13.1. Phân rã khoảng cách và phân phối bất bình đẳng
1. Bản chất học thuật và cấu trúc toán học
Trong phạm vi của chương Phân phối thu nhập và phân rã bất bình đẳng, nhóm phương pháp Phân rã khoảng cách và phân phối bất bình đẳng giải quyết các bài toán thực nghiệm đòi hỏi đặc tả chính xác quá trình sinh dữ liệu và kiểm soát chặt chẽ cấu trúc sai số (Cameron & Trivedi (2022); Wooldridge (2010); Hansen (2022); Das (2019)). Các mô hình trong nhóm 13.1 cùng dựa trên hệ thức cấu trúc nền tảng tại phương trình (1) (Blinder (1973); Oaxaca (1973); Jann (2008); Fortin, Lemieux & Firpo (2011)):
$$\bar{Y}_A – \bar{Y}_B = \underbrace{(\bar{X}_A – \bar{X}_B)^\top \hat{\beta}^\ast}_{\text{Endowments (Explained)}} + \underbrace{\bar{X}_A^\top(\hat{\beta}_A – \hat{\beta}^\ast) + \bar{X}_B^\top(\hat{\beta}^\ast – \hat{\beta}_B)}_{\text{Coefficients (Unexplained)}} \tag{1}$$
Phương trình điều kiện ước lượng và tối ưu hóa của nhóm phương pháp này được xác định tại công thức (2):
$$\Delta_\nu = \nu(F_{Y_A}) – \nu(F_{Y_B}) = \left(\bar{X}_A – \bar{X}_B\right)^\top \hat{\gamma}_\nu^\ast + \bar{X}_A^\top\left(\hat{\gamma}_{\nu,A} – \hat{\gamma}_\nu^\ast\right) + \bar{X}_B^\top\left(\hat{\gamma}_\nu^\ast – \hat{\gamma}_{\nu,B}\right) \tag{2}$$
Sự khác biệt giữa 3 mô hình từ 13.1.1. Phân rã khoảng cách trung bình Blinder–Oaxaca đến 13.1.3. Phân rã phân phối thu nhập kết hợp tái cân bằng và hàm RIF nằm ở giả định về phân phối của thành phần nhiễu, cơ chế nội sinh và ma trận trọng số ước lượng (Blinder (1973); Oaxaca (1973); Jann (2008); Fortin, Lemieux & Firpo (2011); Cameron & Trivedi (2022); Wooldridge (2010); Hansen (2022); Das (2019)).
2. Bảng đối chiếu các mô hình trong nhóm
Bảng dưới đây so sánh trực tiếp bản chất kinh tế lượng, câu lệnh thực thi trên ba phần mềm và kiểm định chẩn đoán của từng bài học trong nhóm 13.1:
| Mã mục | Tên mô hình | Bản chất kinh tế lượng | Cú pháp ước lượng chuẩn (Stata 18 · R 4.x · Python 3.11+) | Kiểm định chẩn đoán bắt buộc |
|---|---|---|---|---|
| 13.1.1 | Phân rã khoảng cách trung bình Blinder–Oaxaca | Phân rã khoảng cách kết quả trung bình $\bar{Y}_A – \bar{Y}_B$ giữa hai nhóm thành phần **giải thích được bởi đặc trưng nguồn lực** (Endowments / Composition effect) và phần **cấu trúc hệ số / đối xử khác biệt** (Coefficients / Unexplained effect) với chuẩn hóa biến phân loại bất biến nhóm cơ sở. | Stata: oaxaca (ssc install oaxaca: oaxaca ln_wage educ exper, by(female) pooled vce(robust))R: oaxaca (oaxaca::oaxaca(ln_wage ~ educ + exper | female, data = df, R = 200))Python: Analytical Jann (2008) Pooled/Neumark Twofold & Threefold Blinder–Oaxaca solver với Delta-method heteroskedasticity/cluster-robust SE cho cả tổng thể và từng biến chi tiết |
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). |
