Impact of human intelligence on corruption in ASEAN countries
Journal of Finance – Marketing; Vol. 66, No. 6; 2021
ISSN: 1859-3690
ISSN: 1859-3690
T ẠP CH Í
NGHIÊN CỨU
TÀI CHÍNH - MARKETING
T
R Ư Ờ N G Đ Ạ I H Ọ C T À I C H Í N H – M A R K E T I N G
Số 66 - Tháng 12 Năm 2021
JOURNAL OF FINANCE - MARKETING
Journal of Finance – Marketing
IMPACT OF HUMAN INTELLIGENCE ON CORRUPTION IN ASEAN COUNTRIES
Nguyen Van Diep1* & Bui Xuan Nam2
1Ho Chi Minh City Open University
2College of Foreign Economic Relations
ARTICLE INFO
ABSTRACT
DOI:
ispaperaimstoanalyzetheinfluenceofhumanintelligenceoncorruption
in ASEAN countries. We use a dataset of 10 ASEAN countries from 1995
to 2019 to find empirical evidence. e Bayesian linear regression method
analysis results have shown a non-linear relationship between intelligence
and corruption. Specifically, the paper results provide strong evidence
supporting an inverted U-shaped relationship between intelligence and
corruption in ASEAN countries. e findings remained unchanged as the
authors replaced the measure of intelligence with another data source.
From a policy perspective, the paper’s results show that ASEAN countries
with over an intelligent turning point need to encourage investment in
education and people skills to have lower levels of corruption.
10.52932/jfm.vi66.218
Received:
August 23, 2021
Accepted:
October 17, 2021
Published:
December 25, 2021
Keywords:
ASEAN; Bayesian
regression;
Corruption; Human
intelligence.
*Corresponding author:
Email: [email protected]
1
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
ISSN: 1859-3690
T ẠP CH Í
NGHIÊN CỨU
TÀI CHÍNH - MARKETING
T
R Ư Ờ N G Đ Ạ I H Ọ C T À I C H Í N H – M A R K E T I N G
Số 66 - Tháng 12 Năm 2021
JOURNAL OF FINANCE - MARKETING
Tạp chí Nghiên cứu Tài chính – Marketing
ẢNH HƯỞNG CỦA TRÍ TUỆ THÔNG MINH CỦA CON NGƯỜI
ĐẾN THAM NHŨNG TẠI CÁC NƯỚC ASEAN
Nguyễn Văn Điệp1*, Bùi Xuân Nam2
1Trường Đại học Mở ành phố Hồ Chí Minh
2Trường Cao đẳng Kinh tế Đối ngoại
THÔNG TIN
TÓM TẮT
DOI:
Bài viết này nhằm phân tích ảnh hưởng của trí tuệ thông minh của con
người đến tham nhũng ở các nước ASEAN. Nhóm tác giả sử dụng bộ dữ
liệu của 10 nước ASEAN trong giai đoạn từ 1995 đến 2019 để tìm kiếm các
bằng chứng thực nghiệm. Kết quả phân tích bằng phương pháp hồi quy
tuyến tính Bayes trong trường hợp không có kiểm soát và có kiểm soát các
yếu tố khác đã cho thấy có mối quan hệ phi tuyến giữa trí tuệ thông minh
và tham nhũng. Cụ thể, kết quả của bài viết đã cung cấp bằng chứng mạnh
mẽ ủng hộ mối quan hệ hình chữ U ngược giữa trí tuệ thông minh và tham
nhũng tại các nước ASEAN. Phát hiện vẫn không thay đổi khi nhóm tác
giả thay thế cách đo lường trí tuệ thông minh bằng nguồn dữ liệu khác. Từ
góc độ chính sách, kết quả của bài viết cho thấy các nước ASEAN có trí tuệ
thông minh trên điểm ngoặt cần khuyến khích đầu tư vào giáo dục và kỹ
năng con người để có mức độ tham nhũng thấp hơn.
10.52932/jfm.vi66.218
Ngày nhận:
23/08/2021
Ngày nhận lại:
17/10/2021
Ngày đăng:
25/12/2021
Từ khóa:
ASEAN; Hồi quy
Bayes; am nhũng;
Trí tuệ thông minh
của con người.
1. Mở đầu
ị Phương Nga, 2015; Alfada, 2019; Nguyen &
Duong, 2021). Bên cạnh đó, tham nhũng còn
am nhũng đã và đang là mối đe dọa lớn
đối với sự phát triển kinh tế ở nhiều quốc
gia. Các bằng chứng thực nghiệm đã cho thấy
tham nhũng đã có tác động tiêu cực đến đầu
tư tư nhân, đầu tư trực tiếp nước ngoài và tăng
trưởng kinh tế (Seligson, 2002; Evrensel, 2010;
Farooq & cộng sự, 2013; Võ Văn Dứt & Nguyễn
gây ra bất ổn xã hội, làm biến dạng các dịch vụ
công và giảm tính bền vững của môi trường
(Damania & cộng sự, 2003; Richey, 2010;
Rustiarini, 2019). Lv (2017) cho rằng từ góc độ
phúc lợi xã hội, sự hiểu biết thấu đáo về các yếu
tố ảnh hưởng đến tham nhũng sẽ hỗ trợ các nhà
hoạch định chính sách đưa ra các chính sách
chống lại các hoạt động bất hợp pháp như tham
nhũng và qua đó, thúc đẩy tăng trưởng kinh tế.
Trên cơ sở này, nhiều nhà nghiên cứu đã tập
*Tác giả liên hệ:
Email: [email protected]
2
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
trung vào việc xem xét các yếu tố ảnh hưởng như Brunei và Singapore là hai nền kinh tế vượt
đến tham nhũng, chẳng hạn như chất lượng thể trội và có mức độ tham nhũng thấp, trong khi
chế chính trị, chính phủ điện tử, hội nhập kinh các nền kinh tế còn lại đang phải vật lộn với
tế toàn cầu, quy mô của nền kinh tế ngầm, chu vấn nạn tham nhũng nghiêm trọng và có thu
kỳ kinh doanh và lòng tin xã hội (Richey, 2010; nhập trung bình và thấp. ứ hai, bài viết này
Gokcekus & Suzuki, 2011; Uslaner, 2013; Vo là nghiên cứu đầu tiên sử dụng cách tiếp cận
& cộng sự, 2015; Basyal & cộng sự, 2018; Park thuộc trường phái Bayes với nhiều ưu điểm
& Kim, 2020; Anguera- Torrell, 2020; Nguyễn nổi trội hơn trường phái tần số để tìm kiếm
Văn Điệp & cộng sự, 2021).
bằng chứng thực nghiệm về ảnh hưởng của
trí tuệ thông minh đến tham nhũng ở ASEAN
(Kraemer, 2019; Wasserstein & cộng sự, 2019;
Trafimow, 2021). ứ ba, bài viết này góp phần
xác nhận lại mối quan hệ chữ U ngược giữa trí
tuệ thông minh của con người và tham nhũng,
kết quả này tương đồng với những phát hiện
trong nghiên cứu của Lv (2017).
Gần đây, nhiều nhà tâm lý học và kinh tế
học tập trung điều tra vai trò của trí tuệ thông
minh của con người và ảnh hưởng của nó đến
xã hội, kinh tế, môi trường và thể chế (Lynn &
Vanhanen, 2002; Jones, 2011; Kanyama, 2014;
Kodila-Tedika & Asongu, 2015; Lynn, 2018).
