Số hóa và tăng trưởng vùng tại Việt Nam qua khung phân tích trung gian tuần tự

Phạm Thị Phương Thảo

Trường Đại học Tài chính - Marketing

Email: [email protected]

Tóm tắt

Nghiên cứu xem xét cách số hóa ảnh hưởng đến vốn nhân lực, năng suất, thu nhập và kết quả kinh tế vùng tại Việt Nam. Kết quả cho thấy, Số hóa thúc đẩy năng suất và thu nhập, nhưng tác động trực tiếp lên Tổng sản phẩm trên địa bàn (GRDP) là âm, gợi ý chi phí điều chỉnh ngắn hạn; tác động lên kết quả kinh tế chủ yếu gián tiếp, qua thu nhập, còn vốn nhân lực chỉ là trung gian hạn chế. Kết quả hàm ý cần đầu tư có trọng tâm vào hạ tầng số và phối hợp chính sách giáo dục, công nghệ, phát triển vùng.

Từ khóa: Số hóa, vốn nhân lực, tăng trưởng vùng, Việt Nam

Abstract

This study examines how digitalization affects human capital, productivity, income, and regional economic performance in Viet Nam. The results show that digitalization boosts productivity and income but has a negative direct effect on gross regional domestic product (GRDP), suggesting short-term adjustment costs. Its impact on economic performance is primarily indirect, operating through income, while human capital plays only a limited mediating role. These findings highlight the need for targeted investment in digital infrastructure and coordinated policies on education, technology, and regional development.

Keywords: Digitalization, human capital, regional growth, Viet Nam

GIỚI THIỆU

Số hóa là động lực trung tâm của chuyển đổi kinh tế nhưng tác động không đồng đều: gắn với cải thiện dài hạn về bền vững và kết quả kinh tế, song tác động ngắn hạn khác biệt giữa các bối cảnh (Haller và cộng sự, 2024; Wang và cộng sự, 2025) và ở cấp doanh nghiệp thường đi qua các kênh gián tiếp (Miranda và cộng sự, 2024).

Nhiều nghiên cứu ghi nhận số hóa nâng cao năng suất, nhất là ở nơi vốn nhân lực mạnh (Yu, 2022; Wang, Cen và Lin, 2023; Zhou và Wang, 2023; Xing và cộng sự, 2025). Về thu nhập, internet gắn với thu nhập lao động cao hơn nhưng phân bổ không đều (Hua và Zhang, 2023) và có thể gây mất việc làm (Roy, Sultana và Deb, 2026).

Tuy nhiên, các nghiên cứu này phần lớn xét từng quan hệ riêng lẻ, chưa mô hình hóa trọn chuỗi từ số hóa đến kết quả kinh tế và bằng chứng về sự không đồng nhất giữa các vùng trong một nước đang phát triển còn ít. Nghiên cứu này thực hiện liên kết số hóa với kết quả kinh tế qua vốn nhân lực, năng suất và thu nhập bằng mô hình phương trình cấu trúc (SEM) đa nhóm trên dữ liệu bảng cấp tỉnh của Việt Nam, nơi hạ tầng số mở rộng nhanh nhưng năng suất và thu nhập vẫn chênh lệch lớn giữa các tỉnh.

TỔNG QUAN TÀI LIỆU VÀ GIẢ THUYẾT

Góc nhìn ICT4D về số hóa

Truyền thống công nghệ thông tin và truyền thông vì phát triển (ICT4D) xem số hóa là cấu trúc đa chiều gồm hạ tầng, thể chế và năng lực số (Heeks, 2017), nên tác động không đồng nhất giữa các vùng: nơi hạ tầng và thể chế mạnh hơn tận dụng tốt hơn (Salemink, Townsend và Chapman, 2025), còn lợi ích tùy năng lực hấp thụ và mức độ trưởng thành của hệ thống đổi mới (Liu và cộng sự, 2024; Zhou và Wang, 2023; Wang và Cen, 2024; Wang và cộng sự, 2025). ICT4D nhận diện 4 con đường: tiếp cận thông tin hình thành vốn nhân lực; công cụ số giảm chi phí giao dịch, cải thiện năng suất (Yu, 2022; Zhou và Wang, 2023); nền tảng số mở thị trường và việc làm, tạo thu nhập, dù thiên về nhóm kỹ năng cao (Hua và Zhang, 2023); và chuyển đổi cơ cấu, kết quả kinh tế dài hạn, thường gián tiếp qua các kênh trên (Miranda và cộng sự, 2024). Tác động được kỳ vọng rõ hơn ở vùng có năng lực hấp thụ mạnh. Do đó, nhóm tác giả đề xuất các giả thuyết sau:

H1: Số hóa tác động tích cực đến Vốn nhân lực.

