Mối quan hệ Già hóa dân số và Tăng trưởng kinh tế ở Việt Nam- VECM

Phân tích Mối quan hệ Dân số; Già hóa dân số; Tăng trưởng kinh tế; Việt Nam; VECM.

Mối quan hệ Già hóa dân số và Tăng trưởng kinh tế ở Việt Nam- VECM
Mối quan hệ Già hóa dân số và Tăng trưởng kinh tế ở Việt Nam- VECM

1. Đặt vấn đề

Già hóa dân số là quá trình thay đổi nhân khẩu học với lượng người cao tuổi của một đất nước ngày càng  gia tăng, dẫn đến cơ cấu dân số hướng dần về cấu trúc già hơn về tuổi. Một quốc gia được định nghĩa là  “đang già hóa” khi tỷ lệ người 65 tuổi trở lên vượt quá 7% tổng dân số. Khi con số này lần lượt vượt quá  14% và 20%, dân số sẽ được coi là “đã già hóa” và “siêu già hóa” (UNFPA, 2011). Đôi khi, các nhà nghiên  cứu sử dụng 60 làm mốc tuổi với 10%, 20% và 30% lần lượt là các mốc cho “đang già hóa”, “già hóa”, và “siêu già hóa”.

Hiện nay, già hóa dân số có thể coi là một hiện tượng toàn cầu; dân số trên toàn thế giới đang dần già đi:  Nhóm dân số 65 tuổi trở lên đã gia tăng đáng kể từ năm 1960, từ khoảng 5% tổng dân số thế giới (tương  đương 151 triệu người) lên đến 8.5% vào năm 2016 (gần 630 triệu người) (World Bank, 2016). Trong quá  khứ, già hóa xuất hiện chủ yếu ở các nước đã phát triển như Hoa Kỳ, Đức, Ý, Nhật Bản. Tuy nhiên, giờ đây,  nó đã trở thành một hiện tượng phổ biến ở hầu hết các nước đang phát triển như Trung Quốc, Hàn Quốc,  Singapore và Thái Lan (UN, 2015). Nguyên nhân của hiện tượng này là sự kết hợp của các yếu tố: giảm  trong tỷ lệ sinh và tử vong; gia tăng trong tuổi thọ.

Không nằm ngoài xu hướng nhân khẩu học này, mặc dù thuộc một trong số những quốc gia có tỷ lệ sinh  tự nhiên cao nhưng dân số Việt Nam cũng đang trải qua quá trình già hóa, thậm chí là với tốc độ cao hơn so  với các nước phát triển trước đây. Lượng người cao tuổi ở nước ta đang tăng cao, cả về mặt tương đối lẫn  tuyệt đối; già hóa không chỉ xảy ra ở một số khu vực mà đang lan rộng đến khắp các vùng, các địa phương.

Việc dân số thay đổi dần hướng đến một cấu trúc nhiều người già hơn chắc chắn sẽ mang lại nhiều vấn đề  và thách thức cho sự phát triển kinh tế – xã hội của nước ta. Đồng thời, với tốc độ già hóa ở mức cao trong  khi thu nhập vẫn ở mức cận dưới của trung bình, chúng ta sẽ còn đối mặt thêm với vấn đề “già đi trước khi  làm giàu”. Do đó, Chính phủ cần nhanh chóng có những chính sách ứng phó với hiện tượng già hóa dân số.  Tuy nhiên, để đưa ra những chính sách phù hợp, cần sự tham khảo từ các nghiên cứu chuyên sâu về bản chất  hiện tượng già hóa dân số đang diễn ra cũng như mối quan hệ cụ thể giữa già hóa dân số và tăng trưởng kinh  tế ở Việt Nam, cụ thể là già hóa dân số có cản trở hay thúc đẩy tăng trưởng kinh tế Việt Nam hay không.  Những nghiên cứu như vậy trên bối cảnh của Việt Nam hiện nay còn rất hạn chế. Vì vậy, bằng việc lượng  hóa tác động của già hóa dân số đến tăng trưởng kinh tế ở Việt Nam, bài báo sẽ cung cấp những gợi ý hữu  ích cho chính phủ trong việc hoạch định chính sách kiểm soát tình trạng chuyển đổi cơ cấu dân số ở Việt  Nam theo hướng tích cực.

