Một số vấn đề cơ bản về NCKH

Một số vấn đề cơ bản về NCKH

(Nguồn: https://hotronckh.wordpress.com/)

[Part 1]

Nghiên cứu khoa học là gì?

Vậy điểm qua những gì các bạn đọc trong giáo trình kinh tế ở trường chính là kết quả của nghiên cứu khoa học trong kinh tế, cũng chính là những gì các bạn sẽ tạo ra trong tương lai nếu theo đuổi con đường nghiên cứu. Nếu các bạn đang thực hiện bảng hỏi để làm nghiên cứu khoa học, thì phương pháp luận cho hoạt động này được Angus Deaton nghiên cứu (nobel 2015). Các bạn học mô hình cung cầu trong kinh tế vi mô là đang học kết quả nghiên cứu của Adam Smith và rất nhiều nhà kinh tế học sau đó, bao gồm Paul Samuelson (nobel 1970). Các bạn học môn lý thuyết trò chơi sẽ học về cân bằng Nash (nobel 1994) và cũng là lĩnh vực nghiên cứu của Jean Tirole (nobel 2014) và Alvin Roth (nobel 2012). Nếu học kinh tế phát triển các bạn sẽ nghe đến Amartya Sen (nobel 1998) với các công trình về phúc lợi xã hội, học kinh tế lao động sẽ gặp Peter Diamond (nobel 2010), học kinh tế quốc tế sẽ học lý thuyết thương mại của Ricardo, Heckscher-Ohlin (nobel 1977) và Paul Krugman (nobel 2008), và học tài chính sẽ học về mô hình thị trường hoàn hảo của Fama (nobel 2013). Có thể các giáo trình các bạn học sẽ sớm bổ sung nghiên cứu của Thaler (nobel 2017) về kinh tế học hành vi trong một vài năm tới. Mình nhắc tới các tên tuổi lớn không phải để bạn thấy “sợ” và lo mình không đủ khả năng làm nghiên cứu khoa học, mà để cho thấy rằng những kiến thức không quá khó hiểu tại giảng đường bắt nguồn từ những công trình vĩ đại nhất, vì vậy không có lý do gì mà bạn lại không làm được nếu có đủ quyết tâm: “After all, economics is the science of common sense” (kinh tế học là khoa học của những điều dễ hiểu/hợp lý).

Nói ngắn gọn, nghiên cứu khoa học có thể được hiểu là việc tạo ra tri thức mới thông qua các phương thức tư duy và phân tích có tính mạch lạc và hệ thống. Hoạt động này diễn ra là do con người luôn có nhu cầu giải thích thế giới xung quanh mình, từ đó có thể thay đổi nó. Chúng ta nghiên cứu kinh tế để giải thích hiện tượng kinh tế cũng giống như nhà vật lý học nghiên cứu vật lý để giải thích các hiện tượng tự nhiên. Chẳng hạn trong vật lý cấp 3 các bạn được học “mô hình” của Newton về lực hấp dẫn (gravity pull), trong đó lực hấp dẫn là lực kéo và tỷ lệ thuận với khối lượng của 2 vật. Tuy nhiên, “mô hình” của Einstein (thuyết tương đối rộng) chỉ ra hạn chế của lý thuyết trên và đưa ra cách giải thích khác hoàn toàn, trong đó cái mà chúng ta vẫn tưởng tượng như một thực tế đó là “lực hấp dẫn” không hề tồn tại. Mình nhấn mạnh chữ “mô hình” vì muốn nói rằng đây là cách con người nhìn thế giới, và nó có thể không đúng với cách mà thế giới thực sự vận hành (có thể sẽ có lý thuyết khác phủ nhận Einstein như Einstein đã phủ nhận Newton). Cũng giống như “lực hấp dẫn”, “đường cung dốc lên” và “đường cầu dốc xuống” có thể không phải là cách mà nền kinh tế thực sự vận hành, nhưng đây là các “mô hình” có khả năng giải thích tương đối hiệu quả các hiện tượng kinh tế. Nhiệm vụ của nghiên cứu khoa học là xây dựng những “mô hình” này và chứng minh khả năng của chúng.