H2: Số hóa tác động tích cực đến Năng suất.

H3: Số hóa tác động tích cực đến Thu nhập.

H4: Số hóa tác động tích cực đến Kết quả kinh tế.

Vốn nhân lực và năng lực hấp thụ

Lý thuyết vốn nhân lực coi giáo dục, kỹ năng và tri thức là tài sản sản xuất nền tảng (Becker, 1964), còn năng lực hấp thụ là khả năng tiếp thu và áp dụng tri thức mới (Cohen và Levinthal, 1990). Công nghệ số bổ trợ vốn nhân lực: thành quả năng suất và thu nhập tập trung ở nhóm có kỹ năng đủ cao (Flaminiano, Francisco và Alcantara, 2022; Zhao, Jiao và Wu, 2022).

Vốn nhân lực vì vậy vừa tác động trực tiếp đến kết quả kinh tế, vừa trung gian hóa tác động của số hóa; vùng yếu về vốn nhân lực dễ chịu bất bình đẳng dai dẳng (Liu và cộng sự, 2024). Do đó, nhóm tác giả đề xuất các giả thuyết sau:

H5: Vốn nhân lực tác động tích cực đến Năng suất.

H6: Vốn nhân lực tác động tích cực đến Thu nhập.

H7: Vốn nhân lực tác động tích cực đến Kết quả kinh tế.

Lý thuyết tăng trưởng nội sinh

Lý thuyết tăng trưởng nội sinh nhấn mạnh đổi mới công nghệ, tích lũy tri thức và vốn nhân lực là động lực tăng trưởng bền vững (Lucas, 1988; Romer, 1990); số hóa có thể xem như vốn số tạo lan tỏa tri thức. Số hóa tăng cường vốn nhân lực, năng suất phản ánh thành quả hiệu quả, thu nhập thể hiện phân phối thành quả và kết quả kinh tế là kết quả tích lũy.

Vốn số đóng góp vào tăng trưởng chủ yếu qua năng suất và lan tỏa đổi mới chứ không qua sản lượng tức thời (Ziesemer, 2025; Wu và Zhou, 2025), nên năng suất và thu nhập là các kênh truyền dẫn quan trọng. Do đó, nhóm tác giả đề xuất các giả thuyết sau:

H8: Năng suất tác động tích cực đến Thu nhập.

H9: Năng suất tác động tích cực đến Kết quả kinh tế.

H10: Thu nhập tác động tích cực đến Kết quả kinh tế.

Cơ chế phát triển đa bước tích hợp

Các tài liệu trên thường xét từng quan hệ tách biệt, nên chuỗi cơ chế phụ thuộc lẫn nhau còn ít được hiểu. Kết hợp 3 góc nhìn, số hóa là lực lượng tạo năng lực chứ không phải đầu vào sản xuất trực tiếp (Hình 1), nên hiệu ứng gián tiếp có thể quan trọng ngay cả khi tác động trực tiếp hạn chế (Miranda và cộng sự, 2024). Giả thuyết trung gian được đề xuất như sau:

H11: Số hóa có hiệu ứng gián tiếp lên Kết quả kinh tế thông qua Vốn nhân lực, Năng suất và Thu nhập.

Mô hình nghiên cứu

Trên cơ sở các giả thuyết đưa ra, nhóm tác giả đề xuất mô hình nghiên cứu như Hình 1.

Hình 1: Mô hình khái niệm

Nguồn: Tác giả đề xuất

PHƯƠNG PHÁP NGHIÊN CỨU

Dữ liệu và biến số

Nghiên cứu dùng bảng cân bằng cấp tỉnh của Việt Nam giai đoạn 2018-2024 (490 quan sát) từ Cục Thống kê (NSO), thuộc 6 vùng kinh tế - xã hội (Hình 2) gồm: Đồng bằng sông Hồng (RRD) và Đông Nam Bộ (SE) phát triển nhất; Trung du và miền núi phía Bắc (NMMR) và Tây Nguyên (CH) tụt hậu; Bắc Trung Bộ và Duyên hải Nam Trung Bộ (NCSCC) cùng Đồng bằng sông Cửu Long (MRD) ở mức trung gian.

