1 CHƯƠNG I: GIỚI THIỆU

1.1 1.LỜI MỞ ĐẦU

1.1.1 Đặt Vấn Đề Và Lí Do Chọn Đề Tài

Trong bối cảnh kinh tế toàn cầu ngày càng phát triển và thay đổi nhanh chóng, việc hiểu và phân tích tình hình việc làm của một quốc gia là vô cùng quan trọng. Việc làm không chỉ ảnh hưởng đến sự phát triển kinh tế mà còn đóng vai trò quan trọng trong việc nâng cao chất lượng cuộc sống của người dân. Với nhận thức về tầm quan trọng đó, cá nhân em đã tập trung nghiên cứu và phân tích tình hình việc làm của Việt Nam trong bài tiểu luận này.

1.1.2 Mục Tiêu Phân Tích

Mục tiêu của bài tiểu luận này là đánh giá và phân tích các yếu tố ảnh hưởng đến việc làm ở Việt Nam. Em sẽ tìm hiểu về xu hướng tạo việc làm, cơ cấu ngành nghề, mức lương, và các yếu tố chính khác liên quan đến việc làm trong nước. Bằng cách làm như vậy, em hy vọng sẽ tạo ra một cái nhìn tổng quan và chi tiết về tình hình việc làm của Việt Nam và những thách thức mà nước ta đang đối mặt.

1.1.3 Phương Pháp Nghiên Cứu

Trong quá trình nghiên cứu, em đã sử dụng một loạt các phương pháp nghiên cứu như thu thập dữ liệu thống kê, phân tích số liệu bằng biểu đồ trong phần mềm R và tham khảo các nghiên cứu trước đây. Từ đó đã thu được những phân tích và kết quả quan trọng mà em sẽ trình bày chi tiết trong phần kết quả và thảo luận của bài tiểu luận này.

1.1.4 Ý Nghĩa Và Đóng Góp Của Đề Tài

Cuối cùng, em hy vọng rằng bài tiểu luận này sẽ không chỉ mang lại thông tin hữu ích về tình hình việc làm của Việt Nam mà còn khám phá và đề xuất những giải pháp mới để đối mặt với những thách thức trong lĩnh vực này. Em mong rằng nội dung này sẽ thúc đẩy sự quan tâm và khởi đầu một cuộc thảo luận sôi nổi về việc làm và phát triển kinh tế của Việt Nam.

1.2 2.KÊT CẤU CỦA BÀI

Chương 1: Giới thiệu đề tài nghiên cứu.

  • Giới thiệu tổng quan và mô tả khái quát đề tài nghiên cứu. Nêu lợi ích và ý nghĩa khi chọn đề tài cũng như là phương pháp thực hiện

Chương 2: Thực hành các thao tác để phân tích dữ liệu

  • Sử dụng các hàm, lệnh từ các gói chức năng trong phần mềm R để rút trích phân tích dữ liệu đã thu thập từ các nguồn khác nhau.

  • Vẽ thành các biểu đồ và phân tích từ biểu đồ đó các sự biến đổi, tác nhân và tổng kết lại theo từng gia đoạn đã chia nhỏ

Chương 3: Kết luận và Kiến nghị

  • Bao hàm, tổng quát kết quả phân tích ở chương 2 và đưa ra một số kiến nghị để đem lại kết quả tích cực hơn

2 CHƯƠNG 2: THỰC HÀNH CÁC THAO TÁC ĐỂ PHÂN TÍCH DỮ LIỆU

2.1 1.Lấy dữ liệu

# Lấy các gói chức năng trong phần mềm R
library(tidyverse)
## Warning: package 'tidyverse' was built under R version 4.3.3
## Warning: package 'ggplot2' was built under R version 4.3.3
## Warning: package 'tidyr' was built under R version 4.3.3
## Warning: package 'dplyr' was built under R version 4.3.3
## ── 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(tidyr)
library(dplyr)
library(ggplot2)
library(scales)
## 
## Attaching package: 'scales'
## 
## The following object is masked from 'package:purrr':
## 
##     discard
## 
## The following object is masked from 'package:readr':
## 
##     col_factor
library(WDI)
## Warning: package 'WDI' was built under R version 4.3.3
library(ggrepel)
## Warning: package 'ggrepel' was built under R version 4.3.3
# Gọi các dữ liệu từ WB
## Gói dữ liệu tỷ lệ lao động nam trong mỗi gia đình của Việt Nam 
nt <- WDI(indicator = 'SL.FAM.WORK.MA.ZS', country = c('VNM'))
nt <- nt %>% select(year,SL.FAM.WORK.MA.ZS)
nt <- na.omit(nt)
names(nt) <- c('Year','ME')

## Gói dữ liệu tỷ lệ lao động nam trong ngành nông nghiệp của Việt Nam 
nt1 <- WDI(indicator = 'SL.AGR.EMPL.MA.ZS', country = c('VNM'))
nt1 <- nt1 %>% select(year,SL.AGR.EMPL.MA.ZS)
nt1 <- na.omit(nt1)
names(nt1) <- c('Year','ME')

## Gói dữ liệu tỷ lệ lao động nam trong ngành công nghiệp của Việt Nam

nt2 <- WDI(indicator = 'SL.IND.EMPL.MA.ZS', country = c('VNM'))
nt2 <- nt2 %>% select(year,SL.IND.EMPL.MA.ZS)
nt2 <- na.omit(nt2)
names(nt2) <- c('Year','ME')

## Gói dữ liệu tỷ lệ lao động nam trong ngành dịch vụ của Việt Nam

nt3 <- WDI(indicator = 'SL.SRV.EMPL.MA.ZS', country = c('VNM'))
nt3 <- nt3 %>% select(year,SL.SRV.EMPL.MA.ZS)
nt3 <- na.omit(nt3)
names(nt3) <- c('Year','ME')

## Gói dữ liệu tỷ lệ lao động nữ trong mỗi gia đình của Việt Nam

nt01 <- WDI(indicator = 'SL.FAM.WORK.FE.ZS', country = c('VNM'))
nt01 <- nt01 %>% select(year,SL.FAM.WORK.FE.ZS)
nt01 <- na.omit(nt01)
names(nt01) <- c('Year','FME')

## Gói dữ liệu tỷ lệ lao động nữ trong ngành nông nghiệp của Việt Nam

nt11 <- WDI(indicator = 'SL.AGR.EMPL.FE.ZS', country = c('VNM'))
nt11 <- nt11 %>% select(year,SL.AGR.EMPL.FE.ZS)
nt11 <- na.omit(nt11)
names(nt11) <- c('Year','FME')

## Gói dữ liệu tỷ lệ lao động nữ trong ngành công nghiệp của Việt Nam

nt21 <- WDI(indicator = 'SL.IND.EMPL.FE.ZS', country = c('VNM'))
nt21 <- nt21 %>% select(year,SL.IND.EMPL.FE.ZS)
nt21 <- na.omit(nt21)
names(nt21) <- c('Year','FME')

## Gói dữ liệu tỷ lệ lao động nữ trong ngành dịch vụ của Việt Nam

nt31 <- WDI(indicator = 'SL.SRV.EMPL.FE.ZS', country = c('VNM'))
nt31 <- nt31 %>% select(year,SL.SRV.EMPL.FE.ZS)
nt31 <- na.omit(nt31)
names(nt31) <- c('Year','FME')

2.2 2.Thực hiện vẽ biểu đồ để tiến hành phân tích

2.2.1 SO SÁNH TỶ LỆ NAM NỮ LAO ĐỘNG TRONG ĐÓNG GÓP CỦA MỖI GIA ĐÌNH VIỆT NAM

2.2.1.1 GIAI ĐOẠN 2010 - 2012 - 2014 - 2016 - 2018

# Gán biến từ dữ liệu này sang cùng 1 dữ liệu
MEFMEF <- nt
MEFMEF <- MEFMEF %>% mutate(nt01)
# Lọc lấy dữ liệu theo mỗi 2 năm từ 2010 tới 2018
MEFMEF1 <-  filter(MEFMEF, Year == 2010 | Year == 2012 | Year == 2014 | Year == 2016 | Year == 2018)
# Vẽ biểu đồ đường phân tích tỷ lệ lao động nam và nữ trong GĐ Việt Nam
ggplot(MEFMEF1,aes(x= Year, y1= ME, y2= FME)) +
  geom_line(aes(x =Year, y = ME), color = "orange", linewidth = 1) +
  geom_point(aes(x =Year, y = ME),shape = 7) +
  geom_line(aes(x =Year, y = FME), color = "lightblue", linewidth = 1) +
  geom_point(aes(x =Year, y = FME), shape = 21) +
  labs(title = "Theo Từng Hai Năm Từ 2010 Đến 2018", x = "Năm", y = " (%)",)

  • Đường màu cam lại đại diện cho tỷ lệ lao động nam trong mỗi gia đình

  • Đường màu xanh lại đại diện cho tỷ lệ lao động nữ trong mỗi gia đình

Tỷ lệ phụ nữ lao động trong công việc gia đình luôn nhiều hơn nam giới

  • Tỷ lệ tham gia TTLĐ của phụ nữ ở Việt Nam ở mức cao đáng kể. Mức độ hoạt động kinh tế cao này ở phụ nữ có thể bị hiểu nhầm là một chỉ báo về mức độ bất bình đẳng giới tương đối thấp ở Việt Nam. Báo cáo này có cách tiếp cận rộng hơn và đánh giá không chỉ khả năng tiếp cận việc làm mà còn đánh giá cả chất lượng việc làm. Kết quả phân tích cho thấy phụ nữ ở Việt Nam phải mang “gánh nặng kép” một cách không tương xứng và họ phải đối mặt với nhiều bất bình đẳng có tính chất dai dẳng.

  • Xét trung bình, chất lượng việc làm của phụ nữ thấp hơn của nam giới. Lao động nữ chiếm đa số trong các công việc dễ bị tổn thương, đặc biệt là công việc gia đình. Họ có mức thu nhập thấp hơn nam giới, bất luận số giờ làm giữa hai giới là tương đương và dần xóa bỏ chênh lệch giới về trình độ học vấn. Họ cũng không đảm nhiệm nhiều vị trí ra quyết định so với nam giới.

  • Mặc dù rất tích cực tham gia hoạt động kinh tế, nhưng phụ nữ đồng thời cũng phải gánh vác trách nhiệm gia đình một cách không tương xứng. Họ dành nhiều giờ gấp đôi nam giới để phục vụ cho gia đình mình, chẳng hạn như dọn dẹp, nấu nướng, hoặc chăm sóc các thành viên trong gia đình và con cái. Hầu như mọi phụ nữ đều tham gia vào các hoạt động này hàng tuần. Tỷ trọng nam giới tham gia vào từng hoạt động này thấp hơn và có tới gần 20% cho biết họ không hề dành quỹ thời gian nào cho các hoạt động này.

  • Tổng quan biểu đồ cho thấy cả hai đường đều có xu thế di chuyển tương tự nhau, xu thế của biểu đồ chủ yếu là giảm mạnh, nhưng đến năm 2014 thì lại tăng cao, sau đó thì tiếp tục giảm sâu.

Vậy tại vì sao lại có xu thế di chuyển như vậy ?

  • Có thể nói năm 2014 là năm khá đặc biệt của Việt Nam, do có sự chuyển biến của kinh tế trong nước. Mở rộng các ngành công nghiệp và xu hướng phát triển kinh tế tại một số ngành nghề cụ thể. Từ đó dẫn đến nhu cầu lao động tăng lên và tăng cường sự tham gia của cả nam và nữ vào lực lượng lao động.

  • Xã hội đã thay đổi và có cái nhìn khách quan hơn trong thời gian đó. Làm thay đổi cách nhìn nhận về công việc và vai trò của giới tính trong gia đình. ” Trọng nam khinh nữ” giảm hẳn và phụ nữ có thể tham gia vào lực lượng lao động nhiều hơn, đồng thời nam giới có thể tham gia tích cực hơn trong công việc gia đình.

  • Chính phủ đã áp dụng các chính sách khuyến khích tham gia lao động và tạo ra cơ hội việc làm cho cả nam và nữ. Các chính sách này bao gồm việc thúc đẩy bình đẳng giới, cung cấp hỗ trợ tài chính hoặc đào tạo nghề để nâng cao khả năng lao động.

  • Các xu hướng trong cách sống và tổ chức gia đình có thể đã thay đổi trong thời gian gần đây. Ví dụ, việc giảm kích cỡ gia đình hoặc thay đổi vai trò truyền thống giữa nam và nữ trong gia đình có thể dẫn đến sự gia tăng tỷ lệ lao động nam và nữ trong mỗi gia đình.

Điều gì đã làm cho tổng quan thị trường lao động Việt Nam giảm sút ?

Tỷ lệ nam giới tham gia lao động trong gia đình tại Việt Nam từ năm 2010 đến 2018 đã trải qua một xu hướng giảm đáng chú ý.

  • Năm 2010, tỷ lệ nam giới tham gia lao động trong gia đình là 13.02%. Tuy nhiên, từ năm 2011, chúng ta đã chứng kiến một sự giảm nhẹ trong tỷ lệ này, khi năm 2011 ghi nhận 12.49%. Xu hướng giảm tiếp tục được thấy vào các năm tiếp theo: 12.11% năm 2012, 12.02% năm 2013.

  • Năm 2014 là năm đáng chú ý, khi tỷ lệ nam giới tham gia lao động trong gia đình tăng đột biến lên 16.55%. Tuy nhiên, xu hướng tăng này không được duy trì, và năm 2015 chứng kiến một sự giảm mạnh khi tỷ lệ giảm xuống chỉ còn 11.44%. Từ đó, xu hướng giảm tiếp tục diễn ra: 10.41% năm 2016, 10.16% năm 2017 và 9.87% năm 2018.

