de thi kinh te do thi tôi học kinh tế

<span class='text_page_counter'>(1)</span><div class='page_container' data-page=1>

Translated by Mr. Google and Tran Dinh Hop

<b>5. Methodology and Empirical Results</b>

Various modeling approaches and levels of
aggregation have been used for analyzing industrial
location such as ordinary least squares
(Boudier-Bensabaa, 2005), conditional logit model (Head et al.,
1995; Crozet et al., 2004; Guimares and Figueiredo,
2000), negative binomial regression model (Meyer and
Nguyen, 2005; Coughlin and Segev, 2000), and
Generalized Method of Moments (Cheng and Kwan,
2000). These procedures have been applied to foreign
direct investment aggregated to the country level or the
provincial level and, more frequently in recent years, to
the firm level. By virtue of possessing a large and
detailed dataset, this study can use two different
models to examine the hypotheses: the negative
binomial regression model and the conditional logit
model. With the negative binomial regression model, it
is possible to use only aggregated number of foreign
firms at the provincial level. However, this model
cannot exclude the fixed effects of the provinces that
may lead to the biasness of our estimates. The
conditional logit model can overcome this
disadvantage by using the information about each
foreign firm.

<b>5. Phương pháp và kết quả thực nghiệm</b>

Một loạt các mơ hình tiếp cận và mức độ kết hợp đã

được sử dụng để phân tích địa điểm ngành như mơ
hình OLS (Boudier-Bensabaa, 2005), mơ hình
"conditional logit" (Head et al, 1995;. Crozet et al,
2004;. Guimares & Figueiredo, 2000 ), mô hình
"negative binomial regression" (Meyer & Nguyễn,
2005; Coughlin & Segev, 2000), và mô hình
"Generalized Method of Moments" (Cheng & Kwan,
2000). Các qui trình này đã được áp dụng cho đầu tư
trực tiếp nước ngoài để tổng hợp cho cấp quốc gia
hoặc cho cấp tỉnh, và trong những năm gần đây
thường áp dụng cho cả cấp độ doanh nghiệp. Nhờ sở
hữu một tập dữ liệu lớn và chi tiết, nghiên cứu này có
thể sử dụng hai mơ hình khác nhau để kiểm tra các giả
thuyết: các mơ hình "negative binomial regression" và
mơ hình "conditional logit". Với các mơ hình
"negative binomial regression", nó có thể sử dụng số
liệu tổng hợp của các cơng ty nước ngồi ở cấp tỉnh.
Tuy nhiên, mơ hình này không thể loại trừ những tác
động cố định của các tỉnh có thể dẫn đến chệch trong
các ước tính của chúng tơi. Các mơ hình "conditional
logit" có thể khắc phục nhược điểm này bằng cách sử
dụng các thông tin của từng cơng ty nước ngồi.

<b>5.1. Agglomeration effects on location choices by</b>
<b>foreign firms in Vietnam, using the negative</b>
<b>binomial regression model</b>

Following the work of Coughlin and Segev (2000) and
Meyer and Nguyen (2005), the negative binomial
regression model is used with the provincial-level data

across the 64 provinces in Vietnam. A Poisson or a
negative binomial distribution is frequently used to
characterize processes that generate nonnegative
integer outcomes such as the number of accidents that
occur at a particular intersection. The number of new
foreign firms locating in a specific province is a
reasonable candidate for a Poisson or a negative
binomial distribution. If there is overdispersion (i.e. the
variance greater than the mean), estimates from the
Poisson regression model will be inefficient (Long,
1997). In this case, the negative binomial regression

<b>5.1. Tác động quần tụ đến sự lựa chọn địa điểm</b>
<b>của các công ty nước ngồi tại Việt Nam, sử dụng</b>
<b>mơ hình "negative binomial regression"</b>

</div>
<span class='text_page_counter'>(2)</span><div class='page_container' data-page=2>

model is preferred. các mơ hình "negative binomial regression" được ưa
thích.

