Professional Documents
Culture Documents
TIỂU LUẬN
MÔN: KINH TẾ LƯỢNG 1
Hà Nội – 03/2019
MỤC LỤC
MỞ ĐẦU...............................................................................................................................3
CHƯƠNG I. CƠ SỞ LÝ THUYẾT......................................................................................4
CHƯƠNG III. KẾT QUẢ ƯỚC LƯỢNG VÀ SUY DIỄN THỐNG KÊ..........................19
PHỤ LỤC...........................................................................................................................26
2
LỜI MỞ ĐẦU
Kinh tế lượng - một bộ phận của Kinh tế học, theo nghĩa rộng được hiểu là môn
khoa học kinh tế giao thoa với thống kê học và toán kinh tế, theo nghĩa hẹp được hiểu là
ứng dụng toán, là các phương pháp thống kê vào kinh tế. Kinh tế lượng lý thuyết nghiên
cứu các thuộc tính thống kê của các quy trình kinh tế lượng, trong khi kinh tế lượng thực
nghiệm đánh giá các lý thuyết kinh tế phát triển để quan sát kinh tế trong quá khứ và dự
đoán tương lai. Nhìn chung, Kinh tế lượng có hai mục đích chính: kiểm nghiệm lý thuyết
kinh tế bằng cách xây dựng các mô hình kinh tế (có khả năng kiểm định được), chạy
(estimate) và kiểm tra các mô hình đó xem chúng đưa ra kết quả chấp nhận hay phủ quyết
lý thuyết kinh tế.
Thất nghiệp là tình trạng người muốn có việc làm mà không tìm được việc làm.
Không phải ngẫu nhiên mà tỉ lệ thất nghiệp được coi là một trong những chỉ tiêu quan
trọng nhất trong việc đánh giá sức mạnh của 1 nền kinh tế. Thực tế là Tỷ lệ thất nghiệp
cao đồng nghĩa với Tổng sản phẩm quốc nội (GDP) thấp, các nguồn lực con người không
được sử dụng, bỏ phí cơ hội sản xuất thêm sản phẩm và dịch vụ. Thêm vào đó, thất
nghiệp dẫn đến nhu cầu xã hội giảm, hàng hóa và dịch vụ không có người tiêu dùng, chất
lượng sản phẩm và giá cả tụt giảm. Hơn nữa, tình trạng thất nghiệp cao đưa đến nhu cầu
tiêu dùng ít đi so với khi nhiều việc làm, do đó mà cơ hội đầu tư cũng ít hơn. Bởi vậy,
nhận thức chính xác và sử dụng hợp lý chỉ tiêu này có ý nghĩa quan trọng trong việc khảo
sát và đánh giá tình trạng phát triển bền vững, nhịp nhàng, toàn diện nền kinh tế. Bất kì
một quốc gia nào mong muốn kinh tế tăng trưởng ổn định đều đặc biệt quan tâm đến việc
duy trì tỉ lệ thất nghiệp ở mức độ hợp lý, nhằm tạo đà cho nền kinh tế đi lên.
Để hiểu nhiều hơn về việc áp dụng Kinh tế lượng vào việc nghiên cứu và đánh giá
các tác động của một số nhân tố đến tỉ lệ thất nghiệp của một số các quốc gia, chúng em
xây dựng tiểu luận với đề tài “Các nhân tố vĩ mô ảnh hưởng đến tỉ lệ thất nghiệp của một
số nước ASEAN giai đoạn 1994 - 2017” dưới sự hướng dẫn của Th.S Nguyễn Thu
Giang, với công cụ phân tích kinh tế là phần mềm R. Tiểu luận không thể tránh khỏi
3
những sai sót, những điều chưa hợp lý, vì thế chúng em kính mong nhận được sự góp ý
từ cô để bài làm được hoàn thiện hơn.
4
CHƯƠNG I. CƠ SỞ LÝ THUYẾT
Hình 2: Tác động của chính sách tài khoá đến tổng cầu
Nhìn chung, chính sách tài khoá (cắt giảm thuế/ tăng chi tiêu chính phủ) có thể làm
tăng tổng cầu, từ đó làm tăng GDP thực, góp phần làm tăng trưởng kinh tế, tăng nhu cầu
về việc làm từ phía doanh nghiệp, giảm tỷ lệ thất nghiệp.
1.2. CÁC NGHIÊN CỨU VỀ THẤT NGHIỆP
Tunah, H. năm 2010 đã nghiên cứu những biến vĩ mô gây ra sự thất nghiệp ở Thổ
Nhĩ Kỳ. Những dữ liệu theo quý từ năm 2000 đến 2008 được sử dụng làm dữ liệu mẫu
cho nghiên cứu này. Kiểm định ADF (Augmented Dickey-Fuller Test), kiểm định PP
(Phillip-Perron test), kiểm định Johansen, kiểm định Granger (Granger causality
techniques) được sử dụng để phân tích. Các kết quả cho thấy có sự tác động đáng kể của
GDP thực tế, chỉ số giá tiêu dùng và tỷ lệ thất nghiệp trước đó trên tỷ lệ thất nghiệp.
