KyYeuTTK2019

MỤC LỤC
TT Tên bài Tác giả Trang

Phần 1: Thống kê ứng dụng trong kinh doanh và kinh tế
Thống kê chất lượng công bố quốc tế của các học giả UEH Chu Nguyễn Mộng Ngọc
1 giai đoạn 2011-2018 Hà Văn Sơn 2
Nghiên cứu các yếu tố ảnh hưởng đến quyết định mua sắm Trần Hà Quyên
2 thời trang online của sinh viên tại TP. Hồ Chí Minh Lê Thị Kim Phúc 8
Các yếu tố ảnh hưởng đến ý định sử dụng ví điện tử của giới Hoàng Trọng
3 trẻ tại thành phố Hồ Chí Minh Nguyễn Kim Bản 31
Các yếu tố ảnh hưởng đến quyết định chọn hãng hàng không Võ Thị Lan
4 Bamboo Airways của hành khách tại TP.HCM Đào Nhựt An 47
Tác động của chất lượng giấc ngủ đến kết quả học tập sinh
5 viên đại học Nguyễn Thảo Nguyên 68
Các yếu tố ảnh hưởng đến quyết định chọn ngành Toán kinh Nguyễn Thanh Vân
6 tế của sinh viên trường Đại học Kinh tế TP.HCM Nguyễn Toàn Trí 77
Nghiên cứu các yếu tố ảnh hưởng đến quyết định chọn trung Võ Thị Lan
7 tâm để học tiếng Trung ở TP.HCM của học viên Trịnh Thị Dung 112
Phần 2: Toán kinh tế và kinh tế lượng ứng dụng
Đánh giá sự phụ thuộc của VN-Index vào giá dầu thế giới
8 bằng hệ số tương quan phân vị Nguyễn Thị Ngọc Miên 136
Phân tích mối liên hệ giữa tăng trưởng GDP và hoạt động du
lịch tại các tỉnh/thành Việt Nam bằng mô hình hồi quy
9 không gian Nguyễn Văn Sĩ 146
Hướng dẫn cách xây dựng mô hình hồi qui dành cho sinh
10 viên mới làm quen với nhập môn kinh tế lượng Ngô Thị Tường Nam 165
Mối quan hệ giữa điện năng tiêu thụ và tăng trưởng kinh tế ở Hoàng Thị Diễm Hương
11 một số nước Đông Nam Á Ngô Thị Tường Nam 171
Mối quan hệ giữa giá dầu và tỷ giá hối đoái: phân tích
Wavelet cho trường hợp các quốc gia đang phát triển khu Nguyễn Thanh Vân
12 vực Đông Nam Á Nguyễn Toàn Trí 184
Điều chỉnh mô hình: hồi quy Ridge, hồi quy Lasso và hồi
13 quy Elastic net Bùi Thị Lệ Thủy 217
14 Một mở rộng về mô hình khối lượng đặt hàng kinh tế cơ bản Nguyễn Thành Cả 232
Phần 3: Lý thuyết và mô hình toán
15 Lý thuyết trò chơi & một số tình huống thực tế Lê Thị Hồng Hoa 244
Tiêu chuẩn thông tin với mô hình hóa thống kê áp dụng cho
16 lựa chọn mô hình Trần Gia Tùng 254
17 Các tiêu chuẩn thông tin lựa chọn mô hình Phạm Trí Cao 262
Phương pháp phân tích thành phần chính (Principal
18 Component Analysis) Phan Ngô Tuấn Anh 291
Tồn tại nghiệm yếu của phương trình dĩa với ma sát tắt dần
19 và thành phần nguồn logarit Ngô Trấn Vũ 299
Đào Bảo Dũng
20 Chỉnh hóa phép biến đổi Laplace ngược Nguyễn Văn Nhân 307
HỘI THẢO KHOA HỌC KHOA TOÁN – THỐNG KÊ TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM NĂM 2019
PHẦN 1
THỐNG KÊ ỨNG DỤNG

TRONG KINH DOANH
VÀ KINH TẾ
1
THỐNG KÊ CHẤT LƯỢNG CÔNG BỐ QUỐC TẾ CỦA CÁC HỌC GIẢ UEH
GIAI ĐOẠN 2011-2018
Chu Nguyễn Mộng Ngọc a*, Hà Văn Sơn b

a
Khoa Toán-Thống kế, Trường Đại học Kinh tế TP.HCM, Việt Nam
b
Tóm tắt
Tác giả sử dụng các phương pháp thống kê mô tả chất lượng các tạp chí quốc tế mà các học
giả UEH đã công bố từ 2011-2018 để cung cấp cho độc giả bức tranh chung về tình hình công
bố quốc tế của học giả UEH. Từ đó các giải pháp cải thiện công bố quốc tế của UEH được tác
giả đề xuất với nhà trường.
Từ khóa: công bố quốc tế; chỉ số đo lường ấn phẩm khoa học; thống kê mô tả
1. GIỚI THIỆU
Công bố quốc tế (CBQT) là thước đo năng lực nghiên cứu và khả năng hội nhập
của trường đại học, một trong những tiêu chí quan trọng để đánh giá và xếp hạng đại học,
mà là xu thế tất yếu và nóng sốt hiện nay. CBQT còn là cách để trường đại học quảng bá
mình tốt hơn để thu hút được nhiều sinh viên và các nguồn tài trợ, chiêu mộ thêm nguồn
nhân lực chất lượng cao tham gia vào nghiên cứu và đào tạo.
Để thực hiện mục tiêu đẩy mạnh CBQT, những năm qua lãnh đạo trường Đại học
Kinh tế Tp. Hồ Chí Minh (UEH) đã có hàng loạt hành động cụ thể như: mở các lớp huấn
luyện ngoại ngữ học thuật cho giảng viên; tổ chức các tọa đàm, hội thảo về các chủ đề
nóng trong lĩnh vực khoa học kinh tế để các nhà khoa học trong trường có điều kiện hội
nhập và chia sẻ kiến thức với cộng đồng các nhà khoa học trong nước và quốc tế; đẩy
mạnh đầu tư dành cho nghiên cứu hàn lâm và tăng mức trao thưởng cho các bài báo công
bố trên các tạp chí quốc tế có uy tín. UEH còn mời các nhà khoa học quốc tế tới trường
làm việc để tương tác, chuyển giao kinh nghiệm nghiên cứu theo thông lệ quốc tế cho
giảng viên trong trường, và đưa giảng viên đi các trường khác học tập để từng bước lớn
mạnh về năng lực công bố quốc tế… Tất cả những động thái này đã thể hiện xu hướng
quốc tế hóa nghiên cứu khoa học của UEH và đem lại những thành tựu đáng khích lệ.
2. TỔNG QUAN TÌNH HÌNH CBQT TẠI UEH
2.1. Vị trí của UEH trong bức tranh chung CBQT của Việt Nam
Tháng 07 năm 2019, Bộ Giáo dục-Đào tạo đã ra quyết định thưởng bài báo được
công bố trên tạp chí khoa học quốc tế uy tín trong danh mục ISI, SCI, SCIE năm 2018.
Theo quyết định này, trong danh sách 28 đơn vị được khen thưởng, đa số là các trường đại
học đa ngành và các trường đại học khối ngành kỹ thuật, sư phạm; riêng nhóm trường đại
học thuộc lĩnh vực kinh tế thì UEH dẫn đầu với 29 bài.
2
2.2 Số lượng CBQT trên các tạp chí uy tín giai đoạn 2011-2018 của UEH
Bảng 1 Thống kê tổng số bài báo của UEH đăng trên các tạp chí quốc tế uy tín, từ năm
2011-2018
Năm 2018 2017 2016 2015 2014 2013 2012 2011 Tổng
Số bài 60 57 44 19 16 10 4 13 223
(%) 26,9 25,6 19,7 8,5 7,2 4,5 1,8 5,8 100
Nguồn: ueh.edu.vn
Vào năm 2014, UEH đã hình thành Quỹ Nghiên cứu Hàn lâm UEH Foundation for
Academic Research nhằm khuyến khích giảng viên thực hiện đề tài nghiên cứu khoa học
theo hướng hàn lâm, viết bài bằng tiếng Anh và công bố kết quả nghiên cứu trên các tạp
chí quốc tế có uy tín (ISI, Scopus, ABDC). Kết quả của chính sách này đã đơm hoa kết trái
thể hiện qua số CBQT tăng vọt và tăng liên tục từ năm 2016. Trong nội dung phần 3 tác
giả làm một số thống kê cụ thể hơn về chất lượng các tạp chí mà các học giả UEH đã từng
CBQT, để có bức tranh chi tiết về chất lượng CBQT của UEH từ 2011-2018.
3. THỐNG KÊ CHẤT LƯỢNG TẠP CHÍ MÀ CÁC HỌC GIẢ UEH ĐÃ CBQT
Do các học giả UEH có CBQT trên cả hai nhóm lĩnh vực khác nhau, một nhóm là
các giảng viên ngành toán với ngành công nghệ thông tin; và nhóm các giảng viên các
ngành còn lại trong trường. Do đó tác giả tiến hành phân tích tình hình CBQT chi tiết cho
hai lĩnh vực riêng biệt này, vì các chỉ số đo lường ấn phẩm khoa học như IF và h-index
không phù hợp để so sánh liên ngành (Emilio & Alvaro, 2013; Cantín, Munoz, & Roa,
2015). Tác giả làm theo cách phân loại của cơ sở dữ liệu Scopus, phân loại lĩnh vực được
sử dụng trong Scopus khác với phân loại lĩnh vực được sử dụng trong Journal Citation
Reports và khác với cách mà độc giả lâu nay thường dùng (Scopus-CiteScore_FAQ, 2018).
Ví dụ, Scopus xếp ngành toán học vào lĩnh vực Physical Science. Ở đây tác giả không đi
sâu vào bàn về quan điểm phân chia này mà thực hiện các phân tích thuận theo quan điểm
của Scopus, do đó các tạp chí mà học giả UEH đã công bố từ 2011-2018 được tác giả phân
loại thành hai nhóm: nhóm khoa học vật lý (KHVL) và nhóm khoa học xã hội (KHXH).
3.1 Thống kê CBQT của UEH theo cơ sở dữ liệu xếp hạng tạp chí
Vì có nhiều tạp chí cùng lúc xuất hiện trong các bảng xếp hạng khác nhau ví dụ vừa
có trong ISI vừa có mặt trong Scopus hoặc vừa có trong Scopus vừa có trong ABDC. Nên
tác giả chỉ tính theo một bảng xếp hạng cao nhất khi tạp chí đó thuộc nhiều bảng xếp hạng.
Ngoài ra một tạp chí có nhiều học giả UEH cùng công bố, hoặc một học giả có thể công bố
nhiều lần trên cùng một tạp chí nên khi tổng hợp số lượng tạp chí mà các học giả đã công
bố từ năm 2011 đến nay thì tổng số lượng là 136 tạp chí (với 25 tạp chí thuộc nhóm
KHVL và 111 tạp chí thuộc nhóm KHXH) ít hơn tổng số bài đã CBQT (223 bài).
Bảng 2 Thống kê cơ sở dữ liệu xếp hạng tạp chí mà các học giả UEH đã CBQT
Toàn trường Lĩnh vực KHVL Lĩnh vực KHXH

Phân loại số lượng số lượng số lượng
tạp chí (tạp chí) % (tạp chí) % (tạp chí) %
B 1 0,7 1 0,9
C 4 2,9 4 3,6
3
ISI 70 51,5 19 76,0 51 46,0

Scopus 61 44,9 6 24,0 55 49,5
Tổng 136 100 25 100 111 100
Nguồn tác giả tổng hợp
3.2 Thống kê CBQT của UEH theo nhà xuất bản
Các học giả UEH bên nhóm KHVL đã CBQT nhiều nhất trên các tạp chí của nhà
xuất bản Elsevier BV, kế đến là nhà xuất bản Springer Verlag. Ngược lại các tạp chí của
nhà xuất bản Elsevier BV lại là lựa chọn công bố phổ biến hàng thứ nhì của các học giả
UEH nhóm KHXH, còn nhà xuất bản ở vị trí lựa chọn số một là Emerald Group Publishing
Ltd.
3.3 Thống kê các chỉ số đo lường ấn phẩm khoa học của các tạp chí học giả UEH
đã CBQT
Bảng 3 Thống kê các chỉ số đo lường ấn phẩm khoa học của các tạp chí học giả UEH đã
CBQT
KHXH KHVL
h-index IF 2017 h-index IF 2017
Trung bình 33,560 1,188 38,240 0,973
Trung vị 24 0,842 25 0,944
Độ lệch chuẩn 30,447 0,997 34,924 0,612
Minimum 0 0 1 0
Maximum 144 5,723 118 2,3
Giá trị khuyết thiếu 4 4 0 0
Nguồn tác giả tổng hợp (bảng số liệu này được tổng hợp vào đầu năm 2019 khi các cơ sở
dữ liệu về tạp chí quốc tế vẫn còn đăng tải thông tin IF và h-index của năm 2017 chứ chưa
cập nhật số liệu của 2018).
Số liệu cho thấy xét về trung bình, các tạp chí được học giả UEH công bố bên
nhóm KHVL có chỉ số H-index cao hơn, nhưng các tạp chí được các học giả UEH công bố
bên KHXH lại có IF trội hơn.
Vào cuối năm 2017, UEH đã đơn giản thủ tục hành chính và nâng mức thưởng cho
các công bố quốc tế, 200 triệu đồng là mức thưởng cao nhất cho một công bố quốc tế đạt
ISI/Scopus Q1 có IF>2, chính sách này đã gây tiếng vang khá lớn trong cộng đồng giáo
dục đại học Việt Nam. Vì lý do đó, tác giả sẽ phân tích chi tiết hơn về số liệu IF của các
tạp chí mà các học giả UEH từng CBQT bằng phương pháp biểu đồ hộp, để cung cấp cái
nhìn sâu hơn về chất lượng của các tạp chí.
4
Hình 1 Biểu đồ hộp mô tả chỉ số IF của các tạp chí mà các học giả UEH đã CBQT
Phân tích cho thấy chỉ số IF của các tạp chí thuộc lĩnh vực KHXH lệch phải
khá mạnh với ngoại lệ là các tạp chí có IF trên 3,6; cá biệt có Journal of the
Academy of Marketing Science với IF tới 5,7. Còn các tạp chí thuộc lĩnh vực
KHVL có phân bố chỉ số IF cân đối hơn, với ngoại lệ là các tạp chí có IF từ 2,3 trở
lên.
Trên đây tác giả đã thực hiện đánh giá chất lượng tạp chí mà các học giả
UEH đã công bố qua chỉ số IF lâu đời và uy tín, hoặc chỉ số h dễ dùng và dễ hiểu.
Gần đây Scopus.com đã công bố chỉ số SJR có tính thuyết phục cao do loại bỏ được
các chiêu trò gia tăng trích dẫn và có thể so sánh liên ngành nhờ thuật toán phức tạp
(Scopus-CiteScore_FAQ, 2018). Thậm chí Falagas & ctg. (2008) cho rằng chỉ số
SJR có thể được xem như là thay thế quan trọng cho IF nhờ tính mở, cơ sở dữ liệu
nguồn lớn hơn và đánh giá được chất lượng trích dẫn.
Hình 2 Biểu đồ hộp mô tả chỉ số SJR của các tạp chí mà các học giả UEH đã CBQT
5
Biểu đồ này vẫn cho thấy Journal of the Academy of Marketing Science là tạp chí ở
vị trí ngoại lệ vượt trội của các công bố bên nhóm KHXH. Biểu đồ cũng cho thấy các
CBQT của cả hai nhóm học giả chuyên môn UEH đều lệch phải nhẹ. Nếu không xét ngoại
lệ thì về cơ bản các tạp chí mà nhóm học giả KHVL của UEH đã CBQT có chất lượng cao
hơn một chút nhóm các tạp chí KHXH.
4. GIẢI PHÁP CẢI THIỆN CÔNG BỐ QUỐC TẾ CỦA UEH
Ngày 16/10/2018 lãnh đạo UEH đã tổ chức họp mặt cán bộ viên chức có bài báo
công bố quốc tế, tại buổi gặp này, phòng Quản lý khoa học và hợp tác quốc tế của UEH đã
đề xuất 16 giải pháp đẩy mạnh công bố quốc tế của UEH để tham khảo ý kiến của các nhà
nghiên cứu. Các giải pháp này tập trung vào các vấn đề từ nhỏ đến lớn, có giải pháp mang
tính đột phá và khá táo bạo.
Ở góc nhìn của một nhà nghiên cứu cá nhân, tác giả đề xuất một số giải pháp khác
với lãnh đạo UEH:
Điều chỉnh chính sách thưởng khuyến khích cán bộ, giảng viên thực hiện CBQT
dựa trên tiêu chuẩn chỉ số đo lường ấn phẩm khoa học theo cách chú trọng đúng mức các
chỉ số chất lượng đo lường ấn phẩm khoa học khác, tránh sử dụng duy nhất một tiêu chí
đơn lẻ như IF khó có thể so sánh giữa các ngành khoa học khác nhau (Emilio & Alvaro,
2013; Cantín, Munoz, & Roa, 2015).
UEH đã thống nhất và chuẩn hoá cách sử dụng tên gọi các đơn vị trong trường khi
CBQT, và quy định chặt chẽ cách học giả UEH khai báo thông tin tên trường khi công bố
kết quả nghiên cứu ra quốc tế. Tiếp theo đó, UEH cần quy định thống nhất cách thể hiện
bút danh trên các công bố. Việc làm này giúp quảng bá thương hiệu về mảng nghiên cứu
khoa học của UEH.
Để có các chiến lược hỗ trợ khuyến khích CBQT đúng đắn nhà trường cần những
phân tích đo lường ấn phẩm khoa học (bibliometrics) có thể đóng góp thông tin cho việc
xây dựng và thực hiện chiến lược đẩy mạnh công bố quốc tế với những mức độ sâu khác
nhau: từ mức thấp là những nghiên cứu mô tả về thực trạng giúp nhận thức đúng về những
gì đang tồn tại cho đến những nghiên cứu có tính chất dự báo và đưa ra hướng đi. Việc xác
định các tiêu chí liên quan đến CBQT ví dụ tiêu chí tuyển dụng giảng viên với thành tích
CBQT lượng hóa cụ thể ra sao là phù hợp; hay tiêu chí đặt mức tài trợ cho CBQT của
giảng viên… cần có kết hợp của nhiều phòng ban liên quan để thực hiện các nghiên cứu
bài bản và quy mô chứ không nên xác định dựa theo kinh nghiệm hoặc tham khảo số liệu
của các tổ chức giáo dục đại học khác với đặc thù không giống UEH vì đánh giá khách
quan thành tựu của một nhà khoa học là một vấn đề đa khía cạnh và phức tạp (Nguyễn Văn
Tuấn, 2008).
Việc phân tích đo lường ấn phẩm khoa học (bibliometrics) cần sử dụng các cơ sở
dữ liệu xếp hạng tạp chí khoa học quốc tế. Việc theo dõi thường xuyên các cơ sở dữ liệu
này còn quan trọng ở chỗ đảm bảo việc liệt kê thành tích CBQT của UEH đang được các
cơ sở dữ liệu thực hiện đúng chứ không bị các tác nhân sai lệch như sai tên trường, nhầm
tên quốc gia…; còn nếu có sai sót thì UEH có thể yêu cầu điều chỉnh kịp thời nhằm bảo
đảm quyền lợi và sự công bằng cho UEH trong thứ hạng khoa học quốc gia và thế giới. Vì
các lý do đó lãnh đạo UEH nên xem xét thực hiện mua quyền truy cập các cơ sở dữ liệu
như ISI Web of Science hoặc Scopus (chú ý là Scimago Journal Ranking cho truy cập
miễn phí nhưng Scopus thì phải đăng ký).
6
Tìm hiểu chính sách đãi ngộ thu hút CBQT của các trường đại học khác trong nước
(ví dụ ĐH Tôn Đức Thắng, ĐH Duy Tân…) để tiếp tục điều chỉnh cơ chế khen thưởng
CBQT của UEH sao cho không chỉ hợp lý mà còn có tính cạnh tranh với các trường khác
để ngăn ngừa việc thất thoát nguồn lực trong lĩnh vực CBQT của UEH.
Ngay chính các học giả UEH cũng nên đa dạng hơn nữa khi lựa chọn các tạp chí
CBQT để phổ biến tên tuổi UEH rộng rãi với cộng đồng khoa học thế giới qua kênh tạp chí
khoa học quốc tế.
5. KẾT LUẬN
Trong những năm qua, công tác nghiên cứu khoa học của UEH luôn được đẩy
mạnh và đạt được nhiều kết quả rất khả quan, tuy nhiên, số lượng các CBQT hiện nay chưa
thể hiện hết tiềm lực thật sự của cán bộ khoa học UEH. Tác giả hy vọng bài viết có thể
cung cấp thêm thông tin cho các giải pháp của lãnh đạo UEH để thúc đẩy công tác CBQT
của trường ngày càng mạnh mẽ và chất lượng hơn.
TÀI LIỆU TRÍCH DẪN
Cantín, M., Munoz, M., & Roa, I. (2015). Comparison Between Impact Factor,
Eigenfactor score, and SCImago Journal Rank Indicator in Anatomy and Morphology
Journals. Int. J. Morphol, 33(3),1183-1188.
Emilio, D. -L. -C., & Alvaro, C.-C. (2013). Ranking journals: could Google
Scholar Metrics be an alternative to Journal Citation Reports and Scimago Journal Rank?.
Learned Publishing, 26(2), 101-114.
Falagas, M. E., Kouranos, V. D., Arencibia-Jorge, R., Karageorgopoulos, D. E.
(2008). Comparison of SCImago journal rank indicator with journal impact factor. FASEB
J. 22, 2623–2628.
Hirsch, J. E. (2005). An index to quantify an individual's scientific research output.
Proceedings of the National Academy of Sciences, 102(46),16569-16572, November 15,
2005
Nguyễn Văn Tuấn (2008). http://vietsciences.free.fr/khaocuu/congtrinhkhoahoc/H-
index.htm
Scopus-CiteScore_FAQ (2018). Retrieved from https://journalmetrics.scopus.com
https://baomoi.com/bo-gd-dt-chi-thuong-toi-thieu-2-trieu-dong-bai-bao-khoa-hoc-
quoc-te/c/31355482.epi
7
NGHIÊN CỨU CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH MUA
SẮM THỜI TRANG ONLINE CỦA SINH VIÊN TẠI TP. HỒ CHÍ
MINH
Trần Hà Quyêna*, Lê Thị Kim Phúca

a
*
Tác giả liên hệ: Email: quyentran@ueh.edu.vn | Điện thoại: 0979020293
Tóm tắt
Nghiên cứu được thực hiện nhằm mục tiêu xác định các yếu tố tác động đến quyết định mua
sắm thời trang online. Tác giả sử dụng phương pháp nghiên cứu kết hợp, phỏng vấn sâu 10
đáp viên cho nghiên cứu định tính và khảo sát 250 đáp viên cho nghiên cứu định lượng. Kết
quả nghiên cứu cho thấy có 5 nhân tố tác động có ý nghĩa thống kê tới quyết định mua sắm
online của khách hàng, theo thứ tự giảm dần của tác động là tính Thoải mái, Tiện lợi, Niềm tin
vào web, Giá, và Chất lượng. Trong đó sự Thoải mái, Tiện lợi, Giá, Chất lượng có tác động
thuận chiều tới quyết định mua hàng, giống như dấu kỳ vọng ban đầu theo lý thuyết. Riêng
Niềm tin vào web có tác động nghịch chiều tới quyết định, không giống với dấu kỳ vọng ban
đầu. Tác giả sau đó có tiến hành nghiên cứu định tính nhằm giải thích hiện tượng này.
Dựa vào kết quả phân tích, tác giả đề xuất các giải pháp nhằm khắc phục những điểm yếu mà
doanh nghiệp kinh doanh thời trang online hiện đang vấp phải, đề xuất ý tưởng nhằm giúp các
trang web bán hàng thời trang online tạo lợi thế cạnh tranh với các đối thủ bán hàng thời
trang online khác trên thị trường TP. Hồ Chí Minh.
Từ khóa: quyết định mua, hành vi mua, thời trang online
8
1. GIỚI THIỆU
Theo báo cáo của We are Social (2019), Việt Nam có tỉ lệ người sử dụng mạng
internet và mạng xã hội ở mức cao. Hiên tại Việt Nam có số dân là 96,96 triệu người, trong
đó có đến 64 triệu người đang dùng internet (chiếm 66% dân số). Trong đó có 62 triệu
người sử dụng mạng xã hội (chiếm 97% số người dùng internet), số người sử dụng mạng
xã hội trên mobile lên đến 58 triệu (chiếm 94% số người dùng mạng xã hội). Cũng theo
báo cáo này, người Việt bỏ ra trung bình 6 giờ 42 phút mỗi ngày để tiếp cận các thông tin
trên Internet, trong đó dành ra 38% thời gian tương đương 2 giờ 32 phút cho mạng xã hội,
và 1 giờ 11 phút cho các hoạt động nghe nhạc.
Thị trường quần áo có sức cạnh tranh lớn. Do đó khách hàng có thể lựa chọn người
bán. Yêu cầu đặt ra là phải tìm được nhóm khách hàng mà chúng ta có thể dễ dàng lấy tiền
từ túi của họ. Nhưng việc xác định chính xác nhóm khách hàng mục tiêu không phải là một
điều dễ dàng. Để tồn tại trên thị trường kinh doanh hàng thời trang, chúng ta cần tạo cho
sản phẩm sự khác biệt, độc đáo so với các sản phẩm cùng loại trên thị trường, điều chỉnh
giá bán thích hợp các ưu đãi khuyến mãi nhằm thu hút khách hàng, ngoài ra còn cần dịch
vụ chăm sóc khách hàng tốt như việc cung cấp cho khách hàng chất liệu sản phẩm, kiểu
dáng, mẫu mã, xu hướng hiện nay và định hướng cho họ những sản phẩm cần mua, màu
sắc hay kiểu dáng như thế nào phù hợp với vóc dáng của từng người.
Và, để làm được những điều trên, chúng ta cần có hiểu biết sâu sắc về khách hàng
của mình, đưa ra các gợi ý mang tính khoa học. Vì vậy, đề tài “Nghiên cứu các yếu tố ảnh
hưởng đến quyết định mua sắm thời trang online của sinh viên tại TP HCM” được tác
giả nghiên cứu nhằm đề xuất giúp các doanh nghiệp cải thiện được những vấn đề đang gặp
phải.
2. TỔNG QUAN LÝ THUYẾT
2.1. Lý thuyết hành vi người tiêu dùng
Theo Hoyer & Macinnis (2008), hành vi người tiêu dùng được hiểu là việc họ
quyết định mua những gì, tại sao lại mua, mua như thế nào, ở đâu và mua bao nhiêu
lần,...mỗi cá nhân, nhóm người tiêu dùng phải có quyết định qua thời gian về việc chọn
dùng sản phẩm, dịch vụ.
Bennett (1995) định nghĩa hành vi mua sắm của người tiêu dùng là những hành vi
mà người tiêu dùng thể hiện qua việc tìm kiếm, mua sắm, sử dụng, đánh giá sản phẩm và
dịch vụ mà họ mong đợi thỏa mãn nhu cầu cá nhân của họ.
Việc quyết định mua hàng còn phụ thuộc vào nhiều yếu tố khách quan lẫn chủ
quan, tùy thuộc vào cách nhìn nhận của khách hàng nói riêng và nhu cầu thị trường nói
chung. Để hiểu được điều này, các doanh nghiệp nên tìm hiều sâu hơn về khách hàng, nắm
bắt nhu cầu cũng như mong muốn của khách hàng để giữ chân những khách hàng cũ và tìm
kiếm những khách hàng mới.
Theo Philip Kotler (2001), hành vi tiêu dùng của khách hàng là một vấn về rất quan
trọng có ảnh hưởng rất lớn đến các quyết định về tiếp thị, truyền thông của công ty. Trong
mô hình hành vi người tiêu dùng của Philip Kotler & Gary Amstrong, đề cập đến hai nhóm
yếu tố có vai trò quan trọng. Nhóm những điều kiện văn hóa, xã hội, tiếp thị,… như yếu tố
9
cá nhân, gia đình, bạn bè, những người đã từng mua hàng thời trang online. Nhóm yếu tố
nội tại bên ngoài gồm nghề nghiệp, các yếu tố liên quan đến tâm lý, thái độ, niềm tin,…
Trong quá trình ra quyết định, người tiêu dùng sẽ trải qua ba giai đoạn: nhận dạng
mục đích nhu cầu, tìm kiếm thông tin và đánh giá thay thế. Tuy nhiên, đối với từng loại
sản phẩm khác nhau thì quá trình mua hàng có thể khác nhau hoặc không đúng theo như
trình tự sơ đồ ở trên. Trước khi mua hàng, khách hàng biết đến sản phẩm qua nhiều nguồn
tác động từ bên trong lẫn bên ngoài. Những yếu tố này tác động mạnh mẽ, kích thích vào
tâm lý khách hàng, dẫn đế việc họ quyết định mua hàng. Sau khi mua hàng online, người
tiêu dùng sẽ có kinh nghiệm, từ đó tác động đến tâm lý, niềm tin và sự hài lòng của khách
hàng.
Theo Philip Kotler (2001), việc nghiên cứu hành vi tiêu dùng của khách hàng là
một nhiệm vụ rất quan trọng, ảnh hưởng lớn trong quy trình ra quyết định về chiến lược
tiếp thị của các doanh nghiệp. Trước đây, những người làm tiếp thị có thể hiểu được người
tiêu dùng thông qua những kinh nghiệm tiếp xúc, giao dịch và bán hàng hằng ngày. Sự
phát triển về quy mô của các doanh nghiệp và thị trường làm cho nhiều nhà quản trị tiếp thị
không còn điều kiện tiếp xúc trực tiếp với khách hàng và thông tin từ bộ phận bán hàng
còn mang nhiều tính chủ quan. Do đó, ngày càng nhiều nhà quản trị đã đưa việc nghiên
cứu hành vi người tiêu dùng của mình để giúp công ty có được những quyết định phù hợp,
chính xác và kịp thời để xây dựng một kế hoạch marketing phù hợp.
Trong thực tiễn, để xây dựng các chiến lược marketing kích thích mua hàng hiệu
quả đối với các sản phẩm mới cũng như sản phẩm cũ thì doanh nghiệp phải nghiên cứu
hành vi người tiêu dùng, ứng dụng nguyên lý hành vi người tiêu dùng trong thiết kế chiến
lược marketing. Qua các kiến thức và sự hiểu biết về người tiêu dùng này giúp doanh
nghiệp xây dựng chiến lược marketing mang hiệu quả tốt hơn.
2.2. Quyết định mua sắm trực tuyến
“Mua sắm trực tuyến được định nghĩa là hành vi của người tiêu dùng trong việc
mua sắm thông qua các cửa hàng trên mạng hoặc Website sử dụng các giao dịch mua hàng
trực tuyến” (Monsuwe, Dellaert &. Ruyter, 2014).
“Mua sắm trực tuyến là một giao dịch được thực hiện bởi người tiêu dùng thông
qua giao diện trên máy tính bằng cách máy tính của người tiêu dùng được kết nối và có
thể tương tác với các cửa hàng bán lẻ thông qua máy tính” (Haubl & Trifts, 2000).
Hành vi mua hàng qua mạng của người tiêu dùng được dựa trên giao diện các
website, hình ảnh về sản phẩm được đăng tải trên mạng. Sự phát triển vượt bậc của
Internet và thương mại điện tử đã ảnh hưởng mạnh mẽ lên cách người tiêu dùng lướt web
(Soopramanien & Robertson, 2007) và thu thập thông tin về sản phẩm (Moe & Fader,
2004).
Nhiều nghiên cứu trong và ngoài nước đã được thực hiện nhằm khám phá các yếu
tố ảnh hưởng tới quyết định mua sắm trực tuyến.
10
2.2.1. Các nghiên cứu trong nước
Nghiên cứu về “Các nhân tố ảnh hưởng đến hành vi mua quần áo trực tuyến khu
vực TP Hồ Chí Minh” của tác giả Đào Mạnh Long (2018) dùng phương pháp nghiên cứu
định tính, định lượng và chọn mẫu theo phương pháp thuận tiện. Kết quả công bố có năm
nhân tố ảnh hưởng đến hành vi mua là : Niềm tin vào Web, Mong đợi về giá, Rủi ro liên
quan đến sản phẩm/ dịch vụ, Sự thuận tiên, và Thoải mái khi mua sắm. Tác giả đưa ra các
giải pháp thúc đẩy khách hàng mua sắm là: (1) trình bày, thiết kế trang web đẹp mắt để thu
hút khách hàng; (2) hỗ trợ hình thức COD, cho phép dùng thử trong vài ngày; (3) đầu tư,
nâng cấp trang thiết bị để khách hàng dễ dàng truy cập; (4) tập trung vào mức giá mà
khách hàng mong đợi, từ đó giúp nhà quản trị dễ dàng bán hàng; (5) đánh giá sản phẩm,
dịch vụ trên trang web giúp khách hàng tin tưởng, vượt qua những rào cản về rủi ro.
Nghiên cứu “Các yếu tố ảnh hưởng đến quyết định mua sắm trực tuyến của người
tiêu dùng Việt Nam” của tác giả Bùi Hữu Phúc (2013) nhằm xác định, xây dựng và kiểm
định mô hình các yếu tố tác động. Cũng bằng phương pháp nghiên cứu định tính, định
lượng và chọn mẫu theo phương pháp thuận tiện, kết quả nghiên cứu đưa ra năm nhân tố
có ảnh hưởng bao gồm: Sự tiện lợi, Giá cả, Sự lựa chọn sản phẩm, Thông tin sản phẩm
phong phú, Chất lượng sản phẩm. (1) các doanh nghiệp bán hàng trực tuyến cần xây dựng
hệ thống tiếp nhận, xử lý thông tin khách hàng; (2) mức độ phong phú của sản phẩm phải
đa đạng và cá biệt hóa sản phẩm; (3) website tạo điều kiện thuận lợi để khách hàng dễ dàng
so sánh giá và đưa ra mức giảm giá để thu hút khách hàng; (4) website cung cấp thông tin
đầy đủ, chi tiết.
2.2.2. Các nghiên cứu nước ngoài
Nghiên cứu về mua sắm trực tuyến của Li & Zhang (2002): Mục tiêu của nghiên
cứu này là tìm hiểu những nhân tố tác động đến hành vi mua hàng qua mạng dựa trên mô
hình hành động hợp lý (TRA), xây dựng giả thuyết và kiểm định mô hình để xác định các
nhân tố tác động quan trọng đến thái độ, hành vi của khách hàng khi mua sắm trực tuyến.
Mô hình do Li & Zhang (2002) đề xuất gồm 6 nhân tố ảnh hưởng đến hành vi mua hành
trực tuyến gồm: Thoải mái khi mua sắm, sự thuận tiện, tin tưởng web, mong đợi về giá, rủi
ro sản phẩm và niềm tin vào web. Mô hình vận hành hợp lý lý thuyết hành động hợp lý
khi giải thích hành vi mua hàng trực tuyến, tuy nhiên mô hình chưa nêu ra được ảnh hưởng
của những rủi ro và tiện ích khi mua sắm trực tuyến.
11
Hình 1. Mô hình thái độ và hành vi khách hàng mua sắm trực tuyến
Nguồn: Li & Zhang (2002)
Trong nghiên cứu các yếu tố ảnh hưởng đến quyết định mua sắm trực tuyến đối với
sản phẩm may mặc, Anjali Dabhade (2008) đã đưa ra 5 yếu tố ảnh hưởng đến quyết định
mua hàng trực tuyến gồm: sự tiện lợi, giá cả, sự lựa chọn sản phẩm, sự thoải mái trong
mua sắm và thông tin sản phẩm phong phú. Trong đó: Sự tiện lợi : Khách hàng có thể mua
bất cứ thứ gì mà họ muốn mà không phải đến cửa hàng trực tiếp; Giá cả: Khách hàng mua
được sản phẩm rẻ hơn so với các cửa hàng hàng truyền thống, đồng thời họ có thể so sánh
giá với các cửa hàng khác để tìm được giá tốt nhất; Sự lựa chọn sản phẩm: Có nhiều loại
sản phẩm đa dạng cho khách hàng lựa chọn và họ dễ dàng chọn những sản phẩm mà mình
mong muốn; Sự thoải mái trong mua sắm: Khách hàng không phải khó khăn trong việc tìm
chỗ đậu xe, lái xe đến nơi mua hàng. Ngoài ra khách hàng không phải chen lấn mua hàng,
tính tiền hay ngại nếu không mua hàng; Thông tin sản phẩm phong phú: Khách hàng dễ
dàng tìm kiếm thông tin sản phẩm, dịch vụ chi tiết và dễ dàng so sánh thông tin sản phẩm
với nhiều nhà cung cấp khác.
12
Hình 2. Mô hình nghiên cứu của Anjali Dabhade (2002)

Theo nghiên cứu xây dựng thang đo về nhận thức lợi ích trong mua sắm trực tuyến
của Sandra Forsythe, Chuanlan Liu, David Shannon & Liu Chun Gradner (2006) đưa ra
bốn yếu tố ảnh hưởng đến quyết định mua sắm trực tuyến của khách hàng gồm: sự tiện lợi,
sự lựa chọn sản phẩm, sự thoải mái trong mua sắm và sự thích thú trong mua sắm. Bốn yếu
tố trên được dùng để đo lường nhận thức lợi ích của khách hàng trong mua sắm trực tuyến.
Sự tiện lợi trong mua sắm là khả năng mua sắm ở bất cứ lúc nào, nơi nào mà không cần
phải đến trực tiếp. Sự lựa chọn hàng hóa là có rất nhiều hàng hóa đa dạng, khách hàng có
nhiều sự lựa chọn về sản phẩm và thông tin sản phẩm sẽ được hỗ trợ khi mua sắm. Sự
thoải mái mua sắm tránh được sự phiền phức và phân biệt đối xử khi mua sắm. Thích thú
mua sắm đó là niềm vui, sự thỏa mãn khi trãi nghiệm, khám phá những điều mới, có thể
lựa chọn riêng sản phẩm cho mình.
Hình 3. Mô hình nghiên cứu của Forsythe & ctg. (2006)
13
Nhân tố ảnh hưởng đến quyết định mua hàng trực tuyến của người tiêu dùng ở
Hồng Kông của tác giả Destiny (2012). Mục tiêu mô hình nhằm kiểm định các giả thuyết,
xây dựng mô hình hồi quy để xác định các nhân tố tác động quan trọng đến hành vi mua
hàng qua mạng của người Hồng Kông.
Hình 4. Mô hình quyết định mua hàng trực tuyến của người tiêu dùng ở Hồng Kông
Nguồn: Destiny (2012)
2.2. Các giả thuyết và mô hình nghiên cứu đề xuất
Sau khi tổng quan lý thuyết, tác giả thống kê các nhân tố tác động đến quyết định
mua sắm trực tuyến của khách hàng bao gồm các biến như trong bảng sau.
Bảng 1. Tóm tắt các mô hình nghiên cứu
Long (2018) Phúc Li & Forsythe Destiny

Dabhade
Các yếu tố (2013) Zhang & ctg. (2012)
(2008)
(2002) (2006)
Tính thoải mái x x x x x
Sự tiện lợi x x x x x x
Tin tưởng Web x x x
Giá cả x x x x x
Chất lượng x x x
Sự lựa chọn hàng x
x x
hóa
Thông tin sản phẩm x x
Sự thích thú x
Rủi ro sản phẩm x x x
Nguồn: Tổng hợp của tác giả (2019)
Thông qua các mô hình nghiên cứu trước đây trong lĩnh vực mua hàng trực tuyến.,
tác giả tập trung nghiên cứu các nhân tố chính tác động đến quyết định mua hàng trực
tuyến của khách hàng gồm: Tính thoải mái khi mua sắm, Sự tiện lợi, Niềm tin vào trang
14
Web, Giá cả, Chất lượng sản phẩm, Sự lựa chọn hàng hóa, và Rủi ro sản phẩm. Các giả
thuyết được đặt ra như sau đây.
H1: Nhận thức của khách hàng về sự tiện lợi ảnh hưởng tích cực đến quyết
định mua sắm thời trang online
Nhiều nghiên cứu được tiến hành để nhận ra sự tiện lợi như một động lực mua sắm
đối với người tiêu dùng. Mua sắm trực tuyến tiết kiệm được công sức của khách hàng, vì
họ có thể mua sắm tại nhà hay nơi làm việc thay vì phải di chuyển đến nơi mua hàng. Do
đó, nhận thức của khách hàng về sự tiện lợi tác động thuận chiều đến quyết định mua sắm
thời trang online của sinh viên, theo Forsythe & ctg. (2006).
H2: Sự lựa chọn hàng hóa có ảnh hưởng tích cực đến quyết định mua sắm thời
trang online
Có nhiều loại sản phẩm đa dạng cho khách hàng lựa chọn và họ dễ dàng chọn
những sản phẩm mà mình mong muốn. Sự lựa chọn hàng hóa có tác động thuận chiều đến
quyết định mua sắm thời trang online, theo Dabhade (2008).
H3: Tính thoải mái có ảnh hưởng tích cực đến quyết định mua sắm thời trang
online
Sự khác biệt giữa kênh mua sắm truyền thống và kênh mua sắm trực tuyến đó là sự
thoải mái. Mua sắm trực tuyến giúp khách hàng tránh khỏi những bất tiện trong việc mua
hàng, kẹt xe, hay lựa chọn hàng hóa đến bước tính tiền trong quầy thu ngân. Chưa kể phải
xếp hàng chen lấn nhau trong những giờ cao điểm. Đối với việc mua sắm trực tuyến, bằng
một máy tính có kết nối Internet và một ít kiến thức về công nghệ thì khách hàng đã nhanh
chóng mua được sản phẩm mà mình cần. Đây chính là những ưu điểm của loại hình mua
sắm trực tuyến mang lại cho khách hàng, (Forsythe & ctg., 2006). Do đó tính thoải mái có
tác động thuận chiều đến quyết định mua sắm thời trang online.
H4: Giá cả ảnh hưởng tích cực đến quyết định mua sắm thời trang online
Theo Dabhade (2008), giá cả là thứ mà người tiêu dùng phải trả để có được sản
phẩm mà mình mong muốn. Các yếu tố thuộc về giá cả như khách hàng dễ dàng mua được
sản phẩm rẻ hơn so với các cửa hàng hàng truyền thống, đồng thời họ có thể so sánh giá
với các cửa hàng khác để tìm được giá tốt nhất. Người tiêu dùng tin rằng mua hàng qua
mạng sẽ giúp tiết kiệm tiền bạc và có thể so sánh giá. Vì thế, giá cả có tác động thuận
chiều đến quyết định mua sắm thời trang online.
H5: Chất lượng ảnh hưởng tích cực đến quyết định mua sắm thời trang online
Chất lượng sản phẩm đề cập đến mức độ chấp nhận mà người tiêu dùng chấp nhận
từ việc mua sắm thời trang trực tuyến. Destiny (2012) cho rằng cảm nhận của khách hàng
về chất lượng sản phẩm mua được tác động đến quyết định mua hàng trực tuyến theo
hướng tích cực, cảm nhận về chất lượng sản phẩm càng tốt khiến hành vi mua hàng thời
trang càng tích cực.
H6: Niềm tin vào trang Web ảnh hưởng tích cực đến quyết định mua sắm thời
trang online
15
Trong nghiên cứu này, niềm tin vào trang web là cảm nhận của một cá nhân thể
hiện sự tin tưởng vào web bán hàng trực tuyến. Trong khi Internet và mua sắm thời trang
trực tuyến cung cấp cho người tiêu dùng sự tiện lợi thì người mua sắm thời trang trực
tuyến cũng có những cảm nhận khác nhau về Website, tin tưởng vào web tạo cảm giác tích
cực tác động đến quyết định mua sắm online (Destiny, 2012).
H7: Rủi ro sản phẩm ảnh hưởng tích cực đến quyết định mua sắm thời trang
online
Rủi ro liên quan đến sản phẩm dịch vụ đề cập đến tính chất, mức độ rủi ro được
cảm nhận trong dự tính một quyết định mua hàng cụ thể (Cox & Rich, 1964). Trước khi
mua một sản phẩm, khách hàng sẽ xem xét rủi ro khác nhau liên quan đến việc mua hàng.
Do đó, rủi ro sản phẩm tác động nghịch chiều đến quyết định mua sắm thời trang online.
Như vậy, mô hình nghiên cứu được tác giả đề xuất như sau:
Hình 5. Mô hình nghiên cứu đề xuất

3. DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Nghiên cứu này sử dụng phương pháp kết hợp: nghiên cứu sơ bộ thông qua cách
tiếp cận định tính, và sau đó là nghiên cứu chính thức thông qua cách tiếp cận định lượng.
16
3.1. Nghiên cứu định tính
Sử dụng kỹ thuật thảo luận tay đôi, tác giả tiến hành phỏng vấn trực tiếp, lấy ý kiến
của 10 sinh viên ở các trường Đại học, Cao đẳng khác nhau và đã từng mua hàng thời trang
online. Mục đích cuộc phỏng vấn này nhằm khẳng định lại mô hình nghiên cứu, cũng như
khám phá lại những yếu tố mà khách hàng quan tâm, ảnh hưởng trực tiếp đến quyết định
mua sắm thời trang online. Qua đó tác giả điều chỉnh lại biến quan sát đã được đưa ra
nhằm xây dựng thang đo phù hợp để tiến hành nghiên cứu định lượng. Phương pháp thu
thập được sử dụng qua hình thức phỏng vấn phỏng vấn trực tiếp dựa trên đề cương thảo
luận đã được chuẩn bị trước.
3.2. Nghiên cứu định lượng
Thông qua nghiên cứu định tính, tác giả chỉnh sửa bảng câu hỏi phù hợp và tiến
hành khảo sát. Tác giả thực hiện khảo sát 260 sinh viên tại TP.HCM đã từng mua hàng thời
trang online. Nghiên cứu được thực hiện thông qua bảng câu hỏi chi tiết gồm 28 biến quan
sát được sử dụng thang đo Likert 5 mức độ để đo lường mức độ quan trọng của các yếu tố.
Kích thước mẫu cho phân tích nhân tố EFA thông thường có số quan sát ít nhất
phải bằng 4 đến 5 lần số biến độc lập, mẫu thu về là 140 quan sát (Hoàng & Chu, 2008).
Ngoài ra, theo Tabachnick & Fidell (1996) để phân tích hồi quy đạt được kết quả tốt thì
kích thước mẫu phải thỏa mãn công thức:
n ≥ 8m + 50
Trong đó: n là kích thước mẫu
m là số biến độc lập của mô hình
Để đạt được kích thước mẫu thỏa điều kiện như trên, kích thước mẫu thu về tối
thiểu là 200. Tuy nhiên, để đảm bảo tính đại diện cho tổng thể, tác giả tiến hành thu thập
260 quan sát.
3.3. Chiến lược nghiên cứu
Tác giả tiến hành khảo sát thực tế tại các trường Đại học, Cao đẳng trên địa bàn TP
HCM, thông qua hình thức làm online trên mạng xã hội và phát giấy làm tại chỗ theo như
bảng câu hỏi đã được cấu trúc sẵn. Trong quá trình khảo sát, dưới sự quan sát của tác giả,
đảm bảo người làm khảo sát trả lời một cách trung thực, không đánh bừa hay trả lời hời
hợt.
Theo như một số bài nghiên cứu mà tác giả tham khảo, thì việc chọn mẫu và quan
sát khách hàng trả lời là một điều rất quan trọng, nó có ảnh hưởng rất lớn đến kết quả và
cung cấp rất nhiều thông tin bổ ích cho bài nghiên cứu này.
Dữ liệu thu thập được tác giả mã hóa đưa vào phần mềm IBM SPSS. Sử dụng
phương pháp thống kê mô tả, phân tích nhân tố EFA, phân tích Cronbach’s Alpha và kiểm
định giả thuyết.
17
3.4. Phương pháp chọn mẫu
Việc chọn mẫu dữ liệu nghiên cứu là một bước rất quan trọng của đề tài, mẫu được
chọn phải có tính đại diện tổng thể cao thì đề tài mới có độ chính xác và có giá trị cao. Tuy
nhiên, do giới hạn về nguồn lực và thời gian nên tác giả quyết định chọn mẫu phi ngẫu
nhiên theo phương pháp lấy mẫu thuận tiện.
Đối tượng khảo sát là các sinh viên đang theo học tại các trường Đại học, Cao đẳng
tại địa bàn TP. Hồ Chí Minh.
3.5. Phương pháp thu thập dữ liệu
Dữ liệu thứ cấp của bài nghiên cứu được tác giả thu thập thông qua các bài khóa
luận, luận văn, các công trình nghiên cứu trước đây được kiểm đánh giá bởi các chuyên
gia.
Dữ liệu sơ cấp được thu thập thông qua khảo sát trực tiếp 200 sinh viên và khảo sát
online 60 sinh viên dựa trên bảng câu hỏi đã được thiết kế.
3.6. Kế hoạch phân tích
Bài nghiên cứu xây dựng mô hình tìm hiểu các yếu tố ảnh hưởng đến quyết định
mua sắm thời trang online của sinh viên tại TP HCM, dựa trên 28 biến quan sát được xây
dựng bằng thang đo Likert với 5 mức độ trong bảng câu hỏi nghiên cứu định lượng. Sau
khi điều chỉnh thang đo và ra bảng câu hỏi chính thức, tiến hành nghiên cứu để thu về dữ
liệu phục vụ cho nghiên cứu. Sử dụng các công cụ thống kê để tiến hành thống kê mô tả,
phân tích nhân tố khám phá EFA, chạy phân tích Cronbach’s Alpha và kiểm định giả
thuyết, cuối cùng là đưa ra các kết quả rút ra được từ nghiên cứu và các giải pháp trợ giúp
các doanh nghiệp.
Thống kê mô tả: mô tả sơ lược về những yếu tố được xem là có ảnh hưởng đến
quyết định mua, đặc điểm của sinh viên và từ đó rút ra được những đặc tính chung.
Phân tích Cronbach’s Alpha: kiểm tra độ tin cậy của các nhân tố, nhằm phản ánh
mức độ tương qua chặt chẽ của các biến quan sát trong cùng một yếu tố. Sau đó tiến hành
loại bỏ những biến quan sát không phù hợp.
Phân tích nhân tố (EFA): rút gọn các biến vào một nhân tố nếu chúng có liên quan
đến nhau
Phân tích hồi quy: kiểm định các giả thuyết nghiên cứu và kiểm tra các giả thiết của
mô hình hồi quy bằng phương pháp OLS.
4. KẾT QUẢ VÀ THẢO LUẬN
Có 260 người tham gia khảo sát, sau khi làm sạch dữ liệu thì thông tin của 250 đáp
viên được đưa vào phân tích. Qua thống kê mẫu quan sát, số lượng nữ có tham gia mua
sắm các mặt hàng thời trang trực tuyến nhiều hơn so với nam, cụ thể là nữ chiếm 66.4%,
nam là 33.6%. Theo như số liệu khảo sát mà tác giả thu được, có 83 người có mức chi tiêu
từ 2 đến 3 triệu (chiếm 33.2%), 72 người có mức chi tiêu từ 1 đến 2 triệu (chiếm 28.8%),
56 người có mức chi tiêu trên 3 triệu (chiếm 56%) và cuối cùng là 39 người có chi tiêu
18
dưới 1 triệu (chiếm 15.6%). Trong 250 quan sát, có 125 người sẳn sàng chi từ 200-
400.000VNĐ/lần (chiếm 50%) cho việc mua sắm thời trang online, 64 người chi ít hơn
200.000VNĐ/lần (chiếm 25.6%), 47 người chi từ 500-700.000VNĐ/lần (chiếm 18.8%) và
14 người chi trên 700.000 VNĐ/lần (chiếm 5.6%).
Bảng 2. Thống kê mô tả đáp viên (n=250)
Giới tính Số lượng Tỷ lệ (%)

Nam 84 33.6%
Nữ 166 66.4%
Chi tiêu Số lượng Tỷ lệ (%)
Dưới 1 triệu 39 15.6%
Từ 1 đến 2 triệu 72 28.8%
Từ 2 đến 3 triệu 83 33.2%
Trên 3 triệu 56 22.4%
Mức chi tiêu mua sắm Số lượng Tỷ lệ (%)
Ít hơn 200.000VNĐ/lần 64 25.6%
Từ 200-400.000VNĐ/lần 125 50.0%
Từ 500-700.000VNĐ/lần 47 18.8%
Trên 700.000 VNĐ/lần 14 5.6%
4.2. Thông tin nhận biết về việc sử dụng dịch vụ mua sắm thời trang trực tuyến
4.2.1. Thời gian sử dụng internet
Trong số 250 đối tượng khảo sát, chỉ có 1 đối tượng sử dụng internet dưới 0.5h
chiếm 0.4%. Thời gian sử dụng internet trên 3h chiếm tỷ lệ khá lớn 66.8%, 23 đối tượng
(chiếm 9.2%) sử dụng từ 1-2h và 59 đối tượng (chiếm 23.6%) sử dụng internet từ 2-3h.
Bảng 3. Thời gian sử dụng Internet trung bình/1 ngày (n=250)
Thời gian Số lượng Tỷ lệ (%)
Dưới 0.5h 1 0.4%

Từ 1-2h 23 9.2%
Từ 2-3h 59 23.6%
Trên 3h 167 66.8%
Nguồn: Nghiên cứu của tác giả (2019)
4.2.2. Trang web sử dụng mua hàng
Dựa vào bảng dữ liệu thu thập được, ta dễ dàng thấy rằng, trang web của các nhà
bán lẻ chiếm tỷ lệ rất cao (75.2%) thu hút đa số các bạn sinh viên sử dụng. Bên cạnh đó,
các trang mạng xã hội cũng chiếm tỷ lệ khá cao (46.4%). Điều đó chứng tỏ các trang đã
thực hiện những chiến lược marketing rất tốt để thu hút khách hàng đa số là các bạn trẻ.
Các diễn đàn (chiếm 3.6%) và các trang mua theo nhóm (chiếm 1.2%) hiện tại đang tụt dốc
19
đáng báo động, vì vậy nên các nhà quản trị nên tìm ra cách giải quyết để khắc phục kịp
thời những nguy cơ này.
Bảng 4. Trang web thường mua hàng online (n=250)
Trang web thường mua hàng online Số lượng Tỷ lệ (%)
Các trang mạng xã hội (Facebook, Zing me, Twitter, ...) 116 46.4%
Các diễn đàn (5giay.vn, Muare.vn, Tinhte.vn, Vn-zoom.vn, ...) 9 3.6%
Trang web của các nhà bán lẻ (Lazada, Chợ tốt, Shoppee,…) 188 75.2%
Các trang mua theo nhóm (Muachung, Nhommua, Cungmua, 3 1.2%
Hotdeal, ...)
4.2.3. Sản phẩm thời trang
Mặt hàng thời trang về quần áo chiếm tỷ lệ khá cao (38.8%) thu hút khá nhiều các
bạn trẻ, tiếp theo sau đó là phụ kiện chiếm 41.6%, giày chiếm 32.4% và cuối cùng là mũ,
khăn chiếm 5.6%.
Bảng 5. Các loại sản phẩm thời trang thường được mua hàng (n=250)
Sản phẩm Số lượng Tỷ lệ (%)

Quần áo 172 68.8%
Mũ, khăn 14 5.6%
Giày 81 32.4%
Phụ kiện 104 41.6%
4.2.4. Thời gian mua hàng thời trang
Trong tổng số 250 khách hàng, phần lớn khách hàng chỉ khi nào cần sẽ mua hàng
chiếm tỷ lệ khá cao (73.6%), 47 khách hàng đợi khi có khuyến mãi chiếm 18.8%, 13 khách
hàng mua mỗi tháng/ theo mùa chiếm 5.2% và cuối cùng là mua mỗi tuần chiếm 2.4%
Bảng 6. Thời gian mua các mặt hàng thời trang online (n=250)
Thời gian mua Số lượng Tỷ lệ (%)

Mỗi tuần 6 2.4%
Mỗi tháng / theo mùa 13 5.2%
Chỉ khi nào cần 184 73.6%
Khi có khuyến mãi 47 18.8%
20
4.3. Đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha
Cronbach’s Alpha được dùng để kiểm định độ tin cậy của thang đo và cân nhắc loại
bỏ các biến không phù hợp. Thang đo có hệ số Cronbach’s Alpha từ 0.8 trở lên đến gần 1
thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề
nghị rằng Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm
đang đo lường là mới (Peterson, 1994; Slater, 1995). Kết quả nghiên cứu cho thấy hệ số
Cronbach’s Alpha cho từng bộ thang đo là đạt chuẩn về độ tin cậy.
Bảng 7. Kết quả đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s
Alpha
Yếu tố Cronbach’s Alpha Tiêu chí Kết luận

Sự tiện lợi 0.785 > 0.6 Đạt chuẩn
Sự lựa chọn hàng hóa 0.724 Đạt chuẩn
Tính thoải mái 0.772 Đạt chuẩn
Giá cả 0.767 Đạt chuẩn
Chất lượng 0.699 Đạt chuẩn
Niềm tin vào web 0.754 Đạt chuẩn
Rủi ro sản phẩm 0.731 Đạt chuẩn
Quyết định mua hàng 0.786 Đạt chuẩn
4.4. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá được sử dụng nhằm tóm tắt và thu gọn dữ liệu. Kiểm
định Bartlett’s dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể.
Nếu Sig <0.05 thì kiểm định này có ý nghĩa thống kê và giũa các biến có sự tương quan
với nhau. Hệ số KMO (Kaiser-Meyer-Olikin) là chỉ số dùng để xem xét sự thích hợp của
phân tích nhân tố, trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố
(Hoàng & Chu, 2008). Chọn các nhân tố có giá trị Eigenvalue >1 và tổng phương sai trích
>50% (Gerbing & Anderson, 1988).
Tác giả sử dụng phép xoay Varimax và phương pháp trích Principal Components,
các biến thỏa yêu cầu về phân tích Cronbach’s Alpha được đưa vào phân tích nhân tố EFA.
Bảng 8. Tóm tắt phân tích nhân tố EFA
Các thông số EFA biến độc lập EFA biến phụ Tiêu chí Kết luận
thuộc
KMO 0.719 0.670 > 0.5 Đạt chuẩn
Giá trị Sig kiểm định 0.000 0.000 < 0.05 Đạt chuẩn
Bartlett
Hệ số Eigenvalues 1.284 2.103 >1 Đạt chuẩn
Tổng phương sai trích 64.509% 70.110%
Số nhân tố rút 7 1
Số biến loại 1 0
21
Kết quả phân tích nhân tố cho các biến cho thấy biến quan sát có tương quan với
nhau một cách có ý nghĩa thống kê (kết quả kiểm định Bartlett’s cho kết quả sig =0.000
<0.05), và tương quan giữa các biến là đủ mạnh để phân tích nhân tố (KMO >0.5 nên thỏa
yêu cầu). Các nhân tố đạt hệ số Eigenvalue >1 và tổng phương sai trích của các nhân tố lớn
hơn 50%.
Bảng 9. Ma trận hệ số nhân tố
Các nhân tố Tên nhân tố

1 2 3 4 5 6 7 8
TM3 .794 Thoải mái
TM2 .776
TM1 .707
TM4 .674
NT2 .839 Niềm tin
NT1 .746
NT3 .744
NT4 .596
LC3 .766 Lựa chọn
LC2 .735
LC1 .703
LC4 .650
RR2 .874 Rủi ro
RR1 .844
RR3 .686
TL2 .886 Tiện lợi
TL1 .854
TL3 .729
G3 .805 Giá
G2 .805
G1 .771
CL2 .808 Chất lượng
CL3 .782
CL1 .737
QĐ1 .778 Quyết định
QĐ2 .884
QĐ3 .846
4.5. Phân tích sự tương quan
Kết quả phân tích tương quan cho thấy 3 yếu tố: sự tiện lợi, tính thoải mái, và niềm
tin vào web có sự tương quan tuyến tính có ý nghĩa thống kê với quyết định mua sắm thời
trang online.
22
Bảng 10. Kết quả phân tích hệ số tương quan
Tiện Lựa Thoải Giá Chất Niềm Rủi Ro

lợi chọn mái lượng tin
Quyết định Pearson -.041
.273** .036 .466** .113 .104 -.138*
Correlation
Sig. (2-tailed) .000 .572 .000 .076 .101 .029 .519
N 250 250 250 250 250 250 250
4.6. Kiểm định giả thuyết nghiên cứu và phân tích hồi quy
4.6.1. Phân tích hồi quy
Để đánh giá các yếu tố ảnh hưởng đến quyết định mua sắm thời trang online,
phương pháp hồi quy tuyến tính bội được sử dụng để phân tích 8 nhân tố thu được từ kết
quả phân tích nhân tố khám phá EFA. Để đánh giá mức độ phù hợp của mô hình, từ bảng
phân tích ANOVA cho thấy kiểm định F về sự phù hợp của mô hình có giá trị
sig=0.000<0.05 cho thấy mô hình hồi quy tuyến tính được xây dựng là phù hợp. Hệ số R2
= .337 cho thấy mô hình giải thích được 33.7% sự biến thiên của biến phụ thuộc
Bảng 11. Tóm tắt mô hình
Model Summary
Model R R Adjusted R Std. Error of the Change Statistics Durbin-
Square Square Estimate R Square F df1 df2 Sig. F Watson
Change Change Change
1 .580 .337 .318 .82608913 .337 17.554 7 242 .000 1.989
Bảng 12. Phân tích ANOVA
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 83.854 7 11.979 17.554 .000b
1 Residual 165.146 242 .682
Total 249.000 249
4.6.2. Kiểm định các giả định của mô hình hồi quy OLS
Mô hình hồi quy bằng phương pháp OLS cần thỏa mãn các giả định sau:
(1) Giả định liên hệ tuyến tính
Đồ thị phân tán phần dư chuẩn hóa cho thấy các phần dư được phân tán ngẫu nhiên
xung quanh đường thẳng đi qua tung độ 0 mà không tuân theo một quy luật (hình dạng)
nào. Vì thế, cho phép kết luận giả định liên hệ tuyến tính không vi phạm.
23
Hình 6. Đồ thị phân tán phần dư chuẩn hóa
(2) Không có hiện tượng đa cộng tuyến
Theo Hoàng & Chu (2008), đa cộng tuyến là hiện tượng các biến độc lập có tương
quan chặt chẽ với nhau làm cho kết quả hồi quy bị lệch. Hệ số VIF vượt quá 10 thì xảy ra
hiện tượng đa cộng tuyến. Bảng hệ số hồi quy cho thấy giá trị của hệ số VIF bằng 1, nghĩa
là không có hiện tượng đa cộng tuyến xảy ra, giải thích kết quả ước lượng mô hình hồi quy
sẽ không bị ảnh hưởng do hiện tượng đa cộng tuyến.
(3) Giả định về tính độc lập của sai số
Đại lượng thống kê Durbin-Watson được dùng để kiểm định tương quan của các sai
số kề nhau. Đại lượng Durbin-Watson có giá trị biến thiên từ 0 đến 4, giá trị gần bằng 2 thì
được cho là phần dư không có tương quan chuỗi bậc nhất với nhau (Hoàng & Chu, 2008).
Kết quả nghiên cứu cho thấy giá trị Durbin-Watson =1.989 (xấp xỉ bằng 2) cho thấy giả
định về tính độc lập của sai số là không vi phạm.
(4) Giả định về phân phối chuẩn của phần dư
Nếu phần dư không có phân phối chuẩn thì kết quả của các kiểm định thống kê
không còn tin cậy. Kiểm định phân phối chuẩn Kolmogorov-Smirnov có H0: Tổng thể có
phân phối chuấn. Kết quả kiểm định cho giá trị Sig.=0.2 <0.05 do đó không có đủ bằng
chứng thống kê để bác bỏ H0. Vậy giả định về phân phối chuẩn của phần dư không bị vi
phạm.
24
Bảng 13. Kết quả kiểm định phân phối chuẩn
Kolmogorov-Smirnov
Statistic df Sig.
ZRE_1 .038 250 .200
(5) Không có hiện tượng phương sai thay đổi
Phương sai của sai số không thay đổi khi hệ số tương quan hạng giữa phần dư (lấy
trị tuyệt đối, kí hiệu ABSRES) và các biến độc lập bằng 0. Bảng kết quả cho thấy kiểm
định mối tương quan hạng giữa ABSRES với các biến độc lập đều có giá trị Sig lớn hơn
0.05, do đó phương sai phần dư là đồng nhất và không thay đổi .
Bảng 14. Ma trận tương quan hạng Spearman
Tiện lợi Lựa chọn Thoải mái Giá Chất lượng Niềm tin Rủi ro
ABSRES .067 -.066 .079 .111 .015 .038 -.02

Sig. (2-tailed) .290 .297 .212 .079 .811 .551 .751
Như vậy, quy trình kiểm tra các giả định của mô hình hồi quy bằng phương pháp
OLS cho thấy các giả định không bị vi phạm, do đó có thể tiến hành diễn giải kết quả.
4.6.3. Kết quả phân tích hồi quy
Bảng 15. Kết quả kiểm định giả thuyết
Giả Phát biểu Trị thống kê Kết quả Kết luận

thuyết
H1 Sự tiện lợi có mối quan hệ Sig = 0.000<0.05 Sự tiện lợi có tác động tới Ủng hộ H1
cùng chiều với quyết định quyết định mua sắm thời
mua sắm thời trang online trang online
B = 0.273 Tác động cùng chiều Đúng với dấu

kỳ vọng
H2 Lựa chọn hàng hóa có Sig = 0.49 >0.05 Lựa chọn hàng hóa không Không ủng hộ
mối quan hệ cùng chiều tác động đến quyết định H2
với quyết định mua sắm mua sắm thời trang online
thời trang online
H3 Thoải mái có mối quan hệ Sig = 0.000<0.05 Thoải mái có tác động đến Ủng hộ H3
cùng chiều với quyết định quyết định mua sắm thời
mua sắm thời trang online trang online
B = 0.466 Tác động cùng chiều Đúng với đấu
kì vọng
H4 Giá có mối quan hệ cùng Sig = 0.032 <0.05 Giá có tác động đến quyết Ủng hộ H4
chiều với quyết định mua định mua sắm thời trang
sắm thời trang online online
B = 0.113 Tác động cùng chiều Đúng với dấu

kì vọng
25
H5 Chất lượng có mối quan Sig = 0.048 <0.05 Chất lượng có tác động đến Ủng hộ H5
hệ cùng chiều với quyết quyết định mua sắm thời
định mua sắm thời trang trang online
online B = 0.104 Tác động cùng chiều Đúng với dấu
kì vọng
H6 Niềm tin vào trang web Sig = 0.009<0.05 Niềm tin vào trang web có Ủng hộ H6
có mối quan hệ cùng tác động đến quyết định
chiều với quyết định mua mua sắm thời trang online
sắm thời trang online B = -0.138 Tác động ngược chiều Ngược với dấu
kì vọng
H7 Rủi ro sản phẩm có mối Sig = 0.435 >0.05 Rủi ro sản phẩm không có Không ủng hộ
quan hệ ngược chiều với tác động đến quyết định H7
quyết định mua sắm thời mua sắm thời trang online
trang online
Các biến Sự tiện lợi, Thoải mái, Giá, Chất lượng, Niềm tin vào trang web có ý
nghĩa trong mô hình; riêng các biến Lựa chọn hàng hóa và Rủi ro sản phẩm không có ý
nghĩa khi đưa vào mô hình. Như vậy, có 5 biến độc lập tác động một cách có ý nghĩa thống
kê đến biến quyết định mua sắm thời trang online, đó là Sự tiện lợi, Thoải mái, Giá, Chất
lượng, và Niềm tin vào trang web.
Phương trình hồi quy mẫu:
Quyết định mua sắm thời trang online = (-2.751E – 016) + 0.273*TL +
0.036*LC + 0.466*TM + 0.113*G + 0.104*CL – 0.138*NT – 0.041*RR
Quyết định mua sắm thời trang online chịu tác động theo chiều thuận với các nhân
tố có giá trị lớn nhất là Thoải mái (0.466), Tiện lợi (0.273), tiếp theo là Giá (0.113) và cuối
cùng là Chất lượng (0.104). Tuy nhiên, theo như mô hình ban đầu của tác giả, thì nhân tố
Niềm tin vào web (H6) tỷ lệ thuận với thang đó quyết định; nhưng trong quá trình phân
tích, tác giả nhận thấy Niềm tin vào web (-0.138) có tác động theo chiều nghịch với thang
đo quyết định.
Sự tác động ngược chiều này có ảnh hưởng rất lớn đến doanh nghiệp. Theo như
tổng quan lý thuyết thì khi khách hàng có niềm tin lớn thì sẽ quyết định mua hàng sẽ tăng.
Nhưng qua kết quả nghiên cứu này, niềm tin càng lớn thì quyết định mua hàng càng giảm.
Vậy tại sao xảy ra trường hợp này? Để trả lời câu hỏi này, tác giả tiếp tục thực hiện một
nghiên cứu định tính hỏi lại 5 bạn sinh viên đã tham gia khảo sát trước đó, đồng thời tìm
hiểu thêm thông tin thị trường hiện nay. Qua đó tác giả nhận thấy, do hiện tượng “sống ảo”
ngày càng tăng, việc các trang web quảng cáo quá mức sự thật, hình ảnh trên mạng không
sát với hình ảnh thật, feedback “ảo”, nên dẫn đến việc khách hàng tuy có niềm tin vào
trang web đó nhưng họ vẫn còn e ngại nên không quyết định mua hàng online. Chính vì lý
do đó, các doanh nghiệp nên khắc phục và xây dựng lại lòng tin của khách hàng, thay đổi
góc nhìn ban đầu của khách hàng theo chiều hướng tích cực.
26
4.6.3. Kết quả mô hình nghiên cứu
Hình 7. Kết quả mô hình nghiên cứu

Dấu (*): các yếu tố có ý nghĩa thống kê
5. ĐỀ XUẤT VÀ KẾT LUẬN
Nghiên cứu được thực hiện để phân tích, đánh giá, xây dựng và xác định các yếu tố
ảnh hưởng đến quyết định mua sắm thời trang online của sinh viên tại TP. HCM. Trong
quá trình nghiên cứu, tác giả thực hiện nghiên cứu định tính và nghiên cứu định lượng,
thông qua 260 quan sát, trong đó có 250 quan sát thỏa yêu cầu.
Qua quá trình phân tích dữ liệu, sử dụng các công cụ phân tích sự tương quan, phân
tích hồi quy và kiểm tra các giả định hồi quy, kết quả phân tích cho thấy có 5 biến độc lập
tác động đến quyết định mua sắm online gồm: Sự tiện lợi, Thoải mái, Giá, Chất lượng,
Niềm tin vào trang web; trong đó nhân tố Niềm tin vào web tác động theo chiều nghịch với
thang đo quyết định, các nhân tố còn lại có tác động thuận chiều.
27
Giải pháp về tính thoải mái: Kết quả hồi quy cho thấy, tính thoải mái có tác động
rất cao (Beta= 0.466) đối với quyết định mua sắm thời trang online. Bên cạnh đó, giá trị
trung bình của biến TM1 với nội dung “có thể thoải mái lựa chọn sản phẩm mà không thấy
ngại” có giá trị không cao là 3.51. Điều này cho thấy, dịch vụ chăm sóc khách hàng đang
gặp vấn đề và cần phải khắc phục ngay lập tức. Doanh nghiệp nên tạo một không gian
thoải mái, nhân viên phục vụ có thái độ hòa nhã khi khách hàng có những thắc mắc muốn
được giải đáp.
Giải pháp về sự tiện lợi: Kết quả hồi quy cho thấy, sự tiện lợi tác động khá đến
quyết định mua sắm thời trang online (Beta=0.273), giá trị trung bình của các biến quan sát
cho sự tiện lợi khá cao, thấp nhất là biến TL2 với nội dung “không tốn thời gian đi lại” là
4.03. Điều này cho thấy khách hàng vẫn còn e ngại về thời gian linh loạt để đi mua sắm,
nhưng con số này được xem là một kết quả khá tốt đối với các doanh nghiệp hiện nay.
Chính vì thế, các doanh nghiệp nên cố gắng giữ vững và phát huy hơn trong tương lai,
đừng quá chủ quan về vị trị hiện tại “ngủ quên trong chiến thắng”, xã hội đang ngày càng
phát triển, nên buộc chúng ta cũng phải cố gắng và phát triển từng ngày.
Giải pháp về niềm tin vào web: Kết quả hồi quy cho thấy, niềm tin vào web có tác
động ngược chiều ( Beta= - 0.104) đối với quyết định mua sắm thời trang online. Bên cạnh
đó, giá trị trung bình của biến NT1 với nội dung “Tôi thường chọn trang web có nhiều
người sử dụng” có giá trị là 3.51. Theo như mô hình nghiên cứu ban đầu của tác giả, thang
đo niềm tin vào web có tác động chiều thuận, nghĩa là khi khách hàng có niềm tin lớn thì
càng có xu hướng ra quyết định mua hàng. Nhưng qua kết quả nghiên cứu này, niềm tin
càng lớn thì quyết định mua hàng càng giảm. Lý do được tìm ra dựa vào nghiên cứu định
tính sau đó bao gồm hiện tượng “sống ảo” ngày càng tăng, việc các trang web quảng cáo
quá mức sự thật, hình ảnh trên mạng không sát với hình ảnh thật, feedback “ảo”, nên dẫn
đến việc khách hàng tuy có niềm tin vào trang web đó nhưng họ vẫn còn e ngại nên không
quyết định mua hàng online. Các doanh nghiệp nên khắc phục và xây dựng lại lòng tin của
khách hàng, thay đổi góc nhìn ban đầu của khách hàng theo chiều hướng tích cực.
Giải pháp về giá: Kết quả hồi quy cho thấy, giá cả có tác động khá thấp (Beta=
0.113) đối với quyết định mua sắm thời trang online. Bên cạnh đó, giá trị trung bình của
biến G1 với nội dung “Tôi thấy mức giá mua hàng online rẻ hơn mua trực tiếp” có giá trị
trung bình (3.64) cao hơn 2 biến còn lại. Tâm lý mua hàng giá rẻ là một trong những điều
khiến họ mong đợi để có được mức giá tốt hơn khi mua hàng trực tuyến. Vì vậy, chiến
lược về giá của nhà quản trị cần tập trung vào việc nghiên cứu, tìm hiểu sâu hơn về mức
giá khách hàng mong đợi nhằm phân khúc nhóm khách hàng, từ đó giúp các doanh nghiệp
dễ dàng bán hàng hơn.
Giải pháp về chất lượng: Kết quả hồi quy cho thấy, chất lượng có tác động thấp
(Beta= 0.104) đối với quyết định mua sắm thời trang online. Bên cạnh đó, giá trị trung bình
của biến CL2 với nội dung “Khi mua sắm, ý kiến phản hồi chỉ ra chất lượng sản phẩm tốt
hơn” có giá trị là 3.72. Chất lượng sản phẩm là điều quan trọng cốt lỗi để tạo nên một giá
trị thương hiệu cho doanh nghiệp, sản phẩm tốt đi kèm với chất lượng tốt là điều không thể
thiếu. Chính vì điều đó, các doanh nghiệp cần phải chú trọng đến chất lượng sản phẩm để
đáp ứng nhu cầu ngày càng đa dạng của người tiêu dùng.
28
Bennett, P. D., & American Marketing Association. (1995). Dictionary of marketing terms.
Cox, D. F., & Rich, S. U. (1964). Perceived risk and consumer decision-making—the case
of telephone shopping. Journal of marketing research, 1(4), 32-39.
Dabhade, A. (2008). Antecedents of older consumers' internet shopping for apparel

products: perceived risk and benefits and shopping orientation (Doctoral dissertation).
Destiny, C. M. (2012). Factors affecting consumer purchasing decision in online shopping

in Hong Kong. Hong Kong: Institute of textiles & Clothing, Hong Kong Polytechnic
University.
Forsythe, S., Liu, C., Shannon, D., & Gardner, L. C. (2006). Development of a scale to
measure the perceived benefits and risks of online shopping. Journal of interactive
marketing, 20(2), 55-75.
Gerbing, D. W., & Anderson, J. C. (1988). An updated paradigm for scale development
incorporating unidimensionality and its assessment. Journal of marketing research, 25(2),
186-192.
Häubl, G., & Trifts, V. (2000). Consumer decision making in online shopping
environments: The effects of interactive decision aids. Marketing science, 19(1), 4-21.
Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS tập
1 & 2, NXB Hồng Đức, Tp. Hồ Chí Minh.
Hoyer, W. D., & MacInnis, D. J. (2008). Pieters. Consumer behavior.
Kotler, P., & Armstrong, G. (2016). Những nguyên lý tiếp thị.
Li, N., & Zhang, P. (2002). Consumer online shopping attitudes and behavior: An
assessment of research. AMCIS 2002 Proceedings, 74.
Long, Đ. M. (2018). Các nhân tố ảnh hưởng đến hành vi mua quần áo trực tuyến khu vực
Thành phố Hồ Chí Minh.
Moe, W. W., & Fader, P. S. (2004). Dynamic conversion behavior at e-commerce

sites. Management Science, 50(3), 326-335.
Monsuwé, T. P. Y., Dellaert, B. G., & De Ruyter, K. (2004). What drives consumers to
shop online: A literature review. International Journal of Service Industry Management.
In Information Systems Res.
Peterson, R. A. (1994). A meta-analysis of Cronbach's coefficient alpha. Journal of

consumer research, 21(2), 381-391.
Philip Kotler, 2001. Quản trị marketing. Nhà xuất bản thống kê.
29
Phúc, B. H. (2013). Nghiên cứu các yếu tố ảnh hưởng đến quyết định mua sắm trực tuyến
của người tiêu dùng Việt Nam.
Slater, S. F. (1995). Issues in conducting marketing strategy research. Journal of strategic

Marketing, 3(4), 257-270.
Soopramanien, D. G., & Robertson, A. (2007). Adoption and usage of online shopping: An
empirical analysis of the characteristics of “buyers”“browsers” and “non-internet
shoppers”. Journal of Retailing and Consumer Services, 14(1), 73-82.
30
CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN Ý ĐỊNH SỬ DỤNG VÍ

ĐIỆN TỬ CỦA GIỚI TRẺ TẠI THÀNH PHỐ HỒ CHÍ MINH
Hoàng Trọnga*, Nguyễn Kim Bảnb

a
Khoa Toán – Thống Kê, Trường Đại học Kinh tế TPHCM, Việt Nam
b
Khoa Toán – Thống Kê, Trường Đại học Kinh tế TPHCM, Việt Nam
* Tác giả liên hệ: email: htrong@ueh.edu.vn
_________________________________________________________________________
Tóm tắt
- Dịch vụ ví điện tử đang phát triển tại các thành phố lớn của Việt nam nhưng số lượng
người sử dụng ví điện tử chưa nhiều như kỳ vọng. Nghiên cứu này tìm hiểu về các nhân tố tác động
đến ý định sử dụng ví điện tử của giới trẻ hiện nay tại Thành phố Hồ Chí Minh. Khảo sát 266
người thuộc giới trẻ có kiến thức về Ví điện tử nhưng chưa sử dụng hiện đang sống và làm việc tại
thành phố Hồ Chí Minh, kết quả cho thấy có sáu nhân tố tác động đến Ý định sử dụng ví điện tử
của giới trẻ bao gồm: Hữu ích mong đợi, Dễ sử dụng mong đợi, Ảnh hưởng xã hội, Chi phí cảm
nhận, Tin cậy cảm nhận và Cộng đồng người dùng. Từ kết quả nghiên cứu, tác giả đưa ra các đề
xuất cho các doanh nghiệp cung cấp dịch vụ thanh toán thông qua ứng dụng ví điện tử.
Abstract
- E-wallet services are developing in big cities of Vietnam but the number of users
of e-wallets is not as much as expected. This study explores the factors that influence on the current
intention of young people to use e-wallets in Ho Chi Minh City. A survey of 266 young people was
conducted. They have knowledge about e-wallets but have not used and are currently living and
working in Ho Chi Minh City. The results show that there are six factors affecting the intention of
using e-wallets of the youth include: Performance expectancy, Effort expectancy, Social influences,
Perceived costs, Perceived credibility, and User's community. From research results, authors makes
recommendations to businesses providing payment services through e-wallets.
Keywords: ví điện tử, mô hình chấp nhận công nghệ, ý định sử dụng ví điện tử
_________________________________________________________________________
31
1. GIỚI THIỆU
Tại Việt Nam, hình thức thanh toán điện tử chính thức ra đời vào năm 2008 với hình
thức là ví điện tử (VĐT). Tính tới năm 2017, tuy có nhiều doanh nghiệp khai thác mô hình
ví điện tử nhưng theo thông tin từ Ngân hàng Nhà nước, chỉ có 9 doanh nghiệp như:
Payoo, MoMo, Mobivi, Ngân Lượng, Zalopay… được cấp phép thử nghiệm loại hình dịch
vụ này.
Mặc dù Nhà nước Việt Nam và các doanh nghiệp phát hành VĐT đã đề ra rất nhiều
chính sách thúc đẩy phương thức thanh toán không dùng tiền mặt từ nhiều năm trước. Tuy
nhiên, người dân phần lớn vẫn sử dụng tiền mặt trong các giao dịch hằng ngày. Theo báo
cáo "Số hóa tiền mặt tại ASEAN - Ý nghĩa đối với các nhà quản lý nguồn vốn doanh
nghiệp và người tiêu dùng trong tương lai" của NH Standard Chartered, tỉ lệ dân số (có độ
tuổi từ 15 tuổi trở lên) ở Việt Nam có tài khoản ngân hàng hoặc thẻ tín dụng thấp hơn so
với các nước trong khu vực. Tỉ lệ dân số Việt Nam có tài khoản ngân hàng chỉ 30,8%,
trong khi tỉ lệ người dân mua sắm trực tuyến chọn trả tiền mặt khi mua hàng là 90,17%.
Nghiên cứu này nhằm xác định các nhân tố tác động đến ý định sử dụng ví điện tử
(VĐT) nói riêng cũng như các phương thức thanh toán không dùng tiền mặt (TTKDTM)
nói chung tại Việt Nam. Thông qua bài nghiên cứu, các công ty phát hành ví điện tử biết
được tầm quan trọng của các nhân tố ảnh hưởng đến ý định sử sụng VĐT, quy mô cơ hội
thị trường các doanh nghiệp cung cấp dịch vụ thanh toán thông qua ví điện tử và nguyên
nhân người dân, đặc biệt là giới trẻ vẫn chưa sử dụng phổ biến hình thức thanh toán này
trong các giao dịch hằng ngày dù chúng mang lại nhiều tiện ích cho chính người dùng và
góp phần phát triển nền kinh tế quốc gia. Dựa trên kết quả nghiên cứu đạt được đề xuất
một số khuyến nghị mang tính thực tiễn cho các doanh nghiệp cung cấp dịch vụ VĐT
hoạch định những chiến lược phù hợp để gia tăng số lượng người sử dụng VĐT đồng thời
đẩy nhanh tiến độ phát triển hình thức TTKDTM tại Việt Nam theo đúng mục tiêu mà Nhà
nước đã đề ra.
Nghiên cứu này được giới hạn đối tượng nghiên cứu là giới trẻ hiện đang sống và làm
việc tại Thành phố Hồ Chí Minh. Cụ thể đối tượng nghiên cứu là những cá nhân thuộc độ
tuổi từ 18 đến 30 tuổi, hiện đang làm việc tại nhiều lĩnh vực khác nhau đang sống và làm
việc tại Thành phố Hồ Chí Minh. Đây là nhóm đối tượng tiếp xúc và nắm bắt công nghệ
mới nhanh và tần suất giao dịch trong một ngày của một cá nhân tương đối nhiều.
Đề tài này sử dụng cách tiếp cận định tính và định lượng. Nghiên cứu định tính được
sử dụng để tinh chỉnh các thang đo ứng với các nhân tố tác động đến Ý định sử dụng ví
điện tử. Nghiên cứu định lượng được thực hiện để đo lường mức độ tác động các nhân tố
ảnh hưởng và kiểm định các mối quan hệ giữa các nhân tố tác động và nhân tố Ý định sử
dụng.
32
2. CƠ SỞ LÝ THUYẾT VÀ GIẢ THUYẾT NGHIÊN CỨU

2.1 Cơ sở lý thuyết
2.1.1 Thuyết hành động hợp lý (Theory of Reasoned in Action)
Thuyết hành động hợp lý (TRA) (Fishbein & Ajzen, 1975) diễn giải rằng hành vi của
một cá nhân được xác định bởi Ý định thực hiện hành vi của họ và ý định này chính là sự
kết hợp của hai yếu tố là Thái độ và Chuẩn chủ quan. Theo lý thuyết này, yếu tố chính tác
động đến Hành vi thực sự của một cá nhân là Ý định thực hiện hành vi đó. Ý định thực
hiện hành vi được xác định bởi 02 yếu tố chính: Thái độ của cá nhân đối với một hành vi
cụ thể và Chuẩn chủ quan.
2.1.2 Thuyết hành vi có kế hoạch (Theory of Planned Behaviour)
Sau khi phát triển Thuyết hành động hợp lý (TRA), năm 1991, Ajzen nhận thấy mô
hình TRA gặp giới hạn trong chức năng dự đoán và giải thích một số các trường hợp hành
vi của cá nhân chịu sự kiểm soát của ý chí. Thuyết hành vi có kế hoạch đã được Ajzen bổ
sung thêm yếu tố Cảm nhận kiểm soát hành vi để có thể thực hiện dự đoán các hành vi mà
cá nhân không có được sự kiểm soát hoàn toàn hành vi của bản thân. Trong đó, Cảm nhận
kiểm soát hành vi nghĩa là cảm nhận của một cá nhân khi thực hiện một hành vi bản thân
họ thấy khó khăn hay dễ dàng trong việc thực hiện.
2.1.3 Mô hình chấp nhận công nghệ (Technology Acceptance Model – TAM)
- Mô hình chấp nhận công nghệ (TAM) được Fred D. Davis (1989) phát triển
dựa trên Thuyết hành động hợp lý (TRA) (Fishbein & Ajzen, 1975). Trong mô hình
này, tác giả đã thay yếu tố Thái độ và Chuẩn chủ quan bằng hai yếu tố mới tác
động đến Ý định hành vi là Cảm nhận hữu ích (Perceived Usefullness) và Cảm
nhận Dễ sử dụng (Perceived Ease of Use).
- Mô hình chấp nhận công nghệ (TAM) đã được áp dụng để thực hiện nghiên
cứu hành vi sử dụng trong nhiều lĩnh vực công nghệ khác nhau với đa dạng đối
tượng nghiên cứu. Trong nhiều thử nghiệm TAM theo kinh nghiệm, nhân tố Cảm
nhận hữu ích luôn là nhân tố quyết định mạnh mẽ của ý định sử dụng, với các hệ số
hồi quy được chuẩn hóa thường khoảng 0,6. Trên thực tế một nhân tố tác động đến
Cảm nhận hữu ích sẽ thay đổi theo thời gian khi có sự tăng lên trong trải nghiệm sử
dụng hệ thống. Với nhân tố Cảm nhận dễ sử dụng của mô hình, một số nghiên cứu
ứng dụng mô hình đã cho thấy rằng yếu tố này ít nhất quán đối với từng mục tiêu
trong các nghiên cứu. Đã có một số nghiên cứu được tiến hành để mô hình hóa các
yếu tố tác động đến mức độ dễ sử dụng (Venkatesh và Davis 1996), và đối với mô
hình trên các yếu tố tác động đến yếu tố Cảm nhận hữu dụng vẫn chưa được đề cập
đến.
33
- Để hạn chế các nhược điểm trên của mô hình nghiên cứu trên, Venkatesh và
Davis (2000) đề xuất mô hình chấp nhận công nghệ mở rộng (TAM2). TAM2 bao
gồm các nhân tố tác động được bổ sung vào mô hình gồm có các nhân tố liên quan
đến một số các ảnh hưởng xã hội (Chuẩn chủ quan, Sự tự nguyện và Hình ảnh) và
một số các nhân tố liên quan đến nhận thức về phương tiện sử dụng (Phù hợp với
công việc, Chất lượng đầu ra, Tính minh chứng của kết quả).
2.1.4. Mô hình kết hợp TAM và TPB (C-TAM-TPB)
- Nhận thấy các nhân tố tác động đến ý định của hành vi sử dụng công nghệ
mới và việc sử dụng trong thực tế đã được hỗ trợ bởi rất nhiều nghiên cứu thực
nghiệm nhưng mô hình TAM chưa bao gồm hai nhân tố (Chuẩn chủ quan và Cảm
nhận kiểm soát hành vi) đã được chứng minh có tác động đến việc sử dụng thực tế
của một cá nhân trong việc sử dụng công nghệ mới. Taylor và Todd (1995) đã đề
xuất một mô hình kết hợp các nhân tố của Thuyết hành vi có kế hoạch (TPB) với
các nhân tố có trong mô hình chấp nhận công nghệ (TAM). Mô hình sau khi kết
hợp được gọi là Thuyết hành vi kế hoạch được phân tách (Decomposed Theory of
Planned behavior), bởi vì các nhân tố thuộc nhóm niềm tin được phân tách trong
mô hình này.
Thái độ (Attitude) được phân ra thành ba yếu tố Cảm nhận hữu ích (Perceived
Usefullness), Cảm nhận dễ sử dụng (Perceived Ease of Use) và Tính tương thích
(Compatibility); Nhân tố niềm tin quy chuẩn (Normative belief) phân ra thành hai yếu tố
Ảnh hưởng từ bạn bè (Peer Influence) và Ảnh hưởng từ cấp trên (Superior influence);
Nhân tố niềm tin kiểm soát (Control belief) được phân ra thành các yếu tố Sự tự tin (Self-
efficacy), Nguồn lực hỗ trợ (Resource facilitating conditions) và Hỗ trợ kỹ thuật
(Technology facilitating conditions).
2.1.5. Mô hình động cơ thúc đẩy (Motivational model – MM)
Trong nghiên về hành vi áp dụng và sử dụng công nghệ thông tin, Thuyết động cơ
thúc đẩy được xem như một thành phần quan trọng việc hỗ trợ giải thích về hành vi của
một cá nhân. Đã có nhiều nghiên cứu áp dụng Thuyết động cơ thúc đẩy để khám phá và
giải thích về những hành vi con người ở nhiều lĩnh vực khác nhau. Thuyết động cơ thúc
đẩy của Davis et al. (1992) cho rằng hành vi của một cá nhân được hình thành từ các động
lực xuất phát từ bên trong hoặc bên ngoài của cá nhân.
Động lực bên ngoài được định nghĩa là cảm nhận rằng cá nhân muốn thực hiện một
hành vi “bởi vì hành vi ấy sẽ giúp cá nhân đạt được những kết quả có giá trị, ví dụ như
nâng cao hiệu quả công việc, tăng lương, thăng tiến…” (Davis và cộng sự, 1992, p. 1112).
34
Một vài nhân tố điển hình thuộc nhóm Động lực bên ngoài như: Cảm nhận hữu ích
(Perceived usefullness), Cảm nhận dễ sử dụng (Perceived Ease of Use), Chuẩn chủ quan
(Subjective norm),…
Động lực bên trong được định nghĩa là cảm giác vui vẻ, thích thú và hài lòng khi thực
hiện một hành vi (Vallerand, 1997). Những người sử dụng thực hiện hành vi “không vì
điều gì khác hơn chính quá trình thực hiện hành vi đó” (Davis và cộng sự, 1992, p.1112).
Một vài nhân tố điển hình thuộc về nhóm Động lực bên trong: Sự vui thích máy tính
(Computer Playfulness), Sự thích thú (Ejoyment)p,…
2.1.6. Mô hình của việc sử dụng máy tính cá nhân (Model of PC Utilization)
Được xây dựng bởi Triandis (1977) để nghiên cứu về thái độ và hành vi của con người
trong việc sử dụng máy tính. Thompson và cộng sự (1991) đã chỉnh sửa lại mô hình của
Trandis để dự đoán về hành vi sử dụng máy tính cá nhân. “Hành vi được xác định bởi
những gì mà con người muốn làm (Thái độ), những gì mà họ nghĩ là họ nên làm (Chuẩn xã
hội), những gì mà họ thường làm (Thói quen) và bởi những kết quả kỳ vọng từ hành vi của
họ” (Thompson và cộng sự., 1991, p.126). Các nhân tố chính trong mô hình gồm có: Sự
thích hợp công việc (Job-fit); Tính phức tạp (Complexity); Kết quả lâu dài (Long-term
consequences); Cảm xúc đối với việc sử dụng (Affect Towards Use); Các yếu tố xã hội
(Social Factors); Điều kiện thuận lợi (Facilitating Conditions).
2.1.7. Thuyết phổ biến sự đổi mới (Innovation Diffusion Theory)
Thuyết phổ biến sự đổi mới được xây dựng bởi nhà nghiên cứu Everett Rogers, trình
bày trong quyển Sự phổ biến của sự đổi mới xuất bản năm 1962 và được bổ sung trong bản
in thứ hai vào năm 1983, là một trong những lý thuyết khoa học xã hội lâu đời nhất, với
mục đích giải thích cách thức, lý do và mức độ phổ biến của một ý tưởng và công nghệ
mới giữa các cá nhân trong một hệ thống xã hội. Thuyết phổ biến sự đổi mới (IDT) gồm 5
yếu tố chính là: Lợi thế tương đối (Relative Advantage), Tính tương thích (Compability),
Tính phức tạp/Tính đơn giản (Complexity/Simplicity), Tính thử nghiệm (Trialability) và
Tính quan sát (Observability). Thuyết IDT được áp dụng để nghiên cứu về rất nhiều sự đổi
mới trong nhiều lĩnh vực khác nhau, từ các nông cụ đơn giản cho đến sự cải tiến của một tổ
chức (Tornatzky and Klein, 1982). Trong lĩnh vực công nghệ thông tin, Thuyết phổ biến sự
đổi mới (IDT) của Rogers đã được Moore và Benbasat (1991) điều chỉnh các nhân tố chính
có trong mô hình để nâng cao sự phù hợp nhằm ứng dụng vào nghiên cứu sự chấp nhận
công nghệ của các cá nhân, gồm các nhân tố: Lợi thế tương đối (Relative Advantage); Dễ
35
sử dụng (Ease of use); Hình ảnh (Image);Tính trực quan (Visibility); Tính tương thích
(Compatibility); Tính minh chứng kết quả (Result Demondstrability);Tính tự nguyện
(Voluntariness of Use).
2.1.8. Thuyết nhận thức xã hội (Social Cognitive Theory – SCT)
Dựa trên Thuyết hiểu biết xã hội (SLT) của Miller và Dollard (1941), Albert Bandura
(1986) đã xây dựng nên Thuyết nhận thức xã hội (SCT). Trong đó thể hiện sự tương tác lẫn
nhau giữa 3 nhóm yếu tố: Các yếu tố môi trường (Environment factors); Các yếu tố cá
nhân (Personal factors) và Các nhân tố hành vi (Behaviors).
Năm 1995, Compeau và Higgins đã áp dụng Thuyết nhận thức xã hội (SCT) khi thực
hiện nghiên cứu trong lĩnh vực công nghệ thông tin về hành vi sử dụng máy tính của các cá
nhân. Compeau và Higgins (1995) đã điều chỉnh và đề xuất rằng Hành vi sử dụng máy tính
của các cá nhân chịu tác động bởi các nhân tố: Kết quả hiệu suất mong đợi (Performance-
Outcome Expectancy), Kết quả cá nhân mong đợi (Personal-Outcome Expectancy), Sự tự
tin (Seft-Efficacy), Sự xúc động (Affect) và Sự lo lắng (Anxiety).
2.1.9. Thuyết hợp nhất về chấp nhận và sử dụng công nghệ (Unified Theory of Acceptance
and Use of Technology – UTAUT)
Venkatesh và cộng sự. (2003) nhận thấy rằng các mô hình nghiên cứu trong lĩnh vực
công nghệ thông tin cũng như hệ thống máy tính phần lớn là các mô hình được xây dựng
dựa trên việc kết hợp một số khái niệm từ nhiều mô hình khác nhau. Do đó Venkatesh và
các cộng sự đã tổng hợp từ các lý thuyết, các nghiên cứu tiền thân và đưa ra một mô hình
hợp nhất để nghiên cứu về sự chấp nhận công nghệ của người dùng.
Venkatesh và cộng sự (2003) đã lựa chọn và kết hợp các nhân tố có mức độ tác động
mạnh đến hành vi chấp nhận công nghệ trong các mô hình trước đó để xây dựng nên
Thuyết hợp nhất về chấp nhận và sử dụng công nghệ (UTAUT). Mô hình gồm có 4 nhân tố
tác động chính (Hữu ích mong đợi, Dễ sử dụng mong đợi, Ảnh hưởng xã hội, Điều kiện
thuận lợi); 4 biến đóng vai trò biến kiểm soát (Độ tuổi, Giới tính, Kinh nghiệm, Sự tự
nguyện), mô hình với các nhân tố trên có thể giải thích đến 70% Ý định hành vi
(Venkatesh và cộng sự, 2003).
2.2 Giả thuyết nghiên cứu và mô hình nghiên cứu
Dựa trên các công trình nghiên cứu trước đó, kết hợp với các lý thuyết và các mô hình
nghiên cứu tác giả nhận thấy Thuyết hợp nhất về chấp nhận sử dụng công nghệ (UTAUT)
là mô hình bao hàm tổng quát các nhân tố tác động đến Ý định sử dụng VĐT của cá nhân.
Venkatesh và các cộng sự (2003) đã chứng minh rằng mô hình UTAUT có mức độ giải
36
thích cao hơn 8 mô hình tiền thân của nó với hệ số R2 hiệu chỉnh đạt 70%. Bên cạnh đó,
tác giả thực hiện nghiên cứu dựa trên kết quả nghiên cứu của tác giả Nguyễn Thị Linh
Phương (2013) và tiến hành nghiên cứu định tính để điều chỉnh và thay đổi một số thang
đo để phù hợp với đối tượng điều tra là giới trẻ tại thời điểm nghiên cứu.
Các giả thuyết nghiên cứu về các nhân tố tác động đến ý định sử dụng VĐT được đề
xuất như sau:
H1: Hữu ích mong đợi (PE) có tác động dương lên Ý định sử dụng VĐT của khách
hàng cá nhân tại Việt Nam.
H2: Dễ sử dụng mong đợi (EE) có tác động dương lên Ý định sử dụng VĐT của khách
H3: Ảnh hưởng xã hội (SI) có tác động dương lên Ý định sử dụng VĐT của khách
H4: Điều kiện thuận lợi (FC) có tác động dương lên Ý định sử dụng VĐT của khách
hàng cá nhân tại Việt Nam
H5: Tin cậy cảm nhận (PCr) có tác động dương đến Ý định sử dụng VĐT của khách
Trong đó, Tin cậy cảm nhận được hiểu là sự đánh giá của một cá nhân về tính bảo mật
cũng như tính an toàn của hệ thống ví điện tử (Amin,2009). Tin cậy cảm nhận cũng bao
gồm hai thành phần quan trọng là tính an toàn và tính bảo mật. Trong các nghiên trước
đây, Tin cậy cảm nhận được chứng minh là có tác động đến ý định sử dụng một hệ thống
hay một công nghệ mới.
H6: Chi phí cảm nhận (PCo) có tác động âm đến ý định sử dụng VĐT của khách hàng
cá nhân tại Việt Nam.
Chi phí cảm nhận là một số tiền mà cá nhân cho rằng họ phải chi trả để sử dụng dịch
vụ được cung cấp bới công nghệ mới. Chi phí có thể bao gồm chi phí giao dịch; phí duy trì
dịch vụ của nhà cung cấp; phí mạng điện thoại/internet để gửi lưu lượng truy cập thông tin
liên lạc và chi phí máy tính/điện thoại di động (Laurn & Lin, 2005).
H7: Hỗ trợ Chính phủ (GS) có tác động dương đến ý định sử dụng VĐT của khách
Hỗ trợ Chính phủ là việc Chính phủ đầu tư vào cơ sở hạ tầng và đề ra các chính sách
hỗ trợ cho người dùng. Yếu tố này đóng vai trò quan trọng đối với sự phát triển TMĐT tại
37
Việt Nam, ngoài việc đầu tư cho cơ sở hạ tầng chính phủ cũng cần có những chính sách và
quy định hỗ trợ người dùng VĐT (Chong et al.,2010)
H8: Cộng đồng người dùng (UC) có tác động dương lên Ý định sử dụng VĐT của
khách hàng cá nhân tại Việt Nam.
- Cộng đồng người dùng sẽ tác động lên ý định của người dùng khi bản thân
người dùng nhận thấy rằng cộng đồng người dùng đông đảo thì họ sẽ có ý định sử
dụng VĐT cao hơn. Yếu tố Cộng đồng người dùng được đưa vào mô hình sau khi
tác giả Nguyễn Thị Linh Phương (2013) tham khảo ý kiến từ các chyên gia trong
ngành và nghiên cứu cũng cho thấy rằng yếu tố Cộng đồng người dùng có sự tác
động nhất định đến ý định dùng VĐT của một cá nhân.
Hình 1: Các nhân tố tác động đến Ý định sử dụng Ví điện tử của giới trẻ hiện nay
tại TP.HCM
38
3. PHƯƠNG PHÁP NGHIÊN CỨU.

