MỐI QUAN HỆ GIỮA CÁC MÔ HÌNH KEYNESIAN- KALECKI- LEONTIEF-MIYAZAWA

MỐI QUAN HỆ GIỮA CÁC MÔ HÌNH KEYNESIAN- KALECKI- LEONTIEF-MIYAZAWA

(Tác giả: Mai Quỳnh Nga, Bùi Trinh – Nguồn: http://vienthongke.vn)

Mô hình nhân khẩu – kinh tế (Demographic – economic modeling) của Myazawa, Battey và Madden là sự mở rộng quan hệ Leontief theo các nhóm thu nhập và tiêu dùng tương ứng, Mô hình này được các nhà mô hình trên thế giới xem như một sự phát triển song song với ma trận hạch toán xã hội (SAM) của Richard Stone, Pyatt và Roe. Mô hình nhân khẩu – kinh tế xuất phát từ quan hệ của Keynesian, Kalecki và Leontief. Ý tưởng ban đầu của Miyazawa là rất quan trọng nhằm giải thích một cách tường minh mối quan hệ giữa các nhóm thu nhập và các nhóm tiêu dùng và xa hơn nữa đưa ra mối quan hệ giữa thu nhập từ sản xuất và thu nhập ngoài sản xuất theo các nhóm thu nhập. Keynesian giả thiết nền kinh tế đóng, cấu trúc quan hệ đơn giản của Keynesian – Miyazawa:

1

A chi phí sản xuất, C-tiêu dùng; I – Đầu tư; Y – sử dụng cuối cùng; V-thu nhập; W-wages; P-profits. Mô hình này là mô hình đóng với một ngành hoặc một establishment. X=(1/(1-a)).Y (1) Với c là hệ số tiêu dùng; quan hệ cơ bản của Keynesian: C=c.V (2) V=(1/(1-c)).I (3) Vì nền kinh tế là đóng nên ngoài tiêu dùng là đầu tư. Miyazawa viết lại quan hệ trên của Keynesian: X=(1/(1-a)).(1/(1-c)).I Kalecki chia tiêu dùng thành tiêu dùng của người làm công ăn lương (workers) và tiêu dùng của người có vốn (capitalists): C1=Cw/W (4) C2=Cp/P (5) Và đặt: d1= W/V (6) d2=P/V (7) Ở đây d1 và d2 là tỷ lệ của lương và lói so với tổng thu nhập từ sản xuất. Miyazawa viết phát triển tiếp: X=(1/(1-a)). (1/(1-(c1.d1+c2d2)).I (8) Lại có: v1+v2 = W/X + P/X = 1-a (9)

Với: v1= W/X & v2= P/X Công thức (8) được viết lại như sau: X = [1/(1-a)]. [1/{1- (c1.v1+c2.v2)}] .I (10) X – Ax – c1v1X – c2v2X=I (11) Từ (11) sau một vài biến đổi có: X=AX+fc+f(12) fc – tiêu dùng cuối cùng và f là sử dụng cuối cùng khác và fc được định nghĩa: fc = CVX Ở đây V là hệ số thu nhập so với X; VX là thu nhập từ sản xuất và C là hệ số tiêu dùng so với tổng thu nhập. (12) có thể được viết lại: X = AX + CVX + f (13)  X = (I-A-CV)-1 .f (14) Đê ý rằng: Gọi B= (I-A)-1 Từ (14) dễ dàng nhận thấy: X = B(I-CVB)-1 .f (15) Vỡ: VB=(I-VBC).(I-VBC)-1 .VB  CVB = C.(I-VBC)-1 .VB – C.VBC.(I – VBC)-1 .VB (16) I = I- CVB + C.(I-VBC)-1 .VB – C.VBC.(I – VBC)-1 .VB (17) Nhân hai vế với (I – VBC)-1 có: (I-VBC)-1 =I + C.(I-VBC)-1 .VB (18) (18) Đặt K = (I – VBC)-1 Từ (16) có: X = B(I+CKVB)f (19) Lại có: T = VX (20) Từ (19)  T=VB(I+CKVB)f = (I+VBCK)VBf (21) Vỡ: K=(I-VBC)-1 K= I+VBCK (22) Từ đó: T = KVBf (23) Phương trình (23) chỉ ra tổng thu nhập có thể được phân tích thành thu nhập nhận được bởi ảnh hưởng của tiêu dùng cuối cùng (Khi tiêu dùng sẽ dẫn đến kích thích về giá trị sản xuất, từ đó dẫn đến thu nhập) và của các nhân tố khác của sử dụng cuối cùng ngoài tiêu dùng cuối cùng. Điều này là đặc biệt quan trọng để các nhà hoạch định chính sách nhận biết kích cầu vào đâu là tốt nhất cho nền kinh tế. Từ bảng SAM, 2000 được lập bởi Viện quản lý kinh tế TW (CIEM) từ bảng I/O của Tổng cục Thống kê, nhóm tác giả sửa lại thành mô hình nhân khẩu-kinh tế và áp dụng ý tưởng đó được trình bầy ở trên có kết quả như sau:

2

Bảng trên cho thấy khu vực nông thôn tạo được 2.45 đồng thu nhập từ sản xuất thì 1,45 đồng từ tiêu dùng và đầu tư và 1,0 đồng từ xuất khẩu và tiêu dùng chính phủ;

trong 1,45 đồng từ tiêu dùng và đầu tư thì 0,66 đồng từ tiêu dùng của khu vực nông thôn, 0,54 đồng và thu nhập từ đầu tư là 0,26 đồng. Có thể nhận thấy trong tổng thu nhập từ bộ phận có vốn từ đầu tư vào khu vực nông thôn, thành thị và khu vực có vốn thì thu nhập gây nên bởi thu nhập của khu vực nông thôn gây nên bởi đầu tư là cao nhất 0,85. Để làm rõ hơn vai trò của các nhân tố của cầu đến tổng thu nhập của từng nhóm, kết quả tính toán được thể hiện trong bảng 2.

3

Gov.C là tiêu dùng của chính phủ; E – xuất khẩu; I – đầu tư RUR – khu vực nông thôn; URB – khu vực thành thị; CA – thu nhập từ vốn Bảng trên cho thấy sự phân bố thu nhập theo nhóm gây nên bởi các nhân tố của sử dụng cuối cùng; bảng 2 chỉ ra một điều thú vị là ảnh hưởng về thu nhập của khu vực thành thị đối với chi tiêu của chính phủ là lớn nhất (0,14) trong một đơn vị thu nhập kiếm được so với 2 khu vực còn lại (nông thôn là 0,1 và khu vực người có vốn là 0,04). Ảnh hưởng của xuất khẩu đến thu nhập của 3 khu vực là tương đương nhau, tuy nhiên ảnh hưởng của xuất khẩu đến một đồng thu nhập trong khu vực của người có vốn là cao nhất (0,39) so với 0,33 đồng của khu vực thành thị và 0,31 đồng ở khu vực nông thôn.

Tài liệu tham khảo:

1. Kalecki, M. 1954. Theory of Economic Dynamics. London, Allen & Unwing.

2. Miller, Ronal E. and Peter D. Blair. 1985. Input output analysis: Foundations and Extension. Engelwood cliffs, NJ: Prentice Hall,Inc.

3.Miyazawa, Kenichi 1976. Input output analysis and the Structure of income distribution. Heidenlberg,Springer – Verlag

4.Bùi Trinh, Nguyên Mạnh Toàn, Lê Văn Chơn “Analysing the relationship between income groups and final demand in Vietnam based on extended IO framework giới thiệu ở hội thảo của Papaios- đại học Toyohama, 2005.

5. CIEM, 2005 “Vietnam new SAM, 2000” Science – Technical Publishing House.

——————–&&&—————–

Một số vấn đề về mô hình Solow – Swan

Một số vấn đề về mô hình Solow – Swan

(Tác giả: Bùi Trinh, Trần Ánh Dương – Nguồn: http://vienthongke.vn)

Dẫn nhập: Trong kinh tế học cơ bản có 2 trường phái kinh tế, vào những năm 1930 của thế kỷ XX J.M Keynes đưa ra ý niệm tổng quát về quản lý cầu thông qua ý niệm về tổng cầu cuối cùng (GDP), bản chất ban đầu GDP được hiểu như là tổng nhu cầu cuối cùng và chỉ tiêu này thường phản ảnh tình hình kinh tế trong ngắn hạn và nhất thời với câu nói nổi tiếng trong một cuộc tranh luận đại ý “Trong dài hạn mọi người đều chết”. Tuy chỉ số GDP được hầu hết các nước áp dụng và là một trong những chỉ số của Hệ thống tài khoản quốc gia (SNA) nhưng cũng không ít ý kiến phải đối, con số GDP không nói gì về tính bền vững của tăng trưởng, hay mức độ đánh đổi tăng trưởng, hay mức sống trong tương lai để đạt được tăng trưởng hiện tại. Trường hợp này đúng đối với những nước tăng trưởng GDP dựa vào tài nguyên, có nghĩa là tăng trưởng sẽ dừng lại khi quốc gia đó hết tài nguyên. Như trường hợp của Trung Quốc và Việt Nam việc đầu tư không hiệu quả sẽ làm tăng trưởng trong tức thời nhưng về dài hạn là vô nghĩa và gánh thêm nợ nần, thậm chí còn làm hao hụt nguồn lực của quốc gia. Con người sẽ được gì khi tăng trưởng GDP thấp hơn mức tăng trưởng về ô nhiễm và các quốc gia chạy đua vũ trang thậm chí còn làm GDP tăng mạnh. Amartya Sen (1994) có quan điểm mạnh mẽ không ủng hộ sử dụng GDP làm thước đo chính cho tiến độ phát triển. Ông lập luận rằng thu nhập không phải là mục tiêu mà là phương tiện để đạt mục tiêu. Mục tiêu của phát triển không phải là tiêu dùng hàng hóa nhiều hơn, mà để tạo cho con người tận hưởng cuộc sống của mình nhiều hơn.