2. Tổng quan nghiên cứu về về ảnh hưởng của già hóa dân số đến tăng trưởng kinh tế

Nghiên cứu về về ảnh hưởng của già hóa dân số (cơ sở lý thuyết) https://lamkinhte.com/kinh-te/gia-hoa-dan-so-la-gi.html

3. Phương pháp nghiên cứu

3.1. Mô hình nghiên cứu 

Trên cơ sở tổng hợp từ các nghiên cứu trước, nhóm tác giả quyết định áp dụng mô hình được đề xuất bởi  tác giả Li & Zhang (2015) để kiểm tra tác động của già hóa dân số đối với tăng trưởng kinh tế của Trung  Quốc.

Mô hình này có thể phù hợp với nền kinh tế Việt Nam là vì Trung Quốc và Việt Nam có rất nhiều điểm  tương đồng về kinh tế cũng như quá trình già hóa. Việt Nam và Trung Quốc (cùng với Indonesia, Malaysia,  Mông Cổ và Thái Lan) đều được World Bank (2016) xếp vào cùng một nhóm “các nền kinh tế màu cam” với  hai điểm đặc trưng lớn: Có mức thu nhập trung bình và có tốc độ già hóa dân số diễn ra rất nhanh chóng.  Ngoài ra, Việt Nam và Trung Quốc là láng giềng, có khoảng cách rất gần về địa lý, có nhiều điểm tương  đồng về văn hóa, chuẩn mực và sắp xếp xã hội cũng như về cấu trúc thể chế. Do đó, sẽ không có nhiều khác  biệt trong cách già hóa dân số ảnh hưởng đến các nền kinh tế này.

Mô hình của Li & Zhang (2015) đã giả định: người cao tuổi trong nền kinh tế vẫn tham gia cung ứng lao  động và có một khoản tiền tiết kiệm nhất định. Bằng việc sử dụng mô hình Solow từ lý thuyết tân cổ điển và giả định rằng sự tích lũy vốn tư bản xuất phát từ tiết kiệm trong nền kinh tế, Li & Zhang (2015) đã tính toán  ra mức thu nhập bình quân đầu người ở trạng thái ổn định và nhận thấy rằng thu nhập bình quân đầu người  ở trạng thái ổn định sẽ phụ thuộc vào tỷ lệ phụ thuộc của người cao tuổi trong xã hội và tỷ lệ tiết kiệm trong  nước. Bằng những lập luận của mình, Li & Zhang (2015) cho rằng có một mối quan hệ trong dài hạn tồn tại  giữa ba biến số kinh tế vĩ mô sau: GDP bình quân đầu người, tỷ lệ phụ thuộc của người già và tỷ lệ tiết kiệm  quốc gia. Do đó, họ đã đề xuất mô hình kinh tế lượng tuyến tính log-linear sau đây để kiểm tra mối quan hệ  giữa các biến này: lnyt =δ0+ δ1st+ δ2dt+ εt.

Trong đó: y, s và d lần lượt là sản lượng thực tế bình quân đầu người, tỷ lệ tiết kiệm quốc gia và tỷ lệ phụ  thuộc của người già.

Vì vậy, nhóm tác giả quyết định cũng sẽ sử dụng mô hình với ba biến số cụ thể này để đánh giá tác động  của già hóa dân số (được thể hiện bằng sự gia tăng tỷ lệ phụ thuộc của người già) đối với sự tăng trưởng  kinh tế của Việt Nam.

3.2. Dữ liệu nghiên cứu

Dựa trên mô hình kinh tế lượng được lựa chọn, các biến được chọn để thu thập dữ liệu cho mô hình của  nghiên cứu bao gồm:

– lnyt: giá trị logarit của tổng sản phẩm quốc nội bình quân đầu người tính theo giá trị thực tế. Giá  trị thu nhập thực tế bình quân đầu người có được nhờ lấy giá trị tổng sản phẩm quốc nội thực tế của nền kinh  tế Việt Nam mỗi năm (được biểu thị bằng nội tệ) chia cho tổng số dân của Việt Nam trong năm đó.

– st: tỷ lệ tổng tiết kiệm trong nước. Đây là tỷ lệ tiết kiệm nội địa của nền kinh tế và là giá trị của  GDP trừ chi tiêu tiêu dùng cuối cùng (hoặc tổng mức tiêu thụ) và được biểu thị bằng % của GDP.

– dt: tỷ lệ phụ thuộc của người già, được định nghĩa là: “Số người từ 65 tuổi trở lên chia cho số  trong nghiên cứu có cùng tích hợp ở một cấp bậc (cụ thể là tích hợp ở bậc 1 – I(1)). Do đó, có thể  người trong độ tuổi lao động (tuổi từ 15 đến 64)”. Vì vậy, để xác định xem ba biến này có được đồng tích hợp hay không, nghiên cứu tuân theo quy trình Johansen. Nếu kiểm định Johansen  gợi ý rằng ba biến có sự đồng tích hợp, thì có thể tiến hành phân tích bằng cách sử dụng mô hình  vectơ hiệu chỉnh sai số (vector error correction model – VECM).