Nghiên cứu này được tiến hành theo hai giai đoạn: nghiên cứu định tính sơ bộ và
nghiên cứu chính thức bằng phương pháp định lượng. Nghiên cứu định tính được tiến hành
với mục đích điều chỉnh các biến quan sát của các thang đo để phù hợp với thời gian, bối
cảnh và đối tượng nghiên cứu. Nghiên cứu định tính được tiến hành bằng cách thảo luận
sâu và phỏng vấn trực tiếp 10 người thuộc đối tượng nghiên cứu với mục tiêu kiểm tra sự
phù hợp của các thuật ngữ và nội dung của thang đo với đối tượng khảo sát mà nghiên cứu
hướng đến. Kết quả quá trình nghiên cứu định tính là bảng câu hỏi khảo sát được sử dụng
cho nghiên cứu định lượng chính thức.
Các phương pháp nghiên cứu định lượng được sử dụng trong giai đoạn nghiên cứu
chính thức thông qua bảng câu hỏi đã được điều chỉnh và tiến hành khảo sát trực tuyến.
Dựa trên kích thước mẫu cần thiết và các điều kiện gạn lọc phù hợp với mục tiêu nghiên
cứu, bảng câu hỏi được gửi đến những cá nhân thuộc đối tượng nghiên cứu đồng thời đăng
tải liên kết bài khảo sát trực tuyến trên các diễn đàn có cộng đồng người tham gia phần lớn
là giới trẻ và có kiến thức về VĐT hiện đang sống và làm việc tại TP.HCM.
4.1 Đặc điểm mẫu khảo sát
Với 266 người tham gia khảo sát hiện đang dùng điện thoại thông minh, biết đến ứng dụng
VĐT nhưng chưa dùng (chiếm 71,51% số lượng người tham gia khảo sát),có 89 người
tham gia khảo trả lời rằng họ đang dùng hoặc từng dùng VĐT (chiếm gần 23,92%), chỉ có
7 người tham gia khảo sát có dùng điện thoại thông minh và không biết về VĐT (chiếm
1,88%), còn lại là những người tham gia khảo sát hiện tại không dùng các loại điện thoại
thông minh (chiếm 2,69%), có thể thấy rằng quy mô cơ hội thị trường của các doanh
nghiệp cung cấp dịch vụ TTKDTM thông qua điện thoại tương đối lớn.
4.2 Kiểm tra thang đo các khái niệm
- Toàn bộ 40 biến đo lường của tất cả 9 yếu tố ban đầu, được kiểm tra độ tin cậy với
Cronbach alpha đều đạt mức 0,7 trở lên.
- Yếu tố Hữu ích mong đợi: có 5 biến đo lường. Cronbach alpha đạt 0.870
- Yếu tố Dễ sử dụng mong dợi: có 5 biến đo lường. Cronbach alpha đạt 0.875
- Yếu tố Ảnh hưởng xã hội: có 4 biến đo lường. Cronbach alpha đạt 0.804
- Yếu tố Điều kiện thuận lợi: có 5 biến đo lường. Cronbach alpha đạt 0.870
- Yếu tố Tin cậy cảm nhận: có 4 biến đo lường. Cronbach alpha đạt 0,825
39
- Yếu tố Chi phí cảm nhận: có 4 biến đo lường. Cronbach alpha đạt 0.833
- Yếu tố Hỗ trợ chính phủ: có 5 biến đo lường. Cronbach alpha đạt 0,881
- Yếu tố Cộng đồng người dùng: có 5 biến đo lường. Cronbach alpha đạt 0.783
- Yếu tố Ý định sử dụng: có 3 biến đo lường. Cronbach alpha đạt 0.894
Tiếp theo phương pháp nhân tích nhân tố khám phá EFA được tiến hành với phương
pháp rút trích thành phần chính và phương pháp xoay Varimax. bày kết quả phân tích nhân
tố khám phá EFA cho thấy 40 biến quan sát được nhóm thành 9 nhân tố: Dễ sử dụng mong
đợi, Hỗ trợ Chính phủ, Hữu ích mong đợi, Điều kiện thuận lợi, Cộng đồng người dùng, Tin
cậy cảm nhận, Chi phí cảm nhận, Ảnh hưởng xã hội và Ý định sử dụng với chỉ số
KMO=0,917 > 0,5, Bartlett's Sig. = 0,000 < 0,05, tổng phương sai trích = 68,888% > 50%
và các hệ số Eigenvalue đều lớn hơn 1. Kết quả phân tích cho thấy, các nhân tố có được
sau khi phân tích đều đạt yêu cầu về độ hội tụ và độ phân biệt, và được dùng để đưa vào
phân tích hồi quy.
Với bảng câu hỏi dùng trong khảo sát thu thập dữ liệu có thang đo Chi phí cảm nhận
(PCo) là thang đo ngược hướng do đó các hệ số tải nhân tố của thang đo này đều mang dấu
âm.
Bảng 1: Ma trận hệ số tải nhân tố của phân tích nhân tố khám phá
Biến Các nhân tố
quan sát 1 2 3 4 5 6 7 8 9
EE2 0.751 0.036 0.101 0.293 0.132 0.026 0.173 0.079 0.058
EE1 0.740 0.040 0.117 0.301 0.168 0.014 0.060 0.053 0.165
EE4 0.732 0.173 0.228 0.141 0.121 0.071 0.063 0.066 0.172
EE5 0.714 0.222 0.212 -0.066 0.183 0.114 0.199 0.144 0.075
EE3 0.664 0.223 0.218 0.157 0.051 0.237 0.125 0.174 0.111
GS3 0.103 0.758 0.194 0.123 0.121 0.145 0.121 0.096 0.177
GS4 0.166 0.719 0.171 0.270 0.034 0.253 0.051 0.043 0.068
GS5 0.079 0.701 0.114 0.157 0.123 0.317 0.082 0.129 0.264
GS2 0.151 0.665 0.137 0.204 0.232 0.131 0.113 0.200 0.112
GS1 0.193 0.627 0.237 0.215 0.209 0.155 -0.014 0.151 -0.064
PE2 0.125 0.168 0.759 0.121 0.096 0.206 0.104 0.118 0.116
PE1 0.203 0.232 0.747 0.130 0.117 0.121 0.207 0.071 0.178
PE3 0.158 0.272 0.678 0.011 -0.011 0.169 0.051 0.266 0.168
PE4 0.206 0.079 0.647 0.318 0.241 -0.046 0.157 0.107 0.042
PE5 0.367 0.118 0.609 0.212 0.128 0.115 0.174 0.104 0.068
FC5 0.155 0.242 0.125 0.687 0.115 0.214 0.058 0.127 0.142
FC1 0.204 0.134 0.185 0.684 0.106 0.149 0.160 0.195 0.245
FC2 0.312 0.209 0.211 0.653 0.145 0.003 0.016 0.188 0.136
40
FC3 0.193 0.314 0.223 0.593 0.250 0.052 0.123 0.150 0.159
FC4 0.170 0.371 0.057 0.585 0.219 0.190 0.119 0.184 -0.046
UC1 0.153 0.060 0.006 0.180 0.754 0.130 0.060 0.017 0.132
UC3 0.174 0.114 0.072 0.057 0.684 0.093 0.142 0.034 -0.011
UC2 0.045 0.059 0.206 0.041 0.661 0.238 0.056 0.103 0.031
UC4 0.032 0.134 0.106 0.120 0.651 0.188 -0.093 0.087 0.128
UC5 0.197 0.241 0.015 0.149 0.613 -0.201 0.087 0.181 0.214
PCr2 0.149 0.210 0.113 0.019 0.139 0.772 0.112 0.176 0.159
PCr1 0.141 0.215 0.032 0.208 0.067 0.762 0.112 0.085 -0.100
PCr4 0.069 0.244 0.163 0.065 0.191 0.703 0.028 0.091 0.235
PCr3 -0.017 0.171 0.250 0.180 0.285 0.654 0.086 0.204 0.123
PCo3 -0.039 -0.045 -0.118 -0.020 -0.135 -0.062 -0.842 -0.069 -0.013
PCo4 -0.122 -0.167 -0.071 0.029 -0.033 -0.062 -0.828 -0.036 -0.067
PCo1 -0.168 -0.098 -0.088 -0.093 -0.055 -0.048 -0.757 -0.046 -0.125
PCo2 -0.130 0.090 -0.192 -0.295 0.029 -0.107 -0.677 -0.086 -0.105
SI4 0.060 0.081 0.173 0.169 0.061 0.078 0.089 0.790 0.102
SI3 0.138 0.102 -0.004 0.154 0.095 0.081 0.141 0.765 0.032
SI1 0.048 0.303 0.101 0.009 0.146 0.148 -0.050 0.682 0.154
SI2 0.161 0.021 0.266 0.214 0.064 0.177 0.047 0.664 0.086
BI1 0.254 0.175 0.225 0.205 0.196 0.139 0.184 0.173 0.726
BI3 0.292 0.234 0.213 0.246 0.202 0.176 0.188 0.177 0.647
BI2 0.224 0.207 0.230 0.216 0.236 0.173 0.147 0.203 0.645
KMO = 0.917; Bartlett's Sig. = 0.000, Phương sai trích: 68.888
Nguồn: Kết quả tính toán từ dữ liệu khảo sát.
4.3 Kiểm định các giả thuyết nghiên cứu

Sau khi thực hiện kiểm định các giả thuyết của mô hình hồi quy, so với mô hình đề
xuất ban đầu, có 2 nhân tố gồm Điều kiện thuận lợi (FC) và Hỗ trợ Chính Phủ (GS) bị loại
ra khỏi mô hình do vi phạm giả định mô hình có phương sai phần dư không đổi. Mô hình
nghiên cứu mới được dùng để xác định các nhân tố và mức độ tác động của chúng đến ý
định sử dụng VĐT, mô hình hồi quy sẽ được thực hiện với các biến độc lập còn lại gồm:
Hữu ích mong đợi; Dễ sử dụng mong đợi; Ảnh hưởng xã hội; Tin cậy cảm nhận; Chi phí
cảm nhận và Cộng đồng người dùng. Đối với mô hình hồi quy này, với phương pháp thực
hiện là Enter, các biến được đưa vào mô hình cùng một lúc để loại các biến có giá trị
Sig.>0,05 do vi phạm giả thuyết hệ số β=0 với mức ý nghĩa 95%.
Giá trị R2 hiệu chỉnh = 0,547, nghĩa là mức độ phù hợp của mô hình hồi quy tuyến
tính với bộ dữ liệu là 54,7%. Bên cạnh đó, kết quả kiểm định F cho thấy giá trị Sig.<0,05
do đó bác bỏ giả thuyết tấc cả các hệ số hồi quy đều bằng không.
41
- Bảng 2: Kết quả phân tích hồi quy bội
Hệ số
Hệ số chưa chuẩn
chuẩn hóa hóa Đa cộng tuyến
Std.
Mô hình B Error Beta T Sig. Sai số VIF
1 Hằng số -.855 .407 -2.099 .037
Hữu ích .288 .077 .212 3.745 .000 .534 1.871
mong đợi
Dễ sử dụng .341 .078 .238 4.396 .000 .583 1.715
mong đợi
Ảnh hưởng .213 .068 .154 3.143 .002 .709 1.410
xã hội
Tin cậy cảm .159 .061 .131 2.595 .010 .668 1.497
nhận
Chi phí cảm -.148 .059 -.117 -2.528 .012 .803 1.246
nhận
Cộng đồng .314 .080 .191 3.913 .000 .717 1.394
người dùng
Biến phụ thuộc: Ý đinh sử dụng VĐT
Nguồn: Kết quả tính toán từ dữ liệu khảo sát.
Để đảm bảo sự tin cậy của các kiểm định thống kê thì cần kiểm tra mô hình hồi quy
này qua các đánh giá sau:
1. Phần dư thỏa điều kiện có phân phối chuẩn và không có hiện tượng phương sai
thay đổi.
2. Các hệ số phóng đại phương sai đều nhỏ hơn 5 do đó có thể nói rằng không xảy ra
hiện tương đa cộng tuyến bởi mối quan hệ chặt chẽ giữa các biến độc lập trong mô
hình.
3. Hệ số d của Durbin-Watson = 1,582 nằm trong giới hạn (1;3) do đó theo quy tắc
kinh nghiệm có thể nói không xảy ra hiện tượng tương quan chuỗi trong phần dư.
4.4 Thảo luận kết quả
Mô hình nghiên cứu được kế thừa từ công trình Nghiên cứu các nhân tố tác động đến
Ý định sử dụng ví điện tử tại Việt Nam của tác giả Nguyễn Thị Linh Phương và các lý
thuyết, mô hình nghiên cứu Thuyết hợp nhất về chấp nhận sử dụng công nghệ (UTAUT)
của Venkatesh và các cộng sự (2003). Thang đo lường cho từng khái niệm được điều chỉnh
để phù hợp với bối cảnh và đối tượng nghiên cứu, một bảng hỏi sơ bộ được xây dựng và
khảo sát trên một nhóm nhỏ đối tượng khảo sát để điều chỉnh nội dung cho phù hợp.
42
Với mục tiêu nghiên cứu ban đầu nghiên cứu các nhân tố và mức độ tác động của từng
nhân tố đến Ý định sử dụng VĐT của giới trẻ tại khu vực TP.HCM. Kết quả phân tích hồi
quy ở Bảng 2 cho thấy, đối với cá nhân giới trẻ có kiến thức về hình thức thanh toán VĐT
nhưng chưa dùng ứng dụng có 6 nhân tố tác động đến Ý định sử dụng VĐT gồm có: Hữu
ích mong đợi; Dễ sử dụng mong đợi; Ảnh hưởng xã hội; Tin cậy cảm nhận; Chi phí cảm
nhận và Cộng đồng người dùng. Trong đó, Hữu ích mong đợi và Dễ sử dụng mong có mức
độ tác động đến Ý định sử dụng cao nhất và Chi phí cảm nhận có mức độ tác động thấp
nhất, toàn bộ mô hình cho thấy Ý định sử dụng VĐT của giới trẻ được giải thích khoảng
54,7% bởi các nhân tố trên.
5. KẾT LUẬN VÀ GỢI Ý

5.1 Kết luận
Nghiên cứu này nhằm làm rõ nguyên nhân vì sao ứng dụng thanh toán thông qua ứng
dụng Ví điện tử dù đem lại nhiều lợi ích nhưng vẫn chưa thu hút được người dùng, đặc biệt
là giới trẻ những người nắm bắt và ứng dụng công nghệ mới nhanh. Bên cạnh đó, với mục
tiêu phát triển hình thức thanh toán không dùng tiền mặt của Nhà nước cùng với đó là giảm
tỷ lệ tiền mặt trong thanh toán trong giai đoạn 2020 – 2025, việc tìm ra các yếu tố tác động
đến Ý định sử dụng Ví điện tử giúp các doanh nghiệp cung cấp dịch vụ tìm ra hướng đi
đúng với một thị trường tiềm năng và đạt được các chỉ tiêu Chính phủ đề ra. Việc thanh
toán thông qua ứng dụng ví điện tử được thay thế cho phương thức thanh toán truyền thống
sẽ góp phần đẩy lùi các rủi ro khi sử dụng tiền mặt, đồng thời hạn chế những dạng tội
phạm đặc biệt liên quan đến lĩnh vực tài chính.
5.2 Gợi ý chính sách kinh doanh

Theo kết quả phân tích hồi quy tuyến tính cho thấy, nhân tố Dễ sử dụng mong đợi có
tác động mạnh đến Ý định sử dụng ứng dụng VĐT của người dùng thuộc giới trẻ. Điều này
cho thấy để thu hút được nhiều người dùng hơn nữa, đặc biệt là giới trẻ những người tiếp
xúc nhanh với các công nghệ mới, các doanh nghiệp cung cấp dịch vụ VĐT nên tạo ra các
ứng dụng có giao diện thân thiện với người dùng, dễ dàng sử dụng và thực hiện thanh toán
qua ứng dụng một cách nhanh chóng. Đối với người dùng mới cần có những màn hình
hướng dẫn cụ thể toàn bộ quy trình thanh toán thông qua ứng dụng.
Để ứng dụng VĐT được nhiều người dùng đón nhận hơn, các doanh nghiệp cần phải
cho thấy được những lợi ích mà người dùng có được khi sử dụng VĐT so với việc sử dụng
43
tiền mặt trong các giao dịch thanh toán như hiện nay. Doanh nghiệp cần xây dựng và mở
rộng hệ sinh thái sử dụng hình thức thanh toán thông qua VĐT để người dùng có thể sử
dụng ứng dụng trong nhiều lĩnh vực thanh toán khác nhau. Bên cạnh đó với quy mô cơ hội
thị trường không hề nhỏ, doanh nghiệp cung cấp VĐT nên có những chiết khấu, giảm giá
khi thực hiện thanh toán qua ứng dụng với quy trình thanh toán dễ dàng, nhanh chóng và
tiện lợi cho người sử dụng.
Ảnh hưởng xã hội cũng là một trong những yếu tố tác động đến Ý định sử dụng, đối
với giới trẻ, các doanh nghiệp nên có những chiến lược truyền thông phù hợp, thu hút được
các bạn trẻ sẵn sàn trải nghiệm các tiện ích mà ứng dụng mang lại khi sử dụng. Đặc biệt
với sự phát triển mạnh mẽ của các trang mạng truyền thông và mạng xã hội như hiện nay
cùng với đó là cộng đồng người dùng mạng xã hội đa phần là giới trẻ, doanh nghiệp nên
tăng cường quảng bá ứng dụng trên các kênh truyền thông trên đồng thời mời những người
nổi tiếng, có sức ảnh hưởng với giới trẻ và có uy tín để quảng bá sản phẩm VĐT.
Hiện nay, trên thực tế, vấn đề bảo mật thông tin luôn được người dùng quan tâm khi
sử dụng các ứng dụng tiện ích trên điện thoại thông minh. Đặc biệt đối với ứng dụng VĐT,
khi sử dụng người dùng cần phải kê khai thông tin cá nhân và liên kết ví với tài khoản
ngân hàng mà mình đang sử dụng, do đó doanh nghiệp nên có các chính sách bảo mật
thông tin cá nhân của người dùng, không ngừng nâng cấp và hoàn thiện ứng dụng với các
biện pháp bảo mật chặt chẽ, phòng chống sự xâm nhập của các phần mềm gián điệp.
Trong nghiên cứu có thể thấy, mức độ nhân tố chi phí cảm nhận có tác động âm đến Ý
định sử dụng. Doanh nghiệp nên hạn chế việc phát sinh các khoản phí khi người dùng mới
đăng ký sử dụng. Bên cạnh đó, với nhóm người dùng là giới trẻ, các doanh nghiệp nên liên
kết với các dịch vụ, các trang thương mại điện tử, các điểm vui chơi mà các bạn trẻ thường
đến để có thể phát triển các chính sách khuyến mãi, giảm giá khi sử dụng VĐT trong thanh
toán.
Để ngày càng nhiều hơn những người dùng sử dụng ứng dụng VĐT, các doanh nghiệp
cung cấp dịch vụ VĐT nên gia tăng số lượng địa điểm tiếp nhận thực hiện thanh toán thông
qua ứng dụng. Cùng với đó các doanh nghiệp cung ứng VĐT nên liên kết và xây dựng một
môi trường thanh toán thuận tiện cho người dùng, để khi người dùng sử dụng bất kỳ VĐT
của nhà cung cấp nào cũng có thể thực hiện việc chuyển khoản, hoặc chi trả phí cho các
doanh nghiệp cung cấp dịch vụ hợp tác với doanh nghiệp cung ứng dịch vụ VĐT khác.
44
Với đối tượng nghiên cứu là giới trẻ ở TP.HCM, như kết quả phân tích thể hiện sự
khác biệt rõ rệt về Ý định sử dụng hình thức thanh toán thông qua VĐT giữa những người
có Nghề nghiệp khác nhau. Đối với các yếu tố như Giới tính, Độ tuổi, Trình độ học vấn và
Thu nhập vẫn chưa thấy sự khác biệt với mẫu nhỏ đối tượng nghiên cứu là giới trẻ. Tuy
nhiên, các doanh nghiệp cung cấp dịch vụ cũng cần quan tâm đến các đặc điểm của từng
nhóm người dùng mới để có hướng phát triển chiến lược thu hút khách hàng và phát triển
ứng dụng, cộng đồng người dùng.
5.3 Hạn chế của nghiên cứu và hướng phát triển tiếp theo
Do mẫu khảo sát là mẫu thuận tiện được thu thập trong một thời gian ngắn, mẫu có
quy mô tương đối nhỏ so với thực tế đối tượng nghiên cứu ở thời điểm hiện tại nên tính
tổng quát chưa cao. Đề tài nghiên cứu hiện chỉ giới hạn đối tượng là giới trẻ đang sinh
sống và làm việc tại khu vực TP.HCM nên chưa phản ánh hết quy mô thị trường người
dùng mới của hình thức thanh toán VĐT trên tổng thể thị trường cả nước. Trong các
nghiên cứu tiếp theo, với đối tượng là người dùng mới thuộc giới trẻ cần thực hiện với đối
tượng là giới trẻ ở nhiều khu vực hơn trên cả nước để phản ánh đúng thực trạng hơn. Bên
cạnh đó, để kết quả nghiên cứu khách quan hơn cần thực hiện phương pháp chọn mẫu phân
tầng với những điều kiện chặt chẽ, đáp ứng được mục tiêu nghiên cứu đề ra.
Tài liệu tham khảo
Tiếng Anh
Ajzen, I. (1991). The Theory of Planned Behavior, Organization Behavior and Human
Decision Processes, 50(2), 179-211.
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of
Information Technology, MIS Quarterly, 13(3).
Davis, Fred; Bagozzi, Richard; Warshaw, Paul (1992). Extrinsic and Intrinsic Motivation
to Use Computers in the Workplace, Journal of Applied Social Psychology, 22(14), 1111-
1132.
Fishbein, M., Ajzen, I. (1975), Belief, Attitude, Intention and Behavior: An Introduction to
Theory and Research, Addison – Wesley, Reading, MA.
Gia-Shie Liu, Pham Tan Tai (2016). A Study of Factors Affecting the Intention to Use
Mobile Payment Services in Vietnam. Economics World, Nov.-Dec. 2016, Vol. 4, No. 6,
249-273. DOI: 10.17265/2328-7144/2016.06.001
Jiajun Jim Chen, Carl Adams (2005). User Acceptance of Mobile Payments: A Theoretical
Model for Mobile Payments. Proceedings of the International Conference on Electronic
Business (ICEB).
45
Miller, N. E., Dollard, J. (1941). Social learning and imitation. New Haven, CT, US: Yale
University Press, xiv, 341.
Rogers, E. (1995). Diffusion of Innovations. Free Press, New York.
Taylor, S., Todd, P. A. (1995). Understanding Information Technology Usage: A Test of
Competing Models. Information System Research, 6(4), 144-176.
Triands, H. C. (1977). Interpersional Behavior. Brooke/Cole, Monterey, CA.
Venkatesh, V., Morris M. G., David G. B., David F. Dl. (2003). User acceptance of
information technology: Toward a unified view. MIS Quaterly, 27(3), 425-478.
Venkatesh, V. and Davis, F.D. (2000). A Theoretical Extension of the Technology
Acceptance Model: Four Logitudinal Field Studies. Management Science, 46(2), 186-204.
Johnson, Vess; Kiser, Angelina; Washington, Ronald; Russell, Torres (2018). Limitations
to the rapid adoption of M-payment services: Understanding the impact of privacy risk on
M-payment services. Computers in Human Behavior. DOI: 79. 111-122.
10.1016/j.chb.2017.10.035.
Tiếng Việt
Ngân hàng Nhà nước Việt Nam, Danh sách các tổ chức không phải là Ngân hàng được
Ngân hàng Nhà Nước cấp giấy phép hoạt động cung ứng dịch vụ trung gian thanh toán
Nguyễn Thị Linh Phương, 2013, Nghiên cứu các nhân tố tác động đến ý định sử dụng Ví
điện tử tại Việt Nam.
46
CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH CHỌN HÃNG HÀNG
KHÔNG BAMBOO AIRWAYS CỦA HÀNH KHÁCH TẠI TP.HCM
Võ Thị Lana*, Đào Nhựt An
a
Khoa Toán-Thống kê, Trường Đại học Kinh tế TP.HCM, Việt Nam
b
Trường Đại học Kinh tế TP.HCM, Việt Nam
*
Tác giả liên hệ: Email: volan@ueh.edu.vn | Điện thoại: 0908 600 248
Tóm tắt
Nghiên cứu nhằm tìm hiểu các yếu tố ảnh hưởng đến quyết định chọn hãng hàng không
Bamboo Airways của hành khách tại TP.HCM. Mẫu nghiên cứu thuận tiện tiến hành phỏng
vấn online 61 hành khách và 152 hành khách được khảo sát thực tế tại sân bay Tân Sơn Nhất,
TP.HCM. Thực hiện kiểm định Cronbach’s Alpha và phân tích nhân tố, kết quả phân tích còn 5
nhân tố (27 biến độc lập) cho thấy Giá, ảnh hưởng nhiều nhất đến quyết định chọn hãng hàng
không Bamboo Airways của hành khách tại TP.HCM, tiếp đến lần lượt là các yếu tố Tính hữu
hình, Năng lực phục vụ, Khả năng đáp ứng và cuối cùng là Độ tin cậy. Kết quả nghiên cứu thu
được góp phần bổ sung vào thực tiễn quản lý, giúp các nhà quản trị có được những chiến lược
và giải pháp điều chỉnh phù hợp để có thể đáp ứng được nhu cầu và mong muốn của hành
khách góp phần gia tăng Quyết định lựa chọn hãng hàng không Bamboo Airways của hành
khách tại TP.HCM nói riêng và hành khách nói chung.
Từ khóa: Giá; Năng lực phục vụ; Quyết định lựa chọn hãng hàng không; Tính hữu hình.
Abstract
The study aimed to find out the factors that influence passengers' decision to choose Bamboo
Airways in Ho Chi Minh City. Convenient research sample conducted online interviews with
61 passengers and 152 actual survey passengers at Tan Son Nhat airport, Ho Chi Minh City.
Carrying out Cronbach’s Alpha test and factor analysis, the results of the analysis still have 5
factors (27 observed variables) showing that Price affects most decisions of passengers of
Bamboo Airways in Ho Chi Minh City, followed by factors Tangible, Service capacity,
ultimately Responsibility and Reliability. The results of the research contribute to the
management practice, helping managers to have appropriate strategies and solutions to meet
the needs and desires of the passengers. Increasing the decision to select Bamboo Airways for
passengers in Ho Chi Minh City in particular and passengers in general.
Keywords: Decision on airline selection; Price; Service capabilities; Tangible.
____________________________________________________________________________
47
1. GIỚI THIỆU
Trong khoảng 10 năm qua, từ giai đoạn 2008 – 2018, Việt Nam đã có sự tăng
trưởng vượt bậc trong ngành hàng không. 60 máy bay là số lượng mà ngành hàng không
Việt Nam có được vào năm 2008 và đến năm 2018, số lượng này đã tăng gấp hơn 3 lần.
Bên cạnh đó, mạng đường bay của ngành hàng không Việt Nam cũng có sự chuyển biến rõ
rệt, gần 60 đường bay nội địa và 130 đường bay quốc tế từ 25 đường bay nội địa và 54
đường bay quốc tế tại thời điểm 2008. Phần lớn dẫn tới sự tăng trưởng ấn tượng này là nhờ
vào sự phát triển kinh tế trong nước và thu nhập của người dân ngày càng được cải thiện.
Việt Nam đang trở thành một trong những quốc gia thu hút các nước trên thế giới đầu tư về
nhiều lĩnh vực với mức độ hội nhập rất sâu. Chính mức độ hội nhập này đã thúc đẩy ngành
hàng không tăng trưởng mạnh, trở thành một “miếng bánh” béo bở cho nhiều doanh
nghiệp tư nhân trong và ngoài nước nhắm đến và từ đây hứa hẹn cạnh tranh giữa các hãng
hàng không sẽ ngày càng khốc liệt. Với sự ra mắt của hãng hàng không mới vào cuối năm
2018 vừa qua - thuộc sở hữu của tập đoàn FLC là Bamboo Airways, đã minh chứng rõ
ràng tiềm năng trong lĩnh vực hàng không này là lớn đến như thế nào. Sự xuất hiện của
Bamboo Airways - hãng hàng không đầu tiên áp dụng mô hình Hybrid - kết hợp giữa hàng
không truyền thống và mô hình hàng không giá rẻ, nhằm hướng tới nhu cầu đa dạng của
mọi phân khúc khách hàng, trong tương lai sẽ mang lại một "làn gió" mới cho thị trường.
Chiến lược giai đoạn đầu của hãng hàng không Bamboo Airways là tập trung vào khai thác
thị trường ngách, chủ yếu là kết nối các chuyến bay từ Hà Nội và TP.HCM tới các địa
điểm du lịch nổi tiếng có khu nghỉ dưỡng của tập đoàn FLC như Quy Nhơn, Phú Quốc, Đà
Nẵng, Vân Đồn, Thanh Hóa, Vinh, Nha Trang…. Hiện nay, Vietnam Airlines và Vietjet
Air gần như chiếm toàn bộ thị phần nội địa. Theo Cục Hàng không Việt Nam, chỉ tính
riêng cho 6 tháng đầu năm 2019, Vietjet Air có số lượng chuyến bay cao nhất với 68.821
chuyến; tiếp đến là Vietnam Airlines với 53.242 chuyến; Jetstar với 18.146 chuyến và cuối
cùng là Bamboo Airways chỉ với 6.700 chuyến. Số lượng máy bay sở hữu hiện tại của
Bamboo Airways chỉ có 10 chiếc so với 97 chiếc của Vietnam Airlines; 67 chiếc của
Vietjet Air và 33 chiếc của Vasco. Với mục tiêu mở rộng số lượng máy bay và chuyến bay
trong tương lai, hãng hàng không Bamboo Airways sẽ cần phải làm rất nhiều việc. Và một
trong những yếu tố then chốt để đạt được mục tiêu trên là thu hút lượng hành khách đáng
kể tham gia chuyến bay của hãng.
Với sự đa dạng trong cung cấp dịch vụ vận chuyển hàng không, để thu hút được
hành khách lựa chọn một hãng hàng không mới như Bamboo Airways thì hãng phải hiểu
rõ đâu là các yếu tố mà hành khách quan tâm khi quyết định lựa chọn sử dụng và đâu là
yếu tố mà hành khách kì vọng ở một hãng hàng không. Từ đó, Bamboo Airways có thể
nhận diện được những điểm mạnh và điểm yếu nào cần phải duy trì, phát huy hoặc cải
thiện. Nghiên cứu được thực hiện nhằm (1) Xác định các yếu tố ảnh hưởng đến quyết định
chọn hãng hàng không Bamboo Airways của hành khách tại TP.HCM;(2) Đo lường mức
độ các yếu tố ảnh hưởng đến quyết định chọn hãng hàng không Bamboo Airways của hành
khách tại TP.HCM; và (3) Đề xuất giải pháp nhằm cải thiện và nâng cao các yếu tố ảnh
hưởng đến quyết định chọn hãng hàng không Bamboo Airways của hành khách tại
TP.HCM.
48
2. CƠ SỞ LÝ THUYẾT
2.1. Lý thuyết về hành vi người tiêu dùng
2.1.1. Khái niệm hành vi người tiêu dùng
Theo Leon Schiffiman, David Bednall và Aron O’cass (1997), hành vi người tiêu
dùng là sự tương tác năng động của các yếu tố ảnh hưởng đến nhận thức, hành vi và môi
trường mà qua sự thay đổi đó con người thay đổi cuộc sống của họ. Theo Peter D.Bennet
(1988), hành vi của người tiêu dùng là những hành vi mà người tiêu dùng thể hiện trong
việc tìm kiếm, mua, sử dụng, đánh giá sản phẩm và dịch vụ mà họ mong đợi sẽ thỏa mãn
nhu cầu cá nhân của họ. Theo Charles W. Lamb, Joseph F. Hair và Carl McDaniel (2000),
hành vi của người tiêu dùng là một quá trình mô tả cách thức mà người tiêu dùng ra quyết
định lựa chọn và loại bỏ một loại sản phẩm hay dịch vụ. Theo Philip Kotler (2001), người
làm kinh doanh nghiên cứu hành vi người tiêu dùng với mục đích nhận biết nhu cầu, sở
thích, thói quen của họ. Cụ thể là xem người tiêu dùng muốn mua gì, sao họ lại mua sản
phẩm, dịch vụ đó, tại sao họ mua nhãn hiệu đó, họ mua như thế nào, mua ở đâu, khi nào
mua và mức độ mua ra sao để xây dựng chiến lược marketing thúc đẩy người tiêu dùng lựa
chọn sản phẩm, dịch vụ của mình. Các hành khách được hãng hàng không Bamboo
Airways tìm hiểu xem các hành khách có nhận thức được các lợi ích của việc tham gia
chuyến bay của hãng, dịch vụ mà hãng mang lại cho họ hay không và cảm nhận, đánh giá
nhự thế nào sau khi tham gia chuyến bay và trải nghiệm dịch vụ của hãng. Điều này rất
quan trọng, vì nó sẽ tác động đến những quyết định lựa chọn hãng cũng như sử dụng dịch
vụ của hãng vào những lần sau đó của các hành khách, đồng thời tác động thông tin tích
cực hay tiêu cực đến các hành khách khác.
2.1.2. Mô hình hành vi người tiêu dùng của Philip Kotler
Nhận thức Tìm kiếm Đánh giá các Quyết định Hành vi sau
nhu cầu thông tin phương án mua mua
Hình 1. Mô hình hành vi người tiêu dùng của Philip Kotler
Nguồn: Kotler, P.& Amstrong, G., (2012), tr.171
Nhận biết nhu cầu là bước đầu tiên mà khách hàng trải qua, đó chính là sự khác biệt
giữa hiện trạng và mong muốn của khách hàng mà sự khác biệt này đủ lớn để tác động đến
khách hàng trong việc mua sắm hoặc sử dụng. Các nhân tố nằm ngoài sự kiểm soát của nhà
tiếp thị có thể tác động đến sự nhận biết nhu cầu bao gồm: Văn hóa, giai cấp xã hội, các
nhóm, những đặc điểm riêng của gia đình, tình hình tài chính, các quyết định trước đó, sự
phát triển của cá nhân, các động cơ, những cảm xúc và những tình huống hiện thời.
Một khi các nhà tiếp thị hiểu được sự nhận biết nhu cầu của những khách hàng mục
tiêu, họ có thể tác động trở lại bằng cách thiết kế chiến lược marketing-mix thích ứng để
giải quyết nhu cầu đã được nhận biết. Sau khi đánh giá các phương án khách hàng sẽ chọn
hãng hàng không mà họ cho là tốt nhất. Họ sẽ mua vé ở đâu? Số lượng bao nhiêu? Hạng
ghế như thế nào? Và cuối cùng là Hành vi của khách hàng đối với việc có sử dụng hay
không sử dụng hãng hàng không đó trong tương lai. Công việc của nhà làm thị trường
không phải là kết thúc sau khi sản phẩm/dịch vụ đã được bán cho khách hàng. Sau khi
49
mua, trong quá trình sử dụng dịch vụ của hãng, khách hàng sẽ có những nhận xét, đánh giá
cũng như những phản ứng đáp lại của họ với trạng thái hài lòng hoặc không hài lòng về
sản phẩm mà họ đã mua hoặc dịch vụ họ sử dụng để có những điều chỉnh kịp thời. Đây
chính là điều mà người làm tiếp thị cần phải quan tâm. Sự hài lòng hay không hài lòng vể
hãng hàng không xuất phát từ mối quan hệ giữa các kỳ vọng về sản phẩm/dịch vụ của
khách hàng và công năng cảm thấy của hãng. Nếu khách hàng cảm thấy hài lòng về hãng
thì họ sẽ tiếp tục sử dụng dịch vụ của hãng đó và giới thiệu cho những người khác về hãng
hàng không đó. Nếu khách hàng không hài lòng về hãng hàng không đó thì họ sẽ tìm kiếm
một hãng thay thế khác để thỏa mản nhu cầu hoặc họ bắt đầu lại quá trình tìm kiếm thông
tin, đánh giá các lựa chọn và đưa ra quyết định mua sản phẩm hay sử dụng dịch vụ.
2.2. Tổng quan về dịch vụ và dịch vụ hàng không
2.2.1. Khái niệm về dịch vụ
“Dịch vụ là một hoạt động hoặc là một chuỗi hoạt động ít nhiều có tính chất vô
hình, nhưng không cần thiết, diễn ra trong các mối tương tác giữa khách hàng và nhân viên
dịch vụ và/hoặc các nguồn lực vật chất hoặc hàng hóa và/hoặc các hệ thống cung ứng dịch
vụ được cung cấp như là các giải pháp giải quyết các vấn đề của khách hàng” (Gronroos,
1990, dẫn theo Paul Lawrence Miner, 1998). Adam Smith từng định nghĩa rằng, “dịch vụ
là những nghề hoang phí nhất trong tất cả các nghề như cha đạo, luật sư, nhạc công, ca sĩ
ôpêra, vũ công…Công việc của tất cả bọn họ tàn lụi đúng lúc nó được sản xuất ra”. Có
cách định nghĩa cho rằng dịch vụ là “những thứ vô hình” hay là “những thứ không mua
bán được”. Mác thì cho rằng : “Dịch vụ là con đẻ của nền kinh tế sản xuất hàng hóa, khi
mà kinh tế hàng hóa phát triển mạnh, đòi hỏi một sự lưu thông thông suốt, trôi chảy, liên
tục để thoả mãn nhu cần ngày càng cao đó của con người thì dịch vụ ngày càng phát triển”.
Theo Philip Kotler thì Dịch vụ là một hoạt động hay lợi ích cung ứng nhằm để trao đổi,
chủ yếu là vô hình và không dẫn đến việc chuyển quyền sở hữu. Việc thực hiện dịch vụ có
thể gắn liền hoặc không gắn liền với sản phẩm vật chất.
2.2.2. Chất lượng dịch vụ
Lý thuyết về chất lượng dịch vụ tùy thuộc vào từng loại dịch vụ khác nhau mà sẽ có
định nghĩa khác nhau nhưng bản chất vẫn là tập trung vào sự cảm nhận của khách hàng.
Mỗi khách hàng có nhận thức và nhu cầu cá nhân khác nhau nên cảm nhận về chất lượng
dịch vụ cũng khác nhau. Theo Joseph Juran & Frank Gryna “Chất lượng là sự phù hợp đối
với nhu cầu”. Theo Armand Feigenbaum (1945) “Chất lượng là quyết định của khách hàng
dựa trên kinh nghiệm thực tế đối với sản phẩm hoặc dịch vụ, được đo lường dựa trên
những yêu cầu của khách hàng- những yêu cầu này có thể được nêu ra hoặc không nêu ra,
được ý thức hoặc đơn giản chỉ là cảm nhận, hoàn toàn chủ quan hoặc mang tính chuyên
môn – và luôn đại diện cho mục tiêu động trong một thị trường cạnh tranh”. Và theo
American Society for Quality “Chất lượng thể hiện sự vượt trội của hàng hóa và dịch vụ,
đặc biệt đạt đến mức độ mà người ta có thể thỏa mãn mọi nhu cầu và làm hài lòng khách
hàng”. Gronroos (1984) cho rằng, chất lượng dịch vụ được đánh giá trên hai khía cạnh:
chất lượng kỹ thuật và chất lưỡng kỹ năng. Chất lượng kỹ thuật liên quan đến những gì
được phục vụ còn chất lượng chức năng nói lên chúng được phục vụ như thế nào.
50
2.2.3 Dịch vụ hàng không
Vận tải hàng không nói theo nghĩa rộng là sự tập hợp các yếu tố kinh tế kỹ thuật
nhằm khai thác việc chuyên chở bằng máy bay một cách có hiệu quả. Nếu nói theo nghĩa
hẹp thì vận tải hàng không là sự di chuyển của máy bay trong không trung hay cụ thể hơn
là hình thức vận chuyển hành khách, hàng hoá, hành lí, bưu kiện từ một địa điểm này đến
một địa điểm khác bằng máy bay. Đối với dịch vụ vận chuyển hành khách trong hàng
không, mỗi hành khách sẽ trải qua một chuỗi các dịch vụ từ khi đặt vé đến khi rời sân bay
đến. Chuỗi các dịch vụ này được chia thành 3 quá trình: dịch vụ trước chuyến bay; dịch vụ
trên chuyến bay; dịch vụ sau chuyến bay.
2.2.4. Chất lượng dịch vụ hàng không
Hiện nay các hãng hàng không cung cấp dịch vụ cho hành khách là hoàn toàn
không giống nhau. Nó phụ thuộc vào định hướng phát triển sản phẩm của hãng hàng không
theo hướng chuyên môn hóa, trọn gói hay liên kết…trong đó có nhiều hãng hàng không có
xu hướng tạo thêm các dịch vụ là sản phẩm tăng thêm để làm tăng thêm giá trị cốt lõi của
sản phẩm và tăng sự khác biệt với các đối thủ cạnh tranh. Chất lượng dịch vụ chủ yếu do
khách hàng xác định, mức độ hài lòng của khách hàng càng cao thì chất lượng dịch vụ
càng tốt. Đánh giá chất lượng dịch vụ của một hãng hàng không bao gồm: sự hài lòng của
hành khách với lịch bay; sự lựa chọn của hành khách liên quan đến Marketing và xây dựng
hình ảnh; sự hài lòng của hành khách về sự thuận tiện và vai trò của hệ thống phân phối,
đặt vé qua máy tính; sự hài lòng của hành khách dựa trên các dịch vụ liên quan đến chuyến
bay và sự hài lòng của hành khách với các dịch vụ sau chuyến bay.
2.3. Các mô hình lý thuyết liên quan
Theo Parasuraman & cộng sự (1985), chất lượng dịch vụ là khoảng cách giữa chất
lượng kỳ vọng và chất lượng cảm nhận về dịch vụ của khách hàng và đã đưa ra 10 nhân tố
đánh giá chất lượng dịch vụ gồm: Độ tin cậy, khả năng đáp ứng, năng lực phục vụ, khả
năng tiếp cận, lịch sự, thông tin, tín nhiệm, an toàn, hiểu biết khách hàng và phương tiện
hữu hình. Parasuraman & cộng sự (1988) đã rút gọn 10 yếu tố quyết định chất lượng dịch
vụ thành 5 yếu tố và được biết đến là thang đo SERVQUAL gồm: Độ tin cậy; Tính hữu
hình; Khả năng đáp ứng; Năng lực phục vụ; Sự đồng cảm. Bộ thang đo gồm 2 phần, mỗi
phần có 22 phát biểu. Phần thứ nhất nhằm xác định kỳ vọng của khách hàng đối với loại
dịch vụ của doanh nghiệp nói chung. Phần thứ hai nhằm xác định cảm nhận của khách
hàng đối với việc thực hiện dịch vụ của doanh nghiệp khảo sát. SERVQUAL được xem là
công cụ đo lường chất lượng dịch vụ đáng tin cậy và chính xác, chính vì vậy nó được sử
dụng rộng rãi.
Năm 1992, Cronin và Taylor với mô hình SERVPERF, cho rằng mức độ cảm nhận
của khách hàng đối với sự thực hiện dịch vụ của doanh nghiệp phản ánh tốt nhất chất
lượng dịch vụ. Ý kiến này đã nhận được sự ủng hộ bởi các nghiên cứu của Lee và cộng sự
(2000), Brady và cộng sự (2002). Bộ thang đo SERVPERF cũng sử dụng 22 mục phát biểu
tương tự như phần hỏi về cảm nhận của khách hàng trong mô hình SERVQUAL, bỏ qua
phần hỏi về kỳ vọng. Theo mô hình SERVPERF thì Chất lượng dịch vụ = Mức độ cảm
nhận.
Ưu điểm của mô hình này là bảng câu hỏi trong mô hình ngắn gọn hơn phân nửa so
với SERVQUAL, tiết kiệm được thời gian và có thiện cảm hơn cho người trả lời. Nhưng
51
lại có nhược điểm là bảng câu hỏi dài, khái niệm sự kỳ vọng gây khó hiểu cho người trả
lời. Vì thế, sử dụng thang đo SERVQUAL có thể ảnh hưởng tới chất lượng dữ liệu thu
thập, dẫn đến giảm độ tin cậy và tính không ổn định của các biến quan sát.
Theo Zeithaml & Bitner (2000), sự hài lòng khách hàng chịu sự ảnh hưởng bởi cảm
nhận của khách hàng đối với các nhân tố là chất lượng dịch vụ, chất lượng sản phẩm và giá
cả, các nhân tố tình huống và cá nhân. Trong đó chất lượng dịch vụ phản ánh nhận thức
của khách hàng về các nhân tố: Sự tin cậy, khả năng đáp ứng, năng lực phục vụ, sự đồng
cảm và tính hữu hình.
2.4. Các kết quả nghiên cứu trước đây
Nghiên cứu “Giải pháp nâng cao chất lượng dịch vụ tại hãng hàng không quốc gia
Việt Nam” của tác giả Lê Quang Huy – Luận văn thạc sĩ Quản trị kinh doanh – trường đại
học Kinh tế TP.Hồ Chí Minh (2018). Tác giả Lê Quang Huy áp dụng mô hình nghiên cứu
SERVQUAL khoảng cách; SERVQUAL thứ bậc và kết quả; Thang đo SERVPERF. Đo
lường 5 yếu tố gồm: Độ tin cậy; Năng lực phục vụ; Tính hữu hình; Sự đồng cảm; Khả năng
đáp ứng. Trong 5 yếu tố đo lường về chất lượng dịch vụ của hãng hàng không Vietnam
Airlines gồm có 25 biến.
Nghiên cứu “Các yếu tố ảnh hưởng đến sự lựa chọn hãng hàng không Vietjet Air
của hành khách” của tác giả Nguyễn Như Thúy – Luận văn thạc sĩ – trường đại học Nha
Trang (2016). Nghiên cứu sử dụng cơ sở lý thuyết về hành vi người tiêu dùng; Dịch vụ và
dịch vụ vận chuyển hàng không. Tác giả đo lường 6 yếu tố: Sự tin cậy; Khả năng đáp ứng;
Khả năng phục vụ; Giá cả; Sự thân thiện; Tiện nghi hữu hình. Gồm 30 biến được đo lường
trong 6 yếu tố.
Nghiên cứu “Sự hài lòng của khách hàng đối với dịch vụ vận chuyển hành khách
nội địa của hãng hàng không Jetstar Pacific Airlines” của tác giả Nguyễn Duy Thanh –
Luận văn thạc sĩ quản trị kinh doanh – trường đại học Đà Nẵng (2014). Nghiên cứu này đã
áp dụng các mô hình nghiên cứu: SERVQUAL của Parasuraman (1985&1988) ;
SERVPERF của Conin và Taylor (1992); mô hình hài lòng khách hàng của Zeithaml &
Bitner (2000). Đo lường 6 yếu tố, gồm: Sự tin cậy; Khả năng đáp ứng; Năng lực phục vụ;
Giá cả; Sự đồng cảm; Tính hữu hình.
2.5. Mô hình nghiên cứu đề xuất
2.5.1. Cơ sở xây dựng mô hình nghiên cứu
Độ tin cậy: Một trong những yếu tố quan trọng trong việc ra quyết định chọn một
hãng hàng không của hành khách, đó là sự chính xác về thời gian khởi hành và hạ cánh
như đã in trên vé. Song đó, là các yếu tố cần có như làm thủ tục nhanh và chính xác, hành
khách cảm thấy an toàn trong quá trình bay, giải quyết hợp lý các sự cố khiếu nại của hành
khách và giải quyết nhanh, hiệu quả trong việc tìm và nhận hành lý. Những yếu tố trên gọi
chung là Độ tin cậy của hành khách đối với một hãng hàng không. Hãng hàng không phải
tạo được Độ tin cậy cao cho hành khách thì hành khách mới tin tưởng mà ra quyết định
chọn hãng để phục vụ nhu cầu của họ.
Năng lực phục vụ: Năng lực phục vụ ở đây bao gồm năng lực của nhân viên mặt
đất và tiếp viên hàng không. Đây là yếu tố rất quan trọng đối với một hãng hàng không,
52
được xem là then chốt tác động đến quyết định có lựa chọn hãng vào những lần sau của
hành khách hay không. Nếu hành khách cảm thấy họ được phục vụ, hỗ trợ một cách chu
đáo, tận tình từ các nhân viên và tiếp viên của hãng thì khả năng ra quyết định lựa chọn
hãng vào những lần tiếp theo là rất cao. Điều đó đòi hỏi các nhân viên mặt đất và tiếp viên
hàng không phải làm việc một cách chuyên nghiệp, ngôn ngữ và kĩ năng giao tiếp tốt,
hướng dẫn nhiệt tình và chính xác các thủ tục cho hành khách. Bên cạnh đó, thái độ niềm
nở, ân cần là tiêu chí không thể thiếu trong quá trình tiếp xúc với hành khách và cuối cùng
là cung cấp thông tin hữu ích khi hành khách thắc mắc.
Tính hữu hình: Đây là yếu tố dễ tạo sự thu hút, chú ý từ các hành khách nếu tính
hữu hình của hãng là ấn tượng. Trong đó gồm các tiêu chí như: hình ảnh thương hiệu của
hãng, diện mạo và trang phục của nhân viên, phòng chờ thoải mái, sạch sẽ, máy bay hiện
đại – trang thiết bị tiện nghi (nút điều chỉnh trên ghế, phòng vệ sinh…). Đặc biệt là khoang
hành khách sạch sẽ và ghế ngồi thoải mái là các tiêu chí mà các hành khách rất quan tâm.
Thực đơn đa dạng trên chuyến bay cũng là một trong những tiêu chí thu hút hành khách rất
tốt. Vì vậy, yếu tố tính hữu hình là yếu tố rất cần thiết trong mô hình nghiên cứu, yếu tố
này thể hiện bộ mặt của hãng hàng không khi hành khách nhìn vào hãng.
Sự đồng cảm: nếu hãng hàng không có sự đồng cảm tốt đối với hành khách của
mình, điều đó sẽ tạo cho hành khác một cảm giác, đó là bản thân họ được hãng trân trọng
và quan tâm. Để làm được điều này, các tiêu chí như lịch trình bay, tần suất bay đầy đủ
trong ngày hay quá trình giao dịch vé và hình thức thanh toán dễ dàng nên được thực hiện
tốt. Với các tiêu chí đó, hành khách cảm nhận được bản thân họ có quyền được lựa chọn
nhiều khung giờ bay mà họ muốn và hình thức thanh toán thuận tiện nhất với họ. Bên cạnh
đó, các tiêu chí như hỗ trợ hành khách trong trường hợp bị lỡ chuyến hoặc bị delay và thái
độ tích cực tiếp nhận ý kiến đóng góp của hành khách cũng làm hành khách thấy được sự
đồng cảm tốt của hãng dành cho mình.
Khả năng đáp ứng: là khả năng đáp ứng các nhu cầu tối thiểu của hành khách cũng
như là những nhu cầu mà hành khách kỳ vọng ở một hãng hàng không. Đối với hành khách
mới đi máy bay của hãng, nên cung cấp những thông tin cần thiết cho hành khách trong
quá trình bay, thêm vào đó là tính kịp thời, rõ ràng của các thông tin đến từ phát thanh
viên, đặc biệt là thông tin chi tiết về chuyến bay phải được thể hiện trên màn hình đầy đủ
và dễ hiểu. Đối với các hành khách thường xuyên tham gia bay cùng hãng, nên áp dụng
thêm những chương trình ưu đãi cho hành khách. Tiêu chí cung cấp thức ăn nhẹ, nước
uống, khăn lạnh miễn phí trên chuyến bay là tiêu chí rất tốt dành cho hành khách, đây là
tiêu chí vượt sự mong đợi của hành khách khi sử dụng dịch vụ của hãng hàng không. Và
cuối cùng là kết hợp giá combo giữa bay và khu nghĩ dưỡng/khách sạn là một tiêu chí mới,
có thể đáp ứng được cho những hành khách có nhu cầu sử dụng chuyến bay để đi du lịch.
Giá: xét trên nhiều lĩnh vực hàng hóa, dịch vụ, yếu tố giá là yếu tố ảnh hưởng
tương đối nhiều trong việc ra quyết định lựa chọn sản phẩm hay dịch vụ của người tiêu
dùng, cụ thể ở đây là các hành khách lựa chọn hãng hàng không có giá phù hợp với họ. Giá
thường đi đôi với chất lượng và đa phần người tiêu dùng đã quá quen thuộc với giá rẻ thì
chất lượng không tốt và ngược lại. Nhưng tiêu chí giá trung bình, chất lượng dịch vụ rất tốt
mà hãng hàng không Bamboo Airways mang lại sẽ vượt sự mong đợi của hành khách về
giá. Đồng thời, tạo cho hành khách cảm giác giá vé máy bay của hãng Bamboo Airways
phù hợp hơn so với các hãng khác, những gì mà hành khách nhận được có giá trị hơn nhiều
53
so với giá vé ở mức đó. Đặc biệt là kết hợp giá vé combo giữa bay và ở khu nghĩ
dưỡng/khách sạn ở mức giá hợp lý nhằm đáp ứng nhu cầu cho các hành khách.
2.5.2. Giả thuyết nghiên cứu
H1: Độ tin cậy có tác động tích cực đến Quyết định lựa chọn của hành khách
H2: Năng lực phục vụ có tác động tích cực đến Quyết định lựa chọn của hành khách
H3: Tính hữu hình có tác động tích cực đến Quyết định lựa chọn của hành khách
H4: Sự đồng cảm có tác động tích cực đến Quyết định lựa chọn của hành khách
H5: Khả năng đáp ứng có tác động tích cực đến Quyết định lựa chọn của hành
khách
H6: Giá có tác động đến Quyết định lựa chọn của hành khách
Độ tin cậy
Năng lực phục

vụ
Tính hữu hình Quyết định lựa chọn

của hành khách
Sự đồng cảm
Khả năng đáp

ứng
Giá
Hình 2. Mô hình nghiên cứu đề xuất
3. PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu được thực hiện qua 2 giai đoạn: nghiên cứu định tính và nghiên cứu
định lượng. Nghiên cứu định tính nhằm điều chỉnh, bổ sung thang đo, xây dựng bảng câu
hỏi phù hợp, đồng thời lấy ý kiến của 10 khách hàng đã sử dụng Bamboo Airways ít nhất 2
lần. Dựa trên mô hình đề xuất gồm 6 biến độc lập và 1 biến phụ thuộc, kết quả nghiên cứu
định tính gồm 37 phát biểu đo lường cho 6 biến độc lập và 1 biến phụ thuộc.
54
Bảng 1: Các thành phần đo lường
Mã Thang đo Nguồn
hóa tham
khảo
TC1 Chính xác về thời gian khởi hành & hạ cánh như trên vé Parasura-
man &
TC2 Làm thủ tục nhanh và chính xác
cộng sự
TC3 Cảm thấy an toàn trong chuyến bay (1988)
TC4 Giải quyết hợp lý các sự cố khiếu nại của hành khách
TC5 Giải quyết nhanh và hiệu quả trong việc tìm và nhận hành lý
PV1 Làm việc chuyên nghiệp Parasura-
man &
PV2 Ngôn ngữ và kỹ năng giao tiếp tốt
cộng sự
PV3 Hướng dẫn nhiệt tình và chính xác các thủ tục cho khách (1988)
PV4 Thái độ niềm nở, ân cần của tiếp viên
PV5 Cung cấp thông tin hữu ích khi hành khách thắc mắc
HH1 Hình ảnh thương hiệu gần gũi của hãng Bamboo Airways Parasura-
man &
HH2 Diện mạo và trang phục của nhân viên tạo thiện cảm
cộng sự
HH3 Phòng chờ thoải mái và sạch sẽ (1988)
HH4 Máy bay hiện đại, có trang thiết bị tiện nghi (các nút điều chỉnh ghế,
phòng vệ sinh)
Khoang hành khách sạch sẽ, thoáng mát
HH5
Ghế ngồi thoải mái, rộng rãi
HH6
Thực đơn trên chuyến bay đa dạng và ngon
HH7
DC1 Lịch trình, tần suất bay đầy đủ, thuận tiện trong nhiều khung giờ Parasura-
man &
DC2 Quá trình giao dịch vé và hình thức thanh toán dễ dàng
cộng sự
DC3 Hỗ trợ hành khách trong trường hợp bị lỡ chuyến bay/ bị delay (1988)
DC4 Thái độ tích cực tiếp nhận ý kiến đóng góp của hành khách
DU1 Cung cấp thông tin cần thiết trong khi bay Parasura-
man &
DU2 Tính kịp thời, rõ ràng và đầy đủ của thông tin phát thanh ở phòng chờ
cộng sự
DU3 Thông tin chuyến bay thể hiện trên màn hình đầy đủ và dễ hiểu (1988)
DU4 Áp dụng chương trình ưu đãi cho khách hàng thường xuyên đi máy
bay của hãng
Cung cấp thức ăn nhẹ, nước uống, khăn lạnh miễn phí trên chuyến
DU5
bay
55
DU6 Kết hợp giá combo giữa bay và khu nghỉ dưỡng/khách sạn
G1 Giá vé trung bình nhưng chất lượng dịch vụ cao Parasura-
man &
G2 Giá vé máy bay phù hợp hơn so với các hãng khác
cộng sự
G3 Giá của thực đơn trên chuyến bay hợp lý (1988);
G4 Giá vé combo giữa bay và ở khu nghỉ dưỡng/khách sạn hợp lý Zeithaml
& Bitner
(2000);
Nguyễn
Như
Thúy
(2016)
QĐ1 Tôi chọn Bamboo Airways vì có độ tin cậy cao vào hãng Parasura-
man &
QĐ2 Tôi chọn Bamboo Airways vì năng lực phục vụ tốt của hãng
cộng sự
QĐ3 Tôi chọn Bamboo Airways vì tính hữu hình tiện nghi của hãng (1988);
QĐ4 Tôi chọn Bamboo Airways vì sự đồng cảm tốt của hãng Zeithaml
& Bitner
QĐ5 Tôi chọn Bamboo Airways vì khả năng đáp ứng tốt của hãng (2000);
QĐ6 Tôi chọn Bamboo Airways vì giá cả hợp lí Nguyễn
Như
Thúy
(2016)
3.1. Nghiên cứu định tính
Dựa trên các đề tài nghiên cứu về lĩnh vực hãng hàng không trước đó, tác giả đề
xuất bảng câu hỏi sơ bộ, sau khi tiến hành khảo sát thử nghiệm thành công sẽ đưa ra bảng
câu hỏi chính thức cho đề tài nghiên cứu.
3.2. Nghiên cứu định lượng
Kết hợp khảo sát trực tuyến (online) và khảo sát thực tế bằng cách phỏng vấn trực
tiếp hành khách sử dụng hãng hàng không Bamboo Airways thông qua bảng câu hỏi chính
thức để thu thập dữ liệu sơ cấp. Sử dụng thang đo Likert 5 để xây dựng bảng câu hỏi. Sau
đó, sử dụng phần mềm SPSS để xử lí số liệu: thống kê mô tả và thống kê suy diễn. Từ kết
quả phân tích được, tác giả sẽ sử dụng để giải quyết vấn đề của đề tài.
3.3. Phương pháp chọn mẫu
Sử dụng trong nghiên cứu là các hành khách lựa chọn sử dụng hãng hàng không
Bamboo Airways ở TP.HCM có độ tuổi từ 20 – 60, đủ điều kiện nhận thức và khả năng
thanh toán cho việc quyết định lựa chọn hãng hàng không Bamboo Airways.
Đơn vị mẫu: Sân bay Tân Sân Nhất, TP.HCM.
56
Kích thước mẫu: Đối với phân tích nhân tố EFA, theo nghiên cứu của Hair,
Anderson, Tatham và Black (1998): số mẫu ít nhất phải gấp 5 lần số biến quan sát. Đối với
phân tích hồi quy đa biến: qua nghiên cứu của Tabachnick và Fidell (1996) để tính cỡ mẫu
tối thiểu cần đạt, ta có công thức 50 + 8*m (với m: số biến độc lập). Theo Roger (2006) cỡ
mẫu tối thiểu áp dụng được trong các nghiên cứu thực hành là 150 – 200. Theo Hoàng
Trọng và Chu Nguyễn Mộng Ngọc, kích thước mẫu dự kiến nên bằng 4-5 lần biến quan
sát, (2018). Trong nghiên cứu này có tất cả 37 biến quan sát, do đó kích thước mẫu sẽ là 37
x 5 = 175 mẫu. Để tăng độ tin cậy, nghiên cứu chính thức được tiến hành với mẫu n = 213.
Phương pháp lấy mẫu: Do giới hạn về thời gian và nguồn lực nên tác giả sử dụng
chọn mẫu phi ngẫu nhiên theo phương pháp chọn mẫu thuận tiện.
3.4. Phương pháp thu thập dữ liệu
Dữ liệu thứ cấp của bài nghiên cứu được tác giả thu thập thông qua các bài khóa
luận, luận văn, các công trình nghiên cứu trước đây được kiểm chứng đánh giá bởi các
chuyên gia.
Dữ liệu sơ cấp được thu thập thông qua phỏng vấn online 61 hành khách (đã từng
bay bằng hãng hàng không Bamboo Airways) và khảo sát thực tế trực tiếp 152 hành khách
sử dụng hãng hàng không Bamboo Airways tại sân bay Tân Sơn Nhất, TP.HCM thông qua
bảng câu hỏi đã được xây dựng.
3.5. Kế hoạch phân tích
Tác giả sử dụng phần mềm SPSS phiên bản 20.0 để phân tích dữ liệu sơ cấp nhằm
diễn giải thống kê mô tả và thống kê suy diễn những thông tin thu thập được. Từ đó, kết
xuất bảng, biểu của kết quả phân tích và đưa ra giải pháp cho vấn đề của đề tài nghiên cứu.
Trình tự thực hiện phân tích dữ liệu như sau:
+ Làm sạch dữ liệu. Mục đích loại bỏ các thông tin không có ý nghĩa hoặc không
phù hợp trong dữ liệu, tối ưu hóa được độ chính xác của dữ liệu.
+ Thống kê mô tả: mô tả sơ lược về những yếu tố được xem là có ảnh hưởng đến
quyết định chọn hãng hàng không, đặc điểm của hành khách và từ đó rút ra những đặc
điểm chung.
+ Phân tích Cronbach’s Alpha: kiểm tra độ tin cậy của các các nhân tố nhằm phản
ánh mức độ tương quan chặt chẽ của các biến quan sát trong cùng một yếu tố, sau đó tiến
hành loại bỏ những biến quan sát không phù hợp.
+ Phân tích EFA: đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ
và giá trị phân biệt. Phân tích EFA dùng để rút gọn một tập biến quan sát lớn thành những
biến quan sát tổ hợp nhỏ mà trong từng tổ hợp, các biến có ý nghĩa tương quan với nhau.
+ Kiểm định mô hình hồi quy. Mục đích phân tích các biến độc lập nào đóng góp
nhiều hay ít lên biến phụ thuộc, từ đó có giải pháp đề xuất phù hợp cho vấn đề nghiên cứu.
+ Kiểm định One – Sample T Test. Mục đích so sánh giá trị trung bình (mean) của
tổng thể với một giá trị cụ thể nào đó, đánh giá được mức độ của các yếu tố.
57
+ Kiểm định Independent T – Test và One Way Anova: kiểm định có sự khác biệt
giữa các hành khách có giới tính, nhóm tuổi, mức thu nhập và nghề nghiệp khác nhau hay
không trong việc ra quyết định lựa chọn hãng hàng không Bamboo Airways.
3.6. Độ tin cậy và độ giá trị

Việc sử dụng thang đo Likert (thang đo nhiều chỉ báo) để đo lường các yếu tố Độ
tin cậy, Năng lực phục vụ, Tính hữu hình, Sự đồng cảm, Khả năng đáp ứng, Giá sẽ giúp đề
tài có kết quả phân tích một cách chi tiết hơn so với việc xây dựng thang đo một chỉ báo.
Với phương pháp Cronbach’s Alpha, phép kiểm định này phản ánh mức độ tương quan
chặt chẽ giữa các biến quan sát trong cùng một nhân tố. Nó hỗ trợ cho biết trong các biến
quan sát của một nhân tố, biến nào có đóng góp vào việc đo lường khái niệm nhân tố và
biến nào không. Từ đó, tiến hành loại bỏ những biến quan sát không có ý nghĩa. Tiêu chí
để loại bỏ là loại bỏ các biến quan sát có hệ số tương quan biến tổng nhỏ hơn giá trị 0.4 và
thang đo được chấp nhận khi hệ số độ tin cậy Alpha từ 0.7 trở lên. Thực hiện phân tích
nhân tố có sử dụng phương pháp rút trích nhân tố principal components với phép xoay
varimax và sử dụng Bartlett’s test of Sphericity để kiểm định giả thuyết H0 là các biến có
tương quan với nhau trong tổng thể. Do p-value < 0,05, ta bác bỏ giả thuyết H0, tức
phương pháp phân tích EFA phù hợp với dữ liệu.
4. KẾT QUẢ NGHIÊN CỨU
4.1. Kết quả nghiên cứu mô tả
Bảng 2. Đặc điểm mẫu khảo sát (n = 213)
Nam 44.6% Thu 3.000.000- 5.000.000 3.3%

Giới tính
Nữ 55.4% nhập 5.000.000 – 8.000.000 8.9%
20 – 30 34.3% cá 8.000.000–15.000.000 75.1%
Nhóm tuổi 31 - 40 58.2% nhân Trên 15.000.000 12.7%
41 - 50 6.6% Có GĐ và có con 10%
51 - 60 0.9% Ly dị/ly thân 1%
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả (2019)
Bảng 3: Đặc điểm về nghề nghiệp (n = 213)

Nghề chuyên môn (kỹ sư, bác sĩ...) 10% Công nhân 7.1%
Chủ DN/ GĐ... 8.0% Nội trợ 2.8%
NVVP 26.4% BB/ KD nhỏ .8%
Cán bộ/viên chức 3.3% SV/ HS .2%
Hành nghề chuyên mô (bác sĩ, kỹ sư,..) 19.3% khác 8.5%
Quản lý/quản đốc giám sát, .1%
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả (2019)
58
Xét về hãng hàng không thường xuyên sử dụng trước khi Bamboo Airways ra mắt
thì Vietjet Airline chiếm giữ 42.7% thị phần, Vietnam Airlines đứng thứ hai với 35.7%,
Jestar Pacific chỉ 21.1% và phần còn lại là những hãng khác. Và phương tiện truyền thông
mà hành khách biết đến Bamboo Airways nhiều nhất là qau Tin tức trên các báo mạng
76.7%, kế đến là TV 48%, …
Bảng 4. Tần suất bay cùng hãng hàng không Bamboo Airways
Số lần bay 1 2-3 4-5 >5
Tỉ lệ (%) 30 62,. 5.2 2.3
Phương tiện truyền thông
Trên TV 48.0%
Tin tức trên các báo mạng 76.7%
Mạng xã hội 9.4%
Youtube .5%
Bạn bè, người thân giới thiệu 18.3%
Đại lý 9.9%
Khác 0.0%
Hình 3. Hành khách biết đến Bamboo Airways qua phương tiện
Mục đích bay
Công việc 34.3%

Học tập 0.0%
Du lịch 57.7%
Thăm người thân, bạn bè 29.1%
Khác 0.0%
Hình 4. Mục đích sử dụng chuyến bay
Hơn 50% các chuyến bay của hành khách là để du lịch, đi công việc là 34.3% và
còn lại là để thăm người thân, bạn bè.
Bảng 5. Sử dụng khu nghỉ dưỡng/khách sạn của FLC
có 12,8%
59
không 87,2%
4.2 Kết quả nghiên cứu định lượng
4.2.1 Kết quả phân tích Cronbach’s Alpha thang đo lường khái niệm
Biến quan sát Tương quan biến tổng Cronbach's Alpha nếu loại biến
Độ tin cậy: Cronbach’s Alpha = 0.810
TC1 .501 .801
TC2 .598 .773
TC3 .611 .769
TC4 .661 .753
TC5 .618 .768
Năng lực phục vụ: Cronbach’s Alpha = 0.847
PV1 .579 .835
PV2 .684 .808
PV3 .704 .803
PV4 .652 .816
PV5 661 814
Tính hữu hình: Cronbach’s Alpha = .809
HH1 .611 .769
HH2 .583 .775
HH4 .362 .818
HH5 .507 .792
HH6 .663 .756
HH7 .680 .753
Sự đồng cảm: Cronbach’s Alpha = .709
DC2 .457 .706
DC3 .584 .545
DC4 .568 .572
Khả năng đáp ứng: Cronbach’s Alpha = .857
DU1 .622 .838
DU2 .676 .828
DU3 .634 .835
DU4 .661 .830
60
DU5 .642 .834

DU6 .649 .832
Giá: Cronbach’s Alpha = .757
G1 .448 .779
G2 .480 .737
G3 .662 .641
G4 .676 .636
Quyết định lựa chọn: Cronbach’s Alpha = .819
.775
QĐ1 .653
.773
QĐ2 .661
.780
QĐ3 .644
.814
QĐ4 .464
.797
QĐ5 .557
.801
QĐ6 .535
Bảng 6. Kết quả phân tích nhân tố EFA
Nhân tố
1 2 3 4 5
HH1 .747
HH2 .737
HH6 .638
HH7 .619
DC3 .567
DC2 .520
HH5 .488
PV4 .742
PV3 .726
PV5 .655
PV2 .633
DC4 .554
DU4 .787
DU5 .751
DU6 .740
DU2 .576
DU3 .574
DU1 .551
61
TC1 .698
TC3 .688
TC4 .685
TC2 .621
TC5 .593
G4 .778
G3 .725
G1 .617
G2 .551
Nguồn: Kết quả phân tích nhân tố EFA từ dữ liệu điều tra (2019)
Đối với các nhân tố tác động đến quyết định lựa chọn hãng bay của khách hàng, sau
khi tiến hành EFA lần 3 (loại HH4 sau lần 2, loại PV1 trong lần 3), KMO = .915, kiểm
định Barlett’s test of sphericity với sig = .000 và trích được 5 nhân tố với 27 biến quan sát
có tổng phương sai trích = 59.405%.
Đối với các nhân tố quyết định lựa chọn hãng bay của khác hàng, sau khi tiến hành
EFA lần 3 (loại HH4 sau lần 2, loại PV1 trong lần 3), KMO = .855, kiểm định Barlett’s
test of sphericity với sig= .000 và trích được 1 nhân tố với 6 biến quan sát có tổng phương
sai trích = 52.911%, hệ số tải của các biến đều lớn hơn 0.5, nên các biến này đều có ý
nghĩa cho phân tích tiếp theo.
4.2.2. Phân tích hồi quy và kiểm định giả thuyết
Các biến đưa vào mô hình giải thích được 89.7% sự biến thiên của biến quyết định.
Các sai số trong mô hình độc lập với nhau (hệ số DW = 2.149). Giá trị kiểm định F =
369.678 và có ý nghĩa thống kê (Sig.= .000) giải thích mô hình hồi quy tuyến tính đưa ra là
phù hợp với dữ liệu thực tế và các biến đưa vào đều có mức ý nghĩa thống kê 5%.
Bảng 7. Kết quả phân tích hồi quy bội

Hệ số chưa Hệ số
Mô hình chuẩn hóa chuẩn hóa t Sig.
B Sai số chuẩn Beta
. (Constant) .170 .101 1.687 .093
1 Tin cậy .116 .027 .132 4.343 .000
Phục vụ .220 .027 .274 8.250 .000
Hữu hình .253 .029 .288 8.765 .000
Đáp ứng .124 .024 .152 5.061 .000
Giá .240 .023 .308 10.504 .000
Phương trình hồi quy như sau:

