Nghiên cứu ảnh hưởng của nguồn vốn con người đến tăng trưởng kinh tế các tỉnh, thành Việt Nam: Tiếp cận bằng mô hình kinh tế lượng không gian

c của Machlup14 – thuật ngữ này được sử dụng trong các nghiên cứu từ những năm1960 nhưng mãi đến những năm 1990 mới trở nên phổ biến từ sau nghiên cứu của Drucker15 khi cho rằng chìa khóa thành công của nền kinh tế tri thức là nguồn vốn con người. Có nhiều định nghĩa khác nhau về nguồn vốn con người. Một trong những quan điểm đầu tiên nhìn nhận nguồn vốn con người từ gốc độ cá nhân, theo đó, nguồn vốn con người là một cái gì đó giống như tài sản, trái ngư ợc với khái niệm về lực lượng lao động theo quan điểm cổ điển3. Ông cũng đã khái quát nên ý tưởng cho rằng năng lực sản xuất của con người lớn hơn rất nhiều so với tất cả các hình thức của cải khác kết hợp lại, quan điểm này sau đó nhận được sự đồng thuận của hầu hết các nhà nghiên cứu. Gần đây hơn, khái niệm nguồn vốn con người được khái quát hóa thành kiến thức, năng lực, thái độ và hành vi trong một cá nhân16,17. Bontis18 định nghĩa nguồn vốn con người đại diện cho nhân tố con người (Human Factor) trong một tổ chức, đại diện cho kiến thức chuyênmôn (Expertise), kỹ năng (Skill), sự hiểu biết (Intelligence) để giúp tạo ra sự khác biệt cho tổ chức đó. Các yếu tố thuộc về con ngườicủa một tổ chức là những yếu tố giúp họ có khả năng học hỏi, tạo ra sự thay đổi và cung cấp những đột phá sáng tạo và nếu được tạo được động lực thích hợp, con người có thể đảm bảo sự sống còn dài hạn của một tổ chức. Quan điểm thứ hai về vốn con người nhấn mạnh vào kiến thức và kỹ năng mà một người đạt được thông qua các hoạt động đào tạo và quá trình tích lũy, chẳng hạn như thông qua các loại hình đào tạo bắt buộc, đào tạo sau trung học, đào tạo nghề19,20. Quan điểm thứ ba liên quanmật thiết với định hướng sản xuất của nguồn vốn con người. Theo quan điểm này, nguồn vốn con người được định nghĩa là một nguồn lực cơ bản tạo ra năng suất kinh tế21. Gần đây, nguồn vốn con người được Frank và Becmanke22 định nghĩa là sự kết hợp các yếu tố như Giáo dục (Ed- ucation), kinh nghiệm (Experience), đào tạo (Train- ing), sự hiểu biết (Intelligence), năng lượng để làm việc (Energy), thói quen làm việc (Work habits), độ tin cậy (Trustworthiness) và năng lực tự quyết định (Initiative) có ảnh hưởng đến giá trị của sản phẩm cận biên của người đó. Sheffrin 23 định nghĩa nguồn vốn conngười là mức độ kỹ năng và kiến thức thể hiện trong khả năng lao động để tạo ra giá trị kinh tế. Ro- driguez và Loomis24 định nghĩa nguồn vốn conngười là kiến thức, kỹ năng, năng lực và đặc điểm cá nhân tạo điều kiện cho việc tạo ra phúc lợi cá nhân, xã hội và tổng thể của nền kinh tế. Theo Kwon Dae Bong25 thì vốn con người làmột trong những nhân tố sản xuất có thể tạo ra giá trị gia tăng thông qua quá trình sử dụng nhân tố này. Một nghiên cứu của OECD26 cũng đưa ra khái niệm về vốn con người là “kiến thức, kỹ năng và các đặc tính thuộc về cá nhân có thể tạo điều kiện cho việc tạo ra các phục lợi thuộc về cá nhân, xã hội và kinh tế”. Nguồn vốn con người trong các mô hình tăng trưởng Từ lâu, các nhà kinh tế đã nhận thấy rằng vốn con người đóng vai trò quan trọng đối với tăng trưởng kinh tế và giáo dục chính là cách thức cơ bản để tích lũy vốn con người. Nhiều nghiên cứu đã khám phá mối quan hệ giữa giáo dục với tăng trưởngGDP và kết luận rằng, giáo dục là nhân tố thúc đẩy tăng trưởng kinh tế. Tuy vậy, việc xác định và đo lường mức độ đóng góp chính xác của giáo dục với tăng trưởng kinh tế trong tương quan so sánh với các nhân tố khác hoàn toàn không đơn giản. 575 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 Giáo dục là tâmđiểm chú ý đối với các nhà kinh tế học khi nghiên cứu về tăn g trưởng kinh tế kể từ khi các mô hình tăng trưởng nội sinh được giới thiệu. Vào những năm 1950, mô hình tăng trưởng Solow – Swan đã bao hàm cả lao động như là một yếu tố sản xuất gia tăng và tiến bộ công nghệ như là biến ngoại sinh khác biệt theo thời gian, các yếu tố quyết định tăng trưởng trong dài hạn27. Tiến bộ công nghệ được giới thiệu khi nó được tin là một nhân tố giải thích cáchmàmột nền kinh tế có thể sản xuất ra nhiều sản lượng hơn với cùng một lượng đầu vào cho trư ớc. Một số lượng lao động cho trư ớc có thể tạo ra nhiều sản phẩm hơn nếu họ có kiến thức tốt hơn về công nghệ và được trang bị nhiều máy móc – thiết bị công nghệ hiện đại hơn. Tuy vậy, việc xem tương quan giữa các biến số hay tham số với sai số như là một yếu tố nội sinh tiếp tục là một vấn đề khi mô hình này không giải thích tiến trình phát triển công nghệ diễn ra như thế nào. Đã có nhiều nỗ lực xem xét lại mô hình Solow – Swan. Một trong số nỗ lực như vậy đã bao hàm luôn cả vai trò của vốn nhân lực, như khi nó được tranh luận về khả năng vốn nhân lực gia tăng sẽ làm tăng năng suất, dẫn đến mức thu nhập cao hơn3. Nhìn chung, nguồn vốn con người được chia thành năm loại: tình trạng sức khỏe, đào tạo thực tế - thông qua công việc, giáo dục chính thức, các chương trình học tập khi trưởng thành và khả năng di chuyển để tìm kiếm các cơ hội công việc tốt hơn. Đã có những tranh luận cho rằng giáo dục là yếu tố quan trọng nhất để làm tăng sự tích lũy vốn nhân lực 3. Kể từ những năm 1960, vai trò của nguồn vốn conngườiđối với tăng trưởng kinh tế đã được nhiều nhà kinh tế học quan tâm rộng rãi khi nó được đánh giá kỹ hơn trong những khác biệt đối với tăng trưởng kinh tế. Lý thuyết vốn nhân lực xem xét lại vàmở rộng từ lý thuyết của Ricardo khi xem lao động như là một nhân tố sản xuất và không đề cập đến giả định về sự đồng nhất của lao động. Nó cũng chỉ dựa trên các thể chế xã hội đơn giản, như các giá trị của gia đình và việc tham gia giáo dục. Nhưng vào những năm 1970, nghiên cứu về vai trò của giáo dục đối với tăng trưởng kinh tế hầu hết là các nghiên cứu định tính. Vào những năm 1980, lý thuyết tăng trưởng nội sinh được Romer giới thiệu nhằm khắc phục những hạn chế đã được nhận ra trong mô hình tăng trưởng tân cổ điển Swan – Solow2. Khung