Năng suất và hiệu quả phân bổ của các doanh nghiệp ngành chế tác theo các vùng của Việt Nam
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
NĂNG SUẤT VÀ HIỆU QUẢ PHÂN BỔ CỦA CÁC DOANH NGHIỆP
NGÀNH CHẾ TÁC THEO CÁC VÙNG CỦA VIỆT NAM
PRODUCTIVITY AND ALLOCATIVE EFFICIENCY
OF VIETNAM’S MANUFACTURING ENTERPRISES BY REGION
ThS. Vũ Thị Huyền Trang
Trường Đại học Thương mại
Tóm tắt
Nghiên cứu đã sử dụng dữ liệu điều tra doanh nghiệp ngành chế tác của Việt Nam trong
giai đoạn từ năm 2000 đến năm 2018 và áp dụng phương pháp moment tổng quát của Wooldridge
(2009) để ước lượng TFP cấp độ doanh nghiệp. Từ đó tính năng suất nhân tố tổng hợp từng vùng
và áp dụng phương pháp phân rã năng suất của Olley & Pakes (1996) để tính hiệu quả phân bổ
cho các doanh nghiệp ngành chế tác ở 7 vùng kinh tế - xã hội của Việt Nam trong giai đoạn
nghiên cứu. Kết quả chính nhận được là: vùng Đồng bằng sông Hồng là vùng có cả năng suất
và hiệu quả phân bổ cao nhất trong cả nước; khu vực Tây Nguyên là vùng có năng suất cũng
như hiệu quả phân bổ thấp nhất trong các vùng trên lãnh thổ nước ta nhưng có sự gia tăng đáng
kể trong những năm gần đây. Vùng có năng suất và hiệu quả phân bổ thấp thứ hai là Đồng bằng
sông Cửu Long; vùng Trung du và miền núi phía Bắc là vùng có sự gia tăng mạnh nhất trong cả
năng suất và hiệu quả phân bổ ở nửa sau của giai đoạn nghiên cứu.
Từ khóa: năng suất, hiệu quả phân bổ, vùng.
Abstract
The study uses Vietnamese manufacturing enterprise survey data from 2000 to 2018 and
applies Wooldridge’s general moment method (2009) to estimate firm-level TFP. Then we calcu-
late aggregate factor productivity of each region and applying the decomposition method of Olley
& Pakes (1996) to compute allocation efficiency for the manufacturing enterprises in seven eco-
nomic-social regions of Vietnam in research period. The main results are: The Red River Delta
region has both the highest productivity and allocative efficiency in the country; The Central
Highlands is the region which has the lowest productivity and also allocation efficiency among
regions in our country, but there are significant increases in recent years. The second lowest pro-
ductivity and allocative efficiency region is the Mekong River Delta; The Northern Midlands and
Mountains is the region with the strongest increase in both productivity and allocative efficiency
in the second half of the studying period.
Keywords: productivity, allocative efficiency, region.
1. Giới thiệu
Ước lượng chính xác năng suất nhân tố tổng hợp (TFP) là một vấn đề cơ bản trong kinh tế
1548
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
ứng dụng và là chủ đề chính trong một số bài báo chuyên đề. Trong những năm gần đây chứng
kiến sự tăng vọt cả về lý thuyết và thực nghiệm các phương pháp ước lượng TFP. Có được bước
tiến này là nhờ sự phát triển mạnh mẽ của công cụ tin học, sự hoàn thiện về phương pháp luận
trong ước lượng TFP từ những năm 1990 (Ackerberg & cộng sự, 2006) và sự sẵn có ngày càng
tăng của các dữ liệu cấp độ doanh nghiệp, cho phép ước lượng TFP cấp độ doanh nghiệp. Từ đó
TFP gộp của các ngành hay các quốc gia được tính là năng suất trung bình có trọng số ở cấp độ
doanh nghiệp.
Tại bất cứ thời điểm nào, sự khác biệt trong TFP gộp sẽ phản ánh sự phân phối năng suất
của các doanh nghiệp (tức là phần của doanh nghiệp “tốt hơn” so với phần của doanh nghiệp
“kém hơn”) và mức độ mà ở đó tất cả các doanh nghiệp đều như nhau (tức là các doanh nghiệp
với năng suất cao hơn sẽ chiếm thị phần lớn hơn). Thành phần thứ hai chính là kết quả của sự
thay đổi nguồn lực giữa các doanh nghiệp ở giai đoạn trước. Trong khi thành phần thứ nhất là
chủ đề của nhiều nghiên cứu trước đây, phản ánh một số yếu tố bên trong doanh nghiệp như chất
lượng quản lý, tài sản vô hình, chiến lược đổi mới hay các cú sốc riêng, …. Hiện nay, các nhà
nghiên cứu kinh tế đang ngày càng liên kết mô hình phân bổ nguồn lực trong các ngành với hiệu
suất kinh tế mức độ tổng hợp. Họ thấy rằng sự thay đổi nguồn lực sản xuất từ nơi kém hiệu quả
đến nơi hiệu quả hơn làm tăng TFP gộp (Restuccia & Rogerson, 2008, Hsieh & Klenow, 2009,
Bartelsman & cộng sự, 2013, Collard-Wexler & De Loecker, 2015). Vì vậy hiệu quả phân bổ
nguồn lực là rất quan trọng để giải thích sự tăng trưởng TFP gộp của các ngành, các quốc gia.
Tuy nhiên, một số nghiên cứu cũng đã chỉ ra sự không đồng nhất trong năng suất của các
địa phương và hiệu quả phân bổ thay đổi đáng kể dọc theo các vùng (Dondur & cộng sự, 2011,
Bin & cộng sự, 2017). Vì vậy hiểu rõ được nguồn gốc tăng trưởng TFP và đo lường được hiệu
quả phân bổ của mỗi vùng miền sẽ rất quan trọng trong việc đề ra các chính sách phù hợp để
thúc đẩy phát triển ở từng địa phương, từ đó dẫn đến sự phát triển của quốc gia.