  • Dấu hiệu giảm tỷ lệ nam giới tham gia lao động trong gia đình có thể phản ánh sự thay đổi trong vai trò và đóng góp của nam giới trong việc chăm sóc gia đình và thực hiện các nhiệm vụ gia đình. Thay vì tham gia lao động trong gia đình, nam giới có thể tìm kiếm việc làm ngoài gia đình hoặc tham gia các hoạt động khác trong xã hội.

  • Có nhiều yếu tố có thể ảnh hưởng đến xu hướng giảm này. Một trong số đó là sự phát triển của kinh tế và công nghiệp, dẫn đến sự mở rộng của các ngành nghề và cơ hội việc làm ngoài gia đình. Ngoài ra, các chính sách và quy định về lao động cũng có thể có tác động, bao gồm các biện pháp khuyến khích tham gia lao động ngoài gia đình và đảm bảo công bằng giới tính trong việc phân chia công việc gia đình.

Bên cạnh đó về phần lao động nữ

  • Tỷ lệ nữ giới tham gia lao động trong gia đình tại Việt Nam từ năm 2010 đến 2018 đã trải qua một xu hướng giảm đáng chú ý. Dữ liệu cho thấy tỷ lệ này đã giảm từ 26.22% vào năm 2010 xuống còn 20.39% vào năm 2018.

  • Xuất phát từ năm 2010, tỷ lệ nữ giới tham gia lao động trong gia đình đã bắt đầu giảm dần. Năm 2011, tỷ lệ này giảm xuống 24.84%, và tiếp tục giảm trong năm 2012 với tỷ lệ là 23.12%.

  • Năm 2013 ghi nhận một sự tăng nhẹ lên 22.59%, tuy nhiên xu hướng giảm tiếp tục trở lại vào năm 2014, khi tỷ lệ giảm mạnh xuống còn 26.55%.

  • Tiếp theo, trong các năm 2015, 2016 và 2017, tỷ lệ nữ giới tham gia lao động trong gia đình tiếp tục giảm, lần lượt là 23.27%, 22.05% và 21.21%.

  • Cuối cùng, vào năm 2018, tỷ lệ nữ giới tham gia lao động trong gia đình giảm xuống còn 20.39%, đánh dấu một sự giảm đáng kể trong vòng 9 năm.

  • Xu hướng giảm tỷ lệ nữ giới tham gia lao động trong gia đình có thể phản ánh sự thay đổi trong vai trò và đóng góp của phụ nữ trong công việc gia đình. Có thể rằng các yếu tố kinh tế, xã hội và văn hóa đã ảnh hưởng đến xu hướng này. Điều này có thể bao gồm sự thay đổi trong cơ hội việc làm ngoài gia đình, sự phát triển của các ngành nghề khác, và sự thay đổi trong quan điểm về vai trò giới tính và công việc gia đình.

2.2.1.2 GIAI ĐOẠN 2016 - 2018 - 2020 - 2022

# Gán biến từ dữ liệu này sang cùng 1 dữ liệu
MEFMEF <- nt
MEFMEF <- MEFMEF %>% mutate(nt01)
# Lọc lấy dữ liệu theo mỗi 2 năm từ 2016 tới 2022
MEFMEF2 <-  filter(MEFMEF, Year == 2016 | Year == 2018 | Year == 2020 | Year == 2022 )
# Vẽ biểu đồ đường phân tích tỷ lệ lao động nam và nữ trong GĐ Việt Nam
ggplot(MEFMEF2,aes(x= Year, y1= ME, y2= FME)) +
  geom_line(aes(x =Year, y = ME), color = "orange", linewidth = 1) +
  geom_point(aes(x =Year, y = ME),color= "orange") +
  geom_line(aes(x =Year, y = FME),color= "lightblue" ,linewidth = 1) +
  geom_point(aes(x =Year, y = FME),color= "lightblue" ) +
  labs(title = "Theo Từng Hai Năm Từ 2016 Đến 2022", x = "Năm", y = " (%)", fill= "GIỚI TÍNH")

  • Đường màu cam biểu diễn cho tỷ lệ lao động nam trong mỗi gia đình

  • Đường màu xanh lại đại diện cho tỷ lệ lao động nữ trong mỗi gia đình

  • Tỷ lệ lao động nam trong gia đình trong các năm nghiên cứu đã giảm từ 10.405365% vào năm 2016 xuống còn 8.901121% vào năm 2022. Điều này cho thấy sự giảm tỷ lệ lao động nam trong gia đình trong khoảng thời gian này.

  • Tỷ lệ lao động nữ trong gia đình cũng đã giảm từ 22.04521% vào năm 2016 xuống còn 17.89588% vào năm 2022. Điều này cho thấy sự giảm tỷ lệ lao động nữ trong gia đình cũng như sự chênh lệch giới tính trong công việc gia đình.

  • Tỷ lệ lao động nam và lao động nữ trong gia đình đều giảm trong suốt giai đoạn nghiên cứu. Điều này có thể cho thấy sự thay đổi trong cách thức tổ chức công việc gia đình hoặc xu hướng tham gia lao động của nam và nữ trong gia đình.

  • Dựa trên số liệu, chênh lệch giữa tỷ lệ lao động nam và lao động nữ trong gia đình vẫn tồn tại. Tỷ lệ lao động nữ vẫn cao hơn so với tỷ lệ lao động nam trong tất cả các năm nghiên cứu. Điều này có thể phản ánh sự phân chia trách nhiệm giữa nam và nữ trong công việc gia đình và tác động của các yếu tố xã hội và văn hóa đối với vai trò của nam và nữ trong gia đình.

Điều gì đã làm cho tổng quan thị trường lao động Việt Nam giảm sút ?

  • Ta nhận thấy sự giảm tỷ lệ lao động nam và lao động nữ trong gia đình trong suốt giai đoạn nghiên cứu. Chênh lệch giới tính vẫn tồn tại, với tỷ lệ lao đđộng nữ vẫn cao hơn so với tỷ lệ lao động nam. Các kết quả này có thể phản ánh sự thay đổi trong vai trò của nam và nữ trong công việc gia đình và tác động của các yếu tố xã hội và văn hóa.

  • Để hiểu rõ hơn về nguyên nhân và hệ quả của các xu hướng này, cần tiến hành các nghiên cứu và phân tích bổ sung. Các yếu tố như sự phân công công việc giữa nam và nữ, sự cân bằng giữa cuộc sống gia đình và công việc, và các chính sách hỗ trợ công việc gia đình có thể đóng vai trò quan trọng trong việc hiểu và giải quyết các vấn đề liên quan.

  • Bài tiểu luận này chỉ tập trung vào phân tích dựa trên các số liệu cung cấp. Để có cái nhìn toàn diện hơn về tình hình lao động nam và nữ trong gia đình, cần xem xét thêm các yếu tố xã hội, kinh tế và văn hóa để hiểu sâu hơn về ngữ cảnh và cơ sở của các xu hướng này.

  • Tóm lại, việc phân tích cho thấy sự giảm tỷ lệ lao động nam và lao động nữ trong gia đình trong suốt giai đoạn nghiên cứu. Chênh lệch giới tính vẫn tồn tại, với tỷ lệ lao động nữ vẫn cao hơn so với tỷ lệ lao động nam. Điều này đòi hỏi sự quan tâm và nghiên cứu tiếp theo để hiểu rõ hơn về các yếu tố và tác động đằng sau các kết quả này và tìm ra các biện pháp hỗ trợ và cân nhắc giữa công việc gia đình và cuộc sống cá nhân và nghề nghiệp của nam và nữ.

2.2.2 TỶ LỆ NAM GIỚI SO VỚI NỮ TRONG LAO ĐỘNG NGÀNH NÔNG NGHIỆP

  • Ngành nông nghiệp Việt Nam đóng một vai trò quan trọng trong nền kinh tế của đất nước. Với hơn 70% dân số Việt Nam sống và làm việc tại các vùng nông thôn, ngành nông nghiệp đóng góp lớn vào sản xuất nông sản, cung cấp thực phẩm và tạo ra thu nhập cho người dân.

2.2.2.1 GIAI ĐOẠN 1996 - 1997 - 1997 - 1998 - 1999 - 2000

t1 <- nt1
t1 <- t1 %>% mutate(nt11)
t1 <-  filter(t1, Year == 1996 | Year == 1997 | Year == 1998 | Year == 1999| Year == 2000 )
 ggplot(t1,aes(x= Year, y1= ME,y2 =FME)) +
   geom_col(aes(x= Year, y= ME),fill = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange", linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 1996 -2000", x= "Năm", y= "%")

  • Tỷ lệ nam và nữ đang làm việc trong ngành nông nghiệp đã trải qua sự biến đổi trong suốt khoảng thời gian từ năm 1996 đến năm 2000.

  • Bắt đầu với năm 1996, tỷ lệ nam và nữ làm việc trong ngành nông nghiệp đạt đỉnh cao với tỷ lệ nam là 69.53% và tỷ lệ nữ là 70.43%. Đây là mức cao nhất trong suốt thời gian nghiên cứu. Sự tham gia đáng kể của cả nam và nữ trong ngành nông nghiệp ở năm này có thể cho thấy vai trò quan trọng của ngành này trong cung cấp việc làm cho cả hai giới.

-Tuy nhiên, từ năm 1997 đến năm 2000, tỷ lệ nam và nữ làm việc trong ngành nông nghiệp đã giảm nhẹ. Vào năm 2000, tỷ lệ nam làm việc trong ngành nông nghiệp là 64.23%, trong khi tỷ lệ nữ là 66.29%. Điều này cho thấy sự giảm đáng kể so với năm 1996. Tương tự, trong các năm trước đó, tỷ lệ nam và nữ đều giảm dần. Năm 1999, tỷ lệ nam là 64.49% và tỷ lệ nữ là 65.46%. Năm 1998, tỷ lệ nam là 63.93% và tỷ lệ nữ là 65.60%. Năm 1997, tỷ lệ nam là 64.54% và tỷ lệ nữ là 66.03%.

  • Dữ liệu này cho thấy xu hướng giảm sự tham gia của cả nam và nữ trong ngành nông nghiệp trong giai đoạn nghiên cứu. Tuy nhiên, một điểm đáng chú ý là tỷ lệ nữ trong ngành nông nghiệp thường cao hơn tỷ lệ nam trong suốt thời gian nghiên cứu. Điều này cho thấy sự gia tăng tham gia của phụ nữ trong ngành này và tăng cường vai trò của họ trong các hoạt động nông nghiệp.

  • Để hiểu rõ hơn về chênh lệch giữa nam và nữ trong ngành nông nghiệp, cần xem xét các yếu tố khác như chính sách lao động, sự phân chia công việc giới tính và yêu cầu công việc trong ngành nông nghiệp. Chính sách lao động có thể đóng vai trò quan trọng trong việc khuyến khích sự tham gia của cả nam và nữ trong ngành này. Sự phân chia công việc giới tính có thể phản ánh sự thay đổi trong nhận thức về vai trò giới tính trong ngành nông nghiệp, trong đó phụ nữ đóng vai trò quan trọng hơn trong các hoạt động nông nghiệp. Ngoài ra, yêu cầu công việc trong ngành cũng có thể ảnh hưởng đến tỷ lệ nam và nữ tham gia vào ngành nông nghiệp.

2.2.2.2 GIAI ĐOẠN 2000 - 2005 - 2010 - 2015 - 2020

t2 <- nt1
t2 <- t2 %>% mutate(nt11)
t2 <-  filter(t2, Year == 2000 | Year == 2005 | Year == 2010 | Year == 2015| Year == 2020 )
 ggplot(t2,aes(x= Year, y1= ME,y2 =FME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 2000- 2020", x= "Năm", y= "%")

  • Tỷ lệ người lao động nam trong ngành nông nghiệp và tỷ lệ người lao động nữ trong ngành nông nghiệp cho thấy xu hướng giảm đáng kể trong số lượng người lao động nam và nữ trong ngành nông nghiệp từ năm 2000 đến năm 2020.

Tỷ lệ người lao động nam trong ngành nông nghiệp:

  • Tỷ lệ này giảm từ 64.23% vào năm 2000 xuống còn 31.52% vào năm 2020. Điều này cho thấy sự giảm dần của người lao động nam trong ngành nông nghiệp. Có thể giải thích rằng ngành nông nghiệp đã trải qua quá trình chuyển dịch từ lao động nam sang các ngành công nghiệp và dịch vụ, cùng với sự phát triển của nền kinh tế.

Tỷ lệ người lao động nữ trong ngành nông nghiệp:

  • Tỷ lệ này giảm từ 66.29% vào năm 2000 xuống còn 33.81% vào năm 2020. Tương tự như tỷ lệ người lao động nam, tỷ lệ người lao động nữ trong ngành nông nghiệp cũng đang giảm dần theo thời gian. Điều này có thể cho thấy sự di chuyển của lao động nữ từ ngành nông nghiệp sang các ngành khác.

  • Xu hướng giảm tỷ lệ người lao động nam và nữ trong ngành nông nghiệp có thể được giải thích bằng việc sự phát triển của nền kinh tế, quy trình tự động hóa và công nghệ đã làm giảm nhu cầu lao động trong ngành nông nghiệp. Điều này có thể tạo ra cơ hội việc làm mới trong các ngành khác, nhưng cũng có thể đặt ra thách thức cho sự đảm bảo an sinh xã hội và sự phân phối thu nhập công bằng trong ngành nông nghiệp.

  • Tổng quan cho thấy sự giảm tỷ lệ người lao động nam và nữ trong ngành nông nghiệp từ năm 2000 đến năm 2020, cho thấy sự chuyển dịch của nguồn lao động sang các ngành công nghiệp và dịch vụ. Do sự phát triển vượt bậc của công nghệ tiên tiến, và nhà nước đã chú trọng áp dụng công nghệ cao vào ngành nông nghiệp của Việt Nam để đáp ứng được nhu cầu các quốc gia khác để xuất khẩu thành phẩm của nông nghiệp. Việc hiểu và đáp ứng đúng xu hướng này là quan trọng để đảm bảo sự phát triển bền vững của ngành nông nghiệp và đáp ứng nhu cầu việc làm và phân phối thu nhập công bằng trong xã hội.