Các nghiên cứu trước đây cho thấy ảnh hưởng
của trí tuệ thông minh đến tham nhũng tại
Bài viết sẽ được bố cục như sau: Phần 2 trình
các nước (Potrafe, 2012; Kanyama, 2014; Lv, bày tóm tắt tổng quan tài liệu về mối quan hệ
2017). Cụ thể, Kanyama (2014) và Potrafe giữa trí tuệ thông minh và tham nhũng. Trong
(2012) cho thấy có mối quan hệ tích cực giữa trí phần 3, nhóm tác giả trình bày các nội dung
tuệ thông minh và việc kiểm soát tham nhũng. liên quan đến phương pháp, mô hình nghiên
Trong khi đó, Lv (2017) xác nhận có mối quan cứu và dữ liệu. Kết quả hồi quy Bayes và kiểm
hệ phi tuyến giữa trí tuệ thông minh và tham định tính vững được thảo luận trong phần 4.
nhũng. Tuy nhiên, các nghiên cứu này được Phần 5 là kết luận.
thực hiện dựa trên các kỹ thuật kinh tế lượng
2. Cơ sở lý thuyết và các nghiên cứu trước
thuộc trường phái tần số. Bên cạnh đó, các
nghiên cứu trước về mối quan hệ giữa trí tuệ
thông minh và tham nhũng dựa trên dữ liệu
xuyên quốc gia trên thế giới mà chưa có nghiên
cứu nào tập trung vào các thành viên của một
tổ chức khu vực như Hiệp hội các quốc gia
Đông Nam Á (ASEAN). ASEAN là một tổ chức
khu vực, liên Chính phủ ở Đông Nam Á, bao
gồm 10 nước: Singapore, Malaysia, Indonesia,
Brunei, Việt Nam, ái Lan, Philippines, Lào,
Myanmar và Campuchia. Mục đích của tổ chức
này là thúc đẩy hợp tác liên Chính phủ và tạo
điều kiện thuận lợi cho sự hội nhập kinh tế,
chính trị, an ninh, quân sự, giáo dục và văn hóa
xã hội giữa các thành viên và các nước khác ở
châu Á (Alfada, 2019). Việc phân tích mối quan
hệ giữa trí tuệ thông minh con người và tham
nhũng ở các nước thành viên ASEAN có ba đóng
góp. ứ nhất, việc nghiên cứu tham nhũng tại
các nước ASEAN có tính độc đáo, chẳng hạn
2.1. am nhũng và trí tuệ thông minh
Định nghĩa phổ biến nhất về tham nhũng “là
việc lạm dụng chức vụ công để theo đuổi lợi ích
cá nhân” (Torsello, 2013). Cụ thể, tham nhũng
đại diện cho một loại gian lận, bao gồm các
cách thức bất hợp pháp để đạt được lợi ích về
tài chính hoặc vật chất (chẳng hạn như tiền bạc,
thăng tiến, các tài sản khác như đất đai, nhà cửa,
ô tô, các chuyến nghỉ dưỡng,...) để tránh kiểm
soát tài chính. Torsello (2013) cho rằng tham
nhũng là một cơ chế xã hội làm cầu nối giữa
khu vực công và khu vực tư nhân. am nhũng
đòi hỏi một thỏa thuận không chính thức giữa
hai hoặc nhiều bên đại diện cho các thể chế hoặc
tổ chức khác nhau với các mục tiêu khác nhau
nên không thể phát triển một mô hình lý thuyết
toàn diện áp dụng cho tham nhũng (Torsello,
2013). Tuy nhiên, có ba cách tiếp cận về vấn đề
3
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
tham nhũng. ứ nhất là tập trung vào sự lựa quyết định khả năng học tập và trình độ học
chọn hợp lý của các cá nhân. eo đó, mỗi cá tập của một cá nhân (Kyllonen & Tirre, 1988).
nhân sẽ theo đuổi lợi ích cá nhân của mình nếu
được phép. am nhũng sau đó là cơ hội để đạt
2.2. Khung lý thuyết
Lý thuyết vốn con người (human capital
theory) cho rằng giáo dục và hệ thống y tế có
vai trò quan trọng trong nền kinh tế và đây là
những kênh hiệu quả để thúc đẩy tăng trưởng.
Lý thuyết này giải thích lợi ích của quá trình
tích lũy cho giáo dục và đào tạo như một hình
thức đầu tư vào nguồn nhân lực (Romer, 1990).
Ý tưởng cơ bản của lý thuyết vốn con người
đối với tham nhũng có thể được giải thích như
sau: Các cá nhân có trình độ học vấn càng cao
có xu hướng trở thành công dân lương thiện
nên ít có hành vi tham nhũng hơn. Bởi vì Derry
và Murphy (1986) cho rằng, khả năng học
tập có thể được coi là một dạng trí tuệ thông
minh có thành phần rèn luyện. Mặt khác, theo
Rindermann (2008), trí tuệ thông minh và kiến
thức không chỉ hỗ trợ cho các quyết định hợp
lý cho riêng các cá nhân mà còn hỗ trợ cho các
thể chế và hệ thống chính trị khác nhau. Do đó,
Kanyama (2014) cho rằng trí tuệ thông minh
sẽ ảnh hưởng đến chất lượng thể chế vì những
người tham gia cần hiểu rõ hơn về các nguyên
tắc và quy tắc chi phối các thể chế chính phủ
trong đó có hành vi tham nhũng.
được những lợi ích cụ thể; giá trị của những lợi
ích này tăng lên liên quan đến các yếu tố cụ thể:
số lượng của những lợi ích này, thiếu khả năng
tiếp cận các nguồn lực, lòng tin xã hội và sự
hợp tác thấp (Kaufmann & Siegelbaum, 1997;
Torsello, 2013). ứ hai là cách tiếp cận chủ
nghĩa thể chế. am nhũng xuất hiện khi các
đặc điểm cấu trúc của thể chế kinh tế và chính
trị tạo điều kiện để củng cố tham nhũng. Chẳng
hạn như các quốc gia mà nhà nước có quyền
kiểm soát phần lớn đối với nền kinh tế, và trong
đó, các nhóm chính trị cụ thể độc quyền về tài
sản, lợi ích và nguồn lực thì có mức độ tham
nhũng cao (Torsello, 2013). Cách tiếp cận thứ
ba là thuyết tương đối. eo đó, tham nhũng
được xem là một biến văn hóa của xã hội, được
biểu hiện bằng xu hướng của một quốc gia có
mức độ tham nhũng ít hay nhiều phụ thuộc các
đặc điểm văn hóa – xã hội cụ thể. Nhiều nghiên
cứu đã cho thấy, mức độ tham nhũng của các
quốc gia là do sự khác biệt văn hóa (Nam, 2018;
Zhao & cộng sự, 2017).
