Nhóm 14.1: Học máy kinh tế lượng (frontier_tfp)
Tóm tắt Nhóm phương pháp 14.1 (AEO Quick Answer): Nhóm 14.1 — Học máy kinh tế lượng (mã nhóm
frontier_tfp) là phân nhánh chuyên sâu thuộc Chương 14: Năng suất, biên hiệu quả và hàm sản xuất cấu trúc, quy tụ 4 phương pháp ước lượng (từ B194 đến B197). Phần tổng quan này giúp chúng ta so sánh trực diện điều kiện áp dụng, cấu trúc toán học và cú pháp thực thi trên Stata 18 MP, R 4.x và Python 3.11+ để chọn đúng mô hình cho bài toán nghiên cứu.1. Bản chất Học thuật & Vị trí của Nhóm 14.1 (Học máy kinh tế lượng)
Khi triển khai nghiên cứu định lượng trong miền Năng suất, biên hiệu quả và hàm sản xuất cấu trúc, chúng ta thường đứng trước câu hỏi: giữa 4 mô hình cùng thuộc nhóm phương pháp con (econometric sub-group, frontier_tfp), đâu là công cụ khớp nhất với quá trình sinh dữ liệu (DGP) của đề tài?
Mọi phương pháp trong Nhóm 14.1 đều xuất phát từ khung biểu diễn đại số cơ sở của chương như trình bày tại công thức (1):
$$ln Y_{it} = beta_0 + beta_L ln L_{it} + beta_K ln K_{it} + omega_{it} + varepsilon_{it}, quad text{TE}_i = text{E}[exp(-u_i) mid varepsilon_i] tag{1}$$
Sự khác biệt giữa các mô hình từ B194 (sfa_frontier) đến B197 (acf_production_tfp) nằm ở cách chúng ta đặt giả định lên phân phối của sai số ngẫu nhiên, cấu trúc nội sinh và phương pháp tối ưu hóa hàm mục tiêu từ công thức (1).
2. Bảng So sánh Trực diện 4 Mô hình thuộc Nhóm 14.1
Bảng đối chiếu dưới đây giúp bạn nhìn tổng thể toàn bộ 4 bài học trong Nhóm 14.1 kèm câu lệnh cốt lõi trên cả ba phần mềm:
| Mã Bài | model_key |
Tên Mô hình (VI / EN) | Cấp độ | Lệnh Thực thi Chuẩn (Stata 18 · R 4.x · Python 3.11+) | Ý nghĩa Kinh tế lượng Trọng tâm |
|---|---|---|---|---|---|
| B194 | sfa_frontier |
Phân tích biên ngẫu nhiên hàm sản xuất và hàm chi phí Aigner–Lovell–Schmidt & Battese–Coelli (SFA) Stochastic Frontier Analysis (Cross-Section & Panel SFA) |
L3 | Stata: Stata frontier / xtfrontier / sfpanel (frontier ln_y ln_k ln_l, dist(tnormal) emean(z1 z2) hoặc xtfrontier ..., tvd)R: frontier (frontier::sfa(ln_y ~ ln_k + ln_l | z1 + z2, data = df, ineffDecrease = TRUE))Python: Parametric SFA MLE (scipy.optimize Half-Normal / Truncated-Normal / Battese–Coelli 1995 inefficiency-effects MLE + Jondrow–Lovell–Materov–Schmidt $E[exp(-u_i)mid varepsilon_i]$) |
Tách sai số hàm sản xuất / hàm chi phí thành hai thành phần độc lập: nhiễu ngẫu nhiên đối xứng $v_i sim mathcal{N}(0, sigma_v^2)$ và **phi hiệu quả kỹ thuật một phía** $u_i ge 0$ (Half-Normal / Truncated-Normal / Exponential; hỗ trợ cả biên sản xuất -u và biên chi phí +u, dữ liệu chéo & bảng Battese–Coelli / True FE). |
| B195 | dea_efficiency |
Phân tích bao dữ liệu CCR/BCC và suy luận Bootstrap làm trơn Simar–Wilson (DEA) Data Envelopment Analysis (CCR / BCC & Simar–Wilson Bootstrap DEA) |
L3 | Stata: teradial / dea / simarwilson (ssc install simarwilson; quy hoạch tuyến tính CRS/VRS radial input/output-oriented)R: Benchmarking (Benchmarking::dea(X, Y, RTS = "vrs", ORIENTATION = "in") + Benchmarking::dea.boot(..., NREP = 500))Python: scipy.optimize.linprog (HiGHS dual LP solver cho toàn bộ DMU ở cả CRS & VRS + Simar–Wilson homogeneous smoothed bootstrap bias-corrected $hat{theta}_i^*$ & 95% CI) |