2.2.2.3 GIAI ĐOẠN 2019 - 2020 - 2021 - 2022

t3 <- nt1
t3 <- t3 %>% mutate(nt11)
t3 <-  filter(t3,Year== 2019| Year== 2020| Year == 2021 | Year == 2022 )
 ggplot(t3,aes(x= Year, y= ME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 2021- 2022", x= "Năm", y= "%")

  • Trong bối cảnh phát triển kinh tế và xã hội, ngành nông nghiệp đóng vai trò quan trọng trong cung cấp thực phẩm và việc làm cho hàng triệu người trên toàn thế giới. Để hiểu rõ hơn về sự tham gia của nam và nữ trong ngành này, chúng ta hãy xem xét dữ liệu về tỷ lệ nam và nữ làm việc trong ngành nông nghiệp từ năm 2019 đến năm 2022.

  • Năm 2019, tỷ lệ nam làm việc trong ngành nông nghiệp là 33.63074%, trong khi tỷ lệ nữ là 35.82898%. Điều này cho thấy sự tham gia đáng kể của cả nam và nữ trong ngành nông nghiệp và tương đối cân bằng giới tính.

  • Tuy nhiên, năm 2020, chúng ta chứng kiến một sự giảm đáng kể trong tỷ lệ nam và nữ tham gia vào ngành nông nghiệp. Tỷ lệ nam giảm xuống còn 31.52144% và tỷ lệ nữ giảm xuống còn 33.81323%. Điều này cho thấy sự suy giảm trong sự tham gia của cả nam và nữ trong ngành nông nghiệp trong năm 2020.

  • Năm 2021, xu hướng giảm sự tham gia của nam và nữ trong ngành nông nghiệp tiếp tục. Tỷ lệ nam làm việc chỉ còn 29.32756% và tỷ lệ nữ làm việc là 28.74110%. Đây là con số thấp nhất trong suốt giai đoạn nghiên cứu, cho thấy sự suy giảm đáng kể và không cân bằng giới tính trong ngành nông nghiệp trong năm 2021.

  • Tuy nhiên, năm 2022, chúng ta chứng kiến một sự tăng trưởng và phục hồi nhất định. Tỷ lệ nam làm việc tăng lên 32.44353% và tỷ lệ nữ làm việc tăng lên 34.85284%. Điều này cho thấy một sự phục hồi sau giai đoạn suy giảm trước đó, mặc dù tỷ lệ nam và nữ vẫn chưa đạt được mức cao nhất như năm 2019.

  • Từ những số liệu trên, chúng ta có thể nhận thấy sự biến đổi và biến động trong tỷ lệ nam và nữ làm việc trong ngành nông nghiệp trong giai đoạn nghiên cứu. Có sự giảm đáng kể trong sự tham gia của cả nam và nữ trong năm 2020 và 2021, nhưng có một sự phục hồi nhất định trong năm 2022.

2.2.3 SO SÁNH TỶ LỆ NAM NỮ LAO ĐỘNG TRONG ĐÓNG GÓP TRONG NGÀNH CÔNG NGHIỆP VIỆT NAM

  • Ngành Công nghiệp là một trong những ngành kinh tế quan trọng của Việt Nam. Trong thời gian gần đây, ngành Công nghiệp đã đóng góp một phần lớn vào tăng trưởng kinh tế của đất nước.Sự phát triển của ngành này đã góp phần quan trọng vào tăng trưởng kinh tế và xuất khẩu của đất nước. Tuy nhiên, vẫn còn cần có những nỗ lực để nâng cao chất lượng, đa dạng hóa sản phẩm và giải quyết các thách thức hiện diện. Vậy ngành Công nghiệp đã sử dụng lao động như thế nào ?

2.2.3.1 GIAI ĐOẠN 1996 - 1997 - 1998 - 1999 - 2000

t4 <- nt2
t4 <- t4 %>% mutate(nt21)
t4 <-  filter(t4, Year == 1996 | Year == 1997 | Year == 1998 | Year == 1999| Year == 2000  )
 ggplot(t4,aes(x= Year, y= ME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME), shape = 2) +
   geom_smooth(method = "lm", se = FALSE,color = "red") +
   geom_col(aes(x= Year, y= FME),fill = "orange")+
  
   labs(title = "GIAI ĐOẠN 1996 - 2000", x= "Năm", y= "%")
## `geom_smooth()` using formula = 'y ~ x'

  • Hai mã số SL.IND.EMPL.MA.ZS và SL.IND.EMPL.FE.ZS đại diện cho tỷ lệ người lao động nam và nữ trong ngành công nghiệp so với tổng số người lao động trong một quốc gia. Dữ liệu được cung cấp cho các năm 1996, 1997, 1998, 1999 và 2000.

  • Tỷ lệ người lao động nam trong ngành công nghiệp:

  • Từ năm 1996 đến năm 1997, tỷ lệ người lao động nam tăng đáng kể từ 12.50% lên 14.92%.

  • Từ năm 1997 đến năm 1998, tỷ lệ này giảm nhẹ xuống 13.98%.

  • Từ năm 1998 đến năm 1999, tỷ lệ tiếp tục giảm xuống 14.13%.

  • Cuối cùng, từ năm 1999 đến năm 2000, tỷ lệ tăng nhẹ lên 14.71%.

  • Tổng quan, tỷ lệ người lao động nam trong ngành công nghiệp có một sự biến đổi không đồng đều trong giai đoạn từ năm 1996 đến năm 2000, với một sự tăng và giảm nhẹ. Tuy nhiên, sự biến đổi này không đạt mức đáng kể và tỷ lệ cuối cùng năm 2000 không có sự thay đổi lớn so với năm 1996.

  • Tỷ lệ này có sự biến động nhẹ trong suốt giai đoạn từ năm 1996 đến năm 2000. Tuy nhiên, tỷ lệ người lao động nam trong ngành công nghiệp không có sự thay đổi đáng kể trong thời gian này. Năm 2000, tỷ lệ này đạt 14.71%, cao hơn so với năm 1996 và 1999, nhưng không có sự khác biệt lớn.

  • Tỷ lệ người lao động nữ trong ngành công nghiệp:

  • Từ năm 1996 đến năm 1997, tỷ lệ người lao động nữ tăng từ 8.81% lên 10.42%.

  • Từ năm 1997 đến năm 1998, tỷ lệ này giảm xuống 9.17%.

  • Từ năm 1998 đến năm 1999, tỷ lệ tiếp tục giảm xuống 9.87%.

  • Cuối cùng, từ năm 1999 đến năm 2000, tỷ lệ tăng nhẹ lên 10.13%.

  • Tương tự như tỷ lệ người lao động nam, tỷ lệ người lao động nữ trong ngành công nghiệp cũng có sự biến đổi không đồng đều trong giai đoạn từ năm 1996 đến năm 2000. Tuy nhiên, sự biến đổi này cũng không đạt mức đáng kể và tỷ lệ cuối cùng năm 2000 không có sự thay đổi lớn so với năm 1996.

  • Từ dữ liệu trên, không có xu hướng rõ ràng về thay đổi tỷ lệ người lao động nam và nữ trong ngành công nghiệp trong khoảng thời gian từ năm 1996 đến năm 2000. Tuy nhiên, tỷ lệ người lao động nam và nữ trong ngành công nghiệp năm 2000 có xu hướng cao hơn so với năm 1996 và 1999, mặc dù khá nhỏ.

2.2.3.2 GIAI ĐOẠN 2000 - 2005 -2010 - 2015 - 2020

t5 <- nt2
t5 <- t5 %>% mutate(nt21)
t5 <-  filter(t5, Year == 2000 | Year == 2005 | Year == 2010 | Year == 2015| Year == 2020 )
 ggplot(t5,aes(x= Year, y1= ME,y2 =FME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 2000- 2020", x= "Năm", y= "%")

  • Trong khoảng thời gian từ năm 2000 đến năm 2020, tỷ lệ nam và nữ trong lực lượng lao động công nghiệp đã trải qua một số thay đổi đáng chú ý. Ban đầu, vào năm 2000, tỷ lệ nam làm việc trong ngành công nghiệp vượt trội với 14.71%, trong khi tỷ lệ nữ chỉ đạt 10.13%. Điều này chỉ ra sự bất cân đối giới tính rõ ràng trong lực lượng lao động công nghiệp.

  • Tuy nhiên, từ năm 2000 đến năm 2020, chúng ta đã chứng kiến sự tiến bộ về cân bằng giới tính trong ngành này. Tỷ lệ nam và nữ đều tăng lên từ năm 2000 đến năm 2020. Đặc biệt, trong khoảng thời gian từ năm 2005 đến năm 2020, chênh lệch giữa nam và nữ đã thu hẹp đáng kể.

  • Vào năm 2015, tỷ lệ nam làm việc trong lực lượng lao động công nghiệp tăng lên 25.97%, trong khi tỷ lệ nữ đạt 19.31%. Điều này cho thấy sự gia tăng đáng kể của sự tham gia của nữ trong ngành công nghiệp. Tiếp theo, vào năm 2020, tỷ lệ nam và nữ tiếp tục tăng lên 34.95% và 26.80% tương ứng, đồng thời cho thấy sự tiến bộ tiếp tục trong việc cân bằng giới tính trong lực lượng lao động công nghiệp.

  • Vậy kết luận rằng trong khoảng thời gian từ năm 2000 đến năm 2020, ngành công nghiệp đã chứng kiến sự cải thiện đáng kể về cân bằng giới tính trong lực lượng lao động. Mặc dù chênh lệch giữa nam và nữ vẫn tồn tại, nhưng sự tham gia của nữ trong ngành công nghiệp đã tăng lên và tiến gần hơn đến sự cân bằng giới tính. Điều này cho thấy tiến bộ và sự nhạy bén trong việc thúc đẩy sự đa dạng và bình đẳng giới tính trong lực lượng lao động công nghiệp.

2.2.3.3 GIAI ĐOẠN 2018 - 2019 - 2020 - 2022

t6 <- nt2
t6 <- t6 %>% mutate(nt21)
t6 <-  filter(t6, Year == 2018 | Year == 2019 | Year == 2020 | Year == 2021| Year == 2022 )
 ggplot(t6,aes(x= Year,y1= ME,y2= FME),) +
   geom_col(aes(x= Year, y= FME),fill = "orange")+
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME), shape = 2) +
   labs(title = " Giai Đoạn 2018 - 2022", x = "Năm", y= "%") +
   scale_fill_manual(values = c("Nam" = "lightblue","Nữ" = "orange")) +
  theme_minimal()
## Warning: No shared levels found between `names(values)` of the manual scale and the
## data's fill values.

  • Sự biến đổi của hai mã số SL.IND.EMPL.MA.ZS và SL.IND.EMPL.FE.ZS từ năm 2018 đến năm 2022.

  • Sự biến đổi của tỷ lệ người lao động nam và nữ trong ngành công nghiệp:

  • Tăng trưởng kinh tế: Nếu có sự tăng trưởng kinh tế, ngành công nghiệp thường mở rộng và cần nhiều lao động. Trong trường hợp này, tỷ lệ người lao động nam và nữ đều có thể tăng lên.

  • Chính sách và quy định: Chính sách và quy định về lao động có thể ảnh hưởng đến sự thay đổi tỷ lệ giới tính trong ngành công nghiệp. Ví dụ, các chính sách về bình đẳng giới có thể khuyến khích tăng cường đại diện nữ trong ngành công nghiệp.

  • Thay đổi cấu trúc ngành công nghiệp: Sự biến đổi cấu trúc ngành công nghiệp, chẳng hạn như sự chuyển dịch từ các ngành công nghiệp truyền thống sang kỹ thuật cao hoặc dịch vụ, có thể ảnh hưởng đến tỷ lệ giới tính trong ngành.

Tác động của công nghệ: Sự phát triển công nghệ có thể tác động đến tỷ lệ người lao động nam và nữ trong ngành công nghiệp. Ví dụ, các ngành công nghiệp công nghệ cao có thể thu hút nhiều nam giới, trong khi các ngành công nghiệp truyền thống có thể có sự đại diện nữ nhiều hơn.

Vậy công nghệ có tác động như thế nào đến với tỷ lệ lao động trong ngành công nghiệp ?

  • Automation và tỷ lệ người lao động nam và nữ: Sự phát triển của công nghệ tự động hóa (automation) có thể ảnh hưởng đến tỷ lệ người lao động nam và nữ trong ngành công nghiệp. Các công nghệ tự động hóa có thể thay thế công việc truyền thống mà trước đây thường do lao động nam thực hiện. Trong khi đó, các công việc mới liên quan đến công nghệ thường yêu cầu kiến thức kỹ thuật và có thể thu hút nhiều người lao động nam hơn. Do đó, sự phát triển của automation có thể làm thay đổi tỷ lệ người lao động nam và nữ trong ngành công nghiệp.

  • Sự chuyển dịch ngành công nghiệp: Công nghệ có thể góp phần vào sự chuyển dịch ngành công nghiệp, từ các ngành truyền thống sang các ngành công nghệ cao và dịch vụ. Các ngành công nghiệp công nghệ cao thường đòi hỏi kiến thức chuyên môn và kỹ thuật cao, có thể tạo ra một môi trường thuận lợi cho người lao động nam. Trong khi đó, các ngành công nghiệp truyền thống có thể có sự đại diện nữ nhiều hơn. Do đó, sự chuyển dịch ngành công nghiệp có thể tác động đến tỷ lệ người lao động nam và nữ.

  • Các yếu tố xã hội và giới tính: Công nghệ không phải lúc nào cũng là nguyên nhân trực tiếp của sự biến đổi tỷ lệ người lao động nam và nữ trong ngành công nghiệp. Các yếu tố xã hội và giới tính cũng có tác động. Ví dụ, sự định kiến xã hội về vai trò giới tính có thể ảnh hưởng đến lựa chọn nghề nghiệp và sự tham gia của nam và nữ trong các ngành công nghiệp cụ thể.