lý thuyết này làm nổi bậc vai trò quan trọng của nghiên cứu và phát triển nguồn nhân lực, bao gồm giáo dục, như là cơ chế cho việc tích lũy kiến thức, công nghệ. Tích lũy vốn nhân lực có thể tạo ra lợi thế kinh tế theo qui mô khi nó làm tăng hiệu quả và năng suất sử dụng các nhập lượng đầu vào, bao gồm lao động và vốn vật thể. Vốn nhân lực cũng có thể thúc đẩy tiến bộ công nghệ. Khái niệm tổng năng xuất các nhân tố (total factor productivity – TFP), một cách đo lượng tăng năng suất rộng hơn, đã nhận được sự quan tâm đặc biệt trong các lý thuyết tăng trưởng gầnđây. Tầmquan trọng và ý nghĩa của TFP đối với tăng trưởng kinh tế được bàn luận thậm chí còn nhiều hơn so với việc tích lũy yếu tố sản xuất. Các nghiên cứu liên quan Zhang & Zhuang (2011) 28, xem xét ảnh hưởng của nguồn vốn con người lên tăng trưởng kinh tế ở cấp độ tỉnh, thành phố của Trung Quốc. Nghiên cứu sử dụng bộ dữ liệu gồm 31 tỉnh/ thành phố của Trung Quốc trong giai đo ạn 1997 – 2006. Tác giả sử dụng mô hình hồi quy dữ liệu bảng để phân tích, kết quả cho thấy, giáo dục đại học đóng vai trò quan trọng hơn là giáo dục tiểu học và trung học cơ sở. Hơn nữa, bằng chứng cho thấy vai trò của các thành phần của nguồn vốn con người lên tăng trưởng kinh tế theo vùng có liên quan với mức độ phát triển. Các tỉnh phát triển hơn được lợi nhiều hơn từ giáo dục đại học, trong khi các tỉnh kém phát triển tăng trưởng phụ thuộc chủ yếu vào giáo dục trung học cơ sở. Ferda (2011) nghiên cứu m ối quan hệ giữa đầu tư vốn con người và tăng trưởng kinh tế29. Số liệu được lấy trong giai đoạn 1975 – 2005 của các quốc gia OECD. Bằng cách sử dụng kỹ thuật kiểm định đồng liên kết cho dữ liệu bảng và sử dụng phương pháp PMG (Pooled Mean Group) để kiểm tra mối quan hệ dài hạn và ngắn hạn giữa đầu tư vốn nhân lực và tăng trưởng. Chi phí chăm sóc sức khỏe được sử dụng đại diện cho vốn nhân lực. Kết quả cho thấy sự gia tăng trong chi tiêu/đầu tư y tế gây ra sự gia tăng tăng trưởng kinh tế cho tất cả các quốc gia trong ngắn hạn và dài hạn. Ada và Acaroglu (2014) phân tích ảnh hưởng vốn con người lên tăn g trưởng kinh tế của các quốc gia thuộc khu vực Trung Đông và Bắc Phi giai đoạn 1990 – 201130. Tác giả dựa trên mô hình tăng trưởng Solow27 và được điều chỉnh bởi Markiw và cộng sự4. Sử dụng bộ dữ liệu hàng năm của 15 quốc gia khu vực Trung Đông và Bắc Phi trong giai đạn 1990 – 2011. Vốn con người được tác giả tiếp cận ở hai chiều sức khỏe và giáo dục. Sức khỏe (đo bằng tuổi thọ, tỷ lệ sinh, chi tiêu công cho sức khỏe) và giáo dục (đo bằng tỷ lệ hoàn thành bậc tiểu học, tỷ lệ giáo viên tiểu học và chi tiêu công cho giáo dục). Tác giả sử dụng phương pháp hồi quy dữ liệu bảng để nghiên cứu các tác động của nhân tố đến GDP thực bình quân lao động. Kết quả cho thấy tuổi thọ, tỷ lệ sinh có ý nghĩa thống kê. Kết quả cũng cho thấy chất lượng giáo dục được cải thiện thì GDP bình quân đầu người sẽ tăng. 576 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 Tuy nhiên, kết quả cũng chỉ ra rằng chưa có bằng chứng cho thấy tác động của chi tiêu công cho giáo dục và y tế ảnh hưởng đến tăng trưởng ở các nước khu vực Trung Đông và Bắc Phi. Benos và Karagiannis (2016) xem xétmối quan hệ của vốn con người bằng cách ước lượng hàm sản xuất, sử dụng các kỹ thuật hồi quy dữ liệu bảng ở các khu vực của Hy Lạp giai đoạn 1971 – 2011 31. Nghiên cứu này nhấn mạnh vào ảnh hưởng của bốn bậc giáo dục lên năng suất lao động, cùng với các thư ớc đo chất lượng giáo dục tỷ lệ học sinh trên mỗi giáo viên ở bậc tiểu học và trung học cơ sở), tỷ lệ bỏ học, tỷ lệ thành công trong các kỳ thi đánh giá giáo dục và độ lan tỏa của giáo dục đại học. Các tác giả đã tìm thấy bằng chứng nguồn vốn con người có ảnh hưởng lên năng suất lao động và chuyển ảnh hưởng từ tiêu cực sang tích cực khi trình độ giáo dục tăng do sự lan tỏa của giáo dục đại học. Cụ thể hơn, giáo dục tiểu học ảnh hưởng tiêu cực lên năng suất, giáo dục trung học cơ sở không có ảnh hưởng lên năng suất, trong khi giáo dục trung học phổ thông và đại học đưa đến ảnh hưởng tích cực đến năng suất lao động. Su và Liu (2016) xem xét ảnh hưởng của nguồn vốn conngười cùng với đầu tư trực tiếp của nước ngoài lên tăng trưởng kinh tế của các thành phố lớn ở Trung Quốc 32. Dữ liệu được lấy từ Niên giám thống kê thành ph ố c ủa TrungQuố c giai đoạn 1991 đến 2010, do Cục Thống kê Quốc gia Trung Quốc xuất bản. Sử dụng hồi quy dữ liệu bảng, với biến vốn con người được định nghĩa bằng số sinh viên đang theo học tại các trường cao đẳng, đại học. Tác giả tìm thấy FDI có tác động tích cực đến tốc độ tăng trưởng GDP bình quân đầu người và hiệu ứng này được tăng cường bởi nguồn vốn nhân lực của thành phố. Mặt khác, kết quả cũng cho thấy nguồn vốn con người tác động tích cực đến tăng trưởng thông qua việc thúc đẩy chuyển giao công nghệ xuất phát từ nguồn vốn FDI. Li vàWang (2016) cũng tìm thấy nguồn vốn conngười ảnh hưởng lên tăng trưởng các tỉnh/ thành phố ở Trung Quốc33. Dữ liệu được lấy từ 28 tỉnh của Trung Quốc trong giai đoạn 1985 – 2014. Mô hình nghiên cứu dựa trênmô hình tăng trưởng của Solow27 và Lu- cas1. Trong đó, nguồn vốn con người được chia thành cơ bản và cao cấp. Nguồn vốn con người cơ bản gồm tỷ lệ tham gia vào giáo dục cơ bản gồm tiểu học, trung học cơ sở, trung học phổ thông và trung học chuyên nghiệp. Giáo dục cao cấp là tỷ lệ tham gia bậc học sau trung học. Kết quả phân tích hồi quy dữ liệu bảng cho thấy, nguồn vốn cơ bản góp phần tạo ra tăng trưởng kinh tế thông qua kênh tích lũy nhân tố và còn nguồn vốn con người cao cấp ảnh hưởng lên tăng trưởng qua kênh năng suất. Trần Thọ Đạt (2011) nghiên cứu về vai trò của vốn con người trong các mô hình tăng trưởng34. Số liệu được thực hiện trên 61 tỉnh thànhViệt Nam trong giai đoạn 2000 – 2007. Kết quả hồi quy cho thấy, phần lớn các hệ số vốn con người dương và có ý nghĩa thống kê khi thư ớc đo được sử dụng là số năm đi học bình quân, tỷ lệ lao động biết đọc, biết viết, tỷ lệ lao động tốt nghiệp tiểu học, tỷ lệ lao động