Các số liệu trên có thể được khai thác trực tiếp từ Kho dữ liệu của Tổ chức Ngân hàng Thế giới (World  Bank data). Mẫu số liệu sẵn có có thể sử dụng cho nghiên cứu được sắp xếp theo năm và trải dài từ năm 1986 – 2016.

3.3. Phương pháp nghiên cứu

Nghiên cứu này phân tích các chuỗi dữ liệu theo thời gian nên trước tiên cần kiểm tra xem các chuỗi dữ  liệu nghiên cứu (logarit của GDP thực tế bình quân đầu người, tỷ lệ tiết kiệm quốc gia và tỷ lệ phụ thuộc của  dữ liệu chứa nghiệm đơn vị (unit root) – thì các phân tích OLS thông thường không thể áp dụng được. Ta có thể kiểm tra sự có mặt của nghiệm đơn vị này thông qua kiểm định Dickey-Fuller mở rộng (Augmented  Dickey Fuller test – ADF).

Tất cả các phân tích sẽ được thực hiện với sự trợ giúp của gói phần mềm thống kê STATA  người cao tuổi) có mang tính dừng hay không. Nếu phát hiện ra dữ liệu không có tính dừng – nói cách khác,  phiên bản 14.0.

4. Kết quả và thảo luận

4.1. Thống kê mô tả 

Thông thường, các dữ liệu kinh tế vĩ mô, điển hình như GDP, thường ít khi mang tính dừng. Thay vào đó,  Thông tin thống kê mô tả về các biến được sử dụng trong mô hình được trình bày trong  chúng thường là các chuỗi tích hợp bậc 1 (I (1)) – tức là bản thân chuỗi dữ liệu không phải là chuỗi dữ liệu  dừng mà chỉ khi lấy sai phân bậc 1 thì nó mới mang tính dừng. Trong trường hợp này, dựa trên kết quả của Bảng 1.

Bảng 1. Thống kê mô tả các biến dữ liệu

Biến Số quan sát Trung bình Độ lệch chuẩn
Giá trị nhỏ nhất Giá trị lớn nhất
lny 31 16.54767 0.4772361 15.81777 17.31049
D 31 9.926749 0.3429017 9.302783 10.37934
S 31 20.54488 8.835051 3.327374 31.65666

4.2. Kết quả chạy mô hình kinh tế lượng

 4.2.1. Kiểm định tính dừng  

Các kết quả được hiển thị trong Bảng 2 và Bảng 3.

Bảng 2. Kiểm định Dickey – Fuller mở rộng cho các biến ở mức ban đầu

Li & Zhang (2015), tác giả nghi ngờ rằng ba biến trong nghiên cứu có cùng tích hợp ở một cấp bậc (cụ thể  là tích hợp ở bậc 1 – I(1)). Do đó, có thể suy đoán rằng có mối quan hệ đồng tích hợp giữa chúng. Vì vậy, để  xác định xem ba biến này có được đồng tích hợp hay không, nghiên cứu tuân theo quy trình Johansen. Nếu  kiểm định Johansen gợi ý rằng ba biến có sự đồng tích hợp, thì có thể tiến hành phân tích bằng cách sử dụng  mô hình vectơ hiệu chỉnh sai số (vector error correction model – VECM).

Tất cả các phân tích sẽ được thực hiện với sự trợ giúp của gói phần mềm thống kê STATA phiên bản 14.0.

4. Kết quả và thảo luận

4.1. Thống kê mô tả 

Thông tin thống kê mô tả về các biến được sử dụng trong mô hình được trình bày trong Bảng 1.

4.2. Kết quả chạy mô hình kinh tế lượng  

4.2.1. Kiểm định tính dừng 

Các kết quả được hiển thị trong Bảng 2 và Bảng 3.