  • Tổng kết lại, từ năm 2018 đến năm 2022, tỷ lệ nam trong lực lượng lao động ngành công nghiệp vẫn cao hơn tỷ lệ nữ. Điều này cho thấy sự chênh lệch giới tính vẫn tồn tại và nam giới chiếm đa số trong ngành công nghiệp.

  • Tỷ lệ nam và nữ trong lực lượng lao động ngành công nghiệp có sự biến động nhỏ từ năm này sang năm khác. Có những năm tỷ lệ tăng và những năm tỷ lệ giảm, nhưng chênh lệch giới tính vẫn duy trì trong suốt giai đoạn này.

  • Có một sự gia tăng nhỏ trong sự tham gia của nữ giới trong lực lượng lao động ngành công nghiệp từ năm 2019 đến năm 2021. Tuy nhiên, vào năm 2022, chúng ta lại thấy một sự giảm tỷ lệ nữ. Điều này cho thấy cần có những nỗ lực liên tục để thúc đẩy sự tham gia và đa dạng hóa giới tính trong ngành công nghiệp.

  • Chênh lệch giới tính trong lực lượng lao động ngành công nghiệp có thể phản ánh sự không cân bằng và hạn chế trong việc cung cấp cơ hội việc làm cho nữ giới. Để đạt được sự đa dạng và bình đẳng giới tính trong ngành công nghiệp, cần có các biện pháp và chính sách để thúc đẩy sự tham gia và phát triển nghề nghiệp cho nữ giới.

2.2.4 SO SÁNH TỶ LỆ NAM NỮ LAO ĐỘNG TRONG ĐÓNG GÓP TRONG NGÀNH DỊCH VỤ VIỆT NAM

  • Ngành Dịch vụ là một lĩnh vực quan trọng trong nền kinh tế Việt Nam và đóng góp lớn vào GDP. Sự phát triển của ngành này đã tạo ra nhiều cơ hội việc làm, thu hút đầu tư và đáp ứng nhu cầu ngày càng tăng của người tiêu dùng. Tuy nhiên, vẫn còn cần có những nỗ lực để nâng cao chất lượng dịch vụ, đào tạo nguồn nhân lực chất lượng cao, đầu tư vào cơ sở hạ tầng và nâng cao khả năng cạnh tranh để phát triển ngành Dịch vụ của Việt Nam một cách bền vững.

2.2.4.1 GIAI ĐOẠN 1998 - 1999 - 2000 - 2001 -2002

t7 <- nt3
t7 <- t7 %>% mutate(nt31)
t7 <-  filter(t7, Year == 1998 | Year == 1999 | Year == 2000 | Year == 2001| Year == 2002 )
 ggplot(t7,aes(x= Year, y1= ME,y2 =FME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 1998 - 2002", x= "Năm", y= "%")

  • Vào năm 1998, tỷ lệ nam trong lực lượng lao động ngành dịch vụ là 22.09117% và tỷ lệ nữ là 25.23475%. Điều này cho thấy sự chênh lệch đáng kể giữa nam và nữ trong ngành dịch vụ, với sự tham gia của nữ cao hơn nam.

  • Tiến tới năm 1999, chúng ta thấy một sự giảm tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ. Tỷ lệ nam làm việc giảm xuống 21.38521% và tỷ lệ nữ cũng giảm xuống 24.66840%. Mặc dù có sự giảm, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ vẫn cao hơn nam trong ngành dịch vụ.

  • Tiếp tục vào năm 2000, chúng ta thấy một sự tăng trưởng nhỏ trong tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ. Tỷ lệ nam làm việc là 21.05553% và tỷ lệ nữ làm việc là 23.58189%. Mặc dù có sự tăng trưởng, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ vẫn cao hơn nam trong ngành dịch vụ.

  • Tiếp theo, vào năm 2001, chúng ta thấy một sự giảm tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ. Tỷ lệ nam làm việc giảm xuống 20.42710% và tỷ lệ nữ cũng giảm xuống 23.85754%. Mặc dù có sự giảm, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ vẫn cao hơn nam trong ngành dịch vụ.

  • Cuối cùng, vào năm 2002, chúng ta thấy một sự tăng trưởng nhỏ trong tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ. Tỷ lệ nam làm việc là 21.43104% và tỷ lệ nữ làm việc là 25.13421%. Mặc dù có sự tăng trưởng, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ vẫn cao hơn nam trong ngành dịch vụ.

  • Tổng kết, từ năm 1998 đến năm 2002, chúng ta đã chứng kiến sự giảm tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ, tuy nhiên, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ cao hơn nam trong ngành này. Mặc dù có những biến động nhỏ, xu hướng chung cho thấy sự tiến bộ trong việc cân bằng giới tính trong lực lượng lao động ngành dịch vụ.

2.2.4.2 GIAI ĐOẠN 2002 - 2004 - 2006 - 2008 - 2010

t8 <- nt3
t8 <- t8 %>% mutate(nt31)
t8 <-  filter(t8, Year == 2002 | Year == 2004 | Year == 2006 | Year == 2008| Year == 2010 )
 ggplot(t8,aes(x= Year, y1= ME,y2 =FME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 2002- 2010", x= "Năm", y= "%")

  • Tỷ lệ nam và nữ đang làm việc trong ngành dịch vụ đã trải qua sự biến động và khác biệt trong suốt giai đoạn từ năm 2002 đến năm 2010. Từ số liệu thu thập được, ta có thể thấy rằng tỷ lệ nam luôn cao hơn tỷ lệ nữ trong ngành dịch vụ. Mặc dù cả hai tỷ lệ đều tăng từ năm 2002 đến năm 2008, nhưng sau đó lại giảm vào năm 2010.

  • Năm 2010, tỷ lệ phụ nữ tham gia vào lực lượng lao động trong ngành dịch vụ đạt 27.79%, trong khi tỷ lệ nam là 31.55%. Điều này cho thấy sự chênh lệch giữa nam và nữ trong việc làm trong ngành dịch vụ. Từ năm 2002 đến năm 2008, tỷ lệ nam tăng từ 25.13% lên 32.61%, trong khi tỷ lệ nữ tăng từ 21.43% lên 28.21%. Tuy nhiên, vào năm 2010, cả hai tỷ lệ đều giảm, chỉ ra sự biến động và không ổn định của tình hình tham gia lao động giới tính trong ngành dịch vụ.

  • Tỷ lệ nam và nữ đang làm việc trong ngành dịch vụ không chỉ phản ánh sự phân bố lao động giới tính, mà còn phản ánh những yếu tố kinh tế, xã hội và văn hóa ảnh hưởng đến sự lựa chọn công việc và cơ hội việc làm cho nam và nữ. Sự chênh lệch này có thể phản ánh những khía cạnh như sự ưu tiên công việc, mức lương, phân công công việc và sự thụ định xã hội đối với một số ngành nghề.

2.2.4.3 GIAI ĐOẠN 2012 - 2014 - 2016 - 2018 - 2020 - 2022

t9 <- nt3
t9 <- t9 %>% mutate(nt31)
t9 <-  filter(t9, Year == 2012 | Year == 2014 | Year == 2016 | Year == 2018| Year == 2020| Year == 2022 )
 ggplot(t9
        ,aes(x= Year,y1= ME,y2= FME),) +
   geom_col(aes(x= Year, y= FME),fill = "orange")+
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME), shape = 2) +
   labs(title = " Giai Đoạn 2018 - 2022", x = "Năm", y= "%")

  • Ta có thể phân tích một số xu hướng và biến động cụ thể của hai mã số liệu SL.SRV.EMPL.FE.ZS (tỷ lệ nữ làm việc trong ngành dịch vụ) và SL.SRV.EMPL.MA.ZS (tỷ lệ nam làm việc trong ngành dịch vụ) như sau:

  • Tỷ lệ nữ làm việc trong ngành dịch vụ (SL.SRV.EMPL.FE.ZS):

  • Từ năm 2012 đến năm 2022, tỷ lệ nữ làm việc trong ngành dịch vụ tăng từ khoảng 29.36% lên 33.23%. Điều này cho thấy sự gia tăng về động lực và tham gia của phụ nữ trong lĩnh vực này trong thời gian qua.

  • Tỷ lệ nam làm việc trong ngành dịch vụ (SL.SRV.EMPL.MA.ZS):

  • Từ năm 2012 đến năm 2022, tỷ lệ nam làm việc trong ngành dịch vụ tăng từ khoảng 33.65% lên 38.50%. Điều này cho thấy sự gia tăng về động lực và tham gia của nam giới trong lĩnh vực này trong thời gian qua.

  • So sánh giữa tỷ lệ nam và nữ làm việc trong ngành dịch vụ:

-Từ bảng số liệu, ta thấy rằng tỷ lệ nam làm việc trong ngành dịch vụ luôn cao hơn tỷ lệ nữ trong cùng một thời điểm. Sự chênh lệch này cho thấy sự chưa đồng đều và chia sẻ không công bằng của cơ hội việc làm trong ngành dịch vụ giữa nam và nữ.

  • Tốc độ tăng trưởng giữa các năm:

  • Trong giai đoạn từ năm 2012 đến năm 2022, tốc độ tăng trưởng của cả tỷ lệ nam và nữ làm việc trong ngành dịch vụ có vẻ tương đối ổn định. Tuy nhiên, tỷ lệ nam làm việc có tăng trưởng nhanh hơn so với tỷ lệ nữ. Thông qua phân tích trên, ta có thể nhận thấy sự gia tăng tỷ lệ nam và nữ làm việc trong ngành dịch vụ trong giai đoạn từ năm 2012 đến năm 2022, tuy nhiên tỷ lệ nam làm việc vẫn cao hơn so với tỷ lệ nữ. Sự chênh lệch giữa nam và nữ trong việc tham gia vào ngành dịch vụ cần được chú ý và có thể là đề tài để nghiên cứu sâu hơn về bình đẳng giới và cơ hội việc làm công bằng trong lĩnh vực này.

3 CHƯƠNG 3: KẾT LUẬN VÀ KIẾN NGHỊ

3.1 Kết luận:

  • Dựa trên dữ liệu về tỷ lệ tham gia lao động của nam và nữ trong nhóm ngành nông nghiệp, công nghiệp và dịch vụ, chúng ta nhận thấy sự chênh lệch đáng kể giữa hai giới. Tuy tỷ lệ nam và nữ tham gia lao động trong từng ngành con có sự biến đổi theo thời gian và vùng địa lý, nhưng vẫn tồn tại sự bất đẳng trong sự tham gia lao động giữa nam và nữ.

  • Tỷ lệ nam tham gia lao động trong ngành nông nghiệp và công nghiệp vẫn cao hơn so với tỷ lệ nữ, trong khi tỷ lệ nữ làm việc trong ngành dịch vụ thường cao hơn tỷ lệ nam. Điều này thể hiện sự phân chia lao động theo giới tính và mô hình truyền thống về vai trò nam/nữ trong các ngành nghề.

  • Tuy nhiên, để đạt được sự cân bằng và bình đẳng giới tính trong lực lượng lao động, cần có các biện pháp nhằm tăng cơ hội việc làm cho nữ và giảm chênh lệch giới tính trong các ngành này. Điều này không chỉ mang lại lợi ích cho phụ nữ mà còn góp phần vào sự phát triển bền vững và cân đối của nền kinh tế.

3.2 Kiến nghị:

  • Tăng cơ hội việc làm cho nữ trong ngành nông nghiệp và công nghiệp: Cần tạo ra các chính sách khuyến khích và hỗ trợ nữ giới tham gia vào các lĩnh vực truyền thống và mới trong ngành nông nghiệp và công nghiệp. Điều này có thể bao gồm việc cung cấp quyền truy cập đến đào tạo nghề, vốn vay và các nguồn tài nguyên cần thiết để khởi nghiệp và phát triển kinh doanh.

  • Khuyến khích nữ tham gia vào ngành dịch vụ: Ngành dịch vụ có tiềm năng lớn để tạo ra việc làm cho nữ giới. Cần đảm bảo rằng nữ lao động được truy cập đến các chương trình đào tạo và hỗ trợ tài chính để phát triển kỹ năng và nắm bắt cơ hội trong lĩnh vực dịch vụ.

  • Nâng cao chất lượng giáo dục và đào tạo: Để nữ giới có thể tham gia vào các ngành nghề trong nhóm ngành này, cần đầu tư vào giáo dục và đào tạo phù hợp. Cung cấp các chương trình học tập và đào tạo về các kỹ năng và nghề nghiệp cần thiết trong ngành nông nghiệp, công nghiệp và dịch vụ, đặc biệt là cho phụ nữ và các nhóm đối tượng khác gặp khó khăn.

  • Tạo ra một môi trường hợp tác: Cần xây dựng đối tác giữa chính phủ, doanh nghiệp và các tổ chức xã hội để thúc đẩy sự tham gia của nam và nữ trong lực lượng lao động trong nhóm ngành này.