QD = 0.308G + 0.288HH + 0.274PV + 0.152DU + 0.132TC
Với kết quả hồi quy chuẩn hóa Beta, ta thấy nhân tố quyết định lựa chọn hãng hàng
không Bamboo Airways của hành khách có ảnh hưởng nhiều nhất là giá (0.308), kế đến là
62
nhân tố hữu hình (.288), phục vụ (.274), đáp ứng (.152) và tin cậy (.132). Như vậy, chỉ có
5 giả thuyết kiểm định được chấp nhận
H1: Độ tin cậy có tác động tích cực đến Quyết định lựa chọn của hành khách
H2: Năng lực phục vụ có tác động tích cực đến Quyết định lựa chọn của hành khách
H3: Tính hữu hình có tác động tích cực đến Quyết định lựa chọn của hành khách
H5: Khả năng đáp ứng có tác động tích cực đến Quyết định lựa chọn của hành
khách
H6: Giá có tác động đến Quyết định lựa chọn của hành khách
Kết quả nghiên cứu chưa giúp kiểm định được giả thuyết H4 do sau khi tiến hành
EFA lần 3 thì chỉ trích được 5 nhân tố.
Thực hiện kiểm định One Sample T-test để so sánh điểm trung bình đánh giá mức
độ đồng ý của hành khách đang ở mức nào, dựa trên các yếu tố Độ tin cậy, Năng lực phục
vụ, Tính hữu hình, Khả năng đáp ứng và Giá. Giá trị của hệ số Sig. trong tất cả các kiểm
định One Sample T- Test đều là 0.000 < 0.05 nên bác bỏ Ho. Thực tế, kết quả mean của
các tiêu chí của yếu tố này đều có giá trị trên 4 (Đồng ý). Riêng mean tiêu chí DC3 là 3.36
và G4 là 3.30.
Kết quả kiểm định Independent Sample T - test và One Way Anova cho thấy không
có sự khác biệt giữa hành khách nam và hành khách nữ, không có sự khác biệt giữa các
hành khách có nhóm tuổi khác nhau trong việc ra quyết định chọn hãng hàng không
Bamboo Airways để phục vụ cho mục đích di chuyển.
Kết quả kiểm định One Way Anova cũng cho thấy không có sự khác biệt giữa các
hành khách có ngành nghề khác nhau, có mức thu nhập khác nhau trong việc ra quyết định
chọn hãng hàng không Bamboo Airways để phục vụ cho mục đích di chuyển.
5. KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ
5.1. Kết luận
Kết quả nghiên cứu rút ra 5 yếu tố có ảnh hưởng đến quyết định chọn hãng hàng
không Bamboo Airways của hành khách tại TP.HCM là các yếu tố Giá, Tính Hữu hình,
Năng lực Phục vụ, Khả năng Đáp ứng và Độ Tin cậy. Việc xác định các nhân tố có ảnh
hưởng đến quyết định chọn hãng hàng không Bamboo Airways của các hành khách tại
TP.HCM là rất cần thiết. Kết quả trên giúp Bamboo Airways nhận diện được điểm mạnh
và điểm yếu mà hãng đang hiện có tại khu vực TP.HCM. Từ đó, trong tương lai hãng sẽ
có những chiến lược phù hợp nhằm thu hút hành khách một cách hiệu quả, đồng thời xây
dựng một nền tảng vững chắc trong quá trình phát triển hãng hàng không Bamboo
Airways nói riêng và ngành hành không Việt Nam nói chung
5.2. Hàm ý quản trị
Giá là yếu tố đầu tiên ảnh hưởng đến quyết định chọn hãng hàng không Bamboo
Airways của các hành khách tại TP.HCM. Đa phần một thương hiệu mới ra đời thường áp
63
dụng chiến lược cạnh tranh về giá nhằm thu hút khách hàng từ tay đối thủ. Nhưng trong
lĩnh vực hàng không, việc cạnh tranh về giá so với các hãng hàng không giá rẻ như Jetstar
Pacific hay Vietjet Air là điều không thể. Chính vì vậy, chất lượng dịch vụ là tiêu chí trọng
tâm được hãng hàng không Bamboo Airways tập trung vào, nhằm đáp ứng những mong
đợi và sự kỳ vọng của hành khách đối với một hãng hàng không đó. Giá vé của hãng hàng
không Bamboo Airways nhỉnh hơn một chút so với các hãng hàng không giá rẻ Jetstar
Pacific, Vietjet Air và thấp hơn so với hãng hàng không quốc gia Vietnam Airlines nhưng
chất lượng dịch vụ mà hãng Bamboo Airways mang lại là tốt hơn nhiều so với các hãng
trên trong cùng mức giá. Kết quả nghiên cứu, hai tiêu chí: “Giá vé máy bay phù hợp hơn so
với các hãng khác”, “Giá vé trung bình nhưng chất lượng dịch vụ cao” được hành khách
đánh giá khá cao, điểm lần lượt là 4.44 và 4.40. Bên cạnh đó, hành khách cũng đồng ý với
“Giá của thực đơn trên chuyến bay là hợp lý” (4.10). Trở ngại lớn nhất của hãng Bamboo
Airways lúc này là tiêu chí “Giá vé combo giữa bay và ở khu nghĩ dưỡng/khách sạn hợp
lý” được hành khách đánh giá không cao, với giá trị là 3.30. Tuy nhiên, các hành khách sử
dụng chuyến bay cho mục đích đi du lịch chiếm 57.7% nhưng trong số những hành khách
đi du lịch chỉ có 12.8% hành khách có kết hợp giữa bay và nghỉ dưỡng ở khách sạn của tập
đoàn FLC, còn lại 87.2% là không sử dụng dịch vụ này. Đây là vấn đề mà Bamboo
Airways cần phải có những động thái tích cực hơn, hợp lý hơn nhằm đạt được mục tiêu đề
ra.
Các tiêu chí ở yếu tố Tính hữu hình cũng được các hành khách đánh giá khá cao là
đồng ý (điểm 4). Bamboo Airways đã xây dựng một hình ảnh thương hiệu rất gần gũi với
người Việt Nam khi lấy cây tre làm hình ảnh thương hiệu của hãng. Bên cạnh đó, trang
phục của nhân viên và tiếp viên được thiết kế khá tinh tế và lịch thiệp. Bằng chứng, kết quả
thể hiện sự đánh giá của các hành khách về 2 tiêu chí này là khá tốt: Hình ảnh thương hiệu
gần gũi của hãng Bamboo Airways (4.41), Diện mạo và trang phục của nhân viên tạo thiện
cảm (4.39). Hiện nay, Bamboo Airways đang sử dụng dòng máy bay hiện đại nhất thế giới
là Airbus NEO A321 để phục vụ hành khách. Airbus NEO A321 không những tiết kiệm
nhiên liệu, quá trình bay diễn ra êm nhẹ mà vị trí chỗ ngồi và không gian trên máy bay tạo
cảm giác cực kì thoải mái, sạch sẽ và rộng rãi. Chính vì vậy, các hành khách đánh giá cao 2
tiêu chí sau của hãng: Khoang hành khách sạch sẽ, thoải mái (4.38), Ghế ngồi thoải mái,
rộng rãi (4.38). Đồng thời, hãng cũng chú trọng tăng cường các dịch vụ khác để trở nên
chuyên nghiệp nhằm đáp ứng và làm hài lòng tất cả các hành khách như: Thực đơn trên
chuyến bay đa dạng và ngon (4.42), Quá trình giao dịch vé và hình thức thanh toán dễ dàng
(4.49). Khuyết điểm duy nhất trong yếu tố Tính hữu hình mà hãng hàng không Bamboo
Airways đang gặp phải là việc hỗ trợ hành khách trong trường hợp bị lỡ chuyến hoặc bị
delay (chỉ với mức đánh giá là 3.36). Đối với nhóm hành khách bị lỡ chuyến: hãng hàng
không Bamboo Airways cần tăng số lượng lịch trình bay, tần suất bay trong nhiều khung
giờ nhằm có thể hỗ trợ chuyến sau ngay lập tức cho hành khách bị lỡ chuyến. Hiện tại, lịch
trình và tần suất bay trong một ngày của hãng hàng không Bamboo Airways vẫn còn hạn
chế so với các hãng hàng không nội địa khác. Từ đó dẫn tới việc hành khách không có
nhiều sự lựa chọn trong việc chọn giờ bay phù hợp với bản thân. Và khi có sự cố bị lỡ
chuyến, hành khách phải mất một khoảng thời gian dài để đợi chuyến sau. Nên việc tăng
cường tần suất bay trong ngày sẽ là phương án hỗ trợ tốt cho hành khách, đồng thời mở
rộng số lượng chuyến bay của hãng so với các đối thủ.
Đối với nhóm hành khách bị delay: nên chăng sắp xếp một khu vực chờ cho những
hành khách này, ở đây họ sẽ được cung cấp nước uống hoặc thức ăn nhẹ miễn phí. Bên
cạnh đó sự có mặt các nhân viên của hãng là rất cần thiết, nhằm hỗ trợ một cách nhanh
64
nhất những nhu cầu hợp lý của hành khách. Vì delay có thể kéo dài từ 30 phút đến 2 tiếng
đồng hồ hoặc có thể lâu hơn nên việc hỗ trợ tận tình, chu đáo như vậy sẽ tạo cho hành
khách cảm giác được hãng quan tâm và ưu ái. Đồng thời tạo sự khác biệt hoàn toàn so với
các hãng khác, khi xảy ra sự cố delay, đa phần là hành khách chỉ ngồi chờ và không có
nhiều sự hỗ trợ từ nhân viên hay dịch vụ đi kèm khác. Ngoài ra, nên chăng áp dụng mã
khuyến mãi đặc biệt cho lần bay tiếp theo đối với hành khách bị delay. Với giải pháp này,
hãng sẽ không lo sợ bị giảm số lượng hành khách sau sự cố delay và khả năng hành khách
sẽ tiếp tục bay cùng hãng để sử dụng mã khuyến mãi này là rất cao.
Việc giảm giá vé combo xuống sẽ gây bất lợi đến doanh thu của hãng, vì mức giá
được xây dựng hiện tại đều dựa trên cơ sở tính toán chi phí, doanh thu một cách hợp lý và
là mức giá thỏa đáng cho đôi bên: hành khách và hãng hàng không. Nên giải pháp lúc này
là tập trung vào các giá trị mà hành khách sẽ nhận được sau khi sử dụng dịch vụ combo,
chứ không phải là ở giá vé, cụ thể: những hành khách sử dụng combo giữa bay và nghỉ
dưỡng ở khách sạn/resort của FLC trước đó sẽ được ưu đãi, tặng vouchers cho lần sử dụng
dịch vụ combo tiếp theo hoặc áp dụng chương trình tích điểm sau những lần sử dụng dịch
vụ combo, tích đến mức điểm nào đó sẽ được tặng một chuyến nghỉ dưỡng miễn phí tại
khách sạn/resort của FLC. Đối với hành khách chưa sử dụng dịch vụ này trước đây, giải
pháp này sẽ thu hút hành khách có ý định muốn trải nghiệm thử nhằm nhận được giá trị mà
hãng mang lại. Còn đối với hành khách đã từng sử dụng dịch vụ này, giải pháp cũng sẽ
thúc đẩy hành khách tiếp tục sử dụng dịch vụ kết hợp giữa bay và nghĩ dưỡng.
Các tiêu chí thuộc yếu tố Năng lực phục vụ cũng được các hành khách đánh giá khá
cao, đều ở mức đồng ý (điểm 4) với các tiêu chí mà hãng hàng không Bamboo Airways
mang lại: Ngôn ngữ và kỹ năng giao tiếp (4.40), Hướng dẫn nhiệt tình và chính xác các thủ
tục cho hành khách (4.53), Thái độ niềm nở, ân cần của tiếp viên (4.52), Cung cấp thông
tin hữu ích khi hành khách thắc mắc (4.48), Thái độ tích cực tiếp nhận ý kiến đóng góp của
hành khách (4.38). Với kết quả trên, hãng hàng không Bamboo Airways đang thực hiện rất
tốt yếu tố Năng lực phục vụ, hãng hiểu rõ nhân viên và tiếp viên là bộ mặt của một hãng
hàng không, họ đại diện cho hãng để tiếp xúc, trao đổi với các hành khách trong suốt quá
trình thực hiện chuyến bay nên trong khâu tuyển chọn và đào tạo đội ngũ nhân viên, hãng
Bamboo Airways đã làm rất tốt và nghiêm ngặt. Như vậy, bên cạnh việc duy trì, hãng nên
phát huy và nâng cao các tiêu chí trên hơn nữa để tăng tính chuyên nghiệp của các nhân
viên và tiếp viên, từ đó làm tăng sự đánh giá của các hành khách về năng lực phục vụ của
hãng.
Khả năng đáp ứng là yếu tố ảnh hưởng thứ tư đến quyết định chọn hãng hàng
không Bamboo Airways của hành khách tại TP.HCM. Hãng hàng không đang thực hiện rất
tốt những tiêu chí thuộc yếu tố khả năng đáp ứng, các tiêu chí tối thiểu cần có ở một hãng
hàng không được hành khách đánh giá rất tốt ở hãng Bamboo Airways: Cung cấp thông tin
cần thiết trong khi bay (4.39), Tính kịp thời, rõ ràng và đầy đủ thông tin phát thanh ở
phòng chờ (4.41), Thông tin chuyến bay thể hiện trên màn hình đầy đủ và dễ hiểu (4.45),
Áp dụng chương trình ưu đãi cho hành khách thường xuyên đi máy bay của hãng (4.49).
Đặc biệt, 2 tiêu chí mới của hãng được cho là lợi thế cạnh tranh so với các hãng khác cũng
được hành khách đánh giá cao: Cung cấp thức ăn nhẹ, nước uống, khăn lạnh miễn phí trên
chuyến bay (4.48) và Kết hợp giá combo giữa bay và khu nghĩ dưỡng/khách sạn (4.47).
Đây là 2 tiêu chí vượt sự mong đợi của hành khách đối với một hãng hàng không. Việc
cung cấp thức ăn nhẹ, nước uống, khăn lạnh miễn phí đã tạo sự khác biệt của hãng
Bamboo Airways so với các hãng hàng không khác, bên cạnh đó việc kết hợp bay và nghỉ
65
dưỡng mang lại cơ hội cho những hành khách có ý định đi du lịch một sự trải nghiệm mới.
Yếu tố Tính hữu hình gồm 7 biến, chỉ có duy nhất 1 tiêu chí hãng chưa thực hiện tốt, cần
khắc phục là tiêu chí: “Hỗ trợ hành khách trong trường hợp bị lỡ chuyến hoặc bị delay”.
Yếu tố Độ tin cậy là yếu tố cuối cùng ảnh hưởng đến quyết định chọn hãng hàng
không Bamboo Airways của hành khách tại TP.HCM. Theo kết quả nghiên cứu, các tiêu
chí xây dựng thuộc yếu tố Độ tin cậy của hãng Bamboo Airways được hành khách đánh
giá là rất tốt, hành khách đồng ý (điểm 4) với những ưu điểm mà hãng đang có: Chính xác
về thời gian khởi hành và hạ cánh như đã in trên vé (4.48), Làm thủ tục nhanh và chính xác
(4.47), Cảm thấy an toàn trong quá trình bay (4.41), Giải quyết hợp lý các sự cố khiếu nại
của hành khách (4.40), Giải quyết nhanh và hiệu quả trong việc tìm và nhận hành lý (4.90).
Với kết quả này, Bamboo Airways nên tiếp tục duy trì và phát huy những gì hãng đang có.
5.3. Hạn chế và định hướng nghiên cứu tương lai:
 Giới hạn về nguồn lực và thời gian nghiên cứu nên số lượng mẫu chưa cao,
đồng thời chỉ thực hiện nghiên cứu ở khu vực TP.HCM nên tính đại diện còn thấp.
 Chưa thể thực hiện nghiên cứu đối với các hãng hàng không nội địa khác
nên thiếu sự so sánh giữa các hãng với nhau.
Armand V.Feigenbaum (1945), Total Quality Control, Nxb McGraw – Hill Professional,
896 pages.
Charles W. Lamb, Joe F. Hair, Carl McDaniel (1999), Essentials of Marketing, NXB
Cengage Learning.
Joseph M.Juran, Frank M.Gryna, Richard S.Bingham (1974), Quality control handbook,
Nxb McGraw – Hill.
Gronroos (1984,) A Service Quality Model and Its Marketing Implications, European
Journal of Marketing, số 18, page 36 – 44.
Gronroos, C. (1990), Service Management and Marketing: Managing the Moments of
Truth in Service Competition. Lexington Books, Lexington.
Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS,
NXB Hồng Đức, TP.HCM.
Leon Schiffman, David Bednall, Elizabeth Cowley, Aron O’Cass, Judith Watson, Leslie
Kanuk (2001). Customer Behavior. Prentice Hall.
Parasuraman, A., Zeithaml, V.A. và Berry, L. L., 1985, A Conceptual Model of Service
Quality and Its Implications for Future Research, Journal of Maketing, số 49, page
41 – 50.
Parasuraman, A., Zeithaml, V.A. và Berry, L. L., 1988, SERVQUAL: A MultipleItem Scale
for Measuring Consumer Perceptions of Service Quality, Journal of Retailing, số 64,
page 12 – 40.
Parasuraman, A., Berry, L. L. và Zeithaml, V.A., 1991, Refinement and Reassessment of
the SERVQUAL Scale, Journal of Retailing, số 67, page 420 – 450
Peter D.Bennet, eds. New York: Elsevier North-Holland, page 425-437.
Philip Kotler (2001), Quản trị Marketing, NXB Thống kê, trang 198.
66
Website: Truy cập ngày 4/8/2019
http://cafef.vn/bamboo-airways-he-lo-gia-ve-chi-149000-la-da-co-the-bay-mua-nha-du-
lich-chi-chuc-trieu-dong-20190112095637997.chn
combo-ca-http://cafebiz.vn/thi-truong-hang-khong-viet-nam-bamboo-airways-la-ke-lieu-
linh-hay-doi-thu-khong-the-xem-nhe-20190706083852578.chn
https://www.caa.gov.vn/bao-cao-thong-ke.htm
67
TÁC ĐỘNG CỦA CHẤT LƯỢNG GIẤC NGỦ ĐẾN KẾT QUẢ HỌC
TẬP SINH VIÊN ĐẠI HỌC
Nguyễn Thảo Nguyên
Email: nguyennt@ueh.edu.vn | Điện thoại: 0983637812
Tóm tắt
Nghiên cứu này nhằm đánh giá mối quan hệ giữa chất lượng giấc ngủ và kết quả học tập của
các sinh viên Đại học. Chất lượng giấc ngủ kém gây ra những ảnh hưởng tiêu cực đối với
nhiều sinh viên đại học. Đặc biệt, chất lượng giấc ngủ kém làm suy yếu không chỉ sức khỏe tâm
lý, mà còn cả sức khỏe sinh lý. Nghiên cứu được thực hiện tại Đại học Kinh tế TPHCM với
mẫu nghiên cứu gồm 227 sinh viên. Kết quả cho thấy, sinh viên đánh giá chất lượng giấc ngủ
của mình chỉ ở mức trung bình, sinh viên năm nhất có chất lượng giấc ngủ kém nhất. Việc
tham gia các CLB/Đội/nhóm/ Đoàn – Hội cũng chiếm thời gian của sinh viên và dẩn đến chất
lượng giấc ngủ kém hơn những sinh viên không tham gia. Chất lượng giấc ngủ kém có tác
động tiêu cực đến kết quả học tập của sinh viên. Khuyến nghị rằng sinh viên đại học nên được
giáo dục về tầm quan trọng của giấc ngủ đầy đủ đến kết quả học tập. Ngủ đủ giấc hàng ngày
có tác động đến sức khỏe thể chất và tinh thần chung của sinh viên .
Từ khóa: Chất lượng giấc ngủ, kết quả học tập
68
1. GIỚI THIỆU
Giấc ngủ là một trong những nhu cầu cơ bản của con người, nó đóng một vai trò rất
quan trọng đối với sức khỏe của con người bao gồm thể chất, trí tuệ và cảm xúc. Mất ngủ
không chỉ khiến mọi người cảm thấy buồn ngủ vào ban ngày, nó thậm chí còn là một yếu
tố nguy cơ có thể gây ra bệnh Alzheimer. Ngủ là một hành vi tích cực, lặp đi lặp lại và
phục vụ một số chức năng trao đổi chất trong cơ thể, củng cố bộ nhớ và các quá trình phục
hồi (Neinstein và ctg. 2018). Giấc ngủ rất quan trọng cho việc củng cố trí nhớ, học tập, suy
nghĩ và ra quyết định. Do đó, giấc ngủ là cần thiết cho hoạt động tối ưu của các chức năng
nhận thức quan trọng liên quan đến học thuật. Thực tế, dựa trên nghiên cứu trong các lĩnh
vực học thuật khác như y học và sinh học, chúng ta biết rằng nghỉ ngơi ban đêm là điều
cần thiết để giúp duy trì tâm trạng, động lực, trí nhớ và hiệu suất nhận thức. Trong khi ngủ,
não tích hợp kiến thức mới và hình thành các liên kết mới StijnBaert và ctg. (2014). Chất
lượng giấc ngủ kém cũng có có liên quan đến mức độ căng thẳng và trầm cảm cao hơn, cả
hai đều có tác động tiêu cực qua lại đối với giấc ngủ (Fortunato & Harsh, 2006; Fuligni &
Hardway, 2006; Tara & Potts-DHRa, 2005). Những phát hiện về các yếu tố liên quan đến
giấc ngủ được chỉ định thay đổi theo độ tuổi. Ví dụ, thanh thiếu niên báo cáo tình trạng
thiếu ngủ trầm trọng hơn trong tuần và khó ngủ hơn (Fortunato & Harsh, 2006). Các yếu tố
liên quan đến giấc ngủ kém với nhóm tuổi này bao gồm tiêu thụ caffeine, căng thẳng do đi
học, trầm cảm và các yếu tố sinh học (Fortunato & Harsh; Fuligni & Hardway, 2006; Taras
& Potts-Datema, 2005). Khi sinh viên lên đại học, thói quen ngủ của họ thường là một
trong những thói quen sớm bị thay đổi và thường theo hướng tiêu cực. Khoảng ba phần tư
sinh viên đại học báo cáo thỉnh thoảng gặp vấn đề về giấc ngủ, hơn một nửa báo cáo cảm
thấy mệt mỏi vào buổi sáng (Buboltz, và ctg., 2002). Trong một nghiên cứu, sinh viên năm
nhất đã báo cáo thời gian thức dậy sớm hơn, là tác nhân chính làm giảm số giờ ngủ, liên
quan đến việc lên lớp (Tsai L, Li S., 2004).
Dữ liệu gần đây cho thấy giấc ngủ rất quan trọng đối với việc củng cố trí nhớ và
học tập. Thiếu ngủ dẫn đến buồn ngủ và suy giảm chức năng nhận thức thần kinh và tâm
thần. Các đánh giá gần đây đã chỉ ra mối quan hệ quan trọng giữa giấc ngủ với khả năng
học tập và kết quả học tập. Một số thói quen ngủ có liên quan đến kết quả học tập thấp
hơn. Một giờ đi ngủ muộn vào các ngày trong tuần và cuối tuần có liên quan đến kết quả
học tập thấp hơn Ahmed (2012). Hầu hết các chuyên gia về giấc ngủ chỉ ra rằng con người
trưởng thành cần khoảng 8 giờ ngủ mỗi ngày (Carskadon 2002). Hầu hết các nghiên cứu
được thực hiện để xem xét tác động tiêu cực của việc ngủ không đủ giấc đối với học sinh
và người lớn, nhưng cần phải nghiên cứu và hiểu làm thế nào một kết quả học tập kém có
thể bị ảnh hưởng bởi chất lượng giấc ngủ trong bối cảnh sinh viên Việt Nam, cụ thể là sinh
viên kinh tế.
2. CƠ SỞ LÝ THUYẾT:
Lịch sử của nghiên cứu giấc ngủ được bắt nguồn từ thế kỷ 19 (Pelayo 2009). Các
kiểu ngủ theo thói quen trải qua những thay đổi từ thời thơ ấu đến tuổi thiếu niên và tuổi
trưởng thành. Lịch trình (các yếu tố bên ngoài) thường yêu cầu thời gian thức dậy sớm hơn
và dẫn đến tổng thời gian ngủ ngắn hơn. Thiếu ngủ được tích lũy trong tuần thường dẫn
đến thời gian ngủ kéo dài hoặc ngủ khó vào cuối tuần, gây ra những cơn buồn ngủ bất
thường trong ngày ở thanh thiếu niên và thanh niên. Thời gian ngủ không đủ, buồn ngủ,
mệt mỏi và không tập trung, đã được xác định là nguyên nhân chính dẫn đến kết quả học
tập kém ở học sinh trung học và đại học. Mặc dù rõ ràng rằng ngủ không đủ giấc là yếu tố
69
chính chi phối tâm trạng, sự tỉnh táo, tập trung, học tập và cuối cùng là hiệu suất trong môi
trường học thuật, vai trò chính xác của giấc ngủ so với tác động của nhịp sinh học đối với
hiệu suất vẫn chưa được xác định rõ (Arne 2010).
Chất lượng giấc ngủ kém tương quan với kết quả học tập kém. Có được một chất
lượng giấc ngủ tốt là điều tối quan trọng đối với sinh viên đại học để học hỏi trong quá
trình học tập. Tuy nhiên, nhiều nghiên cứu đã chỉ ra rất nhiều vấn đề về giấc ngủ. Chất
lượng giấc ngủ, theo Hiệp hội Tâm thần Hoa Kỳ (2000) (American Psychiatric
Association), được định nghĩa là một hiện tượng phức tạp liên quan đến nhiều khía cạnh.
Chất lượng giấc ngủ bao gồm chất lượng giấc ngủ, độ trễ giấc ngủ, thời gian ngủ, hiệu quả
giấc ngủ, rối loạn giấc ngủ, sử dụng thuốc ngủ và rối loạn chức năng ban ngày. Những khía
cạnh này được đo bằng Chỉ số chất lượng giấc ngủ Pittsburgh (PSQI), được sử dụng khá
phổ biến. Mặt khác, Lai (2001) đã đề cập rằng chất lượng giấc ngủ được xác định bằng
cách người ta cảm nhận các kiểu ngủ ban đêm của mình như độ sâu của giấc ngủ, khả năng
ngủ và dễ ngủ hơn mà không cần hỗ trợ y tế. Chất lượng giấc ngủ tốt sẽ cảm thấy tràn đầy
năng lượng suốt cả ngày. Bên cạnh các vấn đề về thể chất và tâm lý do ảnh hưởng của chất
lượng giấc ngủ, nghiên cứu đã chỉ ra rằng nó cũng liên quan đến thành tích học tập. Chất
lượng giấc ngủ kém liên quan đến điểm thấp hơn và không hoàn thành các khóa học
(Pilcher, Ginter, & Sadowsky, 1997).
3. PHƯƠNG PHÁP NGHIÊN CỨU:
Mẫu nghiên cứu bao gồm 227 sinh viên Đại học kinh Tế TPHCM tham gia. Sinh
viên được yêu cầu tự hoàn thành bảng câu hỏi theo cấu trúc. Chất lượng giấc ngủ được đo
bằng thang đo Likert 5 mức độ, điểm càng cao phản ánh chất lượng giấc ngủ càng kém, ghi
nhận cảm nhận của sinh viên trong 3 tháng qua về chất lượng trước khi ngủ, trong khi ngủ
và sau khi ngủ. Thang đo chất lượng giấc ngủ xuất phát từ 1 nhóm câu hỏi (Sleep
Questionnaire and Assessment of Wakefulness, "SQAW") được đề xuất bởi nhóm Tiến sĩ
Laughton Miles, Christian Guilleminault, Vincent P. Zarcone Jr., và William C. Dement.
Kết quả học tập được ghi nhận là điểm số trung bình của sinh viên ở học kỳ vừa qua. Tác
giả sử dụng thống kê mô tả, hồi quy bội để đo lường tác động của chất lượng giấc ngủ đến
kết quả học tập của sinh viên đại học.
4. KẾT QUẢ NGHIÊN CỨU:
Tổng cộng có 227 sinh viên Đại học Kinh tế TPHCM được đưa vào nghiên cứu để
kiểm tra xem có mối liên hệ nào giữa chất lượng giấc ngủ và điểm số học tập của họ
không. Mô tả mẫu nghiên cứu được trình bày trong Bảng 1. Gần 58% số sinh viên tham gia
là nữ. Tỷ lệ cao nhất khóa là sinh viên năm ba (40,1%) và ít nhất là năm nhất chỉ chiếm
10,1%. 50,2% sinh viên có tham gia ít nhất một CLB/Đội/Nhóm/Đoàn-Hội.
Bảng 1. Mô tả mẫu nghiên cứu
Tần số Tần suất (%)

Giới tính Nữ 131 57,7
Nam 96 42,3
Khóa Năm nhất 23 10,1
Năm hai 46 20,3
Năm ba 91 40,1
70
Năm tư 67 29,5
Ngành học Quản trị 76 33,5
Tài chính – ngân
73 32,2
hàng – Kế toán
Kinh doanh quốc
62 27,3
tế- marketing
Khác… 16 7,0
Có tham gia không 113 49,8
CLB/Đội/Nhóm/Đoàn- Có 114 50,2
Hội Tổng 227 100,0
Đánh giá chất lượng giấc ngủ của sinh viên
Chất lượng giấc ngủ gồm 3 thành phần chất lượng trước khi ngủ bao gồm (“Vào
giờ đi ngủ, suy nghĩ chạy đua trong tâm trí tôi”, “Trước khi đi ngủ, tôi lo lắng về mọi
thứ”… chất lượng trong khi ngủ (“Khi ngủ, tôi cảm thấy tê liệt (không thể di chuyển”,
“Tôi thức dậy thường xuyên trong đêm”….) và chất lượng sau khi ngủ (Tôi hay bị ảo giác
khi thức dậy vào buổi sáng”...). Các thang đo được kiểm tra độ tin cậy bằng hệ số
cronbach’s alpha. Chất lượng trước khi ngủ có hệ số cronbach’s alpha là 0,819. Chất lượng
trong khi ngủ có hệ số cronbach’s alpha là 0,898, Chất lượng sau khi ngủ có hệ số
cronbach’s alpha là 0,798. Kết quả đo lường chất lượng giấc ngủ của sinh viên được trình
bày trong Bảng 2. Tổng quan sinh viên đánh giá chất lượng giấc ngủ của mình chỉ ở mức
trung bình (cao nhất là 3,6 “Giấc ngủ đêm của tôi bị ảnh hưởng bởi tiếng ồn” và thấp nhất
là 2,9 “Giấc ngủ đêm của tôi bị ảnh hưởng bởi ánh sáng”). Sweileh (2011) cũng chứng
minh rằng chất lượng giấc ngủ kém có liên quan đến việc thức giấc về đêm thường xuyên
hơn, tiếng ồn về đêm và thức dậy vào ban đêm để sử dụng nhà vệ sinh.
Bảng 2. Đánh giá chất lượng giấc ngủ
Độ Giá trị Giá trị

Trung lệch nhỏ lớn
bình chuẩn nhất nhất
Chất lượng trước khi ngủ (BQS)

Q3.1 Vào giờ đi ngủ, suy nghĩ chạy
3,2 0,9 1 5
đua trong tâm trí tôi
Q3.2 Trước khi đi ngủ, tôi cảm thấy
3,4 1,0 1 5
buồn và chán nản
Q3.3 Trước khi đi ngủ, tôi lo lắng về
3,1 0,9 1 5
mọi thứ
Q3.4 Vào giờ đi ngủ, tôi cảm thấy
3,3 0,9 1 5
căng thẳng thần kinh
Q3.5 Vào giờ đi ngủ, tôi sợ không thể
3,1 0,9 1 5
ngủ được
Q3.6 Tôi gặp khó khăn khi ngủ vào
3,0 1,0 1 5
ban đêm
Trung bình 3,1 0,7 1,20 4,40
Chất lượng trong khi ngủ (InQS)
71
Q3.7 Tôi ngủ quá ít vào ban đêm 3,0 1,1 1 5

Q3.8 Khi ngủ, tôi cảm thấy tê liệt
3,2 1,2 1 5
(không thể di chuyển)
Q3.9 Khi ngủ, tôi có "chân không
ngừng nghỉ" (cảm giác bò, đau 3,3 1,0 1 5
hoặc không thể giữ chân được)
Q3.10 Khi thức dậy vào ban đêm, tôi
3,5 1,3 1 5
không thể ngủ lại được
Q3.11 Giấc ngủ đêm của tôi là bồn chồn 3,2 1,1 1 5
Q3.12 Giấc ngủ đêm của tôi bị ảnh
2,9 1,0 1 5
hưởng bởi ánh sáng
Q3.13 Giấc ngủ đêm của tôi bị ảnh
3,6 1,1 1 5
hưởng bởi tiếng ồn
Q3.14 Tôi thức dậy thường xuyên trong
3,2 1,1 1 5
đêm
Q3.15 Giờ đi ngủ của tôi thay đổi rất
3,2 1,2 1 5
nhiều
Trung bình 3,2 0,8 1,00 4,44
Chất lượng sau khi ngủ (AQS)
Q3.16 Tôi hay bị ảo giác khi thức dậy
3,3 1,0 1 5
vào buổi sáng
Q3.17 Tôi không thể di chuyển khi thức
3,4 0,9 1 5
dậy vào buổi sáng
Q3.18 Tôi thức dậy vào buổi sáng với
3,3 0,9 1 5
cơn đau đầu
Trung bình 3,3 0,8 1,00 5,00
Để phát hiện sự khác biệt chất lượng giấc ngủ ở các nhóm khác nhau, suy diễn
thống kê được thực hiện bằng cách sử dụng kiểm định T-Test mẫu độc lập và ANOVA như
trong Bảng 3. Kết quả cho thấy không có sự khác biệt đáng kể về chất lượng giấc ngủ giữa
nam và nữ tại mức ý nghĩa 5%; có sự khác biệt có ý nghĩa thống kê giữa nhóm có và
không tham gia CLB/Đội/Nhóm/Đoàn-Hội cụ thể có tham gia thì chất lượng giấc ngủ được
đánh giá tệ hơn (3,37). Chất lượng giấc ngủ của sinh viên các khóa khác nhau cũng khác
nhau có ý nghĩa, cụ thể sinh viên năm nhất có chất lượng giấc ngủ kém hơn hết, sinh viên
năm tư có giấc ngủ tốt nhất. Sinh viên ở các chuyên ngành khác nhau cũng có chất lượng
giấc ngủ khác nhau có ý nghĩa thống kê, sinh viên ngành tài cính/Ngân hàng/ Kế toán đánh
giá chất lượng giấc ngủ của bản thân tệ hơn các ngành còn lại.
Bảng 3. Kiểm định sự khác biệt chất lượng giấc ngủ giữa các nhóm
Trung Độ lệch Kiểm Mức ý

Nhóm cỡ mẫu bình chuẩn định nghĩa
Nữ 131 3,2208 0,59379
Giới tính T-Test 0,553
Nam 96 3,2672 0,56474
Có tham gia Có 114 3,3749 0,47248
T-Test 0,000
CLB/Đội/Nhóm/Đoàn- Hội Không 113 3,1071 0,64618
72
Năm nhất 23 3,4734 0,33231

Năm hai 46 3,4122 0,40760
Khóa Anova 0,003
Năm ba 91 3,2199 0,58558
Năm tư 67 3,0703 0,68428
Quản trị 76 3,2756 0,53655
Tài chính –
ngân hàng – 73 3,3609 0,39208
Kế toán
Ngành học Anova 0,037
Kinh doanh
quốc tế- 62 3,0957 0,68853
marketing
Khác,.. 16 3,0843 0,88817
Mối tương quan giữa chất lượng giấc ngủ và kết quả học tập thể hiện qua hệ số
tương quan Spearman, được trình bày trong Bảng 4. Có mối tương quan nghịch có ý nghĩa
giữa chất lượng giấc ngủ kém và kết qủa học tập của sinh viên. Bảng 4 cũng cho thấy có sự
tương quan giữa chất lượng trước khi ngủ, trong khi ngủ và sau khi ngủ, cao nhất là 0,418
tương quan giữa chất lượng trong khi ngủ và sau khi ngủ, điều này cũng có thể vi phạm đa
công tuyến.
Bảng 4. Hệ số tương quan giữa chất lượng giấc ngủ và kết quả học tập
Diemtb BQS InQS AQS

Diemtb 1 -0,429** -0,427 **
-0,382**
**
BQS -0,429 1 0,323** 0,351**
InQS -0,427** 0,323 **
1 0,418**
AQS -0,382** 0,351** 0,418** 1
**. Tương quan tại mức ý nghĩa 0,01(2-phía).
Bảng 5 cho biết tác động chất lượng giấc ngủ kém lên kết quả học tập của sinh
viên. Dữ liệu cho thấy tác động có ý nghĩa thống kê giữa chất lượng giấc ngủ và điểm
trung bình học tập. Chất lượng giấc ngủ kém, bao gồm giai đoạn trước khi ngủ, trong khi
ngủ và sau khi ngủ đều cho thấy ảnh hưởng tiêu cực đến kết quả học tập của sinh viên đại
học. Từ nghiên cứu này cho thấy sinh viên đại học nên giới hạn các nhu cầu học tập và giải
trí, quản lý giấc ngủ đủ thời gian để có tinh thần thoải mái, chuẩn bị đầy đủ cho các lớp
học của ngày hôm sau. Môi trường xung quanh cũng là nguyên nhân cản trở chất lượng
giấc ngủ của sinh viên, không có được một giấc ngủ ngon lành trước khi đến lớp vào ngày
hôm sau, điều này làm giảm sự chú ý và tập trung của sinh viên, và kết quả học tập chung.
Nhận thấy rằng chất lượng giấc ngủ tốt sẽ dẫn đến kết quả học tập tốt hơn dựa trên nền
tảng khoa học liên quan đến hiệu quả của giấc ngủ về hiệu suất nhận thức. Giấc ngủ không
thể thiếu vai trò trong học tập và củng cố trí nhớ. Mặc dù R2 không cao nhưng có đủ bằng
chứng thống kê cho mối liên hệ giữa chất lượng giấc ngủ và kết quả học tập. Kết quả này
phù hợp với những nghiên cứu trước đó. Ví dụ, Một nghiên cứu đã diễn ra tại Đại học
Alfaisal, Đại học Y, Riyadh, Ả Rập Saudi; trong đó một cuộc khảo sát tự đánh giá trực
tuyến, ẩn danh được thực hiện cho sinh viên năm thứ nhất, năm thứ ba và cố vấn học tập
73
của họ. Đại đa số sinh viên đồng ý rằng thiếu ngủ ảnh hưởng tiêu cực đến kết quả học tập
(AlFakhri và ctg 2015). Trong một nghiên cứu khác ở Tây Ban Nha, có khoảng 49,8% sinh
viên buồn ngủ vào ban ngày quá mức, và 79,3% có chất lượng giấc ngủ kém, trong khi
43,3% có kết quả học tập kém trong học kỳ vừa qua. Chất lượng giấc ngủ kém <65% có
liên quan thống kê với kết quả học tập kém (P = .024; OR = 4,23; 95% CI, 1,12-15,42)
trong phân tích đa biến (Machado 2015).
Bảng 5. Hệ số hồi quy
Hệ số chưa Hệ số đã
chuẩn hóa chuẩn hóa
Std. Mức ý
B Error Beta t nghĩa
1 (Hằng số) 8,746 0,360 24,278 0,000
BQS -,0245 0,085 -0,175 -2,863 0,005
InQS -0,318 0,068 -0,279 -4,678 0,000
AQS -0,162 0,075 -0,129 -2,149 0,033
Thunhap 0,054 0,020 0,161 2,716 0,007
Giới tính 0,116 0,103 0,060 1,123 0,263
Tham gia
CLB/Đội/Nhóm/Đoàn/Hội
0,446 0,108 0,233 4,139 0,000
a. Biến phụ thuộc: Điểm trung bình

b. R2=39,1 R2hiệu chỉnh =38,1
Thiếu ngủ ở sinh viên đại học đã được xác định là một trong những hạn chế làm
giảm hiệu suất của sinh viên. Hơn nữa, nghiên cứu đã phát hiện ra rằng những sinh viên
thức khuya thường có kết quả học tập thấp hơn, chất lượng giấc ngủ kém (Marwa 2013).
Kết quả học tập cao hơn trong những năm ở trường đại học có liên quan rất lớn đến sự
thành công trong sự nghiệp. Hơn nữa, kết quả học tập ảnh hưởng đến trình độ học vấn và
thu nhập trong tương lai, do đó, ảnh hưởng đến sức khỏe và chất lượng cuộc sống. Do đó,
việc xác định các yếu tố liên quan đến điểm học tập rất quan trọng đối với cả trường đại
học và sinh viên đại học (Tom 2013). Từ kết quả nghiên cứu, sinh viên nên được giáo dục
về tầm quan trọng của việc có được giấc ngủ đầy đủ. Nhận thức về những lợi ích của giấc
ngủ và cho họ cơ hội để đưa ra quyết định sáng suốt liên quan đến kết quả học tập và sức
khỏe của họ.
5. KẾT LUẬN:
Giấc ngủ chất lượng tốt là điều cần thiết cho sức khỏe nói chung và hoạt động tối
ưu của tất cả các hệ thống cơ quan. Bài nghiên cứu như một lời khuyến cáo giúp sinh viên
tìm cách cải thiện thói quen ngủ hàng ngày bằng cách đi ngủ và thức dậy cùng một lúc mỗi
ngày, tránh tiêu thụ caffeine và các chất kích thích khác vào buổi chiều tối, tham gia các
hoạt động thư giãn trước khi ngủ, chẳng hạn như đọc hoặc nghe nhạc nhẹ nhàng. Để hiểu
74
hậu quả của buồn ngủ ban ngày và thiếu ngủ, kiến thức về giấc ngủ bình thường và tác
động của nó đối với việc học, trí nhớ và hiệu suất là cần thiết. Ngủ đủ giấc hàng ngày cũng
có thể có ảnh hưởng đến sức khỏe thể chất và tâm lý chung của họ.
Các nghiên cứu trong tương lai nên nghiên cứu sâu hơn với quy mô lớn hơn, nhấn
mạnh một cách cẩn thận về mối quan hệ giữa rối loạn giấc ngủ với hiệu suất học tập. Việc
đánh giá các vấn đề về giấc ngủ ở sinh viên có kết quả học tập kém nên được thực hiện
thường xuyên, nên điều tra ảnh hưởng của thói quen ngủ và các vấn đề của sinh viên đối
với sức khỏe nói chung và khám phá các yếu tố khác có thể ảnh hưởng đến thói quen ngủ
của họ như xem tivi và sử dụng internet ngay trước khi đi ngủ.
TÀI LIỆU THAM KHẢO
Ahmed S BaHammam và ctg (2012). The relationship between sleep and wake
habits and academic performance in medical students: a cross-sectional study BaHammam
et al. BMC Medical Education 2012, 12:61 http://www.biomedcentral.com/1472-
6920/12/61
AlFakhri và ctg (2015): Perceptions of pre-clerkship medical students and

academic advisors about sleep deprivation and its relationship to academic performance: a
cross-sectional perspective from Saudi Arabi. BMC., 8:740
Arne H. Eliasson& Christopher J. Lettieri&Arn H. Eliasson (2010). Early to bed,

early to rise! Sleep habits and academic performance in college students. Sleep Breath
(2010) 14:71–75.DOI 10.1007/s11325-009-0282-2
Buboltz, W. C. và ctg. (2002). Treatment approaches for sleep difficulties in

college students. Counseling Psychology Quarterly,15, 229-237.
Carskadon MA. (2002) Adolescent sleep patterns: Biological, social, and

psychological influences .Cambridge , UK: Cambridge University Press.2002.
Curcio, G., Ferraraa, M. & Luigi De Gennaroa. (2006) Sleep Loss, Learning
Capacity and Academic Performance. Sleep Medicine Reviews. 2006,10: 323–337.
Fortunato, V. J., & Harsh, J. (2006). Stress and sleep quality: The moderating role
of negative affectivity. Personality and Individual Differences, 41, 825-836.
Fuligni, A. J., & Hardway, C. (2006). Daily variation in adolescents' sleep,

activities, and psychological wellbeing. Journal of Research on Adolescence, 16, 353- 378.
Machado-Duque ME1, Echeverri Chabur JE2, and Machado-Alba JE3 (2015):

Excessive Daytime Sleepiness, Poor Quality Sleep, and Low Academic Performance in
Medical Students. Rev Colomb Psiquiatr., 44(3):137-42.
Marwa Omar Abd El-Kader and FathiaAttia Mohammad, (2013). Public Health
Research , 3(3): 54-70 DOI: 10.5923/j.phr.2013. 303.05
75
Neinstein. L. S, (2008). Adolescent Health Care: A Practical Guide. Fifth

Edition.USA : Lippincott Williams & Wilkins.
Pelayo R. (2009). Guilleminault C. History of sleep research. In R. Stickgold, and

M. Walker (Eds.), The neuroscience of sleep.USA: Elsevier. p. 3
Slats D, Claassen J, Verbeek MM, Overeem S. (2013) Reciprocal interactions

between sleep, circadian rhythms and Alzheimer’s disease: Focus on the role of hypocretin
and melatonin. Ageing Research Reviews, 12, 188-200. doi:10.1016/j.arr.2012.04.003.
StijnBaert và ctg. (2014) .Mister Sandman, Bring Me Good Marks!On the

Relationship Between Sleep Quality and Academic Achievement. IZA Discussion Paper
No. 8232.June 2014.
Sweileh W. M và ctg. (2011). “Sleep habits and sleep problems among Palestinian
students,” Child and Adolescent Psychiatry and Mental Health, vol. 5, no. 25, pp. 2–8.
Taras, H., & Potts-Datema, W. (2005). Sleep and student performance at school.
Journal of School Health, 75, 248-254.
Tom Deliens, Peter Clarys, Ilse De Bourdeaudhuij and BenedicteDeforche (2013).

Weight, socio-demographics, and health behaviour related correlates of academic
performance in first year university students Deliens et al. Nutrition Journal 2013, 12:162
http://www.nutritionj.com/content/12/1/162.
Tsai L, Li S. (2004). Sleep patterns in college students: Gender and grade

differences. Journal of Psychosomatic Research, 56, 231.
Trockel, M. T., Bames, M. D., & Egget, D. L. (2000). Healthrelated variables and
academic performance among first-year college students: Implications for sleep and other
behaviors. Journal of American College Health, 49,125.
76
CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH CHỌN NGÀNH TOÁN KINH
TẾ CỦA SINH VIÊN TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM
TS. Nguyễn Thanh Vân, ThS. Nguyễn Toàn Trí
Khoa Toán-Thống kê, Trường Đại Học Kinh Tế Tp.HCM

*
Tác giả liên hệ: Email: thanhvan@ueh.edu.vn, trint@ueh.edu.vn| Điện thoại: 0903
621452
Tóm tắt
Bài nghiên cứu này được thực hiện nhằm mục tiêu xác định các nhân tố chính
tác động đến quyết định chọn ngành toán kinh tế của sinh viên Trường Đại
Học Kinh Tế Tp.HCM. Từ đó, tác giả đề xuất một vài gợi ý, chính sách để giúp
cho công tác tư vấn, tuyển sinh của trường hiệu quả hơn trong tương lai.
Từ khóa: Quyết định chọn ngành, Ngành toán kinh tế, Trường Đại Học
Kinh Tế TpHCM
77
1. GIỚI THIỆU
Ngành Toán kinh tế là một mảng ứng dụng của Toán học thông qua việc sử dụng
các mô hình Toán vào thị trường tài chính nhằm dự báo, định giá chứng khoán, quản lý
danh mục đầu tư, quản trị rủi ro tài chính hay các giao dịch tự động. Trong những năm vừa
qua, Toán kinh tế là một trong những chuyên ngành được đào tạo rộng rãi, phổ biến ở
nhiều quốc gia tiên tiến trên thế giới, đặc biệt là Mỹ và Châu Âu – vốn được xem là cái nôi
của ngành Toán kinh tế. Tại các quốc gia mới nổi Châu Á và Trung Quốc, nhu cầu nhân
lực từ ngành Toán kinh tế rất cao. Riêng tại Việt Nam, trong vài năm trở lại đây, khi bước
thời kỳ hội nhập với kinh tế thế giới, thị trường tài chính phát triển, đã mở ra nhiều cơ hội
cho những sinh viên đang theo đuổi ngành học này. Theo kết quả khảo sát của Trung tâm
dự báo nhu cầu nhân lực và thông tin thị trường lao động trên khắp cả nước, nhu cầu nhân
lực tốt nghiệp ngành Toán kinh tế từ các ngân hàng, quỹ đầu tư, công ty tài chính, công ty
bảo hiểm, công ty chứng khoán,… là rất lớn. Các định chế tài chính này đang rất cần
những chuyên viên xây dựng mô hình, đo lường, phân tích, dự báo, quản trị rủi ro, định giá
tài sản tài chính,…
Về chương trình học, sinh viên được tiếp cận chương trình đào tạo hết sức tiên tiến,
mang tính ứng dụng cao thông qua các bài tập tình huống mô phỏng các mô hình Toán
trong tài chính với sự hỗ trợ của các phần mềm tin học. Ngoài ra, sinh viên còn được trang
bị các kiến thức liên quan đến xác suất, thống kê, phân tích dữ liệu, kinh tế lượng,…Từ đó,
sinh viên có khả năng xây dựng các mô hình mô phỏng danh mục đầu tư, đo lường rủi ro
và dự báo được lợi nhuận của danh mục, vận hành các mô hình định lượng, khai thác dữ
liệu, ….
Thấy được vai trò và tầm quan trọng của ngành Toán kinh tế trong bối cảnh thị
trường hiện nay, tác giả đi vào nghiên cứu các yếu tố ảnh hưởng đến quyết định lựa chọn
ngành Toán kinh tế của sinh viên Trường Đại Học Kinh Tế TpHCM. Từ đó, tác giả đưa ra
một số khuyến nghị để công tác tuyển sinh của trường được thuận lợi, tối ưu đồng thời
giúp người học đạt được mục tiêu cao nhất sau khi hoàn thành chương trình đào tạo tại
trường.
78
2. TỔNG QUAN LÝ THUYẾT
2.1 . Cơ sở lí luận:
Việc lựa chọn ngành nghề của sinh viên là một quá trình lâu dài và phức tạp, nó
được biểu hiện ở những mức độ khác nhau ngay từ những lớp đầu của bậc THCS, ngày
càng phát triển và hoàn thiện dần ở cấp bậc THPT, nhất là ở lớp cuối cấp ba (lớp 12) của
bậc THPT. Quá trình chọn lựa này gồm những đặc tính sau:
Tính chủ thể : đối với HS THPT, quá trình lựa chọn ngành nghề được diễn ra với
nhiều sự chi phối của những mối quan hệ xã hội phức tạp như: gia đình, bạn bè, thầy cô
giáo, trường lớp, đoàn thể, các tổ chức xã hội,...Những mối quan hệ này tác động đến nhận
thức, nhu cầu, động cơ, sự hứng thú của HS. Tuy nhiên, để đi đến quyết định lựa chọn
ngành nghề cho tương lai là do chính chủ thể đưa ra và tự khẳng định (Theo Nguyễn Văn
Hộ và Nguyễn Thị Thanh Huyền, 2006).
Tính khách thể : Quá trình lựa chọn ngành nghề là sự kết hợp giữa nhu cầu, nguyện
vọng cá nhân với yêu cầu do ngành nghề và xã hội đòi hỏi (không phải bất cứ ngành nghề
nào cũng được xã hội chấp nhận). Trong xã hội, mỗi cá nhân có một vị trí xác định. Với vị
trí đó cá nhân vừa được hưởng quyền lợi cũng như phải có trách nhiệm đổi với cộng đồng
xã hội.
2.2 Tổng quan các nghiên cứu trước đây:

Trong nghiên cứu của Chapman (1981) đã đề xuất mô hình tổng quát của việc lựa
chọn trường đại học của các học sinh. Qua quá trình khảo sát nhằm kiểm định mô hình đã
phát hiện có 2 nhóm yếu tổ ảnh hưởng nhiều đến quyết định chọn trường ĐH của học sinh.
Nhóm thứ nhất là đặc điểm của gia đình và cá nhân học sinh. Nhóm thứ hai là các yếu tố
thuộc bên ngoài ảnh hưởng đến cá nhân như: các đặc điểm cố định của trường ĐH và nỗ
lực giao tiếp của trường ĐH với các học sinh.
Cabera và Nasa (2000) đã nghiên cứu mô hình 3 giai đoạn về vấn đề chọn trường
đại học dựa trên nền tảng mô hình chọn trường của Chapman và Freeman (1981) . Từ kết
quả nghiên cứu này, Cabcra và La Nasa nhấn mạnh rằng ngoài mong đợi về học tập trong
tương lai, những mong đợi về công việc trong tương lai của học sinh cũng là một nhóm
yếu tố quan trọng ảnh hưởng đến quyết định chọn trường đại học của học sinh.
79
Trong nghiên cứu được tiến hành bởi Hassan, F., & Sheriff, M. N. (2006).
(được trích bởi Jaladin & Muhamad (2010), 364 học sinh THPT đã được phỏng vấn.
Kết quả các yếu tố quan trọng tác động đến quyết định chọn trường đại học của các học
sinh: sự rộng rãi của khuôn viên trường (24%), sạch sẽ (24%), sân vườn (24%), kiến trúc
(20%), thân thiện (15%), độ lớn của phòng học (14%), các hoạt động của trường và giao
thông từ nhà đến trường (6%).
Kirkwood, A. & Price, L. (2014) trên cơ sở khảo sát 325 Học sinh trung học
của trường Trung học Germantown, bang Wisconsin đã đưa ra nhận xét: trong ba nhóm
yếu tố chính ảnh hưởng đến sự lựa chọn nghề nghiệp là: Môi trường, cơ hội và đặc điểm cá
nhân thì nhóm yếu tố đặc điểm cá nhân có ảnh hưởng quan trọng nhất đến sự chọn lựa
nghề nghiệp của Học sinh trung học.
Nghiên cứu của Kwek & Lau, Tan (2010).trên cơ sở khảo sát 384 thanh thiếu
niên (trong đó có 174 nam và 174 nữ) từ 14 đến 18 tuổi đã đưa ra kết luận: Cả nhà trường
và gia đình đều có thể cung cấp những thông tin và hướng dẫn trực tiếp hoặc gián tiếp ảnh
hưởng đến sự lựa chọn nghề nghiệp của thanh niên, giáo viên có thể xác định những năng
khiếu và khả năng qua đó khuyến khích học sinh tham gia các hoạt động ngoại khoá, tham
gia lao động hướng nghiệp hoặc tham quan những cơ sở sản xuất. Phụ huynh học sinh có
ảnh hưởng rất lớn đến việc cung cấp những hỗ trợ thích hợp nhất định cho sự lựa chọn
nghề nghiệp, ngoài ra còn có sự tác động của anh chị em trong gia đình, bạn bè...
Theo Cabera và Nasa (dẫn theo Marvin J. Burns, 2006), ngoài mong đợi về học tập
trong tương lai thì mong đợi về công việc trong tương lai cũng là một trong những yếu tố
ảnh hướng đến quyết định chọn trường của học sinh . S.G.Washburn và các cộng sự (2000)
còn cho rằng sự sẵn sàng của bản thân cho công việc và cơ hội kiếm được việc làm sau khi
tốt nghiệp cũng là những yếu tố ảnh hưởng đến quyết định chọn trường của học sinh.
2.3 Giả thuyết và mô hình nghiên cứu:
2.3.1 Yếu tố cơ hội trúng tuyển:
Mô hình của Chapman (1981) khảo sát năng lực của học sinh hoặc thành tích học
cao là một yếu tố bên ngoài ảnh hưởng đến việc ghi danh đại học. Chapman cũng cho rằng
năng khiếu của học sinh có liên quan đến kết quả của họ trong các kỳ thi vào đại học. Theo
80
Grapragasem, S., Krishnan, A., & Mansor, A. N. (2014) , điểm SAT và GPA là những
chỉ số rất mạnh mẽ để ghi danh vào giáo dục đại học. Cabrcra và Nasa (2000) cũng nói
rằng khả năng của học sinh là một dấu hiệu bước vào đại học, nhưng họ cũng kết luận rằng
"khả năng của sinh viên” dường như được tạo từ số lượng và chất lượng sự khuyến khích
của cha mẹ (Cabrera & Nasa, 2000, trang 9). Mô hình Hassan, F., & Sheriff, M. N.
(2006) đề cập đến yếu tố bản thân cá nhân trong đó bao gồm đặc điểm sinh viên, khả năng
sinh viên... Theo Hossler và cộng sự (1985) khả năng sinh viên và thành tích học sinh có
tác động lớn và trực tiếp đến các khuynh hướng của học sinh trung học hướng tới một nền
giáo dục sau trung học. Trong khi đó, thu nhập và trình độ của cha mẹ không ảnh hưởng
khuynh hướng chọn trường của học sinh (Hossler, Schmit, và Vesper).
H1 : Cơ hội trúng tuyển có ảnh hưởng tích cực đến quyết định lựa chọn ngành học.
2.3.2 Mức độ hấp dẫn của ngành và cơ hội việc làm trong tương lai:
Cabrera và Nasa (2000), Freeman (1999) và Chapman (1981), xem xét ảnh hưởng
của khát vọng giáo dục của học sinh vào quyết định lựa chọn trường đại học của Fion, C.
B. L. (2010) . Theo Cabrera và La Nasa (2000), đó là trong giai đoạn khuynh hướng mà
một học sinh phát triển nguyện vọng nghề nghiệp và giáo dục cũng như sự xuất hiện ý định
của chúng để tiếp tục sau cấp trung học. Nghiên cứu kết luận rằng sự khuyến khích của cha
mẹ, kinh nghiệm trường đại học của phụ huynh và năng khiếu / khả năng học sinh là
những yếu tố dẫn chúng hướng tới khát vọng giáo dục.
Kirkwood, A. & Price, L. (2014) khi nói đến yếu tố về khả năng đáp ứng mong
đợi công việc nghề nghiệp cũng như sự hấp dẫn nghề nghiệp sau khi ra trường đã bao gồm
khát vọng giáo dục và công việc tương lai, công việc mơ ước...
Theo Hassan, F., & Sheriff, M. N (2006), các yếu tố dự báo quan trọng nhất của
kế hoạch giáo dục sau trung học là những sự khuyến khích và hỗ trợ các bậc cha mẹ cho
con cái của họ. Tương tự như vậy, nghiên cứu của Hossler và cộng sự (1989) về thành tựu
nghề nghiệp cho thấy rằng cha mẹ cung cấp các khuyến khích cho đứa trẻ với khả năng
học tập cao nhất. Vì vậy, chất lượng khuyến khích của cha mẹ càng nhiều, khát vọng giáo
dục và nghề nghiệp của sinh viên càng cao thì quyết định chọn trường chọn ngành càng
mạnh mẽ hơn.
81
H2 : Mức độ hấp dẫn có ảnh hưởng tích cực đến quyết định lựa chọn ngành học
H3 : Cơ hội việc làm có ảnh hưởng tích cực đến quyết định lựa chọn ngành học
2.3.3 Khả năng tài chính:
Hemmings, B., Hill, D. & Sharp, J. G. (2013) cho biết chi phí ảnh hưởng nhiều
hơn vào việc một sinh viên theo học đại học hơn là điều họ theo học chương trình đại học
gì. Cabrera và La Nasa (1999) chỉ ra các nghiên cứu cho thấy một mối quan hệ tiêu cực
giữa tăng học phí và ghi danh Hemmings & Sharp (2013) . Trong một cuộc khảo sát từ
25 nghiên cứu kiểm tra mối liên hệ giữa học phí và tuyển sinh đại học, phát hiện ra rằng tất
cả các sinh viên chúng tôi lại nhạy cảm với học phí.
Theo Hossler và cộng sự (1985) 70% sinh viên và 87% phụ huynh cho rằng họ đã
có " thông tin tốt " hoặc "được thông tin", một chương trình hỗ trợ tài chính và người được
trợ giúp tài chính. Một số nhà lý luận trích dẫn rằng nhận viện trợ là quan trọng hơn số
lượng viện trợ nhận được, bởi vì nguồn viện trợ trở thành nội dung mang tính truyền thông
rằng “chúng tôi muốn bạn là một phần của cộng đồng chúng ta” ( Freeman, 1984: Anas Al-
Fattal. 2010. ). Kuncharin & Mohamad (2014) kết luận rằng sẵn sàng đóng góp, bất kể
thu nhập gia đình, một khoản về học phí và hỗ trợ tài chính chuyên nghiệp. Nghiên cứu
của họ cũng kết luận rằng hỗ trợ tài chính cung cấp một phương tiện trong việc thu hút cho
các tổ chức cụ thể.
Chapman (1984) cho rằng nếu chi phí là một trở ngại cho sinh viên đại học, sau đó
hỗ trợ tài chính nên làm giảm hoặc loại bỏ rào cản này. Migin, Falahat & AbYajid (2015)
phát hiện ra rằng hỗ trợ tài chính làm giảm chi phí ròng học tại trường đại học cho sinh
viên và các bậc cha mẹ, do đó tác động tích cực của hỗ trợ tài chính có thể là hoàn toàn là
một chi phí ròng thấp hơn học tại trường.
H4 : Khả năng tài chính có ảnh hưởng tích cực đến quyết định lựa chọn ngành học.
2.3.4 Thương hiệu trường đại học và nỗ lực giao tiếp của nhà trường:
Các nhà nghiên cứu đã nghiên cứu ảnh hưởng của nỗ lực giao tiếp nhà trường vào
sự lựa chọn trường đại học của sinh viên dân tộc thiểu số (Migin, M.W., Falahat, M.,
AbYajid, M.S., &Khtibi, A. 2015). Nghiên cứu cho thấy các học sinh dân tộc thiểu số
82
chủ động tham khảo ý kiến tư vấn về lựa chọn trường đại học của họ. Kirkwood, A. &
Price, L.(2014) báo cáo dữ liệu nghiên cứu cho thấy học sinh có nền tảng xã hội thấp hơn
dựa vào thông tin về đại học từ nhân viên tư vấn trung học cao hơn. Những nghiên cứu
khác thu thập thông tin dựa vào phụ huynh, sinh viên, danh mục chương trình đào tạo, đại
diện trường đại học và các cố vấn hướng dẫn như là nguồn thông tin tham dự đại học của
sinh viên.
Hassan, F., & Sheriff, M. N. (2006) sau nghiên cứu của mình cũng đặc biệt nhấn
mạnh sự ảnh hưởng của nỗ lực giao tiếp của các trường với sinh viên đến quyết định chọn
trường của các sinh viên. Các khoa chuyên ngành phải tổ chức các buổi tư vấn hướng
nghiệp. Giới thiệu cho sinh viên biết được năng lực đào tạo, những cam kết hỗ trợ từ phía
khoa, nhà trường mức độ nhiệt tình sẵn sàng giúp đỡ sinh viên, nỗ lực nâng cao mức cảm
nhận về sự tốt đẹp của nhà trường cho sinh viên. Các thông tin về chuyên ngành như
chương trình đào tạo, mức độ hấp dẫn đa dạng của các học phần, khả năng phát triển cao
hơn ở bậc sau đại học, tính thị trường là những thông tin luôn luôn được mong đợi của sinh
viên. Nhà trường, khoa tư vấn kịp thời sẽ có tác dụng định hướng ngay từ đâu khi họ còn
thiếu rất nhiều nguồn lực để quyết định.
Grapragasem, S., Krishnan, A., & Mansor, A. N. (2014) còn cho rằng việc
tham quan trực tiếp hay các buổi giới thiệu về chuyên ngành cũng ảnh hưởng đến quyết
định chọn chuyên ngành bậc đại học của các sinh viên. Fion, C. B. (2010) còn cho rằng,
các tài liệu có sẵn cũng tác động đến quá trình chọn chuyên ngành bậc đại học của các sinh
viên. Chọn ngành là một quyết định không đầy đủ thông tin của sinh viên. Vì thế, chất
lượng thông tin và sự sẵn sàng của thông tin trong tài liệu có sẵn như Website hay các tài
liệu in khác sẽ là một hỗ trợ không nhỏ trong quyết định chọn chuyên ngành bậc đại học
của các sinh viên .
H5 : Thương hiệu của trường có ảnh hưởng tích cực đến quyết định lựa chọn
ngành học.
H6 : Nỗ lực giao tiếp của trường có ảnh hưởng tích cực đến quyết định lựa chọn
ngành học.
2.3.5 Ảnh hưởng xung quanh:
83
Một số nhà nghiên cứu (Hassan, F., & Sheriff, M. N, 2006, Kirkwood, A. & Price,
L. (2014), Grapragasem, S., Krishnan, A., & Mansor, A. N, 2014) đã xem xét các mối
quan hệ tương tác giữa sinh viên với sinh viên đại học khác và sự tham gia của đại học của
họ. Theo Hemmings, B., Hill, D. & Sharp, J. G. (2013) ý kiến của bạn bè và cựu học
sinh đang đè nặng lên tâm trí của các ứng viên đại học người Mỹ gốc Phi khi quyết định
giữa các trường đại học. Những nghiên cứu khác đã trình bày chi tiết trên sự hiểu biết rằng
sinh viên tương tác với các sinh viên khác, các sinh viên càng có nhiều kế hoạch học đại
học, càng nhiều khả năng họ xem xét việc tham gia đại học.
H7 : Ảnh hưởng xung quanh có ảnh hưởng tích cực đến quyết định lựa chọn ngành
Năng
học. lực tài chính
gia đình
H
Định hướng từ 1
xung quanh
H
Danh tiếng của 2
trường đại học
H
3 Quyết định lựa
chọn ngành toán
Mức độ hấp dẫn kinh tế UEH
của ngành học
H
4
Nhận thức cơ hội H
việc làm trong 5
tương lai
H
6
Nỗ lực giao tiếp của
trường với sinh viên
H
7
Ý kiến xung quanh
(Nguồn tổng hợp nghiên cứu định tính)

84
Hình 1.1 Mô hình nghiên cứu đề xuất
3.1 Phương pháp nghiên cứu

3.1.1 Nghiên cứu định tính
Thông qua việc tổng kết các nghiên cứu liên quan và cơ sở lý thuyết của bài
nghiên cứu, phương pháp nghiên cứu định tính được sử dụng để hoàn chỉnh mô hình
nghiên cứu, điều chỉnh và xây dựng thang đo hoàn chỉnh cho bài nghiên cứu thông qua
thảo luận nhóm để có được bảng câu hỏi hoàn chỉnh cho việc thu thập dữ liệu để phục vụ
cho nghiên cứu định lượng.
Bảng 3.1 Bảng câu hỏi khảo sát

Mã hóa Nội dung Nguồn
KHÁI NIỆM Ý KIẾN XUNG QUANH
Bạn theo học ngành toán kinh tế là mong muốn của bố mẹ Ball (2009)
YKXQ1
bạn.
Daily et al
Bạn bè khuyên bạn nên chọn ngành toán kinh tế của Đại (2010)
YKXQ2
học kinh tế TpHCM.
Nhiều bạn bè của bạn chọn trường Đại học kinh tế
YKXQ3
TpHCM.
Giáo viên trường phổ thông khuyên bạn nên chọn ngành
YKXQ4
toán kinh tế của Đại học kinh tế TpHCM.
Anh/chị của bạn khuyên bạn nên chọn ngành toán kinh tế
YKXQ5
của Đại học kinh tế TpHCM.
KHÁI NIỆM NỔ LỰC GIAO TIẾP
Bạn biết được ngành học do thu thập thông tin được từ
NLGT1 Website của trường.
Bạn biết ngành toán kinh tế thông qua thu thập được từ
NLGT2 Ball (2009)
hướng dẫn tuyển sinh của trường.
Bạn biết ngành toán kinh tế thông qua các trang mạng xã Daily et al
NLGT3 hội và các diễn đàn như facebook, youtube, các clip quảng (2010)
cáo…
Bạn biết ngành toán kinh tế từ giáo viên hướng dẫn đăng
NLGT4
ký dự thi.
KHÁI NIỆM CƠ HỘI VIỆC LÀM TRONG TƯƠNG LAI
85
Bạn tin rằng sinh viên của Trường có tỷ lệ việc làm cao
CHVL1 khi sau tốt nghiệp.
Bạn tin rằng ngành học này có nhiều cơ hội cạnh tranh sau
khi tốt nghiệp không thua kém gì các ngành học khác Ball (2009)
CHVL2 thuộc Khối kinh tế
Daily et al
Bạn nghĩ rằng công việc tương lai mà ngành học mang lại (2010)
CHVL3 sẽ có thu nhập cao trong xã hội
Bạn nghĩ rằng công việc tương lai từ ngành học này sẽ
CHVL4
có nhiều cơ hội thăng tiến trong xã hội.
KHÁI NIỆM
THƯƠNG HIỆU TRƯỜNG ĐẠI HỌC
Trường Đại học kinh tế TP.HCM là trường có uy tín

THUT1 thương hiệu tốt.
Môi trường học tập của trường Đại học kinh tế TP.HCM
THUT2 rất tốt.
Giảng viên của trường có được chuyên môn tốt.

THUT3
Bạn cảm nhận được uy tín, thương hiệu của trường Đại Ball (2009)
THUT4 học kinh tế TP.HCM so với các trường khác.
Daily et al
Được học ngành toán kinh tế của Đại Học Kinh Tế (2010)
THUT5 Tp.HCM làm bạn thấy rất tự hào.
KHÁI NIỆM MỨC ĐỘ HẤP DẪN CỦA NGÀNH HỌC

Bạn nghĩ rằng nội dung học của ngành toán kinh tế sát với
HDNH1 thực tế.
Có nhiều chương trình liên kết đào tạo mở rộng quốc tế

HDNH2 đối với ngành toán kinh tế của trường.
Tốt nghiệp ngành toán kinh tế bạn có được nhiều cơ hội để Ball (2009)
HDNH3 làm việc trong tương lai.
Daily et al
Nội dung ngành học toán kinh tế sẽ phù hợp với sở thích (2010)
HDNH4 của bạn.
Ngành toán kinh tế giúp bạn có được mức thu nhập tốt
HDNH5 trong tương lai.
KHÁI NIỆM CƠ HỘI TRÚNG TUYỂN
86
Ngành toán kinh tế có mức điểm chuẩn vừa phải phù hợp
CHTT1 với năng lực của bạn.
Phương thức tuyển sinh của ngành phù hợp với năng lực
CHTT2 của bạn.
Bạn có môn học sở trường phù hợp với các tổ hợp khối
CHTT3 tuyển sinh của ngành.
Ball (2009)
Bạn tin rằng tỷ lệ chọi của ngành toán kinh tế là vừa phải
Daily et al
CHTT4 nên bạn sẽ có xác suất đậu vào ngành. (2010)
NĂNG LỰC TÀI CHÍNH
Bạn tham khảo mức học phí của ngành học là vừa phải.
NLTC1
Gia đình bạn đáp ứng được chi phí sinh hoạt học tập khi
NLTC2 bạn theo học ngành này.
Bạn có đủ khả năng tự trang trải học phí khi học ngành
NLTC3 này. Ball (2009)
Gia đình bạn có thể đáp ứng được mức học phí mà ngành Daily et al
NLTC4 toán kinh tế quy định. (2010)
QUYẾT ĐỊNH CHỌN NGÀNH TOÁN KINH TẾ
Bạn quyết định chọn ngành toán kinh tế vì đáp ứng mong
QĐCN1 đợi học tập của bạn.
Bạn cảm thấy hài lòng khi chọn ngành toán kinh tế của
QĐCN2 Đại học kinh tế TP.HCM.
Bạn quyết định chọn ngành toán kinh tế vì đáp ứng đúng
QĐCN3 năng lực tài chính của bạn và gia đình bạn.
Ball (2009)
Bạn tự hào khi là sinh viên ngành toán kinh tế của Đại học
QĐCN4 kinh tế TP.HCM. Daily et al
(2010)
Bạn quyết định chọn ngành toán kinh tế vì đáp ứng đúng
QĐCN5 mục tiêu nghề nghiệp của bạn trong tương lai.
Nhìn chung cảm nhận của bạn là tốt về ngành học toán
QĐCN6 kinh tế.
(Nguồn tổng hợp nghiên cứu định tính)
87
3.1.2 Nghiên cứu định lượng
Sau khi có được mô hình nghiên cứu hoàn chỉnh và bảng câu hỏi khảo sát hoàn
chỉnh, nghiên cứu định lượng được sử dụng với các mục đích nhằm thống kê, tóm tắt mẫu
nghiên cứu, đánh giá thực trạng nghiên cứu thông qua phương pháp thống kê mô tả ( tính
điểm trung bình, tỷ lệ phần trăm) , sau đó dùng các phân tích cần thiết như kiểm định độ
tin cậy thang đo, phân tích nhân tố khám phá, phân tích tương quan và hồi quy nhằm kiểm
định các giả thuyết trong bài nghiên cứu.
3.2 Thiết kế mẫu

3.2.1 Phương pháp chọn mẫu
Để thuận tiện cho việc nghiên cứu nên bài nghiên cứu sẽ sử dụng phương pháp lấy
mẫu thuận tiện , tuy mức độ khái quát hóa lý thuyết của phương pháp chọn mẫu này không
cao nhưng với ngữ cảnh nghiên cứu của bài nghiên cứu nên sử dụng phương pháp chọn
mẫu này thì sẽ phù hợp, với số lượng mẫu tương đối đủ lớn cũng có thể đánh giá chính xác
được kết quả nghiên cứu.
Đối tượng khảo sát là các sinh viên năm nhất, năm hai, năm ba, năm tư theo học
ngành toán kinh tế tại khoa toán thống kê, Đại học kinh tế TP.HCM. Thời gian thực hiện
khảo sát được thực hiện trong 15 ngày (từ 10/09/2019- 24/09/2019) tại khuôn viên của
trường Đại học kinh tế TP.HCM.
3.2.2 Xác định kích cỡ mẫu
Dựa vào mô hình của bài nghiên cứu và yêu cầu về số lượng mẫu để phân tích cho
các nghiên cứu định lượng , tác giả sẽ xác định số lượng mẫu cần thiết. Theo Hair et al
(1998), để phân tích nhân tố (EFA) tốt nhất là 5 mẫu trên một biến quan sát. Bên cạnh đó,
Tabachnick & Fidel (1996) cho rằng để phân tích hồi quy tốt nhất thì cỡ mẫu phải bảo đảm
theo công thức:
n >= 8m + 50
Trong đó:
n: Cỡ mẫu
m: Số biến độc lập của mô hình
Nghiên cứu này gồm có 37 biến quan sát và 7 biến độc lập thì:
88
- Cỡ mẫu cần cho nghiên cứu nhân tố là: 37 x 5 = 185 đối tượng.
- Cỡ mẫu cần cho nghiên cứu hồi quy là: 7 x 8 + 50 = 106 đối tượng.
Như vậy, để đáp ứng số lượng mẫu cho phân tích định lượng số mẫu tối thiểu >=
185, tác giả dự kiến sẽ thu thập 200 phiếu khảo sát nghiên cứu để phục vụ cho nghiên cứu
định lượng.
3.3 Công cụ nghiên cứu

Dựa vào các bài nghiên cứu trước đây, công cụ nghiên cứu định tính là dàn bài thảo
luận nhóm (nhằm có được bảng câu hỏi hoàn chỉnh cho nghiên cứu định lượng)
Nghiên cứu định lượng công cụ thu thập dữ liệu là bảng câu hỏi khảo sát được thiết
kế với các câu hỏi về nhân khẩu học , và những câu hỏi định lượng ở dạng thang đo likert
(dựa vào thang đo lường từ các nghiên cứu nước ngoài)
Sau khi thu thập dữ liệu, sẽ dùng phần mềm SPSS 20.0 mã hóa, nhập liệu và xử lý
số liệu, với các kỹ thuật nghiên cứu định lượng như kiểm tra độ tin cậy thang đo, phân tích
nhân tố khám phá, phân tích tương quan, phân tích hồi quy để kiểm định các giả thuyết
nghiên cứu và lượng hóa mức độ tác động.
3.4 Kỹ thuật xử lý
Dữ liệu thu thập sẽ được kiểm tra trên phần mềm SPSS 20.0 bằng phương pháp
phân tích độ tin cậy Cronbach’s Alpha. Hệ số này dùng để đánh giá độ tin cậy của thang đo
hay mức độ chặt chẽ giữa các biến trong bảng câu hỏi.
Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị
loại. Thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường
hợp thang đo lường là mới hoặc mới với người trả lời trong bối cảnh nghiên cứu
(Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang đo có Cronbach
alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ
tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi
các biến không đảm bảo độ tin cậy. Kỹ thuật phân tích nhân tố khám phá EFA
(Exploratory Factor Analysis) được dùng để thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu,
thu thập lượng biến khá lớn nhưng các biến có liên hệ với nhau nên gom chúng thành các
nhóm biến có liên hệ để xem xét và trình bày dưới dạng một số ít nhân tố cơ bản có ảnh
89
hưởng đến sự hài lòng của khách hàng. Phương pháp trích hệ số được sử dụng là Principal
Component Analysis với phép xoay Varimax và điểm dừng khi trích các yếu tố có
eigenvalue là 1. Các biến quan sát hệ số tải (factor loading) nhỏ hơn 0.5 sẽ bị loại. Thang
đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50%.
Phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer - Olkin) là chỉ số dùng để
xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5
đến 1 thì phân tích này mới thích hợp, nếu giá trị này nhỏ hơn 0.5 thì phân tích nhân tố có
khả năng không thích hợp với dữ liệu.
- Phân tích hồi quy được thực hiện bằng phương pháp Enter với phần mềm SPSS.
Mô hình hồi quy có dạng như sau:
Yi = 0 + 1X1i + 2X2i + … + pXni + i
Trong đó:
Yi : Biến phụ thuộc.
0 : Hệ số chặn.
i : Hệ số hồi quy thứ i (i = 1, n ).
i : Sai số biến độc lập thứ i.
Xi: Biến độc lập ngẫu nhiên.
Kiểm định mô hình.
Kiểm định độ phù hợp của mô hình
Kiểm định F trong bảng phân tích phương sai là phép kiểm định về độ phù hợp của
mô hình hồi quy tuyến tính tổng thể, xem xét biến phụ thuộc có liên hệ tuyến tính với toàn
bộ tập hợp các biến độc lập hay không.
 Cặp giả thiết nghiên cứu:
Ho: Không có mối quan hệ giữa các biến độc lập và biến phụ thuộc
H1: Tồn tại mối quan hệ giữa các biến độc lập và biến phụ thuộc
90
Mức ý nghĩa kiểm định là 5%
 Nguyên tắc chấp nhận giả thiết:
Nếu Sig <= 0,05: bác bỏ giả thiết Ho
Sig > 0,05: chưa có cơ sở bác bỏ giả thiết Ho.
4.1 Tóm tắt thông tin mẫu nghiên cứu

Dựa vào kết quả nghiên cứu định tính, tác giả có được bảng câu hỏi hoàn chỉnh,
tiến hành thực hiện khảo sát, đối tượng khảo sát là các bạn sinh viên thuộc ngành toàn kinh
tế của Đại học kinh tế TP.HCM (sinh viên năm 1,2,3 của trường), kết quả khảo sát gửi đi
200 bảng hỏi, thu về 196 bảng, trong số đó có 5 bảng hỏi bị lỗi, và chính thức số quan sát
còn lại cho mẫu nghiên cứu là 191, được tiến hành phân tích.
Bảng 4.1 Tóm tắt kết quả nghiên cứu
Biến Số lượng Tỷ lệ %
Nam 98 51.3
Giới tính
Nữ 93 48.7
Tổng 191 100.0
Nông nghiệp 50 26.2
Buôn bán- Thương
Thu nhập chính 91 47.6
mại
của gia đình từ
lĩnh vực Công nhân viên chức 46 24.1
Khác 4 2.1
Tổng 191 100.0
Khu vực Tây Nam Bộ 33 17.3
Khu Vực Đông Nam
Khu vực sinh sống 27 14.1
Bộ
Khu vực miền trung
71 37.2
và tây nguyên
Khu vực TP.HCM 57 29.8
Khu vực bắc bộ 3 1.6
Tổng 191 100.0
Dưới 22 điểm 43 22.5
Điểm thi đại học đầu
Từ 22 đến 24 điểm 142 74.3
Từ 24 đến 25.5 6 3.1
91
vào
Tổng 191 100.0
(Nguồn kết quả nghiên cứu định lượng)
4.2 Kết quả nghiên cứu

4..2.1 Kết quả kiểm định độ tin cậy thang đo
Bảng 4.2 Tóm tắt kết quả kiểm định độ tin cậy thang đo
Trung bình Phương sai Hệ số Cronbach
Tương quan
Biến quan sát thang đo nếu thang đo nếu Alpha nếu loại
biến tổng
loại biến loại biến biến
KHÁI NIỆM Ý KIẾN XUNG QUANH (YKXQ) : CRONBACH ALPHA = 0.787
YKXQ1 9.35 14.218 .476 .775
YKXQ2 9.40 12.188 .763 .683
YKXQ3 9.36 12.452 .673 .711
YKXQ4 8.98 15.042 .335 .818
YKXQ5 9.18 12.242 .613 .731
YẾU TỐ NỖ LỰC GIAO TIẾP (NLGT), CRONBACH ALPHA = 0.751
NLGT1 7.87 7.378 .559 .686
NLGT2 8.22 7.393 .677 .623
NLGT3 7.81 7.568 .519 .709
NLGT4 8.26 8.634 .444 .745
YẾU TỐ CƠ HỘI VIỆC LÀM (CHVL) , Cronbach Alpha = 0.919
CHVL1 9.07 9.910 .764 .912
CHVL2 9.03 9.941 .833 .888
CHVL3 9.13 9.241 .888 .868
CHVL4 9.05 10.124 .772 .908
92
KHÁI NIỆM UY TÍN THƯƠNG HIỆU (THUT) , Cronbach Alpha = 0.894
THUT1 14.85 12.393 .884 .837
THUT3 14.88 13.401 .694 .881
THUT2 15.17 13.859 .695 .880
THUT4 14.83 12.814 .770 .863
THUT5 15.05 13.692 .660 .888
KHÁI NIỆM HẤP DẪN NGHỀ NGHIỆP (HDNN), Cronbach Alpha = 0.823
HDNH1 12.70 10.970 .697 .764
HDNH2 12.96 11.725 .608 .791
HDNH3 12.46 13.365 .312 .878
HDNH4 12.55 11.080 .776 .743
HDNH5 12.48 11.146 .765 .747
KHÁI NIỆM CƠ HỘI TRÚNG TUYỂN (CHTT) , Cronbach Alpha = 0.915
CHTT1 9.64 9.252 .729 .918
CHTT2 9.63 8.865 .857 .872
CHTT3 9.62 9.005 .843 .878
CHTT4 9.69 9.341 .802 .892
KHÁI NIỆM NĂNG LỰC TÀI CHÍNH (NLTC) , cronbach alpha = 0.896
NLCT1 8.55 9.944 .718 .885
NLCT2 8.42 9.024 .853 .834
NLCT3 8.74 10.647 .665 .903
NLCT4 8.35 9.069 .851 .835
93
KHÁI NIỆM QUYẾT ĐỊNH CHỌN NGHỀ NGHIỆP (QDCN) , cronbach alpha
= 0.821
QDCN1 15.95 19.003 .486 .814
QDCN2 15.43 18.436 .510 .811
QDCN3 15.33 17.191 .710 .766
QDCN4 14.71 18.229 .632 .784
QDCN5 15.32 18.462 .613 .788
QDCN6 15.21 18.285 .588 .793
Kết quả kiểm định độ tin cậy thang đo cho các khái niệm của bài nghiên cứu ta thấy
37 biến quan sát thuộc 8 khái niệm của mô hình nghiên cứu, cả 37 biến quan sát đều đạt
yêu cầu và không có biến quan sát nào bị loại khỏi thang đo , các biến quan sát này được
đưa vào để phân tích nhân tố khám phá EFA
4.2.2 Phân tích EFA
Bảng 4.3 tóm tắt các thông tin phân tích EFA cho các bi ến độc lập
Các thông số EFA EFA lần 2 Phân
lần 1 tích EFA biến
phụ thuộc
Chỉ số KMO 0.820 0.821 0.848
Hệ số Eigenvalues 1.580 1.569 3.207
Giá trị sig kiểm định Bartlett 0.000 0.000 0.000
Tổng phương sai trích 70.686 74.127% 53.444%

%
Số nhân tố rút trích 7 nhân 7 nhân tố 1 nhân

tố tố
Số biến loại 2 biến 0 biến 0 biến
94
Bảng 4.4 Ma trận xoay nhân tố lần cuối
Các nhân tố
1 2 3 4 5 6 7
YKXQ1 .611
YKXQ2 .898
YKXQ3 .868
YKXQ5 .811
NLGT1 .704
NLGT2 .857
NLGT3 .663
NLGT4 .745
CHVL1 .778
CHVL2 .798
CHVL3 .844
CHVL4 .798
THUT1 .877
THUT3 .743
THUT2 .819
THUT4 .800
THUT5 .747
HDNH1 .831
HDNH2 .771
HDNH4 .914
HDNH5 .822
CHTT1 .795
CHTT2 .883
CHTT3 .878
CHTT4 .864
NLCT1 .796
NLCT2 .866
NLCT3 .843
NLCT4 .861
95
Bảng 4.5 ma trận xoay nhân tố cho biến phụ thuộc
Nhân tố
1
QDCN1 .630
QDCN2 .655
QDCN3 .828
QDCN4 .771
QDCN5 .752
QDCN6 .731
Sau khi phân tích EFA cho biến phụ thuộc và biến độc lập , kết quả các biến quan
sát của thang đo cho các khái niệm hội tụ lên đúng nhân tố mà nó đo lường, có 37 biến
quan sát được đưa vào phân tích EFA kết quả có 2 biến quan sát bị loại khỏi thang đo do
không đạt yêu cầu về hệ số tải nhân tố, còn lại 35 biến quan sát sẽ được đưa vào để phân
tích tương quan và hồi quy nhằm đi đến kết quả nghiên cứu cuối cùng
4.2.3 Kiểm định các giả thuyết mô hình nghiên cứu
Bảng 3.6
YKXQ NLGT CHVL UTTH HDNN CHTT NLTC QDCN

Pearson
Correlatio .049 .332** .744** .536** .402** .533** .355** 1
QDCN n
Sig. (2-
.504 .000 .000 .000 .000 .000 .000
tailed)
Tiến hành kiểm định mối quan hệ giữa các biến trong mô hình nghiên cứu thông
qua phân tích tương quan giữa các biến độc lập và biến phụ thuộc trong mô hình nghiên
cứu , kết quả kiểm định mối tương quan giữa các biến độc lập với biến phụ thuộc (quyết
định chọn ngành) trong mô hình nghiên cứu , giá trị kiểm định sig của các kiểm định tương
quan đều < 0.05 ( 0.00) nên ta có thể kết luận các biến độc lập trong mô hình nghiên cứu
có mối tương quan với biến phụ thuộc quyết định chọn ngành, từ đó tiến hành phân tích
hồi quy tuyến tính bội rất thuận lợi
96
Dựa vào kết quả phân tích hồi quy trước tiên ta xem bảng Model summary, ta thấy
hệ số R2 hiệu chỉnh là 0.659 (>0.4) hệ số này cho thấy mô hình phù hợp với dữ liệu nghiên
cứu ở mức khá tốt , hệ số này có ý nghĩa là 65.9 % biến thiên của quyết định chọn nghề
được giải thích tốt bởi các yếu tố trong mô hình nghiên cứu, phần còn lại là do các biến
ngoài mô hình nghiên cứu giải thích
Bên cạnh đó bảng ANOVA của phân tích hồi quy có giá trị kiểm định sig = 0.00 <
0.05 nên ở độ tin cậy 95% ta có thể kết luận rằng có ít nhất một hệ số Beta khác không , có
sự tác động tối thiểu của ít nhất một yếu tố thuộc công bằng dịch vụ và chất lượng dịch vụ
lên hài lòng dịch vụ hay nói cách khác ở độ tin cậy 95% thì mô hình phù hợp với dữ liệu
nghiên cứu ( giả thuyết H0: B0 = B1= B2= Bk= 0, bị bác bỏ ở độ tin cậy 95%), các kết quả
này cho phép ta giải thích các hệ số hồi quy tốt hơn.
Bảng 3.7 Model summary
Hệ số R2 hiệu Độ lệch chuẩn Đại lượng

Mô hình Hệ số R Hệ số R2
chỉnh ước lượng Durbin-Watson
1 .819a .671 .659 .49130 1.672

Giả định về tính độc lập phương sai Giá trị của Đại lượng Durbin-Watson = 1.672
điều này cho thấy mô hình không vi phạm giả thuyết tự tương quan. Giả định không có
hiện tượng đa cộng tuyến, nếu các giá trị VIF này nhỏ hơn 10 thì hiện tượng đa cộng tuyến
xem như không xuất hiện, dựa vào các giá trị VIF trong bảng hệ số hồi quy ta thấy các giá
trị VIF của các hệ số ước lượng Beta đều < 10 rất nhiều ( 1.034- 1.696). Giả định về phân
phối chuẩn phần dư chuẩn hóa
Bảng 3.8 ANOVA
Tổng phương Phương sai

Mô hình df Giá trị F Giá trị Sig.
sai trung bình
Hồi quy 89.792 7 12.827 53.143 .000b

Phần dư 43.930 182 .241
97
Tổng 133.722 189

Bảng 3.9 Coefficients
Hệ số Collinearity
Hệ số chưa chuẩn hóa Trị t Trị Sig.
chuẩn hóa Statistics
Mô hình
B Std. Beta Tolerance V
Error IF
(Constant) -.173 .224 -.770 .442

.
YKXQ .057 .037 .066 1.533 .127 .967
034
1
NLGT .110 .042 .117 2.619 .010 .907
.103
1
CHVL .391 .045 .480 8.681 .000 .590
.696
1
UTTH .153 .047 .163 3.287 .001 .730
.370
1
HDNN .124 .043 .135 2.895 .004 .834
.199
1
CHTT .196 .042 .232 4.709 .000 .747
.339
1
NLTC .016 .039 .020 .425 .671 .824
.214
 Yếu tố ý kiến xung quanh nhìn vào kết quả phân tích hồi quy, ta thấy hệ số
beta chuẩn hóa của ước lượng là 0.066, đồng thời giá trị kiểm định sig của
hệ số Beta là 0.127 > 0.05 , nên ở độ tin cậy 95% ta có thể nói rằng ý kiến
xung quanh không tác động cùng chiều đến quyết định chọn ngành toán
kinh tế của sinh viên. Điều này có nghĩa khi thay đổi ý kiến xung quanh thì
quyết định chọn ngành toán kinh tế sẽ không bị ảnh hưởng (trong điều kiện
các yếu tố khác không đổi).
 Yếu tố nỗ lực giao tiếp kết quả ước lượng mô hình cho thấy được hệ số Beta
của yếu tố này là 0.117, bên cạnh đó giá trị kiểm định sig của yếu tố này là
0.010 (<0.05) nên ở độ tin cậy 95% ta có thể kết luận rằng nỗ lực giao tiếp
98
có ảnh hưởng cùng chiều đến đến quyết định chọn ngành toán kinh tế của
sinh viên. Hệ số này cho thấy mức độ tác động cùng chiều giữa nỗ lực giao
tiếp của nhà trường lên quyết định chọn ngành toán kinh tế của sinh viên,
trong điều kiện các yếu tố khác không đổi khi gia tăng nỗ lực giao tiếp lên 1
đơn vị thì quyết định chọn ngành toán kinh tế của sinh viên sẽ tăng lên
0.117 đơn vị và ngược lại.
 Yếu tố nhận thức cơ hội việc làm kết quả phân tích hệ số hồi quy cho ta thấy
được hệ số hồi quy của ước lượng là 0.480 bênh cạnh đó giá trị kiểm định
của hệ số Beta có giá trị sig là 0.000 < 0.05 nên ở độ tin cậy 95% ta có thể
kết luận rằng cơ hội việc làm tác động cùng chiều và rất mạnh đến quyết
định chọn ngành toán kinh tế của sinh viên. Hệ số Beta chuẩn hóa này có ý
nghĩa rằng khi gia tăng nhận thức cơ hội việc làm lên 1 đơn vị (trong điều
kiện các yếu tố khác không thay đổi) thì quyết định chọn ngành toán kinh tế
sẽ gia tăng là 0.480 đơn vị và ngược lại.
 Yếu tố Uy tín thương hiệu với hệ số beta chuẩn hóa là 0.163 giá trị kiểm
định của ước lượng có hệ số beta là 0.001 < 0.05 , nên ở độ tin cậy 95% ta
có thể kết luận rằng Uy tín thương hiệu có ảnh hưởng tích cực đến quyết
định chọn ngành toán kinh tế của sinh viên. Hệ số beta = 0.163 điều này có
nghĩa khi ta gia tăng uy tín thương hiệu lên 1 đơn vị thì quyết định chọn
ngành toán kinh tế sẽ gia tăng lên 0.163 đơn vị và ngược lại (trong điều kiện
 Yếu tố hấp dẫn nghề nghiệp kết quả ước lượng của hệ số này với hệ số Beta
chuẩn hóa là 0.135 , với giá trị kiểm định sig = 0.004 (<0.05) nên ở độ tin
cậy 95% ta nói rằng hấp dẫn nghề nghiệp có ảnh hưởng cùng chiều đến
quyết định chọn ngành toán kinh tế của sinh viên.Hệ số beta = 0.135 điều
này có nghĩa khi gia tăng sự hấp dẫn nghề nghiệp lên 1 đơn vị thì quyết
định chọn ngành toán kinh tế của sinh viên sẽ gia tăng thêm 0.135 đơn vị và
ngược lại (trong điều kiện các yếu tố khác không đổi).
 Yếu tố cơ hội trúng tuyển kết quả kiểm định hệ số Beta chuẩn hóa là 0.232
và giá trị kiểm định sig là 0.005 (<0.05) , nên ở độ tin cậy 95% ta có thể kết
luận rằng cơ hội trúng tuyển có ảnh hưởng cùng chiều đến quyết định chọn
ngành toán kinh tế của sinh viên . Hệ số này có ý nghĩa khi sinh viên nhận
99
thức cơ hội trúng tuyển tăng thêm 1 đơn vị thì quyết định chọn ngành toán
kinh tế của sinh viên sẽ tăng lên 0.232 đơn vị và ngược lại (trong điều kiện
 Yếu tố năng lực tài chính nhìn vào kết quả phân tích hồi quy, ta thấy hệ số
beta chuẩn hóa của ước lượng là 0.020 , đồng thời giá trị kiểm định sig của
hệ số Beta là 0.671 > 0.05 , nên ở độ tin cậy 95% ta có thể nói rằng năng lực
tài chính không tác động cùng chiều đến quyết định chọn ngành toán kinh tế
của sinh viên. Điều này có nghĩa khi thay đổi năng lực tài chính thì điều này
cũng không ảnh hưởng đến quyết định chọn ngành toán kinh tế (trong điều
kiện các yếu tố khác không thay đổi).
Phương trình hồi quy thể hiện mối quan hệ giữa các yếu tố với quyết định chọn
ngành
Quyết định chọn ngành toán kinh tế = - 0.173 + 0.110 Nỗ lực giao tiếp +
0.391 Cơ hội việc làm trong tương lai + 0.153 Thương hiệu trường đại học +
0.124 Hấp dẫn của ngành học + 0.196 Cơ hội trúng tuyển
4.3. Phân tích thực trạng đánh giá các yếu tố ảnh hưởng đến quyết định chọn ngành
toán kinh tế
100
NHẬN THỨC CƠ HỘI VIỆC LÀM

Hoàn toàn không đồng ý Không đồng ý Trung hòa Đồng ý Hoàn toàn đồng ý
40.00%
35.00% 33.50%
31.40% 30.90% 31.40% 30.90%
29.80%
30.00% 27.70%
24.60% 24.10%
25.00% 23.00% 22.00%
20.00% 18.80%
15.00% 12.00%
8.90% 9.90% 10.50% 8.90%
10.00% 8.40% 8.40%
4.70%
5.00%
0.00%
Bạn tin rằng sinh viên Bạn tin rằng ngành Bạn nghĩ rằng công Bạn nghĩ rằng công
của trường có tỷ lệ học này có nhiều cơ việc tương lai mà việc tương lai từ
việc làm cao sau khi hội cạnh tranh sau khi ngành học mang lại sẽ ngành học này sẽ có
tốt nghiệp tốt nghiệp không thua có thu nhập cao trong nhiều cơ hội thăng tiến
kém gì các ngành học xã hội trong xã hội
khác thuộc khối kinh tế
Hình 4.1 Thực trạng đánh giá nhận thức cơ hội việc làm
101
UY TÍN THƯƠNG HIỆU