Trí tuệ thông minh của con người, một thành
phần quan trọng nhất của vốn con người, được
định nghĩa là một khả năng tâm thần chung để
lập luận, giải quyết vấn đề và học tập (Colom
& cộng sự, 2010). Vì bản chất chung của nó, trí
tuệ thông minh tích hợp các chức năng nhận
thức như sự am hiểu, chú ý, trí nhớ, ngôn ngữ
hoặc lập kế hoạch. Trên cơ sở định nghĩa này,
trí tuệ thông minh có thể được đo lường một
cách tin cậy bằng các bài kiểm tra tiêu chuẩn
và điểm số thu được từ các bài kiểm tra này có
thể dùng để dự đoán một số kết quả xã hội rộng
rãi như thành tích giáo dục, hiệu quả công việc,
sức khỏe và tuổi thọ. Nhiều nhà nghiên cứu
cho rằng, trí tuệ thông minh có mối quan hệ
tích cực đến sự kiên nhẫn (Kanyama, 2014) và
các kỹ năng nhận thức như kiến thức chung và
trình độ lập luận là những yếu tố quan trọng
Tương tự, lý thuyết hiện đại hóa
(modernisation theory) cũng tập trung vào vai
trò của giáo dục trong việc chuyển đổi hệ thống
giá trị và hành vi của một cá nhân (Kumar &
Kober, 2012). Việc tiếp xúc với các cơ sở vật
chất hiện đại bao gồm trường học, phương tiện
thông tin đại chúng, phương tiện internet và các
ngành công nghiệp sẽ có xu hướng khắc sâu các
giá trị và thái độ hiện đại của các cá nhân. Sự gia
tăng của những điểm tiếp xúc này làm thay đổi
vĩnh viễn mối quan hệ của cá nhân với cấu trúc
xã hội. Do đó, số lượng người tiếp xúc với các
thể chế hiện đại càng nhiều thì mức độ hiện đại
của từng cá nhân sẽ càng lớn, điều này làm gia
tăng mức độ hiện đại hóa của xã hội và thúc đẩy
phát triển kinh tế. Do đó, việc mở rộng giáo dục
4
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
và đào tạo thông qua các tác động của nó đến
các giá trị và lợi ích cá nhân sẽ tạo ra những nền
tảng cần thiết cho lực lượng lao động có trình
độ. Những cá nhân có trí tuệ thông minh cao sẽ
tham gia vào việc xây dựng danh tiếng, hợp tác
lâu dài và qua đó sẽ thúc đẩy tăng trưởng kinh
tế bền vững hơn.
ứ hai, nghiên cứu thực nghiệm đã cho
thấy ảnh hưởng của trí tuệ thông minh đến
tham nhũng là phi tuyến. Cụ thể, nghiên cứu Lv
(2017) đã tiến hành một phân tích thực nghiệm
cho 171 nước trong giai đoạn 2007-2011 bằng
phương pháp OLS và hồi quy phân vị. Trong
nghiên cứu này, Lv (2017) đo lường tham
nhũng bằng cách đảo ngược giá trị của Chỉ số
cảm nhận tham nhũng, trong khi đó, chỉ số IQ
đến từ Lynn và Vanhanen (2012) và Becker và
Rindermann (2016). Kết quả phân tích dữ liệu
đã cho thấy, trong trường hợp không có biến
kiểm soát thì trí tuệ thông minh có tác động
tiêu cực đến tham nhũng. Sau khi bổ sung biến
IQsquare và các biến kiểm soát khác, kết quả
cho thấy, có mối quan hệ phi tuyến giữa trí
tuệ thông minh và tham nhũng. Cụ thể, trí tuệ
thông minh quốc gia sẽ có tác động làm gia tăng
tham nhũng nhưng khi trên điểm ngoặt (71,25
đến 82,68 điểm) thì trí tuệ thông minh sẽ làm
giảm tham nhũng. Kết quả kiểm định tính vững
bằng cách thay đổi nguồn dữ liệu của chỉ số trí
tuệ thông minh và tham nhũng cũng cho kết
quả gần như tương tự.
2.3. Các nghiên cứu trước
Các nghiên cứu thực nghiệm trước cho thấy,
có hai mối quan hệ giữa trí tuệ thông minh của
con người và tham nhũng. Đầu tiên, các nghiên
cứu thực nghiệm cho thấy mối quan hệ này là
tích cực. Potrafe (2012) phân tích ảnh hưởng
của trí tuệ thông minh đến tham nhũng của các
quốc gia trên thế giới. Trong nghiên cứu này,
Potrafe (2012) đã đảo ngược giá trị của Chỉ số
cảm nhận tham nhũng năm 2010 để đại diện
cho mức độ tham nhũng và chỉ số IQ phiên
bản năm 2002 và 2006 của Lynn và Vanhanen
(2012) để đo lường trí tuệ thông minh của con
người. Bằng phương pháp OLS với sai số chuẩn
vững mạnh (robust standard errors), Potrafe
(2012) đã cho thấy bằng chứng có ý nghĩa thống
kê về ảnh hưởng tích cực của trí tuệ thông minh
trong việc kiểm soát tham nhũng tại các nước
trên thế giới. Kết quả này vẫn không thay đổi
ngay cả khi được Potrafe (2012) bổ sung thêm
các biến kiểm soát và thay đổi nguồn dữ liệu
về trí tuệ thông minh. Một nghiên cứu được
thực hiện bởi Kanyama (2014) cũng cho kết
quả tương tự. Trong nghiên cứu này, Kanyama
(2014) phân tích ảnh hưởng của trí tuệ thông
minh đến chất lượng thể chế của 164 nước
trong giai đoạn 2006-2010 bằng phương pháp
2SLS. Kanyama (2014) sử dụng nguồn dữ liệu
của chỉ số IQ tương tự như trong nghiên cứu
của Potrafe (2012) và tham nhũng đo lường
bằng chỉ số kiểm soát tham nhũng trong bộ chỉ
số quản trị toàn cầu của Ngân hàng ế giới. Kết
quả nghiên cứu này đã cho thấy, trí tuệ thông
minh có ảnh hưởng tích cực đến chất lượng thể
chế của các nước, trong đó có việc kiểm soát
tham nhũng tốt hơn. Kanyama (2014) đã bổ
sung biến kiểm soát là yếu tố vị trí khu vực của
các nước cũng cho kết quả tương tự.
Nhìn chung, ba nghiên cứu thực nghiệm
trước (Potrafe, 2012; Kanyama, 2014; Lv,
2017) có ưu điểm là sử dụng bộ dữ liệu lớn của
tất cả các nước trên thế giới để phân tích mối
quan hệ giữa trí tuệ thông minh và tham nhũng
nên kết quả của ba nghiên cứu này đã cung cấp
bằng chứng thực nghiệm ở cấp độ toàn cầu.
Tuy nhiên, ba nghiên cứu này có nhược điểm
là sử dụng cách tiếp cận tần số nên kết quả
diễn giải sẽ có nhiều hạn chế và thiếu độ tin cậy
(Kraemer, 2019; Wasserstein & cộng sự, 2019;
Trafimow, 2021)1.
Bên cạnh đó, các nghiên cứu trước cũng cho
thấy, các yếu tố khác có ảnh hưởng đến tham
nhũng. Chẳng hạn, GDP bình quân đầu người
(Potrafe, 2012; Kanyama, 2014; Lv, 2017; Zhao
1
Vì giới hạn độ dài của bài viết nên nhóm tác giả
không trình bày chi tiết những hạn chế của trường
phái tần số. Độc giả có thể xem những hạn chế
này trong nghiên cứu của Wasserstein và cộng sự
(2019) hoặc Kraemer (2019).