<b>Dependent variables</b>

The dependent variables are the number of newly
created foreign firms and the number of new foreign
firms by province that operate in the manufacturing
sector. In 2005, there were 568 new foreign firms of
which 381 were manufacturers. The Poisson or the
negative binomial regression model only allows
examining Hypotheses 1 and 2. Tables 3 and 4 present
the descriptive statistics and the correlations of
variables used in this analysis.

<b>Biến phụ thuộc</b>

Các biến phụ thuộc là số lượng doanh nghiệp nước
ngoài mới được đăng ký và số lượng các doanh
nghiệp nước ngoài mới của tỉnh hoạt động trong lĩnh
vực sản xuất. Trong năm 2005, đã có 568 doanh
nghiệp nước ngồi mới trong đó 381 là doanh nghiệp
sản xuất. Các phân phối Poisson hay các mô hình
"negative binomial regression" chỉ cho phép kiểm
định giả thuyết 1 và 2. Bảng 3 và 4 hiện thống kê mô
tả và các mối tương quan của các biến được sử dụng
trong phân tích này.

<b>Agglomeration variables</b>

In order to examine Hypothesis 1 that new foreign
investors tend to locate in provinces where many other
foreign firms have already existed, the cumulative
number of foreign firms by province up to 2004 is used
as a proxy. To examine Hypothesis 2 that firms in the
same industries tend to cluster in particular regions, the
cumulative number of foreign and 12 Vietnamese
firms in the manufacturing sector at provincial level up
to 2004 is used as proxies. In 2004, there were 3,145
foreign firms of which 2,325 operate in the
manufacturing sector and 88,420 Vietnamese firms of
which 18,125 are manufacturers.

<b>Các biến quần tụ</b>

Để kiểm định giả thuyết 1, các nhà đầu tư nước ngồi
mới có xu hướng đặt doanh nghiệp ở các tỉnh có nhiều
cơng ty nước ngồi khác đã tồn tại, số lượng lũy kế
của các cơng ty nước ngồi của tỉnh đến năm 2004
được sử dụng như một proxy (đại diện trung gian). Để
kiểm tra giả thuyết 2 là cơng ty trong cùng ngành có
xu hướng tập trung tại các khu vực cụ thể, số lượng
tích lũy của nước ngoài và doanh nghiệp Việt Nam
trong lĩnh vực sản xuất ở cấp tỉnh đến năm 2004 được
sử dụng như các proxy. Trong năm 2004, đã có 3.145
doanh nghiệp nước ngồi trong đó có 2.325 hoạt động
trong lĩnh vực sản xuất và 88.420 doanh nghiệp Việt
Nam trong đó 18.125 là nhà sản xuất.

<b>Control variables</b>

It is expected that provincial endowment factors can
influence a firm’s desire to invest in a particular
province, such as the size of the provincial economy,
the size of the provincial market, infrastructure, human
resources, and geographical location. For instance, Ho
Chi Minh City will always have a larger market than
Ha Tinh province. Binh Duong will always enjoy a
better location than Kon Tum or Ca Mau. Ha Noi will
always have better infrastructure and more developed
human resources than Ha Giang. So, the larger and
more developed provinces such as Ho Chi Minh City,
Ha Noi, Ba Ria – Vung Tau, Da Nang, Dong Nai, and
Hai Phong will have more competitiveness simply

because of their initial endowments. For this reason,
following the work of Meyer and Nguyen (2005), the
control variables are included in the regression model
are provincial market size (population), market growth
(GDP and number of industrial zones), human capital
development (the number of undergraduate students),
and infrastructure (the distance to the nearest big

<b>Các biến điều khiển</b>

</div>
<span class='text_page_counter'>(3)</span><div class='page_container' data-page=3>

harbors). These data are cumulated up to 2004 and

taken from the Statistical Yearbook of Vietnam, GSO. nhất). Những dữ liệu được lũy kế đến năm 2004 vàlấy từ Niên giám thống kê Việt Nam, Tổng cục Thống
kê.