Trong khi đó tỷ giá hối đoái thực hiệu quả REER (real effective exchange rate) không ảnh
hưởng gì đến sự thất nghiệp.
10
Cùng năm với nghiên cứu trên, El-Agrody và cộng sự đã kiểm tra nghiên cứu kinh
tế về thất nghiệp và tác động của nó đối với GDP của Ai Cập. Số liệu được thu thập từ
năm 1994 đến năm 2004. Phương pháp phân tích hồi quy tuyến tính đơn và đa biến đã
được áp dụng. Các biến dùng trong cuộc nghiên cứu là tư hữu hóa, dân số, chi phí tiêu
dùng, lãi suất, tỷ giá hối đoái, công nghệ, nông sản nội địa, mức lương thực tế, và đầu tư
nông nghiệp. Kết quả này cho thấy ảnh hưởng tích cực của tỷ lệ thất nghiệp quốc gia, đầu
tư quốc gia, tỷ giá hối đoái và GDP đầu người bình quân lên tổng GDP. Kết quả cũng làm
nổi bật sự tư nhân hoá và gia tăng dân số như lý do chính của gia tăng thất nghiệp. Chúng
cho thấy các chính sách tư nhân hoá cần được sửa lại và giảm lãi suất để hạ thấp thất
nghiệp nông nghiệp.
Lui (2009) đã nghiên cứu mỗi quan hệ giữa lạm phát với thất nghiệp trong tình
huống mà lạm phát có kết quả khác nhau về công nhân được thuê và công nhân thất
nghiệp. Dữ liệu được dùng trong phân tích này là từ khảo sát của Ý về thu nhập hộ gia
đình và của cải năm 2004, chỉ có lực lượng lao động được đưa vào phân tích. Mô hình
cân bằng tổng quát và phương pháp hồi quy tuyến tính được sử dụng. Kết quả cho thấy
mối quan hệ lạm phát - thất nghiệp có thể tiêu cực hoặc tích cực tùy vào những thể chế thị
trường lao động và hàng hoá. Mức cao hơn của lạm phát gia tăng động lực làm việc cho
người lao động và tạo ra ảnh hưởng tiêu cực lên thất nghiệp. Mặt khác, lạm phát làm giảm
lợi nhuận của một doanh nghiệp từ việc tạo ra nhiều vị trí công việc còn trống, do đó nâng
cao tỉ lệ thất nghiệp.
Altavilla và Ciccarelli (2007) đã tìm hiểu vai trò của dự báo lạm phát trong điều kiện
không chắc chắn xung quanh những tác động ước tính của các quy định tiền tệ thay thế
đối với động lực thất nghiệp ở Châu Âu và Hoa Kỳ, lấy dữ liệu từ Mỹ và Châu Âu giai
đoạn từ năm 1990 đến năm 2005. Họ đã sử dụng dự báo lạm phát của tám mô hình cạnh
tranh để phân tích quy mô và thời gian của các hiệu ứng này cũng như định lượng sự
không chắc chắn liên quan đến những mô hình lạm phát khác nhau. Kết quả phù hợp với
cách tiếp cận mô hình kết hợp (model-combination) của các ngân hàng trung ương khi họ
đưa ra chiến lược.
Pallis (2006) thì nghiên cứu mối quan hệ giữa lạm phát và thất nghiệp ở các nước
thành viên Liên minh Châu Âu mới. Số liệu được sử dụng trong phân tích được lấy theo
11
năm bao gồm giai đoạn từ năm 1994 đến năm 2005, lấy từ hội đồng Châu Âu năm 2004
đề cập đến 10 quốc gia thành viên mới của EU. Ba biến được sử dụng là "giá dự kiến của
tổng sản phẩm quốc nội tại thị trường giá cả (tiền tệ quốc gia, tỷ lệ phần trăm thay đổi
hàng năm)", "bồi thường danh nghĩa cho mỗi nhân viên; tổng thể nền kinh tế (tiền tệ quốc
gia, tỷ lệ phần trăm thay đổi hàng năm)" và "Tổng tỉ lệ lao động (%)". Phương pháp ước
lượng bình phương tối thiểu phi tuyến tính và các kĩ thuật E-view đã được sử dụng.
Nghiên cứu này kết luận rằng việc áp dụng các chính sách chung trong nền kinh tế có thể
là vấn đề do tác động khác nhau của các chính sách này đối với lạm phát và thất nghiệp.
Cashell (2004) nghiên cứu mối liên hệ giữa Lạm phát và Thất nghiệp. Dữ liệu được
sử dụng từ giữa năm 1997 đến tháng 9 năm 2001. Có thể kết luận rằng phản ứng của lạm
phát rất chậm đối với sự thay đổi tỷ lệ thất nghiệp. Nghiên cứu kết luận rằng hầu hết các
ước tính gần đây về tỷ lệ thất nghiệp tự nhiên kéo dài đều cho thấy tỷ lệ thất nghiệp dưới
5% cuối cùng sẽ dẫn đến một tốc độ tăng lạm phát.