Phân loại chủ đề nghiên cứu khoa học

Chúng ta thường hay chia nghiên cứu khoa học thành 2 nhóm là định lượng (quantitative) và định tính (qualitative). Cách chia này dựa trên phương pháp nghiên cứu và theo kinh nghiệm của mình là không có ích cho việc lựa chọn chủ đề nghiên cứu của các bạn (vì các bạn nên chọn chủ đề mình quan tâm trước khi chọn phương pháp). Mình sẽ chia chủ đề nghiên cứu khoa học thành các nhóm như sau:

1. Nghiên cứu lý thuyết (Theoretical economic research): thiết lập các mô hình kinh tế mới để giải thích các hiện tượng chưa thể giải thích được bằng các lý thuyết hiện tại. Hầu hết các nhà kinh tế nổi tiếng là nhờ có các nghiên cứu lý thuyết xuất sắc, đây cũng là các chủ đề khó nhằn nhất và không phù hợp với sinh viên chúng ta. Ví dụ chủ đề thuộc nhóm này: nếu các bạn học môn kinh tế quốc tế chắc chắn sẽ học về lý thuyết thương mại của Ricardo. Mô hình Ricardo có thể giải thích trường hợp của 2 quốc gia, 2 hàng hóa, tuy nhiên không giải thích được trường hợp của 3 quốc gia, 3 hàng hóa trở lên (vì vậy người ta vẫn thường cho rằng mô hình này mang ý nghĩa “giáo dục” nhiều hơn vì nó dễ hiểu và dễ dạy). Các nhà kinh tế vẫn chưa tìm ra mô hình hợp lý nhất để khái quát hóa mô hình Ricardo cũng như so sánh khả năng giải thích của nó với các mô hình khác, chẳng hạn Heckscher-Ohlin, bằng số liệu.
2. Nghiên cứu lý thuyết ứng dụng (Applied Economic research): sử dụng các lý thuyết/mô hình có sẵn để giải thích một hiện tượng cụ thể mà chúng ta quan sát được. Ví dụ chủ đề thuộc nhóm này: sử dụng khác biệt trong ưa thích rủi ro của nam và nữ để giải thích khoảng cách thu nhập tại Việt Nam (nữ giới ít thích rủi ro hơn nên có xu hướng lựa chọn học đại học những ngành “an toàn”, vì vậy ra trường lương thấp hơn chứ không phải hoàn toàn do bị phân biệt đối xử như thông thường chúng ta nghĩ). Đây là nhóm chủ đề tương đối “dễ” hơn so với số i), vì vậy sinh viên chúng ta nên cố gắng làm được nghiên cứu thuộc nhóm này. Tuy nhiên các bạn sẽ phải hiểu được mô hình lý thuyết trước, cộng với điều chỉnh nó sao cho phù hợp với chủ đề của mình. Chẳng hạn cho chủ đề trên, mình sẽ cần hiểu lý thuyết vi mô như utility in uncertain conditions, risk-aversion và các lý thuyết về thị trường lao động như lựa chọn nghề nghiệp, mức lương kỳ vọng tối thiểu, còn nếu mình muốn đưa ảnh hưởng của bố mẹ vào mô hình thì phải đọc thêm về quyết định đầu tư cho giáo dục trong gia đình, v.v. Các lý thuyết này sẽ không có nhiều trong giáo trình trên lớp, và các bạn sẽ phải đọc tài liệu rất nhiều cũng như dành tương đối nhiều thời gian hiểu các công thức toán học trong đó (nhưng đây lại chính là lợi ích lớn nhất của nghiên cứu khoa học với sinh viên!)
3. Nghiên cứu thực nghiệm (Empirical economic research): đây là nhóm gồm các chủ đề nghiên cứu động đến phân tích số liệu và dữ liệu thực tế (tự thu thập hoặc thông qua nguồn thứ cấp). Thực tế thì hầu hết các bài này đều được kết hợp với nhóm ii) để gia tăng giá trị về cả mặt cơ sở lý thuyết và dữ liệu (vì vậy chúng ta thường có 2 chương là cơ sở lý thuyết và thực trạng). Sự liên kết chặt chẽ giữa 2 phần này là điều rất quan trọng trong bài nghiên cứu mà mình thấy các bạn sinh viên hay bỏ qua, khiến mình rất bất ngờ (mình sẽ nói về vấn đề này trong một post khác). Các bài nghiên cứu tốt nhất thuộc nhóm này thông thường rơi vào 3 trường hợp: đề xuất các mô hình kinh tế lượng mới có thể giải quyết được các vấn đề trong các mô hình cũ, tìm ra một biến công cụ (Instrumental variable) tốt để cải thiện ước lượng tại các nghiên cứu trước đây, hoặc thu thập được những dữ liệu có tính đặc thù và giá trị cao. Cũng có nhiều bài nghiên cứu sử dụng các mô hình đã được ước lượng tại các quốc gia khác và chạy lại với số liệu của Việt Nam để so sánh (có thể với một số thay đổi nhỏ), tuy nhiên giá trị của những bài này không cao. Ví dụ chủ đề thuộc nhóm này: sử dụng Oaxaca decomposition cùng Heckman correction for selection bias để phân rã khoảng cách thu nhập giữa nam và nữ tại Việt Nam, sử dụng mô hình fixed-effects để ước lượng ảnh hưởng của lương tối thiểu đến thất nghiệp tại Việt Nam, dùng biến công cụ là năm thành lập của trường học tại các tỉnh + tháng sinh của người dân để xác định ảnh hưởng của phổ cập giáo dục đến thu nhập, dùng sequential OLS để tìm hiểu quyết định đi học cấp 1, cấp 2, cấp 3 và Đại học của người dân Việt Nam.