<b>Empirical Results</b>

The empirical analysis is implemented as follows.
First, Hypothesis 1 is examined to see whether the
number of already existing foreign firms in a province
affects the decision by a new foreign firm to locate in
that province. Then the regression model is applied to
the foreign manufacturing firms for testing Hypothesis
2.

<b>Kết quả của mơ hình thực nghiệm</b>

</div>
<span class='text_page_counter'>(4)</span><div class='page_container' data-page=4></div>
<span class='text_page_counter'>(5)</span><div class='page_container' data-page=5>

After testing Hypothesis Ho: α = 0, statistically
significant and strong evidence of overdispersion
[chibar2 (01) = 89.52, p-value < 0.01]1_{is found. So the}

negative binomial regression model is used instead of
the Poisson regression model to estimate empirical
results. The number of observations is 61 because the
<i>information about the variable student04, the number</i>
of undergraduate students, is missing for three
provinces Lai Chau, Dac Nong, and Hau Giang
-because the Vietnamese government divided the 61
existing provinces into 64 in 2003.

The empirical results in Column 1 of Table 5 show
evidence of agglomeration economies as the
<i>coefficient of the variable forfirm04, the cumulative</i>
number of foreign firms, is positive and statistically
significant. This result suggests that new foreign firms
are more likely to locate in provinces with greater
numbers of already existing foreign firms.

In order to test Hypothesis 2, the sample was restricted
to include only newly created foreign firms in
manufacturing sector. The negative binomial
regression model was used since the testing of
Hypothesis Ho: α = 0 shows strong evidence of
overdispersion [chibar2 (01) = 76.37, p-value < 0.01].

Sau khi kiểm định Giả thuyết Ho: α = 0, bằng chứng
chắc chắn và có ý nghĩa thống kê của sự phân tán
không đều [chibar2 (01) = 89.52, giá trị p <0,01]2
được tìm thấy. Vì vậy, mơ hình "negative binomial
regression" được sử dụng thay cho mơ hình hồi quy
Poisson để ước tính kết quả thực nghiệm. Số lượng

<i>quan sát là 61, vì các thông tin về biến student04, số</i>
lượng sinh viên đại học, là thiếu ở ba tỉnh - Lai Châu,
Đắc Nông, Hậu Giang - bởi vì năm 2003, Chính Phủ
đã chia tách 61 tỉnh thành hiện có lúc đó thành 64 tỉnh
thành.

Các kết quả thực nghiệm trong cột 1 của Bảng 5 chỉ ra
các bằng chứng về các nền kinh tế tích tụ như hệ số
<i>của biến forfirm04, số lượng lũy kế các cơng ty nước</i>
ngồi, mang dấu dương và có ý nghĩa thống kê. Kết
quả này cho thấy rằng các cơng ty nước ngồi mới
thành lập có nhiều khả năng chọn đặt cơng ty tại các
tỉnh có số lượng lớn các cơng ty nước ngồi đã ở đó.
Để kiểm định Giả thuyết 2, mẫu được giới hạn chỉ
gồm các doanh nghiệp nước ngoài mới thành lập
trong lĩnh vực sản xuất. Mơ hình "negative binomial
regression" đã được sử dụng bởi vì kiểm định Giả
thuyết Ho: α = 0 cho thấy bằng chứng rõ ràng của
phân bố không đều [chibar2 (01) = 76,37, p-value
<0,01].

In Column 2 of Table 5, the positive and significant
<i>coefficient of the variable manforfirm04, the number of</i>
foreign manufacturing firms cumulated up to 2004,
supports the hypothesis that foreign firms in the same
industries are likely to locate near each other.
However, the negative and statistically insignificant
estimate of the variable manvn04, the number of
Vietnamese manufacturing firms cumulated up to
2004, suggests that the locations of Vietnamese firms

do not influence the location decisions by foreign firms
in the same industries.