Flaim (1990) đã kiểm tra sự thay đổi dân số và tỷ lệ thất nghiệp do thời kì bùng nổ
trẻ sơ sinh. Ông nghiên cứu sự thay đổi dân số và những thay đổi trong tỷ lệ thất nghiệp
trong giai đoạn 1960-1990. Kết quả khảo sát cho thấy tỷ lệ thất nghiệp có xu hướng tăng
lên trong những năm 60 và 70, lý do là tỷ lệ tăng dân số nhanh và tỷ lệ này có sự suy
giảm trong thập niên 1980. Kết quả cũng xác nhận rằng sự thay đổi độ tuổi và dân số có
tác động lớn đến tỷ lệ thất nghiệp.
12
CHƯƠNG II. XÂY DỰNG MÔ HÌNH HỒI QUY
2.1. PHƯƠNG PHÁP LUẬN ĐƯỢC SỬ DỤNG TRONG NGHIÊN CỨU
15
Tổng dân số hằng năm của 5 nước đại diện ASEAN, dân số tập trung trong khoảng
từ 0-35 triệu người và 65-100 triệu người với tần suất cao nhất là 1.5e-08.
Qua biểu đồ histogram, tỷ lệ đầu tư trực tiếp từ nước ngoài tập trung chủ yếu trong
khoảng từ 0-15% với tần số cao nhất khoảng gần 0.15. Tỷ lệ đầu tư ảnh hưởng tới tỷ lệ
16
thất nghiệp thao chiều nghịch, vì khi đầu tư tăng, GDP sẽ tăng theo, do vậy thất nghiệp sẽ
giảm.
Tỷ lệ lạm phát ở 5 nước ASEAN trong giai đoạn 1994 – 2017 nằm ở ngưỡng 0 -
25% tần suất cao nhất là 0.1. Tỷ lệ làm phát từ 0-10% hay còn gọi là lạm phát một con số,
đây là tỷ lệ lạm phát vừa phải. Trong thời kì này, nền kinh tế hoạt động bình thường, đời
sống ổn định, trong ngắn hạn sẽ làm tăng trưởng sản lượng đi kèm tỷ lệ thất nghiệp giảm.
Tuy nhiên vẫn có trường hợp tỷ lệ lạm phát tăng cao, tỷ lệ này là 127.974% của Lào năm
1999, đây là tỷ lệ lạm phát rất cao, khiến nền kinh tế dễ dàng suy sụp một cách nhanh
chóng.
17
Mức tăng trưởng của tổng sản phẩm quốc nội hằng năm (%) tập trung chủ yếu
trong khoảng từ 0 – 10 (%) với tần suất cao nhất lớn hơn 0.2, mức tăng trưởng này của 5
nước ASEAN là vừa phải, trong mức nền kinh tế có thể chấp nhận được. Tuy nhiên, qua
biểu đồ histogram, ta vẫn thấy được có trường hợp mức tăng trưởng mang giá trị âm, bé
hơn -30%, nền kinh tế rơi vào khủng hoảng, tốc độ tăng trưởng của nên kinh tế kém, tỷ lệ
thất nghiệp tăng cao.
18
Với chi tiêu chính phủ so với tổng sản phẩm quốc nội (%), qua biểu đồ histogram,
tỷ lệ chi tiêu chính phủ có giá trị nằm trong khoảng từ 10 – 20 (%) với tần suất cao nhất là
vào khoảng gần 0.12.
19
Nhìn chung, các biến độc lập có tương quan trung bình thấp đối với biến phụ thuộc
là tỷ lệ thất nghiệp và có tác động theo chiều âm đến biến phụ thuộc, trừ biến POP và
EXP có tác động theo chiều dương lên biến phụ thuộc.
20
CHƯƠNG III. KẾT QUẢ ƯỚC LƯỢNG VÀ SUY DIỄN
THỐNG KÊ
3.1. BẢNG KẾT QUẢ THU ĐƯỢC
Bước đầu tiên ta sử dụng lệnh gán tên mô hình và biến để chạy mô hình hồi quy, thu
được kết quả:
Estimate Std. Error t Pr(>|t|)
(Intercept) 1.688e+00 4.015e-01 4.203 5.25e-05 ***
Pop 8.354e-09 2.307e-09 3.621 0.00044 ***
Fdi -1.755e-01 2.564e-02 -6.842 4.12e-10 ***
Inf -5.523e-03 5.315e-03 -1.039 0.30097
Gdp 4.926e-03 1.766e-02 0.279 0.78079
exp 7.571e-02 2.296e-02 3.297 0.00130 **
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.8257 on 114 degrees of freedom
Multiple R-squared: 0.5197,Adjusted R-squared: 0.4986
F-statistic: 24.67 on 5 and 114 DF, p-value: < 2.2e-16
3.2. PHÂN TÍCH KẾT QUẢ
Sau khi chạy R được toàn bộ dữ liệu như trình bày ở trên, chúng ta tiến hành đọc và
phân tích số liệu.
