X_1$) |
1,473 |
0,481 |
9,369 |
1 |
0,002 |
4,362 |
| Dịch vụ một cửa ($X_2$) |
0,794 |
0,397 |
4,005 |
1 |
0,045 |
2,212 |
| Chi phí KCT & thời gian ($X_3$) |
1,973 |
0,363 |
7,185 |
1 |
0,007 |
2,647 |
| Cạnh tranh bình đẳng ($X_4$) |
-0,708 |
0,273 |
6,747 |
1 |
0,009 |
2,031 |
| Dịch vụ hỗ trợ DN ($X_5$) |
0,780 |
0,408 |
3,652 |
1 |
0,056 |
2,182 |
| An ninh trật tự ($X_6$) |
0,104 |
0,264 |
0,155 |
1 |
0,694 |
0,901 |
| Quy mô vốn ($X_7$) |
0,247 |
0,488 |
0,257 |
1 |
0,612 |
0,781 |
| Học vấn lãnh đạo ($X_8$) |
0,771 |
0,362 |
4,774 |
1 |
0,029 |
0,453 |
| Hằng số (Constant) |
3,181 |
1,402 |
5,148 |
1 |
0,023 |
24,062 |
| Kiểm định Omnibus ($\chi^2$) |
86,105 |
df = 8 |
- |
- |
0,000 |
- |
| Độ chính xác dự báo (Overall %) |
86,4% |
- |
- |
- |
- |
- |
+-----------------------------------------------------------------------------------+
| MỨC ĐỘ TÁC ĐỘNG LÊN LỢI NHUẬN (HỆ SỐ β) |
| |
| Chi phí KCT & Thời gian (X3) [████████████████████] β = +1,973 (Sig = 0,007) |
| Chất lượng Website (X1) [███████████████] β = +1,473 (Sig = 0,002) |
| Dịch vụ Một cửa (X2) [████████] β = +0,794 (Sig = 0,045) |
| Dịch vụ Hỗ trợ DN (X5) [████████] β = +0,780 (Sig = 0,056) |
| Học vấn Lãnh đạo (X8) [████████] β = +0,771 (Sig = 0,029) |
| Bất bình đẳng ưu ái (X4) [███████] (Âm) β = -0,708 (Sig = 0,009) |
+-----------------------------------------------------------------------------------+
Kết quả đạt được
- Độ chính xác tổng thể: Mô hình đạt tỷ lệ dự báo chính xác 86,4%, chứng minh năng lực phân loại vượt trội của tập biến DDCI đối với hiệu quả tài chính doanh nghiệp.
- Nhân tố tác động mạnh nhất: Giảm thiểu chi phí không chính thức và thời gian thực hiện thủ tục hành chính ($X_3$) có hệ số $\beta = 1,973$ lớn nhất ($p=0,007$), khẳng định việc cắt giảm chi phí ngầm là đòn bẩy trực tiếp gia tăng lợi nhuận.
- Tác động của chuyển đổi số: Chất lượng cổng thông tin website ($X_1$) tác động rất mạnh ($\beta = 1,473, p=0,002$), với $\operatorname{Exp}(\beta) = 4,362$, nghĩa là khi mức độ minh bạch và khả năng tiếp cận dữ liệu dự án/quy hoạch tăng thêm 1 đơn vị, cơ hội tăng lợi nhuận của doanh nghiệp tăng gấp 4,36 lần.
- Hiện tượng bất bình đẳng: Biến $X_4$ mang dấu âm ($\beta = -0,708, p=0,009$), phản ánh thực tế khi các ưu ái dành cho khối FDI, tập đoàn lớn và doanh nghiệp nhà nước gia tăng thì tỷ suất lợi nhuận của khối DNVVN địa phương (chiếm 85% mẫu) bị suy giảm tương ứng.
- Biến loại trừ: An ninh trật tự ($X_6, p=0,694$) và Quy mô vốn ($X_7, p=0,612$) không có ý nghĩa thống kê ở mức $\alpha = 0,10$, cho thấy an ninh cơ bản tại Quảng Ninh đã đạt ngưỡng ổn định bão hòa (tỷ lệ phá án 89,1%), không còn là yếu tố tạo ra sự phân hóa về tỷ suất sinh lời.
Đổi mới và đóng góp
Điểm mới về kỹ thuật và học thuật
- Chuyển dịch từ đo lường nhận thức sang định lượng xác suất: Khác với nghiên cứu của Phạm Thị Minh Lý (2011) sử dụng mô hình OLS giải thích "Mức độ hài lòng" ($R^2 = 58,3%$), đề tài áp dụng mô hình Binary Logistic trên dữ liệu nhị phân thực tế, loại bỏ hoàn toàn sai số do tính chủ quan của biến định tính cảm xúc.
- Chi tiết hóa dữ liệu vi mô (Micro-level DDCI): Thay vì sử dụng điểm tổng hợp cấp tỉnh như Phạm Thế Anh & Nguyễn Đức Hùng (2014), nghiên cứu bóc tách dữ liệu đến từng phân hệ: Bộ phận Một cửa, Cổng thông tin điện tử, và Chi phí ngầm tại 14 đơn vị cấp huyện.