[Part 2]

Những điều nên biết khi làm NCKH về kinh tế

Trước khi nói đến các bước làm NCKH như chọn chủ đề, đọc tài liệu, xác định hướng nghiên cứu, xây dựng mô hình, … thì mình muốn đề cập trước đến những hành trang theo mình là quan trọng đối với sinh viên nếu muốn làm NCKH. Sau post này mình hy vọng các bạn xác định được hướng bổ sung các kỹ năng và kiến thức cần thiết. Thứ nhất, ra trận mà cầm theo súng thì vẫn tự tin và kích thích hơn. Thứ hai, các hành trang này cũng sẽ có ích trong quá trình học đại học, sau đại học và đi làm của các bạn.

Các kỹ năng và kiến thức cần có

Tiếng Anh

Khi làm NCKH các bạn sẽ phải đọc rất nhiều tài liệu bên ngoài sách giáo trình, và hầu hết sẽ là các bài báo (academic paper chứ không phải newspaper nhé) viết bằng tiếng Anh đăng trên các tạp chí quốc tế. Chuyện này là không tránh khỏi nếu các bạn muốn có một nghiên cứu có chất lượng. Vì vậy các bạn nên trau dồi vốn từ vựng tiếng Anh của mình cùng kỹ năng Đọc (Reading skills). Học tiếng Anh thế nào đã có nhiều người chia sẻ nên mình xin bỏ qua.

Trong quá trình đọc tài liệu, các bạn cũng sẽ gặp nhiều từ chuyên ngành hẹp về kinh tế (chẳng hạn autarky, reservation wage, balanced growth path, endogenous growth, first welfare theorem, …). Cách tốt nhất để hiểu các khái niệm này là học lại giáo trình bằng tiếng Anh (nguồn học mình sẽ trình bày ở bên dưới). Còn nếu thiếu thời gian, các bạn có thể google và vào xem các slide hoặc lecture notes bài giảng của các trường Đại học. Wikipedia cung cấp một số thông tin nhưng chúng khá rời rạc và đôi khi được trình bày vắn tắt và khó hiểu.

Toán cao cấp

Toán học là ngôn ngữ diễn đạt và công cụ tư duy của các môn khoa học. Vì tính hữu ích của nó mà khoảng 80 năm trở lại đây, hầu hết các nghiên cứu kinh tế đều trình bày bằng ngôn ngữ toán học. Toán học giúp tư duy kinh tế trở nên mạch lạc hơn và giúp chúng ta biết những dự báo kinh tế được lập ra trên các giả định gì.

Muốn đọc hiểu paper có sử dụng mô hình lý thuyết thì các bạn cần biết toán cao cấp và một số cách ứng dụng của toán vào kinh tế học. Nguyên nhân các bạn không dùng nhiều đến toán cao cấp khi học đại học là do các môn học nhập môn (Introduction to…) tại trường thường chú trọng trình bày ý tưởng (intuition) và đôi khi bỏ qua sự chặt chẽ (chúng ta hay dùng hình vẽ-đồ thị nhiều hơn là các công thức toán học). Còn nếu làm NCKH, các bạn sẽ có cơ hội vận dụng chính những gì mình học ở Toán 1 (Linear Algebra) và Toán 2 (Calculus) vào giải thích thế giới xung quanh chúng ta. Các bạn muốn bồi dưỡng kiến thức về toán có thể tập trung vào những nội dung dưới đây (2 nội dung cuối ít quan trọng hơn):