tốt nghiệp THCS và tỷ lệ lao động có trình độ cao đẳng, đại học và trên đại học. Tỷ lệ lao động tốt nghiệp THPT hầu như không có ý nghĩa, còn hệ số ước ượng của tỷ lệ lao động biết đọc, biết viết được chấp nhận ở mức 10% trong các phương trình hồi quy. Nghiên cứu cũng chỉ ra rằng hệ số ước lượng của vốn con người khi được đo bằng số năm đi học bình quân còn khá thấp. Điều này cho thấy phần nào vai trò của vốn con người chưa được để hiện rõ nét như vốn vật chất và lao động, hay nói cách khác, kinh tế các tỉnh, thành phố Việt Nam còn dựa vào tăng trưởng thao chiều rộng (gia tăng các nhân tố đầu vào là vốn vật chất và lao động) hơn là tăng trưởng theo chiều sâu (dựa trên tích lũy vốn con người và tiến bộ công nghệ). Sử Đình Thành & Đoàn Vũ Nguyên (2015) nghiên cứu mối quan hệ giữa chi tiêu công, vốn con người và tăng trưởng tại các quốc gia đang phát triển35. Từ dữ liệu của 26 nước đang phát triển trong giai đoạn 1995 -2012, bằng phương pháp ước lượng 3SLS và GMM, nghiên cứu phát hiện chi tiêu công cho giáo dục và y tế tác động có ý nghĩa lên vốn con người và tăng trưởng. Chi tiêu công cho giáo dục làm tăng tỷ lệ nhập học đáng kể. Có sự tác động tích cực của vốn con người đến tăng trưởng. Nghiên cứu cũng cho thấy những chính sách can thiệp vĩ mô khác như: cải thiện thể chế, kiểm soát thâm hụt ngân sách và lạm phát có ý nghĩa quan trọng đối với các quốc gia đang hướng tới các mục tiêu phát triển bền vững nhờ vào vốn con người. Phan Thị Bích Nguyệt và cộng sự (2018) nghiên cứu về nguồn vốn con người và tăng trưởng cấp độ tỉnh/ thành phố Việt Nam36. Tác giả đã phân tích vai trò của nguồn vốn con người đối với tăng trưởng kinh tế tại Việt Nam, với cấp độ nghiên cứu là các tỉnh/ thành phố trong giai đoạn 2000-2016. Tác giả tiếp cận thư ớc đo nguồn vốn con người bằng giáo dục chính quy và góc độ chi phí. Trong đó, vốn nhân lực được đo bằng tỷ lệ lao động đã qua đào tạo và chi tiêu cho giáo dục của cấp tỉnh. Sử dụngphươngphápước lượng SGMM cho hồi quy dữ liệu bảng. Kết quả cho thấy, giáo dục cơ bản đang là yếu tố chiếm ưu thế trong tăng trưởng kinh tế trong khi vai trò của đào tạo cao cấp vẫn chưa rõ nét. Hơn nữa, kết quả cũng cho thấy chi tiêu giáo dục chưa hiệu quả để kích thích tăng trưởng. 577 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 Một số nghiên cứu về hồi quy khônggian của các tác giả Việt Nam: Đào Thị Bích Thủy (2016) nghiên cứu tác động lan tỏa của xuất khẩu đến tăng trưởng kinh tế tại các nước ASEAN – 5, gồm Indonesia, Malaysia, Philip- pines, Thái Lan và Việt Nam trong giai đoạn 1990 – 201437. Nghiên cứu tiến hành kiểm định mối tương quan không gian giữa các quốc gia bằng phân tích nhân tử Lagarange (LM), tuy nhiên kết quả cho thấy các quốc gia không có tương quan không gian. Do đó, nghiên cứu sử dụng mô hình hồi quy ước lượng bình phương nhỏ nhất (OLS) trên dữ liệu bảng được xem là phù hợp trong trường hợp này. NguyễnKhắcMinh và PhạmAnhTuấn (2015) đã xem xét sự hội tụ của nhân tố năng suất tổng hợp công nghiệp dư ới ảnh hưởng của đầu tư trực tiếp nước ngoài từ tiếp cận kinh tế lượng không gian38. Kết quả nghiên cứu của các tác giả ước lượng đã chỉ ra rằng tốc độ hội tụ thu được bằng việc sử dụng mô hình độ trễ không gian và sai số không gian là thấp hơn so với tốc độ hội tụ trong mô hình cổ điển. Nguyễn Văn Thắng và Trần Thị Tuấn Anh (2019) đã khảo sát mối liên hệ kinh tế giữa các tỉnh thành của Việt Nam bằng cách tiếp cận phương pháp hồi quy không gian39. Trên cơ sở dữ liệu từ niên giám thống kê của các tỉnh thành giai đoạn 2010 – 2017, các tác giả chỉ ra rằng có sự tương quan không thuận chiều giữa các địa phương tại Việt Nam về quy mô tổng sản phẩm tạo ra trên địa bàn cấp tỉnh. Kết quả cũng cho thấy, yếu tố vốn và lao động không những tác động cùng chiếu đến mô hình tăng trưởng kinh tế của địa phương đómà còn ảnh hưởng cùng chiều đến quymô kinh tế của địa phương lân cận. PHƯƠNG PHÁP NGHIÊN CỨU Kiểm địnhMoran’s I Khi xem xét 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 có nhiều phương pháp kiểm tra. Trong nghiên cứu này nhóm tác giả sử dụng hệ số Moran ’ s I, được tính theo công thức như sau: I = n åni=1å n j=1wi j  å n i=1å n j=1wi j (xi x¯) x j x¯
åni=1 (xi x¯)2 Trong đó, xi là giá trị quan sát của đơn vị không gian thứ i. x là giá trị trung bình của xi. n là số giá trị quan sát của các đơn vị không gian. wi j là phần tử dòng i, cột j củama trận trọng số không gian W. Trong kiểm định Moran’ s I là kiểm định giả thuyết H 0: không có tương quan không gian trong cấu trúc dữ liệu. Một khi giả thuyết H0 bị bác bỏ, đồng nghĩa với việc có sự tương quan không gian trong dữ liệu nghiên cứu. Mô hình hồi quy không gian Việc phân tích dữ liệu bảng không gian trong kinh tế lượng 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 sự40, Elhorst41, Anselin42, Kapoor cộng sự 43, Baltagi và Liu44. Trong đó, Elhorst41 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 bị 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 Elhorst41,Chou và cộng sự45, các môhình cơ bản được sử dụng để ước lượng với dữ liệu bảng không gian là: mô hình độ trễ không gian (SAR- Spatial LagModel), 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 Elhorst41 những mô hình này là trường hợp đặc biệt củamô 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 chéo tổng quát có dạng như sau: Y = a lN +rWY +Xb +WXq +u (1) u= lWu+ e Trong đó, Y: là vec tơ biến phụ thuộc (Nx1) tại khu vực i (i =1, , N). X: là ma trận (NxK) gồm các biến giải thích, K là số biến giải thích. r : là tham số tự tương quan không gian tương ứng với biến trễ không gian WY. (rWY ) tương tác nội sinh. W: là ma trận trọng số không gian cấp (NxN), mô tả mối liên hệ không gian giữa các đơn vị. q : chỉ hiệu ứng tương tác ngoại sinh của các khu vực lân cận của biến giải thích WX. 578 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 (qWX)tương tác ngoại sinh b là tham số ước lượng của các biến độc lập và là ma trận (Kx1). l chỉ sự phụ thuộc không gian