3.2.1. Mô hình hồi quy mẫu
Ta có mô hình hồi quy mẫu:
UEMi = ^β 1+ ^β 2*POP + ^β 3FDI + ^β 4 INF + ^β 5GDP + ^β 6EXP + u^ i
Trước hết, chúng ta thành lập được một bảng số liệu như sau:
Tên biến Hệ số hồi quy t P-value SER
Hệ số tự do 1.688e+00 4.203 5.25e-05 4.015e-01
POP 8.354e-09 3.621 0.00044 2.307e-09
FDI -1.755e-01 - 4.12e-10 2.564e-02
6.842
INF -5.523e-03 - 0.30097 5.315e-03
1.039
GDP 4.926e-03 0.279 0.78079 1.766e-02
21
EXP 7.571e-02 3.297 0.00130 2.296e-02
Bảng 3: Kết quả chạy hồi quy bằng phần mềm R
Theo kết quả chạy hồi quy trên phần mềm R, ta có hàm hồi quy mẫu (SRF) như sau:
𝐔𝐄𝐌𝐢= 16.88 + (8.354e-09) *POP – (1.755e-01) *FDI – (5.523e-03) *INF + (4.926e-
03) *GDP + (7.571e-02) *EXP + 𝐮̂𝐢
3.3.1. Kiểm định hệ số hồi quy bằng phương pháp khoảng tin cậy
Ta có cặp giả thuyết thống kê:
Từ kết quả chạy hồi quy bằng phương pháp OLS trên phần mềm R, ta có khoảng tin
cậy của các hệ số hồi quy với mức ý nghĩa = 5% như sau:
POP [ 3.783851e-09; 1.292415e-08]
FDI [ -0.2262926; -0.1247074]
INF [-0.01605197; 0.005005972]
GDP [ -0.03005832; 0.03991032]
EXP [ 0.03022642; 0.1211936]
cons [0.8926317;2.483368]
Với tất cả các biến POP, FDI, INF, GDP, EXP, ^β 1 giá trị thuộc vào khoảng tin cậy
nên ta bác bỏ được giả thiết Ho, vậy mô hình có ý nghĩa thống kê ở mức ý nghĩa 5%.
3.3.2. Kiểm định hệ số hồi quy bằng phương pháp P-value:
Từ kết quả trên ta có bảng sau:
Biến p-value
POP 0.00044
FDI 4.12e-10
INF 0.300
GDP 0.78079
EXP 0.0013
Bảng 4: Giá trị p-value
Các biến POP, FDI, EXP có hệ số P–value < 0.05, nghĩa là các biến này có ý nghĩa
thống kê.
Hai biến GDP và EXP có P-value > 0.05 nên chưa xác định hệ số có ý nghĩa thống
kê hay không.
23
3.4. KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH
Trong mô hình hồi quy, nếu các biến độc lập có tương quan chặt, mạnh với nhau thì
sẽ có hiện tượng đa cộng tuyến. Đó là hiện tượng các biến độc lập trong mô hình phụ
thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Nói cách khác, hai biến độc lập có
quan hệ rất mạnh với nhau, đúng ra hai biến này phải là 1 biến nhưng thực tế trong mô
hình nghiên cứu lại được tách làm 2 biến. Hiện tượng đa cộng tuyến vi phạm giả định của
mô hình hồi qui tuyến tính cổ điển là các biến độc lập không có mối quan hệ tuyến tính
với nhau.
Dấu hiệu: Xét nhân tử phóng đại phương sai VIF (variance inflation factor). Nếu
VIF > 2 thì có dấu hiệu đa cộng tuyến, đây là điều không mong muốn. Nếu VIF > 10 thì
chắc chắn có đa cộng tuyến. Nếu VIF < 2, mô hình không bị đa cộng tuyến.
Chạy lệnh vif ta thu được kết quả:
POP FDI INF GDP EXP
1.197651 1.170990 1.102077 1.127939 1.196168
Ta thấy VIFFDI, VIFPOP, VIFINF, VIFGDP và VIFEXP đều nhỏ hơn 2 nên mô hình
chắc chắn không xảy ra đa cộng tuyến.
24
CHƯƠNG IV. KẾT LUẬN MÔ HÌNH
- Các yếu tố vĩ mô như dân số (POP), tỷ lệ đầu tư trực tiếp nước ngoài (FDI), tỷ lệ
lạm phát (INF), tỷ lệ tăng trưởng tổng sản phẩm quốc nội (GDP) và tỷ lệ chi tiêu của
chính phủ (EXP) đều có ảnh hưởng đến tỷ lệ thất nghiệp của các nước ASEAN.
- Mô hình lựa chọn phù hợp với các lí thuyết kinh tế, có ý nghĩa thống kê.
- Mô hình không tồn tại hiện tượng đa cộng tuyến nhưng có phương sai sai số thay
đổi.
