14.1. Biên hiệu quả và năng suất nhân tố tổng hợp (TFP)
- Định danh nhóm bài giảng: Nhóm 14.1. Biên hiệu quả và năng suất nhân tố tổng hợp (TFP) trực thuộc 14. Năng suất, biên hiệu quả và hàm sản xuất cấu trúc.
- Phạm vi mô hình: Quy tụ 4 mô hình kinh tế lượng từ mục 14.1.1 đến mục 14.1.4.
- Cơ sở phương pháp luận: Hệ thống hóa phương trình cấu trúc, phân biệt giả định nhận dạng và cấu trúc sai số chuẩn theo Greene (2019); Cameron & Trivedi (2022); Wooldridge (2010); Baltagi (2021).
- Đối chiếu đa nền tảng: So sánh trực tiếp cú pháp thực thi trên Stata 18, R 4.x và Python 3.11+ theo Aigner, Lovell & Schmidt (1977); Battese & Coelli (1995); Greene (2005); Kumbhakar, Wang & Horncastle (2015).
1. Bản chất học thuật và cấu trúc toán học
Trong phạm vi của chương Năng suất, biên hiệu quả và hàm sản xuất cấu trúc, nhóm phương pháp Biên hiệu quả và năng suất nhân tố tổng hợp (TFP) 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 theo Greene (2019); Cameron & Trivedi (2022); Wooldridge (2010); Baltagi (2021). Các mô hình trong nhóm 14.1 cùng dựa trên hệ thức cấu trúc nền tảng tại phương trình 1 theo Aigner, Lovell & Schmidt (1977); Battese & Coelli (1995); Greene (2005); Kumbhakar, Wang & Horncastle (2015):
$$\ln Y_{it} = X_{it}^\top \beta + v_{it} – u_{it}, \quad v_{it} \sim \mathcal{N}(0, \sigma_v^2), \quad u_{it} \sim \mathcal{N}^+(\mu_{it}, \sigma_u^2), \quad \text{TE}_{it} = \text{E}[\exp(-u_{it}) \mid \varepsilon_{it}] \tag*{[1]}$$
Phương trình điều kiện ước lượng và tối ưu hóa của nhóm phương pháp này được xác định tại công thức 2:
$$\ln Y_{it} = \beta_0 + \beta_K \ln K_{it} + \beta_L \ln L_{it} + \omega_{it} – u_{it} + v_{it}, \quad \widehat{\text{TFP}}_{it} = \exp\left(\ln Y_{it} – \hat{\beta}_K \ln K_{it} – \hat{\beta}_L \ln L_{it}\right) \tag*{[2]}$$
Sự khác biệt giữa 4 mô hình từ 14.1.1. Phân tích biên ngẫu nhiên hàm sản xuất và chi phí (SFA) đến 14.1.4. Ước lượng hàm sản xuất cấu trúc và TFP Ackerberg–Caves–Frazer (ACF) nằm ở giả định về phân phối của thành phần nhiễu, cơ chế nội sinh và ma trận trọng số ước lượng theo Aigner, Lovell & Schmidt (1977); Battese & Coelli (1995); Greene (2005); Kumbhakar, Wang & Horncastle (2015); Greene (2019); Cameron & Trivedi (2022); Wooldridge (2010); Baltagi (2021).
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 14.1:
| 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 |
|---|---|---|---|---|
| 14.1.1 | Phân tích biên ngẫu nhiên hàm sản xuất và chi phí (SFA) | 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 . | Stata: frontier ln_y ln_k ln_l, dist(tnormal) vce(robust)R: frontier::sfa(ln_y ~ ln_k + ln_l, data = df, ineffDecrease = TRUE)Python: scipy.optimize.minimize(sfa_halfnormal_negloglik, theta0, method='BFGS') |
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. |
| 14.1.2 | Phân tích bao dữ liệu và suy luận Bootstrap Simar–Wilson (DEA) | Đo lường hiệu quả kỹ thuật tổng hợp (CRS), hiệu quả kỹ thuật thuần (VRS) 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. | Stata: teradial y = x1 x2, rts(vrs) base(input)R: Benchmarking::dea(X, Y, RTS = 'vrs', ORIENTATION = 'in')Python: scipy.optimize.linprog(c_dea, A_ub=A_dea, b_ub=b_dea, method='highs') |
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. |
| 14.1.3 | Chỉ số năng suất nhân tố tổng hợp liên thời gian Malmquist | 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, Dịch chuyển biên công nghệ và Thay đổi hiệu quả quy mô. | Stata: malmq2 x1 x2 = y, ort(o) fgnzR: Benchmarking::malmquist.components(X, Y, ID = df$id, TIME = df$year)Python: scipy.optimize.linprog(c_malm, A_ub=A_malm, b_ub=b_malm, method='highs') |
Trung bình nhân toàn hệ thống & từng đơn vị cho TFPCH, EFFCH — Catch-up $\gt 1$ , TECHCH — Frontier-shift $\gt 1$ , PECH, SECH; kiểm định bootstrap $H_0: \text{TFPCH} = 1$, cảnh báo LP infeasibility chéo kỳ. |
| 14.1.4 | Ước lượng hàm sản xuất cấu trúc và TFP Ackerberg–Caves–Frazer (ACF) | 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 và bài toán suy biến phụ thuộc hàm của Olley–Pakes / Levinsohn–Petrin. | Stata: prodest ln_va, free(ln_l) state(ln_k) proxy(ln_m) met(acf) id(id) t(year)R: prodest::prodestACF(Y = df$ln_va, fX = df$ln_l, sX = df$ln_k, pX = df$ln_m, idvar = df$id, timevar = df$year)Python: smf.ols('ln_va ~ ln_l + poly_k_m', data=df).fit(cov_type='cluster', cov_kwds={'groups': df['id']}) |
Kiểm định hiệu suất theo quy mô không đổi — $H_0: \beta_l + \beta_k = 1$ , độ bền bỉ Markov AR bậc 1 của TFP $\hat{\rho}_\omega$, Hansen $J$, phân phối $\widehat{\text{TFP}}_{it}$. |
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 14.1 cho dữ liệu thực tế theo Greene (2019); Cameron & Trivedi (2022); Wooldridge (2010); Baltagi (2021):
- Chọn 14.1.1. Phân tích biên ngẫu nhiên hàm sản xuất và chi phí (SFA) 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 bắt buộc: 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 14.1.2. Phân tích bao dữ liệu và suy luận Bootstrap Simar–Wilson (DEA) 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 bắt buộc: 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 14.1.3. Chỉ số năng suất nhân tố tổng hợp liên thời gian Malmquist khi: Chuẩn mực song hành bắt buộc với DEA 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, $X, Y \gt 0$ . — Kiểm định bắt buộc: Trung bình nhân toàn hệ thống & từng đơn vị cho TFPCH, EFFCH — Catch-up $\gt 1$ , TECHCH — Frontier-shift $\gt 1$ , PECH, SECH; kiểm định bootstrap $H_0: \text{TFPCH} = 1$, cảnh báo LP infeasibility chéo kỳ..
- Chọn 14.1.4. Ước lượng hàm sản xuất cấu trúc và TFP Ackerberg–Caves–Frazer (ACF) 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 bắt buộc: Kiểm định hiệu suất theo quy mô không đổi — $H_0: \beta_l + \beta_k = 1$ , độ bền bỉ Markov AR bậc 1 của TFP $\hat{\rho}_\omega$, Hansen $J$, phân phối $\widehat{\text{TFP}}_{it}$..
4. Tài liệu tham khảo
- Aigner, Lovell, & Schmidt(1977). Foundational econometric methodology and empirical inference in Journal of Econometrics.
- Battese, & Coelli(1995). Foundational econometric methodology and empirical inference in Empirical Economics.
- Greene(2005). True FE/RE SFA. Journal of Econometrics.
- Kumbhakar, Wang, & Horncastle(2015). Foundational econometric methodology and empirical inference in Cambridge University Press.
- Greene, W. H.(2019). Econometric Analysis, 8th ed, Chương 19: Stochastic Frontier Analysis and Efficiency Measurement. Pearson.
- Cameron, A. C, & Trivedi, P. K.(2022). Microeconometrics Using Stata, 2nd ed, Vol. 1–2: Structural Production Function and Frontier Estimation. Stata Press.
- Wooldridge, J. M.(2010). Econometric Analysis of Cross Section and Panel Data, 2nd ed, Chương 11: Production Function Control-Function Estimation. MIT Press.
- Baltagi, B. H.(2021). Econometric Analysis of Panel Data, 6th ed, Chương 10: Panel Stochastic Frontier and Productivity. Springer.
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
↑ Chương chủ quản: 14. Năng suất, biên hiệu quả và hàm sản xuất cấu trúc
→ Bài học đầu tiên trong nhóm: 14.1.1. Phân tích biên ngẫu nhiên hàm sản xuất và chi phí (SFA)