của các khu vực lân cận của các số hạng sai số. (lWu)tương tác thông qua sai số. e vec tơ sai số có phân phối chuẩn, trung bình bằng 0 và độ lệch chuẩn s . Mô hình tổng quát (1) bao hàm tương tác không gian gồm có tương tác nội sinh, tương tác ngoại sinh và tương tác thông qua sai số. Một điều hiển nhiên, chúng ta sẽ luôn mong muốn tối ưu hóa việc nghiên cứu đồng thời cả 3 tương tác này. Tuy nhiên, theo El- horst (2010), việc sử dụng mô hình (1) sẽ khiến cho tương tác nội sinh và tương tác ngoại sinh không thể tách biệt với nhau, vì vậy ít nhất 1 tương tác sẽ bị loại bỏ khỏi mô hình. Từ mô hình (1) có thể tạo ra biến thể các mô hình không gian khác. Tuy nhiên, trong phạm vi nghiên cứu này tác giả tập trung vào 3mô hình phổ biến nhất đó là: mô hình sai số không gian (SEM – spatial error model); môhình tự hồi quy không gian (SAR– spatia l autoregressionmodel) vàmôhìnhDurbin không gian (SDM – spatial Durbin Model). Dạng ma trận của mô hình sai số không gian SEM là Y = Xb +U U = lWu+ e Trong đó, là biến phụ thuộc là biến độc lập là vectơ sai số bị tương quan về mặt không gian là hệ số tự tương quan không gian làma trận trọng số không gian e  N(0;s2I). Trongmôhình tự hồi quy không gian SAR,mối tương quan về mặt không gian được đưa trực tiếp vào mô hình hồi quy thông qua biến trễ không gian của của biến phụ thuộc. Mô hình tự hồi quy không gian được biểu diễn dư ới dạng ma trận như sau: Y = rWY + Xb + e trong đó r là hệ số tự hồi quy không gian các ký hiệu tương tự (1). Mô hình Durbin không gian có sự khác biệt với hai mô hình trên ở chỗ có xét đến sự tương quan không gian của tất cả các biến giải thích bên cạnh sự tương quan không gian của biến phụ thuộc.Y = rWY +Xb +WXy+ e Nghiên cứu của Anselin & Bera 46 trong trường hợp có sự phụ thuộc về mặt không gian, các giả thiết của phương pháp OLS không còn được đảm bảo. Nếu hệ số tự tương quan không gian khác 0, việc ước lượng mô hình bằng OLS sẽ vẫn cho các ước lượng hệ số hồi quy không chệch nhưng không hiệu quả, ước lượng sai số chuẩn của hệ số hồi quy bị chệch. Nếu hệ số tự hồi quy không gian khác 0, việc ước lượng mô hình bằng OLS sẽ làm cho ước lượng hệ số hồi quy chệch và không vững. Phương pháp thường dùng nhất để ước lượng các mô hình là phương pháp hợp lý cực đại (maximum likelihood). Một trong những khó khăn lớn nhất khi áp dụng các phương pháp đo lườngmối tương quan về mặt không gian đó là vấn đề xác định ma trận trọng số không gian. Có nhiều cách thiết kế ma trận trọng số không gian. Trong nghiên cứu này, tác giả sử dụng ma trận trọng số không gian là ma trận trọng số liền kề (con- tiguity matrix). Các phần tử của ma trận trọng số liền kề nhận giá trị bằng 1 nếu các đơn vị không gian có tiếp giáp nhau và bằng 0 cho các trường hợp còn lại47. Có một số mô hình cho các tác động như: Tác động trực tiếp, tác động gián tiếp và tổng tác động. Theo Elhorst41 đưa ra yếu tố các tác động tổng quát như sau: Từ (1) được viết lại: y= (IrW )1 (Xb +WXq)+alN +u 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: dE(y) dx1k ::: dE(y) dxnk  = (IrW )1 26664 bk w12qk ::: w1NqK w21qk bk ::: w2NqK ::: ::: ::: ::: wN1qK wN2qK ::: bk 37775 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 Pace47, Vega và Elhorst48, 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 với phương pháp OLS truyền thống. Mô hình nghiên cứu đề xuất Trên cơ sở mô hình tăng trưởng của Solow27, Lucas1 mở rộng mô hình tăng trưởng trên với hàm sản xuất Cobb – Douglas và tiến bộ công nghệ như sau: Y (t) = A(t)K(t)aH(t)bL(t)g (2) trong đó, Y là đầu ra của hàm sản xuất, K nguồn vốn tư nhân, H là nguồn vốn con người, L là số lao động và A là mức độ công nghệ. Hàm sản xuất Cobb –Douglas có thể viết lại theo bình quân đầu người như sau: yit = Ai(t)kaith b itL y+a+b1 i j (3) với i và t được ký hiệu bởi đối tượng và thời gian, trong đó yit = YitLit ;kit = Kit Lit ;hit = Hit Lit 579 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 Lấy logarit hai vế phương trình (3) ta được: ln(yit) = lnAit +b1l ln(kit)+bi2 ln(hit)+bi3 ln(Lit)+ eit trong đó eit  N 0;s2e
, i = 1;2; : : : ;N, t = 1;2; : : : ;T . Trên cơ sở đó, tác giả đề xuất mô hình kinh tế lượng không gian nghiên cứu ảnh hưởng của nguồn vốn con người đến tăng trưởng kinh tế gồmmột số biến (được mô tả trong Bảng 1) như trong phương trình sau: lngrdpit=alN+rWlngrdpit+b1lnexpeduit+b2lnlaboreduit +b3lninvit+b4lnpopit+b5lnpciit+q1Wlnexpeduit +q2Wlnlaboreduit+q3Wlninvit+q4Wlnpopit+q5Wlnpciit+uit Trong đó, uit = lWuit + eit KẾT QUẢNGHIÊN CỨU Thống kêmô tả các biến Nghiên cứu này sử dụng bộ dữ liệu dựa trên khảo sát của 63 tỉnh thành từ năm 2010 đến 2017 được trích xuất từ Niên giám thống kê của các tỉnh thành do Tổng cụcThống kê Việt Nam công bố. Kết quả thống kê ở Bảng 2 cho thấy, giá trị trung bình của lngrdp bình quân đầu người/ năm của 63 tỉnh thành Việt Nam là 10,41520 triệu đồng, với độ lệch chuẩn là 0,5316136 triệu đồng. Kết quả cũng cho thấy, giá trị trung bình của logarit chi thường xuyên ngân sách cho giáo dục của các tỉnh thành là 7,543633 tỷ đồng. Ước lượng các mô hình dữ liệu bảng Trước khi nghiên cứu mô hình hồi quy không gian, ta xem xét ảnh hưởng của nguồn vốn con người đến tăng trưởng kinh tế bằng hồi quy dữ liệu Bảng 3. Kết quả kiểm định sự phù hợp của 2 mô hình Pooled OLS, FEM cho thấy, mô hình FEM phù hợp hơn mô hình Pooled OLS. Kiểm định Hausman xem xét giữa mô hình FEM và mô hình REM có chi2(5) = 40,08 và p-value = 0,0000 < 0,01 chứng tỏ mô hình FEM là phù hợp. Kết quả hồi quy mô hình FEM từ Bảng 4 cũng cho thấy nguồn vốn con người bao gồm tổng chi thường xuyên ngân sách cho giáo dục cấp tỉnh và tổng số lao động đang làm việc ở các thành phần kinh tế đã qua đào tạo ảnh hưởng tích cực đến tổng sản phẩm bình quân đầu người cấp tỉnh. Hồi quy dữ liệu bảng mô hình phi không gian Trong nghiên cứu này, chúng tôi sử dụng các kiểm định theo Elhorst (2012). Trước hết sử dụng một số kiểm định LM (LagrangeMultiplier) cho cácmô hình với dữ liệu bảng phi không