4.2. KIẾN NGHỊ GIẢI PHÁP
Dựa vào mô hình, ta có thể thấy mối quan hệ giữa dân số, tỷ lệ đầu tư trực tiếp nước
ngoài, tỷ lệ lạm phát, tỷ lệ tăng trưởng GDP và tỷ lệ chi tiêu chính phủ là ngược chiều với
tỷ lệ thất nghiệp. Theo kết quả của mô hình hồi quy ta thấy, khi tăng tỷ lệ đầu tư trực tiếp
nước ngoài 1 đơn vị thì tỷ lệ thất nghiệp giảm (1.755e-01) %, lớn nhất trong tất cả các
biến với điều kiện các yếu tố khác không đổi. Tỷ lệ chi tiêu chính phủ và tỷ lệ tăng
trưởng GDP có tác động tương đối đến tỷ lệ thất nghiệp. Dân số, theo cơ sở lý thuyết và
kết quả chạy mô hình, cũng có ảnh hưởng đến tỷ lệ thất nghiệp, tuy nhiên ảnh hưởng là
rất nhỏ và gần như không đáng kể.
Vì vậy, qua kết quả của việc hồi quy mô hình này, chúng em đề xuất một số giải
pháp để giảm tỷ lệ thất nghiệp ở các nước ASEAN:
- Tăng tỷ lệ đầu tư trực tiếp nước ngoài (FDI): Giảm thuế cho các doanh nghiệp
mới đầu tư vào các lĩnh vực phát triển của nhà nước, kêu gọi vốn đầu tư từ các nước phát
triển, cải cách thể chế, đơn giản hóa các thủ tục hành chính cho các doanh nghiệp nước
ngoài, mở cửa các lĩnh vực có sức hút với các nahf đầu tư nước ngoài, phát triển cơ sở hạ
tầng, nâng cao khoa học kĩ thuật.
- Tăng tỷ lệ tăng trưởng tổng sản phẩm quốc nội (GDP): Tổng sản phẩm quốc nội
thể hiện sức mạnh của nền kinh tế, quy mô GDP càng lớn thì kinh tế càng mạnh. Vì vậy
cần tập trung phát triển kiểm soát lạm phát, linh hoạt các công cụ chính sách tiền tệ, phối
25
hợp chặt chẽ, đồng bộ với chính sách tài khóa, tăng chi tiêu chính phủ, tăng xuất khẩu và
giảm nhập khẩu, tăng đầu tư trong và ngoài nước, khuyến khích tiêu dùng trong nước.
26
KẾT LUẬN
Qua những phân tích trên đây, chúng ta có thể kết luận rằng tỉ lệ thất nghiệp UEM
nhìn chung có chịu ảnh hưởng của một số yếu tố như dân số, tỉ lệ lạm phát, tỉ lệ đầu tư
trực tiếp nước ngoài, tỉ lệ tăng trưởng của tổng sản phẩm quốc nội và chi tiêu chính phủ
(POP, INF, FDI, GDP và EXP). Việc xây dựng, chạy mô hình và kiểm định đã giúp
chúng ta có cái nhìn đầy đủ và tương đối chính xác về sự ảnh hưởng của từng biến được
đưa vào, ý nghĩa của chúng đối với biến phụ thuộc, từ đó rút ra được mối tương quan giữa
các biến và mức độ phụ thuộc của UEM với các biến độc lập đó. Như vậy sẽ giúp cho
chúng ta có được định hướng đúng đắn cho bản thân cũng như giúp Chính phủ có thể kịp
thời đưa ra được những điều chỉnh đúng đắn trong chính sách về giải quyết vấn đề thất
nghiệp song song với các vấn đề trọng yếu khác. Bên cạnh đó vẫn còn nhiều yếu tố khác
có khả năng tác động đến tỉ lệ thất nghiệp mà bản báo cáo của báo cáo chưa nghiên cứu
đến như tiền lương tối thiểu, tỉ lệ đầu tư không hoàn vốn,… Do đó kết quả đưa ra vẫn
chưa phải là chính xác nhất và còn cần rất nhiều những nghiên cứu sâu hơn.
Cuối cùng chúng em xin chân thành cảm ơn giảng viên bộ môn cô Nguyễn Thu
Giang, người đã nhiệt tình chỉ bảo và giúp đỡ chúng em trong quá trình hoàn thiện bản
báo cáo này. Qua quá trình hoàn thiện, chúng em đã có cơ hội được thực hành nhưng kiến
thức đã học về vận dụng R trong phần nội dung học phần. Với vốn kiến thức và kĩ năng
có hạn, chúng em tự nhận thấy bản báo cáo này còn nhiều thiếu xót, tuy nhiên chúng em
vẫn rất mong có được sự góp ý và động viên của cô để có thể làm vận dụng những kiến
thức đã có được vào công việc tương lai và cuộc sống sau này.