- Quy trình lọc nhân tố 2 bước chặt chẽ: Loại bỏ 4 chỉ báo rác dựa trên tiêu chí chênh lệch Factor Loading $< 0,3$, nâng chỉ số $KMO$ lên 0,797 và cải thiện tính đơn chiều (Unidimensionality) của mô hình.
+---------------------------------------------------------------------------------------+
| SO SÁNH ĐÓNG GÓP HỌC THUẬT VỚI CÁC CÔNG TRÌNH TRƯỚC |
+--------------------------+----------------------------+-------------------------------+
| Tiêu chí so sánh | Nghiên cứu trước | Công trình này (DDCI QN 2018) |
+--------------------------+----------------------------+-------------------------------+
| Cấp độ phân tích thể chế | Cấp tỉnh / Vĩ mô (PCI) | Cấp Quận/Huyện/SBN (DDCI) |
| Bản chất biến phụ thuộc | Điểm hài lòng (Cảm tính) | Biến động Lợi nhuận thực tế |
| Mô hình kinh tế lượng | OLS / Fixed Effects mảng | PCA + Binary Logistic (86,4%) |
| Kiểm soát chi phí ngầm | Đánh giá tỷ lệ đơn thuần | Lượng hóa Odd Ratio biên |
+--------------------------+----------------------------+-------------------------------+
Ứng dụng thực tế và triển khai
Giải pháp can thiệp chính sách cho Tỉnh Quảng Ninh
Lộ trình triển khai khuyến nghị (Implementation Roadmap)
| Giai đoạn |
Mốc thời gian |
Hành động trọng tâm |
Chỉ số đo lường (KPI) |
| Giai đoạn 1: Chuẩn hóa |
Quý 1 - Quý 2 |
Tái cấu trúc quy trình tiếp nhận tại Bộ phận một cửa; cài đặt hệ thống camera giám sát công vụ và số hóa biên nhận hồ sơ. |
Tỷ lệ hồ sơ giải quyết trước hạn đạt $> 85%$; Chi phí ngầm giảm $50%$. |
| Giai đoạn 2: Minh bạch số |
Quý 3 - Quý 4 |
Nâng cấp Cổng thông tin điện tử 14 huyện; tích hợp cơ sở dữ liệu thị trường và đấu thầu mở cho DNVVN. |
Tỷ lệ truy cập thường xuyên của DN tăng từ $71,26%$ lên $> 90%$. |
| Giai đoạn 3: Cân bằng thể chế |
Năm tiếp theo |
Ban hành bộ tiêu chuẩn đánh giá cạnh tranh bình đẳng; mở rộng kênh đối thoại "Cafe Doanh nhân" xuống cấp xã/phường. |
Tỷ lệ phản ánh bất bình đẳng giảm từ $36,03%$ xuống dưới $15%$. |
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Bản chất dữ liệu cắt ngang (Cross-sectional Data): Dữ liệu DDCI 2018 chỉ phản ánh trạng thái tại một thời điểm, chưa theo dõi được độ trễ tác động (Time-lag effect) của chính sách cải cách qua các chu kỳ kinh doanh liên tiếp.
- Mã hóa nhị phân biến mục tiêu: Việc chuyển đổi biến lợi nhuận thành nhị phân ($0/1$) giúp mô hình Logistic xử lý tốt phân phối phi chuẩn nhưng làm mất đi độ biến thiên liên tục của biên lợi nhuận ròng (ROS/ROA).
- Tỷ trọng doanh nghiệp siêu nhỏ: Mẫu khảo sát có tới $85%$ doanh nghiệp quy mô vốn dưới 10 tỷ VNĐ, có thể làm lu mờ tác động của các chỉ số thiết chế pháp lý phức tạp vốn ảnh hưởng mạnh hơn tới các tập đoàn lớn.
Hướng nghiên cứu mở rộng
- Xây dựng mô hình dữ liệu mảng (Panel Data) kết hợp hiệu ứng cố định (Fixed Effects) và GMM trên chuỗi số liệu DDCI giai đoạn 5 năm (2018 - 2023).
- Tích hợp các chỉ số định lượng kế toán (Doanh thu kiểm toán, Thuế TNDN nộp ngân sách) thay cho khảo sát tự khai báo.
- Ứng dụng các thuật toán máy học phân loại tiên tiến (XGBoost, Random Forest) để so sánh độ chính xác dự báo rủi ro phá sản của doanh nghiệp trước các cú sốc môi trường kinh doanh.