Kết quả chỉ ra rằng cả ba biến số không có tính dừng ở mức ban đầu, thậm chí khi ở mức ý nghĩa là 10%.  Trong khi đó, khi tiến hành lấy sai phân bậc 1 của tất cả các chuỗi dữ liệu này và kiểm tra lại sự có mặt của  nghiệm đơn vị thông qua các kiểm định ADF, chúng ta lại có thể có đủ bằng chứng để khẳng định rằng tất  cả biến này đều có tính dừng ở mức ý nghĩa ít nhất 10%. Như vậy, mặc dù bản thân các chuỗi này không có  tính dừng, sai phân bậc 1 của chúng lại tạo thành các chuỗi có tính dừng. Do đó, có thể kết luận rằng ba biến  này là các biến tích hợp bậc 1 (tức là: I (1)). Vì chúng được tích hợp cùng ở cùng một cấp bậc, có thể nghi  ngờ rằng chúng có mối quan hệ đồng tích hợp. Do đó, nhóm tác giả tiến hành kiểm định sự đồng tích hợp  và tiến hành với mô hình vectơ hiệu chỉnh sai số (VECM).

4.2.2. Kiểm định đồng tích hợp Johansen 

Trước khi kiểm định đồng tích hợp Johansen, cần tìm ra độ trễ tối ưu cho mô hình. Có thể sử dụng một số tiêu chí thông tin như LR, AIC và SC. Các tiêu chí thông tin được thể hiện trong Bảng 4.

Bảng 3. Kiểm định Dickey – Fuller mở rộng cho các biến ở mức sai phân bậc 1

Các biến Dạng kiểm định Giá trị thống  kế ADF Giá trị giới hạn Kết luận
Δlny C1 -3.383** 1% -3.75 Có tính dừng
5% -3.00
10% -2.62
Δd NC2 -1.895*** 1% -2.66 Có tính dừng
5% -1.95
10% -1.60
Δs C1 -5.150* 1% -3.75 Có tính dừng
5% -3.00
10% -2.62

(Ở đây: C và NC trong các cột cho dạng kiểm định thể hiện cho hằng số và không có hằng số và  các số bên cạnh đại diện cho số độ trễ được sử dụng trong phương trình kiểm định. *, ** và *** biểu thị khả năng chúng ta có thể bác bỏ giả thuyết khống (H0) với mức ý nghĩa là 1%, 5% và 10%. tương ứng).  

Kết quả chỉ ra rằng cả ba biến số không có tính dừng ở mức ban đầu, thậm chí khi ở mức

Tuy cả hai tiêu chí LR và AIC đều chọn 4 là mức độ trễ tốt nhất nhưng SIC lại chọn độ trễ 2 làm độ trễ  tối ưu. Trong khi đó, độ trễ 3 lại luôn là lựa chọn tốt thứ hai trong cả ba tiêu chí thông tin. Do sự không nhất  ý nghĩa là 10%. Trong khi đó, khi tiến hành lấy sai phân bậc 1 của tất cả các chuỗi dữ liệu này và  quán này, nghiên cứu sử dụng cả ba mức độ trễ liên tiếp là 2, 3 và 4 để tiến hành kiểm định mô hình.  kiểm tra lại sự có mặt của nghiệm đơn vị thông qua các kiểm định ADF, chúng ta lại có thể có đủ

Tuy nhiên, cần lưu ý rằng trong quy trình chọn mức độ trễ, việc chọn độ trễ này được dựa trên mô hình  bằng chứng để khẳng định rằng tất cả biến này đều có tính dừng ở mức ý nghĩa ít nhất 10%. Như  vector tự hồi quy (VAR) không bị ràng buộc trong khi việc kiểm tra mối quan hệ đồng tích hợp (cũng như  mô hình vectơ hiệu chỉnh sai số) lại được thực hiện với mô hình VAR bị ràng buộc bởi sự đồng tích hợp. Do  vậy, mặc dù bản thân các chuỗi này không có tính dừng, sai phân bậc 1 của chúng lại tạo thành  đó, mức độ trễ tối ưu được sử dụng cho cả bài kiểm định Johansen và mô hình VECM phải là mức độ trễ  các chuỗi có tính dừng. Do đó, có thể kết luận rằng ba biến này là các biến tích hợp bậc 1 (tức là:  tối ưu được chọn từ mô hình VAR không bị ràng buộc trừ đi 1. Vì vậy, độ trễ tối ưu cuối cùng được sử dụng  cho kiểm định đồng tích hợp sẽ là 1, 2 và 3 độ trễ.