27
PHỤ LỤC
Bảng số liệu để chạy mô hình
COUNTR
Y TIME UEM POP FDI INF GDP EXP
Vietnam 16.9523
1994 1.983999968 73925082 11.939483 2 8.838980952 14.06092825
Vietnam
1995 1.957999945 75198977 8.5859659 17.0402 9.540480175 14.16092525
Vietnam 8.69676
1996 1.929999948 76372719 9.7130806 7 9.340017496 13.01445255
Vietnam 6.59740
1997 2.869999886 77453335 8.2700968 5 8.152084143 13.06254616
Vietnam 8.83786
1998 2.289999962 78452897 6.1412144 4 5.764455464 14.19064827
Vietnam 5.73470
1999 2.329999924 79391374 4.9226635 3 4.773586881 14.97284155
Vietnam 3.40882
2000 2.25999999 80285562 4.1639241 8 6.787316408 18.07875309
Vietnam 2.62226
2001 2.75999999 81139919 3.9773355 5 6.192893312 15.62335636
Vietnam 4.69892
2002 2.119999886 81956496 3.9926871 8 6.320820988 16.64142949
Vietnam 7.10960 17.5599036
2003 2.25 82747662 3.6660123 2 6.899063492 9
Vietnam 8.43331 17.5598728
2004 2.140000105 83527678 3.5440811 2 7.536410612 9
Vietnam 18.8105 17.0951672
2005 2.299000025 84308843 3.3904036 2 7.547247727 9
Vietnam 8.56894 17.6467762
2006 2.448999882 85094617 3.6160009 8 6.977954812 2
Vietnam 9.63022 19.0588857
2007 2.595999956 85889590 8.6547177 6 7.129504484 2
Vietnam 22.6733 18.6721673
2008 2.380000114 86707801 9.6630391 2 5.661771208 3
Vietnam 6.21562 18.7377098
2009 2.609999895 87565407 7.1688199 3 5.397897543 3
Vietnam 19.1843835
2010 2.640000105 88472512 6.9006118 12.0743 6.423238217 6
Vietnam 2011 2.019999981 89436644 5.4817993 21.2606 6.240302749 18.3801099
28
6 3
Vietnam 10.9260 20.3126314
2012 1.769999981 90451881 5.370299 3 5.247367156 4
Vietnam 4.76065 21.5626926
2013 1.950000048 91497725 5.1979294 5 5.421882991 8
Vietnam 3.66238
2014 1.870000005 92544915 4.9408003 4 5.983654637 19.72155486
Vietnam
2015 2.119999886 93571567 6.1063612 -0.19079 6.679288789 18.68908001
Vietnam 1.11064
2016 2.099999905 94569072 6.1380724 9 6.210811668 16.99037096
Vietnam 4.12491
2017 2.052999973 95540800 6.300835 9 6.81224566 17.49260978
Laos 7.70059
1994 2.622999907 4740380 3.8351747 6 8.15901853 14.63257002
Laos 19.6853
1995 2.599999905 4851923 5.392574 6 7.031254328 20.3949681
Laos 13.7252
1996 2.438999891 4957180 8.5287093 1 6.928323725 17.54262103
Laos 19.3528
1997 2.282999992 5056519 4.9398634 2 6.872091273 17.34241675
Laos 84.5044
1998 2.109999895 5150763 3.5385709 6 3.967608091 16.46877902
Laos
1999 1.962000012 5241284 3.5483484 127.974 7.306376073 16.36226052
Laos 24.7977
2000 1.832000017 5329304 1.9576039 8 5.798782326 15.97741261
Laos 8.86807
2001 1.671000004 5414568 1.351579 4 5.751412882 15.3408742
Laos 6.31846
2002 1.537999988 5497273 0.2531769 5 5.918743682 15.31547851
Laos 13.4500
2003 1.39199996 5579656 0.9629697 9 6.067002304 15.07756211
Laos 10.6904
2004 1.256999969 5664605 0.714895 3 6.35769548 14.17419228
Laos 8.64032
2005 1.350000024 5754026 1.0133213 2 7.107568369 15.46619002
Laos
2006 1.210999966 5849356 5.4247615 10.8051 8.619266209 14.3440497
Laos 7.43828
2007 1.059999943 5949787 7.6609717 6 7.596828801 13.50093727
Laos 8.86345 10.7844255
2008 0.912999988 6052190 4.1839374 1 7.824902763 2
29
Laos 11.5161401
2009 0.763999999 6152036 5.4620749 -2.93207 7.501774913 5
Laos 9.19657 11.0270983
2010 0.709999979 6246274 3.9115322 1 8.526905517 4
Laos 10.4687 10.7431744
2011 0.700999975 6333487 3.4373668 2 8.038652681 9
Laos 7.52885 10.9849961
2012 0.68900001 6415169 6.0615658 9 8.026098434 3
Laos 6.47397 16.8133673
2013 0.67900002 6494557 5.7057788 2 8.026300226 3
Laos 5.72655 15.4860759
2014 0.663999975 6576397 6.5391631 9 7.611963441 6
Laos 2.34858 14.8923361
2015 0.649999976 6663967 7.4894414 5 7.269591775 1
Laos 3.02252 13.8677114
2016 0.661000013 6758353 5.9174586 1 7.023091874 6
Laos 1.85179 12.2015251
2017 0.671000004 6858160 9.4900463 6 6.892747966 3
Combodia 59.9652
1994 0.855000019 10315376 2.4682643 9 -34.80863877 7.83614173
Combodia
