Mục tiêu của đề tài là phân tích hiệu quả kỹ thuật, tiến bộ công nghệ, năng suất nhân tố tổng hợp và các khoảng cách công nghệ của các doanh nghiệp Việt Nam. Áp dụng mô hình hàm sản xuất biên ngẫu nhiên (SFA), đường biên sản xuất chung và mô hình hệ số biến đổi ngẫu nhiên (SVFA) trong đo lường hiệu quả, năng suất của các doanh nghiệp và một số ngành kinh tế Việt Nam.
i
Tôi đã đọc và hiểu về các hành vi vi phạm sự trung thực trong học thuật. Tôi
cam kết bằng danh dự cá nhân rằng nghiên cứu này do tôi tự thực hiện và không vi
phạm yêu cầu về sự trung thực trong học thuật.
Hà Nội, ngày.......tháng.....năm 2019
ii
1.1.1. Hiệu quả kỹ thuật, hiệu quả phân bổ, hiệu quả kinh tế và hiệu quả quy mô ........ 7
1.1.2. Cải thiện hiệu quả kĩ thuật (TEC), tiến bộ công nghệ (TC) và tăng trưởng
TFP ........................................................................................................................ 11
1.2.1. Các nghiên cứu nước ngoài ........................................................................ 13
1.2.2. Các nghiên cứu trong nước ......................................................................... 17
2.1.1. Mô hình SFA .............................................................................................. 22
2.1.2. Mô hình Meta Frontier ................................................................................ 23
2.1.3. Mô hình SVFA............................................................................................ 33
2.2.1. Nguồn dữ liệu ............................................................................................. 44
2.2.2. Quy trình xử lý dữ liệu ............................................................................... 45
2.2.3. Biến số trong các mô hình .......................................................................... 46
iii
3.1.1. Thực trạng phát triển theo khu vực doanh nghiệp ...................................... 51
3.1.2. Thực trạng phát triển theo nhóm ngành kinh tế .......................................... 52
3.1.3. Thực trạng phát triển theo quy mô doanh nghiệp ....................................... 54
3.2.1. Năng suất lao động của các doanh nghiệp .................................................. 55
3.2.2. Hiệu suất vốn của các doanh nghiệp ........................................................... 58
3.3.1. Thực trạng phát triển của ngành Dệt may-Da giày giai đoạn 2012-2016 .. 61
3.3.2. Năng suất và hiệu quả hoạt động của ngành Dệt may-Da giày giai đoạn
2012-2016 ............................................................................................................. 66
3.4.1. Thống kê mô tả của các biến trong các khu vực doanh nghiệp Việt Nam . 70
3.4.2. Thống kê mô tả của các biến trong nghành Dệt may-Da giày ................... 72
4.1.1.Kết quả ước lượng bằng mô hình SFA ........................................................ 76
4.1.2. Kết quả ước lượng bằng mô hình meta-frontier ......................................... 85
4.1.3. Kết quả ước lượng bằng mô hình SVFA .................................................... 97
4.2.1. Kết quả ước lượng bằng meta-frontier SFA cho ngành Dệt may-Da giày108
4.2.2 Kết quả ước lượng bằng mô hình SVFA cho ngành Dệt may-Da giày ..... 114
iv
Best Linear Unbiased Estimator Best Practice Gap Change
BPC
Best Practice Gap Data Envelopment Analysis Foreign Direct Investment Gross Domestic Product General Least Squares
BPG DEA FDI GDP GLS
GSO
Kalirajan và Obwona Kiểm định hợp lý tổng quát Phương pháp hợp lý cực đại
K&O LR ML
Phương pháp bình phương tối thiểu Chỉ số năng lực cạnh tranh cấp tỉnh
OLS PCI
PE ROA ROE SE SFA SVFA
Hiệu quả kỹ thuật thuần Thu nhập ròng/ tổng tài sản Thu nhập ròng/ vốn chủ sở hữu Hiệu quả quy mô Phân tích biên ngẫu nhiên Phân tích biên với hệ số biến đổi ngẫu nhiên Tiến bộ công nghệ Hiệu quả kỹ thuât Cải thiện hiệu quả kỹ thuật Năng suất nhân tố tổng hợp Thay đổi khoảng cách công nghệ Tỷ suất khoảng cách công nghệ
General Statistics Office of Vietnam Kalirajan and Obwona Likelihood Ratio test Maximum Likelihood approach Ordinary Least Squares Provincial Competitiveness Index Pure Technical Efficiency Return On Assets ratio Return On Equity ratio Scale Efficiency Stochastic Frontier Analysis Stochastic Varying Coefficience Frontier Analysis Technical Change Technical Efficiency Technical Efficiency Change Total Factor Productivity Technology Gap Change Technology Gap Ratio
TC TE TEC TFP TGC TGR
v
Bảng 3.1: Cơ cấu của các doanh nghiệp nhỏ, vừa và lớn giai đoạn 2012-2016 . 50
Bảng 3.2: Các đầu vào và kết quả hoạt động của các doanh nghiệp nhỏ, vừa
và lớn giai đoạn 2012-2016 ................................................................ 50
Bảng 3.3: Các đầu vào và kết quả hoạt động của các doanh nghiệp nhỏ, vừa
và lớn theo loại hình sở hữu ............................................................... 52
Bảng 3.4: Các đầu vào và kết quả hoạt động của các doanh nghiệp nhỏ, vừa
và lớn theo nhóm ngành kinh tế .......................................................... 53
Bảng 3.5: Các đầu vào và kết quả hoạt động của các doanh nghiệp nhỏ, vừa
và lớn theo quy mô doanh nghiệp ....................................................... 54
Bảng 3.6: Năng suất lao động của các doanh nghiệp nhỏ, vừa và lớn giai
đoạn 2012-2016 .................................................................................. 56
Bảng 3.7: Tỷ lệ các doanh nghiệp có ROA, ROE dương trong các doanh
nghiệp nhỏ, vừa và lớn giai đoạn 2012-2016 ..................................... 59
Bảng 3.8: Cơ cấu của các doanh nghiệp nhỏ, vừa và lớn trong ngành Dệt
may-Da giày giai đoạn 2012-2016 ...................................................... 62
Bảng 3.9: Các đầu vào và kết quả hoạt động của các doanh nghiệp nhỏ, vừa
và lớn trong ngành Dệt may-Da giày giai đoạn 2012-2016 ............... 63
Bảng 3.10: Các đầu vào và kết quả hoạt động của các doanh nghiệp Dệt may-
Da giày nhỏ, vừa và lớn theo loại hình sở hữu. ................................. 64
Bảng 3.11: Các đầu vào và kết quả hoạt động của các doanh nghiệp Dệt may-
Da giày nhỏ, vừa và lớn theo quy mô doanh nghiệp .......................... 65
Bảng 3.12: Năng suất lao động ngành Dệt may-Da giày giai đoạn 2012-2016 .... 66
Bảng 3.13: Tỷ lệ các doanh nghiệp có ROA, ROE dương của ngành Dệt may-
Da giày giai đoạn 2012-2016 .............................................................. 68
Bảng 3.14: Thống kê mô tả về các đầu vào và đầu ra của các doanh nghiệp
Việt Nam giai đoạn 2012-2016 ........................................................... 70
Bảng 3.15: Thống kê mô tả về các đầu vào và đầu ra của ba khu vực doanh
nghiệp Việt Nam giai đoạn 2012-2016 ............................................... 71
Bảng 3.16: Thống kê mô tả về các đầu vào và đầu ra của các doanh nghiệp
Dệt may-Da giày giai đoạn 2012-2016 ............................................... 73
Bảng 3.17: Thống kê mô tả về các đầu vào và đầu ra của các doanh nghiệp
Dệt may-Da giày theo khu vực doanh nghiệp giai đoạn 2012-2016 .. 74
vi
Bảng 4.1: Kết quả ước lượng hàm sản xuất biên và mô hình phi hiệu quả kỹ
thuật của các doanh nghiệp Việt Nam giai đoạn 2012-2016 theo
mô hình SFA ....................................................................................... 79
Bảng 4.2: Các kiểm định giả thuyết cho các tham số về sự ảnh hưởng của phi
hiệu quả kỹ thuật (uit) .......................................................................... 80
Bảng 4.3: Phân phối hiệu quả kỹ thuật của các doanh nghiệp Việt Nam giai
đoạn 2012-2016 theo mô hình SFA ................................................... 83
Bảng 4.4: Ước lượng TEC, TC và tăng trưởng TFP của các doanh nghiệp
Việt Nam giai đoạn 2012-2016 theo mô hình SFA ............................ 84
Bảng 4.5: Kết quả ước lượng đường biên nhóm và mô hình phi hiệu quả kỹ
thuật trong nhóm của các doanh nghệp Việt Nam giai đoạn 2012-
2016 ..................................................................................................... 87
Bảng 4.6: Kết quả ước lượng đường biên bằng SFA và Meta-frontier SFA
của các doanh nghiệp Việt Nam giai doạn 2012-2016 ....................... 90
Bảng 4.7: Hiệu quả kỹ thuật và tỷ suất khoảng cách công nghệ của các khu
vực doanh nghiệp Việt Nam giai đoạn 2012-2016 ............................. 91
Bảng 4.8: Giá trị thống kê của tỷ suất khoảng cách công nghệ (TGR) của các
khu vực doanh nghiệp Việt Nam giai đoạn 2012-2016 ...................... 92
Bảng 4.9: Thay đổi hiệu quả kỹ thuật và năng suất nhân tố tổng hợp của các
khu vực doanh nghiệp Việt Nam giai đoạn 2012-2016 ...................... 93
Bảng 4.10: Tăng trưởng TFP của các khu vực doanh nghiệp Việt Nam giai
đoạn 2012-2016 .................................................................................. 94
Bảng 4.11: Chỉ số năng suất Malquist TFP toàn cục của các khu vực doanh
nghiệp Việt Nam giai đoạn 2012-2016 ............................................... 96
Bảng 4.12: Tổng hợp kết quả tỷ suất khoảng cách công nghệ (TGR) của các
khu vực doanh nghiệp Việt Nam giai đoạn 2012-2016 ...................... 97
Bảng 4.13: Giá trị Chi_Square của kiểm định Breusch-Pagan ............................. 99
Bảng 4.14: Hệ số ước lượng trung bình và hệ số biên của hàm sản xuất theo
K&O .................................................................................................... 99
Bảng 4.15: Phân phối hiệu quả kỹ thuật của các doanh nghiệp Việt Nam giai
đoạn 2012-2016, tính theo mô hình SVFA của K&O ...................... 100
Bảng 4.16: Ước lượng hiệu quả kỹ thuật trong các khu vực doanh nghiệp Việt
Nam giai đọan 2012-2016 theo K&O ............................................... 101
vii
Bảng 4.17: Ước lượng hiệu quả kỹ thuật trong các khu vực doanh nghiệp và
các ngành kinh tế Việt Nam giai đọan 2012-2016 theo K&O .......... 102
Bảng 4.18: Các biến số trong mô hình các nhân tố tác động đến TE của doanh
nghiệp ................................................................................................ 105 Bảng 4.19: Kết quả ước lượng các nhân tố tác động đến hiệu quả kỹ thuật ....... 106 Bảng 4.20: Kết quả ước lượng đường biên nhóm và mô hình phi hiệu quả kỹ thuật trong nhóm của ngành Dệt may-Da giày Việt Nam giai đoạn 2012-2016 ......................................................................................... 108
Bảng 4.21: Kết quả ước lượng đường biên bằng SFA và Meta-frontier SFA của các doanh nghiệp Dệt may-Da giày Việt Nam giai đoạn 2012- 2016 ................................................................................................... 110
Bảng 4.22: Hiệu quả kỹ thuật và tỷ suất khoảng cách công nghệ của các khu vực doanh nghiệp Dệt may-Da giày Việt Nam giai đoạn 2012- 2016 ................................................................................................... 111
Bảng 4.23: Giá trị thống kê của tỷ suất khoảng cách công nghệ (TGR) của các
khu vực doanh nghiệp Dệt may-Da giày Việt Nam giai đoạn 2012- 2016 ................................................................................................... 112
Bảng 4.24: Thay đổi hiệu quả kỹ thuật và năng suất nhân tố tổng hợp của các khu vực doanh nghiệp Dệt may-Da giày Việt Nam giai đoạn 2012-
2016 ................................................................................................... 113
Bảng 4.25: Hệ số ước lượng trung bình và hệ số biên của hàm sản xuất trong
ngành Dệt may-Da giày theo mô hình của K&O .............................. 115
Bảng 4.26: Phân phối hiệu quả kỹ thuật của ngành Dệt may-Da giày Việt Nam
giai đoạn 2012-2016, tính theo mô hình SVFA của K&O ............... 115
Bảng 4.27: Ước lượng hiệu quả kỹ thuật trong các khu vực doanh nghiệp Dệt may-Da giày Việt Nam giai đọan 2012-2016, tính theo mô hình
SVFA của K&O ................................................................................ 117
Bảng 4.28: Ước lượng hiệu quả kỹ thuật theo quy mô doanh nghiệp của ngành Dệt may-Da giày Việt Nam giai đọan 2012-2016, tính theo mô
hình SVFA của K&O ........................................................................ 118
viii
Hình 2.1: Hiệu quả kỹ thuật, tỷ lệ khoảng cách công nghệ trong mô hình
đường biên sản xuất chung ................................................................. 25
Hình 2.2: Đường biên sản xuất chung và chỉ số năng suất nhân tố tổng hợp
Malmquist toàn cục ............................................................................. 30
Hình 3.1: Năng suất lao động theo khu vực doanh nghiệp giai đoạn 2012-
2016 ..................................................................................................... 56
Hình 3.2: Năng suất lao động theo nhóm ngành kinh tế giai đoạn 2012-2016 .. 57 Hình 3.3: Năng suất lao động theo quy mô doanh nghiệp giai đoạn 2012-
2016 ..................................................................................................... 58
Hình 3.4: Tỷ lệ các doanh nghiệp có ROA và ROE dương theo khu vực
doanh nghiệp giai đoạn 2012-2016 ..................................................... 59
Hình 3.5: Tỷ lệ các doanh nghiệp có ROA và ROE dương theo nhóm ngành
kinh tế giai đoạn 2012-2016 ............................................................... 60
Hình 3.6: Tỷ lệ các doanh nghiệp có ROA và ROE dương theo quy mô
doanh nghiệp giai đoạn 2012-2016 ..................................................... 61
Hình 3.7: Năng suất lao động ngành Dệt may-Da giày theo khu vực doanh
nghiệp giai đoạn 2012-2016................................................................ 66
Hình 3.8: Năng suất lao động ngành Dệt may-Da giày theo quy mô doanh
nghiệp giai đoạn 2012-2016................................................................ 67
Hình 3.9: Tỷ lệ các doanh nghiệp Dệt may-Da giày có ROA và ROE dương
theo khu vực doanh nghiệp giai đoạn 2012-2016 ............................... 68
Hình 3.10: Tỷ lệ các doanh nghiệp Dệt may-Da giày có ROA và ROE dương
theo nhóm ngành kinh tế giai đoạn 2012-2016 ................................... 69
Hình 3.11: Giá trị gia tăng trên vốn và trên lao động của các khu vực doanh
nghiệp Việt Nam giai đoạn 2012-2016 ............................................... 72
Hình 4.1: Biểu đồ Histogram và mật độ Kernel về hiệu quả kỹ thuật của các
doanh nghiệp Việt Nam giai đoạn 2012-2016 theo mô hình SFA ..... 83
Hình 4.2. TEC, TC và tăng trưởng TFP cộng dồn của các doanh nghiệp Việt
Nam giai đoạn 2012-2016 theo mô hình SFA ................................... 84
ix
Hình 4.3. Biểu đồ Histogram và mật độ Kernel về hiệu quả kỹ thuật của các
doanh nghiệp Việt Nam đối với đường biên sản xuất chung giai đoạn 2012-2016 .................................................................................. 91
Hình 4.4: Biểu đồ Histogram và mật độ Kernel về tỷ suất khoảng cách công nghệ (TGR) của các khu vực doanh nghiệp Việt Nam giai đoạn 2012-2016 ........................................................................................... 92
Hình 4.5: Tăng trưởng TFP cộng dồn của các doanh nghiệp Việt Nam giai
đoạn 2012-2016 .................................................................................. 95
Hình 4.6: Biểu đồ Histogram và mật độ Kernel về hiệu quả kỹ thuật của các doanh nghiệp Việt Nam giai đoạn 2012-2016, tính theo mô hình SVFA của K&O ................................................................................ 100
Hình 4.7: Biểu đồ Histogram và mật độ Kernel về tỷ suất khoảng cách công nghệ (TGR) của các khu vực doanh nghiệp Dệt may-Da giày Việt Nam giai đoạn 2012-2016 ................................................................. 112
Hình 4.8: Biểu đồ Histogram và mật độ Kernel về hiệu quả kỹ thuật của ngành
Dệt may-Da giày Việt Nam giai đoạn 2012-2016, tính theo mô hình SVFA của K&O ........................................................................ 116
Hình 4.9: Biểu đồ Histogram và mật độ Kernel về hiệu quả kỹ thuật của các khu vực doanh nghiệp Dệt may-Da giày Việt Nam giai đoạn 2012-
2016, tính theo mô hình SVFA của K&O ........................................ 117
Hình 4.10: Biểu đồ Histogram và mật độ Kernel về hiệu quả kỹ thuật theo quy mô doanh nghiệp của ngành Dệt may-Da giày Việt Nam giai đoạn
2012-2016, tính theo mô hình SVFA của K&O ............................... 118
1
Văn kiện Đại hội XII của Đảng xác định phương hướng tiếp tục đổi mới mô hình tăng trưởng kinh tế theo hướng kết hợp có hiệu quả cao hơn cả sự phát triển kinh tế theo chiều rộng và sự phát triển kinh tế theo chiều sâu: “Mô hình tăng trưởng trong thời gian tới kết hợp có hiệu quả phát triển chiều rộng với chiều sâu,
chú trọng phát triển chiều sâu, nâng cao chất lượng tăng trưởng và sức cạnh tranh trên cơ sở nâng cao năng suất lao động, ứng dụng tiến bộ khoa học-công nghệ, đổi mới và sáng tạo, nâng cao chất lượng nguồn nhân lực, phát huy lợi thế so sánh và chủ động hội nhập quốc tế, phát triển nhanh và bền vững”.
Nhằm thực hiện thắng lợi nghị quyết của Đảng, hiện nay cả nước đang thực hiện chuyển đổi mô hình tăng trưởng. Điều này đặt ra các vấn đề liên quan đến chất lượng tăng trưởng, nâng cao năng suất và đổi mới thể chế. Để có thể đưa ra các giải pháp cho các vấn đề trên đỏi hỏi chúng ta phải đánh giá lại chất lượng tăng trưởng.
Một trong những tiêu chí “đánh giá chất lượng tăng trưởng là hiệu quả và năng suất của các doanh nghiệp trong nền kinh tế. Có nhiều phương pháp khác nhau về mặt lý thuyết để làm điều này. Lý thuyết về đo lường hiệu quả và năng suất trên
thế giới thường sử dụng một số phương pháp như: Phương pháp ước lượng hàm sản xuất gộp và hạch toán tăng trưởng của Solow (1957); Phương pháp bao dữ liệu được gợi ý bởi Farrell (1957); Phương pháp bán tham số được đề xuất bởi Olley và
Pakes (1996) và được Levinsohn và Petrin (2003) phát triển; Và một số phương pháp tham số như: Phương pháp hàm sản xuất biên ngẫu nhiên được đưa ra lần đầu bởi Aigner và Chu (1968); Phương pháp đường biên sản xuất chung (meta-frontier) được Battese và cộng sự (2002, 2004) đưa ra và được O’Donnell và cộng sự (2008) phát triển; Phương pháp hệ số biến đổi ngẫu nhiên được đề xuất lần đầu bởi Kalirajan và Obwona (1994)” vv…
Trong “những năm qua việc đo lường mức hiệu quả kỹ thuật (TE) của các
doanh nghiệp, các ngành kinh tế ở Việt Nam chủ yếu thực hiện bởi hai phương pháp tham số và phi tham số. Phương pháp phi tham số thường được áp dụng là phương pháp bao dữ liệu (DEA) và phương pháp tham số được áp dụng phổ biến là phương pháp hàm sản xuất biên ngẫu nhiên (SFA). Các kết quả của DEA thường
nhạy cảm với các quan sát trội và không tính đến ảnh hưởng của nhiễu thống kê. Trong khi đó, nhược điểm của SFA là việc giả định các doanh nghiệp có cùng tham
2
số công nghệ ở mỗi thời kỳ có thể dẫn đến các ước lượng chệch về năng suất. Các
hệ số phản ứng trong ước lượng bằng SFA là các hệ số trung bình do đó không phản ánh được tầm quan trọng của từng yếu tố đầu vào của mỗi doanh nghiệp, của mỗi ngành kinh tế. Hơn nữa các hệ số ước lượng khá nhạy cảm với giả định về phân phối của nhiễu thống kê.”
Ngoài ra, “có rất nhiều nhân tố tác động đến hiệu quả và năng xuất của doanh nghiệp. Bao gồm các nhân tố thuộc đặc tính của doanh nghiệp, các nhân tố thuộc thể chế môi trường kinh doanh và môi trường vĩ mô. Việc đánh giá tác động của nhóm các
nhân tố thuộc đặc tính của doanh nghiệp đến hiệu quả, năng suất là cần thiết để giúp các doanh nghiệp cải thiện hiệu quả và năng suất. Tuy nhiên, ngay cả khi các doanh nghiệp cải thiện được các nhân tố nội tại cũng không đưa hiệu quả đạt mức tối ưu. Do đó, việc cải cách môi trường kinh doanh và môi trường vĩ mô đóng vai trò quan trọng nhằm nâng cao hơn nữa hiệu quả và năng suất của doanh nghiệp.”
doanh nghiệp Việt Nam giai đoạn 2012-2016. Bên cạnh đó đề tài sẽ phân tích tác động của các nhân tố thuộc đặc tính của doanh nghiệp và các nhân tố thuộc thể chế môi trường kinh doanh đến hiệu quả kỹ thuật của các doanh nghiệp. Từ việc áp dụng một số mô hình khác nhau, đề tài sẽ có các phân tích so sánh giữa các mô
hình, từ đó có các phân tích về hiệu quả và năng suất của các doanh nghiệp Việt Nam một cách toàn diện, qua đó đánh giá chính xác hơn chất lượng tăng trưởng kinh tế của Việt Nam. Điều này đóng góp những thông tin quan trọng cho các nhà hoạch định chính sách để định hướng đúng mô hình tăng trưởng, giúp nền kinh tế Việt Nam tăng trưởng nhanh” và bền vững.
• Phân tích “hiệu quả kỹ thuật, tiến bộ công nghệ, năng suất nhân tố tổng hợp và khoảng cách công nghệ của các doanh nghiệp Việt Nam. Áp dụng các mô hình hàm sản suất biên ngẫu nhiên (SFA), đường biên sản xuất chung (meta- frontier) và
mô hình hệ số biến đổi ngẫu nhiên (SVFA) trong đo lường hiệu quả, năng suất của các doanh nghiệp và một số ngành kinh tế” Việt Nam.
3
• Phân tích các nhân tố ảnh hưởng đến hiệu quả kỹ thuật của các doanh
nghiệp Việt Nam.
Mục tiêu nghiên cứu của đề tài được cụ thể hóa bằng các câu hỏi nghiên
cứu sau:
1. Những mô hình tham số phổ biến nào trên thế giới hiện nay dùng để đo lường, phân tích hiệu quả kỹ thuật và năng suất nhân tố tổng hợp của các doanh nghiệp?
2. Những mô hình tham số này phù hợp như thế nào trong việc đo lường phân tích hiệu quả kỹ thuật, tiến bộ công nghệ, khoảng cách công nghệ và năng suất nhân tố tổng hợp của các doanh nghiệp Việt Nam?
• Đối tượng nghiên cứu
Đối tượng nghiên cứu của luận án là hiệu quả và năng suất của các doanh nghiệp Việt Nam. Tuy nhiên hiệu quả và năng suất là các khái niệm rộng, do đó luận án chỉ tập chung vào việc phân tích hiệu quả kỹ thuật và năng suất các nhân tố tổng hợp của các doanh nghiệp.
• Phạm vi nghiên cứu
Phạm vi nghiên cứu của luận án là các doanh nghiệp Việt Nam, lựa chọn phân tích cho các doanh nghiệp nhỏ, vừa và doanh nghiệp lớn (Theo nghị định 56/2009/NĐ-CP của chính phủ), dữ liệu của các doanh nghiệp siêu nhỏ không được
đưa vào các mô hình. Bên cạnh đó, luận án lựa chọn phân tích riêng cho ngành Dệt may-Da giày. Thời kỳ nghiên cứu của luận án là 05 năm, từ 2012 đến 2016.
Luận án chọn “phạm vi nghiên cứu như trên vì các doanh nghiệp nhỏ, vừa và doanh nghiệp lớn là xương sống của nền kinh tế, chiếm trên 80% về tổng số lao
động và trên 70% tổng số vốn đầu tư của toàn bộ các doanh nghiệp Việt Nam. Hơn nữa, thời kỳ lựa chọn nghiên cứu 2012-2016 là thời kỳ mà các doanh nghiệp Việt Nam chịu nhiều ảnh hưởng sau cuộc khủng hoảng tài chính của thế giới 2008-2010”.
Khi phân tích hiệu quả, năng suất mà gộp chung cho tất cả các doanh nghiệp
sẽ có những khác biệt lớn về công nghệ sản suất giữa các doanh nghiệp ở các ngành
kinh tế khác nhau. “Điều này có thể dẫn đến các kết quả ước lượng còn hạn chế
trong việc diễn giải. Do đó, luận án lựa chọn phân tích riêng cho nhóm ngành Dệt
may-Da giày để thấy được sự khác biệt về hiệu quả kỹ thuật, năng suất nhân tố tổng
4
hợp và khoảng cách công nghệ giữa các doanh nghiệp trong nhóm ngành có công
nghệ sản xuất tương đối giống nhau. Luận án lựa chọn phân tích cho ngành Dệt
may-Da giày vì ngành này đang là lợi thế của các doanh nghiệp Việt Nam, với quy
mô hơn 6000 doanh nghiệp, tạo việc làm cho hơn 2.5 triệu lao động, tổng vốn đầu
tư gần 700 nghìn tỷ đồng và kim ngạch xuất khẩu trong năm 2016 đạt khoảng hơn
28,5 tỷ USD”. Ngành Dệt may-Da giày hiện nay chiếm tỷ lệ lớn về vốn và lao động
trong các ngành kinh tế, mang lại giá trị xuất khẩu cao và có sự phát triển mạnh mẽ
trong những năm gần đây.
Để giải quyết các mục tiêu đặt ra, luận án sử dụng các mô hình tham số: “Mô
hình hàm sản xuất biên ngẫu nhiên và phi hiệu quả kỹ thuật của Battese và Coelli
(1992, 1995), mô hình đường biên sản xuất chung (meta-frontier) được Battese và
cộng sự (2002, 2004) đưa ra và được O’Donnell và cộng sự (2008) phát triển, mô
hình hệ số biến đổi ngẫu nhiên được đề xuất bởi Kalirajan và Obwona (1994). Bên
cạnh đó luận án cũng áp dụng mô hình chỉ số năng suất nhân tố Malmquist toàn cục
do Pastor và Lovell (2005) xây dựng và được Oh và Lee (2010) phát triển để có các
phân tích” so sánh.
Dữ liệu sử dụng trong tính toán và xây dựng mô hình là dữ liệu thu thập từ
điều tra doanh nghiệp hàng năm của tổng cục thống kê (GSO), dữ liệu điều tra năng
lực cạnh tranh cấp tỉnh (PCI). Nghiên cứu sử dụng dữ liệu cho 5 năm gần đây, từ
năm 2012 đến 2016.
Luận án sử dụng “các mô hình tham số để ước lượng hàm sản xuất, hiệu quả
và năng suất của các doanh nghiệp Việt Nam. Bên cạnh sự kế thừa từ các nghiên
cứu trước đây ở Việt Nam, luận án đã khắc phục một số hạn chế cũng như áp dụng
mô hình mới trong ước lượng hiệu quả kỹ thuật của các doanh nghiệp Việt Nam. Cụ
thể, luận án đã có những đóng góp về mặt lý luận và thực tiễn” như sau:
Về mặt lý luận: Luận án đã có những phân tích “về cơ sở lý thuyết và thực
nghiệm của một số mô hình tham số điển hình (SFA, Meta-frontier và SVFA) trong
đo lường hiệu quả và năng xuất. Thông qua các mô hình, luận án đã phân tích thực
nghiệm về hiệu quả kỹ thuật, tiến bộ công nghệ, khoảng cách công nghệ và năng
suất nhân tố tổng hợp của các doanh nghiệp Việt Nam” giai đoạn 2012-2016.
5
Luận án là “nghiên cứu thực nghiệm đầu tiên áp dụng mô hình SVFA để ước
lượng hiệu quả kỹ thuật cho các doanh nghiệp Việt Nam. Qua đó, luận án đã thiết lập đầy đủ các thủ tục ước lượng cho hệ số trung bình và hệ số biên của hàm sản xuất. Từ đó có được ước lượng của hiệu quả kỹ thuật trong mô hình SVFA với dữ liệu” cắt ngang.
Hơn nữa, ngoài việc phân tích tác động của các nhân tố thuộc đặc tính doanh nghiệp đến hiệu quả kỹ thuật như các nghiên cứu trước đây. Luận án đã đưa vào phân tích tác động của các nhân tố thuộc thể chế môi trường kinh doanh tới hiệu quả kỹ thuật của các doanh nghiệp.
Về mặt thực tiễn: Luận án có khung lý thuyết vững chắc, sử dụng các mô hình tham số và dạng hàm sản xuất Cobb-Douglas, với bộ dữ liệu điều tra doanh nghiệp của GSO và bộ dữ liệu PCI để ước lượng hiệu quả và năng suất cho các doanh nghiệp Việt Nam giai đoạn 2012-2016.
Bằng chứng thực nghiệm từ các mô hình đối với các “doanh nghiệp Việt Nam giai đoạn 2012-2016 cho thấy: Hiệu quả kỹ thuật của các doanh nghiệp Việt Nam
trong giai đoạn này còn thấp (57.29% trong mô hình SFA và 43.5% trong mô hình SVFA). Dư địa về hiệu quả kỹ thuật trong các doanh nghiệp còn nhiều, đặc biệt là dư địa về hiệu quả kỹ thuật đối với đường biên sản xuất chung. Tăng trưởng năng suất
nhân tố tổng hợp của các doanh nghiệp trong giai đoạn này còn chưa cao (5.6% trong mô hình SFA và 4.57% trong mô hình meta-frontier SFA). Các nhân tố đóng góp chính vào thay đổi TFP là tiến bộ công nghệ (trong mô hình SFA) và cải thiện hiệu quả kỹ thuật trong mỗi khu vực doanh nghiệp (trong mô hình meta-frontier SFA). Tồn tại khoảng cách công nghệ giữa các khu vực doanh nghiệp Việt Nam. Trong đó khu vực doanh nghiệp FDI có công nghệ sản xuất tốt nhất và khu vực doanh nghiệp tư nhân có công nghệ sản xuất lạc hậu nhất. Sự thay đổi khoảng cách công nghệ đang
suy giảm cho thấy khoảng cách công nghệ giữa các doanh nghiệp ngày càng rộng và sự suy giảm đó là nguyên nhân kìm hãm” tăng trưởng TFP.
Đối với ngành Dệt may-Da giày nói riêng, kết quả ước lượng cho thấy: Điểm
hiệu quả kỹ thuật trung bình đối với mô hình SVFA đạt 43.2% trong giai đoạn 2012-2016. Tồn tại khoảng cách công nghệ giữa các khu vực doanh nghiệp Dệt may-Da giày nhà nước, tư nhân và FDI, “trong đó khu vực Dệt may-Da giày FDI có công nghệ sản xuất tốt nhất. Tuy nhiên, sự thay đổi khoảng cách công nghệ của cả
ba khu vực doanh nghiệp Dệt may-Da giày đều tăng, do đó khoảng cách công nghệ
6
giữa các doanh nghiệp đang được thu hẹp. Năng suất nhân tố tổng hợp của ngành Dệt
may-Da giày tăng trung bình 14% năm. Đặc biệt cả ba thành phần trong TFP của ngành Dệt may-Da giày là cải thiện hiệu quả kỹ thuật (TEC), thay đổi khoảng cách công nghệ (TGC) và tiến bộ công nghệ (TC) đều có tăng trưởng tích cực và thành phần đóng góp lớn nhất vào tăng trưởng TFP của ngành là tiến bộ” công nghệ (TC).
Khi phân tích sự tác động của các nhân tố đến hiệu quả kỹ thuật, kết quả cho thấy: Các nhân tố thuộc đặc tính của doanh nghiệp đều có tác động lên TE. Trong đó, đối với nhân tố vùng miền thì các doanh nghiệp vùng Đông Nam bộ và Đồng bằng
sông Cửu Long có hiệu quả kỹ thuật cao hơn. Đối với nhân tố hình thức sở hữu thì khu vực doanh nghiệp FDI có TE tốt nhất. Về quy mô, các doanh nghiệp lớn có TE tốt hơn các doanh nghiệp nhỏ và vừa. Và các nhân tố “Doanh nghiệp nằm trong khu công nghiệp, khu chế xuất”, “Doanh nghiệp có tham gia thương mại quốc tế” đều có tác động thuận chiều lên TE của doanh nghiệp. Còn đối với nhóm nhân tố thuộc thể chế môi trường kinh doanh thì cả hai nhân tố “Gia nhập thị trường” và “Hỗ trợ doanh nghiệp” đều có tác động tích cực đến hiệu quả kỹ thuật của các doanh nghiệp.
Trên cơ sở kết quả ước lượng từ các mô hình kinh tế lượng và sự phân tích so sánh giữa các mô hình của luận án, sẽ gợi ý cho các nhà hoạch định chính sách đưa ra hệ thống giải pháp để nâng cao hiệu quả và năng suất của các doanh nghiệp Việt Nam, góp phần tích cực đến tăng trưởng kinh tế.
Ngoài các phần mở đầu, kết luận, tài liệu tham khảo và phụ lục, luận án bao
gồm 04 chương:
Chương 1: Cơ sở lý thuyết và tổng quan nghiên cứu
Chương 2: Phương pháp nghiên cứu
Chương 3: Thực trạng về hiệu quả và năng suất của các doanh nghiệp
Việt Nam
Chương 4: Ước lượng hiệu quả kỹ thuật và năng suất nhân tố tổng hợp bằng
phương pháp tham số
7
Trong chương này, luận án trình bày các khái niệm về hiệu quả kỹ thuật và năng suất nhân tố tổng hợp cũng như việc đo lường chúng làm cơ sở lý luận cho các mô hình ước lượng tham số. Đồng thời, luận án trình bày tổng quan các nghiên cứu trong và ngoài nước về hiệu quả kỹ thuật, năng suất nhân tố tổng hợp và tổng quan nghiên cứu về các nhân tố tác động đến hiệu quả kỹ thuật.