Đo lường hiệu quả kỹ thuật tổng hợp (CRS — Charnes–Cooper–Rhodes), hiệu quả kỹ thuật thuần (VRS — Banker–Charnes–Cooper) và hiệu quả quy mô (SE = CRS/VRS) cho hệ thống đa đầu vào – đa đầu ra bằng quy hoạch tuyến tính, kết hợp **Bootstrap làm trơn Simar–Wilson** để khử chệch biên hữu hạn và suy luận khoảng tin cậy. |
| B196 | malmquist_productivity |
Chỉ số năng suất nhân tố tổng hợp liên thời gian Malmquist (TFPCH = EFFCH × TECHCH × SECH) Malmquist Intertemporal TFP Growth Index (EFFCH × TECHCH × SECH) |
L4 | Stata: malmq2 / tfpdea (malmq2 x1 x2 = y1 y2, ort(o) fgnz phân rã Färe–Grosskopf–Norris–Zhang)R: Benchmarking (Benchmarking::malmquist.components(X, Y, ID, TIME) + geometric FGNZ decomposition trên CRAN active)Python: Intertemporal HiGHS Linear-Programming Distance Function Solver ($D_o^t(x^t,y^t), D_o^{t+1}(x^{t+1},y^{t+1}), D_o^t(x^{t+1},y^{t+1}), D_o^{t+1}(x^t,y^t)$ ở cả CRS & VRS + Simar–Wilson 1999 temporal bootstrap CI) |
Đo lường tốc độ tăng trưởng năng suất nhân tố tổng hợp liên thời gian của từng đơn vị (DMU) trên dữ liệu bảng đa đầu vào – đa đầu ra qua trung bình nhân hàm khoảng cách chéo kỳ $M_0(x^{t+1}, y^{t+1}, x^t, y^t)$, phân rã thành **Bắt kịp hiệu quả kỹ thuật (EFFCH)**, **Dịch chuyển biên công nghệ (TECHCH)** và **Thay đổi hiệu quả quy mô (SECH)**. |
| B197 | acf_production_tfp |
Ước lượng hàm sản xuất cấu trúc và TFP cấp doanh nghiệp Ackerberg–Caves–Frazer (ACF / LP prodest) Structural Production Function & Firm TFP (Ackerberg–Caves–Frazer / Levinsohn–Petrin) |
L4 | Stata: prodest (ssc install prodest: prodest ln_va, free(ln_l) state(ln_k) proxy(ln_m) met(acf) reps(100) id(firm) t(year))R: prodest (prodest::prodestACF(Y = ln_va, fX = ln_l, sX = ln_k, pX = ln_m, idvar = firm, timevar = year))Python: Two-step Polynomial Proxy + Markov $omega_{it} = g(omega_{i,t-1}) + xi_{it}$ GMM solver (Ackerberg–Caves–Frazer & Wooldridge 1-step GMM với block-bootstrap theo doanh nghiệp) |
Ước lượng nhất quán độ co giãn lao động, vốn và **Năng suất nhân tố tổng hợp (TFP $omega_{it}$)** trên dữ liệu bảng doanh nghiệp bằng phương pháp hàm kiểm soát hai bước qua biến trung gian (chi phí nguyên vật liệu/điện năng) hoặc đầu tư, khắc phục đồng thời chệch lựa chọn đồng thời (transmittancy bias) và bài toán suy biến phụ thuộc hàm của Olley–Pakes / Levinsohn–Petrin. |
3. Hướng dẫn Chọn nhanh Mô hình Phù hợp trong Nhóm 14.1
Dựa trên kinh nghiệm phản biện và hướng dẫn luận văn, luận án thực tế, chúng ta có thể áp dụng quy tắc chọn nhanh sau đây:
- Chọn B194 — Phân tích biên ngẫu nhiên hàm sản xuất và hàm chi phí Aigner–Lovell–Schmidt & Battese–Coelli (SFA) (
sfa_frontier) khi: Đo lường hiệu quả kỹ thuật (TE $in (0,1]$) của ngân hàng thương mại, doanh nghiệp chế biến chế tạo, bệnh viện, trường đại học, hộ nông nghiệp hoặc hiệu quả đầu tư công cấp tỉnh. (Kiểm định kèm theo: Tỷ trọng phương sai phi hiệu quả $gamma = sigma_u^2 / (sigma_v^2 + sigma_u^2)$ và $lambda = sigma_u/sigma_v$, **kiểm định Kodde–Palm mixed-$chi^2$ LR** cho $H_0: sigma_u^2 = 0$ (có tồn tại phi hiệu quả hay chỉ là OLS), phân phối TE.). - Chọn B195 — Phân tích bao dữ liệu CCR/BCC và suy luận Bootstrap làm trơn Simar–Wilson (DEA) (