gian, để xem xét mô hình kinh tế lượng không gian hoặc mô hình ước lượng bằng OLS truyền thống là phù hợp. Mô hình tác động cố định khô ng gian, thống kê kiểm định LM về độ trễ không gian, có giá trị LM = 146,47, p-value < 2,2e-16, điều này chứng tỏ có sự phụ thuộc độ trễ không gian. Thống kê kiểm định LM về tương quan của số hạng sai số không gian, có giá trị LM=61,177, p-value = 1,485e-09, do đó mô hình có sự tương quan không gian của số hạng sai số. Mô hình tác động cố định theo thời gian, thống kê kiểm định LM về độ trễ không gian, có giá trị LM = 90,861, p-value < 2,2e-16, từ đó cho thấy có sự phụ thuộc độ trễ không gian. Thống kê kiểm định LM về tương quan của số hạng sai số không gian, có giá trị LM = 61,177, p-value = 5,216e-15, có sự tương quan không gian của số hạng sai số. Mô hình tác động cố định theo không gian và thời gian, thống kê kiểm định LM về độ trễ không gian, có giá trị LM = 5,3017, p-value = 0,0213, kết quả cho thấy có sự phụ thuộc độ trễ không gian. Thống kê kiểmđịnh LMvề tương quan của số hạng sai số không gian, có giá trị LM = 5,0643, p-value = 0,02442, có sự tương quan không gian của số hạng sai số. Từ kết quả kiểm định bằng thống kê LM của ba mô hình trên cho thấy, mô hình kinh tế lượng không gian phù hợp hơn mô hình ước lượng bằng OLS truyền thống. Hơn nữa, để xác định xem có hiệu ứng cố định không gian và hiệu ứng cố định thời gian trong các mô hình, thông thường sử dụng kiểm định LR (Like- lihood Ratio) với dữ liệu bảng. Kiểm tra giả thiết: H0 : mi = 0 cho các hiệu ứng cố định không gian, kết quả giá trị thống kê kiểm định LR là 393,90 và p- value= 0,000 < 0,01, điều này chứng tỏ giả thiết H0 bị bác bỏ. Tương tự, kiểm tra giả thiết H0 : ut = 0 cho các hiệu ứng cố định thời gian, kết quả giá trị thống kê kiểm định LR là 116,55 và p-value = 0,000 < 0,01, do đó giả thiết H0 cũng bị bác bỏ. Điều này cho thấy rằng các hiệu ứng cố định theo không gian và thời gian được sử dụng trong mô hình nghiên cứu của bài viết này. Kiểm địnhMoran’s I Kết quả kiểm định Moran’s I ở Bảng 5 cho thấy, có sự tương tác không gian của lnrgdp bình quân đầu người trong giai đoạn 2010 – 2017 tính theo giá hiện hành. Tất cả các giá trị của hệ số Moran đều dương, chứng tỏ có sự tương quan cùng chiều lngrdp giữa các tỉnh thành Việt Nam. Từ kết quả kiểm định hệ số Moran ở Bảng 3 cho biết có sự tương tác không gian của biến phụ thuộc grdp, do vậy cần thiết phải áp dụng hồi quy không gian đối với mô hình này. 580 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 Bảng 1: Giải thích các biến trongmô hình Ký hiệu biến Định nghĩa biến Kỳ vọng Nguồn Tăng trưởng kinh tế lngrdp Logarit tự nhiên của GDP thực bình quân đầu người cấp tỉnh. Tổng cục Thống kê Việt Nam. Nguồn vốn con người lnexpedu Logarit chi thường xuyên ngân sách cho giáo dục của tỉnh/ thành phố. + Tổng cục Thống kê Việt Nam. lnlaboredu Logarit số lao động cấp tỉnh đang làm việc trong các thành phần kinh tế đã qua đào tạo. + Tổng cục Thống kê Việt Nam. Biến kiểm soát lninv Logarit tổng số vốn đầu tư của tỉnh/ thành phố. + Tổng cục Thống kê Việt Nam. lnpop Logarit tổng dân số của các tỉnh/ thành phố. + Tổng cục Thống kê Việt Nam. lnpci Logarit chỉ số năng lực cạnh tranh cấp tỉnh. + Phòng thương mại và công nghiệp Việt Nam. (Nguồn: Tổng hợp của tác giả) Bảng 2: Thống kêmô tả các biến trongmô hình Biến Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị thấp nhất Giá trị lớn nhất lngrdp 504 10,41502 0,5316136 9,192177 12,50862 lnexpedu 504 7,543633 0,5600831 5,43721 10,5498 lnlaboredu 504 5,25228 0,7473826 3,514526 8,140403 lninv 504 9,69977 0,8780183 7,283654 12,8096 lnpop 504 7,072866 0,5714927 5,695414 9,064505 lnpci 504 4,070478 0,0691461 3,809326 4,297693 (Nguồn: Tác giả tính toán từ dữ liệu thu thập) Bảng 3: Hồi quy dữ liệu bảng Pooled OLS FEM REM lnexpedu 0,0425092 0,3224838*** 0,3795346*** lnlaboredu 0,0706692 0,2389602*** 0,3149032*** lninv 0,5055445*** 0,1695946*** 0,2086083*** lnpop -0,3983807*** 1,735938*** -0,3784222*** lnpci 1,579451*** 0,4792412*** 0,6793003*** Hệ số chặn 1,208079 -9,146595*** 3,78599*** Kiểm định Hausman chi2(5)=40,08; Prob>chi2 = 0,0000 (Nguồn: Tác giả tính toán từ dữ liệu thu thập (*), (**), (***): tương ứng mức ý nghĩa 10%, 5%, 1% 581 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 Bảng 4: Hồi quy dữ liệu bảngmô hình tác động cố định không gian, thời gian Pooled OLS Môhình tác động cố định không gian Môhình tác động cố định thời gian Môhình tác động cố định không gian và thời gian lnexpedu 0,0425092 0,322484 -0,231488 0,028657 lnlaboredu 0,0706692 0,238960 0,091054 -0,087147 lninv 0,5055445 0,169595 0,444407 0,076511 lnpop -0,3983807 1,735939 -0,173422 0,613841 lnpci 1,579451 0,479241 1.255496 0,200050 Kiểm định LM về độ trễ không gian 146,47 90,861 5,3017 Kiểm định LM về tương quan của số hạng sai số không gian 61,177 61,177 5,0643 (Nguồn: Tác giả tính toán từ dữ liệu thu thập (*), (**), (***): tương ứng mức ý nghĩa 10%, 5%, 1 % Bảng 5: Kiểm địnhMoran’s I Biến Giá trị I P-Value lnrgdp2010 0,368 0,000 lnrgdp2011 0,393 0,000 lnrgdp2012 0,369 0,000 lnrgdp2013 0,345 0,000 lnrgdp2014 0,332 0,000 lnrgdp2015 0,357 0,000 lnrgdp2016 0,392 0,000 lnrgdp2017 0,379 0,000 (Nguồn: Tác giả tính toán từ dữ liệu thu thập) Ước lượng các mô hình không gian Để kiểm tra giả thuyết liệu mô hình SDM có thể được đơn giản hóa thànhmôhình SEM, ta kiểm tra giả thiết H0 : q + rb = 0. Kết quả thống kê cho thấy, giá trị kiểm địnhWald là 55,80 với p-value = 0,000 <0,01, và thống kê kiểm định LR = 142,7314 với p-value=0,000 < 0,01, bác bỏ giả thiết H0, điều này chứng tỏ SDM phù hợp hơn SEM (Bảng 6). Tương tự, giả thuyết rằng mô hình SDM có thể được đơn giản hóa thành mô hình SAR hay không, ta kiểm tra giả thiết H0 : q = 0. Kết quả kiểm định cho thấy, giá trịkiểm định Wald là 34 3,62 và Thống kê kiểm định LR=287,1128, p-value=0,000 < 0,01 cả hai kiểm định có p-value =0,000 < 0,01. Bác bỏ giả thiết H0, cho thấy SDM là phù hợp hơn SAR. Từ các kết quả