4 CÁC NGUỒN DỮ LIỆU ĐÃ SỬ DỤNG

1. Dữ liệu từ WorldBank

2. Tổng Cục Thống kê Việt Nam

3. Bài báo cáo về tỷ lệ sử dụng lao động tại Việt Nam

---
title: "Tiểu Luận NNLT"
author: "Nam Thiên"
date: "2024-03-25"
output:
  html_document:
    code_folding: hide
    code_download: true
    number_sections: true
    toc_depth: 5
    toc: true
    toc_float:
      collapsed: true
      smooth_scroll: true
    theme: unit
  word_document:
    toc: true
    toc_depth: '5'
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

![](images/BÌA CHUÂN-01.png){width="621"}

```{css,echo = FALSE}
h1 {
font-family: "Times New Roman", Times, serif;
font-size: 32px;
font-weight: bold;
color: lightblue;
}

h2 {
font-family: "Times New Roman", Times, serif;
font-size: 28px;
font-weight: bold;
color :orange;
}

h3 {
font-family: "Times New Roman", Times, serif;
font-size: 24px;
font-weight: bold;
font-style: italic;
}

h4 {font-family: "Times New Roman", Times, serif;
font-size: 20px;
font-style: italic}

body {
font-family: "Times New Roman", Times, serif;
font-size: 18px;

}
p:not(h1):not(h2):not(h3):not(h4):not(h5) {
text-indent: 2em;}
p {
text-align: justify;
}
.tocify-header {
font-weight: bold;
}
```
# **CHƯƠNG I: GIỚI THIỆU**

## 1.LỜI MỞ ĐẦU

### Đặt Vấn Đề Và Lí Do Chọn Đề Tài

Trong bối cảnh kinh tế toàn cầu ngày càng phát triển và thay đổi nhanh chóng, việc hiểu và phân tích tình hình việc làm của một quốc gia là vô cùng quan trọng. Việc làm không chỉ ảnh hưởng đến sự phát triển kinh tế mà còn đóng vai trò quan trọng trong việc nâng cao chất lượng cuộc sống của người dân. Với nhận thức về tầm quan trọng đó, cá nhân em đã tập trung nghiên cứu và phân tích tình hình việc làm của Việt Nam trong bài tiểu luận này.

### Mục Tiêu Phân Tích

Mục tiêu của bài tiểu luận này là đánh giá và phân tích các yếu tố ảnh hưởng đến việc làm ở Việt Nam. Em sẽ tìm hiểu về xu hướng tạo việc làm, cơ cấu ngành nghề, mức lương, và các yếu tố chính khác liên quan đến việc làm trong nước. Bằng cách làm như vậy, em hy vọng sẽ tạo ra một cái nhìn tổng quan và chi tiết về tình hình việc làm của Việt Nam và những thách thức mà nước ta đang đối mặt.

### Phương Pháp Nghiên Cứu

Trong quá trình nghiên cứu, em đã sử dụng một loạt các phương pháp nghiên cứu như thu thập dữ liệu thống kê, phân tích số liệu bằng biểu đồ trong phần mềm R và tham khảo các nghiên cứu trước đây. Từ đó đã thu được những phân tích và kết quả quan trọng mà em sẽ trình bày chi tiết trong phần kết quả và thảo luận của bài tiểu luận này.

### Ý Nghĩa Và Đóng Góp Của Đề Tài

Cuối cùng, em hy vọng rằng bài tiểu luận này sẽ không chỉ mang lại thông tin hữu ích về tình hình việc làm của Việt Nam mà còn khám phá và đề xuất những giải pháp mới để đối mặt với những thách thức trong lĩnh vực này. Em mong rằng nội dung này sẽ thúc đẩy sự quan tâm và khởi đầu một cuộc thảo luận sôi nổi về việc làm và phát triển kinh tế của Việt Nam.

## 2.KÊT CẤU CỦA BÀI

**Chương 1: Giới thiệu đề tài nghiên cứu.**

-   Giới thiệu tổng quan và mô tả khái quát đề tài nghiên cứu. Nêu lợi ích và ý nghĩa khi chọn đề tài cũng như là phương pháp thực hiện

**Chương 2: Thực hành các thao tác để phân tích dữ liệu**

-   Sử dụng các hàm, lệnh từ các gói chức năng trong phần mềm R để rút trích phân tích dữ liệu đã thu thập từ các nguồn khác nhau.

-   Vẽ thành các biểu đồ và phân tích từ biểu đồ đó các sự biến đổi, tác nhân và tổng kết lại theo từng gia đoạn đã chia nhỏ

**Chương 3: Kết luận và Kiến nghị**

-   Bao hàm, tổng quát kết quả phân tích ở chương 2 và đưa ra một số kiến nghị để đem lại kết quả tích cực hơn

# **CHƯƠNG 2: THỰC HÀNH CÁC THAO TÁC ĐỂ PHÂN TÍCH DỮ LIỆU**

## 1.Lấy dữ liệu
```{r}
# Lấy các gói chức năng trong phần mềm R
library(tidyverse)
library(tidyr)
library(dplyr)
library(ggplot2)
library(scales)
library(WDI)
library(ggrepel)
# Gọi các dữ liệu từ WB
## Gói dữ liệu tỷ lệ lao động nam trong mỗi gia đình của Việt Nam 
nt <- WDI(indicator = 'SL.FAM.WORK.MA.ZS', country = c('VNM'))
nt <- nt %>% select(year,SL.FAM.WORK.MA.ZS)
nt <- na.omit(nt)
names(nt) <- c('Year','ME')

## Gói dữ liệu tỷ lệ lao động nam trong ngành nông nghiệp của Việt Nam 
nt1 <- WDI(indicator = 'SL.AGR.EMPL.MA.ZS', country = c('VNM'))
nt1 <- nt1 %>% select(year,SL.AGR.EMPL.MA.ZS)
nt1 <- na.omit(nt1)
names(nt1) <- c('Year','ME')

## Gói dữ liệu tỷ lệ lao động nam trong ngành công nghiệp của Việt Nam

nt2 <- WDI(indicator = 'SL.IND.EMPL.MA.ZS', country = c('VNM'))
nt2 <- nt2 %>% select(year,SL.IND.EMPL.MA.ZS)
nt2 <- na.omit(nt2)
names(nt2) <- c('Year','ME')

## Gói dữ liệu tỷ lệ lao động nam trong ngành dịch vụ của Việt Nam

nt3 <- WDI(indicator = 'SL.SRV.EMPL.MA.ZS', country = c('VNM'))
nt3 <- nt3 %>% select(year,SL.SRV.EMPL.MA.ZS)
nt3 <- na.omit(nt3)
names(nt3) <- c('Year','ME')

## Gói dữ liệu tỷ lệ lao động nữ trong mỗi gia đình của Việt Nam

nt01 <- WDI(indicator = 'SL.FAM.WORK.FE.ZS', country = c('VNM'))
nt01 <- nt01 %>% select(year,SL.FAM.WORK.FE.ZS)
nt01 <- na.omit(nt01)
names(nt01) <- c('Year','FME')

## Gói dữ liệu tỷ lệ lao động nữ trong ngành nông nghiệp của Việt Nam

nt11 <- WDI(indicator = 'SL.AGR.EMPL.FE.ZS', country = c('VNM'))
nt11 <- nt11 %>% select(year,SL.AGR.EMPL.FE.ZS)
nt11 <- na.omit(nt11)
names(nt11) <- c('Year','FME')

## Gói dữ liệu tỷ lệ lao động nữ trong ngành công nghiệp của Việt Nam

nt21 <- WDI(indicator = 'SL.IND.EMPL.FE.ZS', country = c('VNM'))
nt21 <- nt21 %>% select(year,SL.IND.EMPL.FE.ZS)
nt21 <- na.omit(nt21)
names(nt21) <- c('Year','FME')

## Gói dữ liệu tỷ lệ lao động nữ trong ngành dịch vụ của Việt Nam

nt31 <- WDI(indicator = 'SL.SRV.EMPL.FE.ZS', country = c('VNM'))
nt31 <- nt31 %>% select(year,SL.SRV.EMPL.FE.ZS)
nt31 <- na.omit(nt31)
names(nt31) <- c('Year','FME')

```

## 2.Thực hiện vẽ biểu đồ để tiến hành phân tích

### SO SÁNH TỶ LỆ NAM NỮ LAO ĐỘNG TRONG ĐÓNG GÓP CỦA MỖI GIA ĐÌNH VIỆT NAM

#### GIAI ĐOẠN 2010 - 2012 - 2014 - 2016 - 2018
```{r}
# Gán biến từ dữ liệu này sang cùng 1 dữ liệu
MEFMEF <- nt
MEFMEF <- MEFMEF %>% mutate(nt01)
# Lọc lấy dữ liệu theo mỗi 2 năm từ 2010 tới 2018
MEFMEF1 <-  filter(MEFMEF, Year == 2010 | Year == 2012 | Year == 2014 | Year == 2016 | Year == 2018)
# Vẽ biểu đồ đường phân tích tỷ lệ lao động nam và nữ trong GĐ Việt Nam
ggplot(MEFMEF1,aes(x= Year, y1= ME, y2= FME)) +
  geom_line(aes(x =Year, y = ME), color = "orange", linewidth = 1) +
  geom_point(aes(x =Year, y = ME),shape = 7) +
  geom_line(aes(x =Year, y = FME), color = "lightblue", linewidth = 1) +
  geom_point(aes(x =Year, y = FME), shape = 21) +
  labs(title = "Theo Từng Hai Năm Từ 2010 Đến 2018", x = "Năm", y = " (%)",) 
```

-  <span style=" color: orange;"> **Đường màu cam**</span> lại đại diện cho ***tỷ lệ lao động nam trong mỗi gia đình***

-   <span style=" color:blue;"> **Đường màu xanh**</span> lại đại diện cho ***tỷ lệ lao động nữ trong mỗi gia đình***

 <span style=" color:blue;">**Tỷ lệ phụ nữ lao động trong công việc gia đình luôn nhiều hơn nam giới**</span>

-   **Tỷ lệ tham gia TTLĐ của phụ nữ ở Việt Nam ở mức cao đáng kể.** Mức độ hoạt động kinh tế cao này ở phụ nữ có thể bị hiểu nhầm là một chỉ báo về mức độ bất bình đẳng giới tương đối thấp ở Việt Nam. Báo cáo này có cách tiếp cận rộng hơn và đánh giá không chỉ khả năng tiếp cận việc làm mà còn đánh giá cả chất lượng việc làm. Kết quả phân tích cho thấy phụ nữ ở Việt Nam phải mang “gánh nặng kép” một cách không tương xứng và họ phải đối mặt với nhiều bất bình đẳng có tính chất dai dẳng.

-   **Xét trung bình, chất lượng việc làm của phụ nữ thấp hơn của nam giới.** Lao động nữ chiếm đa số trong các công việc dễ bị tổn thương, đặc biệt là công việc gia đình. Họ có mức thu nhập thấp hơn nam giới, bất luận số giờ làm giữa hai giới là tương đương và dần xóa bỏ chênh lệch giới về trình độ học vấn. Họ cũng không đảm nhiệm nhiều vị trí ra quyết định so với nam giới.

-   **Mặc dù rất tích cực tham gia hoạt động kinh tế, nhưng phụ nữ đồng thời cũng phải gánh vác trách nhiệm gia đình một cách không tương xứng.** Họ dành nhiều giờ gấp đôi nam giới để phục vụ cho gia đình mình, chẳng hạn như dọn dẹp, nấu nướng, hoặc chăm sóc các thành viên trong gia đình và con cái. Hầu như mọi phụ nữ đều tham gia vào các hoạt động này hàng tuần. Tỷ trọng nam giới tham gia vào từng hoạt động này thấp hơn và có tới gần 20% cho biết họ không hề dành quỹ thời gian nào cho các hoạt động này.

-   ***Tổng quan biểu đồ cho thấy cả hai đường đều có xu thế di chuyển tương tự nhau, xu thế của biểu đồ chủ yếu là giảm mạnh, nhưng đến năm 2014 thì lại tăng cao, sau đó thì tiếp tục giảm sâu.***

 <span style=" color:blue;">**Vậy tại vì sao lại có xu thế di chuyển như vậy ?**</span>

-   **Có thể nói năm 2014 là năm khá đặc biệt của Việt Nam,** do có sự chuyển biến của kinh tế trong nước. Mở rộng các ngành công nghiệp và xu hướng phát triển kinh tế tại một số ngành nghề cụ thể. Từ đó dẫn đến nhu cầu lao động tăng lên và tăng cường sự tham gia của cả nam và nữ vào lực lượng lao động.

-   **Xã hội đã thay đổi và có cái nhìn khách quan hơn** trong thời gian đó. Làm thay đổi cách nhìn nhận về công việc và vai trò của giới tính trong gia đình. " Trọng nam khinh nữ" giảm hẳn và phụ nữ có thể tham gia vào lực lượng lao động nhiều hơn, đồng thời nam giới có thể tham gia tích cực hơn trong công việc gia đình.

-   **Chính phủ đã áp dụng các chính sách khuyến khích tham gia lao động và tạo ra cơ hội việc làm cho cả nam và nữ**. Các chính sách này bao gồm việc thúc đẩy bình đẳng giới, cung cấp hỗ trợ tài chính hoặc đào tạo nghề để nâng cao khả năng lao động.

-   **Các xu hướng trong cách sống và tổ chức gia đình có thể đã thay đổi trong thời gian gần đây**. Ví dụ, việc giảm kích cỡ gia đình hoặc thay đổi vai trò truyền thống giữa nam và nữ trong gia đình có thể dẫn đến sự gia tăng tỷ lệ lao động nam và nữ trong mỗi gia đình.

 <span style=" color:blue;">**Điều gì đã làm cho tổng quan thị trường lao động Việt Nam giảm sút ?**</span>

***Tỷ lệ nam giới tham gia lao động trong gia đình tại Việt Nam từ năm 2010 đến 2018 đã trải qua một xu hướng giảm đáng chú ý.***

-   Năm 2010, tỷ lệ nam giới tham gia lao động trong gia đình là 13.02%. Tuy nhiên, từ năm 2011, chúng ta đã chứng kiến một sự giảm nhẹ trong tỷ lệ này, khi năm 2011 ghi nhận 12.49%. Xu hướng giảm tiếp tục được thấy vào các năm tiếp theo: 12.11% năm 2012, 12.02% năm 2013.

-   Năm 2014 là năm đáng chú ý, khi tỷ lệ nam giới tham gia lao động trong gia đình tăng đột biến lên 16.55%. Tuy nhiên, xu hướng tăng này không được duy trì, và năm 2015 chứng kiến một sự giảm mạnh khi tỷ lệ giảm xuống chỉ còn 11.44%. Từ đó, xu hướng giảm tiếp tục diễn ra: 10.41% năm 2016, 10.16% năm 2017 và 9.87% năm 2018.