Trong nghiên cứu này, tác giả đã sử dụng số liệu các doanh nghiệp thuộc ngành chế tác
của Việt Nam trong giai đoạn từ năm 2000 đến năm 2018 được chia theo 7 vùng trong cả nước,
áp dụng phương pháp ước lượng TFP của Wooldridge (2009) để tính năng suất cấp độ doanh
nghiệp, từ đó tính năng suất gộp từng vùng. Đồng thời bài viết áp dụng phương pháp phân rã
năng suất của Olley và Pakes (1996) để tính hiệu quả phân bổ cho từng vùng trong cả giai đoạn
nghiên cứu và so sánh. Các phần chính còn lại của bài viết bao gồm: Phần 2 là tổng quan nghiên
cứu, cơ sở lý thuyết và phương pháp nghiên cứu. Phần 3 là kết quả và thảo luận. Phần 4 là kết
luận và hướng nghiên cứu tiếp theo.
2. Tổng quan nghiên cứu, cơ sở lý thuyết và phương pháp nghiên cứu
2.1. Tổng quan nghiên cứu và cơ sở lý thuyết
2.1.1. Tổng quan nghiên cứu và cơ sở lý thuyết về TFP
Nguồn gốc của sự phân tích TFP có thể được tìm thấy từ bài trình bày của Solow (Solow,
1957); trong nhiều năm gần đây đã có một sự gia tăng trong các nghiên cứu cả lý thuyết và thực
nghiệm về TFP. Điều đó cũng xuất phát từ sự sẵn có ngày càng tăng của dữ liệu cấp độ doanh
nghiệp, cho phép ước lượng TFP ở mức thiết lập cũng như bởi sự cải tiến các phương pháp ước
1549
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
lượng từ giữa những năm 1990 (Ackerberg & cộng sự, 2007). Thông thường các nghiên cứu ở
mức thiết lập TFP giả định đầu ra (thường được đo bởi doanh số giảm phát hoặc giá trị gia tăng)
là một hàm của các đầu vào, nhân công và năng suất của nó (Katayama & cộng sự, 2009). Độ đo
của TFP thu được từ phần dư trong mối quan hệ hàm số này.
Tuy nhiên có một số vấn đề khi ước lượng TFP bằng các phương pháp truyền thống, chẳng
hạn khi áp dụng phương pháp Ordinary Least Square (OLS) cho một dữ liệu bảng cân bằng của
các doanh nghiệp. Thứ nhất, vì năng suất và sự lựa chọn đầu vào gần như là có tương quan, ước
lượng OLS của hàm sản xuất mức độ doanh nghiệp được thấy là có vấn đề về tính đồng thời
hoặc nội sinh. Ngoài ra, với việc sử dụng dữ liệu bảng cân bằng, không xác định được việc vào,
ra của doanh nghiệp, kết quả ước lượng là chệch. Các phương pháp truyền thống khác được sử
dụng để khắc phục vấn đề nội sinh như ảnh hưởng cố định, biến công cụ hay phương pháp mo-
ment tổng quát (GMM) (Ackerberg & cộng sự, 2007). Tuy nhiên các phương pháp này không
được xác nhận là thỏa mãn cho trường hợp của hàm sản xuất. Nguyên nhân của việc các ước
lượng nhận được là không tốt liên quan đến các giả định cơ bản của chúng.
Để giải quyết các vấn đề này, một số lựa chọn thay thế bán tham số đã được đề xuất. Đó là
phương pháp ước lượng bán tham số của Olley & Pakes (1992) (về sau gọi là OP) và Levinsohn
& Petrin (2003) (về sau gọi là LP). Cả hai ước lượng bán tham số (OP và LP) có thể giải quyết
vấn đề tính đồng thời bằng cách sử dụng một biến gán để thay thế cho các năng suất không quan
sát được, đầu vào được giả sử là tăng chặt theo các mức năng suất được đo và sai số chỉ là biến
không quan sát được ở mức độ doanh nghiệp. Tiếp theo, có hai sự mở rộng được phát triển trong
bối cảnh của thủ tục OP. Đó là mở rộng của OP với cạnh tranh không hoàn hảo trong thị trường
đầu ra và mở rộng của OP bao gồm sự điều chỉnh cho các doanh nghiệp đa sản phẩm (De Loecker,
2007b, Klette & Griliches, 1996, Levinshon & Melitz, 2002).
Van Biesebroeck (2007) đã cung cấp một đánh giá tuyệt vời về một vài phương pháp phi
tham số (phương pháp số chỉ số – index numbers và phương pháp bao dữ liệu) được sử dụng để
ước lượng năng suất.
Ackerberg & cộng sự (2006) (về sau gọi là ACF) mở rộng ước lượng bán tham số của OP
để giải quyết các vấn đề đa cộng tuyến và nhận diện với biến lao động. Cụ thể, ACF gợi ý một
thủ tục ước lượng, trong đó hệ số đối với lao động (trong hàm sản xuất giá trị gia tăng) không
được ước lượng trong giai đoạn thứ nhất của thuật toán ước lượng nữa. Tất cả các hệ số của đầu
vào thu được trong giai đoạn thứ hai, còn giai đoạn thứ nhất chỉ dùng để làm ròng thành phần sai
số trong hàm sản xuất. Hệ số của lao động được nhận diện trong giai đoạn thứ hai bằng cách áp
dụng GMM với tập các điều kiện moment.
