1 Giới thiệu về World Bank và Indicator đã chọn:

  • Cung cấp một kho dữ liệu khổng lồ về các chủ đề liên quan đến phát triển, kinh tế và xã hội trên toàn cầu. Thu thập từ nhiều nguồn khác nhau gồm 189 thành viên .

  • Là một trong những nguồn tài trợ và kiến thức lớn nhất thế giới dành cho các nước đang phát triển. Năm tổ chức của nó chia sẻ cam kết giảm nghèo, tăng cường thịnh vượng chung và thúc đẩy phát triển bền vững.

Em muốn lựa chọn indicator nói về dân số

  • Lựa chọn chủ đề này ta muốn phân tích biến động dân số quốc gia Việt Nam trong những năm gần đây ảnh hưởng đến các vấn đề nào?

  • Bắt đầu lựa chọn indicator với kí hiệu SP.POP.TOTL.

1.1 Nội dung dữ liệu indicator.

  • Ý nghĩa tên : tổng dân số

Mục tiêu :

  • Lập kế hoạch phát triển kinh tế và xã hội

  • Phân bổ tài nguyên(dân số hợp lý)

  • Nghiên cứu về các vấn đề dân số

library(tidyverse) 
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.0     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(WDI)
ind <- WDIsearch('Total reserves') #Kiểm tra xem chỉ số 'Total reserves' có tồn tại
tmp <- WDI(indicator = 'SP.POP.TOTL', country = c('VNM')) #Lấy dữ liệu về Tổng dân số của Việt Nam từ WDI và lưu vào biến tmp
tmp

Ta có một bộ dữ liệu mang tên tmp gồm 5 biến và 63 quan sát

  • country : đại diện cho tên quốc gia (chỉ lọc ra Việt Nam)

  • iso2c : đây là mã quốc gia 2 chữ cái được sử dụng để đại diện cho các quốc gia và vùng lãnh thổ trên toàn thế giới, và với Việt Nam có mã là “VN”

  • iso3c : tương tự thì đây là mã quốc gia 3 chữ cái - Việt Nam có mã 3 chữ cái là “VNM”

  • year : là đại diện cho năm của số liệu, bao gồm 63 năm từ 1960 - 2022

  • SP.POP.TOTL : Tổng dân số cả nước vào những năm trên

d <- tmp %>% select(year,SP.POP.TOTL)
names(d) <- c('year','Danso')
  • Sau quá trình lọc chỉ còn 63 quan sát và 2 biến để thực quá trình dân tích cho quốc gia việt Nam kéo dài từ năm 1960-2022.

1.2 Lựa ra các cột móc để phân tích (trong khoảng 1960-2022)

1.2.1 Thách thức đầu, thời kì chiến tranh khốc liệt(xét trong 5 năm đầu dữ liệu).

  • Ảnh hưởng rất nhiều đến dân số thời điểm đó, khi người thiệt mạng trong chiến tranh thì rất lớn. Tỷ lệ tử vong trung bình của Việt Nam trong giai đoạn này là khoảng 25‰, tỷ lệ sinh trung bình của Việt Nam trong giai đoạn này là khoảng 40‰.
d %>% filter(year >= 1960 & year <= 1964) %>%
  group_by(year, Danso) %>%  ggplot(aes(x=year, y=Danso)) +
  geom_col(fill='pink') +
  geom_line(color='black', linewidth =1) +
  geom_text(aes(label = round(Danso)),vjust = 3, color = 'red') +
  labs(title = "Biểu đồ thể hiện dân số Việt Nam trong thời chiến") +
  labs(x = 'Năm', y = 'Dân số')

Nhận xét biểu đồ

  • Dân số cả nước của Việt Nam có xu hướng tăng dần từ năm 1960 đến 1964, chênh lệch giữa năm cao nhất và thấp nhất 3790705.

=> Chiến tranh gây ra nhiều thiệt hại về người và nhà cửa, khiến cho mật độ dân số ở một số khu vực giảm xuống, tuy nhiên tổng dân số Việt Nam vẫn tăng nhưng tốc độ chậm do tỷ lệ sinh thô tăng.

1.2.2 Thách thức thứ hai, 1976-1986 khó khăn trong việc đổi mới kinh tế(thời kì bao cấp)

  • Cũng ảnh hưởng nhiều đến tổng dân số làm thay đổi các tỷ số về sinh, tử vong giảm đi đáng kể.
d %>% filter (year >= 1976 & year <= 1986) %>%
  group_by(year, Danso) %>%  ggplot(aes(x=year, y=Danso)) +
  geom_line(color='orange', linewidth =1) +
  geom_point(color='green') +
  geom_text(aes(label = round(Danso)),vjust = 2.5, color = 'black') +
  labs(title = "Biểu đồ thể hiện dân số Việt Nam trong thời bao cấp")  +
  labs(x = 'Năm', y = 'Dân số')

Nhận xét biểu đồ

  • Tổng thể dân số Việt Nam cũng tăng theo từng năm nhưng với tốc độ khá chậm trong thời kì khó khăn, chênh lệch giữa năm cao nhất và thấp khoảng 13057534.

=> Ảnh hưởng nhiều đến dân số liên quan nhiều vấn đề giáo dục, y tế, lương thực đặc biệt là phụ nữ và trẻ em trong thời kì bao cấp.

1.2.3 Cơ hội thể hiện tốc độ tăng trưởng GDP cao (2000 - 2018)

  • Đây là thời kì gia nhập WTO và hội nhập sâu rộng vào kinh tế khu vực và quốc tế nhờ việc áp dụng các chiến lược dân số hợp lý đã làm cho kinh tế và xã hội lúc này phát triển lên tầm cao mới
d %>% filter (year >= 2000 & year <= 2007) %>%
  group_by(year, Danso) %>%  ggplot(aes(x=year, y=Danso)) +
  geom_col(fill='lightblue') +
  geom_point(color='red') +
  geom_text(aes(label = round(Danso)),vjust = 2, color = 'purple') +
  geom_smooth(method = 'lm', color = 'black') +
  labs(title = "Biểu đồ thể hiện dân số Việt Nam trong khủng hoảng kinh tế toàn cầu")  +
  labs(x = 'Năm', y = 'Dân số')
## `geom_smooth()` using formula = 'y ~ x'

Nhận xét biểu đồ

  • Dân số qua 8 năm vẫn xu hướng nhưng mức độ không quá rõ rệt, chênh lệch giữa năm dân số cao và thấp là 576112.

=> Tăng trường dân số không quá rõ rệt đó là nhờ việc sử dụng nhiều chính sách làm giảm dân số, kế hoạch hóa gia đình, cải thiện y tế, giáo dục,…đặc biệt là thúc đẩy tăng trưởng kinh tế.

1.2.4 Thử thách 4, dịch bệnh covid - 19 (2019-2022)

  • Dịch covid - 19 đã kéo dài và gây biến động nặng về về kinh tế, giáo dục và dân số của các nước và của Việt Nam.
library(googledrive)
library(tidyverse)
library(gganimate)
## Warning: package 'gganimate' was built under R version 4.3.3
library(magick)
## Warning: package 'magick' was built under R version 4.3.3
## Linking to ImageMagick 6.9.12.98
## Enabled features: cairo, freetype, fftw, ghostscript, heic, lcms, pango, raw, rsvg, webp
## Disabled features: fontconfig, x11
d %>% filter(year >= 2019 & year <= 2022) %>%
  ggplot(aes(x = Danso, y= year, color = year)) +
  geom_line() +
  geom_point(size=2) +
  transition_reveal(year, keep_last = F) + #tạo hiệu ứng chuyển tiếp trong biểu đồ theo thời gian
  geom_text(aes(label = round(Danso,0)),vjust = 2, color = 'red') +
  labs(title = "Biểu đồ thể hiện dân số Việt Nam trong thời kì covid")  +
  labs(x = 'Dân số', y = 'Năm')
## `geom_line()`: Each group consists of only one observation.
## ℹ Do you need to adjust the group aesthetic?
## `geom_line()`: Each group consists of only one observation.
## ℹ Do you need to adjust the group aesthetic?

  • Chú thích: keep_last = F cho biết sau khi chuyển tiếp đến mốc thời gian tiếp theo, dữ liệu của mốc thời gian trước đó sẽ bị ẩn đi.

Nhận xét biểu đồ

  • Tổng dân số Việt Nam vẫn có xu hướng tăng nhưng ở mức thấp.

=> Vẫn tăng cho tỷ lệ sinh vẫn cao hơn tỷ lệ tử vong trong thời gian đó, sô người di cư, đi du lịch bị kẹt và tỷ lệ di cư Việt Nam cũng giảm đi.

1.3 Tìm các yếu tố ảnh hưởng đến tổng dân số Việt Nam

  1. Tỷ lệ sinh: Đây là yếu tố quan trọng nhất ảnh hưởng đến tổng dân số. Tỷ lệ sinh cao sẽ dẫn đến gia tăng dân số, trong khi tỷ lệ sinh thấp sẽ khiến dân số giảm.
  • Tỷ lệ sinh chịu ảnh hưởng bởi nhiều yếu tố như:

Kinh tế: Mức độ phát triển kinh tế, thu nhập, chi phí sinh hoạt, chính sách hỗ trợ sinh đẻ,….

Văn hóa: Phong tục tập quán, quan niệm về con cái, vai trò của phụ nữ trong gia đình.

Giáo dục: Trình độ học vấn, nhận thức về sức khỏe sinh sản.

Y tế: Chất lượng dịch vụ chăm sóc sức khỏe sinh sản, kế hoạch hóa gia đình.

  1. Tỷ lệ tử vong: Tỷ lệ tử vong cao sẽ làm giảm tổng dân số, ảnh hưởng nhiều đến các vấn đề về dân số.
  • Tỷ lệ tử vong chịu ảnh hưởng bởi nhiều yếu tố như:

Y tế: Chất lượng dịch vụ chăm sóc sức khỏe, dinh dưỡng, điều kiện vệ sinh môi trường.

Kinh tế: Mức độ phát triển kinh tế, thu nhập, khả năng tiếp cận dịch vụ y tế.

Môi trường: Ô nhiễm môi trường, biến đổi khí hậu.

Xã hội: An ninh trật tự, tai nạn giao thông, thiên tai.

  1. Di cư: Di cư quốc tế (nhập cư và xuất cư) cũng ảnh hưởng đến tổng dân số.
  • Di cư có thể do nhiều nguyên nhân như:

Kinh tế: Tìm kiếm cơ hội kinh tế tốt hơn.

Chính trị: Bất ổn chính trị, chiến tranh.

Môi trường: Thiên tai, biến đổi khí hậu.

Xã hội: Bắt nạt, phân biệt chủng tộc, tôn giáo, đối xử.

  1. Các yếu tố khác: Cấu trúc dân số: Tỷ lệ giới, độ tuổi trung bình.

Chiến tranh: Chiến tranh có thể dẫn đến tử vong cao và di cư.

Dịch bệnh: Dịch bệnh có thể làm tăng tỷ lệ tử vong

2 Giới thiệu về dữ liệu IMF và Indicator đã chọn:

  • IMFdata là một gói R được sử dụng để truy cập dữ liệu từ Quỹ Tiền tệ Quốc tế (IMF). Gói này cung cấp một giao diện đơn giản để truy xuất dữ liệu từ nhiều nguồn dữ liệu khác nhau của IMF.

Em muốn lựa chọn indicator nói về tổng sản phẩm quốc nội danh nghĩa

  • Lựa chọn chủ đề này ta muốn phân tích biến động tổng sản phẩm quốc nội danh nghĩa quốc gia Việt Nam trong những năm gần đây ảnh hưởng đến các vấn đề nào?

  • Bắt đầu lựa chọn indicator với kí hiệu NGDP_XDC(IFS).

2.1 Nội dung dữ liệu indicator.

  • Ý nghĩa tên : Tổng sản phẩm quốc nội danh nghĩa (NGDP) theo tỷ giá hối đoái thị trường (XDC) do Quỹ Tiền tệ Quốc tế (IMF) cung cấp.

Mục tiêu :

  • Để dự báo, so sánh, phân tích biến động kinh tế

  • Đánh giá rủi ro và nghiên cứu kinh tế.

library(tidyverse)
library(imf.data) 
## Warning: package 'imf.data' was built under R version 4.3.3
nice <- load_datasets('IFS') #tải bộ dữ liệu
cpi <- nice$get_series(freq = 'A', ref_area = 'VN', indicator = 'NGDP_XDC') #trích xuất các dữ liệu cụ thể.
names(cpi) <- c('year','tongspqn')
cpi
  • Ta lọc ra bộ dữ liệu còn 24 quan sát và 2 biến tương ứng

  1. year: từng năm thống kê

  2. tongspqn: số liệu tổng sản phẩm quốc nội doanh nghĩa theo tỷ giá hối đoái thị trường.

2.2 Lựa ra các biến để phân tích

2.2.1 Lấy ra 5 năm đầu dữ liệu tiên để thực hiện so sánh

  • Muốn quan sát biến động tổng sản phẩm quốc nội doanh nghĩa theo tỷ giá hối đoái thị trường trong những thời kì đầu để có cái nhìn trực quan hơn và xem thử có phải là động lực cho những mốc thời gian tới không.
cpi %>% filter (year >= 2000 & year <= 2004) %>%
  group_by(year, tongspqn) %>% 
  ggplot(aes(x=year , y=tongspqn)) +
  geom_col(fill='yellow') +
  geom_point(color='pink') +
  labs(title = "Biểu đồ thể hiện tổng sản phẩm quốc nội doanh nghĩa Việt Nam trong 5 năm đầu")  +
  labs(x = 'Năm', y = 'Dân số')

Nhận xét biểu đồ

  • có xu hướng tăng lên theo thời gian càng lúc càng tăng nhanh.