Mô hình Cobb – Douglas: Để nghiên cứu tình hình kinh tế trong dài hạn, hai kinh tế gia Charles Cobb và Paul Douglas (1947), đã xây dựng hàm sản xuất với tên gọi hàm Cobb – Douglas:

Y = f(K,L) = KαLβ (1)

Trong đó: Y là sản lượng (hoặc GDP), K là vốn (capital stock), L là lao động và α là độ co dãn riêng phần của sản lượng theo vốn (K) và β là độ co dãn riêng phần của sản lượng theo lao động (L). Khi α + β = 1 thể hiện suất sinh lợi không đổi theo qui mô, hàm ý rằng tăng gấp đôi vốn và lao động sẽ làm tăng gấp đôi sản lượng. Khi α + β < 1 thể hiện suất sinh lợi giảm dần theo qui mô và khi α + β > 1 thể hiện suất sinh lợi tăng dần theo qui mô.

Mô hình Solow – Swan: Năm 1956 hai kinh tế gia người Mỹ, Robert Solow và Trevor Swan đưa ra mô hình được gọi là mô hình Solow-Swan. Giải pháp của Solow là đưa tiến bộ công nghệ (A) vào hàm sản xuất, thường dưới dạng hàm sản xuất‚ tích tụ lao động, mô hình này phản ánh tăng trưởng kinh tế trong dài hạn có dạng:

Y = f(K,AL) (2) Hoặc Y = Af(K,L) = AKαLβ (3)

Trong đó: A là năng suất nhân tố tổng hợp (TFP). Làm tăng 2 vế bằng cách đạo hàm riêng có: ∂Y = ∂A + α∂K + β∂L (4)

Trong đó: ∂Y là tăng trưởng sản lượng (hoặc GDP); ∂K là tăng trưởng của vốn; ∂L là tăng trưởng của lao động; ∂A là tăng năng suất nhân tố tổng hợp.

Mô hình tăng trưởng tân cổ điển, lần đầu tiên được đưa ra hơn 50 năm trước nhưng vẫn còn là cách tiếp cận kinh tế học tăng trưởng có ảnh hưởng nhất. Mô hình này ban đầu được nhà kinh tế Mỹ Robert Solow1 (1956) đề cập, do đó được biết với tên gọi phổ biến là mô hình Solow-Swan. Solow bắt đầu bằng những giả định tân cổ điển thông thường: Đó là theo qui luật Say, theo đó tiết kiệm luôn bằng với đầu tư và lực lượng lao động bằng với việc làm (nói cách khác, không có thất nghiệp và không có vấn đề vay mượn) vì tiền lương và suất sinh lợi trên vốn điều chỉnh để cân bằng cung và cầu. Suất sinh lợi theo qui mô được giả định không đổi và có suất sinh lợi giảm dần đối với các yếu tố sản xuất (nếu giữ lao động không đổi và tăng vốn, sản lượng trên mỗi đơn vị vốn sẽ giảm). Mô hình được xây dựng theo thời gian liên tục và logic. Ngay từ giả thiết đã thấy sự không phù hợp 1 Solow đoạt giải Nobel năm 1987 và là học trò của W. Leontif cha đẻ của bảng I/O và cũng được giải Nobel 1973 để đo lường kết quả của nền kinh tế, trong khi thất nghiệp và nợ nần là vấn đề lớn đối với nền kinh tế, đặc biệt nền kinh tế Việt Nam khi nợ công (theo định nghĩa của Việt Nam) và nợ của Doanh nghiệp nhà nước đã trên 200% GDP2 .

Trong mô hình Solow, K là vốn được xác định: K(t) = K(t-1) + I(T) – µ (5)

Trong đó: µ là khoản khấu hao tài sản cố định (TSCĐ);

Hiện nay ở Việt Nam, cả Trung ương và địa phương không tồn tại số liệu về vốn (K), trong Niên giám thống kê của Trung ương cũng như địa phương có chỉ tiêu vốn đầu tư thực hiện, số liệu về vốn phải được kết hợp tính toán từ nhiều nguồn khác nhau. Do đó việc tính toán chỉ tiêu Tốc độ tăng năng suất các nhân tố tổng hợp TFP thường phải ước lượng số vốn (K). Việc ước lượng này thường là khó khăn và các nhóm chuyên gia thường đưa ra những kết quả tương đối xa nhau. Việc khó khăn này xuất phát từ mấy vấn đề chính: (1) Mỗi nơi xác định hệ số khấu hao TSCĐ một kiểu; (2) Việc lấy năm gốc; (3) Lấy giá so sánh theo thời gian nào (vì không thể có các phép tính số học trên các mặt bằng giá khác nhau). Thực tế một số tỉnh, thành phố đã tính toán chỉ tiêu TFP nhưng không hiểu hết bản chất của vấn đề cũng như những khó khăn gặp phải: Về mặt pháp lý, chỉ tiêu TFP thuộc Hệ thống chỉ tiêu quốc gia, không thuộc Hệ thống chỉ tiêu cấp tỉnh nên nếu muốn thực hiện phải có quyết định điều tra của Chủ tịch Ủy ban nhân dân tỉnh (tỉnh phải cấp kinh phí); Phải xây dựng Phương án điều tra và được Tổng cục Thống kê phê duyệt; Kết quả tính toán cũng phải được thẩm định. Ngoài ra, việc giao nhiệm vụ tính toán chỉ tiêu TFP giữa các tỉnh, thành phố rất khác nhau: Nơi thì giao cho Cục Thống kê tính, có nơi thì giao Sở Kế hoạch và Đầu tư, có nơi thì Sở Khoa học công nghệ tính nhưng sau 2 – 3 năm “mắc nợ” thì lãnh đạo tỉnh đề xuất chuyển giao cho đơn vị khác thực hiện mà thiếu hẳn căn cứ thuyết phục… Vấn đề đặt ra là trong điều kiện hiện nay có nên tính chỉ tiêu TFP cho cấp tỉnh không? Quan trọng hơn là TFP sẽ được các tỉnh, thành sử dụng như thế nào, để xây dựng cơ chế, chính sách; để áp dụng trong lãnh đạo, chỉ đạo hay chỉ để nghiên cứu, tham khảo… nếu chỉ vì chạy theo “mốt” hay theo “phong trào” thì bài học tính GDP cho cấp huyện, cấp xã vẫn còn nguyên giá trị vừa gây lãng phí lớn, tốn kém thời gian, nguồn lực và hậu quả lớn hơn là đường lối, chính sách… đó là chưa nói đến những khó khăn khác là độ tin cậy của số liệu khi mà còn khác nhau về quan điểm, phương pháp tiếp cận, năng lực, chuyên môn cán bộ thống kê cấp tỉnh chưa được tập huấn, đào tạo bài bản mà chủ yếu qua các bài nghiên cứu trên các báo, tạp chí và những ai có trách nhiệm sẽ không khỏi băn khoăn trăn trở về chất lượng của nguồn số liệu để tính toán… Để khắc phục chênh lệch số liệu GDP giữa cả nước và các tỉnh, thành phố, Tổng cục Thống kê phải dũng cảm lắm, có hẳn một đề án, lộ trình thực hiện để vượt qua không biết khó khăn phức tạp cả chủ quan, lẫn khách quan mà một trong nguyên nhân cơ bản nhất là thiếu nguồn thông tin, căn bệnh thành tích… Liệu cứ đà này, Bộ, ngành nào sẽ dũng cảm đứng ra nhận trách nhiệm về xây dựng đề án khắc phục chênh lệch số liệu TFP đây? Kết luận cũng cần rút ra là để đạt được mục đích và việc tính TFP cũng không ngoại lệ, bên cạnh vấn đề thuộc về chuyên môn thì cũng phải tránh áp lực thành tích, thẳng thắn chia sẻ vấn đề gì có thể làm được, cái gì không thể làm được trong điều kiện hiện nay tránh trường hợp có vị Lãnh đạo ở địa phương phát biểu rằng: “tính TFP dễ miễn là có tiền…”. Riêng việc tính toán chỉ tiêu TFP trong hệ thống chỉ tiêu quốc gia, để khắc phục những bất cập nêu trên, chỉ tiêu vốn (K) có thể ước tính từ mô hình Leontief động và mô hình Ghosh động dựa trên các hệ số từ điều tra doanh nghiệp.