I (1)). Vì chúng được tích hợp cùng ở cùng một cấp bậc, có thể nghi ngờ rằng chúng có mối quan  Kết quả kiểm định Johansen xác nhận sự có có mặt của sự đồng tích hợp ở cả 3 độ trễ trên. Tuy nhiên, sau  hệ đồng tích hợp. Do đó, nhóm tác giả tiến hành kiểm định sự đồng tích hợp và tiến hành với mô  khi tiến hành chạy mô hình VECM, nhóm tác giả chỉ tìm thấy kết quả mang ý nghĩa thống kê trong mô hình  hình vectơ hiệu chỉnh sai số (VECM).

với 2 độ trễ. Do đó, mô hình có mức độ trễ tối ưu là 2 là tốt nhất và sẽ được sử dụng làm mô hình cuối cùng  của nghiên cứu. Vì vậy, các kết quả dưới đây sẽ được trình bày cho mô hình với độ trễ là 2. Bảng 5 thể hiện

4.2.2. Kiểm định đồng tích hợp Johansen kết quả chạy kiểm định đồng tích hợp Johansen.

Kết quả từ kiểm định đồng tích hợp Johansen chỉ ra rằng với độ trễ tối ưu là 2, có thể bác bỏ giả thuyết  rằng không có sự đồng hợp nào giữa các biến ở mức độ tin cậy 95%. Do đó, có thể kết luận rằng tồn tại mối  quan hệ lâu dài giữa giá trị log của sản lượng bình quân đầu người thực tế, tỷ lệ phụ thuộc tuổi già và tỷ lệ  tiết kiệm cho dữ liệu của Việt Nam. Có thể xác nhận các biến nghiên cứu có sự đồng tích hợp và cho phép  tiến hành chạy mô hình vectơ hiệu chỉnh sai số (VECM).

4.2.3. Kiểm tra mối quan hệ thực nghiệm bằng mô hình sửa lỗi véc tơ 

Dựa trên mô hình ban đầu, ta có thể xây dựng một mô hình hiệu chỉnh sai số như sau:

sử dụng một số tiêu chí thông tin như LR, AIC và SC. Các tiêu chí thông tin được thể hiện trong  Bảng 4.

Bảng 4. Kết quả việc chọn lọc độ trễ tối ưu dựa vào tiêu chí thông tin

Mức độ trễ LR AIC SIC
0 6.32907 6.47306
1 259.1 -2.60068 -2.02475
2 137.71 -7.03442 -6.02654**
3 18.082* -7.03745* -5.59763*
4 25.908** -7.33032** -5.45855

Tuy nhiên, cần lưu ý rằng trong quy trình chọn mức độ trễ, việc chọn độ trễ này được dựa  trên mô hình vector tự hồi quy (VAR) không bị ràng buộc trong khi việc kiểm tra mối quan hệ  Tuy cả hai tiêu chí LR và AIC đều chọn 4 là mức độ trễ tốt nhất nhưng SIC lại chọn độ trễ

Δlnyt= δ0+ ∑…… γ ect-1+ εyt.

Ở đây k biểu thị số độ trễ tối ưu. Trong trường hợp này, độ trễ tối ưu xác định được là 2. Với mô hình này,  tin. Do sự không nhất quán này, nghiên cứu sử dụng cả ba mức độ trễ liên tiếp là 2, 3 và 4 để tiến  tác giả có được phương trình ước tính sau. Cần lưu ý rằng kết quả được trình bày ở đây chỉ thể hiện các biến  Johansen và mô hình VECM phải là mức độ trễ tối ưu được chọn từ mô hình VAR không bị ràng  hành kiểm định mô hình.

đồng tích hợp (cũng như mô hình vectơ hiệu chỉnh sai số) lại được thực hiện với mô hình VAR bị  2 làm độ trễ tối ưu. Trong khi đó, độ trễ 3 lại luôn là lựa chọn tốt thứ hai trong cả ba tiêu chí thông  ràng buộc bởi sự đồng tích hợp. Do đó, mức độ trễ tối ưu được sử dụng cho cả bài kiểm định  có ý nghĩa về mặt thống kê:

buộc trừ đi 1. Vì vậy, độ trễ tối ưu cuối cùng được sử dụng cho kiểm định đồng tích hợp sẽ là 1, 2  Δlnyt= 0,24 + 0,49Δlnyt-1- 0,36Δlnyt-2+ 0,30Δdt-1- 0,39Δdt-2- 0,03ect-1. (1)

Tuy nhiên, cần lưu ý rằng trong quy trình chọn mức độ trễ, việc chọn độ trễ này được dựa  và 3 độ trễ.

(0,008) (0,205) (0,178) (0,139) (0,177) (0,011)

trên mô hình vector tự hồi quy (VAR) không bị ràng buộc trong khi việc kiểm tra mối quan hệ   (0,002) (0,017) (0,044) (0,033) (0,026) (0,017)

Tuy nhiên, sau khi tiến hành chạy mô hình VECM, nhóm tác giả chỉ tìm thấy kết quả mang ý nghĩa  trong ngoặc ở hàng thứ hai biểu thị giá trị p (p-value).) 