Theo Nguyễn Khắc Minh (2004) thì “hiệu quả-efficiency” trong kinh tế được
định nghĩa là “mối tương quan giữa đầu vào các yếu tố khan hiếm với đầu ra hàng hóa và dịch vụ” và “khái niệm hiệu quả được dùng để xem xét các tài nguyên được các thị trường phân phối tốt như thế nào”. Như vậy, hiệu quả thể hiện mối tương quan giữa lượng đầu ra thu được so với lượng đầu vào cần thiết để sản xuất ra lượng
đầu ra đó, nó phản ánh mức độ thành công mà doanh nghiệp đạt được trong việc phân bổ các đầu vào được sử dụng và các đầu ra được sản xuất nhằm đáp ứng một mục tiêu nào đó.
Farell (1957) trong quá trình đánh giá nguồn gốc dẫn đến sự khác biệt trong
năng suất nhân tố tổng hợp đã phân chia hiệu quả của doanh nghiệp thành hai thành phần là hiệu quả kỹ thuật (TE) và hiệu quả kinh tế. Hiệu quả kỹ thuật là “khả năng cực tiểu hóa sử dụng đầu vào để sản xuất một véc tơ đầu ra cho trước, hoặc khả
năng thu được đầu ra cực đại từ một véc tơ đầu vào cho trước”, nó phản ánh các doanh nghiệp cố gắng tránh lãng phí bằng việc sử dụng kết hợp tối ưu các yếu tố sản xuất. Còn hiệu quả kinh tế là “khả năng cho biết kết hợp các nhân tố đầu vào cho phép tối thiểu hóa chi phí để sản xuất ra một sản lượng nhất định”. Ở đây mục
tiêu của các doanh nghiệp đỏi hỏi sản xuất đầu ra với chi phí tối thiểu, hoặc sử dụng các đầu vào hiện có nhằm tối đa hóa doanh thu, hoặc phân bổ đầu vào và đầu ra để tối đa hóa lợi nhuận.
Mặc dù khái niệm hiệu quả kỹ thuật ra đời trong thời kỳ kinh tế học tân cổ điển, nhưng không quan tâm đến đo lường nó. Điều này được giải thích bởi lý thuyết sản xuất tân cổ điển luôn giả định đạt hiệu quả kỹ thuật tối đa. Nhưng Leibenstein (1966) đã chỉ ra những vấn đề tồn tại giữa các giả định lý thuyết này và
8
thực tế thực nghiệm. Điều này dẫn đến việc cần thiết trong đo lường mức hiệu quả
kỹ thuật của các doanh nghiệp, các ngành kinh tế.
Khái niệm cơ bản làm cơ sở cho việc đo lường hiệu quả kỹ thuật 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. Bốn mô hình cung cấp bốn công cụ khác nhau để đo lường hiệu quả kỹ thuật. Mặc dù các phân tích dựa trên các mô hình này xuất hiện những khác biệt, nhưng chúng được tiếp cận cơ bản giống nhau.
Q
P’ B Q1 P F’
A1 P’ Q2 A’ D Q4 P C Q3
F
A
O I1 I I2 I3
đầu ra Q1 sẽ có lợi nhuận tối đa là
Trong lý thuyết tân cổ điển, tất cả các doanh nghiệp hoạt động ở hiệu quả kỹ thuật tiềm năng tại các điểm dọc theo biên FF’ (Hình 1.1). Do đó, nếu một doanh nghiệp đang hoạt động trên biên FF’ của nó, thì điểm hiệu quả kinh tế của nó có thể là B, điểm tiếp xúc với đường giá của nó. Nếu nó hoạt động ở B, với đầu vào I1 và 1π và đạt hiệu quả kinh tế tối đa. Cần lưu ý rằng,
các doanh nghiệp được đề cập đến ở đây đang hoạt động trên các đường biên kỹ thuật của chúng nên hiệu quả phân bổ sẽ giống như hiệu quả kinh tế bởi giả định lý
nhuận của nó có thể thu được là
thuyết của hiệu quả kỹ thuật tiềm năng. Vì vậy, nếu một doanh nghiệp đang hoạt động tại điểm A trên biên của nó, sử dụng đầu vào I2 và sản xuất sản lượng Q2, lợi 2π , và sự phi hiệu quả phân bổ của nó sẽ được tính
bằng
π 2 π 1
.
9
Trong thực tế, với một công nghệ mới, các doanh nghiệp sẽ hoạt động ở mức
nhuận
thấp hơn so với hiệu quả kỹ thuật tiềm năng do kiến thức không đầy đủ về kỹ thuật thực hành tốt nhất hoặc do các yếu tố tổ chức cản trở doanh nghiệp hoạt động trên đường biên của kỹ thuật ấy. Vì vậy, một doanh nghiệp sẽ hoạt động với một hàm sản xuất thực tế nằm dưới đường biên tiềm năng, giống như đường AA' trong hình 1. Ở đầu vào I2, nó hoạt động tại điểm C, sản xuất ra sản lượng Q3 và thu được lợi 3π . Ở trên hàm sản xuất thực tế này, điểm C là phi hiệu quả phân bổ. Để tối
đa hóa lợi nhuận của mình (
4π ) nó sẽ phải hoạt động tại điểm D, sử dụng đầu vào I3
và sản xuất ra sản lượng Q4. Tuy nhiên, tại D nó sẽ không đạt được hiệu quả kinh tế tiềm năng (theo định nghĩa, hiệu quả kinh tế tiềm năng chỉ có thể đạt được với hiệu quả kỹ thuật tiềm năng). Để phù hợp với lý thuyết sản xuất tân cổ điển, hiệu quả chỉ
nên được đo lường ứng với hàm sản xuất biên FF'. Vì vậy, nếu một doanh nghiệp đang hoạt động tại C trên hàm sản xuất thực tế, thì phi hiệu quả kinh tế của nó sẽ
được đo bằng tỷ số
, hoặc
. Chúng ta có thể dễ dàng nhìn thấy trong Hình 1.1
π 3 π 1
Q 3 Q 1
đó là: Phi hiệu quả kinh tế bao gồm hai thành phần, phi hiệu quả kỹ thuật và phi
. Trong số này, sự tổn thất từ phi hiệu quả kỹ thuật là
hiệu quả phân bổ. Về lợi nhuận, tổng thiệt hại về phi hiệu quả kinh tế trong hoạt động tại điểm C là 1
3π π−
, và tổn thất do phi hiệu quả phân bổ là
. Về đầu ra, tổn thất tương
2π π−
3
2π π−
1
ứng là Q2-Q3 và Q1-Q2. Mô hình cơ sở này cung cấp khung lý thuyết để đo lường hiệu quả và phi hiệu quả. Các mô hình khác để đo lường được dựa trên khung khái niệm này.
Các công cụ thường được sử dụng nhất trong phân tích đo lường hiệu quả kỹ
thuật là hàm sản xuất nguyên thủy. Trong lý thuyết sản xuất tân cổ điển, hàm sản xuất nguyên thủy xác định sản lượng tối đa có thể có của một doanh nghiệp với sự kết hợp của các yếu tố đầu vào và công nghệ hiện có, có nghĩa nó là hàm sản xuất
biên. Bởi vì, lý thuyết tân cổ điển cho rằng các doanh nghiệp sẽ sử dụng các kỹ thuật thực hành tốt nhất với công nghệ đã chọn. Do đó, đường biên sản xuất của doanh nghiệp thứ i, sản xuất một đầu ra duy nhất với nhiều đầu vào theo những kỹ thuật thực hành tốt nhất có thể được định nghĩa như sau:
*
(1.1)
T
,
,...,
=
)
Y i
( f x i
x i
x im
1
2
*
Ở đây
lần lượt là biên của đầu ra và các đầu vào của
j
m
1,..,
=
iY và
(
)
ijx
doanh nghiệp thứ i, T là công nghệ chung của tất cả các doanh nghiệp trong mẫu.
10
Hãy xem xét tình huống: Một doanh nghiệp i, không sản xuất sản lượng tối đa có thể của nó do một số đình trệ trong sản xuất được gây ra bởi các nhân tố khác nhau như phi giá cả và cơ cấu tổ chức kinh tế-xã hội. Hàm sản xuất của doanh nghiệp i có thể được viết trong khung lý thuyết tân cổ điển sửa đổi như sau:
,
,...,
exp
=
(1.2)
)
(
)
Y i
x im
u i
( f x x i i 1
2
*
của nó ở mức
Trong đó ui đại diện cho sự kết hợp các ảnh hưởng của nhiều yếu tố như phi giá cả và cơ cấu tổ chức mà nó kìm hãm doanh nghiệp đạt sản lượng tối đa có thể iY . Nói cách khác, exp (ui) phản ánh khả năng doanh nghiệp thứ i
trong sản xuất ở mức hiện tại, hay còn gọi là hiệu quả kỹ thuật của doanh nghiệp i. Các giá trị của u phụ thuộc vào tình hình thực tế mà doanh nghiệp phải đối mặt. Tuy nhiên, giới hạn trên có thể được thiết lập cho các giá trị của u. Khi không có các khó khăn kinh tế-xã hội ảnh hưởng đến doanh nghiệp, u có giá trị 0. Khi doanh nghiệp phải đối mặt với những khó khăn, u nhận trị nhỏ hơn không. Giá trị thực tế của u phụ thuộc vào mức độ mà các doanh nghiệp bị ảnh hưởng bởi các sự kìm hãm. Một thước đo về hiệu quả kỹ thuật của doanh nghiệp i có thể được định nghĩa như sau:
exp(ui)=Yi /Yi
* = Sản lượng thực tế/Sản lượng tối đa có thể sản xuất (1.3)
CR
FF
q
VRS
q1
C
PP
q2
B
q3
A
0
x
Hình 1.2 biểu diễn khái niệm hiệu quả theo quy mô. PP là đường biên sản
xuất có hiệu suất thay đổi theo quy mô, FF là đường biên có công nghệ với hiệu
suất không đổi. Hiệu quả quy mô có thể được đo lường bởi tỉ số giữa hai công nghệ
11
này. Nó chính là q2/q1, phản ánh sự tăng lên của mức sản lượng từ đơn vị có hiệu
suất thay đổi theo quy mô đến đơn vị có quy mô tối ưu, tại cùng một mức đầu vào.
Theo những khái niệm trên, TE tương ứng với hiệu suất thay đổi theo quy
mô là hiệu quả kỹ thuật thuần túy. TE tương ứng với hiệu suất không đổi theo quy
mô là tổng hiệu quả kỹ thuật. Mối quan hệ giữa chúng có thể được xác định bởi
phương trình:
TE = SE x PE
Trong đó, TE là hiệu quả kỹ thuật tương ứng với hiệu suất không đổi theo
quy mô. PE là hiệu quả kỹ thuật thuần túy tương ứng với trường hợp hiệu suất thay
đổi theo quy mô và SE là hiệu quả quy mô (phản ánh sự tăng lên của sản lượng từ
hàm sản xuất thay đổi theo quy mô so với trường hợp không đổi).
Phương trình (1.3) “là mô hình cơ bản thường được sử dụng để đo lường hiệu
quả kỹ thuật. Trong mô hình này, tử số quan sát được nhưng mẫu số thì không.
Nhiều phương pháp sử dụng các giả định khác nhau đã được đề xuất để ước lượng
mẫu số và do đó có được exp(ui). Chúng có thể được nhóm lại theo ba cách tiếp cận
chính cho thuận tiện đó là: Các phương pháp xác định, các phương pháp ngẫu nhiên
và các phương pháp Bayesian. Farrell đi tiên phong theo phương pháp xác định để
đo lường hiệu quả kỹ thuật vào năm 1957, ông đi theo quan điểm của Debreu
(1951) và Koopmans (1951). Mặt khác, việc ước lượng hàm sản xuất biên ngẫu
nhiên một cách đầy đủ (theo nghĩa thống kê), đã được xuất bản lần đầu vào năm
1977 một cách độc lập bởi Aigner, Lovell & Schmidt và Meeusen & Van den
Broeck. Phương pháp Bayesian để đo lường hiệu quả kỹ thuật được thảo luận chi
tiết bởi Van den Broeck và cộng sự” năm 1994.
Theo Coelli (2005) thì năng suất là “Lượng đầu ra đạt được bao nhiêu từ
lượng đầu vào cho trước”. Nếu chúng ta đo lường lượng đầu ra trên mỗi đơn vị lao
động hoặc vốn thì tương ứng có các khái niệm năng suất lao động hoặc năng suất
vốn. Còn khi chúng ta kết hợp tất cả các yếu tố đầu vào để tính lượng đầu ra thì
chúng ta có khái niệm năng suất nhân tố tổng hợp.
Khái niệm năng suất nhân tố tổng hợp (TFP) được Tinbergen (1942) đề xuất. Tuy nhiên, TFP được biết đến rộng rãi qua định nghĩa của Solow (1957). Solow đã coi TFP là trình độ công nghệ được thể hiện trong mô hình tăng trưởng
12
cổ điển như sau: Y=A(t).F(K,L), trong đó A(t) là trình độ công nghệ hay năng suất nhân tố tổng hợp.
Tuy nhiên, theo “Domar (1961), Leibenstein (1966) thì định nghĩa của Solow (1957) về TFP là chưa toàn diện. Các ông cho rằng sự thay đổi công nghệ không phải là sự đóng góp duy nhất vào năng suất nhân tố tổng hợp. Farell (1957) cho rằng sự tiến bộ công nghệ và thay đổi hiệu quả kỹ thuật là nguồn gốc tăng trưởng của năng suất nhân tố tổng hợp. Còn Coelli (2005) cho rằng hiệu quả kỹ thuật chỉ ra sự chênh lệch giữa sản lượng thực tế và sản lượng tiềm năng và tiến bộ công nghệ là sự mở rộng của hàm sản xuất. Qua đó Coelli (2005) cho thấy nguồn gốc về sự khác biệt trong tăng trưởng TFP là: Tiến bộ công nghệ, hiệu quả kỹ thuật, hiệu quả quy mô” và hiệu quả phân bổ.
Từ khái niệm TE thảo luận ở trên, chúng ta có thể định nghĩa sự thay đổi hiệu quả kỹ thuật (TEC), tiến bộ công nghệ (TC) và TFP. Hình 1.3 sử dụng các lập luận của Sun và Kalirajan (2005) để minh họa những khái niệm này.
Các điểm A và B trên Hình 1.3 biểu diễn các điểm sản xuất thực tế tương ứng với thời kì t và t+1; PPt và PPt+1 là đường biên sản xuất tại các thời kì t và t + 1; x và q tương ứng là lượng đầu vào và đầu ra. Tăng trưởng lượng đầu ra thể hiện bởi thay đổi từ A đến B, (Qt +1 - Qt), và có thể phân rã thành:
Tăng trưởng sản lượng = Qt +1 - Qt = AC + CD + FB
= AC + CD + (EF - EB)
= (AC - EB) + CD + EF
= [(Q*t,t - Qt ) – (Q*t+1,t+1 - Qt+1)] + [(Q*t,t+1 - Qt,t) + (Q*t+1,t+1 – Q*t+1)]
Trong đó,(Q*t,t - Qt) đo lường phi hiệu quả kỹ thuật ở thời kì t. Tương tự, (Q*t+1,t+1 – Q*t+1) đo lường phi hiệu quả ở thời kì t+1.(Q*t,t+1 - Qt,t) đo lường tiến bộ công nghệ, tức là việc cùng sản xuất từ một lượng đầu vào (Xt) nhưng với các công nghệ khác nhau là PPt và PPt+1 . (Q*t+1,t+1 - Qt+1) đo lường đóng góp của tăng trưởng đầu vào từ Xt đến Xt+1 đối với tăng trưởng sản lượng và với công nghệ ở thời kì t+1. Tóm lại, tăng trưởng sản lượng được phân rã thành:
Tăng trưởng sản lượng = (Đóng góp của TEC) + (Đóng góp của TC) +
(Đóng góp của tăng trưởng đầu vào)
Loại bỏ đóng góp của tăng trưởng đầu vào, các thành phần còn lại chính là đóng góp của TFP đối với tăng trưởng sản lượng. Nó hàm ý rằng TFP có thể phân rã thành hai thành phần là TEC và TC.
13
PPt+1
E B
PP
D
F
Q*t+1,t+ Qt+1 Q*t,t+1 Q*t+1
G
Q*t,t
C
A
Qt
Xt+1
Xt
Như vậy, TEC hàm ý sự cải thiện trong mức chênh lệch giữa sản lượng sản xuất thực tế và sản lượng tối ưu về mặt lý thuyết trên đường biên, tại cùng một mức đầu vào. Trong khi đó, TC thể hiện sự dịch chuyển lên trên của đường biên sản xuất. Đây là hai thành phần cấu thành mức tăng trưởng của TFP.
Năng suất “bộ phận đơn giản được tính bằng tỷ lệ tổng lượng đầu ra trên số lượng một đầu vào cụ thể. Nhưng năng suất nhân tố tổng hợp được đo bởi các kỹ thuật phức tạp hơn. Trong lý thuyết kinh tế, người ta thường sử dụng các phương pháp cơ bản sau trong đo lường TFP: Ước lượng hàm sản xuất gộp; Chỉ số TFP; Phương pháp phân tích bao dữ liệu (DEA) và Phương pháp phân tích biên ngẫu nhiên” (SFA).
Trong các “phương pháp ước lượng hàm sản suất gộp, giả định hiệu quả kỹ
thuật tối đa thường được sử dụng. Do đó tất cả các kết hợp về sản lượng đều nằm trên đường giới hạn khả năng sản xuất. Chỉ có thay đổi công nghệ (TC) làm tăng trưởng TFP (Solow, 1957). Với khung phân tích này cũng có một số nghiên cứu
14
tính đến sự thay đổi quy mô trong TFP (Capalbo, 1988). Người ta thường dùng hai
cách để ước lượng thay đổi công nghệ trong các phương pháp ước lượng hàm sản suất gộp đó là : Thêm biến xu hướng thời gian vào hàm sản xuất gộp (Beckmann và cộng sự, 1972) và hạch toán tăng trưởng (Solow, 1957). 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. Do đó kết quả ước lượng TFP bị chệch.”
Phương pháp “bán tham số được đề xuất bởi Olley và Pakes (1996) và được Levinsohn và Petrin (2003) phát triển. Phương pháp này ngày nay cũng được áp dụng rộng rãi trong ước lượng TFP. Nó giải quyết được vấn đề nội sinh trong ước lượng hàm sản xuất gộp bằng cách sử dụng biến đại diện cho các cú sốc về năng suất. Olley và Pakes (1996) chọn biến đầu tư theo kỹ thuật đại diện cho cú sốc về
năng suất, còn Levinsohn và Petrin (2003) chọn biến trung gian theo kỹ thuật. Tuy nhiên phương pháp này 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.”
Phương pháp chỉ số TFP phi tham số cũng được áp dụng phổ biến trong đo lường hiệu quả và năng suất. Chỉ số TFP được đưa ra bởi Hicks, Moosteen (1961) và được phát triển bởi Diewert (1992a). Chỉ số này 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 Tornquist (Diewert, 1992a, 1992b). Trong những năm gần đây, chỉ số Fisher và Tornquist 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, tính chỉ số TFP cần các thông tin về giá đầu vào, đầu ra mà trong nhiều trường hợp chúng ta không quan sát được.
Phương pháp bao dữ liệu (DEA) là phương pháp phi tham số để đo lường hiệu quả kỹ thuật (TE). Phương pháp này 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
15
khoảng cách so với đường biên (Fare và cộng sự, 1994; Coelli và cộng sự, 2005). Phương pháp này được đưa ra bởi Farrell (1957) và khái niệm “phân tích bao dữ liệu” được sử dụng lần đầu bởi Charnes, Cooper và Rhodes (1978). Sử dụng khái niệm hiệu quả của Farrell (1957) và sử dụng các kỹ thuật quy hoạch tuyến tính trong phân tích các đường đồng lượng, Charnes và cộng sự (1978) đã phát triển để có mô hình đo lường hiệu quả của các đơn vị ra quyết định (DMUs). Charnes và cộng sự (1978) đã sử dụng phương pháp định hướng đầu 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).
Xuất phát từ gợi ý của Caves, Christensen và Diewert (1982a), bằng cách sử dụng DEA, Fare, Grosskopf, Norris và Zhang (1994) đã phát triển phương pháp này thành mô hình đo lường chỉ số Malquist 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. Nhằm vượt qua những hạn chế này, Simar và Wilson (1998,1999) đã đưa ra kỹ thuật bootstrap nhằm phân tích các đặc điểm chọn mẫu, từ đó có được các khoảng tin cậy của ước lượng.
Phương pháp “hàm sản xuất biên ngẫu nhiên (SFA) trong ước lượng hiệu quả và năng suất được đưa ra lần đầu bởi Aigner và Chu (1968). Phương pháp này tách
phần sai số thống kế thành hai bộ phận là nhiễu ngẫu nhiên và phi hiệu quả kỹ thuật. Aigner và Chu (1968) đã gán cho sai số ngẫu nhiên dấu âm trong quá trình ước lượng hàm sản xuất. Điều này có nghĩa đầu ra thực tế không thể vượt lên trên đường biên sản xuất được ước lượng. Theo các tác giả, điều này này xuất phát từ
nguyên nhân trong qúa trình sản xuất có những sản phẩm lỗi hoặc hư hỏng (cú sốc ngẫu nhiên) và mức độ phi hiệu quả của sản xuất.”
Phương pháp này sau đó được phát triển thông qua các mô hình có điều
chỉnh bởi Aigner, Lovell và Schmidt (1977), Meeusen và Van den Broeck (1977), Battese và Coelli (1992). Phần sai số ngẫu nhiên được các tác giả đưa thêm vào mô hình để đặc trưng cho sai số trong đo lường hoặc do thiếu biến tác động trong véc tơ đầu vào (Coelli và cộng sự, 2005). Battese và Coelli (1995) đã xây dựng mô hình
phi hiệu quả kỹ thuật được ước lượng song song với hàm sản xuất biên ngẫu nhiên.
16
Trong mô hình này, “sự thay đổi công nghệ và phi hiệu quả kỹ thuật thay đổi theo
thời gian được ước lượng đồng thời trên đường biên ngẫu nhiên. Phần lớn các nghiên cứu áp dụng SFA gần đây sử dụng mô hình của Battese và Coelli (1995). Phương pháp SFA có ưu điểm hơn so với phương pháp DEA đó là nó tính đến ảnh hưởng của các nhiễu ngẫu nhiên và nó có thể thực hiện các kiểm định thống kê. Tuy nhiên, trong SFA cần phải chỉ rõ phân phối của phi hiệu quả kỹ thuật. Một số phân phối đã được xem xét trong lý thuyết, nhưng cho đến nay, phổ biến nhất vẫn là sử dụng phân phối dương nửa chuẩn và phân phối mũ. Phần lớn những chỉ trích xung
quanh những ước lượng của các đường biên sản xuất này đã phê phán mạnh mẽ các giả định trong phân phối để cho các tham số của mô hình được xác định và sự nhạy cảm của các kết quả ước lượng đối với các phân phối thay thế, đặc biệt trong đo lường hiệu quả” kỹ thuật.
Trong phương pháp hàm sản xuất biên ngẫu nhiên (SFA) truyền thống, giả định các quan sát có cùng công nghệ sản xuất ở mỗi thời kỳ có thể dẫn đến ước lượng chệch về năng suất. Do đó các phương pháp ước lượng đường biên sản xuất
chung và đường biên sản xuất nhóm (meta- frontier) đã được ra đời nhằm phá bỏ giả định này. Phương pháp phân tích biên ngẫu nhiên để ước lượng đường biên sản xuất chung (meta- frontier SFA) được Battese và cộng sự (2002, 2004) đưa ra và được O’Donnell và cộng sự (2008) phát triển. Cho đến nay phương pháp này đã được sử dụng nhiều trong các nghiên cứu về đo lường hiệu quả và năng suất.
Mặc dù phương pháp đường biên sản xuất chung đã nới lỏng giả định hạn chế của SFA là tất cả các doanh nghiệp có chung tham số công nghệ, nhưng sự nới
lỏng đó vẫn tồn tại những hạn chế. Mặc dù các tham số công nghệ không giống nhau trong tất cả các doanh nghiệp, nhưng chúng vẫn được giả định giống nhau trong mỗi nhóm. Hơn nữa, phương pháp đường biên sản xuất chung vẫn sử dụng hệ số sai số tổng hợp, mà trong đó hiệu quả kỹ thuật được phản ánh bởi thành phần u và việc ước lượng rất nhạy cảm với các giả định về phân phối khác nhau của u. Phương pháp hệ số biến đổi ngẫu nhiên (SVFA) được đề xuất lần đầu tiên bởi Kalirajan và Obwona (1994) ra đời đã giải quyết chọn vẹn các vấn đề này.
Kalirajan và Obwona (1994) lập luận rằng không phải mọi doanh nghiệp sẽ
áp dụng tất cả các đầu vào một cách hiệu quả và do đó hệ số phản ứng tối đa không
đến từ một doanh nghiệp duy nhất. Lý do chính cho điều này là các phương pháp
thực hành tốt nhất khác nhau qua mỗi đầu vào. Kalirajan và Obwona (1994a) tin
tưởng vào hai lập luận sau để xây dựng hàm sản xuất biên. Thứ nhất, các doanh
17
nghiệp sử dụng các kỹ thuật thực hành tốt nhất sẽ áp dụng mỗi đầu vào theo cách
hiệu quả nhất. Do đó các hàm sản xuất thực của chúng chính là hàm sản xuất biên
với các giá trị cao nhất ở mỗi hệ số góc. Thứ hai, hệ số chặn là ảnh hưởng kết hợp
của tất cả các nhân tố khác vượt ra ngoài giới hạn các đầu vào được bao gồm trong
mô hình hàm sản xuất biên nên phản ánh độ lớn cực đại của các tác động này. Do
đó nó sẽ có hệ số chặn lớn nhất.
Tuy nhiên các giả định SVFA của Kalirajan và Obwona (1994) về phương
pháp thực hành tốt nhất làm tăng nghi ngờ về độ tin cậy của các kết quả đo
lường hiệu quả. Cụ thể, nó cho thấy rằng miễn là các hệ số phản ứng tốt nhất đến
từ các doanh nghiệp khác nhau trong mẫu nên đường biên kết quả không được
xác định rõ ràng và có khi không khả thi với bất kỳ quan sát nào trong mẫu. Do
đó, sử dụng nó để tính toán sản lượng tiềm năng có thể dẫn đến kết quả sai lệch
về độ lớn của hiệu quả kỹ thuật. Cùng với đó, thước đo của Kalirajan và Obwona
(1994) về hiệu quả kỹ thuật của mỗi đầu vào cụ thể (được định nghĩa là tỷ lệ
giữa hệ số phản ứng thực tế và hệ số phản ứng tối đa cho mỗi đầu vào) cũng làm
tăng mối quan tâm về tính phù hợp của nó về một thước đo hiệu quả. Hơn nữa,
trong thủ tục ước lượng của Kalirajan và Obwona (1994) cần một số giả định chỉ
bởi một lý do thoải mái về mặt toán học.
Nguyễn Linh Sơn (2011) đã không áp đặt các giả định này lên mô hình
SVFA và ông đã đề xuất một thủ tục ước lượng mới mà có thể được sử dụng để ước
lượng mô hình của K&O dưới sự nới lỏng này.
Mặt khác, chúng ta cũng có thể lập luận rằng một doanh nghiệp sử dụng một
đầu vào hiệu quả cũng có thể sử dụng tất cả các đầu vào một cách hiệu quả. Do đó,
một thủ tục khác để tính toán điểm hiệu quả kỹ thuật được đề xuất bởi Huang và
Liu (1994) để giải quyết vấn đề trên dựa trên ý tưởng rằng các phương pháp thực
hành tốt nhất đề cập đến toàn bộ các đầu vào được sử dụng bởi một doanh nghiệp
thay vì mỗi đầu vào riêng biệt.
Có thể thấy rằng đa phần các nghiên cứu về hiệu quả và năng suất ở Việt
Nam là các nghiên cứu định tính, do đó chưa phản ánh cụ thể đóng góp của từng
yếu tố đầu vào trong quá trình sản xuất, chưa phản ánh cụ thể từng góc độ trong
chất lượng tăng trưởng của nền kinh tế.
18
Một số nghiên cứu định lượng sử dụng phương pháp “hàm sản xuất gộp và
hạch toán tăng trưởng để tính tỷ phần đóng góp của TFP, cụ thể như: Nguyễn Thị
Tuệ Anh, Lê Xuân Bá và cộng sự (2005) dùng hàm sản xuất Cobb- Douglas cho
kinh tế Việt Nam giai đoạn 1990-2004 thấy rằng. Hơn 90% tốc độ tăng trưởng kinh
tế được giải thích bởi sự đóng góp của yếu tố vốn, vốn con người và số lượng lao
động. Năng suất các nhân tố tổng hợp chỉ đóng góp dưới 10% trong tốc độ tăng
trưởng của cả giai đoạn. Một điểm mới trong nghiên cứu này là đưa yếu tố vốn con
người vào trong phân tích tăng trưởng kinh tế. Đo lường mức đóng góp của yếu tố
vốn con người tạo nên một nhìn nhận tốt hơn về các yếu tố đóng góp vào tăng
trưởng kinh tế. Nguyễn Thị Cành (2009) đã ước lượng hệ số mũ của hàm sản xuất
Cobb-Douglas để xác định tỷ phần thu nhập của vốn và lao động. Kết quả cho thấy
GDP tăng lên 1% thì đóng góp của vốn là 73%, của lao động 2,5% và của năng suất
các nhân tố tổng hợp là 24,5% vv...Có thể thấy rằng các nghiên cứu định lượng này
mới chỉ dừng lại ở mức phân tích đóng góp của TFP vào tăng trưởng kinh tế mà
chưa có những phân tích về các thành phần của TFP và đóng góp của nhân tố quan
trọng làm biến đổi TFP là thay đổi hiệu quả kỹ thuật” (TEC).
Bên cạnh đó cũng có các nghiên cứu sử dụng các phương pháp SFA và DEA truyền thống để đo lường “hiệu quả kỹ thuật, năng suất nhân tố tổng hợp của một số ngành kinh tế ở Việt Nam. Nguyễn Khắc Minh và cộng sự (2007) đã ước lượng
mức hiệu quả kỹ thuật dựa trên số liệu khảo sát của 1492 doanh nghiệp nhỏ và vừa giai đoạn 2000-2003. Kết quả cho thấy, mức TE của các doanh nghiệp này là 49.7% và 39.9% tương ứng với các mô hình SFA và DEA truyền thống; Phạm Thái Hưng
và cộng sự (2010) sử dụng phương pháp SFA truyền thống để ước lượng mức TE của các doanh nghiệp trong ngành công nghiệp chế tạo dựa trên số liệu của 10759 doanh nghiệp năm 2003. Và kết quả ước lượng được mức TE trung bình của ngành
là 62%. Trong khi đó Vũ Hoàng Dương (2016) cũng sử dụng phương pháp này để ước lượng cho các doanh nghiệp FDI trong ngành công nghiệp chế tạo thì cho thấy mức hiệu quả kỹ thuật” chỉ đạt 60% vv…
Ngoài ra, Ho, D. B. (2012) và Tung, D. T. (2014) đã sử đụng phương pháp
đường biên sản xuất chung (meta-frontier) để ước lượng hiệu quả kỹ thuật và năng
xuất nhân tố tổng hợp trong lĩnh vực nông nghiệp Việt Nam. Trong đó, các tác giả
đã sử dụng các mô hình bán tham số của O’Donnell & Rao và cộng sự (2008) và
mô hình chỉ số năng suất nhân tố tổng hợp Malmquist toàn cục của Oh và Lee
19
(2010). Một nhược điểm của các mô hình này là không có suy diễn thống kê cho
đường biên sản xuất chung, do đó kết quả ước lượng đường biên chung khá nhạy
cảm với các quan sát vượt trội.
Đặc biệt, Viet, L. và cộng sự (2018), Minh, N. T. và cộng sự (2019) đã ước
lượng mức hiệu quả của doanh nghiệp bằng phương pháp đường biên sản xuất
chung ngẫu nhiên được giới thiệu bởi Huang & Liu (2014). Trong phương pháp này
cả đường biên sản xuất nhóm và đường biên chung đều được ước lượng bẳng mô
hình biên ngẫu nhiên. Do đó, các kết quả có thể được kiểm định thống kê. Tuy
nhiên theo ghi nhận từ việc tổng quan tài liệu của tác giả, cho đến hiện nay chưa có
nghiên cứu thực nghiệm nào sử dụng phương pháp hệ số biến đổi ngẫu nhiên
(SVFA) để ước lượng hiệu quả và năng suất của các doanh nghiệp Việt Nam.
Timmer (1971) áp dụng mô hình hồi quy hai giai đoạn để nghiên cứu sự ảnh
hưởng của các nhân tố đến hiệu quả sản xuất đã lập luận rằng xác định mức hiệu
quả kỹ thuật là vấn đề quan trọng, nhưng xác định nguồn gốc của sự phi hiệu quả
còn quan trọng hơn. Các nhân tố truyền thống tác động lên hiệu quả kỹ thuật của
một doanh nghiệp là các nhân tố sản xuất như vốn và lao động, tuy nhiên còn có các
nhân tố khác cũng có tác động không nhỏ đến hiệu quả kỹ thuật của doanh nghiệp.
Nhân tố đầu tiên đã được nhiều nghiên cứu trên thế giới công nhận là số năm
hoạt động của doanh nghiệp (tuổi của doanh nghiệp). Các nghiên cứu của Timmer
(1971), Patt và Lee (1981), Chu và Kalirajan (2011) đều cho thấy mối quan hệ chặt
chẽ giữa tuổi của doanh nghiệp và mức hiệu quả kỹ thuật của doanh nghiệp đó.
Tanzania, Admassie và Matambalya (2002) lập luận rằng tuổi của doanh nghiệp tác
động tích cực đến hiệu quả sản xuất thông qua kinh nghiệm làm việc (learning by
doing). Các ông cho rằng các doanh nghiệp ngày càng rút ra nhiều kinh nghiểm để
sản xuất hiệu quả hơn. Do đó, các doanh nghiệp tuổi càng cao sẽ có mức hiệu quả
càng cao. Điều này cũng phù hợp với nghiên cứu của Chu và Kalirajan (2011) đối
với các doanh nghiệp trong ngành chế biến, chế tạo ở Việt Nam. Tuy nhiên
Admassie và Matambalya (2002) cũng đã chỉ ra tác động biên của nhân tố này có
xu hướng giảm theo thời gian khi doanh nghiệp đã lớn mạnh trong lĩnh vực sản xuất
của mình. Điều này cũng có thể làm cho hiệu quả của doanh nghiệp có thể chịu sự
tác động ngược chiều của thời gian.