Số hóa được đo bằng tỷ lệ sử dụng internet và tỷ lệ hộ gia đình tiếp cận điện, tức điều kiện thúc đẩy tiềm ẩn chứ không phải yếu tố sản xuất trực tiếp. Vốn nhân lực gồm tỷ lệ hoàn thành trung học phổ thông và tuổi thọ trung bình khi sinh. Năng suất là tổng sản phẩm trên địa bàn (GRDP) bình quân đầu người, thu nhập là thu nhập bình quân mỗi lao động, kết quả kinh tế là tổng GRDP theo giá hiện hành; các biến kinh tế lấy logarit. Biến kiểm soát gồm mật độ dân số và vùng. Các thước đo không tách riêng được năng suất nhân tố tổng hợp.

Chiến lược đo lường

Chỉ số tổng hợp của số hóa và vốn nhân lực được xây dựng bằng phân tích thành phần chính (PCA) để trích xuất biến thiên chung và tránh áp đặt trọng số bằng nhau (Mazziotta và Pareto, 2024; Cannavale, Claudio và Koroleva, 2025). Do chỉ có 2 chỉ báo mỗi cấu trúc, chỉ số số hóa phản ánh mức sẵn sàng hạ tầng chứ không phải ứng dụng nâng cao; các chỉ số tương quan rất cao với trung bình giản đơn.

Đặc tả mô hình

SEM đa nhóm mô hình hóa đồng thời hệ thống quan hệ có nền tảng lý thuyết gồm các đường dẫn trực tiếp và gián tiếp, không nhằm xác lập nhân quả chặt chẽ. Mô hình đệ quy: số hóa là thượng nguồn tác động đến vốn nhân lực, năng suất và thu nhập, và các biến này liên hệ với kết quả kinh tế.

Các đường dẫn được ước lượng riêng cho từng vùng bằng hợp lý cực đại với sai số chuẩn vững trong Stata; khác biệt giữa vùng được kiểm định bằng Wald và chênh lệch chi bình phương. Do mô hình gần bão hòa, đánh giá dựa trên ý nghĩa thống kê, độ ổn định và tính nhất quán lý thuyết của các đường dẫn thay vì chỉ số phù hợp toàn cục.

Kiểm định độ vững

Kết quả SEM được bổ sung bằng hồi quy hiệu ứng cố định (FE) theo tỉnh và năm, song FE chưa giải quyết triệt để nội sinh hay nhân quả ngược chiều.

Bốn phương trình FE phản chiếu cấu trúc tuần tự của SEM, với hiệu ứng cố định theo tỉnh ( ), theo năm ( ), nắm bắt các cú sốc chung như đại dịch COVID-19 (Allison, 2009; Angrist và Pischke, 2009; Wooldridge, 2010):

(I) Vốn nhân lực:

(II) Năng suất:

(III) Thu nhập:

(IV) Kết quả kinh tế vùng:

Trong đó: digit là chỉ số số hóa, humancap là chỉ số vốn nhân lực, density là mật độ dân số; prod, income và grdp lần lượt là năng suất, thu nhập và GRDP; ε_it là sai số. Mỗi phương trình kiểm định các giả thuyết ứng với đường dẫn của SEM (Hình 1): phương trình (I) kiểm định H1; (II) kiểm định H2 và H5; (III) kiểm định H3, H6 và H8; (IV) kiểm định H4, H7, H9 và H10. H11 là hiệu ứng gián tiếp nên chỉ ước lượng trong SEM. Sai số chuẩn được gộp nhóm theo vùng. FE chỉ khai thác biến thiên nội bộ từng tỉnh nên thận trọng hơn SEM, song chưa giải quyết triệt để nội sinh hay nhân quả ngược chiều.

PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ

Phân tích thành phần chính (PCA) và thống kê mô tả

Kết quả phân tích PCA cho thấy, thành phần chính thứ nhất giải thích 71,85% phương sai của số hóa (giá trị riêng 1,44) và 57,83% của vốn nhân lực (giá trị riêng 1,16), với hệ số tải bằng nhau (0,707) ở mỗi cặp chỉ báo.

