Xây dựng mô hình dự báo lượng hàng container qua cảng biển Việt Nam - Luận án Tiến sĩ

Tổng quan về luận án

Luận án này tiên phong trong việc xây dựng các mô hình dự báo lượng hàng container thông qua cảng biển Việt Nam (CBVN), một lĩnh vực nghiên cứu thiết yếu nhưng còn bỏ ngỏ trong bối cảnh tăng trưởng kinh tế và hội nhập toàn cầu của Việt Nam. Ngành giao thông vận tải (GTVT), đặc biệt là hệ thống cảng biển, đóng vai trò huyết mạch đối với nền kinh tế, với "trên 90% lượng hàng hóa xuất, nhập khẩu của Việt Nam đều thông qua hệ thống CBVN." Tỉ trọng container trong tổng lượng hàng đã tăng từ 13,15% năm 2000 lên vị trí dẫn đầu vào năm 2015, với tốc độ tăng trưởng cao nhất khu vực Châu Á, khẳng định tính cấp thiết của việc dự báo chính xác.

Research gap cụ thể được xác định là sự thiếu hụt các mô hình dự báo lượng hàng container chuyên biệt, chính xác và có độ tin cậy cao. Các công trình trước đây, như Quyết định 2190/QĐ-TTg ngày 24/12/2009, đã dự báo tổng lượng hàng thông qua CBVN là 500-600 triệu tấn, nhưng lại "vượt xa với lượng hàng thực tế thông qua cảng là 427 triệu tấn, sai số đạt 17% đến 40%." Ngay cả Quyết định 1037/QĐ-TTg ngày 24/06/2014, dù cải thiện, vẫn dự báo "thấp hơn thực tế là 400-410 triệu T, sai số đã giảm còn 7%," cho thấy tính chưa nhất quán và độ chính xác còn hạn chế. Đặc biệt, "đến thời điểm hiện nay, chưa có đề tài nghiên cứu khoa học nào chỉ tập trung vào nghiên cứu dự báo lượng hàng container thông qua các cảng biển và qua hệ thống CBVN." QĐ 2190 không đề cập dự báo container, trong khi QĐ 1037 gộp chung hàng container và hàng tổng hợp, bỏ qua sự phức tạp và đặc thù của luồng hàng container. Hơn nữa, các mô hình dự báo hiện tại thường chỉ sử dụng GDP và kim ngạch xuất nhập khẩu (XNK) làm nhân tố ảnh hưởng, trong khi các nghiên cứu quốc tế đã tích hợp nhiều biến kinh tế vĩ mô hơn.

Nghiên cứu này đặt ra các câu hỏi và giả thuyết chính nhằm khắc phục những hạn chế đó:

1. RQ1: Các mô hình dự báo hiện có về lượng hàng container thông qua CBVN có độ chính xác và tin cậy như thế nào trong bối cảnh dữ liệu cập nhật và các nhân tố kinh tế vĩ mô mở rộng?
2. RQ2: Làm thế nào để xây dựng các mô hình dự báo lượng hàng container chính xác hơn, phù hợp với điều kiện Việt Nam, bằng cách tích hợp nhiều nhân tố kinh tế vĩ mô và xử lý các khuyết tật mô hình?
3. RQ3: Các phương pháp dự báo ngắn hạn theo tháng có thể được ứng dụng hiệu quả như thế nào để hỗ trợ công tác lập kế hoạch tác nghiệp cho các cảng container trọng điểm của Việt Nam?

Các giả thuyết nghiên cứu bao gồm:

• H1: Việc đưa thêm các nhân tố kinh tế như tổng giá trị công nghiệp (CN), tổng giá trị nông lâm và thủy sản (NN), và tổng vốn đầu tư (DT) vào mô hình hồi quy sẽ cải thiện đáng kể độ chính xác của dự báo lượng hàng container so với các mô hình chỉ sử dụng GDP và XNK.
• H2: Quy trình lựa chọn mô hình dự báo có xem xét đến việc loại trừ khuyết tật đa cộng tuyến sẽ dẫn đến các mô hình hồi quy đáng tin cậy và có khả năng giải thích cao hơn.
• H3: Các mô hình dự báo chuỗi thời gian ngắn hạn (theo tháng), đặc biệt là đối với các cảng trọng điểm như Cảng Cát Lái (CCL) và Công ty Cổ phần Cảng Hải Phòng (CTCPCHP), có thể cung cấp thông tin hữu ích trực tiếp cho các doanh nghiệp khai thác cảng.

Khung lý thuyết của luận án được xây dựng dựa trên sự tổng hợp các lý thuyết dự báo định lượng, bao gồm các phương pháp ngoại suy chuỗi thời gian và mô hình hồi quy kinh tế lượng. Đặc biệt, nghiên cứu này mở rộng Lý thuyết Hồi quy Kinh tế lượng bằng cách tích hợp một tập hợp biến độc lập phong phú hơn và áp dụng các kiểm định độ tin cậy mô hình chặt chẽ, như kiểm định đa cộng tuyến, để đảm bảo tính vững chắc của các mối quan hệ nhân quả.

Đóng góp đột phá của luận án bao gồm:

• Độ chính xác dự báo tăng cường: Xây dựng và lựa chọn được 37 mô hình dự báo lượng hàng container theo năm và 13 mô hình dự báo theo tháng, với độ tin cậy và chính xác cao hơn rõ rệt so với các dự báo trước đây, thể hiện qua việc giảm thiểu sai số dự báo (MAPE).
• Khung phân tích đa nhân tố: Lần đầu tiên tích hợp một tập hợp rộng các nhân tố kinh tế vĩ mô (GDP, XNK, CN, NN, DT, DS) vào mô hình hồi quy lượng hàng container, vượt ra ngoài các mô hình truyền thống của Việt Nam. Điều này làm sâu sắc thêm hiểu biết về các động lực thúc đẩy tăng trưởng hàng container.
• Tiên phong dự báo ngắn hạn: Giới thiệu và ứng dụng thành công các mô hình dự báo ngắn hạn theo tháng cho CCL và CTCPCHP, cung cấp công cụ trực tiếp cho quản lý tác nghiệp, một khoảng trống lớn trong nghiên cứu trong nước.
• Nâng cao năng lực kỹ thuật: Sử dụng phần mềm Eviews tiên tiến để phân tích và lựa chọn mô hình, đồng thời xử lý triệt để các khuyết tật mô hình như đa cộng tuyến, đảm bảo tính khoa học và vững chắc của kết quả.

Phạm vi nghiên cứu bao gồm lượng hàng container thông qua toàn bộ hệ thống CBVN, các cảng biển khu vực TP. Hồ Chí Minh (CBKVHCM), cảng biển khu vực Hải Phòng (CBKVHP), Cảng Cát Lái (CCL) và CTCP Cảng Hải Phòng (CTCPCHP). Dữ liệu được thu thập từ năm 1991 đến 2016 (26 năm), với các dự báo đến năm 2020 và 2030 cho dài hạn, và theo tháng cho năm 2016-2017 cho ngắn hạn. Ý nghĩa của luận án là cung cấp cơ sở khoa học vững chắc cho công tác quy hoạch, xây dựng chiến lược phát triển cảng biển và vận tải biển quốc gia, cũng như hỗ trợ các doanh nghiệp cảng và logistics trong lập kế hoạch kinh doanh hiệu quả.

Literature Review và Positioning

Phần tổng quan tài liệu của luận án đã thực hiện một synthesis toàn diện các luồng nghiên cứu chính về dự báo kinh tế nói chung và dự báo vận tải biển nói riêng, cả ở Việt Nam và quốc tế.

Các nghiên cứu về dự báo kinh tế ở Việt Nam được phân tích theo ba giai đoạn chính:

• Trước 1986: Bắt đầu với mô hình kinh tế lượng thử nghiệm bởi Ban Điều khiển học trực thuộc Thủ tướng Chính phủ năm 1974-1975, tập trung vào nền kinh tế miền Bắc. Sau đó là mô hình tại Trung tâm Phân tích Hệ thống – Viện Nghiên cứu Quản lý Kinh tế Trung ương (1983-1984) mô tả khu vực sản xuất vật chất.
• 1986-1992: Giai đoạn này chứng kiến sự hỗ trợ kỹ thuật từ các tổ chức quốc tế (ESCWA), với mô hình đầu tiên sử dụng phần mềm chuyên dụng TST. Các mô hình vẫn dựa trên Hệ thống Sản phẩm Vật chất (MPS) và chủ yếu phân tích cơ chế kinh tế trong giai đoạn chuyển đổi.
• Từ 1993 đến nay: Các mô hình kinh tế lượng vĩ mô bắt đầu sử dụng Hệ thống Tài khoản Quốc gia (SNA) thay cho MPS. Đáng chú ý là đề tài 92-98-233/ĐT của Nguyễn Văn Quỳ (1993) phân tích chính sách tỷ giá hối đoái và thuế; mô hình năm 1995 của Viện Nghiên cứu Quản lý Kinh tế Trung ương kết hợp khối cung-cầu. Viện Chiến lược Phát triển (1997) xây dựng mô hình kinh tế lượng vĩ mô theo bên cầu với sự hỗ trợ của chuyên gia Nhật Bản, bao gồm 58 phương trình, và được chỉnh lý năm 2001 để mô phỏng tác động của FDI và thương mại. Mô hình Cân bằng Tổng quát (CGE) 5 ngành và 24 ngành cũng được phát triển từ năm 1996 với sự hợp tác của Nhật Bản để mô phỏng kế hoạch 5 năm và đánh giá tác động của tự do hóa thương mại (Võ Trí Thành, Rudolf Zwiener, 1998). Luận án này đã ghi nhận rõ ràng rằng, "công tác nghiên cứu dự báo ở Bộ Kế hoạch và Đầu tư, Viện Nghiên cứu Quản lý Kinh tế Trung ương trong các dự án hợp tác nghiên cứu với nước ngoài chủ yếu quan tâm đến dự báo kinh tế - xã hội phục vụ cho xây dựng và ban hành các chính sách vĩ mô điều hành nền kinh tế, chứ chưa có các nghiên cứu để xây dựng các mô hình dự báo lượng hàng container thông qua cảng biển của Việt Nam."

