Chương 1: TỔNG QUAN NGHIÊN CỨU VỀ HIỆU QUẢ KỸ THUẬT VÀ NĂNG SUẤT NHÂN TỐ TỔNG HỢP Trong chương này, tác giả trình bày tổng quan các nghiên cứu về đo lường, phân tích về TE và TFP ở trong và ngoài nước. Tổng quan về các nhân tố ảnh hưởng đến TE và TFP. Từ đó tác giả chỉ ra khoảng trống nghiên cứu và khung phân tích của luận án. Tổng quan nghiên cứu về hiệu quả kỹ thuật và năng suất nhân tố tổng hợp 1.
Các nghiên cứu nước ngoài Mặc dù khái niệm TE ra đời trong thời kỳ kinh tế học tân cổ điển, nhưng không quan tâm đến đo lường nó vì giả định các doanh nghiệp luôn đạt TE tối đa. Nhưng Leibenstein (1966) [68] đã chỉ ra những vấn đề tồn tại giữa giả định lý thuyết này và thực tế thực nghiệm nên việc đo lường nó là hết sức cần thiết. Cơ sở cho việc đo lường TE bắt đầu với những mô tả của công nghệ sản xuất. Các công nghệ sản xuất có thể được biểu diễn bằng các đường đồng lượng, các hàm sản xuất, các hàm chi phí hoặc các hàm lợi nhuận.
Các mô tả công nghệ khác nhau sẽ dẫn đến các công cụ khác nhau để đo lường TE. Mặc dù các phân tích dựa trên các công cụ này có những khác biệt, nhưng chúng được tiếp cận cơ bản tương đối giống nhau, đó là TE được đo lường bởi tỷ số giữa sản lượng thực tế và sản lượng tiềm năng. Trong khi đó năng suất có thể được hiểu là mối quan hệ giữa lượng đầu ra và lượng đầu vào để sản xuất ra lượng đầu ra đó. Năng suất bộ phận đơn giản được tính bằng tỷ lệ tổng lượng đầu ra trên số lượng một đầu vào cụ thể, như năng suất lao động, năng suất vốn.
Tuy nhiên các doanh nghiệp sẽ thay đổi quy mô sản xuất khi chịu tác động bởi các sốc năng suất. Khi chịu các sốc năng suất tích cực, các doanh nghiệp phản ứng bằng cách mở rộng sản xuất để tăng sản lượng do đó nhu cầu các đầu vào cũng tăng. Ngược lại, khi chịu các sốc năng suất tiêu cực thì các doanh nghiệp sẽ cắt giảm 12 sản lượng nên nhu cầu về các yếu tố đầu vào sẽ giảm. Do đó, TFP được đo bởi các kỹ thuật phức tạp hơn.
Uớc lượng chính xác TE và TFP là một vấn đề cơ bản trong kinh tế, là chủ đề được nhiều nhà kinh tế học quan tâm. Trong lý thuyết kinh tế, người ta thường sử dụng các cách tiếp cận cơ bản sau trong đo lường TE và TFP: Các phương pháp phi tham số; các phương pháp ước lượng hàm sản xuất gộp và các phương pháp biên ngẫu nhiên. Các phương pháp phi tham số thường dùng trong ước lượng TE và TFP là phương pháp chỉ số và phương pháp phân tích bao dữ liệu (DEA). Phương pháp chỉ số được đưa ra bởi Hicks (1961) [54] và Moorsteen (1961) [77] và được phát triển bởi Diewert (1992) [38].
Chỉ số TFP được xác định bằng tỷ lệ tốc độ tăng trưởng của tất cả các đầu ra trên tốc độ tăng trưởng của tất cả các đầu vào được sử dụng trong quá trình sản xuất. Do đó, cần xác định trước các chỉ số về lượng đầu ra và lượng đầu vào. Có thể tính các chỉ số này dưới một số dạng như: Laspeyres, Paasche, Fisher và Tornquyst (Diewert, 1992) [38]. Trong những năm gần đây, chỉ số Fisher và Tornquyst được sử dụng nhiều nhất.