kiểm định trên cho thấy SDM-FEM là phù hợp hơn (Bảng 6). Kết quả tác động trực tiếp, gián tiếp và tổng tác động được cho ở Bảng 7. Hiệu ứng tác động trực tiếp và các hệ số ước lượng chênh lệch, sự khác biệt này có thể do các hiệu ứng phản hồi khi xảy ra nội sinh giữa biến giải thích với biến trễ không gian của chúng. Tác động trực tiếp Xem xét yếu tố nguồn vốn con người từ mỗi tỉnh, thành có tác động như thế nào đối với tổng sản phẩm bình quân đầu người tỉnh đó. Kết quả nghiên cứu cho thấy, chi thường xuyên ngân sách cho giáo dục cấp tỉnh có tác động cùng chiều đến tổng sản phẩm bình quân đầu người của địa phương đó. Cụ thể, nếu tăng chi thường xuyên ngân sách cho giáo dục cấp tỉnh trung bình 1% thì tác động trực tiếp làm tổng 582 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 Bảng 6: Kết quả hồi quy không gian cho SDM, SAR, SEM Biến độc lập Pooled OLS SEM SAR SDM lnexpedu 0,0425092 0,2522 -0,0697 0,1387 lnlaboredu 0,0706692 0,2116 -0,1345 0,1132 lninv 0,5055445 0,1586 0,0752 0,1255*** lnpop -0,3983807 1,4686 -1,0025 0,79945 lnpci 1,579451 0,3106 -,3144 0,09805 Hệ số chặn 1,208079 W:lnexpedu -0,0630 W:lnlaboredu 0,0083 W:lninv -0,0463*** W:lnpop -0,5407 W.lnpci -0,0947 Số quan sát (n) 504 504 504 504 Rho 0,2895 0,3003 Lamda 0,1116 Log-likeihood 423,7257 208,8036 352,3600 (Nguồn: Tác giả tính toán từ dữ liệu thu thập (*), (**), (***): tương ứng mức ý nghĩa 10%, 5%, 1 % Bảng 7: Tác động trực tiếp, gián tiếp và tổng tác động của SDM - FEM Tác động trực tiếp Tác động gián tiếp Tổng tác động lnexpedu 0,1611 0,1474 0,3085 lnlaboredu 0,0669 -0,2915 -0,2246 lninv 0,1368 0,0610 0,1978 lnpop 1,1125 2,1175 3,2299 lnpci 0,1672 0,4580 0,6251 (Nguồn: Tác giả tính toán từ dữ liệu thu thập (*), (**), (***): tương ứng mức ý nghĩa 10%, 5%, 1% sản phẩm bình quân đầu người chính địa phương đó tăng trung bình lên 0,1611% trong điều kiện xem xét các yếu tố khác không đổi, nhưng do tác động phản hồi nên tác động trực tiếp của chi thường xuyên ngân sách cấp tỉnh đến tổng sản phẩmbình quân đầu người địa phương đó chỉ tăng trung bình 0,1387% (2,24% của mức tác động phản hồi). Kết quả cũng cho thấy, tổng vốn đầu tư cấp tỉ nhtăng trung bình 1% sẽ thúc đẩy trực tiếp tổng sản phẩm bình quân đầu người ở địa phương đó tăng trung bình lên 0,1368% với điều kiện các yếu tố khác không đổi, do tác động phản hồi tổng vốnđầu tư cấp tỉnh đến tổng sản phẩmbình quân đầu người địa phương đó chỉ tăng trung bình 0,1255% (1,13% của mức tác động phản hồi). Tương tự, nếu quymô dân số của tỉnh hàng năm tăng trung bình lên 1% thì kéo theo tổng sản phẩm bình quân đầu người địa phương đó tăng trung bình 1,1125% trong điều kiện các yếu tố khác không đổi, nhưng do tác động phản hồi nên tổng sản phẩm bình quân đầu người chỉ tăng trung bình 0,7995% (31,3% củamức tác động phản hồi). Tác động gián tiếp Xem xét sự tác động của nguồn vốn con người của địa phương lân cận có tác động như thế nào đến địa phương cụ thể. Kết quả ước lượng cho thấy, chi thường xuyên ngân sách cho giáo dục cấp tỉnh ở địa phương lân cận có ảnh hưởng cùng chiều đến tăng trưởng ở địa phương cụ thể. Kết quả ở Bảng 7 ta thấy, chi thường xuyên ngân sách cho giáo dục của các 583 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 tỉnh lân cận tăng trung bình 1% thì sẽ tác động gián tiếp làm tăng tổng sản phẩmbình quân đầu ngườimột tỉnh cụ thể là 0,1474% với điều kiện các yếu tố khác không đổi. Ngoài ra, quy mô dân số của các tỉnh lân cận tăng trung bình 1% cũng có tác động gián tiếp làm tăng tổng sản phẩmbình quân đầu người củamột tỉnh cụ thể là 2,1175% với điều kiện các yếu tố khác không đổi. Tổng tác động Xem xét sự thay đổi nguồn vốn con người ở chính địa phương đang xem xét hay ở địa phương lân cận đối với tăng trưởng kinh tế địa phương nghiên cứu. Kết quả ước lượng cho thấy, chi thường xuyên ngân sách cho giáo dục tại địa phương không những tác động trực tiếp đến tăng trưởng kinh tế ở địa phương đó, mà còn chịu tác động gián tiếp của các địa phương lân cận đến tăng trưởng kinh tế của địa phương đó. Cụ thể, khi chi thường xuyên ngân sách cho giáo dục cấp tỉnh tăng trung bình 1% trong điều kiện các yếu tố khác không đổi thì góp phần thúc đẩy tổng sản phẩm bình quân đầu người địa phương tăng trung bình lên 0,3085%, trong đó 0,1611% là do tác động từ chi thường xuyên ngân sách cho giáo dục nội tỉnh và 0,1474% là tác động gián tiếp chi thường xuyên ngân sách cho giáo dục của các tỉnh lân cận. Tương tự, quy mô dân số tăng trung bình 1% trong điều kiện các yếu tố khác không đổi thì góp phần thúc đẩy tổng sản phẩmbình quân đầu người địa phương tăng trung bình lên 3,2299%, trong đó 1,1125% là do tác động từ quymô dân số nội tỉnh và 2,1175% là do tác động gián tiếp tổng quy mô dân số của các tỉnh lân cận. Ngoài ra, chỉ số năng lực cạnh tranh cũng có tác động đến tăng trưởng địa phương nhưng không có bằng chứng cho thấy có tác động trực tiếp hay gián tiếp. Tổng vốn đầu tư cấp tỉnh cũng góp phần thúc đẩy quy mô tổng sản phẩmđịa phương, tuy nhiên chỉ tìm thấy tác động trực tiếp, chưa có bằng chứng tác động gián tiếp. THẢO LUẬN VÀ KẾT LUẬN Nghiên cứu này xem xét vai trò của vốn con người lên tăng trưởng kinh tế ở cấp độ tỉnh/ thành phố của 63 tỉnh/ thành phố Việt Nam bằng cách tiếp cận phương pháp kinh tế lượng không gian. Kết quả nghiên cứu cho thấy nguồn vốn con người được đại diện bằng chi thường xuyên ngân sách cho giáo dục nội tại của địa phương và địa phương lân cận có ảnh hưởng tích cực đến tổng sản phẩm bình quân đầu người của địa phương xem xét. Mặt khác, kết quả cũng cho thấy, tổng đầu tư, dân số và chỉ số năng lực cạnh tranh cấp tỉnh không những tác động đến tăng trưởng kinh tế ở địa phương đang xétmà còn có ảnh hưởng cùng chiều đến tăng trưởng kinh tế ở các địa phương lân cận. Nghiên cứu chỉ ra chi ngân sách xuyên cấp có tác động cùng chiều đến tăng trưởng kinh tế, điều này rất giống với các nghiên cứu trước đây như Sử Đình Thành & Đoàn Vũ Nguyên (2015) 35, Ferda (2011)29, PhanThịBíchNguyệt và