5
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
& cộng sự, 2017; Nguyễn Văn Điệp & cộng sự,
Trong nghiên cứu này, phân phối tiên
2021), quy mô chính phủ (Lv, 2017), tỷ lệ đô thị nghiệm được sử dụng là phân phối chuẩn cho
hóa (Lv, 2017), độ mở thương mại (Kanyama, các tham số β và phân phối Gamma nghịch đảo
2014), và hiệu quả của chính phủ (Basyal & cho tham số σ2 theo đề xuất của Permai và Tanty
cộng sự, 2018; Nguyễn Văn Điệp & cộng sự, (2018), Nguyen và Duong (2021), Oanh và cộng
2021). Do đó, nhóm tác giả sẽ bổ sung các biến sự (2022). Trong khi đó, phân phối hậu nghiệm
số này vào mô hình nghiên cứu.
sẽ dựa vào phương pháp Markov Chain Monte
Carlo bằng thuật toán lấy mẫu Gibbs. eo
Gelman và Rubin (1992), cách tiếp cận này sẽ
làm giảm sai lệch trong ước tính khi thực hiện
hồi quy Bayes và có thể áp dụng cho đầu ra của
bất kỳ thuật toán Markov Chain Monte Carlo .
3. Phương pháp nghiên cứu
3.1. Phương pháp ước lượng
Nhóm tác giả sử dụng phương pháp hồi quy
tuyến tính Bayes để phân tích ảnh hưởng của trí
tuệ thông minh của con người đến tham nhũng
của các nước ASEAN. eo quan điểm Bayes,
tất cả các tham số trong mô hình không phải là
một giá trị ước tính duy nhất và được rút ra từ
phân phối xác suất (Permai & Tanty, 2018). Mô
hình hồi quy tuyến tính Bayes như sau:
3.2. Mô hình nghiên cứu
Để phân tích ảnh hưởng của trí tuệ thông
minh đến tham nhũng tại các nước ASEAN,
nhóm tác giả sử dụng mô hình kinh tế lượng có
dạng như sau:
Corruption = β0 + β1IQ + βi’ CV + ε
(3)
Y ~ N(βT X, σ2 I)
(1)
Nghiên cứu của Lv (2017) đã tìm thấy bằng
chứng về mối quan hệ chữ U ngược giữa trí tuệ
thông minh và tham nhũng. Do đó, trong bài
viết này nhóm tác giả sẽ kiểm tra xem liệu có
tồn tại mối quan hệ hình chữ U ngược giữa trí
tuệ thông minh và tham nhũng tại các nước
ASEAN hay không theo phương pháp tiếp cận
Bayes. Như vậy, phương trình (3) sẽ trở thành:
Trong đó: Biến phụ thuộc (Y) có phân phối
chuẩn được mô tả bởi giá trị trung bình và
phương sai (σ2). Giá trị trung bình của hồi quy
tuyến tính là chuyển vị của ma trận trọng số
nhân với ma trận dự đoán.
Xác suất hậu nghiệm (posterior) của các
tham số trong mô hình có điều kiện dựa trên
dữ liệu đầu vào và đầu ra như sau:
Corruption = β0 + β1IQ + β2IQsquare
(4)
+ β3’CV + ε
P(β|Y,X) = P(Y|β,X) × P(β,X)/P(Y,X) (2)
Trong đó, IQ đại diện cho trí tuệ thông minh,
IQsquare là bình phương của IQ, Corruption
đại diện cho tham nhũng, CV là tập hợp các
biến kiểm soát và ε là sai số ngẫu nhiên. Trong
phương trình (4), để xác nhận bằng chứng cho
mối quan hệ chữ U ngược, nhóm tác giả kỳ
vọng dấu của β1 là dương và dấu của β2 là âm.
Cuối cùng, điểm ngoặt (turning point) mà tại
đó IQ sẽ làm giảm tham nhũng được tính toán
như sau:
Trong đó: P(β|Y,X) là xác suất hậu nghiệm
của các tham số, P(Y|β,X) là xác suất hàm hợp
lý (likelihood) của dữ liệu, P(β,X) là xác suất
tiên nghiệm (prior) của các tham số và P(Y,X)
là hằng số chuẩn hóa.
eo Permai và Tanty (2018) thì phân phối
tiên nghiệm liên hợp (conjugate prior) là trong
những phân phối tiên nghiệm có thể được sử
dụng trong cách tiếp cận Bayes khi thực hiện
mô hình hồi quy tuyến tính. Việc ước lượng các
tham số của mô hình hồi quy Bayes có thể được
IQ* = – β1 / 2β2
(5)
thực hiện bằng cách phép lặp ở phân phối hậu 3.3. Dữ liệu và đo lường các biến
nghiệm bằng cách nhân phân phối tiên nghiệm
với hàm hợp lý.
Nhóm tác giả thu thập dữ liệu của 10 nước
thành viên ASEAN trong giai đoạn 1995 – 2019,
6
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
bao gồm: Brunei, Campuchia, Indonesia, Lào,
Dữ liệu về trí tuệ thông minh (IQ) được lấy
Malaysia, Myanmar, Philippines, Singapore, từ công trình của Lynn và Vanhanen (2012). Bộ
ái Lan và Việt Nam.
dữ liệu này là tập hợp của hàng trăm bài kiểm
tra IQ quốc gia được quan sát trong thế kỷ 20
và 21 bằng cách sử dụng các phương pháp thực
hành tốt nhất (Kanyama, 2014). Các nghiên cứu
trước như Potrafe (2012), Kanyama (2014) và
Lv (2017) cũng đã sử dụng bộ dữ liệu này để
đại diện cho trí tuệ thông minh quốc gia. Trong
khi đó, dữ liệu về IQ của Becker và Rindermann
(2016) được sử dụng trong phần kiểm tra tính
vững của mô hình.
Để đo lường tham nhũng (Corruption),
nhóm tác giả sử dụng Chỉ số cảm nhận tham
nhũng (Perception of Corruption Index) do
Tổ chức Minh bạch Quốc tế (Transparency
International) công bố. Serra (2006) cho rằng
chỉ số này đáng tin cậy hơn các chỉ số đơn
giản do các nguồn riêng lẻ tạo ra. Đồng thời,
các nghiên cứu về trí tuệ thông minh và tham
nhũng cũng sử dụng chỉ số này để đo lường
tham nhũng (Potrafe, 2012; Lv, 2017). eo đề
xuất của Potrafe (2012) và Lv (2017), chúng tôi
sẽ đảo ngược giá trị của chỉ số này theo thang
đo từ 0 (không có tham nhũng) đến 10 (tham
nhũng nghiêm trọng).
Bên cạnh đó, các biến kiểm soát cũng được
đưa vào mô hình bao gồm: GDP bình quân đầu
người (GDP per capita), độ mở thương mại
(Openness), tỷ lệ đô thị hóa (Urbanization),
quy mô chính phủ (Size of government) và hiệu
quả của chính phủ (Government effectiveness).