Đối tượng hưởng lợi
+------------------------------------------------------------------------------------+
| GIÁ TRỊ CHO CÁC BÊN LIÊN QUAN |
+------------------------------------------------------------------------------------+
| CƠ QUAN QUẢN LÝ NHÀ NƯỚC (UBND, SBN TỈNH QUẢNG NINH): |
| - Cung cấp bằng chứng định lượng để điều chỉnh cơ chế thưởng/phạt công vụ. |
| - Xác định chính xác "điểm nghẽn" thể chế tại từng địa phương trực thuộc. |
+------------------------------------------------------------------------------------+
| CỘNG ĐỒNG DOANH NGHIỆP & HIỆP HỘI DNVVN: |
| - Nắm bắt kênh tiếp cận dữ liệu quy hoạch minh bạch để giảm chi phí giao dịch. |
| - Cơ sở pháp lý và dữ liệu để kiến nghị bình đẳng hóa sân chơi kinh doanh. |
+------------------------------------------------------------------------------------+
| NHÀ NGHIÊN CỨU & SINH VIÊN KINH TẾ/CHÍNH SÁCH CÔNG: |
| - Khung phương pháp luận kết hợp chuẩn hóa: Likert -> Cronbach's Alpha -> PCA |
| -> Binary Logistic Regression có khả năng tái lập cao. |
+------------------------------------------------------------------------------------+
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và dữ liệu để tái lập mô hình nghiên cứu này là gì?
Hệ thống cần cài đặt phần mềm SPSS v20+ hoặc môi trường Python 3.8+ (với các thư viện pandas, statsmodels, scikit-learn, factor_analyzer). Bộ dữ liệu đầu vào cần có tối thiểu $N \ge 300$ quan sát để đảm bảo quy tắc cỡ mẫu cho EFA (tối thiểu 5 quan sát cho 1 biến đo lường, với 30 biến cần $30 \times 5 = 150$ mẫu; tập dữ liệu $N=1.364$ hoàn toàn thỏa mãn).
2. Vì sao biến An ninh trật tự ($X_6$) và Quy mô vốn ($X_7$) không có ý nghĩa thống kê?
Giá trị p-value của $X_6$ là 0,694 và $X_7$ là 0,612 (đều $> 0,10$). Tại Quảng Ninh năm 2018, công tác giữ gìn an ninh đã được chuẩn hóa rất tốt (tỷ lệ phá án 89,1%), rủi ro mất trộm/bảo kê xảy ra rất thấp trên diện rộng nên không còn tạo ra sự khác biệt về lợi nhuận. Quy mô vốn không quyết định chiều hướng tăng/giảm lợi nhuận vì trong điều kiện kinh tế biến động, doanh nghiệp nhỏ linh hoạt thích ứng có thể đạt tỷ suất tăng trưởng tốt tương đương doanh nghiệp lớn.
3. Làm thế nào để tích hợp kết quả mô hình vào hệ thống Dashboard điều hành DDCI thời gian thực?
Các trọng số hồi quy $\beta$ có thể được chuẩn hóa thành các hệ số nhân (weights) trong thuật toán chấm điểm DDCI tự động. Dữ liệu khảo sát số hóa từ web/app có thể truyền thẳng vào pipeline Python để tính toán điểm rủi ro kinh doanh và dự báo xu hướng đóng cửa/mở rộng sản xuất của từng ngành hàng.
4. Chi phí không chính thức ảnh hưởng cụ thể như thế nào đến doanh nghiệp trong mẫu?
Dữ liệu chỉ ra 40,73% doanh nghiệp phải chi trả chi phí không chính thức, trong đó 3,42% phải trích trên 5% tổng lợi nhuận cho khoản này. Hệ số $\beta = 1,973$ chứng minh đây là rào cản tài chính lớn nhất trực tiếp ăn mòn thặng dư sản xuất của doanh nghiệp tư nhân.
5. Tại sao biến Cạnh tranh bình đẳng lại có hệ số âm ($\beta = -0,708$)?
Do cách thiết kế thang đo nghịch: điểm số câu hỏi phản ánh mức độ nhận thức về việc "Doanh nghiệp lớn/FDI/Nhà nước được ưu ái hơn". Điểm nhận thức ưu ái càng cao đồng nghĩa với môi trường kinh doanh càng bất bình đẳng đối với DNVVN, dẫn đến xác suất tăng trưởng lợi nhuận của khối doanh nghiệp này sụt giảm.
Kết luận
Đề tài đã hoàn thành xuất sắc mục tiêu lượng hóa mối quan hệ giữa Môi trường đầu tư kinh doanh cấp cơ sở và Hiệu quả sản xuất kinh doanh của doanh nghiệp tại tỉnh Quảng Ninh thông qua dữ liệu thực nghiệm $N = 1.364$ từ bộ chỉ số DDCI 2018. Bằng việc phối hợp chặt chẽ quy trình kiểm định Cronbach's Alpha, Phân tích thành phần chính (PCA) và Hồi quy Binary Logistic đạt độ chính xác 86,4%, nghiên cứu đã chứng minh rõ ràng rằng: Cắt giảm chi phí không chính thức ($\beta = 1,973$), nâng cao chất lượng minh bạch thông tin trực tuyến ($\beta = 1,473$) và nâng cao hiệu năng Bộ phận một cửa ($\beta = 0,794$) là 3 trụ cột mang tính quyết định để thúc đẩy sức khỏe tài chính của doanh nghiệp. Đây là luận cứ khoa học và thực tiễn vững chắc giúp Quảng Ninh tiếp tục duy trì vị thế quán quân về năng lực cạnh tranh và phát triển kinh tế tư nhân bền vững.