Các công trình nghiên cứu quy hoạch và chiến lược phát triển GTVT của Việt Nam (Quyết định số 206/2004/QĐ-TTg, Quyết định số 35/2009/QĐ-TTg, Quyết định số 355/QĐ-TTg, Quyết định số 318/QĐ-TTg) chỉ đưa ra dự báo tổng khối lượng vận chuyển hàng hóa, không cụ thể cho lượng hàng container qua cảng. Các quy hoạch phát triển cảng biển (Quyết định số 2190/QĐ-TTg, Quyết định số 1037/QĐ-TTg) có đề cập đến dự báo hàng container nhưng với sai số cao và không đủ chi tiết (ví dụ, QĐ 2190 dự báo 13.6-15.2 triệu TEU năm 2015 trong khi thực tế là 11.52 triệu TEU, sai số 18.1-31.9%).

Contradictions/Debates: Một điểm mâu thuẫn nổi bật trong literature review là sự không nhất quán và độ chính xác thấp của các dự báo trước đây.

1. Chất lượng dự báo vĩ mô: Một bên là các nghiên cứu tổng quan về dự báo kinh tế vĩ mô Việt Nam (Nguyễn Văn Quỳ, 1993, 1995; Võ Trí Thành, Rudolf Zwiener, 1998) tập trung vào phân tích chính sách và mô phỏng kinh tế. Tuy nhiên, các dự báo này không đi sâu vào từng ngành cụ thể như vận tải biển. Mặt khác, các quyết định quy hoạch chính thức của Chính phủ (QĐ 2190, QĐ 1037) đã đưa ra các con số dự báo cụ thể cho ngành vận tải biển, nhưng lại mắc phải sai số lớn (ví dụ, QĐ 2190 có MAPE lên tới 40% cho tổng lượng hàng năm 2015).
2. Phạm vi nhân tố ảnh hưởng: Các nghiên cứu trong nước về dự báo vận tải biển thường giới hạn các biến độc lập trong mô hình hồi quy chỉ ở GDP và XNK. Điều này mâu thuẫn với các nghiên cứu quốc tế (Hui, E., 2004) cho thấy lượng hàng thông qua cảng phụ thuộc vào nhiều yếu tố khác như tổng giá trị công nghiệp, nông lâm thủy sản, vốn đầu tư và dân số. Sự thiếu hụt các biến này có thể là nguyên nhân chính dẫn đến độ chính xác thấp.

Positioning trong Literature: Luận án này định vị mình là cầu nối cho khoảng trống nghiên cứu rõ ràng: "chưa có một công trình nghiên cứu nào về xây dựng mô hình dự báo lượng hàng container thông qua CBVN." Bằng cách tập trung hoàn toàn vào hàng container, luận án đi sâu vào dự báo theo chiều hàng (xuất, nhập, nội địa), theo khu vực và các cảng lớn (CBKVHCM, CBKVHP, CCL, CTCPCHP) với cả hai đơn vị Tấn và TEU. Điều này vượt xa các nghiên cứu trước đây vốn chỉ dự báo tổng lượng hàng hoặc gộp chung hàng container với hàng tổng hợp.

How this advances the field:

• Cải thiện cơ sở dữ liệu: "Số liệu thống kê về lượng hàng container thông qua CBVN được thu thập trong một khoảng thời gian dài (26 năm), chứ không phải là vài năm như các công trình nghiên cứu trước đây," cung cấp một chuỗi thời gian mạnh mẽ cho phân tích.
• Mô hình toàn diện hơn: Luận án đưa thêm các nhân tố kinh tế như "tổng giá trị công nghiệp, tổng giá trị nông, lâm, thủy sản và vốn đầu tư" vào mô hình hồi quy, mà các công trình trong nước trước đây bỏ sót.
• Xử lý khuyết tật mô hình: "luận án đã so sánh các mô hình theo các phương pháp khác nhau và lựa chọn ra mô hình dự báo phù hợp, loại trừ các khuyết tật, đặc biệt là đa cộng tuyến điều này các công trình nghiên cứu trước chưa chỉ ra." Đây là một tiến bộ về mặt phương pháp luận, đảm bảo tính vững chắc của các mô hình được xây dựng.
• Dự báo ngắn hạn chuyên biệt: Nghiên cứu này là "công trình nghiên cứu tiến hành dự báo lượng hàng container thông qua CBVN theo tháng với sự ứng dụng các mô hình dự báo trong ngắn hạn," đáp ứng nhu cầu lập kế hoạch tác nghiệp mà các nghiên cứu trước đây chưa quan tâm.

So sánh với ÍT NHẤT 2 international studies:

1. Hui, E. (2004), "Dự báo lượng hàng thông qua cảng Hồng Kong": Nghiên cứu này đã chỉ ra rằng lượng hàng thông qua cảng không chỉ phụ thuộc vào GDP, tổng kim ngạch XNK mà còn phụ thuộc vào nhiều nhân tố khác như tổng giá trị công nghiệp, tổng giá trị nông lâm thủy sản, tổng vốn đầu tư, dân số. Luận án của Phạm Thị Thu Hằng học hỏi và mở rộng từ cách tiếp cận này bằng cách tích hợp các nhân tố tương tự vào mô hình hồi quy cho CBVN, khắc phục hạn chế của các nghiên cứu trong nước trước đây chỉ tập trung vào GDP và XNK. Điều này giúp mô hình trở nên toàn diện và có sức giải thích cao hơn, phù hợp với các thực tiễn tốt nhất quốc tế.
2. Ming-Hung Shu, Bi-min HSU (2014), "Dự báo lượng hàng thông qua cảng bằng mô hình SRIM": Nghiên cứu này tập trung vào dự báo tổng lượng hàng thông qua cảng theo quý cho cảng Hong Kong và Kaoshung bằng mô hình SRIM (Seasonal Regression with Intervention Model), thể hiện tầm quan trọng của dự báo ngắn hạn. Luận án này áp dụng và mở rộng ý tưởng dự báo ngắn hạn bằng cách xây dựng 13 mô hình dự báo lượng hàng container theo tháng cho CCL và CTCPCHP, một lĩnh vực "các công trình nghiên cứu trong nước chưa quan tâm đến." Điều này giúp các doanh nghiệp Việt Nam có công cụ lập kế hoạch sản xuất hàng tháng, hàng quý một cách hiệu quả, tương tự như các cảng hàng đầu thế giới.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đóng góp đáng kể vào lý thuyết dự báo kinh tế lượng trong lĩnh vực vận tải biển, đặc biệt là container, thông qua việc mở rộng và thách thức (extend/challenge) các khuôn khổ lý thuyết hiện có.

• Mở rộng lý thuyết hồi quy kinh tế lượng (Econometric Regression Theory): Các nghiên cứu trước đây ở Việt Nam về dự báo vận tải biển thường áp dụng mô hình hồi quy tuyến tính cổ điển, nhưng chỉ giới hạn ở một số biến độc lập cơ bản. Luận án này mở rộng lý thuyết này bằng cách đưa thêm một tập hợp các nhân tố kinh tế vĩ mô mới vào mô hình hồi quy, bao gồm tổng giá trị công nghiệp (CN), tổng giá trị nông lâm và thủy sản (NN), và tổng vốn đầu tư (DT), bên cạnh các biến truyền thống như tổng sản phẩm nội địa (GDP) và kim ngạch xuất nhập khẩu (XNK). Điều này thách thức quan điểm cho rằng mối quan hệ giữa các yếu tố kinh tế và lượng hàng container có thể được giải thích đầy đủ chỉ bằng một vài biến số, đồng thời làm phong phú thêm Lý thuyết Hồi quy bằng cách cung cấp bằng chứng thực nghiệm về ảnh hưởng đa chiều của các yếu tố kinh tế đến vận tải biển. Sự mở rộng này dựa trên nghiên cứu của Hui, E. (2004) về cảng Hồng Kông, khẳng định tính quốc tế của các nhân tố này.
• Thách thức các giả định về độ vững chắc của mô hình: Luận án này đặc biệt chú trọng đến việc "loại trừ các khuyết tật, đặc biệt là đa cộng tuyến" trong các mô hình hồi quy, một vấn đề mà "các công trình nghiên cứu trước chưa chỉ ra." Điều này thách thức giả định ngầm định về sự phù hợp của các mô hình hồi quy bội mà không có kiểm định nghiêm ngặt về các vấn đề kinh tế lượng. Bằng cách minh chứng rằng "không phải cứ mô hình hồi quy bội là phù hợp nhất, mà nhiều khi mô hình hồi quy đơn hoặc mô hình hồi quy theo hàm tuyến tính là lựa chọn tốt hơn" khi có đa cộng tuyến, luận án góp phần làm sâu sắc thêm lý thuyết về lựa chọn mô hình và độ tin cậy của ước lượng kinh tế lượng. Điều này thể hiện một sự tiến bộ trong việc áp dụng phương pháp luận kinh tế lượng cho dự báo trong ngành GTVT Việt Nam.

Conceptual framework với components và relationships: Khung khái niệm của luận án được xây dựng dựa trên mối quan hệ giữa các nhân tố kinh tế vĩ mô và lượng hàng container thông qua cảng biển.

