Nghiên cứu sinh Lê Thị Hậu bảo vệ luận ấn tiến sĩ
NHỮNG ĐÓNG GÓP MỚI CỦA LUẬN ÁN
Đề tài luận án: Tác động của chuyển đổi số đến năng suất lao động tại các doanh nghiệp ở Việt Nam
Ngành đào tạo: Kinh tế học Mã ngành: 9310101
Nghiên cứu sinh: Lê Thị Hậu
Người hướng dẫn: 1. GS.TS. Tô Trung Thành 2. PGS.TS. Nguyễn Thị Thanh Huyền
Cơ sở đào tạo: Đại học Kinh tế Quốc dân
Những đóng góp mới về mặt học thuật, lý luận
Luận án sử dụng các lý thuyết cổ điển và lý thuyết mới dựa trên nguồn lực cung cấp nền tảng để hiểu tác động của chuyển đổi số (CĐS) đến năng suất lao động (NSLĐ) để xây dựng khung phân tích, từ đó mở rộng được số lượng các biến có thể xem xét trong mô hình phân tích tác động CĐS tới NSLĐ doanh nghiệp (DN). Trong mô hình, luận án sử dụng một số biến chưa được khai thác trong các nghiên cứu trước như biến thương mại trực tuyến và chi cho công nghệ thông tin, đồng thời thiết lập thêm cơ chế trung gian là chỉ số CĐS cấp tỉnh DTI, cường độ vốn và chất lượng lao động từ đại học trở lên. Mô hình ước lượng bao gồm mô hình hồi quy bình phương nhỏ nhất (OLS) và hồi quy phân vị tại các phân vị 10, 25, 50, 75 và 90. Phương pháp này cho phép các hệ số hồi quy thay đổi một cách linh hoạt tùy theo từng phần của phân phối năng suất, thay vì bị giới hạn bởi một hệ số cố định như trong các mô hình hồi quy trung bình. Do đó, phương pháp này cho phép nghiên cứu đánh giá chi tiết hơn về tác động của CĐS lên NSLĐ ở các mức độ khác nhau trong phân phối.
Những phát hiện, đề xuất mới rút ra được từ kết quả nghiên cứu, khảo sát của luận án
Thứ nhất, mô hình 1 về tác động của CĐS đến NSLĐ DN thực hiện trên dữ liệu từ điều tra doanh nghiệp của tổng cục thống kê cho thấy một số phát hiện chính: (1) chất lượng lao động, cường độ vốn, số lao động và tuổi của DN tỷ lệ thuận với NSLĐ; (2) các DN ở nhóm phân vị trung bình cao từ phân vị thứ 75 của NSLĐ cho thấy tác động rõ rệt nhất ở các biến CĐS; (3) Xét theo quy mô, ở các phân vị khác nhau, nhóm DN quy mô vừa và lớn cho thấy tác động tích cực rõ rệt hơn của các biến CĐS tới NSLĐ; (4) Xét theo ngành nghề, ở các phân vị khác nhau, nhóm DN công nghệ chế tạo cho thấy tác động tích cực rõ rệt hơn của việc ứng dụng công nghệ, sử dụng công nghệ, thương mại điện tử, thương mại trực tuyến, chi cho công nghệ thông tin nhằm thúc đẩy NSLĐ.
Thứ hai, mô hình 2 cho thấy: (1) Hiệu ứng tích cực của CĐS tới NSLĐ ở cả năm biến chuyển đổi số. Các tác động theo phân vị năng suất là rõ ràng hơn ở các phân vị cao (từ 50-90); (2) Chỉ số DTI cũng tương quan dương với NSLĐ của DN, rõ ràng hơn ở các DN có mức phân vị trung bình cao (q75). (3) Cường độ vốn sẽ có vai trò quan trọng trong thúc đẩy NSLĐ ở các DN nằm ở phân vị trung bình trở lên. Một điểm quan trọng là hệ số của biến chuyển đổi số trong các mô hình này âm hàm ý nếu cường độ vốn đủ thấp, tác động của CĐS tới NSLĐ sẽ là tiêu cực. (4) Vai trò của chất lương lao động thúc đẩy quá trình CĐS làm tăng năng suất lao động thể hiện nhiều hơn ở các DN phân vị (q50) hoặc dưới trung bình.
-----------------------------------------------------------------------------
NEW CONTRIBUTIONS OF THE THESIS
Thesis topic: The impact of digital transformation on labor productivity at enterprises in Vietnam
Major: Economics Industry code: 9310101
PhD Candidate: Le Thi Hau
Supervisor: 1. Prof. Dr. To Trung Thanh 2. Assoc. Prof. Dr. Nguyen Thi Thanh Huyen
Training institution: National Economics University
New contributions in terms of academics and theory
The thesis uses classical and new resource-based theories to provide a foundation for understanding the impact of digital transformation (DT) on labor productivity (LP) to build an analytical framework, thereby expanding the number of variables that can be considered in the model analyzing the impact of DT on enterprise LP. In the model, the thesis uses a number of variables that have not been exploited in previous studies such as online commerce and IT spending, and at the same time establishes an additional intermediary mechanism which is the provincial DT index, capital intensity and labor quality from university level and above. The estimation model includes ordinary least squares (OLS) regression models and quantile regression at quantiles 10, 25, 50, 75 and 90. This method allows the regression coefficients to vary flexibly across parts of the productivity distribution, rather than being limited by a fixed coefficient as in the average regression models. Therefore, this method allows for a more detailed assessment of the impact of DT on LP at different levels in the distribution.
New findings and recommendations drawn from the research and survey results of the thesis
Firstly, model 1 on the impact of DT on enterprise LP conducted on data from the General Statistics Office's enterprise survey shows some key findings: (1) labor quality, capital intensity, number of employees and age of enterprises are proportional to LP; (2) enterprises in the upper middle percentile group from the 75th percentile of LP show the most obvious impact on DT variables; (3) In terms of scale, in different percentiles, the group of medium and large-sized enterprises shows a more obvious positive impact of DT variables on LP; (4) By industry, in different segments, the manufacturing technology enterprise group shows a more obvious positive impact of technology application, technology use, e-commerce, online commerce, and spending on information technology to promote LP.
Second, model 2 shows: (1) The positive effect of DT on LP in all five DT variables. The impacts by productivity percentile are more evident at high percentiles (from 50-90); (2) The DTI index is also positively correlated with enterprise LP, more evident in enterprises with high average percentiles (q75). (3) Capital intensity will play an important role in promoting LP in enterprises in the middle or higher quartiles. An important point is that the coefficient of the DT variable in these models is negative, implying that if capital intensity is low enough, the impact of DT on LP will be negative. (4) The role of labor quality in promoting DT to increase LP is more evident in enterprises in the (q50) quartile or below average.