20
Nhân tố quan trọng thứ hai có tác động mạnh đến hiệu quả sản xuất đó là quy
mô của doanh nghiệp. Admassie và Matambalya (2002) cho rằng các doanh nghiệp quá lớn hoặc siêu nhỏ đều có thể gặp khó khăn trong quản lý và tạo ra phi hiệu quả kỹ thuật. Trong nghiên cứu về các doanh nghiệp nhỏ và vừa của Admassie và Matambalya (2002) kết quả cho thấy, quy mô doanh nghiệp có tác động thuận chiều lên hiệu quả của doanh nghiệp. Kết quả này cũng giống như các kết quả nghiên cứu của Pitt & Lee (1981), Hallberg (1999). Rios và Shively (2004) áp dụng phương pháp DEA và mô hình hồi quy Tobit cho dữ liệu của các hộ nông dân tại
Việt Nam. Tuy nhiên, cũng có vài nghiên cứu cho thấy mối quan hệ ngược lại giữa hai yếu tố này. Trong nghiên cứu của Nikaido (2004) về các doanh nghiệp nhỏ và vừa cho thấy mối quan hệ ngược chiều giữa quy mô doanh nghiệp và hiệu
quả kỹ thuật. Nikaido giải thích cho kết quả trên là do trong một số trường hợp, các doanh nghiệp nhỏ và vừa thường nhận được những hỗ trợ đáng kể về chính sách từ chính phủ nên các doanh nghiệp này đã không chịu mở rộng quy mô.
Ngoài ra, lý thuyết về hiệu quả hoạt động sản xuất cũng cho thấy còn có các
nhân tố quan trọng khác cũng cần được xem xét như: Yếu tố vùng miền của doanh nghiệp, cơ cấu vốn của doanh nghiệp, sự tham gia và hội nhập thương mại quốc tế của doanh nghiệp vv...
Các nhân tố kể trên thuộc nhóm nhân tố đặc tính của doanh nghiệp. Nhóm các nhân tố này được đề cập đến nhiều trong các tiền nghiên cứu về đánh giá các nhân tố tác động đến hiệu quả, năng suất của doanh nghiệp. Trong khi đó, nhóm nhân tố thuộc thể chế môi trường kinh doanh gồm các chỉ số phản ánh môi trường
kinh doanh cấp tỉnh, những tác động từ việc thực thi pháp luật và chính sách ở địa phương cũng có tác động không nhỏ đến hiệu quả sản xuất của doanh nghiệp còn ít được đưa vào trong các nghiên cứu trước đây.
Ở Việt Nam cũng có một vài nghiên cứu về các nhân tố tác động đến hiệu
quả và năng suất của doanh nghiệp như: Nguyễn Khắc Minh (2005), Nguyễn Quốc Nghị (2011), Phạm Thế Anh (2014) vv... Tuy nhiên đa phần các nghiên cứu tập trung vào phân tích tác động của nhóm các nhân tố thuộc đặc tính của
doanh nghiệp. Hơn nữa, các nghiên cứu thường được thực hiện với quy mô mẫu nhỏ nên không đại diện cho toàn bộ các doanh nghiệp, do đó chưa có những đánh giá sâu rộng về các nhân tố tác động đến hiệu quả và năng suất của các doanh nghiệp Việt Nam.
21
Luận án “Các mô hình tham số trong ước lượng hiệu quả và năng suất của các doanh nghiệp Việt Nam” là nghiên cứu thực nghiệm với những lý do về khoảng trống nghiên cứu như sau:
Các nghiên cứu phân tích về “hiệu quả và năng suất của các doanh nghiệp Việt Nam thường sử dụng phân tích bao dữ liệu (DEA) và hàm sản xuất biên ngẫu nhiên truyền thống (SFA) để ước lượng mức hiệu quả kỹ thuật, năng suất nhân tố tổng hợp của các doanh nghiệp. Các kết quả bằng phân tích bao dữ liệu có nhược
điểm là rất nhạy cảm với các quan sát trội và không tính đến ảnh hưởng của các nhiễu thống kê. Các nghiên cứu sử dụng SFA truyền thống chưa có phân tích về khoảng cách công nghệ giữa các khu vực doanh nghiệp, chưa đưa các nhóm nhân tố thể chế môi trường kinh doanh vào đánh giá tác động đến hiệu quả kỹ thuật. Hơn
nữa, các nghiên cứu trước đây thường thực hiện với mẫu nhỏ và việc cập nhật dữ liệu để phân tích hiệu quả của các doanh nghiệp Việt Nam sau cuộc khủng hoảng của nền kinh tế thế giới 2008-2010 chưa được thực hiện. Đặc biệt chưa có nghiên
cứu nào sử dụng phương pháp SVFA để ước lượng hiệu quả kỹ thuật cho các doanh nghiệp Việt Nam. Do đó chưa có những phân tích đầy đủ về hiệu quả và năng suất của các doanh nghiệp” cũng như các ngành kinh tế Việt Nam.
22
Trong phần này, luận án trình bày về các mô hình lý thuyết sẽ được áp dụng trong ước lượng hiệu quả và năng suất của các doanh nghiệp Việt Nam. Bên cạnh
đó, luận án mô tả về cách thức thu thập và xử lý dữ liệu cũng như khung phân tích sẽ được áp dụng trong các chương sau.
Battese và Coelli (1992) đã phát triển mô hình hàm sản xuất biên ngẫu nhiên
cho dữ liệu mảng theo đề xuất của Aigner, Lovell và Schmidt (1977) như sau:
(2.1)
q
v
u
i
T
ln
1,..,
N t ;
1,..,
+
−
=
=
(
)
it
X β= it
it
it
Trong đó N là số quan sát và T là khoảng thời gian.
Mô hình biên ngẫu nhiên đối với dạng hàm sản xuất Cobb-Douglas là:
hoặc
(2.2.)
ln
ln
=
+
−
q
x
v
u
exp
ln
.exp
.exp
=
−
q it
x it
v it
u it
β β + 1
0
(
)
(
)
(
)
it
it
it
it
+ β β 1
0
Trong đó:
• qit là giá trị đầu ra của doanh nghiệp thứ i tại thời điểm t
• xit là véc tơ các đầu vào của doanh nghiệp thứ i tại thời điểm t • β là các tham số cần được ước lượng • exp(vit) là nhiễu thống kê, vit có thể âm hoặc dương, vit là các nhiễu ngẫu
nhiên được giả định có phân phối chuẩn và độc lập với uit.
, ui là các nhiễu không âm có phân phối chuẩn cụt.
u
u
•
exp
=
−
( t Tη −
)
it
i
(
)
(
)
Một thước đo của hiệu quả kỹ thuật định hướng đầu ra phổ biến nhất
hiện nay được xác định bởi tỷ lệ giữa sản lượng thực tế và sản lượng biên tương ứng như sau:
exp
)
i
(2.3)
exp
=
=
−
=
(
)
TE i
u i
exp
( exp
+
u )
)
(
q i x β i
v + − i v + β i
v i
x β i ( x i Thước đo hiệu quả kỹ thuật này có giá trị trong đoạn [
]0,1 . Nó đo lường sản lượng của doanh nghiệp thứ i so với sản lượng có thể được sản xuất bởi một doanh nghiệp có phương pháp thực hành tốt nhất ở cùng một mức đầu vào.
23
Exp(-uit) trong (2.2) giải thích cho sự phi hiệu quả kỹ thuật, ηlà tham số
được ước lượng và nó giải thích cho sự cải thiện của TE theo thời gian. Nếu
0η=
thì mô hình trên là mô hình phi hiệu quả không đổi theo thời gian, ngược lại chúng ta có mô hình phi hiệu quả biến đổi theo thời gian.
Đóng góp của tiến bộ công nghệ (TC) có thể được ước lượng bằng cách cho thêm biến thời gian vào mô hình hàm sản xuất biên ngẫu nhiên (2.1). Hệ số ước lượng của biến thời gian trong hàm sản xuất biên ngẫu nhiên đo lường giá trị trung bình của TC.
Ước lượng sự ảnh hưởng của các biến tác động đối với TE đã được xem xét
bởi các nghiên cứu của Pitt & Lee (1981) và Kalirajan (1981). Các nghiên cứu này sử dụng phương pháp hai giai đoạn trong đó giai đoạn đầu để ước lượng hàm sản xuất biên ngẫu nhiên và dự báo TE, giai đoạn thứ hai chạy hồi quy TE theo các biến
giải thích của nó. Kumbhakar và cộng sự (1991), Reifschneider và Stevenson (1991), Huang và Liu (1994) đã ước lượng đồng thời các mô hình hàm sản xuất biên ngẫu nhiên và mô hình phi hiệu quả kỹ thuật trên dữ liệu cắt ngang.
Battese và Coelli (1995) đã mở rộng mô hình năm 1992 của các ông cho dữ liệu mảng để có được các biến giải thích trong những thay đổi của TE. Phiên bản năm 1995 của mô hình đã tính đến một vectơ các biến cụ thể ảnh hưởng đến TE của mỗi doanh nghiệp. Mô hình được mô tả tương tự như phương trình (2.1), tuy nhiên
uit là biến ngẫu nhiên không âm có phân phối chuẩn cụt
N m σ . Uit được giả
,it
u
)2
(
định là một hàm của một tập các biến giải thích như sau:
(2.4)
u
z
+
it
wδ= it
it
Trong đó zit là véc tơ các biến ảnh hưởng đến TE, δ là véc tơ tham số cần được ước lượng, wit có phân phối chuẩn cụt với kỳ vọng và phương sai bằng không.
Ước lượng hợp lý cựu đại (MLE) được áp dụng cho việc ước lượng đồng
thời các tham số của hàm sản xuất biên ngẫu nhiên (2.1) và mô hình các nhân tố tác động đến phi hiệu quả kỹ thuật (2.4) (Battese và Coelli, 1995).
2.1.2.1. Mô hình Meta Frontier SFA
Giả định các quan sát của mỗi doanh nghiệp trong ngành có cùng công nghệ sản xuất ở mỗi thời kỳ có thể dẫn đến ước lượng chệch về năng xuất. Do đó các phương pháp ước lượng đường biên sản xuất chung (meta-frontier) đã được ra đời
24
nhằm phá bỏ giả định này. Phương pháp phân tích hàm sản xuất biên ngẫu nhiên để
ước lượng đường biên sản xuất chung được Battese và cộng sự (2002, 2004) đưa ra và được O’Donnell và cộng sự (2008) phát triển. Cho đến nay phương pháp này đã được sử dụng nhiều trong các nghiên cứu về đo lường hiệu quả và năng suất. Rao và cộng sự (2003), O’Donnell và cộng sự (2008) phân tích sự khác biệt về năng xuất trong nông nghiệp giữa 97 nước ở Châu Á, Châu Âu, Châu Mỹ và Châu Phi trong giai đoạn 1986-1990. Jemaa & Dhif (2005) đo lường năng xuất và khoảng cách công nghệ trong nông nghiệp giữa khu vực NEMA và một số nước Châu Âu.
Moreira & Bravo-Ureta (2010) đo lường năng xuất và khoảng cách công nghệ của các trang trại bò sữa ở Argentina, Uruguay và Chile.
Với q và x là các véc tơ đầu ra và các đầu vào. Theo O’Donnell và cộng sự (2008), tập công nghệ sản xuất chung chứa tất cả các sự kết hợp của các yếu tố đầu vào và đầu ra là:
T
q
0;
=
≥
≥
(x có thể sản xuất ra sản lượng q) (2.5)
{ x q x ( , ) :
} 0
Và tập đầu ra là :
(2.6)
q
x q
T
P x ( )
: ( ,
)
=
∈
{
}
Hàm khoảng cách định hướng đầu ra chung là:
(2.7)
q
)
inf
0 : (
/
) θ
=
≥
∈
} P x ( )
oD x q ( ,
{ θ θ
Hàm khoảng cách định hướng đầu ra chung mô tả sự tối đa hóa số lượng đầu ra mà doanh nghiệp hoàn toàn có thể đạt được ở một mức đầu vào cho trước. Hàm khoảng cách định hướng đầu vào chung được định nghĩa tương tự, đó là tối thiểu hóa lượng đầu vào để doanh nghiệp sản xuất mức đầu ra cho trước.
Đường biên sản xuất chung phản ánh lượng đầu ra tối đa mà một nhóm các doanh nghiệp hoặc các đơn vị ra quyết định có thể sản xuất được. Đường biên sản xuất chung có thể được ước lượng bằng các phương pháp DEA hoặc SFA.
Nếu bỏ giả định các doanh nghiệp trong ngành có cùng công nghệ sản xuất ở mỗi thời kỳ và các doanh nghiệp được nhóm lại theo một số cách tạo thành các nhóm có sự kết hợp đầu vào-đầu ra khác nhau thì cần có những đường biên riêng để ước lượng cho nhóm các doanh nghiệp này.
Giả sử các doanh nghiệp trong ngành tạo thành K nhóm. Các tập công nghệ, tập đầu ra và hàm khoảng cách định hướng đầu ra nhóm được định nghĩa giống
25
trong trường hợp đường biên sản xuất chung. Chẳng hạn đối với nhóm thứ k (k=1,2,..,n) chúng ta cũng có Tk, Pk(x) và Dk o(x,q). Theo O’Donnell và cộng sự (2008) thì hàm khoảng cách định hướng đầu ra theo nhóm và các tập này phải thỏa mãn một số tính chất sau:
T
kT
qx ∈),(
qx ∈),(
1. Nếu
thì
với ∀ k (2.8)
T
kT
qx ∈),(
(2.9)
1
2
T
T
...
=
∪∪∪
3.
(2.10)
qx ∈),( 2. Nếu { T
thì ∃ k sao cho }KT
qxD k ,(
)
qxD ,(
)
≥
4.
, k = 1, 2, …, K (2.11)
o
5. Tập P(x) lồi không nhất thiết đòi hỏi các tập Pk(x),(k = 1, 2, …, K) cũng
lồi và ngược lại.
Phương pháp đo lường hiệu quả kỹ thuật trong mô hình đường biên sản xuất
chung và đường biên sản xuất nhóm được mô tả trong hình 2.1 như sau:
Sản lượng (q)
H
Đường biên sản xuất chung
Đường biên sản xuất nhóm 3
E Đường biên sản xuất nhóm 2
F D C G Đường biên sản xuất nhóm 1 A B
O Đầu vào (x)
Xét doanh nghiệp A thuộc nhóm 1, khi đó có hai đại lượng đo lường hiệu
quả kỹ thuật cho A. Thứ nhất là hiệu quả ứng với đường biên sản xuất chung.
TE(x,q)=Do(x,q)=OB/OF (2.12)
26
Thứ hai là hiệu quả kỹ thuật ứng với đường biên sản xuất nhóm.
TEk(x,q) = Dk
o(x,q) = OB/OD (2.13)
Ở đây TE(x,q) luôn nhỏ hơn hoặc bằng TEk(x,q)
Trên hình 2.1 cho thấy có khoảng cách giữa đường biên sản xuất chung và đường biên sản xuất nhóm. Khoảng cách đó phản ánh mức độ lạc hậu giữa công nghệ sản xuất nhóm và công nghệ sản xuất chung. Khoảng cách này được đo lường bởi khái niệm tỷ suất khoảng cách công nghệ (TGR) (Battese và cộng sự 2004).
Tỷ suất khoảng cách công nghệ định hướng đầu ra (TGR) của nhóm k được
định nghĩa như sau:
k
TGR
qx ),(
=
=
(2.14)
qxD ),( qxD ),(
qxTE ),( k TE qx ),(
o k o
Theo (2.14) TGR có giá trị trong khoảng (0;1), TGR càng xấp xỉ bằng 1 phản
ánh công nghệ sản xuất nhóm dần bắt kịp công nghệ sản xuất chung.
Biểu thức (2.12) có thể được viết lại như sau :
k
TE
qxTE ),(
qx ,(
k TGR ).
qx ),(
=
(2.15)
Biểu thức (2.15) chỉ ra rằng hiệu quả kỹ thuật của doanh nghiệp trong ngành so với đường biên sản xuất chung bao gồm hai thành phần: Thứ nhất là kiến thức sản xuất hiện tại, môi trường tự nhiên, kinh tế-xã hội của từng nhóm (TEk). Thứ hai là khoảng cách công nghệ của nhóm so với toàn ngành (TGR) (O’Donnell và cộng
sự 2008). Biểu thức này là cơ sở giúp nâng cao hiệu quả kỹ thuật của mỗi doanh nghiệp. Nó cho thấy các nhà quản lý và hoạch định chính sách có thể tập chung vào nội bộ mỗi doanh nghiệp, cải thiện TEk hoặc tập trung vào môi trường hoạt động như chuyển giao công nghệ, cải thiện cơ sở hạ tầng để thu hẹp khoảng cách trong công nghệ sản xuất (cải thiện TGRk) (O’Donnell và cộng sự 2008). Oh và Lee (2010) đã đưa ra khái niệm về sự thay đổi khoảng cách công nghệ nói trên giữa các thời kỳ như sau:
TGC
=
(2.16)
TGR t 1+ TGR t
TGC đại diện cho sự thay đổi trong cải tiến công nghệ của nhóm. TGC > 1
có nghĩa là khoảng cách về công nghệ sản xuất của nhóm đang ngày càng được thu hẹp. Nói cách khác, có một sự cải tiến tương đối về công nghệ sản xuất của nhóm so với công nghệ chung của ngành.
27
Các phân tích biên ngẫu nhiên đối với khung lý thuyết đường biên sản xuất chung
được dựa vào các công trình của Battese và cộng sự (2002, 2004) và O’Donnell và cộng
sự (2008). Hàm sản xuất biên của nhóm thứ k được mô tả như sau:
k it UV −
k it
q
x
x
,
,...,
;
e )
=
k β
(2.17)
it
it
Nit
xf ( it 1
2
Trong đó: qit là đầu ra của doanh nghiệp i trong khoảng thời gian t, xnit là đầu
vào thứ n của doanh nghiệp i trong khoảng thời gian t,
kβ là các tham số cần được
ước lượng của nhóm k , Vit
k là nhiễu ngẫu nhiên và Uit
k là phi hiệu quả có phân phối
chuẩn cụt.
Theo mô hình của Battese và Coelli 1992, hiệu quả kỹ thuật của doanh
nghiệp i trong nhóm k ứng với đường biên sản xuất nhóm là:
q
U
−
k it
TE
e
=
=
(2.18)
k it
it k β.
+
k V it
x it
e
(q và x là logarit tự nhiên của các biến đầu ra và đầu vào)
Hàm sản xuất biên chung cho tất cả các doanh nghiệp trong ngành theo
Battese, Rao và cộng sự (2004) được xác định như sau:
* β
itx
q
e
xf (
;
)
=
=
* β
(2.19)
* it
it
* là đầu ra biên chung của doanh nghiệp i và
*β là các tham số
Trong đó qit
biên chung của các biến đầu vào.
Theo mô hình của Battese và Rao (2002), các đường biên ngẫu nhiên nhóm
và đường biên chung có thể được ước lượng độc lập. Tuy nhiên mô hình này không
đảm bảo việc đường biên chung phủ tất cả các đường biên nhóm. Battese (2004),
O’Donnell, Rao và cộng sự (2008) đã giải quyết vấn đề này bằng cách áp đặt thêm
. β
k . β
* ≥
điều kiện sau:
(2.20)
x it
x it
Đầu ra của doanh nghiệp i trong khoảng thời gian t được xác định bởi đường
biên nhóm trong công thức (2.17) có thể được biểu diễn bởi đường biên chung trong
công thức (2.19) như sau:
k . β
x it
e
U −
* . β
k it
x it
k V + it
e
e
=
×
×
q it
(2.21)
* . β
x it
e
28
Trong công thức (2.21) thì hiệu quả kỹ thuật của doanh nghiệp i tương ứng
k . β
x it
e
k itU
e−=
. Số hạng
là tỷ suất khoảng cách
với đường biên của nhóm k là
itTE
.
* β
x it
e
công nghệ theo định nghĩa của Battese & Rao (2002) và O’Donnell & Rao và
cộng sự (2008). Kết hợp công thức (2.15) và (2.21) ta có hiệu quả kỹ thuật của
doanh nghiệp i tương ứng với đường biên chung được xác định giống như công
thức (2.18) như sau:
=
(2.22)
* TE it
q it *. β
k V + it
x it
e
Từ đó chúng ta có được:
×
(2.23)
=* TE it
k TE it
k TGR it
Công thức (2.23) cho phép chúng ta ước lượng hiệu quả kỹ thuật của doanh nghiệp i ứng với đường biên sản xuất chung. Sự thay đổi hiệu quả kỹ thuật (TEC) có thể được tính thông qua (2.25) như sau:
=
×
(2.24)
* TE it 1 + * TE it
k TE it 1 + k TE it
k TGR it 1 + k TGR it
×
(2.25)
=* TEC i
k TEC i
k TGC i
Sự thay đổi hiệu quả kỹ thuật của doanh nghiệp i ứng với đường biên sản xuất chung được phân rã thành sự thay đổi hiệu quả kỹ thuật trong nhóm và sự thay đổi khoảng cách công nghệ của nhóm.
Đường biên nhóm trong công thức (2.17) có thể được ước lượng bằng cách
sử dụng mô hình của Battese & Coelli 1995 (mô hình phi hiệu quả kỹ thuật được ước lượng đồng thời với đường biên ngẫu nhiên của nhóm). Trong đó phi hiệu qủa
k
kỹ thuật
itU của doanh nghiệp i trong khoảng thời gian t được xác định như sau:
U
W
+
z = δ it
k it
k it
(2.26) Với zit là các biến giải thích cho phi hiệu quả kỹ thuật của mỗi doanh nghiệp
trong nhóm.
Để ước lượng các tham số (
s*β ) trong hàm sản xuất biên chung có hai tiêu
chuẩn có thể được sử dụng để xác định đường biên chung tốt nhất phủ tất cả các đường biên nhóm. Tiêu chuẩn thứ nhất dựa vào tổng sai số tuyệt đối của các giá trị
29
biên chung từ các giá trị biên nhóm. Tiêu chuẩn thứ hai dựa vào tổng bình phương
nhất, tức là cực tiểu hóa tổng các sai số tuyệt đối. Các hệ số
của các sai số này (Battese, Rao và cộng sự 2004). Luận án sự dụng tiêu chuẩn thứ *sβ được ướng lượng
bởi việc giải bài toán tối ưu hóa sau:
H
T
x
x
x
x
,
,...,
;
)
ln
,
,...,
;
)
−
* β
k β
[ ln
]
it
Nit
it
Nit
∑ ∑
xf ( it 1
2
xf ( it 1
2
(2.27)
Min * β
i
t
1 =
1 =
i=1,2,…,H; t=1,2,…,T
Với ràng buộc:
(2.28)
x
x
x
x
ln (
,
,...,
;
)
ln (
,
,...,
;
);
* β
k β
≥
∀ t i ,
it
it
Nit
it
it
Nit
f x 1
2
f x 1
2
năm,
Trong đó N là số các đầu vào, H là số các doanh nghiệp trong ngành, T là số kβ là các hệ số được ước lượng tương ứng với các đường biên nhóm k. Các
hệ số kβ được ước lượng bởi mô hình của Battese và Coelli 1995. Các ước lượng
này được thực hiện trước khi giải bài toán (2.27)-(2.28) nên chúng là cố định. Bài
toán (2.27)-(2.28) tương đương với dạng quy hoạch tuyến tính như sau (O’Donnell, Rao và cộng sự 2008):
H
T
x
x
ln
,
,...,
;
)
* β
it
Nit
∑∑
xf ( it 1
2
(2.29)
Min * β
i
t
1 =
1 =
i=1,2,…,H; t=1,2,…,T
Với ràng buộc:
(2.30)
x
x
x
x
ln (
,
,...,
;
)
ln (
,
,...,
;
);
* β
k β
≥
∀ t i ,
it
it
Nit
it
it
Nit
f x 1
2
f x 1
2
Nếu hàm f(.) là loga tuyến tính đối với các tham số thì bài toán quy hoạch
tuyến tính (2.27) - (2.28) trở thành:
(2.31)
* xMin . β * β
x
x
Với ràng buộc:
(2.32)
. β
k . β
* ≥
it
it
Trong đó x là trung bình số học của các vector xit đối với tất cả các doanh
nghiệp trong cả thời kỳ.
Sự thay đổi công nghệ (TC) có thể có được bởi việc cho thêm các biến thời
gian (t) vào hàm sản xuất biên nhóm (2.17) và hàm sản xuất biên chung (2.19).
Chỉ số năng suất TFP đối với mô hình meta-frontier SFA được xác định như sau:
30
t
t
t
k
k
*
+ 1
q
TEC
TGC
TC
t xqxM ,
(
,
,
=+ 1 )
×
×
(2.33)
Biểu thức (2.33) cho thấy có ba nguồn làm tăng trưởng năng suất nhân tố tổng hợp đó là: Thay đổi hiệu quả kỹ thuật (TECk), thay đổi khoảng cách công nghệ (TGCk) và thay đổi trong công nghệ sản xuất (TC).
2.1.2.2. Chỉ số năng suất nhân tố tổng hợp Malmquist toàn cục
Không giống như như các nghiên cứu sử dụng DEA truyền thống chỉ tập chung vào khoảng cách công nghệ và hiệu quả kỹ thuật ở một thời điểm. Chỉ số năng suất nhân tố tổng hợp Malmquist toàn cục (Global Malquist TFP) do Pastor và
Lovell (2005) xây dựng và được Oh và Lee (2010) phát triển nhằm đo lường sự thay đổi trong hiệu quả kỹ thuật, tiến bộ công nghệ và năng suất giữa các thời kỳ. Khái niệm chỉ số năng suất nhân tố tổng hợp Malmquist (Malquist TFP) toàn cục được mô tả trong hình 2.2 như sau:
E2 C3 2 E1 C3 1 C3
C1 2 D2 . D1
C2 2
A2 . . B1
C2 C1 1 C2 1 I1 G
Trong Hình 2.2, Ci
j là các đường biên sản xuất tại mỗi thời kỳ của mỗi nhóm,
Ii là đường biên sản xuất nhóm qua các thời kỳ, G là đường biên sản xuất chung.
Chỉ số Malmquist TFP của mỗi quan sát ứng với đường biên sản xuất trong mỗi
thời kỳ của nhóm k tại trình độ công nghệ thời kỳ t được định nghĩa như sau:
31
t
t
1 +
1 +
)
t
t
t
1 +
q
t M x q x ,
(
,
,
1 + = )
(2.34)
t C
t
q D x ( t t D x q (
, ,
)
t
Trong đó M là chỉ số Malmquist Dt(.) là hàm khoảng cách định hướng đầu ra
ứng với đường biên sản xuất của thời kỳ t.
Chỉ số Malmquist TFP đa thời kỳ của mỗi quan sát trong mỗi nhóm được xác
định như sau:
t
t
1 +
1 +
)
t
t
t
1 +
(2.35)
q
t M x q x ,
(
,
,
1 + = )
I
t
t
I q D x ( I D x q (
, ,
)
Trong đó DI(.) là hàm khoảng cách định hướng đầu ra ứng với biên sản xuất
đa thời kỳ của nhóm I.
Theo phân tích của Pastor và Lovell (2005), chỉ số này có thể được phân rã
như sau:
t
t
t
t
t
1 +
1 +
1 +
1 +
)
t
t
t
1 +
1 +
(2.36)
q
t M x q x ,
(
,
,
)
=
×
×
I
t
t
t I
t
t
q D x ( , t 1 + t t D x q (
,
)
q , 1 + q ,
) 1 + )
t D x q ( D x q (
, ,
) )
t
I D x ( D x ( t 1 +
t
t
t
t
t
t
1 +
1 +
1 +
q
TE
TE
TEC
t 1 + D x (
,
) /
t D x q (
,
)
/
=
=
Do
nên thành phần thứ nhất trong
( , ) /
( , )
biểu thức (2.36) đo lường sự thay đổi hiệu quả kỹ thuật. Còn thành phần ID x q D x q được Pastor và Lovell (2005), Oh và Lee (2010) định nghĩa là
khoảng cách hoạt động tối ưu (BPG).
t
t
t
t
I
1 +
1 +
t
t
1 +
(2.37)
BPG
BPG
;
=
=
t
t
t
I D x ( t 1 + D x (
q , 1 + q ,
) 1 + )
D x q ( t t D x q (
, ,
) )
BPG đo lường khoảng cách từ đường biên sản xuất của mỗi nhóm tại mỗi thời
kỳ đến đường biên sản xuất đa thời kỳ của mỗi nhóm và nhận giá trị trong đoạn [
]0;1 .
t
BPG
BPG
1t + >
miêu tả sự cải tiến công nghệ từ thời kỳ t sang thời kỳ t+1.
Chúng ta sẽ sử dụng điều này để miêu tả khái niệm tiến bộ công nghệ trong phương pháp chỉ số Malmquist toàn cục như sau:
t
t
t
t
t
t
I
t
t
1 +
1 +
1 +
1 +
D x q (
,
)
t
(2.38)
BPC
/
=
=
×
t
t
t
t
I
t
t
I D x ( D x (
q , 1 + q ,
) 1 + )
D x q ( t t D x q (
, ,
) )
I D x ( D x (
q , 1 + q ,
) 1 + )
D x q (
,
)
t
t
t
1
1
+
+
Tóm lại, chỉ số Malmquist TFP đa thời kỳ có thể được viết như sau:
t
t
t
t
1 +
(2.39)
q
(
,
,
1 + = )
TEC BPC ×
IM x q x ,
32
( , )
( ,
λ
D x q D x q ) = λ
Do hàm khoảng cách định hướng đầu ra là thuần nhất bậc 1 theo sản lượng, . Vì vậy, công thức (2.38) có thể được
nên với mỗi λ∈ (cid:1) ta có
viết thành:
t
t
t
t
1 +
1 +
1 +
1 +
q
I D x (
,
/
))
(
t
1
+
(2.40)
BPC
=
q t
D x t
, t
I
t D x q D x q /
(
(
,
,
))
t
Tương tự, chỉ số Malmquist TFP toàn cục được xây dựng như sau:
t
t
1 +
1 +
)
t
t
t
1 +
(2.41)
q
t M x q x ,
(
,
,
1 + = )
G
t
t
G q D x ( G D x q (
, ,
)
G
t
t
(
)
,
Trong đó
D x q là hàm khoảng cách định hướng đầu ra ứng với đường
biên sản xuất chung. Do chỉ có một đường biên sản xuất chung trong giai đoạn t đến t+1 nên biểu thức (2.41) không có dạng trung bình nhân. Chúng ta có thể phân rã MG thành các thành phần như sau:
t
I
t
t
t
1 +
1 +
)
t
t
t
1 +
1 +
(2.42)
q
t M x q x ,
(
,
,
)
=
TEC BPC ×
×
×
G
t
t
t
) 1 +
D x q ( I t 1 + q D x (
, ,
)
G q D x ( G D x q (
, ,
)
Theo khái niệm tỷ suất khoảng cách công nghệ đã được giới thiệu ở trên ta có:
t
t
t
t
G
1 +
1 +
TGR
t
1
+
;
;
(2.43)
TGC
TGR
TGR
1
t t ,
=
=
+ =
t
t
1 +
I
t
1 +
1 +
q t q
TGR
G D x ( I t D x (
, ,
) )
D x q ( t D x q (
, ,
) )
t
Do đó, biểu thức (2.42) được viết lại như sau:
t
t
t
t
1 +
(2.44)
q
TEC BPC TGC
(
,
,
1 + = )
×
×
GM x q x ,
Biểu thức trên cho thấy muốn nâng cao năng suất nhân tố tổng hợp có thể
thực hiện ở các công đoạn sau: Khai thác nguồn lực sản xuất hiện có hiệu quả hơn; Cải tiến công nghệ trong nội bộ nhóm; Cải thiện công nghệ của toàn bộ ngành.
Do tính thuần nhất của hàm khoảng cách định hướng đầu ra nên (2.42) có thể
được viết lại như sau:
t
t
1 +
1 +
D x (
)
,
t
1
+
t
t
t
1 +
1 +
q
t M x q x ,
(
,
,
)
=
×
G
q t
t D x q (
,
)
t
(2.45)
t
t
t
t
1 +
1 +
1 +
1 +
t
t
t
t
1 +
1 +
1 +
1 +
q
I D x (
,
/
))
t
1
+
,
))
q t
D x ( t
, t
I
t
t D x q D x q /
(
(
,
,
))
G D x ( / , G t D x q D x q /
I D x ( I (
q t ,
(
,
q t ))
t
×
Biểu thức trên cho phép tính chỉ số Malmquist toàn cục và các thành phần
33
của nó thông qua việc gải các bài toán quy hoạch tuyến tính. Oh và Lee (2010) đã
xây dựng 6 bài toán quy hoạch tuyến tính nhằm xác định giá trị các hàm khoảng
t
t
t
I
t
t
t
t
t
t
t
1 +
1 +
1 +
1 +
1 +
1 +
q
q
q
(
D x (
,
)
t D x q D x q /
(
(
,
,
))
I D x (
,
/
D x (
,
)),
t
t
t
t
1 +
1 +
cách
t D x q , )
G
I
t
t
t
t
t
t
t
1 +
1 +
1 +
1 +
và từ phương pháp DEA truyền
q
q
t D x q D x q /
(
(
,
,
))
G D x (
,
/
I D x (
,
))
thống chúng ta sử dụng các hàm khoảng cách này để đo lường hiệu quả kỹ thuật.
2.1.3.1. Mô hình hệ số biến đổi ngẫu nhiên của Kalirajan và Obwona (K&O)
Mô hình hệ số biến đổi ngẫu nhiên (SVFA) được đề xuất bởi Kalirajan và
Obwona (1994) ở dạng logarit đối với dữ liệu cắt ngang được mô tả như sau:
K
N
i (
1,2,..,
)
=
=
(2.46)
∑
y i
β ij
x ij
j
1 =
Trong đó
là hệ số góc đối với đầu vào thứ j được sử dụng bởi
( jβ >
)1
ij
doanh nghiệp thứ i,
i ix 1 1 = ∀ nên
1iβ là hệ số chặn. Sai số thông thường không
thể tách rời từ hệ số chặn. Mô hình này cho phép mỗi hệ số, kể cả hệ số chặn biến
đổi giữa các doanh nghiệp. Điều này giải quyết trọn vẹn sự cứng nhắc của mô
hình SFA. Một đóng góp khác của K&O đó là bản chất trong đo lường mức hiệu
quả kỹ thuật của mỗi doanh nghiệp riêng lẻ chính là công thức hàm sản xuất biên
của chúng.
Có hai nhiệm vụ cần được thực hiện trong mô hình SVFA đó là: Ước lượng
mô hình (2.46), sau đó tính đầu ra biên (và mức hiệu quả kỹ thuật) cho mỗi doanh
nghiệp. Đối với nhiệm vụ đầu tiên, kỹ thuật được sử dụng gần đây là kỹ thuật được
đề xuất bởi Kalirajan và Obwona (1994) mà trong đó các ông làm theo gợi ý của
Hildreth và Houck (1968) và Griffiths (1972) (Kalirajan và Obwona, 1994). Nhiệm
vụ thứ hai được thực hiện theo công thức của K&O (1994).
Để ước lượng mô hình (2.46) Kalirajan và Obwona làm theo gợi ý của của
Hildreth và Houck (1968) bằng cách viết
ijβ như sau:
(2.47)
i
K
1, 2,..,
N j ;
1, 2,..,
+
=
=
(
)
β β= j
ij
ijv
Khi đó (2.46) trở thành:
34
K
K
=
+
=
+
(2.48)
∑
∑
y i
x ij
β j
v ij
x β ij j
u i
(
)
j
j
1 =
1 =
Trong đó:
K
(2.49)
= ∑ x v ij ij
u i
j
1 =
Số hạng
ijv là các nhiễu ngẫu nhiên không quan sát được với trung bình bằng
jβ là hệ số phản ứng trung bình của đầu ra đối với một sự thay đổi trong đầu
là các hệ số phản ứng thực tế. Mô hình có thể viết dưới dạng
j
ijvβ +
)
không, vào thứ j và ( ma trận như sau;
(2.50)
X
uβ=
+ với u Xv=
u
u
,..,
Θ =
=
Đặt
là ma trận hiệp phương sai của
, chìa khóa
(
) 'N
u u 2, 1
Y }ik N Nθ {
×
kỹ thuật của Hildreth và Houck cần hai giả định. Thứ nhất, với mỗi i các số hạng
để ước lượng mô hình (2.50) là vấn đề ước lượng ma trận Θ . Để giải quyết vấn đề này ijv và
k≠ . Điều này tương đương với hạn chế
ijβ và
ikv là độc lập với mọi j
với mọi j
ikβ là độc lập k≠ . Thứ hai, ma trận Θ được giả định là ma trận chéo. Hai hạn chế này được áp đặt chỉ bởi một lý do thoải mái về mặt toán học. Với những hạn chế đó thủ tục ước lượng của Hildreth và Houck cho mô hình (2.50) như sau:
k
0
Đặt
thì
i θ = ∀ ≠ và
Var
i
K
1,..,
N j ;
1,..,
=
=
(
)
ik
ij
) ( ν α= ij
K
% X
=
=
(2.51)
∑
θ ii
2 x α ij jj
α ( ) i
j
1 =
,...,
,
'
=
=% X
Trong đó :
,
là hàng thứ i của
(
)
KK
% X α α α α , 11
22
( )iX%
{ }2 x ij N K ×
Nếu chúng ta ước lượng (2.46) bởi phương pháp OLS thì véc tơ phần dư là:
1 −
1 −
′
′ X Y
X
X
u
ˆ β
β
e Y X = −
= −
=
−
+
( ′ Y X X X
)
( ′ I X X X
)
(
)
−
′
(2.52)
=
−
X u Mu =
( ′ I X X X
) 1
Trong đó, M là ma trận đối xứng và có giá trị không đổi được xác định
như sau:
35
′
= −
{ M m ≡
( ′ I X X X
) 1 X−
} ik N N
×
Từ (2.52) chúng ta có :
′
′
′
′
(2.53)
E Muu M
=
=
=
= Θ
( ) Var e
( E e e
)
(
)
) M E uu M M M
(
Do đó:
%
(2.54)
( )E e Mθ= %
% e
,..,
' ,
,
,..,
'
=
=
Với
(
)
2 e N
NN
2 2 e e , 1 2
, θ θ θ θ 11
22
(
)
% { 2 M m = ik
}
% % e M = −
N N × % % % e MX = −
θ
α
Đặt
(Vì theo (2.50) ta có
)
Xθ α= %
% % ( ) w e E e = −
G
w
α
α +
(2.55)
Chúng ta có biểu thức: % % % e MX w = + = Trong đó G MX= % %
Vì biểu thức (2.55) có dạng mô hình tuyến tính quen thuộc nên nó có thể được
ước lượng bằng phương pháp OLS để có được ước lượng không chệch
*α củaα :
%
(2.56)
'.
'
* α
=
(
) 1 − G G G e
*α là ước lượng không chệch của phương sai. Tuy nhiên, có một điều không *α âm. Cách khắc phục đơn giản được
mong muốn là đôi khi các thành phần của Hildreth và Houck (1968) đề xuất để có ước lượng α% củaαnhư sau:
j
K
max
1, 2,...
=
=
(2.57)
% α j
}* { ,0 α j
Mặc dù ước lượng α% là chệch, tuy nhiên Hildreth và Houck (1968) đã chứng
minh được ước lượng này có trung bình sai số bình phương còn bé hơn
*α .
Một ước lượng ˆα của α cũng được Hildreth và Houck (1968) đề xuất bằng
cách giải bài toán quy hoạch bậc hai, trong đó ˆα được xác định như sau:
0
(2.58)
0
ˆ α
α
% e G −
≤
% e G −
% e G −
α ∀ ≥
′ ) (
) ˆ α
(
′ ) (
) α
a
Đặt
;
ˆ ≥ α % ( e G − % e x α =
=
thì việc xác định ˆα theo (2.58) là việc giải bài toán quy
hoạch toàn phương sau:
36
) '(
) min
−
− →
(2.59)
Q a Gx a Gx ( = x θ ≥
a
x
)',
,
(
...
)'
=
=
=
.
Trong đó:
tk
x K
x x 1 2
[ a G g T
]
T K ×
SGG
=='
Đặt
, S là ma trận đối xứng cấp K , tất cả các phần tử trên
a a ( .... 1 2 ] KKijs [
×
đường chéo chính đều dương. Hildreth (1958) đã xây dựng phương pháp xấp xỉ liên tiếp như sau:
Biểu thức tường minh của hàm Q :
T
T
K
K
K
Q
2
=
−
+
+
2 a t
g a x tk t k
s x x kl k l
2 s x kk k
∑
∑∑ 2
∑ (2.60)
∑
t
t
k
k l
k
1 =
1 =
1 =
, 1, =
k l <
1 =
Rõ ràng véc tơ x θ≥ làm cực tiểu hàm Q cũng sẽ là véc tơ làm cực tiểu hàm
T
K
K
K
và ngược lại. Vậy ta sẽ đi tìm véc tơ
P
2
2
−=
+
+
xag tk
t
k
l
xs kk
2 k
∑ ∑
∑
∑
t
k
k
lk
xxs k kl lk <
1 =
1 =
,1, =
1 =
3=K
x θ≥ làm cực tiểu hàm P. Phương pháp xấp xỉ của Hildreth bao gồm một số thủ tục lặp. Để làm rõ ý tưởng và bớt cồng kềnh về ký hiệu chúng ta sẽ mô tả thủ tục với
. Như vậy hàm P có dạng:
T
T
T
P
2
2
2
2
2
2 = −
−
−
+
+
+
∑
∑
∑
x 1
g a t t 1
x 2
g a t t 2
x 3
g a t t 3
s x x 12 1 2
s x x 13 1 3
s x x 23 2 3
t
t
1 =
(2.61)
1 = 0,
,
0,
0
>
+
+
>
>
t 1 = 2 s x 22 2
2 s x 11 1
2 s x 33 3
s 11
s 22
s 33
là hàm một biến có nghiệm
Dưới đây, để tiện mô tả thuật toán, nếu
)(xf
thực duy nhất chúng ta sẽ ký hiệu nghiệm thực này là
.
0)
solve f = (
0
=
Bước khởi đầu: Cho
ta nhận được hàm :
x 2
= x ,0 3
T
2
−=
+
ga t
t
P 01
x 1
1
2 xs 1 11
∑
t
1 =
T
solve
max 0,
(
0) max 0,
=
=
=
Giá trị
làm cực tiểu hàm
∑
a g t
t
v 01
1
t
1 =
P ∂ 01 x ∂ 1
1 s 11
v
x
,
0
=
=
0
. Thay
vào biểu thức của (2.61) ta được hàm:
01P trên miền
x 1
3
01
1 ≥x
T
T
v
x
2
2
(
)
−=
−
−
+
+
ga t
t
ga t
t
P 02
01
1
2
2
vs 12
01
vs 11
2 01
xs 22
2 2
∑
∑
t
t
1 =
1 =
37
T
v
,0max
solve (
)0
,0max
)
(
=
=
=
−
Giá trị
làm cực
ga t
t
02
2
vs 12
01
∑
1 s
P ∂ 02 x ∂
t
= 1
2
22
v
x
v
,
=
=
0
tiểu hàm
. Thay
vào biểu thức của P ta được hàm:
02P trên miền
x 1
2
01
02
2 ≥x
T
T
T
v
v
x
2
2
2
2
2
2
−=
−
−
+
+
+
t
t
t
∑
∑
∑
P 03
01
ag t 1
02
ag t 2
3
ag t 3
vvs 12 01
02
xvs 13 01
3
xvs 23 02
3
t
t
t
1 =
1 =
1 =
T
T
v
v
2
2
2
+
+
−=
−
+
+
+
+
t
t
∑
∑
vs 11
2 01
vs 22
2 02
xs 33
2 3
01
ag t 1
02
ag t 2
vvs 01 12
02
vs 11
2 01
vs 22
2 02
t
t
1 =
1 =
T
2
2
)
−
−
−
t
xs 33
2 3
x (2 3
ag t 3
vs 13
01
vs 23
02
∑
t
1 =
T
v
,0max
solve (
)0
,0max
)
(
=
=
=
−
−
làm
Giá trị
ga t
t
03
3
vs 13
01
vs 23
02
∑
1 s
P ∂ 03 x ∂
t
= 1
3
33
v
v
v
0
v (
,
,
)
=
θ≥
cực tiểu hàm
. Véc tơ
là xấp xỉ đầu tiên
03P trên miền
3 ≥x
0
03
02
01
(gọi là xấp xỉ ở bước 0) của x .
Bước lặp: Giả sử ở bước thứ n ta đã thu được xấp xỉ thứ n
v
v
v
v (
,
,
)
=
θ≥
của x . Đặt :
n
n
n
2
3
n 1
v
(
,
,
)
=
n
n
n
P (
1)1
vxP 1
2
3
+
1)1
v
,0max
solve (
)0
=
=
làm cực tiểu hàm
trên miền
Giá trị
n
(
1)1
+
1)1
( +nP
P ∂ n ( + x ∂ 1
0
. Đặt:
1 ≥x
vP (
,
)
=
n
n
n
P (
2)1
(
1)1
vx , 2
3
+
+
2)1
v
,0max
solve (
)0
=
=
Giá trị
làm cực tiểu hàm
trên miền
n
(
2)1
+
2)1
( +nP
P ∂ n ( + x ∂
2
0
. Đặt:
2 ≥x
v
x
vP (
,
,
)
=
n
n
n
P (
3)1
(
1)1
(
2)1
3
+
+
+
v
,0max
solve (
)0
=
=
Giá trị
làm cực tiểu hàm
trên miền
n
(
3)1
+
3)1
( +nP
P ∂ n ( 3)1 + x ∂
3
0
v
v
v
v
,
(
,
)
=
θ≥
. Véc tơ
là xấp xỉ thứ n+1 của x .
3 ≥x
n
n
n
n
(
1)1
(
2)1
(
3)1
1 +
+
+
+
Quá trình lặp sẽ dừng lại cho đến khi đạt được độ ổn định mong muốn. Ví
dụ, nếu các tính toán được lấy đến 3 chữ số thập phân sau dấu phẩy (chính xác đến
38
10-3) thì quá trình lặp sẽ dừng lại nếu tất cả các chữ số thập phân cho đến hàng 10-3
(
) trùng nhau.
của
3,2,1=j
njv và
nv
j
)1
( +
*
K&O sử dụng các ước lượng
,α α α% ˆ ,
của α để có ước lượng ˆΘ cho ma trận
hiệp phương sai Θ . Sau đó với ˆΘ thì các hệ số phản ứng trung bình β trong mô hình
các hệ số biến đổi (2.50) có thể được ước lượng bởi ước lượng GLS thông thường:
−
1 −
b
X
X
X
1 − Y
=
ˆ ′ Θ
ˆ ′ Θ
(2.62)
K
1,2,..,
Sau khi có được ước lượng của các hệ số phản ứng trung bình
( j β =
j
) chúng ta cần sử dụng phương pháp được miêu tả bởi Griffiths (1972) để tính toán ước
K
1,2,..,
N j ;
1,2,..,
=
lượng các hệ số phản ứng thực tế
như sau:
)
( ij i β =
(2.63)
b
b
=
+
=
+
−
ˆ β ij
j
ˆ ν ij
j
y i
X b ( ) i
ˆ x α ij jj K ∑
2 ˆ x α ij jj
j
1 =
Trong đó
( )iX là hàng thứ i của ma trận X.
K
y
i
N
(
1,2,..,
)
=
=
Với hàm sản xuất (2.46)
Kalirajan và Obwona
∑
i
β ij
x ij
j
1 =
(1994) tin tưởng vào hai lập luận sau để xây dựng hàm sản xuất biên. Thứ nhất, các doanh nghiệp sử dụng các kỹ thuật thực hành tốt nhất sẽ áp dụng mỗi đầu vào theo cách hiệu quả nhất. Do đó các hàm sản xuất thực của chúng chính là hàm sản xuất
biên với giá trị cao nhất đối với mỗi hệ số góc. Thứ hai, hệ số chặn là ảnh hưởng kết hợp của tất cả các nhân tố khác vượt ra ngoài giới hạn các đầu vào được bao gồm trong mô hình hàm sản xuất biên nên phản ánh độ lớn cực đại của tác động này nên nó sẽ có hệ số chặn lớn nhất.
i
K
1, 2,..,
N j ;
1,2,..,
=
=
=
Nói cách khác, nếu đặt
thì hàm
)
* max β j
{ β ij
} ( ;
i
sản xuất biên cho doanh nghiệp i là:
K
N
i (
1,2,..,
)
=
=
(2.64)
* y i
* β ij
x ij
∑
j
1 =
2.1.3.2. Cải tiến trong thủ tục ước lượng của K&O
và sự độc lập của
Như đã đề cập ở trên, hai giả định về ma trận chéo Θ
39
v
,ij
v là cần thiết để thủ tục ước lượng của K&O được thực hiện. Nhưng giả định ik
v v ,ij ik
0
,
= tương đương với
điển hình. Giả định
,
Cov β β = với mọi i và 0
ij
ik
ij
độc lập với mọi j k≠ là không thích hợp, đặc biệt đối với các hàm sản xuất ( Cov v v ik
)
(
)
mọi j
k≠ . Giả định này có nghĩa là trong mỗi hàm sản xuất thực tế thì các hệ số
phản ứng đầu vào được giả định là không tương quan. Điều này rõ ràng là quá cứng nhắc so với thực tế, nhìn chung trong các phân tích sử dụng mô hình tuyến tính
quen thuộc thì
0
Cov β β ≠ . ,
j
k
(
)
Thật vậy, xét hàm sản xuất Cobb- Douglas trong mô hình các hệ số biến đổi
i
i
i
=
với
= +
Y AK L eα θ ε i i
u ; α α θ θ ν = + i i
i
i
Theo lập luận của Kalirajan và Obwona (1994), các số hạng ngẫu nhiên u v phản ánh các tác động hiệu quả kỹ thuật lên doanh nghiệp i nên chúng phụ ,i
i
thuộc vào các nhân tố cụ thể của doanh nghiệp i được biểu thị bởi véc tơ Zi. Điều
=
=
này có nghĩa là chúng được biểu thị bằng công thức
và
. Vì
)
( h Z
)
u i
i
v i
i
cả
( g Z u v là các hàm của Zi, nên chúng thường có tương quan. ,i
i
Nhằm vượt qua hạn chế của giả định
,
0
= . Nguyễn Linh Sơn
ij
( Cov v v ik
)
(2011) đã không áp đặt giả định này lên mô hình SVFA và ông đã đề xuất một thủ
tục ước lượng mới mà có thể được sử dụng để ước lượng mô hình K&O dưới sự nới lỏng này như sau:
Đầu tiên, chúng ta vẫn xét mô hình các hệ số biến đổi:
K
y
x
i
N
i
(
1,2,..,
)
=
=
với
∑
i
β ij
ij
ix
1 1 = ∀ . Vẫn sử dụng cách đặt trong các
j
1 =
u
u
,..,
=
biểu thức (2.47)-(2.50), vẫn gọi Θ là ma trận hiệp phương sai của
(
u u 2, 1
) 'N và Θ vẫn được giả định là ma trận chéo. Tuy nhiên, điều quan trọng cần lưu ý đó là, mô hình (2.50) có dạng mô hình tuyến tính quen thuộc nhưng với phương sai sai số thay đổi u Xv=
Nếu chúng ta có thể ước lượng mô hình (2.50) bởi phương pháp GLS thông
thường thì ước lượng GLS sẽ là:
−
1
−
−
(2.65)
X
X
X
1 Y
=
′ Θ
′ Θ
% β
(
) 1
40
Và véc tơ phần dư sẽ là :
−
1
−
−
% e Y X
X
X
1 Y
ˆ β
=
−
=
−
′ Θ
′ Θ
( Y X X
) 1
−
1
1
−
−
(2.66)
X
X
Y
=
−
′ Θ
′ Θ
( I X X
) 1
Tuy nhiên, vế phải của (2.65) chứa ma trận chưa biết Θ nên đầu tiên chúng ta cần tìm Θ sau đó tính các phần dư. Thủ tục ước lượng mới của Nguyễn Linh Sơn như sau:
ˆΘ để có được hệ số phản ứng trung bình và véc tơ phần dư tương ứng như sau:
−
1 −
b
X
X
X
1 − Y
=
ˆ ′ Θ
ˆ ′ Θ
−
1
1 −
−
X
X
Y
Và
(2.68)
e Y Xb = −
=
−
ˆ ′ Θ
ˆ ′ Θ
( I X X
) 1
ˆ
ˆ
của
,
,
ij
ij
ik
ij
ij
ik
) Var v Cov v v ,
(
(
)
) Var v Cov v v ,
(
(
)
K
Vì
= ∑ nên chúng ta có:
u i
x v ij ij
j
1 =
K
i
N
(2.69)
2
,
1,..,
=
+
=
( Var u
)
)
∑
∑
i
x x Cov v v ij ik
ik
ij
( 2 x Var v ij ij
)
(
) (
j
1 =
K K
j 1,.., = k 1,.., = j k <
Bởi vì thành phần ˆ
iiθ của ˆΘ là ước lượng không chệch của Var(ui) nên chúng
ta có thể viết lại (2.69) như sau:
K
(2.70)
i
N
2
,
1,..,
=
+
+
=
(
)
∑
∑
ˆ θ ii
x x Cov v v ij ik
ik
ij
w i
( 2 x Var v ij ij
)
(
)
j
1 =
K K
j 1,.., = k 1,.., = j k <
i
N
0
1,..,
=
=
Với
(
)
)
( iE w
Sau đó chúng ta tìm Var(vij) từ (2.70), chúng ta cần áp đặt thêm giả định
,
i j k , ,
.
∀
là như nhau đối với các doanh nghiệp, nghĩa là
ij
α= jk
( Cov v v ik
)
( Cov v v ,ij ik
)
41
K
j
1,..,
=
Giả định này cùng với giả định
là quen thuộc trong các
)
(
α= jj
( Var v ij
i
,..,
,
'
∀ thường được xem xét lựa chọn từ một phân phối đa biến.
)
(
) thiết lập kinh tế lượng của các mô hình hệ số biến đổi trong đó véc tơ (
)
i
β β β i iK 2
1
Với những giả định này (2.70) trở thành:
K
i
N
0
1,..,
=
+
+
=
=
(2.71)
(
)
(
)
∑
∑ 2
ˆ θ ii
2 x α ij jj
x x α ik ij jk
w E w , i
i
j
1 =
j k <
−
)1
K
+
Hệ thống biểu thức này là mô hình tuyến tính quen thuộc của
( K K 2
các hệ số chưa biết nên nó có thể được ước lượng bởi OLS để có ước lượng tuyến tính không chệch tốt nhất (BLUE) ˆ jjα của
jjα .
Với véc tơ các hệ số phản ứng trung bình β và Var(vij) có được từ (2.67) và
(2.71). Chúng ta có thể sử dụng phương pháp của Griffiths (1972) giống như kỹ thuật ước lượng của K&O để có được ước lượng BLUE cho các hệ số phản ứng bởi công thức: thực của
K
N j ;
1,..,
1,..
=
( i β =
)
ij
(2.72)
b
b
i
K
1,..,
N j ;
1,..,
=
+
=
+
=
=
(
)
ˆ β ij
j
ˆ v ij
j
e i
ˆ x α ij jj K ∑
2 ˆ x α ij jj
j
1 =
Trong đó
( )iX là hàng thứ i của ma trận X.
Nhưng một vấn đề đặt ra đối với sự nới lỏng giả định của Nguyễn Linh Sơn là công thức hàm sản xuất biên (2.64) không còn phù hợp. Cụ thể là, nếu các hệ số là tương quan, doanh nghiệp i sử dụng một sự kết
phản ứng đầu vào
K
j
1,..,
=
(
)
β ij
hợp các đầu vào đã cho
có thể thu được một vài giá trị lớn nhất
j
K
1,..,
=
(
)
ijx
j
K
j
K
1,..,
1,..,
, nhưng nói chung là không thể bao gồm tất cả các
( β =
)
( β =
)
* j
* j
đồng thời xảy ra. Chẳng hạn, có hai đầu vào và hàm sản xuất thỏa mãn giả định hiệu
). Trong
xuất không đổi theo quy mô thì
2iβ và
3iβ là không tương quan (vì
β i 2
1 β= − i 3
trường hợp này,
,β β không đạt được đồng thời.
* 2
* 3
Vì hàm sản xuất biên trong công thức (2.64) lấy những giá trị lớn nhất của tất
42
*
cả các hệ số phản ứng nên đường biên đầu ra của nó
iy là không khả thi trong
j
K
1,..,
trường hợp tất cả các
không thể đạt được đồng thời. Doanh nghiệp i
( β =
)
* j
*
không thể có được đường biên sản lượng
iy ngay cả khi nó sử dụng kỹ thuật thực
*
hành tốt nhất. Nói cách khác,
iy được xác định bởi công thức (2.64) không phải là đầu ra tối đa tiềm năng có thể được sản xuất. Vấn đề này sẽ trực tiếp dẫn đến các sai
số trong đo lường mức hiệu quả kỹ thuật. Do đó một công thức mới cho đầu ra biên của doanh nghiệp i được đề xuất như sau:
K
K
K
n
max
,..,
=
(2.73)
∑
∑ ,
∑
* y i
j
x ij
x ij
j
β Nj
x ij
β 1
β 2
j
j
j
j
0
1 =
1 =
1 =
=
, max = [ ] N h 1, ∈
∑ β hjt
Biểu thức này có nghĩa rằng chúng ta không xây dựng rõ ràng một hàm sản xuất biên cho mỗi doanh nghiệp i. Thay vào đó, chúng ta sẽ chỉ tính đầu ra biên của mỗi doanh nghiệp tại các mức đầu vào mà nó sử dụng. Biểu thức (2.73) chỉ rõ rằng đầu ra biên của doanh nghiệp i sử dụng các mức đầu vào
là giá trị
K
j
1,..,
=
(
)
ijx
K
j
1,..,
=
, được cho bởi ước lượng các hàm sản
dụng cùng các mức đầu và
lớn nhất của đầu ra thực tế mà một doanh nghiệp trong mẫu có thể đạt được khi sử )
(
ijx
xuất thực của tất cả các doanh nghiệp.
*
công thức (2.73) bảo đảm rằng tập các hệ số được sử dụng để tính
Công thức (2.73) rõ ràng khắc phục vấn đề của công thức (2.64). Cụ thể là, iy có thể đạt
được đồng thời bởi một doanh nghiệp. Do đó đầu ra biên *
iy như công thức (2.73) là K
j
1,..,
=
khả thi. Ngoài ra, với sự kết hợp mức đầu vào
đã cho doanh nghiệp
)
(
ijx
*
sử dụng kỹ thuật thực hành tốt nhất sẽ đạt được đầu ra tối đa có thể
iy . Cho nên các doanh nghiệp với các kỹ thuật thực hành tốt nhất sẽ hoạt động trên hàm sản xuất biên hoàn toàn được xác định bởi công thức (2.73).
2.1.3.3. Mô hình hệ số biến đổi ngẫu nhiên của Huang và Liu (H&L)
Một thủ tục khác để tính toán điểm hiệu quả kỹ thuật được đề xuất bởi Karagiannis và Tzouvelekas (2009) để giải quyết các thiếu sót trên của mô hình
SVFA dựa trên ý tưởng rằng các phương pháp thực hành tốt nhất đề cập đến toàn bộ các đầu vào được sử dụng bởi một doanh nghiệp thay vì mỗi đầu vào riêng biệt.
43
f
=
Bắt đầu với quan hệ cơ bản mà
, trong đó f (⋅) là hàm sản xuất
( ).
y i
o TE i
biên, chúng ta có thể viết lại cho dạng Cobb-Douglas như sau:
K
ln
ln
ln
=
+
+
(2.74)
∑
y i
β ij
x ij
o TE i
β i 0
j
1 =
Hàm sản xuất biên trong mô hình hệ số biến đổi ngẫu nhiên có thể được viết
như sau:
K
K
ln
ln
ln
=
+
+
+
(2.75)
∑
∑
y i
β j
x ij
v i
v ij
x ij
β 0
0
j
j
1 =
1 =
K
ln
ln
=
Từ (2.74) và (2.75) suy ra :
(2 .76)
+ ∑
o TE i
v i
v ij
x ij
0
j
1 =
Chú ý rằng (2.76) hoàn toàn giống với đo lường hiệu quả kỹ thuật được đưa ra bởi Huang và Liu (1994) bằng ước lượng hợp lý cực đại của mô hình biên không trung tính.
o
Với các giả định về vi, rõ ràng là giá trị kỳ vọng của ln
iTE trong (2.74) bằng
o
0 cho thấy giá trị kỳ vọng của
iTE bằng một. Điều này có nghĩa là các giá trị ước
o
lượng của
iTE có thể nhỏ hơn hoặc lớn hơn một. Để đảm bảo rằng các giá trị ước
o
lượng của
iTE được giới hạn bởi một, thì việc chuẩn hoá sau đây được đề xuất bởi
Schmidt và Sickles (1984) được sử dụng.
K
K
ln
ln
ln
=
+
+
(2.77)
∑
∑
ˆ o TE i
ˆ v k
ˆ v kj
x ij
ˆ v i
ˆ v ij
x ij
0
0
m ax k
j
j
1 =
1 =
−
Mặt khác, Kalirajan và Obwona (1994) đã sử dụng tỷ số của hệ số thực tế với hệ số phản ứng tối đa cho mỗi đầu vào để có được ước lượng cụ thể về hiệu quả kỹ thuật cho mỗi đầu vào cụ thể.
Đó là:
(2.78)
=
K ITE i
m
β ij { β ij
}
ax i
Sự không phù hợp của (2.78) là đo lường hiệu quả phát sinh từ thực tế dựa trên độ co giãn sản xuất, mà theo Forsund (1996) đó là các đo lường biên. Như vậy (2.78) thiếu cơ sở lý thuyết để trở thành một đo lường hiệu quả phù hợp.
Thay vào đó, khái niệm ITEi
k của Kopp (1981) có thể được sử dụng để xác
44
định một cách lý thuyết về hiệu quả kỹ thuật mỗi đầu vào cụ thể. Cụ thể, Kopp k là tỷ lệ tối thiểu khả thi và giá trị quan sát được sử dụng của
(1981) định nghĩa ITEi
mỗi đầu vào dựa trên công nghệ sản xuất và mức đầu ra và các đầu vào khác, tức là I cho đầu vào k trùng với số lượng cần thiết
I /xik. Việc sử dụng tối thiểu xik
k= xik
ITEi
để đảm bảo hiệu quả kỹ thuật mà không thay đổi số lượng các đầu vào khác và mức k của Kopp (1981) là không lan tỏa
sản lượng sản xuất. Do đó, rõ ràng thước đo ITEi
và có định hướng bảo tồn đầu vào, tuy nhiên nó không thể chuyển thành đo lường
tiết kiệm chi phí.
Theo Reinhard, Lovell and Thijssen (1999), cực tiểu hóa đầu vào K cho doanh
o
nghiệp i có thể được tính thông qua hàm biên được giả định ln
iTE = , tức là: 0
K
1 −
ln
ln
ln
=
+
+
(2.79)
∑
y i
ˆ β j
x ij
ˆ β K
I x iK
ˆ β 0
j
1 =
Sau đó, có hai lựa chọn thay thế: Chúng ta có thể giải (2.79) tìm ln I
iKx và sau
đó tính
ITE hoặc chúng ta có thể kết nối (2.79), (2.74) và (2.78) để có:
k i
β
ln
hoặc
(2.80)
=
ln
ln
ln
=
−
=
K ITE i
O TE i
K ITE i
I x iK
x iK
(
) ˆ1/ K
O TE i ˆ β K
Sau đó sử dụng lại việc chuẩn hóa của Schmidt and Sickles (1984), chúng ta
có thể tính hiệu quả kỹ thuật của mỗi đầu vào cụ thể như sau:
K
K
ln
ln
+
+
∑
∑
ˆ v k
ˆ v kj
x ij
ˆ v i
ˆ v ij
x ij
0
0
ln
=
(2.81)
ˆ K ITE i
m ax k
j 1 = ˆ β K
j 1 = ˆ β K
−
Dữ liệu sử dụng trong tính toán và xây dựng mô hình là dữ liệu thứ cấp,
được thu thập từ bộ dữ liệu điều tra doanh nghiệp hàng năm của Tổng cục thống kê
(GSO) và dữ liệu điều tra năng lực cạnh tranh cấp tỉnh (PCI) của Phòng thương mại
và công nghiệp Việt Nam. Nghiên cứu sử dụng dữ liệu cho 5 năm gần đây, từ năm
2012 đến 2016.
Tổng điều tra doanh nghiệp hàng năm của GSO nhằm đáp ứng yêu cầu thông
45
tin về doanh nghiệp phục vụ cho việc tính toán và công bố về các chỉ tiêu doanh
nghiệp thuộc hệ thống chỉ tiêu quốc gia, phục vụ cho việc lập bảng cân đối liên
ngành và xây dựng hệ số chi phí trung gian của các ngành kinh tế phục vụ yêu cầu
về quản lý, hoạch định chính sách, kế hoạch phát triển doanh nghiệp của quốc gia
và từng địa phương.
PCI “là chỉ số đánh giá và xếp hạng chính quyền các tỉnh, thành phố trực
thuộc trung ương của Việt Nam về chất lượng điều hành kinh tế và xây dựng môi
trường kinh doanh thuận lợi cho việc phát triển doanh nghiệp dân doanh. PCI bao
gồm các chỉ tiêu đại diện cho thể chế môi trường kinh doanh cấp tỉnh, nó đánh giá
chất lượng thực thi chính sách và pháp luận của nhà nước” ở địa phương.
Bộ dữ liệu mảng để thực hiện việc ước lượng hàm sản xuất biên bằng các mô
hình tham số cũng như các mô hình phi hiệu quả kỹ thuật được thiết lập bằng cách
liên kết hai bộ dữ liệu này.
Từ dữ liệu điều tra doanh nghiệp của GSO, luận án xử lý và tách các số liệu
cần thiết cho các doanh nghiệp Việt Nam trong giai đoạn 2012-2016. Luận án chỉ
thu thập dữ liệu của các doanh nghiệp nhỏ, vừa và doanh nghiệp lớn (Theo nghị
định 56/2009/NĐ-CP của chính phủ), dữ liệu của các doanh nghiệp siêu nhỏ không
được đưa vào mô hình. Để có bộ dữ liệu mảng hoàn chỉnh cho qua trình nghiên cứu,
tác giả đã xử lý, ghép nối từng bộ dữ liệu từ 2012-2016 với quy trình như sau:
năm, từ 2012 đến 2016.
bộ dữ liệu điều tra doanh nghiệp. Làm sạch dữ liệu, một số sai số thống kê do thu
thập thông tin, một số quan sát ngoại lai như số lao động âm, hay tổng doanh thu
âm,vv... sẽ được loại bỏ ra ngoài bộ dữ liệu.
nghiên cứu để có bộ số liệu mảng cho các doanh nghiệp Việt Nam.
2012-2016.
46
số liệu PCI ở B4 theo mã tỉnh và năm nghiên cứu.
Để ước lượng hiệu quả và năng suất của các doanh nghiệp Việt Nam, luận án
sử dụng một đầu ra tổng hợp là giá trị gia tăng (VA) của mỗi doanh nghiệp. Giá trị
gia tăng phản ánh kết quả hoạt động sản xuất kinh doanh của doanh nghiệp, mức độ
tăng trưởng của ngành, của nền kinh tế. VA của mỗi doanh nghiệp được tính theo
hướng dẫn của GSO như sau:
Trong đó:
Khấu hao tài sản cố định= Giá trị hao mòn lũy kế đầu năm- Giá trị hao mòn
lũy kế cuối năm.
Tổng thu nhập của người lao động= Lương phải trả cho người lao động+Bảo hiểm xã hội trả thay lương+Đóng góp bảo hiểm xã hội, y tế, thất nghiệp, công đoàn.
Lợi nhuận của doanh nghiệp= Lợi nhuận thuần+Chi phí lãi vay-Chi phí thuế
thu nhập.
Thuế gián thu= Tổng thuế và các khoản phí, lệ phí phải nộp cho nhà nước-
Thuế giá trị gia tăng hàng nội địa- Thuế tiêu thụ đặc biệt.
Bên cạnh đó luận án sử dụng “hai yếu tố đầu vào là nguồn vốn (K) và lao động bình quân (L). Trong đó, nguồn vốn (K) được tính toán bằng bình quân giữa tổng tài sản tại thời điểm đầu năm và cuối năm. Số lao động bình quân (L) là số lao
động trung bình trong năm, được tính bằng trung bình cộng số lao động đầu năm và số lao động cuối năm” trong doanh nghiệp.
Ngoài ra để đánh giá tác động của các nhân tố thuộc đặc tính của doanh
nghiệp đến phi hiệu quả kỹ thuật. Luận án còn sử dụng các số liệu khác trong bộ dữ liệu điều tra doanh nghiệp của GSO để đưa vào mô hình như: Loại hình sở hữu của doanh nghiệp (Ownership); Quy mô doanh nghiệp (Size); Địa bàn của doanh nghiệp (Region); Doanh nghiệp nằm trong khu công nghiệp, khu chế xuất (KCN); Sự tham gia thương mại quốc tế của doanh nghiệp (TMQT).
1
2
Trong đó, biến hình thức sở hữu (Ownership)là biến giả nhiều phạm trù, với ownership là doanh nghiệp tư nhân và phạm
ownership là doanh nghiệp nhà nước,
trù cơ sở là doanh nghiệp FDI; Biến địa bàn của doanh nghiệp (Region) là biến giả
47
1
2
nhiều phạm trù vùng miền, với
region là vùng Đồng bằng sông Hồng,
region là
3
Trung du và miền núi phía Bắc,
region là Bắc Trung bộ và duyên hải miền Trung,
4
5
region là Tây Nguyên
region là vùng Đông Nam bộ và phạm trù cơ sở là vùng
1
0
đồng bằng sông Cửu Long. Biến quy mô doanh nghiệp (Size) là biến giả với size = là doanh nghiệp nhỏ và vừa, size = là doanh nghiệp lớn. Biến doanh nghiệp nằm trong khu công nghiệp, khu chế xuất (KCN) là biến giả với KCN=100 thì doanh nghiệp nằm trong khu công nghiệp hoặc khu chế xuất, KCN=0 thì ngược lại; Biến sự tham gia thương mại quốc tế của doanh nghiệp (TMQT) là biến giả với TMQT=100 là doanh nghiệp tham gia hoạt động thương mại quốc tế, TMQT=0 thì ngược lại.