Kết quả kiểm định Johansen xác nhận sự có có mặt của sự đồng tích hợp ở cả 3 độ trễ trên.  (Trong trường hợp này, các giá trị trong ngoặc ở hàng đầu tiên phản ánh độ lệch chuẩn và các giá trị  đồng tích hợp (cũng như mô hình vectơ hiệu chỉnh sai số) lại được thực hiện với mô hình VAR bị  ràng buộc bởi sự đồng tích hợp. Do đó, mức độ trễ tối ưu được sử dụng cho cả bài kiểm định  thống kê trong mô hình với 2 độ trễ. Do đó, mô hình có mức độ trễ tối ưu là 2 là tốt nhất và sẽ ảnh hưởng bởi sự thay đổi trong giá trị của chính nó ở năm trước và 2 năm trước nữa, đồng thời bị ảnh hưởng  Kết quả kiểm định Johansen xác nhận sự có có mặt của sự đồng tích hợp ở cả 3 độ trễ trên.

4.3. Phân tích kết quả nghiên cứu 

Johansen và mô hình VECM phải là mức độ trễ tối ưu được chọn từ mô hình VAR không bị ràng  được sử dụng làm mô hình cuối cùng của nghiên cứu. Vì vậy, các kết quả dưới đây sẽ được trình bày cho mô hình với độ trễ là 2. Bảng 5 thể hiện kết quả chạy kiểm định đồng tích hợp Johansen.  Kết quả từ phương trình (1) cho biết mối quan hệ này trong ngắn hạn: GDP thực tế bình quân đầu người bị buộc trừ đi 1. Vì vậy, độ trễ tối ưu cuối cùng được sử dụng cho kiểm định đồng tích hợp sẽ là 1, 2  và 3 độ trễ.

Mô hình VECM cho phép chúng ta phân biệt mối quan hệ giữa ba biến số của nghiên cứu trong ngắn hạn  và dài hạn.

Bảng 5. Kết quả kiểm định đồng tích hợp Johansen

Tuy nhiên, sau khi tiến hành chạy mô hình VECM, nhóm tác giả chỉ tìm thấy kết quả mang ý nghĩa

(* là viết tắt của quyết định không bác bỏ H0 với mức ý nghĩa 5%. r đại diện cho số lượng đồng tích hợp  tối đa.)  

Kết quả từ kiểm định đồng tích hợp Johansen chỉ ra rằng với độ trễ tối ưu là 2, có thể bác  bỏ giả thuyết rằng không có sự đồng hợp nào giữa các biến ở mức độ tin cậy 95%. Do đó, có thể bởi sự thay đổi trong tỷ lệ phụ thuộc của người già ở 1 và 2 thời kỳ trước. Cụ thể hơn, giá trị của các hệ số  trên sai phân của tỷ lệ phụ thuộc người cao tuổi ở mức độ trễ 1 và 2 được chứng minh là có ý nghĩa thống kê  ở mức độ tin cậy 95%, ngụ ý rằng tỷ lệ phụ thuộc của người già có ảnh hưởng ngắn hạn đáng kể về mặt thống  kê tới những thay đổi trong thu nhập thực tế trên đầu người. Trong khi mức độ trễ 1 có tác động tích cực  đến biến động trong GDP thực tế trên đầu người, thì mức độ trễ thứ hai phản ánh một mối quan hệ tiêu cực.

Trong khi đó, mối quan hệ dài hạn giữa các biến được thể hiện thông qua biến ect-1, hay còn được gọi là  biến “sai số hiệu chỉnh”. Hệ số của biến sai số điều chỉnh này cho biết tốc độ điều chỉnh mà thông qua đó bất  kỳ sự thay đổi trong ngắn hạn nào trong thu nhập thực tế trên đầu người có thể được điều chỉnh và hướng  trở lại trạng thái cân bằng trong dài hạn (Banerjee, 1993). Ở đây, kết quả ước tính chỉ ra rằng đối với bất kỳ  sai lệch ngắn hạn nào về thu nhập thực tế trên đầu người so với trạng thái cân bằng dài hạn của nó, các sai  số hiệu chỉnh này sẽ điều chỉnh chúng theo hướng ngược lại với tốc độ xấp xỉ 3% mỗi năm. Cần lưu ý là hệ  số trên các sai số hiệu chỉnh này có ý nghĩa thống kê với mức tin cậy 95% và mang dấu âm. Điều này xác  nhận rằng mô hình véc tơ hiệu chỉnh sai số của chúng ta tương đối thành công.