cộng sự (2018)36. Tuy nhiên, điểm khác của nghiên cứu này khác với các nghiên cứu trước đây ở chỗ có sự ảnh hưởng không gian của chi thường xuyên cho giáo dục đến tăng trưởng kinh tế. Mặt dù, các nghiên cứu trước đây tìm thấy sự ảnh hưởng của lao động qua đào tạo đến tăng trưởng kinh tế như Phan Thị Bích Nguyệt và cộng sự (2018) 36, nhưng khi tiếp cận theo kinh tế lượng không gian đối với nghiên cứu này thì chưa thấy có sự tác động. Với kết quả này, các nhà hoạch định chính sách cần có những giải pháp phát triển nguồn vốn con người bằng cách tăng nguồn chi cho giáo dục một cách hợp lý. Nâng cao chất lượng đào tạo cho lao động. Đồng thời, có chính sách cơ cấu đầu tư hợp lý, phát triển dân số một cách bền vững và cải thiện năng lực cạnh tranh ởmỗi địa phương. Ngoài ra, trong quá trình xây dựng các chính sách cần có sự liên kết giữa các địa phương. Thông qua đó góp phần phát triển nguồn vốn con người, đáp ứng nhu cầu phát triển của đất nước trong thời đại cách mạng công nghiệp 4.0. Tuy nhiên, bài viết vẫn còn nhiều hạn chế như chỉ sử dụng ma trận trọng số liền kề mà chưa xem xét đến các ma trận trọng số khác. Mặt khác, cần xem xét bổ sung thêm các biến nguồn vốn con người vàomôhình nghiên cứu và tăng cường thêm các biến kiểm soát để thấy rõ hơn tác động của vốn con người đến tăng trưởng kinh tế tại địa phương. DANHMỤC CÁC TỪ VIẾT TẮT SEM: mô hình sai số không gian SAR: mô hình tự hồi quy không gian SDM: mô hình Durbin không gian FEM: mô hình tác động cố định. REM: mô hình tác động ngẫu nhiên TUYÊN BỐ XUNGĐỘT LỢI ÍCH Nhóm tác giả xin camđoan rằng không có bất kỳ xung đột lợi ích nào trong công bố bài báo. TUYÊN BỐĐÓNGGÓP CỦA TÁC GIẢ Tác giả Nguyễn Văn Sĩ: Trình bày giới thiệu nghiên cứu, tóm tắt nghiên cứu, chạy kết quả mô hình hồi quy, thảo luận và kết luận. Tác giả Lê Trung Kiên: Nghiên cứu tổng quan, xây dựng mô hình nghiên cứu, thu thập dữ liệu từ Niên giám thống kê, đánh giá kết quả nghiên cứu. 584 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 TÀI LIỆU THAMKHẢO 1. Lucas RE. On themechanics of economic development. Jour- nal of monetary economics. 1998;22(1):3–42. 2. Romer PM. Increasing Returns and Long-RunGrowth. Journal of Political Economy. 1986;94(5):1002–1037. Available from: https://dx.doi.org/10.1086/261420. 3. Schultz TW. Investment in human capital. The American Eco- nomic Review. 1961;51(1):1–17. 4. Mankiw NG, Romer D, Weil DN. A Contribution to the Empir- ics of Economic Growth. The Quarterly Journal of Economics. 1992;107(2):407–437. Available from: https://dx.doi.org/10. 2307/2118477. 5. Barro RJ. Economic Growth in a Cross Section of Coun- tries. The Quarterly Journal of Economics. 1991;106(2):407– 407. Available from: 10.2307/2937943;https://dx.doi.org/10. 2307/2937943. 6. Worldbank. Broad-Based Upturn, but for How Long?; 2018. Retrieved from TheWorld Bank: https://openknowledge.wor ldbank.org/handle/10986/28932. 7. Harvey J, Johnsonm. Economic Growth Introduction to Macro-Economics: AWorkbook. London: PalgraveMacmillan UK; 1973. 8. Barro RJ, Sala-I-Martin X. Economic Growth. Cambridge: M.I.T. Press; 2003. 9. Petty W. Political Arithmetik. and others, editor. London: Robert Clavel and Henry Mortlock; 1690. 10. Smith A. An Inquiry into the Nature and Causes of the Wealth of Nations. Oxford: Clarendon Press; 1776. 11. Marshall A. Principles of Economics: An Introductory Volume. vol. 8th edition. London: Macmillan; 1930. 12. Mincer J. Investment in Human Capital and Personal Income Distribution. Journal of Political Economy. 1958;66(4):281– 302. Available from: https://dx.doi.org/10.1086/258055. 13. Becker GS. Human capital: A theoretical and Empirical Analy- sis, with Special Reference to education. Chicago: University of Chicago Press; 1964. 14. Machlup F. The Production and Distribution of Knowledge in the United States. New Jersey: Princeton University Press; 1962. 15. Drucker PF. The Age of Discontinuity: Guidelines to Our Changing Society. New Jersey: Transaction Publishers; 1992. 16. Rastogi PN. Knowledge management and intellectual capi- tal as a paradigm of value creation. Human Systems Manage- ment. 2002;21(4):229–240. 17. Westphalen SA. Reporting on human capital; objectives and trends. In: Descy P, Tessaring M, editors. Training in Europe: Second report on vocational training research in Europe 2000: Background report. vol. 1. Office forOfficial Publications of the European Communities; 2001. 18. Bontis N. Intellectual capital: an exploratory study that develops measures and models. Management Decision. 1998;36(2):63–76. Available from: https://dx.doi.org/10.1108/ 00251749810204142. 19. Fuente ADL, Ciccone A. Le Capital Humain dans une E’conomie Mondiale sur la Connaissance. Brussels: Rapport pour la Commission Europe’eme; 2002. 20. Au AKM, Altman Y, Roussel J. Employee training needs and perceived value of training in the Pearl River Delta of China: A human capital development approach. Journal of European Industrial Training. 2008;32(1):19–31. Available from: https: //dx.doi.org/10.1108/03090590810846548. 21. Romer P. Endogenous Technological Change. Journal of Po- litical Economy. 1990;98(5):71–102. 22. Frank RH, Bernanke B. Principles of Economics. Boston: McGraw-Hill/Irwin; 2007. 23. Sheffrin MS. Economics: Principles in Action. New Jersey: Pearson Prentice Hall; 2003. 24. Rodriguezjp L, Sr. A new view of institutions, human capital, and market standardisation. Education, Knowledge & Econ- omy. 2007;1(1):93–105. 25. Kwon DB. Human capital and Its Measurement. In: The 3rd World Forum on “Statistic, Knowledge and Polity” Charting Progress, Building Visions, Improving Life; 2009. 26. OECD. TheWell – being of Nations. In: The Role of Human and Social Capital; 2011. 27. Solow RM. Technical Change and the Aggregate Produc- tion Function. The Review of Economics and Statistics. 1957;39(3):312–312. Available from: https://dx.doi.org/10. 2307/1926047. 