• Components:
  • Biến phụ thuộc: Lượng hàng container thông qua cảng biển (theo Tấn và TEU, theo chiều xuất/nhập/nội địa, cho toàn hệ thống, khu vực, và các cảng cụ thể).
  • Biến độc lập:
    • Các nhân tố kinh tế vĩ mô truyền thống: Tổng sản phẩm nội địa (GDP), Kim ngạch xuất nhập khẩu (XNK).
    • Các nhân tố kinh tế vĩ mô mở rộng: Tổng giá trị công nghiệp (CN), Tổng giá trị nông lâm và thủy sản (NN), Tổng vốn đầu tư (DT), Dân số (DS).
    • Biến thời gian (t) cho các mô hình ngoại suy hàm tuyến tính và chuỗi thời gian.
• Relationships:
  • Các mối quan hệ giả định là tuyến tính hoặc phi tuyến tính, được kiểm định thông qua các mô hình hồi quy đơn và bội. Ví dụ, GDP được kỳ vọng có mối quan hệ dương với lượng hàng container do GDP cao thể hiện hoạt động kinh tế sôi động, tăng sản xuất và tiêu dùng. Tương tự, XNK trực tiếp liên quan đến nhu cầu vận tải container quốc tế. Các nhân tố CN, NN, DT, DS được tích hợp để nắm bắt các khía cạnh bổ sung của hoạt động kinh tế và tiềm năng tăng trưởng, ảnh hưởng đến cả sản xuất cho xuất khẩu và tiêu dùng cho nhập khẩu. Mối quan hệ này được biểu diễn thông qua các hàm hồi quy, nơi biến phụ thuộc là một hàm của các biến độc lập và các thành phần sai số.

Theoretical model với propositions/hypotheses numbered: Mô hình lý thuyết tổng quát có thể được biểu diễn như sau: $ContainerThroughput_{t} = f(GDP_{t}, XNK_{t}, CN_{t}, NN_{t}, DT_{t}, DS_{t}, Time_{t}, \epsilon_{t})$ Trong đó, $f$ là một hàm tuyến tính hoặc phi tuyến tính, và $\epsilon_{t}$ là thành phần sai số.

Các giả thuyết cụ thể (propositions) được kiểm định trong mô hình:

• P1: Tăng trưởng GDP có mối quan hệ đồng biến với lượng hàng container thông qua cảng biển (thể hiện sự mở rộng chung của nền kinh tế).
• P2: Tăng trưởng Kim ngạch xuất nhập khẩu (XNK) có mối quan hệ đồng biến mạnh mẽ với lượng hàng container thông qua cảng biển (phản ánh trực tiếp nhu cầu vận chuyển hàng hóa quốc tế).
• P3: Các chỉ tiêu về sản xuất (CN, NN) và đầu tư (DT) có mối quan hệ đồng biến với lượng hàng container, do chúng tạo ra nhu cầu vận chuyển nguyên vật liệu và sản phẩm.
• P4: Mô hình hồi quy đa nhân tố (gồm GDP, XNK, CN, NN, DT, DS) sẽ có độ chính xác dự báo cao hơn đáng kể so với mô hình chỉ sử dụng GDP và XNK, đặc biệt sau khi đã xử lý khuyết tật đa cộng tuyến.

Paradigm shift với EVIDENCE từ findings: Mặc dù luận án không tuyên bố một "thay đổi paradigm" theo nghĩa rộng, nhưng nó tạo ra một sự chuyển dịch trong phương pháp luận thực hành dự báo trong ngành GTVT Việt Nam, từ cách tiếp cận đơn giản, vĩ mô, và thiếu chính xác sang một cách tiếp cận toàn diện, vi mô hơn, và có căn cứ kinh tế lượng vững chắc.

• Bằng chứng:
  • Thách thức các dự báo cũ: Các dự báo trước đây, như QĐ 2190, có sai số 17%-40%. Luận án này thông qua việc xây dựng "37 mô hình dự báo lượng hàng container theo năm... và 13 mô hình dự báo lượng hàng container theo tháng" và lựa chọn mô hình phù hợp, loại trừ khuyết tật, đã chỉ ra khả năng đạt được độ chính xác cao hơn, qua đó "chỉ ra rằng không phải cứ mô hình hồi quy bội là phù hợp nhất, mà nhiều khi mô hình hồi quy đơn hoặc mô hình hồi quy theo hàm tuyến tính là lựa chọn tốt hơn." Điều này đại diện cho một sự chuyển dịch từ việc chấp nhận các dự báo vĩ mô kém chính xác sang yêu cầu các mô hình có độ tin cậy và minh bạch cao hơn.
  • Ưu tiên chi tiết và ngắn hạn: Việc tập trung "chỉ tập trung vào dự báo lượng hàng container thông qua CBVN; đi sâu vào dự báo theo chiều hàng, vào các cảng biển thuộc khu vực, các cảng biển lớn theo cả hai đơn vị T và TEU" và đặc biệt là dự báo "theo tháng," thể hiện một sự chuyển dịch tư duy từ hoạch định vĩ mô dài hạn sang tích hợp cả nhu cầu lập kế hoạch tác nghiệp ngắn hạn, điều này chưa từng được quan tâm trong nước.

Khung phân tích độc đáo

Khung phân tích của luận án được đánh giá là độc đáo thông qua việc integration của các lý thuyết và novel analytical approach.

• Integration của theories (name 3+ specific theories):
  1. Lý thuyết Hồi quy Kinh tế lượng (Econometric Regression Theory): Đây là nền tảng chính, được sử dụng để định lượng mối quan hệ giữa các biến kinh tế và lượng hàng container.
  2. Lý thuyết Chuỗi thời gian (Time Series Analysis): Được áp dụng cho các mô hình dự báo ngắn hạn (tháng) và việc phân tích xu hướng, mùa vụ của dữ liệu, có thể bao gồm các mô hình như ARIMA (Box-Jenkins) hoặc san mũ (Holt-Winters), mặc dù văn bản chỉ đề cập ARIMA một cách khái quát trong chương 2 và cụ thể là "dự báo thô điều chỉnh xu thế mùa vụ và san mũ Winter" trong bảng 4.10.
  3. Lý thuyết Kinh tế Vận tải (Transport Economics): Cung cấp cơ sở cho việc xác định các nhân tố kinh tế vĩ mô có ảnh hưởng đến nhu cầu vận tải và lưu lượng hàng hóa thông qua cảng, như mối liên hệ giữa GDP, XNK, sản xuất công nghiệp/nông nghiệp và nhu cầu vận chuyển.
• Novel analytical approach với justification:
  • Multi-factor, Multi-level, Multi-temporal Regression Modeling: Luận án không chỉ áp dụng mô hình hồi quy bội mà còn thực hiện trên nhiều cấp độ (quốc gia, khu vực, cảng cụ thể) và nhiều thời đoạn (năm, tháng), đồng thời tích hợp một tập hợp biến độc lập mở rộng. Phương pháp này độc đáo ở Việt Nam vì nó trực tiếp khắc phục hạn chế của các mô hình trước đây chỉ sử dụng hai nhân tố chính.
  • Rigor trong lựa chọn mô hình và xử lý khuyết tật: Việc tập trung "loại trừ các khuyết tật, đặc biệt là đa cộng tuyến" trong mô hình hồi quy là một phương pháp tiếp cận mới trong bối cảnh các nghiên cứu trước đây ở Việt Nam thường không công khai hoặc giải quyết triệt để vấn đề này. Việc so sánh và lựa chọn "không phải cứ mô hình hồi quy bội là phù hợp nhất, mà nhiều khi mô hình hồi quy đơn hoặc mô hình hồi quy theo hàm tuyến tính là lựa chọn tốt hơn" khi có đa cộng tuyến, thể hiện một sự cải tiến về độ tin cậy và tính thực tiễn của mô hình.
• Conceptual contributions với definitions:
  • "Lượng hàng container thông qua cảng biển theo chiều hàng": Luận án cung cấp các định nghĩa và mô hình dự báo cụ thể cho lượng hàng container xuất khẩu, nhập khẩu và nội địa, làm rõ các phân khúc quan trọng của thị trường vận tải container mà trước đây thường bị gộp chung.
  • "Mô hình dự báo ngắn hạn (theo tháng)": Khái niệm này được phát triển và ứng dụng lần đầu trong bối cảnh Việt Nam, nhấn mạnh giá trị của các dự báo chi tiết cho hoạt động điều hành cảng, bổ sung cho các dự báo dài hạn vốn chỉ phục vụ quy hoạch vĩ mô.
• Boundary conditions explicitly stated:
  • Phạm vi không gian và thời gian: Nghiên cứu giới hạn trong "CBVN, CBKVHCM, CBKVHP, CCL và CTCPCHP" và giai đoạn dữ liệu "từ năm 1991 đến năm 2016," với dự báo đến "năm 2020 và 2030" cho dài hạn, và "theo tháng của năm 2016 và 2017" cho ngắn hạn. Điều này giới hạn tính tổng quát của mô hình đối với các loại cảng hoặc khu vực kinh tế khác không được đưa vào nghiên cứu.
  • Giả định về nhân tố kinh tế: Mô hình dựa trên giả định rằng các mối quan hệ lịch sử giữa các biến kinh tế và lượng hàng container sẽ tiếp tục duy trì trong tương lai gần. Các biến cấu trúc, chính sách hoặc sự kiện đột biến không thể được định lượng (ví dụ như "các biến về thể chế, luật pháp, văn hóa, chính trị") là những điều kiện biên quan trọng, có thể ảnh hưởng đến độ chính xác của dự báo.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án này mang đậm tính định lượng, tập trung vào việc xây dựng và kiểm định các mô hình dự báo.

• Research philosophy: Nghiên cứu này tuân theo triết lý Positivism (Chủ nghĩa thực chứng). Luận án tìm cách khám phá các quy luật và mối quan hệ nhân quả khách quan giữa các biến kinh tế và lượng hàng container thông qua cảng biển. Mục tiêu là "xây dựng được các mô hình dự báo phù hợp, có độ chính xác và độ tin cậy cao," nhấn mạnh vào tính đo lường được, kiểm định được và khả năng khái quát hóa của tri thức khoa học. Việc sử dụng "phần mềm Eviews để tính toán" và các "chỉ tiêu đo độ chính xác" như MAPE càng củng cố phương pháp tiếp cận thực chứng.
• Mixed methods với SPECIFIC combination rationale: Mặc dù không tự gọi là mixed methods một cách rõ ràng, luận án thực chất kết hợp phương pháp định lượng chuyên sâu với việc tổng hợp và phân tích định tính nền tảng.
  • Định tính: Được thể hiện qua "phương pháp tổng hợp, thống kê, để tập hợp số liệu, phân tích và đánh giá số liệu," và "phương pháp so sánh, đối chiếu để đánh giá và đưa ra các nhận xét." Đặc biệt là quá trình "Nghiên cứu cơ sở lý luận về dự báo, các phương pháp dự báo nói chung, cũng như dự báo lượng hàng container thông qua cảng biển nói riêng" và "Nghiên cứu thực trạng công tác dự báo lượng hàng container thông qua CBVN," tạo bối cảnh và xác định khoảng trống cho nghiên cứu định lượng.
  • Định lượng: Là trọng tâm của luận án, sử dụng "phương pháp phân tích hồi quy và tương quan để nghiên cứu mối quan hệ ảnh hưởng của các nhân tố đến lượng hàng container thông qua cảng biển Việt Nam, để xây dựng và lựa chọn các mô hình dự báo phù hợp." Sự kết hợp này được lý giải bởi nhu cầu vừa hiểu sâu sắc bối cảnh và các lý thuyết liên quan, vừa phải xây dựng các công cụ dự báo có tính toán khách quan và có thể ứng dụng được.
• Multi-level design với levels clearly defined: Nghiên cứu được thiết kế ở ba cấp độ phân tích rõ ràng:
  1. Cấp độ quốc gia: Dự báo tổng lượng hàng container cho hệ thống CBVN.
  2. Cấp độ khu vực: Dự báo lượng hàng container cho CBKVHCM và CBKVHP.
  3. Cấp độ cảng cụ thể: Dự báo lượng hàng container cho Cảng Cát Lái (CCL) và Công ty Cổ phần Cảng Hải Phòng (CTCPCHP). Thiết kế đa cấp này cho phép nắm bắt các động lực dự báo khác nhau ở từng quy mô, từ bức tranh vĩ mô đến chi tiết hoạt động của các cảng trọng điểm.
• Sample size và selection criteria EXACT:
  • Kích thước mẫu: "Số liệu thống kê về lượng hàng container thông qua CBVN được thu thập trong một khoảng thời gian dài (26 năm)" từ năm 1991 đến 2016 cho dữ liệu hàng năm. Đối với dự báo theo tháng, dữ liệu cho CCL được tổng hợp từ năm 1991-2016 (Bảng 3.5), và cho CTCPCHP từ năm 1991-2016 (Bảng 3.6), nhưng dữ liệu chi tiết theo tháng cho CCL từ 2005-2016 (Hình 3.26) và cho CTCPCHP từ 2003-2016 (Hình 3.31).
  • Tiêu chí lựa chọn: Dữ liệu được lựa chọn dựa trên tính sẵn có, độ tin cậy và khả năng đại diện cho hoạt động vận tải container của Việt Nam. Các cảng/khu vực được chọn (CBVN, CBKVHCM, CBKVHP, CCL, CTCPCHP) là những điểm nút quan trọng nhất trong hệ thống cảng biển quốc gia, đảm bảo tính đại diện và ý nghĩa thực tiễn của kết quả dự báo.

Quy trình nghiên cứu rigorous

• Sampling strategy với inclusion/exclusion criteria:
  • Chiến lược lấy mẫu dữ liệu: Sử dụng phương pháp lấy mẫu toàn bộ (census sampling) đối với dữ liệu thứ cấp có sẵn từ các cơ quan quản lý nhà nước và doanh nghiệp cảng lớn.
  • Tiêu chí bao gồm: Dữ liệu kinh tế vĩ mô quốc gia (GDP, XNK, CN, NN, DT, DS) từ Tổng cục Thống kê; dữ liệu lượng hàng container thông qua các cảng/khu vực cụ thể (CBVN, CBKVHCM, CBKVHP, CCL, CTCPCHP) từ Cục Hàng hải Việt Nam, Cục Thống kê TP. Hồ Chí Minh, Cục Thống kê TP. Hải Phòng, CCL, CTCPCHP. Dữ liệu phải có tính liên tục trong giai đoạn 1991-2016 để đảm bảo đủ độ dài chuỗi thời gian cho phân tích.
  • Tiêu chí loại trừ: Dữ liệu không đầy đủ, không nhất quán hoặc không có nguồn gốc rõ ràng sẽ bị loại trừ để đảm bảo chất lượng và độ tin cậy của phân tích.
• Data collection protocols với instruments described:
  • Giao thức thu thập dữ liệu: Dữ liệu thứ cấp được thu thập thông qua phương pháp điều tra thống kê, tập trung vào các báo cáo thường niên, niên giám thống kê, và cơ sở dữ liệu nội bộ của các cơ quan và doanh nghiệp.
  • Công cụ: Không có công cụ đo lường định tính (ví dụ: bảng hỏi phỏng vấn) được sử dụng. Thay vào đó, dữ liệu được thu thập từ các bảng thống kê, biểu đồ và báo cáo chính thức (ví dụ: "Bảng tổng hợp chuỗi dữ liệu lượng hàng container thông qua Cảng Cát Lái theo tháng," Bảng 3.5).
• Triangulation (data/method/investigator/theory): Luận án thực hiện triangulation theo các phương diện sau:
  • Methodological triangulation: So sánh và lựa chọn mô hình dự báo từ nhiều phương pháp khác nhau ("phương pháp ngoại suy thông qua hàm tuyến tính," "mô hình hồi quy đơn," "mô hình hồi quy bội," và "mô hình Box-Jenkins theo ARIMA," "san mũ Winter"). Quy trình này giúp xác định mô hình có hiệu suất dự báo tốt nhất và đảm bảo tính vững chắc của kết quả.
  • Data triangulation: Dữ liệu được thu thập từ nhiều nguồn khác nhau (Tổng cục Thống kê, Cục Hàng hải Việt Nam, các cục thống kê địa phương, các công ty cảng) để đảm bảo tính đầy đủ và kiểm tra chéo độ chính xác của số liệu.
• Validity (construct/internal/external) và reliability (α values):
  • Construct Validity: Đảm bảo rằng các biến được sử dụng trong mô hình (ví dụ: GDP, XNK, CN) thực sự đo lường các khái niệm kinh tế mà chúng đại diện và có mối liên hệ lý thuyết với lượng hàng container. Điều này được hỗ trợ bởi literature review toàn diện.
  • Internal Validity: Được tăng cường thông qua việc "loại trừ các khuyết tật, đặc biệt là đa cộng tuyến" trong các mô hình hồi quy. Bằng cách giải quyết các vấn đề kinh tế lượng, luận án đảm bảo rằng các mối quan hệ nhân quả được tìm thấy giữa các biến độc lập và biến phụ thuộc là đáng tin cậy và không bị ảnh hưởng bởi các yếu tố gây nhiễu trong mô hình.
  • External Validity (Generalizability): Các mô hình được phát triển cho CBVN nói chung và các cảng trọng điểm. Điều kiện khái quát hóa (generalizability conditions) được nêu rõ trong phần "Limitations" và "Implications", ví dụ, mô hình có thể áp dụng cho các cảng có đặc điểm kinh tế tương tự.
  • Reliability: Được đảm bảo thông qua việc sử dụng các "chỉ tiêu đo độ chính xác của dự báo" như MAPE (Mean Absolute Percentage Error), cùng với các kiểm định thống kê khác trong phần mềm Eviews. Mặc dù giá trị alpha (Cronbach's alpha) không được áp dụng trực tiếp vì đây không phải là nghiên cứu khảo sát với thang đo tâm lý, nhưng độ tin cậy của các ước lượng hồi quy được đánh giá bằng các tiêu chí thống kê chuẩn như p-value, R-squared, và các kiểm định về tính ổn định của chuỗi thời gian.

Data và phân tích

• Sample characteristics với demographics/statistics: Dữ liệu thu thập bao gồm các chuỗi thời gian hàng năm (1991-2016) và hàng tháng (ví dụ: CCL từ 2005-2016, CTCPCHP từ 2003-2016). Các đặc điểm thống kê chính bao gồm:
  • Lượng hàng container thông qua: Đồ thị 3.5 và 3.8-3.11 minh họa xu hướng tăng trưởng ổn định của tổng lượng hàng container và theo khu vực (KVHCM, KVHP) trong giai đoạn 1991-2016.
  • Các biến kinh tế vĩ mô: GDP, XNK, CN, NN, DT, DS cho Việt Nam và các vùng kinh tế trọng điểm (ví dụ: GDPB, GDPN, XNKB, XNKN) được sử dụng làm biến độc lập (Bảng 4.15).
  • Dữ liệu theo chiều hàng: Lượng hàng container theo chiều xuất, nhập, nội địa cũng được phân tích (Hình 3.6, 3.9, 3.11).
• Advanced techniques (SEM/multilevel/QCA etc.) với software:
  • Kỹ thuật chính: Phương pháp phân tích hồi quy và tương quan là kỹ thuật chính. Cụ thể, luận án đã xây dựng:
    • Mô hình ngoại suy thông qua hàm tuyến tính.
    • Mô hình hồi quy đơn (linear regression).
    • Mô hình hồi quy bội (multiple regression) với một tập hợp mở rộng các biến kinh tế vĩ mô.
    • Mô hình chuỗi thời gian cho dự báo ngắn hạn (ví dụ: sử dụng phương pháp điều chỉnh mùa vụ, san mũ Winter, và tiềm năng ARIMA/Box-Jenkins như được đề cập trong chương 2).
  • Phần mềm: "Luận án sử dụng phần mềm Eviews để tính toán." Eviews là một công cụ kinh tế lượng mạnh mẽ, cho phép thực hiện các phân tích hồi quy phức tạp, kiểm định chuỗi thời gian, và xử lý các vấn đề như đa cộng tuyến một cách hiệu quả.
• Robustness checks với alternative specifications: Luận án thực hiện kiểm định độ vững chắc bằng cách:
  • "So sánh các mô hình theo các phương pháp khác nhau và lựa chọn ra mô hình dự báo phù hợp." Điều này bao gồm việc so sánh hiệu suất dự báo của các mô hình tuyến tính, hồi quy đơn, hồi quy bội, và các mô hình chuỗi thời gian.
  • "Loại trừ các khuyết tật, đặc biệt là đa cộng tuyến." Việc xử lý đa cộng tuyến (ví dụ, bằng cách lựa chọn biến hoặc sử dụng hồi quy đơn thay cho hồi quy bội khi cần thiết) là một dạng kiểm định độ vững chắc, đảm bảo các hệ số ước lượng đáng tin cậy.
  • Sử dụng "các chỉ tiêu đo độ chính xác của dự báo" (MAPE) để đánh giá sự phù hợp của mô hình với dữ liệu thực tế và khả năng dự báo của chúng (Bảng 4.10, 4.11, 4.12).
• Effect sizes và confidence intervals reported: Mặc dù luận án không trực tiếp trích dẫn các giá trị effect sizes (ví dụ: hệ số hồi quy chuẩn hóa) hoặc confidence intervals trong bản tóm tắt, nhưng việc "Đánh giá mô hình hồi quy tổng lượng hàng container thông qua hệ thống cảng biển Việt Nam theo nhân tố ảnh hưởng" (Bảng 4.3) và "Các chỉ tiêu đo độ chính xác của dự báo" (Bảng 4.10) cho thấy các chỉ số này đã được tính toán trong quá trình phân tích bằng Eviews. Các giá trị p-value được ngụ ý thông qua việc kiểm định các hệ số và độ phù hợp của mô hình.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được một số phát hiện then chốt với bằng chứng cụ thể từ dữ liệu, mang tính đột phá cho lĩnh vực dự báo vận tải biển tại Việt Nam.

1. Sự kém hiệu quả của các dự báo vĩ mô trước đây: Bằng chứng cho thấy các dự báo trong các quy hoạch, chiến lược của nhà nước có độ chính xác thấp. "QĐ 2190/QĐ-TTg ngày 24/12/2009 đã dự báo tổng lượng hàng thông qua CBVN là 500 - 600 triệu T, vượt xa với lượng hàng thực tế thông qua cảng là 427 triệu T sai số đạt 17% đến 40% [26]." Ngay cả sau điều chỉnh (QĐ 1037), sai số vẫn là 7%. Phát hiện này cung cấp cơ sở vững chắc cho sự cần thiết của một cách tiếp cận dự báo mới.
2. Mối quan hệ đa nhân tố của lượng hàng container: Các mô hình hồi quy của luận án khẳng định rằng lượng hàng container thông qua cảng không chỉ chịu ảnh hưởng của GDP và XNK mà còn bởi các nhân tố kinh tế vĩ mô khác. Việc đưa "tổng giá trị công nghiệp (CN), tổng giá trị nông lâm và thủy sản (NN), và tổng vốn đầu tư (DT)" vào mô hình hồi quy đã cải thiện đáng kể khả năng giải thích và độ chính xác của dự báo. Điều này được hỗ trợ bởi các bảng "Mô hình hồi quy tổng lượng hàng container thông qua hệ thống cảng biển Việt Nam theo nhân tố ảnh hưởng" (Bảng 4.3).
3. Không phải cứ mô hình hồi quy bội là tối ưu: Phát hiện quan trọng là việc xử lý khuyết tật "đa cộng tuyến" đã dẫn đến kết luận rằng "không phải cứ mô hình hồi quy bội là phù hợp nhất, mà nhiều khi mô hình hồi quy đơn hoặc mô hình hồi quy theo hàm tuyến tính là lựa chọn tốt hơn." Điều này là một kết quả counter-intuitive đối với quan niệm thông thường rằng mô hình phức tạp hơn luôn tốt hơn, và được giải thích bằng lý thuyết kinh tế lượng về hậu quả của đa cộng tuyến đối với độ tin cậy của ước lượng.
4. Hiệu quả của dự báo ngắn hạn theo tháng: Luận án đã thành công trong việc xây dựng "13 mô hình dự báo lượng hàng container thông qua cảng theo tháng cho CCL và CTCPCHP." Các mô hình này cung cấp dự báo với độ chính xác cao cho năm 2016 (kiểm định) và 2017 (tiên nghiệm), thể hiện một new phenomena trong nghiên cứu trong nước về dự báo vận tải biển. Ví dụ, "Mô hình dự báo lượng hàng container thông qua Cảng Cát Lái theo tháng" (Bảng 4.13) và "Mô hình dự báo sản lượng container thông qua CTCP cảng Hải Phòng theo tháng" (Bảng 4.14) cho thấy khả năng ứng dụng thực tiễn trực tiếp.
5. So sánh với prior research findings: Luận án so sánh các dự báo của mình với các quy hoạch trước đó (QĐ 2190, QĐ 1037) và cho thấy độ chính xác được cải thiện đáng kể. Trong khi QĐ 2190 có sai số tới 40%, các mô hình của luận án hướng tới mức MAPE dưới 10%, thậm chí dưới 5% cho một số trường hợp, mang lại kết quả vượt trội.

Implications đa chiều

Các phát hiện của luận án có implications sâu rộng trên nhiều khía cạnh:

• Theoretical advances với contribution to 2+ theories: Luận án góp phần làm phong phú Lý thuyết Hồi quy Kinh tế lượng bằng cách chứng minh giá trị của việc tích hợp các nhân tố kinh tế vĩ mô mở rộng và sự cần thiết của việc xử lý nghiêm ngặt các khuyết tật mô hình (như đa cộng tuyến) để đạt được ước lượng đáng tin cậy. Nó cũng mở rộng Lý thuyết Chuỗi thời gian bằng cách áp dụng thành công các mô hình dự báo ngắn hạn trong bối cảnh cụ thể của ngành vận tải container Việt Nam.
• Methodological innovations applicable to other contexts: Các phương pháp và quy trình lựa chọn mô hình dự báo, đặc biệt là việc kết hợp các biến kinh tế vĩ mô đa dạng và kỹ thuật xử lý đa cộng tuyến bằng Eviews, có thể được áp dụng như một khuôn khổ mẫu mực (benchmark) cho các nghiên cứu dự báo trong các ngành kinh tế khác của Việt Nam hoặc các quốc gia đang phát triển tương tự. Quy trình xây dựng mô hình dự báo ngắn hạn theo tháng cũng là một innovation có thể áp dụng cho các loại hàng hóa khác hoặc các lĩnh vực logistics khác.
• Practical applications với specific recommendations:
  • Các doanh nghiệp khai thác cảng (ví dụ: CCL, CTCPCHP) có thể sử dụng "13 mô hình dự báo lượng hàng container thông qua cảng theo tháng" để lập kế hoạch sản xuất, điều phối nguồn lực (công nhân, thiết bị) hàng tháng, tối ưu hóa năng lực khai thác và giảm chi phí chờ đợi.
  • Các doanh nghiệp logistics và xuất nhập khẩu có thể sử dụng các dự báo này để điều chỉnh kế hoạch vận chuyển, quản lý chuỗi cung ứng và đưa ra quyết định tồn kho hiệu quả hơn.
• Policy recommendations với implementation pathway:
  • Đối với Bộ GTVT và Cục Hàng hải Việt Nam: Luận án khuyến nghị sử dụng các mô hình và kết quả dự báo mới này làm tài liệu tham khảo để "điều chỉnh số liệu dự báo và điều chỉnh quy hoạch phát triển hệ thống CBVN" đến năm 2020 và 2030, nhằm tránh tình trạng "thiếu hàng, thừa cảng" hoặc "cảng biển quá tải, hệ thống giao thông kết nối với cảng biển không đồng bộ."
  • Con đường triển khai: Các mô hình này có thể được tích hợp vào hệ thống thông tin quản lý của Bộ GTVT, hoặc thông qua việc tổ chức các khóa đào tạo, chuyển giao công nghệ dự báo cho các đơn vị liên quan để đảm bảo tính ứng dụng rộng rãi.
• Generalizability conditions clearly specified: Các mô hình được xây dựng dựa trên dữ liệu lịch sử và đặc điểm kinh tế của Việt Nam. Do đó, tính tổng quát hóa sẽ cao nhất đối với các cảng biển hoặc khu vực có nền kinh tế và các động lực tăng trưởng tương tự Việt Nam. Đối với các quốc gia hoặc khu vực có cấu trúc kinh tế rất khác biệt (ví dụ, nền kinh tế phát triển hoàn chỉnh, cơ cấu công nghiệp khác), cần có sự điều chỉnh hoặc xây dựng lại mô hình. Các dự báo ngắn hạn đặc biệt nhạy cảm với các cú sốc kinh tế bất ngờ hoặc thay đổi chính sách đột ngột.

Limitations và Future Research

Luận án này, mặc dù đạt được nhiều đóng góp quan trọng, vẫn có những giới hạn nhất định mà nghiên cứu trong tương lai có thể khắc phục.

• 3-4 specific limitations acknowledged:

  1. Giới hạn về nhân tố định tính: Mặc dù luận án đã mở rộng các nhân tố kinh tế vĩ mô, nhưng vẫn chưa thể đưa vào mô hình "các biến về thể chế, luật pháp, văn hóa, chính trị," vốn là những yếu tố quan trọng ảnh hưởng đến môi trường kinh doanh và nhu cầu vận tải. Các yếu tố này khó định lượng nhưng có tác động đáng kể đến hoạt động cảng biển.
  2. Giới hạn về dữ liệu chuỗi thời gian cho một số biến: Mặc dù dữ liệu tổng thể kéo dài 26 năm, nhưng một số biến kinh tế vĩ mô hoặc dữ liệu theo tháng cho các cảng nhỏ hơn có thể không có đủ độ dài hoặc độ chi tiết, ảnh hưởng đến khả năng áp dụng các kỹ thuật chuỗi thời gian phức tạp hơn (như mô hình ARIMA nâng cao) hoặc phân tích hồi quy cho các cảng cụ thể.
  3. Khả năng ngoại suy trong dài hạn: Các mô hình hồi quy, đặc biệt là các mô hình dựa trên các mối quan hệ lịch sử, có thể kém chính xác hơn khi dự báo trong dài hạn (ví dụ đến 2030) do những thay đổi cấu trúc của nền kinh tế, công nghệ, hoặc chính sách vận tải biển. Việc ngoại suy quá xa ngoài phạm vi dữ liệu quan sát có thể dẫn đến sai số lớn hơn.
  4. Thiếu mô hình dự báo phi tuyến: Luận án chủ yếu tập trung vào các mô hình tuyến tính hoặc có dạng tuyến tính hóa. Tuy nhiên, mối quan hệ giữa các nhân tố kinh tế và lượng hàng container có thể mang tính phi tuyến tính phức tạp trong thực tế, đặc biệt trong bối cảnh kinh tế chuyển đổi như Việt Nam.

• Boundary conditions về context/sample/time:

  • Context: Các kết quả được xây dựng trong bối cảnh nền kinh tế Việt Nam đang phát triển và hội nhập sâu rộng, với cấu trúc GTVT và chính sách đặc thù. Do đó, việc áp dụng trực tiếp cho các nền kinh tế phát triển hoặc các quốc gia có cơ cấu thương mại khác biệt cần được xem xét cẩn thận.
  • Sample: Các mô hình tập trung vào hệ thống cảng biển quốc gia và các cảng trọng điểm. Các cảng nhỏ hơn hoặc các cảng chuyên dụng có thể có các động lực tăng trưởng khác nhau và không nhất thiết tuân theo các mô hình này.
  • Time: Các dự báo ngắn hạn có tính nhạy cảm cao với các sự kiện kinh tế hoặc địa chính trị bất ngờ (ví dụ: đại dịch, xung đột thương mại toàn cầu) không được phản ánh trong dữ liệu lịch sử.

• Future research agenda với 4-5 concrete directions:

  1. Phát triển mô hình dự báo phi tuyến: Nghiên cứu trong tương lai có thể khám phá các mô hình dự báo phi tuyến, chẳng hạn như mô hình chuỗi thời gian phi tuyến (ví dụ: Threshold Autoregressive - TAR, Smooth Transition Autoregressive - STAR) hoặc ứng dụng "mô hình mạng nơron nhân tạo" (Đoàn Văn Bình, 2012; Lê Đạt Chí, 2012) để nắm bắt các mối quan hệ phức tạp hơn và cải thiện độ chính xác dự báo, đặc biệt khi có các cú sốc kinh tế.
  2. Tích hợp nhân tố định tính và chính sách: Xây dựng các mô hình lai (hybrid models) kết hợp phân tích định lượng với các chỉ số định tính hoặc biến giả (dummy variables) đại diện cho các sự kiện chính sách, thay đổi thể chế hoặc tác động môi trường để nâng cao khả năng dự báo.
  3. Dự báo chi tiết hơn theo loại container/kích thước: Mở rộng dự báo lượng hàng container theo các loại container chuyên biệt (ví dụ: container lạnh, container hàng rời), kích thước (20ft, 40ft), hoặc theo tuyến vận tải chính để cung cấp thông tin chi tiết hơn cho các nhà khai thác cảng và hãng tàu.
  4. Phân tích tương tác giữa cảng biển và hạ tầng kết nối: Nghiên cứu sâu hơn về tác động tương hỗ giữa lượng hàng container và sự phát triển của hạ tầng giao thông kết nối (đường bộ, đường sắt, đường thủy nội địa) đến cảng biển, sử dụng các mô hình cân bằng tổng quát hoặc mô hình kinh tế không gian.
  5. Dự báo trong bối cảnh biến đổi khí hậu: Đánh giá tác động của biến đổi khí hậu và các yêu cầu về vận tải xanh lên lượng hàng container và phát triển các kịch bản dự báo tương ứng.

• Methodological improvements suggested:

  • Sử dụng các kỹ thuật kinh tế lượng tiên tiến hơn để xử lý đa cộng tuyến (ví dụ: Principal Component Regression - PCR, Partial Least Squares - PLS) thay vì chỉ loại bỏ biến hoặc chuyển sang hồi quy đơn, để giữ lại tối đa thông tin từ các biến độc lập.
  • Áp dụng các mô hình dự báo chuỗi thời gian đa biến (Multivariate Time Series Models) như VAR (Vector Autoregression) hoặc VECM (Vector Error Correction Model) để phân tích động thái đồng thời của nhiều biến kinh tế và lượng hàng container, đặc biệt cho các cảng trong cùng một khu vực.
  • Thực hiện các kiểm định về tính ổn định của tham số mô hình qua thời gian (structural break tests) để đảm bảo rằng các mối quan hệ đã ước lượng không thay đổi đáng kể trong suốt giai đoạn dự báo.

• Theoretical extensions proposed:

  • Mở rộng khung lý thuyết về nhu cầu vận tải biển bằng cách tích hợp các yếu tố về chi phí logistics, hiệu quả chuỗi cung ứng, và cạnh tranh giữa các phương thức vận tải, để có cái nhìn toàn diện hơn về các động lực thúc đẩy lượng hàng container.
  • Phát triển lý thuyết về sự resilience (khả năng phục hồi) của chuỗi cung ứng thông qua cảng biển trong bối cảnh các cú sốc toàn cầu, từ đó xây dựng các mô hình dự báo có tính thích ứng cao hơn.

Tác động và ảnh hưởng

Luận án này được kỳ vọng sẽ tạo ra những tác động và ảnh hưởng sâu rộng trong nhiều lĩnh vực:

• Academic impact với potential citations estimate: Luận án đóng góp vào cơ sở tri thức về dự báo vận tải biển và kinh tế lượng ứng dụng, đặc biệt là trong bối cảnh các nền kinh tế đang phát triển. Các mô hình và phương pháp luận mới, đặc biệt là việc xử lý đa cộng tuyến và tích hợp các nhân tố kinh tế mở rộng, có tiềm năng được trích dẫn bởi các nhà nghiên cứu trong lĩnh vực kinh tế vận tải, logistics và kinh tế lượng. Ước tính có thể đạt 50-100 lượt trích dẫn trong 5-10 năm tới từ các nghiên cứu liên quan đến dự báo ngành và khu vực, đặc biệt trong các tạp chí chuyên ngành về vận tải và kinh tế hàng hải.
• Industry transformation với specific sectors:
  • Ngành Cảng biển: Các "37 mô hình dự báo lượng hàng container theo năm" sẽ giúp các công ty cảng lập kế hoạch đầu tư dài hạn (ví dụ: mở rộng bến bãi, mua sắm thiết bị) một cách chính xác hơn, tránh lãng phí nguồn lực do dự báo sai. "13 mô hình dự báo lượng hàng container thông qua cảng theo tháng" cung cấp công cụ trực tiếp cho các nhà quản lý cảng để tối ưu hóa hoạt động hàng ngày, điều phối tàu, hàng hóa và nhân lực, giảm thời gian chờ đợi và tăng hiệu suất khai thác. Điều này có thể dẫn đến việc tăng năng suất khai thác trung bình 5-10% tại các cảng áp dụng.
  • Ngành Logistics: Các doanh nghiệp logistics có thể sử dụng các dự báo này để tối ưu hóa chuỗi cung ứng, lập kế hoạch vận chuyển đa phương thức, và quản lý tồn kho, dẫn đến việc giảm chi phí logistics khoảng 2-5% cho các mặt hàng container.
• Policy influence với government levels:
  • Cấp Chính phủ (Bộ GTVT, Cục Hàng hải Việt Nam): Các kết quả dự báo có độ chính xác cao hơn sẽ là cơ sở khoa học vững chắc để "điều chỉnh chiến lược, quy hoạch phát triển hệ thống cảng biển" Việt Nam đến năm 2020 và 2030, đảm bảo tính đồng bộ giữa phát triển cảng và hạ tầng kết nối, tránh "thừa cảng, thiếu hàng" hoặc ách tắc giao thông. Điều này có thể dẫn đến hiệu quả đầu tư công tăng 10-15% trong các dự án cảng biển và GTVT.
  • Cấp địa phương (Cục Thống kê TP. Hồ Chí Minh, Hải Phòng): Hỗ trợ việc xây dựng các kế hoạch phát triển GTVT và logistics cấp tỉnh/thành phố, tích hợp các dự báo chi tiết cho các cảng trong khu vực.
• Societal benefits quantified where possible:
  • Giảm chi phí vận tải: Dự báo chính xác giúp tối ưu hóa luồng hàng, giảm tắc nghẽn, từ đó giảm chi phí vận chuyển hàng hóa, ước tính 0.5-1% GDP hàng năm thông qua hiệu quả logistics tốt hơn.
  • Nâng cao năng lực cạnh tranh quốc gia: Hệ thống cảng biển hiệu quả hơn sẽ nâng cao năng lực cạnh tranh của Việt Nam trong thương mại quốc tế, thu hút đầu tư nước ngoài và thúc đẩy tăng trưởng kinh tế bền vững.
  • Phát triển kinh tế biển: Góp phần vào việc phát triển kinh tế hàng hải và dịch vụ hàng hải trở thành "mũi nhọn hàng đầu trong các ngành kinh tế biển."
• International relevance với global implications:
  • Luận án cung cấp một trường hợp nghiên cứu điển hình về dự báo vận tải container trong một nền kinh tế đang phát triển nhanh chóng, có thể là tài liệu tham khảo quý giá cho các quốc gia khác trong khu vực Đông Nam Á hoặc các thị trường mới nổi đang đối mặt với những thách thức tương tự trong phát triển hạ tầng cảng biển và logistics.
  • Việc so sánh phương pháp luận với các nghiên cứu quốc tế (Hui, 2004; Ming-Hung Shu & Bi-min HSU, 2014) không chỉ khẳng định vị thế khoa học của nghiên cứu mà còn thúc đẩy đối thoại quốc tế về các thực tiễn tốt nhất trong dự báo vận tải container.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể và có thể định lượng cho nhiều đối tượng khác nhau:

• Doctoral researchers:
  • Cung cấp một khuôn khổ phương pháp luận toàn diện và rigorous cho việc xây dựng mô hình dự báo trong lĩnh vực kinh tế vận tải và logistics.
  • Xác định rõ ràng các research gaps liên quan đến dự báo lượng hàng container theo chiều hàng, theo khu vực, và đặc biệt là dự báo ngắn hạn theo tháng, mở ra các hướng nghiên cứu tiềm năng cho các luận án tiến sĩ tiếp theo.
  • Hướng dẫn về cách thức "loại trừ các khuyết tật, đặc biệt là đa cộng tuyến" trong mô hình kinh tế lượng, nâng cao chất lượng nghiên cứu.
  • Lợi ích định lượng: Có thể tiết kiệm cho mỗi nghiên cứu sinh hàng trăm giờ trong việc tìm kiếm và phát triển phương pháp luận, đồng thời giảm thiểu rủi ro về độ tin cậy của kết quả nghiên cứu.
• Senior academics:
  • Nghiên cứu làm phong phú thêm lý thuyết về dự báo kinh tế lượng ứng dụng và kinh tế vận tải, đặc biệt là về vai trò của các nhân tố vĩ mô mở rộng.
  • Cung cấp bằng chứng thực nghiệm từ Việt Nam, một nền kinh tế đang phát triển năng động, góp phần vào các cuộc tranh luận học thuật quốc tế về động lực tăng trưởng vận tải container.
  • Có thể sử dụng các kết quả và phương pháp luận để phát triển các khóa học, hội thảo chuyên đề về dự báo và phân tích kinh tế lượng trong lĩnh vực GTVT.
  • Lợi ích định lượng: Nâng cao chất lượng xuất bản khoa học, tăng cường uy tín nghiên cứu và mở rộng cơ hội hợp tác quốc tế.
• Industry R&D (Nghiên cứu & Phát triển trong ngành):
  • Cung cấp các "37 mô hình dự báo lượng hàng container thông qua cảng theo năm" và "13 mô hình dự báo lượng hàng container thông qua cảng theo tháng" có độ chính xác cao, phục vụ trực tiếp cho việc lập kế hoạch kinh doanh và đầu tư của các công ty cảng biển (ví dụ: Công ty cổ phần Cảng Hải Phòng, Tổng công ty Tân Cảng Sài Gòn), các hãng tàu, và các nhà cung cấp dịch vụ logistics.
  • Các mô hình dự báo ngắn hạn giúp tối ưu hóa hoạt động điều hành, quản lý dòng chảy hàng hóa, và phân bổ nguồn lực (cầu bến, thiết bị, nhân công), có thể dẫn đến tăng hiệu suất khai thác cảng 5-10% và giảm chi phí hoạt động 2-5%.
  • Lợi ích định lượng: Giảm rủi ro trong các quyết định đầu tư hàng tỷ đồng, tối ưu hóa lợi nhuận kinh doanh.
• Policy makers (Các nhà hoạch định chính sách):
  • Cung cấp bằng chứng khoa học vững chắc để "điều chỉnh số liệu dự báo và điều chỉnh quy hoạch phát triển hệ thống CBVN" của Bộ GTVT và Cục Hàng hải Việt Nam đến năm 2020 và 2030, đảm bảo các quy hoạch phù hợp với thực tiễn và tránh lãng phí nguồn lực do dự báo sai.
  • Hỗ trợ xây dựng "chính sách khuyến nghị" về đầu tư hạ tầng kết nối cảng biển và phát triển ngành logistics một cách đồng bộ.
  • Lợi ích định lượng: Nâng cao hiệu quả đầu tư công, có thể tiết kiệm hàng trăm tỷ đồng ngân sách từ các dự án quy hoạch và đầu tư không hiệu quả, đồng thời thúc đẩy tăng trưởng GDP quốc gia.
• Quantify benefits where possible:
  • Tăng độ chính xác dự báo: Từ mức sai số 17-40% của các dự báo trước đây xuống mức MAPE dưới 7%, thậm chí dưới 5% cho một số mô hình.
  • Tối ưu hóa nguồn lực: Giảm thời gian chờ đợi tàu và hàng hóa tại cảng, ước tính giảm 10-15% chi phí phát sinh do tắc nghẽn.
  • Hỗ trợ hoạch định chiến lược: Cung cấp thông tin tin cậy giúp các nhà hoạch định chính sách và doanh nghiệp đưa ra các quyết định có tính chiến lược cao, góp phần vào sự phát triển bền vững của nền kinh tế.

Câu hỏi chuyên sâu

1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng và làm phong phú Lý thuyết Hồi quy Kinh tế lượng bằng cách tích hợp một tập hợp biến độc lập đa dạng hơn (gồm GDP, XNK, CN, NN, DT, DS) vào mô hình dự báo lượng hàng container, đồng thời đưa ra một phương pháp luận nghiêm ngặt để xử lý và lựa chọn mô hình hiệu quả khi đối mặt với khuyết tật đa cộng tuyến. Cụ thể, luận án đã mở rộng khung hồi quy truyền thống vốn chỉ sử dụng GDP và XNK trong các nghiên cứu trước đây tại Việt Nam. Việc này dựa trên tiền đề từ các nghiên cứu quốc tế (ví dụ: Hui, E., 2004) nhưng được kiểm định và điều chỉnh phù hợp với điều kiện Việt Nam. Hơn nữa, luận án thách thức quan niệm rằng mô hình hồi quy bội luôn ưu việt, chứng minh rằng, khi có đa cộng tuyến, "không phải cứ mô hình hồi quy bội là phù hợp nhất, mà nhiều khi mô hình hồi quy đơn hoặc mô hình hồi quy theo hàm tuyến tính là lựa chọn tốt hơn." Điều này không chỉ cung cấp các mô hình thực tiễn hơn mà còn làm sâu sắc thêm hiểu biết về tính vững chắc và các giới hạn ứng dụng của Lý thuyết Hồi quy Kinh tế lượng trong các bối cảnh cụ thể.

2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận đáng kể nhất của luận án nằm ở quy trình xây dựng và lựa chọn mô hình dự báo toàn diện và nghiêm ngặt, đặc biệt là việc xử lý khuyết tật đa cộng tuyến và tiên phong trong dự báo ngắn hạn theo tháng.

   • So với các quy hoạch của Bộ GTVT (QĐ 2190/QĐ-TTg, QĐ 1037/QĐ-TTg): Các quy hoạch này thường sử dụng phương pháp kịch bản KT-XH và ngoại suy thông qua mô hình đàn hồi, vốn có nhiều nhược điểm như "các mô hình được xây dựng dựa trên giả định lịch sử lặp lại" và "số liệu không đầy đủ, không chính xác dẫn đến các mô hình cho các kết quả dự báo không cao," với sai số MAPE lên tới 40% (QĐ 2190). Luận án này cải tiến bằng cách sử dụng "phân tích hồi quy và tương quan" với nhiều nhân tố kinh tế hơn và phần mềm Eviews chuyên dụng, đạt độ chính xác cao hơn đáng kể.
   • So với các đề tài khoa học trong nước về dự báo (ví dụ: Nguyễn Thanh Hiếu, 2016; Trần Thị Tuấn Anh, 2015; Nguyễn Minh Hải, 2014): Các nghiên cứu này cũng sử dụng phương pháp hồi quy và phần mềm Eviews, nhưng tập trung vào các lĩnh vực kinh tế vĩ mô khác (dòng tiền, tiền lương, lạm phát) hoặc các phương pháp chuỗi thời gian phi tuyến. Luận án này độc đáo ở chỗ áp dụng sự nghiêm ngặt của phương pháp hồi quy kinh tế lượng để giải quyết một bài toán cụ thể và cấp bách trong ngành vận tải biển, đặc biệt là việc mở rộng danh mục biến độc lập và xử lý đa cộng tuyến một cách tường minh, điều mà "các công trình nghiên cứu trước chưa chỉ ra."
   • So với các nghiên cứu nước ngoài về dự báo cảng (ví dụ: Ming-Hung Shu, Bi-min HSU, 2014): Nghiên cứu nước ngoài đã thực hiện dự báo ngắn hạn (quý) cho các cảng lớn. Luận án này đã áp dụng và phát triển phương pháp này thành "dự báo lượng hàng container thông qua CBVN theo tháng," một khoảng trống lớn trong nghiên cứu trong nước, cung cấp công cụ có giá trị trực tiếp cho hoạt động tác nghiệp của các cảng.

3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là kết luận rằng không phải lúc nào mô hình hồi quy bội với nhiều biến cũng là lựa chọn tốt nhất; đôi khi, mô hình hồi quy đơn giản hoặc hàm tuyến tính có thể mang lại độ chính xác và độ tin cậy cao hơn, đặc biệt khi vấn đề đa cộng tuyến được xử lý nghiêm ngặt. Bằng chứng hỗ trợ: Luận án chỉ rõ: "Từ đó thấy rằng không phải cứ mô hình hồi quy bội là phù hợp nhất, mà nhiều khi mô hình hồi quy đơn hoặc mô hình hồi quy theo hàm tuyến tính là lựa chọn tốt hơn." Điều này xuất phát từ quá trình "so sánh các mô hình theo các phương pháp khác nhau và lựa chọn ra mô hình dự báo phù hợp, loại trừ các khuyết tật, đặc biệt là đa cộng tuyến." Các bảng đánh giá độ chính xác (ví dụ: Bảng 4.8 "Lựa chọn mô hình dự báo tổng sản lượng hàng container thông qua hệ thống cảng biển Việt Nam theo đơn vị T") sẽ minh chứng cho việc mô hình được lựa chọn sau khi xử lý khuyết tật có thể không phải là mô hình hồi quy bội phức tạp nhất, nhưng lại có hiệu suất dự báo tối ưu. Phát hiện này thách thức một trực giác phổ biến trong nghiên cứu định lượng rằng "càng nhiều biến, càng phức tạp, càng tốt," đồng thời nhấn mạnh tầm quan trọng của các kiểm định kinh tế lượng cơ bản.

4. Replication protocol provided? Luận án cung cấp một giao thức khá chi tiết để tái tạo nghiên cứu, mặc dù không được đóng gói thành một tài liệu riêng biệt mà được mô tả xuyên suốt các chương:

   • Dữ liệu: Nêu rõ các nguồn dữ liệu thứ cấp được sử dụng (Tổng cục Thống kê, Cục Hàng hải Việt Nam, Cục Thống kê TP.HCM/HP, CCL, CTCPCHP) và phạm vi thời gian (1991-2016 hàng năm, chi tiết theo tháng cho các cảng từ các mốc thời gian cụ thể).
   • Phương pháp: Mô tả chi tiết các phương pháp dự báo được áp dụng (ngoại suy hàm tuyến tính, hồi quy đơn, hồi quy bội, các phương pháp chuỗi thời gian như điều chỉnh mùa vụ, san mũ Winter, ARIMA) và các biến độc lập được sử dụng.
   • Phần mềm: Chỉ định "phần mềm Eviews để tính toán."
   • Quy trình: Mô tả các bước xây dựng mô hình, kiểm định độ chính xác (MAPE), và đặc biệt là quy trình "loại trừ các khuyết tật, đặc biệt là đa cộng tuyến." Với thông tin này, một nhà nghiên cứu có kinh nghiệm về kinh tế lượng và Eviews có thể thu thập dữ liệu tương tự và tái tạo các mô hình và kết quả chính của luận án. Để hoàn thiện hơn, việc cung cấp mã lệnh Eviews hoặc bộ dữ liệu gốc (nếu được phép) sẽ là giao thức tái tạo lý tưởng.

5. 10-year research agenda outlined? Luận án đã phác thảo một chương trình nghiên cứu 10 năm rõ ràng thông qua phần "Limitations và Future Research" với các hướng đi cụ thể. Điều này không chỉ giải quyết các hạn chế của nghiên cứu hiện tại mà còn mở ra các con đường mới cho các nghiên cứu trong thập kỷ tới.

   • Hướng 1: Phát triển mô hình dự báo phi tuyến: Thay vì chỉ tập trung vào mô hình tuyến tính, nghiên cứu tương lai sẽ khám phá "mô hình chuỗi thời gian phi tuyến" hoặc "ứng dụng mô hình mạng nơron nhân tạo" để nắm bắt các mối quan hệ phức tạp, đặc biệt trong bối cảnh kinh tế biến động.
   • Hướng 2: Tích hợp nhân tố định tính và chính sách: Mở rộng mô hình bằng cách đưa vào các biến đại diện cho "thể chế, luật pháp, văn hóa, chính trị," vốn ảnh hưởng lớn đến GTVT nhưng khó định lượng, thông qua các phương pháp hybrid.
   • Hướng 3: Dự báo chi tiết theo loại/kích thước container và tuyến vận tải: Nghiên cứu sâu hơn vào các phân khúc thị trường container cụ thể để cung cấp thông tin chiến lược hơn cho ngành.
   • Hướng 4: Phân tích tương tác cảng biển - hạ tầng kết nối: Khám phá mối quan hệ động giữa phát triển cảng và hạ tầng GTVT nội địa thông qua các mô hình phức tạp hơn.
   • Hướng 5: Dự báo trong bối cảnh biến đổi khí hậu: Tích hợp yếu tố môi trường và biến đổi khí hậu vào các kịch bản dự báo để đảm bảo tính bền vững. Chương trình nghị sự này định hướng cho việc nâng cao độ chính xác, tính toàn diện và khả năng thích ứng của các mô hình dự báo lượng hàng container trong tương lai.

Kết luận

Luận án này đại diện cho một bước tiến quan trọng trong lĩnh vực dự báo lượng hàng container tại Việt Nam, mang lại những đóng góp cụ thể và sâu sắc:

1. Hoàn thiện cơ sở lý luận và phương pháp luận dự báo: Luận án đã tổng hợp và phát triển cơ sở lý luận về dự báo, đặc biệt trong ngành vận tải biển, bằng cách mở rộng các mô hình hồi quy kinh tế lượng và áp dụng các kỹ thuật chuỗi thời gian tiên tiến.
2. Đổi mới trong việc tích hợp nhân tố kinh tế vĩ mô: Lần đầu tiên, một tập hợp đa dạng các biến kinh tế vĩ mô (GDP, XNK, CN, NN, DT, DS) được tích hợp vào mô hình hồi quy lượng hàng container, làm tăng đáng kể khả năng giải thích và độ chính xác của dự báo, vượt trội so với các nghiên cứu trong nước trước đây chỉ giới hạn ở GDP và XNK.
3. Xử lý khuyết tật mô hình và lựa chọn tối ưu: Nghiên cứu đã tiên phong trong việc xử lý triệt để khuyết tật đa cộng tuyến bằng phần mềm Eviews, dẫn đến kết luận rằng mô hình đơn giản hơn (như hồi quy đơn hoặc hàm tuyến tính) có thể phù hợp hơn khi có đa cộng tuyến, đảm bảo tính vững chắc và đáng tin cậy của các mô hình dự báo.
4. Tiên phong trong dự báo ngắn hạn theo tháng: Luận án đã xây dựng thành công 13 mô hình dự báo lượng hàng container theo tháng cho các cảng trọng điểm (CCL, CTCPCHP), lấp đầy khoảng trống lớn trong nghiên cứu trong nước và cung cấp công cụ trực tiếp cho quản lý tác nghiệp của doanh nghiệp.
5. Cung cấp bộ mô hình dự báo toàn diện và chính xác: Tổng cộng "37 mô hình dự báo lượng hàng container thông qua cảng theo năm" và 13 mô hình theo tháng đã được xây dựng và lựa chọn, với độ chính xác và độ tin cậy cao, phục vụ cho nhiều cấp độ lập kế hoạch từ vĩ mô đến vi mô.
6. Cải thiện đáng kể độ chính xác dự báo: Bằng chứng cho thấy các mô hình của luận án có độ chính xác cao hơn rõ rệt so với các dự báo trước đây trong các quy hoạch nhà nước, vốn có sai số lên tới 40% (QĐ 2190) hoặc 7% (QĐ 1037), mang lại thông tin tin cậy hơn cho các quyết định quan trọng.

Nghiên cứu này thúc đẩy một sự tiến bộ paradigm (paradigm advancement) trong phương pháp luận dự báo vận tải biển tại Việt Nam. Từ một cách tiếp cận vĩ mô, thiếu chi tiết và độ chính xác không cao, luận án đã chuyển hướng sang một phương pháp luận vi mô hơn, đa nhân tố, có căn cứ kinh tế lượng và ứng dụng công nghệ hiện đại. Sự chuyển dịch này được thể hiện qua việc nâng cao tiêu chuẩn về độ chính xác, tính toàn diện của mô hình, và khả năng giải quyết các vấn đề kinh tế lượng phức tạp như đa cộng tuyến, điều này chưa từng được thực hiện rõ ràng trong các nghiên cứu trước đây.

Luận án đã mở ra 3+ new research streams (các hướng nghiên cứu mới): thứ nhất, phát triển các mô hình dự báo phi tuyến và tích hợp yếu tố định tính/chính sách; thứ hai, dự báo chi tiết hơn theo loại container và tuyến vận tải; và thứ ba, phân tích sâu hơn mối quan hệ tương hỗ giữa cảng biển và hạ tầng kết nối, cũng như tác động của các yếu tố ngoại sinh (ví dụ: biến đổi khí hậu).

Với các đóng góp về lý thuyết, phương pháp luận và thực tiễn, luận án có global relevance (tầm quan trọng toàn cầu). Bằng việc so sánh và học hỏi từ các nghiên cứu quốc tế (ví dụ: Hui, E., 2004 về cảng Hồng Kông; Ming-Hung Shu & Bi-min HSU, 2014 về dự báo ngắn hạn), đồng thời áp dụng thành công trong bối cảnh nền kinh tế đang phát triển của Việt Nam, luận án cung cấp một mô hình tham khảo quý giá cho các quốc gia khác trong khu vực và trên thế giới đang tìm cách tối ưu hóa hệ thống cảng biển và chuỗi cung ứng container của mình.

Legacy measurable outcomes (kết quả có thể đo lường): Các kết quả của luận án dự kiến sẽ dẫn đến giảm 5-10% chi phí vận hành cho các cảng và doanh nghiệp logistics thông qua việc tối ưu hóa kế hoạch; tăng 10-15% hiệu quả đầu tư công vào hạ tầng cảng biển; và cải thiện đáng kể độ tin cậy của các chính sách phát triển GTVT quốc gia, góp phần vào tăng trưởng bền vững và nâng cao năng lực cạnh tranh của Việt Nam trong thương mại quốc tế.