Luận án sử dụng “09 chỉ tiêu đánh giá trong dữ liệu điều tra năng lực cạnh tranh cấp tỉnh (PCI) để đánh giá các tác động của các nhân tố thuộc nhóm thể chế môi trường kinh doanh đến phi hiệu quả của doanh nghiệp. Biến số của các chỉ tiêu này bao gồm: Gia nhập thị trường (GNTT); Tiếp cận đất đai (TCDD); Tính minh bạch (TMB); Chi phí thời gian(CPTG); Chi phí không chính thức (CPKCT); Tính năng động (TND); Hỗ trợ doanh nghiệp(HTDN); Đào tạo lao động (DTLD) và Thể chế pháp lý (TCPL). Chỉ tiêu “cạnh tranh bình đẳng” là chỉ tiêu mới có từ năm 2013 nên tác giả không đưa vào” mô hình.
Để thực hiện mục tiêu nghiên cứu, luận án sử dụng “ba mô hình tham số để ước lượng và phân tích TE của các doanh nghiệp Việt Nam giai đoạn 2012-2016 đó là: Mô hình SFA của Battese & Coelli năm 1992 và năm 1995; Mô hình meta frontier SFA của O’Donnell & Rao và cộng sự (2008); Và mô hình SVFA của K&O (1994). Sau đó với kết quả TE có được từ mô hình SVFA, luận án sử dụng mô hình hồi quy Tobit để ước lượng các nhân tố tác động đến TE của doanh nghiệp trong mô hình này. Bên cạnh đó, luận án cũng áp dụng mô hình chỉ số năng suất nhân tố tổng hợp Malmquist toàn cục (meta frontier DEA) do Pastor và Lovell (2005)
xây dựng và được Oh và Lee (2010) phát triển để có các phân tích so sánh. Đồng thời, luận án sẽ ước lượng TFP bằng các mô hình SFA và meta frontier SFA, phân tích khoảng cách công nghệ giữa các khu vực doanh nghiệp” bằng mô hình meta frontier SFA.
Từ những kết quả ước lượng TE, TFP của doanh nghiệp bằng các mô hình khác nhau, luận án có những phân tích so sánh để đánh giá những điểm hạn chế và
48
tính ưu việt của mỗi mô hình. Ngoài ra, trong các mô hình đánh giá tác động của
các nhân tố đến TE của doanh nghiệp, luận án sẽ có những phân tích tác động của nhóm nhân tố thuộc đặc tính của doanh nghiệp và nhóm nhân tố thuộc thể chế môi trường kinh doanh.
49
Trong chương này, luận án mô tả và phân tích về sự phát triển của các khu vực doanh nghiệp Việt Nam nói chung và của ngành Dệt may-Da giày nói riêng trong giai đoạn 2012-2016. Phân tích thực trạng về năng suất lao động và năng suất
vốn của các doanh nghiệp. Đồng thời, luận án giới thiệu dữ liệu mẫu của các doanh nghiệp sẽ được dùng để ước lượng trong chương 4.
Doanh nghiệp “có vị trí đặc biệt quan trọng, là xương sống phản ánh sức khỏe
nền kinh tế, là bộ phận chủ yếu tạo ra tổng sản phẩm trong nước (GDP). Trong đó, các doanh nghiệp nhỏ, vừa và lớn chiếm đến gần 70% tổng nguồn vốn đầu tư vào khu vực doanh nghiệp, tạo việc làm cho trên 80% tổng số lao động trong toàn bộ
các doanh nghiệp. Trong những năm qua, hoạt động của các doanh nghiệp nhỏ, vừa và lớn ở Việt Nam đã có những bước phát triển mạnh mẽ, góp phần quyết định vào tăng trưởng kinh tế, tăng thu ngân sách và kim ngạch xuất khẩu, giải quyết hiệu quả các vấn đề tạo việc làm và xóa đói giảm nghèo. Do đó, luận án chỉ lựa chọn phân
tích cho các doanh nghiệp nhỏ, vừa và doanh nghiệp lớn” (Theo nghị định 56/2009/NĐ-CP của chính phủ) để có những đánh giá về sự phát triển của các doanh nghiệp trong giai đoạn hiện nay.
Các doanh nghiệp nhỏ, vừa và lớn trong giai đoạn 2012-2016 tăng từ 123.380 doanh nghiệp năm 2012 lên 148.243 doanh nghiệp năm 2016. Cơ cấu của các doanh nghiệp theo khu vực doanh nghiệp, theo nhóm ngành kinh tế và theo quy mô được trình bày trong bảng 3.1.
Cơ cấu của các doanh nghiệp nhỏ, vừa và lớn theo loại hình sở hữu cho thấy. Các doanh nghiệp nhà nước chiếm tỷ lệ khoảng 5%, các doanh nghiệp FDI chiếm khoảng 6% và chiếm tỷ lệ lớn nhất là các doanh nghiệp tư nhân với tỷ lệ 89%. Cơ
cấu theo nhóm ngành kinh tế thì tỷ lệ doanh nghiệp thuộc nhóm ngành nông nghiệp chỉ chiếm khoảng 3%, nhóm ngành công nghiệp và xây dựng chiếm khoảng 47% và nhóm ngành dịch vụ chiếm khoảng 50%. Kết quả tính toán cho thấy các doanh nghiệp nhỏ và vừa chiếm đến 96%, trong khi các doanh nghiệp lớn chỉ chiếm khoảng 4%.
50
Theo các khu vực doanh nghiệp Theo các nhóm ngành kinh tế
DN FDI
DN lớn
DN tư nhân DN nhà nước Ngành nông nghiệp Ngành CN và XD Ngành dịch vụ Theo quy mô doanh nghiệp Tổng số doanh DN nghiệp nhỏ và vừa
2012 6793 109696 6891 3143 58702 61535 4686 118694 123380
2013 6764 109305 7388 3115 58176 62166 4785 118672 123457
2014 8063 111393 7947 4508 59317 63578 4967 122436 127403
2015 7968 119141 8826 4653 62806 68476 5334 130601 135935
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Sự phát triển về số lượng doanh nghiệp nhỏ, vừa và lớn ở Việt Nam hiện nay ngày càng tạo ra nhiều việc làm cho người lao động. “Mặc dù các doanh nghiệp nhỏ, vừa và lớn trong các năm chỉ chiếm hơn 30% về số lượng doanh nghiệp nhưng
chiếm trên 85% tổng số lao động trong toàn bộ các doanh nghiệp Việt Nam. Tăng từ 9.4 triệu người năm 2012 lên 11.6 triệu người năm 2016. Và thu hút thêm nguồn vốn đầu tư, từ đó tạo ra nhiều hơn giá trị gia tăng. Tổng nguồn vốn trong các doanh nghiệp này tăng từ 10.8 triệu tỷ đồng năm 2012 lên 15.1 triệu tỷ đồng năm 2016,
chiếm khoảng 60% tổng nguồn vốn của toàn bộ các doanh nghiệp Việt Nam” trong giai đoạn này. Bảng 3.2 mô tả các đầu vào và kết quả hoạt động của các doanh nghiệp nhỏ, vừa và lớn giai đoạn 2012-2016.
2016 7683 130531 10029 4527 68127 75589 5766 142477 148243
Năm Tổng vốn (Đơn vị:Triệu đồng) Doanh thu (Đơn vị:Triệu đồng) Giá trị gia tăng (Đơn vị:Triệu đồng) Lao động (Đơn vị: Người)
2012 9.400.101 10.820.265.080 9.024.612.331 1.890.865.724
2013 9.598.082 13.622.645.672 9.806.127.522 2.112.715.731
2014 10.038.326 13.368.323.423 10.711.239.707 2.205.756.124
2015 10.812.117 14.396.334.071 12.201.154.835 2.611.586.094
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
2016 11.635.811 15.159.362.648 13.766.919.070 4.378.306.100
51
Kết quả hoạt động sản xuất kinh doanh của các doanh nghiệp nhỏ, vừa và lớn
cũng tăng trưởng đều qua các năm. Doanh thu tăng từ 9 triệu tỷ đồng năm 2012 lên
13.7 triệu tỷ đồng năm 2016. Giá trị gia tăng đạt 1.8 triệu tỷ đồng lên đến 4.3 triệu
tỷ đồng trong giai đoạn này.
Ở nước ta hiện nay, các doanh nghiệp “được chia thành ba khu vực theo hình
thức sở hữu bao gồm: Khu vực doanh nghiệp nhà nước, khu vực doanh nghiệp tư
nhân, và khu vực doanh nghiệp FDI. Thực trạng về các đầu vào cũng như kết quả
hoạt động của các doanh nghiệp nhỏ, vừa và lớn theo loại hình sở hữu được luận án
tính toán và trình bày trong bảng 3.3 từ dữ liệu điều tra doanh nghiệp” của GSO.
Đối với khu vực doanh nghiệp nhà nước, các tính toán được mô tả trong
bảng 3.3 cho thấy: Lao động trong khu vực đạt trung bình 1.2 triệu người, chiếm tỷ
lệ 11.8% tổng số lao động trong các doanh nghiệp nhỏ, vừa và lớn. Tổng nguồn vốn
đầu tư khoảng 3.1 triệu tỷ đồng và chiếm 23.6% tổng vốn đầu tư trong các doanh
nghiệp. Doanh thu trung bình đạt 2 triệu tỷ đồng và tạo ra khoảng 559 nghìn tỷ
đồng giá trị gia tăng trong giai đoạn này. Có thể thấy, lao động, tổng nguồn vốn
trong khu vực doanh nghiệp nhà nước có xu hướng giảm đáng kể từ năm 2013.
Khu vực doanh nghiệp FDI trong giai đoạn này tạo việc làm cho trung bình
cho khoảng 3.1 triệu lao động (chiếm 31%), với tổng nguồn vốn đầu tư trung bình
khoảng 3.2 triệu tỷ đồng (chiếm 24.6%), đạt doanh thu 3.3 triệu tỷ đồng và tạo ra
khoảng 894 nghìn tỷ đồng giá trị gia tăng. Lao động và tổng vốn đầu tư trong khu
vực doanh nghiệp FDI tăng nhanh trong mỗi năm dẫn đến doanh thu và giá trị gia
tăng cũng tăng đáng kể.
Trong khi đó, khu vực doanh nghiệp tư nhân là khu vực chiếm tỷ lệ lớn nhất
về số lượng doanh nghiệp, cũng như lao động, tổng nguồn vốn, doanh thu và giá trị
gia tăng trong các doanh nghiệp nhỏ, vừa và lớn ở giai đoạn này. Cụ thể, lao động
chiếm khoảng 57.3%, tổng nguồn vốn chiếm 51.9%, doanh thu đạt trung bình 5.6
triệu tỷ đồng (chiếm 51%), tạo ra 1.17 triệu tỷ đồng giá trị gia tăng (chiếm 44.7%).
Trong khu vực này, tổng nguồn vốn đầu tư, doanh thu và giá trị gia tăng tăng trưởng
mạnh mẽ trong giai đoạn 2012-2016.
52
Doanh thu Tổng vốn Giá trị gia tăng Lao động
(Đơn vị:
(Đơn vị:
(Đơn vị:
(Đơn vị: Người)
Triệu đồng)
Triệu đồng)
Triệu đồng)
Năm
2012 1.281.739 2.661.064.988 2.157.288.739 546.625.718
2013 1.302.432 4.375.314.288 2.271.566.505 599.068.490
2014 1.239.384 3.169.301.580 2.133.738.800 593.948.803 Khu vực doanh nghiệp nhà nước
2015 1.198.906 2.771.466.196 1.857.624.877 518.500.323
2016 1.035.704 2.707.761.326 1.627.148.870 536.887.369
2012 5.557.222 5.882.385.430 4.531.396.199 720.392.540
2013 5.507.321 6.354.044.831 4.740.990.148 783.964.651
2014 5.667.389 6.317.469.075 4.996.862.427 781.172.778 Khu vực doanh nghiệp tư nhân
2015 6.068.438 7.815.406.537 6.330.973.099 1.022.276.788
2016 6.685.657 8.158.848.167 7.534.617.178 2.570.121.356
2012 2.561.129 2.276.783.773 2.335.927.393 623.845.205
2013 2.788.329 2.893.286.553 2.793.570.869 729.682.590 Khu vực doanh nghiệp FDI
2014 3.131.553 3.084.164.665 3.204.705.039 778.263.319
2015 3.544.773 3.809.461.338 4.012.556.859 1.070.808.984
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
2016 3.914.450 4.292.753.155 4.605.153.022 1.271.297.375
Cơ cấu ngành kinh tế là tổng hợp các ngành kinh tế và tỷ trọng của mỗi
ngành trong nền kinh tế. Nó phản ánh trình độ phân công lao động xã hội, cũng như sự phát triển của lực lượng sản xuất. Ở nước ta hiện nay, khi phân tích các doanh nghiệp theo cơ cấu ngành kinh tế, chúng ta thường chia theo ba nhóm ngành chính: Ngành nông nghiệp; Nghành công nghiệp và xây dựng; và Ngành dịch vụ. Từ dữ
liệu của GSO, luận án tính toán các đầu vào và kết quả hoạt động của các doanh
53
nghiệp nhỏ, vừa và lớn theo các nhóm ngành kinh tế. Kết quả tính toán được mô tả trong bảng 3.4.
Năm Giá trị gia tăng (Đơn vị:Triệu đồng) Tổng vốn (Đơn vị:Triệu đồng) Doanh thu (Đơn vị:Triệu đồng)
143.209.990 69.987.907 38.559.065 2012
2013 269.253 159.906.136 67.588.113 29.728.936
Nhóm ngành nông nghiệp 2014 300.206 191.097.618 68.977.943 31.756.619
2015 312.430 200.854.667 73.704.209 30.704.705
2016 278.146 203.959.207 79.014.502 31.119.647
2012 6.520.765 4.692.352.911 4.702.844.738 1.156.826.894
2013 6.688.923 5.227.743.916 5.141.051.052 1.348.346.422
Nhóm ngành công nghiệp và xây dựng 2014 7.055.538 5.893.670.754 5.843.160.724 1.410.617.401
2015 7.583.365 6.742.205.499 6.883.012.283 1.722.495.636
2016 8.167.890 7.175.418.089 7.736.982.295 3.302.163.926
2012 2.596.110 5.984.702.179 4.251.779.685 695.479.765
2013 2.639.906 8.234.995.620 4.597.488.357 734.640.372 Nhóm ngành dịch vụ
2014 2.682.582 7.283.555.051 4.799.101.039 763.382.104
2015 2.916.322 7.453.273.905 5.244.438.343 858.385.753
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
2016 3.189.775 7.779.985.352 5.950.922.274 1.045.022.527
54
Trong khi đó, “các doanh nghiệp thuộc nhóm ngành nông nghiệp chiếm tỷ trọng thấp nhất trong cơ cấu các nhóm ngành kinh tế trong giai đoạn 2012-2016. Trong giai đoạn này, các doanh nghiệp thuộc ngành nông nghiệp chỉ tạo ra trung bình hoảng 232 nghìn việc làm, chỉ chiếm khoảng 2.3% tổng số lao động trong toàn bộ các doanh nghiệp. Với tổng số vốn đầu tư chiểm trung bình khoảng 1.3% (179.8 nghìn tỷ đồng) và tổng giá trị gia tăng chỉ chiếm 1.2% tổng giá trị gia tăng trong các doanh nghiệp nhỏ, vừa và lớn. Còn lại, các doanh nghiệp thuộc nhóm ngành dịch vụ chiếm tỷ lệ trên 27% về số lượng lao động, tỷ lệ tổng doanh thu chiếm trên 44%, và chiếm khoảng 31% tổng giá trị gia tăng trong các doanh nghiệp nhỏ, vừa và lớn” giai đoạn 2012-2016.
Năm Lao động (Đơn vị: Người) Tổng vốn (Đơn vị: Triệu đồng) Doanh thu (Đơn vị: Triệu đồng) Giá trị gia tăng (Đơn vị: Triệu đồng)
2012 4.535.433 5.064.717.816 4.683.046.750 817.695.998
2013 4.545.100 6.060.750.456 5.006.189.527 855.788.497 Các doanh nghiệp nhỏ và vừa
2014 4.646.379 6.354.040.054 5.516.431.160 887.063.730
2015 4.920.121 7.526.103.376 6.299.460.946 1.061.204.945
2016 5.353.841 8.235.547.188 7.130.808.516 1.951.193.152
2012 4.864.668 5.755.547.264 4.341.565.581 1.073.169.727
Các doanh nghiệp lớn 2013 5.052.982 7.561.895.216 4.799.937.994 1.256.927.234
2014 5.391.947 7.014.283.369 5.194.808.547 1.318.692.394
2015 5.891.996 6.870.230.696 5.901.693.889 1.550.381.149
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
2016 6.281.970 6.923.815.460 6.636.110.555 2.427.112.947
55
Số lượng doanh nghiệp “nhỏ và vừa trong giai đoạn này chiếm trung bình
96%. Nhưng tổng số lao động chỉ chiếm tỷ lệ trung bình 46.7% (khoảng 4.8 triệu người). Tổng vốn đầu tư cũng như tổng doanh thu của các doanh nghiệp nhỏ và vừa gần như ngang bằng với các doanh nghiệp lớn. Tuy nhiên tổng giá trị gia tăng của các doanh nghiệp nhỏ và vừa tạo ra trong giai đoạn này khoảng 1.11 triệu tỷ đồng và chỉ chiếm tỷ lệ 42%. Điều này phản ánh những khó khăn hiện nay mà các doanh nghiệp nhỏ và vừa đang gặp phải như: Thiếu vốn, công nghệ sản xuất lạc hậu, thị phần hạn hẹp vv… điều đó dẫn đến hiệu quả hoạt động của các doanh nghiệp nhỏ và vừa hiện nay còn thấp” hơn các doanh nghiệp lớn.
Năng suất lao động là một chỉ tiêu, phản ánh hiệu quả hoạt động sản xuất của người lao động trong quá trình sản xuất. Việc lựa chọn đầu ra và đầu vào khác nhau sẽ tạo ra các chỉ tiêu tính năng suất lao động khác nhau. Vì vậy có nhiều loại chỉ
tiêu để tính năng suất lao động, tuy nhiên chúng ta thường sử dụng ba chỉ tiêu chủ yếu như sau: Chỉ tiêu năng suất lao động tính bằng hiện vật; Chỉ tiêu năng suất lao động tính bằng giá trị (tiền tệ); Và chỉ tiêu năng suất lao động tính bằng thời gian lao động.
Luận án sử dụng chỉ tiêu năng suất lao động tính bằng giá trị để mô tả thực trạng về năng suất lao động của các doanh nghiệp Việt Nam. Cụ thể, năng suất lao động của mỗi doanh nghiệp là tỷ lệ giữa tổng giá trị gia tăng và tổng số lao động
của doanh nghiệp đó. Từ dữ liệu điều tra doanh nghiệp của GSO giai đoạn 2012- 2016, luận án tính năng suất lao động của các doanh nghiệp nhỏ, vừa và lớn theo khu vực doanh nghiệp, theo nhóm ngành kinh tế, và theo quy mô doanh nghiệp. Các kết quả tính toán được trình bày trong bảng 3.6.
Năng suất lao động theo khu vực doanh nghiệp được mô tả trong hình 3.1 cho thấy: “Khu vực doanh nghiệp tư nhân có năng suất lao động trung bình thấp nhất trong giai đoạn 2012-2016, khoảng 159.4 triệu đồng/ người. Tiếp đến là khu vực
doanh nghiệp nhà nước và cao nhất là khu vực doanh nghiệp FDI với năng suất lao động trung bình đạt 483.9 triệu đồng/người. Điều này phản ánh thực trạng về trình độ lao động trong các khu vực doanh nghiệp Việt Nam hiện nay. Các doanh nghiệp FDI có nhiều lợi thế hơn về công nghệ” và thị phần, có chính sách về lương và chế
56
độ đãi ngộ tốt nhằm thu hút lao động có trình độ cao, do đó năng suất lao động cao
hơn so với khu vực doanh nghiệp nhà nước và tư nhân. Năng suất lao động của khu vực doanh nghiệp nhà nước có xu hướng giảm trong giai đoạn này. Trong khi đó khu vực doanh nghiệp tư nhân và FDI có xu hướng tăng, đặc biệt tăng đáng kể trong năm 2016.
Đơn vị: Triệu đồng/Người
DN
Năng suất lao động trong các khu vực doanh nghiệp Năng suất lao động trong các nhóm ngành kinh tế Năng suất lao động theo quy mô doanh nghiệp
DN lớn
FDI
DN nhà nước DN tư nhân Ngành dịch vụ DN nhỏ và vừa Ngành nông nghiệp Ngành CN và XD
2012 356.8 117.7 468.4 72.5 113.2 189.9 147.9 214.3
2013 251.9 134.6 424.8 65.1 150.0 171.0 155.1 241.5
2014 225.0 119.4 448.0 58.3 125.5 179.0 145.5 257.1
2015 239.8 145.6 489.4 70.8 144.4 207.1 169.8 262.8
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
2016 251.6 279.7 588.9 72.4 367.6 251.1 297.9 331.9
700
600
500
400
300
200
100
0
2012
2013
2014
2015
2016
DN FDI
DN nhà nước
DN tư nhân
Đơn vị: Triệu đồng/người
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
57
Trong các “nhóm ngành kinh tế, hình 3.2 cho thấy: Các doanh nghiệp thuộc
nhóm ngành dịch vụ có năng suất lao động cao nhất, trung bình khoảng 199.6 triệu đồng/ người. Tiếp đến là các doanh nghiệp thuộc nhóm ngành công nghiệp và xây dựng với trung bình khoảng 180.1 triệu đồng/ người. Còn các doanh nghiệp thuộc ngành nông nghiệp có năng suất lao động thấp nhất, trung bình khoảng 67.8 triệu đồng/ người. Năng suất lao động của cả ba nhóm ngành kinh tế đều có xu hướng tăng từ 2013-1016. Đặc biệt, năng suất lao động của nhóm ngành công nghiệp” và xây dựng tăng rất mạnh trong năm 2016.
400
350
300
250
200
150
100
50
0
2012
2013
2014
2015
2016
Ngành nông nghiệp
Ngành công nghiệp &XD
Ngành dịch vụ
Đơn vị: Triệu đồng/người
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Theo quy mô doanh nghiệp cho thấy, “các doanh nghiệp nhỏ và vừa có năng suất lao động thấp hơn các doanh nghiệp lớn. Trung bình năng suất lao động của các doanh nghiệp nhỏ và vừa đạt 183.2 triệu đồng/người, trong khi các doanh
nghiệp lớn là 261.5 triệu đồng/ người. Điều này phản ánh thực trạng những khó khăn về vốn và công nghệ trong các doanh nghiệp nhỏ và vừa hiện nay dẫn đến năng suất lao động trong các doanh nghiệp này còn thấp. Tuy nhiên trong năm 2016, năng suất lao động trung bình trong các doanh nghiệp nhỏ và vừa tăng đáng
kể, gấp khoảng 1.8 lần so với năm 2015, cho thấy những tín hiệu tích cực về năng suất lao động trong các doanh nghiệp này. Thêm vào đó, chúng ta có thể thấy các doanh nghiệp nhỏ và vừa cũng như các doanh nghiệp lớn đều có xu thế tăng trưởng về năng suất lao động” trong giai đoạn 2012-2016.
58
Đơn vị: Triệu đồng/người
350
300
250
200
150
100
50
0
2012
2013
2014
2015
2016
Doanh nghiệp lớn
Doanh nghiệp nhỏ và vừa
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Để phân tích thực trạng về hiệu quả từng yếu tố đầu vào của mỗi doanh
nghiệp, bên cạnh năng suất lao động, luận án tiếp tục mô tả thực trạng về năng suất vốn của các doanh nghiệp nhỏ, vừa và lớn giai đoạn 2012-2016.
Năng suất vốn “phản ánh mức độ hiệu quả việc sử dụng vốn trong hoạt động sản suất kinh doanh của mỗi doanh nghiệp, cho biết khi đầu tư một đồng vốn sẽ đem lại bao nhiêu giá trị. Điều này sẽ không chỉ phụ thuộc vào việc quản lý cho quá trình sản xuất hoạt động ổn định mà đòi hỏi các doanh nghiệp phải luôn tìm tòi để có thể đầu tư có hiệu quả nhất. Người ta thường đo lường năng suất vốn của doanh
nghiệp bởi tỷ lệ giữa tổng giá trị gia tăng và tổng lượng vốn. Tuy nhiên, để đi sâu vào mô tả hiệu quả sử dụng vốn trong các doanh nghiệp, luận án sẽ mô tả năng suất vốn của các doanh nghiệp thông qua hai chỉ tiêu: Hiệu suất sinh lợi trên tài sản (ROA) và hiệu suất sinh lợi trên vốn chủ sở hữu (ROE). Trong đó ROA được đo
lường bởi tỷ lệ giữa lợi nhuận sau thuế với tổng tài sản, còn ROE được tính bởi tỷ lệ giữa lợi nhuận sau thuế và vốn chủ sở hữu. Bảng 3.7 mô tả tỷ lệ các doanh nghiệp có ROA và ROE dương theo khu vực doanh nghiệp, theo nhóm ngành kinh tế và theo quy mô” doanh nghiệp.
59
Đơn vị: %
Theo các khu vực doanh nghiệp
DN FDI
DN lớn DN tư nhân Ngành dịch vụ Theo các nhóm ngành kinh tế Ngành CN và XD Ngành nông nghiệp Theo quy mô doanh nghiệp DN nhỏ và vừa DN nhà nước
76.6 2012 47.4 57.2 73.1 54.1 44.0 48.5 75.3
2013 82.9 68.3 58.7 82.2 69.3 67.2 68.2 77.8
2014 85.4 69.2 59.3 86.3 70.3 67.8 69.2 78.8
2015 83.3 62.2 59.3 83.0 65.5 59.9 62.6 78.5
2016 84.2 69.1 59.9 81.4 69.9 68.0 68.9 77.2
Tính theo khu vực doanh nghiệp thì khu vực doanh nghiệp nhà nước có tỷ lệ
doanh nghiệp có ROA và ROE dương là cao nhất, đạt trung bình 82.5 % số doanh nghiệp làm ăn có lãi. Tiếp đến là khu vực doanh nghiệp tư nhân, đạt trung bình 63.2% số doanh nghiệp có hiệu suất sinh lợi dương trong giai đoạn 2012-2016. Và tỷ lệ các doanh nghiệp có hiệu suất sinh lợi dương thấp nhất là khu vực FDI, với trung bình khoảng 58.9% trong giai đoạn này. Điều này trái ngược hoàn toàn so với năng suất lao động trong các khu vực doanh nghiệp. Phản ánh thực trạng rất nhiều doanh nghiệp FDI hiện nay đang báo lỗ sau thuế.
Đơn vị: %
90
80
70
60
50
40
30
20
10
0
2012
2013
2014
2015
2016
Doanh nghiệp nhà nước
Doanh nghiệp tư nhân
Doanh nghiệp FDI
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
60
Đối với tỷ lệ các doanh nghiệp có ROA và ROE dương theo nhóm ngành
kinh tế, hình 3.5 cho thấy các doanh nghiệp thuộc nhóm ngành nông nghiệp có tỷ lệ cao nhất, tiếp đến là các doanh nghiệp thuộc ngành công nghiệp và xây dựng, và cuối cùng là các doanh nghiệp thuộc nhóm ngành dịch vụ. Kết quả về tỷ lệ trung bình các doanh nghiệp có ROA và ROE dương trong các nhóm ngành này lần lượt là 81.2 %, 65.8% và 61.4%. Điều này cũng ngược lại hoàn toàn với năng suất lao động trong các nhóm ngành kinh tế. Năng suất lao động trung bình của các doanh nghiệp thuộc nhóm ngành dịch vụ là cao nhất, tuy nhiên tỷ lệ số doanh nghiệp sản xuất có lãi trong ngành này lại thấp nhất.
Đơn vị: %
100
90
80
70
60
50
40
30
20
10
0
2012
2013
2014
2015
2016
Ngàng nông nghiệp
Ngành công nghiệp và XD
Ngành dịch vụ
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Tính theo quy mô doanh nghiệp, kết quả mô tả trong hình 3.6 cho thấy: Tỷ lệ trung bình các doanh nghiệp lớn có ROA và ROE dương là 77.5%, trong khi tỷ lệ
các doanh nghiệp nhỏ và vừa có có ROA và ROE dương chỉ chiếm 63.5 %. Kết quả này tương đồng với năng suất lao động theo quy mô doanh nghiệp. Nó một lần nữa phản ánh thực trạng các doanh nghiệp nhỏ và vừa hoạt động kém hiệu quả hơn so với các doanh nghiệp lớn trong giai đoạn 2012-2016.
61
Đơn vị: %
90
80
70
60
50
40
30
20
10
0
2012
2013
2014
2015
2016
Doanh nghiệp lớn
Doanh nghiệp nhỏ và vừa
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Kể từ khi bước vào “thời kỳ đổi mới công nghiệp hóa nền kinh tế đất nước, ngành công nghiệp Việt Nam đã có nhiều bước phát triển mạnh mẽ. Trong đó,
giống như nhiều các quốc gia tại khu vực châu Á như Trung Quốc, Ấn Độ, Hàn Quốc vv…, ngành Dệt may và ngành Da giày Việt Nam được lựa chọn làm ngành kinh tế trung tâm, là động lực tạo việc làm, gia tăng xuất khẩu, giải quyết lao động dư thừa của ngành nông nghiệp, góp phần nâng cao GDP, tăng trưởng nền kinh tế.”
Theo thống kê của “Hiệp hội Dệt may Việt Nam, tốc độ tăng trưởng giá trị xuất khẩu bình quân 5 năm gần đây đạt 14,74%/năm, kim ngạch xuất khẩu trong năm 2016 đạt khoảng hơn 28,5 tỷ USD. Được đánh giá là nước có quy mô Dệt may
xuất khẩu đứng thứ 4 thế giới, đến năm 2015 ngành Dệt may Việt Nam đã cung ứng trên 4% tổng mức tiêu thụ trên toàn thế giới. Với quy mô hơn 6.000 doanh nghiệp lớn nhỏ, Dệt may đã trở thành ngành tạo công ăn việc làm cho 5% lao động công nghiệp, với hơn 2,5 triệu lao động, tạo 1/5 số việc làm mới hàng năm và đóng góp khoảng 16% vào giá trị sản xuất công nghiệp” của nước ta hiện nay.
Ngành công nghiệp Da giày Việt Nam đã phát triển rất nhanh, được xem là một trong những ngành công nghiệp mũi nhọn đưa nền kinh tế Việt Nam phát triển.
Theo thống kê của Tổng cục Hải quan tại thời điểm tháng 3/2017, Da giày là một trong 5 ngành có kim ngạch xuất khẩu lớn nhất, chiếm trên 10% tổng kim ngạch
62
xuất khẩu hàng năm ở Việt Nam. “Với khoảng 800 doanh nghiệp đang hoạt động tạo
việc làm cho khoảng hơn 1 triệu lao động phổ thông trong đó 85% là lao động nữ. Khi ngành Da giày tham gia sâu vào chuỗi giá trị toàn cầu, với lợi thế về nguồn nhân lực của nước ta hiện nay, sẽ tạo điều kiện việc làm tốt cho các khâu sử dụng nhiều lao động. Song song với các hoạt động thu hút lớn nguồn nhân lực thì ngành da giày còn tạo ra an sinh xã hội, đóng góp cho ngân sách Nhà nước. Với thành quả đáng kể như vậy, ngành da giày Việt Nam đã “ghi tên” mình vào trong top 10 nước xuất khẩu da giày hàng đầu thế giới. Riêng xuất khẩu vào thị trường châu Âu, Da giày Việt Nam đứng thứ 2” chỉ sau Trung Quốc.
Mặc dù ngành Dệt may-Da giày có vai trò to lớn trong nền kinh tế, tuy nhiên hoạt động của những ngành này trong những năm vừa qua chưa thực sự tương xứng với tiềm năng. Quy hoạch và phân bố các doanh nghiệp chưa thực sự tối ưu. Còn nhiều doanh nghiệp có quy mô siêu nhỏ, nhỏ và vừa nên không có lợi thế cạnh tranh và hội nhập. Do đó, từ dữ liệu tổng điều tra doanh nghiệp của GSO, luận án lựa chọn phân tích cho các doanh nghiệp Dệt may-Da giày nhỏ, vừa và lớn giai đoạn
2012-2016 để có những đánh giá về sự phát triển cũng như năng suất và hiệu quả của ngành Dệt may-Da giày Việt Nam trong những năm qua.
Các doanh nghiệp nhỏ, vừa và lớn của ngành Dệt may-Da giày tăng khoảng
22.8%, từ 5521 lên 6781 doanh nghiệp trong giai đoạn 2012-2016. Cơ cấu của các doanh nghiệp theo loại hình sở hữu và theo quy mô được mô tả trong bảng 3.8.
Theo các khu vực doanh nghiệp Theo quy mô doanh nghiệp
Năm DN FDI Tổng DN lớn Tổng DN tư nhân DN nhà nước DN nhỏ và vừa
5521 5521 2012 143 4195 1183 1075 4446
5662 5662 2013 139 4262 1261 1160 4502
5837 5837 2014 131 4363 1343 1242 4595
6293 6293 2015 129 4653 1511 1342 4951
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
6781 6781 2016 125 4974 1682 1459 5322
63
Từ kết quả tính toán cho thấy cơ cấu của các doanh nghiệp Dệt may-Da giày
theo khu vực doanh nghiệp như sau: Khu vực doanh nghiệp Dệt may-Da giày nhà nước chỉ chiếm tỷ lệ trung bình 2.2% về số lượng doanh nghiệp, khu vực doanh nghiệp FDI chỉ chiếm tỷ lệ trung bình 23.2% và nhiều nhất là khu vực doanh nghiệp tư nhân, chiếm tỷ lệ 74.6%. Cơ cấu theo quy mô doanh nghiệp cho thấy, có đến 79.1% các doanh nghiệp Dệt may-Da giày là các doanh nghiệp nhỏ và vừa, số lượng doanh nghiệp lớn chỉ chiếm trung bình khoảng 20.9%.
Thực trạng về số lao động, tổng nguồn vốn và kết quả sản xuất kinh doanh
của các doanh nghiệp nhỏ, vừa và lớn trong ngành Dệt may-Da giày giai đoạn 2012-2016 được luận án tính toán và trình bày trong bảng 3.9.
(Đơn vị:
(Đơn vị:
(Đơn vị:
(Đơn vị: Người)
Triệu đồng)
Triệu đồng)
Triệu đồng)
Doanh thu Tổng vốn Giá trị gia tăng Lao động Năm
2012 1.924.029 325.210.964 426.563.495 167.921.699
2013 2.074.014 376.077.293 507.057.676 186.054.232
2014 2.319.609 447.326.295 617.540.063 223.983.114
2015 2.560.125 559.647.748 724.479.542 272.024.620
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Số lượng lao động trong các doanh nghiệp nhỏ, vừa và lớn của ngành Dệt may-Da giày tăng khoảng 1.42 lần trong giai đoạn 2012-2016, từ 1.92 triệu lao
động lên 2.74 triệu lao động. Tổng vốn đầu tư tăng gấp đôi, đạt khoảng 646 nghìn tỷ đồng. Tổng doanh thu tăng 1.91 lần, từ 426 nghìn tỷ năm 2012 lên 817 nghìn tỷ năm 2016. Đặc biệt, ngành Dệt may-Da giày đã có sự tăng trưởng mạnh về giá trị gia tăng. Giá trị gia tăng của các doanh nghiệp nhỏ, vừa và lớn trong ngành đã tăng
khoảng 5.59 lần trong giai đoạn 2012-2016, từ 167 nghìn tỷ đồng lên 939 nghìn tỷ đồng năm 2016.