Hình 2: Giá trị trung bình của các biến chính giữa các vùng

Nguồn: Tính toán của tác giả

Hình 2 cho thấy, Đồng bằng sông Hồng (RRD) và Đông Nam Bộ (SE) có giá trị trung bình cao nhất ở mọi biến; Trung du và miền núi phía Bắc (NMMR) và Tây Nguyên (CH) thấp rõ rệt; Duyên hải Nam Trung Bộ (NCSCC) và Đồng bằng sông Cửu Long (MRD) ở mức trung gian. Thứ bậc này hầu như không đổi trong giai đoạn 2018-2024; mật độ dân số cao nhất ở RRD và SE nên được kiểm soát.

Tương quan và đa cộng tuyến

Kết quả phân tích tương quan cho thấy, mọi biến chính tương quan dương và có ý nghĩa (p < 0,001), như: Số hóa với năng suất (r = 0,66), Thu nhập (r = 0,83) và GRDP (r = 0,45). Hệ số phóng đại phương sai (VIF) từ 1,02 đến 5,37 (trung bình 2,59) vẫn trong ngưỡng chấp nhận được (O’Brien, 2007), nên đa cộng tuyến không phải mối lo then chốt.

Kết quả SEM

Mô hình dùng sai số chuẩn vững trong khung đường dẫn đệ quy. Do gần bão hòa, chỉ số SRMR = 0,000 và không được diễn giải như bằng chứng phù hợp hoàn hảo (Bollen, 1989; Kline, 2023); phân tích tập trung vào độ lớn, chiều hướng và ý nghĩa của hệ số. Hệ số xác định (CD) là 0,778.

Kiểm định giả thuyết

Bảng 1 trình bày kết quả SEM toàn mẫu. Kết quả cho thấy, số hóa tác động tích cực đến vốn nhân lực (β = 0,34), năng suất (β = 0,54) và thu nhập (β = 0,50), đều p < 0,01, ủng hộ H1-H3. Năng suất đóng góp vào Thu nhập (β = 0,39) và Thu nhập thúc đẩy Kết quả kinh tế (β = 0,65), đều p < 0,01, ủng hộ H8 và H10.

Bảng 1: Kết quả SEM (toàn mẫu) và FE

Giả thuyết	Quan hệ	SEM	FE	Nhất quán
H1	Số hóa → Vốn nhân lực	0,34 (0,03)***	0,15 (0,05)***	Có
H2	Số hóa → Năng suất	0,54 (0,04)***	0,03 (0,01)**	Có
H3	Số hóa → Thu nhập	0,50 (0,03)***	0,01 (0,01)	Một phần
H4	Số hóa → Kết quả kinh tế	-0,16 (0,05)***	0,02 (0,01)	Có
H5	Vốn nhân lực → Năng suất	0,05 (0,03)	0,00 (0,01)	Một phần
H6	Vốn nhân lực → Thu nhập	0,07 (0,02)***	-0,01 (0,01)*	Không
H7	Vốn nhân lực → Kết quả kinh tế	0,08 (0,03)**	0,00 (0,01)	Một phần
H8	Năng suất → Thu nhập	0,39 (0,03)***	0,60 (0,07)***	Có
H9	Năng suất → Kết quả kinh tế	-0,01 (0,04)	0,24 (0,10)**	Không
H10	Thu nhập → Kết quả kinh tế	0,65 (0,06)***	0,09 (0,10)	Không
H11	Đường trung gian đầy đủ	0,54 (0,06)***	–	–

Ghi chú: Hệ số (sai số chuẩn). * p < 0,10; ** p < 0,05; *** p < 0,01. FE: hiệu ứng cố định theo tỉnh và năm.

Nguồn: Tính toán của tác giả

Ngược lại, tác động trực tiếp của Số hóa lên Kết quả kinh tế là âm (β = -0,16; p < 0,01), bác bỏ H4; năng suất không có tác động trực tiếp đáng kể (β = -0,01), không ủng hộ H9. Vốn nhân lực không ảnh hưởng đáng kể đến Năng suất (β = 0,05; bác bỏ H5) nhưng dương với Thu nhập (β = 0,07; p < 0,01) và Kết quả kinh tế (β = 0,08; p < 0,05), ủng hộ H6 và H7. Đường trung gian đầy đủ từ Số hóa đến Kết quả kinh tế dương và có ý nghĩa (β = 0,54; p < 0,01), ủng hộ H11: tác động của số hóa chủ yếu đi qua các kênh gián tiếp.