Phương trình của sai số hiệu chỉnh hàm ý mối quan hệ đồng tích hợp dài hạn giữa GDP thực tế bình quân  đầu người, tỷ lệ phụ thuộc tuổi già và tỷ lệ tiết kiệm. Các kết quả ước tính cho phương trình của biến sai số  hiệu chỉnh như sau:

ect= lnyt–0.55dt–0.04st–10.75.

Từ phương trình trên, có thể suy ra được được mối quan hệ cân bằng dài hạn giữa thu nhập thực tế trên  đầu người, tỷ lệ tiết kiệm trong nước và tỷ lệ phụ thuộc của tuổi già như sau:

lnyt= 10.75 + 0.55dt + 0.04st. (2)

(0.157) (0.003) (0.000) (0.000)

(Các giá trị trong ngoặc trong hàng đầu tiên biểu thị độ lệch chuẩn và các giá trị trong ngoặc ở hàng thứ  hai biểu thị giá trị p) 

Giá trị của các hệ số trong phương trình ước tính này đều có ý nghĩa thống kê ở mức độ tin cậy 95% và  đều dương. Như vậy, cả tỷ lệ phụ thuộc tuổi già và tỷ lệ tiết kiệm trong nước đều có mối quan hệ tích cực  và có ý nghĩa thống kê với thu nhập thực tế bình quân đầu người. Cụ thể là, khi tăng cả trong tỷ lệ tiết kiệm  và tỷ lệ phụ thuộc tuổi già, GDP bình quân đầu người cũng tang trong dài hạn. Tất cả các yếu tố khác không  đổi, tỷ lệ phụ thuộc người cao tuổi trong dân số Việt Nam tăng 1% sẽ làm tăng khoảng 0,55% thu nhập thực  tế bình quân đầu người trong dài hạn. Trong khi đó, tỷ lệ tiết kiệm quốc gia tăng 1% sẽ giúp gia tăng thu  nhập bình quân đầu người thực tế cho nền kinh tế Việt Nam thêm 0,04%. Điều này khẳng định rằng trong  dài hạn, cả già hóa dân số và tiết kiệm đều đóng góp vào tăng trưởng kinh tế Việt Nam.

Như vậy, kết quả nghiên cứu chỉ ra rằng, già hóa dân số vừa có ảnh hưởng tiêu cực vừa có ảnh hưởng tích  cực đến tăng trưởng kinh tế Việt Nam. Cụ thể, già hóa dân số có ảnh hưởng tiêu cực đến tăng trưởng kinh  tế trong ngắn hạn, nhưng có thể giúp thúc đẩy sự phát triển của đất nước trong dài hạn. Đó là do trong ngắn  hạn, già hóa dân số làm giảm tổng cầu và làm giảm nguồn cung lao động. Còn trong dài hạn, tác động tích  cực già hóa dân số xuất phát từ sự thay đổi hành vi trong việc tham gia lực lượng lao động, tiết kiệm và năng  suất lao động. Ở Việt Nam, mặc dù quá trình già hóa đang diễn ra nhanh nhưng mức độ già hóa vẫn chưa quá  sâu và nghiêm trọng so với các quốc gia phát triển. Ngoài ra, nhiều người cao tuổi vẫn còn hoạt động kinh  tế và có một số tiền tiết kiệm nhất định; các gia đình đầu tư rất mạnh mẽ vào nguồn nhân lực.

Nghiên cứu này đã mang lại kết quả tương tự Li & Zhang (2015) và phần nào phù hợp với kết luận về  mối quan hệ không đơn điệu của Hashimoto & Tabata (2010). Ở một khía cạnh nào đó, kết luận từ nghiên  cứu trong bối cảnh Việt Nam ủng hộ quan điểm già hóa dân số tạo ra cả tác động tích cực và tiêu cực đến  nền kinh tế.

Kết luận và hàm ý

Bằng việc áp dụng mô hình vectơ hiệu chỉnh sai số (VECM), nghiên cứu đã chỉ ra già hóa dân số có tác  động tiêu cực đến tăng trưởng kinh tế của Việt Nam trong ngắn hạn, nhưng trong dài hạn, lại có tác động tích cực giúp thúc đẩy tăng trưởng kinh tế. Phát hiện của nghiên cứu giúp ủng hộ quan điểm cho rằng hiện  tượng dân số già hóa mang lại cả tác động tiêu cực lẫn tích cực đến sự phát triển của đất nước. Để hạn chế  những tác động tiêu cực và phát huy những tác động tích cực, nhóm tác giả đề xuất một số hàm ý chính sách  để đối phó với già hóa dân số như sau:

