Phân tích các yếu tố tác động đến kim ngạch xuất khẩu gạo Việt Nam – tiếp cận theo mô hình trọng lực

(Quanlynhanuoc.vn) – Mục tiêu của nghiên cứu là tìm ra các yếu tố ảnh hưởng đến kim ngạch xuất khẩu gạo Việt Nam. Nghiên cứu sử dụng dữ liệu bảng cân bằng với 50 quốc gia nhập khẩu gạo Việt Nam trong giai đoạn 2001 –  2021, tiếp cận theo mô hình trọng lực với biến phụ thuộc có phân phối nhị thức âm. Thông qua các mô hình hồi quy cùng với các tiêu chuẩn lựa chọn mô hình đã chọn được mô hình thích hợp để phân tích đó là NB-FEM. Kết quả nghiên cứu cho thấy, các biến POPVN, ASEAN, TRADEFREEDOM và TRADEOPENESS có ảnh hưởng tích cực, thúc đẩy kim ngạch xuất khẩu gạo Việt Nam, trong khi các biến GDPVN, DIS, POPj lại có ảnh hưởng tiêu cực đến kim ngạch xuất khẩu gạo Việt Nam.
Ảnh minh họa (internet).
Đặt vấn đề

Năm 1989, Việt Nam lần đầu tiên trở thành nước xuất khẩu gạo, đặc biệt năm 2012 là năm xuất khẩu gạo đầy khó khăn bởi sự cạnh tranh gay gắt của các nước như: Ấn Độ, Pa-ki-x-tan, Mi-an-ma. Đến nay, Việt Nam đang là nước xuất khẩu gạo hàng đầu thế giới với kỷ lục xuất khẩu đạt 7,72 triệu tấn gạo. Có được thành quả trên là nhờ có sự quan tâm, chỉ đạo của Chính phủ thông qua các chính sách về kinh doanh xuất khẩu gạo, cụ thể là Nghị định số 107/2018/NĐ-CP ngày 15/8/2018 của Thủ tướng Chính phủ về kinh doanh xuất khẩu gạo. Tuy nhiên, giá trị xuất khẩu chưa cao, do gạo Việt Nam chưa có thương hiệu, chưa có khả năng cạnh tranh cao trên thị trường quốc tế, bên cạnh đó, phải đối mặt với các quy định khắt khe về an toàn vệ sinh thực phẩm của các thị trường khó tính như Hoa Kỳ, các nước EU… Đồng thời, phải đối mặt về giá cạnh tranh với gạo của các nước như Thái Lan, Ấn Độ… Ngoài yếu tố giá xuất khẩu, tiêu chuẩn về an toàn vệ sinh thực phẩm, thì các yếu tố như: tỷ giá, thuế quan, độ mở thương mại, khoảng cách… tác động thế nào đến việc xuất khẩu gạo Việt Nam là những vấn đề cần được quan tâm.

Phương pháp nghiên cứu

Đến nay, đã có nhiều nghiên cứu về các yếu tố tác động đến xuất khẩu gạo Việt Nam thông qua việc áp dụng mô hình trọng lực và với biến phụ thuộc có phân phối nhị thức âm (đây là một phân phối của số lần thành công và thất bại trong một loạt các lần thử độc lập trước khi đạt được số lần thành công nhất định). Tuy nhiên, hầu hết các nghiên cứu đều phân tích các yếu tố kinh tế, khoảng cách địa lý nhưng chưa đề cập các yếu tố về thể chế, như: năng lực cạnh tranh, chất lượng thể chế; chính sách thương mại… Mặt khác, về mặt phương pháp, phần lớn các nghiên cứu trước đây sử dụng mô hình trọng lực theo dạng chuẩn, dùng phương pháp OLS để ước lượng mô hình sẽ dẫn đến các hệ số ước lượng sẽ bị chệch (theo tính chất bất đẳng thức Jensen). Hơn nữa, trong trường hợp biến phụ thuộc có giá trị bằng không thì việc chuyển đổi sang logarit là không thể. Trong thực tế, dữ liệu thương mại bằng không là rất phổ biến, do đó, kết quả ước lượng sẽ bị chệch (Santos Silva and Tenreyro, 2006). Vì vậy, trong nghiên cứu này, tác giả mở rộng mô hình bằng việc đưa thêm các yếu tố thuộc về thể chế và độ mở thương mại, đồng thời, sử dụng phân phối nhị thức âm (NB – Negative binomial) để khắc phục những hạn chế đã đề cập ở trên nhằm tìm ra những yếu tố có tác động đến xuất khẩu gạo Việt Nam, qua đó, giúp cho lĩnh vực xuất khẩu gạo Việt Nam mang lại hiệu quả.