Tính không đồng nhất giữa các vùng

Dữ liệu (Bảng 2) cho thấy, số hóa tác động tích cực đến Năng suất ở mọi vùng (H2) và đến Thu nhập ở mọi vùng trừ Tây Nguyên (CH) (H3); Năng suất đóng góp vào thu nhập ở mọi vùng trừ Đông Nam Bộ (SE) (H8). Tác động trực tiếp của Số hóa lên Kết quả kinh tế yếu hoặc âm ở mọi vùng (H4).

Bảng 2: Kiểm tra tính không đồng nhất của SEM

Giả thuyết	Quan hệ	Vùng tác động dương mạnh (+)	Vùng yếu/không có ý nghĩa
H1	Số hóa → Vốn nhân lực	NMMR, CH	RRD, SE, MRD
H2	Số hóa → Năng suất	Tất cả các vùng	–
H3	Số hóa → Thu nhập	Tất cả các vùng, trừ CH	CH
H4	Số hóa → Kết quả kinh tế	–	Tất cả các vùng
H5	Vốn nhân lực → Năng suất	CH, SE	NMMR, NCSCC, MRD
H6	Vốn nhân lực → Thu nhập	–	Tất cả các vùng
H7	Vốn nhân lực → Kết quả kinh tế	NCSCC	Tất cả các vùng, trừ NCSCC
H8	Năng suất → Thu nhập	Tất cả các vùng, trừ SE	SE
H9	Năng suất → Kết quả kinh tế	RRD	Tất cả các vùng, trừ RRD
H10	Thu nhập → Kết quả kinh tế	RRD, NMMR, NCSCC, MRD	CH, SE
H11	Toàn bộ con đường trung gian	RRD, NMMR, MRD	NCSCC, CH, SE

Nguồn: Tính toán của tác giả

Kết quả cũng cho thấy, vai trò của Vốn nhân lực không đồng nhất: Số hóa tác động tích cực đến Vốn nhân lực ở Trung du và miền núi phía Bắc (NMMR) và CH nhưng âm ở Bắc Trung Bộ và Duyên hải Nam Trung Bộ (NCSCC); Vốn nhân lực tác động dương đến Năng suất ở CH và Đông Nam Bộ (SE) nhưng âm ở Đồng bằng sông Hồng (RRD) và chỉ tác động dương lên Kết quả kinh tế ở NCSCC. Đường trung gian đầy đủ (H11) mạnh ở RRD, NMMR và MRD, yếu hoặc không có ý nghĩa ở NCSCC, CH và SE, nên hiệu quả truyền dẫn từ số hóa đến tăng trưởng phụ thuộc điều kiện vùng.

Kiểm định độ vững bằng hiệu ứng cố định

SEM không kiểm soát tường minh các đặc điểm không quan sát được, bất biến theo thời gian của từng tỉnh. FE chỉ khai thác biến thiên nội bộ từng tỉnh nên thận trọng hơn và cho thấy 2 phương pháp chỉ nhất quán một phần.

Cột FE của Bảng 1 trình bày kết quả ước lượng bốn phương trình. Cụ thể: Số hóa tiếp tục tác động dương và có ý nghĩa lên Vốn nhân lực (β = 0,15; p < 0,01) và Năng suất (β = 0,03; p < 0,05), ủng hộ H1 và H2; Năng suất vẫn dự báo mạnh Thu nhập (β = 0,60; p < 0,01; H8). Tác động của Số hóa lên Thu nhập không còn ý nghĩa (β = 0,01; H3); tác động trực tiếp lên Kết quả kinh tế vẫn không có ý nghĩa (β = 0,02), nhất quán với việc bác bỏ H4.

Vốn nhân lực không tác động đáng kể lên Năng suất (β = 0,00; H5) hoặc Kết quả kinh tế (β = 0,00; H7), còn quan hệ với Thu nhập âm và chỉ có ý nghĩa ở mức 10% (β = −0,01; H6), trái dấu với SEM. Năng suất trở thành yếu tố thúc đẩy đáng kể Kết quả kinh tế (β = 0,24; p < 0,05; H9), còn tác động của Thu nhập, Vốn nhân lực mạnh trong SEM (β = 0,65), không còn ý nghĩa (β = 0,09; H10). Như vậy, quan hệ từ Số hóa đến Vốn nhân lực và Năng suất; và từ Năng suất đến Thu nhập, ổn định giữa 2 phương pháp; các quan hệ còn lại nhạy hơn với cách đặc tả.

