13. Phân phối thu nhập và phân rã bất bình đẳng
1. Đặt vấn đề và bối cảnh nghiên cứu
Trong nghiên cứu thực nghiệm kinh tế, tài chính và chính sách công, việc lựa chọn đúng cấu trúc mô hình thuộc chương Phân phối thu nhập và phân rã bất bình đẳng quyết định trực tiếp tính không chệch, tính nhất quán và hiệu lực suy luận thống kê của các ước lượng (Cameron & Trivedi (2022); Wooldridge (2010); Hansen (2022); Das (2019)). Khi cấu trúc dữ liệu thực tế vi phạm các giả định cổ điển, nhà nghiên cứu cần áp dụng chính xác các phương pháp chuyên biệt được trình bày trong chương này (Blinder (1973); Oaxaca (1973); Jann (2008); Firpo, Fortin & Lemieux (2009, 2018); Rios-Avila (2020)).
Khung biểu diễn toán học tổng quát cho các mô hình thuộc chương 13 được xác lập tại phương trình (1):
$$\text{RIF}(y; q_\tau) = q_\tau + \frac{\tau – \mathbb{I}(y \le q_\tau)}{f_Y(q_\tau)}, \quad \Delta_O^\tau = \Delta_X^\tau + \Delta_S^\tau \tag{1}$$
Từ phương trình (1), mỗi nhóm phương pháp con trong chương sẽ cụ thể hóa điều kiện nhận dạng, cấu trúc ma trận hiệp phương sai của sai số và thuật toán tối ưu hóa phù hợp với từng thiết kế dữ liệu tại Việt Nam (Blinder (1973); Oaxaca (1973); Jann (2008); Firpo, Fortin & Lemieux (2009, 2018); Rios-Avila (2020); Cameron & Trivedi (2022); Wooldridge (2010); Hansen (2022); Das (2019)).
2. Cấu trúc các nhóm phương pháp trong chương
Chương 13 được tổ chức thành 1 nhóm bài giảng theo thứ tự từ nền tảng đến nâng cao:
| Nhóm phương pháp | Số lượng bài | Danh sách các bài giảng trực thuộc |
|---|---|---|
| 13.1. Phân rã khoảng cách và phân phối bất bình đẳng | 3 bài giảng | 13.1.1. Phân rã khoảng cách trung bình Blinder–Oaxaca 13.1.2. Hồi quy hàm ảnh hưởng tái tâm cho phân vị không điều kiện và Gini (RIF) 13.1.3. Phân rã phân phối thu nhập kết hợp tái cân bằng và hàm RIF |
3. Danh mục các mô hình kinh tế lượng
Bảng dưới đây đối chiếu toàn bộ 3 bài giảng thuộc chương 13 cùng bộ thư viện thực thi trên Stata 18, R 4.x, Python 3.11+ và các kiểm định chẩn đoán bắt buộc:
| Mã mục | Tên bài giảng | Thư viện thực thi (Stata · R · Python) | Kiểm định chẩn đoán bắt buộc | Dữ liệu thực nghiệm Việt Nam |
|---|---|---|---|---|
| 13.1.1 | Phân rã khoảng cách trung bình Blinder–Oaxaca | oaxaca · oaxaca · Analytical Jann |
Kiểm định Wald ý nghĩa của Total Gap, Explained (Endowments), Unexplained (Coefficients) và Interaction; đóng góp chi tiết từng biến $X_k$ kèm SE chuẩn hóa Yun (2005). | Phân rã chênh lệch tiền lương Giới tính & Thành thị–Nông thôn VHLSS |
| 13.1.2 | Hồi quy hàm ảnh hưởng tái tâm cho phân vị không điều kiện và Gini (RIF) | rifhdreg · rifreg · Firpo–Fortin–Lemieux Kernel-Density RIF transformation |
Mật độ hạt nhân Silverman/Sheather–Jones $\hat{f}_Y(\hat{q}_\tau)$, hiệu ứng phân phối biên không điều kiện (UQE), kiểm định Wald chênh lệch tác động $Q_{90} – Q_{10}$ và hệ số Gini. | Tác động giáo dục đại học lên $Q_{10}, Q_{50}, Q_{90}$ & Gini |
| 13.1.3 | Phân rã phân phối thu nhập kết hợp tái cân bằng và hàm RIF | oaxaca_rif · rifreg + oaxaca · Two-stage IPW-Reweighted + RIF Oaxaca solver |
Kiểm định sai số đặc tả (Specification Error $\approx 0$) và sai số tái cân bằng (Reweighting Error $\approx 0$), bảng đóng góp từng biến vào khoảng cách tại $Q_{10}, Q_{50}, Q_{90}$ & Gini. | Nguyên nhân biến động bất bình đẳng thu nhập Việt Nam qua 10 năm |
4. Quy tắc chọn mô hình và kiểm định
Trước khi công bố kết quả ước lượng thuộc chương 13, nhà nghiên cứu cần thực hiện đầy đủ danh mục kiểm tra học thuật sau (Cameron & Trivedi (2022); Wooldridge (2010); Hansen (2022); Das (2019)):
- Câu hỏi nhận dạng trung tâm: Làm sao để phân rã khoảng cách tiền lương/thu nhập tại trung bình (Blinder–Oaxaca) và tại từng phân vị không điều kiện cũng như hệ số Gini (RIF Regression & RIF-Oaxaca)?
- Hệ thống kiểm định chẩn đoán bắt buộc: Yun Normalized Categorical Invariance Check, Kernel Density Bandwidth Sensitivity, RIF Specification Error & IPW Reweighting Error Tests.
- Suy luận thống kê vững: Luôn kiểm tra cấu trúc phương sai thay đổi, tự tương quan hoặc phụ thuộc cụm để lựa chọn ma trận hiệp phương sai sai số chuẩn phù hợp trên Stata 18, R 4.x và Python 3.11+ (Blinder (1973); Oaxaca (1973); Jann (2008); Firpo, Fortin & Lemieux (2009, 2018); Rios-Avila (2020)).
5. Tài liệu tham khảo
- Blinder, A. S. (1973). Wage discrimination: Reduced form and structural estimates. Journal of Human Resources, 8(4), 436–455.
- Oaxaca, R. (1973). Male-female wage differentials in urban labor markets. International Economic Review, 14(3), 693–709.
- Jann (2008). Econometric specification, identification, and asymptotic inference.
- Firpo, Fortin, & Lemieux (2009, 2018). Econometric specification, identification, and asymptotic inference.
- Rios-Avila (2020). Econometric specification, identification, and asymptotic inference.
- Cameron, A. C., & Trivedi, P. K. (2022). Microeconometrics Using Stata (2nd ed., Vol. 1, Chương 7: Quantile Regression & Distributional Decomposition). Stata Press.
- Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed., Chương 12 & 21: Quantile Estimation and Wage Decomposition). MIT Press.
- Hansen, B. E. (2022). Econometrics (Chương 24: Quantile Regression and Distributional Analysis). Princeton University Press.
- Das, P. (2019). Econometrics in Theory and Practice (Chương 6: Decomposition and Distributional Methods). Springer.
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
← Chương trước: 12. Hệ phương trình đồng thời, hệ cầu, kinh tế lượng Bayes và học máy
→ Nhóm đầu tiên trong chương: 13.1. Phân rã khoảng cách và phân phối bất bình đẳng
→ Bài học đầu tiên trong chương: 13.1.1. Phân rã khoảng cách trung bình Blinder–Oaxaca
→ Chương tiếp theo: 14. Năng suất, biên hiệu quả và hàm sản xuất cấu trúc