Mô hình nghiên cứu: Việc áp dụng mô hình trọng lực trong thương mại đã trở thành mô hình thực nghiệm thành công cho việc phân tích và giải thích luồng thương mại quốc tế. Mô hình này dựa trên định luật vạn vật hấp dẫn của Newton công bố năm 1687. Tinberger (1962), người đầu tiên vận dụng mô hình trọng lực nhằm phân tích dòng chảy thương mại giữa các quốc gia châu Âu. Tinberger liên tưởng luồng thương mại song phương giữa hai quốc gia, với GNP của nước xuất khẩu vì nó xác định số lượng hàng hóa mà nước đó có thể sản xuất và GNP của nước nhập khẩu vì nó cũng xác định số lượng hàng hóa của nước xuất khẩu có thể bán cho nước này; chi phí vận chuyển, chi phí thuế quan và phi thuế quan được ước lượng bởi khoảng cách địa lý giữa hai nước.

Ở dạng cơ bản, mô hình trọng lực được viết dưới dạng:

Theo Frankel (1997), Helpman và Krugman (1985) dòng thương mại của hai quốc gia không chỉ bị ảnh hưởng bởi các yếu tố đã nêu, mà còn bị ảnh hưởng rất nhiều yếu tố khác. Linnemman (1963) đã mở rộng mô hình bằng cách đưa thêm biến dân số để giải thích cho lợi thế kinh tế theo quy mô. Bên cạnh quy mô quốc gia và khoảng cách địa lý, các yếu tố khác cũng được đưa vào mô hình trọng lực như các nước có chung đường biên giới không, các quốc gia có giáp biển không, các quốc gia có chung ngôn ngữ không, có phải là thành viên của các hiệp định thuơng mại khu vực hay quốc tế không…, do đó, mô hình trọng lực có dạng:

Trong nghiên cứu này, tác giả sử dụng dữ liệu bảng cân bằng là sự kết hợp các chuỗi thời gian của các quan sát theo không gian, dữ liệu bảng cung cấp những dữ liệu có nhiều thông tin hơn, đa dạng hơn, ít cộng tuyến hơn giữa các biến số, bậc tự do lớn hơn và hiệu quả hơn. Thông qua nghiên cứu các quan sát theo không gian lặp lại, dữ liệu bảng phù hợp hơn để nghiên cứu tính động của thay đổi. Dữ liệu bảng có thể phát hiện và đo lường tốt hơn những ảnh hưởng mà không thể quan sát trong dữ liệu chuỗi thời gian hay dữ liệu chéo (không gian) thuần túy Baltagi (2003). Với những ưu điểm trên, tác giả đề xuất mô hình nghiên cứu như sau:

Do vậy, mô hình tác giả sử dụng trong nghiên cứu này như sau:

Silva và Tenreyno (2006) đã phát hiện ra rằng phương pháp PPML (Poisson pseudo maximum likelihood) có thể xử lý các giá trị thương mại bằng 0 và các tham số hồi quy là các ước lượng không chệch. Hơn nữa, PPML với dữ liệu bảng có thể khắc phục sự sai lệch hệ số hồi quy từ tính không đồng nhất của các quốc gia (Westerlund và Wilhelmsson, 2011). Một tính chất đặc biệt của phân phối Poisson là trung bình và phương sai của một biến theo phân phối Poisson là bằng nhau (Cameron & Trivedi, 2010). Tính chất này, được gọi là phân tán bằng nhau (equidispersion), là một tính chất hạn chế của phân phối Poisson. Tuy nhiên trong thực tế phương sai của các biến số đếm thường lớn hơn trung bình của nó, nhất là với dữ liệu về thương mại. Tính chất này được gọi là quá phân tán (overdispersion). Phân phối nhị thức âm (NB-Negative binomial) thường được sử dụng để phân tích dữ liệu có sự phân tán quá mức (Lord và Mannering, 2010).

Nguồn dữ liệu và các biến trong mô hình:

Dữ liệu sử dụng trong nghiên cứu là dữ liệu bảng cân bằng với 1.050 quan sát được thu thập trong giai đoạn 2001 – 2021 với 50 quốc gia là các đối tác nhập khẩu chiếm tỷ trọng lớn đối với gạo Việt Nam. Các biến được trong mô hình nghiên cứu được đo lường như sau:

– Giá trị kim ngạch xuất khẩu gạo Việt Nam (EXPORT) được tính bằng tiền (USD);

– Độ mở thương mại (TRADEOPEN) là tỷ lệ kim ngạch thương mại trên GDP được sử dụng như một thước đo cho độ mở đối với thương mại được tính bằng %;

– Chỉ số nhận thức tham nhũng (CPI – Corruption Perceptions Index) là chỉ số đánh giá nhận thức về tham nhũng trong khu vực công, được tổ chức minh bạch quốc tế (Transparency International – TI) công bố hằng năm xếp thứ tự các quốc gia trên thế giới theo thang điểm (0 – 100), nước nào có điểm số càng cao thì mức độ tham nhũng ít và những nước có điểm số thấp thì mức độ tham nhũng cao;

– GDP Việt Nam (GDPVN) là tổng sản phẩm nội địa tính theo hàng hóa và dịch vụ cuối cùng của năm nghiên cứu còn giá cả tính theo năm gốc, do đó, còn gọi là GDP theo giá so sánh. GDP có mối quan hệ mật thiết với các ngành sản xuất chính của nền kinh tế nhằm phục vụ mục tiêu xuất khẩu nên GDP tăng làm cho cung hàng hóa tăng lên, thúc đẩy xuất khẩu. Ngược lại, khi GDP của một quốc gia giảm, giá trị xuất khẩu hàng hóa và dịch vụ sẽ bị giảm;

– GDP nước nhập khẩu j (GDPj) đơn vị USD là tổng sản phẩm nội địa tính theo hàng hóa và dịch vụ cuối cùng của năm nghiên cứu, còn giá cả tính theo năm gốc do đó còn gọi là GDP theo giá so sánh, nhập khẩu có xu hướng tăng khi GDP tăng và sự gia tăng của nhập khẩu khi GDP tăng phụ thuộc vào xu hướng nhập khẩu biên (MPZ). Tuy nhiên, GDP của nhà nhập khẩu càng lớn thì năng lực sản xuất của quốc gia đó càng cao, nghĩa là quốc gia đó có đủ khả năng đáp ứng nhu cầu trong nước cũng như sản xuất hàng hóa thay thế nhập khẩu. Do đó, hàng hóa của các nhà nhập khẩu cũng có thể gặp khó khăn trong việc thâm nhập thị trường;

– Quy mô dân số của quốc gia xuất khẩu Việt Nam (POPVN) là tổng số dân quốc gia Việt Nam được thống kê trong năm, dân số quốc gia xuất khẩu thể hiện nguồn năng lực sản xuất và nguồn cung cho xuất khẩu;

– Quy mô dân số của các quốc gia nhập khẩu (POPj) là tổng số dân của quốc gia nhập khẩu j được thống kê trong năm, dân số nước nhập khẩu càng đông và nhu cầu về hàng hóa tăng làm cho việc nhập khẩu hàng hóa tăng dẫn đến nhiều cơ hội cho các quốc gia xuất khẩu, cũng như phân tích trên yếu tố dân số tác động đến nhập khẩu hàng hóa là chưa rõ ràng;

– Chỉ số tự do thương mại (TRADEFREEDOM) là thước đo tổng hợp về việc không có hàng rào thuế quan và phi thuế quan ảnh hưởng đến xuất nhập khẩu hàng hóa và dịch vụ. Điểm tự do thương mại dựa trên hai yếu tố đầu vào: Thuế suất bình quân gia quyền thương mại và hàng rào phi thuế quan (NTB) theo thang điểm 0 – 100; các quốc gia tham gia hiệp định thương mại ASEAN là biến giả có hai thuộc tính, nhận giá trị 1 nếu quốc gia đó tham gia hiệp định thương mại ASEAN và nhận giá trị 0 nếu quốc gia đó không tham gia hiệp định thương mại ASEAN;

– Khoảng cách địa lý giữa quốc gia Việt Nam với các quốc gia nhập khẩu gạo (DIS) dựa trên khoảng cách quỹ đạo giữa thủ đô hai nước được tính bằng đơn vị km, khoảng cách địa lý được xem như một công cụ để đo lường chi phí vận chuyển hàng hóa giữa quốc gia xuất khẩu và quốc gia nhập khẩu.

Kết quả nghiên cứu

Theo số liệu thống kê của Tổng cục Hải quan, năm 2021, xuất khẩu gạo Việt Nam đạt gần 6,24 triệu tấn, trị giá gần 3,3 tỷ USD, giá gạo xuất khẩu bình quân đạt 526,9 USD/tấn. So với năm 2020, xuất khẩu giảm 0,2% về lượng nhưng tăng 5,3% về giá trị1.

Về thị trường xuất khẩu: châu Á vẫn là thị trường khu vực xuất khẩu gạo lớn nhất, đạt gần 4,3 triệu tấn, chiếm 68,62% trong tổng lượng xuất khẩu. Trong đó, Phi-líp-pin là thị trường xuất khẩu lớn nhất, đạt khoảng 2,46 triệu tấn, chiếm 39,33%, trong tổng lượng xuất khẩu; xếp thứ 2 là thị trường Trung Quốc, đạt 1,06 triệu tấn, chiếm 16,9% trong tổng lượng xuất khẩu.

Châu Phi là thị trường khu vực xuất khẩu lớn thứ hai, đạt 1.25 triệu tấn, chiếm khoảng 19,89% tổng lượng xuất khẩu. Trong đó, xuất khẩu sang Ga-na đạt 0.68 tấn, chiếm 10,85% trong tổng lượng xuất khẩu; xuất khẩu sang Bờ Biển Ngà đạt 0,43 triệu tấn, chiếm 6,92% trong tổng lượng xuất khẩu.

Về chủng loại gạo xuất khẩu: xuất khẩu gạo trắng thường chiếm tỷ trọng khoảng 40,89% tổng lượng xuất khẩu (tương đương khoảng 2,56 triệu tấn). Xuất khẩu gạo thơm các loại chiếm khoảng 33,64% tổng lượng xuất khẩu. Xuất khẩu gạo nếp khoảng 0,64 triệu tấn, chiếm 10,27% tổng lượng xuất khẩu và xuất khẩu các loại gạo khác chiếm khoảng 15,20%2.

Về kim ngạch xuất khẩu gạo: theo số liệu thu thập từ năm 2001 – 2021 của 50 quốc gia nhập khẩu gạo Việt Nam xét về giá trị bình quân cho thấy: Phi-líp-pin, Ma-lai-xi-a, In-đô-nê-xi-a, Ga-na, Xinh-ga-po, Trung Quốc vẫn là những thị trường chiếm ưu thế.

Kết quả phân tích mô hình

Mô tả các biến nghiên cứu: Bảng 2 trình bày kết quả các giá trị thống kê các biến của 50 nước nhập khẩu gạo Việt Nam trong giai đoạn 2001 – 2021 (tương ứng 1.050 quan sát), cho thấy, biến EXPORT hệ số biến thiên lớn nhất bằng 3.70658 với giá trị trung bình là 34391.54 (1.000 USD) điều này cho thấy xuất khẩu gạo Việt Nam không đồng đều, có sự biến thiên khá mạnh giữa các thị trường.

Bên cạnh đó, biến có hệ số biến thiên nhỏ nhất bằng 0.06139 là biến POPVN với giá trị trung bình 88.51938, còn biến có hệ số biến thiên nhỏ thứ hai là biến TRADEFREEDOM với giá trị trung bình 77.79333 chứng tỏ tự do thương mại các nước là khá lớn, đồng thời, tự do thương mại của các nước nhập khẩu không có sự khác biệt lớn vì hệ số biến thiên khá nhỏ bằng 0.14959.

Kết quả ước lượng: tiến hành ước lượng mô hình (4) theo quy luật phân phối nhị thức âm và lựa chọn mô hình phù hợp, tiêu chuẩn để chọn mô hình phù hợp phụ thuộc vào hai thành phần: thành phần không gian  và thành phần thời gian . Nếu mô hình không phụ thuộc vào hai thành phần này thì mô hình phù hợp là NB-POOl (Negative Binomial Pool), nếu mô hình ảnh hưởng bởi thành phần chéo (thì dùng mô hình NB-FEM (Negative Binomial Fixed Effects), còn nếu   đặc trưng cho thành phần sai số ngẫu nhiên thì dùng mô hình NB-REM (Negative Binomial Random Effects).

Kết quả hồi quy NB-POOl, NB-FEM và NB-REM được trình bày trong Bảng 3, căn cứ vào tiêu chuẩn Log likelihood, AIC, BIC thì mô hình thích hợp để giải thích kết quả là mô hình NB-FEM. Từ kết quả ước lượng của mô hình NB cho thấy hệ số hồi quy của biến GDPVN âm và có ý nghĩa thống kê 1%, hàm ý khi GDPVN tăng 1 đơn vị thì kim ngạch xuất khẩu giảm 0.132%, điều này có thể giải thích như sau: kim ngạch xuất khẩu gạo Việt Nam và tổng sản phẩm quốc nội có mối quan hệ cùng chiều, nhưng sự gia tăng GDP bình quân đầu người làm kim ngạch xuất khẩu gạo Việt Nam giảm, là do tăng trưởng kinh tế cùng với tăng dân số làm tăng nhu cầu bình quân đầu người đối với tất cả các loại hàng hóa thông thường, đặc biệt là mặt hàng thiết yếu như lúa gạo.

Như vậy, tăng trưởng của Việt Nam sẽ dẫn đến giảm kim ngạch xuất khẩu gạo giảm. Biến GDPj không có ý nghĩa thống kê ngay cả ở mức ý nghĩa 10%. Bên cạnh đó hệ số hồi quy của biến DIS có hệ số hồi quy âm và có ý nghĩa thống kê 5%, có nghĩa là khi khoảng cách tăng 1km thì kim ngạch xuất khẩu gạo giảm 0.0037%. Dân số nước nhập khẩu tăng làm giảm kim ngạch xuất khẩu gạo Việt Nam, cụ thể hệ số hồi quy của biến POPj âm và có ý nghĩa thống kê 5%, cụ thể khi dân số nước nhập khẩu tăng 1 đơn vị kim ngạch xuất khẩu gạo giảm 0.0597%. Ngược lại với dân số nước nhập khẩu, dân số nước Việt Nam có tác động cùng chiều với kim ngạch xuất khẩu gạo, hệ số hồi quy dương có ý nghĩa thống kê 1%, cho ta biết khi dân số Việt Nam tăng 1 đơn vị làm cho kim ngạch xuất khẩu gạo Việt Nam tăng 23.6%. Hệ số hồi quy biến ASEAN dương và có ý nghĩa thống kê 10%, hàm ý Việt Nam tham gia hiệp định ASEAN làm kim ngạch xuất khẩu gạo Việt Nam tăng 31.9%;  hệ số hồi quy biến TRADEFREEDOM dương và có ý nghĩa thống kê 1%, khi tự do thương mại tăng 1 đơn vị thì kim ngạch xuất khẩu gạo Việt Nam tăng 2.18%; hệ số hồi quy biến TRADEOPNESS không có ý nghĩa thống kê 10%, nhưng có ý nghĩa thống kê 12.9% hàm ý khi độ mở thương mại tăng 1 đơn vị khi đó kim ngạch xuất khẩu gạo Việt Nam tăng 0.113%.