Ngoài ra việc xác định các hệ số co dãn của lao động và vốn. Có nơi tính toán các hệ số co dãn này bằng phương pháp hồi quy, nhưng một số nhóm chuyên gia theo khuyến nghị của Tổ chức Năng suất Thế giới và Châu Á tính các hệ số co dãn từ Bảng cân đối liên ngành (input – output table), qua đó các hệ số này được xác định: β = Thu nhập của người lao động / (GDP – Thuế – khấu hao TSCĐ) và α = 1- β = Thặng dư sản xuất / (GDP – Thuế – khấu hao TSCĐ) Nếu lấy β = Thu nhập của người lao động/GDP Và α = Thặng dư sản xuất / GDP sẽ dẫn tới α+β < 1

Từ Bảng cân đối liên ngành năm 2012 của Việt Nam gộp lại theo 17 ngành3 hệ số co dãn được thể hiện: Hình 1 cho thấy những ngành 2, 4, 7, 8, 9, 10 có hệ số co dãn về vốn thấp; điều này cho thấy phải có một lượng vốn rất lớn mới có được giá trị gia tăng (theo giá cơ bản), tính toán này dường như phù hợp với nhận định hầ nhóm ngành công nghiệp (khai thác và chế chế tạo) không những không tạo ra nhiều giá tr tăng hoặc đòi hỏi một số lượng vốn rất lớn m ra giá trị gia tăng. Một điều thú vị là nhóm ngành xây dựng dường như là ngành siêu lợi nhuậ bán cao hơn giá thành rất nhiều)? Đối với tổng giá trị tăng thêm của nền kinh tế hệ số co dãn củ động khoảng 76% cho thấy nền kinh tế Việt Nam là nền kinh tế thâm dụng lao động, năng su động rất thấp, phải cần một lượng vốn rất lớ có thể tạo được tăng trưởng4 . Hình 1: Hệ số co dãn theo lao động và vốn theo 17 ngành theo giả thiết suất sinh lợi không đ (α + β = 1) Khi xét hệ số co dãn trong trường hợ mô giảm dần, lúc đó α + β < 1 phần chênh l là thuế gián thu. Như vậy Hình 2 cho thấy chính sách tận thu thuế đang bóp nghẹt sản xuất, tậ có thể là tăng tổng giá trị gia tăng hoặc GDP tăng tức thời nhưng khiến quy mô sản xuất bị thu h những chu kỳ sản xuất sau. 4 Trong trường hợp này α = thu nhập của ngư lao động/ (VA – khấu hao TSCĐ – thuế gián thu) và β = 1-α. Một số vấn đề v SỐ 02 – 201 n), tính toán ầu hết ế biến u giá trị gia n mới tạo là nhóm ngành ận (giá ng giá ủa lao t Nam là ng, năng suất lao ớn mới n theo i không đổi ợp qui n chênh lệch y chính ận thu c GDP tăng thu hẹp ở a người gián thu) và Hình 2: Hệ số co dãn theo lao động và vốn theo 17 ngành theo giả thiết suất sinh lợi giảm dầ (α + β < 1) Như vậy có thể nhận định nếu Nhà nư càng tận thu thuế của dân và doanh nghiệp có th làm GDP tăng tức thời nhưng sẽ thu hẹp sản xu trong chu kỳ sau.

Kết luận: Như vậy có thể thấy không nên tuyệt đ hóa một chỉ tiêu kinh tế, một mô hình kinh tế mà chúng chỉ được nhìn nhận như các nghiên c tham khảo. Các ứng dụng hàm sản xuất Solow – Swan thường hay bị bóp méo theo ý chí của con ngư khiến các nhà làm chính sách có cái nhìn sai l về tình hình thực sự của nền kinh tế. Về số liệu hiện nay Việt Nam chưa đủ dữ để tính toán chỉ tiêu này ở cả Trung ương và đ phương. Ở mức độ tính có thể tính toán chỉ tiêu này cho một số ngành trọng điểm thông qua điều bổ sung nhưng phải đảm bảo cơ sở pháp lý, cán bộ tham gia phải được tập huấn kỹ để nâng cao chất lượng thông tin, tránh tình trạng tùy tiện như một số địa phương thực hiện.

Tài liệu tham khảo:

1. Jonathan Pincus “ Tăng trưởng trong dài hạn” Fulbright Economics Teaching Program, 2011;

2. Solow, R.M. 1994. ‚Perspectives on growth theory.‛ The journal of economic perspectives 8 (1) (November): 45-54;

3. Solow, RM. 1957. ‚Technical change and the aggregate production function.‛ The Review of Economics and Statistics 39 (3): 312-320;

4. Vũ Quang Việt “ Nợ, trả nợ và khủng hoảng” TBKTSG, 9/2/2017;

5. Tran Thanh Tu, Bui Trinh, Nguyen Thi Nhung, Nguyen Thao “FINDING ECONOMIC STRUCTURE AND CAPITAL STRUCTURE FOR A “GREENER” ECONOMY” Serials Publications, 2016, P 3153 – 3167;

6. http://www2.stat.unibo.it/brasili/file/2015-2016/SLEG/Solow_model_transparencies.pdf.

————————&&&———————-

Giới thiệu Phương pháp phân tích bao dữ liệu (DEA) & Hướng dẫn thực hành DEA trên Excel

Giới thiệu Phương pháp phân tích bao dữ liệu (DEA)

(Tác giả: Ngô Đăng Thành – Nguồn: sabapsau.wordpress.com)

Tổng quan

DEA ra đời từ năm 1978 sau “sáng kiến” của Charnes, Cooper và Rhodes (CCR) [1], tuy nhiên nó lại có xuất phát điểm từ trước đó hơn 20 năm. Năm 1957, Farrell [2] đưa ra ý tưởng áp dụng đường giới hạn khả năng sản xuất (Production Possibility Frontier – PPF) làm tiêu chí đánh giá hiệu quả (tương đối) giữa các công ty trong cùng một ngành; theo đó các công ty đạt đến mức giới hạn sẽ được coi là hiệu quả (hơn) và các công ty không đạt đến đường PPF sẽ bị coi là kém hiệu quả (hơn các công ty kia). Phương pháp CCR (1978) sau đó áp dụng bài toán tối ưu hóa tuyến tính phi tham số (non-parametric linear optimization) để xây dựng đường PPF dựa trên số liệu đã biết về một nhóm các công ty nhất định (decision making unit – DMU) và tính toán điểm hiệu quả cho các công ty đó. Đến năm 1984, Banker, Charnes, và Cooper (BCC) [3] cải tiến mô hình trên bằng cách đưa yếu tố lợi tức nhờ quy mô (returns to scale) vào tính toán, mang lại cái nhìn cụ thể hơn về tính hiệu quả của các DMU được phân tích. Từ đó đến nay, mô hình CCR và (chủ yếu là) BCC được áp dụng và phát triển một cách phổ biến trong phân tích hiệu quả (efficiency/performance) trong nhiều lĩnh vực khác nhau: ngân hàng, bảo hiểm, giáo dục, y tế,…

Nguyên tắc tính toán và so sánh hiệu quả của các DMU

Hiệu quả, hiệu suất, năng suất, hay một số thứ hầm bà lằng tương tự như thế, được sử dụng để tính toán/so sánh đầu ra (outputs) thu được tương ứng với đầu vào (inputs) cho trước. Ví dụ như năng suất lao động có thể được tính bằng số sản phẩm/số lao động; tỉ suất lợi tức đo bằng lợi nhuận/vốn; v.v…

Tuy nhiên, trên thực tế một doanh nghiệp hay đơn vị sản xuất (DMU) thường sử dụng một tổ hợp các yếu tố đầu vào để thu được một loạt các yếu tố đầu ra (mô hình đa biến – multi-variables) và do đó, việc đánh giá hiệu quả của DMU đó thường phải dựa trên nhiều chỉ số hiệu quả khác nhau (đánh giá tổng hợp). Bởi vì các chỉ số hiệu quả này được xây dựng dựa trên nhiều yếu tố khác nhau về bản chất, thước đo (ví dụ như vốn và diện tích nhà xưởng), nên để đánh giá tổng hợp cho từng DMU và so sánh giữa các DMU đòi hỏi phải quy về cùng một thước đo là tiền tệ (quy ra thóc). Khó khăn ở đây là rất khó để xác định giá cả của TẤT CẢ các yếu tố đầu vào và đầu ra cần thiết để tính toán, và đặc biệt, với các yếu tố phản ánh chất lượng (qualitative variables) thì hầu như không thể xác định được giá cả. Vì vậy, cần phải xây dựng một mô hình xác định hiệu quả (tổng hợp) mà không liên quan đến yếu tố giá cả.

Hiệu quả tổng hợp áp dụng cho nhiều biến được tính toán dựa trên hiệu quả riêng lẻ (1 input & 1 output) như sau:

Hiệu quả riêng lẻ: EF = Output/Input

Hiệu quả tổng hợp: EFF = Total Outputs/Total Inputs

Nếu giả thiết một DMU sử dụng m yếu tố đầu vào x để sản xuất n yếu tố đầu ra y với cách thức phối hợp các đầu vào và đầu ra nhất định theo hai bộ trọng số tương ứng vu (u và v chính là tập hợp giá cả của các biến đầu vào và đầu ra, giả thiết là ta có đủ thông tin về giá), thì EFF có thể được tính như  sau:

EFF = (v1*x1 + v2*x2 + … + vm*xm)/(u1*y1 + u2*y2 + … + un*yn)

hay EFF = Σ vixiujyj, i=1…m, j=1…n

Lưu ý: EFF tính được theo công thức trên là hiệu quả (tuyệt đối) của các DMU.

Áp dụng công thức trên ta có thể lần lượt tính toán hiệu quả của từng DMU (trên lí thuyết, mỗi DMU sẽ khác nhau về x và y; còn u, v, mn là giống nhau – thế mới so sánh được với nhau). Trong trường hợp không xác định được giá cả, có thể giả thiết rằng 1 biến đầu vào xi hoặc 1 biến đầu ra yj sẽ được gán cho 1 trọng số vi hoặc uj dựa theo mức độ quan trọng của biến đầu vào (đầu ra) đó đối với DMU đó (thực tế đây cũng là 1 dạng thể hiện thông tin của giá cả). Tuy nhiên, đến đây nảy sinh một vấn đề là mỗi DMU sẽ có đánh giá khác nhau về tầm quan trọng của từng biến đầu vào và đầu ra, do đó mỗi DMU bây giờ sẽ khác nhau cả về u, v, x, y. Bài toán trở nên phức tạp hơn và cần có sự can thiệp của phương pháp DEA.