2016 2.745.399 646.953.722 817.697.541 939.161.020
64
Doanh thu Tổng vốn Giá trị gia tăng Lao động
(Đơn vị:
(Đơn vị:
(Đơn vị:
(Đơn vị: Người)
Triệu đồng)
Triệu đồng)
Triệu đồng)
Năm
2012 43402 16303346 13530692 3755755
2013 47225 16590533 14291479 4848637
2014 44923 17574421 15765805 4326474 Khu vực Dệt may- Da giày nhà nước
2015 41487 21171138 19351307 5130017
2016 46939 24007601 22111397 5900714
2012 632754 105724875 130767032 54147635
2013 680888 127129725 155962703 54580738
2014 743132 148373619 183352277 63730225 Khu vực Dệt may- Da giày tư nhân
2015 809109 173397537 210027958 76787823
2016 857038 179987471 228374249 692506022
2012 1247873 203182742 282265770 110018309
2013 1345901 232357033 336803492 126624855
2014 1531554 281378254 418421980 155926413 Khu vực Dệt may- Da giày FDI
2015 1709529 365079071 495100277 190106779
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Nếu tính theo khu vực doanh nghiệp, kết quả tính toán trong bảng 3.10 cho thấy: Khu vực Dệt may-Da giày nhà nước chỉ chiếm khoảng 2% về lao động ,
4.1% về tổng nguồn vốn đầu tư, 2.8% về doanh thu và 1.34 % về giá trị gia tăng. Còn khu vực Dệt may-Da giày tư nhân chiếm khoảng 32% về số việc làm trong ngành, 31.2% về tổng vốn đầu tư, doanh thu chiếm 29.4% và giá trị gia tăng chiếm tỷ lệ 52.6% trong ngành. Trong khi đó khu vực Dệt may-Da giày FDI chiếm đến 66% số lao động của ngành, tổng vốn đầu tư chiếm tỷ lệ 64.7%, doanh
2016 1841422 442958649 567211893 240754282
65
thu chiếm tỷ lệ 67.9% và giá trị gia tăng chiếm tỷ lệ 46%. Có thể thấy rằng khu
vực Dệt may-Da giày FDI có quy mô và sự phát triển hơn hẳn các doanh nghiệp trong nước. Tuy nhiên, khu vực Dệt may-Da giày tư nhân dường như đang sản xuất kinh doanh đạt hiệu quả tốt hơn khi chiếm tỷ lệ về giá trị gia tăng cao nhất trong các khu vực doanh nghiệp.
Doanh thu Lao động Tổng vốn Giá trị gia tăng
(Đơn vị:Triệu đồng)
(Đơn vị:Triệu đồng)
(Đơn vị:Triệu đồng)
(Đơn vị: Người)
Năm
2012 290029 70820323 73832608 36208064
2013 300104 84845509 84961676 161017037
2014 310106 93296543 95182323 28127959
Các doanh nghiệp Dệt may-Da giày nhỏ và vừa 2015 330809 107369427 115624191 34403834
2016 356838 118672641 117044231 45930550
2012 1634000 254390640 352730887 131713634
2013 1773910 291231783 422095999 25037194
2014 2009503 354029751 522357739 195855154 Các doanh nghiệp Dệt may-Da giày lớn
2015 2229316 444023556 617110115 237620785
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Phân tích “thực trạng về sự phát triển cũng như kết quả sản xuất kinh doanh của các doanh nghiệp Dệt may-Da giày theo quy mô doanh nghiệp, từ kết quả tính toán được mô tả trong bảng 3.11 cho thấy: Các doanh nghiệp Dệt may-Da giày nhỏ và vừa mặc dù chiếm đến 79.1% về số lượng doanh nghiệp trong ngành, nhưng số
lao động chỉ chiếm có 13.7%, tổng vốn đầu tư chỉ chiếm khoảng 20% trong ngành. Đặc biệt, tổng doanh thu và giá trị gia tăng chỉ chếm tỷ lệ lần lượt là 15.7% và 17.1%. Kết quả này cho thấy sự phát triển và hiệu quả sản xuất kinh doanh của ngành Dệt may-Da giày có được chủ yếu do các doanh nghiệp lớn mang lại, sự đóng góp từ các doanh nghiệp nhỏ và vừa” còn khá khiêm tốn.
2016 2388561 528281081 700653309 893230469
66
Từ dữ liệu điều tra doanh nghiệp của GSO giai đoạn 2012-2016, luận án tính năng suất lao động của các doanh nghiệp Dệt may-Da giày nhỏ, vừa và lớn. Năng
suất lao động của ngành Dệt may-Da giày theo khu vực và quy mô doanh nghiệp được trình bày, mô tả trong bảng 3.12, hình 3.7 và hình 3.8.
Đơn vị: Triệu đồng/Người
Năng suất lao động theo quy mô doanh nghiệp Năng suất lao động theo khu vực doanh nghiệp Năm
DN FDI
DN tư nhân DN lớn DN nhỏ và vừa DN nhà nước
139.4 92.4 80.8 2012 63.4 77.2
117.6 78.4 88.9 2013 76.4 69.7
124.4 82.0 94.4 2014 68.8 72.9
141.0 97.0 104.5 2015 72.9 85.5
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Đơn vị: Triệu đồng/người
180
160
140
120
100
80
60
40
20
0
2012
2013
2014
2015
2016
DN FDI
DN nhà nước
DN tư nhân
156.7 123.5 283.1 2016 100.8 159.7
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
67
Xét theo khu vực doanh nghiệp thì các doanh nghiệp Dệt may-Da giày nhà
nước có năng suất lao động trung bình thấp nhất, khoảng 76.5 triệu đồng/người. Tiếp đến là các doanh nghiệp tư nhân, khoảng 93 triệu đồng/người và các doanh nghiệp FDI có năng suất lao động cao nhất, khoảng 135.8 triệu đồng/người. Khi phân tích theo quy mô doanh nghiệp, kết quả cho thấy các doanh nghiệp Dệt may- Da giày lớn có năng suất lao động trung bình cao hơn các doanh nghiệp nhỏ và vừa. Trong giai đoạn 2012-2016, các doanh nghiệp Dệt may-Da giày lớn có năng suất lao động trung bình khoảng 130.3 triệu đồng/người, trong khi các doanh nghiệp Dệt
may-Da giày nhỏ và vừa chỉ đạt năng suất 94.7 triệu đồng/người. Tuy nhiên, năm 2016 năng suất lao động của ngành Dệt may-Da giày tăng mạnh theo cả khu vực và quy mô doanh nghiệp cho thấy một tín hiệu lạc quan về năng suất lao động của ngành Dệt may-Da giày trong những năm tới.
Đơn vị: Triệu đồng/người
300
250
200
150
100
50
0
2012
2013
2014
2015
2016
DN lớn
DN nhỏ và vừa
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Có thể thấy rằng năng suất lao động của ngành Dệt may-Da giày hiện nay còn rất thấp so với các ngành khác trong nhóm ngành công nghiệp. Một trong những nguyên nhân cơ bản đó là nguồn lực lao động của ngành. Chất lượng lao động là một vấn đề lớn trong ngành, rất khó tuyển được lao động chất lượng cao, lao động công nghiệp trong ngành chiếm tỷ lệ rất thấp. Lao động ngành Dệt may- Da giày hiện nay chủ yếu tự học, tự đào tạo. Công tác đào tạo nhân lực cho ngành
chủ yếu là đào tạo sản xuất may, rất ít đào tạo trong lĩnh vực thiết kế thời trang, mấu chốt để ngành nâng cao giá trị gia tăng. Hơn nữa, ngành Dệt may-Da giày luôn
68
phải đối mặt với thực trạng dịch chuyển nhân lực do thu nhập của người lao động trong ngành còn thấp.
Để phân tích thực trạng về năng suất vốn của ngành Dệt may-Da giày trong giai đoạn 2012-2016, luận án tính toán tỷ lệ các doanh nghiệp có hiệu suất sinh lợi
trên tài sản (ROA) và hiệu suất sinh lợi trên vốn chủ sở hữu (ROE) dương. Các kết quả tính toán về tỷ lệ các doanh nghiệp Dệt may-Da giày có ROA và ROE dương theo khu vực, theo quy mô doanh nghiệp được trình bày và mô tả trong bảng 3.13, hình 3.9 và hình 3.10.
Đơn vị: %
Theo các khu vực doanh nghiệp Theo quy mô doanh nghiệp
DN FDI
DN lớn
DN nhà nước 79.7 DN tư nhân 57.2 DN nhỏ và vừa 60.7 48.4 54.8 2012
80.6 62.3 63.9 51.5 59.5 2013
85.5 62.6 64.1 51.5 59.6 2014
76.7 57.9 64.0 51.8 54.9 2015
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Đơn vị: %
90
80
70
60
50
40
30
20
10
0
2012
2013
2014
2015
2016
DN FDI
DN nhà nước
DN tư nhân
78.4 59.4 60.8 50.7 56.7 2016
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
69
Khi phân tích theo khu vực doanh nghiệp kết quả cho thấy. Khu vực doanh
nghiệp Dệt may-Da giày nhà nước có tỷ lệ các doanh nghiệp có hiệu suất sinh lợi dương cao nhất, với trung bình khoảng 80.2% trong giai đoạn 2012-2016. Tiếp đến là khu vực Dệt may-Da giày tư nhân với trung bình khoảng 59.9% số doanh nghiệp có ROA và ROE dương. Và cuối cùng là khu vực Dệt may-Da giày FDI, tỷ lệ doanh nghiệp sản xuất kinh doanh có lãi chỉ chiếm 50.8%. Kết quả này ngược lại so với năng suất lao động của các khu vực doanh nghiệp Dệt may-Da giày. Các doanh nghiệp nhà nước có năng suất lao động thấp nhất nhưng tỷ lệ các doanh nghiệp sản
xuất kinh doanh có lãi cao nhất. Các doanh nghiệp FDI có năng suất lao động cao nhất nhưng tỷ lệ các doanh nghiệp có ROA và ROE dương thấp nhất. Kết quả này phản ánh thực trạng hiện nay có nhiều doanh nghiệp Dệt may-Da giày FDI đang báo lỗ sau thuế.
Đơn vị: %
90
80
70
60
50
40
30
20
10
0
2012
2013
2014
2015
2016
DN lớn
DN nhỏ và vừa
Nguồn:Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO
Khi phân tích theo quy mô doanh nghiệp, kết quả cho thấy các doanh nghiệp Dệt may-Da giày lớn có tỷ lệ ROA và ROE dương cao hơn các doanh nghiệp nhỏ và vừa. Cụ thể, trong giai đoạn 2012-2016 tỷ lệ các doanh nghiệp lớn có ROA và ROE dương khoảng 62.7%, trong khi đối với các doanh nghiệp nhỏ và vừa chỉ là
57.1%. Điều này cho thấy các doanh nghiệp Dệt may-Da giày nhỏ và vừa có hiệu quả sử dụng vốn còn thấp hơn các doanh nghiệp lớn.
70
Từ việc xử lý dữ liệu Tổng điều tra doanh nghiệp của GSO, luận án có được mẫu dữ liệu mảng trong 5 năm của 29960 doanh nghiệp nhỏ, vừa và lớn giai đoạn 2012-2016. Thống kê mô tả về vốn, lao động và giá trị gia tăng của các doanh nghiệp Việt Nam trong mẫu dữ liệu ở giai đoạn này được trình bày trong bảng 3.14.
Year Var Mean Std.Dev Obs Min Max
2012 VA 44139.1 441352.5 29960 46.9 51200000.0
K 205960.2 1637241.0 10000.0 109000000.0 29960
L 29960 10.0 78481.0 195.4 794.5
2013 VA 29960 18.8 103000000.0 52012.1 864926.4
K 29960 230252.1 1857279.0 10003.5 124000000.0
L 29960 10.0 79314.0 203.1 840.5
2014 VA 29960 2.0 73200000.0 52453.6 616710.0
K 29960 252663.8 2303809.0 10003.0 173000000.0
L 29960 10.0 83721.0 210.0 900.6
2015 VA 29960 1.0 52600000.0 59680.6 546446.0
K 29960 270975.4 2213755.0 10003.0 153000000.0
L 29960 10.0 83219.0 214.4 930.6
2016 VA 29960 1.0 601000000.0 92328.0 3538206.0
K 29960 306052.1 2643745.0 10000.0 188000000.0
L 29960 214.2 938.1 10.0 78281.0
Trong giai đoạn 2012-2016 “giá trị gia tăng của các doanh nghiệp Việt Nam trong mẫu tăng trung bình 21.8% năm và tổng mức tăng là 87.2 % trong cả giai đoạn. Trong đó đóng góp trung bình của vốn vào sự tăng trưởng này là 10.4% năm (41.7% trong cả
giai đoạn) và đóng góp trung bình của lao động là 2.3% năm (9.3% trong cả giai đoạn). Sai số chuẩn của giá trị gia tăng lớn cho thấy có sự khác biệt đáng kể giữa các doanh nghiệp Việt Nam hiện nay. Sai số chuẩn của vốn và lao động đều tăng trong giai đoạn này cho thấy sự khác biệt về quy mô giữa các doanh nghiệp Việt Nam ngày càng lớn. Hơn nữa xu hướng tăng nhanh về giá trị trung bình và sai số chuẩn của vốn đã phản ánh rõ nét quá trình công nghiệp hóa và hiện đại hóa” của các doanh nghiệp hiện nay. Điều này cũng cho thấy các doanh nghiệp Việt Nam đang có xu
Nguồn: Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO bằng Stata 13
71
hướng thâm dụng vốn và phần lớn tăng trưởng sản lượng của các doanh nghiệp Việt Nam giai đoạn 2012-2016 có thể được lý giải bởi sự tăng lên từ nguồn vốn (K).
Trong tổng số 29960 doanh nghiệp nhỏ, vừa và lớn Việt Nam giai đoạn 2012-2016 từ quan sát mẫu, xử lý dữ liệu, luận án có được dữ liệu của 2093 doanh
nghiệp nhà nước, 23250 doanh nghiệp tư nhân và 4617 doanh nghiệp FDI. Các biến số về các đầu vào và đầu ra của các doanh nghiệp được trình bày trong bảng 3.15.
Doanh nghiệp nhà nước Doanh nghiệp tư nhân Doanh nghiệp FDI
Year Var Obs Mean Std.Dev Obs Mean Std.Dev Obs Mean Std.Dev
2012 VA 2093 184189.5 1365687 23250 18480.47 124636.7 4617 109860.6 569388.7
K 2093 717062.5 3892343 23250 122050.7 1142635 4617 396810.8 1940376
L 2093 394.1777 934.4197 23250 119.6374 294.8396 4617 487.0507 1769.645
2013 VA 2093 199024.7 1900573 23250 21276.37 369012.9 4617 140144.5 1584334
K 2093 790919.3 4455764 23250 136585.3 1207216 4617 447769.3 2411614
L 2093 394.4295 946.4573 23250 121.2828 315.2552 4617 528.3405 1876.858
2014 VA 2093 201878.8 1850062 23250 20963.52 113197.8 4617 143291.2 910677.3
K 2093 828567.2 4921450 23250 154060.9 1744942 4617 488131.2 2807109
L 2093 380.3798 900.1537 23250 123.1622 367.5951 4617 570.3037 2008.727
2015 VA 2093 199996.5 1198075 23250 25139.98 152659.5 4617 170009.1 1069110
K 2093 874480.1 5150508 23250 167571.5 1481343 4617 518106.9 2907230
L 2093 375.1037 899.8778 23250 124.1884 367.0821 4617 596.1369 2091.955
2016 VA 2093 207651.4 1070665 23250 61866.8 3968522 4617 193443.9 1178117
K 2093 965147.5 6574300 23250 193452.2 1689036 4617 574291.6 3327645
L 2093 346.6799 779.8802 23250 124.2582 402.3405 4617 606.9731 2101.767
Các số liệu trong bảng 3.15 cho thấy những khác biệt lớn giữa các khu vực
Nguồn: Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO bằng Stata 13
72
doanh nghiệp Việt Nam trong giai đoạn này. Khu vực doanh nghiệp nhà nước là
khu vực sử dụng nguồn vốn lớn nhất về giá trị tuyệt đối. Trong khi khu vực doanh nghiệp FDI là khu vực sử dụng nhiều lao động nhất.
Sự khác biệt về công nghệ sản xuất giữa các khu vực doanh nghiệp Việt Nam giai đoạn 2012-2016 có thể được nhận diện rõ ràng qua hình 3.11. Hình
3.11 bỏ qua một số quan sát có giá trị gia tăng trên vốn và lao động vượt trội dẫn đến khó khăn trong việc nhận diện sự khác biệt giữa các khu vực doanh nghiệp. Nó cho thấy khu vực doanh nghiệp nhà nước và FDI có khả năng tạo việc làm
lớn hơn tương đối so với khu vực doanh nghiệp tư nhân. Trong khi đó, khu vực doanh nghiệp tư nhân có nhu cầu sử dụng nhiều vốn hơn tương đối so với khu vực doanh nghiệp nhà nước và FDI.
Nguồn: Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO bằng Stata 13
Từ dữ liệu Tổng điều tra doanh nghiệp của GSO đối với ngành Dệt may-Da giày, luận án xử lý ghép nối thành dữ liệu mảng cho 3030 doanh nghiệp Dệt may- Da giày nhỏ, vừa và lớn trong 5 năm, từ 2012 đến 2016. Thống kế mô tả về hai đầu
vào là vốn và lao động, cùng với một đầu ra tổng hợp là giá trị gia tăng của ngành Dệt may-Da giày được mô tả trong bảng 3.16.
73
Giá trị trung bình của các biến đầu vào và đầu ra của các doanh nghiệp đều
tăng qua các năm. Điều này phản ánh sự phát triển của ngành Dệt may-Da giày trong giai đoạn này. Sai số chuẩn của vốn và lao động còn lớn và tăng theo thời gian phản ánh sự khác biệt về quy mô của các doanh nghiệp Dệt may-Da giày Việt Nam hiện nay. Đặc biệt, sai số chuẩn về giá trị gia tăng giữa các doanh nghiệp còn cao và không ổn định trong giai đoạn 2012-2016 cho thấy sự khác biệt lớn trong hiệu quả sản xuất kinh doanh giữa các doanh nghiệp trong ngành. Tốc độ tăng của nguồn vốn trong mẫu là khoảng 12.8%, trong khi tốc độ tăng về lao động khoảng 6% cho thấy
các doanh nghiệp Dệt may-Da giày đang có xu thế sử dụng nhiều vốn hơn lao động, nó hàm ý các doanh nghiệp Dệt may-Da giày đang tích cực trong đầu tư vào thiết bị và công nghệ nhằm nâng cao sản lượng.
Year Var Obs Mean Std.Dev Min Max
2012 VA 49251.6 258966.5 3030 19.0 7913826.0
K 3030 92025.7 516005.0 56.0 17100000.0
L 3030 537.9 2022.8 10.0 78481.0
2013 VA 53679.7 209686.0 3030 19.7 7007418.0
K 3030 103332.4 544397.2 78.0 16600000.0
L 3030 584.1 2113.5 10.0 79314.0
2014 VA 63431.3 259071.0 3030 29.1 7883522.0
K 3030 114972.2 583718.0 93.5 17200000.0
L 3030 637.4 2287.6 10.0 83721.0
2015 VA 3030 73260.8 293397.8 1.0 9100900.0
K 3030 130872.0 682032.8 87.5 21400000.0
L 3030 667.7 2376.9 10.0 83219.0
2016 VA 3030 283297.1 10900000.0 60.2 601000000.0
K 3030 143018.0 719080.1 10.0 22000000.0
L 3030 678.9 2387.8 10.0 78281.0
Nguồn: Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO bằng Stata 13
74
Xử lý dữ liệu của các doanh nghiệp ngành Dệt may-Da giày trong mẫu theo
khu vực doanh nghiệp, luận án có được dữ liệu của 68 doanh nghiệp Dệt may-Da giày nhà nước, 1974 doanh nghiệp tư nhân và 988 doanh nghiệp FDI. Thống kê mô tả về các biến đầu vào và đầu ra của ngành Dệt may-Da giày theo khu vực doanh nghiệp giai đoạn 2012-2016 được trình bày trong bảng 3.17.
Doanh nghiệp Dệt may-
Doanh nghiệp Dệt may- Da giày nhà nước Doanh nghiệp Dệt may-Da giày tư nhân Da giày FDI
Year Var Obs Mean Std.Dev Obs Mean Std.Dev Obs Mean Std.Dev
2012 VA 68 32022.3 60312.0 1974 22812.5 187418.3 988 103262.1 361953.3
K 68 184711.3 820006.8 1974 38832.8 136473.2 988 191924.9 847355.2
L 68 354.5 510.4 1974 245.6 608.5 988 1134.4 3357.0
2013 VA 68 47757.5 95610.3 1974 22485.5 75238.8 988 116412.6 342212.4
K 68 199704.4 889316.7 1974 45718.0 155608.2 988 211811.7 887904.6
L 68 410.3 708.6 1974 263.2 698.1 988 1237.1 3473.5
2014 VA 68 42155.2 82719.5 1974 25770.0 89999.6 988 140141.9 424927.1
K 68 210672.2 915953.4 1974 52379.7 188593.0 988 233443.6 946091.2
L 68 399.6 670.8 1974 282.3 806.6 988 1363.3 3734.3
2015 VA 68 50690.2 103688.2 1974 29232.2 103293.8 988 162782.3 479776.0
K 68 216643.3 859524.4 1974 59298.9 232146.7 988 267970.1 1113601.0
L 68 395.4 637.1 1974 293.6 873.6 988 1433.8 3861.6
2016 VA 68 47593.0 93727.5 1974 336625.4 13500000.0 988 192970.9 568426.7
K 68 214866.7 789039.2 1974 65117.0 273587.3 988 293717.5 1166079.0
L 68 384.2 649.2 1974 300.6 928.2 988 1455.0 3853.7
Nguồn: Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO bằng Stata 13
75
Số liệu thống kê mô tả giữa các khu vực doanh nghiệp Dệt may-Da giày
trong bảng 3.17 cho thấy có sự khác biệt lớn về đầu vào và đầu ra giữa các khu vực doanh nghiệp trong mẫu. Khu vực Dệt may-Da giày tư nhân sử dụng nguồn vốn, lao động cũng như tạo ra ra giá trị gia tăng thấp nhất về giá trị tuyệt đối. Khu vực Dệt may-Da giày FDI sử dụng nguồn vốn, lao động và tạo ra giá trị gia tăng nhiều nhất về giá trị tyệt đối. Tuy nhiên tỷ lệ giá trị gia tăng trên vốn và trên lao động của các khu vực doanh nghiệp Dệt may-Da giày, phản ánh công nghệ sản xuất giữa các khu vực doanh nghiệp lại có sự khác biệt. Điều này được mô tả trong hình 3.12.
Bỏ qua một số các giá trị có quan sát vượt trội, kết quả mô tả trên hình 3.12 cho thấy: Khu vực Dệt may-Da giày FDI sử dụng lao động nhiều hơn tương đối so với hai khu vực còn lại. Trong khi đó, khu vực Dệt may-Da giày tư nhân lại sử dụng vốn nhiều hơn tương đối so với khu vực nhà nước và FDI. Điều này cho thấy các
doanh nghiệp Dệt may-Da giày tư nhân đang tích cực trong việc cải tiến công nghệ sản xuất trong giai đoạn này.
Nguồn: Tính toán của NCS từ dữ liệu tổng điều tra doanh nghiệp của GSO bằng Stata 13
76
Trong chương này, luận án sử dụng các mô hình lý thuyết đã trình bày trong
chương 2 và các mẫu số liệu được giới thiệu trong chương 3 để ước lượng hiệu quả
và năng suất của các doanh nghiệp Việt Nam nói chung và của ngành Dệt may-Da
giày nói riêng. Qua đó, luận án có những phân tích về hiệu quả kỹ thuật, tiến bộ
công nghệ, năng suất nhân tố tổng hợp và khoảng cách công nghệ của các doanh
nghiệp Việt Nam trong giai đoạn 2012-2016.
4.1.1.1. Mô hình cụ thể
Để có được TEC, TC cũng như tăng trưởng TFP của các doanh nghiệp Việt
Nam giai đoạn 2012-2016, luận án áp dụng cả hai mô hình phi hiệu quả biến đổi
theo thời gian của Battese và Coelli năm 1992 và 1995. Trong đó, mô hình 1995
cho phép ước lượng cả thay đổi về công nghệ trên đường biên và phi hiệu quả kĩ
thuật thay đổi theo thời gian.
Hàm sản xuất biên ngẫu nhiên của các doanh nghiệp Việt Nam giai đoạn 2012-
2016 có thể được ước lượng ở cả dạng Cobb-Douglas và Translog, với một đầu ra tổng
hợp là giá trị gia tăng (VA) và hai đầu vào là nguồn vốn (K) và lao động (L). Hàm sản
xuất biên ngẫu nhiên được miêu tả ở dạng Cobb-Douglas như sau:
(4.1)
LnK
v
u
.
.
=
+
+
−
)
( Ln VA it
it
LnL it
it
it
β β + 1
0
β 2
Trong đó:
• Kit và Lit là hai đầu vào của doanh nghiệp i tại thời điểm t
• VAit là đầu ra của doanh nghiệp i tại thời điểm t
• vit là nhiễu ngẫu nhiên tuân theo quy luật phân phối chuẩn
v
)20, N σ
(
• uit là phi hiệu quả kỹ thuật, nó là các biến ngẫu nhiên không âm có phân phối
chuẩn cụt
U
)2 N m σ ,it
(
77
Để có được sự tác động của TC đối với các doanh nghiệp Việt Nam, luận án thêm biến xu hướng thời gian t vào biểu thức (4.1). Biến xu hướng thời gian trong hàm sản xuất dạng Cobb-Douglas giải thích sự thay đổi công nghệ trung tính Hicksian. Do đó, hàm sản xuất biên ngẫu nhiên cuối cùng để ước lượng là:
LnK
u
.
.
t .
=
+
+
+
−
(4.2)
)
( Ln VA it
it
LnL it
v it
it
+ β β 1
0
β 2
β 3
Trong đó, t là biến xu hướng thời gian.
Hoàn toàn tương tự, với cùng ký hiệu về đầu ra và đầu vào như ở dạng Cobb-Douglas, hàm sản xuất biên ngẫu nhiên dạng Translog có thể được biểu diễn dưới dạng:
2
2
LnK
.
.
.
.
=
+
+
+
+
LnL it
it
it
LnL it
0
β 2
β 3
β 4
(4.3)
2
) LnK
t LnK . .
( t .
+
+
+
+
+
) −
+ β β 1 ) ( .
LnK )
it
LnL it
it
) t LnL . . it
v it
u it
( Ln VA it ( . β 5
t + β β 7
6
( β 8
β 9
Trong đó,
0..9
là các tham số cần được ước lượng.
( iβ =
)
i
Nghiên cứu đã thực hiện trước kiểm định về việc lựa chọn mô hình giữa hàm sản xuất Cobb-Douglas và Translog bằng kiểm định tỷ số hợp lý với giả thiết không là: “Hàm sản xuất biên ngẫu nhiên của các doanh nghiệp Việt Nam tuân theo dạng
2
Cobb-Douglas”. Giá trị
bé hơn giá trị
có được từ bảng Kodde &
Statistic
2 Critical
χ−
χ−
Palm (1986) ở mức ý nghĩa 5%. Do đó, không có bằng chứng để bác bỏ giả thuyết không, nên hàm sản xuất dạng Cobb-Douglas được lựa chọn.
Mô hình hàm sản xuất biên của Battese và Coelli năm 1992 chỉ dừng lại ở việc ước lượng hàm sản xuất biên ngẫu nhiên và dự báo TE của mỗi doanh nghiệp.
Tuy nhiên, mô hình năm 1995 ước lượng đồng thời hàm sản xuất biên và mô hình phi hiệu quả kỹ thuật.
Để đánh giá tác động của các nhóm nhân tố thuộc đặc tính của doanh nghiệp,
cũng như nhóm nhân tố thuộc thể chế môi trường kinh doanh tới TE, luận án xây dựng mô hình các nhân tố tác động đến phi hiệu quả của các doanh nghiệp Việt Nam giai đoạn 2012-2016 như sau:
u
ownership . 1
ownership .
2
region . 1
region .
2
+
+
+
=
δ 4
+ δ δ 1 0 region . 3
4
region .
region . 5
δ 3 size .
+
+
+
+
δ 2 δ 7
(4.4)
KCN
δ 8 HTDN
GNTT
.
δ 6 TMQT .
+
+
+
+
+
it + δ 5 δ 9
δ 10
δ 11
δ 12
t + δ ε it 13
Do hạn chế về mặt dữ liệu nên một số nhân tố thuộc đặc tính của doanh nghiệp như: Tuổi của doanh nghiệp, Trình độ của lao động, Cơ cấu vốn sản xuất
78
kinh doanh vv… chưa được đưa vào mô hình. Đồng thời, khi phân tích sự tương
quan giữa các nhân tố trong mô hình, luận án chỉ giữ lại hai nhân tố thuộc nhóm thể chế môi trường kinh doanh là “Gia nhập thị trường” (GNTT) và “Hỗ trợ doanh nghiệp” (HTDN). Biến xu hướng thời gian (t) cũng được thêm vào mô hình phi hiệu quả kỹ thuật để đo lường sự thay đổi công nghệ theo thời gian.
Dựa trên việc ước lượng các biểu thức (4.2) và (4.4), chúng ta có được TEC, TC và TFP của các doanh nghiệp Việt Nam gai đoạn 2012-2016. Trong đó TEC là tỷ số giữa TE của thời kỳ hiện tại và thời kỳ trước.
exp
=
=
(4.5)
(
)
TE i
u − i
exp
)
(
q i vβ x + i i
Và
(4.6)
TEC TE = i it
TE it
1 /
+
Và TC trung bình mỗi năm là hệ số ước lượng của biến xu hướng thời gian t
trong mô hình (4.2). Sau đó sử dụng các diễn giải của Sun và Kalirajan (2005) chúng ta tính được tăng trưởng năng suất nhân tố tổng hợp của các doanh nghiệp Việt Nam như sau:
TFP=TECxTC
(4.7)
4.1.1.2. Ước lượng hàm sản xuất biên và mô hình phi hiệu quả kỹ thuật
Luận án sử dụng dữ liệu mảng với một đầu ra tổng hợp là giá trị gia tăng và hai đầu vào là vốn và lao động của 29960 doanh nghiệp Việt Nam trong giai đoạn
2012-2016 được mô tả trong phần 3.4.1 (bảng 3.14) để ước lượng hàm sản xuất biên ngẫu nhiên và mô hình phi hiệu quả kỹ thuật. Cả hai mô hình năm 1992 và 1995 của Battese và Coelli được luận án ước lượng bằng phần mềm FRONTIER 4.1 ( Coelli 1996b).
Ba mô hình được ước lượng cho dữ liệu sản xuất của các doanh nghiệp Việt Nam bằng phương pháp hợp lý cực đại. Trong đó, mô hình 1 và mô hình 2 áp dụng mô hình (4.2) của Battese và Coelli năm 1992. Mô hình 1 giả định phi hiệu quả kỹ thuật (uit) có phân phối nửa chuẩn với kỳ vọng bằng không (Các giả định này được thiết lập bởi Aigner, Lovell and Schmidt (1977)). Mô hình 2 giả định phi hiệu quả kỹ thuật (uit) có phân phối chuẩn cụt với kỳ vọng khác không. Mô hình 3 được ước lượng theo mô hình (4.2) và (4.4) của Battese và Coelli năm 1995, mà trong đó hàm
sản xuất biên ngẫu nhiên (4.2) và mô hình phi hiệu quả kỹ thuật (4.4) được ước lượng đồng thời. Tất cả các mô hình đều có phi hiệu quả kỹ thuật thay đổi theo thời
79
gian. Trong đó, mô hình 1 và mô hình 2 sử dụng η để đo lường sự thay đổi của
TE theo thời gian. Còn trong mô hình 3, biến xu hướng thời gian t được cho thêm vào mô hình phi hiệu quả kỹ thuật, mà ở đó hệ số của nó phản ánh ảnh hưởng của thời gian đối với phi hiệu quả. Các kết quả ước lượng hàm sản xuất biên và mô hình phi hiệu quả kỹ thuật theo SFA được mô tả trong bảng 4.1.
t-ratio
Coeffi.
t-ratio
Coeffi.
t-ratio
Mô hình 1 Mô hình 2 Mô hình 3
0β LnK LnL T
2.082*** 0.477*** 0.617*** 0.081***
74.633 188.006 227.334 38.719
3.142*** 0.401*** 0.646*** 0.121***
97.880 149.489 237.245 56.551
2.111*** 0.441*** 0.627*** 0.063***
92.638 227.134 247.827 18.595
-0.214* 1.248*** 1.597*** 0.139*** 0.056*** 0.111*** -0.004 -0.163*** 0.088*** -0.001*** -0.003*** -0.073*** -0.011** -0.002
-2.331 18.171 22.871 11.795 3.851 8.593 -0.190 -12.865 6.677 -9.588 -52.496 -14.001 -2.879 -0.600
1.842*** 0.819*** -0.028***
90.145 344.229 -15.500
0.852*** 0.665*** 1.505*** -0.035***
93.261 307.107 132.119 -21.466
0.580*** 0.063***
250.723 10.216
Mô hình phi hiệu quả kỹ thuật:
-159477
-154579
-170990
Ghi chú: *, ** và *** mức ý nghĩa thống kê 10%, 5% và1%
Nguồn: Kết quả ước lượng từ FRONTIER 4.1
80
0µ= ) về phân phối nửa chuẩn của uit trong mô hình 2 bị bác
Giả thuyết (Ho:
bỏ ở mức ý nghĩa 1% với t_ratio là 132.119. Do đó, phân phối chuẩn cụt của uit 0η= ) về mô hình phi hiệu quả không trong mô hình 2 là phù hợp. Giả thuyết (Ho:
đổi theo thời gian cũng bị bác bỏ trong mô hình 1 và mô hình 2 ở mức ý nghĩa 1% với t_ratio lần lượt là -15.5 và -21.466. Giá trị của η trong mô hình 1 và mô hình
=
γ
đều có mức ý nghĩa thống kế 1% ở cả hai mô hình. Điều này cho
σ u σ σ + u
v
thấy, giá thuyết H0 về không có sự ảnh hưởng của phi hiệu quả kỹ thuật bị bác bỏ. Giá trị 0.665 của γ trong mô hình 2 có nghĩa rằng 66.5% của sai số tổng hợp (vit- uit) là do thành phần phi hiệu quả.