Phương pháp chỉ số TFP khá dễ áp dụng và không cần những ước lượng phức tạp, nhưng nó lại không tách được TFP thành hai bộ phận là thay đổi công nghệ (TC) và thay đổi hiệu quả kỹ thuật (TEC). Hơn nữa, phương pháp này đòi hỏi các thông tin về giá đầu vào, đầu ra mà trong nhiều trường hợp chúng ta không quan sát được. Trong khi đó phương pháp bao dữ liệu (DEA) ước lượng đường biên sản xuất dựa trên dữ liệu nghiên cứu bằng cách sử dụng các kỹ thuật quy hoạch tuyến tính. Những kết hợp hiệu quả nhất sẽ nằm trên đường biên và TE được đo lường bởi khái niệm hàm khoảng cách so với đường biên (Fare và cộng sự, 1994; Coelli và cộng sự, 2005) [35,43].
Phương pháp này được gợi ý bởi Farrell (1957) [44] và được áp dụng lần đầu bởi Charnes và cộng sự (1978) [31] trong mô hình đo lường hiệu quả của các đơn vị ra quyết định (DMUs). Charnes và cộng sự (1978) [31] đã sử dụng khái niệm hàm khoảng cách định hướng đầu 13 vào và giả định tính kinh tế không đổi theo quy mô trong mô hình này. Một số nghiên cứu khác đã phát triển phương pháp này bằng việc bỏ đi các giả định trên (Fare và cộng sự, 1983; Banker và cộng sự, 1984) [42, 14]. Sau đó, xuất phát từ gợi ý của Caves và cộng sự (1982), Fare và cộng sự (1994) [43] đã phát triển mô hình DEA của Charnes và cộng sự (1978) [34] thành mô hình đo lường chỉ số Malquyst TFP.
Trong mô hình này, tăng trưởng TFP được phân rã thành các thành phần TEC và TC. Mô hình này không đòi hỏi thông tin của giá các đầu vào và đầu ra, cũng như không đòi hỏi dạng cụ thể của hàm sản xuất. Tuy nhiên đường biên của phương pháp DEA rất nhạy cảm với các quan sát trội vì nó được tạo nên từ những kết hợp hiệu quả nhất. Hơn nữa, phương pháp này không tính đến sự ảnh hưởng của các nhiễu thống kê.
Simar và Wilson (1998, 1999) [100,101] đã đưa ra kỹ thuật bootstrap nhằm khắc phục những hạn chế này. Kỹ thuật này phân tích các đặc điểm chọn mẫu, từ đó thực hiện các vòng lập chọn lại mẫu từ mẫu nghiên cứu ban đầu và thực hiện các ước lượng tương ứng với các mẫu để có được các khoảng tin cậy của ước lượng. Các phương pháp ước lượng hàm sản xuất gộp thường giả định doanh nghiệp đạt TE tối đa nên tất cả các kết hợp về sản lượng đều nằm trên đường giới hạn khả năng sản xuất. Chỉ có TC làm tăng trưởng TFP (Solow, 1957) [104].
Người ta thường ước lượng TC trong các phương pháp ước lượng hàm sản xuất gộp bằng cách: Thêm biến xu hướng thời gian vào hàm sản xuất gộp (Beckmann và cộng sự, 1972) [22] hoặc hạch toán tăng trưởng (Solow, 1957) [104]. Thay đổi về quy mô được tính bằng tổng ước lượng của các hệ số co giãn giữa các đầu vào với sản lượng. Ước lượng hàm sản xuất gộp được sử dụng rộng rãi trong ước lượng TFP. Tuy nhiên, phương pháp này không đem lại các thông tin về một số thành phần của TFP.
Hơn nữa kết quả ước lượng gặp một số vấn đề về kinh tế lượng như: vấn đề nội sinh; vấn đề về sự lựa chọn; vấn đề về sự thiếu hụt giá các yếu tố đầu vào, đầu ra; và khá nhạy cảm với việc lựa chọn dạng hàm. 14 Do đó, kết quả ước lượng TFP bị chệch. Để khắc phục tính nội sinh trong mô hình ước lượng hàm sản xuất gộp, Olley& Pakes (1996) [83] là những người đầu tiên đề xuất phương pháp kiểm soát hàm sản xuất bằng thủ tục ước lượng hai bước. Mức đầu tư của doanh nghiệp trong năm đại diện cho các sốc năng suất.