=> Đây là thời gian GDP tăng trưởng mạnh mẽ từ đó thu hút nhiều nguồn lực trong và ngoài nước và gây biến động giá tỷ hối đoái. 2 vấn đề trên đều giúp tăng tổng sản phẩm quốc nội doanh nghĩa theo tỷ giá hối đoái thị trường theo nhiều mức độ.

2.2.2 Lấy dữ liệu theo 5 năm gần nhất để quan sát gần với thực trạng thực tế

  • Muốn quan sát biến động tổng sản phẩm quốc nội doanh nghĩa theo tỷ giá hối đoái thị trường trong những thời sát với hiện tại để có cái nhìn trực quan hơn, thực tế hơn và xem thử các điểm giới hạn xem có đột phá ra được hay không.
cpi %>% filter (year >= 2019 & year <= 2023) %>% 
  ggplot(aes(x = year, y = tongspqn, size = year)) + 
  geom_point() +
  labs(title = "Biểu đồ thể hiện tổng sản phẩm quốc nội doanh nghĩa Việt Nam trong 5 gần đây")  +
  labs(x = 'Năm', y = 'Dân số')
## Warning: Using size for a discrete variable is not advised.

Nhận xét biểu đồ

  • các chấm đen đại diện cho các năm càng lớn từ năm 2019-2022 thì ngừng lại và tụt dốc xuống hẳn ở năm 2023.

=> Qua đó cho thấy trong mốc thời gian phát triển thì có một thời kì bị tụt lại của tổng sản phẩm quốc nội doanh nghĩa Việt Nam trong 5 gần đây tạo ra nhiều biến đồng ảnh hưởng đến việc tăng trưởng kinh tế thấp xuống và đặc biệt là tỷ giá hối đoái, lạm phát và thâm hụt cao - phản ánh trong thời kì covid - 19.

2.3 Tìm các yếu tố ảnh hưởng đến Tổng sản phẩm quốc nội danh nghĩa của Việt Nam

  1. Tổng sản phẩm quốc nội danh nghĩa (GDP danh nghĩa): Giá trị thị trường của tất cả các hàng hóa và dịch vụ cuối cùng được sản xuất trong một quốc gia trong một khoảng thời gian nhất định.
  • Yếu tố ảnh hưởng:

Tăng trưởng kinh tế: Tăng trưởng GDP thực tế và mức độ lạm phát.

Cấu trúc nền kinh tế: Tỷ trọng của các ngành kinh tế trong GDP.

Nhu cầu tiêu dùng và đầu tư: trong nước và quốc tế.

Cán cân thương mại: Giá trị xuất khẩu và nhập khẩu.

  1. Tỷ giá hối đoái thị trường (XDC): Giá trị của một đồng tiền so với một đồng tiền khác trên thị trường ngoại hối.
  • Yếu tố ảnh hưởng:

Cung và cầu: Cung và cầu đối với đồng tiền trên thị trường ngoại hối.

Lãi suất: Lãi suất của Việt Nam qua từng năm sẽ mỗi khác.

Lạm phát: Mức độ lạm phát của các Việt Nam qua từng năm sử dụng đồng tiền sẽ càng xuống giá.

Can thiệp của chính phủ: Chính sách can thiệp của chính phủ vào thị trường ngoại hối.

  1. NGDP_XDC: Giá trị của GDP danh nghĩa được tính bằng đồng USD.
  • Yếu tố ảnh hưởng:
  1. Tất cả các yếu tố ảnh hưởng đến GDP danh nghĩa và XDC.

2.Biến động của tỷ giá hối đoái có thể ảnh hưởng đáng kể đến NGDP_XDC.

  1. Sự ổn định kinh tế vĩ mô: Mức độ ổn định của kinh tế vĩ mô có thể ảnh hưởng đến niềm tin của nhà đầu tư và do đó ảnh hưởng đến GDP và XDC.

  2. Cải cách kinh tế: Cải cách kinh tế có thể giúp nâng cao hiệu quả của nền kinh tế và do đó thúc đẩy tăng trưởng GDP.

  3. Hội nhập quốc tế: Mức độ hội nhập quốc tế của Việt Nam có thể ảnh hưởng đến nhu cầu đối với hàng hóa và dịch vụ của Việt Nam và do đó ảnh hưởng đến GDP và XDC.