The impact of digital transformation on tea production: empirical evidence from Vietnam
ThS. Lê Thị Kim Anh
Trường Đại học Quang Trung
Email: ltkanh@qtu.edu.vn
(Quanlynhanuoc.vn) – Nghiên cứu này phân tích tác động của chuyển đổi số đến sản lượng cây chè cấp tỉnh tại Việt Nam trong giai đoạn từ 2020 đến 2024, dựa trên dữ liệu thứ cấp của các tỉnh và áp dụng các phương pháp ước lượng dữ liệu bảng, như OLS, FEM và REM. Kết quả cho thấy diện tích trồng chè và lượng mưa có tác động tích cực đến sản lượng, trong khi nhiệt độ trung bình lại có tác động tiêu cực. Năng suất lao động địa phương không có ý nghĩa thống kê rõ ràng. Đặc biệt, chỉ số chuyển đổi số (DTI) chưa thể hiện tác động tích cực và ổn định đối với sản lượng chè; quá trình số hóa cấp tỉnh vẫn chưa đủ mạnh mẽ để tác động trực tiếp đến ngành chè, hoặc cần thời gian để phát huy hiệu quả. Những phát hiện này gợi ý các hàm ý chính sách quan trọng nhằm thúc đẩy chuyển đổi số theo hướng chuyên biệt cho ngành chè, đồng thời tăng cường khả năng thích ứng với biến đổi khí hậu và nâng cao hiệu quả sản xuất tại Việt Nam.
Từ khóa: Chuyển đổi số; nông nghiệp; số hóa sản lượng chè.
Abstract: This study analyzes the impact of digital transformation on provincial tea production in Vietnam from 2020 to 2024, using secondary data from the provinces and panel data estimation methods such as OLS, FEM, and REM. The results show that tea cultivation area and rainfall have a positive impact on production, while average temperature has a negative impact. Local labor productivity does not show clear statistical significance. Notably, the Digital Transformation Index (DTI) has not yet demonstrated a stable positive impact on tea production; the provincial-level digitalization process may not yet be robust enough to influence the tea industry directly, or it may require more time to yield results. These findings suggest important policy implications for promoting digital transformation tailored specifically to the tea industry, while also enhancing climate change resilience and improving production efficiency in Vietnam.
Keywords: Digital transformation; agriculture; tea production.
1. Đặt vấn đề
Ngành chè là một chuỗi giá trị nông nghiệp quan trọng tại Việt Nam, đóng góp không nhỏ vào sinh kế của hàng triệu hộ nông dân. Tuy nhiên, ngành chè vẫn đối mặt với nhiều thách thức về tính bền vững ở cả 3 khía cạnh kinh tế, xã hội và môi trường (Gibson, 2001). Chuyển đổi số (Digital Transformation – DT) được xem là một giải pháp tiềm năng để giải quyết những thách thức này, giúp nâng cao năng suất và giảm tác động môi trường thông qua việc ứng dụng các công nghệ như Internet vạn vật (IoT), dữ liệu lớn (Big Data) và trí tuệ nhân tạo (AI) (Rohit Sharma và cộng sự, 2020).
Tại Việt Nam, ngành chè đóng vai trò quan trọng trong phát triển nông nghiệp, đặc biệt ở khu vực trung du và miền núi phía Bắc. Mặc dù đã có những chương trình thúc đẩy chuyển đổi số trong nông nghiệp, mức độ áp dụng công nghệ vẫn còn hạn chế, đặc biệt ở các vùng trồng chè (Baumüller, 2018). Mục tiêu của nghiên cứu này là đánh giá tác động của chuyển đổi số đến sản lượng chè tại Việt Nam trong giai đoạn 2020 – 2024, từ đó cung cấp các khuyến nghị chính sách nhằm thúc đẩy ngành chè phát triển bền vững.
2. Cơ sở lý thuyết
Chuyển đổi số đang trở thành động lực quan trọng thúc đẩy hiện đại hóa nông nghiệp, thông qua việc ứng dụng các công nghệ như IoT, Big Data, AI và các nền tảng số. Những công nghệ này giúp tối ưu hóa việc sử dụng đầu vào, nâng cao hiệu quả quản lý và cải thiện kết nối thị trường trong chuỗi giá trị nông sản. Mức độ chuyển đổi số ở cấp địa phương thường được đo bằng Chỉ số chuyển đổi số (DTI), phản ánh năng lực số của tỉnh trong các lĩnh vực chính quyền số, kinh tế số và hạ tầng số, đồng thời đại diện cho mức độ tiến bộ công nghệ của địa phương.
Về lý thuyết, tác động của chuyển đổi số đến sản lượng chè có thể được giải thích thông qua hàm sản xuất Cobb-Douglas và lý thuyết tiến bộ công nghệ. Sản lượng nông nghiệp phụ thuộc vào đất đai, lao động và công nghệ; trong đó, chuyển đổi số giúp nâng cao năng suất các yếu tố sản xuất, tạo điều kiện thuận lợi cho việc ứng dụng công nghệ trong sản xuất chè, từ đó gia tăng sản lượng.
Các nghiên cứu thực nghiệm gần đây chỉ ra rằng chuyển đổi số có tác động tích cực đến năng suất nông nghiệp, thông qua việc cải thiện khả năng tiếp cận thông tin, kỹ thuật canh tác và quản lý đầu vào (Nafula và cộng sự, 2023). Tuy nhiên, mức độ tác động không đồng đều giữa các nhóm hộ do sự khác biệt về hạ tầng số và kỹ năng sử dụng công nghệ. Tương tự, nông nghiệp thông minh với IoT và AI giúp tối ưu hóa tưới tiêu và bón phân, từ đó nâng cao hiệu quả sản xuất (Gherțescu và cộng sự, 2025).
Từ lý thuyết và các nghiên cứu thực nghiệm trên, tác giả đề xuất các giả thuyết nghiên cứu như sau:
Giả thuyết 1 (H1): Chuyển đổi số tác động tích cực đến sản lượng cây chè tại Việt Nam.
Giả thuyết 2 (H2): Diện tích trồng chè tác động tích cực đến sản lượng cây chè tại Việt Nam.
Giả thuyết 3 (H3): Lượng mưa tác động tích cực đến sản lượng cây chè tại Việt Nam.
Giả thuyết 4 (H4): Nhiệt độ trung bình tác động tiêu cực đến sản lượng cây chè tại Việt Nam.
Giả thuyết 5 (H5): Năng suất lao động tác động tích cực đến sản lượng cây chè tại Việt Nam.
3. Phương pháp nghiên cứu
Nghiên cứu sử dụng dữ liệu cấp tỉnh từ Tổng cục Thống kê Việt Nam và Bộ Khoa học và Công nghệ, bao gồm 128 quan sát trong giai đoạn 2020 – 2024. Các biến số chính bao gồm: chỉ số chuyển đổi số (DTI), diện tích trồng chè (DTC), lượng mưa (LMA), nhiệt độ trung bình (NDO) và năng suất lao động (NSD). Kế thừa các phân tích trong nghiên cứu của Nafula và cộng sự (2023), tác giả xây dựng mô hình xem xét tác động của chuyển đổi số lên sản lượng cây chè như sau:
Trong đó: SLCi,t; sản lượng cây chè thu hoạch được tại tỉnh i trong năm t; DTIi,t chỉ số chuyển đổi số của tỉnh i trong năm t; DTCi,t diện tích trồng chè của tỉnh i trong năm t; LMAi,t: tổng lượng mưa của tỉnh i trong năm t; NDOi,t: nhiệt độ trung bình của tỉnh i trong năm t; NSDi,t; năng suất lao động của tỉnh i trong năm t.
Nghiên cứu thực hiện ước lượng mô hình hồi quy OLS, FEM, REM và tiến hành kiểm định để lựa chọn mô hình phù hợp. Sau đó, kiểm định phương sai thay đổi được thực hiện để đảm bảo độ tin cậy của các ước lượng. Mô hình GLM được áp dụng trong trường hợp mô hình gặp vấn đề về phương sai thay đổi.