| 13.1.2 | Hồi quy hàm ảnh hưởng tái tâm cho phân vị không điều kiện và Gini (RIF) | Ước lượng tác động biên của một thay đổi nhỏ trong phân phối biến giải thích $X$ lên **phân vị không điều kiện (Unconditional Quantile)**, **hệ số Gini** hoặc **phương sai logarit** của toàn xã hội — khắc phục hạn chế của Quantile Regression cổ điển vốn chỉ đo phân vị *có điều kiện* trong từng nhóm hẹp. | Stata: rifhdreg (ssc install rif: rifhdreg y x1 x2, rif(q(50)) vce(robust) hoặc rif(gini))R: rifreg (rifreg::rifreg(y ~ x1 + x2, data = df, statistic = "quantiles", probs = c(0.1, 0.5, 0.9)))Python: Firpo–Fortin–Lemieux Kernel-Density RIF transformation ($\text{RIF}(y; q_\tau) = q_\tau + \frac{\tau - \mathbb{I}(y \le q_\tau)}{f_Y(q_\tau)}$ & $\text{RIF}(y; \text{Gini})$) + OLS/HDFE + Bootstrap SE |
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. |
| 13.1.3 | Phân rã phân phối thu nhập kết hợp tái cân bằng và hàm RIF | Kết hợp tái cân bằng tỷ trọng phản thực tế (IPW reweighting DiNardo–Fortin–Lemieux) với hồi quy RIF để phân rã sự thay đổi hoặc chênh lệch ở **từng phân vị $Q_{10}\dots Q_{90}$, tỷ số $90/10$ và chỉ số Gini** thành hiệu ứng cơ cấu đặc trưng (Composition) và hiệu ứng cấu trúc trả công (Structure), tách riêng sai số dạng hàm và sai số tái cân bằng. | Stata: oaxaca_rif (ssc install rif: oaxaca_rif y x1 x2, rif(q(90)) by(group) rwlogit(x1 x2))R: rifreg + oaxaca (IPW counterfactual reweighting + two-stage RIF Oaxaca decomposition với bootstrap SE)Python: Two-stage IPW-Reweighted + RIF Oaxaca solver (Pure Composition + Specification Error + Pure Structure + Reweighting Error + Bootstrap covariance) |
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. |
3. Quy tắc lựa chọn mô hình phù hợp
Nhà nghiên cứu có thể áp dụng quy tắc phân nhánh dưới đây để chọn đúng mô hình trong nhóm 13.1 cho dữ liệu thực tế (Cameron & Trivedi (2022); Wooldridge (2010); Hansen (2022); Das (2019)):
- Chọn 13.1.1. Phân rã khoảng cách trung bình Blinder–Oaxaca khi: Nghiên cứu chênh lệch tiền lương theo giới tính, dân tộc, khu vực thành thị – nông thôn, doanh nghiệp FDI – nội địa, hộ nghèo – không nghèo (dữ liệu VHLSS, LFS, điều tra doanh nghiệp). (Kiểm định bắt buộc: 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).).
- Chọn 13.1.2. Hồi quy hàm ảnh hưởng tái tâm cho phân vị không điều kiện và Gini (RIF) khi: Đánh giá chính sách tiền lương tối thiểu, thuế thu nhập, giáo dục đại học, chuyển đổi số tác động thế nào lên nhóm thu nhập thấp nhất ($Q_{10}$), trung vị ($Q_{50}$), nhóm giàu nhất ($Q_{90}$) và bất bình đẳng Gini toàn nền kinh tế. (Kiểm định bắt buộc: 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.).
- Chọn 13.1.3. Phân rã phân phối thu nhập kết hợp tái cân bằng và hàm RIF khi: Phân tích nguyên nhân gia tăng/thu hẹp bất bình đẳng thu nhập qua hai thập kỷ hoặc chênh lệch năng suất ở đuôi trên vs đuôi dưới giữa các khu vực kinh tế. (Kiểm định bắt buộc: 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.).
4. 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). The Blinder–Oaxaca Decomposition. The Stata Journal.
- Fortin, Lemieux, & Firpo (2011). Foundational econometric methodology and empirical inference in Handbook of Labor Economics.
- 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 chủ quản: 13. Phân phối thu nhập và phân rã bất bình đẳng
→ Bài học đầu tiên trong nhóm: 13.1.1. Phân rã khoảng cách trung bình Blinder–Oaxaca