Tính EFF theo phương pháp DEA

Đến đây, lại phải nói qua về đường bao (biên) sản xuất – Production frontier (PF). Khái niệm này xuất phát từ khái niệm Đường giới hạn khả năng sản xuất (Production Possibilities Frontier – PPF*) khi cho rằng PPF là tập hợp của các điểm sản lượng (tiềm năng) TỐI ĐA mà một nền kinh tế có thể đạt được với một (số) đầu vào cho trước. Khi áp dụng vào tính toán hiệu quả của 1 ngành (hay nhóm DMU cần nghiên cứu) thì tập hợp tất cả các điểm HIỆU QUẢ tối đa sẽ tạo nên đường PF. Theo đó, các DMU nằm trên đường PF này sẽ có hiệu quả là 100%, các DMU khác sẽ có hiệu quả nhỏ hơn 100%. Đây là hiệu quả tương đối giữa các DMU với nhau, khác với hiệu quả tuyệt đối được xác định theo công thức ở phần 2. Tuy nhiên, công thức này cũng là cơ sở để xây dựng đường PF theo nguyên lý sau:

1. Vì PF là tập hợp của các điểm hiệu quả tối đa của các DMU, nên việc cần làm là phải xác định các hiệu quả tối đa này.

2. Công thức tính EFF ở phần trên cho thấy mỗi DMU sẽ có 1 bộ trọng số u,v tối ưu nhất để tối đa hóa điểm hiệu quả của mình, bây giờ việc cần làm là tìm ra (các) bộ trọng số u,v tối ưu cho các DMU. Điều này có thể thực hiện được bằng cách (lần lượt) giải bài toán tối ưu hóa (optimization) cho từng DMU theo công thức:

Max EFF (theo u,v)

trong điều kiện

EFF = Σ vixiujyj, i=1…m, j=1…n

EFF <= 1 cho tất cả các DMU (kể cả DMU đang được xem xét).

3. Làm lần lượt như vậy với các DMU khác để tìm ra bộ trọng số tối ưu cũng như điểm hiệu quả tối đa cho từng DMU.

Với phương pháp tính toán như vậy, đường PF tìm được sẽ là đường hiệu quả tối ưu thực tế (best practical frontier) được xây dựng dựa trên số liệu đã có (gọi là thực tế vì nó là hàm optimization hoàn toàn có thể đạt được bằng cách thay đổi bộ trọng số u,v; khác với hàm hồi quy chỉ là dự tính – estimated). Đường PF này sẽ tạo thành 1 đường bao (biên) tối ưu, bên trong nó chính là các điểm thực tế (observed). Do vậy, phương pháp trên còn được gọi là phương pháp phân tích bao dữ liệu (Data Envelopment Analysis – DEA).

Ứng dụng của phương pháp phân tích bao dữ liệu DEA

1. DEA áp dụng được cả với các biến định tính (qualitative), do đó nó thường được ứng dụng để phân tích hiệu quả của các DMU hoạt động trong lĩnh vực xã hội như giáo dục, y tế, bảo hiểm,… và tất nhiên là cả trong lĩnh vực kinh tế như ngân hàng, chứng khoán, sản xuất kinh doanh.

2. Vì DEA được xây dựng dựa trên các điểm thực tế (observed data) nên nó có thể được áp dụng với các mẫu nghiên cứu (sample size) nhỏ, khác với phương pháp phân tích hồi quy thường yêu cầu cỡ mẫu lớn. Do vậy DEA thường được sử dụng để phân tích chuyên sâu theo khu vực, địa phương (region), chẳng hạn như phân tích hiệu quả của các nền kinh tế trong ASEAN, các phòng ban trong 1 doanh nghiệp, các ngân hàng lớn (không phải chi nhánh) trên địa bàn Hà Nội,…

3. Tuy nhiên, hạn chế của phương pháp này (so với phương pháp hồi quy) là nó không tính toán đến yếu tố sai số (error) hay nhiễu (noise), do đó trong DEA không tồn tại yếu tố mức ý nghĩa hay độ tin cậy (significant level). Đồng thời, điểm hiệu quả DEA là hiệu quả tương đối giữa các DMU với nhau, do đó nếu 1 DMU có điểm hiệu quả là 100% và nằm trên đường PF thì cũng KHÔNG có nghĩa là nó đã tối ưu trên thực tế (nó chỉ tối ưu HƠN các DMU khác trong phạm vi phân tích mà thôi). Vì vậy, DEA thường được thực hiện kết hợp với phân tích hồi quy trong một mô hình 2 bước (2-stages DEA) hay nhiều bước (multi-stages DEA) để làm tăng thêm tính thuyết phục của mô hình**.

PS1. Vì đây là Intro nên tôi chỉ giới thiệu chung về nguyên lý của phương pháp phân tích bao dữ liệu mà không đi sâu về mặt toán học hay các dạng cụ thể của phân tích DEA. Những ai muốn trao đổi hoặc tìm hiểu thêm về vấn đề này có thể email trực tiếp cho tôi về địa chỉ butzvn-a-còng-gmail-chấm-com.

PS2. Một số bài viết của tôi sử dụng DEA: http://papers.ssrn.com/sol3/cf_dev/AbsByAuth.cfm?per_id=989383

* Xem thêm tại http://vi.wikipedia.org/wiki/Kinh_tế_học

** Cá nhân tôi cho rằng hiện nay chúng ta quá bị ảnh hưởng bởi phân tích hồi quy, cứ mở mồm ra là hỏi phân tích có tin cậy không, mức ý nghĩa bao nhiêu, etc. Phương pháp DEA xây dựng đường PF hiệu quả (có thực, có thể đạt được trên thực tế) dựa trên số liệu (tất nhiên cũng có thực) của các DMU, do đó cũng có thể nói mức độ tin cậy của phương pháp này là 100% (vì DEA có “dự tính” – estimate – gì đâu mà có thể cho ra kết quả sai lệch được).

[1] Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring The Efficiency Of Decision Making Units. European Journal of Operational Research, 2, 429-444.

[2] Farrell, M. J. (1957). The Measurement Of Productive Efficiency. Journal of the Royal Statistical Society, 120(3), 253-281.

[3] Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis.Management Science, 30(9), 1078-1092.



Hướng dẫn sử dụng phương pháp Phân tích bao dữ liệu trong Excel

(Tác giả: Ngô Đăng Thành – Nguồn: sabapsau.wordpress.com)

Bài viết này nhằm mục đich khái quát lại về phương pháp Phân tích bao dữ liệu (Data Envelopment Analysis, viết tắt là DEA) trong việc tính toán và ước lượng hiệu quả (kỹ thuật) của các doanh nghiệp, ngân hàng, trường học,… (gọi chung là các đơn vị ra quyết định – Decision Making Unit, viết tắt là DMU – trong việc sử dụng các nguồn lực đầu vào để tạo ra các kết quả đầu ra). Việc đo lường hiệu quả như vậy dựa trên cơ sở của phương pháp phân tích giới hạn (frontier analysis), theo đó, các DMU có hiệu quả cao nhất sẽ xác lập nên một đường giới hạn khả năng sản xuất (production frontier), và các DMU sẽ được so sánh với đường giới hạn này để xác định xem chúng hoạt động có hiệu quả hay không. Đối với các DMU hiệu quả, vì chúng nằm trên đường giới hạn, nên điểm hiệu quả kỹ thuật (technical efficiency score, gọi tắt là TE) của chúng bằng 1. Đối với các DMU kém hiệu quả (nằm trong đường giới hạn), điểm hiệu quả của chúng sẽ nhỏ hơn 1 (xem thêm trong Mục 2)…

Tham khảo toàn văn bài viết ở đây hoặc ở đây.

Tiện ích VDEA 1.3 download ở đây.

Trân trọng.

Update: Phien ban VDEA 1.4 download ở đây.

Update 2 (16/09/15): Phien ban VDEA 2.0 da duoc cap nhat tai day. Phien ban nay co tich hop lua chon (option) de tinh toan trong so (shadow prices/weights) cua tung bien input va output de DMU dat hieu qua toi uu.
Ghi chú: Trước khi chạy VDEA, phải đảm bảo rằng Excel đã được cài đặt add-in Solver trong mục Tools>Add-ins (Ofice 2003-2007) hoặc File>Options>Add-ins>Manage Excel Add-ins>Go (office 2010+).

Update 3 (09/12/15): Phien ban VDEA 3.0 da duoc cap nhat tai day. Phien ban nay co the duoc su dung de tinh toan CCR- va BCC-DEA, Malmquist DEA va Shadow-prices DEA. Chuong trinh cung duoc tich hop them nut Clear Form de reset lai menu cua VDEA trong truong hop ban chay nhieu mo hinh.

———–&&———–

 

Gerard Debreu hay kinh tế học giống như toán học ứng dụng

Gerard Debreu hay kinh tế học giống như toán học ứng dụng

(Tác giả: Gilles Dostaler – Nguồn: phantichkinhte123.com)

Là kiến trúc sư của thuyết chính thống tân cổ điển mới, Gerard Debreu đã xây dựng cho lý thuyết cân bằng kinh tế chung một phiên bản mang tính dứt điểm. Ông cũng là một trong những người gây dựng chính việc toán học hoá kinh tế học.

Gerard Debreu là người Pháp đầu tiên được trao giải thưởng của Ngân hàng Thụy Điển để tưởng nhớ Alfred Nobel.

Về mặt định lượng, số tác phẩm của Gerard Debreu ít hơn số tác phẩm của hầu hết các nhà kinh tế học, mà chúng ta đã đề cập đến thời điểm này: một cuốn sách ngắn, độ một trăm trang, và vài chục bài viết. Hơn nữa, tác phẩm của ông không phải dễ đọc đối với các độc giả bình thường, không quen thuộc với các kỹ thuật toán học tiên tiến nhất được sử dụng trong kinh tế học. Tuy nhiên, Debreu là một trong những nhà kinh tế học được viện dẫn nhiều nhất và có ảnh hưởng lớn nhất thời hậu chiến.