1995 0.846000016 10653558 4.382185 8.00418 9.903468901 6.093261362
Combodia 3.03250
1996 0.839999974 10980273 8.3725542 2 5.89750561 9.746181642
Combodia 6.00507
1997 2.993000031 11295880 5.9156417 6 4.006621073 9.01833263
Combodia 10.3577
1998 5.260000229 11597739 7.7817266 4 4.681632108 8.913681378
Combodia 1.26155
1999 3.809999943 11883636 6.6028638 2 12.70538113 10.7823661
Combodia
2000 2.470000029 12152354 3.2167443 -4.28323 10.7119948 7.35823581
Combodia 2.64654
2001 1.820000052 12402473 3.6767564 1 7.446606976 8.893687516
Combodia 0.71314 9.38058683
2002 2.00999999 12634729 3.0568509 1 6.578939503 3
Combodia 1.79751 9.29103452
2003 2.082000017 12853124 1.7513166 8 8.505895557 5
Combodia 4.82373 8.18001329
2004 2.34800005 13063377 2.461977 8 10.34052878 4
Combodia 6.07667
2005 1.998999953 13270201 6.0253839 9 13.25008691 7.59087661
Combodia 2006 1.641000032 13474489 6.6424225 4.63110 10.77108367 8.58695261
30
9 4
Combodia 6.51803 8.20115340
2007 0.870000005 13676693 10.03895 4 10.21257391 9
Combodia 12.2537 8.56011655
2008 0.439999998 13880509 7.8746811 9 6.691577475 1
Combodia 2.50438 10.9657037
2009 0.189999998 14090208 8.9252724 5 0.086696959 8
Combodia 3.12059 10.6327675
2010 0.349999994 14308740 12.491381 3 5.963078575 5
Combodia 3.36406
2011 0.200000003 14537886 11.994844 6 7.069569946 11.0514137
Combodia 1.44051 10.5733421
2012 0.159999996 14776866 14.257763 8 7.313345505 9
Combodia 0.78138 11.8613711
2013 0.300000012 15022692 13.583346 8 7.356665149 7
Combodia 2.63219 12.4526946
2014 0.180000007 15270790 11.096895 6 7.142571101 7
Combodia 1.71927 11.5969699
2015 0.179000005 15517635 10.098664 1 7.036087179 9
Combodia 3.45611 12.9896420
2016 0.197999999 15762370 12.369221 7 6.863092098 6
Combodia 3.42865
2017 0.216000006 16005373 12.582625 3 7.09986595 12.87305648
Malaysia 3.93740
1994 3.003000021 19986894 5.8296441 6 9.212041799 19.53797351
Malaysia 3.63348
1995 3.140000105 20495597 4.7102666 4 9.829085181 18.46713201
Malaysia 3.67996 18.6890841
1996 2.519999981 21023321 5.0353628 1 10.0027007 1
Malaysia 3.48275 16.9903653
1997 2.450000048 21565325 5.1362412 7 7.322741842 4
Malaysia 8.49910 16.8127127
1998 3.200000048 22113464 2.9977403 3 -7.359415193 1
Malaysia 0.04576 18.5838824
1999 3.430000067 22656286 4.9214339 5 6.137612015 9
Malaysia 8.85449 16.5121871
2000 3 23185608 4.0384286 3 8.858868177 2
Malaysia 18.7453892
2001 3.529999971 23698907 0.5970293 -1.58187 0.517675319 6
Malaysia 3.12861
2002 3.470000029 24198811 3.1661326 4 5.390988299 17.6745509
31
Malaysia 3.29920 17.6261853
2003 3.609999895 24688703 2.9209421 2 5.788499284 2
Malaysia 6.00950 18.8868661
2004 3.539999962 25174109 3.5078652 6 6.783437734 3
Malaysia 8.86235 17.6866981
2005 3.529999971 25659393 2.7343931 7 5.332139149 4
Malaysia 3.98075 17.7191114
2006 3.329999924 26143566 4.7272024 7 5.584847072 4
Malaysia 4.88149 18.1188211
2007 3.230000019 26625845 4.686888 9 6.29878593 4
Malaysia 10.3887
2008 3.339999914 27111069 3.2807913 6 4.831769887 19.5680128
Malaysia 21.6713140
2009 3.690000057 27605383 0.0566923 -5.9921 -1.513528719 6
Malaysia 7.26686 18.2319253
2010 3.25 28112289 4.2685903 7 7.424847386 9
Malaysia 5.41240 19.7347795
2011 3.089999914 28635128 5.0744325 8 5.29391284 9
Malaysia 0.99993
2012 3.019999981 29170456 2.8290565 2 5.473454192 20.979877
Malaysia 0.17447 20.6021204
2013 3.109999895 29706724 3.4943015 4 4.69372252 3
Malaysia 2.46746 19.6835443
2014 2.869999886 30228017 3.1412679 7 6.00672195 9
Malaysia 18.5819944
2015 3.099999905 30723155 3.3229793 -0.3745 5.091515721 2
Malaysia 1.95120 17.0181709
2016 3.440000057 31187265 4.5391605 6 4.223410194 8
Malaysia 3.81956
2017 3.414999962 31624264 3.0223646 2 5.897009293 21.04572582
Philipines 9.99131 14.3453590
1994 3.823999882 68236230 2.4826612 5 4.387623341 8
Philipines 17.0757436
1995 3.802999973 69835715 1.994064 7.55087 4.678692219 4
Philipines 7.66103