Kết luận và khuyến nghị

Thông qua mô hình trọng lực với phương pháp hồi quy nhị thức âm cho dữ liệu bảng cân bằng với 50 quốc gia nhập khẩu gạo trong giai đoạn từ năm 2001 – 2021, nghiên cứu đã chỉ ra được các yếu tố thực sự có ảnh hưởng đến đến kim ngạch xuất khẩu gạo Việt Nam là các biến POPVN, ASEAN, TRADEFREEDOM, GDPVN, DIS, POPj, TRADEOPENESS có ảnh hưởng đến kim ngạch xuất khẩu gạo Việt Nam, còn lại các biến GDPj, CPI không thực sự ảnh hưởng đến kim ngạch xuất khẩu gạo Việt Nam. Qua đó, bài nghiên cứu đưa ra một số đề xuất để kim ngạch xuất khẩu gạo Việt Nam hiệu quả hơn:

Một là, xuất khẩu gạo Việt Nam chủ yếu là hai thị trường châu Á và châu Phi với chủng loại ít và chất lượng gạo chưa cao, chưa thâm nhập nhiều vào các thị trường khó tính như châu Âu và Hoa Kỳ. Nguyên nhân gạo Việt Nam chưa đáp ứng các tiêu chuẩn nghiêm ngặt đối với các thị trường này. Vì vậy, Nhà nước cần khuyến khích các nhà khoa học lai tạo ra các giống lúa chất lượng cao, đồng thời, hỗ trợ nhà nông các ứng dụng khoa học – kỹ thuật nhằm tăng sản lượng và chất lượng lúa gạo đáp ứng những quy định rất nghiêm ngặt về an toàn vệ sinh thực phẩm để đưa gạo Việt Nam vào các thị trường châu Âu và Hoa Kỳ là những thị trường lớn và tiềm năng.

Hai là, duy trì thị trường xuất khẩu truyền thống, tìm kiếm và mở rộng thị trường xuất khẩu sang các thị trường mới như thị trường châu Âu thông qua Hiệp định Thương mại tự do Việt Nam – EU (EVFTA). Bên cạnh đó, cần xem xét, đánh giá một cách chính xác những nội dung, điều khoản chưa được đề cập hoặc chưa chính xác trong các hiệp định thương mại xuất khẩu gạo Việt Nam đối với mỗi thị trường, qua đó, cần phải tiến hành đàm phán với các đối tác nhằm bổ sung những nội dung trên, bảo đảm lợi ích cho xuất khẩu gạo Việt Nam.

Ba là, cần làm cho nhà nông hiểu được các quy định và các tiêu chuẩn của các quốc gia nhập khẩu gạo Việt Nam và nội dung của các hiệp định thương mại liên quan đến xuất khẩu gạo bằng cách tái cơ cấu ngành lúa gạo, từ đó, thích ứng với nội dung phát triển bền vững của các hiệp định thương mại gắn liền sản xuất với bảo vệ môi trường, tăng việc làm và thu nhập cho người trồng lúa nói riêng và ngành Nông nghiệp nói chung.