François Quesnay (1694-1774)
Léon Walras (1834-1910)

Là kiến trúc sư chính của lý thuyết chính thống tân cổ điển mới, ông đã xây dựng cho lý thuyết cân bằng kinh tế chung một phiên bản mang tính dứt điểm. Là nhà toán học trước khi trở thành nhà kinh tế học, ông cũng là một trong những người xây dựng chính của việc hình thức hóa, tiên đề hóa và toán học hoá bộ môn kinh tế học. Năm 1983, ông là nhà kinh tế học người Pháp đầu tiên được trao giải thưởng của Ngân hàng Thụy Điển để tưởng nhớ Alfred Nobel. Tuy vậy, phải nói đúng hơn ông là người Mỹ gốc Pháp, bởi vì ông có quốc tịch Mỹ kể từ năm 1975 và đã lập nghiệp tại Hoa Kỳ.

Lý thuyết cân bằng chung

Maurice Allais (1911-2010)
John R. Hicks (1904-1989)

Ý tưởng về cân bằng chung thị trường nổi lên với sự thành lập kinh tế học như một môn học độc lập, ở thế kỷ XVIII. “Biểu kinh tế” của François Quesnay, được công bố năm 1758, là một trong những phiên bản đầu tiên của ý tưởng trên. Đối với Quesnay và những người theo ông, kinh tế học phải là một khoa học chặt chẽ và toán học. Tương tự như thế đối với Léon Walras, người mà hơn một thế kỷ sau đó một ít, đã lần đầu tiên trình bày một mô hình toán học thật sự về cân bằng chung kinh tế. Với mối liên hệ Quesnay-Walras-Debreu, người ta có thể nói rằng phương pháp tiếp cận này phần lớn là một sự đóng góp của người Pháp vào tư tưởng kinh tế. Vả lại, chính thông qua tác phẩm của một nhà kinh tế học người Pháp khác, Maurice Allais, được trao giải “Nobel” năm 1988, mà Debreu mới bước đầu thâm nhập kinh tế học và lý thuyết cân bằng. Về phần mình, nhà kinh tế học người Anh John Hicks, trong những năm 1930, rồi tiếp sau đó là nhà kinh tế học người Mỹ Paul Samuelson, đã giới thiệu cho các nhà kinh tế học nói tiếng Anh biết sự đóng góp của Walras.

Paul Samuelson (1915-2009)

Câu hỏi chính mà việc xây dựng lý thuyết trên tìm cách trả lời, một câu hỏi ám ảnh suy tưởng kinh tế ngay từ đầu, là: làm thế nào một trật tự có thể được sinh ra từ sự tương tác giữa một lượng lớn các cá nhân mà trong đó mỗi người lại theo đuổi những lợi ích riêng của mình? Nói cách khác, “bàn tay vô hình” của Adam Smith vận hành như thế nào? Thị trường là nơi sẽ giải quyết vấn đề này. Ở mỗi thị trường, các tác nhân duy lý sẽ gặp nhau, với những thị hiếu và sở thích khác nhau, có những sản phẩm và nhân tố sản xuất khác nhau. Sự tương tác giữa cung và cầu sẽ xác định đồng thời giá cả và số lượng giao dịch đối với từng hàng hóa. Tất cả các thị trường đều kết nối với nhau. Số lượng cung và cầu đối với từng hàng hóa không chỉ phụ thuộc vào giá cả của nó, mà còn phụ thuộc vào giá cả của tất cả các hàng hóa khác.

Trong cuốn Eléments d’économie politique pure (Các yếu tố của kinh tế học chính trị thuần túy) của mình (1874-1877), Walras giới thiệu mô hình trên bằng một hệ thống các phương trình tuyến tính. Số lượng các phương trình bằng với số lượng các ẩn số – giá cả và số lượng của tất cả các hàng hóa được giao dịch –, từ đó ông kết luận rằng có thể giải hệ thống và rằng cân bằng chung tồn tại. Kết luận này là một đề xuất về mặt nguyên tắc, chưa được chứng minh. Lịch sử của lý thuyết cân bằng chung, kể từ thời điểm đó, là lịch sử của việc đi tìm một bằng chứng cho sự tồn tại, cũng như tính độc nhất và tính ổn định của nó. Để cho việc xây dựng này có ý nghĩa, cần phải có một tập hợp duy nhất về giá cả và số lượng cân bằng, và nếu người ta đi xa khỏi trạng thái cân bằng, thì cần phải có những tác lực có xu hướng kéo chúng ta trở lại.

Abraham Wald (1902-1950)
Von Neumann (1903-1957)

Chính các nhà toán học là những người đầu tiên nghiên cứu vấn đề này. Abraham Wald đề xuất một giải pháp vào giữa những năm 1930. Trong một bài báo được công bố năm 1937, John von Neumann xây dựng một mô hình cân bằng chung bằng cách sử dụng các công cụ topo đại số, đặc biệt là định lý điểm bất động, được Brouwer chứng minh năm 1910 và cho đến khi đó được sử dụng trong vật lý học. Đó là một trong những công cụ mà đến phiên Debreu và Kenneth Arrow lần lượt sử dụng trong các bài báo nổi tiếng của họ năm 1954, được nhiều nhà kinh tế học coi như là giải pháp cuối cùng cho vấn đề tồn tại của cân bằng chung kinh tế. Arrow cũng đã được trao giải thưởng “Nobel” vào năm 1972, và cùng với Hicks, mười ba năm trước Debreu.

Kenneth Arrow (1921-)
L. E. J. Brouwer (1881-1966)

Arrow và Debreu tích hợp sản xuất, trao đổi và tiêu dùng trong một mô hình duy nhất. Khi giảm tối đa các giả thuyết, họ chứng minh rằng nếu người tiêu dùng tối đa hóa sự hài lòng và nhà sản xuất tối đa hóa lợi nhuận, thì sẽ tồn tại một cân bằng cạnh tranh. Họ cho rằng, nếu các phương trình mô tả mô hình này nhất quán, thì “mô hình cạnh tranh là một bản mô tả khá đúng thực tế” (“Existence of an Equilibrium for a Competitive EconomySự tồn tại của cân bằng trong một nền kinh tế cạnh tranh“, trang 266). Cân bằng chung được gọi là tối ưu Pareto, có nghĩa là không có sự phân phối sản phẩm hay nguồn lực sản xuất nào khác có thể cải thiện tốt hơn hoàn cảnh của người này mà không làm xấu đi hoàn cảnh của người khác. Ngoài ra, sự phân bổ tối ưu Pareto các nguồn lực chỉ có thể được thực hiện bằng một cân bằng chung cạnh tranh. Gerard Debreu đã chứng minh sự tương đương đó trong một bài báo được công bố năm 1952.

Ông phát triển phương pháp tiếp cận của mình trong cuốn Théorie de la valeur (Lý thuyết giá trị), ban đầu được trình bày như là một luận án tiến sĩ năm 1956, và người ta có thể coi đó như là diễn đạt hoàn chỉnh nhất của lý thuyết cân bằng chung. Những phát triển về sau của lý thuyết này, kể cả dưới ngòi bút của Debreu, là nhằm giảm nhẹ các giả thuyết mà dựa trên đó cân bằng chung và mối liên hệ của nó với sự tối ưu được trình bày trong cuốn sách trên.

Toán học, thị trường và nhà nước

Debreu cũng đã đóng góp vào nhiều lãnh vực khác của lý thuyết kinh tế qua nhiều bài báo (xem mục “Gerard Debreu qua vài năm tháng“). Vả lại, các tác phẩm của ông minh chứng cho một sự biến đổi sâu sắc trong chuyên ngành: bài báo đi trước cuốn sách như một phương tiện chính để truyền đạt kiến thức. Nhưng điều này cũng minh họa một sự biến đổi thứ hai, mang tính cơ bản hơn: sự toán học hoá kinh tế học. Chính ở cấp độ này mà đóng góp của Debreu có lẽ là quan trọng nhất. Là một nhà toán học hoàn hảo, Debreu đưa vào các kỹ thuật mới và tinh vi để thực hiện các chứng minh của ông.

Ông cũng vận dụng cách tiếp cận tiên đề hóa, mà theo ông là cách duy nhất để đạt được tính chặt chẽ, tổng quát và đơn giản đặc trưng của những khoa học hoàn chỉnh nhất. Vì vậy ông mô tả nó, trong một trong những bài viết hiếm hoi phi toán học của ông: “Một lý thuyết tiên đề hóa trước tiên sẽ chọn các khái niệm ban đầu và biểu trưng mỗi khái niệm đó bằng một đối tượng toán học. […] Tiếp đó, những giả thiết liên quan đến các khái niệm ban đầu được làm rõ, và những hệ quả được suy ra bằng toán học từ các giả thiết này. Bước cuối cùng của việc phân tích là diễn giải về mặt kinh tế các định lý đạt được. Theo giản đồ này, một lý thuyết tiên đề hóa sẽ có một hình thức toán học hoàn toàn độc lập với nội dung kinh tế” (“Mathematical EconomicsKinh tế toán học” New Palgrave, vol. 3, trang 401).

Vilfredo Pareto (1848-1923)

Một cách tiếp cận như thế, về mặt lý thuyết, ngăn cản việc buộc lý thuyết kinh tế phải nói lên điều mà nó không thể nói. Chẳng hạn, người ta thường đọc thấy rằng lý thuyết cân bằng chung là một sự biện minh và tôn vinh thị trường. Trong tư tưởng của Debreu, nó hoàn toàn không phải là như vậy. Vì ngay từ xưa những môn đồ đầu tiên của Walras, Pareto và Barone đã khẳng định rằng công cụ phân tích trên ứng dụng được cả đối với một nền kinh tế xã hội chủ nghĩa, kế hoạch hóa và tập trung, cũng như đối với một nền kinh tế sở hữu tư nhân, phi tập trung hóa. Bản thân Walras cũng tuyên bố mình là người xã hội chủ nghĩa.