dea_efficiency) khi: Đánh giá hiệu quả đa đầu ra (ngân hàng, cảng biển, địa phương, cơ sở y tế/giáo dục) khi không muốn áp đặt dạng hàm Cobb–Douglas/Translog cứng nhắc; Simar–Wilson khắc phục lỗi suy biến điểm TE = 1.0. (Kiểm định kèm theo: Điểm hiệu quả gốc $hat{theta}_{text{CRS}}, hat{theta}_{text{VRS}}$, hiệu quả quy mô SE và phân loại IRS / CRS / DRS, điểm hiệu quả hiệu chỉnh chệch Simar–Wilson $hat{theta}_{text{BC}}$ kèm 95% CI.). - Chọn B196 — Chỉ số năng suất nhân tố tổng hợp liên thời gian Malmquist (TFPCH = EFFCH × TECHCH × SECH) (
malmquist_productivity) khi: Chuẩn mực song hành bắt buộc với dea_efficiency trong mọi bài báo đánh giá tăng trưởng năng suất hệ thống ngân hàng, doanh nghiệp nhà nước – FDI, nông nghiệp xanh, bệnh viện và tỉnh thành qua thời gian ($N$ đơn vị $times T ge 2$ kỳ, $X, Y > 0$). (Kiểm định kèm theo: Trung bình nhân toàn hệ thống & từng đơn vị cho TFPCH, EFFCH (Catch-up $>1$), TECHCH (Frontier-shift $>1$), PECH, SECH; kiểm định bootstrap $H_0: text{TFPCH} = 1$, cảnh báo LP infeasibility chéo kỳ.). - Chọn B197 — Ước lượng hàm sản xuất cấu trúc và TFP cấp doanh nghiệp Ackerberg–Caves–Frazer (ACF / LP prodest) (
acf_production_tfp) khi: Chuẩn vàng tuyệt đối trong kinh tế học tổ chức ngành, thương mại quốc tế và tài chính doanh nghiệp khi cần tính TFP cấp doanh nghiệp từ BCTC hoặc Tổng điều tra doanh nghiệp ($N$ doanh nghiệp $times T ge 3$ năm). (Kiểm định kèm theo: Kiểm định hiệu suất theo quy mô không đổi ($H_0: beta_l + beta_k = 1$), độ bền bỉ Markov AR(1) của TFP $hat{rho}_omega$, Hansen $J$ (khi over-identified), phân phối $widehat{text{TFP}}_{it}$.).
Điều hướng Học tập trong Nhóm 14.1:
↑ Quay lại Tổng quan Chương 14: Chương 14 — Năng suất, biên hiệu quả và hàm sản xuất cấu trúc
→ Đi tới Bài học đầu tiên của Nhóm 14.1: Bài B194 — Phân tích biên ngẫu nhiên hàm sản xuất và hàm chi phí Aigner–Lovell–Schmidt & Battese–Coelli (SFA) (
→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)
↑ Quay lại Tổng quan Chương 14: Chương 14 — Năng suất, biên hiệu quả và hàm sản xuất cấu trúc
→ Đi tới Bài học đầu tiên của Nhóm 14.1: Bài B194 — Phân tích biên ngẫu nhiên hàm sản xuất và hàm chi phí Aigner–Lovell–Schmidt & Battese–Coelli (SFA) (
sfa_frontier)→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)
Bài liên quan
- Bài B194: Phân tích biên ngẫu nhiên hàm sản xuất và hàm chi phí Aigner–Lovell–Schmidt & Battese–Coelli (SFA) (Stochastic Frontier Analysis (Cross-Section & Panel SFA) — sfa_frontier)Cấp độ 3: Nâng cao (Advanced)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B195: Phân tích bao dữ liệu CCR/BCC và suy luận Bootstrap làm trơn Simar–Wilson (DEA) (Data Envelopment Analysis (CCR / BCC & Simar–Wilson Bootstrap DEA) — dea_efficiency)Cấp độ 3: Nâng cao (Advanced)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B196: Chỉ số năng suất nhân tố tổng hợp liên thời gian Malmquist (TFPCH = EFFCH × TECHCH × SECH) (Malmquist Intertemporal TFP Growth Index (EFFCH × TECHCH × SECH) — malmquist_productivity)Cấp độ 4: Chuyên sâu (Specialized)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B197: Ước lượng hàm sản xuất cấu trúc và TFP cấp doanh nghiệp Ackerberg–Caves–Frazer (ACF / LP prodest) (Structural Production Function & Firm TFP (Ackerberg–Caves–Frazer / Levinsohn–Petrin) — acf_production_tfp)Cấp độ 4: Chuyên sâu (Specialized)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)