Different from the results of Meyer and Nguyen

<i>Trong cột 2 của Bảng 5, hệ số của biến manforfirm04 </i>
(số lượng doanh nghiệp sản xuất nước ngoài lũy kế
đến năm 2004) mang dấu dương và có ý nghĩa thống
kê, ủng hộ giả thuyết rằng các công ty nước ngồi
trong cùng ngành rất có thể lựa chọn địa điểm gần
<i>nhau. Tuy nhiên, ước lượng hệ số của biến manvn04 </i>
(số lượng doanh nghiệp sản xuất Việt Nam tích lũy
đến năm 2004) lại mang dấu âm và khơng có ý nghĩa
thống kê, điều này cho thấy địa điểm của các doanh
nghiệp Việt Nam không ảnh hưởng đến các quyết
định chọn địa điểm của các doanh nghiệp nước ngoài
trong cùng một ngành.

Khác với kết quả của Meyer & Nguyễn (2005), hầu
1 The Poisson regression model accounts for only observed heterogeneity (i.e., observed difference among sample members). In practice, the Poisson
regression model rarely fits due to overdispersion. That is, the model underfits the amount of dispersion in the outcome, leading to biased-downward
standard errors that result in spuriously large z-values and spuriously small p-values. The negative binomial regression model addresses the failure of
the Poisson regression model by adding a parameter, α, that determines the degree of dispersion in the predictions by reflecting unobserved
heterogeneity among observations (see Long et al., 2006 for details).

</div>
<span class='text_page_counter'>(6)</span><div class='page_container' data-page=6>

(2005), most of the control variables are statistically
<i>insignificant except the variable harbordis4, the</i>
distance to the nearest big habor. The negative sign of
<i>the variable harbordis means that the nearer a province</i>
is to a big harbor, the more attractive it is to foreign

investors. This evidence suggests that foreign investors
prefer to locate in a place with upgraded infrastructure
to reduce transportation costs.

hết các biến kiểm sốt là khơng có ý nghĩa thống kê,
<i>ngoại trừ biến harbordis4 (khoảng cách đến các bến </i>
<i>cảng lớn gần nhất). Dấu âm của biến harbordis có </i>
nghĩa là nếu ở gần một tỉnh có cảng lớn thì tỉnh đó sẽ
hấp dẫn các nhà đầu tư nước ngoài hơn. Bằng chứng
này cho thấy các nhà đầu tư nước ngồi thích chọn
nơi có cơ sở hạ tầng được nâng cấp để giảm chi phí
vận chuyển.

Columns 3 and 4 of Table 5 present the estimates of
the Poisson regression model. By contrast with the
results of the negative binomial regression model, the
coefficients of most variables are highly significant
and the Pseudo R2 is very high. The reason is that the
Poisson regression model in this case ignores
unobserved heterogeneity among observations, leading
to biased-downward standard errors that result in
spuriously large z-values and spuriously small
p-values.

Overall, the regression results support the hypotheses
that firms agglomerate. Foreign firms are likely to
locate near each other and near other foreign firms in
the same industries. However, the locations of
Vietnamese firms have no influence on the location
decisions by foreign firms in the same industries. The

findings are consistent with many previous studies on
location choices by foreign investors in different
countries such as the studies of Boudier-Bensebaa
(2005), Meyer and Nguyen (2005), Head et al. (1995),
Cheng and Kwan (2000), and Crozet et al. (2004).

Cột 3 và cột 4 của Bảng 5 trình bày các ước lượng của
mơ hình hồi quy Poisson. Ngược lại với các kết quả
của mơ hình "negative binomial regression", các hệ số
của hầu hết các biến là có ý nghĩa thống kê cao và các
Pseudo R2 là rất cao. Lý do là các mơ hình hồi quy
Poisson trong trường hợp này bỏ qua sự phân bố
không đều không quan sát được trong số các quan sát,
dẫn đến chệch thấp của sai số chuẩn dẫn đến kết quả
là z-values sai lệch lớn và p-values sai lệch nhỏ.

</div>

<!--links-->