4. Kết quả nghiên cứu
Sau khi kiểm tra, mô hình REM được xác định là phù hợp nhất. Tuy nhiên, kết quả kiểm định khuyết tật cho thấy mô hình REM tồn tại phương sai sai số thay đổi, do đó tác giả đã sử dụng mô hình hồi quy GLM để khắc phục và thu được kết quả như sau:
Bảng 2. Kết quả hồi quy mô hình
| OLS | FEM | REM | GLM | |
| C | 1,085282* | 1,227041* | 1,091072* | 1,085282* |
| DTI | -3,067509* | -1,247230 | -2,384044** | -3,067509* |
| DTC | 0,000239* | 0,000111 | 0,000251* | 0,000239* |
| LMA | 0,001505* | 0,000739 | 0,000334*** | 0,001505* |
| NDO | -0,197117** | -0,085809 | -0,110837*** | -0,197117* |
| NSD | 0,001180 | -0,009490 | -0,001620 | 0,001180 |
| Akaike info criterion | 4.225.349 | 3.256.231 | 2.752.728 | 4.226.483 |
| Hannan-Quinn criter, | 4.279.667 | 3.545.930 | 1.382.613 | 4.280.801 |
| Prob (LR-statistic) | (<0,0001) | (<0,0001) | (<0,0001) | (<0,0001) |
| R-squared | 0,591273 | 0,896696 | 0,337761 | 0,7202 |
| N | 128 | 128 | 128 | 128 |
| Lưu ý: Ký hiệu ***, **, * thể hiện mức ý nghĩa lần lượt là 1%, 5% và 10% | ||||
Kết quả hồi quy mô hình GLM cho thấy hệ số của các yếu tố như diện tích trồng chè (DTC), năng suất lao động (LMA) và nhiệt độ trung bình (NDO) đều có ý nghĩa thống kê và tác động đến sản lượng chè, với các hệ số dương cho DTC và LMA, và hệ số âm cho NDO. Tuy nhiên, chỉ số chuyển đổi số (DTI) có hệ số âm và có ý nghĩa thống kê trong mô hình GLM, phản ánh tác động tiêu cực đến sản lượng chè, trái ngược với kỳ vọng ban đầu. Điều này có thể cho thấy rằng chuyển đổi số chưa thể phát huy hiệu quả ngay lập tức hoặc cần thời gian để đạt được kết quả tích cực trong ngành chè. Hệ số của năng suất lao động (NSD) trong mô hình GLM không có ý nghĩa thống kê, điều này cho thấy rằng trong mẫu nghiên cứu, năng suất lao động chung của địa phương chưa thể hiện tác động rõ rệt đến sản lượng chè. Mô hình GLM cũng có chỉ số R-squared là 0,7202, cho thấy mức độ giải thích của mô hình khá tốt trong việc mô phỏng mối quan hệ giữa các yếu tố và sản lượng chè.
5. Kết luận
Nghiên cứu này cung cấp cái nhìn định lượng về tác động của chuyển đổi số đối với sản lượng chè tại Việt Nam, cho thấy chuyển đổi số có tác động chậm và cần thời gian để phát huy hiệu quả. Các hàm ý chính sách bao gồm việc thúc đẩy ứng dụng công nghệ số chuyên biệt cho ngành chè, như số hóa quản lý vùng nguyên liệu và dự báo thời tiết, cải thiện hạ tầng số và đào tạo kỹ năng số cho nông dân để rút ngắn độ trễ trong chuyển đổi số, và quy hoạch diện tích trồng chè theo hướng tập trung, kết hợp với nâng cao chất lượng sản phẩm để đạt được phát triển bền vững. Để sản lượng chè tăng trưởng bền vững, cần triển khai đồng bộ các giải pháp chuyển đổi số, thích ứng với biến đổi khí hậu và nâng cao năng lực sản xuất.
Tài liệu tham khảo:
Baumüller, H. (2018). The Little We Know: An Exploratory Literature Review on the Utility of Mobile Phone-Enabled Services for Smallholder Farmers. Journal of International Development, Vol.30, 134-154. DOI: https://doi.org/10.1002/jid.3314
Cobb, C. W., & Douglas, P. H. (1928). A theory of production. American Economic Review, Vol 18(1), 139–165.
Gherțescu, C., Manta, A. G., & Bădîrcea, R. M. (2025). Smart Agriculture and Technological Innovation: A Bibliometric Perspective on Digital Transformation and Sustainability. Agriculture, Vol 15(13). DOI: https://doi.org/10.3390/agriculture15131388
Gibson, R. B. (2001). Specification of sustainability-based environmental assessment decision criteria and implications for determining significance in environmental assessment. Ottawa: Canadian Environmental Assessment Agency.
Nafula, P.K., E. Ndiao, & D. Lucretiu (2023). How digitalization has revolutionized tea farming in Kenya: A case of Kericho County. Research Journal of Agricultural Science, Vol 55(4), 176–84.
Rohit Sharma, Sachin S. Kamble, Angappa Gunasekaran, Vikas Kumar, Anil Kumar (2020). A systematic literature review on machine learning applications for sustainable agriculture supply chain performance. Computers & Operations Research, Vol 119. DOI: https://doi.org/10.1016/j.cor.2020.104926
Solow, R.M. (1957). Technical Change and the Aggregate Production Function. Review of Economics and Statistics, Vol. 39, 312-320. DOI: https://doi.org/10.2307/1926047