Wooldridge (2009) chỉ ra các ước lượng bán tham số của OP, LP và ACF có thể được triển
khai trong khuân khổ GMM một bước. Cụ thể, Wooldridge đã viết lại các điều kiện moment dẫn
đến một hệ thống hai phương trình với cùng một biến phụ thuộc, nhưng với một tập hợp khác
nhau các công cụ giữa các phương trình. Cả hai phương trình có đầu ra là biến ở vế trái và các đầu
vào bất biến và khả biến ở vế phải. Khác nhau giữa hai phương trình là ở việc xấp xỉ biến không
thể quan sát, tức là năng suất, và trong các công cụ được sử dụng cho nhận diện. Cách tiếp cận
này có một số ưu điểm so với ước lượng bán tham số chuẩn (sẽ được làm rõ trong phần 2.2.1)
1550
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
2.1.2. Tổng quan nghiên cứu và cơ sở lý thuyết về hiệu quả phân bổ
Từ trước đến nay, có một vài cách xem xét về hiệu quả phân bổ. Tuy nhiên trong nhiều
nghiên cứu gần đây, hiệu quả phân bổ được xem xét theo quan điểm thống kê, nó được đo bằng
hiệp phương sai giữa thị phần và năng suất của doanh nghiệp (Olley & Pakes, 1996, Dondur &
cộng sự, 2011, Melitz & Polanec, 2015). Điều này được lý giải do hiệp phương sai tăng vì những
doanh nghiệp năng suất hơn có thị phần cao hơn và hiệp phương sai giảm vì những doanh nghiệp
kém hơn lại có thị phần cao hơn (Olley và Pakes, 1996). Theo Bartelsman & cộng sự (2013), số
hạng hiệp phương sai này phản ánh chính xác hơn ý nghĩa của hiệu ứng phân bổ lại so với các
phương pháp phân rã khác được sử dụng trong các tài liệu và do đó nó cũng phù hợp hơn với các
nghiên cứu đánh giá hiệu suất cũng như phân tích chính sách .
Người đầu tiên đề xuất phương pháp này là Olley & Pakes (1996) (về sau viết là OP).
Nghiên cứu đã sử dụng dữ liệu mảng cấp độ doanh nghiệp của ngành công nghiệp thiết bị viễn
thông của Mỹ trong giai đoạn từ năm 1974 đến năm 1987 để ước lượng năng suất cấp độ doanh
nghiệp. Sau đó năng suất nhân tố tổng hợp của ngành được đo là trung bình có trọng số của năng
suất cấp độ doanh nghiệp với trọng số là tỷ trọng đầu ra. Các tác giả đã phân rã năng suất này
thành hai thành phần là trung bình không trọng số ở cấp độ doanh nghiệp và hiệp phương sai
giữa thị phần và năng suất. Số hạng hiệp phương sai này đại diện cho giá trị của hiệu quả phân
bổ. Kết quả phân rã cho thấy năng suất trung bình không trọng số không thay đổi nhiều từ năm
1975 nhưng số hạng hiệp phương sai tăng từ 0,01 năm 1974 lên 0,32 năm 1987. Từ đó họ kết
luận rằng có một yếu tố phân bổ lại xuất hiện từ những doanh nghiệp năng suất thấp sang những
doanh nghiệp năng suất cao hơn.
Rất nhiều các nghiên cứu sau đó đã áp dụng phương pháp phân rã OP để tính toán hiệu
quả phân bổ và nghiên cứu các vấn đề liên quan. Tuy nhiên các nghiên cứu về sự không đồng
nhất của hiệu quả phân bổ theo các vùng miền thì không nhiều. Như nghiên cứu của Hyytinen &
cộng sự (2016) đã sử dụng dữ liệu cấp độ doanh nghiệp của Phần Lan từ 1995 đến 2007 gồm tất
cả các doanh nghiệp ở hai vùng là Uusimaa (là một vùng phía Nam của Phần Lan gồm thủ đô
của Phần Lan và 20 vùng tự trị xung quanh) và Ita – Suomi (thuộc phía Đông của Phần Lan).
Với cách tiếp cận moment, bằng thủ tục GMM chuẩn các tác giả đã tính ước lượng điểm và độ
lệch chuẩn cho hai thành phần phân rã OP của năng suất gộp. Kết quả cho thấy có một xu hướng
tích cực trong năng suất trung bình ở cả hai vùng Uusimaa và Ita – Suomi và năng suất trung
bình ở Uusimaa là cao hơn. Còn hiệu quả phân bổ có một đóng góp âm ở cả hai vùng (hiệu quả
phân bổ giảm dần qua thời gian) và về trung bình ở Uusimaa là cao hơn và khoảng tin cậy của
hiệu quả phân bổ và năng suất trung bình ở Uusimaa là hẹp hơn ở Ita – Suomi. Ngoài ra, nghiên
cứu còn kiểm định một số giả thuyết thống kê về hai thành phần trong phân rã đối với từng vùng,
các kết quả tìm được cũng rất có ý nghĩa.
Nghiên cứu sâu hơn về hiệu quả phân bổ dọc theo các tỉnh và các nhân tố ảnh hưởng đến
hiệu quả phân bổ. Bin & cộng sự (2017) đã sử dụng dữ liệu mảng không cân bằng trên tất cả các
ngành công nghiệp của Trung Quốc và dựa vào phân rã OP để đánh giá mức độ hiệu quả phân
bổ trong ngành giữa các tỉnh trong giai đoạn từ năm 1998 đến năm 2007. Đồng thời ước lượng
mối quan hệ thực nghiệm giữa hiệu quả phân bổ và các yếu tố dựa trên địa điểm. Các kết quả
1551
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
ước lượng gợi ý rằng hiệu quả phân bổ trong ngành thay đổi đáng kể dọc theo các tỉnh và qua
thời gian, xác nhận một mức độ cao của tính không đồng nhất địa phương trong phân bổ sai
nguồn lực. Ngoài ra, kết quả còn chỉ ra rằng hiệu quả phân bổ là cao hơn ở nơi mà mức tích tụ
cao hơn, nơi mà đầu tư cho giáo dục nhiều hơn, nơi mà sự đổi mới là mạnh mẽ hơn và ở nơi mà
sự tham gia của các doanh nghiệp trong thương mại quốc tế ít phổ biến hơn.