1996 3.788000107 71446107 1.831061 8 5.845873472 16.9571732
Philipines 6.22439
1997 3.759000063 73064764 1.4840136 2 5.185362276 17.0409153
Philipines 10.4574
1998 3.726999998 74693695 3.1672817 8 -0.576718146 15.98284758
Philipines 1999 3.73300004 76335812 1.5024975 6.58505 3.081916458 17.3325687
32
7
Philipines 5.70979 16.2167924
2000 3.726999998 77991569 1.8352066 6 4.41122216 4
Philipines 16.9471757
2001 3.700000048 79665315 0.9965635 5.54948 2.893987062 4
Philipines 4.16222 16.8286061
2002 3.657000065 81352060 2.1743511 7 3.645903318 1
Philipines 3.20132
2003 3.529999971 83031954 0.586355 8 4.970368696 16.9123527
Philipines 5.51688
2004 3.549999952 84678493 0.6479063 7 6.697623613 15.8542771
Philipines 17.2039991
2005 3.799999952 86274237 1.614412 5.82801 4.77766782 6
Philipines 4.94902 15.2236492
2006 4.050000191 87809419 2.2153663 4 5.242960356 4
Philipines 3.09033 14.5036911
2007 3.430000067 89293490 1.9541554 1 6.616662284 4
Philipines 7.54906 14.1608560
2008 3.720000029 90751864 0.7692681 2 4.152756843 5
Philipines 2.77324 15.1680197
2009 3.859999895 92220879 1.2264981 5 1.14833222 6
Philipines 4.22238 14.4003318
2010 3.609999895 93726624 0.5362908 7 7.63226478 9
Philipines 4.02172 14.1288846
2011 3.589999914 95277940 0.8954774 3 3.659751601 4
Philipines 1.96838 14.1861317
2012 3.5 96866642 1.2856924 4 6.683818881 8
Philipines 2.04546 13.7934077
2013 3.5 98481032 1.3748621 8 7.064024264 1
Philipines 3.15743 13.4027858
2014 3.599999905 100102249 2.0168258 8 6.145298786 3
Philipines
2015 3.039999962 101716359 1.9261116 -0.58657 6.066548905 14.1060815
Philipines 1.69909 14.0405095
2016 2.710000038 103320222 2.7155936 6 6.875714823 1
Philipines 2.32070
2017 2.345999956 104918090 3.2071242 9 6.684517503 14.2593435
33
34
TÀI LIỆU THAM KHẢO
Nguyễn Quang Dong, Giáo trình Kinh tế lượng, NXB Đại học Kinh tế Quốc
dân.
Nguyễn Văn Công, 2007, Giáo trình Nguyên lý kinh tế vĩ mô, NXB Lao động.
Nhóm nghiên cứu, 2017, nghiên cứu “Các yếu tố ảnh hưởng đến tổng sản phẩm
quốc nội của các nước đang phát triển giai đoạn 2011 – 2015”.
Ahn, Y. s., Adji, S. S., & Willet, T. D. (1998). The Effects Of Inflation And
Exchange Rate
Policies On Direct Investment To Developing Countries. International Economic
Journal, 12 (1), 95-104.
Altavilla, C., & Ciccarelli, M. (2007). Inflation forecasts, Monetary policy and
Unemployment dynamics. European Central Bank (27), 1-37.
Anil, K. L., & Thomas, C. L. (2002). Nominal effective exchange rate and reade
balance adjustnebt in South Asia Countries. Journal Of Asian Economies, 371-383.
Cashell, W. B. (2004). Inflation and unemployment: What is the connection?
Federal Publications.
El-Agrody, N. M., Othman, A. Z., & Hassan, M. B.-D. (2010). Economic Study of
Unemployment in Egypt and Impacts on GDP. Nature and Science, 8 (10), 102-111.
Flaim, P. O. (1990). Population Changes, The Babt boom, and The Unemployment
Rate. Monthly Labor Review, 3-10.
Lui, L. Q. (2009). Inflation and Unemployment: The roles of goos and labor market
institution. 1 31.
Osinubi, T. S. (2005). Macroeconometric Analysis Of Growth, Unemployment And
Poverty In Nigeria. Pakistan Economic and Social Review, XLIII (2), 249-269.
Pallis, D. (2006). The trade off between inflation and unemployment in new
European Union member-states. International Research Journal Of Finance and
Economics (1), 81-97.
Tunah, H. (2010). The Analysis of Unemployment in Turkey: Some Empirical
Evidence Using Co integration Test. European Journal of Social Sciences, 18 (1), 18-38.
35
https://data.worldbank.org/indicator/sp.pop.totl
https://data.worldbank.org/indicator/NY.GDP.MKTP.KD.ZG
https://data.worldbank.org/indicator/BX.KLT.DINV.WD.GD.ZS
https://data.worldbank.org/indicator/NY.GDP.DEFL.KD.ZG
https://data.worldbank.org/indicator/GC.XPN.TOTL.GD.ZS
https://data.worldbank.org/indicator/sl.uem.totl.zs
36