-   Dấu hiệu giảm tỷ lệ nam giới tham gia lao động trong gia đình có thể phản ánh sự thay đổi trong vai trò và đóng góp của nam giới trong việc chăm sóc gia đình và thực hiện các nhiệm vụ gia đình. Thay vì tham gia lao động trong gia đình, nam giới có thể tìm kiếm việc làm ngoài gia đình hoặc tham gia các hoạt động khác trong xã hội.

-   Có nhiều yếu tố có thể ảnh hưởng đến xu hướng giảm này. Một trong số đó là sự phát triển của kinh tế và công nghiệp, dẫn đến sự mở rộng của các ngành nghề và cơ hội việc làm ngoài gia đình. Ngoài ra, các chính sách và quy định về lao động cũng có thể có tác động, bao gồm các biện pháp khuyến khích tham gia lao động ngoài gia đình và đảm bảo công bằng giới tính trong việc phân chia công việc gia đình.

 <span style=" color:orange;">**Bên cạnh đó về phần lao động nữ**</span>

-   Tỷ lệ nữ giới tham gia lao động trong gia đình tại Việt Nam từ năm 2010 đến 2018 đã trải qua một xu hướng giảm đáng chú ý. Dữ liệu cho thấy tỷ lệ này đã giảm từ 26.22% vào năm 2010 xuống còn 20.39% vào năm 2018.

-   Xuất phát từ năm 2010, tỷ lệ nữ giới tham gia lao động trong gia đình đã bắt đầu giảm dần. Năm 2011, tỷ lệ này giảm xuống 24.84%, và tiếp tục giảm trong năm 2012 với tỷ lệ là 23.12%.

-   Năm 2013 ghi nhận một sự tăng nhẹ lên 22.59%, tuy nhiên xu hướng giảm tiếp tục trở lại vào năm 2014, khi tỷ lệ giảm mạnh xuống còn 26.55%.

-   Tiếp theo, trong các năm 2015, 2016 và 2017, tỷ lệ nữ giới tham gia lao động trong gia đình tiếp tục giảm, lần lượt là 23.27%, 22.05% và 21.21%.

-   Cuối cùng, vào năm 2018, tỷ lệ nữ giới tham gia lao động trong gia đình giảm xuống còn 20.39%, đánh dấu một sự giảm đáng kể trong vòng 9 năm.

-   Xu hướng giảm tỷ lệ nữ giới tham gia lao động trong gia đình có thể phản ánh sự thay đổi trong vai trò và đóng góp của phụ nữ trong công việc gia đình. Có thể rằng các yếu tố kinh tế, xã hội và văn hóa đã ảnh hưởng đến xu hướng này. Điều này có thể bao gồm sự thay đổi trong cơ hội việc làm ngoài gia đình, sự phát triển của các ngành nghề khác, và sự thay đổi trong quan điểm về vai trò giới tính và công việc gia đình.

#### GIAI ĐOẠN 2016 - 2018 - 2020 - 2022

```{r}
# Gán biến từ dữ liệu này sang cùng 1 dữ liệu
MEFMEF <- nt
MEFMEF <- MEFMEF %>% mutate(nt01)
# Lọc lấy dữ liệu theo mỗi 2 năm từ 2016 tới 2022
MEFMEF2 <-  filter(MEFMEF, Year == 2016 | Year == 2018 | Year == 2020 | Year == 2022 )
# Vẽ biểu đồ đường phân tích tỷ lệ lao động nam và nữ trong GĐ Việt Nam
ggplot(MEFMEF2,aes(x= Year, y1= ME, y2= FME)) +
  geom_line(aes(x =Year, y = ME), color = "orange", linewidth = 1) +
  geom_point(aes(x =Year, y = ME),color= "orange") +
  geom_line(aes(x =Year, y = FME),color= "lightblue" ,linewidth = 1) +
  geom_point(aes(x =Year, y = FME),color= "lightblue" ) +
  labs(title = "Theo Từng Hai Năm Từ 2016 Đến 2022", x = "Năm", y = " (%)", fill= "GIỚI TÍNH") 

```

-   <span style=" color:orange;"> **Đường màu cam**</span> biểu diễn cho **tỷ lệ lao động nam trong mỗi gia đình**

-   <span style=" color:blue;">**Đường màu xanh**</span> lại đại diện cho **tỷ lệ lao động nữ trong mỗi gia đình**

-   Tỷ lệ lao động nam trong gia đình trong các năm nghiên cứu đã giảm từ 10.405365% vào năm 2016 xuống còn 8.901121% vào năm 2022. Điều này cho thấy sự giảm tỷ lệ lao động nam trong gia đình trong khoảng thời gian này.

-   Tỷ lệ lao động nữ trong gia đình cũng đã giảm từ 22.04521% vào năm 2016 xuống còn 17.89588% vào năm 2022. Điều này cho thấy sự giảm tỷ lệ lao động nữ trong gia đình cũng như sự chênh lệch giới tính trong công việc gia đình.

-   Tỷ lệ lao động nam và lao động nữ trong gia đình đều giảm trong suốt giai đoạn nghiên cứu. Điều này có thể cho thấy sự thay đổi trong cách thức tổ chức công việc gia đình hoặc xu hướng tham gia lao động của nam và nữ trong gia đình.

-   Dựa trên số liệu, chênh lệch giữa tỷ lệ lao động nam và lao động nữ trong gia đình vẫn tồn tại. Tỷ lệ lao động nữ vẫn cao hơn so với tỷ lệ lao động nam trong tất cả các năm nghiên cứu. Điều này có thể phản ánh sự phân chia trách nhiệm giữa nam và nữ trong công việc gia đình và tác động của các yếu tố xã hội và văn hóa đối với vai trò của nam và nữ trong gia đình.

 <span style=" color:blue;">**Điều gì đã làm cho tổng quan thị trường lao động Việt Nam giảm sút ?**</span>

-   Ta nhận thấy sự giảm tỷ lệ lao động nam và lao động nữ trong gia đình trong suốt giai đoạn nghiên cứu. Chênh lệch giới tính vẫn tồn tại, với tỷ lệ lao đđộng nữ vẫn cao hơn so với tỷ lệ lao động nam. Các kết quả này có thể phản ánh sự thay đổi trong vai trò của nam và nữ trong công việc gia đình và tác động của các yếu tố xã hội và văn hóa.

-   Để hiểu rõ hơn về nguyên nhân và hệ quả của các xu hướng này, cần tiến hành các nghiên cứu và phân tích bổ sung. Các yếu tố như sự phân công công việc giữa nam và nữ, sự cân bằng giữa cuộc sống gia đình và công việc, và các chính sách hỗ trợ công việc gia đình có thể đóng vai trò quan trọng trong việc hiểu và giải quyết các vấn đề liên quan.

-   Bài tiểu luận này chỉ tập trung vào phân tích dựa trên các số liệu cung cấp. Để có cái nhìn toàn diện hơn về tình hình lao động nam và nữ trong gia đình, cần xem xét thêm các yếu tố xã hội, kinh tế và văn hóa để hiểu sâu hơn về ngữ cảnh và cơ sở của các xu hướng này.

-   Tóm lại, việc phân tích cho thấy sự giảm tỷ lệ lao động nam và lao động nữ trong gia đình trong suốt giai đoạn nghiên cứu. Chênh lệch giới tính vẫn tồn tại, với tỷ lệ lao động nữ vẫn cao hơn so với tỷ lệ lao động nam. Điều này đòi hỏi sự quan tâm và nghiên cứu tiếp theo để hiểu rõ hơn về các yếu tố và tác động đằng sau các kết quả này và tìm ra các biện pháp hỗ trợ và cân nhắc giữa công việc gia đình và cuộc sống cá nhân và nghề nghiệp của nam và nữ.

### TỶ LỆ NAM GIỚI SO VỚI NỮ TRONG LAO ĐỘNG NGÀNH NÔNG NGHIỆP

-   Ngành nông nghiệp Việt Nam đóng một vai trò quan trọng trong nền kinh tế của đất nước. Với hơn 70% dân số Việt Nam sống và làm việc tại các vùng nông thôn, ngành nông nghiệp đóng góp lớn vào sản xuất nông sản, cung cấp thực phẩm và tạo ra thu nhập cho người dân.

#### GIAI ĐOẠN 1996 - 1997 - 1997 - 1998 - 1999 - 2000
```{r}
t1 <- nt1
t1 <- t1 %>% mutate(nt11)
t1 <-  filter(t1, Year == 1996 | Year == 1997 | Year == 1998 | Year == 1999| Year == 2000 )
 ggplot(t1,aes(x= Year, y1= ME,y2 =FME)) +
   geom_col(aes(x= Year, y= ME),fill = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange", linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 1996 -2000", x= "Năm", y= "%")
```

-   Tỷ lệ nam và nữ đang làm việc trong ngành nông nghiệp đã trải qua sự biến đổi trong suốt khoảng thời gian từ năm 1996 đến năm 2000.

-   Bắt đầu với năm 1996, tỷ lệ nam và nữ làm việc trong ngành nông nghiệp đạt đỉnh cao với tỷ lệ nam là 69.53% và tỷ lệ nữ là **70.43%**. Đây là mức cao nhất trong suốt thời gian nghiên cứu. Sự tham gia đáng kể của cả nam và nữ trong ngành nông nghiệp ở năm này có thể cho thấy vai trò quan trọng của ngành này trong cung cấp việc làm cho cả hai giới.

-Tuy nhiên, từ năm 1997 đến năm 2000, tỷ lệ nam và nữ làm việc trong ngành nông nghiệp đã giảm nhẹ. Vào năm 2000, tỷ lệ nam làm việc trong ngành nông nghiệp là 64.23%, trong khi tỷ lệ nữ là 66.29%. Điều này cho thấy sự giảm đáng kể so với năm 1996. Tương tự, trong các năm trước đó, tỷ lệ nam và nữ đều giảm dần. Năm 1999, tỷ lệ nam là **64.49%** và tỷ lệ nữ là 65.46%. Năm 1998, tỷ lệ nam là 63.93% và tỷ lệ nữ là **65.60%**. Năm 1997, tỷ lệ nam là **64.54%** và tỷ lệ nữ là **66.03%**.

-   Dữ liệu này cho thấy xu hướng giảm sự tham gia của cả nam và nữ trong ngành nông nghiệp trong giai đoạn nghiên cứu. Tuy nhiên, một điểm đáng chú ý là tỷ lệ nữ trong ngành nông nghiệp thường cao hơn tỷ lệ nam trong suốt thời gian nghiên cứu. Điều này cho thấy sự gia tăng tham gia của phụ nữ trong ngành này và tăng cường vai trò của họ trong các hoạt động nông nghiệp.

-   Để hiểu rõ hơn về chênh lệch giữa nam và nữ trong ngành nông nghiệp, cần xem xét các yếu tố khác như chính sách lao động, sự phân chia công việc giới tính và yêu cầu công việc trong ngành nông nghiệp. Chính sách lao động có thể đóng vai trò quan trọng trong việc khuyến khích sự tham gia của cả nam và nữ trong ngành này. Sự phân chia công việc giới tính có thể phản ánh sự thay đổi trong nhận thức về vai trò giới tính trong ngành nông nghiệp, trong đó phụ nữ đóng vai trò quan trọng hơn trong các hoạt động nông nghiệp. Ngoài ra, yêu cầu công việc trong ngành cũng có thể ảnh hưởng đến tỷ lệ nam và nữ tham gia vào ngành nông nghiệp.

#### GIAI ĐOẠN 2000 - 2005 - 2010 - 2015 - 2020
```{r}
t2 <- nt1
t2 <- t2 %>% mutate(nt11)
t2 <-  filter(t2, Year == 2000 | Year == 2005 | Year == 2010 | Year == 2015| Year == 2020 )
 ggplot(t2,aes(x= Year, y1= ME,y2 =FME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 2000- 2020", x= "Năm", y= "%")
```

-   Tỷ lệ người lao động nam trong ngành nông nghiệp và tỷ lệ người lao động nữ trong ngành nông nghiệp cho thấy xu hướng giảm đáng kể trong số lượng người lao động nam và nữ trong ngành nông nghiệp từ năm 2000 đến năm 2020.

[ Tỷ lệ người lao động nam trong ngành nông nghiệp:]{style="color :lightblue;"}

-   Tỷ lệ này giảm từ **64.23%** vào năm 2000 xuống còn **31.52%** vào năm 2020. Điều này cho thấy sự giảm dần của người lao động nam trong ngành nông nghiệp. Có thể giải thích rằng ngành nông nghiệp đã trải qua quá trình chuyển dịch từ lao động nam sang các ngành công nghiệp và dịch vụ, cùng với sự phát triển của nền kinh tế.

[Tỷ lệ người lao động nữ trong ngành nông nghiệp:]{style="color :orange;"}

-   Tỷ lệ này giảm từ **66.29%** vào năm 2000 xuống còn **33.81%** vào năm 2020. Tương tự như tỷ lệ người lao động nam, tỷ lệ người lao động nữ trong ngành nông nghiệp cũng đang giảm dần theo thời gian. Điều này có thể cho thấy sự di chuyển của lao động nữ từ ngành nông nghiệp sang các ngành khác.

-   Xu hướng giảm tỷ lệ người lao động nam và nữ trong ngành nông nghiệp có thể được giải thích bằng việc sự phát triển của nền kinh tế, quy trình tự động hóa và công nghệ đã làm giảm nhu cầu lao động trong ngành nông nghiệp. Điều này có thể tạo ra cơ hội việc làm mới trong các ngành khác, nhưng cũng có thể đặt ra thách thức cho sự đảm bảo an sinh xã hội và sự phân phối thu nhập công bằng trong ngành nông nghiệp.