50.00%
44.00% 44.50%
45.00% 41.90%
40.00% 37.70%
35.00% 33.00% 31.90%
28.80% 28.80% 28.80%
30.00% 25.10% 25.10%
25.00%
20.00% 16.80% 16.80%
14.70% 14.10%
15.00% 12.00% 10.50%
8.40% 7.30% 7.90%
10.00% 5.20%
4.20% 4.20% 4.70% 3.70%
5.00%
0.00%
Trường Đại học Cơ sở vật chất, Giảng viên của Bạn cảm nhận Được học ngành
kinh tế TP.HCM trang thiết bị, hệ trường có được uy tín, toán kinh tế của
có giá trị thương thống thông tin chuyên môn rất thương hiệu của Đại Học Kinh Tế
hiệu rất tốt. dữ liệu của cao. trường Đại học Tp.Hcm làm bạn
trường Đại học kinh tế TP.HCM thấy rất tự hào
kinh tế TP.HCM rất lớn so với các
rất tốt và được trường khác
trang bị đầy đủ. thuộc khối kinh
tế đóng trên địa
bàn
Hình 4.2 Thực trạng đánh giá uy tín thương hiệu
102
Mức độ hấp dẫn của ngành
50.50%
46.40% 47.40% 46.40%
42.30% 44.30%
41.20%
37.10%
33.00%
27.80%
16.50%
1.00%
4.10% 6.20% 4.10% 4.10% 1.00%
3.10% 12.40%0.00%
8.20% 8.20% 1.00%
2.10% 11.30%
BẠN NGHĨ RẰNG CÓ NHIỀU TỐT NGHIỆP NỘI DUNG HỌC NGÀNH TOÁN
NỘI DUNG HỌC CHƯƠNG TRÌNH NGÀNH TOÁN CỦA NGÀNH TOÁN KINH TẾ GIÚP BẠN
CỦA NGÀNH TOÁN LIÊN KẾT QUỐC TẾ KINH TẾ BẠN CÓ KINH TẾ PHÙ HỢP CÓ ĐƯỢC MỨC
KINH TẾ SÁT VỚI ĐỐI VỚI NGÀNH ĐƯỢC NHIỀU CƠ VỚI NĂNG LỰC VÀ THU NHẬP CAO
THỰC TẾ TOÁN KINH TẾ HỘI ĐỂ LÀM VIỆC SỞ THÍCH CỦA TRONG TƯƠNG LAI
CỦA TRƯỜNG TRONG TƯƠNG LAI BẠN
Hình 4.3 Thực trạng đánh giá mức độ hấp dẫn của ngành
103
Cơ Hội Trúng Tuyển

62.90%
58.80%
52.60%
50.50%
34.00%
26.80%
22.70%
21.60%
15.50%
9.30%
9.30%
8.20%
6.20%
4.10%
4.10%
4.10%
3.10%
3.10%
2.10%
1.00%
Ngàn h t o án k i n h P hương t hức Bạn có m ôn học Bạn t i n rằng t ỷ l ệ
tế có mức đi ểm t uyển si nh của sở t rường phù chọi của ngành
chuẩn phù hợp ngành phù hợp hợp với các t ổ t oán ki nh t ế l à
v ớ i n ăn g l ực củ a với năng l ực của hợp khối t uyển vừa phải
bạn bạn si nh của ngành
Hình 4.4 Thực trạng đánh giá cơ hội trúng tuyển
104
Quyết định chọn ngành toán kinh tế

70.00%
60.00% 57.70%
55.70% 54.60%
52.60%
50.00%
40.20% 40.20%
40.00%
34.00%
28.90%
30.00% 25.80% 25.80%
22.70% 21.60%
20.60%
18.60% 17.50%
20.00%
14.40%
12.40%
10.30% 9.30% 8.20%
10.00% 7.20%
3.10% 3.10% 4.10% 4.10%
1.00% 1.00% 2.10% 2.10%
1.00%
0.00%
Bạn quyết định Bạn quyết định Bạn quyết định Bạn cảm thấy hài Bạn tự hào khi là Nhìn chung cảm
chọn ngành toán chọn ngành toán chọn ngành toán lòng khi chọn sinh viên ngành nhận của bạn là
kinh tế vì đáp kinh tế vì đáp kinh tế vì đáp ngành toán kinh toán kinh tế của tốt về ngành học
ứng đúng năng ứng đúng năng ứng đúng mục tế của đại học đại học kinh tế toán kinh tế
lực học tập và sở lực tài chính của tiêu nghề nghiệp kinh tế TP.HCM TP.HCM
trường của bạn bạn và gia đình của bạn trong
bạn. tương lai.
Hình 4.5 Thực trạng đánh giá quyết định chọn ngành toán kinh tế
Nổ lực giao tiếp nhà trường

40.00% 33.50%
35.00% 31.40% 29.80% 30.90% 31.40% 30.90%
27.70%
30.00% 24.60% 24.10%
23.00% 22.00%
25.00% 18.80%
20.00%
15.00% 12.00% 9.90% 10.50%
8.90% 8.40% 8.40% 8.90%
10.00% 4.70%
5.00%
0.00%
Bạn biết được ngành Bạn biết ngành toán kinh Bạn biết ngành toán kinh Bạn biết ngành toán kinh
học do thu thập thông tin tế thông qua thu thập tế thông qua các trang tế từ giáo viên hướng
được từ Website của được từ hướng dẫn mạng xã hội và các diễn dẫn đăng ký dự thi.
trường. tuyển sinh của trường. đàn như facebook,
youtube, các clip quảng
cáo…
Hình 4. 6 Đánh giá về nỗ lực giao tiếp của nhà trường đối với sinh viên
105
Điểm trúng tuyển của 2 ngành toán kinh tế và thống kê kinh tế nhìn chung không có
sự khác biệt lớn quan các năm từ năm 2015- 2019 , như vậy cho thấy mặt bằng điểm cũng
Điểm chuẩn trúng tuyển 2 ngành toán kinh tế- thống kê kinh tế
25 25
23.5 23.5 23.25 22.75 21.83 21.81
19.2 19.39
2015 2016 2017 2018 2019
Toán kinh tế Thống kê kinh tế
như năng lực đầu vào của 2 ngành là khá tốt
Hình 4.7 Điểm trúng tuyển của 2 ngành toán kinh tế và thống kê kinh tế 2015-
2019
5. KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
Thông qua kết quả nghiên cứu, tác giả nhận thấy có 5 trong số 7 yếu tố được xác
định ban đầu có tác động đến quyết định chọn ngành toán kinh tế của sinh viên Trường Đại
Học Kinh Tế TpHCM. Mức độ tác động của các yếu tố được đánh giá theo mức độ giảm
dần: Nỗ lực giao tiếp của nhà trường, Nhận thức cơ hội việc làm, Uy tín thương hiệu của
trường, Sự hấp dẫn của cơ hội nghề nghiệp, Cơ hội trúng tuyển.
Từ kết quả phân tích cho thấy:
Yếu tố nhận thức cơ hội việc làm có hệ số tác động 0.480 lên quyết định chọn
ngành (trọng số tác động mạnh nhất lên quyết định chọn ngành). Yếu tố này có trọng số tác
động mạnh nhất đến quyết định chọn ngành toán kinh tế.
106
Yếu tố cơ hội trúng tuyển có hệ số tác động 0.232 lên quyết định chọn ngành
(trọng số tác động mạnh thứ 2 lên quyết định chọn ngành).
Yếu tố uy tín thương hiệu có hệ số tác động 0.163 lên quyết định chọn ngành
(trọng số tác động mạnh thứ 3 lên quyết định chọn ngành) , yếu tố này là yếu tố tác động
thứ 3 đến quyết định chọn ngành toán kinh tế.
Yếu tố hấp dẫn nghề nghiệp có hệ số tác động 0.135 lên quyết định chọn ngành
(trọng số tác động mạnh thứ 4 lên quyết định chọn ngành) , yếu tố này là yếu tố tác động
thứ4 đến quyết định chọn ngành toán kinh tế.
Yếu tố nỗ lực giao tiếp của nhà trường có hệ số tác động 0.117 (yếu tố này tác động
có trọng số thấp nhất, đứng thứ 5 trong 5 yếu tố).
Từ đó, tác giả đề xuất một số kiến nghị như sau:
Mặc dù, công tác giới thiệu ngành học, tư vấn tuyển sinh trong những năm vừa qua
đã được nhà trường và khoa coi trọng, dành nhiều tâm sức. Tuy nhiên, nhà trường nói
chung và khoa nói riêng nên có thêm nhiều kênh Pr, quảng bá cho ngành học Toán kinh tế
như facebook, fanpage, youtube,…để học sinh ở khắp mọi miền đất nước có thêm nhiều
thông tin tham khảo, tương tác với khoa, với nhà trường. Bên cạnh đó, việc cung cấp số
hotline tư vấn 24/7 nhằm giải đáp những thắc mắc của học sinh phổ thông liên quan đến
ngành học nên chăng cũng cần được quan tâm.
Ngoài ra, tác giả đề xuất khoa và nhà trường cần tăng cường hợp tác nhiều hơn nữa
với các định chế tài chính như các công ty bảo hiểm, công ty chứng khoán, quỹ đầu tư
hàng đầu tại Việt Nam nhằm giới thiệu những sinh viên ưu tú nhất đến thực tập, nghiên
cứu, làm việc. Chính những sinh viên ưu tú này sẽ tạo động lực, truyền cảm hứng đến các
sinh viên còn lại, qua đó, gián tiếp tăng thêm sự canh tranh cũng như cơ hội việc làm cho
sinh viên chuyên ngành sau khi tốt nghiệp. Bên cạnh đó, việc mời các chuyên gia đầu
ngành của các định chế tài chính tham gia huấn luyện, training cho sinh viên chuyên ngành
Toán kinh tế cũng góp phần mở ra cho sinh viên thêm nhiều hướng đi, cũng như khơi gợi ở
các em lòng đam mê với chuyên ngành mình đang theo học.
Bên cạnh đó, UEH với hơn 40 năm xây dựng và phát triển đã được công nhận là cái
nôi đào tạo về kinh tế của khu vực phía nam. Tuy nhiên, trong lĩnh vực Toán ứng dụng,
107
Toán kinh tế, UEH vẫn còn khá mới mẻ so với các trường đại học khối tự nhiên. Do đó, tác
giả đề xuất nhà trường tạo điều kiện, thỉnh giảng các GS nước ngoài, các GS trong nước có
nhiều uy tín trong lĩnh vực Toán học, Tin học ( big data, data science,…) bên cạnh giảng
viên kinh tế cơ hữu của trường. Từ đó, góp phần bổ sung vào đội ngũ giảng dạy của nhà
trường những GS hàng đầu ở lĩnh vực Toán học, góp phần làm tăng uy tín, thương hiệu
của đội ngũ tham gia giảng dạy.
Ngoài ra, đối với Trường Đại Học Kinh Tế nói chung và khoa Toán – Thống Kê
nói riêng cần bổ sung và hoàn thiện chương trình đào tạo tiên tiến quốc tế UEH cho ngành
toán kinh tế theo hướng quốc tế và tăng cường các môn định lượng. Lấy người học làm
trung tâm và đáp ứng nhu cầu tuyển dụng của các doanh nghiệp.
108
Anas Al-Fattal. 2010. Undcrstand student choice of Universiy and Marketing strategies in
Syria pravite higher education. Doctor of Philosophy. University of Leeds School
of Education
Ball. 2009. Privatsing cducation, privatsing cducation policy, privatising educational

research: network governance and the 'competiton state, Journal of Educational
Policy, 24: 83-99,
Bateman & Spruill. 1996. Student đccision-making: Insights from the college choice
process. College Student Journal, 30: 182-186.
Cabrera, A. & Nasa. 2000, Understanding thể college-choice process.New Directions for
Institutional Research. 107: 5-22.
Chapman, D. W, 1981. A model of studenL collcge choicc. The Journal of Hiphcr

Education, 52: 490-505
Coccari & Javalgi, 1995. Analysis of students” needs ín selecting college or universty ¡in a
changing enviưronment, Journal of Marketing for Higher Education, 6: 27-39.
Cubillo, JM., Sánchcz, ]. and Cerviho, 2006. Intemational Students` Decision-
Daily, C.M., Farewell, S. and Kumar, 2010. Factors Influencing the University elcction of
International Studies. Academy of Educational Leadership Journal. 14: 59-75.
Femandez, 2010. An Exploratory Study of Factors Influencing the Decision of Students to

Study at Universiti Sains Malaysia. Kajian Malaysia. 28: 107-136
Fion, C. B. L. (2010). Do too many rights make a wrong? A qualitative study of the
experiences of a sample of Malaysian and Singapore private higher
education providers in transnational quality assurance.Quality in Higher
Education, 16(3) November, 211-222.
109
G. Maree and N. Hislop-Esterhuizen, 2009. Factors affecting the career choice of first-year
student teachers. International Journal of Adolescence and Youth, l5: 39-80
Grapragasem, S., Krishnan, A., & Mansor, A. N. (2014). Current trends in

Malaysian higher education and the effect on education policy and practice: An
overview. International Journal of Higher Education, 3(1), 85-93
Hassan, F., & Sheriff, M. N. (2006). Students’ need recognition for higher education at
private colleges in Malaysia: an exploratory perspective. Sunway Academic
Journal 3, 61-71.
Hemmings, B., Hill, D. & Sharp, J. G. (2013). Critical interactions shaping early
academic careerdevelopment in two higher education institutions. Issues in
Educational Research, 23(1), 35- 51.
Holland, 1959. Determinants of college choice. College and University, 35: ISI- 28
Hossler, D. 1999. Using the internet ím college admission: Strategic choices. Journal of
College Admission, 162: 12-18
Hossler, D. and Gallagher, 1987. Studying college choice: A three-phase model and
implications for policy makers. College and Ủniversity, 2: 21-207
Ismail, N., Leow, Y.M., Chen. C.H., Lim. C.T.M., Ng. F.L, 2007. Choice Criteria for Private
Tertiary Programs at a Private Higher Education Ínstitution. Asian Journal of
University Education. 3: 101-121.
Ivy, J. 2010. Choosing Futures: Influence of Ethnic Origin in Ủniversity Choïice. International
Journal of Educational Managcment. 24: 391 -403.
110
Jaladin, M. R. A., Muhamad, H., Sailin, S. N., Zakaria, N., Ali. M., & Amit, N.
(2010) Higher education in Malaysia: Current issue, challenges and hopes. Paper
presented at Global Education System Day, Clayton Victoria, Australia, May 11.
Kirkwood, A. & Price, L. (2014). Technology-enhanced learning and teaching in higher

education: What is ‘enhanced’ and how we know? A critical literature review.
Learning Media and
Technology, 39(1), 6-36.
Kuncharin, L., & Mohamad, A. R. (2014). Coping strategies on academic performance

amongundergraduate students in Malaysia. The SIJ Transactions on Industrial,
Financial & Business Management, 2(3), 72-76.
Kwek, C. L., Lau, T. C., & Tan, H. P. (2010). Education quality process model and its
influence on students’ perceived service quality. International Journal of Business
Management, 5(8), 154-165.
Migin, M.W., Falahat, M., AbYajid, M.S., &Khtibi, A. (2015).Impacts of institutional

characteristicson international students’ choice of private higher education
institutions in Malaysia.Higher Education Studies, 5(1), 31-42.
111
NGHIÊN CỨU CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH CHỌN
TRUNG TÂM ĐỂ HỌC TIẾNG TRUNG Ở TP.HCM
CỦA HỌC VIÊN
Võ Thị Lana*, Trịnh Thị Dungb
a
b
Trường Đại học Kinh tế TP.HCM, Việt Nam
*
Tác giả liên hệ: Email: volan@ueh.edu.vn | Điện thoại: 0908 600 248
Tóm tắt
Nghiên cứu nhằm xác định các yếu tố tác động đến quyết định đưa ra sự lựa chọn một trung
tâm ngoại ngữ (TTNN) để học tiếng Trung của học viên tại TP.HCM. Nghiên cứu được tiến
hành bằng cả phương pháp định tính và định lượng. Trong nghiên cứu định tính, tiến hành
hiệu chỉnh, bổ sung biến đo lường cho các thang đo. Nghiên cứu định lượng thực hiện các
bước thống kê mô tả, kiểm định chất lượng thang đo, phân tích nhân tố, phân tích hồi quy. Số
mẫu phân tích là 212 học viên đang theo học tiếng Trung tại một số trung tâm ở TP.HCM
thông qua bảng câu hỏi chi tiết với 5 mức độ. Kết quả phân tích chỉ ra được 6 yếu tố có tác
động đến Quyết định của học viên khi đưa ra sự lựa chọn TTNN để học tiếng Trung tại
TP.HCM. Mô hình hồi quy tuyến tính phù hợp với 6 giả thuyết được chấp nhận tương đương
với 6 yếu tố là Cơ sở vật chất, Đội ngũ giáo viên, Danh tiếng, Học phí, Cơ hội việc làm trong
tương lai và Động cơ đều tác động thuận chiều đến biến phụ thuộc là Quyết định chọn TTNN
để học tiếng Trung. Từ kết quả có được, đề xuất hướng xây dựng chiến lược Marketing, chiến
lược quản lý về nâng cao chất lượng dịch vụ cho các TTNN đào tạo tiếng Trung.
Từ khóa: Cơ hội việc làm; Danh tiếng; Đội ngũ giáo viên; Học phí;.Quyết định học tiếng
Trung;
Asbtract
The study aimed to identify factors that influence the students' decision to make a choice of a
foreign language center to study Chinese language in Ho Chi Minh City. The study was
conducted by both qualitative and quantitative methods. In qualitative research, conduct
adjustment and addition of measurement variables to the scales. Quantitative research
performs descriptive statistical steps, scales quality testing, factor analysis, regression
analysis. The number of analyzed samples is 212 students who are studying Chinese at some
centers in Ho Chi Minh City through a detailed questionnaire with 5 levels. The results of the
analysis point out 6 factors that influence students' decision when making the choice of foreign
language learning to study Chinese in Ho Chi Minh City. The linear regression model is
suitable with 6 accepted hypotheses which are equivalent to 6 factors: Infrastructure, Staff,
Reputation, Tuition, Future Job Opportunities and Motivated Partners. The positive direction
to the dependent variable is the decision to choose foreign language center to learn Chinese.
From the obtained results, propose directions to build a marketing strategy, management
strategy on improving the quality of services for foreign language training centers in Chinese.
Key Words: Employment opportunities; Reputation; Teachers; The decision to learn Chinese;
Tuition.
112
1. GIỚI THIỆU
Ngôn ngữ là điều tuyệt vời nhất mà tạo hóa ban tặng cho con người. Nó giúp ta
nhận được sự dưỡng dục khi còn nhỏ, có được nhiều thứ ta muốn khi lớn lên và quan trọng
là bạn có khoảng thời gian thư giãn với sách, âm nhạc, điện ảnh và nhiều thứ thú vị khác
nữa. Việc chọn một ngôn ngữ để học không những nhằm nâng cao kiến thức của bản thân
mà còn nâng cao các kĩ năng đi kèm như giao tiếp, kĩ năng mềm và kĩ năng thuyết trình,
nếu bạn thực sự thích ngôn ngữ đó. Cho nên việc học ngôn ngữ là một phần không thể
thiếu của nhân loại thời nay.
Hiện nay, trong bối cảnh toàn cầu hóa cùng hội nhập kinh tế quốc tế, nhu cầu học
hỏi mở rộng giao lưu ngày càng tăng cao. Đặc biệt là Việt Nam, một quốc gia rất thu hút
vốn đầu tư nước ngoài và có không ít dự án hợp tác quốc tế với nhiều quốc gia trên thế
giới, vì vậy việc sử dụng ngoại ngữ để có tiếng nói chung đang rất cần thiết. Chính vì vậy
việc học ngoại ngữ đã trở thành vấn đề quan trọng đối với mọi người. Theo bài báo “ 10
ngôn ngữ phổ biến nhất thế giới” của Vnexpress, “tiếng Trung chiếm vị trí số một. Cũng
không có gì bất ngờ vì đây là ngôn ngữ của quốc gia đông dân nhất thế giới – Trung Quốc,
với hơn 1,3 tỷ người, gấp đôi số người nói tiếng Anh . Ngoài ra còn nhiều quốc gia, vùng
lãnh thổ, và cộng đồng người Hoa trên toàn thế giới còn sử dụng tiếng Trung trong giao
tiếp”. Trong bài phát biểu trước báo giới tại Trung tâm Lợi ích quốc gia ở thủ đô
Washington (Hoa Kỳ), Đại sứ Việt Nam tại Mỹ, ông Phạm Quang Vinh đã trả lời câu hỏi
của phóng viên VOA về việc dạy tiếng Trung bắt buộc tại các cấp học của Việt Nam như
sau: “Khi nền kinh tế mở cửa, Việt Nam hội nhập nhiều hơn với thế giới, thì việc học các
ngoại ngữ, trong đó có tiếng Anh, tiếng Pháp, tiếng Nga, Nhật, Hàn và cả tiếng Trung, là
một nhu cầu của người dân hơn là một thứ bắt buộc. Đây là kết quả của quá trình toàn cầu
hoá, sức ép của nhu cầu tìm việc và cơ hội làm ăn.”
Nhận thức được sự quan trọng và cần thiết của Tiếng Trung nhiều nước châu Á như
Singapore, Nhật Bản, Hàn Quốc, Triều Tiên, Thái Lan,… đã đưa tiếng Trung vào giảng
dạy, đào tạo như một môn học chính thức trong hệ thống giáo dục. Tương tự, Việt Nam
đã có rất nhiều trường học đã đưa tiếng Trung vào giảng dạy, “ngày 22/09, Bộ Giáo dục
và Đào tạo Việt Nam đã có thông tin chính thức giải thích về kế hoạch thí điểm đưa
chương trình giảng dạy tiếng Nga, tiếng Trung vào các trường, trong đó khẳng định học
sinh có thể lựa chọn 4 thứ tiếng, trong đó có tiếng Trung là ngoại ngữ bắt buộc” (trích
trong bài viết “Đại sứ VN: Học tiếng Trung là nhu cầu của dân Việt”). Bên cạnh đó Trung
Quốc là một trong những đối tác làm ăn của rất nhiều quốc gia lớn nhỏ trong đó có Việt
Nam, thị trường rộng lớn, hàng hóa phong phú, giá rẻ. Ta có thể thấy là có nhiều doanh
nghiệp của người Hoa, người Trung ở Việt Nam khi tuyển dụng nhân sự đều có yêu cầu
về trình độ tiếng Trung trong giao tiếp, trong công việc. Vì vậy nhằm đáp ứng được yêu
cầu cho số lượng lớn công việc đó, ngành đào tạo và giảng dạy tiếng Trung ngày càng
phát triển, có rất nhiều trung tâm ngoại ngữ tiếng Trung được hình thành và mở rộng.
Điển hình là tại TP.HCM, một trung tâm kinh tế, văn hóa xã hội, giáo dục quan trọng và
lớn nhất Việt Nam, nhiều TTNN, cơ sở dạy tiếng Trung như Trung tâm tiếng Trung
Chinese, Trung tâm tiếng Hoa NewSky, Trung tâm ngoại ngữ Forward – cơ sở Hoa ngữ
Forward,…thu hút số lượng đông học viên theo học. Với việc có nhiều TTNN giảng dạy
tiếng Trung như vậy, cùng với sự đa hình đa dạng về chất lượng dịch vụ đào tạo thì các
học viên gặp không ít bối rối trong việc lựa chọn một trung tâm phù hợp để theo học.
Nghiên cứu nhằm (1) Xây dựng được hệ thống thang đo cho các yếu tố Cở sở vật chất,
Đội ngũ giáo viên, Danh tiếng, Học phí, Ảnh hưởng của xã hội, Trung tâm giao tiếp với
113
học viên, Cơ hội việc làm trong tương lai và Quyết định; (2) Kiểm định mối quan hệ giữa
các nhóm nhân tố; Xây dựng được mô hình, phân tích mức độ tác động của các yếu tố này
đến biến phụ thuộc; và (3) Đề xuất giải pháp, ý kiến cho việc phát triển chiến lược quản
lý, marketing cho các Trung tâm ngoại ngữ dạy tiếng Trung tại TP.HCM.
2. CƠ SỞ LÝ THUYẾT
2.1 Các khái niệm quan trọng
2.1.1 Ngôn ngữ
Trên thế giới có nhiều nhà nghiên cứu về ngôn ngữ, những người đã có những
thành công đầu tiên về ngôn ngữ là C.Withney (1817 – 1894), Baudouin de Courtenay
Ferdinand de Saussure (Theo Đái Xuân Ninh, 1984). Theo học thuyết của Ferdinand de
Saussure, ngôn ngữ được xem như là một công cụ giao tiếp xã hội, không phải là biểu hiện
của một cấu trúc độc lập. Muốn giao tiếp được, trước hết ngôn ngữ nên là một hệ thống ký
hiệu, con người không thể có một sự giao tiếp nếu không có ký hiệu.
2.1.2 Ngoại ngữ
Ngoại ngữ, được hiểu là tiếng nước ngoài. Ở Việt Nam, không có khái niệm ngôn
ngữ thứ hai, như ở những nước phương Tây. Một số ngoại ngữ phổ biến ở Việt Nam hiện
nay như: tiếng Anh, tiếng Pháp, tiếng Nhật, tiếng Trung Quốc, tiếng Hàn Quốc, tiếng Tây
Ban Nha. Như vậy ngoại ngữ được hiểu là ngôn ngữ của một quốc gia khác. Trung tâm
ngoại ngữ (TTNN) là nơi đào tạo và bồi dưỡng kiến thức ngoại ngữ cho người dân.
2.2 Lý thuyết liên quan đến hành vi
2.2.1 Quyết định
Quyết định là quá trình suy xét lựa chọn giữa một hay nhiều phương án với mục
đích tiến tới trạng thái mà mình mong muốn. Ra quyết định là quá trình nhận thức đưa đến
việc lựa chọn một niềm tin hoặc một quá trình hành động trong một số khả năng thay thế.
Theo Philip Kotler (2007), quá trình 5 bước ra quyết định mua hàng phản ánh đầy đủ quá
trình ra quyết định mua sản phẩm hay lựa chọn dịch vụ bao gồm: nhận thức vấn đề, tìm và
hiểu rõ thông tin của sản phẩm hay dịch vụ, nhận xét lựa chọn các sản phẩm thay thế,
quyết định lựa chọn và hành vi sau khi mua của người tiêu.
2.2.2 Dịch vụ
Theo Zeithaml & Bitner (2000) những hành vi, cách thức và quá trình thực hiện
một hoạt động tạo ra lợi ích có giá trị, thỏa mãn mong đợi và nhu cầu của khách hàng thì
được gọi là dịch vụ. Theo Philip Kotler (2007) một loạt các hoạt động hay lợi ích cung ứng
nhằm để trao đổi, không thể nhìn thấy thấy và không thể chuyển quyền sở hữu được gọi là
dịch vụ, làm dịch vụ có thể gắn liền hoặc không gắn liền với sản phẩm vật chất.
2.2.3 Hành vi người tiêu dùng
Hành vi người tiêu dùng hình thành một bộ phận quan trọng của hành vi con người
Mỗi người đóng vai trò của một người tiêu dùng phải mua hàng hóa và dịch vụ khác nhau
để tiêu dùng hàng ngày, nhằm mục đích đáp ứng nhu cầu. Việc đạt sự hài lòng thông qua
114
việc tiêu thụ các sản phẩm mua là động lực, lý do chính tại sao người tiêu dùng đến với thị
trường. Tuy nhiên, điều quan trọng cần lưu ý ở đây rằng hành vi của người tiêu dùng
không chỉ liên quan đến những hành động mua sản phẩm. Hành vi tiêu dùng là một khái
niệm đa dạng, phụ thuộc vào quan điểm của từng nhà nghiên cứu. Vì vậy có rất nhiều định
nghĩa khác nhau về hành vi của người tiêu dùng.
Theo Philip Kotler (2007) cho rằng những hoạt động của các cá nhân ra quyết định
như mua sản phẩm, dịch vụ, sử dụng và xử lý sau sử dụng đó chính là hành vi người tiêu
dùng. Theo Micheal R. Solomon (1996): “Hành vi tiêu dùng là một tiến trình cho phép một
cá nhân hay một nhóm người lựa chọn, mua sắm, sử dụng hoặc loại bỏ một sản phẩm/ dịch
vụ, những suy nghĩ đã có, kinh nghiệm hay tích lũy, nhằm thỏa mãn nhu cầu hay ước
muốn của họ. Hành vi tiêu dùng là quá trình cá nhân đưa ra quyết định sử dụng tiền bạc,
công sức, thời gian,…để thực hiện hành vi mua và dùng hàng hóa hoặc dịch vụ thỏa mãn
nhu cầu của bản thân.Theo Philip Kotler (2007), nghiên cứu về hành vi người tiêu dùng là
một nhiệm vụ quan trọng, nó tác động và ảnh hưởng rất lớn đến việc các doanh nghiệp đưa
ra quyết định về chiến lược tiếp thị. Việc tìm hiểu nhu cầu của người tiêu dùng và quá trình
mua sắm của họ là một vấn đề cần thiết để công ty thiết lập các chiến lược marketing hữu
hiệu. Bằng cách tìm hiểu người mua sắm thông qua các giai đoạn như thế nào, người tiếp
thị có thể khám phá ra những cách để đáp ứng và làm thỏa mãn nhu cầu của người tiêu
dùng.
2.2.4 Mô hình hành vi người tiêu dùng của Philip Kotler và Gary Amstrong
(2012)
Theo Philip Kotler (2007), có rất nhiều nhân tố ảnh hưởng đến hành vi mua của
người tiêu dùng, tuy nhiên chúng được chia thành bốn yếu tố chính là văn hóa, cá nhân,
tâm lý và xã hội
Động cơ (Motive) là động lực thúc đẩy con người đưa ra lựa chọn, tiến hành, nỗ
lực và kiên trì hành động (Zhao Yang (赵杨), 2015). Corder (1967) đã từng cho rằng :“Chỉ
cần có động cơ ai cũng có thể học tốt một ngoại ngữ” Động cơ thúc đẩy (Motivation), con
người luôn cố gắng bằng cách nào đó để thỏa mãn nhu cầu khi đang bị nó thôi thúc gây sức
ép, đó chính là động cơ thúc đẩy. Khi nhu cầu tăng lên một cấp độ đủ mạnh thì nó sẽ trở
thành động cơ khiến con người thực hiện.
2.2.5 Thuyết hành động hợp lý (Theory of Reasoned Action – TRA) của Ajzen
Lý thuyết hành động có lý trí (TRA) là một trong ba mô hình thuyết phục cổ điển.
Lý thuyết cũng được sử dụng trong thuyết trình, truyền thông như là một lý thuyết về sự
hiểu biết. Lý thuyết hành động hợp lý đã được phát triển bởi Martin Fishbein và Icek
Ajzen vào năm 1967 và bắt nguồn từ những nghiên cứu trước đó bắt đầu bằng lý thuyết về
thái độ. Lý thuyết này nhằm giải thích mối quan hệ giữa thái độ và hành vi trong hành
động của con người. TRA được sử dụng để dự đoán cách các cá nhân sẽ hành xử dựa trên
thái độ và ý định hành vi trước khi có của họ. Quyết định của một cá nhân để tham gia vào
một hành vi cụ thể dựa trên kết quả mong đợi của cá nhân sẽ xuất hiện như là kết quả của
việc thực hiện các hành vi. Mối quan hệ giữa ý định và hành vi đã được đưa ra và nghiên
cứu thực nghiệm ở nhiều lĩnh vực (Ajzen, 1991)
Thái độ cá nhân và Chuẩn chủ quan là hai yếu tố chính ảnh hưởng đến ý định.
Niềm tin và sự đánh giá đối với kết quả hành vi là hai thang đo đo lường yếu tố thái độ cá
115
nhân. Ajzen (1991) định nghĩa chuẩn chủ quan (Subjective Norms) là nhận thức của người
xung quanh có ảnh hưởng, họ sẽ nghĩ rằng người đó có nên hay không nên thực hiện hành
vi, chẳng hạn những tác động từ phía bên ngoài như người thân, bạn bè, cộng đồng, …
2.2.6 Thuyết lựa chọn hợp lý của George Homans (1961) và John Elster (1986)
Thuyết lựa chọn hợp lý (hay còn gọi là Thuyết lựa chọn duy lý) trong xã hội có
nguồn gốc từ triết học, kinh tế học và nhân học vào thế kỷ thứ XVIII, XIX, được George
Homans khởi xướng đầu tiên vào năm 1961, ông xây dựng khung lý thuyết căn bản về lý
thuyết lựa chọn sau đó trong suốt những năm 1960 – 1970 thuyết này được phát triển tiếp
bởi các nhà nghiên cứu Blau, Coleman và Cook thành khung lý thuyết hoàn chỉnh có mô
hình toán học về lựa chọn hợp lý (John Elster, 1986). Một số nhà triết học đã cho rằng bản
chất con người là vi kỷ, luôn tìm đến sự hài lòng, sự thỏa mãn và lãng tránh nỗi khổ đau.
Thuyết này được nghiên cứu xây dựng dựa trên quan điểm mọi hành động đều dựa trên lý
trí và tính toán giữa chi phí bỏ ra hợp lý và những lợi ích mang lại của bất cứ hành động
nào trước khi đưa ra quyết định. Theo Homans (1961), khi lựa chọn trong số các hành
động có thể có, cá nhân sẽ chọn đáp án có xác xuất thành công (P) nhân với giá trị của
phần thưởng đó (V) là lớn nhất => (C) = (P x V) = Maximum.
Còn theo John Elster (1986), Thuyết hành động hợp lý dựa vào phương pháp luận
quan điểm và suy tính của từng cá nhân để giải thích các hiện tượng xã hội về việc tính
toán được thực hiện nhằm mang lại lợi ích cá nhân.“Khi đối diện với một số cách hành
động, mọi người thường làm cái mà họ tin là có khả năng đạt được kết quả cuối cùng tốt
nhất”. Ta phải phân tích hành động lựa chọn của một cá nhân trong bối cảnh xã hội.
2.2.7 Thuyết động cơ của Gardner và Lambert (1972)
Từ những năm 70 của thế kỷ XX, Gardner và Lambert (1972) đã có những nghiên
cứu đầu tiên về động cơ học tập ngôn ngữ thứ hai. Thuyết động cơ của hai ông được đánh
giá là thuyết thành công nhất và có ảnh hưởng lớn nhất đối với việc dạy và học ngoại ngữ
hiện nay. Gardner và Lambert đã chia động cơ làm 2 loại là Động cơ thâm nhập
(Integrative motivation) và Động cơ thực dụng (Instrumental motivation). Động cơ thâm
nhập (Integrative motivation) xuất hiện từ ý thức của con người như sở thích của cá nhân
đối với vấn đề học ngoại ngữ, là những quan tâm, mong được tìm hiểu hiểu nhận biết,
được thâm nhập và gắn bó vào cộng đồng của ngôn ngữ đó. Động cơ thực dụng
(Instrumental motivation) là qua quá trình học ngôn ngữ thứ hai thì cá nhân phải đạt được
lợi ích thực tế nào đó, chẳng hạn như để tốt nghiệp, yêu cầu chuyên ngành, tìm được công
việc có lương cao liên quan đến ngôn ngữ này, cơ hội thăng chức trong tương lai.
Động cơ thực dụng liên quan đến các khái niệm về giá trị thực tiễn trong việc học
ngôn ngữ thứ hai nhằm tăng cường sự nghiệp và học tập của người học, tạo cho họ nhiều
uy tín và quyền lực hơn, tiếp cận các thông tin khoa học và kỹ thuật hoặc chỉ cần học một
khóa học tại trường (Saville-Troike, 2006). Hai động cơ này không bài trừ lẫn nhau mà
chúng phối hợp hỗ trợ cho nhau. Động cơ thâm nhập giúp con người học tập được lâu dài,
còn động cơ thực dụng giúp người học ngôn ngữ học tốt hơn. Gardner đã duy trì quan
điểm cho rằng thái độ của người học và niềm tin trong cộng đồng khác là những yếu tố
chính tác động đến sự thành công trong việc đạt được một ngôn ngữ thứ hai.
2.2.8 Thuyết tự chủ của Deci và Ryan (1985)
116
Theo thuyết tự chủ của Deci và Ryan (1985), đã phân loại động cơ thành hai loại cơ
bản nhất là Động cơ nội tại (Intrinsic motivation) và Động cơ bên ngoài (Extrinsic
motivation). Động lực nội tại (động cơ bên trong) được định nghĩa là việc tham gia vào
một hoạt động nào đó mà lợi ích của nó mang lại đơn thuần là những niềm vui mà chúng ta
cảm nhận được, những cơ hội học tập, sự hài lòng, sự thú vị hay sự thách thức nào đó.
Động lực bên trong, giống như thái độ, được cho là có các thành phần nhận thức và tình
cảm. Các yếu tố về nhận thức liên quan đến quyền tự quyết và sự phát triền về quyền làm
chủ khả năng. Các yếu tố tình cảm thì liên quan đến sự quan tâm, sự tò mò, sự kích thích,
sự thích thú và sự hành phúc (Deci & Ryan, 1985). Động lực bên ngoài là động cơ thúc
đẩy người học tiến hành những hoạt động và những hoạt động đó sẽ mang lại kết quả cụ
thể cho người học, ví dụ như được điểm cao, đạt học bổng, khen thưởng, ... Hai động cơ
trên đã được nghiên cứu rất nhiều, góp phần rất nhiều trong những nghiên cứu về lĩnh vực
thực hành giáo dục và phát.
Amabile và cộng sự (1994) khái quát các yếu tố ảnh hưởng đến Động lực nội tại
một cách tương tự nhưng rộng hơn, bao gồm: “sự tự quyết (ưu tiên cho sự lựa chọn và
quyền tự chủ); sự để tâm vào nhiệm vụ (sự say mê công việc); năng lực (định hướng chủ
động và ưa thích thử thách); sự tò mò (ưa thích, khám phá sự phức tạp); và sự quan tâm (sự
thích thú và sự vui thích). Động cơ nội tại đề cập đến việc học tự nó có phần thưởng của
mình, học sinh tự nguyện, cố gắng tìm hiểu những gì họ nghĩ nó là giá trị hay quan trọng
đối với họ. Khi sinh viên có động cơ nội tại, họ có ham muốn học tập từ bên trong và họ
không cần những kết quả bên ngoài. Không có tác động tiêu cực trong việc có động cơ nội
tại. Ngoài ra, nó thúc đẩy học sinh học mà không có phần thưởng, bởi vì nhu cầu là bẩm
sinh hoặc đi từ bên trong hay phụ thuộc vào ý chí của mình. Động cơ bên ngoài đề cập tới
mong muốn nhận được phần thưởng và tránh bị trừng phạt. Nó nhấn mạnh nhu cầu bên
ngoài để thuyết phục người học tham gia vào hoạt động học tập,chẳng hạn như bài tập về
nhà, lớp, hoặc làm một cái gì đó để làm hài lòng giáo viên (Jeremy Harmer, 2007)
2.3 Các mô hình nghiên cứu liên quan
2.3.1 Các nghiên cứu nước ngoài
Trong mô hình nghiên cứu của D.W. Chapman, ông đã đưa ra hai nhóm yếu tố tác
động đến việc chọn trường học của học viên. Nhóm thứ nhất chính là Đặc điểm của học
sinh (Student characteristics) và gia đình, một trong những điều kiện tiên quyết giúp học
sinh chọn trường thích hợp với điều kiện gia đình và đặc điểm cá nhân của mình. Nhóm
thứ hai là Các nhân tố ảnh hưởng bên ngoài (External influences), cụ thể là: Những người
có ảnh hưởng (Significant person) như cha mẹ, bạn bè, giáo viên, đồng nghiệp,…; Đặc
điểm cố định của trường học (Fixed college characteristics): danh tiếng, vị trí địa lý, cơ sở
vật chất, học phí, các chính sách hỗ trợ, chương trình đào tạo; Nhà trường nỗ lực giao tiếp
với học sinh (College efforts to communicate with student) như thông tin bằng văn bản,
thăm trường, nhận vào học. Qua kết quả khảo sát, Chapman thấy rằng các yếu tố tác động
nhiều đến quyết định chọn trường đại học của sinh viên là: Đặc điểm của nhà trường (danh
tiếng, cơ sở vật chất, đội ngũ giáo viên và học phí), Đặc điểm cá nhân và gia đình, cha mẹ,
bạn bè, giáo viên và Nhà trường nỗ lực giao tiếp với học sinh có tác động và đáng tin cậy
đối với quyết định lựa chọn trường để học. Sự thuyết phục, khuyên nhủ, những gợi ý của
người thân, gia đình, bạn bè có tác động mạnh mẽ đến học. Kết quả nghiên cứu của D. W.
Chapman (1981) được rất nhiều bài nghiên cứu khác ứng dụng và phát triển trên những mô
hình khác để phân tích các nhân tố tác động đến quyết định chọn trường để học.
117
Bài nghiên cứu “Các yếu tố ảnh hưởng đến quyết định chọn trường đại học của
sinh viên ở Malaysia” của Joseph Sia Kee Ming (2010), đã chứng minh được các yếu tố
như: Địa điểm, Cơ sở vật chất, Danh tiếng, Học phí, Hỗ trợ tài chính của nhà trường, Cơ
hội làm việc, Các nỗ lực giao tiếp với sinh viên của trường (gồm quảng cáo, đại diện của
trường làm công tác tuyển sinh, giao lưu với các trường phổ thông thăm viếng khuôn viên
trường) đều tác động đến việc chọn trường của sinh viên.
Bài nghiên cứu của Uwe Wilkesmann (2010) được thực hiện ở 3 trường Đại học ở
Đức trong năm học 2009 – 2010. Mẫu nghiên cứu lấy từ 3687 sinh viên thuộc các ngành
học khác nhau: xã hội học, kinh tế và kỹ thuật. Tất cả các biến đều được đánh giá và đo
lường theo thang đo Likert. Biến Động cơ học tập của Uwe Wilkesmann được đo lường
thông qua ba nhóm động cơ: nhóm động cơ bên trong, nhóm động cơ bên ngoại và nhóm
động cơ tiếp nhận.Kết quả nghiên cứu chỉ ra rằng các nhóm động cơ bên trong và động cơ
bên ngoài có mối liên hệ với nhau và tác động đến quyết định lựa chọn trường.
2.3.2 Các nghiên cứu trong nước
Theo kết quả nghiên cứu “Các yếu tố ảnh hưởng đến việc sinh viên chọn trường
Đại học Mở TP.HCM” do nhóm TS. Nguyễn Minh Hà, TS. Huỳnh Gia Xuyên, TS. Huỳnh
Thị Kim Tuyết, Trường Đại học Mở TP.HCM (2011) thực hiện đã nêu ra 7 nhân tố ảnh
hưởng đến việc sinh viên chọn trường. Nghiên cứu thực hiện bằng cách phân tích 1984
sinh viên năm nhất hệ chính quy, kết luận 7 nhân tố ảnh hưởng đến việc sinh viên chọn
trường gồm: nỗ lực của nhà trường đưa thông tin đến học sinh sắp tốt nghiệp THPT, chất
lượng dạy và học, đặc điểm của bản thân sinh viên, công việc trong tương lai, khả năng
đậu vào trường, người thân trong gia đình, người thân ngoài gia đình. Các nhóm nhân tố
này đều có mối quan hệ mật thiết với nhau, đều tác động đến việc sinh viên chọn trường.
Bài nghiên cứu “Các yếu tố ảnh hưởng đến quyết định chọn trường đại học của học
sinh trung học” của tác giả Trần Văn Quí và Cao Thi Hào (2009) với đối tượng phân tích
là 227 học sinh lớp 12 năm học 2008 – 2009 của 5 trường THPT tại Quảng Ngãi. Kết quả
bài nghiên cứu chỉ ra 5 yếu tố gồm: Cơ hội việc làm trong tương lai, Đặc điểm cố định của
trường đại học, Yếu tố về bản thân cá nhân của học sinh, Yếu tố cá nhân có ảnh hưởng đến
quyết định của học sinh và Yếu tố về thông tin có sẵn ảnh hưởng đến quyết định chọn
trường đại học. Kết quả phân tích hồi quy đa biến đã khẳng định mối quan hệ giữa 5 yếu tố
trên với quyết định chọn trường đại học của học sinh THPT.
Tác giả Nguyễn Thị Bảo Khuyên (2013) đã nghiên cứu “Các yếu tố ảnh hưởng đến
quyết định chọn nghề của học viên” bằng việc khảo sát 242 học viên từ năm thứ 1 đến năm
thứ 3 của năm trường dạy nghề trên địa bàn TP.HCM. Kết quả mô hình cho ra các yếu tố
ảnh hưởng mạnh đến quyết định chọn trường của học viên là Sự tương thích với đặc điểm
cá nhân, Đặc điểm của trường học, Cơ hội việc làm trong tương lai, Sự đa dạng và hấp dẫn
của ngành đào tạo và Sự ảnh hưởng của xã hội. Mô hình giải thích được 46.5% cho tổng
thể về mối liên hệ của 5 nhân tố với biến phụ thuộc là quyết định chọn trường dạy nghề
của học viên.
Với việc khảo sát 230 sinh viên Đại học ở Hà Nội cho bài nghiên cứu “Thực trạng
học thêm ngoại ngữ của sinh viên”, tác giả Trần Minh Đức (1996) của trường Đại học KH
XH & Nhân Văn – Đại học quốc gia Hà Nội đã phân tích nhận thức của sinh viên đối với
việc học ngoại ngữ, cũng như sự đánh giá của bản thân họ về hiện trạng dạy ngoại ngữ tại
các trung tâm ngoại ngữ. Kết quả cho thấy, 40% sinh viên cho rằng việc học thêm ngoại
118
ngữ của họ xuất phát từ công việc, 30% nghĩ rằng học ngoại ngữ sẽ giúp họ tìm việc dễ
dàng hơn, 28.7% sinh viên học ngoại ngữ tại trung tâm muôn mở rộng mối quan hệ giao
lưu bạn bè. Chỉ có 0.8% sinh viên cho rằng học ngoại ngữ vì người thân.
“Các yếu tố ảnh hưởng đến quyết định chọn trường để học tiếng Anh ở một số
Trung tâm ngoại ngữ tại TP.HCM” của tác giả La Vĩnh Tín (2015) tiến hành phân tích 283
bảng trả lời của học viên ở 05 TTNN tại TP.HCM. Mô hình nghiên cứu đề xuất 2 nhóm
nhân tố chính: Yếu tố bên ngoài (gồm Danh tiếng, Cơ sở vật chất, Đội ngũ giáo viên, Học
phí, Nỗ lực giao tiếp với học viên của trung tâm, Ảnh hưởng của xã hội); Yếu tố cá nhân
người học (gồm Động cơ và Đặc điểm nhân khẩu học). Kết quả đã chỉ ra rằng có 05 yếu tố
ảnh hưởng đến quyết định chọn trường là Đội ngũ giáo viên, Học phí, Cơ sở vật chất, Danh
tiếng, Động cơ.
2.3.3 Tóm tắt các nghiên cứu liên quan
Các nghiên cứu Mô hình cơ sở Các yếu tố ảnh hưởng
Mô hình tổng quát về Mô hình của - Danh tiếng

việc lựa chọn trường của D.W. Chapman - Cơ sở vật chất
D.W. Chapman (1981) - Đội ngũ giáo viên
- Học phí
- Địa điểm
- Chương trình đào tạo
- Đặc điểm của gia đình
- Cá nhân học sinh
- Nỗ lực giao tiếp của trường
Mô hình chọn trường Mô hình của - Địa điểm
Đại học của Joseph Sia Kee D.W. Chapman - Danh tiếng
Ming (2010) - Cơ sở vật chất
- Chi phí học tập
- Hỗ trợ tài chính của trường
- Cơ hội việc làm
- Nỗ lực giao tiếp của trường
với sinh viên
Mô hình động cơ học Mô hình của - Động cơ bên trong
tập của Uwe Wilkesmann Uwe Wilkesmann
- Động cơ bên ngoài
(2010)
Mô hình nghiên cứu - Nỗ lực của nhà trường

“Các yếu tố ảnh hưởng đến - Chất lượng dạy học
việc sinh viên chọn trường - Đặc điểm cá nhân sinh viên
Đại học Mở TP.HCM” nhóm - Công việc tương lai
TS. Nguyễn Minh Hà (2011); - Khả năng vào được trường
- Người thân trong gia đình
Nguyễn Thị Tuyết - Người thân ngoài gia đình
Lan (2017), An Investigation
into the influence of Parental
Expectations and support on
119
their Children’s Learning
Mô hình “Nghiên cứu Mô hình của - Đặc điểm của trường học
các yếu tố ảnh hưởng đến D.W. Chapman - Sự tương thích với đặc điểm
quyết định chọn nghề của học cá nhân
viên” của tác giả Nguyễn Thị - Cơ hội làm việc trong tương
Bảo Khuyên (2013) lai
- Sự đa dạng và hấp dẫn của
ngành đào tạo
- Ảnh hưởng của xã hội
Bài nghiên cứu “Thực - Danh tiếng
trạng học thêm ngoại ngữ của - Yêu cầu công việc
sinh viên”, tác giả Trần Minh - Dễ dàng kiếm việc làm
Đức (1996) - Mở rộng giao lưu bạn bè
- Trung tâm có giáo viên nước
ngoài
- Vị trí trung tâm
Mô hình nghiên cứu Mô hình - Danh tiếng
“Các yếu tố ảnh hưởng đến nghiên cứu của - Động cơ
quyết định chọn trường để D.W. Chapman - Cơ sở vật chất
học tiếng Anh ở một số Trung (1981) và Thuyết - Đội ngũ giáo viên
tâm ngoại ngữ tại TP.HCM” động cơ của - Học phí
của tác giả La Vĩnh Tín Gardner và
(2015) Lambert (1972)
Nguồn: Tác giả tổng hợp
2.4 Mô hình đề xuất và Các giả thuyết nghiên cứu
Có thể thấy rằng tiếng Trung là một kỹ năng cần thiết hiện nay. Nhiều Trung tâm
ngoại ngữ đào tạo tiếng Trung được hình thành. Nhằm tìm kiếm cho mình thêm nhiều cơ
hội để mở rộng giao lưu số lượng người học tiếng Trung ngày càng nhiều. Việc đưa ra
quyết định chọn TTNN để học sao cho tốt được so sánh qua nhiều tiêu chí. Qua cơ sở lý
thuyết đã trình bày cũng như việc đưa ra các giả thuyết thì tác giả có mô hình nghiên cứu
đề xuất như sau:
120
Mô hình nghiên cứu đề xuất
Các giả thuyết nghiên cứu:
H1: Cơ sở vật chất có ảnh hưởng cùng chiều (+) đến việc chọn trung tâm ngoại ngữ
để học tiếng Trung tại TP.HCM của học viên
H2: Yếu tố Đội ngũ giáo viên có tác động cùng chiều (+) đến quyết định chọn
TTNN để học tiếng Trung tại TP.HCM của học viên
H3: Yếu tố Danh tiếng có tác động cùng chiều (+) đến quyết định chọn TTNN để
học tiếng Trung tại TPHCM của học viên
H4: Yếu tố học phí có ảnh hưởng cùng chiều (+) đến quyết định chọn TTNN để
học tiếng Trung tại TP.HCM của học viên
H5: Yếu tố Ảnh hưởng của xã hội có tác động cùng chiều (+) đến quyết định chọn
TTNN để học tiếng Trung tại TP.HCM của học viên
H6: Yếu tố Trung tâm giao tiếp với học có tác động cùng chiều (+) đến quyết định
chọn TTNN để học tiếng Trung tại TP.HCM của học viên.
H7: Yếu tố Cơ hội việc làm trong tương lai có tác động cùng chiều (+) đến quyết
định chọn TTNN để học tiếng Trung tại TP.HCM của học viên.
121
H8: Yếu tố Động cơ có tác động cùng chiều (+) đến quyết định chọn TTNN để học
tiếng Trung tại TP.HCM của học viên.
H9: Yếu tố Đặc điểm nhân khẩu học có tác động đến quyết định chọn TTNN để
học tiếng Trung tại TP.HCM của học viên.
Bảng 1: Xây dựng thang đo sơ bộ
STT Các biến quan sát Mã Cơ sở xây

hóa dựng
Cơ sở vật chất
1 Phòng học đảm bảo thoáng mát V1 D.W.
Chapman
2 Thiết bị nghe nhìn đáp ứng yêu cầu V2
(1981);
3 Thiết bị điều hòa đảm bảo chất lượng V3
La Vĩnh
4 Thiết bị chiếu sáng đảm bảo tốt V4 Tín (2015)
5 Trung tâm có nhiều cơ sở đào tạo V5
6 Vị trí thuận tiện cho việc đi lại V6
Đội ngũ giáo viên
7 Giáo viên có nhiều kinh nghiệm G1 D.W.
8 Có nhiều giáo viên là người bản xứ hoặc nước ngoài G2 Chapman
9 Giáo viên có tác phong sư phạm tốt G3 (1981);
10 Giáo viên có phương pháp truyền đạt dễ hiểu G4 La Vĩnh
11 Giáo viên thân thiện G5 Tín (2015)
12 Giáo viên nhiệt tình G6
Danh tiếng D.W.
13 Có thương hiệu nổi tiếng D1 Chapman
14 Có uy tín trong ngành giáo dục D2 (1981);
15 Có liên kết với tổ chức giáo dục quốc tế D3 M.J.Burn
16 Đảm bảo cam kết đầu ra D4 (2006) và
cộng sự;
Trần Minh
Đức
(1996), La
Vĩnh Tín
(2015)
Học phí
17 Mức học phí hợp lý H1 D.W.
18 Học phí không có nhiều biến động H2 Chapman
19 Thời gian đóng học phí linh hoạt H3 (1981);
20 Trung tâm có chính sách hỗ trợ, miễn giảm học phí H4 La Vĩnh
21 Trung tâm có trao học bổng H5 Tín (2015)
Ảnh hưởng của xã hội Nguyễn
22 Lời khuyên của người thân trong gia đình X1 Thị Bảo
23 Tham khảo ý kiến bạn bè, đồng nghiệp X2 Khuyên
24 Tham khảo trên mạng xã hội X3 (2013); La
Vĩnh Tín
122
(2015)
Trung tâm giao tiếp với học viên
25 Báo, tạp chí T1 D.W.
26 Internet T2 Chapman
27 Tờ rơi T3 (1981);La
28 Tư vấn viên T4 Vĩnh Tín
29 Học thử T5 (2015)
Cơ hội việc làm trong tương lai
30 Tìm được công việc mới có lương cao L1 Joseph Sia
31 Cơ hội thăng chức trong tương lai L2 Kee Ming
32 Đón đầu xu thế việc làm trong tương lai (khi tiếng L3 (2010),
Trung trở thành một trong những ngôn ngữ phổ biến Trần Minh
toàn thế giới) Đức(1996);
Trần Văn
Quí và Cao
Hào Thi
(2009),
Động cơ Gardner
33 Thích thú học tiếng Trung C1 và
34 Ý định du học C2 Lambert
35 Sở thích cá nhân về nghệ thuật Trung quốc như: âm C3 (1972);
nhạc, điện ảnh, hí kịch,… La Vĩnh
36 Mong muốn tìm hiểu về chính trị, phong tục, tập C4 Tín (2015)
quán và con người Trung Quốc
37 Phục vụ cho công việc hiện tại C5
Quyết định D.W.
Chapman
38 Tôi rất thích học tiếng Trung ở trung tâm này Q1 (1981);
39 Tôi sẽ tiếp tục học tiếng Trung ở trung tâm này Q2 La Vĩnh
40 Tôi sẽ khuyên người thân, bạn bè học tiếng Trung ở Q3 Tín (2015)
trung tâm này
41 Tôi sẽ giới thiệu trung tâm này với mọi người khi có Q4
nhu cầu học tiếng Trung
3. Phương pháp nghiên cứu
Nghiên cứu định tính nhằm chỉnh sửa, bổ sung các thang đo cho các nhóm yếu
tố.Tác giả tiến hành thảo luận trực tiếp với một nhóm 10 bạn học viên đang theo học tiếng
Trung ở một số trung tâm tại TP.HCM. Từ đó thu thập những ý kiến, các dữ liệu cần thiết.
Đưa ra các câu hỏi mở đã được chuẩn bị trước về các yếu tố cần thiết, sau đó kiểm tra xem
mức độ hiểu rõ của các đáp viên đối với từng mục trong câu hỏi. Khai thác thêm những ý
kiến nội dung mới trong quá trình trao đổi tay đôi với nhóm học viên này.Tiến hành bổ
sung, hiệu chỉnh cho bảng câu hỏi sơ bộ, hoàn thành bảng câu hỏi chính thức.
123
Bảng 2: Thang đo quyết định

Mã hóa Biến
Cơ sở vật chất
V1 Phòng học đảm bảo rộng rãi, thoáng mát
V2 Thiết bị nghe nhìn đầy đủ, đáp ứng yêu cầu
V3 Thiết bị điều hòa không khí đảm bảo chất lượng
V4 Thiết bị chiếu sáng đầy đủ, đảm bảo chất lượng
V5 Trung tâm có nhiều cơ sở đào tạo
V6 Vị trí thuân tiện cho việc đi lại
V7 Cung cấp đầy đủ giáo trình, tài liệu phù hợp với người học
Đội ngũ giáo viên
G1 Giáo viên có nhiều kinh nghiệm giảng dạy
G2 Có nhiều giáo viên là người Trung Quốc hoặc người nước
ngoài
G3 Giáo viên có tác phong sư phạm tốt
G4 Giáo viên có nhiều phương pháp truyền đạt dễ hiểu
G5 Giáo viên thân thiện
G6 Giáo viên nhiệt tình
Danh tiếng
D1 Có thương hiệu nổi tiếng

D2 Có uy tín trong ngành giáo dục
D3 Có liên kết với tổ chức giáo dục quốc tế
D4 Đảm bảo cam kết đầu ra
Học phí
H1 Mức học phí hợp lý
H2 Học phí ít biến động
H3 Thời gian đóng học phí linh hoạt
H4 Trung tâm có chính sách hỗ trợ, miễn giảm học phí
H5 Trung tâm có trao học bổng
Ảnh hưởng của xã hội
X1 Lời khuyên của gia đình

X2 Tham khảo ý kiến bạn bè, đồng nghiệp
X3 Tham khảo trên mạng xã hội
Trung tâm giao tiếp với học viên
T1 Báo, tạp chí

T2 Internet
T3 Tờ rơi
T4 Tư vấn viên
T5 Học thử
Cơ hội việc làm trong tương lai
L1 Tìm được công việc có lương cao

L2 Cơ hội thăng chức trong tương lai
L3 Đón đầu xu thế việc làm trong tương lai (khi tiếng Trung
124
trở thành một trong những ngôn ngữ phổ biến trên thế giới)
Động cơ
C1 Thích học tiếng Trung

C2 Ý định du học
C3 Sở thích cá nhân về nghệ thuật Trung quốc như: âm nhạc, điện ảnh,
hí kịch,…
C4 Phục vụ cho công việc hiện tại
C5 Muốn kết hôn với người Trung Quốc
Quyết định chọn TTNN để để học tiếng Trung
Q1 Tôi rất thích học tiếng Trung ở trung tâm này

Q2 Tôi sẽ tiếp tục học tiếng Trung ở trung tâm này
Q3 Tôi sẽ khuyên người thân, bạn bè học tiếng Trung ở trung tâm này
Q4 Tôi sẽ giới thiệu trung tâm này với mọi người khi họ có nhu
cầu học tiếng Trung
Trên cơ sở bảng câu hỏi sau nghiên cứu định tính, tiến hành nghiên cứu định lượng. Dữ
liệu sơ cấp thu thập được thực hiện thông qua việc phỏng vấn và trả lời trực tiếp trên bảng
câu hỏi giấy 212 học viên (mẫu hợp lệ) đang theo học tiếng trung tại mộ số trung tâm ở
TP.HCM.
4. KẾT QUẢ NGHIÊN CỨU
Mẫu thu thập được theo phương pháp phi xác suất thuận tiện thông qua việc khảo
sát trực tiếp bằng bảng hỏi. Tổng số mẫu trả lời là 250, tiến hành gạn lọc loại bỏ các mẫu
không hợp lệ còn lại 212 mẫu dùng để phân tích. Tỷ lệ mẫu đưa vào nghiên cứu là 81.5%.
Bảng 3: Tổng hợp thông tin mẫu phân tích
Đặc điểm Tần số Phần trăm (%)

9
nam 43.9
3
1
Giới tính nữ 56.1
19
2
Tổng 100.0
12
4
Dưới 18 tuổi 21.7
6
1
Từ 18 - dưới 22 47.2
00
5
Tuổi Từ 22 - dưới 30 25.5
4
Từ 30 - dưới 40 9 4.2
Trên 40 tuổi 3 1.4
2
Tổng 100.0
12
125
3
<= 12 17.9
8
4
Trung cấp chuyên nghiệp 19.3
1
1
Trình độ Cao đẳng/ Đại học 57.5
học vấn 22
1
Sau Đại học 5.2
1
2
Tổng 100.0
12
4
Dưới 3 triệu 23.1
9
7
Từ 3 triệu - dưới 6 triệu 35.4
5
Thu 5
9
nhập cá
1
nhân (đồng) 7
Từ 12 triệu - dưới 15 triệu 8 3.8
Từ 15 trở lên 4 1.9
2
Tổng 100.0
12
1
Học sinh, sinh viên 52.4
11
4
Nhân viên văn phòng 20.8
4
Doanh nhân 6 2.8
Nghề
Nội trợ 2 .9
nghiệp 1
Chưa có việc làm 8.0
7
3
Khác 15.1
2
2
Tổng 100.0
12
7
Phật giáo 35.8
6
4
Tôn Đạo Thiên Chúa 20.8
4
giáo 9
Khác 43.4
2
2
Tổng 100.0
12
Nguồn: Tác giả phân tích dữ liệu nghiên cứu từ phần mềm SPSS 23
126
Bảng 4. Kết quả phân tích độ tin cậy hệ số Cronbach’s Alpha
Trung bình Cronbach's

Phương sai thang Tương quan
Mã hóa thang đo nếu Alpha nếu loại
đo nếu loại biến biến – tổng
loại biến biến
Cơ sở vật chất: Cronbach's Alpha = 0.885

V1 17.31 31.256 .670 .870
V2 17.36 30.261 .707 .865
V3 17.12 31.100 .696 .867
V4 17.20 31.202 .656 .871
V5 17.01 29.592 .693 .867
V6 17.53 28.042 .731 .862
V7 17.16 31.450 .592 .879
Đội ngũ giáo viên: Cronbach's Alpha = 0.825
G1 12.40 7.474 .644 .783
G2 12.44 7.593 .666 .777
G3 12.54 8.211 .538 .813
G4 12.45 7.585 .608 .794
G6 12.35 7.926 .649 .783
Danh tiếng: Cronbach's Alpha = 0.828
D1 8.44 7.366 .700 .762
D2 8.51 7.133 .675 .774
D3 8.23 7.930 .599 .807
D4 8.14 7.787 .646 .787
Học phí: Cronbach's Alpha = 0.837
H1 9.14 6.530 .632 .809
H2 9.32 6.342 .684 .786
H3 9.28 6.221 .697 .780
H4 9.18 6.555 .659 .797
Ảnh hưởng của xã hội: Cronbach's Alpha = 0.640
X1 6.27 1.288 .481 .498
X2 6.34 1.440 .405 .603
X3 6.24 1.356 .465 .522
Trung tâm giao tiếp với học viên: Cronbach's Alpha = 0.771
T1 12.61 8.750 .502 .744
T2 12.63 8.565 .519 .738
T3 12.62 8.065 .622 .700
T4 12.77 9.010 .507 .741
127
T5 12.62 8.767 .566 .722

Cơ hội việc làm trong tương lai: Cronbach's Alpha = 0.873
L1 6.48 2.791 .821 .760
L2 6.48 3.018 .703 .867
L3 6.43 2.976 .745 .830
Động cơ: Cronbach's Alpha = 0.828
C1 12.23 8.110 .652 .787
C2 12.34 7.525 .669 .780
C3 12.29 7.687 .656 .784
C4 12.43 8.228 .530 .820
C5 12.40 7.711 .621 .794
Quyết định: Cronbach's Alpha = 0.699
Q1 6.16 1.046 .569 .537
Q2 6.14 1.192 .465 .671
Q4 5.99 1.227 .518 .608
Phân tích nhân tố EFA
Nhân tố
1 2 3 4 5 6 7 8
V3 .812
V6 .798
V5 .762
V1 .738 .341
V2 .713
V7 .651
C2 .728
C1 .728 .312
C4 .727
C3 .714 .328
C5 .671 .335
G6 .792
G4 .745
G2 .725
G1 .721
H1 .796
H4 .788
H2 .765
H3 .744 .341
T3 .741
T1 .698
T2 .663
T5 .654 .351
128
T4 .594
L1 .336 .854
L3 .838
L2 .330 .787
D1 .369 .781
D2 .768
X3 .831
X1 .765
 Phân tích nhân tố khám phá EFA cho các biến độc lập
Kết quả phân tích nhân tố lần 5 còn lại 31 biến quan sát tác giả đưa vào phân tích
nhân tố lần 6. Kết quả thu được hệ số KMO = 0.705, kiểm định Bartlett's có Sig = .000
(<0.05) cho thấy phân tích nhân tố EFA là phù hợp. Bên cạnh đó tại mức Eigenvalues =
1.138 đã rút trích được 8 nhân tố với tổng phương sai trích đạt 67.105% (>50%).
 Phân tích nhân tố khám phá EFA cho biến phụ thuộc “Quyết định”
Hệ số KMO = 0,657 (> 0,5) và kiểm định định Bartlett có ý nghĩa thống kê (Sig =
.000 < 0,05) cho thấy phân tích EFA là thích hợp. Tại mức Eigenvalues = 1.877 > 1 các
biến quan sát Q1, Q2, Q3 của nhân tố Quyết định chọn TTNN để học tiếng Trung đếu
thuộc một nhóm
Kiểm định mô hình nghiên cứu và các giả thuyết

 Phương trình hồi quy đa biến
QĐ = β0 + β1*VC + β2*GV + β3*DT + β4*HP + β5*XH + β6*TT + β7*TL + β8*ĐC + εi
Trong đó: QĐ :Quyết định chọn TTNN để học tiếng Trung

VC: Cơ sở vật chất
GV: Đội ngũ giáo viên
DT: Danh tiếng
HP: Học phí
XH: Ảnh hưởng của xã hội
TT: Trung tâm giao tiếp với học viên
TL: Cơ hội việc làm trong tương lai
ĐC: Động cơ
Bảng 5: Kết quả phân tích hồi quy đa biến
Hệ số chưa Hệ số Thống kê Đa
chuẩn hóa chuẩn hóa cộng tuyến
Mô hình t Sig.
Độ
B lệch Tolera
Beta VIF
B chuẩn - nce
Hằng
1 số . .135 .430 .668
129
.058
.
VC .021 .447 11.532 .000 .606 1.651
.241
.
GV .026 .200 5.276 .000 .635 1.574
.140
.
DT .017 .179 5.159 .000 .756 1.322
.089
.
HP .022 .227 6.266 .000 .697 1.434
.138
.
XH .026 .031 .992 .322 .959 1.043
.026
.
TT .025 .033 .919 .359 .696 1.436
.023
.
TL .022 .273 7.641 .000 .716 1.397
.165
.
ĐC .028 .229 6.043 .000 .632 1.581
.168
Kết quả hồi quy cho thấy các biến đưa vào mô hình giải thích được 80.80%sự biến
thiến của biến quyết định chọn TTNN để học tiếng Trung. Các sai số trong mô hình độc
lập với nhau (Durbin-Watson = 1.777). Giá trị kiểm định F=111.773 với Sig = .000 < 0,05,
như vậy mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.
Kết quả phương trình hồi quy tuyến tính

QĐ = 0.058 + 0.241*VC + 0.14*GV + 0.089*DT + 0.138*HP + 0.156*TL + 0.168*ĐC
Với kết quả hồi quy chuẩn hóa Beta ta thấy nhân tố Cơ sở vật chất có ảnh hưởng nhiều
nhất đến Quyết định lựa chọn TTNN để học tiếng Trung, kế đến là Cơ hội việc làm trong
tương lai, Động cơ học tập, Học phí, Đội ngũ giáo viên
Theo đồ thị tần số Histogram của phần dư thì giá trị trung bình Mean = -4,42*10-15
và độ lệch chuẩn (Std. Dev) = 0,981 (gần bằng 1), phần dư xấp xỉ chuẩn nên giả thuyết
phân phối chuẩn của phần dư không bị vi phạm.
Bảng 6: Tóm tắt kết quả kiểm định

Giả thuyết Giá trị Kết quả
Sig kiểm định
H1: Cơ sở vật chất có ảnh hưởng cùng chiều (+) đến việc 0.000 Chấp nhận
chọn TTNN để học tiếng Trung tại TP.HCM của học viên. giả thuyết
H2: Giả thuyết H2: Yếu tố Đội ngũ giáo viên, nhân viên có 0.000 Chấp nhận
tác động cùng chiều (+) đến quyết định chọn TTNN để học giả thuyết
tiếng Trung tại TP.HCM của học viên.
H3: Yếu tố Danh tiếng có tác động cùng chiều (+) đến quyết . Chấp nhận
định chọn TTNN để học tiếng Trung tại TPHCM của học giả thuyết
viên.
H4: Yếu tố học phí có ảnh hưởngcùng chiều (+) đến quyết 0.000 Chấp nhận
định chọn TTNN để học tiếng Trung tại TP.HCM của học giả thuyết
viên.
H5: Yếu tố Cơ hội việc làm trong tương lai có tác động cùng 0.000 Chấp nhận
chiều (+) đến quyết định chọn TTNN để học tiếng Trung tại giả thuyết
130
TP.HCM của học viên.

H6: Yếu tố Động cơ có tác động cùng chiều (+) đến quyết 0.000 Chấp nhận
định chọn TTNN để học tiếng Trung tại TP.HCM của học giả thuyết
viên.
H7: Yếu tố Đặc điểm nhân khẩu học có tác động đến quyết
định chọn TTNN để học tiếng Trung tại TP.HCM của học
viên. 0,813 Bác bỏ
Về giới tính 0,383 Bác bỏ
Về độ tuổi 0,93 Bác bỏ
Về học vấn 0,367 Bác bỏ
Về thu nhập 0.092 Bác bỏ
Về nghề nghiệp
Nguồn: tác giả tổng hợp
5. KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ
5.1 Kết luận
Kết quả nghiên cứu đưa ra 6 yếu tố ảnh hưởng đến Quyết định lựa chọn TTNN để
học tiếng Trung tại TP.HCM của học viên. Trong đó Cơ sở vật chất, Cơ hội việc làm trong
tương lai và Động cơ học tập là 3 yếu tố ảnh hưởng mạnh nhất đến việc ra quyết định chọn
TTNN. Riêng với đặc điểm về nhân khẩu, sau khi tiến hành kiểm định thì kết quả cho thấy
độ tuổi, giới tính, nghề nghiệp, học vấn và thu nhập đều không có sự khác biệt có ý nghĩa
thống kê trong việc đưa ra quyết định lựa chọn TTNN để học tiếng Trung của học viên tại
TP.HCM.
5.2 Hàm ý quản trị
-Yếu tố Cơ sở vật chất có ảnh hưởng lớn nhất đến việc đưa ra Quyết định chọn lựa
TTNN để học tiếng Trung của học viên với hệ số Beta = 0.447. Như vậy, các TTNN nên
trang bị đầy đủ những thiết bị hỗ trợ cho việc giảng dạy và đào tạo nhằm thu hút nhiều học
viên hơn.
-Đội ngũ giáo viên là yếu tố có tác động cùng chiều đến quyết định đưa ra sự lựa
chọn TTNN để học tiếng Trung của học viên., đội ngũ giáo viên tạo nên chất lượng đào tạo
của một trường học hay một trung tâm ngoại ngữ, học viên sẽ cân nhắc, tìm hiểu về chất
lượng giảng dạy trước khi đưa ra quyết định, trung tâm có đội ngũ giáo viên nhiều kinh
nghiệm giảng dạy, phương pháp truyền đạt dễ hiểu, giáo viên là người bản xứ và nhiệt
tình. Giáo viên nên có nhiều phương pháp truyền đạt dễ hiều để giúp học viên tiếp thu tốt
hơn. Tiếng Trung là một dạng ngôn ngữ đặc biệt, chữ viết là chữ tượng hình nên việc học
ngôn ngữ này không giống với việc học ngoại ngữ khác như tiếng Anh, tiếng Pháp. Giáo
viên giảng dạy nên nhiệt tình, tạo nhiều tình huống hấp dẫn khi học nhằm thu hút các học
viên phát huy được khả năng và tính tích cực của các học viên trong việc học ngoại ngữ.
Đội ngũ giáo viên nên được đào tạo chuyên sâu, có nhiều kinh nghiệm và thường xuyên
được phổ cập kiến thức cũng như phương pháp đào tạo mới phù hợp với xu thế hiện nay
thì sẽ thu hút được nhiều học viên hơn.
-Yếu tố Dạnh tiếng có ảnh hưởng cùng chiều đến quyết định chọn TTNN để học
tiếng Trung của học viên. Với học viên muốn học tiếng Trung thì khi chọn trung tâm để
học họ sẽ xem xét về thương hiệu cũng như uy tín của trung tâm đó trong ngành giáo dục.
131
Các trung tâm ngoại ngữ dạy tiếng Trung nên nâng cao uy tin về thương hiệu bằng cách cải
thiện nâng cao chất lượng giảng dạy, đầu ra đạt yêu cầu, có đầy đủ trang thiết bị giảng dạy
hiện đại, có các chiến lược về marketing thể hiện quy mô, cũng như đảm bảo cung cấp dịch
vụ ngày càng tốt cho các học viên.
-Học phí: kết quả mẫu nghiên cứu thì đối tượng nghiên cứu đa số là học sinh sinh
viên và nhân viên văn phòng; thu nhập trung bình nằm trong khoảng dưới 3 triệu đến
dưới 6 triệu, vì vậy khi đưa ra quyết định chọn TTNN để học tiếng Trung người học viên
sẽ cân nhắc kỹ về việc sẽ chi bao nhiêu cho việc học ngoại ngữ. Họ sẽ ưu tiên chọn trung
tâm có mức học phí hợp lý, ít biến động và thời gian đóng học phí linh hoạt. Bên cạnh đó,
các trung tâm ngoại ngữ nên có chính sách về hỗ trợ, miễn giảm học phí sẽ thu hút nhiều
học viên theo học hơn.
-Cơ hội việc làm trong tương lai là yếu tố có tác động cùng chiều và mạnh mẽ đến
Quyết định chọn TTNN để học tiếng Trung. Trung tâm ngoại ngữ có uy tín, cam kết chât
lượng đào tạo và chất lượng đầu ra là những yếu tố thu hút các học viên. Bởi người học
đa số đều mong muốn rằng khi học thêm một môn ngoại ngữ thì sẽ tăng cơ hội tìm được
công việc mới có lương cao và cơ hội thăng chức trong tương lai. Đặc biệt là đón đầu xu
thế việc làm trong tương lai khi tiếng Trung trở thành một trong những ngôn ngữ phổ
biến trên thế giới.
-Một trong những yếu tố tác động mạnh đến việc đưa ra quyết định chọTTNN để
học tiếng Trung nữa là Động cơ học tập. Trung tâm ngoại ngữ có những chương trình đào
tạo, tài liệu, giáo trình phù hợp với người học ví dụ như chủ đề học, phương pháp học,..
đáp ứng được nhu cầu của người học về sở thích học tiếng Trung, đáp ứng việc phục vụ
cho công việc hiện tại. Đặc biệt là những học viên có mong muốn kết hôn với người
Trung Quốc thì họ sẽ ưu tiên chọn những TTNN có chương trình đào tạo, chủ đề học phù
hợp.
Các TTNN nên cung cấp phong phú đa dạng hơn về chương trình đào tạo để các
học viên có thể lựa chọn, chẳng hạn như đào tạo chuyên ngành về các lĩnh vực riêng
như kinh tế, xã hội, giao tiếp,…
5.3 Hạn chế và hướng nghiên cứu tiếp theo
 Với hơn 200 mẫu theo phương pháp thuận tiện nên tính đại diện chưa cao
 Phạm vi nghiên cứu hạn chế, do đó chỉ áp dụng được cho khu vực được chọn nghiên
cứu. Các nghiên cứu sau này nên mở rộng quy mô qua các tỉnh và khu vực khác ví dụ
như Hà Nội, Đà Nẵng, Bình Dương,… đặc biệt là những địa phương có các doanh
nghiệp có chủ là người Trung Quốc, những địa điểm du lịch thu hút khách Trung Quốc,
…
A Survey Study of Motivation in English Language Learning of First Year Undergraduate

Students at Sirindhorn International Institute of Technology (SIIT), Thammasat
University Ratanawalee Wimolmas, Thammasat University, Thailand.
Ajzen, I. (1991) The Theory of Planned Behavior. Organizational Behavior and human
Decision Processes, 50(2), 179-211
132
Amabile, T. M., Hill, K. G., Hennessey, B. A., & Tighe, E. M. (1994). The Work Preference
Inventory: Assessing intrinsic and extrinsic motivational orientations. Journal of
Personality and Social Psychology, 66(5), 950-967.
Bo Wang (January 2009), Motivation and Language Learning, College of Foreign
Languages - Daqing Petroleum Institute - DaQing 163318, China, Vol.5, No.1
Burn, Marvin .J. (2006), Factor influencing the college choice of african – american
student admitted to the college of agriculture, food and natural resources, the thesis
presented to the Faculty of the Gradute School, University of Missouri – Columbia.
Cabera, A. F. and Nasa, S. M .L (2001), On the path to college: Three Critical Tarks
Facing America’s Disadvantage, Research in Higher Education, 117 – 149.
Corder, S. P. (1967). The Significance of Learners’ Errors. International Review of Applied
Linguistics in Language Teaching, 5, 161-170.
D. W. Chapman (1981), A model of student college choice. The Journal of Higher
Education, Vol 52, No.5, 490 – 505, Published by Ohio State University Press.
Deci & Ryan (1985), Intrinsic motivation and self-determination in human behavior,
Edward Arnold.
Đái Xuân Ninh, (1984), Học thuyết của Ferdinand de Saussure, in trong Ngôn ngữ học:
Khuynh hướng, lĩnh vực, khái niệm (tập 1), Nhà xuất bản Khoa học Xã hội Hà Nội)
Gardner & Lambert (1972), Attitudes and Motivation in Second Language Learning,
Newbury House: Plenum.
Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS,
tập 1 và tập 2, Nhà xuất bản Hồng Đức năm 2008.
Homans, George Caspar (1961),T0 T071 Social Behavior: Its Elementary Forms,T17
London: Routledge & Kegan Paul.
Jeremy Harmer (2007), How to Teach English, 2nd Edition, Pearson Education Limited.
John Elster (1986), Foundations of Social Choice Theory, 1st edition, Cambrige University
presss
Joseph Sia Kee Ming (2010), Institutional Factors Influencing Student’s College Choice
Decision in Malaysia: A Conceptual Framework, International Journal of Business
and Social Science, Vol. 1, No. 3. December 2010.
La Vĩnh Tín (2015), “Nghiên cứu đến các yếu tố ảnh hưởng đến quyết định chọn trường để
học tiếng Anh ở một sô trung tâm ngoại ngữ tại TP.HCM”, luận văn thạc sỹ.
Micheal R. Solomon (1996) Consumer Behavior: Buying, Having, Being, 11 edition.
Pearson
Nguyễn Đình Thọ (2013), Giáo trình phương pháp nghiên cứu khoa học trong kinh doanh,
Nhà xuất bản Tài Chính.
Nguyễn Minh Hà, “Các yếu tố ảnh hưởng đến việc sinh viên chọn trường, trường Đại học
mở TP.HCM”, Tạp chí khoa học, Số 5 – Năm 2011, Xã hội – giáo dục . Luận văn
thạc sỹ.
Nguyễn Sương, Tiếng Trung được giảng dạy tại nhiều quốc gia Châu Á, mục Giáo dục, tại
kênh báo Zing.vn < https://news.zing.vn/tieng-trung-duoc-giang-day-tai-nhieu-quoc-
gia-chau-a-post684736.html
Nguyễn Phương Toàn (2011), “Khảo sát các yếu tố ảnh hưởng đến việc chọn trường của
học sinh lớp 12 trung học phổ thông trên địa bàn tỉnh Tiền Giang”, Viện đảm bảo
chất lượng giáo dục – ĐHQG Hà Nội, Luận văn thạc sỹ.
Nguyễn Thanh Phong, “Yếu tố quyết định chọn Trường ĐHTG của học sinh Trung học phổ
thông trên địa bàn tỉnh Tiền Giang”.
Nguyễn Thị Bảo Khuyên (2013), “Nghiên cứu các yếu tố ảnh hưởng đến quyết định chọn
trường nghề của học viên”, Trường ĐH Kinh tế Thành phố Hồ Chí Minh.
133
Nguyễn Thị Tuyết Lan (2017), An Investigation into the influence of Parental Expectations
and support on their Children’s Learning –English Motivation. M.A. MINOR
PROGRAMME THESIS Field: English Teaching Methodology Code: 60140111
HANOI – 2017
Saville-Troike, M. (2006). Introducing Second Language Acquisition. Cambridge:

Cambridge University Press.
Philip Kotler & Gary Amstrong (2012), Principles of Marketing.
Philip Kotler (2007), Marketing căn bản, NXB Giao thông vận tải.
Trần Minh Đức (1996), “Thực trạng học thêm ngoại ngữ của sinh viên”, Tạp chí Khoa
học, Đại học Quốc gia Hà Nội, số 3, 1996.
Trần Văn Quí và Cao Hào Thi (2009), “Các yếu tố ảnh hưởng đến quyết định chọn
trường ĐH của học sinh trung học phổ thông”, Tạp chí Phát triển Khoa học và
Công nghệ.
U Wilkesmann, H Fischer, M Wilkesmann (2009), Cultural characteristics of knowledge
transfer - Journal of Knowledge Management.
Williams & Burden (1997), Psychology for language teachers, Cambridge University
Press.
Zhao Yang 赵杨 (2015).《第二语言习得》外语教学与研究出版社
Một số trang mạng:
Đại sứ VN: “Học tiếng Trung là nhu cầu của dân Việt”, tại VOA <
https://www.voatiengviet.com/a/dai-su-viet-nam-noi-hoc-tieng-trung-la-nhu-cau-
cua-dan-viet/3602057.html>.
Sự phổ biến của tiếng Trung hiện nay, thegioingoaingu.com, mục Tài liệu, tại <
https://thegioingoaingu.com/su-pho-bien-cua-tieng-trung>
Top 10 trung tâm dạy tiếng Hoa uy tín tại TP.HCM, tại Toplist.vn <
http://toplist.vn/top-list/trung-tam-day-tieng-hoa-uy-tin-tai-tphcm-8372.htm>.
134
PHẦN 2
TOÁN KINH TẾ VÀ KINH

TẾ LƯỢNG ỨNG DỤNG
135
ĐÁNH GIÁ SỰ PHỤ THUỘC CỦA VN-INDEX VÀO GIÁ DẦU THẾ
GIỚI BẰNG HỆ SỐ TƯƠNG QUAN PHÂN VỊ
Nguyễn Thị Ngọc Miêna
a
Tóm tắt
Bài nghiên cứu sử dụng hệ số tương quan phân vị (cross quantilogram) được đề
xuất bởi Han (2014) để dự đoán chiều hướng biến động của chỉ số VN-index dựa
trên những mức độ và chiều hướng biến động của giá dầu. Dữ liệu trong bài nghiên
cứu được thu thập theo ngày, trong khoảng thời gian từ năm 2003 đến năm giữa
năm 2018. Kết quả chỉ ra rằng, VN-index không phản ứng tức khắc với những thay
đổi của giá dầu. Đồng thời, giá dầu thế giới tăng hay giảm mạnh đều ảnh hưởng tiêu
cực đến thị trường chứng khoán Việt Nam.
Từ khóa: giá dầu, VN-index, hệ số tương quan phân vị.
136
1. GIỚI THIỆU
Mối liên hệ giữa giá dầu thế giới và thị trường chứng khoán là mối quan tâm
hàng đầu của các nhà kinh tế, nhà nghiên cứu và nhà đầu tư trong những thập kỷ
qua. Khá nhiều nghiên cứu đưa ra kết luận rằng giá dầu thế giới ảnh hưởng tiêu cực
đến thị trường chứng khoán của nhiều nước. Cụ thể, dầu thô không chỉ là nguyên
liệu cho các hoạt động sản xuất, hiện nay, dầu thô còn là yếu tố dẫn đầu ảnh hưởng
đến thị trường tài chính của các quốc gia xuất và nhập khẩu dầu. Việc gia tăng giá
dầu sẽ gia tăng chi phí sản xuất, làm giảm tỷ suất sinh lợi. Bên cạnh đó, giá dầu thô
tăng sẽ gia tăng lạm phát đối với nền kinh tế, lãi suất tăng và giá chứng khoán giảm
(Shahin, 2015).
Có khá nhiều nghiên cứu trước đánh giá ảnh hưởng của giá dầu thô đến thị
trường chứng khoán, nhưng kết quả thu được khá đa dạng. Sadorsky (2001) cho
thấy rằng biến động trong giá dầu thế giới sẽ làm tăng giá chứng khoán của các
công ty ngành công nghiệp năng lượng tại Canada trong giai đoạn từ 1983 đến
1999. Park và Ratti (2008) kiểm tra tác động của giá dầu đến thị trường chứng
khoán Mỹ và các nước châu Âu bằng mô hình VAR cho giai đoạn từ 1986 đến
2005, và họ thấy rằng giá dầu là thước đo mạnh trong dự đoán tỷ suất sinh lợi của
thị trường chứng khoán. Ngược lại, Apergis và Miller (2009) sử dụng dữ liệu hàng
tháng về tỷ suất sinh lợi của chỉ số chứng khoán thuộc 8 thị trường phát triển (Mỹ,
Anh, Áo, Canada, Pháp, Đức, Ý và Nhật) và kết luận rằng giá dầu không ảnh hưởng
đến chỉ số chứng khoán của các thị trường trên.
Các nghiên cứu về mối quan hệ trên tại các thị trường chứng khoán đang phát
triển cũng khá nhiều. Maghyereh (2004) kiểm tra về mối liên hệ giữa giá dầu và thị
trường chứng khoán của 22 nước đang phát triển và không tìm thấy bất kỳ ảnh
hưởng nào từ giá dầu đền tỷ suất sinh lợi của chứng khoán. Ngược lại, Basher
(2006) thực hiện nghiên cứu về rủi ro trong giá dầu và thị trường chứng khoán mới
nổi. Họ sử dụng mô hình định giá tài sản vốn (CAPM) cho dữ liệu trong giai đoạn
từ 1973 – 2005 và phát hiện rằng, thay đổi trong giá dầu thế giới sẽ ảnh hưởng đến
tỷ suất sinh lợi của thị trường chứng khoán mới nổi. Arouri và Rault (2012) đã thực
hiện nghiên cứu về mối liên hệ trong dài hạn giữa giá dầu và thị trường chứng
khoán của các nước thuộc Hội đồng hợp tác vùng Vịnh (GCC) bằng cách sử dụng
mô hình SUR (Seemingly unrelated regression) và kỹ thuật bootstrap với dữ liệu
theo tháng từ tháng 1 năm 1996 đến tháng 12 năm 2007. Họ chỉ ra rằng có mối
137
tương quan mạnh giữa giá dầu và thị trường chứng khoán của các nước GCC, theo
hướng giá dầu thế giới tăng sẽ ảnh hưởng tích cực đến giá cổ phiếu.
Tuy nhiên, các nghiên cứu được liệt kê trên chỉ tập trung vào đánh giá mối
quan hệ giữa giá dầu và thị trường chứng khoán theo giá trị kỳ vọng. Trong những
năm gần đây, nhiều nghiên cứu chỉ ra rằng, thị trường chứng khoán có thể sẽ phản
ứng khác nhau trước những mức độ thay đổi khác nhau của giá dầu, nghĩa là sự tăng
mạnh hoặc giảm mạnh giá dầu ảnh hưởng khác nhau đến thị trường chứng khoán.
Chẳng hạn, Sim và Zhou (2015) sử dụng phương pháp hồi quy phân vị - trong –
phân vị (quantile – on – quantile) để đo lường tác động của mức phân vị khác nhau
trong cú sốc giá dầu ảnh hưởng như thế nào đến thị trường chứng khoán Mỹ tại các
mức phân vị khác nhau. Nusair và Al-Khasawnel (2017) đo lường tác động của cú
sốc giá dầu đến thị trường chứng khoán của các nước GCC bằng hồi quy phân vị.
Kết quả chỉ ra rằng, giá dầu tăng sẽ làm tăng tỷ suất sinh lợi của chứng khoán tại
các nước này khi thị trường chứng khoán đang lên hoặc ổn định, trong khi đó giá
dầu giảm chỉ làm giảm tỷ suất sinh lợi khi thị trường chứng khoán tại các nước này
đang đi xuống.
Việt Nam là nước xuất khẩu dầu thô, nhưng lại là nước nhập khẩu dầu đã tinh
chế. Vì vậy, giá dầu thế giới có ảnh hưởng không nhỏ đến thị trường chứng khoán
Việt Nam. Narayan và Narayan (2010) kiểm định tính đồng liên kết giữa giá dầu thế
giới và chỉ số VN-index, kết quả chỉ ra rằng giá dầu có tác động tích cực đến giá cổ
phiếu tại Việt Nam. Vinh (2014) sử dụng phân tích nhân quả Granger giữa VN-
index và giá dầu thế giới, chỉ số chứng khoán Mỹ S&P500 và tỷ giá hối đoái
USD/VN. Kết quả cho thấy rằng, VN-index cũng có tương quan cao với giá dầu thế
giới.
Mục tiêu của bài nghiên cứu là đánh giá mối tương quan giữa giá dầu thế giới
và chỉ số VN-index tại các mức phân vị khác nhau, từ đó đưa ra cái nhìn tổng quát
hơn về tác động của các mức độ biến động khác nhau của giá dầu đến chiều hướng
biến động của chỉ số VN-index. Bài nghiên cứu áp dụng hệ số tương quan phân vị
(cross – quantilogram) được đề xuất bởi Han và cộng sự (2016). Bài nghiên cứu
được tổ chức theo cấu trúc sau. Phần 1 tập trung vào giới thiệu mục tiêu, ý nghĩa
của nghiên cứu và các nghiên cứu trước. Phần 2 trình bày về phương pháp và dữ
liệu nghiên cứu. Kết quả thực nghiệm của bài nghiên cứu được trình bày ở phần 3.
Tác giả đưa ra một vài nhận định ở phần 4.
138
2. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