Về phần mình, Debreu cho rằng cả những người ủng hộ một sự can thiệp tích cực của nhà nước vào nền kinh tế cũng như những người ủng hộ tự do thương mại đều có thể dựa vào lý thuyết cân bằng chung. Những người thuộc nhóm đầu có thể làm nổi bật tính phi thực tế của một mô hình mà người ta chỉ có thể chứng minh tính đơn nhất và tính ổn định của cân bằng chung bằng những giả thuyết cực kỳ giới hạn, rất xa rời với thực tế đương đại. Những người thuộc nhóm sau sẽ dựa vào sự chứng minh về tính tương đương giữa tối ưu và cân bằng chung để tuyên dương tính ưu việt của nền kinh tế thị trường. Như vậy, câu hỏi liệu việc chứng minh sự tồn tại của cân bằng chung là một bài tập trí tuệ thuần túy vô căn cứ, nếu không muốn nói là vô bổ, hay đúng hơn là bước đầu tiên hướng tới sự hiểu biết về thực tế kinh tế, vẫn còn là một câu hỏi mở.

Gérard Debreu qua vài năm tháng

1921: sinh ra ở Calais.

1939: đỗ tú tài tại trường Calais.

1939-1941: học toán tại trường Ambert (Puy-de-Dome) và Grenoble.

1941-1944: học toán và vật lý tại trường Ecole Normale Supérieure, Paris.

1944-1945: học trường sĩ quan quân đội ở Algeria và phục vụ trong đội quân chiếm đóng của Pháp ở Đức.

1945: kết hôn với Françoise Bled.

1946: thạc sĩ toán.

1946-1948: nghiên cứu viên tại Trung tâm Nghiên cứu khoa học Quốc gia (CNRS), nơi ông bắt đầu quan tâm đến kinh tế học.

1948-1950: được cấp học bổng Rockefeller, ông nghiên cứu ở các đại học Harvard, California, Chicago, Columbia, Uppsala và Oslo.

1950-1961: nghiên cứu viên tại Ủy ban Cowles về Nghiên cứu Kinh tế, ban đầu tại Đại học Chicago và sau đó, từ năm 1955, tại Đại học Yale.

1951: The Coefficient of Resource Utilization (Hệ số sử dụng nguồn tài nguyên).

1952: A Social Equilibrium Existence Theorem (Một định lý tồn tại cân bằng xã hội).

1954: Existence of an Equilibrium for a Competitive Economy (Sự tồn tại của cân bằng trong một nền kinh tế cạnh tranh), đồng tác giả với Kenneth J. Arrow.

1955-1961: Phó giáo sư tại Đại học Chicago.

1956: Tiến sĩ Kinh tế tại Đại học Paris. Market Equilibrium (Cân bằng thị trường).

1959: Theory of Value: An Axiomatic Analysis of Economic Equilibrium (Lý thuyết giá trị: Một phân tích tiên đề hóa về cân bằng kinh tế).

1960: Une économie de l’incertain (Kinh tế học về sự bất trắc).

1962: được phong giáo sư tại Đại học California, Berkeley. New Concepts and Techniques for Equilibrium Analysis (Các khái niệm và kỹ thuật mới để phân tích cân bằng).

1963: A Limit Theorem on the Core of an Economy (Một định lý giới hạn về lõi của một nền kinh tế), đồng tác giả với H. Scarf.

1970: Economies with a Finite Set of Equilibria (Các nền kinh tế với một tập hợp hữu hạn các cân bằng).

1971: Chủ tịch Hiệp hội kinh trắc học.

1974: Excess Demand Functions (Các hàm dư cầu).

1975: vào quốc tịch Mỹ.

1983: được trao giải thưởng kinh tế của Ngân hàng Thụy Điển để tưởng nhớ Alfred Nobel.

1990: Chủ tịch Hiệp hội Kinh tế Mỹ.

2004: mất ngày 31 tháng Mười Hai.

Để tìm hiểu thêm

Những tác phẩm của Debreu

  • Théorie de la valeur: analyse axiomatique de l’équilibre économique, Dunod, 1984.
  • Mathematical Economics: Twenty Papers of Gérard Debreu,Cambridge University Press, 1983.
  • Existence of an Equilibrium for a Competitive Economy, đồng tác giả với Kenneth J. Arrow, Econometrica, vol. 22, no 3, juillet 1954, pages 265-290.

Những tác phẩm viết về Debreu

  • Contributions to Mathematical Economics in Honor of Gérard Debreu, của Werner Hildenbrand và Andreu Mas-Coleil, Elsevier Science, 1986.
  • General Equilibrium Analysis, của E. Roy Weintraub, Cambridge University Press, 1985.
  • Gérard Debreu’s Contributions to Economics, của Hal Varian, Scandinavian Journal of Economics, vol. 86, 1984, pgs 4-14.

Huỳnh Thiện Quốc Việt dịch

Nguồn: “Gérard Debreu ou l’économie comme mathématiques appliquées” của G. Dostaler trong Alternatives Economiques Poche no.057, tháng 10 năm 2012

————&&———–

DSGE

DSGE

(Tác giả: Lê Hồng Giang – Nguồn: kinhtetaichinh.blogspot.com)

Mặc dù bạn có thể search được rất nhiều tài liệu về các mô hình DSGE (Dynamic Stochastic General Equilibrium), công cụ “thời thượng” hiện nay của hầu hết các central bank lớn, Chương 7trong quyển Advanced Macroeconomics của David Romer là reading không thể thiếu cho tất cả những ai muốn học về thể loại mô hình này. Đây cũng là một chương sách giới thiệu rất cơ bản về New Keynesian school, là lý thuyết đằng sau DSGE. Cũng như Mankiw, tôi rất thích quyển textbook này, tiếc là thời tôi đi học Romer chưa viết về DSGE. Các bạn cũng nên đọc bài nàycủa Menzie Chinn để biết các khiếm khuyết của DGSE.

—————-&&—————-

Mô hình phân tích bao số liệu (DEA) cơ bản với điều kiện kết quả sản xuất không đổi theo quy mô


Giới thiệu Phương pháp phân tích bao dữ liệu (DEA) & Hướng dẫn thực hành DEA trên Excel


Mô hình phân tích bao số liệu (DEA) cơ bản với điều kiện kết quả sản xuất không đổi theo quy mô

(Tác giả: Hoàng Văn Cường – Nguồn: vifep.com.vn)

Phương pháp phân tích bao số liệu (Data Envelopment Analysis – DEA) là một công cụ phân tích kinh tế khá mạnh, được sử dụng trong phân tích hiệu quả hoạt động sản xuất của các tổ chức, doanh nghiệp, nhóm hộ sản xuất. Trong phương pháp DEA, mô hình toán tuyến tính và kinh tế được lồng ghép và áp dụng khá linh hoạt.

DEA đã được nghiên cứu, áp dụng thành công ở nhiều bài báo, công trình nghiên cứu khoa học quốc tế trong lĩnh vực kinh tế. Tuy nhiên, các nghiên cứu, ứng dụng DEA ở Việt Nam hiện nay còn hạn chế. Bài viết sẽ giới thiệu mô hình DEA cơ bản trong điều kiện kết quả sản xuất không đổi theo quy mô.

Phương pháp phân tích bao số liệu (DEA) – phương pháp phân tích hiệu quả hoạt động sản xuất của các tổ chức, doanh nghiệp đã được nghiên cứu, sử dụng khá nhiều trong các bài báo, công trình nghiên cứu khoa học quốc tế về kinh tế. Tuy nhiên, Ở Việt Nam đặc biệt trong lĩnh vực thủy sản, phương pháp này vẫn còn tương đối mới, chưa được tiếp cận, áp dụng nhiều trong các nghiên cứu đánh giá hiệu quả hoạt động của các tổ chức, doanh nghiệp. Do tài liệu trong nước về phương pháp luận của phương pháp DEA đến nay hầu như chưa có, nên trích dẫn về tài liệu tham khảo chủ yếu là tài liệu nước ngoài.

1. Sự hình thành, quá trính phát triển của phương pháp phân tích bao số liệu (DEA)

Phương pháp phân tích bao số liệu sử dụng kiến thức về mô hình toán tuyến tính, mục đích là dựa vào số liệu đã có để xây dựng một mặt phẳng phi tham số (mặt phẳng giới hạn sản xuất). Khi đó, hiệu quả hoạt động của các tổ chức, doanh nghiệp sẽ được tính toán dựa theo mặt phẳng này.

Phương pháp phân tích bao số liệu dùng để xây dựng đường giới hạn sản xuất, được đề xuất đầu tiên bởi Farrell (1957). Một thời gian dài sau đó, phương pháp này chỉ được quan tâm bởi một số ít nhà khoa học (Coelli et al., 2005). Sau đó, các tác giả Boles (1966), Sephard (1970) và Afriat (1972) đã đề xuất các mô hình toán học có thể giải quyết hiệu quả các bài toán có liên quan đến tính toán hiệu quả, năng suất của các doanh nghiệp. Tuy nhiên, vào thời điểm đó các phương pháp này vẫn chưa nhận được sự ủng hộ rộng rãi. Theo Coell (2005), tình trạng này xảy ra cho đến khi khái niệm và phương pháp “phân tích bao số liệu” được sử dụng trong bài báo của Charnel, Cooper (1978). Năm 1978, Charnel, Cooper and Rhodes cũng đề xuất một phương pháp với giả thiết tối thiểu hoá đầu vào và với điều kiện kết quả sản xuất không thay đổi theo quy mô. Sau này, các bài báo của Fare, Grosskopf và Logan (1983); Banker, Charnes, Cooper (1984) còn đề cập tới một số giả định khác và xây dựng thêm mô hình phân tích bao số liệu với điều kiện kết quả sản xuất thay đổi theo quy mô. Gần đây, các nhà nghiên cứu bắt đầu nghiên cứu thêm một số mô hình phân tích DEA mở rộng nhằm khắc phục một số hạn chế của DEA cũng như mở rộng sự ứng dụng của nó trong phân tích kinh tế.