Tuy nhiên, phương pháp này gặp hạn chế lớn trong áp dụng thực tế, làm hạn chế phạm vi ứng dụng của nó. Điều này xuất phát từ thực tế hoạt động sản xuất công nghiệp, mức đầu tư của các doanh nghiệp thường không được quyết định tại từng thời điểm mà được tích lũy trong vài năm trước khi thực hiện nên các số liệu ở cấp độ doanh nghiệp có rất nhiều quan sát có mức đầu tư bằng không tại các thời điểm. Do đó nó vi phạm giả định về tính đơn điệu trong hàm đầu tư của Olley& Pakes (1996) [83]. Levinsohn & Petrin (2003) [69] đã khắc phục hạn chế này bằng cách đề xuất các mức đầu vào trung gian của doanh nghiệp trong năm đại diện cho các sốc năng suất.
Tuy nhiên cả phương pháp Olley& Pakes (1996) [83] và Levinsohn & Petrin (2003) [69] đều giả định các doanh nghiệp có thể điều chỉnh các mức đầu vào ngay lập tức mà không chịu tổn thất về chi phí khi chịu sự tác động của các sốc năng suất. Nhưng Bond & Soderbom (2005) [27] đã chỉ trích điều này và cho rằng hệ số của lao động có thể được ước lượng vững trong bước một nếu các biến tự do biến thiên độc lập với biến đại diện cho sốc năng suất. Ngược lại, các hệ số sẽ đa cộng tuyến hoàn hảo trong ước lượng ở bước một và do đó không thể xác định được hệ số của lao động. Cụ thể, Wooldridge (2009) [119] đã thu hẹp các momen liên quan trong các hệ số của các phương trình được thiết lập bởi Olley& Pakes (1996) [83] và Levinsohn & Petrin (2003) [69].
Các phương trình này đều có biến phụ thuộc giống nhau nhưng được đặc trưng bởi một tập các công cụ khác nhau. Cách tiếp cận như vậy giải quyết được vấn đề sản lượng 15 tiềm năng trong bước một của thủ tục hai bước và có được các sai số tiêu chuẩn tốt hơn, tính được cả cho trường hợp tự tương quan và phương sai sai số thay đổi. Tuy nhiên cách tiếp cận kiểm soát dạng hàm cũng chưa giải quyết trọn vẹn các vấn đề trong kinh tế lượng và cũng không có được thông tin về các thành phần của TFP. Một trong những phương pháp mạnh mẽ trong việc đo lường và phân tích TE và TFP là phương pháp phân tích biên ngẫu nhiên (SFA).
Phương pháp này đã được giới thiệu bởi Aigner và Chu (1968) [8]. Trong phương pháp này, sai số thống kê được phân chia thành hai phần chính: nhiễu ngẫu nhiên và phi hiệu quả kỹ thuật. Aigner và Chu đã gán dấu âm cho sai số ngẫu nhiên trong quá trình ước lượng hàm sản xuất. Điều này có nghĩa rằng đầu ra thực tế không thể vượt quá đường biên sản xuất.
Mô hình hàm sản xuất biên ngẫu nhiên là sự tổng hợp của cách tiếp cận truyền thống đối với hàm sản xuất. Trong lý thuyết sản xuất truyền thống, người ta giả định rằng có sự phân phối tối ưu trong quá trình sản xuất. Tuy nhiên những hạn chế này đã được khắc phục trong các mô hình biên ngẫu nhiên (Sickles và Zelenyuk, 2019) [98]. Một đặc điểm quan trọng của mô hình biên ngẫu nhiên so với mô hình hàm sản xuất trung bình thông thường là sự tồn tại của hai thành phần sai số không đối xứng, bao gồm nhiễu ngẫu nhiên và phi hiệu quả.