2.1. Phương pháp nghiên cứu
Giả sử chúng ta có hai chuỗi liên tục {xt} và {yt} với t  Z. Hai chuỗi thời gian
được giả định dừng nghiêm ngặt với hàm phân phối lần lượt là Fx và Fy cùng hàm
mật độ là fx và fy. Hàm phân vị  của chuỗi {xt} và {yt} ký hiệu là qx() và qy()
được định nghĩa như sau:
qx    inf  : Fx      (1)
q y    inf  : Fy      (2)
Hệ số tương quan phân vị đo lường sự phụ thuộc của hai chuỗi dữ liệu
xt
 qx (1 ) và  yt  qy ( 2 ) với độ trễ k được định nghĩa bởi han và cộng sự
(2016) như sau:
E  1  xt  qx (1 )  2  yt k  q y ( 2 )  
1 ,2 (k )  (3)
E  2  xt  qx (1 )   E  2  yt k  q y ( 2 )  
 1   2 
với  a (u )  1(u  0)  a .
Để đo lường được hệ số tương quan phân vị dựa trên một mẫu gồm t cặp quan
sát (xt, yt), trước tiên, chúng ta cần ước lượng các giá trị phân q x 1  và q y  2  .
Koenker và Bassett (1978) chứng minh rằng, phân vị thứ  có thể được ước lượng
bằng cách giải bài toán cực tiểu hóa:
n
qˆ x (1 )  arg min  1 ( xi   ) (4)
R i 1
n
qˆ y ( 2 )  arg min  2 ( xi  v) (5)
vR i 1
với a (u)  u  a  1(u  0) (được gọi là hàm kiểm tra – check function). Khi
đó, hệ số tương quan theo phân vị tính được từ mẫu:
139
x   
T
 1 1,t
 q1 (1 )  2 x2,t  k  q 2 ( 2 )
ˆ 1, 2 (k )  t  k 1
(6)
x    x 
T T

t  k 1
1
2
1,t
 q1 (1 )
t  k 1
2
2 2,t  k
 q 2 ( 2 )
với k = 0, 1, 2,…

Trong bài nghiên cứu này, tác giả kiểm định liệu có thể dự đoán chiều hướng
của chỉ số VN-index dựa trên chiều hướng thay đổi của giá dầu thế giới dựa trên
kiểm định giả thuyết  1,  2 ( k ) = 0. Nếu  1,  2 ( k ) = 0 đại diện cho trường hợp giá trị
của biến x lớn hơn hoặc nhỏ hơn mức phân vị qx (1 ) tại thời điểm t không giúp dự
đoán liệu giá trị của biến y có lớn hơn hoặc nhỏ hơn mức phân vị q y ( 2 ) tại thời
điểm t + k.
Để kiểm định giả thuyết liệu phân vị 1 của chuỗi x có thể dự đoán chiều
hướng của chuỗi y tại mức phân vị 2 đến độ trễ p hay không, cần kiểm định giả
thuyết không H0:  (1)   (2)  ...   ( p) và giả thuyết đối H1:  (k )  0 với ít
nhất một giá trị của k. Han và cộng sự (2016) sử dụng thống kê Box-Ljung:
p
T (T  2) ˆ21, 2 (k )
Q( 1,p ) 2  k 1
(7)
T k
Giá trị tới hạn được Politis và Romano (1994) tính toán dựa trên kỹ thuật
Bootstrap.
2.2. Dữ liệu
Trong bài nghiên cứu này, tác giả thu thập dữ liệu giá dầu thế giới cùng chỉ số
VN-index theo ngày. Sau đó, suất sinh lợi của giá dầu cùng với suất sinh lợi của chỉ
số VN-index của ngày t được đo lường bằng sai phân của logarit tự nhiên của giá tại
ngày t và ngày t - 1. Suất sinh lợi của giá dầu (Roil) và suất sinh lợi chỉ số VN-index
(RVN) dùng để đo lường sự thay đổi về giá theo ngày của hai biến và đều ở dạng
phần trăm. Bài nghiên cứu nhằm kiểm định xem liệu sự thay đổi ở các mức độ khác
nhau trong giá dầu có tương quan với thay đổi trong chỉ số VN-index hay không.
Dữ liệu thu thập theo ngày trong khoảng thời gian từ tháng 4 năm 2003 đến
cuối tháng 3 năm 2018.
140

Bảng 1 trình bày thống kê mô tả của hai biến được sử dụng trong bài. Kết quả
cho thấy, độ lệch chuẩn cùng với giá trị độ nhọn của tỷ suất sinh lợi trong giá dầu
đều lớn hơn so với tỷ suất sinh lợi của chỉ số VN-index. Điều này chứng tỏ giá dầu
có sự biến động mạnh hơn so với VN-index. Tỷ suất sinh lợi của giá dầu nhận giá
trị trong khoảng từ -22,2089% đến 16,4137. Vì vậy, mức phân vị 10% của tỷ suất
sinh lợi theo giá dầu cho thấy mức giảm mạnh nhất của giá dầu trong dữ liệu và
mức phân vị 90% của tỷ suất sinh lợi theo giá dầu đo lường mức tăng mạnh nhất
của giá dầu trong dữ liệu. Tỷ suất sinh lợi thấp nhất của VN-index cũng nhận giá trị
âm, vì vậy, mức phân vị 10% cũng cho thấy sự giảm mạnh nhất của VN-index.
Tương ứng cho mức phân vị 90%.
Bảng 1. Thống kê mô tả
Roil RVN
Trung bình 0.0164 0.0546
Trung vị 0.0817 0.0446
Giá trị lớn nhất 16.4137 8.6870
Giá trị nhỏ nhất -22.2089 -8.0623
Độ lệch chuẩn 2.4789 1.4715
Độ bất đối xứng -0.2020 -0.0768
Độ nhọn 8.7666 5.4806
Số quan sát 3576 3576
Để đo lường hệ số tương quan phân vị, hai chuỗi dữ liệu phải dừng. Để kiểm
tra tính dừng, tác giả sử dụng phương pháp ADF (Dickey – Fuller mở rộng) và
PP(Phillips-Perron) để kiểm định tính dừng cho hai chuỗi dữ liệu. Kết quả kiểm
định ở Bảng 2 cho thấy cả hai biến đều dừng.
141
Bảng 2. Kiểm tra tính dừng
Chuỗi dữ liệu Kiểm định ADF Kiểm định PP
Roil - 62,448*** - 62,529 ***
RVN - 46,827*** - 47,465 ***
Ghi chú: *: p < 0,1 ; **: p < 0,05; ***: p < 0,01
Ở Hình 1, tác giả đo lường thay đổi của chỉ số VN-index khi giá dầu giảm
mạnh. Tác giả đo lường hệ số tương quan của tỷ suất sinh lợi trong giá dầu tại mức
phân vị 0.1 và tỷ suất sinh lợi trong chỉ số VN-index tại mức phân vị 0.1 và 0.9.
Dòng trên của Hình 1 là kết quả của hệ số tương quan, với hai đường đứt nét các giá
trị tới hạn cận trên và cận dưới với độ tin cậy 95%. Hệ số tương quan 𝜌̂0.1,0.1 (k) đều
dương với mọi độ trễ k, với k nhận giá trị từ 0 đến 60.
Hình 1. Chiều hướng biến động của VN-index khi giá dầu giảm mạnh
Dòng dưới của Hình 1 thể hiện kết quả kiểm định bằng thống kê Box – Lujing
cho thấy hệ số tương quan không có ý nghĩa cho đến độ trễ thứ 5. Điều này chứng
tỏ rằng, khi giá dầu thế giới giảm mạnh, chỉ số VN-index sẽ bắt đầu phản ứng giảm
mạnh vào ngày thứ 6. Bên cạnh đó, hệ số tương quan 𝜌̂0.1,0.9 (k) đều âm với mọi k và
kết quả kiểm định Box – Lujing đều kết luận hệ số tương quan không có ý nghĩa
142
thống kê tại mức ý nghĩa 5%, chứng tỏ một sự giảm mạnh trong giá dầu không thể
kéo theo sự gia tăng mạnh trong giá chứng khoán tại thị trường Việt Nam.
Tương tự ở Hình 2, tác giả đo lường thay đổi của chỉ số VN-index khi giá dầu
tăng mạnh. Kết quả chỉ ra rằng, thị trường chứng khoán Việt Nam không phản ứng
trong vòng 5 ngày sau khi giá dầu tăng mạnh. Giá trị thống kê Box – Ljung nhỏ hơn
giá trị tới hạn từ độ trễ 1 đến độ trễ 5, chứng tỏ hệ số tương quan 0.9,0.1 và 0.9,0.9
đều không có ý nghĩa thống kê từ độ trễ 1 đến độ trễ 5 Tuy nhiên, từ độ trễ thứ 6
đến độ trễ thứ 30, hệ số 𝜌̂0.9,0.1 mang giá trị âm và có ý nghĩa thống kê, trong khi
0.9,0.9 không có ý nghĩa thống kê. Điều này chứng tỏ, sau 6 ngày giá dầu tăng
mạnh, thị trường chứng khoán Việt Nam sẽ phản ứng theo chiều hướng giảm sâu và
phản ứng này sẽ kéo dài trong khoảng thời gian 1 tháng. Từ độ trễ thứ 31 trở đi, hệ
số tương quan 0.9,0.1 và 0.9,0.9 đều khác 0 tại mức ý nghĩa 5%, do đó, việc dự đoán
chiều hướng biến động của thị trường chứng khoán Việt Nam sau 1 tháng từ khi giá
dầu thế giới tăng mạnh sẽ gặp khó khăn.
Hình 2. Chiều hướng biến động của VN-index khi giá dầu tăng mạnh
143
4. KẾT LUẬN
Trong bài nghiên cứu này, tác giả sử dụng hệ số tương quan phân vị được đề
xuất bởi Han (2014) để đo lường tương quan giữa giá dầu thế giới và chỉ số VN-
index tại các mức phân vị khác nhau. Kết quả chỉ ra rằng, giá dầu tăng mạnh hay
giảm mạnh đều dẫn đến sự giảm mạnh trong chỉ số VN-index. Hơn nữa, phản ứng
của VN-index trễ hơn biến động trong giá dầu 6 ngày và kéo dài đến 30 ngày.
Kết quả nghiên cứu trên đóng góp vào những nghiên cứu ít ỏi về giá dầu và thị
trường chứng khoán Việt Nam hiện nay. Kết quả nghiên cứu giúp hiểu rõ hơn mối
quan hệ giữa hai biến, từ đó đưa ra những gợi ý cho các nhà đầu tư, các nhà nghiên
cứu tài chính hoặc các nhà hoạch định chính sách.
Apergis, N., & Miller, S. M. (2009). Do structural oil-market shocks affect stock
prices?. Energy Economics, 31(4), 569-575.
Arouri, M., & Rault, C. (2012). Oil prices and stock markets in GCC countries:
empirical evidence from panel analysis. International Journal of Finance and
Economics, 17, 242–253.
Basher, S. A., & Sadorsky, P. (2006). Oil price risk and emerging stock markets.
Global Finance Journal, 17(2), 224-251.
Han, H., Linton, O., Oka, T., & Whang, Y. J. (2016). The cross-quantilogram:
Measuring quantile dependence and testing directional predictability between
time series. Journal of Econometrics, 193(1), 251-270.
Koenker, R., & Bassett, G. J. (1978). Regression quantiles. Econometrica: Journal
of the Econometric Society, 33-50.
Maghyereh, A. (2006). Oil price shocks and emerging stock markets: A generalized
VAR approach Global stock markets and portfolio management (pp. 55-68):
Springer.
Narayan. P. K.. & Narayan. S. (2010). Modelling the impact of oil prices on
Vietnam’s stock prices. Applied Energy. 87(1). 356-361.
Nusair, S. A., & Al-Khasawneh, J. A. (2018). Oil price shocks and stock market
returns of the GCC countries: empirical evidence from quantile regression
analysis. Economic Change and Restructuring, 51(4), 339-372.
144
Park, J., & Ratti, R. (2008). Oil price shocks and stock markets in the U.S. and 13
European countries. Energy Economics, 30(5), 2587-2608.
Politis, D. N., & Romano, J. P. J. J. o. t. A. S. a. (1994). The stationary bootstrap.
89(428), 1303-1313.
Sadorsky, P. (2001). Risk factors in stock returns of Canadian oil and gas
companies. Energy economics, 23(1), 17-28.
Shahin, S. (2015). Crude oil and stock market prices: Evidence from an emerging
market. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 24(1), 61-70
Sim, N., & Zhou, H. (2015). Oil prices, US stock return, and the dependence
between their quantiles. Journal of Banking & Finance, 55, 1-8.
Vinh, V.X. (2014). An Empirical Investigation of Factors Affecting Stock Prices in
Vietnam. Journal of Economics and Development, 16(1), 74.
145
PHÂN TÍCH MỐI LIÊN HỆ GIỮA TĂNG TRƯỞNG GDP VÀ HOẠT

ĐỘNG DU LỊCH TẠI CÁC TỈNH/THÀNH VIỆT NAM BẰNG MÔ
HÌNH HỒI QUY KHÔNG GIAN
Nguyễn Văn Sĩ a*
a
*
Tác giả liên hệ: Email: | Điện thoại:
Tóm tắt
Mục đích của nghiên cứu là xác định mối liện hệ giữa GDP và một số yếu tố trong hoạt động
du lịch của Việt Nam tiếp cận ở cấp độ tỉnh/thành thông qua ứng dụng mô hình hồi quy không
gian. Dữ liệu thứ cấp từ năm 2013 đến 2017 của các tỉnh/ thành Việt Nam được sử dụng trong
bài viết này. Kết quả nghiên cứu đã cung cấp thêm một hướng nghiên cứu mới về hoạt động du
lịch có tác động đến tăng trưởng gdp cấp độ của tỉnh/thành tại Việt Nam thông qua mô hình
hồi quy không gian. Kết quả nghiên cứu là một bằng chứng thực nghiệm cho thấy có sự tương
quan không gian giữa các tỉnh gần nhau (lân cận) của quy mô tăng trưởng gdp, điều này có
nghĩa là mức độ tăng trưởng gdp của một địa phương cụ thể có sự tương quan về quy mô gdp
của các tỉnh lân cận về mặt địa lý (tác động tích cực thông qua thúc đẩy).
Từ khóa: Hồi quy không gian, gdp của các tỉnh/thành, gdp.
146
1. GIỚI THIỆU
Tầm quan trọng của các khoản thu về hoạt động du lịch và phân tích tác động của
chúng đã làm cho nhiều nhà kinh tế quan tâm. Người ta cho rằng chi tiêu du lịch là một
hình thức xuất khẩu có thể góp phần cải thiện cán cân thanh toán của một quốc gia, ủng hộ
việc làm và tạo thêm thu ngân sách Archer (1995); Belisle & Hoy (1980); Davis, Allen, &
Consenza (1988). Nói tóm lại, nguồn thu về hoạt động du lịch có thể góp phần cho quốc
gia tăng trưởng kinh tế.
Từ nghiên cứu thực nghiệm, Lanza và Pigliaru (2000) là những người đầu tiên xem
xét mối quan hệ giữa du lịch và tăng trưởng, họ quan sát thấy rằng các quốc gia có hoạt
động về du lịch mạnh có các đặc điểm: đó là những nước nhỏ và thu nhập bình quân đầu
người của họ tăng nhanh. Ý tưởng ban đầu này sau đó tăng lên một số lượng lớn các tài
liệu nhằm xác minh giả thuyết tăng trưởng do khách du lịch - tức là theo quan điểm kinh tế
lượng giả thuyết du lịch tạo ra tăng trưởng kinh tế . Do đó, từ nỗ lực của Balaguer và
Cantavella-Jordà (2002), đã thử nghiệm giả thuyết này cho trường hợp nền kinh tế Tây
Ban Nha giữa năm 1975 và 1997, sau đó có nhiều nghiên cứu có cùng mục tiêu - tại các
quốc gia khác nhau, sử dụng các phương pháp khác nhau và thu được các kết quả khác
nhau - đã được công bố. Mặc dù có các nghiên cứu trước đó đã phân tích khác nhau về
hiệu quả tăng trưởng kinh tế và du lịch, các công bố tập trung vào sự tồn tại về mối quan
hệ nhân quả giữa du lịch và tăng trưởng kinh tế trong thời gian gần đây và đã tăng số lượng
kể từ năm 2002. Trong bài viết này chúng tôi mong muốn xác định mối quan hệ giữa tăng
trưởng kinh tế (gdp) cấp tỉnh/thành và hoạt động du lịch thông qua mô hình hồi quy không
gian.
2. TỔNG QUAN CÁC NGHIÊN CỨU CÓ LIÊN QUAN ĐẾN ĐỀ TÀI
Brau và cộng sự (2007) đã áp dụng dữ liệu chéo với mẫu dữ liệu của 143 quốc gia
trong giai đoạn từ 1980 đến 2003, quan tâm để phân biệt giữa các quốc gia nhỏ, các thành
viên OECD, các quốc gia sản xuất dầu và các quốc gia chuyên ngành hoặc không chuyên
ngành du lịch. Kết quả của họ cho thấy rằng các nước nhỏ chỉ phát triển nhanh hơn khi họ
chuyên về du lịch. Cũng sử dụng phân tích bằng dữ liệu chéo Singh (2008) đã nghiên cứu
sự tồn tại của một mối quan hệ giữa du lịch và tăng trưởng gdp bằng cách xem xét trên một
mẫu gồm 37 nước đang phát triển. Một mặt, tác giả phân tích mối quan hệ giữa phát triển
kinh tế và chi tiêu du lịch bình quân đầu người thông qua ước lượng mô hình kinh tế lượng
và, mặt khác, tác giả đã nghiên cứu các tác động bội lên việc tăng chi tiêu du lịch. Nhìn
chung, bài viết cho thấy rằng mối quan hệ giữa chi tiêu và phát triển là tích cực, nhưng tác
động không đủ lớn ảnh hưởng đến nền kinh tế, do các thành phần kinh tế khác nhau. Po và
Huang (2008), với mục đích nghiên cứu các mối quan hệ phi tuyến tính giữa tăng trưởng
kinh tế và du lịch, đã chọn một mẫu gồm 88 quốc gia mà họ chia thành ba nhóm theo giá
trị phần trăm của doanh thu du lịch đối với GDP. Kết quả cho thấy khi biến này dưới
4.05% hoặc trên 4,73%, có một mối quan hệ đáng kể giữa tăng trưởng du lịch và tăng
trưởng kinh tế. Theo Figini và Vici (2010), đã xem xét lại nghiên cứu trước đó và giải
thích ảnh hưởng của du lịch đến tăng trưởng bằng cách chia phân tích của họ thành nhiều
thời kỳ và xem xét mức độ chuyên môn hóa của họ trong du lịch. Các tác giả kết luận rằng
không có bằng chứng thực nghiệm chứng minh rằng chuyên môn hóa du lịch của một quốc
gia đóng góp cho tăng trưởng kinh tế. Payne và Mervar (2010), trong đó kiểm định quan hệ
nhân quả cho phép xác định mối quan hệ nhân quả bằng cách sử dụng dữ liệu chuỗi thời
gian từ năm 2000 đến 2008 của GDP và doanh thu du lịch. Mối quan hệ nhân quả tương
147
tự đã được đưa ra trong các nghiên cứu của Cortés-Jiménez và cộng sự (2011), sau khi áp
dụng mô hình VAR, và phương pháp phân rã phương sai, đã kết luận đó là nguyên nhân cơ
bản của vấn đề hạn chế sự phát triển kinh tế của tỉnh này . Hơn nữa, Brida, Punzo và Risso
(2011) không tìm thấy bằng chứng về mối quan hệ nhân quả giữa GDP và doanh thu du
lịch ở Brazil trong giai đoạn năm 1965-2007. Gần đây, Hye và Khan (2013) cũng đã kiểm
tra tính ổn định của các mối quan hệ nhân quả giữa thu nhập từ du lịch và tăng trưởng kinh
tế ở Pakistan. Các tác giả kết luận rằng tồn tại một mối quan hệ lâu dài giữa du lịch và tăng
trưởng kinh tế. Với mục đích phân tích mối quan hệ giữa các thành phần chu kỳ của thu
nhập du lịch và tăng trưởng kinh tế thì Eeckels và cộng sự (2012) cũng sử dụng phân tích
chuỗi thời gian theo các chu kỳ khác nhau ở Hy Lạp, cho thấy thành phần chu kỳ của thu
nhập du lịch ảnh hưởng đến thành phần chu kỳ của GDP. Theo dòng phân tích này,
Massidda và Mattana (2013) đã nghiên cứu mối liên hệ nhân quả giữa du lịch, thương mại
và tăng trưởng, kết luận rằng các chính sách hỗ trợ các điểm đến quốc gia trên thị trường
thế giới có thể mang lại lợi nhuận đáng kể cho nền kinh tế về tốc độ tăng trưởng GDP cao
hơn, vì hiệu ứng này xuất hiện theo hai cách riêng biệt; một là trực tiếp, thông qua phản
hồi GDP-du lịch, và thứ hai là gián tiếp, thông qua các cơ hội thương mại gia tăng. Cortés-
Jiménez (2010) đã phân tích tác động của du lịch đến tăng trưởng kinh tế của Ý và Tây
Ban Nha với dữ liệu bảng trong giai đoạn từ 1990 đến 2004, cũng theo quan điểm khu vực.
Trọng tâm trong trường hợp này là trên các khu vực của cả hai quốc gia và không chỉ về
hiệu quả của du lịch quốc tế, mà còn về du lịch nội địa. Ngoài ra, tác giả cho rằng liệu du
lịch có thể được coi là một yếu tố hội tụ khu vực có liên quan hay không. Để trả lời câu hỏi
này, các vùng được phân thành ba loại khác nhau: ven biển, nội địa và Địa Trung Hải. Kết
quả cho thấy ở các vùng ven biển và Địa Trung Hải, cả du lịch quốc tế và nội địa đều quan
trọng các yếu tố cho thấy sự hội tụ kinh tế khu vực. Ngược lại, ở các vùng nội địa chỉ có du
lịch quốc gia dường như có liên quan. Apergis và Payne (2012) đã kiểm tra mối quan hệ
nhân quả giữa du lịch và tăng trưởng kinh tế cho một nhóm gồm 9 vùng Caribbean. Mô
hình với dữ liệu bảng từ năm 1999- 2004 được sử dụng cho thấy mối quan hệ hai chiều
giữa du lịch và tăng trưởng. Caglayan, Sak và Karymshakov (2012) phân tích quan hệ giữa
du lịch và tăng trưởng kinh tế đã xem xét 135 quốc gia chia thành mười một nhóm. Kết
quả của nghiên cứu này chỉ ra quan hệ nhân quả hai chiều ở châu Âu, quan hệ nhân quả
đơn phương từ tăng trưởng kinh tế cho du lịch ở Mỹ và Mỹ Latinh & các quốc gia
Caribbean, một hướng ngược lại của quan hệ nhân quả ở Đông Á, Nam Á và Châu Đại
Dương, và không có quan hệ nhân quả ở Châu Á, Trung Đông và Bắc Phi, Trung Châu Á
và châu Phi cận Sahara. Nissan và cộng sự (2011) đã phân tích mối quan hệ giữa tăng
trưởng du lịch và kinh tế đối với các trường hợp của Đan Mạch, Phần Lan, Pháp, Đức, Ý,
Nhật Bản, Hà Lan, Tây Ban Nha, Thụy Điển, Vương quốc Anh và Hoa Kỳ trong giai đoạn
2000- 2005. Một mô hình với dữ liệu bảng được áp dụng để ước lượng, trong đó bao gồm
các ngành du lịch như là một yếu tố năng suất trong lĩnh vực sản xuất. Các yếu tố hoặc
biến khác có ảnh hưởng liên quan về du lịch cũng được xem xét, đặc biệt là hiệu ứng phản
hồi của thu nhập đối với du lịch, cũng như hoạt động khởi nghiệp. Các kết quả cho thấy du
lịch, đo lường chi tiêu du lịch trong nước, tăng cường tăng trưởng kinh tế, tinh thần kinh
doanh và thu nhập có tác động tích cực đến du lịch. Hơn nữa, các tác giả kết luận rằng một
chính sách tiền tệ mở rộng sẽ có một tác động tiêu cực đến du lịch, bởi vì nó liên quan đến
việc tăng giá. Hakan Kum và cộng sự (2015) phân tích mối quan hệ giữa hoạt động du lịch
và tăng trưởng kinh tế cho 11 quốc gia với dữ liệu bảng. Kết quả cho rằng có một mối quan
hệ lâu dài giữa khách du lịch và GDP và khách du lịch có tác động tích cực đến tăng
trưởng GDP trong các quốc gia. Các tác giả cho rằng một quan hệ nhân quả đơn phương
tăng trưởng kinh tế bởi du lịch là giả thuyết hợp lý thúc đẩy kinh tế. Ekanayake và Long
(2012) mục tiêu của nghiên cứu này là điều tra các mối quan hệ giữa phát triển du lịch và
148
tăng trưởng kinh tế ở các nước đang phát triển sử dụng dữ liệu bảng từ năm 1995-2009 của
140 nước từ World Bank Development Indicators. Nghiên cứu này xem xét mối quan hệ
nhân quả giữa phát triển du lịch và tăng trưởng kinh tế bằng cách sử dụng các kiểm định
quan hệ nhân quả của Granger trong một mô hình đa biến. Kết quả của ước lượng cho thấy
rằng, mặc dù độ co giãn của doanh thu du lịch đối với GDP thực tế không có ý nghĩa thống
kê đối với tất cả các khu vực, dấu hiệu tích cực cho thấy doanh thu du lịch đóng góp tích
cực vào tăng trưởng kinh tế ở những quốc gia đang phát triển. Kết quả nghiên cứu cho thấy
chính phủ các nước đang phát triển nên tập trung vào các chính sách kinh tế để thúc đẩy du
lịch như một nguồn tăng trưởng kinh tế tiềm năng. Ivanov và Craig (2017) bài viết trình
bày một phương pháp để đo lường sự đóng góp của du lịch cho việc tăng trưởng của một
nền kinh tế , được thử nghiệm với dữ liệu bảng vào năm 1995 lấy từ viện Thống kê của các
nước Síp, Hy Lạp và Tây Ban Nha. Các tác giả sử dụng tăng trưởng GDP thực tế bình
quân đầu người làm thước đo tăng trưởng kinh tế và phân bổ tăng trưởng kinh tế được tạo
ra bởi du lịch và được tạo ra bởi các ngành công nghiệp khác xuất phát từ tác động của du
lịch. Chúng tôi lập luận rằng các phương pháp hiện tại chỉ xem xét mối quan hệ giữa phát
triển du lịch (được đo bằng các số liệu thống kê khác nhau) và tăng trưởng kinh tế nhưng
không nêu rõ hậu quả của tăng trưởng kinh tế là bao nhiêu do phát triển du lịch (chẳng hạn
du lịch nội địa, và việc sử dụng công suất giường (tức là GDP được tạo ra …). Phương
pháp được đề xuất trong nghiên cứu này hứa hẹn sẽ đánh giá đầy đủ hơn tác động của du
lịch đến tăng trưởng kinh tế so với phương pháp luận khác.
Một số nghiên cứu nêu trên dùng để phân tích mối liên hệ giữa tăng trưởng kinh
tế và hoạt động du lịch sử dụng dữ liệu chéo, dữ liệu chuỗi thời gian, và dữ liệu bảng với
phương pháp ước lượng truyền thống thông thường, chưa xem xét sự tương quan không
gian của dữ liệu. Do đó trong bài viết này sẽ xem xét các yếu tố của hoạt động du lịch tác
động đến tăng trưởng gdp của các địa phương thông qua mô hình kinh tế lượng không
gian.
3. PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Hệ số Moran’s I
Các nghiên cứu trong thống kê không gian thường phân biệt giữa hai loại tác động
không gian khác nhau: tương tác không gian (tự tương quan không gian) và cấu trúc không
gian (tính không đồng nhất không gian). Việc kiểm tra các đặc điểm không gian của dữ
liệu bị ảnh hưởng mạnh mẽ bởi các vị trí mà từ đó các quan sát được thực hiện. Các đơn vị
địa lý lân cận ảnh hưởng đến từng các vị trí khác và các vị trí gần nhau thường có sự tương
tác không gian nhiều hơn các vị trí có khoảng cách xa hơn, (Coughlin & cộng sự, 2000).
Khi có sự phụ thuộc không gian giữa các đơn vị trong khu vực, thì việc sử dụng
một phương pháp đánh giá, phân tích sự tương quan không gian là cần thiết. Có nhiều công
cụ được sử dụng kiểm định mối tương quan không gian này, để xác định xem có sự tồn tại
mối tương quan không gian giữa các khu vực lân cận hay không, có thể chỉ ra một số
phương pháp kiểm tra như: Hệ số global Moran’s I (Moran, 1950); (Geary, 1954). Thống
kê global Moran’s I chỉ có thể cho một kết quả về sự tự tương quan không gian của các
quan sát một cách tổng quát. Đối với thống kê địa phương G* (local Getis-Ord Gi *) xem
xét sụ tự tương quan không gian cụ thể hơn cho từng quan sát. Thống kê Moran’s I, phụ
thuộc vào ma trận trọng số không gian phản ánh cường độ của mối quan hệ địa lý giữa các
quan sát trong một khu vực (Anselin, 1998), và là một trong những phương pháp mà các
nhà nghiên cứu thường sử dụng nhất để xem xét sự tương quan giữa các biến số (Elhorst,
149
2003). Giá trị thống kê Moran’s I nằm trong khoảng [-1, 1]. Dấu của các giá trị Moran’s I
cho biết các loại tương quan không gian (khi hệ số Moran’s I > 0 có sự tương quan thuận
chiều giữa các đơn vị không gian và chúng có xu hướng tạo thành cụm không gian
(clustered ), và khi hệ số Moran’s I < 0, có sự tương quan nghịch chiều giữa các đơn vị
không gian), hay các đơn vị không gian có xu hướng được bao quanh bởi các đơn vị địa lý
lân cận với các giá trị khác nhau. Hệ số Moran’s I =0 không có tương quan không gian.
Thống kê global Moran’s I của biến x được xác định như sau:
n n
n
 w ( x  x )( x
i 1 j 1
ij i j  x)
I n n
. n
 wij
i 1 j 1
 (x  x )
i 1
i
2
Trong đó
xi là giá trị quan sát của đơn vị không gian thứ i.
x là giá trị trung bình của x.

𝑛 là số giá trị quan sát của các đơn vị không gian.
w ij là phần tử dòng i, cột j của ma trận trọng số không gian W .
Trong kiểm định Moran’s I là kiểm định giả thuyết:

H0: không có tương quan không gian trong cấu trúc dữ liệu
Thống kê G, ban đầu được phát triển bởi Getis và Ord, được sử dụng để nghiên cứu
về mô hình không gian (Getis & Ord, 1992, 1995). Chúng đại diện cho một chỉ số tự tương
quan không gian toàn cầu. Mặt khác thống kê local Gi *, như là một chỉ số tự tương quan
không gian địa phương. Nó phù hợp hơn cho cấu trúc cụm không gian. Thống kê local
Getis-Ord Gi* được xác định như sau:
n n
w x
j 1
ij j  x  wij
j 1
G  *
i n n
n wij2  ( wij ) 2
j 1 j 1
S*
n 1
Các ký hiệu tương tự như trên và S* xác định bởi

n
S*  j 1
x 2j / n  ( x )2
Thống kê Gi * là một Z-score và nếu Z-score dương có ý nghĩa thống kê, Z-score
lớn hơn có nghĩa là cụm giá trị cao (hot spots). Đối với Z-score âm có ý nghĩa thống kê, Z-
score nhỏ hơn cho thấy rằng cụm giá trị thấp (cold spots) nhiều hơn.
150
Sẽ có 5 trường hợp có thể xảy ra khi áp dụng hệ số local Morans’s I, bao gồm tất cả
các quan sát: (1) Không có sự tương quan không gian, (2) có tương quan cao – cao(H-H),
(3) tự tương quan thấp - thấp (L-L), (4) tự tương quan cao - thấp (H-L), và (5) tự tương
quan thấp – cao (L-H).
Biểu đồ phân tán Moran’s I biểu diển mối quan hệ giữa các biến quan sát, được
chia thành 4 góc phần tư như sau:
Góc phần tư thứ nhất H-H: Các quan sát có giá trị cao được bao bọc bởi các quan
sát có giá trị cao khác. Các giá trị phân tán trong khu vực này tương ứng với hệ số Moran’s
I > 0. (Tương ứng với giá trị thống kê G* > 0).
Góc phần tư thứ hai L-H: Các quan sát có giá trị thấp được bao bọc bởi các quan
sát có giá trị cao khác. Các giá trị phân tán trong khu vực này tương ứng với hệ số Moran’s
I<0
Góc phần tư thứ ba (L-L ): Các quan sát có giá trị thấp được bao bọc bởi các quan
sát có giá trị thấp khác. Các giá trị phân tán trong khu vực này tương ứng với hệ số
Moran’s I > 0. (Tương ứng với giá trị thống kê G* < 0).
Góc phần tư thứ tư (H-L): Các quan sát có giá trị cao được bao bọc bởi các quan sát
có giá trị thấp khác. Các giá trị phân tán trong khu vực này tương ứng với hệ số Moran’s
I<0.
Khi hệ số Moran’I > 0, có ý nghĩa thống kê sẽ được thể hiện bằng đường thẳng trên
đồ thị phân tán với hệ số góc dương nghĩa là đi qua góc phần tư H-H và L-L, ngược lại nếu
hệ số Moran’s I < 0 sẽ được thể hiện bằng đường thẳng trên đồ thị phân tán có hệ số góc
âm tương ứng đường thẳng đi qua góc phần tư L-H và H-L.
3.2 Ma trận trọng số không gian
Ma trận trọng số không gian có vai trò quan trọng trong phân tích kinh tế
lượng không gian, là kết hợp được sự phụ thuộc không gian vào mô hình nghiên
cứu.
Gọi n là số đơn vị không gian. Ma trận trọng số không gian, ký hiệu W, là
ma trận cấp (n × n) đối xứng, dương với phần tử tại vị trí i, j là w ij . Giá trị w ij hoặc
trọng số cho từng cặp vị trí i,j xác định mối tương quan giữa hai địa phương i,j. Và
quy ước rằng các phần tử nằm tên đường chéo chính của ma trận trọng số bằng 0,
tức là w ij =0.
 w11 w12 w1n 

 
w w22 w2 n 
Ký hiệu: W   21
 
 
 wn1 wn 2 wnn 
151
Trong nghiên cứu thực nghiệm ma trận trọng số không gian được xây dựng thường
dựa trên khoảng cách địa lý hoặc sự tiếp giáp giữa các địa phương. Có thể nêu ra một số
dạng ma trận trọng số sau:
(1) Ma trận trọng số không gian tiếp giáp bậc nhất: Coughlin và Segev (2000) cho
rằng, một địa phương i có chung đường biên với địa phương j (i≠j) gọi là có
tương quan không gian với nhau. Lúc đó, mỗi phần tử của ma trận trọng số
không gian định bởi :
wij  10 i,j chung duong bien

i,j khong chung duong bien
(2) Ma trận trọng số không gian dựa trên khoảng cách: gọi d là khoảng cách
ngưỡng (Anselin, 1988), d_ij là khoảng cách giữa hai địa phương i, j. Thì mỗi
phần tử của W định bởi :
1, 0  dii  d
wij  
 0, d  dij
(3) Ma trận trọng số không gian dựa trên khoảng cách nghịch đảo: mỗi phần tử của
W định bởi:
 1
  , i j
wij   dij
 0, i  j

Với   1 hoặc   2
Trong thực nghiệm thường sử dụng ma trận trọng số không gian được chuẩn hóa
theo dòng (Anselin, 1998), tức là mỗi phần tử của ma trận chuẩn hóa theo dòng có dạng:
wij
wijs 
 j
wij
Giá trị của các phần tử của ma trận luôn nằm trong khoảng [0,1] và tổng của mỗi
dòng ma trận chuẩn hóa theo dòng bằng 1.
3.3. Các mô hình kinh tế lượng không gian với dữ liệu bảng
Việc phân tích dữ liệu bảng trong các mô hình kinh tế lượng không gian của các
nhà nghiên cứu đang phát triển mạnh về mặt phương pháp luận. Đóng góp gần đây có thể
nêu ra một số nghiên cứu điểm hình như Baltagi và cộng sự (2003), Elhorst (2003),
(Anselin và cộng sự, 2004), (Kapoor và cộng sự, 2007), (Baltagi và Liu, 2008). Trong đó,
152
Elhorst (2003) đã đưa ra phân tích và đánh giá về các vấn đề phát sinh trong việc ước
lượng các mô hình kinh tế lượng không gian với dữ liệu bảng. Trong nghiên cứu ứng dụng
được mở rộng cần xem xét về tương quan sai số không gian hoặc biến phụ thuộc với độ trễ
không gian bao gồm: mô hình hiệu ứng cố định, mô hình hiệu ứng ngẫu nhiên, mô hình hệ
số cố định và mô hình hệ số ngẫu nhiên. Hiện nay có nhiều mô hình kinh tế lượng không
gian được sử dụng, theo Elhorst (2003), Chou và cộng sự (2015), các mô hình cơ bản được
sử dụng để ước lượng với dữ liệu bảng không gian là: mô hình độ trễ không gian (SLM-
Spatial Lag Model), mô hình sai số không gian (SEM- Spatial Error Model) và mô hình
Durbin không gian (SDM - Spatial Durbin Model). Tuy nhiên, theo Vega và Elhorst (2015)
những mô hình này là trường hợp đặc biệt của mô hình không gian tổng quát (GNS-
General Nesting Spatial), đây là mô hình cho tất cả các loại hiệu ứng tương quan không
gian. Mô hình (GNS) dữ liệu bảng tổng quát có dạng như sau:
Y   lN  WY  X   WX      u
(GNS)
u  Wu  
- Khi:   0 , thì (GNS ) trở thành mô hình (SAC) hay (SARAR) (Anselin, 1988);
Cliff & Ord, 1981)
Y   lN  WY  X      u
(SAC)
u  Wu  
- Khi   0 , thì (GNS) trở thành :
(SDM) Y   lN  WY  X   WX      
- Khi   0 , thì (SDM) trở thành :
(SLM) Y   lN  WY  X   
- Khi     0 , thì được mô hình (SEM) được đề xuất bởi (Cliff & Ord, 1973;
Anselin, 1988; Elhorst, 2003):
Y   lN  X   u
(SEM) u  Wu  
(        )
Trong đó:
Y là vec tơ biến phụ thuộc (Nx1) tại khu vực i (i=1,…, N); chỉ số thời gian t=1,…,T
X là ma trận (NxK) gồm các biến giải thích, K là số biến giải thích.
 là tham số tự tương quan không gian tương ứng với biến trễ không gian WY.
( WY ) tương tác nội sinh
W là ma trận trọng số cấp (NxN), mô tả mối liên hệ không gian giữa các đơn vị.
153
 chỉ hiệu ứng tương tác ngoại sinh của các khu vực lân cận của biến giải thích
WX.
(WX  ) tương tác ngoại sinh
 là tham số chưa biết của các biến độc lập và là ma trận (Kx1).
 chỉ sự phụ thuộc không gian của các khu vực lân cận của các số hạng sai số.
(λWu) tương tác thông qua sai số
 ký hiệu vec tơ sai số có phân phối chuẩn, trung bình bằng 0 và độ lệch chuẩn 
, là các hiệu ứng không gian và thời gian
3.4 . Tác động trực tiếp, tác động gián tiếp và tổng tác động
Có một số mô hình cho các tác động như: Tác động trực tiếp, tác động gián tiếp
và tổng tác động. Theo Elhorst (2010) đưa ra yếu tố các tác động tổng quát như sau: Từ
phương trình mô hình Durbin được viết lại:
y  ( I  W )1 ( lN  X   WX  )  ( I  W ) 1
Lấy đạo hàm riêng phần của các giá trị kỳ vọng của y theo k biến giải thích của X,
với các quan sát 1, …, N được viết như sau :
 k W12 k W1n k 
 W2 n k 
 E ( y ) E ( y )  1 W21 k k

    I  W   
 x1k xNk 
 
Wn1 k Wn 2 k k 
Các phần tử nằm trên đường chéo chính của ma trận trên là các tác động trực tiếp,
và tác động gián tiếp là các dòng hoăc các cột (ngoại trừ đường chéo chính). Theo LeSage
và Pace (2009), Vega và Elhorst (2015), lưu ý rằng sự hiện diện của ma trận trọng số
không gian làm cho các hiệu ứng biên trở nên phong phú và phức tạp hơn so với mô hình
ước lượng OLS truyền thống.
Trong các mô hình ước lượng bằng OLS và (SEM) tác động trực tiếp của một biến
giải thích thứ k bằng với hệ số ước lượng biến giải thích thứ k là , tác động gián tiếp bằng
0. Trong (SDM), (GNS) tác động trực tiếp là các phần tử trên đường chéo của
( I  W )1 ( k  W k ) ,tác động gián tiếp gồm các phần tử nằm ngoài đường chéo của
( I  W )1 ( k  W k ) . Để tính giá trị trên, hệ số nhân không gian được đề xuất một cách
tính:
 I  W 
1
 I  W   2W 2   3W 3 
154
Tác động trực tiếp và tác động gián tiếp sẽ bao gồm cả tác động phản hồi
(Feedback Effect) đến từ các đơn vị không gian lân cận. Tác động trực tiếp là tác động của
biến giải thích từ quan sát i lên biến phụ thuộc của quan sát thứ i. Tác động gián tiếp là tác
động của biến giải thích từ các quan sát lân cận khác quan sát thứ i lên biến phụ thuộc của
quan sát i. Tổng tác động bao gồm tác đông trực tiếp và tác động gián tiếp.
3.5 Kiểm định lựa chọn mô hình kinh tế lượng không gian
Do sự tồn tại của mối tương quan không gian trong các biến của mô hình, phương
pháp bình phương nhỏ nhất OLS ước lượng tham số có thể dẫn đến tính chệch và không
nhất quán của các tham số ước lượng (Anselin, 1988). Do đó, ML (maximum likelihood)
đã được phát triển sử dụng trong các mô hình kinh tế lượng không gian bởi (Anselin,
1988).
Đối với việc lựa chọn mô hình kinh tế lượng không gian, nhiều tài liệu về kinh tế
lượng không gian gợi ý hai cách tiếp cận riêng biệt, tức là cách tiếp cận cụ thể đến tổng
quát hoặc phương pháp tổng quát đến cụ thể (Florax và cộng sự, 2006), (Mur và cộng sự,
2009). Theo Elhorst (2014) đề xuất quy trình kiểm định hỗn hợp cả hai cách tiếp cận.
Trước tiên, mô hình phi không gian được ước lượng để kiểm định xem liệu mô hình phi
không gian hoặc là mô hình kinh tế lượng không gian (SLM hoặc SEM) là phù hợp , bằng
cách sử dụng kiểm định LM (Lagrange Multiplier) trên dữ liệu (cách tiếp cận cụ thể đến
tổng quát). Trong trường hợp mô hình phi không gian bị bác bỏ, SDM được ước lượng để
kiểm định xem nó có thể đơn giản hóa thành SLM hoặc SEM (phương pháp tổng quát đến
cụ thể). Để thực hiện điều này, thì các giả thiết cần kiểm định là H 0 :   0 và
H 0 :     0 . Các phương pháp kiểm định thường được sử dụng là kiểm định LR
(Likelihood Ratio) hoặc kiểm định Wald. Nếu cả hai giả thiết trên đều bị bác bỏ thì SDM
là phù hợp với dữ liệu hơn. Ngoài ra sử dụng kiểm định LR để kiểm tra các hiệu ứng
không gian H 0 : i  0 và các hiệu ứng thời gian H 0 : t  0 . Đối với các mô hình dữ liệu
bảng, nó có thể là mô hình hiệu ứng cố định hoặc mô hình hiệu ứng ngẫu nhiên, sử dụng
kiểm định Hausman để chọn mô hình thích hợp.
4. KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM
4.1. Các biến và dữ liệu
Biến log(gdp) : logarit của gdp , gdp của mỗi tỉnh/thành của Việt Nam . Để xem xét
các thành phần khác ảnh hưởng đến gdp và log (gdp) là biến phụ thuộc.
Biến độc lập:
log(doanhthu) : với doanhthu là ký hiệu của doanh thu du lịch lữ hành theo
giá hàng hóa của các tỉnh/thành của Việt Nam.
log(lchk) : với lchk là biến dại diện cho số lượng luân chuyển hành khách theo
từng địa phương.
log(luongkhach) : với luongkhach là biến đại diện số lượng khách du lịch tại
mỗi địa phương.
Dữ liệu sử dụng trong mô hình của bài viết này được trích xuất từ Niên giám
thống kê của các tỉnh/thành do Tổng cục Thống kê Việt Nam công bố từ năm 2013 đến
năm 2017.
155
4.2 Thống kê mô tả các biến

Bảng 1. Thống kê mô tả các biến trong dữ liệu
lngdp lndoanhthu lnluongkhach lnlchk
Mean 10.759 2.892 9,041 6.835
Median 10.677 2.907 9.002 6.828
Maximum 13.968 9.875 13.527 9.924
Minimum 8.753 -2.303 5.930 3.190

Số quansát 315 315 315 315
4.3 Kiểm định tương quan không gian
Hệ số Moran’s I của biến phụ thuộc log(gdp) –Thống kê local Moran .

Kiểm định hệ số Moran’s I toàn cầu của biến phụ thuộc log(gdp) được kết quả ở
Bảng 2 như sau:
Bảng 2. Kết quả kiểm định Moran’s I của log(gdp) từ 2013-2017
Năm Moran’s I p-value
2013 0.223668089 0.003004
2014 0.252957750 0.001032
2015 0.284302206 0.000295
2016 0.407660122 6.676e-07

2017 0.410803443 5.659e-07
Kết quả ở Bảng 2 cho thấy các hệ số moran’s I dương và có ý nghĩa thống kê ở
mức 1%, tức là có tương quan không gian cao giữa các đơn vị tỉnh/thành Việt Nam. Tuy
nhiên kết quả này chưa cho biết dơn vị nào nằm trong cum không gian có giá trị cao hoặc
nằm trong cụm giá trị thấp. Điều này có thể thực bằng cách xem xét chỉ số local Moran G*
của biến log(gdp) của các tỉnh/thành.
Đồ thị phân tán của Moran của GDP các tỉnh/thành từ 2013 đến 2017:
156
Moran’s I = 0.223668089, (63 tinh) Moran’s I =0.252957750 , (63 tinh)
2
2
1
1
laggedGDP2014
laggedGDP2013
0
0
-1
-1
Moran’s
Moran’sI =0.284302206 , (63(63
I = 0.407660122, tinh)
tinh)
-2
-2
2
2
-2 -1 0 1 2 -2 -1 0 1 2
GDP2013 GDP2014
1
1
laggedGDP2015
laggedGDP2016
0
0
Moran’s I = 0.410803443 , (63 tinh)
-1
-1
-2
-2
2
1
-2 -2 -1 -1 0 0 1 1 2 2
laggedGDP2017
GDP2015
GDP2016
0
-1
-2
-2 -1 0 1 2
GDP2017
Hình 1. Đồ thị phân tán Moran’s I của log(gdp) từ 2013-2017
Với kết quả tính toán chỉ số Moran theo vị trí của từng tỉnh, tất cả các tỉnh đều
được biểu thị trong bốn góc phần tư khác nhau, và các tỉnh có thể được phân thành các
loại: cao-cao (H-H) , thấp-cao (L-H), thấp-thấp (L-L) và cao-thấp (H-L), tương ứng với
góc phần tư thứ nhất, thứ hai, thứ ba và thứ tư trong biểu đồ phân tán tương ứng.
Trong bài viết này chỉ nêu ra các đơn vị thuộc cụm giá trị cao (hot spots), và cụm
giá trị thấp (cold spots) theo từng năm:
Cụm giá trị cao: bao gồm các địa phương
2013 : Hà Nội, Bắc Ninh, Hải Dương, Hải Phòng, Hưng Yên, Bắc Giang, Tây
Ninh, Bình Dương, Đồng Nai, Bà Rịa-Vũng Tàu, TP.HCM, Long An.
2015 : Hà Nội, Vỉnh Phúc, Bắc Ninh, Hải Dương, Hải Phòng, Hưng Yên, Bắc
Giang, Tây Ninh, Bình Dương, Đồng Nai, Bà Rịa-Vũng Tàu, TP.HCM, Long An.
157
Cụm giá trị thấp: bao gồm các địa phương
2013 : Hà Giang, Cao Bằng, Bắc Kạn, Tuyên Quang, Lào Cai, Yên Bái, Lạng Sơn,
Điện Biên, Lai Châu, Sơn La.
2014 : Hà Giang, Cao Bằng, Bắc Kạn, Tuyên Quang, Lào Cai, Yên Bái, Lạng Sơn,
Điện Biên, Lai Châu, Sơn La.
2015 : Hà Giang, Cao Bằng, Bắc Kạn, Tuyên Quang, Lào Cai, Yên Bái, Điện Biên,
Lai Châu, Sơn La.
Lai Châu, Sơn La, Sóc Trăng.
Lai Châu, Sơn La, Sóc Trăng.
4.4. Kiểm định lựa chọn mô hình không gian hay phi không gian
Mô hình phi không gian xác định

ln gdpit  1 ln doanhthuit   2 ln luongkhachit  3 ln lchkit  i  t   it
Bảng 3. Kết quả ước lượng các mô hình không có tác động không gian
PooledOLS Spatial FE Time-period Two-ways

FE FE
lndoanhthu 0.088268*** 0.060819* 0.079457 *** 0.050032*

(3.67) (2.22) (3.41) (1.89
)
lnluongkhach 0.134476*** 0.171059*** 0.113451** 0.147387***

(3.79) (4.21) (3.15) (3.55
)
lnlchk 0.343984*** 0.349703*** 0.381938*** 0.390465***

(6.79) (6.24) (6.84) (6.23)
Hệ số chặn 6.936940
R2 0.54081 0.55952 0.50334 0.56114
LogL - - - -
158
307.5528 283.7752 295.5834 253.8386
LM spatial lag 28.764*** 32.408*** 13.641*** 18.934***
LM spatial error 14.373*** 17.041*** 2.1598 3.7322*
robust LM spatial lag 15.359*** 15.961*** 20.559*** 24.647***
robust LM spatial error 0.96776 0.59475 9.0782*** 9.4444***
kiểm định Hausman 14.203, p-value = 0.002642
Các kiểm định

Kiểm định LR về hiệu ứng cố định không gian có thống kê kiểm định LR là
83.4896, p-value =0.0196, và kiểm định LR về hiệu ứng cố định thời gian có thống kê
kiểm định là 59.8732, p-value=0.000. Hai kết quả này cho thấy cả hiệu ứng cố định không
gian và hiệu ứng cố định thời gian đều có ý nghĩa thống kê.
Kiểm định LM được sử dụng để xác định xem mô hình kinh tế lượng không gian
hay mô hình ước lượng OLS truyền thống là phù hợp.
Kết quả kiểm định LM cho SLM có thống kê kiểm định LM = 18.934 p-value =
1.353e-05, và kiểm định robust LM có thống kê kiểm định là 24.647, p-value = 6.886e-07.
Đối với SEM có thống kê kiểm định LM = 3.7332, p-value = 0.05337, và kiểm định robust
LM có thống kê kiểm định là 9.4444, p-value = 0.002118 cho thấy rằng SLM, SEM phù
hợp. Do đó mô hình không gian phù hợp hơn mô hình phi không gian. Ngoài ra kiểm định
Hausman có p-value = 0.002642 < 0.01 điều này chỉ ra rằng mô hình các tác động cố định
là phù hợp.
5. MÔ HÌNH KINH TẾ LƯỢNG KHÔNG GIAN
5.1. Lựa chọn mô hình kinh tế lượng không gian
Để xem xét SDM có thể được đơn giản hóa thành SLM hoặc SEM hay không.
Thông thường xem xét các mô hình sau.
Mô hình Durbin không gian như sau:
ln( gdp)it  W ln( gdp)it  1 ln(doanhthu )it   2 ln(luongkhach)it  3 ln(lchk )it
 1W ln(doanhthu )it   2W ln(luongkhach)it  3 ln(lchk )it  i  t   it
Mô hình độ trễ không gian (SLM):
ln( gdp)it  W ln( gdp)it  1 ln(doanhthu )it   2 ln(luongkhach)it  3 ln(lchk )it   it
Mô hình sai số không gian (SEM):

ln( gdp)it  1 ln(doanhthu)it   2 ln(luongkhach)it  3 ln(lchk )it  uit
uit  Wuit   it
Bảng 4. Kết quả ước lượng các mô hình không gian như sau:
159
SEM SLM SDM

lndoanh
0.038461* 0.021405 0.034474
thu
(-1.68) (-1.09) (-1.47)
lnluongk
0.080475** 0.101670*** 0.077540**
hach
(-2.32) (-3.32) (-2.22)
lnlchk 0.384582*** 0.263482*** 0.352581***

(-6.52) (-5.42) (-5.64)
W.lndoa
-0.03247
nhthu
(-0.92)
W.lnluo
0.039852
ngkhach
(-0.76)
W.lnlchk -0.186066**
(-2.13)

0.613972***

0.494791*** 0.574236***
loglik -
673.3729 -677.1375 -652,1564
Kiểm định lựa chọn mô hình không gian phù hợp với dữ liệu:
Các giả thiết cần kiểm định H 0 :   0 và H 0 :     0 để xem xét SDM liệu có
thể được đơn giản hóa thành SLM hoặc SEM hay không? Theo kết quả trên:
Thống kê kiểm định LR = 42,433, p-value = 7.314538e-11 < 0.01 cho SEM, và
thống kê kiểm định LR = 49.9622, p-value = 1.567413e-12 < 0.01 cho SLM. Do đó cả hai
giả thiết đều bị bác bỏ, vậy SDM là phù hợp với dữ liệu.
5.2 Các tác động từ SDM
Bảng 5. Kết quả các tác động

Tổng tác
Trực tiếp Gián Tiếp động
lndoanhthu 0.03867863 0.04229061 0.08096924
lnluongkhach 0.08699787 0.09512213 0.18212001
lnlchk 0.39558633 0.43252799 0.82811432
W.lndoanhthu -0.03643030 -0.03983232 -0.07626262
W.lnluongkhach 0.04471253 0.04888799 0.09360051
160
W.lnglchk -0.20876110 -0.22825617 -0.43701727
5.3. Kết quả
Thông qua tác động trực tiếp, gián tiếp và tổng tác động, mức độ tăng trưởng gdp ở
các tỉnh/thành của Việt Nam không chỉ phụ thuộc vào yếu tố từ chính địa phương đó mà
còn phụ thuộc vào những địa phương lân cận.
(1) Tác động trực tiếp: xem các yếu tố từ mỗi địa phương sẽ tác động như thế nào
đến mức độ tăng trưởng gdp của chính nó. Mức độ tăng trưởng gdp của một địa phương sẽ
phụ thuộc vào các yếu tố của ngành du lịch của địa phương đó. Một địa phương có hoạt
động du lịch cao, sẽ có nhiều khả năng hỗ trợ cho việc tăng trưởng gdp mang lại nhiều lợi
nhuận hơn cho địa phương. Cụ thể, trong điều kiện các yếu tố khác không đổi khi lượng
khách của tỉnh /thành tăng lên 1% thì tác động trực tiếp đến quy mô tăng trưởng của tỉnh
tăng 0,09%, nhưng do tác động phản hồi của mức tác động này, nên tác động trực tiếp của
lượng khách đến gdp trong tỉnh chỉ tăng trung bình 0, 08%. Tương tự khi khối lượng luân
chuyển hành khách của các địa phương tăng 1% thì quy mô gdp trong tỉnh tăng trung bình
khoảng 0.40% khi các yếu tố khác không đổi. Yếu tố về doanh thu hoạt động du lịch của
tỉnh không có ý nghĩa thống kê, có thể do dữ liệu hoặc ma trận trọng số không gian chưa
phù hợp.
(2) Tác đông gián tiếp
Tác động gián tiếp có thể được xem như tác động của một yếu tố của các địa
phương lân cận lên quy mô tăng trưởng gdp một địa phương cụ thể. Nghĩa là lượng khách
và khối lượng luân chuyển hành khách của các địa phương lân cận có tác động dương lên
quy mô tăng trưởng gdp của một địa phương cụ thể.
Cụ thể, với các yêu tố khác không đổi khi lượng khách của các tỉnh lân cận tăng lên
1% thì tác động gián tiếp đến quy mô tăng trưởng gdp của địa phương cụ thể tăng khoảng
0,042%.
Tương tự với các yếu tố khác không đổi khi khối lượng luân chuyển hành khách
của các tỉnh lân cận tăng 1% thì tác động gián tiếp đến quy mô tăng trưởng gdp của địa
phương cụ thể tăng khoảng 0,433%.
(3) Tổng tác động :
Tổng tác động là tổng của tác động trực tiếp và tác động gián tiếp. Tổng tác động
được hiểu như sự thay đổi một yếu tố nào đó trong một địa phương sẽ tác động lên việc
tăng trưởng gdp của chính địa phương đó và những địa phương lân cận.
6. KẾT LUẬN VÀ KIẾN NGHỊ
Mặc dù đã có rất nhiều nghiên cứu trong và ngoài nước về quy mô tăng trưởng gdp
Việt Nam nói chung và của các tỉnh/thành của Việt Nam nói riêng, nhưng vẫn chưa có
nghiên cứu nào (hoặc người viết chưa phát hiện) tại Việt Nam xem xét sự tương quan
không gian về tăng trưởng gdp giữa các tỉnh/thành. Bài viết đã cung cấp thêm một hướng
nghiên cứu mới về tăng trưởng gdp của các tỉnh/thành tại Việt Nam thông qua mô hình hồi
quy không gian. Kết quả nghiên cứu là một bằng chứng thực nghiệm cho thấy có sự tương
quan giữa các tỉnh gần nhau của mức độ tăng trưởng gdp, các địa phương gần nhau có
tương tác không gian nhiều hơn các địa phương ở xa về mặt địa lý. Kết quả nghiên cứu
161
cũng cho thấy: lượng khách, khối lượng luân chuyển hành khách có sự tương tác về mặt
không gian giữa các tỉnh/thành lân cận. Chính vì vậy, các địa phương lân cận về mặt địa lý
cần có các chính sách liên kết với nhau thành vùng trong việc đẩy mạnh các hoạt động của
địa phương nhằm thúc đẩy tăng trưởng gdp.
Về mặt hạn chế của đề tài:
 Trong bài viết này chỉ đưa vào mô hình nghiên cứu một loại ma trận trọng số không
gian là ma trận tiếp giáp bậc một, do đó để có kết quả phùó thể phù hợp hơn cần sự so sánh
mô hình hồi quy với nhiều loại ma trận trọng số không gian khác nhau nhằm chọn lựa
được ma trận trọng số không gian phù hợp nhất với dữ liệu.
 Đề tài chỉ đưa vào mô hình chỉ có 3 biến độc lập, trong các nghiên cứu tiếp theo có
thể xem xét các yếu tố khác có thể tác động đến mức độ tăng trưởng gdp của địa phương
như: dân số, cơ sở hạ tầng, chất lượng sản phẩm du lịch, …. và cần được đưa vào mô hình
phân tích và kiểm định.
Anselin, L., Florax, R.J.G.M., & Rey, S.J. (2004). Advances in Spatial
Econometrics. Methodology, Tools and Applications. Springer Verlag, Berlin.
Anselin L. (1988). Spatial econometrics: Methods and models. Dordrecht; Boston:

Kluwer Academic Publishers.
Apergis, N., & Payne (2012). Tourism and growth in the Caribbean — evidence
froma panel error correction model. Tourism Economics, 18(4), 449–456.
Archer, B. (1995). Importance of tourism for the economy of Bermuda. Annals of

Tourism Research, 22(4), 918–930
Balaguer, J., & Cantavella-Jordà, M. (2002). Tourism as a long-run economic

growth factor: The Spanish case. Applied Economics, 34, 877–884
Baltagi, B., Song, S.H., & Koh, W. (2003). Testing panel data regression models
with spatial error correlation. Journal of Econometrics, 117(1), 123–150.
Baltagi, B.H., & Liu, L. (2008). Testing for Random Effects and Spatial Lag
Dependence in Panel Data Models. Statistics and Probability Letters, 78, 3304–3306.
Belisle, F., & Hoy, D. (1980). The perceived impact of tourism by residents.
Annals of Tourism Research, 8, 83–97
Brau, R., Lanza, A., & Pigliaru, F. (2007). How fast are small tourism countries
growing? Evidence from the data for 1980–2003. Tourism Economics, 13(4), 603–613.
Brida, J.G., Punzo, L.F., & Risso, W.A. (2011). Tourism as a factor of growth: The
case of Brazil. Tourism Economics, 17(6), 1375–1386.
162
Caglayan, E., Sak, N., & Karymshakov, K. (2012). Relationship between tourism
and economic growth: A panel Granger causality approach. Asian economic and Financial
review, 2(5), 591–602
Coughlin, C.C., & Segev, E. (2000). Foreign direct investment in China: a spatial
econometric study. The World Economy, 23, 1-23.
Cortés-Jiménez, I., Nowak, J., & Sahli, M. (2011). Mass beach tourism and
economic growth: Lessons from Tunisia. Tourism Economics, 17(3), 531–547.
Cortés-Jiménez, I. (2010). Which type of tourism matters to the regional economic

growth ? The cases of Spain and Italy. International Journal of Tourism Research, 10, 12–
139.
Chou, K.H., Chen, C.H., & Mai, C.C (2015). Factors Influencing China’s Exports
with a Spatial Econometric Model. The International Trade Journal, 29(3), 191–211.
Cliff, A.D. & Ord, J.K. (1981). Spatial processes: Models and applications. Pion
Limited, London.
Davis, D., Allen, J., & Consenza, R. M. (1988). Segmenting local residents by their
attitudes, interests, and opinions toward tourism. Journal of Travel Research, 27(2), 2–8.
Eeckels, B., Filis, G., & León, C. (2012). Tourism income and economic growth in
Greece empirical evidence from their cyclical components. Tourism Economics, 18(4),
817–834.
Ekanayake, E.M., & Long, A.E. (2012). Tourism development and economic
growh developing countries. The International Journal of Business and Finance Research,
6(1), 61-63
Elhorst, J.P. (2003). Specification and Estimation of Spatial Panel Data Models.
International Regional Science Review, 26(3), 244–268.
Elhorst, J.P. (2014), Spatial panel data models, in: Spatial Econometrics, Springer,
pp. 37-93.
Figini, P., & Vici, L. (2010). Tourism and growth in a cross-section of countries.
Tourism Economics, 16(4), 789–805.
Florax, R.J., Folmer, H., & Rey, S.J. (2006). A comment on specification searches
in spatial econometrics: The relevance of Hendry's methodology: a reply. Regional
Science and Urban Economics, 36 300-308.
Getis, A., & Ord, J.K. (1992). The analysis of spatial association by use of distance
statistics, Geographical Analysis, 24, 189-206.
Hye, Q. M. A., & Khan, R. (2013). Tourism-Led Growth Hypothesis: A Case

Study of Pakistan Asia Pacific. Journal of Tourism Research, 18(4), 303–313.
163
Ivanov, S., & Webster, C. (2017). Measuring the impact of tourism on economic
growth. Proceedings of GEOTOUR 2006 Conference, 7-8 October 2006, Kosice, Slovakia,
21-30.
Kum, H., Aslan, A., & Gungor, M. (2015). Tourism and Economic Growth: The
Case of Next 11 Countries. International Journal of Economics and Financial Issues, 5(4),
1075-1081.
Lanza, A., & Pigliaru, F. (2000). Tourism and economic growth: Does country's
size matter? Rivista Internazionale di Scienze Economiche e Commerciali, 47, 77- 85.
LeSage, J., & Pace, R.K. (2009). Introduction to Spatial Econometrics. CRC Press,
Chapman and Hall Book.
Massidda, C., & Mattana, P. (2013). A SVECM analysis of the relationship

between international tourism arrivals, GDP and trade in Italy. Journal of Travel Research,
52(1), 93–105
Moran, P. A. P. (1950). Notes on Continuous Stochastic Phenomena. Biometrika,

37(1), 17–23.
Mur, J., & Angulo, A. (2009). Model selection strategies in a spatial setting: Some
additional results. Regional Science and Urban Economics, 39, 200-213.
Nissan, E., Galindo, M. A., & Mendez, M. T. (2011). Relationship between tourism
and economic growth. The Servic Industries Journal, 31(19), 1567–157.
Ord, J.K., & Getis, A. (1995), Local spatial autocorrelation statistics: distributional
issues and anapplication, Geographical analysis, 27, 286-306.
Payne, J. E., & Mervar, A. (2010). The tourism–growth nexus in Croatia. Tourism
Economics, 16(4), 1089–1094.
Po, W-C., & Huang, B-N. (2008). Tourism development and economic growth, a
nonlinear approach. Phisica A, 387, 5535–5542.
Singh, D.R. (2008). Small island developing states (SIDS). Tourism and economic
development. Tourism Analysis, 13, 629–636.
Vega, S.H., & Elhorst, J.P. (2015). The SLX Model. Journal of Regional Science,
55(3), 339–363.
164
HƯỚNG DẪN CÁCH XÂY DỰNG MÔ HÌNH HỒI QUI DÀNH CHO
SINH VIÊN MỚI LÀM QUEN VỚI NHẬP MÔN KINH TẾ LƯỢNG
Ngô Thị Tường Nam
Tác giả liên hệ: Email: tuongnam@ueh.edu.vn | Điện thoại:0928369633
Tóm tắt
Bài viết này là dành cho các sinh viên đã học qua Nhập môn Kinh tế lượng, muốn giúp các em
hiểu trình tự xây dựng một mô hình hồi qui và giúp các em biết cách vận dụng kiểm định F khi
muốn kiểm định các biến có ý nghĩa đồng thời.
165
1. GIỚI THIỆU
Khi tôi bắt tay vào viết những dòng này là lúc tôi đã và đang nghĩ tới các em sinh
viên mới bắt đầu học Kinh tế lượng với dữ liệu chéo. Những suy nghĩ nảy sinh khi tôi đọc
các bài tập nhóm của các em. Các em đã chạy một mô hình hồi theo trình tự những gì mà
các thầy cô đã dạy cho các em trong giáo trình: đưa ra mô hình, thu thập dữ liệu, tiến hành
hồi quy, nêu ý nghĩa kinh tế, kiểm định ý nghĩa các biến, …Sau đó mới kiểm định phương
sai thay đổi, kiểm định phân phối chuẩn của u và kiểm định sai dạng hàm,… Đặc biệt trong
đó các em kiểm định các biến có ý nghĩa đồng thời một cách rất máy móc mà hình như
chưa hiểu là khi nào mới cần các kiểm định này.
Theo tôi, thứ nhất, trình tự xây dựng một mô hình không hẳn là như vậy. Và thứ
hai là “Khi nào thì cần kiểm định các biến có ý nghĩa đồng thời?” là điều các em phải
biết để vận dụng chứ không nhất thiết là bài nào cũng phải có các kiểm định này. Đó là hai
ý chính mà tôi muốn chia sẻ theo quan điểm của mình.
2. TRÌNH TỰ CHI TIẾT XÂY DỰNG MỘT MÔ HÌNH HỒI QUY
Trước khi đi vào chi tiết, tôi muốn tin chắc rằng các em đã nhớ một số khái niệm
cơ bản: thế nào là hàm hồi quy tổng thể, hàm hồi quy mẫu, u, û , các ước lượng OLS,
Var(), Se(), SSR, SST, SSE…
Chúng ta cần nhớ rằng trước khi tiến hành hồi quy cũng như tiến hành các kiểm
định t và F, người ta đã đặt ra một loạt các giả thuyết. Cụ thể là 6 giả thiết sau:
 Giả thiết 1: Hàm hồi quy phải tuyến tính (theo tham số).
Mô hình hồi quy tổng thể có thể viết dưới dạng:
yi   0  1 x1i   2 x2i  ...   k xki  ui
Với y : biến phụ thuộc,
x1, x2, …,xk : các biến độc lập hay các biến giải thích,
β0, β1, …, βk : các tham số chưa biết,
u : sai số ngẫu nhiên,
i: chỉ số quan sát.
 Giả thiết 2: Chọn mẫu ngẫu nhiên. Mẫu là ngẫu nhiên gồm n quan sát tuân theo mô
hình tổng thể trong giả thiết 1.
 Giả thiết 3: Không có cộng tuyến hoàn hảo giữa các biến giải thích.
 Giả thiết 4: Kỳ vọng có điều kiện của sai số ngẫu nhiên bằng 0:
E(ui| Xi) = 0 với Xi=( x1i, x2i, …,xki)

166
 Giả thiết 5: Phương sai thuần nhất Var(ui|Xi) = σ2
 Giả thiết 6: u có phân phối chuẩn N(0, σ2) và u độc lập với các biến giải thích.
Mỗi giả thiết có một công dụng của riêng nó, góp phần tạo ra các ước lượng có tính
chất mong muốn và từ đó có thể tiến hành các suy diễn thống kê. Theo giáo trình Nhập
môn Kinh Tế Lượng- cách tiếp cận hiện đại (Jeffrey M. Wooldrige), ta có các định lý sau:
Định lý 1: Nếu các giả thiết từ 1 đến 4 thỏa mãn thì các ước lượng OLS là các ước
 
lượng không chệch, nghĩa là : E ˆ   j  0,1,...k
j j
Trong đó ˆ j là ước lượng của  j nhờ phương pháp bình phương bé nhất (OLS) nên
có tên gọi là ước lượng OLS.
Định lý 2: Nếu các giả thiết từ 1 đến 4 thỏa mãn thì các ước lượng OLS là các ước
lượng vững.
Định lý 3: Nếu các giả thiết từ 1 đến 5 thỏa mãn thì
2
Var ( ˆ j ) 
SST j 1  R 2j 
Và E ˆ 2    2
SST j   i 1  x ji  x j 
n 2
Trong đó:
R 2j là hệ số xác định của hồi quy xj theo các biến giải thích còn lại.
 uˆ 2
i
ˆ 2 là ước lượng của  2 và ˆ 2  i
n  k 1
Định lý 4: Nếu các giả thiết từ 1 đến 6 thỏa mãn thì
ˆ j   j
t ~ tn  k 1
 
se ˆ j
Và còn có thể chứng minh được:
( SSRr  SSRur ) / q
F ~ Fq ,n  k 1
SSRur / (n  k  1)
Với SSRur : là SSR của mô hình chưa gán ràng buộc.
SSRr : là SSR của mô hình được gán ràng buộc.
167
Các ràng buộc ở đây chính là các ràng buộc về các tham số ở giả thuyết H0 mà
chúng ta muốn kiểm định.
Rõ ràng một trong các giả thiết trên không thỏa mãn thì các kiểm định t, F mà
chúng ta đã học không còn hiệu lực nữa. Vì vậy, không thể tiến hành các suy diễn thống kê
khi mà dạng hàm chưa đúng (vi phạm giả thiết 4), sai số không phân phối chuẩn (vi phạm
giả thiết 6) hay mô hình bị phương sai thay đổi (vi phạm giả thiết 5),…Do đó, để hợp lý,
trình tự chi tiết chạy một mô hình hồi quy nên tiến hành như sau:
 Bước 1: Đưa ra vấn đề cần nghiên cứu. Xác định biến nào là biến phụ thuộc, biến
nào là biến độc lập (biến hồi quy).
 Bước 2: Thu thập dữ liệu. Để thỏa mãn giả thiết 2 thì dữ liệu phải ngẫu nhiên.
 Bước 3: Xác định mô hình hồi quy.
- Nếu vấn đề nghiên cứu đã được lý thuyết hóa thì nên dựa theo các lý
thuyết đó để lập mô hình.
- Nếu ngược lại thì chúng ta phải tự xác định mô hình hồi quy tuyến tính
(nhằm thỏa giả thiết 1) mà dạng đơn giản đầu tiên có thể nghĩ đến là
dạng ở đó các biến tuyến tính.
 Bước 4: Tiến hành hồi quy.
 Bước 5: Kiểm định sai dạng hàm (nhằm làm thỏa mãn giả thiết 4).
- Nếu dạng hàm đúng thì tiếp tục bước 6.
- Nếu dạng hàm sai thì chỉnh sửa dạng hàm. Ở đây chúng ta có thể
chuyển sạng dạng log hay lũy thừa bậc cao hơn của các biến hồi quy,…
cho đến khi thu được dạng hàm xác định đúng.
Để tránh rườm rà, việc chỉnh dạng hàm không nên trình bày trong bài
viết, chỉ đến khi có được dạng xác định đúng thì mới đưa vào kèm thêm
minh chứng kiểm định dạng hàm đúng.
Sau khi có được dạng hàm đúng thì sang bước 6.
 Bước 6: Kiểm định phân phối chuẩn của u nếu cỡ mẫu nhỏ, (Nếu cỡ mẫu lớn thì
không cần bước này vì chúng ta có thể suy luận theo tiệm cận chuẩn.)
- Nếu u có phân phối chuẩn thì sang bước 7.
- Nếu u không có phân phối chuẩn thì phải cố gắng thu thập thêm mẫu để
có mẫu lớn và do đó không cần phải thực hiện bước kiểm định này.
 Bước 7: Kiểm định phương sai thay đổi. Nếu phương sai của sai số ngẫu nhiên bị
thay đổi thì cần phải khắc phục hiện tượng này.
168
Rõ ràng, với trình tự thực hiện trên thì mô hình xây dựng được sau bước 7 thỏa các
giả thiết nên việc tiến hành các kiểm định t, F, suy diễn thống kê cho mô hình này ở
các bước sau đó sẽ đáng tin cậy theo lý thuyết.
 Bước 8: Kiểm định các biến có ý nghĩa thống kê hay không: kiểm định ý nghĩa
riêng lẻ, kiểm định ý nghĩa đồng thời. Từ đó phát hiện các biến thừa không cần
thiết và có thể loại bỏ khỏi mô hình.
Một câu hỏi đặt ra là khi loại bỏ các biến không có ý nghĩa đồng thời qua kiểm định
ở bước 8 thì liệu mô hình có bị thiếu biến hay không? Câu trả lời là: Theo trên, mô
hình ở bước 8 đã thỏa các giả thuyết, do đó các kiểm định t, F có hiệu lực. Nếu
chúng ta phối hợp kết quả kiểm định t và F như đề cập trong mục 2 tiếp theo thì có
khả năng chúng ta sẽ không mắc phải vấn đề này. Tuy nhiên, như đã biết, các kiểm
định vẫn có sai lầm, do đó để tin chắc, có thể quay lại bước 4 và kiểm định mô hình
có định dạng sai không.
 Bước 9: Dùng mô hình có được sau bước 8 để suy diễn thống kê cũng như tìm các
tác động của các biến độc lập lên biến phụ thuộc,...
Lưu ý là vẫn có thể nói được tác động của các biến độc lập lên biến phụ thuộc sau
bước 5 nếu không khắc phục được vấn đề ở bước 6 và 7 vì theo định lý đã nêu ở
trên, mô hình thỏa các giả thiết từ 1 đến 4 thì ước lượng có tính không chệch và
vững.
2. KHI NÀO NÊN TIẾN HÀNH KIỂM ĐỊNH CÁC BIẾN CÓ Ý NGHĨA ĐỒNG
THỜI
Khi đọc các bài viết về bài tập nhóm của các em, tôi nhận thấy các em thường tiến
hành kiểm định loại trừ một cách máy móc, tùy tiện. Chúng tôi có giảng về cách kiểm định
này nhưng các em vẫn chưa biết ứng dụng nó như thế nào là hợp lý.
Khi học môn Kinh tế lượng, chúng ta đều biết là thường dùng kiểm định t để xem
các biến có ý nghĩa riêng lẻ hay không và dùng kiểm định F khi kiểm định các biến có ý
nghĩa đồng thời hay không. Vậy khi nào thì kiểm định các biến có ý nghĩa đồng thời? Đó
là khi một vài hay tất cả các biến không có ý nghĩa thống kê riêng lẻ, chúng ta mới tiến
hành kiểm định ý nghĩa đồng thời cho các biến này. Vì sao vậy?
Hãy để ý đến giả thuyết H0 trong một kiểm định các biến có ý nghĩa đồng thời:
Xét mô hình : yi   0  1 x1i   2 x2i  ...   k xki  ui
Giả sử cần kiểm định giả thuyết cho rằng x1, x2, x3 không có ý nghĩa đồng thời.
Theo giáo trình đang học, chúng ta lập các giả thuyết H0 và H1 như sau:
H 0 : 1   2  3  0 (các biến x1, x2, x3 không có ý nghĩa đồng thời)
H1: H0 sai (các biến x1, x2, x3 có ý nghĩa đồng thời)
169
Nhận thấy rằng cặp giả thuyết trên tương đương với:
H 0 : 1   2  3  0
H1 :  j  0 (1  j  3)
Do đó, nếu chúng ta đã kết luận được β1 hoặc β2 hoặc β3 khác 0 có ý nghĩa khi tiến
hành kiểm định t thì rõ ràng giả thuyết H0 trên đã bị bác bỏ. Vì vậy chúng ta không nên
dùng kiểm định F để kiểm định giả thuyết đồng thời trong trường hợp này vì có thể đưa
đến các kết luận không chính xác. Trong H0 chỉ nên chứa các tham số mà không có ý nghĩa
khi kiểm định riêng lẻ.
Tại sao có trường hợp một số tham số không có ý nghĩa riêng lẻ mà lại có ý nghĩa
đồng thời? Câu trả lời là có khả năng có đa cộng tuyến giữa các biến này làm cho phương
sai, độ lệch chuẩn của các ước lượng OLS lớn, do đó |t| sẽ có xu hướng nhỏ, dễ dẫn đến kết
luận tham số kiểm định riêng lẻ không có ý nghĩa thống kê. Vì vậy lúc này chúng ta mới
dùng kiểm định F để phát hiện ý nghĩa thống kê của các biến.
Trên đây là toàn bộ nội dung bài viết mà tôi muốn trình bày. Mong được sự góp ý
của các đồng nghiệp và bạn đọc.
Jeffrey M. Wooldrige. Nhập môn Kinh Tế Lượng- cách tiếp cận hiện đại. Chủ biên
dịch: Trần Thị Tuấn Anh. NXB Kinh Tế TP. Hồ Chí Minh.
Hoàng Ngọc Nhậm- Chủ biên. Giáo trình Kinh Tế Lượng- Trường Đại học Kinh Tế
TP. Hồ Chí Minh. NXB Lao động- Xã hội.
170
MỐI QUAN HỆ GIỮA ĐIỆN NĂNG TIÊU THỤ VÀ TĂNG TRƯỞNG

KINH TẾ Ở MỘT SỐ NƯỚC ĐÔNG NAM Á.
Hoàng Thị Diễm Hương, Ngô Thị Tường Nam
Tóm tắt
Nghiên cứu muốn tìm hiểu xem có tồn tại mối quan hệ nhân quả giữa điện năng tiêu thụ và
GDP ở Việt Nam, Brunei, Singapore và Thailand bằng phương pháp phân tích chuỗi thời gian.
Kết quả cho thấy tồn tại quan hệ nhân quả hai chiều giữa hai yếu tố này ở Thailand, một chiều
từ GDP đến điện năng tiêu thụ ở Singapore. Còn ở Việt Nam vàBrunei thì không tìm thấy mối
quan hệ nhân quả. Điều này hàm ý rằng việc tiết kiệm điện năng ở Việt nam, Brunei và
Singapore sẽ không tác động hoặc tác động ít đến tăng trưởng kinh tế.
Từ khóa: Chuỗi thời gian; Quan hệ nhân quả, VECM.
171
1. GIỚI THIỆU
Việc tìm hiểu mối quan hệ nhân quả giữa các chuỗi dữ liệu là một nhu cầu thiết yếu
để từ đó các nhà nghiên cứu có thể đưa ra những phân tích sâu hơn về sự vận động và phát
triển của nền kinh tế, của cuộc sống nói chung, thậm chí xa hơn nữa có thể rút ra được
những kết luận quan trọng mang hàm ý chính sách. Trong bài nghiên cứu này, chúng tôi
tìm hiểu mối quan hệ nhân quả của GDP và lượng điện năng tiêu thụ, vì đây là các yếu tố
quan trọng đại diện cho sự phát triển kinh tế và chất lượng cuộc sống của người dân. Liệu
có tồn tại mối quan hệ nhân quả giữa hai yếu tố này không?
Trong khoảng 30 năm gần đây, hàng loạt các nghiên cứu đã được tiến hành để tìm
hiểu mối quan hệ giữa lượng điện sử dụng và sự phát triển kinh tế. Nhìn chung, các kết quả
đều chỉ ra rằng có một mối quan hệ mật thiết giữa hai yếu tố này, chẳng hạn nghiên cứu
của Ross Ferguson và cộng sự (2000) trên hơn 100 quốc gia đã cho thấy có mối tương
quan giữa lượng điện tiêu thụ và GDP, mối tương quan này ở các nước giàu rõ rệt hơn so
với ở các nước nghèo. Tuy nhiên, mối quan hệ này có thể đi theo chiều từ lượng điện tiêu
thụ đến GDP hoặc ngược lại. Từ đó, một câu hỏi được các nhà nghiên cứu quan tâm đó là:
lượng điện năng tiêu thụ là một yếu tố ảnh hưởng phát triển kinh tế, hay phát triển kinh tế
dẫn đến tiêu thụ điện năng?
Mặc dù đã có những nghiên cứu về mối quan hệ nhân quả giữa lượng điện sử dụng
và phát triển kinh tế ở nhiều nơi trên thế giới nhưng ở Việt Nam và một số nước lân cận thì
chưa có nghiên cứu nào riêng biệt nào. Do vậy, cần tìm hiểu về mối quan hệ nhân quả giữa
hai yếu tố này ở một số nước tiêu biểu để có thể đưa ra được những nhận định phù hợp cho
riêng Đông Nam Á.
Từ đó, nhóm tác giả chọn dữ liệu chuỗi thời gian về lượng điện tiêu thụ và GDP ở
Việt Nam, Brunei,và áp dụng các phương pháp phân tích riêng cho chuỗi thời gian để xem
xét mối quan hệ nhân quả riêng cho từng quốc gia. Ngoài ra nhóm tác giả cũng chọn thêm
Singapore và Thailand (Yoo (2006) đã nghiên cứu) để xem quan hệ trên có thay đổi trong
khoảng thời gian gần đây hay không. Để làm điều này, đầu tiên là kiểm định nghiệm đơn
vị đối với hai chuỗi quan tâm, nếu phát hiện hai chuỗi này có tính dừng thì xét kiểm định
nhân quả Granger. Nếu phát hiện hai chuỗi này không dừng thì ta kiểm định đồng liên kết,
nếu có đồng liên kết thì ước lượng mô hình hiệu chỉnh sai số để xét mối quan hệ nhân quả.
Phần tiếp theo sau đây sẽ giới thiệu tổng quan lý thuyết về các nghiên cứu nhân quả
trước đây. Sau đó là phần giới thiệu dữ liệu và tổng hợp về phương pháp nghiên cứu được
sử dụng. Tiếp đến là trình bày các kết quả nghiên cứu. Các kết luận sẽ được đưa ra ở phần
cuối cùng.
2. TỔNG QUAN LÝ THUYẾT, LƯỢC SỬ NGHIÊN CỨU
Tính đến thời điểm hiện nay, có rất nhiều nghiên cứu phát hiện về mối quan hệ giữa
tăng trưởng kinh tế và mức độ tiêu thụ điện khác nhau ở nhiều nước. Kết quả nghiên cứu
về mối liên hệ giữa hai yếu tố trên có thể xếp thành bốn trường hợp sau:
Trường hợp thứ nhất là quan hệ nhân quả một chiều từ tăng trưởng kinh tế đến việc
tiêu thụ điện: Yoo (2006) dùng dữ liệu từ 1971-2002 đã phát hiện quan hệ này ở Indonesia
và Thailand, Mozumder và Marathe (2007) phát hiện ở Bangladesh, Wolde-Rufael (2006)
phát hiện ở Cameroon và Ghana, Thoma (2004) phát hiện ở United States.
172
Trường hợp thứ hai là quan hệ nhân quả một chiều từ việc tiêu thụ điện đến tăng
trưởng kinh tế: Shiu và Lam (2004), Yuan và cộng sự (2007) phát hiện ở Trung Quốc,
Narayan và Prasad (2008) phát hiện ở Iceland, Italy, Portugal.
Trường hợp thứ ba là quan hệ nhân quả hai chiều từ giữa tiêu thụ điện và tăng
trưởng kinh tế: được phát hiện ở Malaisia và Singapore (Yoo (2006)), ở Hàn Quốc (Yoo
(2005)), Đài Loan (Yang (2000)), ở Morocco (Wolde-Rufael (2006)).
Trường hợp thứ tư là không có mối quan hệ nhân quả giữa tăng trưởng kinh tế và
mức độ tiêu thụ điện cũng được phát hiện ở một số nước: Sudan, Cộng hòa dân chủ Congo,
Kenya (Wolde-Rufael (2006)).
Quan hệ nhân quả là một chiều sẽ có tác động nhiều đến chính sách. Nếu mối quan
hệ nhân quả một chiều từ tăng trưởng kinh tế đến tiêu thụ điện thì việc giảm tiêu thụ điện
sẽ không có tác động hoặc tác động ít đến tăng trưởng kinh tế. Nếu mối quan hệ nhân quả
một chiều từ tiêu thụ điện đến tăng trưởng kinh tế thì việc giảm tiêu thụ điện có thể sẽ làm
giảm tăng trưởng kinh tế.Vì vậy các quốc gia nằm trong nhóm tác động này phải cân nhắc
cẩn thận các biện pháp giảm tiêu thụ điện.
Nếu là quan hệ nhân quả hai chiều, tiêu thụ điện và tăng trưởng kinh tế bổ sung cho
nhau. Tăng trưởng kinh tế có thể kích thích nhu cầu về điện và ngược lại, tiêu thụ điện lớn
có thể tạo nên tăng trưởng kinh tế.
3.1. Dữ liệu
Dữ liệu nghiên cứu được lấy trong giai đoạn từ năm 1984 đến 2014 từ hệ thống dữ
liệu của World Bank (2019), gồm 4 nước là Việt Nam, Singapore, Brunei và Thailand.
Lượng điện tiêu thụ được đo bằng số kilowatt giờ bình quân đầu người. GDP thực bình
quân đầu người được dùng để làm biến đại diện cho sự phát triển kinh tế và được đo bằng
USD (với năm 2010 được chọn làm năm gốc để tính GDP thực). Việc chọn GDP (tổng sản
phẩm quốc nội) để phân tích thay vì GNP (tổng sản phẩm quốc gia) là hợp lý, vì lượng
điện tiêu thụ của một nước cũng tùy thuộc vào lượng hàng hóa sản xuất và dịch vụ sử dụng
ở ngay trong nước đó, chứ không phải bên ngoài quốc gia đó.
3.2. Phương pháp nghiên cứu
3.2.1. Kiểm định nghiệm đơn vị
Kiểm định này được tiến hành để xét xem các chuỗi thời gian có phải là chuỗi dừng
hay không. Nếu các chuỗi thời gian là không dừng thì có thể tồn tại một quan hệ giả mạo
giữa chúng, nghĩa là dù chúng độc lập với nhau nhưng khi thực hiện hồi quy một chuỗi
theo chuỗi còn lại thì có thể cho ra một thống kê t có ý nghĩa mạnh.
3.2.2. Kiểm định nhân quả Granger
Phương pháp đầu tiên kiểm định mối quan hệ nhân quả giữa các chuỗi thời gian
được đề nghị bởi Granger (1969). Một chuỗi thời gian X được gọi là tác động Granger đến
một chuỗi thời gian Y nếu E (Yt | I t 1 )  E (Yt | J t 1 ) , trong đó It-1 chứa thông tin quá khứ
về X và Y, còn Jt-1 chỉ chứa thông tin quá khứ của Y. Khi đó, ngoài giá trị quá khứ của Y
173
thì các giá trị quá khứ của X cũng hữu ích để dự đoán Yt, dù tác động Granger không hàm
ý về quan hệ nhân quả cùng kỳ giữa X và Y.
Để kiểm định nhân quả Granger thì các chuỗi thời gian nhất thiết phải là chuỗi
dừng. Do đó, theo Engle và Granger (1987) thì đầu tiên ta cần kiểm định nghiệm đơn vị
đối với X và Y để xác định xem chúng có phải là chuỗi dừng hay không. Nếu các chuỗi
này không dừng thì ta có thể lấy sai phân để xét tính dừng, và sau đó áp dụng kiểm định
nhân quả Granger đối với dữ liệu đã lấy sai phân.
3.2.3. Kiểm định đồng liên kết
Khái niệm đồng liên kết được áp dụng khi hai hay nhiều chuỗi là I(d) nhưng sự kết
hợp tuyến tính giữa chúng là I(p) với 0 ≤ p < d, khi đó hồi quy một chuỗi theo chuỗi còn
lại sẽ không phải là hồi quy giả mạo, thay vào đó kết quả hồi quy sẽ cho biết mối quan hệ
dài hạn giữa chúng.
Nếu X và Y là các chuỗi không dừng và có đồng liên kết thì kiểm định nhân quả
Granger sẽ không còn phù hợp nữa và một cách kiểm định nhân quả khác phù hợp hơn sẽ
được xem xét, dựa trên mô hình hiệu chỉnh sai số (ECM). Do đó, nếu hai chuỗi điện năng
tiêu thụ và GDP không dừng và cùng bậc liên kết thì ta kiểm định tính đồng liên kết giữa
chúng bằng kiểm định Johansen. Nếu chúng không có đồng liên kết thì có thể xét kiểm
định nhân quả Granger chuẩn hóa, theo Toda và Phillips (1993).
3.2.3. Kiểm định nhân quả Granger chuẩn hóa:
Nếu hai chuỗi X và Y không có đồng liên kết nhưng dừng sau khi lấy sai phân bậc
nhất thì dạng chuẩn hóa của kiểm định nhân quả Granger có thể được xác định như sau:
L11
Yt  11   11i Yt i  u11t (1)
i 1
L11 L12
Yt  12   11i Yt i   12 j X t  j  u12t (2)
i 1 j 1
L21
X t   21    21i X t i  u21t (3)
i 1
L21 L22
X t   22    21i X t i    22 j Yt  j  u22t (4)
i 1 j 1
Các phương trình (2) và (4) thể hiện cho các mô hình chưa gán ràng buộc, còn các
phương trình (1) và (3) là các mô hình đã gán ràng buộc. Nghĩa là, nếu các hệ số đứng
trước các độ trễ của X trong phương trình (2) có ý nghĩa thống kê đồng thời thì X có tác
động Granger đến Y. Tương tự khi xét Y tác động Granger đến X.
Nếu hai chuỗi không dừng vẫn tiếp tục không dừng sau khi lấy sai phân bậc nhất
nhưng dừng khi lấy sai phân bậc hai thì các phương trình từ (1) đến (4) có thể được ước
lượng với dữ liệu sai phân bậc hai để kiểm định nhân quả Granger cho hai chuỗi. Đó là vì
174
các chuỗi phải là chuỗi dừng trước khi áp dụng các phương trình từ (1) đến (4) để kiểm
định nhân quả Granger.
Các kết quả kiểm định nhân quả có thể nhạy cảm với các độ trễ khác nhau của các
chuỗi, do đó không thể tùy tiện lựa chọn độ trễ và nhận lấy kết quả sai lầm. Do đó, nhóm
tác giả áp dụng quy trình của Hsiao (1981), trong đó kết hợp tiêu chuẩn FPE (final-
prediction-error) của Akaike để lựa chọn độ trễ phù hợp nhất với kiểm định nhân quả
Granger chuẩn hóa.
3.2.4. Mô hình hiệu chỉnh sai số (ECM)
ECM được áp dụng khi hai chuỗi X và Y là đồng liên kết. Nếu hai chuỗi là không
dừng nhưng dừng ở sai phân bậc nhất và đồng liên kết thì các mô hình hiệu chỉnh sai số
cho kiểm định nhân quả Granger có thể được xác định như sau:
L11 L12
Yt  10   11i Yt i   12 j X t  j  131,( t 1)  u1t (5)
i 1 j 1
L21 L22
X t   20    21i X t i    22 j Yt  j   23 2,( t 1)  u2t (6)
i 1 j 1
Trong đó 1,( t 1) là thành phần hiệu chỉnh sai số, thu được từ mối quan hệ dài hạn
Yt  0  1 X t   1t . Tương tự,  2,( t 1) là thành phần hiệu chỉnh sai số, thu được từ mối
quan hệ dài hạn X t   0   1Yt   2t .
Trong phương trình (5), X có tác động Granger đến Y nếu các hệ số của các biến
trễ của X (đại diện cho mối quan hệ dài hạn) hoặc hệ số của thành phần hiệu chỉnh sai số
(đại diện cho mối quan hệ ngắn hạn) có ý nghĩa thống kê. Tương tự với phương trình (6)
khi xét Y tác động Granger đến X.
Độ trễ phù hợp nhất trong mô hình hiệu chỉnh sai số được chọn theo tiêu chuẩn
Akaike.
4.1. Kiểm định nghiệm đơn vị:
Trước khi kiểm định nghiệm đơn vị, chúng tôi xét xem liệu các chuỗi dữ liệu điện
năng tiêu thụ và GDP của mỗi nước có chứa xu thế thời gian hay không.
175
Hình 1. Xu hướng biến động của chuỗi điện năng tiêu thụ và chuỗi GDP của
Việt Nam theo thời gian
Singapore theo thời gian
176
Hình 3. Xu hướng biến động của chuỗi điện năng tiêu thụ và chuỗi GDP của Brunei
theo thời gian
Thái Lan theo thời gian
177
Để xác định xem các chuỗi trên thật sự có xu thế thời gian hay không, ta xét hồi
quy từng chuỗi theo thời gian và thu được các thống kê t có ý nghĩa mạnh. Do vậy, chuỗi
lượng điện sử dụng (electric) và GDP của 4 nước đều có chứa xu thế thời gian.
Bảng 1: Kết quả hồi quy từng chuỗi theo thời gian
NƯỚC CHUỖI THỐNG KÊ T P-VALUE
Việt Nam electric 12.72 0.000
gdp 24.73 0.000
Singapore electric 20.66 0.000
gdp 40.07 0.000
Brunei electric 21.67 0.000
gdp -6.83 0.000
Thái Lan electric 57.89 0.000
gdp 30.71 0.000
Từ đó, ta thực hiện kiểm định Phillips-Perron (PP) với tùy chọn trend (có xu thế
thời gian) để xét xem các chuỗi này có nghiệm đơn vị hay không, thu được kết quả ở bảng
2.
Theo bảng 2, ta nhận thấy các chuỗi điện năng tiêu thụ và GDP ở Việt Nam là
không dừng và cũng không liên kết cùng bậc, do đó ta sẽ dùng kiểm định nhân quả
Granger chuẩn hóa để xét mối liên hệ giữa hai chuỗi này. Đối với trường hợp Brunei thì
chuỗi GDP là chuỗi dừng xu thế nhưng chuỗi lượng điện tiêu thụ lại chỉ dừng sau khi lấy
sai phân bậc nhất, do đó ta cũng không thể xét tính đồng liên kết của hai chuỗi này mà phải
xét kiểm định nhân quả Granger chuẩn hóa.
Đối với trường hợp của Singapore và Thailand, sau khi lấy sai phân bậc nhất thì các
chuỗi điện năng sử dụng và GDP đều dừng nên thỏa điều kiện để kiểm định đồng liên kết.
178
Bảng 2: Kết quả kiểm định Phillips-Perron (PP) với tùy chọn trend (có xu thế thời
gian) để phát hiện nghiệm đơn vị.
NƯỚC CHUỖI PP VALUE P-VALUE
Việt Nam electric (có xu thế) 2.849 1.0000
Sai phân bậc nhất của electric 0.842 0.9923
Sai phân bậc nhất của electric (có xu thế) -4.379 0.0024 (***)
gdp (có xu thế) -2.080 0.5575
Sai phân bậc nhất của gdp -0.883 0.7936
Sai phân bậc nhất của gdp (có xu thế) -2.898 0.1630
Logarit của gdp (có xu thế) 0.1630 0.0195 (**)
Singapore electric (có xu thế) -0.407 0.9867
Sai phân bậc nhất của electric -4.551 0.0002 (***)
gdp (có xu thế) -2.944 0.1485
Sai phân bậc nhất của gdp -5.643 0.0000 (***)
Brunei electric (có xu thế) -2.090 0.5518
gdp (có xu thế) -4.103 0.0062 (***)
Thailand electric -2.887 0.1668
gdp (có xu thế) -2.098 0.5474
Sai phân bậc nhất của gdp -4.095 0.0010 (***)
4.2. Kiểm định đồng liên kết:
Vì kết quả kiểm định nghiệm đơn vị cho thấy các chuỗi điện năng tiêu thụ và GDP
của Singapore và Thái Lan đều là I(1) nên ta thực hiện kiểm định Johansen để xét tính
đồng liên kết của các chuỗi này ở Singapore với độ trễ tối ưu là 1 và ở Thái Lan với độ trễ
tối ưu là 2 và thu được kết quả ở bảng 3.
179
Bảng 3. Kết quả kiểm định đồng liên kết
NƯỚC MAXIMUM TRACE STATISTICS 5% CRITICAL