Tuy nhiên ở Việt Nam, các nghiên cứu về hiệu quả phân bổ theo cách tiếp cận của OP còn
rất ít. Trong một nghiên cứu của Phùng Mai Lan & Nguyễn Khắc Minh (2018), các tác giả đã áp
dụng phương pháp phân rã OP và phiên bản OP động cho các doanh nghiệp ngành chế tác của
Việt Nam trong giai đoạn 2012 – 2016 để thấy được phân bổ lại nguồn lực đóng vai trò rất quan
trọng trong tăng trưởng năng suất của ngành.
2.2. Phương pháp nghiên cứu
2.2.1. Phương pháp đo năng suất nhân tố tổng hợp TFP
Trong nghiên cứu này, chúng tôi ước lượng TFP cấp độ doanh nghiệp bằng phương pháp
moment tổng quát (GMM) được đề xuất bởi Wooldridge (2009). Ta sẽ so sánh phương pháp ước
lượng này với các phương pháp ước lượng TFP trước đó để thấy được các ưu điểm của phương
pháp mà nghiên cứu áp dụng.
Trước hết ta xem xét hàm sản xuất Cobb – Douglas dưới dạng logarit như sau:
y = α + w β + x γ + ω + ε
(1)
it
it
it
it it
y là logarit của tổng đầu ra
it
w là một véc tơ 1xJ của logarit các biến tự do
it
x là một véc tơ 1xK của logarit các biến trạng thái
it
Thành phần ngẫu nhiên ω là năng suất không quan sát được hoặc hiệu quả kỹ thuật và
it
ω là một sốc đầu ra đặc trưng được phân phối dưới dạng nhiễu trắng.
it
Với phương pháp ước lượng của OP và LP, giả định rằng năng suất phát triển theo quy
trình Markov bậc 1:
(2)
Trong đó Ω(it-1) là tập thông tin tại thời điểm t-1
ξ là sốc năng suất, giả sử không tương quan với sốc năng suất w và với biến trạng
it
thái C .
it
it
Olley & Pakes (1996) là người đầu tiên đề xuất một thủ tục ước lượng 2 bước cho (1).
Ý tưởng chính của họ là khai thác các mức đầu tư của doanh nghiệp như một biến gán cho ω .
it
Họ chứng minh ước lượng năng suất của họ phải phù hợp dưới một vài giả định, trong đó có
i = f(x ,ω ) là hàm đầu tư, đơn điệu tăng theo ω . Quyết định đầu tư này có thể nghịch đảo,
it
it it
it
cho phép ta biểu thị năng suất không quan sát được như một hàm của các biến có thể quan sát
ω = f -1 i ,x = h ,x )
(3)
it
it it it it
Thay (3) vào (1) ta được:
1552
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
Y = α + w β + x γ + h(i ,x )+ε = w β +
it it it it it it it
(i ,x ) + ε
it it it it
(4)
Với
(i ,x ) = +x γ + h(i ,x ) = α+ x γ + ω
it it it it it it it it
Điều kiện đơn điệu của OP đòi hỏi rằng đầu tư tăng chặt theo năng suất. Điều này kéo theo
chỉ các quan sát có đầu tư dương mới có thể sử dụng khi ước lượng phương trình (4), dẫn đến
một mất mát có ý nghĩa trong hiệu quả, phụ thuộc vào dữ liệu có trong tay. Hơn nữa, các doanh
nghiệp báo cáo đầu tư bằng 0 trong một số lớn các trường hợp, điều này gây nghi ngờ về tính
đúng đắn của điều kiện đơn điệu.
Vì vậy Levinsohn & Petrin (2003) đã đề xuất khắc phục vấn đề này bằng cách khai thác
mức đầu vào trung gian như một biến gán cho ω Thuật toán LP khác với thuật toán OP ở 2
it
điểm. Thứ nhất, họ sử dụng các đầu vào trung gian để làm biến điều khiển cho năng suất không
quan sát được, chứ không phải đầu tư. Điểm khác biệt thứ hai là ở việc hiệu chỉnh chệch do
lựa chọn.
Cả OP và LP giả sử rằng các doanh nghiệp có thể điều chỉnh ngay lập tức một vài đầu vào
mà không mất chi phí khi chịu những cú sốc năng suất. Tuy nhiên Ackerberg & cộng sự (2006);
Bond & Soderbom (2005) nhận xét rằng hệ số lao động có thể được ước lượng vững trong bước
đầu chỉ khi các biến tự do thể hiện sự biến đổi độc lập với các biến gán. Nếu điều này không
xảy ra, các hệ số của nó sẽ là cộng tuyến hoàn hảo trong bước đầu tiên và do đó sẽ không xác
định được.
ACF gợi ý một thủ tục ước lượng, trong đó hệ số đối với lao động không được ước lượng
trong giai đoạn thứ nhất của thuật toán ước lượng nữa. Tất cả các hệ số của đầu vào thu được
trong giai đoạn thứ hai, còn giai đoạn thứ nhất chỉ dùng để làm ròng thành phần sai số trong hàm
sản xuất.