28. Zhang C, Zhuang L. The composition of human capital and economic growth: Evidence from China using dynamic panel data analysis. China Economic Review. 2011;22(1):165– 171. Available from: https://dx.doi.org/10.1016/j.chieco.2010. 11.001. 29. Ferda YT. The relationship between human capital invest- ment and economic growth: A panel error correction model. Journal of Economic and Social Research. 2011;13(1):77–90. 30. Ada AA, Acaroglu H. Human capital and economic growth: A panel data analysis with health and education for MENA region. Advances in Management and Applied Economics. 2014;4(4):59–71. 31. Benos N, Karagiannis S. Do education quality and spillovers matter? Evidence on human capital and productivity in Greece. Economic Modelling. 2016;54:563–573. Available from: https://dx.doi.org/10.1016/j.econmod.2016.01.015. 32. Su Y, Liu Z. The impact of foreign direct investment and human capital on economic growth: Evidence from chinese cities. China Economics Review. 2016;37:97–109. 33. Li H, Wang Y. Growth channels of human capital: A Chinese panel data study. China Economic Review. 2016;. 34. Đạt Trần Thọ. Vai trò của vốn con người trong các mô hình tăng trưởng. Tạp chí Nghiên cứu kinh tế. 2011;393(2):5–12. 35. Đ Thành S, Đ V Nguyên. Chi tiêu công, Vốn con người và tăng trưởng: Nghiên cứu các quốc gia đangphát triển. Tạp chí phát triển kinh tế. 2015;26:25–45. 36. Nguyệt PTB. Nguồn vốn con người và tăng trưởng kinh tế cấp độ tỉnh/thành phố tại Việt Nam. Tạp chí nghiên cứu Kinh tế và Kinh doanh châu Á. 2018;29(8):5–17. 37. Đào Thị Bích Thủy. Tác động của lan tỏa xuất khẩu đến tăng trưởng kinh tế: Trường hợp các nước ASEAN -5). Tạp chí Đại học quốc gia. Hà Nội. 2016;(3):80–87. 38. Minh NK, Tuấn PA. Hội tụ theo tỉnh của FTP công nghiệp dưới tác động của FDI: tiếp cận bằngmô hình kinh tế lượng không gian số liệumảng. In: Kỷ yếu công trình khoa học. Hà Nội: Đại học Thăng Long;. 39. Thắng NV, Anh TTT. Khảo sát mối liên hệ kinh tế giữa các tỉnh thành Việt Nam: Tiếp cận bằng phương pháp hồi quy không gian. Tạp chí Kinh tế & phát triển. 2019;263:2–12. 40. Baltagi BH, Song SH, Koh W. Testing panel data regression modelswith spatial error correlation. Journal of Econometrics. 2003;117(1):123–150. Available from: 10.1016/s0304-4076(03) 00120-9;https://dx.doi.org/10.1016/s0304-4076(03)00120-9. 41. Elhorst JP. Specification and Estimation of Spatial Panel Data Models. International Regional Science Review. 2003;26(3):244–268. Available from: https://dx.doi.org/10. 1177/0160017603253791. 42. Anselin L. Spatial econometrics: Methods and Models. Dor- drecht: Kluwer Academic; 1998. 43. Kapoor M, Kelejian HH, Prucha IR. Panel data models with spatially correlated error components. Journal of Economet- rics. 2007;140(1):97–130. Available from: https://dx.doi.org/10. 1016/j.jeconom.2006.09.004. 44. Baltagi BH, Liu L. Testing for random effects and spatial lag dependence in panel datamodels. Statistics & Probability Let- ters. 2008;78(18):3304–3306. Available from: https://dx.doi. org/10.1016/j.spl.2008.06.014. 45. ChouKH,ChenCH,Mai CC. Factors InfluencingChina’s Exports with a Spatial Econometric Model. The International Trade Journal. 2015;29(3):191–211. 46. Anselin L, Bera AK. Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics. Statis- tics: Textbooks and Monographs. 1998;155:237–289. 585 Tạp chí Phát triển Khoa học và Công nghệ – Kinh tế-Luật và Quản lý, 4(1):574-587 47. Lesage J, PaceRK. Introduction toSpatial Econometrics. Chap- man and Hall Book: CRC Press; 2009. 48. Vega SH, Elhorst JP. THE SLX MODEL. Journal of Regional Sci- ence. 2015;55(3):339–363. Available from: https://dx.doi.org/ 10.1111/jors.12188. 586 Science & Technology Development Journal – Economics - Law and Management, 4(1):574-587 Open Access Full Text Article Research Article University of Economics Ho Chi Minh City, Vietnam Correspondence Nguyen Van Si, University of Economics Ho Chi Minh City, Vietnam Email: nvs@ueh.edu.vn History  Received: 15/9/2019  Accepted: 2/11/2019  Published: 31/3/2020 DOI : 10.32508/stdjelm.v4i1.598 Copyright © VNU-HCM Press. This is an open- access article distributed under the terms of the Creative Commons Attribution 4.0 International license. The impact of human capital to the economic growth of Vietnam’s cities and provinces: a spatial econometrics approach Nguyen Van Si*, Le Trung Kien Use your smartphone to scan this QR code and download this article ABSTRACT Human capital is crucial for national economic growth and for local economic growth as well. In an attempt to investigate the effect of human capital on the economic growth in Vietnam's cities and provinces, the author adopts spatial econometric models of SDM, SAR, SEM for panel data. Human capital is measured by regular expenditure on education and numbers of trained labors in each province/city. The data used in this study is obtained from the Statistical Yearbook of 63 provinces published by the General Statistics Office in the period of 2010 - 2017. The results show that the SDM model for panel data is more suitable than the SAR, SEM models for research data. More- over, the gross output per capita of a province/city is not only affected by its regular expenditure on education but also by that of neighboring provinces/cities. GDP per capital of a province/city is also affected by GDP of its neighboring provinces/cities. In addition, control variables such as total investment capital, population size, provincial competitiveness index of local or neighboring provinces also exert a positive impact on the GDP per capita of a province/city. The influence of trained labor on the economic growth of a province/city has not been found. Key words: Human capital, growth, spatial econometrics Cite this article : Van Si N, Trung Kien L. The impact of human capital to the economic growth of Vietnam’s cities and provinces: a spatial econometrics approach. Sci. Tech. Dev. J. - Eco. Law Manag.; 4(1):574-587. 587