RANK VALUE
Singapore 1 0.3891 3.76
Thái Lan 0 7.8271 15.41
Theo kết quả ở bảng 3, có thể kết luận rằng các chuỗi điện năng tiêu thụ và GDP ở
Singapore có hiện tượng đồng liên kết, do đó ta có thể xét mô hình hiệu chỉnh sai số đối
với dữ liệu ở hai quốc gia này để tìm mối quan hệ nhân quả. Còn ở Thailand lại không có
đồng liên kết nên chúng ta sử dụng kiểm định nhân quả Granger để xác định có hay không
mối quan hệ nhân quả của hai yếu tố quan tâm.
4.3. Kiểm định nhân quả Granger chuẩn hóa:
Xét trường hợp Việt Nam, sau khi thực hiện kiểm định nhân quả Granger chuẩn
hóa cho hai chuỗi đã khử xu thế (để được chuỗi dừng) là chuỗi sai phân bậc nhất của lượng
điện sử dụng (electric) và chuỗi logarit của GDP (ln(GDP)), ta thu được bảng kết quả ở
bảng 4.
Bảng 4. Kết quả kiểm định nhân quả Granger cho Việt Nam
VIỆT NAM F STATISTICS P-VALUE
H0: electric không tác động Granger 0.35 0.7111

đến GDP
H0: GDP không tác động Granger đến 0.59 0.5619

electric
Rõ ràng không thể bác bỏ giả thuyết H0 ở cả hai trường hợp. Do đó, ta có thể kết
luận rằng không có mối quan hệ nhân quả giữa chuỗi điện năng tiêu thụ và chuỗi GDP ở
Việt Nam.
Đối với trường hợp Brunei, sau khi khử xu thế chuỗi GDP để được chuỗi dừng, và
thực hiện kiểm định nhân quả Granger chuẩn hóa cho chuỗi sai phân bậc nhất của điện
năng tiêu thụ và chuỗi GDP đã khử xu thế, ta thu được bảng kết quả ở bảng 5.
180
Bảng 5. Kết quả kiểm định nhân quả Granger cho Brunei
BRUNEI F STATISTICS P-VALUE

đến GDP
H0: GDP không tác động Granger đến 1.72 0.1916

electric
Tương tự với trường hợp ở Việt Nam, chúng ta không thể bác bỏ giả thuyết H0 ở cả
hai trường hợp. Từ đây ta có thể kết luận rằng không có mối quan hệ nhân quả giữa chuỗi
điện năng tiêu thụ và chuỗi GDP ở Brunei.
Với trường hợp Thái Lan, thực hiện kiểm định nhân quả Granger chuẩn hóa cho
chuỗi sai phân bậc nhất của điện năng tiêu thụ và sai phân bậc nhất của GDP, ta được kết
quả ở bảng 6.
Bảng 6. Kết quả kiểm định nhân quả Granger cho Thailand
THAILAND F STATISTICS P-VALUE
H0: electric không tác động Granger 8.84 0.0063 (***)

đến GDP
H0: GDP không tác động Granger đến 6.35 0.0183 (**)
electric
Trường hợp này thì cả hai giả thuyết H0 đều bị bác bỏ. Đây là bằng chứng cho thấy
có tác động nhân quả hai chiều giữa điện năng tiêu thụ và GDP ở Thái Lan.
4.4. Mô hình hiệu chỉnh sai số:
Đối với Singapore, sau khi chạy mô hình VECM với độ trễ tối ưu là 1, ta được kết
quả kiểm định nhân quả ở bảng 7.
Bảng 7. Kết quả kiểm định nhân quả cho Singapore từ VECM
SINGAPRE Z STATISTICS P-VALUE

đến GDP
H0: GDP không tác động Granger đến -2.83 0.005 (***)
electric
Kết quả trên cho thấy không thể bác bỏ giả thuyết cho rằng “electric không tác
động Granger đến GDP” nhưng lại bác bỏ giả thuyết “GDP không tác động Granger đến
181
electric”. Vậy có thể nói rằng, ở Singapore, giữa điện năng tiêu thụ và GDP có quan hệ
nhân quả và mối quan hệ này là một chiều đi từ GDP đến điện năng tiêu thụ.
5. KẾT LUẬN
Từ nghiên cứu dữ liệu ở các nước Việt Nam, Singapore, Brunei và Thái Lan, nhóm
tác giả rút ra được một số kết luận sau: Đối với các quốc gia có nền kinh tế đã phát triển
như Singapore hoặc đang có những bước tiến lớn trong phát triển kinh tế như Thái Lan thì
giữa lượng điện sử dụng và GDP có mối liên hệ nhân quả. Còn đối với quốc gia đang phát
triển nhưng nền kinh tế còn bị hạn chế bởi nhiều chính sách nghiêm ngặt của chính phủ
như Việt Nam, hoặc quốc gia có nền kinh tế lệ thuộc nhiều vào tài nguyên thiên nhiên như
Brunei thì dường như chưa tìm thấy mối quan hệ nhân quả giữa việc tiêu thụ điện của
người dân với phát triển kinh tế.
Kết quả nghiên cứu cho thấy tác động nhân quả thể hiện hai chiều ở Thailand, còn
đối với Singapore, tác động nhân quả là một chiều đi từ GDP đến điện năng tiêu thụ. Điều
này ngược lại với kết quả nghiên cứu của Yoo vào năm 2006: Ở Thailand là một chiều và
Singapore là hai chiều. Như vậy mối quan hệ giữa điện năng tiêu thụ và GDP ở hai nước
này đã có sự thay đổi trong giai đoạn gần đây.
Kết quả nghiên cứu cũng suy ra rằng, với Việt Nam, Brunei và Singapore, chúng ta
có thể thực hiện chính sách tiết kiệm điện năng để bảo vệ môi trường mà không sợ điều
này ảnh hưởng tiêu cực đến tăng trưởng kinh tế.
LỜI CẢM ƠN
Chúng tôi muốn gởi lời cám ơn đến TS. Trần Thị Tuấn Anh đã hỗ trợ chúng tôi
trong quá trình nghiên cứu và ThS. Nguyễn Thị Ngọc Miên là người giúp đỡ việc khởi đầu
nghiên cứu của chúng tôi để hôm nay chúng tôi có động lực viết bài này.
Ferguson, R., Wilkinson, W., Hill, R., 2000. Electricity use and economic
development. Energy Policy 28, 923–934.
Mozumder, P., Marathe, A., 2007. Causality relationship between electricity

consumption and GDP in Bangladesh. Energy Policy 35, 395–402.
Shiu, A., Lam, P.-L., 2004. Electricity consumption and economic growth in China.
Energy Policy 32, 47–54.
Thoma, M., 2004. Electrical energy usage over the business cycle. Energy
Economics 26, 463–485.
Wolde-Rufael, Y., 2006. Electricity consumption and economic growth: a time

series experience for 17 African countries. Energy Policy 34, 1106–1114.
Yoo, S.-H., 2006. The causal relationship between electricity consumption and
economic growth in the ASEAN countries. Energy Policy 34, 3573–3582.
182
Yuan, J., Zhao, C., Yu, S., Hu, Z., 2007. Electricity consumption and economic
growth in China: cointegration and co-feature analysis. Energy Economics 29, 1179–
1191.
183
MỐI QUAN HỆ GIỮA GIÁ DẦU VÀ TỶ GIÁ HỐI ĐOÁI: PHÂN

TÍCH WAVELET CHO TRƯỜNG HỢP CÁC QUỐC GIA ĐANG PHÁT
TRIỂN KHU VỰC ĐÔNG NAM Á
TS Nguyễn Thanh Vân *, Ths Nguyễn Toàn Trí *
*
*
Tác giả liên hệ: Email: trint@ueh.edu.vn, thanhvan@ueh.edu.vn
Tóm tắt
Bài nghiên cứu này được thực hiện nhằm kiểm nghiệm những biến động thay đổi theo thời gian, dựa
trên thang đo thời gian về mối liên hệ giữa giá dầu và tỷ giá hối đoái thực có hiệu lực của các quốc gia
Đông Nam Á. Bằng cách áp dụng phương pháp Wavelet, bài nghiên cứu kết hợp thông tin từ miền
thời gian và miền tần số, mà không yêu cầu sự cân bằng và phân ly các dữ liệu chuỗi thời gian ban
đầu. Nghiên cứu cho thấy rằng mối quan hệ giữa giá dầu và tỷ giá hối đoái chia thành ba loại chính,
cụ thể là giá dầu dẫn dắt tỷ giá hối đoái, tỷ giá hối đoái dẫn dắt giá dầu, và mối quan hệ tác động qua
lại giữa hai biến số này. Tác giả tìm thấy mối quan hệ nhân quả và phi nhân quả giữa giá dầu và tỷ giá
hối đoái thực có hiệu lực khác nhau qua các thang đo và giai đoạn. Phương pháp Wavelet không chỉ
cho phép xác định quan hệ nhân quả giữa các biến kinh tế tại các khoảng thời gian khác nhau mà còn
cung cấp thêm bằng chứng cho lý thuyết “quan hệ nhân quả ngược”.
Nghiên cứu này cũng cho thấy rằng ngân hàng trung ương của các quốc gia Đông Nam Á nên coi
trọng các cú sốc về giá dầu trong khi xây dựng chính sách tỷ giá hối đoái của mình .
Từ khóa: Giá dầu, tỷ giá hối đoái thực, biến đổi Wavelet
184
1. GIỚI THIỆU
Giá dầu thế giới đóng vai trò rất quan trọng trong mối quan hệ với nền kinh tế của
mọi quốc gia. Lịch sử kinh tế thế giới đã ghi nhận lại không ít những đợt biến động
của giá dầu. Điều này được giải thích là do các cuộc khủng hoảng kinh tế, lạm phát
cao, thâm hụt cán cân thương mại… Mặt khác, giá dầu thô cũng được xem là yếu tố
quan trọng khi giải thích sự biến động của tỷ giá hối đoái ( được đo lường với đồng
USD). Do đó, mối quan hệ giữa tỷ giá hối đoái và giá dầu đã thu hút nhiều sự quan
tâm từ giới học thuật. Nhiều tài liệu đã đưa ra những dẫn chứng về mối quan hệ
giữa hai khái niệm này. Quan hệ nhân quả cho rằng giá dầu quyết định đến tỷ giá
hối đoái (Golub ,1983 ; Krugman ,1983; Bénassy-Quéré và cộng sự, 2007;
Chaudhuri và Daniel, 1998; Chen, 2007; Coudert và cộng sự, 2008; Lizardo và
Mollick, 2010). Tuy nhiên, một số tác giả lại tranh luận rằng sự biến động trong tỷ
giá hối đoái có thể gây ra sự thay đổi giá dầu thô và giải thích sự biến động của giá
dầu (Bloomberg và Harris ,1995; Pindyck và Rotemberg ,1990; Sadorsky, 2000;
Zhang và Wei, 2010). Dựa trên quy luật một giá (LOP), Golub (1983), Krugman
(1983a, 1983b) , Bloomberg và Harris (1995) đã cung cấp bảng mô tả toàn diện về
sự biến động của tỷ giá và giá dầu. Quy luật này khẳng định rằng sự suy yếu của
đồng đô la Mỹ có liên quan đến các loại đơn vị tiền tệ khác, trong trường hợp các
yếu tố khác không thay đổi, sẽ thúc đẩy người mua hàng khắp thế giới trả nhiều
đồng đô la Mỹ hơn để mua dầu. Việc tăng giá dầu sinh ra một khoản thặng dư tài
khoản vãng lai cho những nhà xuất khẩu dầu (như OPEC chẳng hạn) và những
khoản thâm hụt tài khoản vãng lai cho đơn vị nhập khẩu, gây ra sự tái phân bổ tài
sản và có thể ảnh hưởng đến tỷ giá hối đoái.
Như vậy, có thể thấy sự biến động giá dầu thô thế giới có ảnh hưởng không nhỏ
đến các chỉ tiêu kinh tế vĩ mô của các quốc gia. Tuy nhiên, hầu hết các nghiên cứu
chỉ tập trung vào các quốc gia phát triển hoặc những nước khai thác nhiều dầu mỏ
nhất thế giới (OPEC chẳng hạn) mà bỏ qua các quốc gia mới nổi. Trong quá trình
nghiên cứu, tác giả thấy rằng hầu hết các nước Đông Nam Á (SEA) có mức độ sử
dụng dầu mỏ cao trong quá trình phát triển nền kinh tế và toàn bộ các quốc gia
được đánh giá là các nước nhập khẩu ròng dầu thô, ngoại trừ Malaysia .
185
Vì thế, tác giả cho rằng nghiên cứu mối quan hệ giữa giá dầu thế giới và tỷ giá hối
đoái thực có hiệu lực (REER) của các quốc gia Đông Nam Á là thực sự rất cần
thiết. Từ đó, giúp những người hoạch định chính sách tiền tệ của các quốc gia đưa
ra những chính sách ổn định tỷ giá và ổn định nền kinh tế hợp lý.
Bài nghiên cứu này sử dụng “phép biến đổi Wavelet rời rạc (DWT)”, một phương
pháp mới trong nghiên cứu kinh tế. Phương pháp này cho phép xử lý những chuỗi
dữ liệu không dừng và xem nó như giá trị nội tại của chuỗi dữ liệu hơn là xử lý
trước số liệu như mô hình VAR, VECM, kiểm định đồng liên kết,… Bên cạnh đó,
từ chuỗi dữ liệu gốc, tác giả sử dụng phương pháp DWT tiến hành phân tách thành
những thành phần tần số ( chu kỳ) khác nhau giúp xem xét những chu kỳ khác nhau
(ngắn hạn, trung hạn và dài hạn) của một chuỗi thời gian. Thông qua phương pháp
DWT, bài nghiên cứu này xem xét tác động của giá dầu thế giới lên REER của các
quốc gia Đông Nam Á đối với những chu kỳ ngắn hạn, trung hạn và dài hạn. Song
song đó, phân tích DWT còn cho phép kiểm định nhân quả thông qua phân tích mối
quan hệ dẫn dắt – trễ. Cuối cùng, bài nghiên cứu sử dụng biến đổi Wavelet liên tục
(CWT) và kiểm định nhân quả Granger để kiểm định tính bền vững của kết quả đạt
được.
2. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY
Trong các nghiên cứu cổ điển trước đây, khi xem xét mối quan hệ giữa giá dầu và
tỷ giá hối đoái, tính dừng của chuỗi thời gian không được thỏa mãn. Theo
(Kisswani và Nusair, 2013) với những biến không dừng, kết quả phân tích hồi quy
sẽ bị sai lệch. Do đó, để khắc phục những vấn đề liên quan đến tính dừng của chuỗi
thời gian, phép biến đổi Wavelet được nhiều tác giả sử dụng. Ưu điểm của phép
biến đổi Wavelet là có thể phân tách những chuỗi thời gian kinh tế vĩ mô thành tập
hợp những thành phần thang đo thời gian, trong đó mỗi thang đo thời gian này sẽ
mô tả những diễn biến theo thời gian của tín hiệu tại một mốc quan sát riêng.
Trong những nghiên cứu gần đây, một số tác giả sử dụng phép biến đổi Wavelet có
thể kể đến như Gallegati cùng các cộng sự, 2011; In và Kim, 2006; Jammazi,
2012; Naccache, 2011; Nachane và Dubey, 2011 . Đặc biệt nhất, phải kể đến
Benhmad (2012) và Tiwari cùng các cộng sự (2013) . Benhmad (2012) đã dùng
phương pháp Wavelet tìm ra mối quan hệ nhân quả tuyến tính và phi tuyến giữa
186
giá dầu thực và tỷ giá hối đoái thực có hiệu lực của đồng đô la Mỹ qua những dãy
tần số khác nhau vì chúng phụ thuộc vào những thang đo thời gian. Tương tự, khi
xem xét mối quan hệ nhân quả hai chiều giữa giá dầu và tỷ giá hối đoái thực có
hiệu lực REER của Ấn Độ tại những thang đo thời gian dài hơn, Tiwari cùng các
cộng sự (2013) cũng thu được kết quả như vậy.
3.1. Dữ liệu
Hai biến chính được sử dụng trong bài nghiên cứu này là giá dầu thô của thế giới
và tỷ giá hối đoái thực có hiệu lực (REER) của các quốc gia Malaysia, Thái Lan,
Singapore, Philippine, Indonesia và Việt Nam. Bài nghiên cứu sử dụng giá dầu thô
giao ngay được lấy từ Cục Năng lượng & Quản lý Thông tin Năng lượng Mỹ. Đối
với tỷ giá hối đoái thực có hiệu lực, dữ liệu được thu thập từ IMF, World
Bank,….Cách tính REER như sau:
NEERt .CPI t
REERt 
CPI t foreign
trong đó:
REERt là tỷ giá hối đoái thực có hiệu lực của quốc gia được nghiên cứu so với rổ
tiền tệ của các đối tác thương mại.
CPI t là chỉ số giá tiêu dùng của quốc gia được nghiên cứu.
N
NEERt   S (i )iw i là tỷ giá hối đoái danh nghĩa có hiệu lực của quốc gia được
i 1
nghiên cứu, là bình quân gia quyền có trọng số của tỷ giá hối đoái song phương
danh nghĩa S (i )t giữa quốc gia đang nghiên cứu với đối tác thương mại i của nó.
N
CPI t foreign   CPI (i )iw i : bình quân gia quyền có trọng số của CPI của các đối tác
i 1
thương mại.
187
CPI (i )t chỉ số giá tiêu dùng của đối tác thương mại i.
N
w(i) là trọng số của đối tác thương mại i,  w(i)  1
i 1
N là số đối tác thương mại được xét.
Bài nghiên cứu tập hợp dữ liệu bao gồm những quan sát theo tháng từ 1995 đến
2018 , được trình bày như sai phân của logarit để có chuỗi tăng trưởng giúp các kết
quả tìm được có thể so sánh với nhau. Bảng 1 mô tả cách xử lí số liệu trong bài
nghiên cứu này.
Bảng 1. Mô tả biến
Tên biến Công thức tính Mục đích
DlnROP Crude oil pricet Crude oil pricet 1 So sánh với

Ln( )  Ln( )
CPI t CPI t 1 các chuỗi dữ
liệu không
DlnREER Ln( REERt )  Ln( REERt 1 ) cùng đơn vị
3.2 Phương pháp nghiên cứu

 3.2.1. Sơ lược về phép biến đổi Wavelet
Thay vì phương pháp phân tích chuỗi thời gian chuẩn, bài nghiên cứu này sử dụng
phương pháp wavelet có thể được thực hiện bằng cách phân tích miền thời gian,
phân tích miền tần số, phân tích quang phổ. Phân tích miền thời gian nghiên cứu sự
tiến triển của một biến kinh tế đối với thời gian, trong khi phân tích miền tần số cho
thấy biến đang hoạt động ở tần số nào (Masset, 2008) . Nói cách khác, đầu tiên
khoảng thời gian thay đổi chứ không phải tần số trong phân tích nhằm mục đích
nghiên cứu các tính chất tạm thời của biến tại tần số xác định. Các vấn đề về phân
tích miền thời gian phát sinh khi biến phụ thuộc vào một số thành phần tần số chứ
không chỉ có một. Tuy nhiên, tần số thay đổi chứ không phải khoảng thời gian. Do
188
đó, phân tích wavelet nghiên cứu các tính chất của một biến trong phổ tần số (Jia
và cộng sự, 2015) .
Wavelet là một làn sóng nhỏ, phát triển và phân rã trong khung thời gian hạn chế.
Madaleno & Pinho (2012) và Reboredo & Rivera – Castro (2013) cho rằng
wavelet có thể được xem như là phần mở rộng của phân tích Fourier và quang phổ
mà không phải đối mặt với điểm yếu của phân tích Fourier – đòi hỏi biến cần phải
dừng, điều không xảy ra với các biến kinh tế và tài chính. Điều quan trọng cần lưu
ý là mỗi biến bao gồm ba thành phần: tác động theo xu thế, theo mùa và ngẫu
nhiên. Việc làm biến dừng loại bỏ những ảnh hưởng lâu dài của biến. Phân tích
bước sóng cũng đưa ra phân tích hoàn chỉnh hơn về dữ liệu chuỗi thời gian gốc so
với phân tích Fourier. Tóm lại, phân tích Fourier đòi hỏi giả định về tính dừng và
không cung cấp thông tin đi kèm với thời gian (Croarkin & Tobias, 2006),
(Popoola , 2007) và (Tabak &Feitosa,2010) . Ngoài ra, các phép biến đổi Fourier
không có hiệu quả cao đối với lượng dữ liệu lớn. Các phép biến đổi này chỉ có thể
thực hiện được một khoảng từ 0 và 2p (Tran, 2006) .
Để khắc phục các hạn chế của phép biến đổi Fourier, phép biến đổi wavelet định vị
trong cả phạm trù thời gian và phạm trù tần số (Mallat , 1989) đã được đề xuất
(Morettin ,1996,1997 ; Priestley, 1996; Percival & Walden, 1999; Mousa &
Munib, 2005) . Bằng cách sử dụng các hàm toán học, phân tích wavelet cho phép
chia dữ liệu chuỗi thời gian thành các thành phần khác nhau, phân tích chuỗi gốc
bằng cách xem xét cả thời gian và tần số.
Maslova và cộng sự (2013) khẳng định rằng phân tích wavelet là lựa chọn tốt nhất
để thay thế cho phân tích Fourier vì:
i. Phân tích wavelet kết hợp thông tin từ cả miền thời gian và miền tần số.
ii. Không yêu cầu tính dừng.
iii. Cho phép chúng ta trích xuất các tần số khác nhau điều khiển biến kinh tế vĩ mô
bất kì trong miền thời gian bằng cách phân tích thành các thành phần thang thời
gian.
iv. Loại bỏ nhiễu từ các dữ liệu thô.
189
v. Các hiệp phương sai wavelet phân tích các hiệp phương sai giữa hai quy trình ngẫu
nhiên theo các thang thời gian khác nhau để dự đoán chuẩn xác hơn mối quan hệ
nhân quả giữa các biến .
Gencay và cộng sự (2002) cho rằng có 2 hàm wavelet . Các hàm wavelet cha (S) -
Father wavelet – bắt tần số thấp hoặc trơn hoặc phần xu hướng của tín hiệu, trong
khi hàm wavelet mẹ (D) – Mother wavelet – bắt được tần số chi tiết hoặc cao hoặc
độ lệch từ phần xu hướng của tín hiệu. S và D được ghi nhận như sau:

S J ,k ( x)  

J ,k y ( x)dx (a )

(2)
D j ,k ( x)    j ,k y ( x)dx ( j  1, 2,..., J ) (b)

Rất nhiều họ wavelet đã được giới thiệu trong các tài liệu nhưng đa số chỉ tập trung
vào các wavelet trực giao như Haar, Daublets, Symmlets và Coiflets. Một chuỗi
thời gian f (t ) có thể được phân tích bằng biến đổi wavelet, được diễn tả như sau:
f (t )   sJ ,kJ ,k (t )   d J ,k J ,k (t )   d J 1,k J 1,k (t )  ...   d1,k 1,k (t ) (3)

k k k k
trong đó :
J : số bậc đa phân giải; k chạy từ 1 đến hệ số của mỗi bậc;
sJ ,k , d J ,k ,..., d1,k là các hệ số biến đổi wavelet ;
J ,k (t ),  J ,k (t ) biểu diễn xấp xỉ hàm wavelet ;
Khi đó, biến đổi wavelet có thể được biểu diễn như sau:

sJ ,k  

J ,k (t ) f (t )dt (c )

(4)
d j ,k    j ,k (t ) f (t )dt ( j  1, 2,..., J ) (d )

trong đó J là số nguyên lớn nhất sao cho 2 J có giá trị nhỏ hơn số quan sát.
190
Các hệ số d J ,k ,..., d1,k chỉ ra sai lệch của thang đo thời gian so với xu hướng phẳng
trong dài hạn theo mức độ tốt tăng dần.
sJ ,k biểu diễn hệ số trơn ghi lại xu thế;
Xấp xỉ wavelet của chuỗi dữ liệu gốc f (t ) được diễn tả như sau:
f (t )  S J ,k (t )  DJ ,k (t )  DJ 1,k (t )  ...  D1,k (t ) (5)
trong đó :
S J ,k là tín hiệu trơn; DJ ,k , DJ 1,k ,..., D1,k là tín hiệu chi tiết.
Những tín hiệu trơn và chi tiết này được diễn tả như sau:
S J ,k   sJ ,kJ ,k (t )
k
DJ ,k   d J ,k J ,k (t ) (6)
k
D1,k   d1, k 1, k (t ) , j  1, 2,...J  1

k
S J ,k ; DJ ,k , DJ 1,k ,..., D1,k được liệt kê theo mức độ tốt tăng dần của những thành
phần trong thang đo thời gian.
 3.2.2 Biến đổi Wavelet rời rạc (DWT):
Trong nghiên cứu của Daubechies (1992) , hệ số lọc wavelet

h1  (h1,0 ,..., h1, L1 ,0,...,0)T hỗ trợ chặt chẽ cho thang đo đơn vị wavelet, tiến về 0
đối với độ dài N.
Cho h1, j  0 với l > L. Bên cạnh đó, bộ lọc wavelet phải thoả mãn các điều kiện
sau:
191
 L 1
 h1,l  0
 l 0
 L 1 2
 h1,l  1 , n  *
(7)
 l  0
 L 1
 h1,l h1,l  2 n  0
 l 0
Dựa trên những điều kiện này, bộ lọc wavelet phải có tổng bằng 0 ( giá trị kì vọng
bằng 0), phải có năng lượng đơn vị, phải trực giao đối với những chuyển mạch đều
của nó.
Giả sử g1  ( g1,0 ,..., g1, L1 ,0,...,0)T khi các hệ số lọc tiến về 0, xác định thông qua
g1,l  (1)l 1 h1, L11 và đặt x0 ,..., xN 1 là một chuỗi thời gian.
Với thang đo có N  L j , trong đó L j  (2 j  1)( L  1)  1 , chuỗi thời gian có thể
được lọc bằng cách dùng h j để thu được hệ số wavelet:
j 1 N
Wj ,t  2 2 W j ,2 j (t 1)1 , [(L-2)(1- j
)]  t  [ j  1] (8)
2 2
trong đó
L j 1
1
W j ,t  j
2
h j
x
j ,l t 1 , t  L j  1,..., N  1 (9)
2 2 2
Hệ số W j ,t liên quan đến sự thay đổi của thang đo độ dài  j  2 j 1 có thể thu được
từ việc lấy mẫu bổ sung mỗi thứ tự thứ 2 j của hệ số W j ,t .
Tuy nhiên, biến đổi wavelet trực giao rời rạc (DWT) tồn tại hai hạn chế:
i. Đòi hỏi độ dài nhị thức (kích thước mẫu chia hết cho 2 j )
ii. Hệ số wavelet và hệ số tỷ lệ không dịch chuyển bất biến dẫn đến độ nhảy cảm của
chúng bị dịch chuyển vòng tròn.
192
 3.2.3 Biến đổi wavelet rời rạc trùng lặp tối đa (MODWT):
Trái ngược với DWT, biến đổi wavelet rời rạc trùng lặp tối đa MODWT là biến đổi
không trực giao của DWT, được xem như thay thế cho DWT. Vì MODWT không
triệt tiêu hệ số nên số lượng hệ số wavelet và hệ số tỷ lệ tại mỗi mức biến đổi bằng
số mẫu quan sát. Ngay cả nếu MODWT mất đi tính trực giao và hiệu quả trong tính
toán, phép biến đổi này vẫn không có bất kì hạn chế nào về kích thước mẫu và dịch
chuyển bất biến. Các hệ số wavelet W j ,t và các hệ số tỷ lệ V j ,t tại các mức
j  1,..., J được tính bằng công thức:
L 1 L 1
W j ,t   g l v j 1,t 1mod N , v j ,t   hi v j 1,t 1mod N (10)
l 0 l 0
gj hj
Bộ lọc wavelet và tỷ lệ g l , hl được điều chỉnh lại thành g j  j
, hj  j
2 2
2 2
Hệ số wavelet không bị triệt tiêu cho biết sự khác biệt giữa trung bình tổng quát của
dữ liệu trên thang đo  j  2 j 1 .
 3.2.4 Biến đổi wavelet liên tục (CWT):
Mặc dù wavelets có tính năng rất thú vị nhưng nó lại không được các nhà kinh tế
ưa chuộng vì hai lí do quan trọng được đưa ra bởi Aguiar – Conraria và cộng sự
(2008) và Tiwari (2013) . Aguiar – Conraria cho rằng:
i. Trong hầu hết các ứng dụng kinh tế, biến đổi wavelet rời rạc đã được sử dụng chủ
yếu như một bộ lọc thông thấp và cao, khó thuyết phục các nhà kinh tế học rằng
điều tương tự không thể rút ra được từ các dữ liệu áp dụng phương pháp lọc thông
cổ điển hơn.
ii. Rất khó để phân tích đồng thời hai ( hay nhiều hơn) chuỗi thời gian.
Để khắc phục vấn đề nói trên và cung cấp phân tích về sự phụ thuộc thời gian – tần
số giữa hai chuỗi thời gian, Hudgins và cộng sự (1993) và Torrence Compo (1998)
đã phát triển kỹ thuật năng lượng wavelet chéo, liên kết wavelet chéo và sự khác
biệt giai đoạn. Bằng cách này, chúng ta có thể nghiên cứu sự tương tác giữa hai
193
chuỗi thời gian với tần số khác nhau và cách chúng tiến triển theo thời gian với tính
hữu dụng của phương pháp wavelet chéo (Tiwari ,2013) .
Nói chung, ứng dụng chuỗi thời gian trên một hàm wavelet được định nghĩa bằng
 0 (  ) với trung bình bằng 0. Một wavelet bao gồm chỉ tiêu thời gian (dt ) và tần số
( d  hoặc dải tần số). Mục đích của CWT là để lọc chuỗi thời gian bằng cách kéo
dãn thang đo của nó và tiêu chuẩn hoá nó thành năng lượng đơn vị. Theo đặc điểm
của một wavelet cụ thể, wavelet Morlet được trình bày dưới đây để xác định giới
hạn đối với mức độ không chắc chắn của dt. d  :
1
1 2
4 ic
 0 ( )   e e2 (11)
với C là tần số không có thứ nguyên,  là thời gian không có thứ nguyên (đơn
vị).
Với Wavelet Morlet (C  6) , chu kì Fourier wt gần như bằng với thang đo của
nó (wt  1.03s ) . Biến đổi wavelet liên tục của một chuỗi thời gian
ut , t  1,..., N  1, N với những bước thời gian giống nhau  t được định nghĩa là tập
hợp của xn với wavelet được phân tỷ lệ và tiêu chuẩn hoá. Công thức này được đưa
ra bởi Grinsted và cộng sự (2004) :
t N
t
WtA ( s) 
s
 x  [(t  n) s ]
t 1
t 0 (12)
2
Quang phổ wavelet được xác định bằng WtA (s) có thể được sử dụng để đo đạc
các giai đoạn và biến thiên của một chuỗi thời gian với thang đo thời gian. WtA ( s )
có thể coi như pha định vị. CWT có thể chứa đựng những tương quan giả tạo biên
bởi vì wavelet không hoàn toàn được định vị đúng lúc. Do đó, biểu đồ hình nón
COI được đưa ra để khắc phục vấn đề này. Nó có thể liên kết với vùng mà tại đó
năng lượng wavelet bị gây ra bởi sự không liên tục tại biên bị giảm xuống e 2 giá
trị tại biên. Mức ý nghĩa thống kê của năng lượng wavelet được xác định tương đối
194
với giả thuyết H 0 . Và như vậy, tín hiệu được tạo ra bởi một quá trình dừng với
quang phổ năng lượng nền cho trước ( Pk ) .
 3.2.5 Biến đổi wavelet chéo:
Biến đổi wavelet chéo của hai wavelet cho trước WnX ( s) & WnY (s ) của chuỗi thời
gian X n & Yn tương ứng, được định nghĩa bằng WnXY ( s )  WnX ( s ) WnY ( s ) với *
*
cung cấp các liên hợp phức tạp của WnY ( s ) được sử dụng để trình bày những giai
đoạn tương đối địa phương, hiệp biến giữa hai chuỗi thời gian trên thang đo thời
gian. Tham số phức tạp argW xy được xem như pha định vị tương đối giữa X n & Yn
trong khoảng thời gian – tần số. Bằng cách sử dụng phương pháp Monte Carlo để
đánh giá ý nghĩa thống kê của quang phổ wavelet chéo, Torrence & Compo đã đưa
ra phân phối lý thuyết về năng lượng wavelet chéo của hai chuỗi thời gian. Chuỗi
X n & Yn có nhiễu đỏ với quang phổ năng lượng PX & PY tương ứng, liên hệ với
nhau qua tần số  Fourier như sau:
*
WnX ( s)WnY ( s ) Cv ( p)
D(  p)  PX PY (15)
 XY v
trong đó  X &  Y là độ lêch chuẩn tương ứng với X và Y; Cv ( p ) là độ tin cậy liên
quan đến xác suất p . Với độ tin cậy 95%, Z 2 (95%)  3,999 (Grinsted và cộng sự,
2004 ; Torrence và Compo, 1998).
Quang phổ năng lượng wavelet cho thấy phương sai của một chuỗi thời gian với sự
xuất hiện của phương sai lớn chỉ ra năng lượng lớn. Mặt khác, năng lượng wavelet
chéo của hai chuỗi thời gian chỉ ra phương sai giữa những chuỗi thời gian đó tại
mỗi tần số khác nhau.
 3.2.6 Liên kết wavelet:
Dựa trên quang phổ wavelet chéo và năng lượng wavelet tự động, liên kết wavelet
được định nghĩa là quang phổ chéo được chuẩn hoá bằng hai quang phổ tự động
195
liên quan. Liên kết wavelet của vi phân lợi tức tỷ giá và lợi tức giá dầu được đưa ra
bởi Torrence và Webster (năm 1999) như sau:
2
S ( s 1WtAB ( s )
R ( s) 
t
2
2 2
(16)
1 A 1 B
S (s Wt ( s ) S ( s W ( s)
t
Trong đó, Rt2 ( s) là bình phương giá trị liên kết wavelet và S là toán tử trơn được
định nghĩa là S (W)  S scale ( Stime (Wn ( s))) với S scale đại diện cho trơn hóa dọc theo
trục thang đo wavelet và Stime cung cấp trơn hóa thời gian. Giá trị liên kết wavelet
dao động từ 0 đến 1 trong đó mô tả các thuộc tính của các tương quan trong hàm
sóng giữa hai chuỗi thời gian không dừng ở quy mô cụ thể hoặc trong một thời gian
nhất định.
196
4. KẾT QUẢ NGHIÊN CỨU THỰC NGHIỆM Ở MỘT SỐ QUỐC GIA

ĐÔNG NAM Á
4.1 Phân tích dựa trên biến đổi Wavelet rời rạc (DWT):
Trong các nghiên cứu trước đây, một số tác giả đã tìm ra những truyền dẫn ngắn
hạn và dài hạn giữa giá dầu và tỷ giá hối đoái tại các quốc gia khác nhau. Các tác
giả đã chỉ ra những mốc thời gian chính xác trong phân tích riêng của họ bằng cách
sử dụng lý thuyết tín hiệu - vốn được sử dụng rất nhiều trong một số lĩnh vực như:
công nghệ thông tin, điện tử hoặc khí tượng học,….
Sau đây, để nghiên cứu mối quan hệ giữa giá dầu và tỷ giá hối đoái thực có hiệu lực
(REER) tại các quốc gia Đông Nam Á, bài nghiên cứu này sẽ sử dụng phương pháp
Wavelet như đã đề cập.
Dưới sự trợ giúp của phân tích phương sai (MODWT), với một Wavelet LA (8) và
5 bậc phân tích, tác giả lấy được phương sai khi phân tích các biến số. Kết quả
được biểu diễn trong Hình 1, Hình 2 minh hoạ cho trường hợp Malaysia.
Hình 1. Phương sai Wavelet của giá dầu Malaysia, tại tất cả 5 bậc, với độ tin
cậy 95%
197
Hình 2. Phương sai Wavelet của tỷ giá hối đoái Malaysia, tại tất cả 5 bậc, với
độ tin cậy 95%
Từ Hình 1, chúng ta có thể thấy rằng phương sai của giá dầu có biến động tăng lên
khi bậc tăng; tuy nhiên, nhìn vào Hình 2, đối với tỷ giá hối đoái, biến động tăng lên
đến bậc 4 tương ứng với 8-16 tháng, sau đó giảm từ bậc 5 tương ứng với 16-32
tháng;
Hình 3 mô tả phân tích MODWT dựa trên hiệp phương sai Wavelet của giá dầu và
REER của Việt Nam.
Hình 4 cho thấy có sự khác biệt đáng kể giữa ngắn hạn, trung hạn và dài hạn.
198
Hình 3 Hiệp phương sai Wavelet giữa giá dầu và REER của Việt Nam.
Hình 4 Tương quan Wavelet giữa giá dầu và REER của Việt Nam.
199
Hình 5. Tương quan wavelet giữa giá dầu và tỷ giá hối đoái của Malaysia, tại
cả năm bậc, với độ tin cậy 95%
Từ kết quả trong Hình 5, tác giả nhận thấy rằng không có mối quan hệ đặc biệt
giữa giá dầu và tỷ giá hối đoái tại mọi bậc. Nói cách khác, tương quan giữa hai biến
này hoàn toàn gần như bằng không. Kết quả này tương tự như phát hiện trước đó ,
Tse và cộng sự ( 2010) cho rằng thông tin giá hàng hóa dần được đưa vào tỷ giá hối
đoái (và ngược lại) theo bậc hàng tháng.
200
4.2. Phân tích tương quan chéo Wavelet (Phân tích dẫn-trễ hay quan hệ nhân quả)
Hình 6. Tương quan chéo wavelet giữa giá dầu và tỷ giá hối đoái của Malaysia,
với độ tin cậy 95%
Sau khi kiểm tra mối quan hệ dẫn-trễ giữa giá dầu và tỷ giá hối đoái của Malaysia
thông qua phân tích Wavelet, tác giả thấy rằng:
Sự biến động của giá dầu tăng lên khi bậc tăng; nói cách khác, nó có biến động thấp
hơn tại tần số cao hơn (thang đo thấp hơn) và biến động cao hơn tại tần số thấp hơn
(thang đo cao hơn); tuy nhiên, đối với tỷ giá hối đoái, phương sai tăng lên đến bậc 4
tương ứng với 8-16 tháng, sau đó giảm xuống tại bậc 5 tương ứng với 16-32 tháng;
Đối với tương quan Wavelet, tương quan giữa giá dầu và tỷ giá không rõ ràng tại
mọi bậc từ 1 đến 5. Không có tương quan chéo Wavelet trong dài hạn khi xem xét
giá dầu và tỷ giá hối đoái. Điều này có nghĩa là không có quan hệ dẫn-trễ giữa giá
dầu và tỷ giá.
Hình 7 chỉ ra tương quan chéo Wavelet giữa giá dầu tại thời gian t và REER của
Việt Nam tại thời gian t – k , tại 6 mức phân tách. Dễ thấy, những biến động trong
ngắn hạn và trung hạn ít tương quan hơn so với trong dài hạn, do đó độ lớn của
tương quan chéo sẽ tiến về 0 khi tăng dãy tần số lên. Tại những thang đo nhỏ nhất
như thang đo thứ 1 và 2, độ lớn của mối quan hệ giữa hai biến nói chung bị giảm
đáng kể tại tất cả các độ trễ và dẫn dắt. Điều này hàm ý rằng trong ngắn hạn, giá
201
dầu và REER của Việt Nam độc lập với nhau. Tuy nhiên, trong trung hạn miền giá
dầu là biến dẫn dắt (bên trái) và miền REER là biến dẫn dắt (bên phải) đối xứng với
nhau. Từ đó cho thấy có mối quan hệ nhân quả hai chiều giữa giá dầu và REER.
Trong phân tích tương quan chéo Wavelet này, ở mức phân tách thứ 6, mối quan hệ
giữa hai biến đạt đỉnh gần bằng 1 đối với những độ trễ từ khoảng -15 đến -10. Mặt
khác, tại phần bên trái của biểu đồ có thể thấy trong dài hạn chỉ có giá dầu dẫn dắt
REER của Việt Nam. Ngoài ra, tương quan này là dương tại thang đo thời gian lớn
nhất (những chu kỳ trên 64 tháng). Điều đó cho thấy một nền kinh tế nhỏ như Việt
Nam dễ bị tác động bởi những cú sốc của giá dầu thế giới.
202
Hình 7. Tương quan chéo Wavelet giữa giá dầu tại thời gian t và REER tại
thời gian t-k.
Lưu ý:
(i) Level 1, 2,3,4,5 và 6 chỉ ra những chu kỳ 2, 4, 6, 8, 16, 32 và 64 tháng
(ii) Đường cận trên và cận dưới màu đỏ đại diện cho khoảng tin cậy trên và
dưới ở mức 95%.
4.3 Kiểm định độ bền vững:
 4.3.1 Kết quả dựa trên biến đổi Wavelet liên tục (CWT):
Phương pháp biến đổi Wavelet rời rạc kết hợp phân tích thời gian và tần số không
dễ để đưa ra lời giải thích rõ ràng. Trong trường hợp này, thông tin về tần số có
nhiều đa phân giải khác nhau tại mỗi giai đoạn. Phân tích CWT thường dễ dàng
hơn cho việc giải thích kết quả có được bởi vì sự dư thừa thông tin của nó có xu
hướng làm nổi bật lên những đặc điểm và làm cho thông tin trở nên rõ ràng hơn. Do
đó, bài nghiên cứu sử dụng cách tiếp cận CWT để chứng minh cho sự vững chắc
203
đối với những kết quả của phương pháp DWT và tạo điều kiện thuận lợi cho việc
giải thích những kết quả thực nghiệm.
Trước tiên, tác giả sử dụng phân tích CWT cho trường hợp của Malaysia. Biểu đồ
chuỗi thời gian của cả hai chuỗi (theo hình thức mũ log hay vi phân bậc 1 của log)
được biểu diễn tại bảng số liệu 1. Tác giả trình bày thống kê mô tả của giá dầu và tỷ
giá hiệu quả thực hàng tháng của Malaysia, được đo lường theo bậc log cũng như
theo lãi suất trong Bảng 2. Mẫu tỷ giá hối đoái (theo bậc và giá dầu (theo vi phân
bậc 1) là dương trong khi mẫu giá dầu (theo bậc) và tỷ giá hối đoái (theo vi phân
bậc 1) là âm. Phương pháp độ lệch chỉ ra rằng theo hình thức bậc cả hai chuỗi đều
lệch dương trong khi chuỗi lãi suất lệch âm. Chuỗi lãi suất (cũng là chuỗi bậc của
giá dầu) quyết định độ nhọn thừa, chỉ ra phân phối của những chuỗi này nhọn lép
so với phân phối chuẩn. Kiểm định chuẩn Jarque-Bera loại bỏ tính tầm thường của
tất cả chuỗi, tại bất kỳ mức ý nghĩa thống kê. Bước tiếp theo, tính dừng của chuỗi
dữ liệu của các biến kiểm định đã được thử nghiệm thông qua kiểm định ADF và
PP . Chúng tôi thấy rằng cả hai biến đều không dừng trong thể mũ log trong khi
chúng dừng khi ở thể vi phân bậc 1. Vì vậy, đối với phân tích sau này chúng tôi
biến đổi chuỗi thành thể vi phân bậc 1. Do đó, cả hai chuỗi biểu thị lãi suất hàng
tháng:- đã được tính toán như sự khác nhau giữa hai biến lôgarít tự nhiên của những
tháng liên tiếp.
Trung
bình
Trung vịCực
đại Cực
tiểu
Độ
lệch Độ
nhọn
Xác
xuất
Bảng 2. Thống kê mổ tả theo bậc và chuỗi lãi suất
204
Hình 8 . Sơ đồ lãi suất trao đổi hiệu quả thực của đồng rupee của Malaysia và
lãi suất dầu.
Trong Hình 9 tác giả biểu diễn kết quả của quang phổ điện Wavelet liên tục của cả
tỷ giá hiệu quả thực và giá dầu thực .
Hình 9. Quang phổ điện wavelet liên tục của DlnREER và DlnROP cho trường
hợp Malaysia.
Lưu ý: Đường viền đen đậm biểu thị mức ý nghĩa 5% ngược lại với phần nhiễu đỏ
và chóp ảnh hưởng (COI), trong đó, ảnh hưởng góc, làm siêu vẹo hình ảnh, được
thể hiện bằng gam màu nhạt hơn. Mã màu cho miền năng lượng từ xanh (năng
lượng thấp) đến đỏ (năng lượng cao). Trục Y đo lường tần số hay thang đo và trục
X biểu diễn giai đoạn thời gian đang nghiên cứu.
205
Trong Hình 9 , có một số khu vực chung trong đó năng lượng Wavelet cao theo cả
hai tín hiệu. Cụ thể, các đặc điểm chung trong năng lượng Wavelet của hai chuỗi
thời gian (tín hiệu) rõ ràng trên thang đo 9~12 tháng tương ứng với khoảng thời
gian 1990 -1991 và khoảng thang đo 32~64 tháng tương ứng với khoảng thời gian
1997-2002. Quan hệ giữa giá dầu và tỷ giá hối đoái của Malaysia cũng được quan
sát tại vị trí 2002, tuy nhiên, năng lượng wavelet không quá cao. Hình ảnh được
phác hoạ miêu tả điểm tương đồng giữa các chuỗi thời gian trong các giai đoạn này
rất mơ hồ và có thể chỉ là trùng hợp. Do vậy tác giả sẽ phân tích biến đổi Wavelet
chéo để tìm hiểu sâu hơn.
Hình 10. Biến đổi wavelet chéo của chuỗi thời gian DlnREER và DlnROP cho
trường hợp của Malaysia
Lưu ý: Đường viền đen đậm biểu thị mức ý nghĩa 5% ngược lại với phần nhiễu đỏ
được ước lượng từ thuật toán Monte Carlo sử dụng chuỗi giai đoạn đại diện ngẫu
nhiên. Chóp ảnh hưởng, chỉ ra vùng bị tác động bởi ảnh hưởng góc, được biểu diễn
bằng đường đen nhạt. Mã màu cho miền năng lượng từ xanh (năng lượng thấp) đến
đỏ (năng lượng cao). Độ lệch pha giữa các chuỗi được biểu diễn bằng các mũi tên.
Các mũi tên chỉ về bên phải nghĩa là các biến đang cùng pha. Hướng lên bên phải,
giá dầu thực (ROP) đang là biến dẫn. Hướng xuống bên phải, ROP đang là biến
trễ. Các mũi tên chỉ bên phải nghĩa là các biến đang ở ngược pha. Hướng lên bên
trái, ROP đang là biến trễ. Hướng xuống bên trái, ROP đang là biến dẫn. Cùng
206
pha nghĩa là các biến sẽ có ảnh hưởng theo chu kỳ lên nhau và ngược pha nghĩa là
các biến sẽ có ảnh hưởng phi chu kỳ lên nhau.
Dựa vào liên kết wavelet vì quang phổ wavelet chéo (cụ thể là wavelet chéo) không
chuẩn hóa quang phổ năng lượng wavelet đơn và do vậy kết quả đạt được có thể sai
sót trong khi liên kết wavelet được sử dụng để xác định cả dải tần số và khoảng thời
gian trong những cặp chỉ số hiệp phương sai. Trong Hình 11 tác giả đưa ra kết quả
đạt được từ phân tích liên kết wavelet chéo.
Hình 11. Liên kết wavelet chéo hay liên kết wavelet chéo bình phương của
DlnREER và DlnROP cho trường hợp Malaysia .
Lưu ý: Viền đen đậm biểu thị độ tin cậy 5% ngược lại với phần nhiễu đỏ được ước
lượng từ thuật toán Monte Carlo sử dụng chuỗi giai đoạn đại diện ngẫu nhiên. Chóp
ảnh hưởng, chỉ ra vùng bị tác động bởi ảnh hưởng góc, được biểu diễn bằng đường
đen nhạt. Mã màu của vùng liên kết từ xanh (liên kết thấp-gần về không) đến đỏ
(liên kết cao-gần về một). Đọ lệch pha giữa các chuỗi được biểu diễn bằng các mũi
tên. Các mũi tên chỉ về bên phải nghĩa là các biến đang cùng pha. Hướng lên bên
phải, ROP đang là biến dẫn. Hướng xuống bên phải, ROP đang là biến trễ. Các mũi
tên chỉ bên phải nghĩa là các biến đang ở ngược pha. Hướng lên bên trái, ROP đang
là biến trễ. Hướng xuống bên trái, ROP đang là biến dẫn. Cùng pha có nghĩa là các
207
biến sẽ có ảnh hưởng theo chu kỳ lên nhau và ngược pha hay phản pha có nghĩa là
các biến sẽ có ảnh hưởng phản chu kỳ lên nhau.
Tiếp theo, tác giả xem xét trường hợp của Indonesia. Hình 12 thể hiện gắn kết của
giá dầu và tỷ giá của Indonesia, cho thấy rằng các biến chủ yếu là trái giai đoạn
trong khảng từ năm 2000-2003 và 2006-2011. Từ năm 2000 đến năm 2003, mối
tương quan quy mô giảm trong khoảng 240 ngày trong khi từ 2006 đến 2011 sự
không tương quan trở nên đáng kể trong các tần số khác nhau. Trái giai đoạn có
nghĩa là nếu giá dầu tăng, thì tỷ giá hối đoái đồng rupiah của Indonesia sẽ được
định giá cao
Hình 12. Gắn kết Wavelet của tỷ giá hối đoái của Indonesia với giá dầu
Phần cuối của mục này, tác giả sẽ tiến hành phân tích trường hợp của Việt Nam, và
giải thích những kết quả thu được nhờ vào việc sử dụng quang phổ năng lượng của
mỗi chuỗi (Hình 13), quang phổ năng lượng Wavelet chéo (Hình 14) và Tính gắn
kết Wavelet của hai chuỗi (Hình 15).
Hình 13 chỉ ra rằng những chuỗi thời gian khác nhau có đặc điểm khác nhau trong
miền thời gian – tần số. Với REER của Việt Nam, có thể thấy được phương sai rất
cao trong ngắn hạn và trung hạn vào những năm 1997-1999 và 2007-2011. Bên
cạnh đó, giai đoạn 2007-2011, REER của Việt Nam cũng biến động khá cao tại
những chu kỳ dài hạn 16-32 tháng. Kể từ sau năm 2011, phương sai trở nên rất ổn
định. Với giá dầu, vào những năm 2000-2007 và 2009-2013, chúng ta có thể quan
sát được phương sai đáng kể trong ngắn hạn. Đỉnh điểm của những biến động cao
208
nằm ở những năm 1999-2003 tại những chu kỳ dài hạn và vào những năm 2007-
2009 tại những chu kỳ trung hạn.
Hình 13 Quang phổ năng lượng Wavelet liên tục của giá dầu và REER của
Việt Nam.
Do sự tương đồng giữa hai chuỗi giá dầu và REER Việt Nam được trình bày ở trên
là không cao nên tác giả thực hiện thêm một số kiểm định khác như biến đổi
Wavelet chéo, phương pháp đo lường tính gắn kết Wavelet, biểu đồ hình nón
(COI).
Trong giai đoạn 1998 – 1999 và 2003, xét những chu kỳ ngắn hạn như 4 – 8 tháng,
có thể thấy rằng những mũi tên hầu hết hướng sang bên trái và hướng lên, thể hiện
rằng giá dầu và REER của Việt Nam di chuyển ngược chiều nhau và giá dầu là biến
trễ. Thế nhưng, trong giai đoạn 2005 – 2007 thì mối quan hệ này thật sự không rõ
ràng là cùng pha hay lệch pha và biến nào là biến dẫn dắt. Mãi cho đến cuối năm
2010 và đầu 2011, mối quan hệ này trở nên rõ ràng hơn với sự di chuyển cùng pha
209
của hai biến và giá dầu là biến dẫn dắt. Trong trung hạn, mối quan hệ giữa hai biến
này lệch pha và giá dầu là biến dẫn dắt vào năm 2003. Trong khoảng 2008-2010,
biểu đồ hình nón cho thấy mối quan hệ giữa hai biến lệch pha và giá dầu là biến trễ.
Trong dài hạn, cụ thể với chu kỳ 16-32 tháng trong khoảng 2007-2009, mối quan hệ
giữa hai biến lệch pha và giá dầu là biến trễ.
Thông qua biến đổi Wavelet chéo (XWT), mối quan hệ giữa giá dầu và REER Việt
Nam vẫn chưa thật sự rõ ràng và giá dầu có là yếu tố dẫn dắt hay không.
Để xử lí nhược điểm của biến đổi Wavelet chéo (XWT), tác giả sử dụng tính gắn
kết Wavelet (WTC).
Trong ngắn hạn, với giai đoạn 2001 – 2003, giá dầu là biến trễ, còn với giai đoạn
Hình 14 Quang phổ năng lượng Wavelet chéo của giá dầu và REER của Việt
Nam.
210
Hình 15 Tính gắn kết Wavelet của giá dầu và REER của Việt Nam.
2006 – 2007, giá dầu lại là biến dẫn dắt. Trong trung hạn, với giai đoạn 2001 –
2003, mối quan hệ giá dầu và REER nghịch biến, giá dầu là yếu tố gây tác động
đến REER của Việt Nam. Với giai đoạn 2011 – 2013, giá dầu là biến trễ trong hết
chu kỳ 8-32 tháng. Trong dài hạn, giá dầu và REER của Việt Nam di chuyển cùng
pha và trong những năm 2002-2004, giá dầu là yếu tố dẫn dắt.
211
5. KẾT LUẬN
Có thể thấy rằng dầu mỏ là nguồn thu quan trọng cho các nước xuất khẩu dầu mỏ.
Dầu là yếu tố sản xuất chủ yếu và khi giá biến động, cú sốc giá dầu có thể dẫn đến
tụt giảm đầu ra, tăng lạm phát, và sụt giảm tỷ giá. Sự giảm đầu ra phụ thuộc vào độ
nhạy cảm của hàng tiêu dùng lâu bền (trong đó dầu là yếu tố sản xuất) đối với giá
dầu. Tiền tệ của một quốc gia cũng đóng một vai trò rất quan trọng trong việc duy
trì nền kinh tế quốc gia đó. Bài nghiên cứu này xem xét tương quan giữa những
thay đổi của giá dầu với những thay đổi trong tỷ giá hối đoái của các quốc gia Đông
Nam Á. Phân tích wavelet được sử dụng để phân biệt các mối quan hệ có thể có
giữa những thay đổi trong giá dầu và những thay đổi trong tỷ giá hối đoái trong tiền
tệ của các nước Đông Nam Á bằng cách tìm kiếm khoảng tần số và thời gian. Cụ
thể, mối quan hệ giữa giá dầu và tỷ giá hối đoái được chia thành ba loại chính: giá
dầu dẫn đầu tỷ giá hối đoái, tỷ giá dẫn đầu giá dầu, và các mối quan hệ qua lại giữa
2 yếu tố này. Các kết quả của nghiên cứu này có ý nghĩa thú vị cho các nhà hoạch
định chính sách trong việc tối ưu hóa các chính sách tiền tệ để kiểm soát áp lực lạm
phát có nguồn gốc từ dầu mỏ hoặc tỷ giá hối đoái biến động; có thể giúp xây dựng
chính sách tiền tệ của các quốc gia sản xuất và xuất khẩu dầu mỏ, thậm chí định giá
các tài sản liên quan đến dầu mỏ trong việc xây dựng các biện pháp tài chính phù
hợp cho các nước Đông Nam Á. Hơn nữa, các tác động của sự không đồng nhất
trên thị trường tài chính được tìm thấy trong gắn kết wavelet bằng cách phân ly các
mối quan hệ nhân quả của giá dầu và tỷ giá hối đoái thành quy mô thời gian khác
nhau hoặc để đầu tư cho phù hợp. Bằng chứng cho mối liên hệ giữa các thay đổi
trong giá dầu và khác biệt giữa tỷ giá hối đoái ở tần số cao và tần số trung bình
tương ứng với các nhà đầu cơ và các nhà quản lý danh mục đầu tư tương ứng.
Trong tương lai, nghiên cứu trên có thể được mở rộng bằng việc phân tích wavelet
đa biến trên cở sở tiếp cận bao gồm nhiều lãi suất khác nhau, lạm phát cung tiền, và
lãi suất thị trường chứng khoán – vốn được xem như những biến giải thích khác.
Bên cạnh đó, việc sử dụng phương pháp lọc wavelet trong dự báo tài chính và khử
nhiễu trong chuỗi thời gian cũng cần được xem xét thêm.
212
TÀI LIỆU TIẾNG VIỆT
GS.TS Trần Ngọc Thơ, PSG.TS Nguyễn Ngọc Định, 2011, “Tài Chính Quốc Tế”,
Trường Đại học Kinh tế TP.HCM.
TÀI LIỆU TIẾNG ANH
Amano, R.A., van Norden, S., 1998. “Oil prices and the rise and fall of the US real
exchange rate”. Journal of International Money and Finance. 17, 299–316.
Arouri, M.E.H., 2011. “Does crude oil move stock markets in Europe? A sector
investigation”. Economic Modelling. 28, 1716–1725.
Babatunde, M.A., Adenikinju, O., Adenikinju, A.F., 2013. “Oil price shocks and stock
market behaviour in Nigeria”. Journal of Economic Studies. 40, 180–202.
Basher, S.A., Haug, A.A., Sadorsky, P., 2012. “Oil prices, exchange rates and emerging
stock markets”. Energy Economics. 34, 227–240.
Behmiri, N.B., Manso, J.R.P., 2012. “Crude oil conservation policy hypothesis in OECD
(organisation for economic cooperation and development) countries: A multivariate
panel Granger causality test”. Energy. 43, 253–260.
Bénassy-Quéré, A., Mignon, V., Penot, A., 2007. “China and the relationship between the
oil price and the dollar”. Energy Policy. 35, 5795–5805.
Benhmad, F., 2012. “Modeling nonlinear Granger causality between the oil price and U.S.
dollar: A wavelet based approach”. Economic Modelling. 29, 1505–1514.
Chaudhuri, K., Daniel, B.C., 1998. “Long run equilibrium real exchange rates and oil
price”. Economics Letters. 58, 231–238.
Chen, S-S., 2009. “Oil price pass-through into inflation”. Energy Economics. 31, 126–133.
Cong, R-G., Wei, Y-M., Jiao, J-L., Fan, Y., 2008. “Relationships between Oil Price Shocks
and Stock Market: An Empirical Analysis from China”. Energy Policy. 36, 3544–
3553.
Daubechies, I., 1992. “Ten Lectures on Wavelets”, SIAM, Philadelphia.
Dawson, J.C., 2007. “The Effect of Oil Prices on Exchange Rates: A Case Study of the
Dominican Republic”. Undergraduate Economic Review. 3, Article 4.
213
Ding, L., Vo, M., 2012. “Exchange rates and oil prices: A multivariate stochastic volatility
analysis”. The Quarterly Review of Economics and Finance. 52, 15–37.
Eika, T., Magnussen, K.A., 2000. “Did Norway gain from the 1979–1985 oil price
shock?”. Economic Modelling. 17, 107–137.
Ferraro, D., Rogoff, K.S., Rossi, B., 2012. “Can oil prices forecast exchange rates?”.
NBER, WP 17998.
Ferderer, J.P., 1996. “Oil price volatility and the macroeconomy”. Journal of
Macroeconomics. 18, 1–26.
George Filis , Stavros Degiannakis, Christos Floros, 2011. “Dynamic correlation between
stock market and oil prices: The case of oil-importing and oil-exporting countries”.
International Review of Financial Analysis. 20, 152–164
Ghosh, S., 2011. “Examining crude oil price – Exchange rate nexus for India during the
period of extreme oil price volatility”. Applied Energy. 88, 1886–1889.
Grinsted, A., Moore, J.C., Jevrejeva, S., 2004. “Application of the cross wavelet transform
and wavelet coherence to geophysical time series”. Nonlinear Processes in
Geophysics. 11, 561–566.
Hamilton, J.D., 2003. “What is an oil shock?”. Journal of Econometrics. 113, 363–398.
Hassan, S., Zahid, M., 2011. “The real exchange rate of an oil exporting economy:
Empirical evidence from Nigeria”. FIW WP 72, September.
Hassan, S.A., Zaman, K., 2012. “Effect of oil prices on trade balance: New insights into
the cointegration relationship from Pakistan”. Economic Modelling. 29, 2125–2143.
Huang, Y., Guo, F., 2007. “The role of oil price shocks on China’s real exchange rate”.
China Economic Review. 18, 403–416.
Huang, A.Y., Tseng, Y.-H., 2010. “Is Crude Oil Price Affected by the US Dollar Exchange
Rate?”. International Research Journal of Finance and Economics. 58 , 109–120.
In, F., Kim, S., 2006. “The Hedge Ratio and the Empirical Relationship between the Stock
and Futures Markets: A New Approach Using Wavelet Analysis”. The Journal of
Business. 79, 799–820.
Iwayemi, A., Fowowe, B., 2011. “Impact of oil price shocks on selected macroeconomic
variables in Nigeria”. Energy Policy. 39, 603–612.
Jammazi, R., 2012. “Cross dynamics of oil-stock interactions: A redundant wavelet
analysis”. Energy. 44, 750–777.
214
Kim, S., In, F.H., 2003. “The relationship between financial variables and real economic
activity: evidence from spectral and wavelet analysis”. Studies in Nonlinear
Dynamics and Econometrics. 7, 1–18.
Kisswani, K.M., Nusair, S.A., 2013. “Non-Linearities in the dynamics of oil prices”.
Energy Economics. 36, 341–353.
Lizardo, R.A., Mollick, A.V., 2010. “Oil price fluctuations and U.S. dollar exchange
rates”. Energy Economics. 32, 399–408.
Naccache, T., 2011. “Oil price cycles and wavelets”. Energy Economics. 33, 338–352.
Nakajima, T., Hamori, S., 2012. “Causality-in-mean and causality-in-variance among
electricity prices, crude oil prices, and yen–US dollar exchange rates in Japan”.
Research in International Business and Finance. 26, 371–386.
Narayan, P.K., Narayan, S., Prasad, A., 2008. “Understanding the oil price – exchange rate
nexus for the Fiji islands”. Energy Economics. 30, 2686–2696.
Nikbakht, L., 2010. “Oil prices and exchange rates: the case of OPEC”. Business
Intelligence Journal. 3, 83–92.
Ocal, O., Ozturk, I., Aslan, A., 2013. “Coal Consumption and Economic Growth in
Turkey”. International Journal of Energy Economics and Policy. 3, 1993–1998.
Oriavwote, V.E., Eriemo, N.O., 2012. “Oil Prices and the Real Exchange Rate in Nigeria.
International Journal of Economics and Finance”. 4, 198–205.
Özlale, Ü., Pekkurnaz, D., 2010. “Oil prices and current account: A structural analysis for
the Turkish economy”. Energy Policy. 38, 4489–4496.
Prasad, A., Narayan, P.K., Narayan, J., 2007. “Exploring the oil price and real GDP nexus
for a small island economy, the Fiji Islands”. Energy Policy. 35, 6506–6513.
Percival, D.B., Walden, A.T., 2000. “Wavelet Methods for Time Series Analysis”,
Cambridge University Press, Cambridge.
Ramsey, J.B., Lampart, C., 1998b. “The decomposition of economic relationships by time-
scale using wavelets”. Macroeconomic Dynamics. 2, 49–71.
Rautava, J., 2004. “The role of oil prices and the real exchange rate in Russia’s economy –
a cointegration approach”. Journal of Comparative Economics. 32, 315–327.
Reboredo, J.C., 2012. “Modelling oil price and exchange rate co-movements”. Journal of
Policy Modeling. 34, 419–440.
Selmi, R., Bouoiyour, J., Ayachi, F, 2012. “Another look at the interaction between oil
price uncertainty and exchange rate volatility: The case of small open economies”.
215
International Conference on Applied Economics (ICOAE), Uppsala, Sweden.

Procedia Economics and Finance. 1, 346–355.
Shuddhasawtta Rafiq, Ruhul Salim, Harry Bloch, 2009. “Impact of crude oil price
volatility on economic activities: An empirical investigation in the Thai economy”.
Resources Policy 34, 121–132.
Tiwari, A.K., 2012. “Oil prices and the macroeconomy reconsideration for Germany: using
continuous wavelet”. Economic Modelling. 30, 636–642.
Tiwari, A.K., Dar, A.B., Bhanja, N., 2013. “Oil price and exchange rates: A Wavelet based
analysis for India”. Economic Modelling. 31, 414–422.
Tiwari, Mutascu, Albulescu, 2013. “The influence of the international oil prices on the real
effective exchange rate in Romania in a wavelet transform framework”. Energy
Economics. 40, 714–733
Torrence, C., Compo, G.P., 1998. “A Practical Guide to Wavelet Analysis”. Bulletin of the
American Meteorological Society. 79, 61–78.
Turhan, İ., Hacihasanoğlu, E., Soytaş, U., 2013. “Oil Prices and Emerging Market
Exchange Rates”. Emerging Markets Finance and Trade. 49, 21–36.
Wang, Y., Wu, C., 2012. “Energy prices and exchange rates of the U.S. dollar: Further
evidence from linear and nonlinear causality analyses”. Economic Modelling. 29,
2289–2297.
Zhang, Y-J., Fan, Y., Tsai, H-T., Wei, Y-M., 2008. “Spillover effect of US dollar exchange
rate on oil prices”. Journal of Policy Modeling. 30, 973–991.
Yanan He, Shouyang Wang , Kin Keung Lai, 2010. “Global economic activity and crude
oil prices: A cointegration analysis”. Energy Economics. 32, 868–876
216
ĐIỀU CHỈNH MÔ HÌNH: HỒI QUY RIDGE, HỒI QUY LASSO
VÀ HỒI QUY ELASTIC NET

Bùi Thị Lệ Thủy
*
Email: thuybtl@ueh.edu.vn | Điện thoại: 0984000537
Tóm tắt
Bài nghiên cứu này là một tóm tắt về phương pháp điều chỉnh mô hình bằng việc sử dụng hồi
quy Ridge, hồi quy LASSO và hồi quy Elastic Net, ưu nhược điểm của từng phương pháp. Tác
giả áp dụng các phương pháp hồi quy này cho một bộ dữ liệu sẵn có và lựa chọn ra mô hình
phù hợp nhất. Các kết quả được tính toán trên phần mềm R.
Từ khóa: Hồi quy Ridge; hồi quy LASSO; hồi quy Elastic Net.
217
1. GIỚI THIỆU
Xét mô hình hồi quy y   0  1 x1   2 x2  ...   k xk  u
Phương pháp bình phương nhỏ nhất ước lượng  0 , 1 ,  2 ,...,  k bằng các giá trị làm cực
tiểu
 
n 2
SSR   yi  0  1 xi1   2 xi 2  ...   k xik

i 1
X 'X  X 'y

OLS 1
Giải bài toán cực trị này ta có 
1 x11 x12 ... x1k   0   u1   y1 

       
1 x21 x22 ... x2 k   1   u2   y2 
X   ;   ; u  ; y 
...  ...   ...   ... 
       
1 xn1 xn 2 ... xnk      u   yn 
  k n
Trong thống kê, có hai đặc điểm quan trọng của một ước lượng mà chúng ta cần
xem xét, đó chính là tính chệch và phương sai. Tính chệch đề cập đến độ chính xác (hoặc
không chính xác) mô hình. Một mô hình đơn giản mà gây ra nhiều sai lầm được cho là có
độ lệch cao. Một mô hình rất phức tạp phù hợp với tập dữ liệu huấn luyện được cho là có
độ chệch thấp. Trong khi đó, phương sai của ước lượng, mô tả mức độ dự đoán có thể thay
đổi nếu một trong số các biến độc lập thay đổi một chút. Trong mô hình đơn giản được đề
cập ở trên, sự đơn giản của mô hình làm cho các dự đoán của nó thay đổi chậm với sự thay
đổi của biến độc lập, do đó nó có phương sai thấp. Mặt khác, mô hình phức tạp với mức
chệch thấp có thể rất phù hợp với dữ liệu huấn luyện và do đó, các dự đoán thay đổi rất
nhiều khi các biến độc lập thay đổi một chút. Điều này có nghĩa là mô hình này có phương
sai cao và nó sẽ không khái quát hóa tốt cho dữ liệu mới.
Hình 1. Mối quan hệ giữa chệch và phương sai trong các mô hình đơn giản
và phức tạp
Nguồn: Anthony Schams
Đối với ước lượng OLS ta tính được
   
Bias 
OLS
E 
OLS
218
   X 'X 
Var 
OLS
2 1
u 'u
Trong đó  2 được ước lượng bằng  2  với u  y  X 
n  k 1
Chúng ta mong muốn cả mức chệch và phương sai của các ước lượng đều nhỏ, vì nếu một
ước lượng có mức chệch và phương sai lớn sẽ đem lại kết quả dự báo kém chính xác.
Chúng ta đều biết rằng trung bình của bình phương phần dư luôn có thể được phân rã
thành ba thành phần như sau:
       E  X   E  X    
2 2
E u 'u  E X   X  2
 Bias 2  var iance   2
(Nguồn: Michat Oleszak)
Ước lượng OLS là không chệch, tuy nhiên có thể có phương sai rất lớn. Đặc biệt là
trong trường hợp
 Các biến độc lập có tương quan mạnh với nhau
 Mô hình có nhiều biến độc lập. Điều này được phản ánh trong công thức tính
phương sai, nếu (k+1) tiến đến n thì phương sai ước lượng tiến đến vô cùng.
Để xử lý tình huống này, ta tìm cách giảm phương sai bằng việc chấp nhận ước
lượng bị chệch. Việc chấp nhận một mức chệch nhỏ trong ước lượng có thể làm cho
phương sai của ước lượng giảm đáng kể, và vì vậy có thể làm giảm sai số dự báo. Nếu các
hệ số hồi quy không bị ràng buộc gì, chúng có thể lớn một cách tùy ý, và vì vậy rất dễ có
thể khiến cho phương sai ước lượng lớn. Do đó, để kiểm soát phương sai, chúng ta có thể
thiết lập các ràng buộc về độ lớn cho các tham số. Phương pháp này được gọi là sự điều
chỉnh mô hình và luôn làm cải thiện kết quả dự báo.
Hình 2. Sự đánh đổi giữa chệch và phương sai

Hình 2. mô tả về sự đánh đổi giữa mức chệch và phương sai. Khi độ phức tạp của
mô hình tăng lên, trong trường hợp hồi quy tuyến tính thì có thể hiểu là số biến độc lập
tăng lên, phương sai ước lượng sẽ tăng nhưng mức chệch giảm. Ước lượng OLS là không
219
chệch nên được định vị ở phía phải của hình trên, cách xa vị trí tối ưu về độ phức tạp của
mô hình. Chúng ta tìm cách dịch chuyển kết quả ước lượng về phía trái, hướng đến vị trí
tối ưu, nghĩa là chúng ta phải chấp nhận ước lượng chệch để làm giảm phương sai.
Như vậy, điều mà chúng ta mong muốn là làm giảm sự phức tạp của mô hình.
Chúng ta có thể sử dụng phương pháp đưa dần biến vào và loại dần biến ra nhưng nếu làm
theo cách này thì chúng ta không thể nói được gì về tác động của các biến bị loại bỏ lên
biến phụ thuộc. Việc loại bỏ các biến độc lập ra khỏi mô hình có thể được xem như là cho
các hệ số hồi quy bằng 0. Thay vì bắt buộc các hệ số này bằng 0, chúng ta có thể phạt các
hệ số có độ lớn quá lớn, và vì vậy điều chỉnh độ lớn của chúng nhỏ dần về 0 một cách liên
tục. Đây chính là cách mà hồi quy Ridge và hồi quy LASSO và hồi quy Elastic Net đã thực
hiện.
2. HỒI QUY RIDGE
Trong hồi quy Ridge, hàm tổn thất OLS được mở rộng theo hướng không chỉ làm
cực tiểu tổng bình phương phần dư mà còn ràng buộc độ lớn của các ước lượng để thu nhỏ
chúng về 0. Tức là đối với hồi quy Ridge, các hệ số  0 , 1 ,  2 ,...,  k được ước lượng bằng
các giá trị làm cực tiểu
 y   
n 2 k k
    j  SSR     j
2 2
i 0  1 xi1   2 xi 2  ...   k xik
i 1 j 1 j 1
Trong đó, các biến độc lập được giả sử là đã được chuẩn hóa và biến phụ thuộc
được quy tâm.   0 và được gọi là tham số điều chỉnh, được xác định một cách riêng biệt.
k
Số hạng    j , được gọi là một đại lượng điều chỉnh, càng nhỏ khi  j càng gần 0.
2
j 1
Giải bài toán cực trị trên ta thu được các ước lượng Ridge có dạng
  X ' X  I   X ' y
ridge 1

với I là ma trận vuông cấp k +1
Như vậy, việc bao gồm tham số  làm cho bài toán không suy biến ngay cả khi X ' X
không khả nghịch.
ridge OLS
Khi   0 ,  
ridge
Khi    ,  0
Ước lượng Ridge là một ước lượng chệch. Thật vậy
220
  X ' X  I   X ' y
ridge 1

  X ' X  I  X ' X  X ' X  X ' y
1 1
 
1
 X ' X Ip    X ' X  X ' X  X ' X  X ' y 
1 1
  

 I X 'X   1 1
X 'X 
1 OLS
X 'X
 I    X ' X  
1 1 OLS


  
 
1 1  0
E    X   E  I    X ' X  X   I X 'X 
ridge 1 OLS 1
  
   
Ngoài ra, ta tính được mức chệch và phương sai của các ước lượng Ridge theo
công thức sau
Bias    X   E    X     E  X ' X   I  X ' y X   

ridge ridge 1
     
 E  X ' X   I  X ' X    
1
 
 E  X ' X   I   X ' X   I   I     
1

 E I    X ' X  I     
1
 
   X ' X   I  
1
Var   

ridge
X   Var

 X ' X   I  1
X 'X X 'X  X 'y X
1

 Var   X ' X   I  X ' X  X 
1 OLS
 
  2  X ' X  I  X ' X  X ' X  I 
1 1
 càng lớn thì phương sai càng giảm và mức chệch tăng lên. Do đó, câu hỏi được
đặt ra là phải chọn  như thế nào là tối ưu.
Có hai cách để tìm giá trị tối ưu cho  . Cách làm truyền thống là lựa chọn  sao
cho tiêu chuẩn AIC hoặc BIC là nhỏ nhất. Trong đó
AIC ridge  n ln u ' u  2df ridge 

 
BIC ridge  n ln u ' u  2df ridge ln  n 
Một cách làm khác là thực hiện đánh giá chéo và lựa chọn  làm cực tiểu tổng
bình phương phần dư được đánh giá chéo. Để thực hiện ta chọn một tập gồm P giá trị  để
221
kiểm tra và chia tập dữ liệu ra K tập con không có phần tử chung, có kích thước gần bằng
nhau.
Giữ tập dữ liệu thứ m trong K tập con làm tập kiểm chứng (m = 1, 2, …, K). Với
mỗi giá trị của  , kí hiệu là  p với p = 1, 2, …, P, ta sử dụng K – 1 tập con còn lại để xác
ridge
định   p . Dự báo biến phụ thuộc
ridge
Ytest ,m  X test ,m   p
Sau đó tính
2
SSRm  Y  Ytest ,m
Và thu được
K
 SSR m
SSR p  m 1
Khi đó, giá trị tối ưu của  chính là giá trị làm cực tiểu SSRp
opt  arg min p SSRp
3. HỒI QUY LASSO
Hồi quy Ridge có một nhược điểm rất rõ ràng, đó là tất cả các biến độc lập đều có
k
mặt trong mô hình cuối cùng. Đại lượng điều chỉnh    j thu nhỏ các ước lượng về 0
2
j 1
nhưng không có hệ số nào bằng 0 một cách chính xác, trừ khi    . Điều này không ảnh
hưởng đến độ chính xác của kết quả dự báo nhưng có thể là một thách thức trong việc giải
thích mô hình nếu số biến độc lập lớn. Hồi quy LASSO được giới thiệu lần đầu tiên vào
năm 1996 bởi Robert Tibshirani chính là một sự lựa chọn để khắc phục điểm hạn chế này.
Đây là một phương pháp ước lượng hiệu quả trong việc thực hiện hai nhiệm vụ: Điều
chỉnh và lựa chọn biến.
Ý tưởng của hồi quy LASSO khá giống với hồi quy Ridge. Hàm tổn thất của hồi
quy LASSO chỉ khác với hồi quy Ridge ở đại lượng điều chỉnh.
Đối với hồi quy LASSO, ta cần tìm các ước lượng làm cực tiểu
 y   
n 2 k k
i 0  1 xi1   2 xi 2  ...   k xik     j  SSR     j

i 1 j 1 j 1
Như vậy, hồi quy LASSO sử dụng đại lượng điều chỉnh ở dạng chuẩn 1 thay vì
dạng chuẩn 2 như đối với hồi quy Ridge.
222
Cũng giống như hồi quy Ridge, Hồi quy LASSO thu nhỏ các ước lượng về 0. Tuy
nhiên, trong trường hợp của LASSO, đại lượng điều chỉnh ở dạng chuẩn 1 có hiệu lực
buộc một số ước lượng bằng 0 một cách chính xác khi tham số điều chỉnh đủ lớn. Do đó,
rất giống như quy trình lựa chọn tập con tốt nhất, LASSO thực hiện lựa chọn biến độc lập.
Hồi quy LASSO mang lại những mô hình thưa, tức là, mô hình chỉ bao gồm một tập hợp
con của các biến độc lập. Kết quả là các mô hình được tạo ra từ LASSO thường dễ giải
thích hơn nhiều so với những gì được tạo ra bằng hồi quy Ridge. Tương tự với hồi quy
Ridge, việc lựa chọn một giá trị tốt cho tham số điều chỉnh  là rất quan trọng.
4. HỒI QUY ELASTIC NET
Hồi quy LASSO có một số nhược điểm
 Nếu k  n thì hồi quy LASSO chỉ giữ lại nhiều nhất n biến độc lập ngay cả khi tất
cả các biến đều có ảnh hưởng đến biến phụ thuộc.
 Hồi quy LASSO thất bại trong việc lựa chọn nhóm biến có tương quan cao với
nhau. LASSO có xu hướng chọn 1 biến trong 1 nhóm và bỏ qua các biến khác.
Hồi quy Elastic Net khái quát hóa ý tưởng của cả hồi quy Ridge và hồi quy LASSO bằng
việc sử dụng đại lượng điều chỉnh là một sự kết hợp cả dạng chuẩn 1 và dạng chuẩn 2
Đối với hồi quy Elastic Net, ta cần tìm các ước lượng làm cực tiểu
 
n 2 k k
 1   j  2   j
2
yi   0  1 xi1   2 xi 2  ...   k xik
i 1 j 1 j 1
k k
 SSR  1   j  2   j
2
j 1 j 1
k k
 SSR     j  1      j
2
j 1 j 1
1
Trong đó  
1  2
Điều này mang lại cho chúng ta những lợi ích của cả hồi quy LASSO và Ridge. Phạt ở
dạng chuẩn 1 cho phép tạo ra mô hình thưa trong khi đó phạt ở dạng chuẩn 2 loại bỏ
giới hạn về số biến độc lập được lựa chọn, cho phép các tác động theo nhóm và làm ổn
định đường điều chỉnh 1 .
223
Hình 3. Đại lượng điều chỉnh của hồi quy Ridge, LASSO và Elastic Net trong trường
hợp mô hình hồi quy đơn với 1  2  0,5 .
5. THỰC HÀNH VỚI PHẦN MỀM R
5.1 Các đoạn lệnh trong R
Trong bài nghiên cứu này, tác giả sử dụng bộ dữ liệu gpa1.dta (Nguồn: Học liệu
của sách An introductory to Econometrics) gồm có 141 quan sát để ước lượng phương
trình điểm trung bình bậc đại học với biến phụ thuộc là colGPA: điểm trung bình bậc đại
học và 28 biến độc lập sau
1. age tuổi tính theo năm
2. soph =1 nếu là sinh viên năm nhất
3. junior =1 nếu là sinh viên năm hai
4. senior =1 nếu là sinh viên năm cuối
5. senior5 =1 nếu sinh viên năm thứ 5
6. male =1 nếu là nam
7. campus =1 nếu sống trong khuôn viên trường
8. business =1 nếu theo ngành kinh doanh
9. engineer =1 nếu theo ngành kĩ sư
10. hsGPA điểm trung bình bậc phổ thông
11. ACT điểm đầu vào bậc đại học
12. job19 =1 nếu công việc ít hơn 19 tiếng
224
13. job20 =1 nếu công việc >= 20 tiếng
14. drive =1 nếu lái xe đến trường
15. bike =1 nếu đi xe đạp
16. walk =1 nếu đi bộ
17. voluntr =1 nếu có làm từ thiện
18. PC =1 nếu có máy tính cá nhân
19. greek =1 nếu có tham gia hội nhóm
20. car =1 nếu có xe hơn
21. siblings =1 nếu có anh chị em ruột
22. bgfriend =1 nếu có bạn trai hoặc bạn gái
23. clubs =1 nếu thuộc về câu lạc bộ của trường
24. skipped số buổi cúp học
25. alcohol số ngày trung bình trong tuần có uống bia

rượu
26. gradMI =1 nếu trường cấp ba là Michigan
27. fathcoll =1 nếu cha tốt nghiệp đại học
28. mothcoll =1 nếu mẹ tốt nghiệp đại học
Đoạn lệnh trong R
library(foreign)
gpa1 <- read.dta("http://fmwww.bc.edu/ec-p/data/wooldridge/gpa1.dta")
set.seed(123)
library(glmnet)
library(dplyr)
library(psych)
y <- gpa1 %>% select(colGPA) %>% scale(center = TRUE, scale = FALSE) %>%
as.matrix()
x <- gpa1 %>% select(-colGPA) %>% as.matrix()
225
n<-nrow(y)
train_rows <- sample(1:n, .66*n)
x.train <- x[train_rows, ]
x.test <- x[-train_rows, ]
y.train <- y[train_rows, ]
y.test <- y[-train_rows, ]
lambdas_to_try <- 10^seq(-3, 5, length.out = 100)
ridge_cv <- cv.glmnet(x.train, y.train, alpha = 0, lambda = lambdas_to_try,standardize =