Các kiểm định chung cho các giả thuyết được trình bày trong bảng 4.2. Giá
có được từ bảng Kodde and Palm (1986). Các kiểm định này dựa trên kết
trị
2 Critical
χ−
quả ước lượng của mô hình 1và mô hình 2. Tất cả các giả thuyết H0 đều bị bác bỏ ở mức ý nghĩa 1%. Điều này có nghĩa rằng phi hiệu quả kỹ thuật thay đổi theo thời gian và có phân phối chuẩn cụt (theo mô hình 2). Ngoài ra, phần lớn trong số sai số tổng hợp (vit-uit) được giải thích bởi uit .
2
Giả thuyết H0
df
Quyết định
(*)
(0.01)
Statistic
2 Critical
χ−
χ−
0
γ µ η=
= =
53869.6
12.48
Bác bỏ H0
4
0 γ µ= =
3
9796.6
10.5
Bác bỏ H0
0 γ η= =
3
10035.8
10.5
Bác bỏ H0
0 µ η= =
3
439.4
10.5
Bác bỏ H0
Ghi chú: * là giá trị thống kê của kiểm định hợp lý, được tính bởi
LR
Likelihood H
Likelihood H
(
log
(
)
)
= −
−
[
]
[
0
1
{ 2 log
} ]
Nguồn: Các kiểm định được tính toán từ các ước lượng bằng FRONTIER 4.1
Hệ số ước lượng của các đầu vào trong mô hình 1 và mô hình 2 theo
81
Battese và Coelli (1992) là phù hợp. Hệ số co giãn của sản lượng theo vốn lần lượt là 0.477 và 0.401, và theo lao động tương ứng là 0.617 và 0.646. Tất cả các đầu vào đều có tác động tích cực đến sản lượng của các doanh nghiệp ở mức ý nghĩa 1%. Tất cả các hệ số co giãn của sản lượng theo lao động lớn hơn theo vốn cho thấy các doanh nghiệp đang thâm dụng lao động. Tổng các hệ số co giãn của sản lượng theo vốn và lao động trong mô hình 1 và mô hình 2 đều lớn hơn 1 cho thấy hiệu suất của các doanh nghiệp hiện tăng theo quy mô. Ước lượng hệ số của biến xu hướng thời gian trong hai môi hình hàm ý đóng góp của tiến bộ công nghệ trung bình tương ứng là 8.1% và 12.1% năm với mức ý nghĩa thống kê 1%.
Hai mô hình đầu cung cấp cho chúng ta các ước lượng tốt về sự co giãn của sản lượng theo các đầu vào, TEC(η ) và TC. Tuy nhiên, mô hình 1 và mô hình 2
không cho biết các dự báo ngẫu nhiên của TE. Giá trị ước lượng của η chỉ cho biết
TE của các doanh nghiệp trong giai đoạn 2012-2016 đang giảm theo thời gian. Do đó, hai mô hình dự báo một tập giảm về tỷ lệ TE của các doanh nghiệp. Hơn nữa, không thể đánh giá ảnh hưởng của các biến tác động lên TE của doanh nghiệp trong hai mô hình này.
Trong mô hình 3, luận án ước lượng hàm sản xuất biên ngẫu nhiên và mô hình phi hiệu quả kỹ thuật của các doanh nghiệp Việt Nam trong giai đoạn 2012- 2016 một cách đồng thời theo mô hình của Battese và Coelli (1995). Hệ số ước lượng của các biến trong hàm sản xuất theo mô hình 3 đều có ý nghĩa thống kê và phù hợp với lý thuyết kinh tế, trong đó hệ số co giãn của sản lượng theo lao động là 0.627 hàm ý các doanh nghiệp Việt Nam trong giai đoạn này vẫn đang thâm dụng về lao động. Tổng các hệ số co giãn của sản lượng theo vốn và lao động là 1.068 cho thấy hiệu suất của các doanh nghiệp vẫn tăng theo quy mô. Kết quả ước lượng cũng cho thấy tiến bộ công nghệ đóng góp trung bình 6.3% năm vào đầu ra của các doanh nghiệp Việt Nam trong giai đoạn 2012-2016.
Xem xét tác động của nhóm các nhân tố thuộc đặc tính của doanh nghiệp
trong mô hình phi hiệu quả kỹ thuật trong giai đoạn này chúng ta thấy:
Các doanh nghiệp tư nhân “có hiệu quả kỹ thuật thấp hơn các doanh nghiệp nhà nước và các doanh nghiệp FDI có hiệu quả kỹ thuật cao nhất. Thực tế hiện nay đa phần các doanh nghiệp FDI có công nghệ sản xuất hiện đại hơn, thu hút nhiều nguồn lực lao động chất lượng cao. Do đó, các doanh nghiệp FDI thường đạt mức hiệu quả kỹ thuật cao hơn. Trong khi đó, khối doanh nghiệp tư nhân ở nước ta hiện nay đa phần là các doanh nghiệp nhỏ và vừa, có nguồn vốn hạn hẹp” và công nghệ
82
sản xuất còn lạc hậu nên ảnh hưởng tiêu cực đến hiệu quả kỹ thuật.
Có sự ảnh hưởng của “yếu tố vùng, miền đến hiệu quả kỹ thuật của các doanh nghiệp Việt Nam trong giai đoạn này. Các doanh nghiệp vùng Đông Nam bộ đạt hiệu quả kỹ thuật cao nhất, tiếp đến là các doanh nghiệp vùng đồng bằng sông Cửu Long. Các doanh nghiệp vùng Trung du và miền núi phía Bắc, Bắc Trung bộ và duyên hải miền Trung và Đồng bằng sông Hồng có hiệu quả kỹ thuật thấp hơn. Trong khi chưa
có bằng chứng cho thấy có sự ảnh hưởng của vùng Tây Nguyên đến hiệu quả kỹ thuật của các doanh nghiệp trong vùng này. Hệ số của biến Size dương và có ý nghĩa thống kê cho thấy nhóm các doanh nghiệp nhỏ và vừa có hiệu quả kỹ thuật thấp hơn nhóm các doanh nghiệp lớn. Việc tham gia thương mại quốc tế có ảnh hưởng dương tới hiệu
quả kỹ thuật. Điều này cho thấy sự gia tăng sức cạnh tranh của các doanh nghiệp trong nước và là lợi thế của các doanh nghiệp FDI. Các doanh nghiệp nằm trong khu công nghiệp, khu chế xuất có hiệu quả kỹ thuật tốt hơn các doanh nghiệp bên ngoài. Điều
này cho thấy môi trường kinh doanh, thể chế và các chính sách hỗ trợ đồng bộ của các khu công nghiệp đã mang lại hiệu quả cho doanh nghiệp và đó cũng là lý do mà phần lớn các doanh nghiệp có năng suất và hiệu quả cao hiện nay có xu hướng dịch chuyển sản xuất” vào các khu công nghiệp, khu chế xuất.
Trong các yếu tố khách quan thuộc “thể chế môi trường kinh doanh tác động đến hiệu quả kỹ thuật của các doanh nghiệp Việt Nam giai đoạn 2012-2016, chúng ta thấy có sự tác động của thể chế, chính sách đến hiệu quả kỹ thuật. Cụ thể, khi
đánh giá tác động các chỉ tiêu thành phần của PCI đến hiệu qủa kỹ thuật thì các chỉ tiêu “Gia nhập thị trường” (GNTT) và “Hỗ trợ doanh nghiệp” (HTDN) có tác động tích cực đến hiệu quả kỹ thuật của các doanh nghiệp. Điều này cho thấy các địa phương có chi phí gia nhập thị trường thấp và các dịch vụ hỗ trợ doanh nghiệp tốt
sẽ giúp các doanh nghiệp nâng cao hiệu quả kỹ thuật. Theo kết quả điều tra PCI 2015 cho thấy có 74% số doanh nghiệp từng đón tiếp tất cả các đoàn kiểm tra trong tất cả các lĩnh vực, có khoảng 65% doanh nghiệp nhỏ và 62% doanh nghiệp vừa cho rằng có “tình trạng nhũng nhiễu khi giải quyết thủ tục hành chính cho doanh
nghiệp”. Từ kết quả ước lượng của các biến thuộc thể chế môi trường kinh cho thấy, việc các doanh nghiệp ít phải trả thêm các khoản chi phí không chính thức, hiện tượng nhũng nhiễu khi giải quyết các thủ tục cho doanh nghiệp giảm, chính quyền
các cấp linh hoạt trong khuôn khổ pháp luật, năng động và sáng tạo trong việc giải quyết các vấn đề mới phát sinh của doanh nghiệp đã có ảnh hưởng tích cực đến hiệu quả kỹ thuật” của các doanh nghiệp.
83
TE
Mean
Std.D
Min
Max
2012
0.5871
0.1974
0.3102
1.0000
2013
0.5602
0.2053
0.2212
0.9775
2014
0.5749
0.2046
0.2069
0.9775
2015
0.5888
0.2015
0.2955
0.9776
2016
0.5535
0.1929
0.2369
0.9731
Nguồn: Tính toán từ các hệ số được ước lượng bằng FRONTIER 4.1
4
3
2
y t si n e D
1
0
.2
.4
.8
1
.6 Hieäu quaû kyõ thuaät (TE)
Bảng 4.3 mô tả phân phối TE của các doanh nghiệp Việt Nam trong giai đoạn 2012-2016. Kết quả cho thấy, điểm trung bình hiệu quả kỹ thuật của các doanh nghiệp Việt Nam trong giai đoạn này là 57.29%, dư địa về hiệu quả kỹ thuật trong
các doanh nghiệp còn rất cao, khoảng 42.71%. Nhìn vào mật độ Kernel trên hình 4.1 cho thấy phần lớn các doanh nghiệp có TE thấp hơn giá trị trung bình. Hiệu quả kỹ thuật trung bình thay đổi rất nhỏ qua các năm trong giai đoạn 2012-2016 cho thấy các doanh nghiệp Việt Nam chưa có sự cải thiện về hiệu quả kỹ thuật trong
những năm qua. Độ lệch chuẩn của hiệu quả kỹ thuật trung bình qua các năm trong giai đoạn 2012-2016 không có sự thay đổi đáng kể. Điều này cho thấy khoảng cách về hiệu quả kỹ thuật giữa các doanh nghiệp chưa được thu hẹp.
84
4.1.1.3. TEC, TC và TFP
Phần này, luận án sẽ ước lượng năng suất nhân tố tổng hợp cũng như các thành phần của nó. Trong đó, TEC được tính bằng việc sử dụng biểu thức (4.6), TC là hệ số ước lượng của biến thời gian trong mô hình (4.2) và TFP là dạng chỉ số theo cách tính của Sun và Kalirajan (2005), nó bằng tích của TEC và TC. Các kết quả ước lượng của TEC, TC và TFP của các doanh nghiệp Việt Nam giai đoạn 2012-2016 được trình bày trong bảng 4.4.
2013
-4.6
6.3
1.4
2014
3.5
6.3
10.0
2015
3.5
6.3
10.0
2016
-4.9
6.3
1.1
TEC(%) TC(%) TFP Change(%) Năm
Nguồn: Tính toán từ các hệ số được ước lượng bằng FRONTIER 4.1
Kết quả cho thấy, hiệu quả kỹ thuật của các doanh nghiệp giảm trung bình - 1.6% năm và giảm -2.9% trong cả giai đoạn 2012-2016. Đóng góp của tiến bộ công nghệ tăng trung bình 6.3% năm và tăng 27.7% trong cả giai đoạn. TFP tăng 5.6% năm và tăng 24% trong cả giai đoạn.
Đơn vị: %
30
25
20
15
TEC
10
TC
TFP
5
0
2013
2014
2015
2016
-5
-10
Mean -1.6 6.3 5.6
85
Hình 4.2 mô tả xu hướng tăng trưởng TFP cộng dồn và các thành phần TEC,
TC của nó. Chúng ta thấy, tăng trưởng TFP của các doanh nghiệp Việt Nam giai
đoạn 2012-2016 chủ yếu do sự dịch chuyển đường biên sản xuất nhờ đóng góp của
tiến bộ công nghệ, chứ không phải do việc thu hẹp khoảng cách giữa sản xuất thực
tế và sản xuất tối ưu. TEC đã không đóng góp tích cực mà còn làm chậm lại tăng
trưởng năng suất của các doanh nghiệp Việt Nam. Do đó, với bất kỳ tác động nào
làm thu hẹp khoảng cách sản xuất thực tế với sản xuất tối ưu hoặc thúc đẩy tăng
trưởng, TE đều đóng góp mạnh vào tăng trưởng năng suất nhân tố tổng hợp của các
doanh nghiệp Việt Nam hiện nay.
4.1.2.1. Mô hình cụ thể
Các ước lượng hiệu quả và năng suất của các doanh nghiệp Việt Nam bằng
mô hình SFA của Battese và Coelli (1992,1995) ở trên dựa trên các giả định: i) Tất
cả các doanh nghiệp Việt Nam trong giai doạn 2012-2016 có chung tham số công
nghệ; ii) Phi hiệu quả kỹ thuật uit của mỗi doanh nghiệp là biến ngẫu nhiên không
âm có phân phối chuẩn cụt.
Giả định tất cả các doanh nghiệp Việt Nam trong giai đoạn 2012-2016 có
chung tham số công nghệ là không phù hợp, điều này sẽ dẫn đến các ước lượng
chệch về hiệu quả và năng suất. Nhằm nới lỏng giả định này, luận án chia các doanh
nghiệp Việt Nam trong giai đoạn này thành ba khu vực theo loại hình sở hữu và giả
định các doanh nghiệp trong mỗi khu vực có cùng tham số công nghệ tại mỗi thời
kỳ. Sau đó áp dụng mô hình meta-frontier được trình bày trong phần 2.1.2.1 để ước
lượng hiệu quả kỹ thuật, năng suất nhân tố tổng hợp và khoảng cách công nghệ của
các doanh nghiệp Việt Nam.
Các doanh nghiệp trong cả nước ở giai đoạn này được phân chia thành ba
khu vực dựa trên hình thức sở hữu, bao gồm: Khu vực các doanh nghiệp nhà nước,
khu vực các doanh nghiệp tư nhân và khu vực các doanh nghiệp FDI. Các phân
tích thống kê mô tả trong phần 3.4.1 (bảng 3.15) cho thấy phần nào sự khác
biệt về công nghệ sản xuất giữa các khu vực doanh nghiệp Việt Nam. Sự khác
biệt này cho thấy giả định tất cả các khu vực doanh nghiệp sản xuất với cùng
một công nghệ tại mỗi thời kỳ nhất định là không phù hợp. Do đó, việc áp dụng
mô hình meta-frontier SFA được trình bày trong phần 2.1.2.1 để ước lượng
86
hàm sản xuất biên cho các khu vực doanh nghiệp sẽ cung cấp những ước lượng
chính xác hơn và những thông tin chi tiết hơn.
Đầu tiên để ước lượng hàm sản xuất biên ngẫu nhiên của mỗi khu vực doanh
nghiệp Việt Nam giai đoạn 2012-2016 theo (2.17), luận án sử dụng dạng Cobb-
Douglas cho hàm sản xuất như đã được phân tích ở mục 4.1.1.1. Khi đó, biểu thức
(2.17) có thể được viết lại như sau:
LnK .
t .
=
+
+
+
−
(4.8)
)
( Ln VA it
it
LnL . it
k v it
k u it
k β β + 1
k 0
k β 2
k β 3
Trong đó, i=1..N với N là số doanh nghiệp trong mỗi khu vực, k=1..3 là ba
khu vực doanh nghiệp Việt Nam, t là biến thời gian được sử dụng để có được sự
k
ảnh hưởng của TC lên tăng trưởng sản lượng của các doanh nghiệp,
itv là nhiễu
k
thống kê được giả định độc lập và cùng phân phối chuẩn
v
itu là biến ngẫu
)20, N σ ,
(
k
k
t,
,k it
u
itµ được xác định bởi mô hình
itu có phân phối chuẩn cụt
nhiên không âm đại diện cho phi hiệu quả kỹ thuật của doanh nghiệp i tại thời điểm )2 N µ σ , trong đó
(
phi hiệu quả kỹ thuật.
Mô hình các nhân tố tác động đến phi hiệu quả của các khu vực doanh
nghiệp Việt Nam giai đoạn 2012-2016 được thiết lập giống mô hình phi hiệu quả kỹ
thuật (4.4) được trình bày trong mục 4.1.1.1.
region . 1
region .
2
region . 3
region .
4
region . 5
size .
+
+
+
+
+
+
=
k δ 5
k δ 6
k δ 4
TGNTT
HTDN
k 0 KCN .
TMQ .
.
.
k + δ δ 1 +
+
+
+
k u it k + δ 7
k δ 2 k δ 9
k δ 3 k δ 10
k δ 8
k t + δ ε it 11
(4.9)
Các ước lượng hợp lý cực đại của các tham số trong mô hình hàm sản xuất
biên ngẫu nhiên và mô hình phi hiệu quả kỹ thuật của mỗi khu vực doanh nghiệp
được ước lượng đồng thời theo mô hình được xây dựng bởi Battese & Coelli (1995)
bằng phần mềm FRONTIER 4.1.
4.1.2.2. Kết quả ước lượng bằng meta-frontier SFA
Kết quả ước lượng hệ số phản ứng của các hàm sản xuất biên nhóm và mô
hình phi hiệu quả của các khu vực doanh nghiệp Việt Nam giai đoạn 2012-2016
được trình bày trong bảng 4.5.
87
Coeffi.
t-ratio
Coeffi.
t-ratio
Coeffi.
t-ratio
Khu vực doanh nghiệp nhà nước Khu vực doanh nghiệp tư nhân Khu vực doanh nghiệp FDI
0β
1.114***
9.390
2.243***
91.755
1.892***
23.251
LnK
0.502***
77.227
0.385***
166.021
0.567***
139.381
LnL
0.778***
94.089
0.685***
323.556
0.477***
84.091
T
-0.010
-0.201
0.025***
8.940
0.013
1.618
Ước lượng hàm sản xuất biên ngẫu nhiên
0δ
0.834***
4.084
1.405***
30.817
1.204***
11.809
Region1
0.444***
13.326
0.123***
9.001
-0.204***
-8.288
Region2
0.342***
7.205
0.043*
2.435
0.094*
2.326
Region3
0.299***
7.377
0.130***
8.707
0.034
1.000
Region4
0.450***
8.495
-0.154***
-9.841
0.310***
5.012
Region5
0.065
1.711
-0.194***
-13.940
-0.254***
-10.663
Size
-0.447***
-14.269
0.057***
13.298
-0.052**
-3.190
KCN
0.000
-0.499
-0.001***
-12.732
0.001***
12.870
TMQT
-0.002***
-9.238
-0.004***
-34.041
-0.001***
-7.885
GNTT
-0.001
-0.054
-0.091***
-27.614
-0.015*
-1.987
HTDN
0.016
1.144
-0.019***
-7.058
-0.068***
-12.842
T
-0.062
-1.243
-0.047***
-16.388
-0.039***
-4.318
Sigma_square
0.673***
67.522
0.567***
243.438
0.435***
107.384
Gamma
0.001*
2.584
0.001***
13.153
0.000
0.015
Log_Likelihood
-12778.305
-132364.460
-23147.559
Ghi chú: *, ** và *** mức ý nghĩa thống kê 10%, 5% và1%
Nguồn: Kết quả ước lượng từ FRONTIER 4.1
Mô hình phi hiệu quả kỹ thuật
88
Hệ số ước lượng của các biến trong các hàm sản xuất biên của cả ba khu vực
doanh nghiệp đều có ý nghĩa thống kê và phù hợp. “Đối với khu vực doanh nghiệp nhà nước và khu vực doanh nghiệp tư nhân thì hệ số co giãn của sản lượng theo lao động là rất lớn (0.778 và 0.685) cho thấy các doanh nghiệp nhà nước và tư nhân hiện nay vẫn chủ yếu thâm dụng lao động. Trong khi đó bức tranh đối với khu vực doanh nghiệp FDI thì ngược lại, hệ số co giãn của sản lượng theo vốn lớn hơn hệ số co giãn của sản lượng theo lao động cho thấy các doanh nghiệp FDI đã thâm dụng vốn trong giai đoạn này. Bên cạnh đó hệ số co giãn theo vốn của khu vực doanh
nghiệp tư nhân là bé nhất trong ba khu vực phản ánh thực trạng khó khăn trong tiếp cận vốn của các doanh nghiệp tư nhân Việt Nam hiện nay” để đầu tư vào máy móc, thiết bị sản xuất vv…
Tổng hệ số co giãn của sản lượng theo vốn và lao động trong tất cả các khu vực doanh nghiệp Việt Nam giai đoạn 2012-2016 đều lớn hơn 1 cho thấy hiệu suất của các doanh nghiệp trong giai đoạn này vẫn tăng theo quy mô. Vì vậy, cách doanh nghiệp Việt Nam hiện nay vẫn có thể mở rộng quy mô sản xuất nhằm thúc đẩy tăng trưởng kinh tế.
Không có bằng chứng cho thấy sự đóng góp của tiến bộ công nghệ vào đầu ra của các doanh nghiệp nhà nước và các doanh nghiệp FDI, trong khi đó sự đóng
góp này đối với các doanh nghiệp tư nhân là 2.5% năm. Do đó, để đảm bảo sự phát triển bền vững của các doanh nghiệp Việt Nam hiện nay cần tập trung vào khu vực doanh nghiệp tư nhân.
Khi phân tích sự tác động của các nhóm nhân tố thuộc đặc tính của doanh
nghiệp và thể chế môi trường kinh doanh trong mô hình phi hiệu quả kỹ thuật, kết quả ước lượng cho thấy:
Có sự tác động của yếu tố vùng, miền đến hiệu quả kỹ thuật của các doanh nghiệp. Trong đó các doanh nghiệp nhà nước vùng Đồng bằng sông Cửu Long
có hiệu quả tốt hơn các doanh nghiệp nhà nước ở các vùng còn lại. Đối với khu vực doanh nghiệp tư nhân thì các doanh nghiệp ở Tây Nguyên và Đông Nam bộ có hiệu quả tốt hơn các vùng còn lại và đối với nhóm doanh nghiệp FDI thì các doanh nghiệp vùng Đông Nam bộ và vùng Đồng bằng sông Hồng có hiệu quả kỹ thuật tốt nhất.
Các doanh nghiệp nhà nước và các doanh nghiệp FDI quy mô lớn có hiệu quả kỹ thuật thấp hơn các doanh nghiệp quy mô nhỏ và vừa. Trong khi, các
89
doanh nghiệp tư nhân quy mô lớn có hiệu quả kỹ thuật tốt hơn các doanh ghiệp nhỏ và vừa.
Khi xem xét tác động hai chỉ tiêu của thể chế là “Gia nhập thị trường” và “Hỗ trợ doanh nghiệp” đối với hiệu quả kỹ thuật cho thấy cả hai chỉ tiêu đều có tác
động tích cực đến hiệu quả kỹ thuật của tất cả các doanh nghiệp. Điều này cho thấy các tỉnh có chi phí gia nhập thị trường thấp và có các dịch vụ hỗ trợ doanh nghiệp tốt sẽ giúp các doanh nghiệp đạt hiệu quả kỹ thuật cao hơn.
Sau khi có được các ước lượng đối với các đường biên nhóm, luận án ước
lượng các hệ số của hàm sản xuất biên chung bằng cách giải bài toán quy hoạch tuyến tính (2.31)-(2.32). Tuy nhiên trước khi làm điều này chúng ta cần một kiểm định quan trọng để đánh giá dữ liệu nghiên cứu có thể gộp lại được không, có nghĩa rằng tất cả các doanh nghiệp Việt Nam đều sử dụng công nghệ sản xuất giống nhau. Trong trường hợp này phân tích biên ngẫu nhiên gộp (Pool stochastic frontier) cho toàn bộ các doanh nghiệp (như trong phần 4.1.1) sẽ phù hợp hơn phân tích biên chung (Meta-frontier). Sử dụng kiểm định hợp lý tổng quát (LR) để kiểm tra giả thuyết (H0) là cả ba khu vực doanh nghiệp đều có cùng công nghệ sản xuất. Kiểm định LR được tính như sau:
LR
H
H
(
)
log
(
−
{ 2 log −=
[ Likelihood
]
[ Likelihood
] })
0
1
Trong đó Log[likelihood(H0)] là giá trị logarit của hàm hợp lý cực đại trong ước lượng gộp và Log[likelihood(H1)] là tổng các giá trị logarit của các hàm hợp lý cực đại trong ước lượng biên nhóm. Giá trị thống kê của LR là 5399.352, sử dụng bảng Kodde & Palm (1986) về giá trị tới hạn cho thấy giả thuyết (H0) bị bác bỏ. Do đó, mô hình hàm sản xuất biên gộp là không phù hợp. Vì vậy sự thay đổi hiệu quả kỹ thuật, tiến bộ công nghệ cũng như năng suất nhân tố tổng hợp của các doanh nghiệp cần được ước lượng bằng mô hình meta-frontier SFA.
Đối với dạng hàm sản xuất Cobb-Douglass bài toán quy hoạch tuyến tính
(2.31)-(2.32) được viết như sau:
+
+
* * Min LnK ( . β β + 0 1
* LnL . β 2
* t . ) β 3
(4.10)
Với ràng buộc
.
.
t .
.
.
t .
+
+
≥
+
+
+
k LnK it
k LnL it
k LnK it
k LnL it
* + β β 1
* 0
* β 2
k β β β 1
* 3
k 0
k β 2
k β 3
(4.11)
Trong đó i=1,…, N với N là toàn bộ số các doanh nghiệp, t=1,2,3,4,5 là mốc
90
thời gian trong các năm từ 2012-2016, k= 1,2,3 (các khu vực doanh nghiệp nhà
nước, tư nhân và FDI). K, L và t là trung bình số học của vốn, lao động và thời gian của toàn bộ các quan sát trong giai đoạn 2012-2016.
Luận án sử dụng phần mềm CPLEX 12.8 để giải quyết bài toán quy hoạch tuyến tính (4.10)-(4.11). Thuật toán, mô hình và kết quả được trình bày trong phụ lục 1. Các hệ số ước lượng của mô hình SFA và meta frontier SFA được trình bày trong bảng 4.6.
Coefficient
t_ratio
Coefficient
0β
2.111***
92.638
1.5476
LnK
0.441***
227.134
0.5670
LnL
0.627***
247.827
0.6266
t
0.063***
18.595
0.013
Nguồn: Kết quả ước lượng từ FRONTIER 4.1 và CPLEX 12.8
Mặc dù có sự khác nhau trong các hệ số ước lượng, nhưng các kết quả ước lượng bằng meta- frontier SFA là tương đối giống như các kết quả ước lượng bằng SFA thông thường. Kết quả “ước lượng bằng hai phương pháp đều cho thấy các doanh nghiệp Việt Nam trong giai đoạn này đều thâm dụng lao động. Tổng hệ số co
giãn của sản lượng theo lao động và vốn trong các ước lượng bằng meta- frontier SFA và SFA thông thường đều lớn hơn 1 cho thấy hiệu suất của các doanh nghiệp hiện vẫn tăng theo quy mô. Hệ số của biến thời gian đều dương, cho thấy có sự
đóng góp của tiến bộ công nghệ vào sản lượng của các doanh nghiệp, tuy nhiên có sự khác nhau đáng kể giữa hai giá trị ước lượng, 6.3% đối với mô hình SFA và 1.3% đối” với mô hình meta-frontier SFA.
Từ hiệu quả kỹ thuật (TE) tương ứng với các đường biên nhóm được trình
bày trong bảng 4.5 và các hệ số ước lượng của đường biên chung bằng meta- frontier SFA, luận án tính được tỷ suất khoảng cách công nghệ (TGR) và hiệu quả kỹ thuật biên chung (TE*) cho ba khu vực doanh nghiệp Việt Nam giai đoạn 2012- 2016. Kết quả ước lượng được trình bày trong bảng 4.7.
Meta-frontier SFA SFA thông thường Variables
91
Nhà nước
0.5433
0.5886
0.3128
Tư nhân
0.6791
0.3731
0.2519
FDI
0.7037
0.6710
0.4747
Nguồn: Tính toán từ kết quả ước lượng bằng FRONTIER 4.1 và CPLEX 12.8
6
4
y t si n e D
2
0
0
.2
.4
.6
.8
1
Hieäu quaû kyõ thuaät bieân chung (TE* )
Ownership Group technical efficiency (TE) Technology gap ratio (TGR) Meta technical efficiency (TE*)
Kết quả ước lượng cho thấy “các doanh nghiệp FDI có hiệu quả kỹ thuật biên chung (TE*) và hiệu quả kỹ thuật biên nhóm (TE) tốt nhất và các doanh nghiệp tư nhân có hiệu quả kỹ thuật biên chung thấp nhất. Tuy nhiên về hiệu quả kỹ thuật biên nhóm thì các doanh nghiệp tư nhân có hiệu quả kỹ thuật cao hơn các doanh nghiệp nhà nước. Sự khác nhau giữa hiệu quả kỹ thuật biên nhóm và hiệu quả kỹ
thuật biên chung được giải thích bởi tỷ suất khoảng cách công nghệ (TGR). Khi xem xét mật độ Kernel của TGR cho thấy sự chênh lệch lớn về tỷ suất khoảng cách công nghệ giữa các doanh nghiệp Việt Nam. Kết quả tính toán cho thấy các doanh
nghiệp FDI có công nghệ sản xuất tốt nhất với TGR trung bình là 0.671 và đa số các doanh nghiệp FDI có TGR cao hơn trung bình. Tiếp đến là các doanh nghiệp nhà nước và cuối cùng là các doanh nghiệp tư nhân có công nghệ sản xuất lạc hậu” nhất.
92
Điều này cho thấy hiệu quả sản xuất của các doanh nghiệp nhà nước và tư nhân thấp hơn các doanh nghiệp FDI là do khoảng cách lớn về công nghệ sản xuất.
Nhà nước
0.5886
0.1116
0.3492
0.9998
Tư nhân
0.3731
0.0608
0.0923
0.5958
FDI
0.6710
0.1374
0.2589
0.9999
Nguồn: Tính toán từ kết quả ước lượng bằng FRONTIER 4.1 và CPLEX 12.8
TGR cuûa khoái doanh nghieäp nhaø nöôùc
TGR cuûa khoái doanh nghieäp tö nhaân
8
4
3
6
y t
2
4
si n e D
y t i s n e D
1
2
0
0
.2
.4
.8
1
.1
.2
.3
.4
.5
.6
.6 TGR_NN
TGR_TN
TGR cuûa khoái doanh nghieäp FDI
3
2
y t
si n e D
1
0
.2
.4
.8
1
.6 TGR_FDI
Ownership Mean Std.Dev Min Max
Các kết quả của TE, TGR và TE* chỉ phản ánh trạng thái hiện tại của các doanh nghiệp mà không nói lên xu thế của các doanh nghiệp Việt Nam trong thời gian qua. Để có những phân tích này chúng ta cần tính sự thay đổi hiệu quả kỹ thuật
93
trong nhóm (TECk), sự thay đổi khoảng cách công nghệ của nhóm (TGC), sự thay đổi hiệu quả kỹ thuật đối với biên chung (TEC*), sự đóng góp của tiến bộ công nghệ (TC) và tăng trưởng năng suất nhân tố tổng hợp (TFP). Các kết quả này được luận án tính toán và trình bày trong bảng 4.9.
Nhà nước
1.0526
0.9713
1.0211
0.9900
1.0122
Tư nhân
1.0376
1.0026
1.0404
1.0250
1.0663
FDI
1.0511
0.9942
1.0448
1.0130
1.0586
Ownership TECk TGC TEC* TC TFP
Nguồn: Tính toán từ kết quả ước lượng bằng FRONTIER 4.1 và CPLEX 12.8
Các kết quả trong bảng 4.9 cho thấy “tất cả các các doanh nghiệp Việt Nam trong giai đoạn này đều đang đang cải thiện hiệu quả kỹ thuật biên nhóm (TECk) và hiệu quả kỹ thuật biên chung (TEC*). Trung bình, hiệu quả kỹ thuật đối với đường biên nhóm của các doanh nghiệp Việt Nam tăng 4.71% năm và hiệu quả kỹ thuật biên chung tăng 3.54 % năm. Trong đó, các doanh nghiệp nhà nước có sự thay đổi hiệu quả kỹ thuật biên nhóm lớn nhất (5.26% năm), nhưng có sự thay đổi hiệu quả kỹ thuật biên chung nhỏ nhất (2.11% năm), các doanh nghiệp FDI có sự thay đổi
hiệu quả kỹ thuật biên chung lớn nhất (4.48% năm). Các kết quả không giống nhau giữa hiệu quả kỹ thuật biên nhóm và hiệu quả kỹ thuật biên chung là do sự thay đổi khoảng cách công nghệ (TGC). Kết quả tính toán của TGC cho thấy tỷ suất khoảng cách công nghệ (TGR) của các doanh nghiệp Việt Nam suy giảm” trung bình -1.06% trong giai đoạn này.
Sự thay đổi công nghệ (TC) có được từ các ước lượng biên nhóm cho thấy: Các doanh nghiệp tư nhân và FDI trong giai đoạn này đều có sự gia tăng trong thay
đổi công nghệ. Trong khi đó, các doanh nghiệp nhà nước đang suy giảm trong việc đóng góp của công nghệ vào quá trình sản xuất. Trung bình, thay đổi công nghệ của các doanh nghiệp Việt Nam trong giai đoạn này tăng 0.93% năm. Trong đó các
doanh nghiệp tư nhân đang tích cực thay đổi công nghệ nhất với tỷ lệ tăng 2.5% năm, sau đó đến các doanh nghiệp FDI với tỷ lệ tăng 1.3% năm (sự thay đổi công nghệ của các doanh nghiệp nhà nước không có ý nghĩa thông kê).
Mean 1.0471 0.9894 1.0354 1.0093 1.0457
94
Các kết quả ước lượng TFP của các khu vực doanh nghiệp Việt Nam giai đoạn 2012-2016 được trình bày trong bảng 4.10. Kết quả cho thấy, tăng trưởng TFP của khu vực doanh nghiệp nhà nước tăng trung bình 1.22% năm và tăng 4.9% trong cả giai đoạn. Tăng trưởng TFP của khu vực doanh nghiệp tư nhân tăng trung bình 6.62% năm và tăng 28.5% trong cả giai đoạn và tăng trưởng TFP của khu vực doanh nghiệp FDI là 5.86% năm và tăng 24.8% trong cả giai đoạn. Đặc biệt khu vực doanh nghiệp nhà nước và FDI đã có mức tăng trưởng âm về TFP trong năm 2016.
Hình 4.5 mô tả xu hướng “tăng trưởng TFP cộng dồn của các khu vực doanh nghiệp Việt Nam trong giai đoạn này. Chúng ta thấy, tốc độ tăng trưởng TFP của khu vực doanh nghiệp tư nhân tăng rất nhanh trong giai đoạn 2012-2016, sau đó là khu vực doanh nghiệp FDI và cuối cùng là khu vực doanh nghiệp nhà nước. Kết quả của sự tăng trưởng TFP trong khu vực tư nhân được giải thích bởi sự đóng góp từ việc dịch chuyển đường biên sản xuất nhờ tiến bộ công nghệ, thu hẹp khoảng cách giữa sản xuất thực tế và sản xuất tối ưu và thu hẹp tỷ suất khoảng cách công nghệ giữa các doanh nghiệp. Điều này cho thấy các doanh nghiệp tư nhân có sự
đóng góp của các yếu tố ngoài vốn và lao động vào tăng trưởng sản lượng đạt hiệu quả cao nhất trong các khu vực doanh nghiệp Việt Nam” ở giai đoạn này.