Thứ nhất: Già hóa dân số có thể tác động tiêu cực lên tăng trưởng kinh tế trong ngắn hạn xuất phát từ việc  thiếu hụt nguồn cung lao động. Do đó, để bù đắp, Chính phủ cần có những biện pháp kích thích và khuyến  khích lao động lớn tuổi tiếp tục tham gia vào lực lượng lao động. Điều này thậm chí sẽ giúp nền kinh tế tận  dụng thêm được những lợi ích từ dân số già. Quyết định là tăng tuổi nghỉ hưu đã được Quốc hội xem xét và  thông qua là phù hợp và cần thiết. Ngoài ra, cần thay đổi các ưu đãi hưu trí, ví dụ như: sắp xếp việc làm linh  hoạt hơn cho người cao tuổi để có thể khuyến khích họ kéo dài thời gian tham gia lao động. Chính phủ cũng  có thể cung cấp các chương trình phúc lợi tốt hơn cho người lao động cao tuổi hoặc cung cấp các khóa đào  tạo để liên tục nâng cao kỹ năng cho nhóm lao động này. Sự tham gia của phụ nữ vào lực lượng lao động  cũng rất quan trọng. Các đạo luật chống phân biệt giới tính và các chính sách tạo điều kiện cho các bà mẹ đi  làm như cho phép giờ làm linh hoạt hơn hoặc có các hỗ trợ trong việc chăm sóc trẻ em và nghỉ thai sản có  thể giúp mở ra nhiều cơ hội làm việc cho phụ nữ.

Thứ hai, cần chú trọng nâng cao chất lượng nguồn nhân lực, cụ thể là tăng cường đầu tư vào vốn nhân lực  thông qua đào tạo và giáo dục để cải thiện năng suất của nền kinh tế. Chính phủ cần chú trọng củng cố và mở  rộng hệ thống giáo dục và đào tạo, để tăng mức độ phổ cập giáo dục, nâng cao trình độ cho người lao động  nhất là ở khu vực nông thôn và miền núi. Ngoài ra, thay vì quá chú trọng vào học đại học như hiện nay, cần  tái cơ cấu hệ thống giáo dục đào tạo, trong đó chú trọng hơn đào tạo nghề, đào tạo kỹ năng và thay đổi các  quan niệm của người dân về học nghề. Đặc biệt, cần có chính sách đào tạo nguồn nhân lực y tế có chuyên  môn và có kỹ năng cao trong việc chăm sóc sức khỏe, đời sống cho người cao tuổi.  

Thứ ba, kết quả nghiên cứu cho thấy tỷ lệ người cao tuổi đang có xu hướng tang. Để phát huy tác động  tích cực của tỷ lệ người già phụ thuộc đối với tăng trưởng kinh tế trong dài hạn cần chú trọng các chính sách  an sinh xã hội, chăm sóc sức khỏe, nhất là sức khỏe của người cao tuổi. Chính phủ nên có chiến lược cải  cách và phát triển hệ thống chăm sóc sức khỏe toàn diện chất lượng với những cơ sở y tế chuyên về lão khoa  nhằm kiểm soát các bệnh tật và khuyết tật của người già và cải thiện sức khỏe của người cao tuổi. Ngoài ra,  cần gia tăng khả năng tiếp cận các cơ sở y tế này, cần chú ý đến các nhóm người già đặc biệt khó khăn và dễ  bị tổn thương như những người cao tuổi ở khu vực nông thôn hoặc miền núi. Cần có các chính sách giúp cải  thiện chất lượng của cuộc sống người già, đảm bảo cho người già có cuộc sống lành mạnh thông qua phát  triển hệ thống bảo trợ xã hội hiệu quả hơn, chương trình chuyển nhượng xã hội và hệ thống lương hưu toàn  diện, phù hợp với người cao tuổi. Chính quyền các địa phương nên có các dự án đầu tư và phát triển các mô  hình nhà dưỡng lão phù hợp với bối cảnh văn hóa của người Việt Nam để đáp ứng nhu cầu nơi ở và chăm  sóc chất lượng cho những người cao tuổi, đặc biệt là những người già neo đơn.  

Tài liệu tham khảo:

ỨNG DỤNG MÔ HÌNH VECM NGHIÊN CỨUẢNH HƯỞNG CỦA GIÀ HÓA DÂN SỐnĐẾN TĂNG TRƯỞNG KINH TẾ VIỆT NAM
Ninh Thị Thu Thủy
Trường Đại học Kinh tế, Đại học Đà Nẵng
File PDF

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *