Giới thiệu về Indicator:

Trong R, indicator là một biến được sử dụng để biểu thị sự hiện diện hoặc vắng mặt của một đặc điểm cụ thể trong một tập dữ liệu.

Ví dụ về việc sử dụng indicator trong R:

Phân tích hồi quy: Indicator có thể được sử dụng làm biến độc lập trong mô hình hồi quy để kiểm tra ảnh hưởng của một biến danh nghĩa hoặc phân loại lên biến phụ thuộc.
Phân tích ANOVA: Indicator có thể được sử dụng làm biến phân loại trong mô hình ANOVA để kiểm tra sự khác biệt giữa các nhóm khác nhau.
Phân tích thống kê chi: Indicator có thể được sử dụng để kiểm tra mối quan hệ giữa hai biến danh nghĩa hoặc phân loại.

Với nhiệm vụ này, ta sẽ tiến hành phân tích indicator dựa trên 2 bộ dữ liệu là WDI và IMF

WDI (World Development Indicators):
- Một tập dữ liệu khổng lồ được cung cấp bởi Ngân hàng Thế giới.
- WDI bao gồm hơn 1.400 chỉ số về nhiều lĩnh vực khác nhau như kinh tế, xã hội, môi trường, v.v. của hơn 200 quốc gia và vùng lãnh thổ trên thế giới.
- Dữ liệu được cập nhật thường xuyên và có thể truy cập miễn phí.

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     1.3.0
## ✔ 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)

IMF (International Monetary Fund):
- Dữ liệu của Quỹ Tiền tệ Quốc tế (IMF) là một nguồn tài nguyên quý giá cho các nhà nghiên cứu, nhà kinh tế và các chuyên gia khác quan tâm đến các vấn đề kinh tế vĩ mô và tài chính quốc tế.

library(imf.data)

1. Phân tích indicator từ WDI

Giới thiệu về Indicator:

WDI, hay còn gọi là World Development Indicators, là một nguồn dữ liệu có kích thước vô cùng lớn. Do đó, để bắt đầu quá trình phân tích, chúng ta cần chọn một chủ đề cụ thể bằng cách nhập từ khóa mong muốn. Từ đó, chúng ta sẽ được hiển thị một loạt các chỉ số kinh tế khác nhau liên quan đến từ khóa đó.
Trong phần này, chúng ta chọn từ khóa “inflation” (lạm phát). Mục tiêu của việc chọn từ khóa này là để tìm hiểu về tình trạng lạm phát thông qua các chỉ số như Chỉ số Giá tiêu dùng (CPI), GDP,… Tiếp theo, chúng ta sẽ lựa chọn một chỉ số cụ thể, trong trường hợp này là “FP.CPI.TOTL.ZG”, để tiến hành phân tích chi tiết.”

ind <- WDIsearch('inflation')
cnmx <- WDI(indicator = 'FP.CPI.TOTL.ZG')

Nội dung của indicator:

Tên: Inflation, consumer prices (annual %) - Lạm phát, giá tiêu dùng (tính theo năm %)
Định nghĩa: Lạm phát được đo bằng chỉ số giá tiêu dùng phản ánh sự thay đổi phần trăm hàng năm trong chi phí cho người tiêu dùng trung bình khi mua một giỏ hàng hàng hóa và dịch vụ có thể cố định hoặc thay đổi theo khoảng thời gian quy định, như hàng năm. (theo WDI)
Ý nghĩa của các từ viết tắt:
- FP: Financial Policy & Institutions (Chính sách & thể chế tài chính)
- CPI: Là viết tắt của “Consumer Price Index” (Chỉ số giá tiêu dùng), một chỉ số kinh tế thường được sử dụng để đo lường mức độ tăng giảm của giá cả của một cốt lõi hàng hóa và dịch vụ tiêu dùng trong một quốc gia hoặc khu vực cụ thể.
- TOTL: Đây có thể được hiểu là “Total” (toàn bộ), chỉ rằng chỉ số CPI này áp dụng cho toàn bộ nền kinh tế hoặc một phạm vi rộng lớn của nền kinh tế.
- ZG: Đây là đuôi của tên indicator, thường chỉ ra đơn vị đo lường của chỉ số này. Trong trường hợp này, “ZG” có thể là viết tắt của “annual growth rate” (tỷ lệ tăng trưởng hàng năm).

Vì vậy, “FP.CPI.TOTL.ZG” đề cập đến tỷ lệ tăng trưởng hàng năm của chỉ số giá tiêu dùng toàn cầu, giúp đánh giá tình hình lạm phát trên toàn thế giới và cung cấp thông tin quan trọng cho các nhà kinh tế và nhà quản lý chính sách.

Bộ số liệu cụ thể:

Trong indicator về lạm phát này bao gồm rất nhiều quốc gia và chuỗi các năm khác nhau

Nhưng ta chỉ xét tỷ lệ của Việt Nam và các các năm có số liệu cung cấp

Bộ số liệu ta có sẽ như sau :

library(DT)
d1 <- cnmx %>% filter(country =="Viet Nam")
d1 <- na.omit(d1)
datatable(d1)

Trong đó:

country: Quốc gia ( cụ thể là Việt Nam)
iso2c: mã quốc gia 2 chữ cái đại diện cho các quốc gia và vùng lãnh thổ trên toàn thế giới, và với Việt Nam có mã là “VN”
iso3c: mã quốc gia 3 chữ cái ại diện cho các quốc gia và vùng lãnh thổ trên toàn thế giới, và với Việt Nam có mã là “VNM”
year: năm của số liệu (từ năm 1996-2022)
FP.CPI.TOTL.ZG: tỷ lệ tăng trưởng hàng năm của chỉ số giá tiêu dùng toàn cầu

Biểu đồ:

Biểu đồ thể hiện tỷ lệ tăng trưởng của chỉ số giá tiêu dùng trong các giai đoạn:

d1 <- d1 %>% mutate(gd = cut(year,3, label = c('1996-2004', '2005-2013','2014-2022')))
d1 %>% ggplot(aes(x=year,y=FP.CPI.TOTL.ZG,color=gd)) + geom_line() +geom_point(size=2) +
  labs(title = "Biểu đồ thể hiện tỷ lệ tăng trưởng của chỉ số giá tiêu dùng trong các giai đoạn") +
  labs(x = 'Năm', y = 'Tỷ lệ tăng trưởng của chỉ số giá tiêu dùng (%)')

Nhận xét:

Giai đoạn 1996-2004:
- Từ năm 1997 đến 1998: Tỷ lệ tăng trưởng của CPI có chiều hướng tăng lên, có thể là do ảnh hưởng của các yếu tố kinh tế nội địa và biến động trên thị trường thế giới.
- Sau đó, vào năm 2000, có sự giảm mạnh trong tỷ lệ tăng trưởng CPI, có thể là kết quả của các biện pháp kiểm soát lạm phát được triển khai bởi chính phủ hoặc sự ổn định hơn trong nền kinh tế.
Giai đoạn 2005-2013:
- Từ năm 2004 đến 2006: Có sự lên xuống không đáng kể trong tỷ lệ tăng trưởng CPI, có thể do ảnh hưởng của các biến động về nguồn cung và cầu, cũng như các biến động trên thị trường thế giới.
- Từ năm 2006 đến 2007: Tỷ lệ tăng trưởng CPI tăng mạnh nhất trong giai đoạn này, có thể là kết quả của các yếu tố như tăng giá năng lượng và nguyên liệu, tăng chi tiêu tiêu dùng, hoặc các chính sách tài khóa được thực thi.
Giai đoạn 2014-2022:
- Giai đoạn này thể hiện sự ổn định hơn về biến động của tỷ lệ tăng trưởng CPI so với các giai đoạn trước đó.
- Mặc dù tỷ lệ tăng trưởng CPI không cao nhưng sự ổn định được đánh giá cao, với sự tăng giảm giữa các năm không đáng kể. Điều này có thể phản ánh một sự kiểm soát lạm phát tốt hơn và sự ổn định trong nền kinh tế.

Biểu đồ thể hiện lạm phát trong 10 năm gần nhất:

d1 %>% filter(year>2012) %>%
  ggplot(aes(x=year, y=FP.CPI.TOTL.ZG)) +
  geom_col(fill='836FFF') +
  geom_line(color='070F2B', linewidth =1) +
  geom_text(aes(label = round(FP.CPI.TOTL.ZG,2)),vjust = 2, color = 'black') +
  labs(title = "Biểu đồ thể hiện tỷ lệ tăng trưởng của CPI trong 10 năm gần nhất của Việt Nam") +
  labs(x = 'Năm', y = 'Tỷ lệ tăng trưởng của chỉ số giá tiêu dùng (%)')

Nhận xét:

Tăng trưởng: CPI của Việt Nam có xu hướng tăng trưởng trong 10 năm qua, với mức tăng trung bình khoảng 3,5%/năm.
Biến động: Tuy nhiên, tỷ lệ tăng trưởng CPI không đồng đều qua các năm, có giai đoạn tăng cao (2013-2014) và giai đoạn tăng thấp (2016-2017).
Giai đoạn gần đây: Tỷ lệ tăng trưởng CPI có xu hướng giảm dần trong giai đoạn gần đây (từ 2020 đến 2022), đặc biệt là năm 2021 chỉ tăng 1,83%. Cũng dễ hiểu vì đây là năm nước ta chịu ảnh hưởng nhất của đại dịch covid.
Tỷ lệ tăng trưởng CPI của Việt Nam dự báo sẽ tiếp tục được kiểm soát trong khoảng 4%/năm trong giai đoạn 2023-2025.Tuy nhiên nguy cơ lạm phát vẫn tiềm ẩn do giá cả nguyên liệu đầu vào, giá xăng dầu thế giới và biến động của tỷ giá hối đoái.

Các yếu tố ảnh hưởng:

1. Yếu tố Kinh tế:

1.1. Tăng trưởng kinh tế: Tăng trưởng kinh tế cao thường đi kèm với sự gia tăng về tiêu thụ và đầu tư, làm tăng nhu cầu về hàng hóa và dịch vụ. Khi nhu cầu tăng mạnh mẽ hơn cung cấp, giá cả tăng, góp phần vào lạm phát. Mặt khác, nếu sản xuất không đáp ứng kịp thời nhu cầu, áp lực lạm phát sẽ tăng.

1.2. Cung và cầu hàng hóa: Sự thay đổi trong cung và cầu hàng hóa có thể gây ra sự biến động trong giá cả. Nếu cung hàng hóa giảm hoặc cầu tăng nhanh hơn, giá cả sẽ tăng lên, dẫn đến lạm phát. Các nguyên liệu đầu vào, như năng lượng và thực phẩm, cũng có ảnh hưởng lớn đến giá cả và lạm phát.

1.3. Tăng trưởng tín dụng: Tăng trưởng tín dụng mạnh mẽ có thể tạo ra nhiều tiền tệ trong nền kinh tế, tăng cầu tiêu thụ và giá cả, gây áp lực lạm phát. Sự tăng trưởng về tín dụng có thể tạo ra một chu kỳ tích tụ nợ, dẫn đến sự tăng giá và lạm phát.

2.Yếu tố Chính trị:

2.1. Chính sách tiền tệ: Chính sách tiền tệ của ngân hàng trung ương có thể ảnh hưởng đến lạm phát thông qua việc điều chỉnh lãi suất và cung tiền tệ. Một chính sách tiền tệ lỏng lẻo có thể tạo ra nhiều tiền tệ trong nền kinh tế, tăng cầu tiêu thụ và giá cả. Ngược lại, chính sách tiền tệ chặt chẽ có thể giảm cầu tiêu thụ và kiềm chế lạm phát.

2.2. Chính sách tài khóa: Chính sách tài khóa, như chi tiêu công và thuế, cũng có thể ảnh hưởng đến mức độ lạm phát. Chi tiêu công quá mức hoặc thuế cao có thể tăng giá cả và lạm phát, trong khi chi tiêu công hiệu quả và hợp lý có thể hỗ trợ tăng trưởng kinh tế mà không gây ra áp lực lạm phát.

2.3. Ảnh hưởng từ chính sách quản lý giá: Chính sách quản lý giá của chính phủ có thể ảnh hưởng đến giá cả của hàng hóa và dịch vụ. Việc can thiệp vào giá cả của những mặt hàng cơ bản như thực phẩm và nhiên liệu có thể ảnh hưởng đến lạm phát, đặc biệt là khi các biện pháp này không được thực hiện một cách cân nhắc và hiệu quả.

2.4. Ảnh hưởng từ chính sách quản lý thuế: Chính sách thuế có thể tác động đến giá cả và sự tiêu thụ của người dân. Các biện pháp thuế cao có thể làm tăng giá cả và lạm phát, trong khi việc giảm thuế có thể giảm giá cả và kiềm chế lạm phát.

3.Yếu tố Xã hội:

3.1. Tăng trưởng dân số: Tăng trưởng dân số có thể tăng cầu tiêu thụ và áp lực lạm phát. Một dân số đông đúc và gia tăng đồng nghĩa với việc có nhiều người tiêu dùng hơn, tăng cầu và áp lực lạm phát.

3.2. Thu nhập và mức sống: Thu nhập cao và mức sống tăng có thể dẫn đến tăng cầu tiêu thụ và giá cả. Người dân có thu nhập cao có thể chi tiêu nhiều hơn, tạo ra sự tăng cầu và áp lực lạm phát. Mặt khác, mức sống tăng cũng có thể làm tăng giá cả của các dịch vụ và hàng hóa tiêu dùng.

3.3. Thay đổi trong thói quen tiêu dùng: Sự thay đổi trong thói quen tiêu dùng của người dân có thể ảnh hưởng đến cầu và giá cả của hàng hóa và dịch vụ. Thay đổi trong sở thích tiêu dùng có thể tạo ra sự tăng cầu và giá cả của các loại hàng hóa và dịch vụ cụ thể.

4.Yếu tố Quốc tế:

4.1. Tác động từ thị trường thế giới: Biến động trên thị trường thế giới, như biến động giá năng lượng hoặc thực phẩm, có thể ảnh hưởng đến giá cả và lạm phát trong nước. Việt Nam là một quốc gia xuất khẩu nhiều loại hàng hóa, và các biến động trên thị trường thế giới có thể ảnh hưởng đến giá cả của hàng hóa xuất khẩu và lạm phát trong nước.

4.2. Biến động giá năng lượng và thực phẩm: Giá năng lượng và thực phẩm thế giới tăng có thể tạo áp lực tăng giá và lạm phát trong nước. Việt Nam phụ thuộc vào nhập khẩu nhiều loại năng lượng và thực phẩm, nên giá cả của chúng trên thị trường thế giới có thể ảnh hưởng trực tiếp đến giá cả và lạm phát trong nước.

4.3. Ảnh hưởng từ thương mại quốc tế: Các biến động trong thương mại quốc tế có thể ảnh hưởng đến cung cầu hàng hóa và dịch vụ, gây ảnh hưởng đến giá cả và lạm phát của Việt Nam. Các thỏa thuận thương mại, biện pháp bảo vệ thương mại, và sự thay đổi trong luật lệ thương mại có thể ảnh hưởng đến cung cầu hàng hóa và dịch vụ, gây ra áp lực lạm phát.

2. Phân tích indicator từ IMF

Giới thiệu về các datastes của IMF:

Dữ liệu trong IMF, tức là Quỹ Tiền Tệ Quốc Tế, là một kho dữ liệu vô cùng lớn và đa dạng. IMF cung cấp một số dữ liệu quan trọng về kinh tế vĩ mô của các quốc gia, bao gồm WEO, IFS, DOTS, BOPS, GFS, và nhiều hơn nữa.

Khác với các chỉ số lấy từ Ngân hàng Thế giới, dữ liệu từ IMF sẽ chứa trong đó một số tập dữ liệu cụ thể.

Khi làm việc với IMF, chúng ta sẽ chọn một trong các tập dữ liệu này. Mỗi tập dữ liệu sẽ bao gồm nhiều chỉ số kinh tế liên quan đến nó.

Ngoài ra, mỗi tập dữ liệu cũng sẽ chứa thông tin về các quốc gia cũng như các thời điểm cụ thể được tổng hợp trong đó.

mlr <- load_datasets('APDREO')
mlr$dimensions$indicator

##               Value
## 1       BCA_GDP_BP6
## 2         PCPIE_PCH
## 3          PCPI_PCH
## 4        GGXCNL_GDP
## 5         NGDP_RPCH
## 6 NGDP_R_PPP_PC_PCH
## 7               LUR
## 8    All_Indicators
##                                                                                     Description
## 1        Balance of Payments, Current Account, Total, Net(BPM6), percent of GDP in U.S. dollars
## 2                                                Consumer Prices, end of period, percent change
## 3                                               Consumer Prices, period average, percent change
## 4                          General government net lending/borrowing, percent of fiscal year GDP
## 5                    Gross domestic product, constant prices, National Currency, percent change
## 6 Gross domestic product, constant prices, purchasing power parity, per capita, percent change 
## 7                                                                             Unemployment rate
## 8                                                                                All Indicators

Trong phần này, ta chọn datasets có tên là “APDREO” - Asia and Pacific Regional Economic Outlook .

Asia and Pacific Regional Economic Outlook (Báo cáo Triển vọng Kinh tế Vùng Châu Á và Thái Bình Dương) là báo cáo của Quỹ Tiền tệ Quốc tế (IMF), cung cấp thông tin về tình hình kinh tế và dự báo cho các quốc gia trong khu vực.

Báo cáo này được thực hiện hai lần một năm, vào mùa xuân và mùa thu, trùng với thời điểm Quỹ Tiền tệ Quốc tế thực hiện Báo cáo Triển vọng Kinh tế Thế giới (World Economic Outlook - WEO).

Nội dung của các datasets:

Trong mỗi datasets đều sẽ có các giá trị sau:

freq: Thể hiện tần suất hoặc thời điểm ghi nhận dữ liệu, bao gồm:
- A - Annual: Hàng năm
- B - Bi-annual: Hai lần mỗi năm
- Q - Quarterly: Hàng quý
- M - Monthly: Hàng tháng
- D - Daily: Hàng ngày
- W - Weekly: Hàng tuần
ref_area: Chỉ ra vị trí lấy dữ liệu, bao gồm các quốc gia, châu lục, khu vực kinh tế hoặc địa lý, hoặc tất cả các vùng trên trong một tập dữ liệu duy nhất.
indicator: Bên trong sẽ có nhiều giá trị chỉ số khác nhau. Mỗi chỉ số này sẽ chứa dữ liệu từ các quốc gia và từng năm tương ứng.

Bộ dữ liệu:

Với datasets có tên là “APDREO”, ta sẽ lọc thành một bộ dữ liệu mới với các giá trị sau :

freq: tần số hoặc thời điểm ghi nhận dữ liệu được thể hiện theo A (Annual) hàng Năm
ref_area: vùng dữ liệu ta lấy sẽ chỉ có số liệu của quốc gia Việt Nam, với giá trị là ‘VN’
indicator: ta chọn nằm ở vị trí số 7 - LUR (Unemployment rate)

bnq <- mlr$get_series(freq = 'A', ref_area = 'VN', indicator = 'LUR')
bnq <- na.omit(bnq)
datatable(bnq)

Ta thu được bộ dữ liệu gồm 39 quan sát và 2 biến. Trong đó:

TIME_PERIOD: đại diện cho các năm của các số liệu, ta có được số liệu của Việt Nam trong 39 năm từ 1990- 2028
A.VN.LUR: tỷ lệ thất nghiệp tại Việt Nam

Mặc dù dữ liệu có từ năm 1990-2028 nhưng ta sẽ chỉ phân tích 10 năm gần đây nhất (2014-2023)

Biểu đồ:

Biểu đồ thể hiện tỷ lệ thất nghiệp của Việt Nam từ năm 2014-2023

bnq %>% filter(TIME_PERIOD > 2013 & TIME_PERIOD < 2024) %>%
  ggplot(aes(x=TIME_PERIOD, y=A.VN.LUR,group = 1)) +
  geom_line(color='blue', linewidth =1) +
  geom_point(color='red') +
  labs(title = "Biểu đồ thể hiện tỷ lệ thất nghiệp của Việt Nam từ năm 2014-2023") +
  labs(x = 'Năm', y = 'Tỷ lệ thất nghiệp')

Nhận xét:

Trong giai đoạn từ năm 2014 đến 2015, tỷ lệ thất nghiệp của Việt Nam đã trải qua một sự tăng lên đáng kể, từ 2.1 lên 2.33. Điều này đưa ra một tín hiệu lo ngại về tình hình kinh tế và thị trường lao động của đất nước. Tuy nhiên, trong các năm tiếp theo, từ năm 2016 đến 2019, chính sách và biện pháp kinh tế được triển khai đã giúp giảm tỷ lệ thất nghiệp, mang lại sự ổn định cho thị trường lao động.
Nhưng đến năm 2019, một đợt tăng mạnh trong tỷ lệ thất nghiệp đã xuất hiện trở lại và tiếp tục tăng đột ngột trong hai năm tiếp theo, đặc biệt là đạt mức cao nhất vào năm 2021. Điều này có thể được lý giải bằng tác động tiêu cực của đại dịch COVID-19 đối với nền kinh tế, gây ra sự suy giảm và sụt giảm của nhiều doanh nghiệp, đặc biệt là các doanh nghiệp nhỏ và vừa. Những biện pháp phòng chống dịch bệnh như giãn cách xã hội, đình chỉ hoạt động kinh doanh và giới hạn đi lại đã tạo ra một áp lực lớn đối với nền kinh tế, dẫn đến tình trạng thất nghiệp gia tăng.
Tuy nhiên, không phải là một bức tranh tối tăm hoàn toàn, vì chính sách can thiệp kịp thời của chính phủ đã có những tác động tích cực. Những biện pháp kích thích kinh tế như chính sách hỗ trợ doanh nghiệp, cơ hội việc làm cho lao động và các gói cứu trợ đã được triển khai, giúp giảm tỷ lệ thất nghiệp xuống mức thấp nhất trong 10 năm gần đây. Điều này cho thấy khả năng của chính phủ trong việc ứng phó với những thách thức kinh tế và xã hội đang đối mặt, và tầm quan trọng của việc có một chiến lược kinh tế linh hoạt và hiệu quả trong việc duy trì sự ổn định và phát triển.

Biểu đồ thể hiện tỷ lệ thất nghiệp của Việt Nam trong 5 năm gần nhất

bnq %>% filter(TIME_PERIOD>2018 & TIME_PERIOD<2024) %>%
  group_by(TIME_PERIOD, A.VN.LUR) %>%
  ggplot(aes(x=TIME_PERIOD, y=A.VN.LUR,group = 1))+
  geom_col(fill='pink') +
  geom_line(color='brown', linewidth =1) +
  geom_text(aes(label = A.VN.LUR),vjust = 5, color = 'black') +
  labs(title = "Biểu đồ thể hiện thất nghiệp của Việt Nam trong 5 năm gần nhất") +
  labs(x = 'Năm', y = 'Tỷ lệ thất nghiệp')

Nhận xét:

Trong vòng 5 năm gần đây, tỷ lệ thất nghiệp ở Việt Nam đã trải qua sự biến động không đồng đều. Tuy nhiên, điểm nổi bật nhất là từ năm 2021, khi tỷ lệ thất nghiệp đạt mức cao nhất (3.2%), do chịu ảnh hưởng nặng nề từ đại dịch COVID-19. Đây là một thách thức lớn đối với nền kinh tế và thị trường lao động của quốc gia.
Tuy nhiên, có một điều đáng mừng là sau đó, tỷ lệ thất nghiệp đã giảm đáng kể so với thời điểm cao nhất trong đại dịch COVID-19. Đặc biệt, vào năm 2023, tỷ lệ thất nghiệp ở Việt Nam chỉ còn 2.09%, một con số đáng khích lệ và cho thấy sự phục hồi của thị trường lao động sau thời kỳ khó khăn. Điều này cho thấy sự linh hoạt và khả năng thích nghi của nền kinh tế và chính sách can thiệp hiệu quả của chính phủ trong việc ổn định và tái tạo thị trường lao động.

Các yếu tố ảnh hưởng

Để hiểu rõ hơn về tỷ lệ thất nghiệp tại Việt Nam, cần phải đào sâu vào mỗi yếu tố và phân tích sự tương tác giữa chúng.

1.Tác động của kinh tế:

- Sự biến động của GDP: Biến động của GDP thường phản ánh sức khỏe của nền kinh tế. Khi GDP tăng, doanh nghiệp thường mở rộng và tăng cơ hội việc làm. Tuy nhiên, khi GDP giảm, doanh nghiệp thường giảm nhân sự để cắt giảm chi phí.

- Tình hình sản xuất và xuất khẩu: Sự phát triển của các ngành sản xuất và xuất khẩu có thể tạo ra cơ hội việc làm, đặc biệt là trong các ngành công nghiệp lớn như may mặc, điện tử, và ô tô.

- Đầu tư trong nước và nước ngoài: Đầu tư trong nước và nước ngoài đóng vai trò quan trọng trong việc thúc đẩy tăng trưởng kinh tế và tạo ra cơ hội việc làm mới thông qua việc xây dựng cơ sở hạ tầng và phát triển các ngành công nghiệp.

2.Chính sách công:

- Chính sách thuế và hỗ trợ doanh nghiệp: Chính sách thuế có thể ảnh hưởng đến khả năng cạnh tranh của các doanh nghiệp và do đó ảnh hưởng đến tạo việc làm. Hỗ trợ doanh nghiệp thông qua các gói tài chính và hỗ trợ vốn cũng có thể giúp tạo ra cơ hội việc làm mới.