TRUE, nfolds = 10)
plot(ridge_cv)
lambda_cv <- ridge_cv$lambda.min
model_cv <- glmnet(x.test, y.test, alpha = 0, lambda = lambda_cv, standardize = TRUE)
y_hat_cv <- predict(model_cv, x.test)
mse_ridge_cv <- mean((y.test-y_hat_cv)^2)
rsq_ridge_cv <- cor(y.test, y_hat_cv)^2
mse_ridge_cv
rsq_ridge_cv
lasso_cv <- cv.glmnet(x.train, y.train, alpha = 1, lambda = lambdas_to_try,standardize =

TRUE, nfolds = 10)
lambda_cv <- lasso_cv$lambda.min
model_cv <- glmnet(x.test, y.test, alpha = 1, lambda = lambda_cv, standardize = TRUE)
mse_lasso_cv <- mean((y.test-y_hat_cv)^2)
rsq_lasso_cv <- cor(y.test, y_hat_cv)^2
mse_lasso_cv
rsq_lasso_cv
226
results <- data.frame()
for (i in 0:10) {
fit.name <- paste0("alpha", i/10)
ridge_cv <- cv.glmnet(x.train, y.train, alpha = i/10, lambda = lambdas_to_try,standardize =

TRUE, nfolds = 10)
lambda_cv <- ridge_cv$lambda.min
model_cv <- glmnet(x.test, y.test, alpha = i/10, lambda = lambda_cv, standardize = TRUE)
mse_ridge_cv <- mean((y.test-y_hat_cv)^2)
temp <- data.frame(alpha=i/10, mse=mse_ridge_cv ,fit.name=fit.name)
results <- rbind(results, temp)
results
5.2 Kết quả
Tác giả lần lượt sử dụng hồi quy Ridge, hồi quy LASSO và hồi quy Elastic Net trên
phần mềm R để lựa chọn mô hình tốt nhất.
Hình 4. Kết quả của quy trình đánh giá chéo tìm giá trị tối ưu cho 
Nguồn: tác giả tự tính
Bảng 1. Giá trị tối ưu của  đối với hồi quy Ridge và hồi quy LASSO
227
Hồi quy Las

Ridge so
Giá trị tối 0. 0.07

ưu của  559081 220809

Bảng 2. Kết quả hồi quy Ridge và hồi quy Lasso và hồi quy Elastic Net với alpha = 0,5
-
-0.6500408 -0.826524006
(Intercept) 1.078090826
age 0.009238893 . .
-
-0.219676052 .
soph 0.140728479
junior -0.004726857 . .
senior 0.006757257 . .
senior5 0.050869118 . .
male -0.04784282 . .
-
-0.079236241 -0.07206721
campus 0.107402343
busines
. .
s 0.035176439
engine
. .
er -0.044391083
0.19343282
0.15746860
hsgpa 0.145172751 9
act 0.006512639 . .
-
-0.041189028 .
job19 0.011982168
job20 0.064024036 . .
drive -0.034893194 . .
bike 0.015728192 . .
walk 0.014014188 . .
228
vonlunt
. .
r -0.046751662
pc 0.112405971 0.09065531 0.119683577
greek 0.048782271 . .
car
. .
0.013218051
sibling
. .
s 0.037838769
bgfrien
. .
d 0.033433574
clubs 0.03966433
0.01723591
0.059165038 3
skippe -
-0.05488283
d -0.041537468 0.057736014
alcohol
. 0.008659957
0.016357988
gradmi 0.19622300
0.16267815
0.131956676 0
fathcoll
. .
0.011530991
mothco
. .
ll 0.002961332
MSE 0.07014023 0.10164985 0.10978087
Bảng 3. Kết quả so sánh MSE giữa các mô hình

alpha MSE
0.0 0.06605095
0.1 0.08021044
0.2 0.08263246
229
0.3 0.07242132
0.4 0.07356336
0.5 0.10978087
0.6 0.07189643
0.7 0.07189643
0.8 0.10070267
0.9 0.07090821
1.0 0.10164985

Bảng 1. trình bày giá trị tối ưu cho  bằng phương pháp đánh giá chéo. Theo đó, đối với
hồi quy Ridge ta tìm được opt  0.559081 còn đối với hồi quy LASSO thì
opt  0.07220809
Tại Bảng 2., tác giả trình bày kết quả hồi quy Ridge, hồi quy LASSO và hồi quy Elastic
Net cho 1 trường hợp cụ thể 1  2  0.5 (bằng việc chọn   0.5 ).
Cuối cùng, tại Bảng 3., tác giả tính MSE cho 10 hồi quy tương ứng với 10 giá trị  khác
nhau từ 0 (Hồi quy Ridge), 0.1, 0.2, …0.9 (Hồi quy Elastic Net) cho đến 1 (Hồi quy
LASSO)
So sánh MSE giữa các mô hình ta lựa chọn mô hình hồi quy Ridge là mô hình cho kết quả
dự đoán điểm trung bình bậc đại học có độ chính xác cao nhất trên tập dữ liệu kiểm tra.
6. KẾT LUẬN
Luôn có một sự đánh đổi giữa mức chệch và phương sai của các ước lượng. Sự
đánh đổi giữa mức chệch và phương sai là sự đánh đổi giữa một mô hình phức tạp và đơn
giản, trong đó độ phức tạp trung bình có khả năng là tốt nhất. Ta cần chấp nhận một mức
chệch nhỏ để có thể làm giảm phương sai. Trong bài nghiên cứu này, tác giả giới thiệu
phương pháp điều chỉnh mô hình bằng hồi quy Ridge, LASSO, Elastic Net để làm giảm
phương sai của các ước lượng. Hồi quy Ridge, LASSO và Elastic Net là các mở rộng của
phương pháp bình phương nhỏ nhất thông thường, sử dụng các đại lượng điều chỉnh trong
hàm tổn thất để giữ các ước lượng nhỏ và đơn giản hóa mô hình. Các phương pháp ước
lượng này thể hiện nhiều ưu điểm so với OLS, đặt biệt là trong trường hợp mô hình xảy ra
đa cộng tuyến hoặc mô hình là quá khít.
Hồi quy LASSO rất hữu ích cho việc lựa chọn biến giải thích, khi tập dữ liệu của
chúng ta có các biến với khả năng dự đoán kém.
Hồi quy Ridge rất hữu ích cho hiệu ứng nhóm, trong đó các biến cộng tuyến với
nhau có thể được chọn cùng nhau.
230
Hồi quy Elastic Net kết hợp LASSO và hồi quy Ridge, có khả năng dẫn đến một
mô hình vừa đơn giản vừa có khả năng dự đoán tốt.
Anthony Schams. Bias, Variance, and Regularization in Linear Regression: Lasso, Ridge,
and Elastic Net — Differences and uses.
Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani. An Introduction to

Statistical Learning with Applications in R.
Hui Zou, Trevor Hastie. Regularization and Variable Selection via the Elastic Net.
Michat Oleszak. Regularization: Ridge, LASSO and Elastic Net
231
MỘT MỞ RỘNG VỀ MÔ HÌNH

KHỐI LƯỢNG ĐẶT HÀNG KINH TẾ CƠ BẢN
Nguyễn Thành Cả
*
Tác giả liên hệ: Email: ngthanhca@ueh.edu.vn
Tóm tắt
Mô hình khối lượng đặt hàng kinh tế cơ bản (The Basic Economic Order Quantity Model)
trong Quản trị hàng tồn kho đóng một vai trò cơ bản để hiểu và thực hiện quản lý hàng dự trữ.
Tuy nhiên mô hình có hạn chế là dựa trên giả định mức độ tiêu thụ hàng dự trữ là xác định và
không đổi theo thời gian. Bài viết này thử đưa ra một mở rộng về giả thiết lượng hàng dự trữ
trong kho là một hàm đa thức theo thời gian, cụ thể là hàm bậc hai theo thời gian. Hàm bậc
hai biểu diễn lượng hàng dự trữ trong kho theo thời gian này được kỹ thuật phân tích hàm hồi
quy, dựa vào dữ liệu thống kê khối lượng hàng tồn kho theo thời gian, trong thực tế xác nhận.
Khi đó tác giả tìm các điều kiện cho các tham số để bài toán lý thuyết dự trữ đạt tối ưu.
Từ khóa:
Mô hình khối lượng đặt hàng kinh tế cơ bản.
Chi phí mua hàng, chi phí đặt hàng, chi phí tồn trữ, mức độ tiêu thụ hàng dự trữ, hàm biểu diễn
lượng hàng dự trữ trong kho tại thời điểm t, hàm hồi quy.
232
1. GIỚI THIỆU
Mô hình khối lượng đặt hàng kinh tế xem xét sự đánh đổi giữa chi phí đặt hàng và
chi phí tồn kho trong việc lựa chọn khối lượng để bổ sung hàng tồn kho. Một khối lượng
đặt hàng lớn sẽ làm giảm số lần đặt hàng và do đó làm giảm chi phí đặt hàng / năm, nhưng
đòi hỏi lượng hàng tồn kho trung bình sẽ lớn, từ đó làm tăng chi phí tồn kho / năm. Ngược
lại, một khối lượng đặt hàng nhỏ sẽ làm giảm lượng hàng tồn kho trung bình nhưng số lần
đặt hàng sẽ nhiều hơn và chi phí đặt hàng / năm cao hơn. Khối lượng đặt hàng làm tối thiểu
hóa chi phí liên quan đến hoạt động dự trữ được gọi là Khối lượng Đặt hàng Kinh tế (The
Economic Order Quantity - EOQ).
Mô hình khối lượng đặt hàng kinh tế cơ bản dựa trên giả thiết cơ bản là mức độ tiêu
thụ hàng dự trữ là không đổi theo thời gian. Từ đó ta có thể tìm ra hàm số biểu diễn lượng
hàng dự trữ trong kho tại thời điểm t là Q(t)  Q  Dt, t [0,T] (chu kỳ đầu tiên). Bài viết
mở rộng lý thuyết dự trữ trong trường hợp hàm số biểu diễn lượng hàng dự trữ trong kho
tại thời điểm t có dạng đa thức bậc hai: Q(t)  at 2  bt  c, t [0, T] . Tìm ra các điều kiện
cho các tham số a, b, c để bảo đảm đạt khối lượng đặt hàng tối ưu Q*.
2. NỘI DUNG
2.1. Mô hình khối lượng đặt hàng kinh tế (EOQ)
Bài toán lý thuyết dự trữ theo mô hình khối lượng đặt hàng kinh tế có dạng:
Tìm khối lượng đặt hàng Q > 0 sao cho tổng chi phí liên quan đến hoạt động dự trữ trong
năm:
AC(Q)  CD  Kn  HZ  min
Trong đó:
 C là chi phí để mua 1 đơn vị hàng dự trữ (Unit Cost). Trong mô hình EOQ cơ bản
C được giả thiết là cố định, bất kể khối lượng đặt hàng Q là bao nhiêu. Người ta
cũng có mở rộng mô hình EOQ theo C có chiết khấu theo khối lượng hàng đặt mua,
tức là C thay đổi theo Q.
 D là mức tiêu thụ hàng dự trữ hằng năm (Customer Demand), được giả thiết là đã
biết và không đổi.
 K là chi phí đặt hàng cố định trong mỗi lần ký hợp đồng đặt hàng (Fixed Order
Cost): Bao gồm chi phí giao dịch, tiếp khách, hoa hồng, hóa đơn,... liên quan đến
việc tìm nguồn hàng cung ứng và đặt mua hàng dự trữ. Trong một số trường hợp
chi phí đặt hàng có quan hệ mật thiết với thời gian chuẩn bị thực hiện đơn hàng
theo quan hệ: Thời gian chuẩn bị đơn hàng càng gấp thì chi phí đặt hàng càng cao.
Ở đây ta giả sử K là không đổi.
 n là số lần đặt hàng trong năm.
 H là chi phí tồn trữ hàng tồn kho (Inventory-Holding Cost): Chi phí tồn trữ hàng
tồn kho thể hiện chi phí quản lý vốn (ví dụ, giá trị thời gian của tiền) đầu tư vào các
233
đơn vị, chi phí không gian mà đơn vị tiêu thụ, thuế hoặc phí bảo hiểm cho chính
hàng tồn kho, và trong một số trường hợp, là các khoản trợ cấp cho hàng lỗi thời
(nghĩa là, khả năng các mặt hàng có thể trở nên vô dụng khi chúng đang tồn kho)
hoặc "co rút" (tức là các đơn vị đó có thể bị mất hoặc bị đánh cắp). Theo kinh
nghiệm H có thể nằm trong khoảng từ 25% đến 50% giá trị của 1 đơn vị hàng dự
trữ. Ở đây ta giả sử H là không đổi.
 Z là lượng hàng tồn kho trung bình trong năm.
2.2. Mô hình khối lượng đặt hàng kinh tế cơ bản
Các giả thiết:
 Nhu cầu về hàng dự trữ là biết trước và không đổi. Giả sử nhu cầu là D (đơn vị /
năm).
 Biết trước thời gian từ lúc đặt hàng đến lúc nhận hàng và thời gian đó là không đổi
trong tất cả các lần đặt hàng.
 Toàn bộ lô hàng đặt mua đến kho cùng một lúc. Tức là thời gian chờ (Leadtime)
bằng không.
 Không tiến hành khấu trừ theo các mức khối lượng hàng đặt mua.
Theo các giả thiết trên, ta có giá 1 đơn vị hàng dự trữ C và khối lượng nhu cầu hàng dự trữ
trong năm D là không đổi. Do đó:
D D
AC(Q)  CD  K  HZ  min  f (Q)  K  HZ  min
Q Q
D
Số lần đặt hàng trong năm: n 
Q
1 Q
Một chu kỳ xử lý hàng dự trữ: T   (năm)
n D
Quá trình xử lý hàng dự trữ trong năm có tính chất tuần hoàn, mỗi năm thực hiện n chu kỳ
với thời gian trong mỗi chu kỳ là T.
Do nhu cầu và mức độ tiêu thụ hàng dự trữ là không đổi nên ta hoàn toàn chủ động trong
việc đặt hàng mà không sợ thiếu hàng dự trữ khi có nhu cầu, nên tốt nhất là khi hết hàng
trong kho ta mới tiến hành bổ sung hàng dự trữ, để tránh chi phí dự trữ tăng lên. Vì vậy đồ
thị về khối lượng hàng dự trữ trong kho sẽ có dạng như sau:
234
0 T 2T . . . (n-1)T 1
Giả sử xét chu kỳ đầu tiên t  0,T
Phương trình đoạn thẳng đi qua 2 điểm (T,0) và (0,Q) là: Q(t)  Q  Dt, t  0,T 
Lượng hàng dự trữ trung bình trong năm:

T T
1 1 1 QT Q
Z   Q(t)dt   (Q  Dt)dt   
T0 T0 T 2 2
Do đó, ta có bài toán:
D DK 1
f (Q)  K  HZ   HQ  min
Q Q 2
Điều kiện cần (Điều kiện cấp I):
df (Q) DK H 2DK
 2  0  Q
dQ Q 2 H
2DK
Ta chọn: Q  ( 0)
H
Điều kiện đủ (Điều kiện cấp II):
d 2f (Q) 2DK
 3  0, Q  0
dQ 2 Q
(f(Q) là hàm lồi trên miền R   (0, ) )
2DK d 2f (Q) 2DK

Tại Q  ta có  3  0 (Cực tiểu địa phương)
H dQ2 Q
235
2DK
Do đó lời giải phải tìm là: Q* 
H
2.3. Mở rộng mô hình khối lượng đặt hàng kinh tế cơ bản
Bây giờ ta mở rộng điều kiện, cho rằng mức độ tiêu thụ hàng dự trữ là thay đổi, và quy luật
thay đổi đặc trưng bằng hàm số biểu diễn lượng hàng dự trữ trong kho tại thời điểm t có
dạng đa thức bậc hai: Q(t)  at 2  bt  c, t   0, T  . Các giả thiết khác được giữ nguyên như
trong mô hình khối lượng đặt hàng đơn giản.
Khi đó, đồ thị biểu diễn lượng hàng dự trữ trong kho có dạng:
a0
0 T 2T . . . (n-1)T 1
a0
0 T 2T . . . (n-1)T 1
 Vì đồ thị đi qua điểm (0,Q) nên ta có: c  Q  0
Q
 Vì đồ thị đi qua điểm (T,0) nên ta có: aQ  bD  D2  0  b  D  a
D
Mặc dù về nguyên tắc tham số a có thể dương (> 0) hay âm (< 0), nhưng sau này ta sẽ thấy
a < 0 thì mới thỏa điều kiện tìm được khối lượng đặt hàng tối ưu Q*.
236
Lượng hàng dự trữ trung bình trong năm:

T T
1 1 Q2 Q Q2 Q
T 0 T 0
Z Q(t)dt  (at 2
 bt  c)dt  a  b  Q   a 
3D 2 2D 6D 2 2
Như vậy hàm số tổng chi phí dự trữ f(Q) sẽ biến đổi theo biến Q và phụ thuộc tham số a,
theo dạng:
DK DK H 2 H
f (Q)   HZ  a Q  Q  min
Q Q 6D2 2
Điều kiện cần (Điều kiện cấp I):
df (Q) DK H H
  2  a 2 Q   0  2aHQ3  3HD2Q2  6D3K  0
dQ Q 3D 2
Điều kiện đủ (Điều kiện cấp II):
d 2f (Q) 2DK
dQ 2
H 1
 3  a 2  3 2 6D3K  aHQ3
Q 3D 3Q D
 
1

 3 2 3HQ 2 D 2  aQ 
3Q D
H
QD 2  
D 2  aQ  0, Q  0 
Như vậy, ta chọn lời giải của bài toán thỏa điều kiện sau:
2aHQ3  3HD2Q 2  6D3K  0 (*)


Q  0, aQ  D (**)
2
Cách giải hệ trên: Với H, D, K cho trước, đầu tiên ta giải phương trình bậc ba (*) tìm ra
nghiệm Q biểu diễn theo tham số a. Cho tham số a nhận một số giá trị, từ đó ta chọn ra cặp
(a,Q) nào thỏa mãn Q  0, aQ  D2 . Và xác định các tham số a, b, c của hàm biểu diễn
lượng hàng tồn kho tại thời điểm t: Q(t)  at 2  bt  c, t   0, T 
c  Q  0

 aQ
 b  D 
 D
Tuy nhiên, việc giải hệ (*) và (**) trên đây chỉ đảm bảo cho ta cực tiểu địa phương, trong
khi yêu cầu của bài toán là tìm cực tiểu toàn cục của hàm số:
DK H 2 H
f (Q)  a Q  Q
Q 6D 2 2
Trên miền xác định Q  R    0,  
237
Với D, K, H là các số dương cho trước. Ta dễ dàng thấy
DK H 2 H
f (Q)  a 2
Q  Q là một hàm lồi ngặt trên R    0,   với a < 0. Do đó lời
Q 6D 2
giải cực tiểu địa phương trên đây cũng chính là lời giải cực tiểu toàn cục phải tìm, và điểm
đặt hàng tối ưu Q* khi đó cũng là điểm đặt hàng tối ưu duy nhất.
Tóm lại, nếu hàm biểu diễn lượng hàng tồn kho tại thời điểm t có dạng:
Q(t)  at 2  bt  c, t   0, T 
Thì để bảo đảm tìm được lượng đặt hàng tối ưu Q*, các tham số a, b, c và Q* phải thỏa điều
kiện:
a  0

b   D  aQ
 D
c  Q  0

2aHQ  3HD Q  6D K  0
3 2 2 3
3. MỘT KẾT QUẢ BẰNG SỐ
Với ví dụ một hoạt động dự trữ có các số liệu: H = 5; K = 1; D = 100.
 Trong điều kiện mức độ tiêu thụ hàng dự trữ không đổi, ta có khối lượng đặt hàng
2DK 2 100 1
tối ưu: Q*    2 10  6,325
H 5
 Bây giờ xét lượng hàng tồn kho có dạng: Q(t)  at 2  bt  c, t   0, T  .
Ta lập được hệ:
10aQ3  150.000Q 2  6.000.000  0


Q  0; aQ  10.000
Kết quả giải bằng phần mềm WolframAlpha được cho dưới đây:
238
Theo kết quả trên, ta thấy trong trường hợp a = 0 thì lời giải là Q*  2 10  6,325 . Đây
cũng chính là lời giải trong trường hợp mức độ tiêu thụ hàng dự trữ là số không đổi.
Trong trường hợp a  0 , loại bỏ 2 nghiệm phức, ta còn lại một nghiệm thực có dạng:
 2/3 3
 10 3a 2  3 3a 4  2.500.000a 2  1.250.000
Q  10
*
 a

25.000 3 10 500 
 
3 a 
a 3a 2  3 3a 4  2.500.000a 2  1.250.000 

4, 64159 3 3a 2  1, 73205 3a 4  2.500.000a 2  1.250.000
 10 
 a


53.860,9 500 
 
a 
a 3 3a 2  1, 73205 3a 4  2.500.000a 2  1.250.000 
239
Bài toán có 12 nghiệm nguyên (a và Q nguyên), nhưng loại đi các trường hợp Q < 0 ta còn
lại 6 nghiệm nguyên sau đây:
 a  585.000, Q  1 ;  a  67.500, Q  2  ;  a  5.625;Q  4  ;

 a  1.800, Q  5  ;  a  675, Q  20  ;  a  900;Q  10  .
Sau đó bỏ tiếp các trường hợp a > 0, cuối cùng ta còn lại 4 nghiệm nguyên:
 a  585.000, Q  1 ;  a  67.500, Q  2  ;
 a  5.625;Q  4  ;  a  1.800, Q  5 
 Trong trường hợp biết trước a (từ kỹ thuật tìm hàm hồi quy xuất phát từ số liệu
thống kê kho hàng) chẳng hạn biết trước a = -1.000. Ta có một số kết quả tính toán
trên Excel như sau:
a b c (= Q) Z f(Q,a)
0 -100 6.325 3.162 31.623
-585000 5750 1 10.25 151.25
-67500 1250 2 5.5 77.5
-5625 125 4 3.5 42.5
-1800 -10 5 3.25 36.25
-1000 -45.795 5.421 3.2 34.448
aQ aQ
Trong đó: b  D   100  ;
D 100
aQ2 Q aQ2 Q DK 100

Z 2
    ; f (Q,a)   HZ   5Z
6D 2 60.000 2 Q Q
Như vậy, ta có khối lượng đặt hàng tối ưu là: Q* = 5,421;
Với giá trị các tham số: a = -1.000; b = -45,795; c = 5,421.
240
4. KẾT LUẬN
Bài viết nêu ra các điều kiện đối với các tham số a, b, c trong hàm số biểu diễn khối lượng
hàng dự trữ trong kho, trong mỗi chu kỳ xử lý khối lượng đặt hàng, có dạng đa thức bậc
hai Q(t)  at 2  bt  c , đảm bảo tính tối ưu và tìm ra khối lượng đặt hàng tối ưu Q*. Đây là
một sự mở rộng hàm số biểu diễn khối lượng hàng dự trữ trong kho có dạng tuyến tính
Q(t)  Q  Dt , xảy ra khi mức độ tiêu thụ hàng dự trữ là số không đổi. Thông qua sự mở
rộng này chúng ta có thêm một mô hình trong lý thuyết quản lý dự trữ, và điều này có ý
nghĩa đối với các sinh viên đang học toán dành cho nhà kinh tế và quản trị, cũng như toán
áp dụng trong kinh tế và kinh doanh.
Cuối cùng, ta cũng có thể nghĩ đến sự mở rộng hàm số biểu diễn khối lượng hàng dự trữ
trong kho có các dạng đa thức bậc cao hơn, chẳng hạn bậc 3, 4,... Tuy nhiên, lúc đó ta sẽ
thu được các phương trình tương ứng là bậc 4 với 2 tham số, bậc 5 với 3 tham số,... Đây sẽ
là những phương trình cực kỳ phức tạp trong sự biểu diễn nghiệm theo các tham số. Những
dạng hàm phức tạp này cũng khó có ứng dụng trong thực tế quản lý dự trữ, cũng như trong
công tác giảng dạy và học tập.
1. Đồng Thị Thanh Phương. (2014). Quản trị Sản xuất & Dịch vụ. NXB Lao động – Xã
hội (Lý thuyết và Bài tập – Tái bản lần thứ bảy).
2. Erlenkotter, D. (1989) “An Early Classic Misplaced: Ford W. Harris’s Economic Order
Quantity Model of 1915,” Management Science 35:7, pp. 898–900.
3. Schwarz, L. B. (1972) “Economic Order Quantities for Products with Finite Demand
Horizons,” AIIE Transactions 4:3, 234–237.
4. Zipkin, P. (2000) Foundations of Inventory Management, McGraw-Hill Higher

Education, New York, New York.
PHỤ LỤC
Mệnh đề 1.
f(x), g(x) là các hàm lồi ngặt, khi đó h(x)  af (x)  bg(x)  c cũng là một hàm lồi ngặt,
với a  0, b  0.
Chứng minh:
Ta có: f x1  (1  )x 2   f (x1)  (1  )f (x 2 ),   0,1 , x1, x 2 sao cho x1  x 2
g x1  (1  )x 2   g(x1)  (1  )g(x 2 ),   0,1 , x1, x 2 sao cho x1  x 2
241
 h  x1  (1  )x 2   af  x1  (1  )x 2   bg  x1  (1  )x 2   c

 a  f (x1 )  (1  )f (x 2 )   b  g(x1 )  (1  )g(x 2 )   c
   af (x1 )  bg(x1 )  c   (1  ) af (x 2 )  bg(x 2 )  c   h(x1 )  (1  )h(x 2 )
(với a  0, b  0 )
Mệnh đề 2.
f (Q) 
DK
Q
a
H 2 H
6D 2
Q  Q
2
DK

Q 6D
H
2
aQ 2  3D 2Q  
là một hàm lồi ngặt trên R    0,   với a < 0.
Chứng minh:
Với D, K, H là các số dương (> 0) cho trước. Ta dễ thấy:
1
 g(Q)  là một hàm lồi ngặt trên R    0,  
Q
1 2
Thật vậy, ta có: g(Q)    g(Q)   0, Q  0 (đpcm).
Q2 Q3
 h(Q)  aQ2  3D2Q là một hàm lồi ngặt trên R   ,   với a < 0.
Thật vậy, ta có: h(Q)  2aQ  3D2  h(Q)  2a  0, Q (đpcm).
 Cuối cùng, áp dụng Mệnh đề 1. trên đây ta có đpcm.
242
PHẦN 3
LÝ THUYẾT VÀ MÔ
HÌNH TOÁN
243
LÝ THUYẾT TRÒ CHƠI & MỘT SỐ TÌNH HUỐNG THỰC TẾ

Lê Thị Hồng Hoa
*
Tác giả liên hệ: Email: lthhoa@ueh.edu.vn
Tóm tắt
Lý thuyết trò chơi là một nhánh của toán học ứng dụng được khởi xướng bởi John von
Neumann và Oskar Morgenstern vào năm 1944. Lý thuyết trò chơi là quá trình mô hình hóa sự
tương tác chiến lược giữa hai hoặc nhiều người chơi trong một tình huống bao gồm các quy
tắc và kết quả. Mặc dù được sử dụng trong nhiều lĩnh vực, lý thuyết trò chơi được sử dụng
nhiều nhất trong các nghiên cứu kinh tế học khi nghiên cứu hành vi, chiến lược của các cá
nhân và tổ chức. Bài viết giới thiệu các mô hình, chiến lược cơ bản trong lý thuyết trò chơi và
một số tình huống trong thực tế.
Từ khóa: Chiến tranh thương mại; lý thuyết trò chơi; sự cạnh tranh; tương tác chiến lược
244
1. KHÁI NIỆM VỀ LÝ THUYẾT TRÒ CHƠI
Lý thuyết trò chơi là một hoặc một chuỗi các hoạt động cạnh tranh trong đó những
người chơi tranh đấu dựa vào một tập hợp các quy tắc. Ví dụ như:
- Sự cạnh tranh của các công ty trong kinh doanh,
- Sự cạnh tranh của các ứng viên trong cuộc bầu cử,
- Thành viên của bồi thẩm đoàn khi quyết định bản án,
- Cuộc chiến giữa các loài thú khi săn mồi, . . .
Mặc dù được sử dụng trong nhiều lĩnh vực, lý thuyết trò chơi được sử dụng nhiều
nhất trong nghiên cứu kinh tế học. Lý thuyết trò chơi được xem như là một công cụ quan
trọng trong phân tích cơ bản của các ngành, các lĩnh vực khi có bất kỳ tương tác chiến lược
nào giữa hai hoặc nhiều cá nhân, tổ chức.
Các thuật ngữ được sử dụng trong lý thuyết trò chơi:
 Trò chơi: Bất kỳ tình huống nào có kết quả phụ thuộc vào hành động của hai trong
số những người ra quyết định (người chơi).
 Người chơi: Người ra quyết định chiến lược trong bối cảnh của trò chơi.
 Chiến lược: Kế hoạch hành động hoàn chỉnh mà người chơi sẽ đưa ra với các tình
huống có thể xảy ra trong trò chơi.
 Hàm thưởng phạt: Kết quả nhận được, phụ thuộc vào chiến lược của người chơi.
 Tập thông tin: Thông tin có sẵn tại một thời điểm nhất định của trò chơi.
Cân bằng: Là điểm trong trò chơi mà cả hai người chơi đã ra quyết định và đạt
được kết quả.
2. CÁCH BIỂU DIỄN MỘT TRÒ CHƠI
2.1. Trò chơi được biểu diễn ở dạng chuẩn tắc (Normal Form Games)
Thông tin trò chơi như người chơi, chiến lược, hàm thưởng phạt được biểu diễn
dưới dạng một ma trận.
Ví dụ Hổ và Sư tử trong cuộc chiến giành ngôi vị chúa sơn lâm.
245
Sư tử
Tấn công Phòng thủ
Tấn công (4,4) (8,2)
Hổ Phòng thủ (2,8) (6,6)
Giá trị hàm thưởng phạt được ghi trong các ô. Giá trị thứ nhất là mức thưởng phạt
của người chơi theo hàng (Hổ). Giá trị thứ hai là mức thưởng phạt của người chơi theo cột
(Sư tử).
2.2. Trò chơi được biểu diễn ở dạng mở rộng (Extensive Form Games)
Thông tin trò chơi được biểu diễn dưới dạng một cây quyết định.
Player 1
Left Right
Player 2 Player 2
Up Down Up Down
(1,3) (3,2) (4,2) (3,1)
Trong trò chơi này, Người chơi 1 (Player 1) ở vị trí xuất phát sẽ đưa ra quyết định
bước về phía bên Trái (Left) hay Phải (Right). Tuần tự, Người chơi 2 (Player 2) sẽ quyết
định Bước lên (Up) hay Bước xuống (Down) ứng với các hàm thưởng phạt tương ứng
trong mỗi trường hợp.
3. PHÂN LOẠI TRÒ CHƠI
3.1. Dựa trên khả năng xây dựng các thỏa thuận chung và các biện pháp chế tài
- Trò chơi hợp tác (Cooperative Games): Những người chơi có khả năng đưa
ra những thỏa thuận chung và những biện pháp chế tài cho các thỏa thuận
này.
Ví dụ Tổ chức các nước xuất khẩu dầu mỏ (OPEC) được thành lập năm 1960
nhằm thống nhất và phối hợp các chính sách về dầu mỏ của các quốc gia thành viên. OPEC
246
có khả năng điều chỉnh hạn ngạch khai thác dầu mỏ của các nước thành viên và qua đó có
khả năng khống chế giá dầu thế giới.
- Trò chơi không hợp tác (Non-Cooperative Games): Những người chơi đưa
ra quyết định của riêng mình với mục đích tối đa hóa lợi ích của họ.
3.2. Dựa trên thời gian hành động của các người chơi
- Trò chơi đồng thời (Simultaneous Move Games): Các người chơi đưa ra
quyết định đồng thời và mỗi người chơi không có thông tin về quyết định
của người chơi khác. Kết quả cuối cùng của mỗi người chơi phụ thuộc vào
quyết định của tất cả mọi người. Thông tin trò chơi trong trường hợp này
được biểu diễn ở dạng chuẩn tắc.
- Trò chơi tuần tự (Sequential Move Games): Các người chơi lần lượt ra
quyết định. Người chơi sau biết được các thông tin nhưng có thể không đầy
đủ liên quan đến quyết định của người chơi trước. Thông tin trò chơi tuần tự
được biểu diễn ở dạng mở rộng.
3.3. Dựa trên thông tin
- Trò chơi với thông tin đầy đủ (Complete Information Games) mỗi người
chơi đều biết về các chiến lược và hàm thưởng phạt của các người chơi
khác, nhưng không nhất thiết biết về các hành động của họ. Ngược lại ta có
Trò chơi với thông tin không đầy đủ (Incomplete Information Games)
- Trò chơi với thông tin hoàn hảo (Perfect Information Games) nếu mỗi
người chơi đều có được thông tin đầy đủ về hành động trước đó của các
người chơi khác, như trong các trận đấu cờ vua. Hầu hết các trò chơi được
nghiên cứu trong lý thuyết trò chơi là trò chơi có thông tin không hoàn hảo
(Imperfect Information Games)
3.4. Trò chơi có tổng không đổi, trò chơi có tổng bằng không và trò chơi có tổng
khác không
- Trò chơi có tổng không đổi (Constant Sum Games): Trò chơi mà tổng lợi
ích hay thiệt hại của các người chơi là một hằng số.
- Trò chơi có tổng bằng không (Zero Sum Games): Là một trường hợp của
trò chơi có tổng không đổi trong đó tổng lợi ích hay thiệt hại của các người
chơi bằng không. Trong trò chơi này, lợi ích thu được của một người chơi
sẽ bằng với thiệt hại của một người chơi khác.
- Trò chơi có tổng khác không (Non-Zero Sum Games): Trò chơi mà tổng lợi
ích hay thiệt hại của các người chơi là khác không. Trong trò chơi này lợi
ích đạt được của một người chơi không nhất thiết phải đánh đổi bằng thiệt
hại của một người chơi khác. Mỗi người chơi đều có thể nhận được lợi ích
của mình trong trò chơi (win-win)
247
3.5. Trò chơi đối xứng và trò chơi bất đối xứng
- Trò chơi đối xứng (Symmetric Games): Các người chơi áp dụng các chiến
lược như nhau. Kết quả của việc ra một quyết định chỉ phụ thuộc vào chiến
lược được sử dụng mà không phụ thuộc ai là người chơi.
- Trò chơi bất đối xứng (Asymmetric Games): Các người chơi áp dụng các
chiến lược khác nhau. Trong trường hợp sử dụng cùng một chiến lược
nhưng có thể mang lại những kết quả khác nhau cho những người chơi khác
nhau. Ví dụ như việc các công ty mới sẽ có những chiến lược khác nhau dù
gia nhập vào cùng một thị trường.
4. CHIẾN LƯỢC ÁP ĐẢO, CHIẾN LƯỢC BỊ ÁP ĐẢO VÀ CÂN BẰNG NASH
- Chiến lược áp đảo (Dominant Strategy) là chiến lược mang lại kết quả tốt nhất
cho người chơi bất chấp hành động của các người chơi khác.
- Chiến lược bị áp đảo (Dominated Strategy) là chiến lược mang lại kết quả thấp
nhất cho người chơi bất chấp hành động của các người chơi khác. Người ta thường loại bỏ
các chiến lược bị áp đảo để làm giảm độ lớn của trò chơi.
Xét bài toán thế lưỡng nan của người tù.
Hai nghi phạm cùng tham gia vào một vụ trộm và bị bắt. Cảnh sát giam 2 nghi phạm ở 2
nơi cách biệt và đưa ra các khả năng như sau:
 Trong trường hợp cả hai cùng phủ nhận tội ăn trộm thì cả hai chỉ bị kết án 1 năm tù
vì tội xâm nhập gia cư bất hợp pháp.
 Nếu một trong hai người phủ nhận và người còn lại khai báo thì người khai báo sẽ
không bị cải tạo giam giữ do được hưởng khoan hồng, người còn lại phải chịu mức
án 6 năm tù.
 Trường hợp cả 2 cùng khai báo và nhận tội thì cả 2 cùng chịu mức án 3 năm tù.
Hàm thưởng phạt là số năm mà mỗi nghi phạm sẽ bị kết án trong trường hợp tương ứng ở
ma trận bên dưới.
Nghi phạm 2
Phủ nhận Khai báo

Nghi phạm 1
Phủ nhận 1, 1 0,6
Khai báo 6,0 3,3
248
Trong trò chơi này chiến lược áp đảo của cả hai người chơi là “khai báo” dù hai người chơi
có khả năng chọn chiến lược “phủ nhận” để có được một kết cục tốt hơn. Ngược lại, chiến
lược “phủ nhận” là chiến lược bị áp đảo so với chiến lược “khai báo”.
- Cân bằng Nash: Là tình huống trong trò chơi bất hợp tác mà mỗi người chơi lựa
chọn chiến lược có kết cục tốt nhất cho mình, có tính đến quyết định của những người chơi
khác. Tại điểm cân bằng Nash, không người chơi nào có động cơ thay đổi chiến lược của
mình, và nếu có họ chỉ nhận được một kết cục tồi tệ hơn nếu những người chơi khác tuân
thủ chiến lược của họ.
Trong bài toán thế lưỡng nan của người tù, cân bằng từ chiến lược (khai báo, khai báo)
được gọi là cân bằng chiến lược áp đảo.
Bài toán thế lưỡng nan của người tù là bài toán nổi tiếng trong lý thuyết trò chơi với rất
nhiều tình huống tương tự trong thực tế và được mở rộng thành nhiều bài toán phức tạp
hơn.
5. MỘT SỐ TÌNH HUỐNG THỰC TẾ
5.1. Cuộc chiến dầu mỏ toàn cầu
Tổ chức các nước xuất khẩu dầu mỏ (OPEC) được thành lập năm 1960 nhằm
thống nhất và phối hợp các chính sách về dầu mỏ của các quốc gia thành viên. Trải qua
chiều dài lịch sử với nhiều thay đổi, OPEC hiện nay có 11 nước thành viên. Các nước
thành viên OPEC khai thác vào khoảng 40% tổng sản lượng và nắm giữ khoảng 75% trữ
lượng dầu thế giới. Mục tiêu chính thức được ghi vào hiệp định thành lập của OPEC là ổn
định thị trường dầu thô, bao gồm các chính sách khai thác dầu, ổn định giá dầu thế giới.
OPEC dựa vào việc phân bổ hạn ngạch cho các thành viên để điều chỉnh lượng khai thác
dầu, tạo ra khan hiếm hoặc dư dầu giả tạo nhằm thông qua đó có thể tăng, giảm hoặc giữ
giá dầu ổn định. Có thể coi OPEC như là một liên minh độc quyền (cartel) luôn tìm cách
giữ giá dầu ở mức có lợi nhất cho các thành viên. Đây là một mô hình của trò chơi hợp tác.
Nhờ những thành tựu vượt bậc trong kỹ thuật khai thác dầu khí đá phiến, Mỹ đã
sớm vượt lên trong lĩnh vực khai thác dầu. Giai đoạn 2005-2013, sản lượng khai thác dầu
khí đá phiến của Mỹ tăng từ 5% lên đến 35% tổng lượng dầu khí khai thác ở nước này. Sản
lượng dầu đá phiến bùng nổ đã giúp Mỹ vượt qua Saudi Arabia và Nga trở thành quốc gia
xuất khẩu dầu thô lớn nhất thế giới trong tháng 06/2019.
Tổ chức OPEC+, bao gồm OPEC và các nước sản xuất dầu chủ chốt khác (ngoại
trừ Mỹ) do Nga đứng đầu cũng đã ký kết các thỏa thuận về điều chỉnh sản lượng khai thác
nhằm duy trì sự ổn định của thị trường dầu thế giới, đảm bảo lợi ích chung của các nước
sản xuất dầu trong khi vẫn đảm bảo đủ nguồn cung toàn cầu.
Cuộc chiến giành quyền kiểm soát giá và lượng dầu khai thác trên thị trường thế
giới được xem là cuộc chiến giữa 2 người chơi OPEC+ và Mỹ. Nguồn cung dồi dào cộng
với những bất ổn về chính trị, kinh tế đã làm cho nhu cầu và giá dầu thế giới giảm mạnh.
Nhiều quốc gia phụ thuộc vào xuất khẩu dầu mỏ như Iran, Venezuela, Nga đã bị tổn thất
nặng nề. Trong trò chơi này, 2 người chơi Mỹ và OPEC+ đều có 2 chiến lược tăng hoặc
giảm sản lượng khai thác. Hiện tại Mỹ vẫn đang sản xuất và xuất khẩu dầu ngày càng
nhiều. Vậy thì chiến lược nào trong tương lai sẽ được OPEC+ lựa chọn. Tiếp tục duy trì
249
việc cắt giảm sản lượng để duy trì giá hay giữ nguyên hoặc thậm chí tăng sản lượng nhằm
bước vào cuộc chiến giá dầu, giành quyền kiểm soát với Mỹ ? Đây cũng là một tình huống
mà có thể sử dụng mô hình của Lý thuyết trò chơi để nghiên cứu, phân tích chiến lược và
lợi ích của mỗi bên trong cuộc chiến này.
5.2. Chiến tranh thương mại Mỹ - Trung
Thời gian Mỹ ra đòn Trung Quốc đáp trả
22/01/2018 Áp 30% thuế nhập khẩu đối với

tấm hấp thụ năng lượng mặt trời và
máy giặt từ Trung Quốc.
22/03/2018 Áp thuế nhập khẩu 25% và 10%

đối với sản phẩm thép và nhôm
02/04/2018 Tăng thuế nhập khẩu 15% và 25% với

3 tỷ USD nhập khẩu từ Mỹ.
06/07/2018 Áp thuế 25% với gói hàng hóa trị Áp thuế nhập khẩu bổ sung 25% đối
giá 34 tỷ USD nhập khẩu từ Trung với 34 tỷ USD nhập khẩu từ Mỹ.
Quốc
23/08/2018 Áp thuế 25% lên gói hàng hóa trị Áp thuế 25% gói hàng hóa trị giá 16
giá 16 tỷ USD nhập khẩu từ Trung tỷ USD nhập khẩu từ Mỹ
Quốc
17/09/2018 Tuyên bố áp thuế nhập khẩu 10%

lên hàng nhập khẩu từ Trung Quốc
trị giá 200 tỷ USD.
Mức thuế này tăng lên 25% kể từ

01/01/2019
18/09/2018 Tuyên bố áp thuế lên gói hàng hóa trị

giá 60 tỷ USD, thuộc các ngành công
nghiệp thế mạnh của Mỹ đặc biệt áp
thuế 25% đối với mặt hàng đậu nành.
10/05/2019 Áp thuế 25% lên hàng hóa từ

Trung Quốc trị giá 200 tỷ USD.
01/06/2019 1. Áp thuế quan bổ sung lên 60 tỷ

hàng hóa của Mỹ, với các mức 25%,
20% và 10%.
06/08/2019 Tuyên bố coi Trung Quốc là quốc Ngừng mua nông sản từ Mỹ
gia thao túng tiền tệ
250
01/09/2019 Áp thuế bổ sung lên 125 tỷ USD Áp thuế bổ sung lên hàng hóa Mỹ
hàng nhập khẩu Trung Quốc, phạm theo danh sách đã công bố trước đó
vi hàng hóa trải rộng từ giày dép,
thực phẩm, đồng hồ đến ti vi màn
hình phẳng ...
05/09/2019 Mỹ và Trung Quốc đồng thuận tiến hành vòng đàm phán thương mại thứ 13
vào đầu tháng 10/2019 tại Washington
Trung Quốc là quốc gia phát triển vượt bậc trong thập niên vừa qua, trở thành nước
chế tạo và xuất khẩu lớn nhất thế giới. Với thặng dư thương mại toàn cầu, nguồn dự trữ
ngoại tệ khổng lồ đã tạo nên sức mạnh về tiềm lực kinh tế của Trung Quốc. Cùng với sức
mạnh khoa học kỹ thuật và các nguồn lực tổng hợp, Trung Quốc được xem là siêu cường
số 1 tiềm năng, đang nuôi tham vọng soán ngôi nước Mỹ, xây dựng trật tự thế giới mới với
quyền lãnh đạo và kiểm soát toàn cầu.
Trong các công bố mới đây, Mỹ đã chính thức xem Trung Quốc là đối thủ chiến
lược. Trong một cuộc phỏng vấn với đài Fox News hôm 20/05/2019, Tổng thống Trump
tuyên bố, mặc dù Trung Quốc muốn trở thành siêu cường hàng đầu thế giới nhưng điều đó
sẽ không thể xảy ra nếu ông còn làm tổng thống và ông “rất hạnh phúc” về cuộc chiến
thương mại đang diễn ra giữa Washington và Bắc Kinh.
Cuộc chiến thương mại Mỹ - Trung đã được chính quyền Trump chuẩn bị và bắt
đầu khởi động từ đầu năm 2016 với hàng loạt các cuộc điều tra về chống lẩn tránh thuế,
chống bán phá giá, chống trợ cấp đối với các sản phẩm sắt thép, kim loại nhập khầu vào
Mỹ, các cuộc điều tra về các chính sách, biện pháp của Trung Quốc về sở hữu trí tuệ và
chuyển giao công nghệ.
Với con số thâm hụt thương mại khổng lồ lên tới gần 400 tỷ USD trong năm 2018,
và kéo dài trong hàng chục năm liền,Trump và chính quyền Mỹ đang tìm cách quân bình
cán cân thương mại, như ông Trump đã tuyên bố, sẽ không để Trung Quốc trục lợi trên
lưng nước Mỹ và dĩ nhiên đó là điều mà Trung Quốc không bao giờ muốn và cũng không
chịu nhượng bộ.
Từ những đòn thăm dò và đáp trả ban đầu, cuộc chiến đã nhanh chóng leo thang và
hiện đã lên đến đỉnh điểm. Không chỉ nền kinh tế của 2 cường quốc đứng đầu thế giới chịu
tổn thương nghiêm trọng, mà còn gây nhiều thiệt hại cho nền kinh tế toàn cầu.
Có thể mô phỏng và biểu diễn tình huống dưới dạng một ma trận đơn giản của lý
thuyết trò chơi như sau:
251
Trung Quốc
T F
Mỹ T 2,2 5,0
F 0,5 4,4
Trong trò chơi có hai người chơi là Mỹ và Trung Quốc và mỗi người chơi có hai
chiến lược khả dụng là sử dụng thuế quan (Tariff-T) hoặc duy trì thương mại tự do (Free-
F). Nếu dựa vào hàm thưởng phạt thì chiến lược ưa thích của mỗi bên sẽ là:
- Đối với Mỹ: TF > FF > TT > FT
- Đối với Trung Quốc: FT > FF > TT > TF
Chiến lược tốt nhất cho mỗi người chơi là áp dụng thuế quan, dẫn đến cân bằng
Nash là (T,T), từ đó không có người chơi nào có động cơ để đi chệch hướng. Mặc dù đó là
chiến lược tối ưu của họ, cả hai quốc gia đều có thể nhận được lợi ích cao hơn nếu họ cùng
hợp tác theo chiến lược (F,F). Dù sự hợp tác này được khuyến khích và giám sát bởi WTO,
nhưng với tình hình hiện tại, kịch bản này thực chất khó có thể xảy ra.
Ta cũng có thể biểu diễn trò chơi dưới dạng mở rộng của một cây quyết định:
USA
O China O
O O O O
(2,2) (5,0) (0,5) (4,4)
Trường hợp nếu Hoa Kỳ áp dụng thuế quan và Trung Quốc thì không, về mặt lý
thuyết, xuất khẩu của Mỹ sẽ không bị ảnh hưởng nhưng giá hàng hóa Trung Quốc tại Mỹ
sẽ tăng và do đó, nhu cầu sẽ giảm. Nhu cầu sẽ được chuyển sang hàng hóa sản xuất trong
nước, từ đó sẽ tăng sản xuất, tăng việc làm và GDP quốc gia. Ngược lại, nếu Trung Quốc
chấp nhận thuế quan của Mỹ và chọn không đáp trả, xuất khẩu của họ sẽ giảm, trong khi
nhập khẩu không bị ảnh hưởng. Nền kinh tế Trung Quốc quá phụ thuộc vào tăng trưởng do
xuất khẩu, điều này là một khả năng nguy hiểm.
Trong cuộc chiến này dù cả 2 bên đều bị trọng thương nhưng với quy mô gấp rưỡi
nền kinh tế Trung Quốc (20.000 tỷ USD so với 13.000 tỷ USD), không phụ thuộc nhiều
252
vào thương mại quốc tế (xuất khẩu của Mỹ vào Trung Quốc chỉ bằng ¼ so với chiều ngược
lại), xét về lâu dài thì dường như Mỹ có khả năng chống chọi tốt hơn. Với những gì mà
Tổng thống Trump đã làm, đang làm và dự định sẽ làm, thông qua những phát ngôn và
tuyên bố, có thể thấy rõ quyết tâm là Trump sẽ đi đến cùng trong cuộc chiến này cho dù
thời hạn kết thúc nhiệm kỳ đầu tiên của ông đang đến gần hơn mỗi ngày, cho dù ông có tái
đắc cử hay không trong nhiệm kỳ thứ hai. Và một chiến lược “Lùi 1 bước để tiến 3 bước”,
tạm gác giấc mơ “Bá chủ thiên hạ” cho một cuộc trường chinh lâu dài, đó có phải là sự lựa
chọn của Trung Quốc?
Và nếu cả Mỹ và Trung Quốc đều quyết đi đến cùng của cuộc chiến tranh thì hậu
quả khôn lường không chỉ cho 2 siêu cường mà còn là nền kinh tế toàn cầu.
Cả thế giới đang nín thở hướng về vòng đàm phán thương mại thứ 13 vào đầu
tháng 10/2019 tại Washington.
1. Martin J. Osborne. (2004). An Introduction to Game Theory. Oxford University

Press
2. Jake MccGwire. (2018). A Game Theory Analysis of Donald Trump’s Proposed
Tariff on Chinese Exports. The Student Economic Review Vol. XXXI
3. Trần Đình Thêm. (2018). Chiến tranh Thương mại Mỹ - Trung và các Vấn đề đặt
ra cho Kinh tế Việt nam. www.trungtamwto.vn
4. Mai Nhật Dương. (21/06/2019). Quan hệ Trung – Mỹ: Từ Tranh Chấp Thương Mại
Sang Đối Đầu Toàn Diện. www.nghiencuuquocte.org
5. Ngọc Diệp. (16/08/2019). Cuộc chiến Thương mại Mỹ - Trung: Những bí mật chiến
lược của Bắc Kinh. www.nghiencuubiendong.vn
6. Thông tin từ các website:
- www.investopedia.com
- www.vietnamnet.vn
- www.trungtamwto.vn
- www.vnexpress.net
- www.cafebiz.vn
- www.ndh.vn
- www.vi.wikipedia.org
253
TIÊU CHUẨN THÔNG TIN VỚI MÔ HÌNH HÓA THỐNG KÊ

ÁP DỤNG CHO LỰA CHỌN MÔ HÌNH
Trần Gia Tùng

Khoa Toán -Thống kê trường Đại học Kinh tế TP.HCM
1. Giới thiệu
Có nhiều phương pháp, công cụ được sử dụng cho việc lựa chọn mô hình. Tiếp cận với
những phương pháp, công cụ khác nhau và nắm được ý nghĩa đăc biệt giúp cho chúng ta
có thể sử dụng chúng một cách linh hoạt và hiệu quả cho mỗi vấn đề cần nghiên cứu.
Phương pháp sử dụng các tiêu chuẩn thông tin cho việc chọn lựa mô hình phù hợp với dữ
liệu được sử dụng phổ biến hiện nay.
2. Tóm tắt
Thông tin Kullback-Leibler được xem là gợi ý khởi đầu cho nhiều thông tin khác. Bài viết
được bắt đầu với thông tin này và những tính chất cơ bản cùng ý nghĩa của nó trong việc
chọn lựa mô hình với mô hình hóa thống kê. Phần tiếp theo là sự liên hệ giữa tiêu chuẩn
thông tin và cực đại hóa hàm log-likelihood. Sau đó chúng tôi cũng đề cập đến tiêu chuẩn
thông tin AIC (Akaike Information Criterion). Cuối cùng là một ví dụ với áp dụng dùng
tiêu chuẩn AIC, được tính toán bởi VineCopula package để chọn lựa họ copula phù hợp
cho một bộ dữ liệu thực tế có sẵn.
TỪ KHÓA: Thông tin Kullback – Leibler, Tiêu chuẩn thông tin Akaike (AIC),
VineCopula package.
3. Tiêu chuẩn thông tin và các vấn đề liên quan

3.1 Thông tin Kullback – Leibler
Giả sử {𝑥1 , 𝑥2 , . . . , 𝑥𝑛 } là tập hợp n quan sát được lấy ngẫu nhiên từ biến ngẫu nhiên
có hàm phân phối xác suất G (chưa biết) và hàm mật độ xác suất g(x). Khi đó dữ liệu được
xem là phát sinh từ phân phối xác suất đúng G, còn F là một phân phối xác suất đặc biệt
nào đó (thường được xem là phân phối xác suất dùng để “xấp xỉ” G), có hàm mật độ xác
suất tương ứng là f(x).
Trong trường hơp rời rạc ta dùng các ký hiệu
𝑔𝑖 = 𝑔(𝑥𝑖 ) ≡ 𝑃({𝜔; 𝑋(𝜔) = 𝑥𝑖 }),
𝑓𝑖 = 𝑓(𝑥𝑖 ) ≡ 𝑃({𝜔; 𝑋(𝜔) = 𝑥𝑖 }), 𝑖 = 1, 2, …,
Thông tin Kullback – Leibler (vắn tắt là thông tin K - L) được xác định như sau
𝐺(𝑋)
𝐼(𝐺; 𝐹) = 𝐸𝐺 [log { }]
𝐹(𝑋)
Trường hợp các hàm phân phối xác suất liên tục ta có thể viết
∞
𝑔(𝑥)
𝐼(𝑔; 𝑓) = ∫ log { } 𝑔(𝑥)𝑑𝑥
−∞ 𝑓(𝑥)
254
Và trong trường hợp rời rạc

∞
𝑔(𝑥𝑖 )
𝐼(𝑔; 𝑓) = ∑ 𝑔(𝑥𝑖 ) log { }
𝑓(𝑥𝑖 )
𝑖=1
Thông tin K – L có các tính chất

(i) 𝐼(𝑔; 𝑓) ≥ 0
(ii) 𝐼(𝑔; 𝑓) = 0 <=> 𝑓 = 𝑔 (ℎầ𝑢 𝑘ℎắ𝑝 𝑛ơ𝑖)
Có khi người ta xem I(G;F) thể hiện “thông tin” bị mất khi xấp xỉ G bởi F, và có thể dựa
vào nó để so sánh các mô hình khác nhau.
Chứng minh
Đầu tiên chúng ta xét hàm 𝑢(𝑡) = 𝑙𝑜𝑔𝑡 − 𝑡 + 1 (𝑡 > 0)
(Ký hiệu 𝑙𝑜𝑔𝑥 = 𝑙𝑜𝑔𝑒 𝑥)
1 1−𝑡
𝑢′ (𝑡) = −1= (𝑡 > 0)
𝑡 𝑡
Dễ dàng suy ra 𝑢(𝑡) ≤ 𝑢(1) ∀𝑡 > 0

Hay là 𝑙𝑜𝑔𝑡 ≤ 𝑡 − 1 ∀𝑡 > 0
𝑓(𝑥) 𝑓(𝑥)
𝑇ừ đó log 𝑔(𝑥) ≤ 𝑔(𝑥) − 1
Nhân hai vế với 𝑔(𝑥) và lấy tích phân, ta có

𝑓(𝑥) 𝑓(𝑥)
∫ log { } 𝑔(𝑥)𝑑𝑥 ≤ ∫ { − 1} 𝑔(𝑥)𝑑𝑥
𝑔(𝑥) 𝑔(𝑥)
= ∫ 𝑓(𝑥)𝑑𝑥 − ∫ 𝑔(𝑥)𝑑𝑥 = 0
Suy ra
𝑔(𝑥) 𝑓(𝑥)
∫ log { } 𝑔(𝑥)𝑑𝑥 = − ∫ log { } 𝑔(𝑥)𝑑𝑥 ≥ 0
𝑓(𝑥) 𝑔(𝑥)
Rõ ràng đẳng thức xảy ra chỉ khi 𝑓(𝑥) = 𝑔(𝑥) (ℎầ𝑢 𝑘ℎắ𝑝 𝑛ơ𝑖)
Trường hợp rời rạc tương tự như trên, cụ thể như sau:
𝑓(𝑥𝑖 ) 𝑓(𝑥𝑖 )
Ta có ∑𝑘𝑖=1 𝑔(𝑥𝑖 ) log { } ≤ ∑𝑘𝑖=1 𝑔(𝑥𝑖 ) { − 1} = ∑𝑘𝑖=1 𝑓(𝑥𝑖 ) − ∑𝑘𝑖=1 𝑔(𝑥𝑖 )
𝑔(𝑥𝑖 ) 𝑔(𝑥𝑖 )
(với mọi k nguyên dương)

𝑓(𝑥𝑖 )
∑∞
𝑖=1 𝑔(𝑥𝑖 ) log { } ≤ ∑∞ ∞
𝑖=1 𝑓(𝑥𝑖 ) − ∑𝑖=1 𝑔(𝑥𝑖 ) = 0
𝑔(𝑥𝑖 )
𝑔(𝑥𝑖 ) 𝑓(𝑥 )
Suy ra ∑∞
𝑖=1 𝑔(𝑥𝑖 ) log { } = − ∑∞ 𝑖
𝑖=1 𝑔(𝑥𝑖 ) log {𝑔(𝑥 )} ≥ 0
𝑓(𝑥𝑖 ) 𝑖
Chú thích:
Tính chất này cũng được chứng minh bằng cách áp dụng bất đẳng thức Jensen trong xác
suất.
255
VÍ DỤ: Giả sử dữ liệu được phát sinh từ biến ngẫu nhiên X có phân phối xác suất đúng G,
và một phân phối xác suất đặc biệt F lần lượt có phân phối chuẩn 𝑁(𝜉, 𝜏 2 ), 𝑁(𝜇, 𝜎 2 ).
Ta tính 𝐼(𝑔; 𝑓) = 𝐸𝐺 [log 𝑔(𝑋)] − 𝐸𝐺 [log 𝑓(𝑋)]
Đầu tiên ta tính
1 (𝑋 − 𝜇)2
𝐸𝐺 [log 𝑓(𝑋)] = 𝐸𝐺 [− log(2𝜋𝜎 2 ) − ]
2 2𝜎 2
Mà 𝐸𝐺 [(𝑋 − 𝜇)2 ] = 𝐸𝐺 [(𝑋 − 𝜉)2 + 2(𝑋 − 𝜉)(𝜉 − 𝜇) + (−𝜇)2 ]

= 𝜏 2 + (𝜉 − 𝜇)2
1 𝜏 2 + (𝜉 − 𝜇)2
𝑇ừ đó 𝐸𝐺 [log 𝑓(𝑋)] = − log(2𝜋𝜎 2 ) −
2 2𝜎 2
1 1
Tương tự, ta có 𝐸𝐺 [log 𝑔(𝑋)] = − 2 log(2𝜋𝜏 2 ) − 2
Vậy 𝐼(𝑔; 𝑓) = 𝐸𝐺 [log 𝑔(𝑋)] − 𝐸𝐺 [log 𝑓(𝑋)]

1 𝜎 2 𝜏 2 + (𝜉 − 𝜇)2
= {log 2 + − 1}
2 𝜏 𝜎2
Nhận xét rằng nếu 𝜇 𝑔ầ𝑛 𝜉 𝑣à 𝜎 𝑔ầ𝑛 𝜏 thì I(g; f) gần 0.

3.2 Ước lượng thông tin và log – likelihood
Thông tin K – L có thể viết thành
𝑔(𝑋)
𝐼(𝑔; 𝑓) = 𝐸𝐺 [log { }] = 𝐸𝐺 [log 𝑔(𝑋)] − 𝐸𝐺 [log 𝑓(𝑋)]
𝑓(𝑋)
Số hạng đầu tiên của vế phải là hằng số, do đó để so sánh các mô hình khác nhau ta chỉ cần
xem xét số hạng thứ hai, ta gọi số hạng này là kỳ vọng log – likelihood. Biểu thức của kỳ
vọng log – likelihood
𝐸𝐺 [log 𝑓(𝑋)] = ∫ log 𝑓(𝑥) 𝑑𝐺(𝑥)
∞
∫ 𝑔(𝑥) log 𝑓(𝑥)𝑑𝑥 𝑇𝑟ườ𝑛𝑔 ℎợ𝑝 𝑙𝑖ê𝑛 𝑡ụ𝑐
−∞
= ∞
∑ 𝑔(𝑥𝑖 ) log 𝑓(𝑥𝑖 ) 𝑇𝑟ườ𝑛𝑔 ℎợ𝑝 𝑟ờ𝑖 𝑟ạ𝑐

{ 𝑖=1
Nó vẫn phụ thuộc vào phân phối xác suất đúng G, do đó vẫn chưa tính toán cụ thể được và
đây
là đại lượng chưa biết. Tuy nhiên ta có thể ước lượng kỳ vọng log – likehood từ dữ liệu thu
thập được và dựa vào đó để so sánh các mô hình khác nhau.
Giả sử {𝑥1 , 𝑥2 , . . . , 𝑥𝑛 } là tập hợp dữ liệu thu được từ biến ngẫu nhiên có hàm phân
phối xác suất đúng là G (chưa biết) và hàm mật độ xác suất g(x). Đầu tiên ta thay G bởi
hàm phân phối thực nghiệm 𝐺̂ dựa trên tập dữ liệu thu thập được, và để ý rằng
256
1
𝑔̂(𝑥𝑖 ) = 𝑛 với mọi i. Từ đó ta có
𝐸𝐺̂ [log 𝑓(𝑋)] = ∫ log 𝑓(𝑥) 𝑑𝐺̂ (𝑥)

𝑛
= ∑ 𝑔̂(𝑥𝑖 ) log 𝑓(𝑥𝑖 )

𝑖=1
𝑛
1
= ∑ log 𝑓(𝑥𝑖 )
𝑛
𝑖=1
Theo Luật số lớn thì biến ngẫu nhiên 𝑌𝑖 = 𝑙𝑜𝑔𝑓(𝑋𝑖 ) ( 𝑖 = 1,2, … ) hội tụ theo xác suất
về kỳ vọng của nó khi 𝑛 → +∞
𝑛
1
∑ log 𝑓(𝑥𝑖 ) → 𝐸𝐺 [log 𝑓(𝑋)], 𝑛 → +∞
𝑛
𝑖=1
Biến đổi đơn giản ta được

𝑛
𝑛 ∫ log 𝑓(𝑥) 𝑑𝐺̂ (𝑥) = ∑ log 𝑓(𝑥𝑖 )

𝑖=1
Đây chính là biểu thức log – likelihood của f(x).
Nhắc lại rằng khi ta xét mô hình với hàm xác suất có dạng 𝑓(𝑥⌈𝜃) 𝑣ớ𝑖 𝜃 ∈ Θ ⊂ ℝ𝑘 , với
dữ liệu thu thập được {𝑥1 , 𝑥2 , . . . , 𝑥𝑛 }, ta có thể xem log – likelihood như là một hàm
của 𝜃 ∈ Θ.
𝑛
ℓ(𝜃) = ∑ log 𝑓(𝑥𝛼 |𝜃)

𝛼=1
Ta xác định 𝜃̂ sao cho

ℓ(𝜃̂) = max ℓ(𝜃)
𝜃∈Θ
VÍ DỤ: Để hình dung việc tham số được ước lượng bằng phương pháp hơp lý cực đại, ở
đây nhắc lại phương pháp hợp lý cực đại trường hợp tập dữ liệu {𝑥1 , 𝑥2 , . . . , 𝑥𝑛 } được
lấy ngẫu nhiên từ nguồn ngẫu nhiên được xem là có phân phối chuẩn 𝑁(𝜇, 𝜎 2 ). Khi đó ta
có hàm likelihood
(𝑥1 −𝜇)2 (𝑥𝑛 −𝜇)2 1
1 − 1 − 1 − ∑(𝑥𝑖 −𝜇)2
𝑒 2𝜎2 . . . 𝜎√2𝜋 𝑒 2𝜎2 = 𝑛 𝑒 2𝜎2
𝜎√2𝜋 (𝜎√2𝜋)
Từ đó ta có hàm log – likelihood

𝑛 1
ℓ(𝜇, 𝜎) = − 2 log(2𝜋𝜎 2 ) − ∑(𝑥𝑖 − 𝜇)2
2𝜎2
257
Ta giải hệ phương trình

𝑛 𝑛
𝜕ℓ(𝜇, 𝜎 2 ) 1 1
= 2 ∑(𝑥𝑖 − 𝜇) = 2 (∑ 𝑥𝑖 − 𝑛𝜇 ) = 0
𝜕𝜇 𝜎 𝜎
𝑖=1 𝑖=1
𝑛
𝜕ℓ(𝜇, 𝜎 2 ) 𝑛 1
2
=− 2+ ∑(𝑥𝑖 − 𝜇)2 = 0
𝜕𝜎 2𝜎 2(𝜎 2 )2
𝑖=1
Sau đó dễ dàng kiểm tra được rằng

𝑛
1
𝜇̂ = ∑ 𝑥𝑖
𝑛
𝑖=1
𝑛
1
𝜎̂ 2 = ∑(𝑥𝑖 − 𝜇̂ )2
𝑛
𝑖=1
Từ đó với dữ liệu thu thập được, thay giá trị cụ thể vào các biểu thức này ta sẽ tính được
𝜇̂ 𝑣à 𝜎̂ 2 .
3.3 Tiêu chuẩn thông tin AIC (Akaike Information Criterion)
Trở lại với biểu thức thông tin K – L
𝑔(𝑍)
𝐼{𝑔(𝑧), 𝑓(𝑧⌈𝜃̂)} = 𝐸𝐺 [𝑙𝑜𝑔 { }]
𝑓(𝑍⌈𝜃̂)
= 𝐸𝐺 [log 𝑔(𝑍)] − 𝐸𝐺 [log 𝑓(𝑍⌈𝜃̂)] (3.3)

Với dữ liệu thu thập được, sử dụng hàm phân phối thực nghiệm, ta có
𝑛
1 1
𝐸𝐺̂ [log 𝑓(𝑍⌈𝜃̂)] = ∑ 𝑙𝑜𝑔𝑓(𝑥𝑖 ⌈𝜃̂) = ℓ(𝜃̂)
𝑛 𝑛
𝑖=1
1
Xem ước lượng của 𝐸𝐺 [log 𝑔(𝑍)] là ℓ(𝜃̂), và để ý là số hạng đầu tiên của vế phải (3.3)
𝑛
là hằng số. Từ đó chúng ta thấy rằng có nhiều tiêu chuẩn thông tin có hình thức khá giống
nhau. Nhưng không như mong muốn, ước lượng hợp lý cực đại dựa trên các tham số được
ước lượng trong trưởng hợp này là ước lượng chệch.
Vấn đề then chốt ở đây là cách thức ước lượng phần chênh lệch
1
ℓ(𝜃̂) − ∫ 𝑔(𝑧)𝑙𝑜𝑔𝑓(𝑧⌈𝜃̂)𝑑𝑧.
𝑛
Theo cách thức ước lượng riêng đặc biệt (có thể xem [1], [4]), Akaike (1973) đã đề xuất ra
một tiêu chuẩn thông tin
𝐴𝐼𝐶 = −2 ∑𝑛𝑖=1 logf(𝑋𝑖 |𝜃̂) + 2𝑘
Trong đó k là số tham số (tự do) ước lượng (số thành phần của vectơ tham số 𝜃).
258
4. Áp dụng
Trong các phần mềm dành cho tính toán các mô hình hồi quy, ta cũng thường gặp trong
phần kết quả các giá trị của tiêu chuẩn thông tin AIC được tính cụ thể nhằm hỗ trợ cho việc
chọn lựa mô hình. Ở đây chúng tôi chọn ví dụ sử dụng tiêu chuẩn AIC cho việc chọn lựa
họ copula phù hợp với dữ liệu thu thập được và trong trường hợp này sẽ ưu tiên chọn mô
hình tương ứng với giá trị AIC nhỏ. Ngày nay copula là công cụ phổ biến dùng để mô hình
cho sự phụ thuộc giữa các biến.
Ta sẽ sử dụng VineCopula package của R để tính toán.
Trong hàm BiCopSelect, ta chọn giá trị cho đối số familyset theo bảng liệt kê dưới đây, và
xem giá trị của AIC ở phần kết quả.
VineCopula package quy ước các họ copula như sau:
0 = independence copula
1 = Gaussian copula
2 = Student t copula (t-copula)
3 = Clayton copula
4 = Gumbel copula
5 = Frank copula
6 = Joe copula
7 = BB1 copula
8 = BB6 copula
9 = BB7 copula
10 = BB8 copula
13 = rotated Clayton copula (180 degrees; “survival Clayton”)
14 = rotated Gumbel copula (180 degrees; “survival Gumbel”)
16 = rotated Joe copula (180 degrees; “survival Joe”)
Lấy dữ liệu về chỉ số giá tiêu dùng, chỉ số giá vàng từ Tháng 1/1918 đến Tháng 8/2019 (so
với tháng kế trước).
(nguồn: https://www.gso.gov.vn)
Thực hiện trong R với các dòng lệnh sau đây
259
Ta thay đổi họ copula như sau
Và có kết quả tương ứng như sau
260
5. Kết luận
Như đã đề cập ở trên, sử dụng các công cụ khác nhau trong nghiên cứu định lượng là cần
thiết, hạn chế việc lạm dụng một cách quá quen thuộc nào đó, ví dụ p – value, kiểm định
giả thiết thống kê. Với xu hướng ngày nay, việc sử dụng các công cụ, phương pháp khác
nhau sẽ giúp chúng bổ sung các khiếm khuyết cho nhau cũng như là giúp chúng ta có
những cái nhìn đa
dạng hơn, đặc biệt là khi nghiên cứu các vấn đề liên quan với phạm trù “không chắc
chắn”.
[1] Sadanori Konishi, Genshiro Kitagawa, Information Criteria and Statistical Modeling,
Springer, 2008.
[2] Marius Hofert, Ivan Kojadinovic, Martin Mächler, Jun Yan, Elements of Copula
Modeling with R, Springer, 2018.
[3] Hamparsum Bozdogan, Model Selection and Akaike’s Information Criterion (AIC):
The General Theory and Its Analytical Extensions, 1987.
[4] Hirotogu Akaike, Information Theory and an Extension of the Maximum Likelihood
Principle, 1992.
[5] Claudia Czado, Analyzing Dependent Data with Vine Copulas. Springer, 2019.
261
CÁC TIÊU CHUẨN THÔNG TIN LỰA CHỌN MÔ HÌNH

Phạm Trí Cao
*
Tác giả liên hệ: Email: phamtricao@ueh.edu.vn
Tóm tắt
Lựa chọn mô hình là một phần quan trọng trong Thống kê. Để lựa chọn được mô hình tốt,
nghĩa là mô hình ước lượng gần với mô hình đúng nhất thì phải căn cứ vào nhiều vấn đề, một
trong số đó là dựa vào các tiêu chuẩn thông tin. Bài viết đề cập đến các tiêu chuẩn được sử
dụng phổ biến như AIC và Cp; BIC và HQ. Một tiêu chuẩn thông tin được gọi là tốt thì cần có
các tính chất gì? Bài viết đề cập đến 2 tính chất quan trọng là tính vững và tính hiệu quả. Cuối
cùng là kết luận: tiêu chuẩn nào tốt hơn?
Từ khóa:
Tiêu chuẩn thông tin. AIC, Cp của Mallows; BIC, HQ.

Hàm likelihood, log-likelihood, khoảng cách Kullback-Leibler.
Tính tiết kiệm, tính vững, tính hiệu quả.
262
1. Giới thiệu
Lựa chọn mô hình thống kê là một phần không thể thiếu của hầu hết mọi phân tích
dữ liệu. Lựa chọn mô hình không thể dễ dàng tách khỏi phần còn lại của phân tích, và câu
hỏi “mô hình nào là tốt nhất” không được đặt ra đầy đủ cho đến khi thông tin bổ sung
được đưa ra về những gì người ta dự định làm hoặc hy vọng đạt được thông qua sự lựa
chọn một mô hình.
Lựa chọn mô hình có thể căn cứ vào các tiêu chuẩn thông tin. Các tiêu chuẩn thông
tin thường dùng là AIC, Cp của Mallows; BIC, HQ.
Lựa chọn mô hình cần lưu ý các vấn đề sau:

(i) Mô hình là xấp xỉ: Khi xử lý các vấn đề về xây dựng hoặc chọn mô hình, cần phải nhận
ra rằng trong hầu hết các tình huống, chúng ta sẽ không thể đoán được “mô hình đúng- true
model”. Thông thường, mô hình đúng này, trong bối cảnh tạo ra dữ liệu chúng ta thu thập,
có thể rất phức tạp (và hầu như luôn không biết). Một câu châm ngôn của G. E. P. Box là
“Tất cả các mô hình đều sai, nhưng một số là hữu dụng”. Một số phương pháp lựa chọn
mô hình bắt nguồn từ quan điểm này.
(ii) Sự đánh đổi giữa tính chệch-phương sai: Sự cân bằng và tương tác giữa phương sai và
tính chệch là cơ bản trong một số nhánh thống kê. Trong khuôn khổ của sự phù hợp và lựa
chọn mô hình, nó có dạng cân bằng đơn giản (ước lượng ít tham số hơn, dẫn đến độ biến
thiên thấp hơn, nhưng liên quan đến độ chệch mô hình), trái ngược lại là sự phức tạp (thêm
nhiều tham số trong mô hình, ví dụ: mô hình hồi quy với nhiều biến số hơn, có nghĩa là
mức độ biến đổi cao hơn nhưng độ lệch mô hình nhỏ hơn). Các phương pháp lựa chọn mô
hình thống kê phải tìm kiếm sự cân bằng hợp lý giữa phù hợp quá mức-overfitting (một mô
hình có quá nhiều tham số, nhiều hơn mức thực sự cần thiết) và phù hợp quá thấp-
underfitting (một mô hình có quá ít tham số, không thu được tín hiệu đúng).
(iii) Tiết kiệm: Phát biểu của Ockham là “một thực thể không nên được nhân lên vượt quá
mức cần thiết”. Đối với mô hình thống kê, một diễn giải hợp lý là chỉ các tham số thực sự
quan trọng mới được đưa vào một mô hình đã chọn. Ví dụ, người ta có thể sẵn sàng mở
rộng mô hình hồi quy tuyến tính để bao gồm một số hạng bậc hai nếu điều này rõ ràng cải
thiện chất lượng dự đoán.
(iv) Bối cảnh (context): Tất cả các mô hình hóa đều bắt nguồn từ một bối cảnh khoa học
thích hợp và dành cho một mục đích nhất định. Mọi người phải nhận thấy “bối cảnh”
không phải lúc nào cũng là một khái niệm được xác định chính xác, và các nhà nghiên cứu
khác nhau có thể khám phá hoặc tìm hiểu những điều khác nhau từ cùng một bộ dữ liệu.
Breiman (2001) thảo luận về “hai nền văn hóa” của thống kê, một mặt sắp xếp các câu hỏi
khoa học thành các câu hỏi dự đoán và phân loại; và một mặt khác câu hỏi “học sâu hơn về
các mô hình”.
(v) Trọng tâm (focus): Trong công việc thống kê được áp dụng, thường thì số tham số hoặc
hàm của các tham số quan trọng hơn các vấn đề khác. Sẽ rất hiệu quả khi xây dựng mô
hình và nỗ lực lựa chọn mô hình dựa vào các tiêu chuẩn ủng hộ việc thực hiện chính xác
cho những số tham số này. Các mục tiêu khác nhau có thể dẫn đến các mô hình được chọn
khác nhau, với cùng một dữ liệu và cùng một danh sách các mô hình ứng viên, điều này
không nên được coi là một nghịch lý, vì nó phản ánh các sự ưu tiên khác nhau và các hàm
tổn thất khác nhau.
(vi) Khuyến nghị mâu thuẫn (Conflicting recommendations): Câu hỏi “mô hình nào là tốt
nhất” thì khó hơn câu hỏi “với mô hình đã có, chúng ta nên thực hiện suy diễn như thế
263
nào”. Đôi khi các chiến lược lựa chọn mô hình khác nhau cuối cùng đưa ra lời khuyên
khác nhau, với cùng một dữ liệu và cùng một danh sách các mô hình ứng viên.
(vii) Tính trung bình của mô hình (Model averaging): Hầu hết các chiến lược lựa chọn đều
hoạt động bằng cách đưa ra một số điểm nhất định cho từng mô hình ứng viên. Trong một
số trường hợp có thể có một mô hình được chọn rõ ràng, nhưng đôi khi những điểm số này
có thể cho biết rằng có một số mô hình ứng viên cùng được chọn. Trong những trường hợp
như vậy, nên kết hợp sự lựa chọn với suy diễn thống kê trên các mô hình tốt nhất này.
Các phương pháp lựa chọn mô hình truyền thống như tiêu chuẩn thông tin Akaike,
tiêu chuẩn thông tin theo Bayes của Schwarz.
2. Tiêu chuẩn thông tin Akaike

Dữ liệu thường có thể được mô hình hóa theo những cách khác nhau. Có thể có những
cách tiếp cận đơn giản và những phương pháp tiên tiến hơn nhưng có lẽ có nhiều tham số
hơn. Khi nhiều biến được đo, chúng ta có thể cố gắng sử dụng tất cả chúng để mô hình hóa
ảnh hưởng của chúng đối với biến phụ thuộc hoặc chỉ là sử dụng một tập hợp con của
chúng, điều này sẽ giúp việc giải thích và truyền đạt kết quả dễ dàng hơn. Để chọn một mô
hình trong danh sách các mô hình ứng viên, tiêu chuẩn thông tin AIC của Akaike là một
trong những chiến lược phổ biến và linh hoạt nhất. Bản chất của nó là một phiên bản bị
phạt của cực đại log-likelihood cho mỗi mô hình.
2.1 Tiêu chí thông tin để cân bằng sự phù hợp với độ phức tạp
Nhiệm vụ chọn một mô hình thống kê phù hợp, từ danh sách các mô hình ứng viên,
là một phần quan trọng trong thống kê. Do đó cần thiết có các chiến lược lựa chọn mô hình
khác nhau, tương ứng với các mục đích và sử dụng khác nhau liên kết với mô hình đã
chọn. Hầu hết (nhưng không phải tất cả) các phương pháp lựa chọn được xác định theo tiêu
chuẩn thông tin thích hợp, một cơ chế sử dụng dữ liệu để cung cấp cho mỗi mô hình ứng
viên một số điểm nhất định; điều này dẫn đến một danh sách được xếp hạng đầy đủ các mô
hình ứng viên, từ cái tốt nhất đến tệ nhất.
Công thức chung của AIC đối với mỗi mô hình ứng viên M là
AIC ( M )  2 log  likelihood max ( M )  2 dim( M ) (2.1)
trong đó dim(M) là độ dài của vectơ tham số của mô hình M.
Theo đó, AIC hoạt động như một tiêu chuẩn log-likelihood bị phạt, tạo ra sự cân
bằng giữa mức độ phù hợp tốt (giá trị cao của log-likelihood) và độ phức tạp (các mô hình
phức tạp bị phạt nhiều hơn những mô hình đơn giản). Mô hình có điểm AIC cao nhất được
chọn.
So sánh trực tiếp các giá trị của cực đại log-likelihood đạt được cho các mô hình
khác nhau là không đủ tốt để so sánh mô hình. Bao gồm nhiều tham số hơn trong một mô
hình luôn làm tăng giá trị của cực đại log-likelihood. Do đó, nếu không có mức phạt, như
trong công thức (2.1), tìm kiếm mô hình với cực đại log-likelihood sẽ chỉ dẫn đến mô hình
có nhiều tham số nhất.
Mức phạt nhằm trừng phạt các mô hình vì quá phức tạp theo nghĩa chứa nhiều tham
số. Phương pháp Akaike, nhằm mục đích tìm kiếm các mô hình theo một nghĩa nào đó có
ít tham số nhưng vẫn phù hợp với dữ liệu.
264
Chiến lược AIC mang tính tổng quát và hoạt động theo nguyên tắc trên cho mọi
tình huống trong đó các mô hình tham số được so sánh. Phương pháp này áp dụng cụ thể
cho các mô hình truyền thống với dữ liệu i.i.d và mô hình hồi quy. Hầu hết các gói phần
mềm, khi xử lý các mô hình hồi quy tham số có các giá trị AIC dưới dạng tùy chọn tích
hợp.
Tất nhiên, có nhiều cách khác để trừng phạt sự phức tạp so với (2.1) và có nhiều
cách khác để đo mức độ phù hợp của dữ liệu đối với một mô hình hơn là thông qua cực đại
log-likelihooh. Lý do toán học đằng sau phiên bản AIC có liên quan đến ước lượng cực đại
log-likelihood và mối quan hệ của nó với hàm khoảng cách Kullback-Leibler.
2.2 Cực đại likelihood và khoảng cách Kullback-Leibler

Một nghiên cứu so sánh sự thích hợp của các mô hình ứng viên, khi mỗi mô hình
được ước lượng bằng phương pháp sử dụng likelihood, đòi hỏi một thảo luận ban đầu về
các ước lượng cực đại likelihood và mối quan hệ của chúng với một cách đo lường thống
kê nhất định, là khoảng cách từ một hàm mật độ xác suất này đến hàm mật độ xác suất
khác, là khoảng cách Kullback-Leibler, viết tắt KL.
Chúng ta bắt đầu với một minh họa đơn giản về phương pháp cực đại likelihood;
cách nó sử dụng dữ liệu và một mô hình tham số nhất định để đưa ra một mô hình ước
lượng.
Thí dụ 2.1: Dữ liệu trọng lượng sinh thấp

Sử dụng tập dữ liệu LOWBWT của Hosmer và Lemeshow (1999), có n = 189 phụ
nữ với các đứa trẻ mới sinh. Các biến phụ thuộc độc lập Y1,…, Yn là các biến ngẫu nhiên có
giá trị 0-1, bằng 1 khi trẻ có trọng lượng khi sinh thấp. Các biến x2,i là trọng lượng của mẹ;
x3i là tuổi mẹ; x4i biểu thị “màu da đen” và x5i biểu thị “màu da khác”.
Đặt xi = (1, x2i, x3i, x4i, x5i)t.
Mô hình hồi quy sử dụng là mô hình logistic có dạng
exp( xit )
P(Yi  1| xi )  pi  , i  1,..., n
1  exp( xit )
Trong đó là véc tơ tham số 5 chiều. Hàm likelihood n ( ) là tích của các số hạng
1 yi
p (1  pi )
i
yi
, do đó log-likelihood có dạng
n
n ( )  log n ( )   { yi log pi  (1  yi ) log(1  pi )}

i 1
n
  [ yi xit  log{1  exp( xit )}]
i 1
Một ước lượng cực đại likelihood cho  có được bằng cách cực đại hàm n ( ) .
Tổng quát, mô hình chúng ta xây dựng cho các quan sát Y  (Y1 ,..., Yn ) chứa các
tham số   (1 ,..., n )t . Điều này chuyển thành hàm mật độ đồng thời cho Y, là fjoint(y, θ).
Hàm likelihood là
265
n ( )  f jo int ( yobs , )
là một hàm của , với y = yobs là các giá trị quan sát được. Chúng ta thường làm việc với
log của likelihood thay vì likelihood, n ( )  log n ( ) . Ước lượng cực đại likelihood của
 là cực đại của n ( ) .
ˆ  ˆML  arg max( n )  arg max n

 
là một hàm của yobs.

Trong hầu hết tình huống chúng ta xét, mô hình sẽ có ước lượng cực đại tồn tại và
duy nhất, với tất cả tập dữ liệu, với xác suất 1. Nếu dữ liệu Y là i.i.d, hàm likelihood và
log  likelihood có thể viết
n n
n ( )   f ( yi ,  ) và n ( )   log f ( yi ,  )
i 1 i 1
trong đó hàm mật độ f(y,θ) cho một quan sát riêng lẽ.
Một điều quan trọng là chúng ta phải phân biệt giữa hàm mật độ mô hình f(y,θ) mà
chúng ta xây dựng cho dữ liệu, và hàm mật độ đúng g(y) của dữ liệu, và g(y) gần như luôn
luôn không biết. Hàm mật độ g(·) thường được gọi là hàm mật độ tạo dữ liệu (data-
generating density). Có một số cách đo độ gần của một xấp xỉ tham số f(·,) với mật độ
đúng g, nhưng khoảng cách liên kết mật thiết với phương pháp cực đại likelihood là
khoảng cách Kullback–Leibler (KL),
g ( y)
KL( g , f (.,  ))   g ( y ) log dy (2.2)
f ( y, )
là khoảng cách giữa hàm mật độ đúng g và xấp xỉ của nó f(·,).
Áp dụng luật mạnh số lớn, với mỗi giá trị của tham số , ta có
1
n ( ) 
a.s
  g ( y) log f ( y,  )dy  Eg log f (Y ,  )
n
với điều kiện tích phân là hữu hạn, hội tụ hầu chắc chắn (a.s – almost surely) với xác suất
1.
Ước lượng cực đại likelihood ˆ có được bằng cách cực đại n ( ) , do đó, trong
điều kiện tự nhiên và phù hợp, có xu hướng hội tụ hầu chắc chắn tới θ0 của khoảng cách
Kullback-Leibler từ mô hình đúng đến mô hình xấp xỉ.
ˆ 
a. s
0  arg min{KL( g , f (., ))} (2.3)

Giá trị θ0 được gọi là giá trị sai bé nhất, hoặc xấp xỉ tốt nhất.
Nếu mô hình tham số là thực sự hoàn toàn đúng thì g  y   f  y,0  , và cực tiểu
khoảng cách Kullback-Leibler là 0.
266
2.3 Tiêu chuẩn AIC và khoảng cách Kullback-Leibler

Một mô hình tham số M với dữ liệu đã cho làm gia tăng hàm log-likelihood
ˆ
n ( )  log n ( ) . Cựa đại của nó là ước lượng cực đại  . Giá trị của tiêu chuẩn thông tin
AIC (Akaike, 1973) cho mô hình là

AIC ( M )  2 n (ˆ)  2length( )  2 n ,max  2length( ) (2.4)
với length() là số tham số cần ước lượng.