Chú thích:
1, 2. Bộ Công Thương. Báo cáo xuất khẩu Việt Nam 2021. H. NXB Công thương, 2022.
Tài liệu tham khảo:
1. Anderson, J. E., and E. Wincoop. (2003). Gravity with gravitas: A solution to the border puzzle. American Economic Review, 93 (1):170–92. Doi:10.1257/000282803321455214.
2. Akaike, H. (1973). Maximum likelihood identification of Gaussian autoregressive moving average models. Biometrika, 60(2), 255-265.
3. Akaike, H. (1978). On the likelihood of a time series model. Journal of the Royal Statistical Society: Series D (The Statistician), 27(3-4), 217-235.
4. Atif, R. M., L. Haiyun, and H. Mahmood. (2016). Pakistan’s agricultural exports, determinants and its potential: An application of stochastic frontier gravity model. The Journal of International Trade & Economic Development, 26 (3):257-76. doi:10.1080/09638199.2016.1243724.
5. Bekele, W.T., Mersha, F.G. A Dynamic Panel Gravity Model Application on the Determinant Factors of Ethiopia’s Coffee Export Performance. Ann. Data. Sci.6787–806 (2019). https://doi.org/10.1007/s40745-019-00198-4.
6. Braha, K., Qineti, A., Cupák, A. and Lazorčáková, E. (2017). “Determinants of Albanian Agricultural Export: The Gravity Model Approach”, AGRIS on-line Papers in Economics and Informatics, Vol. 9, No. 2, pp. 3 – 21. ISSN 1804-1930. DOI 10.7160/aol.2017.090201.
7. Bui, T. H. H., and Q. Chen. (2015). An analysis of factors influencing rice export in Vietnam based on gravity model. Journal of the Knowledge Economy, 8(3):830–44. doi:10.1007/s13132-015-0279-y.
8. Burger, M., Van Oort, F. V., & Linders, G.-J. (2009). On the Specification of the Gravity Model of Trade: Zeros, Excess Zeros and Zero-Inflated Estimation. Spatial Economic Analysis, 4(2), 167-190. doi: 10.1080/17421770902834327.
9. Chaney, T. (2018). The gravity equation in international trade: An explanation. Journal of Political Economy, 126 (1):150–77. doi:10.1086/694292.
10. Chakravarty, S. L., & Chakrabarty, R. (2014). A gravity model approach to Indo-ASEAN trade-fluctuations and swings. Procedia-Social and Behavioral Sciences, 133, 383-391. doi:10.1016/j.sbspro.2014.04.205.
11. Eichengreen, B. and Irwin, D. A. (1998). “The role of history in bilateral trade flows”. In The Regionalization of the World Economy, pp. 33 – 62. University of Chicago Press.
12. Guan, Z.and Ip Ping Sheong, J.K.F.(2020), “Determinants of bilateral trade between China and Africa: a gravity model approach”, Journal of Economic Studies, Vol. 47 No. 5, pp. 1015-1038. https://doi.org/10.1108/JES-12-2018-0461.
13. Irshad, M. S., Q. Xin, and H. Arshad. (2018). Competitiveness of Pakistani rice in international market and export potential with global world: A panel gravity approach. Cogent Economics & Finance, 6 (1): 1–18. doi:10.1080/23322039.2018.1486690.
14. Koo, W. W., Karemera, D., & Taylor, R. (1994). A gravity model analysis of meat trade policies. Agricultural Economics, 10, 81 – 88.
15. Rao, M. A., Liu, H., & Mahmood, H. (2017). Pakistan’s agricultural exports, determinants and its potential: An application of stochastic frontier gravity model. Journal of International Trade & Economic Development, 26, 1-20. doi:10.1080/09638199.2016.1243724.
16. Santos Silva, J. M. C., & Tenreyro, S. (2006). The Log of Gravity. Review of Economics and Statistics, 88(4), 641 – 658. doi: http://www.mitpressjournals.org/loi/rest.
17. Semykina, A., and J. M. Wooldridge. (2013). Estimation of dynamic panel data models with sample selection. Journal of Applied Econometrics, 28 (1):47 – 61. doi:10.1002/jae.1266.
18. Sokvibol Kea, Hua Li, Saleh Shahriar, Nazir Muhammad Abdullahi, Samnang Phoak & Tharo Touch.(2019).Factors Influencing Cambodian Rice Exports: An Application of the Dynamic Panel Gravity Model. Emerging Markets Finance and Trade, 55:15, 1-22, DOI: 10.1080/1540496X.2019.1673724.
ThS. Vũ Anh Linh Duy
Trường Đại học Tài chính – Marketing