2. Thiết lập mô hình DEA với điều kiện kết quả sản xuất không đổi theo quy mô

Phương pháp DEA có thể áp dụng cho phân tích hiệu quả hoạt động sản xuất của các công ty, trang trại, hộ sản xuất. Dựa vào nhiều nghiên cứu trước đó, Coelli và các cộng sự (2005) đã thiết lập mô hình phân tích DEA. Các bước cơ bản sẽ được trình bày dưới đây. Giả sử ta có dữ liệu của I công ty, mỗi công ty sử dụng N đầu vào và M đầu ra. Với công ty thứ i, dữ liệu về đầu vào được thể hiện bằng véctơ cột xi  và đầu ra được diễn tả bằng véctơ cột qi . Như vậy, số liệu đầu vào và đầu ra của tất cả các công ty được thể hiện bằng ma trận X (N hàng, I cột) và ma trận Q (M hàng, I cột).

Phương pháp sử dụng các “tỷ lệ” được xem là phương pháp trực quan mô tả phân tích bao số liệu (DEA). Với mỗi công ty, chúng ta sẽ đo tỷ lệ của tổng số lượng các sản phẩm đầu ra trên tổng số lượng các đầu vào đã sử dụng (u’qi/v’xi) với u là véc tơ số lượng đầu ra (M hàng 1 cột); v là véc tơ số lượng đầu vào (N hàng 1 cột). Số lượng đầu vào và đầu ra tối ưu của công ty thứ i được tìm ra qua việc giải mô hình toán sau:                                                max u,v (u’qi/v’xi)

St: u’qj/v’xj <= 1          j = 1,2,3….I                 (1)

u, v >= 0

Từ bài toán này ta có thể tìm được các số lượng đầu vào và đầu ra của công ty thứ i sao cho hệ số hiệu quả của nó (tổng đầu ra/ tổng đầu vào) là lớn nhất với điều kiện là hệ số hiệu quả của nó luôn nhỏ hơn hoặc bằng 1. Một vấn đề khó khăn có thể xảy ra là có rất nhiều lời giải cho bài toán trên (ví dụ: nếu u* v* là nghiệm thì 2u* 2v* cũng là nghiệm của bài toán). Để khắc phục vấn đề này, điều kiện v’xi được đưa vào mô hình toán. Do vậy, ta có:

Sự thay đổi ký hiệu từ u và v sang  và  hàm ý rằng ta đã xét đến một mô hình toán tuyến tính tương tự khác. Mô hình DEA như (2) được xem là mô hình phức toán tuyến tính.

Sử dụng tính chất đối ngẫu của mô hình toán tuyến tính chúng ta có thể phát triển một dạng mô hình đường bao số liệu tương ứng như sau:

Min

St:        -qi + Q                          (3)

Trong đó,  là một trị số vô hướng và là véc tơ hằng số (I hàng, 1 cột). Dạng mô hình đường bao số liệu tương ứng này có ít điều kiện tham chiếu hơn dạng mô hình phức toán tuyến tính [ N+M < I + 1 ], và vì vậy nó thường được áp dụng. Giá trị  thu được chính là hệ số đo lường mức độ hiệu quả hoạt động của công ty thứ i,  thỏa mãn điều kiện ; theo Farrell (1957) khi  thì mức độ hiệu quả hoạt động của công ty thứ i sẽ có vị trí trên đường giới hạn sản xuất; và vì vậy nó sẽ là công ty hoạt động hiệu quả về mặt kỹ thuật. Lưu ý là bài toán mô hình tuyến tính cần được giải I lần, mỗi lần cho một công ty, mỗi một giá trị  tương ứng cho một công ty.

Mô hình toán tuyến tính (3) cung cấp cho chúng ta những lý giải khá lý thú và hữu ích. Trước hết, công ty thứ i sẽ được quan tâm để phân tích, bài toán tập trung vào việc thu hẹp vectơ đầu vào càng nhiều càng tốt trong khi vẫn phải đảm bảo điều kiện nằm trong giới hạn cho phép các đầu vào cần cho hoạt động sản xuất. Đường bao giới hạn các “đầu vào” cho phép là một đường đẳng lượng (có tính chất tuyến tính, từng mảng liên tục) [xem hình 1 dưới đây], được xác định bởi các số liệu (đầu ra và đầu vào của các công ty) đã thu thập được. Véc tơ “chuẩn thu hẹp” của vec tơ ”đầu vào” xi (có được sau khi thu hẹp toạ độ xi của véc tơ xi/q) sẽ giúp xác định các điểm để so sánh (X, Q). Các điểm được dùng để so sánh này là sự kết hợp tuyến tính của các số liệu. Các điều kiện ở (3) cũng  nhằm đảm bảo các điểm so sánh (X, Q) sẽ không nằm ngoài vùng giới hạn kỹ thuật/công nghệ.

 

Như đã được mô tả trong nghiên cứu của Fare và các cộng sự (1994), công nghệ sản xuất tương ứng với mô hình tuyến tính (3) có thể được xác định là:  Fare và cộng sự đã chỉ chỉ ra rằng, công nghệ này là tập hợp các khả năng sản xuất, được thể hiện là một miền có tính chất là một miền đóng, hàm lồi, kết quả sản xuất không đổi theo quy mô và mang tính chất: không cắt bởi các trục toạ độ. (Ở các số sau của bản tin, tác giả sẽ đề cập đến mô hình DEA khác tương ứng với các điều kiện khắt khe hơn như kết quả sản xuất thay đổi theo quy mô, bị cắt bởi trục toạ độ v.v)

  • Vấn đề đo lường đầu vào chưa chính xác(input slacks) trong mô hình DEA

 

Tính chất phân mảnh, liên tục của đường giới hạn sản xuất phi tham số trong phương pháp DEA có thể dẫn đến vấn đề đo lường thiếu chính xác mức độ hiệu quả hoạt động của các doanh nghiệp. Vấn đề này phát sinh khi xuất hiện một phần của đường giới hạn sản xuất nằm song song với các trục toạ độ, điều này không xảy ra đối với hầu hết các đường giới hạn sản xuất có chứa tham số. Để mô tả vấn đề này, chúng ta sẽ lấy 1 ví dụ trong đó có 5 công ty sử dụng kết hợp hai loại đầu vào: xvà x2 (xem hình 1); C và D là những công ty có mức độ hoạt động hiệu quả nhất (so với các công ty còn lại), hai công ty này sẽ đóng vai trò xác lập đường giới hạn sản xuất, A và B là những công ty hoạt động chưa hiệu quả.

Trong nghiên cứu của Farrell (1957), thang đo mức độ hiệu quả về mặt công nghệ của công ty A và B sẽ là OA’/OA và OB’/OB. Tuy nhiên một câu hỏi đã được đặt ra là: khi mà công ty A vẫn có thể giảm đầu vào x2 (bằng cách giảm khoảng cách CA’)mà vẫn có thể đảm bảo mức sản lượng không đổi, thì liệu điểm A’ có phải là điểm mô tả hiệu quả hoạt động cao nhất của công ty A? Về mặt lý thuyết, khoảng cách của đoạn thẳng CA’ được xem là mức độ chưa chính xác trong việc đo lường mức đầu vào có thể giảm (input slacks) [mà vẫn đảm bảo lượng đầu ra] trong phương pháp DEA. Trong các ví dụ mà công ty có sử dụng nhiều đầu vào và sản xuất nhiều đầu ra thì bài toán đặt ra sẽ trở nên khá phức tạp và vấn đề về “sự đo lường chưa chính xác mức độ đầu ra (output slacks) cũng có thể xảy ra. Một số tác giả trong các nghiên cứu quốc tế cũng đã nhận ra điều này và đã khuyến cáo cả hai giá trị: giá trị đo hiệu quả theo phương pháp của Farrell và giá trị đo “slacks” nên được chỉ ra để đo lường/mô tả chính xác mức độ hiệu quả về mặt cộng nghệ của một công ty khi sử dụng phương pháp phân tích DEA.

Từ các điều kiện của mô hình toán, ta có thể xác định là: đối với công ty thứ i, giá trị của các “input slacks” và “output slacks” sẽ bằng 0 nếu như  (với các giá trị nghiệm  thích hợp được tìm ra khi giải mô hình toán tuyến tính). Tuy nhiên, chúng ta cũng cần lưu ý rằng các giá trị của “slacks” (mức độ đo lường chưa chính xác) đo được từ kết quả của mô hình tuyến tính (3) không nhất thiết là toàn bộ các giá trị “slacks” được đo một cách chính xác theo cách tiếp cận của Koopmans (1951) [Theo Koopmans, trong trường hợp tối thiểu hóa đầu vào là mục tiêu được ưu tiên, một công ty được xem là hoạt động hiệu quả về mặt kỹ thuật khi và chỉ khi công ty đó nếu muốn tăng một lượng đầu ra của sản phẩm này thì nó buộc phải giảm lượng đầu ra của sản phẩm khác, hoặc nó phải sử dụng thêm ít nhất một đơn vị đầu vào khác. Nếu công ty này giảm một lượng sử dụng đầu vào nào đó thì nó phải tăng mức sử dụng của đầu vào khác, nếu không nó phải giảm ít nhất một đơn vị đầu ra]. Điều này xảy ra khi có hai hay nhiều hơn hai véc tơ thích hợp cho xác định “điểm tham chiếu” cho một công ty. Vì vậy, nếu bạn muốn xác định tất cả các giá trị của “mức độ chưa chính xác” (slacks)[1], thì bạn phải sử dụng đến mô hình tuyến tính bổ sung. Vấn đề này tương đối phức tạp, sẽ được đề cập chi tiết ở các số sau của Bản tin.