-   Tổng quan cho thấy sự giảm tỷ lệ người lao động nam và nữ trong ngành nông nghiệp từ năm 2000 đến năm 2020, cho thấy sự chuyển dịch của nguồn lao động sang các ngành công nghiệp và dịch vụ. Do sự phát triển vượt bậc của công nghệ tiên tiến, và nhà nước đã chú trọng áp dụng công nghệ cao vào ngành nông nghiệp của Việt Nam để đáp ứng được nhu cầu các quốc gia khác để xuất khẩu thành phẩm của nông nghiệp. Việc hiểu và đáp ứng đúng xu hướng này là quan trọng để đảm bảo sự phát triển bền vững của ngành nông nghiệp và đáp ứng nhu cầu việc làm và phân phối thu nhập công bằng trong xã hội.

#### GIAI ĐOẠN 2019 - 2020 - 2021 - 2022
```{r}
t3 <- nt1
t3 <- t3 %>% mutate(nt11)
t3 <-  filter(t3,Year== 2019| Year== 2020| Year == 2021 | Year == 2022 )
 ggplot(t3,aes(x= Year, y= ME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 2021- 2022", x= "Năm", y= "%")
```

-   Trong bối cảnh phát triển kinh tế và xã hội, ngành nông nghiệp đóng vai trò quan trọng trong cung cấp thực phẩm và việc làm cho hàng triệu người trên toàn thế giới. Để hiểu rõ hơn về sự tham gia của nam và nữ trong ngành này, chúng ta hãy xem xét dữ liệu về tỷ lệ nam và nữ làm việc trong ngành nông nghiệp từ năm 2019 đến năm 2022.

-   Năm 2019, tỷ lệ nam làm việc trong ngành nông nghiệp là 33.63074%, trong khi tỷ lệ nữ là 35.82898%. Điều này cho thấy sự tham gia đáng kể của cả nam và nữ trong ngành nông nghiệp và tương đối cân bằng giới tính.

-   Tuy nhiên, năm 2020, chúng ta chứng kiến một sự giảm đáng kể trong tỷ lệ nam và nữ tham gia vào ngành nông nghiệp. Tỷ lệ nam giảm xuống còn 31.52144% và tỷ lệ nữ giảm xuống còn 33.81323%. Điều này cho thấy sự suy giảm trong sự tham gia của cả nam và nữ trong ngành nông nghiệp trong năm 2020.

-   Năm 2021, xu hướng giảm sự tham gia của nam và nữ trong ngành nông nghiệp tiếp tục. Tỷ lệ nam làm việc chỉ còn 29.32756% và tỷ lệ nữ làm việc là 28.74110%. Đây là con số thấp nhất trong suốt giai đoạn nghiên cứu, cho thấy sự suy giảm đáng kể và không cân bằng giới tính trong ngành nông nghiệp trong năm 2021.

-   Tuy nhiên, năm 2022, chúng ta chứng kiến một sự tăng trưởng và phục hồi nhất định. Tỷ lệ nam làm việc tăng lên 32.44353% và tỷ lệ nữ làm việc tăng lên 34.85284%. Điều này cho thấy một sự phục hồi sau giai đoạn suy giảm trước đó, mặc dù tỷ lệ nam và nữ vẫn chưa đạt được mức cao nhất như năm 2019.

-   Từ những số liệu trên, chúng ta có thể nhận thấy sự biến đổi và biến động trong tỷ lệ nam và nữ làm việc trong ngành nông nghiệp trong giai đoạn nghiên cứu. Có sự giảm đáng kể trong sự tham gia của cả nam và nữ trong năm 2020 và 2021, nhưng có một sự phục hồi nhất định trong năm 2022.

### SO SÁNH TỶ LỆ NAM NỮ LAO ĐỘNG TRONG ĐÓNG GÓP TRONG NGÀNH CÔNG NGHIỆP VIỆT NAM

-   Ngành Công nghiệp là một trong những ngành kinh tế quan trọng của Việt Nam. Trong thời gian gần đây, ngành Công nghiệp đã đóng góp một phần lớn vào tăng trưởng kinh tế của đất nước.Sự phát triển của ngành này đã góp phần quan trọng vào tăng trưởng kinh tế và xuất khẩu của đất nước. Tuy nhiên, vẫn còn cần có những nỗ lực để nâng cao chất lượng, đa dạng hóa sản phẩm và giải quyết các thách thức hiện diện. Vậy ngành Công nghiệp đã sử dụng lao động như thế nào ?

#### GIAI ĐOẠN 1996 - 1997 - 1998 - 1999 - 2000
```{r}
t4 <- nt2
t4 <- t4 %>% mutate(nt21)
t4 <-  filter(t4, Year == 1996 | Year == 1997 | Year == 1998 | Year == 1999| Year == 2000  )
 ggplot(t4,aes(x= Year, y= ME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME), shape = 2) +
   geom_smooth(method = "lm", se = FALSE,color = "red") +
   geom_col(aes(x= Year, y= FME),fill = "orange")+
  
   labs(title = "GIAI ĐOẠN 1996 - 2000", x= "Năm", y= "%")
```

-   Hai mã số SL.IND.EMPL.MA.ZS và SL.IND.EMPL.FE.ZS đại diện cho tỷ lệ người lao động nam và nữ trong ngành công nghiệp so với tổng số người lao động trong một quốc gia. Dữ liệu được cung cấp cho các năm 1996, 1997, 1998, 1999 và 2000.

-   Tỷ lệ người lao động nam trong ngành công nghiệp:

-   Từ năm 1996 đến năm 1997, tỷ lệ người lao động nam tăng đáng kể từ 12.50% lên 14.92%.

-   Từ năm 1997 đến năm 1998, tỷ lệ này giảm nhẹ xuống 13.98%.

-   Từ năm 1998 đến năm 1999, tỷ lệ tiếp tục giảm xuống 14.13%.

-   Cuối cùng, từ năm 1999 đến năm 2000, tỷ lệ tăng nhẹ lên 14.71%.

-   Tổng quan, tỷ lệ người lao động nam trong ngành công nghiệp có một sự biến đổi không đồng đều trong giai đoạn từ năm 1996 đến năm 2000, với một sự tăng và giảm nhẹ. Tuy nhiên, sự biến đổi này không đạt mức đáng kể và tỷ lệ cuối cùng năm 2000 không có sự thay đổi lớn so với năm 1996.

-   Tỷ lệ này có sự biến động nhẹ trong suốt giai đoạn từ năm 1996 đến năm 2000. Tuy nhiên, tỷ lệ người lao động nam trong ngành công nghiệp không có sự thay đổi đáng kể trong thời gian này. Năm 2000, tỷ lệ này đạt 14.71%, cao hơn so với năm 1996 và 1999, nhưng không có sự khác biệt lớn.

-   Tỷ lệ người lao động nữ trong ngành công nghiệp:

-   Từ năm 1996 đến năm 1997, tỷ lệ người lao động nữ tăng từ 8.81% lên 10.42%.

-   Từ năm 1997 đến năm 1998, tỷ lệ này giảm xuống 9.17%.

-   Từ năm 1998 đến năm 1999, tỷ lệ tiếp tục giảm xuống 9.87%.

-   Cuối cùng, từ năm 1999 đến năm 2000, tỷ lệ tăng nhẹ lên 10.13%.

-   Tương tự như tỷ lệ người lao động nam, tỷ lệ người lao động nữ trong ngành công nghiệp cũng có sự biến đổi không đồng đều trong giai đoạn từ năm 1996 đến năm 2000. Tuy nhiên, sự biến đổi này cũng không đạt mức đáng kể và tỷ lệ cuối cùng năm 2000 không có sự thay đổi lớn so với năm 1996.

-   Từ dữ liệu trên, không có xu hướng rõ ràng về thay đổi tỷ lệ người lao động nam và nữ trong ngành công nghiệp trong khoảng thời gian từ năm 1996 đến năm 2000. Tuy nhiên, tỷ lệ người lao động nam và nữ trong ngành công nghiệp năm 2000 có xu hướng cao hơn so với năm 1996 và 1999, mặc dù khá nhỏ. 

#### GIAI ĐOẠN 2000 - 2005 -2010 - 2015 - 2020
```{r}
t5 <- nt2
t5 <- t5 %>% mutate(nt21)
t5 <-  filter(t5, Year == 2000 | Year == 2005 | Year == 2010 | Year == 2015| Year == 2020 )
 ggplot(t5,aes(x= Year, y1= ME,y2 =FME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 2000- 2020", x= "Năm", y= "%")
```

-   Trong khoảng thời gian từ năm 2000 đến năm 2020, tỷ lệ nam và nữ trong lực lượng lao động công nghiệp đã trải qua một số thay đổi đáng chú ý. Ban đầu, vào năm 2000, tỷ lệ nam làm việc trong ngành công nghiệp vượt trội với 14.71%, trong khi tỷ lệ nữ chỉ đạt 10.13%. Điều này chỉ ra sự bất cân đối giới tính rõ ràng trong lực lượng lao động công nghiệp.

-   Tuy nhiên, từ năm 2000 đến năm 2020, chúng ta đã chứng kiến sự tiến bộ về cân bằng giới tính trong ngành này. Tỷ lệ nam và nữ đều tăng lên từ năm 2000 đến năm 2020. Đặc biệt, trong khoảng thời gian từ năm 2005 đến năm 2020, chênh lệch giữa nam và nữ đã thu hẹp đáng kể.

-   Vào năm 2015, tỷ lệ nam làm việc trong lực lượng lao động công nghiệp tăng lên 25.97%, trong khi tỷ lệ nữ đạt 19.31%. Điều này cho thấy sự gia tăng đáng kể của sự tham gia của nữ trong ngành công nghiệp. Tiếp theo, vào năm 2020, tỷ lệ nam và nữ tiếp tục tăng lên 34.95% và 26.80% tương ứng, đồng thời cho thấy sự tiến bộ tiếp tục trong việc cân bằng giới tính trong lực lượng lao động công nghiệp.

-   Vậy kết luận rằng trong khoảng thời gian từ năm 2000 đến năm 2020, ngành công nghiệp đã chứng kiến sự cải thiện đáng kể về cân bằng giới tính trong lực lượng lao động. Mặc dù chênh lệch giữa nam và nữ vẫn tồn tại, nhưng sự tham gia của nữ trong ngành công nghiệp đã tăng lên và tiến gần hơn đến sự cân bằng giới tính. Điều này cho thấy tiến bộ và sự nhạy bén trong việc thúc đẩy sự đa dạng và bình đẳng giới tính trong lực lượng lao động công nghiệp.

#### GIAI ĐOẠN 2018 - 2019 - 2020 - 2022
```{r}
t6 <- nt2
t6 <- t6 %>% mutate(nt21)
t6 <-  filter(t6, Year == 2018 | Year == 2019 | Year == 2020 | Year == 2021| Year == 2022 )
 ggplot(t6,aes(x= Year,y1= ME,y2= FME),) +
   geom_col(aes(x= Year, y= FME),fill = "orange")+
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME), shape = 2) +
   labs(title = " Giai Đoạn 2018 - 2022", x = "Năm", y= "%") +
   scale_fill_manual(values = c("Nam" = "lightblue","Nữ" = "orange")) +
  theme_minimal()
```

-   Sự biến đổi của hai mã số SL.IND.EMPL.MA.ZS và SL.IND.EMPL.FE.ZS từ năm 2018 đến năm 2022.

-   Sự biến đổi của tỷ lệ người lao động nam và nữ trong ngành công nghiệp:

-   Tăng trưởng kinh tế: Nếu có sự tăng trưởng kinh tế, ngành công nghiệp thường mở rộng và cần nhiều lao động. Trong trường hợp này, tỷ lệ người lao động nam và nữ đều có thể tăng lên.

-   Chính sách và quy định: Chính sách và quy định về lao động có thể ảnh hưởng đến sự thay đổi tỷ lệ giới tính trong ngành công nghiệp. Ví dụ, các chính sách về bình đẳng giới có thể khuyến khích tăng cường đại diện nữ trong ngành công nghiệp.

-   Thay đổi cấu trúc ngành công nghiệp: Sự biến đổi cấu trúc ngành công nghiệp, chẳng hạn như sự chuyển dịch từ các ngành công nghiệp truyền thống sang kỹ thuật cao hoặc dịch vụ, có thể ảnh hưởng đến tỷ lệ giới tính trong ngành.

Tác động của công nghệ: Sự phát triển công nghệ có thể tác động đến tỷ lệ người lao động nam và nữ trong ngành công nghiệp. Ví dụ, các ngành công nghiệp công nghệ cao có thể thu hút nhiều nam giới, trong khi các ngành công nghiệp truyền thống có thể có sự đại diện nữ nhiều hơn.

 <span style=" color:blue;">**Vậy công nghệ có tác động như thế nào đến với tỷ lệ lao động trong ngành công nghiệp ?**</span>

-   Automation và tỷ lệ người lao động nam và nữ: Sự phát triển của công nghệ tự động hóa (automation) có thể ảnh hưởng đến tỷ lệ người lao động nam và nữ trong ngành công nghiệp. Các công nghệ tự động hóa có thể thay thế công việc truyền thống mà trước đây thường do lao động nam thực hiện. Trong khi đó, các công việc mới liên quan đến công nghệ thường yêu cầu kiến thức kỹ thuật và có thể thu hút nhiều người lao động nam hơn. Do đó, sự phát triển của automation có thể làm thay đổi tỷ lệ người lao động nam và nữ trong ngành công nghiệp.

-   Sự chuyển dịch ngành công nghiệp: Công nghệ có thể góp phần vào sự chuyển dịch ngành công nghiệp, từ các ngành truyền thống sang các ngành công nghệ cao và dịch vụ. Các ngành công nghiệp công nghệ cao thường đòi hỏi kiến thức chuyên môn và kỹ thuật cao, có thể tạo ra một môi trường thuận lợi cho người lao động nam. Trong khi đó, các ngành công nghiệp truyền thống có thể có sự đại diện nữ nhiều hơn. Do đó, sự chuyển dịch ngành công nghiệp có thể tác động đến tỷ lệ người lao động nam và nữ.

-   Các yếu tố xã hội và giới tính: Công nghệ không phải lúc nào cũng là nguyên nhân trực tiếp của sự biến đổi tỷ lệ người lao động nam và nữ trong ngành công nghiệp. Các yếu tố xã hội và giới tính cũng có tác động. Ví dụ, sự định kiến xã hội về vai trò giới tính có thể ảnh hưởng đến lựa chọn nghề nghiệp và sự tham gia của nam và nữ trong các ngành công nghiệp cụ thể.

-   Tổng kết lại, từ năm 2018 đến năm 2022, tỷ lệ nam trong lực lượng lao động ngành công nghiệp vẫn cao hơn tỷ lệ nữ. Điều này cho thấy sự chênh lệch giới tính vẫn tồn tại và nam giới chiếm đa số trong ngành công nghiệp.

-   Tỷ lệ nam và nữ trong lực lượng lao động ngành công nghiệp có sự biến động nhỏ từ năm này sang năm khác. Có những năm tỷ lệ tăng và những năm tỷ lệ giảm, nhưng chênh lệch giới tính vẫn duy trì trong suốt giai đoạn này.

-   Có một sự gia tăng nhỏ trong sự tham gia của nữ giới trong lực lượng lao động ngành công nghiệp từ năm 2019 đến năm 2021. Tuy nhiên, vào năm 2022, chúng ta lại thấy một sự giảm tỷ lệ nữ. Điều này cho thấy cần có những nỗ lực liên tục để thúc đẩy sự tham gia và đa dạng hóa giới tính trong ngành công nghiệp.

-   Chênh lệch giới tính trong lực lượng lao động ngành công nghiệp có thể phản ánh sự không cân bằng và hạn chế trong việc cung cấp cơ hội việc làm cho nữ giới. Để đạt được sự đa dạng và bình đẳng giới tính trong ngành công nghiệp, cần có các biện pháp và chính sách để thúc đẩy sự tham gia và phát triển nghề nghiệp cho nữ giới.

### SO SÁNH TỶ LỆ NAM NỮ LAO ĐỘNG TRONG ĐÓNG GÓP TRONG NGÀNH DỊCH VỤ VIỆT NAM

-   Ngành Dịch vụ là một lĩnh vực quan trọng trong nền kinh tế Việt Nam và đóng góp lớn vào GDP. Sự phát triển của ngành này đã tạo ra nhiều cơ hội việc làm, thu hút đầu tư và đáp ứng nhu cầu ngày càng tăng của người tiêu dùng. Tuy nhiên, vẫn còn cần có những nỗ lực để nâng cao chất lượng dịch vụ, đào tạo nguồn nhân lực chất lượng cao, đầu tư vào cơ sở hạ tầng và nâng cao khả năng cạnh tranh để phát triển ngành Dịch vụ của Việt Nam một cách bền vững.

#### GIAI ĐOẠN 1998 - 1999 - 2000 - 2001 -2002
```{r}
t7 <- nt3
t7 <- t7 %>% mutate(nt31)
t7 <-  filter(t7, Year == 1998 | Year == 1999 | Year == 2000 | Year == 2001| Year == 2002 )
 ggplot(t7,aes(x= Year, y1= ME,y2 =FME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 1998 - 2002", x= "Năm", y= "%")
```

-   Vào năm 1998, tỷ lệ nam trong lực lượng lao động ngành dịch vụ là **22.09117%** và tỷ lệ nữ là **25.23475%**. Điều này cho thấy sự chênh lệch đáng kể giữa nam và nữ trong ngành dịch vụ, với sự tham gia của nữ cao hơn nam.

-   Tiến tới năm 1999, chúng ta thấy một sự giảm tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ. Tỷ lệ nam làm việc giảm xuống **21.38521%** và tỷ lệ nữ cũng giảm xuống **24.66840%**. Mặc dù có sự giảm, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ vẫn cao hơn nam trong ngành dịch vụ.

-   Tiếp tục vào năm 2000, chúng ta thấy một sự tăng trưởng nhỏ trong tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ. Tỷ lệ nam làm việc là **21.05553%** và tỷ lệ nữ làm việc là **23.58189%**. Mặc dù có sự tăng trưởng, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ vẫn cao hơn nam trong ngành dịch vụ.

-   Tiếp theo, vào năm 2001, chúng ta thấy một sự giảm tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ. Tỷ lệ nam làm việc giảm xuống 20.42710% và tỷ lệ nữ cũng giảm xuống 23.85754%. Mặc dù có sự giảm, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ vẫn cao hơn nam trong ngành dịch vụ.

-   Cuối cùng, vào năm 2002, chúng ta thấy một sự tăng trưởng nhỏ trong tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ. Tỷ lệ nam làm việc là 21.43104% và tỷ lệ nữ làm việc là 25.13421%. Mặc dù có sự tăng trưởng, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ vẫn cao hơn nam trong ngành dịch vụ.

-   Tổng kết, từ năm 1998 đến năm 2002, chúng ta đã chứng kiến sự giảm tỷ lệ nam và nữ trong lực lượng lao động ngành dịch vụ, tuy nhiên, chênh lệch giữa nam và nữ vẫn tồn tại, với sự tham gia của nữ cao hơn nam trong ngành này. Mặc dù có những biến động nhỏ, xu hướng chung cho thấy sự tiến bộ trong việc cân bằng giới tính trong lực lượng lao động ngành dịch vụ.

#### GIAI ĐOẠN 2002 - 2004 - 2006 - 2008 - 2010
```{r}
t8 <- nt3
t8 <- t8 %>% mutate(nt31)
t8 <-  filter(t8, Year == 2002 | Year == 2004 | Year == 2006 | Year == 2008| Year == 2010 )
 ggplot(t8,aes(x= Year, y1= ME,y2 =FME)) +
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME),color = "lightblue") +
   geom_line(aes(x= Year, y= FME),color = "orange",linewidth = 1) +
   geom_point(aes(x= Year, y= FME),shape = 7,color = "orange") +
   labs(title = "GIAI ĐOẠN 2002- 2010", x= "Năm", y= "%")
```

-   Tỷ lệ nam và nữ đang làm việc trong ngành dịch vụ đã trải qua sự biến động và khác biệt trong suốt giai đoạn từ năm 2002 đến năm 2010. Từ số liệu thu thập được, ta có thể thấy rằng tỷ lệ nam luôn cao hơn tỷ lệ nữ trong ngành dịch vụ. Mặc dù cả hai tỷ lệ đều tăng từ năm 2002 đến năm 2008, nhưng sau đó lại giảm vào năm 2010.

-   Năm 2010, tỷ lệ phụ nữ tham gia vào lực lượng lao động trong ngành dịch vụ đạt 27.79%, trong khi tỷ lệ nam là 31.55%. Điều này cho thấy sự chênh lệch giữa nam và nữ trong việc làm trong ngành dịch vụ. Từ năm 2002 đến năm 2008, tỷ lệ nam tăng từ 25.13% lên 32.61%, trong khi tỷ lệ nữ tăng từ 21.43% lên 28.21%. Tuy nhiên, vào năm 2010, cả hai tỷ lệ đều giảm, chỉ ra sự biến động và không ổn định của tình hình tham gia lao động giới tính trong ngành dịch vụ.

-   Tỷ lệ nam và nữ đang làm việc trong ngành dịch vụ không chỉ phản ánh sự phân bố lao động giới tính, mà còn phản ánh những yếu tố kinh tế, xã hội và văn hóa ảnh hưởng đến sự lựa chọn công việc và cơ hội việc làm cho nam và nữ. Sự chênh lệch này có thể phản ánh những khía cạnh như sự ưu tiên công việc, mức lương, phân công công việc và sự thụ định xã hội đối với một số ngành nghề.

#### GIAI ĐOẠN 2012 - 2014 - 2016 - 2018 - 2020 - 2022
```{r}
t9 <- nt3
t9 <- t9 %>% mutate(nt31)
t9 <-  filter(t9, Year == 2012 | Year == 2014 | Year == 2016 | Year == 2018| Year == 2020| Year == 2022 )
 ggplot(t9
        ,aes(x= Year,y1= ME,y2= FME),) +
   geom_col(aes(x= Year, y= FME),fill = "orange")+
   geom_line(aes(x= Year, y= ME),color = "lightblue",linewidth = 1) +
   geom_point(aes(x= Year, y= ME), shape = 2) +
   labs(title = " Giai Đoạn 2018 - 2022", x = "Năm", y= "%") 
```

-   Ta có thể phân tích một số xu hướng và biến động cụ thể của hai mã số liệu SL.SRV.EMPL.FE.ZS (tỷ lệ nữ làm việc trong ngành dịch vụ) và SL.SRV.EMPL.MA.ZS (tỷ lệ nam làm việc trong ngành dịch vụ) như sau:

-   Tỷ lệ nữ làm việc trong ngành dịch vụ (SL.SRV.EMPL.FE.ZS):

-   Từ năm 2012 đến năm 2022, tỷ lệ nữ làm việc trong ngành dịch vụ tăng từ khoảng 29.36% lên 33.23%. Điều này cho thấy sự gia tăng về động lực và tham gia của phụ nữ trong lĩnh vực này trong thời gian qua.

-   Tỷ lệ nam làm việc trong ngành dịch vụ (SL.SRV.EMPL.MA.ZS):

-   Từ năm 2012 đến năm 2022, tỷ lệ nam làm việc trong ngành dịch vụ tăng từ khoảng 33.65% lên 38.50%. Điều này cho thấy sự gia tăng về động lực và tham gia của nam giới trong lĩnh vực này trong thời gian qua.

-   So sánh giữa tỷ lệ nam và nữ làm việc trong ngành dịch vụ:

-Từ bảng số liệu, ta thấy rằng tỷ lệ nam làm việc trong ngành dịch vụ luôn cao hơn tỷ lệ nữ trong cùng một thời điểm. Sự chênh lệch này cho thấy sự chưa đồng đều và chia sẻ không công bằng của cơ hội việc làm trong ngành dịch vụ giữa nam và nữ.

-   Tốc độ tăng trưởng giữa các năm:

-   Trong giai đoạn từ năm 2012 đến năm 2022, tốc độ tăng trưởng của cả tỷ lệ nam và nữ làm việc trong ngành dịch vụ có vẻ tương đối ổn định. Tuy nhiên, tỷ lệ nam làm việc có tăng trưởng nhanh hơn so với tỷ lệ nữ. Thông qua phân tích trên, ta có thể nhận thấy sự gia tăng tỷ lệ nam và nữ làm việc trong ngành dịch vụ trong giai đoạn từ năm 2012 đến năm 2022, tuy nhiên tỷ lệ nam làm việc vẫn cao hơn so với tỷ lệ nữ. Sự chênh lệch giữa nam và nữ trong việc tham gia vào ngành dịch vụ cần được chú ý và có thể là đề tài để nghiên cứu sâu hơn về bình đẳng giới và cơ hội việc làm công bằng trong lĩnh vực này.

# **CHƯƠNG 3: KẾT LUẬN VÀ KIẾN NGHỊ**

## **Kết luận:**

-   Dựa trên dữ liệu về tỷ lệ tham gia lao động của nam và nữ trong nhóm ngành nông nghiệp, công nghiệp và dịch vụ, chúng ta nhận thấy sự chênh lệch đáng kể giữa hai giới. Tuy tỷ lệ nam và nữ tham gia lao động trong từng ngành con có sự biến đổi theo thời gian và vùng địa lý, nhưng vẫn tồn tại sự bất đẳng trong sự tham gia lao động giữa nam và nữ.

-   Tỷ lệ nam tham gia lao động trong ngành nông nghiệp và công nghiệp vẫn cao hơn so với tỷ lệ nữ, trong khi tỷ lệ nữ làm việc trong ngành dịch vụ thường cao hơn tỷ lệ nam. Điều này thể hiện sự phân chia lao động theo giới tính và mô hình truyền thống về vai trò nam/nữ trong các ngành nghề.

-   Tuy nhiên, để đạt được sự cân bằng và bình đẳng giới tính trong lực lượng lao động, cần có các biện pháp nhằm tăng cơ hội việc làm cho nữ và giảm chênh lệch giới tính trong các ngành này. Điều này không chỉ mang lại lợi ích cho phụ nữ mà còn góp phần vào sự phát triển bền vững và cân đối của nền kinh tế.

## **Kiến nghị:**

-   Tăng cơ hội việc làm cho nữ trong ngành nông nghiệp và công nghiệp: Cần tạo ra các chính sách khuyến khích và hỗ trợ nữ giới tham gia vào các lĩnh vực truyền thống và mới trong ngành nông nghiệp và công nghiệp. Điều này có thể bao gồm việc cung cấp quyền truy cập đến đào tạo nghề, vốn vay và các nguồn tài nguyên cần thiết để khởi nghiệp và phát triển kinh doanh.

-   Khuyến khích nữ tham gia vào ngành dịch vụ: Ngành dịch vụ có tiềm năng lớn để tạo ra việc làm cho nữ giới. Cần đảm bảo rằng nữ lao động được truy cập đến các chương trình đào tạo và hỗ trợ tài chính để phát triển kỹ năng và nắm bắt cơ hội trong lĩnh vực dịch vụ.

-   Nâng cao chất lượng giáo dục và đào tạo: Để nữ giới có thể tham gia vào các ngành nghề trong nhóm ngành này, cần đầu tư vào giáo dục và đào tạo phù hợp. Cung cấp các chương trình học tập và đào tạo về các kỹ năng và nghề nghiệp cần thiết trong ngành nông nghiệp, công nghiệp và dịch vụ, đặc biệt là cho phụ nữ và các nhóm đối tượng khác gặp khó khăn.

-   Tạo ra một môi trường hợp tác: Cần xây dựng đối tác giữa chính phủ, doanh nghiệp và các tổ chức xã hội để thúc đẩy sự tham gia của nam và nữ trong lực lượng lao động trong nhóm ngành này.

# CÁC NGUỒN DỮ LIỆU ĐÃ SỬ DỤNG

**1. Dữ liệu từ WorldBank**

**2. Tổng Cục Thống kê Việt Nam**

**3. Bài báo cáo về tỷ lệ sử dụng lao động tại Việt Nam**