THẢO LUẬN

Thứ nhất, Số hóa có tác động trực tiếp âm lên Kết quả kinh tế dù tác động tích cực mạnh lên Vốn nhân lực, Năng suất và Thu nhập, phù hợp với bằng chứng rằng chuyển đổi số ở các nền kinh tế mới nổi thường gây chi phí điều chỉnh ngắn hạn (Niebel, 2018; Kim và Loayza, 2019; Vu, Hanafizadeh và Bohlin, 2020). Số hóa dường như là chất xúc tác cho chuyển đổi cơ cấu hơn là động cơ tăng trưởng tức thời: trong SEM, hiệu ứng gián tiếp lên kết quả kinh tế vượt hiệu ứng trực tiếp.

Thứ hai, Vốn nhân lực không tác động trực tiếp đáng kể lên Năng suất, gợi ý sự lệch pha giữa kỹ năng và nhu cầu của công nghệ, thị trường lao động (Deichmann, Goyal và Mishra, 2016; Hjort và Poulsen, 2019). Tác động của Vốn nhân lực lên Thu nhập không nhất quán giữa các vùng và đảo dấu trong FE; kỹ năng số và kỹ năng bổ trợ đặc thù có thể quan trọng hơn (Goldfarb và Tucker, 2019).

Thứ ba, năng suất không trực tiếp chuyển hóa thành kết quả kinh tế cao hơn mà tác động gián tiếp qua thu nhập, nhất quán với lý thuyết tăng trưởng nội sinh (Jorgenson và Vu, 2016; Aghion, Antonin và Bunel, 2021). Tuy nhiên, thu nhập chỉ có ý nghĩa ở 4 trong 6 vùng và không còn ý nghĩa trong FE, nên vai trò của nó phụ thuộc bối cảnh.

Thứ tư, hiệu quả chuyển hóa số hóa thành kết quả kinh tế phụ thuộc điều kiện vùng: đường trung gian đầy đủ mạnh ở RRD, NMMR và MRD, yếu ở NCSCC, CH và SE. Công nghệ số có thể giảm rào cản thông tin (Hilbert, 2016), nhưng tác động được trung gian bởi cấu trúc kinh tế và năng lực địa phương; trọng tâm nên chuyển từ số lượng giáo dục sang mức độ phù hợp của kỹ năng.

KẾT LUẬN VÀ ĐÓNG GÓP CỦA NGHIÊN CỨU

Kết quả nghiên cứu cho thấy, Số hóa tác động tích cực mạnh lên Vốn nhân lực, Năng suất và Thu nhập nhưng tác động trực tiếp lên Kết quả kinh tế là âm, gợi ý chi phí điều chỉnh ngắn hạn. Tác động kinh tế của Số hóa đi qua con đường tuần tự, trong đó Thu nhập là kênh chính trong SEM. Các cơ chế phụ thuộc bối cảnh: tác động nâng cao năng suất nhìn chung nhất quán, còn các quan hệ liên quan đến vốn nhân lực và kết quả kinh tế biến thiên giữa các vùng cả về độ lớn lẫn chiều hướng.

Đóng góp lý thuyết

- Nghiên cứu xem xét lại lý thuyết vốn nhân lực: trái với vai trò trung tâm trong hấp thụ công nghệ (Nelson và Phelps, 1966; Benhabib và Spiegel, 1994), vốn nhân lực nói chung không phải kênh chính của số hóa tới năng suất.

- Thành quả năng suất không tự động chuyển hóa thành sản lượng cao hơn, vang vọng nghịch lý năng suất ICT (Syverson, 2011), mà tác động gián tiếp qua thu nhập.

- Cường độ và chiều hướng của các quan hệ then chốt biến thiên giữa các vùng, nên lợi ích kinh tế của số hóa không đồng đều về cấu trúc (Hilbert, 2016).

- Thu nhập là kênh truyền dẫn từ vi mô đến vĩ mô (Dollar và Kraay, 2002).

- Việc tích hợp vốn nhân lực, tăng trưởng nội sinh và ICT4D cho thấy, quan hệ giữa số hóa và tăng trưởng mang tính điều kiện chứ không tuyến tính.

Hàm ý quản trị

Một là, cần chiến lược số phân biệt theo vùng: NMMR và MRD ưu tiên hạ tầng nền tảng và kỹ năng số vì tác động mạnh; CH và SE cần cải thiện chất lượng thể chế, năng lực lao động và ứng dụng số ở doanh nghiệp vì tác động yếu hơn; RRD và một phần NCSCC, nơi tác động trực tiếp âm hoặc không có ý nghĩa, nên chuyển sang hiệu quả, đổi mới và tích hợp số nâng cao.

Hai là, vì năng suất là cơ chế trung gian trung tâm, cần giúp doanh nghiệp nhỏ và vừa áp dụng công nghệ số và tham gia chuỗi cung ứng số.

Ba là, cần cải thiện khâu truyền dẫn từ năng suất đến thu nhập bằng dịch vụ chính phủ số, dữ liệu mở và minh bạch tiền lương.

Bốn là, vai trò yếu của vốn nhân lực cho thấy chính sách giáo dục chưa đủ; cần ưu tiên kỹ năng số và kỹ năng gắn với thị trường lao động qua học tập suốt đời, hợp tác nhà trường - doanh nghiệp và đào tạo lại.

Năm là, cần phối hợp chính sách giáo dục, chuyển đổi số và phát triển vùng, với can thiệp có trọng tâm cho vùng yếu thế.

(*) Lời cảm ơn: Nghiên cứu này được tài trợ bởi Trường Đại học Tài chính - Marketing.

Tài liệu tham khảo:

1. Aghion, P., Antonin, C., and Bunel, S. (2021). The power of creative destruction: Economic upheaval and the wealth of nations. Harvard University Press.

2. Allison, P. D. (2009). Fixed effects regression models. SAGE Publications.

3. Angrist, J. D., and Pischke, J.-S. (2009). Mostly harmless econometrics: An empiricist’s companion. Princeton University Press.

4. Becker, G. S. (1964). Human capital theory. Columbia, New York, 1964.

5. Benhabib, J., and Spiegel, M. M. (1994). The role of human capital in economic development evidence from aggregate cross-country data. Journal of Monetary Economics, 34(2), 143-173.

6. Bollen, K. A. (1989). Structural equations with latent variables. Wiley-Interscience.

7. Cannavale, C., Claudio, L., and Koroleva, D. (2025). Digitalisation and artificial intelligence development. A cross-country analysis. European Journal of Innovation Management, 28(11), 112-130.

8. Cohen, W. M., and Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128-152.

9. Deichmann, U., Goyal, A., and Mishra, D. (2016). Will digital technologies transform agriculture in developing countries? Agricultural Economics, 47(S1), 21-33. https://doi.org/10.1111/agec.12300

10. Dollar, D., and Kraay, A. (2002). Growth is good for the poor. Journal of Economic Growth, 7(3), 195-225. https://doi.org/10.1023/A:1020139631000

11. Flaminiano, J. P. C., Francisco, J. P. S., and Alcantara, S. T. S. (2022). Information technology as a catalyst to the effects of education on labor productivity. Information Technology for Development, 28(4), 797-815. https://doi.org/10.1080/02681102.2021.2008851

12. Goldfarb, A., and Tucker, C. (2019). Digital economics. Journal of Economic Literature, 57(1), 3-43. https://doi.org/10.1257/jel.20171452

13. Haller, A.-P., Ștefănică, M., Butnaru, G. I., and Butnaru, R. C. (2024). Climate neutrality through economic growth, digitalisation, eco-innovation and renewable energy in European countries. Kybernetes, 53(4), 1250-1280. https://doi.org/10.1108/K-09-2022-1254

14. Heeks, R. (2017). Information and communication technology for development (ICT4D). Routledge.

15. Hilbert, M. (2016). The bad news is that the digital access divide is here to stay: Domestically installed bandwidths among 172 countries for 1986-2014. Telecommunications Policy, 40(6), 567-581. https://doi.org/10.1016/j.telpol.2016.01.006

16. Hjort, J., and Poulsen, J. (2019). The arrival of fast internet and employment in Africa. American Economic Review, 109(3), 1032-1079. https://doi.org/10.1257/aer.20161385

17. Hua, Y., and Zhang, H. (2023). Internet penetration and income inequality: Evidence from the Chinese young labor market. Applied Economics, 55(54), 6444-6458. https://doi.org/10.1080/00036846.2022.2156471

18. Jorgenson, D. W., and Vu, K. M. (2016). The ICT revolution, world economic growth, and policy issues. Telecommunications Policy, 40(5), 383-397. https://doi.org/10.1016/j.telpol.2016.01.002

19. Kim, Y. E., and Loayza, N. (2019). Productivity growth: Patterns and determinants across the world. World Bank Policy Research Working Paper, (8852).

20. Kline, R. B. (2023). Principles and practice of structural equation modeling. Guilford Publications.

21. Liu, H., Wang, X., Wang, Z., and Cheng, Y. (2024). Does digitalization mitigate regional inequalities? Evidence from China. Geography and Sustainability, 5(1), 52-63. https://doi.org/10.1016/j.geosus.2023.09.007

22. Lucas, R. E. (1988). On the mechanics of economic development. Journal of Monetary Economics, 22(1), 3-42. https://doi.org/10.1016/0304-3932(88)90168-7

23. Mazziotta, M., and Pareto, A. (2024). Principal component analysis for constructing socio-economic composite indicators: Theoretical and empirical considerations. SN Social Sciences, 4(6), 114.

24. Miranda, L. F., Saunila, M., Cruz-Cázares, C., and Ukko, J. (2024). Business digitalisation as a driver of environmental and economic sustainability in micro, small, and medium-sized enterprises. Sustainable Development, 32(6), 7036-7050.

25. Nelson, R. R., and Phelps, E. S. (1966). Investment in humans, technological diffusion, and economic growth. The American Economic Review, 56(1/2), 69-75. http://www.jstor.org/stable/1821269

26. Niebel, T. (2018). ICT and economic growth: Comparing developing, emerging and developed countries. World Development, 104, 197-211. https://doi.org/10.1016/j.worlddev.2017.11.024

27. O’Brien, R. M. (2007). A caution regarding rules of thumb for variance inflation factors. Quality and Quantity, 41(5), 673-690. https://doi.org/10.1007/s11135-006-9018-6

28. Romer, P. M. (1990). Endogenous technological change. Journal of Political Economy, 98(5, Part 2), S71-S102. https://doi.org/10.1086/261725

29. Roy, A., Sultana, M., and Deb, P. (2026). Effect of internet penetration on ICT export, economy, and employment in Bangladesh: Evidence from vector error correction and local projection. The Journal of International Trade and Economic Development, 35(1), 229-251. https://doi.org/10.1080/09638199.2024.2428183

30. Salemink, K., Townsend, L., and Chapman, P. (2025). The remapping of rural digitalisation: A just-rural narrative review. Journal of Rural Studies, 113, 103499. https://doi.org/10.1016/j.jrurstud.2024.103499

31. Syverson, C. (2011). What determines productivity? Journal of Economic Literature, 49(2), 326-365.

32. Vu, K., Hanafizadeh, P., and Bohlin, E. (2020). ICT as a driver of economic growth: A survey of the literature and directions for future research. Telecommunications Policy, 44(2), 101922. https://doi.org/10.1016/j.telpol.2020.101922

33. Wang, P., and Cen, C. (2024). Does digital economy development promote innovation efficiency? A spatial econometric approach for Chinese regions. Technology Analysis and Strategic Management, 36(5), 931-945. https://doi.org/10.1080/09537325.2022.2065980

34. Wang, P., Cen, C., and Lin, X. (2023). Internet development and the spatial optimization of regional productivity: Evidence from China. Growth and Change, 54(4), 912-939. https://doi.org/10.1111/grow.12680

35. Wang, X., Wang, K., Xu, B., and Jin, W. (2025). Digitalisation and technological innovation: Panaceas for sustainability? International Journal of Production Research, 63(16), 6071-6088.

36. Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data. MIT Press.

37. Wu, S., and Zhou, X. (2025). How does digital economy drive China’s industrial structure upgrading? A multi-sector endogenous growth model. Sage Open, 15(4), 21582440251391000.

38. Xing, M., Gong, C., Moon, G.-H., and Ge, X. (2025). Digital economy, dual innovation capability and enterprise labor productivity. International Review of Financial Analysis, 101, 104005.

39. Yu, B. (2022). The impact of the internet on industrial green productivity: Evidence from China. Technological Forecasting and Social Change, 177, 121527.

40. Zhao, X., Jiao, Y., and Wu, D. (2022). The impact of Internet use on labor wage distortions: Empirical evidence from China. Sage Open, 12(2), 21582440221099290.

41. Zhou, D., and Wang, W. (2023). Can internet adoption promote the productivity of firms in China: Evidence from a longitudinal study. China Agricultural Economic Review, 15(4), 795-813.

42. Ziesemer, T. H. W. (2025). Evidence on an endogenous growth model with public RandD. Economics of Innovation and New Technology, 34(4), 536-572.

Ngày nhận bài: 6/9/2026; Ngày hoàn thiện biên tập: 15/10/2026; Ngày duyệt đăng: 27/10/2026