Một mô hình tốt có giá trị AIC lớn.
Như đã thảo luận trong mục 2.2, ước lượng cực đại θ nhắm đến giá trị tham số θ0
có giá trị sai bé nhất để cực tiểu khoảng cách KL theo công thức (2.2). Để đánh giá mức độ
hiệu quả của nó, so sánh với các mô hình tham số khác, chúng ta nghiên cứu khoảng cách
KLLeibler thực sự đạt được
KL( g , f (., ˆ))   g ( y ){log g ( y )  log f ( y, ˆ)}dy   g log gdy  Rn
Số hạng đầu tiên giống nhau trên các mô hình, vì vậy chúng ta nghiên cứu Rn, là
một biến ngẫu nhiên, phụ thuộc vào dữ liệu thông qua ước lượng cực đại likelihood, giá trị
kỳ vọng của Rn là
Qn  Eg Rn  Eg  g ( y ) log f ( y, ˆ)dy (2.5)
Chiến lược AIC về bản chất là ước lượng Qn cho từng mô hình ứng viên, sau đó
chọn mô hình có Qn ước lượng cao nhất; điều này tương đương với việc tìm kiếm mô hình
có khoảng cách KL ước lượng là nhỏ nhất.
Để ước lượng Qn từ dữ liệu, ta thay thế g(y)dy trong Rn bằng phân phối theo kinh
nghiệm của dữ liệu, dẫn đến
1 n 1
Qˆ n   log f (Yi ,ˆ)  n (ˆ) (2.6)
n i 1 n
267
Thí dụ 2.1 (tt): Dữ liệu trọng lượng sinh thấp

Bảng lựa chọn mô hình theo tiêu chuẩn AIC.
Theo bảng trên, mô hình tốt nhất là mô hình chỉ có biến x4.
Ví dụ 2.2. Hồi quy tuyến tính: AIC lựa chọn biến độc lập
Mô hình hồi quy
Yi  xi ,11  ...  xi , p  p   i  xit    i , i  1,..., n
với xi  ( xi ,1 ,..., xi , p )t ,   (1 ,...,  p )t ; 1 ,...,  n độc lập và có phân phối N (0,  2 ) . Các xi,j
đầu tiên bằng số 1, do đó β1 là hệ số chặn.
Mô hình viết dưới dạng ma trận

Y  X 
với Y  (Y1 ,..., Yn )t ,   (1 ,...,  n )t , X là ma trận cấp n  p có dòng thứ i là xit và có hạng là
p.
Hàm log-likelihood là
n
1 1
n (  ,  )  
i 1
{ log   ( yi  xit  ) 2 /  2  log(2 )}
2 2
(2.7)
Cực đại likelihood theo β tương đương với cực tiểu

n
SSE (  )   ( yi  xit  ) 2 || Y  X  ||2
i 1
Đây cũng chính là ước lượng theo phương pháp bình phương bé nhất, lời giải là
1 1 n
ˆ  ( X t X ) 1 ( X tY )  ( X t X ) 1
n
 xiYi
n i 1
Ước lượng cực đại likelihood theo  là cực đại của n (ˆ ,  ) và bằng căn bậc 2 của
1 1 n 1
ˆ 2  SSE ( ˆ ) 
n

n i 1
resi2  || res ||2
n
268
với resi  Yi  xit ˆ
Thay ˆ vào n (ˆ ,  ) ta có

1 1 1
n ,max  log ˆ  n  log(2 ) (2.8)
n 2 2
Và tiêu chuẩn AIC tương ứng là
AIC  2n log ˆ  2( p  1)  n  n log(2 ) (2.9)
2.4 AIC đã hiệu chỉnh (corrected AIC) cho hồi quy tuyến tính
Điều quan trọng cần phải nhận ra là AIC thường sẽ chọn các mô hình ngày càng
phức tạp hơn khi kích thước mẫu tăng. Điều này là do cực đại log-likelihood sẽ tăng tuyến
tính theo n trong khi số hạng phạt cho độ phức tạp tỷ lệ thuận với số tham số. Chúng ta
minh họa với mô hình hồi quy tuyến tính.
Ví dụ 2.2 xét mô hình hồi quy tuyến tính tổng quát Y  X    và tiêu chuẩn AIC
trực tiếp là
AIC  2n log ˆ  2( p  1)  n  n log(2 ) (2.10)
với ˆ 2 || res ||2 / n từ phần dư res  Y  X ˆ .
Đặc biệt, AIC khuyên nên chọn mô hình ứng viên cực tiểu n log ˆ  p trên các mô
hình ứng viên. Mục đích của AIC là ước lượng khoảng cách kỳ vọng Kullback-Leibler từ
cơ chế tạo dữ liệu đúng g(y|x) tới mô hình ước lượng f(y|x, ˆ ), trong trường hợp này
    ,   . Giả sử rằng g(y|x) có trung bình  ( x) và độ lệch chuẩn hằng số σ0. Nếu mô
hình giả định bằng với mô hình đúng, thì i   ( xi )  xit  .
Chúng ta không đòi hỏi luôn luôn sử dụng ước lượng cực đại hàm likelihood. Ở
đây có một hiệu chỉnh tự nhiên cho ˆ 2 , ví dụ, từ trường hợp mô hình giả định bằng với
mô hình đúng SSE || res ||2  2  n2 p , có nghĩa là || res ||2 nên chia cho n  p để được ước
lượng không chệch.
Tổng quát, ˆ 2 có dạng
|| res ||2 1 n
ˆ 2 
na
 
n  a i 1
( yi  xit  )2 (2.11)
Với a=0 và a=p tương ứng với ước lượng cực đại likelihood và không chệch.
Người ta đưa ra công thức AIC hiệu chỉnh là

n
AICc  2 n ( ˆ , ˆ )  2( p  1) (2.12)
n p2
hoặc hiệu chỉnh thứ 2 là

AICc*  2 n ( ˆ , ˆ * )  2( p  1) (2.13)
269
|| res ||2
với (ˆ * ) 2 
n p2
Ta dùng AIC để khái quát hóa cho mô hình hồi quy tham số tổng quát. Đề xuất là
sử dụng số hạng mức phạt thu được cho các mô hình hồi quy tuyến tính chuẩn cũng như
các mô hình likelihood tổng quát, do đó
n
AICc  2 n (ˆ)  2length( ) (2.14)
n  length( )  1
3. Tiêu chuẩn thông tin theo Bayes

Một cách tiếp cận để lựa chọn mô hình là chọn mô hình ứng viên có xác suất cao
nhất với dữ liệu đã cho. Phần này cho thấy làm thế nào ý tưởng này có thể được chính thức
hóa trong khuôn khổ Bayes, liên quan đến xác suất tiên nghiệm trên các mô hình ứng viên
cùng với mật độ tiên nghiệm trên tất cả các vectơ tham số trong các mô hình.
Tiêu chuẩn BIC là
BIC  2 n (ˆ)  (log n).length( ) ,
với n kích thước mẫu và length(θ) số tham số trong mô hình nghiên cứu.
BIC giống như AIC nhưng với một mức phạt nghiêm khắc hơn cho sự phức tạp.
Tiêu chuẩn thông tin BIC của Schwarz (1978) và Akaike (1977, 1978) có dạng log-
likelihood bị phạt, với mức phạt bằng log của cỡ mẫu nhân với số tham số ước lượng trong
mô hình.
Với mô hình ứng viên M có số tham số trong mô hình là dim(M), và n là cỡ mẫu
của dữ liệu, tiêu chuẩn BIC là
BIC ( M )  2 log  likelihood max ( M )  (log n) dim( M ) (3.1)
Mô hình với giá trị BIC lớn nhất được chọn là mô hình tốt nhất.
Có những thuận lợi và bất lợi khi so sánh 2 phương pháp AIC và BIC. Có thể thấy
rằng BIC đã giải quyết thành công một trong những thiếu sót của AIC, đó là AIC sẽ không
thành công trong việc phát hiện "mô hình đúng" với xác suất tiến tới 1 khi cỡ mẫu tăng.
Ví dụ 2.1 (tt) Dữ liệu về trọng lượng sinh thấp: Lựa chọn biến theo BIC
Chúng ta xem xét các biến giống như trong ví dụ 2.1. Một hệ số chặn x1 = 1; x2: cân
nặng của mẹ ngay trước khi mang thai; x3: tuổi của mẹ; x4: biểu thị chủng tộc “màu da
đen”; x5: biểu thị chủng tộc “màu da khác”; và x4 = x5 = 0 biểu thị chủng tộc “màu da
trắng”.
Với mô hình hồi quy logistic, công thức BIC là
n
BIC  2{ yi log pˆ i }  (1  yi ) log(1  pˆ i )}  length(  )(log n) (3.2)
i 1
Với pˆ i là xác suất ước lượng cho Y=1 theo mô hình, và length(β) là số hệ số hồi quy cần
ước lượng.
270
Bảng kết quả lựa chọn theo BIC. Mô hình đơn giản nhất là mô hình chỉ có hệ số
chặn.
Bảng trên chỉ ra mô hình tốt nhất là mô hình chỉ có x2.
Chúng ta lưu ý rằng BIC có xu hướng chọn mô hình với ít biến hơn so với AIC.
3.1 Xác suất hậu nghiệm của mô hình

Với các mô hình khác nhau có thể có, một thủ tục Bayes chọn một mô hình có xác
suất hậu nghiệm lớn nhất. Mô hình này có thể được xác định bằng cách tính xác suất hậu
nghiệm của mỗi mô hình và chọn mô hình có xác suất hậu nghiệm lớn nhất. Các mô hình
được ký hiệu là M1 ,. . . , Mk và y biểu thị cho vectơ dữ liệu quan sát y1 ,. . . , yn.
Định lý Bayes chỉ ra xác suất hậu nghiệm của các mô hình là
P( M j )
P( M j | y ) 
f ( y) 

f ( y | M j , j ) ( j | M j )d j (3.3)
với:
  j là không gian tham số chứa j
 f ( y | M j , j )  n, j ( j ) hàm likelihood của dữ liệu, theo mô hình thứ j và các tham

số của nó
  ( j , M j ) là hàm mật độ tiên nghiệm của j theo mô hình Mj
 P(Mj) là xác suất tiên nghiệm của mô hình Mj
 f(y) là hàm likelihood không điều kiện của dữ liệu, được tính như sau
k
f ( y )   P( M j )n, j ( y ) , trong đó n , j ( y )   n, j ( j ) ( j | M j )d j
j
j 1
271
Định nghĩa
BICnexact
,j  2log n, j ( y)
Ta có công thức (3.3) được biến đổi thành
1
P( M j ) exp( BICnexact
,j )
P( M j | y )  n 2 (3.4)
1
j '1
P( M j ' ) exp( BICnexact
2
, j' )
Dùng công thức xấp xỉ Laplace, ta có thể đưa ra một công thức xấp xỉ cho (3.1).
BICn, j  2 n , j ,max  p j log n
4. So sánh một số phương pháp lựa chọn mô hình

So sánh các phương pháp chọn mô hình dựa vào 3 đặc tính cơ bản: tính vững, tính
hiệu quả và tiết kiệm.
Chúng ta so sánh một số tiêu chuẩn thông tin liên quan đến tính vững và tính hiệu
quả, bằng cách nghiên cứu về “mức phạt” được áp dụng cho giá trị cực đại log-likelihood.
Nếu chúng ta đưa ra giả định rằng tồn tại một mô hình đúng tạo ra dữ liệu và mô
hình này là một trong những mô hình ứng viên, chúng ta sẽ muốn phương thức lựa chọn
mô hình chọn được mô hình đúng này. Điều này có liên quan đến tính vững. Một phương
pháp lựa chọn mô hình có tính vững yếu nếu, với xác suất tiến tới 1, phương thức lựa chọn
có thể chọn mô hình đúng từ các mô hình ứng viên. Tính vững mạnh có được khi việc lựa
chọn mô hình đúng xảy ra hầu như chắc chắn (almost surely). Thông thường, chúng ta
không muốn làm giả định rằng mô hình đúng nằm trong số các mô hình ứng viên. Thay
vào đó, nếu chúng ta sẵn sàng cho rằng có một mô hình ứng viên gần nhất với mô hình
đúng theo khoảng cách Kullback-Leibler, chúng ta có thể phát biểu tính vững yếu như sau:
với xác suất tiến tới 1, phương pháp lựa chọn mô hình chọn một mô hình gần nhất có thể.
Một đặt tính tốt khác mà chúng ta muốn một tiêu chuẩn thông tin có được là nó
hoạt động “hầu như tốt-almost as well”, về sai số bình phương trung bình, hoặc kỳ vọng
sai số dự đoán bình phương, là mô hình tốt nhất về mặt lý thuyết cho loại lựa chọn dựa trên
tổn thất sai số bình phương. Một phương pháp lựa chọn mô hình như vậy được gọi là hiệu
quả.
4.1 Một mô hình tiết kiệm

Nhắc lại
AIC{ f (.; )}  2 n (ˆ)  2length( ) (4.1)
BIC{ f (.; )}  2 n (ˆ)  (log n).length( ) (4.2)

Với mô hình thứ k trong danh sách các mô hình (k=1…K), véc tơ tham số là k, và
hàm mật độ cho quan sát thứ i là fk,i. Với mô hình hồi quy thì f k ,i (Yi , k )  f k (Yi , xi ,  k ) .
Hàm mật độ này phụ thuộc vào giá trị xi của quan sát thứ i. Với trường hợp i.i.d thì hàm
mật độ không phụ thuộc xi và f k ,i  f k , với mọi quan sát. Trong hầu hết các trường hợp, dữ
liệu được giả định là độc lập.
272
Tiêu chuẩn BIC và AIC có thể viết lại dưới dạng

n
IC ( M k )  2 log f k ,i (Yi , ˆk )  cn ,k (4.3)
i 1
với cn,k  0 là mức phạt cho mô hình Mk, ví dụ theo AIC thì cn,k  2length(k ) .
Mô hình tốt hơn có giá trị IC lớn hơn.
Mục đích của lựa chọn mô hình là dùng các tiêu chuẩn thông tin để tìm mô hình
gần nhất với mô hình đúng (chưa biết). Hàm mật độ đúng tạo ra dữ liệu là g(.). Khoảng
cách Kullback-Leiber dùng để đo lường khoảng cách từ hàm mật độ mô hình tới hàm mật
độ đúng g. Nếu có nhiều mô hình làm cho khoảng cách KL cực tiểu thì ta sẽ chọn mô hình
có ít tham số hơn, đó chính là mô hình tiết kiệm nhất.
4.2 Tính vững của tiêu chuẩn chọn mô hình

Các định lý liên quan tới tính vững của tiêu chuẩn thông tin:
Định lý 4.1 (Tính vững yếu)

Giả sử trong số các mô hình đang được xem xét, có chính xác một mô hình M k0 làm cho
khoảng cách KL cực tiểu. Với mô hình này, nó thỏa
1 n
lim inf n min
k  k0
{KL( g; f k ,i )  KL( g; f k0 ,i )}  0
n i 1
Đặt mức phạt dương nghiêm ngặt sao cho cn,k  o p (n) . Rồi thì, với xác suất tiến tới 1, tiêu
chuẩn thông tin chọn mô hình gần nhất M k0 là mô hình tốt nhất.
Ta có kết quả BIC là vững yếu, với cn,k  (log n)length( k ) .
Ta có kết quả AIC là vững yếu, với cn,k  2length( k ) .
Ký hiệu J là tập hợp các chỉ số của các mô hình mà tất cả đều đạt được khoảng
cách KL cực tiểu với mô hình đúng, và ký hiệu J0 là tập con của J chứa các mô hình có số
chiều nhỏ nhất (có thể có nhiều hơn một mô hình nhỏ nhất như vậy).
Định lý 42. (Tính vững) Giả sử tập hợp các điều kiện (a) hoặc (b)
(a) Giả định rằng với tất cả k0  l0  J :
1 n
lim sup n {KL( g; f k0 ,i )  KL( g; fl0 ,i )}  
n i 1
Với bất kỳ chỉ số j0 thuộc J0, và với bất kỳ chỉ số l  J \ J 0 , cho mức phạt là
1
P{ (cn ,l  cn , j0 )  }  1
n
(b) Giả định rằng với tất cả k0  l0  J , tỷ lệ log-likelihood
273
n f k0 ,i (Yi ,  k*0 )
 log
i 1 f l0 ,i (Yi , l*0 )
 o p (1)
và với bất kỳ j0J0 và l  J \ J 0 , P{(cn,l  cn, j0 )  }  1 .
Sau đó, với xác suất tiến tới 1 tiêu chuẩn thông tin sẽ chọn một mô hình nhỏ nhất:
lim P{min ( IC ( M j0  IC (M l )  0}  1
n  lJ \ J 0
Mức phạt của BIC cn,k  (log n) l ength(k ) thỏa (b) nên BIC là vững; nhưng AIC,
AICc không thỏa (b) nên không vững.
Định lý 4.3. (Tính vững mạnh)

Giả sử trong số các mô hình đang được xem xét có chính xác một mô hình M k0 đạt cực
tiểu khoảng cách KL, như vậy
1 n
lim inf n min
k  k0
{KL( g; f k ,i )  KL( g; f k0 ,i )}  0
n i 1
Cho mức phạt dương nghiêm ngặt cn,k  o(n) hầu chắc chắn. Rồi thì
P{min( IC ( M k0 )  IC ( M l ))  0, for almost all n}  1 . 

l  k0
Mức phạt của BIC thỏa điều kiện vững mạnh.
Ta xét 2 tiêu chuẩn cũng thường được dùng là Hann-Quinn và Cp của Mallows:
Tiêu chuẩn Hannan-Quinn (1979)

HQ{ f (.; )}  2 log (ˆ)  2c log log nlength( ), c  1 (4.4)
Tiêu chuẩn Hannan-Quinn (1979) thỏa điều kiện vững mạnh.
Hannan-Quinn không đưa ra lời khuyên chọn giá trị c như thế nào cho tốt.
Tiêu chuẩn Cp của Mallows (1973)

SSE p
Cp   (n  2 p) (4.5)
ˆ 2
n
với SSE p   ( yi  yî ) 2 theo mô hình có p hệ số hồi quy, và phương sai ˆ 2 của mô hình
i 1
lớn nhất.
Cp được định nghĩa như là một ước lượng của tỷ lệ sai số dự đoán bình phương
n
E{ (Yî  EYi ) 2 } /  2
i 1
274
Nếu mô hình với p biến không chứa sai lệch, thì Cp gần với p. Ngược lại, nếu mô
hình chứa sự chệch lớn thì C p  p .
Các giá trị Cp gần với p tương ứng (nhưng tốt hơn là nhỏ hơn p) cho thấy một mô
hình tốt. Thường đồ thị của Cp theo p giúp chọn mô hình tốt.
4.3 Tính hiệu quả của một tiêu chuẩn

Đánh giá các tiêu chuẩn lựa chọn mô hình không chỉ có thể thông qua một nghiên
cứu về việc lựa chọn tập hợp con các biến tiết kiệm nhất (vấn đề tính vững). Cách tiếp cận
được thực hiện trong phần này là một nghiên cứu về tính hiệu quả của tiêu chuẩn liên quan
đến hàm tổn thất (loss function).
Xét mô hình hồi quy
Yi  0  1 x1,i  ...   k xk ,i   i , i  1,..., n
với var  i   2
Mục đích cụ thể là dự đoán một biến kết quả mới (độc lập) Yî theo tổ hợp các biến
quan sát xi  ( x1,i ,..., xk ,i )t , với i = 1,…,n.
Để dự đoán, hàm tổn thất thường dùng là sai số dự đoán bình phương. Chúng ta
mong muốn chọn tập hợp các biến xj, jS mà kỳ vọng của sai số dự đoán, dưới điều kiện
dữ liệu quan sát  n  (Y1 ,..., Yn ) là nhỏ nhất có thể. Tức là, ta cố gắng cực tiểu
n
 E{(Yˆ
i 1
S ,i  Ytrue,i ) 2 |  n } (4.6)
với Ytrue,i là các Y1,…, Yn độc lập nhưng có phân phối giống nhau.
Giá trị dự đoán YˆS ,i phụ thuộc dữ liệu  .
YˆS ,i biểu thị dự đoán sử dụng mô hình chỉ có các biến xj, jS.
Sử dụng sự độc lập của quan sát mới và quan sát  , ta có thể viết
n n
 E{(Yˆ
i 1
S ,i  Ytrue,i ) 2 |  n }  E[{YˆS ,i  E (Ytrue ,i )}2 |  n ]  n 2
i 1
n
  ( ˆS  true )t xi xit ( ˆS   true )  n 2
i 1
Để ký hiệu cho đơn giản, chúng ta cũng sử dụng βS cho vectơ có các số 0 được thay
cho các mục không xác định, để làm cho kích thước của βS và βtrue bằng nhau.
Nếu mô hình được chọn thông qua tiêu chuẩn lựa chọn mô hình đạt đến giới hạn
dưới của (4.6) khi cỡ mẫu n tiến tới vô cùng, chúng ta gọi tiêu chuẩn lựa chọn là hiệu quả,
có điều kiện trên tập dữ liệu đã cho.
Ta có AIC, AICc, Cp là hiệu quả tiệm cận.
5. Kết luận
275
Tính vững và tính hiệu quả mang ý nghĩa tiệm cận.
Có hai câu hỏi lớn khi dùng các tiêu chuẩn lựa chọn mô hình là:
1) Tính vững và tính hiệu quả, cái nào tốt hơn?
Có ít sự đồng ý về cái nào tốt hơn. Như chúng ta đã lưu ý ở trên, sự lựa chọn mang tính
chủ quan cao và phụ thuộc vào đánh giá của từng nhà nghiên cứu về mức độ phức tạp và
đo lường của vấn đề mô hình hóa.
2) Có tiêu chuẩn thông tin nào vừa có tính vững vừa có tính hiệu quả?
Với các tiêu chuẩn thông tin hiện có, tính vững và tính hiệu quả không thể xảy ra cùng lúc;
một tiêu chuẩn là vững thì không bao giờ có thể hiệu quả.
Ta có:
AIC không có tính vững một cách mạnh mẽ, nhưng nó hiệu quả.
BIC không có tính hiệu quả, nhưng nó vững mạnh.
Tiêu chuẩn Hannan-Quinn có các thuộc tính tương tự như BIC; trong khi Cp của Mallows
có các thuộc tính tương tự như AIC.
Ngoài ra, còn nhiều tiêu chuẩn thông tin khác nữa như: TIC của Takeuchi (1976),
bootstrap-AIC, robust-AIC, robust-BIC, FIC (The focussed information criterion), FPE
(Akaike, 1969) … nhưng do khuôn khổ hạn chế của bài viết nên không đề cập tới.
6. Các tiêu chuẩn thông tin trong các phần mềm thông dụng.
Ta xét các tiêu chuẩn thông tin đã đề cập ở trên trong các phần mềm thông dụng Eviews,
Stata, R. Lưu ý là mỗi phần mềm sẽ sử dụng các biến thể khác nhau của các công thức tiêu
chuẩn thông tin đã đề cập ở trên.
Sử dụng tập tin dữ liệu BWGHT trong sách Nhập môn Kinh tế lượng của Wooldridge.
Biến phụ thuộc:
bwght: trọng lượng của trẻ mới sinh (ounces)
Biến độc lập:
cigs: số điếu thuốc bà mẹ hút mỗi ngày khi mang thai
white = 1: nếu bà mẹ da trắng
parity: đứa con thứ mấy trong gia đình
male = 1: trẻ sơ sinh là con trai
faminc: thu nhập của gia đình (1988) (ngàn USD)
cigtax: thuế đánh lên thuốc lá
cigprice: giá thuốc lá
Xét 2 mô hình hồi quy:

bwght   0  1cigs   2 white  3 parity   4 male  u (mô hình 1)
bwght   0  1cigs   2 white  3 parity   4 male  5 faminc  u (mô hình 2)
276
Ta sẽ trả lời 2 câu hỏi:

1) Trong 2 mô hình, mô hình nào là “tốt hơn”?
2) Có phải đây là 2 mô hình “tốt nhất” trong tất cả các mô hình có thể có?
Để đơn giản ta không xét có thành phần tương tác, lũy thừa bậc cao của các biến độc lập
trong mô hình.
6.1 Phần mềm Eviews

Trong Eviews, Hàm log-likelihood và các tiêu chuẩn thông tin được tính theo công
thức như sau:
yT 1  X T k  k 1   T 1 , nhiễu  có phân phối chuẩn
T là cỡ mẫu, k là số tham số trong mô hình
b  ( X ' X ) 1 ( X ' y )
T
ˆ ' ˆ   ( yi  X i ' b) 2
t 1
Hàm log-likelihood được tính như sau:

T
l   1  log(2 )  log(ˆ ' ˆ / T )  (6.1)
2
Tiêu chuẩn Akaike (AIC) được tính như sau:

2l 2k
AIC   (6.2)
T T
Tiêu chuẩn Schwarz (BIC) được tính như sau:

2l k log(T )
SC   (6.3)
T T
Tiêu chuẩn Hannan-Quinn (HQ) được tính như sau:

2l 2k log(log(T ))
HQ   (6.4)
T T
Trong Eviews không tính sẳn tiêu chuẩn Cp của Mallows
277
Kết quả của mô hình 1:

Dependent Variable: BWGHT (Mô hình 1)
Method: Least Squares
Sample: 1 1388
Included observations: 1388
Variable Coefficient Std. Error t-Statistic Prob.
C 110.2235 1.676387 65.75059 0.0000

CIGS -0.523138 0.089556 -5.841493 0.0000
WHITE 6.521585 1.301890 5.009321 0.0000
PARITY 1.737816 0.600093 2.895911 0.0038
MALE 3.098873 1.068106 2.901277 0.0038
R-squared 0.049532 Mean dependent var 118.6996

Adjusted R-squared 0.046783 S.D. dependent var 20.35396
S.E. of regression 19.87215 Akaike info criterion 8.820112
Sum squared resid 546150.0 Schwarz criterion 8.838972
Log likelihood -6116.157 Hannan-Quinn criter. 8.827165
F-statistic 18.01819 Durbin-Watson stat 1.923960
Prob(F-statistic) 0.000000
Kết quả của mô hình 2:

Dependent Variable: BWGHT (Mô hình 2)
Method: Least Squares
Sample: 1 1388
Included observations: 1388
Variable Coefficient Std. Error t-Statistic Prob.
C 108.8266 1.800206 60.45230 0.0000

CIGS -0.489982 0.090811 -5.395615 0.0000
WHITE 5.652268 1.363861 4.144314 0.0000
PARITY 1.795337 0.599962 2.992417 0.0028
MALE 3.200246 1.067852 2.996900 0.0028
FAMINC 0.064183 0.030391 2.111947 0.0349
R-squared 0.052590 Mean dependent var 118.6996

Adjusted R-squared 0.049162 S.D. dependent var 20.35396
S.E. of regression 19.84734 Akaike info criterion 8.818330
Sum squared resid 544393.0 Schwarz criterion 8.840963
Log likelihood -6113.921 Hannan-Quinn criter. 8.826794
F-statistic 15.34268 Durbin-Watson stat 1.923307
Prob(F-statistic) 0.000000
278
Ta có bảng lựa chọn mô hình như sau:
Tiêu chuẩn Mô hình 1 Mô hình 2 Lựa chọn
Adjusted R-squared 0.046783 0.049162 2 Lớn tốt
Log likelihood -6116.157 -6113.921 2 Lớn tốt
Akaike info criterion 8.820112 8.818330 2 Nhỏ tốt
Schwarz criterion 8.838972 8.840963 1 Nhỏ tốt
Hannan-Quinn criter. 8.827165 8.826794 2 Nhỏ tốt
6.2 Phần mềm Stata
 Trong Stata, lệnh estat ic tính AIC và BIC theo công thức như sau:
AIC   2* ln  likelihood   2* k (6.5)
BIC   2* ln  likelihood   ln  N  * k (6.6)
k = số tham số của mô hình
N = cỡ mẫu
Trong Stata không tính sẳn tiêu chuẩn Cp của Mallows, Cp có trong kết quả lệnh vselect.
 Trong lệnh vselect, các tiêu chuẩn tính như sau (k là số biến độc lập):

AIC  2  log L( ˆ0 , ˆ1 ,...ˆ p , ˆ 2 | Y )  k  2  (6.7)
BIC  2  log L( ˆ , ˆ ,...ˆ , ˆ

0 1 p
2

| Y )  (k  2) log n (6.8)
Nếu likelihood có phân phối chuẩn:
RSS
AIC  n log  2k  n  n log(2 ) (6.9)
n
RSS
BIC  n log  k log n  n  n log(2 ) (6.10)
n
2(k  2)(k  3)
AICc  AIC  (6.11)
n  (k  2)  1
Mô hình đầy đủ các biến độc lập (full) có sts_full tham số. Mô hình giới hạn (res) có p số
tham số.
Cp của mô hình res như sau:
279
RSSres
C p  (n  sts _ full )  (n  2 p) (6.12)
RSS full
 Trong Stata không có tính sẳn tiêu chuẩn Hannan-Quinn. Dùng công thức sau để
tính Hannan-Quinn (k = số tham số của mô hình):
HQIC  2log(likelihood )  2k log(log(n)) (6.13)
Chạy đoạn lệnh sau để tính HQIC cho mô hình 1.
// chay mo hinh 1
regress bwght cigs white parity male
// hqic
scalar sothamso = e(df_m)+1
scalar comau = e(N)
scalar hqic = -2*e(ll)+2*sothamso*log(log(comau))
di "hqic mo hinh 1 = " hqic
Kết quả:
. di "hqic mo hinh 1 = " hqic

hqic mo hinh 1 = 12252.105
Chạy đoạn lệnh sau để tính HQIC cho mô hình 2.
// chay mo hinh 2
regress bwght cigs white parity male faminc
// hqic
scalar sothamso = e(df_m)+1
scalar comau = e(N)
scalar hqic = -2*e(ll)+2*sothamso*log(log(comau))
di "hqic mo hinh 2 = " hqic
Kết quả:
. di "hqic mo hinh 2 = " hqic

hqic mo hinh 2 = 12251.59
Chạy đoạn lệnh sau để tính Cp cho mô hình 1.
// cp1
* mo hinh full
regress bwght faminc-cigprice parity-cigs
scalar sts_full = e(df_m)+1
scalar rss_full = e(rss)
* mo hinh res1
regress bwght cigs white parity male
scalar p_res = e(df_m)+1
scalar rss_res = e(rss)
* cp1
scalar n = e(N)
scalar cp_res1 = (n-sts_full)*(rss_res/rss_full)-(n-2*p_res)
di " cp cua mo hinh 1 = " cp_res1
Kết quả:
280
. di " cp cua mo hinh 1 = " cp_res1

cp cua mo hinh 1 = 8.1085952
Chạy đoạn lệnh sau để tính Cp cho mô hình 2.
// cp2
* mo hinh full
regress bwght faminc-cigprice parity-cigs
scalar sts_full = e(df_m)+1
scalar rss_full = e(rss)
* mo hinh res2
regress bwght cigs white parity male faminc
scalar p_res = e(df_m)+1
scalar rss_res = e(rss)
* cp2
scalar n = e(N)
scalar cp_res2 = (n-sts_full)*(rss_res/rss_full)-(n-2*p_res)
di " cp cua mo hinh 2 = " cp_res2
Kết quả:
. di " cp cua mo hinh 2 = " cp_res2

cp cua mo hinh 2 = 5.6494061
281
Kết quả mô hình 1

. regress bwght cigs white parity male
Source SS df MS Number of obs = 1388

F( 4, 1383) = 18.02
Model 28461.7012 4 7115.42531 Prob > F = 0.0000
Residual 546150.019 1383 394.902399 R-squared = 0.0495
Adj R-squared = 0.0468
Total 574611.72 1387 414.283864 Root MSE = 19.872
bwght Coef. Std. Err. t P>|t| [95% Conf. Interval]
cigs -.5231381 .0895555 -5.84 0.000 -.6988175 -.3474587

white 6.521585 1.30189 5.01 0.000 3.967693 9.075477
parity 1.737816 .6000929 2.90 0.004 .5606252 2.915007
male 3.098873 1.068106 2.90 0.004 1.003589 5.194157
_cons 110.2235 1.676387 65.75 0.000 106.9349 113.512
. estat ic
Akaike's information criterion and Bayesian information criterion
Model Obs ll(null) ll(model) df AIC BIC
. 1388 -6151.413 -6116.157 5 12242.31 12268.49
Note: N=Obs used in calculating BIC; see [R] BIC note
282
Kết quả mô hình 2

. regress bwght cigs white parity male faminc
Source SS df MS Number of obs = 1388

F( 5, 1382) = 15.34
Model 30218.6965 5 6043.73929 Prob > F = 0.0000
Residual 544393.023 1382 393.916804 R-squared = 0.0526
Adj R-squared = 0.0492
Total 574611.72 1387 414.283864 Root MSE = 19.847
bwght Coef. Std. Err. t P>|t| [95% Conf. Interval]
cigs -.4899816 .0908111 -5.40 0.000 -.6681241 -.3118392

white 5.652268 1.363861 4.14 0.000 2.976806 8.32773
parity 1.795337 .5999621 2.99 0.003 .618402 2.972272
male 3.200246 1.067852 3.00 0.003 1.10546 5.295033
faminc .0641832 .0303905 2.11 0.035 .0045666 .1237998
_cons 108.8266 1.800206 60.45 0.000 105.2951 112.358
. estat ic
Akaike's information criterion and Bayesian information criterion
Model Obs ll(null) ll(model) df AIC BIC
. 1388 -6151.413 -6113.921 6 12239.84 12271.26
Note: N=Obs used in calculating BIC; see [R] BIC note

Adj R-squared 0.0468 0.0492 2 Lớn tốt
AIC 12242.31 12239.84 2 Nhỏ tốt
BIC 12268.49 12271.26 1 Nhỏ tốt
Root MSE 19.872 19.847 2 Nhỏ tốt
HQIC 12252.105 12251.59 2 Nhỏ tốt
Cp 8.1085952 5.6494061 2 Nhỏ tốt
283
Bây giờ ta sẽ xem những mô hình nào được Stata đánh giá là “tốt nhất”.
. vselect bwght faminc-cigprice parity-cigs , best

Response : bwght
Fixed Predictors :
Selected Predictors: cigs white parity male faminc cigtax cigprice
Actual Regressions 11
Possible Regressions 128
Optimal Models Highlighted:
# Preds R2ADJ C AIC AICC BIC

1 .022024 41.19648 12274.91 16213.9 12285.39
2 .0367677 20.69785 12254.83 16193.83 12270.53
3 .0416958 14.51375 12248.71 16187.72 12269.65
4 .0467831 8.108595 12242.31 16181.35 12268.49
5 .0491621 5.649406 12239.84 16178.9 12271.26
6 .0496033 6.008948 12240.19 16179.27 12276.84
7 .0489208 8 12242.18 16181.29 12284.07
Selected Predictors
1 : cigs
2 : cigs white
3 : cigs white male
4 : cigs white parity male
5 : cigs white parity male faminc
6 : cigs white parity male faminc cigtax
7 : cigs white parity male faminc cigtax cigprice
Tiêu chuẩn Chọn mô hình có … biến độc lập
R2ADJ 6 Lớn tốt
C (Cp) 5 Nhỏ tốt
AIC 5 Nhỏ tốt
AICC 5 Nhỏ tốt
BIC 4 Nhỏ tốt
284
6.3 Phần mềm R
Trong R, lệnh AIC và BIC tính theo công thức như sau:
AIC   2* ln  likelihood   2* k (6.14)
BIC   2* ln  likelihood   ln  N  * k (6.15)
k = số tham số của mô hình
N = cỡ mẫu
Trong R không tính sẳn tiêu chuẩn Cp của Mallows, Cp có trong kết quả gói lệnh olsrr.
AICc có trong gói lệnh qpcR với công thức như sau:
2k (k  1)
AICc  AIC  (6.16)
n  k 1
Tiêu chuẩn Hannan-Quinn tính theo công thức:
HQIC  2log(likelihood )  2k log(log(n)) (6.17)
Kết quả mô hình 1:

> mohinh1 <- lm (bwght ~ cigs + white + parity + male, data= bwght)
> summary(mohinh1)
Call:
lm(formula = bwght ~ cigs + white + parity + male, data = bwght)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 110.22345 1.67639 65.751 < 2e-16 ***
cigs -0.52314 0.08956 -5.841 6.44e-09 ***
white 6.52158 1.30189 5.009 6.17e-07 ***
parity 1.73782 0.60009 2.896 0.00384 **
male 3.09887 1.06811 2.901 0.00378 **
---
Residual standard error: 19.87 on 1383 degrees of freedom
Multiple R-squared: 0.04953, Adjusted R-squared: 0.04678
F-statistic: 18.02 on 4 and 1383 DF, p-value: 1.954e-14
Các tiêu chuẩn thông tin:

> nobs(mohinh1)
[1] 1388
> AIC(mohinh1)
[1] 12244.31
> BIC(mohinh1)
[1] 12275.73
> logLik(mohinh1)
'log Lik.' -6116.157 (df=6)
> # Tinh AICc
> library(sme)
> AICc(mohinh1)
[1] 12244.36
> # Tinh AICc
285
> library(qpcR)
> AICc(mohinh1)
[1] 12244.36
> # Tinh Cp
> library(olsrr)
> full_modelfull <- lm(bwght ~ ., data=bwght)
> rest_model1 <-lm(bwght ~ cigs + white + parity + male, data=bwght)
> ols_mallows_cp(rest_model1, full_modelfull)
[1] 8.108595
> # HQIC1
> hq1 <- -2*logLik(mohinh1)+2*length(coef(mohinh1))*log(log(nobs(mohinh1
)))
> hq1
'log Lik.' 12252.1 (df=6)
Kết quả mô hình 2:

> mohinh2 <- lm (bwght ~ cigs + white + parity + male + faminc,
data= bwght)
> summary(mohinh2)
Call:
lm(formula = bwght ~ cigs + white + parity + male + faminc,
data = bwght)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 108.82656 1.80021 60.452 < 2e-16 ***
cigs -0.48998 0.09081 -5.396 8.03e-08 ***
white 5.65227 1.36386 4.144 3.62e-05 ***
parity 1.79534 0.59996 2.992 0.00282 **
male 3.20025 1.06785 2.997 0.00278 **
faminc 0.06418 0.03039 2.112 0.03487 *
---
Residual standard error: 19.85 on 1382 degrees of freedom
Multiple R-squared: 0.05259, Adjusted R-squared: 0.04916
F-statistic: 15.34 on 5 and 1382 DF, p-value: 1.054e-14
Các tiêu chuẩn thông tin:

> nobs(mohinh2)
[1] 1388
> AIC(mohinh2)
[1] 12241.84
> BIC(mohinh2)
[1] 12278.49
> logLik(mohinh2)
'log Lik.' -6113.921 (df=7)
> # Tinh AICc
> AICc(mohinh2)
[1] 12241.9
> # Tinh Cp
> full_modelfull <- lm(bwght ~ ., data=bwght)
> rest_model2 <-lm(bwght ~ cigs + white + parity + male + faminc,
data=bwght)
> ols_mallows_cp(rest_model2, full_modelfull)
[1] 5.649406
> # HQIC2
> hq2 <- -2*logLik(mohinh2)+2*length(coef(mohinh2))*log(log(nobs(mohinh2
)))
> hq2
'log Lik.' 12251.59 (df=7)
286
Adj R-squared 0.04678 0.04916 2 Lớn tốt
AIC 12244.31 12241.84 2 Nhỏ tốt
AICc 12244.36 12241.9 2 Nhỏ tốt
BIC 12275.73 12278.49 1 Nhỏ tốt
Cp 8.108595 5.649406 2 Nhỏ tốt
HQIC 12252.1 12251.59 2 Nhỏ tốt
Bây giờ ta sẽ xem những mô hình nào được R đánh giá là “tốt nhất”.
> # Cac mo hinh “tot nhat” co the co
> library(leaps)
> X <- bwght[, c(1:3,5:8)] # chu X in hoa
> y <- bwght[, 4]
> out <- summary(regsubsets(X, y, nbest = 4, nvmax = ncol(X)))
> ketqua <- cbind(out$which, out$adjr2, out$cp, out$bic)
> # cot 1: so bien, cot 2: he so chan, cot 3-9: cac bien doc lap,
cot 10: R2adj, cot 11: Cp, cot 12: BIC"
> ketqua
(Intercept) faminc cigtax cigprice parity male white cigs
1 1 0 0 0 0 0 0 1 0.022024019 41.196480 -17.440838
1 1 0 0 0 0 0 1 0 0.015411856 50.832333 -8.088055
1 1 1 0 0 0 0 0 0 0.011154297 57.036839 -2.099002
1 1 0 0 0 0 1 0 0 0.004501232 66.732297 7.208343
2 1 0 0 0 0 0 1 1 0.036767706 20.697847 -32.291448
2 1 1 0 0 0 0 0 1 0.028403833 32.877657 -20.291287
2 1 0 0 0 0 1 0 1 0.026533723 35.600987 -17.622258
2 1 0 0 0 1 0 0 1 0.025545249 37.040444 -16.213574
3 1 0 0 0 0 1 1 1 0.041695808 14.513749 -33.177890
3 1 0 0 0 1 0 1 1 0.041674384 14.544925 -33.146860
3 1 1 0 0 0 0 1 1 0.038422259 19.277381 -28.444589
3 1 0 1 0 0 0 1 1 0.037467484 20.666759 -27.067092
4 1 0 0 0 1 1 1 1 0.046783055 8.108595 -34.333478
4 1 1 0 0 0 1 1 1 0.043693182 12.601695 -29.841524
4 1 1 0 0 1 0 1 1 0.043674721 12.628540 -29.814729
4 1 0 0 1 1 0 1 1 0.042386099 14.502374 -27.945696
5 1 1 0 0 1 1 1 1 0.049162089 5.649406 -31.570330
5 1 0 0 1 1 1 1 1 0.047282781 8.380203 -28.829690
5 1 0 1 0 1 1 1 1 0.047176779 8.534232 -28.675266
5 1 1 1 0 1 0 1 1 0.044346949 12.646219 -24.559096
6 1 1 1 0 1 1 1 1 0.049603340 6.008948 -25.983688
6 1 1 0 1 1 1 1 1 0.049415109 6.282266 -25.708815
6 1 0 1 1 1 1 1 1 0.046625277 10.333199 -21.641198
6 1 1 1 1 1 0 1 1 0.043666193 14.629891 -17.339796
7 1 1 1 1 1 1 1 1 0.048920814 8.000000 -18.757069
287
Tiêu chuẩn Chọn mô hình có các biến độc lập sau
R2ADJ faminc, parity, male, white, cigs Lớn tốt
Cp faminc, parity, male, white, cigs Nhỏ tốt
BIC parity, male, white, cigs Nhỏ tốt
Dùng phương pháp BMA (Bayesian Model Average)

> library(BMA)
> xvars <-bwght[, c(1:3,5:8)]
> yvar <- bwght[, 4]
> ketquabma <- bicreg(xvars, yvar, strict=FALSE, OR=20)
> summary(ketquabma)
Call:
bicreg(x = xvars, y = yvar, strict = FALSE, OR = 20)
10 models were selected

Best 5 models (cumulative posterior probability = 0.8761 ):
p!=0 EV SD model 1 model 2 model 3 model 4 model 5
Intercept 100.0 111.445921 2.95994 110.22345 113.27770 111.94911 114.93174 108.82656
faminc 16.5 0.010183 0.02605 . . . . 0.06418
cigtax 1.9 0.001641 0.01516 . . . . .
cigprice 2.1 0.001415 0.01233 . . . . .
parity 65.3 1.134660 0.95983 1.73782 . 1.71134 . 1.79534
male 65.6 2.030788 1.70784 3.09887 3.05184 . . 3.20025
white 100.0 6.244637 1.35508 6.52158 6.22970 6.43450 6.14830 5.65227
cigs 100.0 -0.511918 0.09098 -0.52314 -0.50572 -0.52310 -0.50595 -0.48998
nVar 4 3 3 2 5
r2 0.050 0.044 0.044 0.038 0.053
BIC -41.56609 -40.41559 -40.38656 -39.53190 -38.80629
post prob 0.321 0.181 0.178 0.116 0.081
> 0.321+0.181+0.178+0.116+0.081
[1] 0.877
Phương pháp BMA trình bày 5 mô hình được đánh giá là “tốt nhất”.
Cột p!=0 : trình bày xác suất 1 biến độc lập có ảnh hưởng tới y. Ví dụ cigs có xác suất ảnh
hưởng tới bwght là 100%, male có xác suất ảnh hưởng tới bwght là 65,6%.
Cột EV : trình bày trị số trung bình của hệ số cho mỗi biến độc lập.
Cột SD : trình bày trị số trung bình của độ lệch chuẩn của hệ số cho mỗi biến độc lập.
Cột model1: Hệ số xác định r2 = 0,05 = 5%.
Tiêu chuẩn BIC là -41,56609 nhỏ nhất.
Trong số các mô hình mà BMA tìm, mô hình 1 có xác suất xuất hiện là
32,1% cao nhất.
288
Biểu đồ cho kết quả trên:
Cột 1 tương ứng với mô hình 1, có các biến độc lập là cigs, white, male, parity. Mô hình 1
có xác suất 32,1% lớn nhất nên diện tích chiếm chỗ của nó là lớn nhất.
6.4 Kết luận

Qua các phân tích trên, ta có thể thấy mô hình 1 và 2 là 2 mô hình “tốt nhất” có thể
có.
Tùy theo mục đích sử dụng của người dùng là dùng mô hình để dự báo hay phân
tích mà có lựa chọn phù hợp, đây không còn là “khoa học” nữa mà là “nghệ thuật”!
Theo kinh nghiệm cá nhân, nếu dùng mô hình để phân tích thì chọn mô hình 1, nếu
dùng mô hình để dự báo thì chọn mô hình 2.
Lưu ý là chúng ta chưa xét đến việc chuẩn đoán mô hình xem có đa cộng tuyến,
phương sai thay đổi, tự tương quan hay không. Ở đây chỉ quan tâm đến việc chọn biến.
289
7. Tài liệu tham khảo
1. Gerda Claeskens & Nils Lid Hjort, Model Selection and Model Averaging, Cambridge
University Press, 2008
2. Allan D R McQuarrie & Chih-LingTsai, Regression And Time Series Model Selection,
World Scientific Publishing Co. Re. Ltd, 1998
3. Antonio Aznar Grasa, Econometric Model Selection: A New Approach, Springer

Science+Business Media Dordrecht, 1989
4. Kenneth P. Burnham & David R. Anderson, Model Selection and Multimodel Inference,
Springer-Verlag New York, Inc, 2002
5. P.Lahiri, Model Selection, Institute of Mathematical Statistics (lecture notes), 2001
6. Alireza Bab-Hadiashar & David Suter, Data Segmentation and Model Selection for
Computer Vision, Springer-Verlag New York, Inc, 2000
7. Các tài tiệu khác trên Internet
290
PHƯƠNG PHÁP PHÂN TÍCH THÀNH PHẦN CHÍNH

(Principal Component Analysis)
Phan Ngô Tuấn Anh
Khoa Toán – Thống Kê
Tóm tắt
Trong bài báo này, ta sẽ tìm hiểu về phương pháp phân tích thành phần chính PCA
(Principal Component Analysis) – một công cụ của thống kê dành cho phân tích
dữ liệu nhiều biến dựa trên nền tảng của đại số tuyến tính. Nó giúp cho ta:
 xác định những yếu tố nào của dữ liệu có ảnh hưởng lớn nhất (được xem là
yếu tố chính mô tả được phần lớn dữ liệu) và những yếu tố nào có thể bỏ
qua. Từ đó, có thể giảm số chiều của dữ liệu. Chẳng hạn, trong vấn đề nhận
dạng ảnh, một bức ảnh chụp gương mặt có độ phân giải 30x30 điểm ảnh
(pixel) sẽ tương ứng với một véc tơ 900 chiều. Phương pháp PCA có thể
giúp giảm bớt số chiều của véc tơ ảnh đáng kể mà vẫn không làm giảm nhiều
độ chính xác cho việc nhận dạng.
 những biến nào trong dữ liệu có mối tương quan với nhau.
 xây dựng những biến mới (feature vectors, principal component vectors) mô
tả được phần lớn thông tin của dữ liệu, mỗi biến mới này là tổ hợp tuyến tính
của các biến ban đầu. Qua các biến mới này, có khi ta phát hiện được quan
hệ giữa một số biến ban đầu.
Nét đặc sắc nhất của PCA là giúp giảm số chiều (số biến) của dữ liệu, giúp giảm tải
cho việc lưu trữ thông tin, tính toán theo thời gian thực. Ta cần một ít kiến thức về
đại số tuyến tính và thống kê để tìm hiểu PCA.
1. Vài kiến thức của đại số tuyến tính và thống kê

 Nếu A là ma trận vuông cấp m đối xứng thì A có m trị riêng thực và có m
véc tơ riêng trực chuẩn. Hệ véc tơ trực chuẩn này - giả sử là u1 , u 2 , , um ,
tạo thành cơ sở trực chuẩn của không gian m

và mọi véc tơ u  m
là tổ
m
hợp tuyến tính của hệ véc tơ này: u   (u, u i )u i , trong đó ký hiệu (u, u i )
i 1
chỉ tích vô hướng của u và u i
291
 Nếu A là ma trận cấp m  n thì các ma trận AAT và AT A có cùng các giá
trị riêng và mọi giá trị riêng của hai ma trận này đều không âm.
 Nếu X1 , X 2 ,..., X n  m
là n véc tơ ngẫu nhiên m-chiều thì véc tơ trung bình
1 n
của n véc tơ này được định nghĩa là véc tơ:    Xi
n i 1
 Ta tịnh tiến các véc tơ X1 , X 2 ,..., X n  m
này về gốc tọa độ bằng cách trừ
vào mỗi véc tơ Xi một lượng là véc tơ trung bình  để có véc tơ X i  
(quá trình này gọi là chuẩn hóa dữ liệu).
 Thành lập ma trận véc tơ cột B có cấp m  n gồm n véc tơ cột , trong đó cột
thứ i của B là véc tơ X i  
1
 Khi đó, ma trận S  BBT (vuông cấp m) được gọi là ma trận hiệp
n 1
phương sai (covariance matrix). Ma trận S là đối xứng, nửa xác định dương
nên có m trị riêng không âm 1   2   m  0 ứng với các véc tơ riêng
trực chuẩn u1 , u 2 , , um  m
 Hơn nữa, các phần tử trên đường chéo chính của S chính là phương sai của
từng biến trong m biến. Tổng các phần tử trên đường chéo chính của S - ký
hiệu là trace(S), là tổng các phương sai của m biền và bằng tổng tất cả m trị
riêng của S. Ta gọi tổng này là phương sai toàn phần (total variance) của m
biến. Phần tử Sij của S chính là hệ số tương quan giữa biến thứ i và biến thứ
j.
2. Ý tưởng của PCA

Giả sử ta có một tập dữ liệu 2-chiều mà mỗi véc tơ dữ liệu là một điểm trong mặt
phẳng như hình vẽ sau (mỗi trục tương ứng với một biến):
292
Theo đồ thị, ta nhận thấy các điểm trong tập dữ liệu phân bố dọc theo đường phân
giác. Hai biến dữ liệu rõ ràng có tương quan tuyến tính và phương sai của các biến
(thể hiện trên hình hai trục ngang, dọc) là gần như nhau. Vậy trong ma trận hiệp
phương sai S (vuông cấp 2), các phần tử trên đường chéo chính là gần bằng nhau và
do hai biến có quan hệ tuyến tính dương (cùng chiều) rõ rệt nên các hệ số tương
quan S12  S21 sẽ dương thực sự .
Trong hệ trục tọa độ trên, phương sai của hai biến thể hiện trên hai trục đều lớn như
nhau. Tuy nhiên, nếu ta chọn hệ trục tọa độ vuông góc mới mà có trục ngang chính
là đường phân giác (thực hiện phép quay hệ trục tọa độ một góc 450 ngược chiều
kim đồng hồ) thì trong hệ trục mới, ta thấy phương sai treo trục ngang (đường phân
giác) rất lớn, còn phương sai theo trục còn lại thì rất nhỏ. Vì thế, ta có thể bỏ qua
trục này và lấy trục ngang (đường phân giác) làm trục chính để mô tả cho các điểm
trong tập dữ liệu. Mỗi điểm của tập dữ liệu được đồng nhất với một điểm trên trục
ngang – chính là hình chiếu trên trục ngang. Như thế, số chiều của dữ liệu đã giảm
đi. Tập dữ liệu mới chỉ còn 1-chiều và chiều này được gọi là thành phần chính
(principal component), thành phần này giữ lại được nhiều thông tin của tập dữ liệu
hơn thành phần đã bị bỏ qua.
Ý tưởng của PCA là: từ tập dữ liệu m-chiều ban đầu (đã được chuẩn hóa, nghĩa là
tịnh tiến về gốc bằng cách trừ đi véc tơ trung bình), ta xây dựng một hệ trục tọa độ
mới m-chiều sao cho trong hệ trục mới này, sẽ có một số trục mà phương sai dữ liệu
theo các trục ấy là khá bé. Khi đó, ta có thể bỏ qua các trục này, nghĩa là giảm số
chiều của tập dữ liệu. Những trục được giữ lại sẽ mang nhiều thông tin của tập dữ
liệu, xem như cũng đủ để mô tả tập dữ liệu ban đầu. Các trục được giữ lại tạo thành
một không gian con có số chiều nhỏ hơn m, mỗi điểm trong tập dữ liệu được đồng
nhất với hình chiếu của điểm này xuống không gian con.
Dĩ nhiên, khi giảm số chiều của dữ liệu thì ta sẽ bị mất mát thông tin và vấn đề là
cần xây dựng hệ trục tọa độ mới ra sao để lượng thông tin mất mát là nhỏ nhất. Và
có một kết quả chứng minh rằng, lượng thông tin mất mát sẽ là cực tiểu nếu ta chọn
hệ trục tọa độ mới là hệ véc tơ riêng trực chuẩn của ma trận hiệp phương sai S. Và
các trục chính nên giữ lại là những trục tương ứng với giá trị riêng lớn nhất. Độ
phân tán của các điểm dữ liệu dọc theo các trục này là lớn nhất, nghĩa là giữ lại
được nhiều thông tin hơn so với các trục đã được bỏ qua.
293
3. Tiến trình thực hiện PCA

Bước 1: Thu thập dữ liệu để có tập dữ liệu m-chiều với kích thước n, giả sử gồm n
véc tơ cột m-chiều X1 , X 2 ,..., Xn  m
. Tính véc tơ trung bình  rồi trừ vào mỗi
véc tơ để được n véc tơ cột là X1  , X 2  ,..., X n   (chuẩn hóa dữ liệu)
Bước 2: Thành lập ma trận véc tơ cột B gồm n cột, mỗi cột lần lượt là các véc tơ
X1  , X 2  ,..., X n   rồi lập ma trận hiệp phương sai S (vuông cấp m):
1
S BBT
n 1
Bước 3: Tìm các trị riêng và véc tơ riêng tương ứng của S, sắp xếp các trị riêng này
theo thứ tự giảm dần 1   2    m và gọi các véc tơ riêng ứng với các trị riêng
này là u1 , u 2 , , u m . Đây chính là hệ trục tọa độ mới m-chiều.
Chú ý rằng, tổng của m trị riêng của S là tổng phương sai của m biến, tổng này thể
hiện độ phân tán của dữ liệu theo tất cả m chiều, được gọi là phương sai toàn phần
(total variance), ký hiệu là:
T  1   2   m
Véc tơ u1 với trị riêng lớn nhất 1 được gọi là thành phần chính thứ nhất và hướng
1
của véc tơ u1 lý giải cho (quy đổi thành %) của phương sai toàn phần. Tương
T
tự, véc tơ u 2 với trị riêng lớn thứ nhì  2 được gọi là thành phần chính thứ hai và
2
hướng của véc tơ u 2 lý giải cho (quy đổi thành %) của phương sai toàn phần…
T
Nếu ta giữ lại k thành phần chính ( k  m ) là các véc tơ u1 , u 2 , , u k thì k thành
1   2   k
phần chính này sẽ giải thích được của phương sai toàn phần.
T
Chẳng hạn, giả sử m  10 , phương sai toàn phần (tổng các trị riêng) T  100 và các
trị riêng là 1  90.5,  2  8.9 và các trị riêng còn lại đều nhỏ hơn 0.1. Khi đó, chỉ
1   2 90.5  8.9
với hai véc tơ u1 , u 2 đã giải thích đến   99.4% của phương sai
T 100
toàn phần. Vì vậy, ta sẽ giữ lại hai véc tơ này thôi và ta có hai thành phần chính.
294
Bước 4: Chiếu toàn bộ tập dữ liệu ban đầu lên không gian con sinh bởi k thành
phần chính. Mỗi véc tơ dữ liệu ban đầu sẽ xem như đồng nhất với hình chiếu của
véc tơ ấy lên không gian con k chiều. Véc tơ Xi trong tập dữ liệu sẽ đồng nhất với
véc tơ hình chiếu vi thuộc không gian con k chiều (không gian con này có cơ sở là
U k  {u1 , u 2 ,..., uk }):
vi  1i u1   2i u 2   ki u k
Tọa độ của véc tơ hình chiếu vi theo cơ sở U k là:
 1i 
 

[vi ]Uk   2i 
 
 
  ki 
với  ji  (X i , u j ) là tích vô hướng của véc tơ Xi và u j
Như thế, mỗi véc tơ Xi của tập dữ liệu ban đầu tương ứng với một véc tơ k-chiều là
 1i 
 
  2i  và ta gọi véc tơ này là bộ trọng số của véc tơ dữ liệu X . Ta lưu lại bộ trọng
  i
 
  ki 
số của tất cả n véc tơ dữ liệu.
4. Một ví dụ về PCA
Nhà thống kê học Adam Kapelner của đại học Wharton đã sử dụng cơ sở dữ liệu về
các loài chim sống trong vùng Bắc Mỹ và lấy mẫu gồm 100 loài chim. Có 3 yếu tố
được đo đặc số liệu: chiều dài (tính bằng inch) , độ rộng sải cánh (tính bằng inch) và
trọng lượng (tính bằng ounce). Vậy, m  3 và n  100 , do đó ma trận B có cấp
3  100 .
Ma trận hiệp phương sai S (vuông cấp 3) như sau:
 91.43 171.92 297.99 

 
S 373.92 545.21  (chú ý là S đối xứng)
 1297.26 

Các giá trị riêng và véc tơ riêng tương ứng của S là:
295
1  1626.52;  2  128.99;  3  7.1
 0.22   0.25   0.94 

     
u1   0.41  ; u 2   0.85  ; u 3   0.32 
 0.88   0.46   0.08 
     
Phương sai toàn phần là: T  1   2   3  1762.61
1
Véc tơ u1 giải thích đến  92.28% phương sai toàn phần nên ta chọn u1 là thành
T
2
phần chính thứ nhất. Véc tơ u 2 giải thích được  7.32% nên u 2 là thành phần
T
3
chính thứ hai. Còn véc tơ u 3 chỉ giải thích được  0.4% nên ta bỏ qua véc tơ
T
này. Thành phần chính đầu tiên u1 là quan trọng nhất và trong ba tọa độ của u1 , ta
thầy tọa độ thứ ba (tương ứng với trọng lượng) có giá trị lớn nhất, kế tiếp là tọa độ
thứ hai (tương ứng với độ rộng của sải cánh). Vậy, trọng lượng và độ rộng sải cánh
được xem là hai yếu tố quan trọng nhất khi xác định ‘kích cỡ’ của loài chim.
Trong thành phần chính thứ hai u 2 thì ta cũng thấy hai tọa độ cuối (ứng với độ rộng
sải cánh và trọng lượng) có giá trị tuyệt đối lớn hơn cả, nghĩa là hai yếu tố nói ở trên
vẫn quan trọng. Tuy nhiên, dấu trừ ở tọa độ thứ ba có thể nói lên một đặc điểm của
các loài chim: chiều rộng sải cánh nhỏ và trọng lượng lớn. Ta gọi đặc điểm này là
‘tính rắn chắc’ của loài chim.
Vậy hai thành phần chính trên nói rằng, một loài chim có thể đặc trưng bởi ‘kích
cỡ’ và tính ‘rắn chắc’.
5. Bài toán nhận dạng gương mặt: các gương mặt riêng (eigenfaces)
Như đã giới thiệu ở phần đầu, mỗi ảnh gương mặt của một người với kích thước
30  30 điểm ảnh sẽ được mã hóa bằng một véc tơ cột gồm 900 tọa độ (rất lớn). Số
chiều m  900 .
Với tập dữ liệu, giả sử gồm n  100 tấm ảnh chụp gương mặt của 100 người thì ma
trận B có kích cỡ là 900  100 . Ma trận S  BBT có kích cỡ là 900  900 (quá lớn
cho việc lưu trữ số liệu và tính toán). Thế nên, ta sẽ không tính giá trị riêng của
S  BBT mà tính giá trị riêng và các véc tơ riêng của BT B (có cấp là 100  100 , nhỏ
hơn đáng kể). Chú ý rằng, các ma trận BBT và BT B có cùng giá trị riêng nên S có
296
không quá 100 trị riêng khác nhau. Ma trận S lúc này suy biến và có hạng không
vượt quá 100 nên S có trị riêng là 0 và không gian con riêng ứng với trị riêng 0 này
có số chiều tối thiểu là 800. Ta chọn những trị riêng dương và các véc tơ riêng của
BT B ứng với giá trị riêng dương, rồi chọn các thành phần chính cho BT B .
Chú ý là, khi tìm được một véc tơ riêng của BT B (véc tơ 100-chiều) – chẳng hạn là
véc tơ u ứng với trị riêng   0 (nghĩa là (BT B)u  u ), ta chỉ việc lấy ma trận B
nhân với véc tơ u này thì ta sẽ được véc tơ riêng của S  BBT . Thật vậy,
(BT B)u  u  (BBT )Bu  Bu
nghĩa là véc tơ Bu cũng là véc tơ riêng của S  BBT ứng với trị riêng  .
Do đó, nếu ta tìm được các thành phần chính của BT B thì chỉ việc lấy B nhân với
các véc tơ thành phần chính này, ta sẽ được các thành phần chính của S.
Kế tiếp, ta chiếu từng véc tơ trong tập dữ liệu lên không gian con sinh bởi các thành
phần chính và tìm tọa độ của hình chiếu theo các thành phần chính (bộ tọa độ này
được gọi là một bộ trọng số của véc tơ dữ liệu) rồi lưu lại. Mỗi véc tơ trong tập dữ
liệu cho ta một bộ trọng số tương ứng, như thế là ta đang có 100 bộ trọng số.
Bây giờ, nếu có ảnh gương mặt của một người mới nào đó, ta cũng chiếu véc tơ ảnh
của người này lên các thành phần chính để thu được bộ trọng số của người mới này.
Rồi ta so sánh trọng số của người này với 100 bộ trọng số đã được lưu lại, nếu sai
khác về trọng số khá nhỏ thì ta xem như người này là ‘người quen’.
Hình ảnh dưới đây là véc tơ thành phần chính thứ nhất xây dựng từ cơ sở dữ liệu
ảnh:
6. Hạn chế của PCA

Phương pháp PCA chỉ phát huy tác dụng khi các biến dữ liệu có quan hệ tuyến tính,
khi đó việc giảm số chiều dữ liệu mới thực hiện được rõ nét. Thử tưởng tượng, nếu
297
các điểm dữ liệu nằm trên một đường tròn tâm là gốc tọa độ thì áp dụng PCA sẽ
không có ý nghĩa vì chiếu dữ liệu lên hệ trục vuông góc nào cũng như nhau thôi.
Hoặc nếu trong dữ liệu có những điểm ngoại lai thì tính toán theo PCA cũng bị gây
nhiễu khá nặng.
Tài liệu tham khảo

[1]. Jeff Jauregui, Principal component analysis with linear algebra, 2012.
[2]. Lindsay I Smith, A tutorial on principal components analysis, 2012
[3]. M. Turk and A. Pentland, Eigenfaces for Recognition, Journal of Cognitive
Neuroscience, vol. 3, no. 1, pp. 71–86, 1991
[4]. Vũ Hữu Tiệp, Machine Learning căn bản – Principal component analysis,
https://machinelearningcoban.com/2017/06/15/pca/
298
TỒN TẠI NGHIỆM YẾU CỦA PHƯƠNG TRÌNH PLATE VỚI MA SÁT
TẮT DẦN VÀ THÀNH PHẦN NGUỒN LOẠI LOGARIT
Ngô Trấn Vũ
*Email: vungotran@ueh.edu.vn
Tóm tắt
Những kết quả thu được từ bài toán Cauchy cho phương trình Plate có thành
phần nguồn logarit còn rất hạn chế. Những bài toán như vậy lại có những ứng
dụng trong nhiều lĩnh vực của vật lí như vật lí hạt nhân, quang học và địa vật
lí. Một số bài toán liên quan được liệt kê trong [1]. Mục tiêu của bài báo này đề
cập đến kết quả về sự tồn tại nghiệm yếu cho một bài toán biên phi tuyến liên kết
với phương trình dầm phi tuyến và thành phần nguồn loại logarit. Bài báo sử dụng
phương pháp xấp xỉ Faedo-Galerkin; các đánh giá tiên nghiệm và các phép nhúng
compact để chứng minh sự tồn tại nghiệm của bài toán biên được nghiên cứu.
Từ khóa: phương trình Plate, phương trình dầm phi tuyến, ma sát tắt dần,
thành phần nguồn loại Logarit
299
1. GIỚI THIỆU
Trong bài này, chúng tôi xét đến sự tồn tại nghiệm yếu của phương trình
utt   2u  u  ut  kuln|u |, x  , t  0

 u
u ( x, t )  ( x, t )  0, x  , t  0 (1.1)
 
u ( x, 0)  u0 ( x), ut ( x, 0)  u1 ( x ), x  ,
trong đó  bị chặn trong 2

với biên trơn ∂  ,  là một đại lượng trên biên ∂  và k là
số thực dương nhỏ. Trong phần 2, chúng ta xét đến một số ký hiệu và các công cụ cần thiết
để dùng cho việc chứng minh kết quả chính. Chứng minh tồn tại nghiệm ta sẽ đề cập trong
phần 3.
2. MỘT SỐ KẾT QUẢ CƠ BẢN
Trong phần này, ta xét một số công cụ cần thiết để chứng minh các kết quả. Các không
gian Lebesgue L2 () và không gian Sobolev H 02 () được dùng với những tích vô hướng
và những chuẩn thông thường.
Ta xét một vài giả thiết
(A) Hằng số k trong (1.1) với 0  k  k0 , trong đó k 0 là hằng số dương thỏa mãn
2
3 1
 
 e 2 k0 (2.1)
k0 c p
và c p là một số dương nhỏ nhất thỏa
u 2  c p u 2 , u  H 02 (),
2 2
với . 2
 . L2 (  )
.
2 3 1
 
Nhận xét 2.1. Hàm f ( s)   e 2 s liên tục và giảm trên (0,∞),với
cp s
3
lim f ( s)   và lim f ( s )  e 2 .
s 0 s 
Khi đó, tồn tại duy nhất k0  0 sao cho f (k0 )  0 . Hơn nữa,
3 1
  2
e 2 s
 , s  (0, k0 ). (2.2)
cp s
Hàm năng lượng của (1.1) là

300
1  1
E (t )   ut  u 2  u 2   u 2 ln u dx   u
2 2 2 k 2
2 2
(2.3)
2   4
Đạo hàm (2.3) và kết hợp với(1.1), thu được
E (t )   ut
2
2
(2.4)
Bổ đề 2.2 [3, 4] (Bất đẳng thức Logarithmic Sobolev) Cho u là hàm bất kỳ trong H 01 ()
và a >0 tùy ý .Khi đó
1 2 a2
 u ln u dx  u 2 ln u 2  u 2  (1  ln a) u
2 2 2 2
(2.5)

2 2 2
Hệ quả 2.3. Cho u là hàm bất kỳ trong H 01 () và a >0 tùy ý .

Khi đó
1 2 cpa2
 u ln u dx  2 u 2 ln u 2  2 u 2  (1  ln a) u
2 2 2 2
2
(2.6)
Lemma 2.4. [2] (Bất đẳng thứcLogarithmic Gronwall) Cho c  0,   L1 (0, T ; 

) , và giả
sử hàm w : [0, T ]  [1, ) thỏa
 t 
w(t )  c 1    ( s) w( s) ln w( s)ds  , 0  t  T (2.7)
 0 
thì
t 
w(t )  c exp    ( s)ds  , 0  t  T (2.8)
0 
3. TỒN TẠI NGHIỆM
Trong phần này, chúng tôi phát biểu và chứng minh tồn tại nghiệm của bài toán
(1.1).
Định nghĩa 3.1. Hàm

u  C [0, T ], H 02 ()  C1 [0, T ], L2 ()  C 2 [0, T ], H 2 () 
được gọi là nghiệm của (1.1) nếu
301
 utt ( x, t ) w( x)dx  u ( x, t ) w( x) dx  u ( x, t ) w( x) dx

   

  ut ( x, t ) w( x)dx   u ( x, t ) w( x ) ln u ( x, t ) dx, w  H 02 (),
k
  
(3.1)

u ( x, 0)  u0 ( x), ut ( x, 0)  u1 ( x).
Định lí 3.2. Cho (u0 , u1 )  H 02 ()  L2 (). Khi đó bài toán (1.1) có nghiệm yếu toàn cục
u  C [0, T ], H 02 ()  C1 [0, T ], L2 ()  C 2 [0, T ], H 2 ()  (3.2)
Chứng minh. Để đánh giá sự tồn tại nghiệm của bài toán (1.1), ta sử dụng phương pháp
Faedo-Galerkin. Lấy {w j }j 1 là một cơ sở trực giao của không gian H 02 () trực giao trong
L2 () . Đặt Vm  span{w1 , w2 , ..., wm } và lấy u0m , u1m trong Vm sao cho
m m
u0m ( x)   a j w j ( x), u1m ( x)   b j w j ( x) ,
j 1 j 1
với
u0m  u0 trong H 02 () và u1m  u1 trong L2 () , khi m   . (3.3)
Chúng ta tìm nghiệm xấp xỉ
m
u m ( x, t )   h mj w j ( x)
j 1
của bài toán xấp xỉ trong Vm :
 (u m w  u m w  u m w  u m w)dx  wu m ln u m k dx, w V ,
  tt t  m
 m
u (0)  u0   j 1 (u0 , w j ) w j
m m
(3.4)

utm (0)  u1m   j 1 (u1 , w j ) w j
m

Dựa trên lý thuyết của phương trình vi phân (xem [6]), ta thu được các hàm
h j :[0, tm )  , j  1, 2,..., m,
thỏa (3.4) trên [0, tm ) , tm  (0, T ] . Kế đến, ta chỉ ra rằng tm  T và nghiệm địa phương bị
chặn đều độc lập theo m và t . Bằng cách thay w bởi utm trong (3.4) và tính tích phân
từng phần ta được
d m 2
E (t )   utm 0 (3.5)
dt 2
với
302
1 k 2 m 2 1
u    u m ln u m dx
2 2 2 k
E m (t )   utm  u m  (3.6)
2 2 2 2 2
 2
Từ (3.5), ta có
E m (t )  E m (0),
kết hợp với (2.6) và đặt C  2 E m (0) thu được
m 2
 ka 2 c p  m 2 k  2  2 k m 2 2
u  1   u 2    k (1  lna)  u m C u ln u m . (3.7)
t 2  2  2  2 2 2 2
 
Dựa và giả thiết (A), ta chọn
2
e
 32  1k
a  3.8
kc p
thì
ka 2 c p k 2
1  0 và  k (1  lna)  0 .
2 2
Do đó, ta được
2
utm  u m  u m
2
2
2
2
2 
 c 1  u m ln u m
2
2
2
2 . (3.9)
Mà
t
u
u (., t )  u (., 0)  
m
m m
 ( s)ds.
 s
0
Khi đó, dùng bất đẳng thức Cauchy-Schwarz, ta có

t 2
u
u m (t )  2 u m (0)  2 
m
2 2
 ( s) ds
2 2
 s
0 2 (3.10)
t
 2 u m (0)  2T  utm ( s) ds,
2 2
2 2
0
Do đó, từ (3.9) và (3.10) thu được

 t 
 2 u m (0)  2cT 1   u m ln u m ds  .
2 2 2 2
um (3.11)
 0 
2 2 2 2

Đặt C1  max 2cT , 2 u m (0)
2
2 , (3.11) dẫn đến

 t 
 2C1 1   u m ln u m ds  .
2 2 2
um
 0 
2 2 2
303
Không mất tính tổng quát, ta lấy C1  1 , khi đó
 
  ln C  u  ds  .
t
m 2
 2C1 1  
2 m 2
u  C1  u m
2   2 1 2
 0
Áp dụng bất đẳng thức Logarithmic Gronwall cho bất đẳng thức trên, ta được
2
um  2C1e 2C1T : C2 .
2
Do đó, từ (3.9) thu được:
 c 1  C2 ln C2  : C3 ,
2 2 2
utm  u m  u m
2 2 2
với C3 là hằng số dương độc lập với m và t . Điều này dẫn đến
2 2 2
sup utm  sup u m  sup u m  C3 . (3.12)
t(0,t m ) 2 t(0,t m ) 2 t(0,t m ) 2
Vì thế, nghiệm xấp xỉ bị chặn đều độc lập với m và t . Do đó, ta có thể mở rộng t m đến T .
Hơn nữa, từ (3.12) ta được,
u m bò chaën ñeàu trong L (0, T ; H 02 ( )),

(3.13)
utm bò chaën ñeàu trong L (0, T ; L2 ( )),
điều này ngụ ý rằng có một dãy con của (u m ) (vẫn được ký hiệu là (u m ) ), thỏa
um u yeáu * trong L (0, T ; H 02 ( )),

utm ut yeáu * trong L (0, T ; L2 ( )),
(3.14)
um u yeáu trong L2 (0, T ; H 02 ( )),
utm ut yeáu trong L2 (0, T ; L2 ( )).
Dùng định lý Aubin-Lions, ta có

um u maïnh trong L2 (0, T ; L2 ( ))
và
u m  u a.e. trong  (0, T ).
Vì s  s ln s liên tục trên

k
, nên
k
u m ln u m  u ln u a.e. in  (0, T ).
k
k
Nhúng H 02 () vào L () (do   2
), rõ ràng u mln u m bị chặn trong L (  (0, T )) .
Khi đó, theo định lí hội tụ bị chặn Lebesgue (  bị chặn), ta có

k
u m ln u m  u ln u maïnh trong L2 (0, T ; L2 ( )) .
k
(3.15)
304
Trong (3.4), ta lấy tích phân trên (0, t), ta có w  Vm ,

t t


utm wdx   u1m wdx  
 0   u m wdxds  
0   u m ( s ) wdxds
(3.16)
t t
+  utm ( s) wdxds   
k
wu m ( s ) ln u m ( s) dxds.
0   0
Kết hợp (3.3), (3.14), (3.15) và (3.16) cho m  , w  Vm , m  1 , ta được

t t


ut wdx   u1wdx  
 0   u ( s )wdxds  
0   u ( s ) wdxds
(3.17)
t t
  ut ( s) wdxds   
k
u ( s) w ln u ( s) dxds,
0   0
điều này ngụ ý rằng (3.17) đúng với mọi w  H 02 () .
Đạo hàm (3.17) theo t với hầu hết t  (0, T ) và mọi w  H 02 () , ta được
 
utt ( x, t ) wdx   u ( x, t )w( x)dx   u ( x, t ) w( x)dx
 
(3.18)
  ut ( x, t ) w( x)dx   w( x)u ( x, t ) ln u ( x, t ) dx.
k
 
Để kiểm điều kiện ban đầu, ta có

um u yeáu trong L2 (0, T ; H 02 ( )),
(3.19)
utm ut yeáu trong L2 (0, T ; L2 ( )).
Do đó theo bổ đề Lion [5], ta được
u m  u trong C ([0, T ]; L2 ()) (3.20)
nên, u m ( x, 0) có nghĩa và
u m ( x, 0)  u ( x, 0) trong L2 ()
mà
u m ( x, 0)  u0m ( x)  u0 ( x) trong H 02 () .
Do đó
u ( x, 0)  u0 ( x) .
Mặt khác, nhân   C0 (0, T ) vào hai vế (3.4) và lấy tích phân trên (0, T ) , với bất kỳ w  Vm
ta có
T T T
  utm w (t )dxdt     u m w (t )dxdt    u m w (t )dxdt
0  0  0 
T T
(3.21)
  u w (t )dxdt  
m
t  wu ln u m m k
 (t )dxdt.
0  0 
Cho m   , ta có: với mọi w  H 02 () và bất kỳ   C0 (0, T ) ,
305
T T T
  ut w (t )dxdt     u (t) w (t )dxdt    uw (t )dxdt
0  0  0 
T T
(3.22)
  ut w (t )dxdt    wu ln u  (t )dxdt
k
0  0 
Điều này dẫn đến (xem[7])

utt  L2 ([0, T ), H 2 ()) .
Mà ut  L2 ((0, T ), L2 ()) , ta được
ut  C ([0, T ), H 2 ()) .
Nên, utm ( x, 0) có nghĩa và
utm ( x, 0)  ut ( x, 0) trong H 2 ()
mà
utm ( x, 0)  u1m ( x)  u1 ( x) trong L2 ().
Do đó
ut ( x, 0)  u1 ( x).
[1] Mohammad M. Al-Gharabli, Salim A. Messaoudi., The existence and asymptotic

behavior of a plate equation with frictional damping and logarithmic source term., J.
Math. Anal. Appl. (2017).
[2] Cazenave T. and Haraux A., Equations d’evolution avec non-linearite logarithmique,
Ann.Fac. Sci. Toulouse Math. 2(1), 21-51 (1980).
[3] Chen H., Luo P. and Liu G.W. , Global solution and blow-up of a semilinear heat
equationwith logarithmic nonlinearity, J. Math. Anal. Appl. 422, 84-98 (2015).
[4] Gross L. , Logarithmic Sobolev inequalities, Amer. J. Math. 97(4), 1061-1083 (1975).
[5] Lions J., Quelques methodes de resolution des problemes aux limites non lineaires,
secondEdition, Dunod, Paris (2002).
[6] Lions J., Quelques methods de resolution des proble‘ms aux limites non lineaires,
DunodGauthier-Villars, Paris, (1969).
[7] Marie-Therese Lacroix-Sonrier; Distrubutions Espace de Sobolev Application, Ellipses
EditionMarketing S.A, (1998).
306
CHỈNH HÓA PHÉP BIẾN ĐỔI LAPLACE NGƯỢC

Đào Bảo Dũnga*, Nguyễn Văn Nhâna
a
Khoa Toán-Thống Kê, Trường Đại học Kinh tế TP.HCM, Việt Nam
*
Tác giả liên hệ: Email: dungdaobao@ueh.edu.vn
Tóm tắt
Trong bài viết này, chúng tôi đưa ra một ví dụ để chứng minh phép biến đổi Laplace ngược là
một bài toán ngược đặt không chỉnh (Ill – Posed Inverse Problems). Phương pháp chỉnh hóa
của phép biến đổi Laplace ngược cũng được trình bày ở đây.
____________________________________________________________________________
307
1. BÀI TOÁN NGƯỢC ĐẶT KHÔNG CHỈNH.
Các bài toán ngược đặt không chỉnh (Ill – Posed Inverse Problems) thường được
lưu ý nhất trong trường hợp phụ thuộc liên tục (xem [1.], [2.] và [3.]). Một sai số rất nhỏ
trong dữ kiện đo đạc sẽ dẫn đến một sai số rất lớn đối với nghiệm, và nghiệm không sử
dụng được khi đó. Lúc ấy, người ta phải chỉnh hóa bài toán để kiểm soát được sai số đối
với nghiệm. Tuy nhiên, hiện nay chưa có một phương pháp chỉnh hóa chung cho mọi bài
toán ngược đặt không chỉnh. Và vì vậy, dựa vào đặc thù của từng bài toán, người ta cố
gắng tìm ra cách chỉnh hóa riêng biệt.
Trong bài viết này, chúng tôi trình bày chỉnh hóa bài toán ngược đặt không chỉnh
trong phép biến đổi Laplace.
2. TÍNH ĐẶT KHÔNG CHỈNH CỦA PHÉP BIẾN ĐỔI LAPLACE NGƯỢC.
Trong phần này, chúng ta xét một ví dụ chứng minh tính đặt không chỉnh của phép
biến đổi Laplace ngược từ không gian metric L2 (  ) các hàm số bình phương khả tích
trên tập  0,   vào chính nó.

Với u1 , u2  L2 ( ) ta có
1/2
 
d (u1 , u2 )  u1  u2     u1 ( x)  u2 ( x)  dx 
2
2
0 
Ta có phép biến đổi Laplace của f được định nghĩa như sau

L[ f ]( p)   e  pt f (t )dt
0
Coi f1 (t )  et với t  0
e pt (0  t  100)
f 2 (t )  
0 (t  100)
Ta có

 e2t  1 1
 f (t )dt  lim    
2
1
t 
0  2  2 2

nên f1 (t )  L2 ( ).
Ta cũng có
 100
e 2t
100
f 2
2
(t )dt  
2 t
e dt  
2

1
2
1  e 200 
0 0 0
308

nên f 2 (t )  L2 ( ).
Khi đó
 
 f1 , f2    f (t )  f (t )  e
2 2 2 t
d = 1 2 dt = dt
0 100
 e2t  e200 e 200

= lim     =
t 
 2  2 2
e 200
Như vậy d 2  f1 , f 2   (2.1)
2
Bây giờ, ta tính g1 và g 2 .
Ta có
 
 e ( p 1) t  1
g1 = L[ f1 ]( p) =  e  pt
f1 (t )dt =  e  ( p 1) t dt = lim   
0 0
t 
 p 1  p 1
1
nghĩa là g1  với mọi p  0 .
p 1
Ta có
 100
e  ( p 1) t
100
g 2 = L[ f 2 ]( p) =  e e
 pt  ( p 1) t
f 2 (t )dt = dt = 
0 0
p 1 0
nghĩa là g 2 
1
p 1
1  e 100( p 1)  với mọi p  0 .
Khi đó, ta có


 dp
0 g1 ( p)dp   ( p  1)2  1
2

nên g1 (t )  L2 ( ).
Và ta lại có
 

 1
 dp  
dp
0 g 2 ( p)dp   ( p  1)2 1  e
100( p 1)
2
 1
 ( p  1)
2
0 0
309

nên g 2 (t )  L2 ( ).
Ta tính được


 e200( p 1)
d 2  g1 , g 2  =   g1 ( p)  g 2 ( p) 
2
dp =  dp
 ( p  1)
2
0
0


e 200 x e 200
=
 2 dx  1 e 200 x
dx =
 x 200
1
e 200
Như vậy d 2  g1 , g 2   (2.2)
200
Từ (2.1), (2.2) ta thấy rằng: nếu g bị nhiễu khá nhỏ có thể dẫn đến f bị nhiễu khá
lớn.
 
Như vậy, phép biến đổi Laplace ngược từ L2 ( ) vào L2 ( ) là một bài toán
ngược đặt không chỉnh.
Trong phần sau, chúng tôi sẽ trình bày một cách chỉnh hóa phép biến đổi Laplace
ngược từ L2 (  ) vào L2 (  ) .
3. CHỈNH HÓA PHÉP BIẾN ĐỔI LAPLACE NGƯỢC.
Cho hàm f thỏa các tính chất sau
i. f đo được trong (0, ) .
ii.   0 , M  0 , f (t )  Me t t  0 .
Gọi  0  inf  với tất cả  thỏa ii. Khi đó, biến đổi Laplace của hàm gốc f là
một hàm biến phức được định bởi

F ( p )   e  pt f (t )dt
0
xác định trên miền Re p   0 .
Như vậy, bài toán tìm hàm gốc f của hàm F có thể xem như bài toán giải
phương trình tích phân cấp 1 sau đây

e
 pt
f (t ) dt  F ( p) (3.1)
0
310
Xét phương trình toán tử
Af  g
 
trong đó A là toán tử đi từ L2 ( ) vào L2 ( ) định bởi
e
 pt
Af  p f (t ) dt (3.2)
0
Bài toán tìm hàm f thỏa (3.1) là bài toán đặt không chỉnh, vì có thể vô
nghiệm, hoặc nghiệm không phụ thuộc liên tục vào hàm g , nghĩa là sự nhiễu rất
nhỏ của hàm g có thể dẫn đến sự nhiễu lớn của hàm f . Ta sẽ khảo sát một cách
chỉnh hóa bài toán này.
Người ta chứng minh được A là một toán tử liên hợp, nghĩa là A*  A (xem
[1.]). Xét phương trình nhiễu sau đây
 f  A* Af  A* g (3.3)
Ta có

    pt   ps
A* Af  A2 f s    e f (t )dt  e ds
0 
0

    (t  s ) p 
s  f (t )   e dp  dt
 0 
0

f (t )
  dt
 ts
0
và phương trình (3.2) viết lại dưới dạng



 f  
f (t )
  dt   e g (t )dt
 st
(3.4)
 ts 0
0
Người ta chứng minh được phương trình (3.3) tương đương với phương trình
biến phân sau đây (xem [1.])
  f , v    Af , Av    g , Av  v  L2 ( 
) (3.5)
311
trong đó ... , ... là tích vô hướng trong L2 (  ) . Dùng định lý Lax –

Milgram, ta chứng minh được (3.5) có nghiệm duy nhất (xem [1.]).

Trong L2 ( ) ta xét chuẩn :
1/2
 
u1  u2     u1 ( x)  u2 ( x)  dx 
2
2
0 
Ta có một định lý sau đây (là kết quả chỉnh hóa bài toán đặt không chỉnh của
phép biến đổi Laplace ngược).
Định lý.
Giả sử g  g 2
  và f  Au , u  L2 ( 
) . Khi đó
1/2
 1 u 2

f  f  2
  1/2
2
 2 
 
Chứng minh.

Vì v  L2 ( ) nên ta có
 Af , Av  =  g , Av 
và   f , v    Af , Av  =  g , Av 
Từ đó, ta suy ra được
  f , v    A( f ), Av    g  g , Av  v  L2 ( 
)
Với v  f  f thì
  f , f  f   A( f  f ) 2   g  g , A( f  f ) 
2
hay
 f  f  A( f  f ) 2    f , f  f    g  g , A( f   f ) 
2 2
2

Từ f  Au với u  L2 ( ) và bất đẳng thức Cauchy – Schwartz, ta có
( f , f  f ) = ( Au, f  f ) = (u, A* ( f  f )) = (u, A( f  f ))
 u 2
A( f  f ) 2
312
 1
 u 2 A( f  f )
2 2
2 2 2
và
( g  g , A( f  f ))  g  g 2
A( f  f ) 2
  A( f  f ) 2
2 1
  A( f  f )
2
2
2 2
suy ra
 2 1 2 1
   u 2 
2
 f  f  A( f  f )
2 2
A( f  f ) 2    A( f  f )
2
2 2
2 2  2 2
2
Từ đó suy ra
1/2
 1 u 2

f  f  2
  1/2
2
 2 
 
Mặt khác, (3.3) tương đương với
f  f    f  A* ( Af  g ) 
 
nghĩa là f là điểm bất động của toán tử B : L2 ( )  L2 ( ) định bởi
Bf  f    f  A* ( Af  g ) 

Bằng cách chọn   , người ta chứng minh được B là một toán tử
  A  2 2
co với hệ số co là
1/ 2
 
2
  1  
2 
 
 A
2
 
Đặt f (0)  0 , f( m)  F ( f( m1) ) ta có
f( m )  f
2
 f( m)  f 2  f  f 2
313
1/2
f(1)  1 u 2

 2
m  2
  1/2
1   2 
 
nghĩa là f( m ) là nghiệm xấp xỉ của bài toán ban đầu.
4. KẾT LUẬN.
Trong bài viết này, chúng tôi đã đưa ra một ví dụ chứng minh tính không
chỉnh của bài toán Laplace ngược và áp dụng phương pháp chỉnh hóa Tikhonov
cũng như nguyên lý ánh xạ co để xây dựng nghiệm chỉnh hóa ứng với dữ kiện bị
nhiễu. Chúng tôi cũng đưa ra được đánh giá sai số giữa nghiệm chỉnh hóa và
nghiệm chính xác.

[1] A.N. Tikhonov and V.Y.Arsenin, Solutions of Ill – Posed Problems, Winston,
Washington (1977).
[2] J.Baumeister, Stable Solutions of Inverse Problems, F.Vieweg and Sons,

Braunschweig, Wiesbaden (1987).
[3] C.W.Groetsch, Inverse Problems in Mathematical Sciences, Vieweg (1993).
[4] D.V.Widder, The Laplace Transform, Princeton University Press (1946).
[5] Đặng Đình Áng, Biến đổi tích phân, NXB Giáo dục (2007).
314

KyYeuTTK2019

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

KyYeuTTK2019

Uploaded by

Copyright:

Available Formats

MỤC LỤC

TT Tên bài Tác giả Trang

THỐNG KÊ ỨNG DỤNG

Chu Nguyễn Mộng Ngọc a*, Hà Văn Sơn b

Toàn trường Lĩnh vực KHVL Lĩnh vực KHXH

ISI 70 51,5 19 76,0 51 46,0

3.2 Thống kê CBQT của UEH theo nhà xuất bản

Trần Hà Quyêna*, Lê Thị Kim Phúca

Từ khóa: quyết định mua, hành vi mua, thời trang online

2. TỔNG QUAN LÝ THUYẾT

2.1. Lý thuyết hành vi người tiêu dùng

2.2. Quyết định mua sắm trực tuyến

2.2.1. Các nghiên cứu trong nước

2.2.2. Các nghiên cứu nước ngoài

Hình 2. Mô hình nghiên cứu của Anjali Dabhade (2002)

Hình 3. Mô hình nghiên cứu của Forsythe & ctg. (2006)

2.2. Các giả thuyết và mô hình nghiên cứu đề xuất

Bảng 1. Tóm tắt các mô hình nghiên cứu

Long (2018) Phúc Li & Forsythe Destiny

Hình 5. Mô hình nghiên cứu đề xuất

3. DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

3.1. Nghiên cứu định tính

3.2. Nghiên cứu định lượng

Trong đó: n là kích thước mẫu

m là số biến độc lập của mô hình

3.3. Chiến lược nghiên cứu

3.4. Phương pháp chọn mẫu

3.5. Phương pháp thu thập dữ liệu

3.6. Kế hoạch phân tích

4. KẾT QUẢ VÀ THẢO LUẬN

Bảng 2. Thống kê mô tả đáp viên (n=250)

Giới tính Số lượng Tỷ lệ (%)

4.2.1. Thời gian sử dụng internet

Bảng 3. Thời gian sử dụng Internet trung bình/1 ngày (n=250)

Thời gian Số lượng Tỷ lệ (%)

Dưới 0.5h 1 0.4%

4.2.2. Trang web sử dụng mua hàng

Bảng 4. Trang web thường mua hàng online (n=250)

Trang web thường mua hàng online Số lượng Tỷ lệ (%)

Các diễn đàn (5giay.vn, Muare.vn, Tinhte.vn, Vn-zoom.vn, ...) 9 3.6%

Nguồn: Nghiên cứu của tác giả (2019)

4.2.3. Sản phẩm thời trang

Sản phẩm Số lượng Tỷ lệ (%)

4.2.4. Thời gian mua hàng thời trang

Thời gian mua Số lượng Tỷ lệ (%)

Yếu tố Cronbach’s Alpha Tiêu chí Kết luận

4.4. Phân tích nhân tố khám phá EFA

Bảng 8. Tóm tắt phân tích nhân tố EFA

Bảng 9. Ma trận hệ số nhân tố

Các nhân tố Tên nhân tố

4.5. Phân tích sự tương quan

Bảng 10. Kết quả phân tích hệ số tương quan

Tiện Lựa Thoải Giá Chất Niềm Rủi Ro

4.6.1. Phân tích hồi quy

Bảng 11. Tóm tắt mô hình

Nguồn: Nghiên cứu của tác giả (2019)

Bảng 12. Phân tích ANOVA

(1) Giả định liên hệ tuyến tính

Hình 6. Đồ thị phân tán phần dư chuẩn hóa

(2) Không có hiện tượng đa cộng tuyến

(3) Giả định về tính độc lập của sai số

(4) Giả định về phân phối chuẩn của phần dư

Bảng 13. Kết quả kiểm định phân phối chuẩn