• Đại số tuyến tính (Linear Algebra): Lý thuyết kinh tế thường xuyên sử dụng ma trận để biểu diễn, chẳng hạn các bạn có thể biểu diễn N phương trình cho N hàng hóa chỉ bằng 1 phương trình sử dụng vector và ma trận N chiều. Kinh tế lượng cũng là lĩnh vực sẽ sử dụng nhiều đến ma trận.
• Giải tích (Calculus): Đạo hàm, tích phân là những phép tính bạn thường xuyên bắt gặp nhất trong kinh tế. Chẳng hạn chúng được dùng khi tối ưu hóa một hàm lợi ích, hay tối thiểu hóa chi phí của doanh nghiệp (đạo hàm tại điểm tối ưu = 0)
• Tối ưu hóa (Optimization): tối ưu hóa có ràng buộc (bài toán quy hoạch phi tuyến tính) ở Toán 2 sử dụng điều kiện Kuhn-Tucker. Ngoài ra cần biết hàm lồi (convex), lõm (concave) và tính chất của chúng trong bài toán tối ưu hóa.
• Differential equation: Quan trọng trong một số chủ đề và mô hình nghiên cứu, chẳng hạn mô hình vĩ mô nhiều thời kỳ (tăng trưởng Solow, Ramsey, …)
• Real analysis: giúp các bạn hiểu được cách viết proof một cách chặt chẽ

Để ôn tập 3 nội dung đầu, các bạn có thể tham khảo quyển giáo trình rất nổi tiếng là Mathematics for Economists của Simon and Blume, hoặc nếu có thời gian thì học lại bằng các khóa online có video và lecture note như tại MIT OpenCourseWare (OCW) về Mathematics.

Các trường đại học tại nước ngoài thường dạy sinh viên kinh tế bằng toán, vì vậy các bạn có thể tham khảo lecture của các trường đó chia sẻ trên mạng để biết cách áp dụng toán vào mô hình kinh tế. Trường MIT cũng có nhiều khóa học chia sẻ rộng rãi về kinh tế tại 2 link sau:

MIT OpenCourseWare (OCW) về Economics

MIT OpenCourseWare (OCW) Xem thêm tại Course Management System

(Đối với link thứ 2 các bạn chỉ xem được lớp có ghi chữ Public)

Kinh tế lượng

Kinh tế lượng là một nhánh ứng dụng của thống kê trong kinh tế (vì thế nên các bạn mới được yêu cầu học xác suất thống kê trước khi học kinh tế lượng). Kinh tế lượng là công cụ để các bạn kiểm chứng mô hình lý thuyết của mình có đúng hay không, hoặc để ước lượng một hệ số trong mô hình của mình.

Ví dụ một đề tài:

Lương tối thiểu là chính sách của nhà nước nhằm đảm bảo người lao động thu nhập thấp (trình độ thấp) được doanh nghiệp trả một mức lương đủ sống (ví dụ lương tối thiểu ở Hà Nội là 3,75 triệu/tháng). Tuy nhiên lý thuyết kinh tế nói rằng mức lương tối thiểu có thể khiến chính những lao động này bị thất nghiệp, vì nếu mức LTT (w_min) cao hơn mức lương cân bằng (w*) thì thị trường bị dư cung lao động:

Vì vậy ta có thể đo 1% tăng lương tối thiểu sẽ giảm bao nhiêu % tỷ lệ có việc làm bằng phương trình kinh tế lượng sau:

Trong đó, E là tỷ lệ có việc làm, MW là lương tối thiểu của vùng i vào năm t, X là các biến control như dân số, cấu trúc ngành, số người đi học, … của vùng i vào năm t, Y và S là các biến đặc thù của mô hình fixed-effects. Sau khi hồi quy trên số liệu mức sống dân cư (VHLSS) ta sẽ thu được alpha1 và kiểm định xem alpha1 có âm hay không bằng kiểm định T và độ lớn là bao nhiêu, từ đó tính được hệ số co giãn thể hiện ảnh hưởng của LTT đến việc làm.