Wooldridge (2009) đã chỉ ra các ước lượng bán tham số của OP, LP và ACF có thể được
triển khai bằng một thủ tục GMM một bước. Cụ thể, ông chỉ ra cách viết các hạn chế moment
liên quan theo hai phương trình: chúng có cùng biến phụ thuộc () nhưng được đặc trưng bởi một
tập hợp các biến công cụ khác nhau. Cách tiếp cận đó có 2 ưu điểm so với các thủ tục ước lượng
được đề xuất trước đây:
- Nó khắc phục được vấn đề nhận dạng tiềm năng được nhấn mạnh bởi ACF trong bước
đầu tiên
- Các sai số tiêu chuẩn vững thu được một cách dễ dàng, tính đến cả tương quan chuỗi và
/ hoặc phương sai sai số thay đổi
Trong phương trình
quyết như trong bước 1 bởi OP/ LP với giả định rằng
(i ,x ) =α+ x γ + h(i t,x ), ước lượng của (β,γ) được giải
it it it it it it
(5)
mà không áp đặt bất cứ dạng hàm nào cho h (.., ...)
Giả định bước 2 khai thác bản chất Markov của năng suất và giả sử không có tương quan
1553
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
giữa sốc năng suất và giá trị hiện tại của các biến trạng thái và các giá trị quá khứ đã biết của các
biến tự do và các đầu vào trung gian. Theo LP và viết lại phương trình (2) ta được:
ở đó, như đối với h(.,.), không chỉ định dạng hàm nào cho f(.). Các giả định (5), (6) trực tiếp dẫn
đến việc xây dựng hai hàm chính để xác định (β,γ):
(8)
Trong đó η = ξ + v
it
it
it
Trong ước lượng, cách tiếp cận để giải quyết vấn đề dạng hàm không biết là sử dụng đa
thức bậc n trong x và m . Trong đó trường hợp giới hạn với x và m (tức là n=1) một cách
it
it
it
it
tuyến tính phải luôn được cho phép. Cụ thể, nếu chúng ta giả sử rằng
(9)
Wooldridge (2009) giả sử f(.) là một đa thức của h:
(10)
Để đơn giản ta xét trường hợp n = 1; ρ = 1 khi đó phương trình (7), (8) trở thành:
1
y = ξ + w β + x γ + k(x ,m ) λ + v
it it it it it it it
(11)
(12)
y = θ + w β + x γ + k(x( ),m( ) ) λ +η
it-1
it-1
it
it
it
1
it
Áp dụng phương pháp GMM để ước lượng phương trình (11) và (12) ở trên. Từ ước lượng
của (β,γ) dựa vào phương trình (2) ta ước lượng được TFP.
2.2.2. Phương pháp phân rã năng suất
Nghiên cứu dựa vào phương pháp phân rã năng suất tổng hợp của OP để tính toán hiệu
quả phân bổ của các doanh nghiệp trên 7 vùng miền của Việt Nam
Phương pháp phân rã OP được đề xuất bởi Olley & Pakes (1996), năng suất gộp được
định nghĩa là năng suất trung bình có trọng số ở cấp độ doanh nghiệp
Trong đó: s là tỷ trọng đầu ra của doanh nghiệp i tại thời điểm t; và có tổng bằng 1.
it
φ = log (TFP )
it
it
1554
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
OP đã chỉ ra rằng năng suất gộp có thể được phân rã thành hai thành phần như sau:
Với μ là năng suất trung bình không trọng số
t
cov OP là hiệp phương sai giữa thị phần và năng suất của doanh nghiệp, số hạng này đại
t
diện cho mức độ của hiệu quả phân bổ giữa các doanh nghiệp hiện có.
3. Kết quả nghiên cứu
Số liệu sử dụng trong nghiên cứu là số liệu hỗn hợp dựa trên điều tra doanh nghiệp hàng
năm của Tổng cục Thống kê (GSO) của ngành chế tác từ năm 2000 đến năm 2018 với tổng số
602.174 doanh nghiệp. Nguồn số liệu này có đầy đủ các biến quan trọng như mã ngành công
nghiệp (lấy theo tiêu chuẩn VSIC 2 chữ số), loại hình sở hữu, số lao động, lượng vốn, doanh thu,
lợi nhuận, khấu hao, chi phí lao động, tài sản ngắn hạn, tài sản dài hạn, … Các đầu vào và đầu ra
đã được giảm phát theo năm gốc 2010.
Các doanh nghiệp được chia theo 7 vùng lãnh thổ Việt Nam gồm: Trung du và miền núi
phía Bắc (vùng 1); Đồng bằng sông Hồng (vùng 2); Bắc Trung bộ (vùng 3); Duyên hải Nam
Trung bộ (vùng 4); Tây Nguyên (vùng 5); Đông Nam bộ (vùng 6) và cuối cùng là Đồng bằng
sông Cửu Long (vùng 7).
3.1. Kết quả ước lượng năng suất nhân tố tổng hợp từng vùng
Trong nghiên cứu này, giá trị gia tăng (VA) được sử dụng để ước lượng TFP ở cấp độ doanh
nghiệp bằng phương pháp moment tổng quát được đề xuất bởi Wooldridge (2009). Dữ liệu về
giá trị gia tăng không sẵn có và được đo lường dựa trên cách tiếp cận thu nhập. Từ TFP ở cấp độ
doanh nghiệp, TFP từng vùng được tính là trung bình có trọng số của logarit TFP các doanh
nghiệp trong vùng. Từ đó ta có bảng thống kê mô tả một số biến quan trọng của từng vùng trong
cả giai đoan 2000 – 2018.
Bảng 1: Bảng thống kê mô tả một số biến của từng vùng trong giai đoạn 2000 - 2018
Obs
K
L
VA
Mean Std. dev. Mean Std. dev. Mean Std. dev. Mean Std. dev.
39.559 79.833,47 1.842.208 129,11 822,9506 18.509,14 714.910,9 3,159177 0,480694
Vùng 2 157.954 70.020,16 1.320.004 109,4481 577,8444 15.718,03 406.411 3,499924 0,233106
lnTFP
Vùng 1
Vùng 3
Vùng 4
Vùng 5
29.380 55.039,37 2.338.571 85,28428 455,0099 7.050,973 70.186,57 3,339132 0,193222
44.014 50.729,97 993.743 106,052 417,5972 8.634,334 100.816,3 3,060065 0,413636
10.871 36.893,05 362.022 62,667 181,6704 4.093,915 19.987,71 2,808937 0,290042
Vùng 6 257.842 62.323,42 440.164,8 137,1096 840,1809 15.223,65 134.981,6 3,449795 0,177585
Vùng 7 62.554 48.469,75 440.614,6 107,6721 635,6252 9.346,011 59.265,26 3,050261
0,219262
Nguồn: Tính toán của tác giả từ số liệu của Tổng cục Thống kê
1555
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
Vùng 6 gồm 1 thành phố (Thành phố Hồ Chí Minh) và 5 tỉnh với số lượng doanh nghiệp
nhiều nhất và quy mô doanh nghiệp cao nhất (trung bình 137 lao động / doanh nghiệp) nhưng
trung bình về vốn và đầu ra đứng sau cả vùng 1 và vùng 2; năng suất cao thứ hai (sau vùng 2).
Đây là vùng kinh tế dẫn đầu trong cả nước về GDP, giá trị sản xuất công nghiệp, giá trị hàng xuất
khẩu và thu hút vốn nước ngoài. Vùng 1 gồm 15 tỉnh phía Bắc với số lượng doanh nghiệp chỉ
đứng thứ 5 nhưng hầu hết là các doanh nghiệp quy mô vừa và lớn (trung bình 129 lao động /
doanh nghiệp) với số vốn trung bình và đầu ra cao nhất trong cả nước nhưng năng suất thì đứng
thứ tư. Vùng 6, vùng 1 và vùng 2 là các vùng thuộc nhóm có giá trị trung bình của các biến chính
là cao nhất trong 7 vùng. Vùng 3 và vùng 5 với số lượng doanh nghiệp thấp nhất và hầu hết là
các doanh nghiệp nhỏ, cũng với số vốn trung bình và đầu ra thấp nhất trong cả nước. Trong đó
vùng 5 (khu vực Tây Nguyên) gồm 5 tỉnh có nền kinh tế còn nhiều khó khăn, cơ sở hạ tầng kém
phát triển, chủ yếu là nông nghiệp nông thôn đóng vai trò mũi nhọn, hàng hóa chưa mang tính
thương mại cao và các dự án đầu tư nước ngoài còn hạn chế nên dễ hiểu là vùng mà giá trị trung
bình của tất cả các biến là thấp nhất trong cả nước. Còn lại vùng 4 và vùng 7 với giá trị trung
bình các biến cũng gần tương đương và đứng giữa nhóm cao nhất và thấp nhất.
Riêng về năng suất nhân tố tổng hợp từng vùng qua từng năm, ta so sánh TFP của các năm
so với năm gốc 2000 ta có đồ thị sau
Hình 1: TFP hàng năm (2000 - 2018) so với năm gốc 2000 của từng vùng
Ta thấy trong giai đoan 2000 – 2018, năng suất vùng 1 và vùng 4 có biến động mạnh nhất
và là hai vùng có sự tăng trưởng về năng suất so với năm gốc cao nhất trong cả nước trong những
năm gần đây. Vùng 1 gồm 15 tỉnh Tây Bắc, là vùng có vị trí địa lý đặc biệt và giao thông vận tải
đã và đang được đầu tư tạo điều kiện thuận lợi cho giao lưu với các vùng trong nước và xây dựng
nền kinh tế mở. Là khu vực có tài nguyên khoáng sản, thủy điện phong phú, giàu có nhất nước
ta. Đồng thời, đây cũng là vùng được đầu tư phát triển kinh tế biển, đặc biệt là du lịch biển đảo,
1556
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
đánh bắt xa bờ và các khu công nghiệp mới tạo nên sự tăng trưởng năng suất cao. Vùng 4 gồm 8
tỉnh thành phố được đầu tư phát triển mạnh về kinh tế biển, đặc biệt là đánh bắt cá và du lịch
biển. Đồng thời với việc hình thành vùng kinh tế trọng điểm miền Trung, nhất là khu kinh tế mở
Chu Lai, khu kinh tế Dung Quất góp phần thúc đẩy công nghiệp của vùng ngày càng phát triển.
Vùng 2, vùng 6 và vùng 7 là các vùng có năng suất tương đối ổn định trong cả giai đoạn với sự
suy giảm năng suất trong những năm đầu của giai đoạn nghiên cứu và tăng trở lại trong những
năm sau. Trong đó vùng 7 gồm 13 tỉnh, thành phố thuộc Đồng bằng sông Cửu Long, là vùng
không giàu khoáng sản và ngành công nghiệp phát triển rất thấp. Trong những năm gần đây, vùng
có đẩy mạnh phát triển du lịch biển, du lịch tâm linh và du lịch sinh thái. Đồng thời hình thành
vùng đô thị kinh tế trọng điểm Đồng bằng sông Cửu Long tạo ra sự tăng trưởng năng suất. Vùng
3 lại có sự biến động năng suất ngược lại, là vùng duy nhất có sự gia tăng năng suất so với năm
gốc trong những năm đầu của giai đoạn nghiên cứu nhưng từ 2004, năng suất có xu hướng giảm
dần. Đây là vùng có nhiều khoáng sản quý, đặc biệt là đá vôi, do đó ngành phát triển nhất của
vùng là ngành khai thác khoáng và sản xuất vật liệu xây dựng. Tỉnh nào của vùng cũng giáp biển
nên có điều kiện phát triển nghề cá biển, tuy nhiên các tàu còn có công suất nhỏ và đánh bắt gần
bờ là chủ yếu nên nhiều nơi, nguồn lợi thủy sản nguy cơ giảm rõ rệt. Đồng thời đây là vùng
thường xuyên chịu thiên tai lũ lụt, mức sống của người dân còn thấp. Vùng 5 gồm 5 tỉnh Tây
Nguyên mặc dù có năng suất về trung bình trong cả giai đoạn là thấp nhất trong các vùng nhưng
lại có xu hướng tăng mạnh trong khoảng từ năm 2006 đến 2016 và từ 2016 đến nay năng suất lại
giảm. Đây tuy là vùng có vị trí chiến lược về an ninh, quốc phòng và xây dựng kinh tế. Nhưng
cơ sở vật chất còn thiếu nhất là giao thông vận tải còn kém phát triển, các trung tâm công nghiệp
nhỏ, thiếu lao động lành nghề. Mức sống của người dân còn thấp, giáo dục, y tế kém phát triển.
3.2. Kết quả ước lượng hiệu quả phân bổ từng vùng
Sử dụng phân rã OP tính hiệu quả phân bổ của các doanh nghiệp trong từng vùng cho cả
giai đoạn 2000 – 2018 ta được kết quả
Bảng 2: Hiệu quả phân bổ từng vùng trong giai đoạn 2000 - 2018
covOP
Vùng 1
Vùng 2
Vùng 3
Vùng 4
Vùng 5
Vùng 6
Vùng 7
Obs
19
19
19
19
19
19
19
Mean
Std. dev
0,383829
0,176023
0,244499
0,339283
0,272601
0,175681
0,167716
Min
Max
1,297945
1,661793
1,579173
1,225427
1,037749
1,249544
1,050065
0,808154
1,362026
1,229507
0,782464
0,597450
0,977954
0,786659
2,135793
2,107874
2,007001
1,906890
1,449829
1,568743
1,464584
Nguồn: Tính toán của tác giả từ số liệu của Tổng cục Thống kê
1557
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
Để so sánh rõ hơn hiệu quả phân bổ ngành chế tác của các vùng trong từng năm ta biểu
diễn qua đồ thị sau
Hình 2: Hiệu quả phân bổ từng năm của 7 vùng trong giai đoạn 2000 - 2018
Vùng Đồng bằng sông Hồng (vùng 2) gồm thành phố Hà Nội và 10 tỉnh thành phía Bắc
nằm trong vùng kinh tế trọng điểm phía Bắc với tài nguyên biển phong phú, tiếp giáp với nhiều
khu vực giàu tài nguyên, được sự đầu tư lớn của nhà nước và nước ngoài là vùng có năng suất
nhân tố tổng hợp cao nhất và đồng thời cũng có hiệu quả phân bổ trung bình cả giai đoạn 2000 -
2018 cao nhất và ít biến động giữa các năm, tuy nhiên lại có xu hướng giảm trong 5 năm gần
đây. Vùng 3 (Bắc Trung Bộ) có hiệu quả phân bổ cao thứ hai. Đây là vùng có nhiều thế mạnh cả
về rừng và biển, là trung tâm du lịch quan trọng của đất nước. Đồng thời đây cũng là khu vực có
tài nguyên khoáng sản phong phú, là cơ sở tốt để phát triển công nghiệp khai khoáng, luyện kim
và sản xuất vật liệu xây dựng. Mặc dù các tỉnh Bắc Trung Bộ vẫn còn nghèo nhưng lại có hiệu
quả phân bổ cao nhất trong cả nước ở nửa đầu giai đoạn nghiên cứu nhưng lại có xu hướng giảm
dần. Điều này có thể giải thích một phần do số doanh nghiệp trên địa bàn còn hạn chế, thị trường
đầu ra của doanh nghiệp cạnh tranh tốt hơn và có lợi thế về nguồn lao động dồi dào.
Vùng 5 và vùng 7 là hai vùng có hiệu quả phân bổ trung bình thấp nhất cho cả giai đoạn
nghiên cứu. Đây cũng là hai vùng có TFP gộp thấp nhất trong cả nước. Các tỉnh khu vực Tây
Nguyên có nền kinh tế còn gặp nhiều khó khăn, cơ sở hạ tầng kém phát triển, các dự án đầu tư
nước ngoài còn hạn chế. Chính phủ đã chỉ đạo hệ thống ngân hàng thực hiện nhiều ưu đãi hỗ trợ
các doanh nghiệp khu vực này nhưng điều đó cũng khó tiếp cận với các doanh nghiệp còn non
trẻ nên các doanh nghiệp này phải đối mặt với những chi phí cao hơn nhiều so với các doanh
1558
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
nghiệp lâu năm. Ngoài ra, việc chính phủ trợ cấp các mặt hàng cây công nghiệp ở Tây Nguyên
và nông nghiệp, thủy sản ở Đồng bằng sông Cửu Long cũng như ưu đãi về thuế đầu ra có thể là
nguyên nhân khiến cho hiệu quả phân bổ thấp nhất ở hai khu vực này hay phân bổ sai sẽ cao hơn
các khu vực khác.
Ba vùng còn lại có mức hiệu quả phân bổ trung bình xấp xỉ nhau. Trong đó vùng 6 có hiệu
quả phân bổ ít biến động nhất trong suốt giai đoạn nghiên cứu còn vùng 1 và vùng 3 có sự tăng
mạnh trong nửa sau giai đoạn nghiên cứu. Vùng 6 có được sự ổn định về hiệu quả phân bổ do
vùng luôn chú trọng khai thác lãnh thổ theo chiều sâu, tức là hiệu quả khai thác lãnh thổ trên cơ
sở đẩy mạnh đầu tư vốn, khoa học công nghệ, nhằm khai thác tốt nhất các nguồn tự nhiên và
kinh tế - xã hội, đảm bảo duy trì tốc độ tăng trưởng kinh tế cao, đồng thời giải quyết tốt các vấn
đề xã hội và bảo vệ môi trường. Vùng 1 (Trung du và vùng núi phía Bắc) với thế mạnh về khai
thác khoáng sản và thủy điện, với tài nguyên thiên nhiên đa dạng có khả năng đa dạng hóa các
ngành nghề kinh tế, có hiệu quả phân bổ là tương đối ổn định trong 10 năm đầu và những năm
gần đây có hiệu quả phân bổ cao nhất trong các vùng.
4. Kết luận
Nghiên cứu đã sử dụng phương pháp GMM theo đề xuất của Wooldridge (2009) để ước
lượng TFP cho các doanh nghiệp ngành chế tác của Việt Nam trong giai đoạn từ 2000 – 2018 và
tính năng suất gộp của từng vùng. Sau đó áp dụng phương pháp phân rã năng suất của Olley &
Pakes (1996) để tính hiệu quả phân bổ trong từng năm của giai đoạn nghiên cứu cho mỗi vùng
để so sánh. Kết quả chính nhận được như sau: Thứ nhất, vùng Đồng bằng sông Hồng là vùng có
cả năng suất và hiệu quả phân bổ cao nhất trong cả nước và cao đều trong các năm. Thứ hai, khu
vực Tây Nguyên là vùng có năng suất cũng như hiệu quả phân bổ thấp nhất trong các vùng trên
lãnh thổ nước ta nhưng có sự gia tăng đáng kể trong những năm gần đây và thấp thứ hai là Đồng
bằng sông Cửu Long. Thứ ba, vùng Trung du và miền núi phía Bắc là vùng có sự gia tăng mạnh
nhất trong cả năng suất và hiệu quả phân bổ ở nửa sau của giai đoạn nghiên cứu. Phân tích này
cho ta cái nhìn tổng quan về năng suất nhân tố tổng hợp cũng như hiệu quả phân bổ của từng
vùng. Từ đó các địa phương có các chính sách hỗ trợ phù hợp dựa trên đặc điểm từng vùng nhằm
tăng năng suất và hiệu quả phân bổ của địa phương mình. Tuy nhiên nghiên cứu chưa đi sâu phân
tích nguyên nhân của những chênh lệch này. Hướng nghiên cứu tiếp theo, tác giả sẽ tiến hành đo
lường năng suất cũng như hiệu quả phân bổ cho từng tỉnh của cả nước và nghiên cứu tác động
của các nhân tố đến hiệu quả phân bổ.
TÀI LIỆU THAM KHẢO
Ackerberg, D., Caves, K., & Frazer, G. (2006), ‘Structural identification of production
functions’, Unpublished manuscript.
Bartelsman, E., Haltiwanger, J. & Scarpetta, S. (2013), ‘Cross-country differences in pro-
ductivity: The role of allocation and selection’, American Economic Review, 103, 305-334.
Bin. P, Chen. X, Fracasso. A, Tomasi. C. (2017), ‘Resource allocation and productivity
across provinces in China’, International Reviews of Economics and Fianance, 2017, 1-11.
1559
INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020
Collard-Wexler, A., Asker, J. & De Loecker, J. (2011), ‘Productivity volatility and the mis-
allocation of resources in developing economies’, National Bureau of Economic Research.
Collard-Wexler, A., Asker, J. & De Loecker, J. (2015), ‘Reallocation and technology: Ev-
idence from the US steel industry’, American Economic Review, 105, 131-71.
De Loecker, J. (2007), Product differentiation, multi-product firms and estimating the im-
pact of trade liberalization on productivity, National Bureau of Economic Research Working
Paper Series 13155.
Dondur, N., Pokrajac, S., Spasojevic-Brkic, V. & Grbic, S. (2011), ‘Decomposition of pro-
ductivity and allocative efficiency in Serbian industry’, FME Transactions, 39, 73-78.
Hseieh, C.-T. & Klenow, P. J. (2009), ‘Misallocation and manufacturing TFP in China and
India’, The Quarterly journal of economics, 124, 1403-1448.
Hyytinen, A., Ilmakunnas, P. & Maliranta, M. (2016), ‘Olley–Pakes productivity decom-
position: computation and inference’, Journal of the Royal Statistical Society: Series A (Statistics
in Society), 179, 749-761.
Katayama, H., Lu, S. and Tybout, J.R. (2009), ‘Firm-level productivity studies: illusions
and a solution’, International Journal of Industrial Organization, Vol. 27, pp. 403–413.
Levinsohn, J. & Petrin, A. (2003), ‘Estimating production functions using inputs to control
for unobservables’, The Review of Economic Studies, 70, 317-341.
Olley, S.G. & Pakes, A. (1996), ‘The dynamics of productivity in the telecommunications
equipment industry’, Econometrica, 64, 1263–1297.
Phùng, M. L. & Nguyễn, K. M. (2018), ‘Đo lường tác động của la tỏa công nghệ, phân bổ
lại và cạnh tranh đến năng suất các doanh nghiệp ngành chế tác Việt Nam’, Tạp chí Kinh tế và
Phát triển, 254, 10.
Restuccia, D., & Roger, R. (2013), ‘Misallocation and productivity’, Review of Economic
Dynamic, 16, 1-10.
Solow, R.M. (1957), ‘Technical change and the aggregate production function’, Review
of Economics and Statistics, Vol.39, pp. 312–320.
Van Beveren, I. (2012), ‘Total factor productivity estimation: a practical review’, Journal
of Economic Surveys, Vol. 26, No. 1, pp. 98–128
Wooldridge, J.M. (2009), ‘On estimating firm-level production functions using proxy vari-
ables to control for unobservables’, Economics Letters, 104(3), 112–114.
1560
13 trang
14100
Free
Bạn đang xem tài liệu "Năng suất và hiệu quả phân bổ của các doanh nghiệp ngành chế tác theo các vùng của Việt Nam", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- nang_suat_va_hieu_qua_phan_bo_cua_cac_doanh_nghiep_nganh_che.pdf