- Chính sách giáo dục và đào tạo: Cải thiện chất lượng giáo dục và đào tạo có thể tạo ra nhân lực có kỹ năng và giảm tỷ lệ thất nghiệp.

- Chính sách hỗ trợ người lao động: Các chính sách bảo hiểm thất nghiệp và chính sách hỗ trợ cho người lao động có thể giảm căng thẳng khi thất nghiệp và tìm kiếm việc làm mới.

- Chính sách đầu tư công: Đầu tư vào các dự án cơ sở hạ tầng có thể tạo ra việc làm và giảm tỷ lệ thất nghiệp, đặc biệt là trong các lĩnh vực như xây dựng, giao thông và năng lượng.

3.Công nghệ và cách thức làm việc:

- Sự phát triển công nghiệp 4.0: Công nghiệp 4.0 mang lại cơ hội mới thông qua việc tạo ra các công việc liên quan đến dữ liệu, trí tuệ nhân tạo và robot hợp tác, nhưng cũng có thể gây ra thất nghiệp trong một số ngành công nghiệp truyền thống.

- Tác động của tự động hóa và trí tuệ nhân tạo: Sự tự động hóa có thể thay thế công việc của con người trong một số lĩnh vực như sản xuất và dịch vụ, dẫn đến tăng tỷ lệ thất nghiệp.

- Công việc trực tuyến và làm việc từ xa: Công việc trực tuyến và làm việc từ xa đã trở nên phổ biến hơn, mở ra cơ hội cho người lao động, nhưng cũng có thể tăng sự cạnh tranh và gây ra áp lực giảm giá lao động.

- Sự cạnh tranh và yêu cầu kỹ năng mới: Công việc ngày càng đòi hỏi các kỹ năng mới như kỹ năng kỹ thuật, kỹ năng quản lý và kỹ năng giao tiếp, và những người có kỹ năng này có thể dễ dàng tìm được việc làm, trong khi những người không có thể gặp khó khăn.

4.Thay đổi xã hội và nhân khẩu học:

- Sự gia tăng dân số: Sự gia tăng dân số có thể tạo ra áp lực lớn cho thị trường lao động, đặc biệt là trong các khu vực đô thị.

- Sự phân hóa thu nhập và giàu nghèo: Sự phân hóa thu nhập có thể làm gia tăng căng thẳng xã hội và tăng tỷ lệ thất nghiệp ở nhóm dân có thu nhập thấp.

- Tác động của xu hướng đô thị hóa: Xu hướng đô thị hóa có thể tạo ra cơ hội mới nhưng cũng có thể tăng cạnh tranh và tỷ lệ thất nghiệp, đặc biệt là trong việc tìm kiếm những công việc tương xứng với trình độ dân số đô thị.

- Thay đổi trong cấu trúc gia đình: Thay đổi trong cấu trúc gia đình có thể ảnh hưởng đến việc tham gia vào lực lượng lao động và tỷ lệ thất nghiệp.

Nhiệm vụ 6

ntnsang

15:51:29, 17 - 03 - 2024

Giới thiệu về Indicator:

1. Phân tích indicator từ WDI

Giới thiệu về Indicator:

Nội dung của indicator:

Bộ số liệu cụ thể:

Biểu đồ:

Biểu đồ thể hiện tỷ lệ tăng trưởng của chỉ số giá tiêu dùng trong các giai đoạn:

Biểu đồ thể hiện lạm phát trong 10 năm gần nhất:

Các yếu tố ảnh hưởng:

1. Yếu tố Kinh tế:

2.Yếu tố Chính trị:

3.Yếu tố Xã hội:

4.Yếu tố Quốc tế:

2. Phân tích indicator từ IMF

Giới thiệu về các datastes của IMF:

Nội dung của các datasets:

Bộ dữ liệu:

Biểu đồ:

Biểu đồ thể hiện tỷ lệ thất nghiệp của Việt Nam từ năm 2014-2023

Biểu đồ thể hiện tỷ lệ thất nghiệp của Việt Nam trong 5 năm gần nhất

Các yếu tố ảnh hưởng

1.Tác động của kinh tế:

2.Chính sách công:

3.Công nghệ và cách thức làm việc:

4.Thay đổi xã hội và nhân khẩu học: