Luận văn thạc sĩ stochastic frontier models review with applications to vietnamese small and medium enterprises in metal manufacturing industry

Luận văn thạc sĩ nghiên cứu stochastic frontier models review with applications to vietnamese small and medium enterprises in, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Nguyen Quang
• Người hướng dẫn: Dr. Truong Dang Thuy
• Trường học: University of Economics
• Chuyên ngành: Development Economics
• Đề tài: Mô Hình Biên Ngẫu Nhiên Trong Ngành Sản Xuất Kim Loại
• Loại tài liệu: Thesis
• Năm xuất bản: 2013
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• 1. CHAPTER I: INTRODUCTION
• 1.1. Introduction
• 1.2. Research objectives
• 2. CHAPTER II: LITERATURE REVIEW
• 2.1. Efficiency measurement
• 2.2. Data Envelopment Analysis (DEA) and Stochastic Frontier Analysis (SFA)
• 2.2.1. Data Envelopment Analysis (DEA)
• 2.2.2. Stochastic Frontier Analysis (SFA)
• 2.2.3. Trade-off between DEA and SFA
• 2.3. The cross-sectional Stochastic Frontier Model
• 3. CHAPTER III: METHODOLOGY
• 3.1. Overview of Vietnamese metal manufacturing industry
• 3.2. Estimating technical inefficiency
• 4. CHAPTER IV: RESULT AND DISCUSSION
• 4.1. Cobb-Douglas functional form
• 4.2. Translog functional form
• 4.2.1. Models without distribution assumption
• 4.2.2. The distribution of technical inefficiency
• 4.2.3. Technical inefficiency and firm-specific effects

Tóm tắt

I. Tổng quan về mô hình biên ngẫu nhiên trong sản xuất kim loại

Mô hình biên ngẫu nhiên là một công cụ quan trọng trong việc phân tích hiệu suất kỹ thuật của các doanh nghiệp sản xuất kim loại. Ngành sản xuất kim loại, đặc biệt là thép và sắt, đóng vai trò thiết yếu trong nền kinh tế Việt Nam. Mô hình này giúp xác định mức độ hiệu quả của các doanh nghiệp nhỏ và vừa (SMEs) trong ngành, từ đó đưa ra các giải pháp cải thiện. Việc áp dụng mô hình biên ngẫu nhiên cho phép các nhà nghiên cứu đánh giá chính xác hơn về hiệu suất sản xuất, đồng thời giúp các doanh nghiệp nhận diện được các yếu tố ảnh hưởng đến hiệu quả sản xuất của họ.

1.1. Khái niệm về mô hình biên ngẫu nhiên

Mô hình biên ngẫu nhiên (Stochastic Frontier Model) là một phương pháp thống kê được sử dụng để đo lường hiệu suất kỹ thuật của các doanh nghiệp. Mô hình này cho phép phân tách giữa hiệu suất kỹ thuật và các yếu tố ngẫu nhiên ảnh hưởng đến sản xuất. Điều này giúp các nhà nghiên cứu có cái nhìn sâu sắc hơn về hiệu quả hoạt động của doanh nghiệp trong ngành sản xuất kim loại.

1.2. Tầm quan trọng của ngành sản xuất kim loại

Ngành sản xuất kim loại có vai trò quan trọng trong nền kinh tế Việt Nam, đặc biệt là trong lĩnh vực xây dựng và sản xuất. Theo báo cáo của Hiệp hội Thép Thế giới, Việt Nam là một trong những thị trường thép lớn nhất châu Á. Việc phân tích hiệu suất kỹ thuật của các doanh nghiệp trong ngành này là cần thiết để duy trì và phát triển lợi ích từ ngành sản xuất kim loại.

II. Thách thức trong việc áp dụng mô hình biên ngẫu nhiên

Mặc dù mô hình biên ngẫu nhiên mang lại nhiều lợi ích, nhưng việc áp dụng nó trong ngành sản xuất kim loại cũng gặp phải nhiều thách thức. Các doanh nghiệp nhỏ và vừa thường phải đối mặt với công nghệ lạc hậu và sự phụ thuộc vào nguyên liệu nhập khẩu. Những yếu tố này có thể làm giảm hiệu suất kỹ thuật và gây khó khăn trong việc áp dụng mô hình một cách chính xác.

2.1. Công nghệ lạc hậu trong sản xuất

Nhiều doanh nghiệp trong ngành sản xuất kim loại vẫn sử dụng công nghệ cũ, dẫn đến hiệu suất sản xuất thấp. Việc không cập nhật công nghệ mới có thể làm giảm khả năng cạnh tranh và hiệu quả sản xuất của doanh nghiệp.

2.2. Phụ thuộc vào nguyên liệu nhập khẩu

Sự phụ thuộc vào nguyên liệu nhập khẩu làm cho các doanh nghiệp sản xuất kim loại dễ bị ảnh hưởng bởi biến động giá cả và nguồn cung. Điều này không chỉ ảnh hưởng đến chi phí sản xuất mà còn làm giảm khả năng dự đoán hiệu suất kỹ thuật của doanh nghiệp.

III. Phương pháp áp dụng mô hình biên ngẫu nhiên trong sản xuất kim loại

Để áp dụng mô hình biên ngẫu nhiên một cách hiệu quả, cần có một phương pháp tiếp cận rõ ràng. Việc sử dụng dữ liệu bảng không đồng nhất trong các năm khác nhau giúp đánh giá chính xác hơn về hiệu suất kỹ thuật của các doanh nghiệp. Các mô hình như Cobb-Douglas và Translog có thể được sử dụng để phân tích hiệu suất kỹ thuật trong ngành sản xuất kim loại.

3.1. Mô hình Cobb Douglas

Mô hình Cobb-Douglas là một trong những mô hình phổ biến nhất trong phân tích hiệu suất kỹ thuật. Mô hình này cho phép đánh giá mối quan hệ giữa đầu vào và đầu ra trong sản xuất, từ đó xác định mức độ hiệu quả của doanh nghiệp.

3.2. Mô hình Translog

Mô hình Translog cung cấp một cách tiếp cận linh hoạt hơn so với mô hình Cobb-Douglas. Nó cho phép các nhà nghiên cứu xem xét các yếu tố tương tác giữa các đầu vào, từ đó đưa ra những phân tích sâu sắc hơn về hiệu suất sản xuất.

IV. Ứng dụng thực tiễn của mô hình biên ngẫu nhiên trong ngành sản xuất kim loại

Mô hình biên ngẫu nhiên đã được áp dụng thành công trong nhiều nghiên cứu về hiệu suất kỹ thuật của các doanh nghiệp sản xuất kim loại. Kết quả từ các nghiên cứu này cho thấy sự khác biệt rõ rệt về hiệu suất giữa các doanh nghiệp, từ đó giúp các nhà quản lý đưa ra các quyết định cải thiện hiệu quả sản xuất.

4.1. Kết quả nghiên cứu từ mô hình biên ngẫu nhiên

Nghiên cứu cho thấy rằng các doanh nghiệp có hiệu suất kỹ thuật cao thường sử dụng công nghệ hiện đại và quản lý tốt hơn. Điều này cho thấy tầm quan trọng của việc đầu tư vào công nghệ và quản lý trong ngành sản xuất kim loại.

4.2. Các giải pháp cải thiện hiệu suất

Để cải thiện hiệu suất kỹ thuật, các doanh nghiệp cần tập trung vào việc nâng cấp công nghệ, đào tạo nhân lực và tối ưu hóa quy trình sản xuất. Những giải pháp này không chỉ giúp tăng cường hiệu quả sản xuất mà còn nâng cao khả năng cạnh tranh của doanh nghiệp.

V. Kết luận và tương lai của mô hình biên ngẫu nhiên trong sản xuất kim loại

Mô hình biên ngẫu nhiên sẽ tiếp tục đóng vai trò quan trọng trong việc phân tích hiệu suất kỹ thuật của các doanh nghiệp sản xuất kim loại. Với sự phát triển của công nghệ và dữ liệu, mô hình này sẽ ngày càng trở nên chính xác và hữu ích hơn trong việc đưa ra các quyết định quản lý.

5.1. Tương lai của mô hình biên ngẫu nhiên

Với sự phát triển của công nghệ thông tin và phân tích dữ liệu, mô hình biên ngẫu nhiên sẽ có khả năng cung cấp những phân tích sâu sắc hơn về hiệu suất kỹ thuật. Điều này sẽ giúp các doanh nghiệp trong ngành sản xuất kim loại tối ưu hóa quy trình sản xuất và nâng cao hiệu quả.

5.2. Khuyến nghị cho các doanh nghiệp

Các doanh nghiệp sản xuất kim loại nên xem xét việc áp dụng mô hình biên ngẫu nhiên để đánh giá hiệu suất kỹ thuật của mình. Việc này không chỉ giúp họ nhận diện được các vấn đề trong sản xuất mà còn đưa ra các giải pháp cải thiện hiệu quả.

Nội dung chính

Tổng quan nghiên cứu

Khu vực doanh nghiệp nhỏ và vừa (SMEs) đóng vai trò xương sống trong nền kinh tế Việt Nam khi chiếm khoảng 97% tổng số doanh nghiệp, tạo việc làm cho hơn 50% lực lượng lao động xã hội và đóng góp trên 40% Tổng sản phẩm quốc nội (GDP). Trong các ngành công nghiệp chế biến - chế tạo, ngành sản xuất và gia công kim loại giữ vị trí then chốt nhằm đáp ứng nhu cầu vật liệu xây dựng, cơ khí chế tạo và hàng tiêu dùng. Vào cuối năm 2011, thị trường thép Việt Nam đạt quy mô tiêu thụ lớn thứ 7 tại khu vực châu Á, trong đó khoảng 80% sản lượng sắt thép được phân bổ trực tiếp cho lĩnh vực xây dựng. Tuy nhiên, các doanh nghiệp gia công kim loại trong nước đang đối mặt với nhiều rào cản nghiêm trọng như công nghệ sản xuất lạc hậu, chi phí nguyên liệu đầu vào biến động mạnh và sự suy giảm sức mua (tiêu thụ thép nội địa giảm khoảng 9% vào năm 2012 dưới áp lực cắt giảm đầu tư công).

Nghiên cứu được thực hiện nhằm mục tiêu đo lường mức độ hiệu quả kỹ thuật (Technical Efficiency - TE) của các doanh nghiệp nhỏ và vừa ngành kim loại tại Việt Nam, đồng thời hệ thống hóa và so sánh toàn diện các mô hình biên ngẫu nhiên (Stochastic Frontier Analysis - SFA) áp dụng cho dữ liệu bảng (panel data). Phạm vi nghiên cứu sử dụng bộ dữ liệu bảng không cân bằng gồm 1.254 quan sát trong 3 mốc thời gian: năm 2005 (432 doanh nghiệp), năm 2007 (405 doanh nghiệp) và năm 2009 (417 doanh nghiệp) trên địa bàn 10 tỉnh, thành phố trọng điểm. Kết quả nghiên cứu cung cấp cơ sở định lượng chuẩn xác giúp các nhà quản trị doanh nghiệp tối ưu hóa nguồn lực đầu vào và hỗ trợ các cơ quan hoạch định chính sách xây dựng khung can thiệp phù hợp để nâng cao năng suất các ngành công nghiệp chế tạo nền tảng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu vận dụng lý thuyết kinh tế học vi mô hiện đại về hàm sản xuất và đường biên sản xuất (Production Frontier) được khởi xướng bởi Farrell (1957), kết hợp với hai trường phái đo lường hiệu quả hoạt động: phương pháp phi tham số Bao bọc dữ liệu (Data Envelopment Analysis - DEA) của Charnes, Cooper và Rhodes (1978) và phương pháp tham số Phân tích biên ngẫu nhiên (Stochastic Frontier Analysis - SFA) của Aigner, Lovell, Schmidt (1977) cùng Meeusen, van den Broeck (1977).

Khung lý thuyết phân định rõ các khái niệm cốt lõi:

• Năng suất tổng nhân tố (TFP): Tỷ lệ biến đổi đầu ra so với tổng hợp các đầu vào.
• Hiệu quả kỹ thuật (TE): Khả năng đạt sản lượng tối đa từ một tập hợp đầu vào nhất định (định hướng đầu ra) hoặc sử dụng đầu vào tối thiểu để tạo ra mức sản lượng mục tiêu (định hướng đầu vào).
• Hiệu quả phân bổ (AE) và Hiệu quả kinh tế (EE): Sự kết hợp giữa tối ưu hóa kỹ thuật và lựa chọn tỷ lệ đầu vào có chi phí thấp nhất.

Mô hình SFA tách biệt phần dư thành hai thành phần độc lập: nhiễu ngẫu nhiên mang phân phối chuẩn đối xứng (zero-mean normal distribution) đại diện cho các yếu tố khách quan không kiểm soát được, và sai số phi âm đại diện cho sự kém hiệu quả kỹ thuật (technical inefficiency). Hệ thống mô hình lý thuyết được phân loại thành hai nhóm chính: nhóm mô hình hiệu quả không đổi theo thời gian (Time-invariant models của Schmidt và Sickles 1984; Pitt và Lee 1981; Battese và Coelli 1988) và nhóm mô hình hiệu quả biến đổi theo thời gian (Time-varying models của Kumbhakar 1990; Battese và Coelli 1992, 1995; Greene 2005).

Phương pháp nghiên cứu

Dữ liệu nghiên cứu được trích xuất từ cuộc điều tra Doanh nghiệp Nhỏ và Vừa Việt Nam thực hiện bởi Viện Khoa học Lao động và Xã hội (ILSSA - Bộ Lao động, Thương binh và Xã hội) phối hợp cùng Đại học Copenhagen (Đan Mạch), với nguồn tài trợ từ Danida và SIDA. Cỡ mẫu nghiên cứu gồm 1.254 quan sát đại diện cho các doanh nghiệp ngành kim loại tại 10 tỉnh, thành phố gồm Hà Nội, TP. Hồ Chí Minh, Hải Phòng, Hà Tây, Long An, Phú Thọ, Quảng Nam, Nghệ An, Khánh Hòa và Lâm Đồng. Trong tổng mẫu, nhóm doanh nghiệp sản xuất kim loại cơ bản chiếm 9% và nhóm sản xuất sản phẩm từ kim loại đúc sẵn chiếm 91%.

Phương pháp phân tích dựa trên việc ước lượng đồng thời hàm sản xuất dạng Cobb-Douglas và dạng hàm linh hoạt Translog thông qua phương pháp Hồi quy bình phương tối thiểu tổng quát (GLS), Ước lượng trong nhóm (Within Estimator) và Ước lượng Hợp lý cực đại (Maximum Likelihood Estimation - MLE) trên các phần mềm chuyên dụng STATA và FRONTIER 4.1. Tất cả các biến số tiền tệ được điều chỉnh về giá trị thực theo năm gốc 2005 bằng các chỉ số giảm phát chuyên ngành: chỉ số giá sản xuất (PPI) ngành kim loại (107,92 vào năm 2007), chỉ số PPI máy móc thiết bị (104,20 vào năm 2007), chỉ số PPI ngành khai khoáng cho nguyên vật liệu (120,66 vào năm 2009) và chỉ số CPI tổng hợp cho chi phí lao động (120,33 vào năm 2009). Việc lựa chọn SFA thay vì DEA được luận giải bởi tính chất của ngành sản xuất kim loại luôn chịu tác động lớn từ các cú sốc ngẫu nhiên về thị trường, nguồn điện và độ trễ chuỗi cung ứng, đòi hỏi mô hình phải bóc tách được sai số ngẫu nhiên khỏi sự kém hiệu quả thực sự của doanh nghiệp.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, có sự chênh lệch rất lớn về mức độ hiệu quả kỹ thuật ước lượng giữa các mô hình không có giả định phân phối và các mô hình có giả định phân phối sai số. Mô hình Tác động cố định (Fixed Effects) theo Schmidt và Sickles (1984) cho mức hiệu quả kỹ thuật trung bình rất thấp, chỉ đạt 21,71% đối với hàm Cobb-Douglas (dao động từ 0,07% đến 100%) và 51,78% đối với hàm Translog (dao động từ 0,11% đến 100%). Ngược lại, các mô hình giả định phân phối nửa chuẩn (Half-normal) của Pitt và Lee (1981) và phân phối chuẩn cắt cụt (Truncated normal) của Battese và Coelli (1988) cho điểm hiệu quả trung bình vượt trội, đạt mức từ 98,29% đến 98,32%.

Thứ hai, khi đưa các biến định danh đặc thù doanh nghiệp vào Mô hình Tác động phi hiệu quả kỹ thuật (TIEM) của Battese và Coelli (1995), độ phân tán hiệu quả giữa các doanh nghiệp được phản ánh chân thực hơn. Điểm hiệu quả kỹ thuật trung bình đạt 96,48% ở dạng hàm Cobb-Douglas (biên độ dao động từ 92,81% đến 99,12%) và đạt 97,12% ở dạng hàm Translog (biên độ dao động mở rộng từ 83,64% đến 99,31%). Các yếu tố như tuổi doanh nghiệp, quy mô lao động, hình thức sở hữu và vị trí địa lý đều có tác động có ý nghĩa thống kê đến giá trị sản lượng đầu ra.

Thứ ba, sự phân bổ quy mô sản xuất có sự phân hóa sâu sắc. Dữ liệu thực nghiệm cho thấy nhóm doanh nghiệp quy mô vừa (chiếm vỏn vẹn 4,4% số lượng mẫu năm 2005 với 19 doanh nghiệp) đã tạo ra tới 1.235 tỷ đồng giá trị sản lượng thực tế (chiếm 73,6% tổng sản lượng toàn mẫu), gấp gần 3 lần tổng sản lượng của 413 doanh nghiệp siêu nhỏ và nhỏ cộng lại (442 tỷ đồng). Đến năm 2009, khủng hoảng kinh tế đã làm giá trị sản lượng của nhóm doanh nghiệp vừa sụt giảm mạnh tới 72%, chỉ còn 344 tỷ đồng.

Thứ tư, mô hình True Random Effects của Greene (2005) khi bóc tách hoàn toàn các yếu tố đặc thù bất biến không quan sát được của từng doanh nghiệp ra khỏi thành phần phi hiệu quả đã khiến phần dư phi hiệu quả kỹ thuật triệt tiêu gần như hoàn toàn, đưa mức hiệu quả kỹ thuật trung bình của các doanh nghiệp đạt xấp xỉ 99,94%.

Thảo luận kết quả

Sự khác biệt căn bản trong kết quả ước lượng bắt nguồn từ bản chất nhận diện hiệu quả của từng mô hình toán kinh lượng. Trong mô hình Fixed Effects của Schmidt và Sickles (1984), do không đưa ra giả định phân phối cụ thể cho thành phần phi hiệu quả, toàn bộ các yếu tố cố định theo thời gian của doanh nghiệp (như năng lực quản trị, lợi thế vị trí, quy mô vốn ban đầu) đều bị gộp chung vào sai số phi hiệu quả. Hiệu quả kỹ thuật của từng đơn vị được tính toán bằng cách so sánh khoảng cách với doanh nghiệp có hệ số chặn cao nhất trong mẫu. Điều này dẫn đến việc mức hiệu quả trung bình bị kéo xuống thấp và khoảng cách phân hóa bị nới rộng quá mức.

Đối với các mô hình tham số sử dụng phân phối chuẩn cắt cụt, tham số kỳ vọng trung bình ước lượng đều mang giá trị âm (ví dụ giá trị đạt -9,205 trong mô hình Battese và Coelli 1988 dạng Cobb-Douglas), làm cho hình dạng phân phối thực tế tương đồng với phân phối nửa chuẩn. Điều này giải thích vì sao phần lớn quan sát tập trung gần sát đường biên sản xuất tối ưu. Trong các báo cáo kinh tế lượng, những phát hiện này có thể được trực quan hóa hiệu quả thông qua biểu đồ phân bố tần suất mật độ điểm hiệu quả (Kernel density plot) và biểu đồ hộp (Box plot) so sánh phương sai hiệu quả giữa các phân khúc quy mô sở hữu. Kết quả này hoàn toàn nhất quán với các nghiên cứu kinh điển của Lundvall và Battese (2000) cũng như Greene (2005) về độ nhạy của kết quả SFA trước các giả định cấu trúc ban đầu.

Đề xuất và khuyến nghị

Dựa trên kết quả phân tích thực nghiệm, 4 nhóm giải pháp chiến lược được đề xuất nhằm nâng cao năng lực cạnh tranh và hiệu quả kỹ thuật cho các doanh nghiệp nhỏ và vừa ngành kim loại:

Thứ nhất, tái cấu trúc chuỗi cung ứng và tối ưu hóa định mức tiêu hao nguyên vật liệu. Do chi phí nguyên vật liệu chiếm tỷ trọng chi phối trong tổng cấu trúc chi phí (trên 70% giá trị đầu vào), các doanh nghiệp cần áp dụng các hệ thống quản trị sản xuất tinh gọn (Lean Manufacturing) nhằm giảm tỷ lệ hao hụt kim loại từ mức trung bình hiện nay xuống dưới 5%, đặt mục tiêu cải thiện biên lợi nhuận ròng thêm 8% đến 10% trong giai đoạn 2024 - 2026. Chủ thể thực hiện là Ban giám đốc và bộ phận kỹ thuật sản xuất của doanh nghiệp.

Thứ hai, hiện đại hóa tài sản cố định và chuyển đổi công nghệ nung luyện, gia công. Hiệp hội Thép Việt Nam phối hợp cùng các Ngân hàng Thương mại thiết lập các gói tín dụng trung và dài hạn ưu đãi với lãi suất thấp hơn thị trường từ 2% đến 3%/năm trong thời hạn 5 năm (2024 - 2029), hỗ trợ nhóm 74,5% hộ kinh doanh cá thể và doanh nghiệp siêu nhỏ chuyển đổi từ lò phân tán lạc hậu sang dây chuyền bán tự động đạt chuẩn môi trường.

Thứ ba, chuẩn hóa kỹ năng và đào tạo tay nghề chuyên sâu cho công nhân kỹ thuật. Bộ Lao động, Thương binh và Xã hội cùng các Hiệp hội ngành nghề cần xây dựng chương trình đào tạo nghề gia công cơ khí chính xác định kỳ hàng năm, hướng tới mục tiêu nâng năng suất lao động thực tế thêm 12% đến 15% vào cuối năm 2027.

Thứ tư, đẩy mạnh liên kết cụm ngành và mạng lưới gia công phụ trợ. Ủy ban nhân dân các tỉnh, thành phố trọng điểm (Hà Nội, TP. Hồ Chí Minh, Hải Phòng) cần quy hoạch các khu công nghiệp phụ trợ tập trung, tạo cơ chế kết nối hợp đồng cung ứng gia công giữa 4% doanh nghiệp quy mô vừa với mạng lưới các doanh nghiệp vệ tinh siêu nhỏ, hoàn thành thiết lập mạng lưới liên kết trước quý IV năm 2026.

Đối tượng nên tham khảo luận văn

Nghiên cứu mang lại giá trị thực tiễn và học thuật sâu sắc cho 4 nhóm đối tượng chính:

Thứ nhất, các học viên cao học, nghiên cứu sinh và nhà nghiên cứu kinh tế lượng ứng dụng. Luận văn cung cấp cẩm nang tra cứu toàn diện về mặt lý thuyết, phương pháp ước lượng (GLS, MLE) và cú pháp lập trình phân tích biên ngẫu nhiên (STATA, FRONTIER 4.1), giúp người đọc nắm vững kỹ thuật xử lý dữ liệu bảng và kiểm định tính phù hợp của hàm sản xuất.

Thứ hai, chủ doanh nghiệp và các giám đốc vận hành nhà máy sản xuất kim loại. Kết quả nghiên cứu là thước đo thực chứng giúp các nhà quản lý đối sánh (benchmark) mức độ hiệu quả của đơn vị mình so với chuẩn ngành, từ đó tái cấu trúc tỷ lệ kết hợp giữa vốn, lao động và chi phí gián tiếp (điện, nước, vận chuyển) để hạ giá thành đơn vị sản phẩm.

Thứ ba, các chuyên viên hoạch định chính sách tại Bộ Công Thương và Bộ Kế hoạch và Đầu tư. Báo cáo cung cấp các bằng chứng định lượng vững chắc về sự tổn thương của phân khúc doanh nghiệp nhỏ và vừa trước các cú sốc vĩ mô, hỗ trợ thiết kế các chính sách công nghiệp hỗ trợ chuẩn xác.

Thứ tư, các chuyên viên thẩm định tín dụng và quản trị rủi ro tại các tổ chức tài chính. Dữ liệu thực nghiệm về hệ số co giãn đầu vào và năng lực tạo sản lượng của từng nhóm quy mô doanh nghiệp giúp các ngân hàng xây dựng mô hình xếp hạng tín nhiệm và đánh giá hiệu quả dự án vay vốn ngành kim loại chuẩn xác hơn.

Câu hỏi thường gặp

Sự khác biệt cốt lõi giữa phương pháp DEA và SFA trong đánh giá hiệu quả kỹ thuật là gì?

DEA là phương pháp phi tham số xác định, không yêu cầu xác định dạng hàm sản xuất nhưng giả định toàn bộ sai số đều là phi hiệu quả, do đó rất nhạy cảm với số liệu ngoại lai. Ngược lại, SFA là phương pháp tham số kinh tế lượng, đòi hỏi giả định dạng hàm nhưng có ưu thế vượt trội khi bóc tách được sai số ngẫu nhiên ra khỏi mức độ kém hiệu quả thực sự của doanh nghiệp.

Tại sao mô hình Tác động cố định của Schmidt và Sickles (1984) lại cho mức hiệu quả thấp hơn nhiều so với các mô hình khác?

Mô hình này không áp đặt phân phối cho sai số mà gộp toàn bộ các đặc tính cố định bất biến theo thời gian của từng doanh nghiệp vào hệ số chặn riêng biệt. Hiệu quả kỹ thuật được đo bằng khoảng cách tuyệt đối so với doanh nghiệp có năng suất cao nhất trong mẫu, khiến các doanh nghiệp còn lại có điểm hiệu quả bị hạ thấp đáng kể (trung bình chỉ đạt 21,71%).

Các yếu tố đặc thù doanh nghiệp ảnh hưởng như thế nào đến mức độ kém hiệu quả kỹ thuật?

Khi ước lượng mô hình Battese và Coelli (1995), các biến đặc thù như tuổi doanh nghiệp, quy mô lao động, loại hình sở hữu và địa bàn hoạt động đóng vai trò giải thích nguồn gốc của sự kém hiệu quả. Việc bổ sung các biến này giúp mở rộng biên độ phân tán hiệu quả (từ 83,64% đến 99,31% ở hàm Translog), chứng minh các đặc tính doanh nghiệp có tác động điều tiết đáng kể đến hiệu năng sản xuất.

Việc lựa chọn giữa dạng hàm Cobb-Douglas và hàm Translog có ý nghĩa gì trong phân tích biên sản xuất?

Hàm Cobb-Douglas mang tính tinh gọn (parsimonious) nhưng áp đặt ràng buộc hệ số co giãn thay thế giữa các yếu tố đầu vào bằng 1 và hệ số co giãn sản xuất không đổi. Hàm Translog linh hoạt hơn ở bậc hai, cho phép kiểm định trực tiếp các tính chất kinh tế học của hàm sản xuất thông qua kiểm định Tỷ số hợp lý (Likelihood Ratio test) để phản ánh chân thực hơn cấu trúc công nghệ.

Vì sao mô hình True Random Effects của Greene (2005) lại cho kết quả hiệu quả kỹ thuật xấp xỉ 100%?

Mô hình True Random Effects tách biệt triệt để thành phần không đồng nhất bất biến không quan sát được của từng doanh nghiệp ra khỏi sai số phi hiệu quả kỹ thuật theo thời gian. Khi các yếu tố đặc thù riêng lẻ đã được biến ngẫu nhiên hấp thụ toàn bộ, phần dư phi hiệu quả còn lại rất nhỏ, dẫn đến việc hầu hết các doanh nghiệp đều tiệm cận đường biên hiệu quả tối ưu.

Kết luận

• Luận văn đã hệ thống hóa toàn diện quá trình phát triển của các mô hình biên ngẫu nhiên dữ liệu bảng từ giai đoạn khởi xướng năm 1981 đến các phát triển hiện đại năm 2005.
• Thực nghiệm trên 1.254 quan sát doanh nghiệp kim loại Việt Nam khẳng định kết quả ước lượng hiệu quả kỹ thuật phụ thuộc mật thiết vào việc mô hình có hay không có giả định phân phối sai số.
• Chi phí nguyên vật liệu và chi phí lao động là hai động lực quyết định hàng đầu đến giá trị sản lượng thực tế của các doanh nghiệp nhỏ và vừa ngành kim loại.
• Khủng hoảng kinh tế tạo ra tác động tiêu cực mạnh nhất đến phân khúc doanh nghiệp quy mô vừa, làm sụt giảm hơn 70% quy mô sản lượng tạo ra.
• Nhà nghiên cứu cần căn cứ vào mục tiêu phân tích cụ thể, độ dài chuỗi thời gian của mẫu và bản chất công nghệ ngành để lựa chọn mô hình SFA phù hợp nhất.

Đóng góp khoa học then chốt của công trình là việc chứng minh sự cần thiết phải phân định ranh giới giữa yếu tố không đồng nhất của doanh nghiệp và sự kém hiệu quả kỹ thuật thực sự trong đánh giá hiệu năng sản xuất. Trong giai đoạn tiếp theo, các nghiên cứu mở rộng cần cập nhật chuỗi dữ liệu bảng giai đoạn sau năm 2020 và tích hợp mô hình biên ngẫu nhiên động để nắm bắt chuẩn xác quá trình chuyển đổi số và chuyển dịch công nghệ xanh của ngành công nghiệp kim loại. Hãy áp dụng các công cụ phân tích đường biên kinh tế lượng ngay hôm nay để tối ưu hóa hiệu quả phân bổ nguồn lực và gia tăng năng lực cạnh tranh bền vững cho doanh nghiệp.

Trích đoạn nội dung tài liệu

UNIVERSITY OF ECONOMICS INSTITUTE OF SOCIAL STUDIES HO CHI MINH CITY THE HAGUE VIETNAM THE NETHERLANDS VIETNAM - NETHERLANDS PROGRAMME FOR M.A IN DEVELOPMENT ECONOMICS STOCHASTIC FRONTIER MODELS REVIEW WITH APPLICATIONS TO VIETNAMESE SMALL AND MEDIUM ENTERPRISES IN METAL MANUFACTURING INDUSTRY A thesis submitted in partial fulfilment of the requirements for the degree of MASTER OF ARTS IN DEVELOPMENT ECONOMICS By NGUYEN QUANG Academic Supervisor: Dr. TRUONG DANG THUY HO CHI MINH CITY, NOVEMBER 2013 Page | 1 TIEU LUAN MOI download : [e-mail] ABSTRACT Metal manufacturing industry has an important role in the economy due to the high demand of metal products, especially steel and iron in daily life, production and, mostly construction. To help maintain and develop the benefit from this industry, it is necessary to have an analysis into the technical efficiency level of small and medium enterprises (SMEs) which takes about 97% of the number of Vietnamese enterprises. This study aims to estimate the technical efficiency level of Vietnamese SMEs using an unbalanced panel dataset in three years: 2005, 2007 and 2009 with stochastic frontier model.

Besides, because of divergent literatures of panel-data stochastic frontier model, this paper also makes a review of popular ones in order to choose the suitable model for the case of Vietnamese metal manufacturing industry. The result shows different technical efficiency levels while using different models due to the divergence among identifications of technical efficiency concept. Page | 2 TIEU LUAN MOI download : [e-mail] TABLE OF CONTENT Page LIST OF TABLES. 4 LIST OF FIGURES.

4 LIST OF CHARTS. 7 CHAPTER II: LITERATURE REVIEW. Data Envelopment Analysis (DEA) and Stochastic Frontier Analysis (SFA). The cross-sectional Stochastic Frontier Model.

Stochastic frontier model with panel data. Time-invariant models. Time varying models. 19 CHAPTER III: METHODOLOGY.

Overview of Vietnamese metal manufacturing industry. Estimating technical inefficiency. 34 CHAPTER IV: RESULT AND DISCUSSION .1 Cobb-Douglas functional form. Translog functional form.1 Models without distribution assumption .2 The distribution of technical inefficiency .3 Technical inefficiency and firm-specific effects.

54 Page | 3 TIEU LUAN MOI download : [e-mail] LIST OF TABLES: Table 3-1 Output and Input deflators. 31 Table 3-2 Descriptive statistic of key variables. 35 Table 3 – 3 Real outputs and material costs value of different-sized firms. 35 Table 4-1 Time invariant models with Cobb – Douglas function.

37 Table 4-2 Time varying models with Cobb – Douglas function. 41 Table 4-4 Time invariant models with Translog function. 43 Table 4-5 Time varying models with Translog function. 44 Table 4-6 Value of μ in models with truncated distribution.

46 LIST OF FIGURES Figure 2-1 Input-oriented efficiency. 9 Figure 2-2 Output-oriented efficiency. 9 Figure 2-3 various types of technical inefficiency distribution. 14 LIST OF CHARTS Chart 3-1 Firm size and ownership type.

36 Chart 3-2 Firm location. 36 Page | 4 TIEU LUAN MOI download : [e-mail] CHAPTER I: INTRODUCTION 1. Introduction The rising demand of metal products (especially iron and steel) in daily life, production and, mostly, construction sector makes the role of metal manufacturing industry important. According to World Steel Association, at the end of 2011, Vietnamese steel market was the seventh largest in Asia with the growth rate in tandem with economic expansion.

There are still huge potentials from this industry due to the growing income and an expanding trend of construction. As reported by Viet Nam chamber of Commerce and Industry (VCCI), at the end of 2011, 97% of the number of enterprises in Viet Nam are small and medium sized which employ more than a half of the domestic labor force and contribute more than 40% of GDP. This dynamic group of firms have become have become an important resource for economic growth in Viet Nam. However, this industry is now facing challenges due to outdated technology and the heavy dependence on import materials.

From the reasons above, an analysis into the technical inefficiency level of Vietnamese small and medium enterprises (SMEs) in metal manufacturing industry is necessary to maintain and develop the benefit from this industry. Technical efficiency is the effectiveness with which the firm uses a given set of inputs to produce outputs. The set of highest amounts of output that can be produced from given amounts of inputs is the production frontier. Technical efficiency reflects how close a firm can reach this border: firms producing on this frontier are technically efficient, while those far below from the frontier are technically inefficient.

A technical efficiency analysis is often conducted by constructing a production-possibility boundary (the frontier) and then estimating the distance (the inefficiency level) of firms from that boundary. There are two approaches to measure technical efficiency: deterministic and stochastic. The deterministic approach, called Data Envelopment Analysis (DEA), was first introduced in Charnes, Cooper, and Rhodes (1978) which use linear programming with the data of inputs and outputs to construct the frontier. The advantage of this method is that it does not require the specification of the production function.

However, for being deterministic, this method assumes that there is no statistical noise in data. The stochastic approach, called Stochastic Frontier Analysis (SFA), was mentioned first in Aigner, Lovell, and Schmidt (1977) and Meeusen and Broeck (1977). This method, contrary to DEA, requires a specific functional form for the Page | 5 TIEU LUAN MOI download : [e-mail] production function and allows data to have noises. SFA is used more often in practice because for many cases, the noiseless assumption are unrealistic.

Since its first appearance in Aigner et al. Being able to deal with various production processes, this method has become a popular tool to analyze the performance of production units such as firms, regions and countries. Those applications can be found in Battese and Corra (1977), Page Jr (1984), Bravo- Ureta and Rieger (1991), Battese (1992), Dong and Putterman (1997), Anderson, Fish, Xia, and Michello (1999) and Cullinane, Wang, Song, and Ji (2006). Despite the fact that a rich literature of this matter has been developed over a long time, researchers at times find it difficult to choose the most appropriate model to estimate the technical efficiency level or determining its sources.

The earliest versions of these models were built to deal with cross sectional data (Aigner et al. These models need assumptions about technical inefficiency distribution and its uncorrelatedness with other parts of the model. Pitt and Lee (1981) and Schmidt and Sickles (1984) criticized that technical inefficiency cannot be estimated consistently with cross-sectional data and suggested models that deal with panel data. The literature of panel data models first come with the assumption of time-invariant technical inefficiency (Battese & Coelli, 1988; Pitt & Lee, 1981; Schmidt & Sickles, 1984).

Researchers, after that, claimed that it is too strict to assume technical inefficiency to be fixed through time and suggested models that allow its time-variation such as Cornwell et al. Those models solved the problems by imposing some time patterns. Nevertheless, the assumption of an unchanged time behavior was also criticized too strict. Then the model with technical inefficiency effects was created by Battese and Coelli (1995) which allows technical inefficiency to vary with time and other determinants.

Greene (2005) introduces “true” fixed and random models which warrant the unrestraint time changing of inefficiency and separate it from other firm specific factors. This thesis aims to estimate the technical efficiency level of Vietnamese metal manufacturing firms with panel-data stochastic frontier models. Besides, this study also reviews those panel data models of technical inefficiency analysis and gives some implication about model choice in this field. This Page | 6 TIEU LUAN MOI download : [e-mail] study uses an unbalanced panel dataset of firms in metal manufacturing industry in the year 2005, 2007 and 2009 which is withdrawn from Vietnamese SMEs survey.

The result shows different technical efficiency levels among those stochastic frontier models. Research objectives - To give a review of panel-data stochastic frontier models; - To apply those models to investigate the technical efficiency of SME firms in metal manufacturing industry in Viet Nam. Page | 7 TIEU LUAN MOI download : [e-mail] CHAPTER II: LITERATURE REVIEW 1. Efficiency measurement The main economic function of a business can be expressed as a process which turns its inputs into outputs with a specific producing ability.

The ratio outputs/inputs indicates the productivity of a specific firm (Coelli, Rao, O'Donnell, & Battese, 2005). Change in productivity reflects how well a production unit operates, in other words, how efficient it is. From economic perspective, growth in productivity or efficiency can be considered as the most popular proxy for firm performance. The terms productivity and efficiency need to be discriminated in the context of firm production.

On the one hand, productivity implies all factors that decide how well outputs can be obtained from given amounts of inputs. It can be considered as “Total factor productivity - TFP”. On the other hand, efficiency relates to the production frontier. This frontier shows the maximum output that can be produced with a level of input.

A firm is called efficient technically when it produces on this frontier. Firm production cannot go beyond this frontier for this is the limitation of its performing ability. When the firm performs below this frontier, it is considered inefficient. The farther the distance is, the more inefficient the firm is.

Changes in productivity can be due to the changes in efficiency (the firm becomes more or less efficient technically), a change in the amount and proportion of its inputs (changing its scale efficiency), a change in technical progress (change in technology level over time) or a combination of all the above factors (Coelli et al. Efficiency measurement can be approached from two sides, inputs and outputs. Input-oriented measures relate to cost reduction (minimum amount of inputs to produce a given amount of output). Output-oriented measure, on the other hand, makes use of the maximum level of output produced from a given amount of inputs.

Figure 2-1 and 2-2 illustrate these two approaches. Figure 2-1 demonstrates a firm with two inputs X1 and X2, YY’ is an isoquant which shows every minimum set of inputs that could be used to produce a given output. If a firm operates on this isoquant (the frontier), it will be technically efficient in an input-oriented way for the reason that the inputs amount of this firm is minimized. The iso-cost line CC’ (which can be constructed when the input-price ratio is known) determines the optimal proportion of inputs in order to archive lowest cost.

Technical efficiency (TE) can be calculated by the percentage rate of OR/OP, allocative efficiency (AE) equals the percentage rate of OS/OR. The multiplication of AE and TE Page | 8 TIEU LUAN MOI download : [e-mail] expresses the overall efficiency of the firm, called economic efficiency (EE) (i. Figure 2-2, illustrate the case where the firm uses one input and produces one output, The f(X) curve determines the maximum output can be obtained by using each level of input X (the frontier). The firm will be technical efficient operating on this frontier.

In this situation, TE equals BD/DE. Figure 2 – 1: Input-oriented efficiency Figure 2 – 2: Output-oriented efficiency Measurements and analyses of TE were conducted by a huge number of studies with two main approaches – Data Envelopment Analysis (DEA) and Stochastic Frontier Analysis (SFA). The next section briefly discusses these two methods. Data Envelopment Analysis (DEA) and Stochastic Frontier Analysis (SFA) a.

Data Envelopment Analysis (DEA) DEA is a non-parametric method in estimating firm efficiency which was first introduced in Charnes, Cooper, and Rhodes (1978) with constant return to scale. Later on, it was extended to allow for decreasing and variable return to scale in Banker, Charnes, and Cooper (1984). Specific instruction can be found in Banker et al. (1984), Charnes et al.

Page | 9 TIEU LUAN MOI download : skknchat@gmail.