Mình nghĩ các bạn nên đăng ký học môn này càng sớm càng tốt vì gần như chắc chắn các bạn sẽ dùng đến kinh tế lượng nếu muốn có một bài NCKH chất lượng. Một lý do nữa đó là các tài liệu về kinh tế lượng sẽ dùng nhiều kiến thức về ma trận (trừ giáo trình ra vì giáo trình là để dạy kinh tế lượng nhập môn), vì thế học kinh tế lượng càng gần môn Toán cao cấp 1 thì càng tốt.

Bên cạnh các kiến thức trong chương trình ở lớp, mình nghĩ các bạn nên học thêm các kiến thức sau đây nếu muốn làm NCKH:

• Vấn đề nội sinh và giải quyết vấn đề nội sinh (Endogenous)
• Biến công cụ (Instrumental variable)
• Difference-in-differences
• Fixed effects model
• (nếu làm nghiên cứu về chuỗi thời gian) ARIMA, VAR và VECM

5 mục trên đều có trong giáo trình kinh tế lượng của trường mình (nhưng nằm ở Phần B). Tuy được đánh dấu là Nâng cao nhưng đây là các kiến thức thuộc Trung cấp (Intermediate) chứ không phải Advanced, các bạn hoàn toàn có thể học được ngay và chúng có tính ứng dụng rất cao trong NCKH.

Nếu muốn đọc lại kiến thức kinh tế lượng cơ bản bằng tiếng Anh, các bạn có thể tham khảo cuốn Introductory Econometrics: A Modern Approach của Woolridge, nâng cao hơn thì có thể xem cuốn Econometric Analysis của Greene và Mostly Harmless Econometrics của Angrist và Pischke.

Khi thực hiện nghiên cứu kinh tế sử dụng lý thuyết của 1 chuyên ngành nào đó, bạn cần phải nắm được các kiến thức từ cơ bản đến nâng cao của chuyên ngành đó. Đây cũng là lý do các bạn học những chuyên ngành mang tính chuyên nghiệp chứ không phải khoa học như kế toán và kiểm toán không tìm được đề tài NCKH trong ngành mình. Các bạn học tài chính cũng hay gặp khó khăn vì hầu hết những môn chuyên ngành các bạn học mà dễ hiểu thì hoặc mang tính chuyên nghiệp (chẳng hạn phân tích báo cáo tài chính) hoặc chỉ là các môn học nhập môn (nhập môn Thị trường chứng khoán, nhập môn Ngân hàng thương mại, nhập môn Tài chính quốc tế, …). NCKH trong tài chính rất khó và rất nặng về toán (ngành Finance luôn có đầu vào phD cao hơn Economics), vì vậy không phù hợp lắm với sinh viên. Các bạn học Business (quản trị kinh doanh, các ngành về kinh doanh nói chung), ngoài làm đề tài NCKH về kinh tế, cũng có thể làm NCKH về kinh doanh (chẳng hạn Management Science và Marketing Science).

Tuy nhiên, hiện nay nhà trường không giới hạn chủ đề nghiên cứu của các bạn, nên chúng ta có thể tự do làm về chủ đề thuộc các môn học chúng ta được học ở trường. Khi đó, các bạn cần chú ý học tốt kiến thức ở trên lớp, đặc biệt là các mô hình lý thuyết nổi tiếng trong lĩnh vực đó. Chẳng hạn nếu các bạn học kinh tế quốc tế thì phải hiểu thật rõ mô hình lợi thế so sánh của Ricardo và mô hình tỷ lệ đầu vào của heckscher ohlin. Các bạn cũng nên đọc thêm tài liệu trên mạng, đặc biệt là chương trình học của các trường uy tín trên thế giới (MIT, Harvard, Berkeley, …), vì trong đó họ có liệt kê những paper quan trọng nhất trong chuyên ngành hẹp. Bạn nên đọc hiểu những paper này. Bạn cũng có thể (mình nghĩ là rất nên) đọc thêm tài liệu của các khóa sau đại học (các sinh viên nước ngoài muốn làm NCKH hoặc chuẩn bị học sau đại học đều học trước một số môn của chương trình tiến sĩ khi còn là sinh viên mà).

Phần mềm thống kê

Nếu có sử dụng phương pháp thực nghiệm để nghiên cứu thì bạn cũng nên biết dùng các phần mềm thống kê. Excel là phần mềm thống kê đơn giản nhất, nhưng gần như vô dụng nếu các bạn muốn thực hiện những thao tác hồi quy trong kinh tế lượng. Các bạn nên tập sử dụng phần mềm STATA 14 hiện nay khá phổ biến, tải tại đây (windows) và tại đây (Mac). Trường princeton có 1 trang hướng dẫn STATA tại đây.

Các bạn nên hiểu qua cơ bản cách dùng, còn đến khi thực hiện hồi quy số liệu thì sẽ phải tra cứu thêm trong quá trình làm.

Các bạn cũng có thể dùng SPSS nhưng phần mềm này không mạnh bằng STATA về kinh tế lượng, SAS thì khó học và phải trả phí, còn Matlab thì mạnh về giải toán hơn thống kê.

Ngoài ra nếu các bạn muốn sử dụng những dữ liệu đặc thù như spatial data thì nên học thêm R (hơi khó học hơn chút vì mang hơi hướng lập trình). Đây cũng là ngôn ngữ/phần mềm mạnh nhất đang dần thay thế STATA trong thống kê và kinh tế lượng hiện nay, cũng như khá phổ biến trong big data analysis và machine learning. Đối với R thì bạn:

• Cài đặt R
• Cài đặt Rstudio
• Học R tại Datacamp
• Hoặc học R ngay trên console bằng cách cài library “swirl”

[Part 3]

Nghiên cứu khoa học – trò chơi tư duy và sáng tạo

Trong lúc tìm tài liệu và ý tưởng cho các post về kỹ năng và các bước làm NCKH, mình viết note này để cùng các bạn giải lao một chút. Mình sẽ cố gắng thuyết phục các bạn rằng NCKH cũng có những điểm vui và thú vị như một trò chơi cả về tư duy và tính sáng tạo, chứ không chỉ là một hoạt động khô khan như nhiều người nghĩ.

Các bạn hãy thử trả lời câu hỏi sau:

Hãy ước tính có bao nhiêu người mặc quần/váy hoặc áo màu đỏ đi ra đường vào lúc 7h-8h sáng thứ 2 hàng tuần tại Hà Nội? (hãy dừng khoảng 5 phút để suy nghĩ trước khi đọc tiếp nhé).

Có nhiều cách tiếp cận câu hỏi này, mình sẽ gợi ý cho các bạn một kiểu suy nghĩ theo mình là hợp lý. Đầu tiên mình cần biết ở Hà Nội có bao nhiêu người, mình giả sử là 8 triệu người. 7-8h sáng là thời gian người dân đi làm và đi học, vì vậy mình biết sẽ cần chú ý đến 2 nhóm này. Mình giả sử có 20% đi học (1,6 triệu) và 60% đi làm (4,8 triệu). Học sinh đi học vào thứ 2 chắc hẳn sẽ phải mặc quần áo đồng phục (giả sử không phải màu đỏ, không bao gồm khăn quàng đỏ) tức là sẽ chắc chắn không mặc quần áo đỏ. Đối với người đi làm thì mình phải quan tâm đến giới tính, vì nữ giới thích màu đỏ hơn nam giới. Mình sẽ định nghĩa màu đỏ là 1 trong 9 màu (7 sắc cầu vồng + trắng + đen), như vậy nếu không có sở thích thì xác suất chọn màu đỏ sẽ là 1/9 = 0,11 = 11%. Từ đó giả sử tiếp 5% nam giới chọn áo màu đỏ, còn 15% nữ giới chọn áo màu đỏ, đối với quần/váy thì giả sử là 1% và 10%. Từ đó ta xác định xác suất nam giới chọn quần hoặc áo màu đỏ là 1 – 95%*99% = 6%, còn nữ giới là 1 – 85%*90% = 23,5%. Kết hợp với dữ liệu về dân số ta có được 144.000 nam giới và 2,4 triệu nữ giới đi làm và mặc quần/áo đỏ và tổng là 2,54 triệu người.

Vừa rồi là một câu hỏi vui để thử thách khả năng tư duy của bạn. Đọc đến đây hẳn bạn sẽ thấy câu trả lời bên trên có nhiều điều khiến bạn không thỏa mãn, chẳng hạn: dân số Hà Nội chưa đến 8 triệu người, vì sao mình nói 60% đi làm, nếu số lượng nam nữ không đạt tỷ lệ 1:1 thì sao, vì sao lại có những con số như 5% hay 15%, … Nếu bạn có những thắc mắc như vậy thì tức là bạn đã bắt đầu có những tư duy phản biện rất cần thiết cho NCKH rồi đấy.

Trình tự lập luận và các công thức tính toán như trong câu trả lời trên tương ứng với việc các bạn xây dựng một mô hình lý thuyết hoặc một phương pháp thực nghiệm trong NCKH, chúng ta thường gọi là economic theory và empirical strategy. Khi thay các con số giả tưởng vào, chúng ta đang làm công việc gọi là giả lập mô hình, hay còn gọi là simulation. Chúng ta làm simulation khi muốn test thử mô hình lý thuyết nhưng không có điều kiện thu thập số liệu thực tế, vì vậy chúng ta cần phải giả sử rất nhiều thứ. Nếu muốn biết các giả sử này có đúng hay không, chúng ta cần làm những nghiên cứu thực nghiệm thành phần, chẳng hạn đi khảo sát về hành vi chọn áo, chọn quần theo giới tính (chúng ta lại cần xây dựng một strategy riêng cho nghiên cứu này!). Những nghiên cứu này gọi là empirical studies, chúng rất hữu ích khi cho cái nhìn thực tế hơn nhưng chúng yêu cầu ta phải biết ta muốn kiểm tra con số nào trong mô hình nào.

Từ câu trả lời trên, các bạn cũng có thể nhận ra việc đặt câu hỏi nghiên cứu thú vị cũng rất quan trọng. Nếu chúng ta đặt câu hỏi như tại đề bài, thì tư duy sẽ dẫn chúng ta đến xây dựng một mô hình lý thuyết/phương pháp thực nghiệm. Nếu chúng ta đặt câu hỏi là các giả thiết trong simulation có thể không chính xác, tư duy sẽ dẫn chúng ta đến làm định lượng. Điều này có nghĩa câu hỏi nghiên cứu sẽ cho các bạn biết phương pháp nghiên cứu hợp lý cho đề tài của mình là gì.

Như bạn thấy đó, NCKH là một trò chơi rèn luyện khả năng tư duy và giải quyết vấn đề (problem-solving) rất bổ ích cho sinh viên. Nhưng không chỉ thế, NCKH đưa chúng ta đối diện với những vấn đề đặc biệt – những vấn đề có ảnh hưởng lớn đến cách chúng ta nhìn thế giới và thay đổi xã hội. Đối với những bạn không theo đuổi nghiên cứu lâu dài mà chỉ tham gia NCKH để rèn luyện kỹ năng cần thiết trước khi ra trường xin việc, mình xin bật mí đó là câu hỏi trên mình lấy từ dạng câu hỏi phỏng vấn mà các công ty management consulting lớn nhất vẫn thường xuyên hỏi (market-sizing question).

Thử thách sáng tạo

Như mình từng giải thích trong post số 1, NCKH kinh tế hướng đến xây dựng những giải thích hợp lý về nền kinh tế xung quanh chúng ta. Và chính vì nền kinh tế, hay chung hơn là xã hội và thế giới xung quanh, diễn ra một cách đầy biến ảo, chúng yêu cầu nhà kinh tế phải có cả tính sáng tạo trong cách nghiên cứu của mình. Để hiểu rõ hơn, chúng ta cùng khởi động với một ví dụ nhỏ về “thí nghiệm” trong khoa học kinh tế:

Trước đây ở Mỹ người ta thường quan sát thấy, những cựu chiến binh Mỹ từ chiến tranh Việt Nam sau khi quay trở lại nước Mỹ có thu nhập thấp hơn những người khác không tham gia chiến đấu tại Việt Nam. Tuy nhiên, các nhà kinh tế thực nghiệm lại gặp khó khăn trong việc chứng minh hiện tượng này, nguyên nhân là vì những người có trình độ thấp (low working ability/potential) có xu hướng ứng tuyển đi bộ đội cao hơn người có trình độ cao, nhưng trình độ lại là một biến không thể quan sát được. Vì vậy việc so sánh 2 nhóm này cũng giống như so sánh thu nhập của nhóm người thu nhập thấp với thu nhập cao, và sự khác biệt trong thu nhập của 2 nhóm không nói lên ảnh hưởng của chiến tranh. Vào năm 1990, nhà kinh tế học là Joshua D. Angrist đã sáng tạo ra một phương pháp đo lường ảnh hưởng này một cách hợp lý và thông minh hơn nhiều như sau:

Khi tuyển quân cho chiến tranh Việt Nam, chính phủ Mỹ thực hiện lựa chọn ngẫu nhiên từ những người đăng ký. Tuy nhiên họ lại có một yêu cầu mức trần về ngày sinh của người ứng tuyển để tuyển cho vừa đủ số người cần thiết, chẳng hạn năm 1970 thì chỉ chọn từ những người sinh trong 195 ngày đầu tiên của năm. Từ đây Angrist lập luận, rằng những người cùng năm sinh nhưng có ngày sinh trước và sau mốc này sẽ có trình độ tương đương nhau nhưng cơ hội đi chiến tranh Việt Nam là khác hắn nhau. Khi đó, nếu ta so sánh thu nhập của 2 nhóm này, và chẳng cần biết là họ có tham gia chiến tranh Việt Nam hay không, thì chúng ta vẫn có thể chứng minh được ảnh hưởng tiêu cực của chiến tranh lên thu nhập (ông tìm ra ảnh hưởng này làm giảm 15% thu nhập). Sau này, phương pháp của Angrist được sử dụng trong hàng loạt các nghiên cứu khác về các chủ đề khác nhau, và chúng hợp lại trở thành một nhánh lớn của kinh tế học thực nghiệm sử dụng “thí nghiệm tự nhiên” (natural experiment) – những sự kiện/quy tắc mang tính ngẫu nhiên không phụ thuộc vào yếu tố chúng ta đang quan tâm tới (chẳng hạn trong ví dụ là ngày sinh của một người không quyết định thu nhập của họ).

NCKH đòi hỏi nhà kinh tế phải biết sáng tạo góc nhìn của mình để tạo ra các giá trị mới trong khoa học. Và cũng giống như họa sĩ vừa phải sáng tạo vừa phải giỏi kỹ thuật hội họa, nhà kinh tế vừa phải sáng tạo và vừa phải nắm chắc các công cụ NCKH đặc thù, những kiến thức liên quan đến chuyên ngành hẹp của vấn đề họ đang quan tâm. Để kết thúc note này, mình thử đưa ra một ý tưởng nghiên cứu chưa hoàn thiện để các bạn cùng phát huy trí sáng tạo:

Đô thị hóa hiểu một cách giản lược là hiện tượng gia tăng mật độ dân số tại một vùng. Trong kinh tế chúng ta thường quan tâm điều gì thúc đẩy đô thị hóa tại vùng này và cản trở đô thị hóa tại vùng kia. Điều kiện tự nhiên là một trong những yếu tố quan trọng nhất thúc đẩy đô thị hóa, nhưng điều kiện tự nhiên khác nhau sẽ thúc đẩy xã hội và nền kinh tế phát triển theo những xu hướng khác nhau. Chẳng hạn ở Mỹ, từ rất lâu trước đây khi các đô thị mới trong giai đoạn hình thành, thì giao thương hàng hóa bằng đường thủy là phổ biến nhất. Vì vậy hệ thống sông trên lãnh thổ nước Mỹ là huyết mạch hàng hóa quan trọng của cả quốc gia. Tại những nơi có thác trên sông, tàu bè không qua được bắt buộc phải chuyển hàng hóa lên bờ, đi vòng qua thác bằng đường bộ, sau đó lại chuyển xuống đường thủy. Điều này khiến cho tại những vùng gần thác, nhiều đô thị về thương mại và trao đổi hàng hóa mọc lên và giờ vẫn là những trung tâm thương mại lớn nhất ở Mỹ.

Theo bạn thì đô thị hóa ở Việt Nam có diễn ra theo ảnh hưởng của điều kiện tự nhiên nào hay không? Chúng ta biết mô hình đô thị hóa ở Việt Nam có đặc điểm là phát triển đô thị vệ tinh xoay quanh 2 thành phố lớn là Hà Nội và TP. HCM. Đây là một mô hình đặc trưng, nhưng cũng tương đồng với một vài quốc gia đang phát triển (vì sao vậy?). Như vậy đô thị nào sẽ là đô thị vệ tinh phát triển hơn và phát triển theo hướng nào? (vì sao Hải Phòng và Thái Bình cùng gần bên Hà Nội, giáp biển và có sông chảy qua lại có mức độ phát triển đô thị hóa khác nhau).

——————-&&&—————–