3. Một số nhận xét, kết luận

Bài viết đã giới thiệu cho bạn đọc sự hình thành, quá trình phát triển cũng như phương pháp luận của mô hình cơ bản phân tích DEA. Đây chỉ là dạng cơ bản nhất của mô hình phân tích DEA. Với phương pháp DEA, thông qua áp dụng kiến thức về mô hình toán tuyến tính, kinh tế, dựa vào số liệu về hiện trạng sản xuất, chúng ta có thể đánh giá được hiệu quả hoạt động của các công ty, trang trại hay thậm chí của một nhóm hộ sản xuất (ví dụ cụ thể về mô hình phân tích DEA cơ bản sẽ được giới thiệu ở số sau của bản tin). Bên cạnh một số phương pháp khác như kinh tế lượng, phương pháp phân tích chỉ số, phương pháp phân tích đường giới hạn sản xuất stochastic…v.v., DEA cũng được đánh giá là công cụ hiệu quả trong phân tích hoạt động sản xuất.

Tài liệu tham khảo

Afriat, S.N. (1972). Efficiecy Estimation of production Function. Amarican Economic Review, 13, 568-598.

Boels, J.N. (1966). Efficiency Squared – Efficienent Computation of Efficiency Indexes. Proceedings of the 39th Annual Meeting of the Westen Farm Economics Associations, pp137-142.

Coelli, T. J., D.S.P. Rao, C. J. O’Donnell and G. E. Battese (2005). An introduction to Efficiency and Productivity Analysis. Second edition, Springer Science + Business Media, Inc.

Färe, R., S. Grosskopf, C.A.K. Lovell (1983) The Relative Efficiency of Illinois Electric Utilities. Resource and Energies, 5, 349 – 367

Farrell, M.J. (1957). Multi-Output Production and Duallity: Theory and Aplications. Kluwer Academic publishers, Boston.

 


[1] Nhằm đạt hiệu quả tối thiểu hoá chi phí

  —————&&—————

Input-output model

Input-output model

(Tác giả: GiangLe – Nguồn: kinhtetaichinh.blogspot.com)

IO model được phát triển bởi Wassily Leontief là một trong những mô hình vĩ mô đầu tiên của kinh tế học hiện đại. Về cơ bản đây là một hệ phương trình (linear) mô tả mối liên hệ giữa input và output của từng ngành sản xuất trong nền kinh tế (các bạn có thể xem chi tiết hơn tại Wikipedia). Vì input của một ngành có thể là output của nhiều ngành khác, bất kỳ một thay đổi nào trong một ngành (vd productivity tăng, thuế thay đổi, công nghệ thay đổi…) đều có sự “lan tỏa” ra các ngành khác, không trực tiếp cũng gián tiếp. Bởi vậy ứng dụng quan trọng nhất của mô hình này là tính các “chỉ số lan tỏa” (multiplier) của từng ngành, nghĩa là ảnh hưởng khi nó thay đổi vào các ngành khác.

Trong vài năm gần đây anh Bùi Trinh, một chuyên gia hàng đầu về mô hình IO của VN, đã có nhiều bài nghiên cứu đánh giá chỉ số lan tỏa của các ngành trong nền kinh tế VN (ngành ở đây phải hiểu bao gồm cả chính phủ, xuất nhập khẩu và tiêu dùng). TBKTSG vừa công bố kết quả một nghiên cứu mới của anh Bùi Trinh và anh Hà Quang Tuyến tính toán các chỉ số lan tỏa của một số ngành với xuất nhập khẩu. Kết quả nghiên cứu từ mô hình IO của VN cho thấy từ khi VN gia nhập WTO chỉ số lan tỏa của các ngành sản xuất, đặc biệt của đầu tư, vào nhập khẩu tăng mạnh, trong khi đó chỉ số lan tỏa của tiêu dùng cuối cùng (gián tiếp vào nhập khẩu) lại giảm. Do vậy các tác giả của bài báo kết luận phải rất cẩn trọng khi đề suất phá giá để giảm nhập khẩu và kích thích xuất khẩu bởi vì nếu nhập khẩu giảm vì tác động của phá giá sẽ làm giảm đầu tư, trong khi tác động từ giảm tiêu dùng vào nhập khẩu nhỏ nên tổng cầu sẽ phải giảm mạnh nếu muốn nhập khẩu giảm.
Tôi rất trân trọng bài nghiên cứu nghiêm túc và khoa học này của anh Bùi Trinh và anh Hà Quang Tuyến, tuy nhiên tôi hi vọng một số tác giả khác sẽ công bố kết quả nghiên cứu ảnh hưởng của phá giá vào cán cân xuất nhập khẩu sử dụng những mô hình không phải IO model để so sánh. Theo tôi biết ở VN hiện còn 2 nhóm chuyên gia sử dụng 2 loại mô hình vĩ mô khác có khả năng nghiên cứu những vấn đề tương tự như mô hình IO. Nhóm mô hình thứ nhất là computable general equilibrium (CGE), là một dạng mở rộng của mô hình IO, tôi biết ít nhất ở VN có chị Phạm Lan Hương (CIEM) là một chuyên gia giỏi về CGE. Khác với IO phải giả định tỷ lệ input/output cho từng ngành cố định, các mô hình CGE cho phép tỷ lệ này thay đổi khi giá tương đối thay đổi. Điều này rất quan trọng với những input có elasticity cao và/hoặc khi giá tương đối có thay đổi lớn (vd phá giá 8.5%). Chính vì sự “mềm dẻo” này của CGE nên nhiều nghiên cứu cho thấy multipliers tính theo CGE khác rất xa so với tính theo IO. Bởi vậy những kết luận của anh Bùi Trinh và Hà Quang Tuyến cần phải được so sánh với kết quả từ các mô hình CGE để kiểm tra robustness.
Nhóm mô hình thứ hai là các mô hình macroeconometric (ME), VN có các chuyên gia như Võ Trí Thành, Đinh Hiền Minh (CIEM). ME có cách tiếp cận rất khác so với IO/CGE, nó thường sử dụng mô hình IS/LM cổ điển với một vài ad-hoc relationships. Nếu IO/CGE đề cao vào structure của nền kinh tế thì ME nhấn mạnh vào số liệu thực tế thông qua econometric estimation (thường là VAR hoặc SVAR). Lợi thế quan trọng nhất của ME là đa số các mô hình nhóm này đều là mô hình dynamic, nghĩa là có thể đánh giá tác động của chính sách theo thời gian chứ không phải chỉ từ equilibrium này sang equilibrium khác (thực ra CGE cũng có một nhóm có tính chất dynamic). Bởi vậy những hiện tượng như độ trễ của chính sách hay J-curve sau khi phá giá (current account sẽ tệ đi trước khi được cải thiện) chỉ có thể đánh giá được bằng ME. Một thế mạnh nữa của ME là đa số các mô hình này sử dụng số liệu quí (quarterly) thay vì chỉ sử dụng số liệu của bảng IO vài năm mới được công bố một lần nên có độ trễ lớn. Do đó kết quả nghiên cứu dùng ME cập nhật hơn và phù hợp hơn cho những người làm chính sách.
[Hiện tại trào lưu phổ biến trong giới macro modeling trên thế giới là dynamic stochastic general equilibrium model (DSGE). DSGE thường được xây dựng trên New-Keynesian theory với 2 nền tảng chính là micro-foundation và explicit stochastic disturbances. DSGE như tên gọi của nó cũng xác định được dynamics của nền kinh tế và cũng dùng econometric estimation như ME. Tuy nhiên DSGE vẫn phải dựa vào calibration như IO/CGE vì structure không đơn giản như ME, đó cũng chính là điểm mạnh của nó so với ME. Tôi không rõ ở VN đã có chuyên gia nào về loại mô hình này chưa, nếu có đây sẽ là một alternative quan trọng cho IO/CGE.]
[Update: Còn một nhánh mô hình macro nữa tôi quên chưa đề cập đến là agent based model (tôi đã nói về ABM trong buổi offline với các bạn sinh viên kinh tế ở SG hồi tháng 1). Hướng nghiên cứu này tuy không mới nhưng chưa phổ biến ngay cả ở các nước phát triển. ABM là kết hợp của economisc và computer science (cụ thể là artificial intelligence) trong đó mô hình macro không còn giới hạn ở một hoặc một vài agents đại diện như trong các mô hình bên trên mà là một tập hợp rất lớn những agents cụ thể (công ty, người tiêu dùng, chính phủ) có hành vi được định trước và có thể thay đổi tùy theo diễn biến cụ thể (learning/adaptation capacity). ABM cho rằng một vài phương trình toán học dù phức tạp đến đâu cũng không thể diễn tả được một hệ thống phức tạp như nền kinh tế vĩ mô. Giải pháp của ABM là dùng computer để simulate những diễn tiến kinh tế có thể xảy ra cho một hệ thống gồm rất nhiều các agent khác nhau. Hi vọng trong tương lai không xa sẽ có những chuyên gia VN nghiên cứu sâu và xây dựng mô hình theo hướng này.]
Kinh tế học (đáng tiếc) là một ngành khoa học chưa hoàn chỉnh, sự bất đồng giữa các nhà kinh tế là không thể tránh khỏi nhưng cần thiết. Rất mong các nhà kinh tế VN có tinh thần minh bạch như anh Bùi Trinh và anh Hà Quang Tuyến, sẵn sàng chia sẻ và thảo luận các kết quả nghiên cứu của mình trên báo chí và các diễn đàn công cộng.
————–&&————–