Bảng 1. Định nghĩa biến và nguồn dữ liệu
Biến số
Đo lường
Nguồn
Corruption
Nằm trong khoảng từ 0 (không có tham Transparency International
nhũng) đến 10 (tham nhũng nghiêm
trọng)
IQ
Điểm IQ quốc gia
Lynn & Vanhanen (2012), Becker &
Rindermann (2016)
GDP per capita
Openness
Log của GDP bình quân đầu người World Development Indicators
(USD) theo giá so sánh năm 2010
Tổng giá trị xuất nhập khẩu hàng hóa và World Development Indicators
dịch vụ trên GDP (%)
Urbanization
Size of government
Mức độ đô thị hóa (Dân số thành thị/ World Development Indicators
Tổng dân số)
Chi tiêu chung cho tiêu dùng cuối cùng World Development Indicators
của chính phủ (% GDP)
Government
effectiveness
Nằm trong khoảng từ -2,5 (yếu) đến 2,5 Worldwide Governance Indicators
(tốt)
Bảng 2 trình bày thống kê mô tả của hai biến minh kém nhất (IQ trung bình là 85,00 điểm)
trọng tâm của nghiên cứu là tham nhũng và và Singapore là nước có trí tuệ thông minh cao
trí tuệ thông minh của 10 nước ASEAN trong nhất với IQ trung bình là 107,10 điểm. Nhìn
mẫu nghiên cứu. Đối với biến tham nhũng, chung, các nước ASEAN có mức độ tham nhũng
Myanmar là nước tình trạng tham nhũng cao thấp (ngoại trừ Singapore) và thuộc nhóm các
nhất (8,03) và Singapore là nước ít tham nhũng nước có trí tuệ thông minh trung bình hoặc
nhất (1,03). Tượng tự, kết quả thống kê cũng trung bình thấp.
cho thấy Myanmar là nước có trí tuệ thông
7
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
Bảng 2. Mô tả tóm tắt cho biến tham nhũng và trí tuệ thông minh của các nước ASEAN
TT Nước
Corruption
4,22
IQ
TT Nước
Corruption
5,04
IQ
1
2
3
4
5
Brunei
89,00
85,80
92,00
89,00
85,00
6
7
8
9
Malaysia
91,70
86,10
107,10
89,90
94,00
Indonesia
Campuchia
Lào
7,31
7,93
7,50
8,03
Philippines
Singapore
ái Lan
7,03
1,03
6,58
7,16
Myanmar
10 Việt Nam
4. Kết quả thực nghiệm
4.1. Kết quả hồi quy tuyến tính Bayes
Bảng 3. Kết quả mô phỏng hậu nghiệm
Hệ số
Hệ số
Hệ số
Hệ số
Hệ số
Hệ số
am số
trung bình trung bình trung bình trung bình trung bình trung bình
(1)
(2)
(3)
(4)
(5)
(6)
0,39249
[1,0000*]
-0,00352
0,44754
[1,0000*]
-0,00309
0,45275
[1,0000*]
-0,00318
0,36457
[1,0000*]
-0,00269
0,32789
[1,0000*]
-0,00223
0,32198
[1,0000*]
-0,00222
IQ
IQsquare
[1,0000**] [1,0000**] [1,0000**] [1,0000**] [1,0000**] [1,0000**]
-1,04692
-0,99141
-0,30603
-0,29113
-0,24109
Log GDP per capita
Size of government
Urbanization
Openness
–
–
–
–
[1,0000**] [1,0000**] [0,9997**] [0,9998**] [0,9820**]
-0,02276
-0,04906
-0,05109
-0,04915
–
–
–
[0,9809**] [1,0000**] [1,0000**] [1,0000**]
-0,03722
-0,03515
-0,03195
–
–
[1,0000**] [1,0000**] [1,0000**]
-0,00441
[1,0000**] [0,9953**]
-0,00310
–
-0,22144
[0,9704**]
Government
effectiveness
–
–
–
–
–
-0,24428
-0,27016
-0,20471
0,29159
0,13353
[0,5546*]
0,14335
73,64
-0,09120
[0,5377**]
0,13809
72,53
Hằng số
[0,5958**] [0,6067**] [0,5829**] [0,6114*]
1,29280
55,79
Phương sai (σ2)
Điểm ngoặt (IQ*)
0,21916
72,44
0,21759
71,26
0,15793
67,70
ống kê Rc lớn nhất
1,00012
0,98650
1,00006
0,97730
1,00000
0,93140
1,00001
0,95390
1,00013
0,95050
1,00030
0,91380
Chỉ số hiệu quả
lấy mẫu nhỏ nhất
ESS nhỏ nhất
ESS lớn nhất
29.595
30.000
29.318
30.000
27.943
30.000
28.616
30.000
28.515
30.000
27.413
30.000
Ghi chú: trong dấu ngoặc vuông [ ] là xác suất hậu nghiệm; * xác suất hậu nghiệm > 0; ** xác suất
hậu nghiệm < 0.
8
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
tham nhũng ở các nước ASEAN. Kết quả này
tương tự với lập luận của Lv (2017), đó là mức
độ ảnh hưởng của trí tuệ thông minh đối với
tham nhũng không đồng đều và rõ ràng hoặc
sự gia tăng của trí tuệ thông minh qua các cấp
độ phát triển nhận thức có thể không nhất quán
với việc làm giảm tham nhũng. Tuy nhiên, các
điểm ngoặt về trí tuệ thông minh (thấp nhất
là 55,79 điểm và cao nhất là 73,64 điểm) được
tìm thấy trong nghiên cứu này thấp hơn điểm
ngoặt trong nghiên cứu của Lv (2017). Dữ liệu
tại Bảng 2 cho thấy, các nước ASEAN đều có
IQ trên điểm ngoặt nên trí tuệ thông minh của
con người càng cao sẽ góp phần làm giảm tham
nhũng tại các nước này. Phát hiện này cho thấy,
các nước có IQ cao do được hưởng chất lượng
thể chế tốt hơn, trong đó, có tình trạng tham
nhũng thấp. Kanyama (2014) lập luận rằng,
một quốc gia có chất lượng thể chế tốt có thể
tạo ra hệ thống giáo dục xuất sắc và hệ thống
y tế tốt cho phép các tài năng phát triển. Đồng
thời, các công dân có IQ cao là các công dân
lương thiện nên tính trung thực cao, và do đó
có hành vi tuân thủ pháp luật cao (Dee, 2004;
Milligan & cộng sự, 2004). Bên cạnh đó, bởi vì
trí tuệ thông minh có mối tương quan thuận với
sự kiên nhẫn (Kanyama, 2014) nên dân số có
trí tuệ thông minh cao sẽ tham gia vào việc xây
dựng danh tiếng và hợp tác lâu dài nên hành vi
tham nhũng sẽ kém hấp dẫn hơn. Trong trường
hợp này, trí tuệ thông minh cao sẽ đảm bảo chất
lượng thể chế tốt hơn, điều này đồng nghĩa với
mức độ tham nhũng sẽ thấp.
Để ước tính hồi quy tuyến tính Bayes, nhóm
tác giả thực hiện mô phỏng mẫu Markov Chain
Monte Carlo lặp lại bằng thuật toán Gibbs với số
chuỗi tiêu chuẩn là 3 và độ dài của mỗi Markov
Chain Monte Carlo là 12.500 quan sát. Trong
mỗi lần chạy phân tích thì 20% số quan sát đầu
tiên (2.500 quan sát) bị loại bỏ và do đó, kích cỡ
mẫu cho mỗi Markov Chain Monte Carlo sẽ là
10.000. Bảng 3 trình bày kết quả mô phỏng hậu
nghiệm của phương trình 4 bằng phương pháp
hồi quy tuyến tính Bayes. Nhóm tác giả cũng
tóm tắt những thông tin về các hệ số trung bình
của các tham số trong mô hình thực và xác suất
hậu nghiệm của các hệ số trung bình này. Bên
cạnh đó, Bảng 3 cũng trình bày các giá trị của
điểm ngoặt được tính toán theo công thức 5.
Cụ thể, trong cột (1) thì hệ số trung bình của
biến IQ là 0,39249 và xác suất ảnh hưởng tích
cực của IQ đến tham nhũng là 100%. Đồng thời,
cột (1) cũng cho thấy hệ số trung bình của biến
IQsquare là -0,00352 và xác suất ảnh hưởng tiêu
cực của IQsquare đến tham nhũng là 100%. Kết
quả này cung cấp bằng chứng mạnh mẽ về mối
quan hệ phi tuyến giữa trí tuệ thông minh của
con người và tham nhũng ở các nước ASEAN.
Đồng thời, kết quả hồi quy được thể hiện từ cột
(2), (3), (4), (5), và (6) sau khi bổ sung các biến
kiểm soát (GDP bình quân đầu người, quy mô
chính phủ, đô thị hóa, độ mở thương mại và
hiệu quả của chính phủ) cho thấy: thứ nhất,
hệ số trung bình của biến IQ đều dương (hệ
số trung bình của IQ dao động trong khoảng
0,32198 đến 0,45275) và xác suất ảnh hưởng
ảnh hưởng tích cực của biến IQ đến tham
nhũng là 100%; thứ hai, các hệ số trung bình
của biến IQsquare đều âm (hệ số trung bình
của biến IQsquare dao động từ -0,00318 đến
-0,00222) và xác suất ảnh hưởng tiêu cực của
biến IQsquare đến tham nhũng là 100%. Điều
này cho thấy sau khi bổ sung các biến kiểm soát
thì dấu của các hệ số trung bình của hai biến
IQ và IQsquare vẫn không đổi và xác suất ảnh
hưởng của hai biến này đến tham nhũng là cao
tuyệt đối (100%). Kết quả này một lần nữa ủng
hộ bằng chứng mạnh về mối quan hệ phi tuyến
(hình chữ U ngược) của trí tuệ thông minh đến
Đối với các biến kiểm soát, kết quả cho thấy:
ứ nhất, hệ số trung bình của biến GDP bình
quân đầu người có dấu âm và xác suất ảnh
hưởng tiêu cực của biến này đến tham nhũng
trên 98%. Do đó, có bằng chứng mạnh mẽ về
ảnh hưởng của GDP bình quân đầu người đến
tham nhũng, cụ thể những quốc gia có thu nhập
bình quân đầu người cao hơn sẽ giúp làm giảm
tham nhũng. Kết quả này phù hợp với công
bố của Nguyễn Văn Điệp và cộng sự (2021),
Lv (2017), Zhao và cộng sự (2017), Kanyama
(2014), và Potrafe (2012). ứ hai, các hệ số
trung bình của biến quy mô chính phủ đều có
9
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
giá trị âm với xác suất ảnh hưởng tiêu cực của Markov Chain Monte Carlo nên hay xảy ra hiện
quy mô chính phủ đến tham nhũng là trên 98%. tượng tự tương quan trong các mẫu. Hay nói
Kết quả này cung cấp bằng chứng mạnh mẽ về một cách khác, các mẫu liên tiếp không độc
mối quan hệ tiêu cực giữa quy mô chính phủ và lập với các mẫu trước đó. Điều này làm giảm
tham nhũng, và nó tương đồng với nghiên cứu ESS và độ chính xác trong việc biểu diễn phân
của Lv (2017). ứ ba, những hệ số trung bình phối hậu nghiệm (Kass & cộng sự, 1998). Mặc
của biến đô thị hóa đều có dấu âm và xác suất dù tiêu chí về độ chính xác là khác nhau với
ảnh hưởng tiêu cực đến tham nhũng là 100%. mỗi mô hình hồi quy Bayes, nhưng để có được
Do đó, kết quả này cung cấp bằng chứng mạnh ESS tốt nhất thì các nhà nghiên cứu cho rằng
mẽ cho thấy tỷ lệ đô thị hóa càng hóa càng cao có thể căn cứ vào chỉ số lấy mẫu hiệu quả với
thì mức độ tham nhũng càng giảm. Kết quả này ngưỡng giá trị là 0,01 (Gelman & Rubin, 1992;
trái ngược với nghiên cứu của Lv (2017). ứ Oanh & cộng sự, 2022). Bảng 3 cho thấy, các giá
tư, biến độ mở thương mại có các hệ số trung trị thống kê Rc lớn nhất của tất cả các tham số
bình mang dấu âm và xác suất ảnh hưởng tiêu trong 6 trường hợp đều nhỏ hơn 1,1. Bên cạnh
cực đến tham nhũng là gần 100% nên có bằng đó, chỉ số hiệu quả lấy mẫu nhỏ nhất của các
chứng mạnh mẽ về mối quan hệ tiêu cực giữa tham số trong 6 trường hợp đều lớn hơn 0,01
độ mở thương mại và tham nhũng ở các nước nên thuật toán Markov Chain Monte Carlo đạt
ASEAN. Kết quả này tương tự với kết luận của hiệu quả lấy mẫu (ESS dao động trong khoảng
Kanyama (2014). Cuối cùng, hệ số trung bình từ 27.413 đến 30.000 quan sát). Như vậy, thuật
của biến chính phủ hiệu quả có dấu âm với xác toán Markov Chain Monte Carlo đã hội tụ.
suất ảnh hưởng tiêu cực của Chính phủ hiệu
quả đến tham nhũng là khoảng 97%. Kết quả
4.2. Kiểm định tính vững của mô hình
Trong phần này, nhóm tác giả kiểm tra tính
hợp lệ của các kết quả nghiên cứu bằng cách
thay thế nguồn dữ liệu của trí tuệ thông minh
của Becker và Rindermann (2016). Nhóm tác
giả cũng sử dụng phương pháp hồi quy tuyến
tính Bayes trong trường hợp này.
này đã cung cấp bằng chứng mạnh mẽ cho thấy
một càng Chính phủ hiệu quả sẽ giúp kiểm soát
tham nhũng càng tốt và phù hợp với kết luận
của Nguyễn Văn Điệp và cộng sự (2021) và
Basyal và cộng sự (2018).
Trong cách tiếp cận Bayes thì thuật toán
Markov Chain Monte Carlo cần hội tụ đến điểm
dừng, nghĩa là dừng lấy mẫu Markov Chain
Monte Carlo (Gelman & Rubin, 1992; Kass &
cộng sự, 1998; Roy, 2020). Trong bài viết này,
nhóm tác giả sử dụng chẩn đoán Gelman-Rubin
và kích thước mẫu hiệu quả (ESS) để kiểm định
sự hội tụ của thuật toán Markov Chain Monte
Carlo. Roy (2020) cho rằng chẩn đoán Gelman-
Rubin là phương pháp phổ biến nhất để đánh
giá các mẫu thu được từ việc thực hiện các thuật
toán MCMC. eo Gelman và Rubin (1992),
mô phỏng hậu nghiệm sẽ dừng khi thống kê
Rc của chẩn đoán Gelman-Rubin nhỏ hơn 1,1
(Gelman & cộng sự, 2013). Bên cạnh đó, phân
phối hậu nghiệm được lấy mẫu bằng thuật toán
Cụ thể, bảng 4 trình bày các hệ số trung bình
của biến IQ và IQsquare được tính toán từ dữ
liệu của Becker và Rindermann (2016). Dấu của
các hệ số trung bình của IQ và IQsquare và xác
suất ảnh hưởng của các hệ số này tương tự với
những kết quả được báo cáo trong Bảng 3. Kết
quả này một lần nữa xác nhận mối quan hệ hình
chữ U ngược giữa trí tuệ thông minh và tham
nhũng tại các nước ASEAN. Cuối cùng, Bảng
4 cũng cho thấy điểm ngoặt của IQ dao động
trong khoảng 56,30 đến 81,62 điểm. Bên cạnh
đó, các biến kiểm soát cũng cho kết quả tương
tự như Bảng 3. Các kiểm định trong trường hợp
này cũng cho thấy thuật toán Markov Chain
Monte Carlo là hội tụ.
10
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
Bảng 4. Kết quả mô phỏng hậu nghiệm bằng cách thay thế cách đo lường IQ
Hệ số
Hệ số
Hệ số
Hệ số
Hệ số
Hệ số
am số
trung bình trung bình trung bình trung bình trung bình trung bình
(1)
(2)
(3)
(4)
(5)
(6)
0,36951
[1,0000*]
0,46273
[1,0000*]
0,46324
[1,0000*]
0,37225
[1,0000*]
0,31948
[1,0000*]
0,32041
[1,0000*]
IQ
-0,00328
-0,00312
-0,00312
-0,00262
-0,00200
-0,00196
IQsquare
[1,0000**] [1,0000**] [1,0000**] [1,0000**] [1,0000**] [1,0000**]
-1,10837
-1,12531
-0,38784
-0,34278
-0,41620
Log GDP per capita
Size of government
Urbanization
Openness
–
–
–
–
[1,0000**] [1,0000**] [0,9999**] [0,9999**] [0,9998**]
0,00148
[0,5489*]
-0,02900
-0,04193
-0,03405
–
–
–
[0,9965**] [0,9999**] [0,9993**]
-0,03925
[1,000**]
-0,03357
[1,0000**] [1,0000**]
-0,00688
[1,0000**] [1,0000**]
-0,03039
–
–
-0,00683
–
Government
effectiveness
-0,02601
[0,5899**]
–
–
–
–
–
-0,59854
-1,11143
-1,01332
-0,65632
-0,47167
-0,8564
Hằng số
[0,7256**] [0,8682**] [0,8478**] [0,7480**] [0,6843**] [0,6861**]
Phương sai (σ2)
Điểm ngoặt (IQ*)
1,58061
56,30
0,26547
74,22
0,27182
74,28
0,20870
71,00
0,15687
79,81
0,15409
81,62
ống kê Rc
lớn nhất
Chỉ số hiệu quả
lấy mẫu nhỏ nhất
1,00004
0,97610
1,00011
0,97180
1,00010
0,95660
1,00014
0,94370
1,00018
0,91170
1,00019
0,92900
ESS nhỏ nhất
ESS lớn nhất
29.282
30.000
29.153
30.000
28.699
30.000
28.312
30.000
27.352
30.000
27.871
30.000
Ghi chú: trong dấu ngoặc vuông [ ] là xác suất hậu nghiệm; * xác suất hậu nghiệm > 0; ** xác suất hậu
nghiệm < 0.
5. Kết luận và hàm ý chính sách
sẽ đảo ngược và tình trạng tham nhũng có xu
hướng giảm dần. Một hàm ý quan trọng của bài
viết này là kiểm soát tham nhũng là một kênh
quan trọng mà thông qua đó trí tuệ thông minh
có ảnh hưởng tích cực gián tiếp đến tăng trưởng
kinh tế. Cụ thể hơn, trí tuệ thông minh của con
người cao hơn sẽ làm giảm tham nhũng, từ đó
ảnh hưởng tích cực đến tăng trưởng kinh tế.
Đóng góp chính của bài viết này cho lý thuyết
Bài viết này nhằm phân tích ảnh hưởng
của trí tuệ thông minh đến tham nhũng thông
qua bộ dữ liệu từ 10 nước ASEAN trong giai
đoạn 1995 – 2019. Kết quả hồi quy tuyến tính
Bayes cho thấy rằng, có mối quan hệ hình chữ
U ngược giữa trí tuệ thông minh của con người
và tham nhũng. Điều này hàm ý rằng, ở giai
đoạn đầu của quá trình phát triển nhận thức, là cung cấp bằng chứng thực nghiệm cho thấy
sự gia tăng chỉ số IQ của quốc gia sẽ làm gia trí tuệ thông minh của con người thực sự quan
tăng tham nhũng. Nhưng khi chỉ số IQ vượt trọng đối với việc kiểm soát tham nhũng của
qua một ngưỡng nhất định, mối quan hệ này Chính phủ.
11
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
Trên cơ sở kết quả nghiên cứu, bài viết đề
xuất một số gợi ý quan trọng cho các nhà hoạch
định chính sách của các nước ASEAN trong
việc kiểm soát tham nhũng như sau: (i) 10
nước trong mẫu nghiên cứu đều có mức điểm
IQ trên điểm ngoặt nên nhóm tác giả đề xuất
nên tăng cường đầu tư vào giáo dục và kỹ năng
con người để đạt được lợi ích làm giảm tham
nhũng; (ii) chú trọng phát triển kinh tế và hội
nhập kinh tế khu vực và toàn cầu vì khi kinh tế
phát triển dẫn đến thịnh vượng hơn và tham
nhũng sẽ giảm; và (iii) cần gia tăng cho chi tiêu
chính phủ và xây dựng Chính phủ càng hiệu
quả sẽ có ích trong việc ngăn chặn tham nhũng.
Đối với Việt Nam, theo lý thuyết vốn con
người thì giáo dục là yếu tố then chốt vì nó
được coi là phương tiện chính để phát triển
kiến thức và kỹ năng nhận thức của con người.
Do đó, để cải thiện trí tuệ thông minh thì chính
phủ Việt Nam cần có các chính sách đào tạo để
nâng cao nhận thức cho công dân hướng đến
xây dựng văn hóa trung thực. Tuy nhiên, trong
ngắn hạn thì chính phủ Việt Nam cần ban hành
cách chính sách trừng phạt thật nặng các hành
vi tham nhũng trong khu vực công.
Tài liệu tham khảo
Alfada, A. (2019). Corruption and Economic Growth in ASEAN Member Countries. Economics and Finance in
Indonesia, 65(2), 111-131. https://doi.org/10.47291/efi.v65i2.628
Anguera-Torrell, O. (2020). Entrepreneurship, trust and corruption. European Journal of Political Economy, 65,
Basyal, D. K., Poudyal, N., & Seo, J. W. (2018). Does E-government reduce corruption? Evidence from a
heterogeneous panel data model. Transforming Government: People, Process and Policy, 12(2), 134-154.
Becker, D., & Rindermann, H. (2016). e relationship between cross-national genetic distances and IQ-
differences. Personality and Individual Differences, 98, 300-310. https://doi.org/10.1016/j.paid.2016.03.050
Colom, R., Karama, S., Jung, R. E., & Haier, R. J. (2010). Human intelligence and brain networks. Dialogues in
clinical neuroscience, 12(4), 489-501. https://doi.org/10.31887/DCNS.2010.12.4/rcolom
Damania, R., Fredriksson, P. G., & List, J. A. (2003). Trade liberalization, corruption, and environmental policy
formation: theory and evidence. Journal of Environmental Economics and Management, 46(3), 490-512.
Dee, T. S. (2004). Are there civic returns to education? Journal of Public Economics, 88(9), 1697-1720. https://doi.
org/10.1016/j.jpubeco.2003.11.002
Derry, S. J., & Murphy, D. A. (1986). Designing Systems that Train Learning Ability: From eory to Practice.
Review of Educational Research, 56(1), 1-39. https://doi.org/10.3102/00346543056001001
Evrensel, A. Y. (2010). Corruption, growth, and growth volatility. International Review of Economics & Finance,
Farooq, A., Shahbaz, M., Arouri, M., & Teulon, F. (2013). Does corruption impede economic growth in Pakistan?
Economic Modelling, 35, 622-633. https://doi.org/10.1016/j.econmod.2013.08.019
Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian data analysis.
CRC press.
Gelman, A., & Rubin, D. B. (1992). Inference from Iterative Simulation Using Multiple Sequences. Statistical
Gokcekus, O., & Suzuki, Y. (2011). Business cycle and corruption. Economics Letters, 111(2), 138-140. https://doi.
org/10.1016/j.econlet.2011.01.023
Jones, G. (2011). National IQ and National Productivity: e Hive Mind Across Asia. Asian Development Review,
28(1), 51-71.
12
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
Kanyama, I. K. (2014). Quality of institutions: Does intelligence matter? Intelligence, 42, 44-52. https://doi.
org/10.1016/j.intell.2013.10.002
Kass, R. E., Carlin, B. P., Gelman, A., & Neal, R. M. (1998). Markov Chain Monte Carlo in Practice: A Roundtable
Kaufmann, D., & Siegelbaum, P. (1997). Privatization and Corruption in Transition Economies. Journal of
International Affairs, 50(2), 419-458. http://www.jstor.org/stable/24357625
Kodila-Tedika, O., & Asongu, S. A. (2015). e effect of intelligence on financial development: A cross-country
Kraemer, H. C. (2019). Is It Time to Ban the P Value? JAMA Psychiatry, 76(12), 1219-1220. https://doi.org/10.1001/
jamapsychiatry.2019.1965
Kumar, A., & Kober, B. (2012). Urbanization, human capital, and cross-country productivity differences.
Economics Letters, 117(1), 14-17. https://doi.org/10.1016/j.econlet.2012.04.072
Kyllonen, P. C., & Tirre, W. C. (1988). Individual differences in associative learning and forgetting. Intelligence,
Lv, Z. (2017). Intelligence and corruption: An empirical investigation in a non-linear framework. Journal of
Behavioral and Experimental Economics, 69, 83-91. https://doi.org/10.1016/j.socec.2017.06.003
Lynn, R. (2018). e Intelligence of Nations. In R. J. Sternberg (Ed.). e Nature of Human Intelligence, 256-269.
Lynn, R., & Vanhanen, T. (2002). IQ and the wealth of nations. Praeger Publishers/Greenwood Publishing Group.
Lynn, R., & Vanhanen, T. (2012). Intelligence: A unifying construct for the social sciences. Ulster Institute for Social
Research.
Milligan, K., Moretti, E., & Oreopoulos, P. (2004). Does education improve citizenship? Evidence from the United
States and the United Kingdom. Journal of Public Economics, 88(9), 1667-1695. https://doi.org/10.1016/j.
jpubeco.2003.10.005
Nam, T. (2018). Examining the anti-corruption effect of e-government and the moderating effect of national
org/10.1016/j.giq.2018.01.005
Nguyen, D. V., & Duong, M. T. H. (2021). Shadow Economy, Corruption and Economic Growth: An Analysis
of BRICS Countries. e Journal of Asian Finance, Economics and Business, 8(4), 665-672. https://doi.
org/10.13106/jafeb.2021.vol8.no4.0665
Nguyễn Văn Điệp, Phạm Xuân u, & Nguyễn Hoàng i (2021). Chính phủ điện tử, văn hóa quốc gia và tham
nhũng: Bằng chứng từ tiếp cận Bayes. Tạp chí Kinh tế và Ngân hàng châu Á, 185, 5-20.
Oanh, T. T. K., Diep, N. V., Truyen, P. T., & Chau, N. X. B. (2022). e Impact of Public Expenditure on Economic
Growth of Provinces and Cities in the Southern Key Economic Zone of Vietnam: Bayesian Approach. In
N. Ngoc ach, D. T. Ha, N. D. Trung, & V. Kreinovich (Eds.). Prediction and Causality in Econometrics
and Related Topics, 328-344. Springer International Publishing. https://doi.org/10.1007/978-3-030-77094-
5_26
Park, C. H., & Kim, K. (2020). E-government as an anti-corruption tool: Panel data analysis across countries.
InternationalReviewofAdministrativeSciences,86(4),691-707.https://doi.org/10.1177/0020852318822055
Permai, S. D., & Tanty, H. (2018). Linear regression model using bayesian approach for energy performance of
residential building. Procedia Computer Science, 135, 671-677. https://doi.org/10.1016/j.procs.2018.08.219
Potrafe, N. (2012). Intelligence and corruption. Economics Letters, 114(1), 109-112. https://doi.org/10.1016/j.
econlet.2011.09.040
Richey, S. (2010). e Impact of Corruption on Social Trust. American Politics Research, 38(4), 676-690. https://
doi.org/10.1177/1532673x09341531
Rindermann, H. (2008). Relevance of education and intelligence at the national level for the economic welfare of
13
Tạp chí Nghiên cứu Tài chính – Marketing
Số 66 – áng 12 Năm 2021
Romer, P. M. (1990). Human capital and growth: eory and evidence. Carnegie-Rochester Conference Series on
Public Policy, 32, 251-286. https://doi.org/10.1016/0167-2231(90)90028-J
Roy, V. (2020). Convergence Diagnostics for Markov Chain Monte Carlo. Annual Review of Statistics and Its
Rustiarini, N. W. (2019). e role of e-government in reducing corruption: A systematic review. Jurnal Perspektif
Pembiayaan dan Pembangunan Daerah, 7(3), 269-286.
Seligson, M. A. (2002). e Impact of Corruption on Regime Legitimacy: A Comparative Study of Four Latin
American Countries. e Journal of Politics, 64(2), 408-433.
Serra, D. (2006). Empirical determinants of corruption: A sensitivity analysis. Public Choice, 126(1), 225-256.
Torsello, D. (2013). Introduction: Corruption and rationality. Human Affairs, 23(2), 119-123. https://doi.
org/10.2478/s13374-013-0114-8
Trafimow, D. (2021). Philosophical or empirical incommensurability of frequentist versus Bayesian thinking.
Ekonometria, 25(1), 25-48. https://doi.org/10.15611/eada.2021.1.02
Uslaner, E. M. (2013). Trust and corruption revisited: How and why trust and corruption shape each other.
Vo, D. H., Ha, D. T. T., & Ly, T. H. (2015). Shadow Economy and Corruption in the ASEAN: Complement or
Substitute? In H. G. Djajadikerta & Z. Zhang (Eds.). A New Paradigm for International Business, 151-169.
Springer Singapore.
Võ Văn Dứt, & Nguyễn ị Phương Nga (2015). Ảnh hưởng của tham nhũng đến dòng vốn đầu tư trực tiếp nước
ngoài vào các quốc gia châu Á. HCMCOUJS – Kinh tế và Quản trị kinh doanh, 10(5), 162-172.
Wasserstein, R. L., Schirm, A. L., & Lazar, N. A. (2019, 2019/03/29). Moving to a World Beyond “p<0.05”. e
American Statistician, 73(sup1), 1-19. https://doi.org/10.1080/00031305.2019.1583913
Zhao, H., Ahn, M. J., & Manoharan, A. P. (2017). E-government, corruption reduction and culture: A study
based on panel data of 57 countries. Proceedings of the 18th Annual International Conference on Digital
Government Research, Staten Island, NY, USA.
14
14 trang
25460
Free
Bạn đang xem tài liệu "Impact of human intelligence on corruption in ASEAN countries", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- impact_of_human_intelligence_on_corruption_in_asean_countrie.pdf