TFP Change(%)
0.81
0.23
13.00
2013
2.73
13.67
7.46
2014
2.75
10.32
4.92
2015
-1.42
2.26
-2.07
2016
Năm Khu vực FDI Khu vực tư nhân Khu vực nhà nước
1.22 6.62 5.86 Mean
95
30
25
20
TFP_Nhà nước
15
TFP_Tư nhân
TFP_FDI
10
5
0
2013
2014
1015
1016
Năng suất nhân tố tổng hợp của tất cả các doanh nghiệp Việt Nam trong giai
đoạn này tăng với tỷ lệ trung bình là 4.57% năm. Sự tăng trưởng trong năng suất
nhân tố tổng hợp của các doanh nghiệp Việt Nam giai đoạn 2012-2016 có thể được
phân rã nhờ công thức (2.33) như sau:
(+4.57% TFP) = (+ 4.71% TEC) x (-1.06% TGC) x (+ 0.93% TC)
Kết quả này cho thấy sự ra tăng trưởng năng suất nhân tố tổng hợp của các
doanh nghiệp Việt Nam được đóng góp từ việc cải thiện hiệu quả kỹ thuật biên
nhóm (TEC) và sự thay đổi công nghệ (TC) của các doanh nghiệp. Trong khi đó, sự
suy giảm trong thay đổi khoảng cách công nghệ (TGC) là nguyên nhân chính kìm
hãm sự tăng trưởng của TFP.
4.1.2.3. Kết quả ước lượng chỉ số Malmquist TFP toàn cục
Trong phần 4.1.2.2, luận án sử dụng mô hình meta-frontier SFA để ước
lượng TE và TFP cũng như các thành phần của TFP. Để có những phân tích so
sánh, trong phần này luận án trình bày các kết quả ước lượng của mô hình hàm sản
xuất biên nhóm, biên chung bằng mô hình meta-frontier DEA. Cụ thể đó là mô hình
chỉ số năng suất nhân tố Malmquist toàn cục dựa trên cơ sở lý thuyết đã đưa ra ở phần
2.1.2.2. Luận án sử dụng phần mềm DEAP 2.1 (Coelli, 1996a) để giải các bài toán
quy hoạch tuyến tính trong biểu thức (2.45). Từ đó luận án tính toán chỉ số năng
suất nhân tố tổng hợp toàn cục và các thành phần TEC, BPC, TGC của nó.
96
Bảng 4.11 tóm tắt kết quả ước lượng chỉ số năng suất nhân tố tổng hợp toàn
cục của các doanh nghiệp Việt Nam giai đoạn 2012-2016. Kết quả tính toán cho thấy, năng suất nhân tố tổng hợp của các doanh nghiệp Việt Nam trong giai đoạn này bình quân tăng 3.1% mỗi năm. Trong đó hiệu quả kỹ thuật tăng 2.2% năm, đóng góp của tiến bộ công nghệ tăng 1.3% và sự thay đổi khoảng cách công nghệ giảm -0.3% năm.
Nhà nước
1.072
1.030
0.958
1.058
Tư nhân
0.996
1.010
1.017
1.023
FDI
0.999
0.998
1.016
1.013
Ownership TEC BPC TGC TFP
Mean
Nguồn: Kết quả ước lượng từ DEAP 2.1
Như đã nói ở trên, do có sự khác nhau về “công nghệ sản xuất giữa các loại hình doanh nghiệp Việt Nam nên xu hướng thay đổi năng suất nhân tố tổng hợp cũng như các thành phần của nó đối với mỗi loại hình doanh nghiệp cũng khác nhau. Các doanh nghiệp nhà nước có tốc độ tăng trưởng năng suất cao nhất 5.8 % năm, sau đó là các doanh nghiệp tư nhân với tốc độ tăng trưởng 2.3% năm và cuối cùng là các doanh nghiệp FDI với tốc độ tăng trưởng 1.3% năm. Các doanh nghiệp nhà nước có kết quả tốt hơn trong cải thiện hiệu quả kỹ thuật sản xuất,
trong khi đó các doanh nghiệp tư nhân và FDI đang suy giảm trong thay đổi hiệu quả kỹ thuật. Các doanh nghiệp nhà nước và tư nhân đang tích cực trong việc cải tiến công nghệ sản xuất, trong khi các doanh nghiệp FDI đang chững lại và có phần suy giảm (-0.2% năm). Đóng góp trung bình của hiệu quả kỹ thuật và tiến bộ
công nghệ của các doanh nghiệp Việt Nam trong giai đoạn này lần lượt là 2.2% và 1.3% mỗi năm. Điều này cho thấy thay đổi hiệu quả kỹ thuật và áp dụng tiến bộ công nghệ là nguyên nhân chính dẫn đến tăng trưởng năng suất của các doanh nghiệp Việt Nam” giai đoạn 2012-2016.
Các tính toán về thay đổi khoảng cách công nghệ (TGC) cho thấy các doanh nghiệp nhà nước đang trở nên tụt hậu trong công nghệ sản xuất so với các doanh
1.022 1.013 0.997 1.031
97
nghiệp tư nhân và FDI. Trong khi đó các doanh nghiệp tư nhân đi đầu trong việc thu
hẹp khoảng cách công nghệ sản xuất. Mặc dù các kết quả về thay đổi khoảng cách công nghệ là có ý nghĩa, nhưng đó chỉ là tỷ lệ thay đổi tương đối trong vị trí dẫn đầu về công nghệ sản xuất giữa các loại hình doanh nghiệp Việt Nam. Vị trí về công nghệ sản xuất của mỗi loại hình doanh nghiệp Việt Nam trong giai đoạn này được chỉ ra rõ ràng hơn trong tính toán về tỷ suất khoảng cách công nghệ (TGR) được trình bày trong bảng 4.12.
Nhà nước
0.825
0.092
0.663
1
Tư nhân
0.984
0.033
0.100
1
FDI
0.854
0.073
0.688
1
Nguồn: Kết quả ước lượng từ DEAP 2.1
Kết quả cho thấy, các doanh nghiệp tư nhân có công nghệ sản xuất tốt nhất với TGR trung bình 0.984, sau đó là các doanh nghiệp FDI và các doanh nghiệp nhà nước là khu vực có công nghệ sản xuất lạc hậu nhất.
Kết hợp những phát hiện về tỷ suất khoảng cách công nghệ và kết quả trong
thay đổi khoảng cách công nghệ ở trên, chúng ta có thể thấy rằng khu vực doanh nghiệp tư nhân có công nghệ sản xuất dẫn đầu trong giai đoạn này. Khu vực doanh nghiệp tư nhân ngày càng đóng vai trò quan trọng với sự thay đổi trong công nghệ sản xuất và dẫn đầu trong thay đổi khoảng cách công nghệ. Trong khi đó, khu vực doanh nghiệp nhà nước là nút thắt yếu nhất trong công nghệ sản xuất và ngày cảng trở nên lạc hậu so với các doanh nghiệp tư nhân và FDI.
Ownership Mean S.D Min Max
4.1.3.1. Mô hình cụ thể
Mặc dù trong mô hình meta-fontier SFA đã loại bỏ giả định tất cả các doanh nghiệp Việt Nam có chung tham số công nghệ tại mỗi thời điểm, nhưng nó vẫn giả
định mỗi khu vực doanh nghiệp (nhà nước, tư nhân, FDI) có cùng công nghệ sản xuất ở mỗi thời kỳ. Hệ số ước lượng của hàm sản xuất trong mô hình meta- fontier SFA vẫn là hệ số ước lượng trung bình nên không phản ánh được tầm quan trọng
98
của mỗi yếu tố đầu vào (K hoặc L) trong mỗi doanh nghiệp. Hơn nữa trong mô hình
meta-fontier SFA vẫn sử dụng sai số tổng hợp, trong đó sự phi hiệu quả của mỗi doanh nghiệp Việt Nam được phản ánh qua hệ số uit. Điều này phụ thuộc vào giả định về phân phối của uit (uit có phân phối chuẩn cụt) và kết quả ước lượng hiệu quả kỹ thuật cho các doanh nghiệp Việt Nam khá nhạy cảm với giả định này.
Trong phần này, luận án áp dụng mô hình hệ số biến đổi ngẫu nhiên (SVFA) của Kalirajan và Obwona (1994) được trình bày trong phần 2.1.3.1 để ước lượng hàm sản xuất biên cũng như hiệu quả kỹ thuật của các doanh nghiệp Việt Nam giai
đoạn 2012-2016. Mô hình SVFA của K&O loại bỏ giả định các doanh nghiệp có cùng tham số công nghệ, các hệ số của hàm sản xuất được ước lượng cho từng doanh nghiệp và không còn các giả định về phân phối của nhiễu.
Luận án sử dụng dạng Cobb-Douglas cho hàm sản xuất biên của các doanh
nghiệp Việt Nam. Mô hình hàm sản xuất với hệ số biến đổi ngẫu nhiên của các doanh nghiệp Việt Nam giai đoạn 2012-2016 như sau:
i
LnK .
LnL .
1..
N t ,
T 1..
=
+
=
=
(4.12)
( Ln VA
)
(
)
it
β it
+ β β it 0
1
2
it
Các ước lượng tham số của mô hình hệ số biến đổi ngẫu nhiên theo Kalirajan và Obwona (1994) cũng như các tính toán về hiệu quả kỹ thuật được thực hiện bởi
phần mềm MATLAB 2015a. Code MATLAB cho mô hình SVFA được trình bày trong phụ lục 3.
4.1.3.2. Kết quả ước lượng
Luận án sử dụng kiểm định Breusch-Pagan để kiểm định về sự ngẫu nhiên của các hệ số trong mô hình. Giá trị Chi_Square của kiểm định ở mỗi năm được mô tả trong bảng 4.13. Kết quả kiểm định bác bỏ giả thuyết không về phương sai sai số thay đổi, dẫn đến việc ủng hộ mô hình hệ số biến đổi ngẫu nhiên. Tuy nhiên kiểm
định này không cung cấp bất kỳ thông tin nào về dạng thức của các hệ số. Do đó, luận án ước lượng các hệ số trung bình cũng như các hệ số phản ứng thực tế của từng doanh nghiệp theo gợi ý của Hildreth & Houck (1968) và Griffiths (1972) được trình bày trong phần 2.1.3.1.
*
Có ba ước lượng
,α αα% ˆ ,
của α được ước tính để có được ước lượng ˆΘ
doanh nghiệp trong mỗi năm. Tuy nhiên trong ước lượng của
cho ma trận hiệp phương sai Θ , sau đó sử dụng (2.62) và (2.63) để có các ước lượng cho các hệ số phản ứng trung bình và các hệ số phản ứng cụ thể của từng *α có một số thành
99
phần âm do đó nó không phải là ước lượng để tính ˆΘ . Hơn nữa, như đã đề cập trong phần 2.1.3.1 thì α% là ước lượng chệch của α. Do đó, luận án sử dụng ước lượng ˆα của α theo phương pháp được mô tả bởi Hildreth (1958) để có được ˆΘ và từ đó có các ước lượng cho hệ số phản ứng trung bình, hệ số phản ứng cụ thể của từng doanh nghiệp và hệ số biên của hàm sản xuất.
2012 2013 2014 2015 2016
1024.90
3188.42
2453.94
2065.22
2606.16
Nguồn: Kết quả ước lượng từ Stata 13
Kết quả ước lượng hệ số trung bình và hệ số biên của hàm sản xuất bằng mô hình SVFA theo cách tính của K&O được trình bày trong bảng 4.14. Kết quả ước
lượng cũng cho thấy hệ số co giãn của sản lượng theo lao động lớn hơn hệ số co giãn theo vốn. Điều này cho thấy các doanh nghiệp Việt Nam hiện nay vẫn đang thâm dụng lao động. Tổng hệ số co giãn của sản lượng theo lao động và vốn lớn hơn một cho thấy hiệu suất của các doanh nghiệp hiện đang tăng theo quy mô.
jβ
* jβ
jβ
* jβ
jβ
* jβ
jβ
* jβ
jβ
* jβ
0β
0.677 0.677 1.091 1.091 0.740 5.564 1.243 1.243 1.053 1.053
Kβ
0.526 1.651 0.461 1.570 0.455 1.048 0.439 1.411 0.487 1.662
Lβ
0.632 0.632 0.698 0.698 0.784 0.784 0.742 0.742 0.692 0.692
Nguồn: Kết quả ước lượng từ MATLAB 2015a
Từ bảng 4.14 chúng ta thấy rằng các hệ số ước lượng trung bình và các hệ số ước lượng biên của lao động bằng nhau (Thực tế là không bằng nhau, tuy nhiên ˆα xấp xỉ bằng 0). Điều này cho thấy không có bằng chứng về sự khác biệt trong hiệu
quả sử dụng lao động giữa các doanh nghiệp Việt Nam giai đoạn 2012-2016. Ngược lại, hệ số ước lượng trung bình và hệ số ước lượng biên của vốn có sự chênh lệch lớn cho thấy có sự khác biệt lớn trong hiệu quả sử dụng vốn của các doanh nghiệp Việt Nam.
2012 2013 2014 2015 2016 Năm
100
Sau khi có hệ ước lượng trung bình của mỗi đầu vào, sử dụng các biểu thức
(2.63) để có các hệ số ước lượng cho mỗi đầu vào của từng doanh nghiệp và sử dụng (2.64) để có được sản lượng biên cho từng doanh nghiệp. Từ đó, luận án tính được hiệu quả kỹ thuật cho các doanh nghiệp Việt Nam giai đoạn 2012-2016. Giá trị phân phối và mật độ Kernel về hiệu quả kỹ thuật của các doanh nghiệp trong giai đoạn này được trình bày trong bảng 4.15 và hình 4.6.
TE
Mean
Std.D
Min
Max
2012
0.426
0.040
0.198
0.818
2013
0.428
0.041
0.105
0.831
2014
0.443
0.050
0.029
0.710
2015
0.462
0.045
0.026
0.784
2016
0.417
0.041
0.025
0.806
Nguồn: Kết quả ước lượng từ MATLAB 2015a
8
6
y t
4
si n e D
2
0
0
.2
.6
.8
.4 Hieäu quaû kyõ thuaät (TE)
Kết quả cho thấy điểm ước lượng trung bình về hiệu quả kỹ thuật bằng mô hình SVFA của các doanh nghiệp Việt Nam hiện nay đang còn thấp, khoảng 43.5%. Mật độ Kernel của TE cho thấy đa số các doanh nghiệp Việt Nam trong giai đoạn này có hiệu quả kỹ thuật gần với giá trị trung bình. Điều này phản ánh phần lớn các doanh nghiệp hiện nay có hiệu quả kỹ thuật thấp. Cũng giống như trong mô hình
101
SFA truyền thống và meta-frontier SFA, kết qủa này một lần nữa khẳng định dư
địa về hiệu quả kỹ thuật của các doanh nghiệp Việt Nam trong giai đoạn này còn rất lớn. Hiệu quả kỹ thuật có sự gia tăng không đáng kể từ 2012-2015, nhưng lại giảm mạnh trong năm 2016. Độ lệch chuẩn của TE qua các năm thay đổi rất ít cho thấy khoảng cách về hiệu quả kỹ thuật giữa các doanh nghiệp còn cao và chưa được thu hẹp.
Các kết quả phân tích ở trên mới chỉ đánh giá TE trung bình của toàn bộ các doanh nghiệp Việt Nam trong giai đoạn 2012-2016. Tiếp theo, luận án đi vào phân tích TE và giá trị trung bình của hệ số co giãn của sản lượng theo vốn theo từng khu vực doanh nghiệp (nhà nước, tư nhân, FDI) để có những phân tích sâu sắc hơn. Bảng 4.16 trình bày ước lượng của TE và giá trị trung bình của hệ số co giãn của sản lượng theo vốn trong các khu vực doanh nghiệp Việt Nam giai đoạn 2012-2016.
Variable
Obs
Mean
Std. Dev
Min
Max
TE
Khu vực
2093
0.443
0.047
0.240
0.793
Kβ
2093
0.829
0.108
0.473
1.496
TE
Nhà nước
23250
0.427
0.045
0.025
0.832
Kβ
23250
0.795
0.102
-2.98E-08
1.662
Tư nhân
TE
4617
0.468
0.038
0.275
0.771
Kβ
4617
0.885
0.091
0.520
1.598
Nguồn: Tính toán dựa trên các kết quả ước lượng từ MATLAB 2015a và STATA 13
Từ kết quả ước lượng cho thấy khu vực doanh nghiệp FDI có TE tốt nhất, điểm ước lượng trung bình TE của khu vực này trong giai đoạn 2012-2016 là 46.8%. Tiếp theo là khu vực doanh nghiệp nhà nước và cuối cùng là các doanh
nghiệp tư nhân với TE lần lượt là 44.3% và 42.7%. Hệ số co giãn trung bình của sản lượng theo vốn của các doanh nghiệp FDI cũng cao nhất, sau đó đến các doanh nghiệp nhà nước và xếp cuối cùng là các doanh nghiệp tư nhân. Điều này cho thấy,
khu vực doanh nghiệp nào có hiệu quả sử dụng vốn cao hơn thì có hiệu quả kỹ thuật tốt hơn. Đối với khu vực doanh nghiệp tư nhân, chúng ta thấy khoảng cách về hiệu
FDI
102
quả sử dụng vốn và hiệu quả kỹ thuật giữa các doanh nghiệp rất lớn. Điều này một
lần nữa khẳng định sự khó khăn của các doanh nghiệp tư nhân trong việc tiếp cận vốn để đầu tư cho sản xuất, nhất là đối với các doanh nghiệp tư nhân nhỏ và vừa.
Từ kết quả ước lượng TE theo từng khu vực doanh nghiệp, luận án ước lượng
TE và giá trị trung bình hệ số co giãn của sản lượng theo vốn theo từng nhóm ngành kinh tế trong mỗi khu vực doanh nghiệp để có những phân tích so sánh. Trong mỗi khu vực doanh nghiệp, luận án phân chia các doanh nghiệp theo ba nhóm nghành kinh tế chính là: Nông nghiệp; Công nghiệp và xây dựng; Và dịch vụ. Các kết quả ước lượng theo mỗi nhóm ngành kinh tế của mỗi khu vực được trình bày trong bảng 4.17.
Variable
Obs
Mean
Std. Dev
Min
Max
TE
0.431
0.040
224
0.302
0.607
Nông nghiệp
Kβ
224
0.820
0.597
1.105
0.091
Nghành kinh tế Khu vực doanh nghiệp
TE
775
0.454
0.240
0.667
0.037
Kβ
Công nghiệp và xây dựng
775
0.865
0.473
1.224
0.087
TE
Dịch vụ
1094
0.437
0.271
0.793
0.053
Kβ
1094
0.806
0.487
1.496
0.118
TE
144
0.427
0.227
0.603
0.052
Khu vực nhà nước
Nông nghiệp
Kβ
144
0.799
0.439
1.270
0.113
TE
11718
0.429
0.025
0.832
0.042
Kβ
Công nghiệp và xây dựng
11718
0.807
-2.98E-08
1.662
0.099
TE
Dịch vụ
11388
0.424
0.026
0.807
0.047
Kβ
1.651
11388
0.783
-2.98E-08
0.103
41
0.448
0.288
0.551
0.044
Khu vực Tư nhân
Nông nghiệp
TE Kβ TE
41 3723
0.842 0.466
0.588 0.284
1.090 0.771
0.095 0.035
Công nghiệp và xây dựng Dịch vụ
3723 853
0.886 0.479
0.533 0.275
1.598 0.646
0.088 0.046
Kβ TE Kβ
853
0.884
0.520
1.235
0.101
Nguồn: Tính toán dựa trên các kết quả ước lượng từ MATLAB 2015a và STATA 13
Khu vực FDI
103
Kết quả ước lượng cho thấy “ngành nông nghiệp có hiệu quả kỹ thuật thấp
nhất trong tất cả các khu vực doanh nghiệp, với TE trung bình từ 42.7% đến 44.8%.
Điều này phản ánh thực trạng phát triển ngành nông nghiệp ở nước ta trong những
năm qua còn nhiều yếu kém. Do đó chưa thu hút được nhiều doanh nghiệp đầu tư
sản xuất, kinh doanh. Trong khu vực doanh nghiệp tư nhân và nhà nước thì ngành
công nghiệp và xây dựng có hiệu quả tốt nhất, với TE trung bình trong giai đoạn
này lần lượt là 42.9% và 45.4%. Còn trong khu vực FDI lại cho thấy ngành dịch vụ
đạt hiệu quả tốt nhất, với TE trung bình trong 47.9% trong giai đoạn này. Một phát
hiện tương đồng với phân tích TE theo khu vực doanh nghiệp đó là, những ngành
kinh tế trong mỗi khu vực có hệ số co giãn trung bình của sản lượng theo vốn cao
hơn” thì có TE tốt hơn.
4.1.3.3. Các nhân tố ảnh hưởng đến hiệu quả kỹ thuật
Trong phần này, các kết quả ước lượng hiệu quả kỹ thuật bằng mô hình
SVFA sẽ được sử dụng trong mô hình hồi quy Tobit để đánh giá các nhân tố tác
động lên hiệu quả kỹ thuật của doanh nghiệp. Do hiệu quả kỹ thuật nhận các giá trị
từ 0 đến 1 nên theo Gujarati (2011), Cameron & Trivedi (2009) thì mô hình hồi quy
Tobit là phù hợp nhất cho các dữ liệu bị chặn như vậy. Một số nghiên cứu của Rios
và Shively (2004), Binam và các cộng sự (2003) vv… cũng đã áp dụng mô hình hồi
quy Tobit đối với hiệu quả kỹ thuật.
Cụ thể, mô hình hồi quy Tobit đối với hiệu quả kỹ thuật của các doanh
nghiệp Việt Nam giai đoạn 2012-2016 được mô tả như sau:
X
i
1..
N t ,
T 1..
(4.13)
+
=
=
(
)
′ = TE it
+ α β it
it
it
ε it
Ở đây TE’ là giá trị ngầm của hiệu quả kỹ thuật, trong đó:
• Nếu
0
TE′ ≤ thì hiệu quả kỹ thuật TE=0
1
• Nếu
T E ′ > thì hiệu quả kỹ thuật TE=1
T E ′
TE′
=
• Nếu 0
1
<
< thì hiệu quả kỹ thuật T E
0,
là
•
(cid:1) it Nε
itX là các biến độc lập tác động lên hiệu quả kỹ thuật và
(
)2 σ
nhiễu ngẫu nhiên tuân theo quy luật phân phối chuẩn có kỳ vọng bằng 0 và phương
sai không đổi.
Biến phụ thuộc là mức hiệu quả kỹ thuật (TE) được ước lượng trong mô hình
104
SVFA của K&O. Các biến độc lập được chia thành hai nhóm với mục đích để quan
sát sự ảnh hưởng của từng nhóm đến hoạt động sản xuất của doanh nghiệp. Bao
gồm nhóm các nhân tố thuộc đặc tính doanh nghiệp và nhóm các nhân tố thuộc thể
chế môi trường kinh doanh.
Nhóm các nhân tố thuộc đặc tính của doanh nghiệp được xử lý và có được từ
dữ liệu điều tra doanh nghiệp của GSO từ 2012-2016, bao gồm: Nhân tố loại hình
sở hữu của doanh nghiệp; Nhân tố vùng miền; Nhân tố quy mô doanh nghiệp; Nhân
tố doanh nghiệp nằm trong khu công nghiệp, khu chế xuất; Nhân tố doanh nghiệp
tham gia thương mại quốc tế. Do hạn chế về mặt dữ liệu nên một số nhân tố khác
thuộc đặc tính của doanh nghiệp chưa được đưa vào mô hình như: Tuổi của doanh
nghiệp; Trình độ của lao động vv…
Nhóm các nhân tố thuộc thể chế môi trường kinh doanh được xử lý và có
được từ dữ liệu PCI giai đoạn 2012-2016. Tuy nhiên, khi phân tích sự tương quan
và để tránh trường hợp đa cộng tuyến trong mô hình. Luận án chỉ xem xét sự tác
động của hai nhân tố là “Gia nhập thị trường” và “Hỗ trợ doanh nghiệp” đến hiệu
quả kỹ thuật của doanh nghiệp trong giai đoạn này.
Từ các dữ liệu trên, luận án xử lý và ghép nối dữ liệu về TE được ước lượng
bởi mô hình SVFA và các dữ liệu về nhóm các nhân tố tác động đến TE thuộc đặc
tính của doanh nghiệp từ dữ liệu của GSO theo mỗi năm bởi mã số thuế. Sau đó
ghép nối các năm với nhau theo mã số thuế của doanh nghiệp và năm nghiên cứu để
có bộ số liệu mảng về TE và các nhân tố tác động đến TE thuộc đặc tính của doanh
nghiệp. Tiếp đến ghép nối hai chỉ tiêu “Gia nhập thị trường” và “Hỗ trợ doanh
nghiệp” trong bộ dữ liệu PCI giữa các năm trong giai đoạn 2012-2016. Và cuối
cùng, ghép nối hai bộ dữ liệu này với nhau theo mã tỉnh và năm nghiên cứu để có
được bộ dữ liệu mảng về TE và các nhân tố tác động đến TE của doanh nghiệp Việt
Nam trong giai đoạn 2012-2016.
Các biến phụ thuộc và độc lập được thảo luận ở trên được thể hiện trong
bảng 4.18 dưới đây.
105
Nhóm nhân tố thuộc đặc tính của doanh nghiệp:
+ Biến hình thức sở hữu: Là biến giả nhiều phạm trù, trong đó
ownership là doanh 1
2
nghiệp nhà nước,
ownership là doanh nghiệp tư nhân và phạm trù cơ sở là doanh
nghiệp FDI.
+ Biến vùng miền: Là biến giả nhiều phạm trù vùng miền, trong đó
2
Đồng bằng sông Hồng,
region là Trung du và miền núi phía Bắc,
4
5
Trung bộ và duyên hải miền Trung,
region là Tây Nguyên
region là vùng 1 region là Bắc 3 region là vùng Đông
Nam bộ và phạm trù cơ sở là vùng đồng bằng sông Cửu Long.
1
0
+ Biến quy mô doanh nghiêp (size):
là doanh nghiệp nhỏ và vừa,
size = 1
size = 1
là doanh nghiệp lớn.
+ Biến khu công nghiệp (KCN): KCN=100 doanh nghiệp nằm trong khu công
nghiêp, khu chế xuất; KCN=0 doanh nghiệp không nằm trong khu công nghiêp, khu
chế xuất.
+ Biến thương mại quốc tế (TMQT): TMQT=100 doanh nghiệp tham gia thương
mại quốc tế, TMQT=0 doanh nghiệp không tham gia thương mại quốc tế
Nhóm nhân tố thuộc thể chế môi trường kinh doanh:
+ Biến gia nhập thị trường: GNTT
+ Biến hỗ trợ doanh nghiệp: HTDN
Kiểm định tỷ số hợp lý (LR) ủng hộ giả thuyết mô hình có ít nhất một hệ số hồi quy khác không. Điều này cho thấy mô hình được xây dựng có ý nghĩa thống kê. Kết quả hồi quy Tobit cho mức hiệu quả kỹ thuật từ mô hình SVFA được trình bày trong bảng 4.19.
106
Coef.
Std. Err.
t
_cons
0.390***
0.002
187.010
Ownership1
-0.011***
0.001
-19.910
Ownership2
-0.025***
0.72E-04
-67.190
Region1
-0.010***
0.62E-04
-20.790
Region2
1.900
0.001
0.001
Region3
-2.540
-0.001**
0.001
Region4
1.880
0.002
0.001
Region5
0.02E-04
0.01E-04
-0.040
Size
52.000
-0.018***
0.39E-04
KCN
-2.440
-8.58E-06***
3.52E-06
TMQT
98.770
2.65E-04***
2.69E-06
GNTT
18.840
0.004***
1.9E-03
HTDN
0.005***
1.28E-03
41.420
Sigma_square
0.414
0.52E-04
Nguồn: Kết quả ước lượng từ Stata 13
Về nhóm “các nhân tố thuộc đặc tính của doanh nghiệp, kết quả của mô hình cho thấy: Loại hình sở hữu có mối liên hệ chặt chẽ với hiệu quả kỹ thuật của doanh
nghiệp, trong đó khu vực doanh nghiệp nhà nước và khu vực doanh nghiệp tư nhân có tác động ngược chiều đến TE, ngược lại khu vực doanh nghiệp FDI có tác động thuận chiều đến TE. Điều này cho thấy, trong mô hình SVFA thì khu vực doanh nghiệp FDI sản xuất đạt hiệu quả tốt hơn so với khu vực nhà nước” và tư nhân.
Về nhân tố vùng miền cho thấy, các doanh nghiệp vùng Đồng bằng sông
Hồng và Bắc Trung bộ và duyên hải miền Trung có hiệu quả kỹ thuật thấp hơn so
với vùng Đồng bằng sông Cửu Long. Chưa có bằng chứng cho thấy sự khác biệt về
Mô hình Tobit về các nhân tố tác động đến TE trong mô hình SVFA
107
hiệu quả kỹ thuật giữa các doanh ngiệp vùng Tây Nguyên và Đông Nam bộ so với
vùng Đồng bằng sông Cửu Long.
Về nhân tố quy mô doanh nghiệp, kết quả ước lượng cho thấy các doanh
nghiệp nhỏ và vừa có tác động tiêu cực đến hiệu quả kỹ thuật của các doanh nghiệp.
Ngược lại, các doanh nghiệp lớn có mối quan hệ thuận chiều với TE. Đây là bằng
chứng cho thấy, các doanh nghiệp nhỏ và vừa ở Việt Nam hiện hay đang có nhiều
khó khăn trong việc tiếp cận vốn và công nghệ sản xuất. Do đó, hiệu quả kỹ thuật
của các doanh nghiệp này thấp hơn các doanh nghiệp lớn.
Theo kết qủa ước lượng trong mô hình SVFA thì nhân tố “Khu công nghiệp”
có tác động ngược chiều đến TE của doanh nghiệp và nhân tố “Thương mại quốc
tế” có tác động tích cực đối với TE. Điều này cho thấy các khu công nghiệp, khu
chế xuất của Việt Nam trong thời gian qua chưa tạo được những điều kiện thuận lợi
về cơ sở hạ tầng cũng như các chính sách đồng bộ nhằm nâng cao hiệu quả sản xuất
của doanh nghiệp. Trong khi đó, các chính sách xuất nhập khẩu hiện nay đã phần
nào thúc đẩy các doanh nghiệp tích cực tham gia hội nhập quốc tế để từ đó nâng cao
hiệu quả sản xuất, kinh doanh.
Hai nhân tố thuộc thể chế môi trường kinh doanh là “Gia nhập thị trường” và
“Hỗ trợ doanh nghiệp” đều có tác động dương đến hiệu quả kỹ thuật của các doanh
nghiệp. Điều này một lần nữa khẳng định, thể chế và môi trường kinh doanh cấp
tỉnh có quan hệ chặt chẽ với hiệu quả kỹ thuật của doanh nghiệp. Những địa phương
có chỉ số “Gia nhập thị trường” và “Hỗ trợ doanh nghiệp” càng cao sẽ càng tạo điều
kiện cho các doanh nghiệp trên địa bàn sản xuất đạt mức TE tốt hơn.
Như đã đề cập trong phần mở đầu, trong mỗi ngành kinh tế có công nghệ sản
xuất riêng biệt phản ánh đặc điểm của từng ngành. Do đó, khi ước lượng hiệu quả
và năng suất mà gộp các doanh nghiệp ở các ngành kinh tế khác nhau sẽ hạn chế
trong việc diễn giải và chưa có những đóng góp ý nghĩa cụ thể cho mỗi ngành kinh
tế. Trong phần này, luận án sẽ ước lượng hiệu quả kỹ thuật, tiến bộ công nghệ, năng
suất nhân tố tổng hợp và khoảng cách công nghệ của ngành Dệt may và Da giày vì
đây là các ngành có công nghệ sản xuất tương đối giống nhau. Dựa vào quan sát
mẫu được mô tả thống kê trong phần 3.4.2, luận án sử dụng các mô hình meta-
frontier SFA và SVFA để thực hiện điều này.
108
Các doanh nghiệp Dệt may-Da giày được chia thành ba nhóm theo loại hình sở hữu bao gồm: Khu vực Dệt may-Da giày nhà nước; Khu vực Dệt may-Da giày tư nhân; Và khu vực Dệt may-Da giày FDI. Mô hình hàm sản xuất biên ngẫu nhiên và
mô hình phi hiệu quả kỹ thuật của ngành Dệt may-Da giày giai đoạn 2012-2016 được thiết lập hoàn toàn giống như phần 4.1.2.1. Hai mô hình này được ước lượng đồng thời theo mô hình của Battese & Coelli (1995). Kết quả ước lượng về hệ số phản ứng của các hàm sản xuất biên nhóm và mô hình phi hiệu quả kỹ thuật của mỗi nhóm trong ngành Dệt may-Da giày Việt Nam được trình bày trong bảng 4.20.
Coeffi.
t-ratio
Coeffi.
t-ratio
Coeffi.
t-ratio
Dệt may-Da giày FDI Dệt may-Da giày nhà nước Dệt may-Da giày tư nhân
0β
9.28
88.21
64.28
LnK
9.25
61.13
57.51
LnL
18.45
186.79
114.06
t
2.56*** 0.26*** 0.84*** 0.09**
2.50
2.99*** 0.21*** 0.87*** 0.07***
17.18
3.20*** 0.33*** 0.64*** 0.07***
14.98
Region1
2.80
9.28
-8.72
Region2
2.73
0.62
-3.38
Region3
3.37
9.87
6.98
Region4
0.80** 0.89** 1.05*** 0.00
0.00
-0.98
-1.90
Region5
0.02
-21.40
-9.02
Size
2.62
23.93
12.03
KCN
-1.71
-10.88
0.03
TMQT
-3.56
-20.36
-9.07
GNTT
0.01 0.72** -0.03 -0.01*** -0.03
-0.62
-19.26
-6.25
HTDN
-0.08
-1.05
-16.48
9.64
t
0.28
-1.17
-9.39
Sigma_square
11.90
18.34
9.21
Gamma
0.02 0.52*** 0.49***
7.18
1.97*** 0.09 2.09*** -0.24 -3.24*** 2.32*** -0.01*** -0.01*** -0.63*** -0.49*** -0.03 3.14*** 0.95***
248.22
-1.36*** -0.39*** 0.90*** -1.01 -5.02*** 1.42*** 0.00 -0.02*** -0.31*** 0.33*** -1.15*** 2.57*** 0.95***
204.88
Log_Likelihood
-321.74
-8208.56
-3005.40
Ghi chú: *, ** và *** mức ý nghĩa thống kê 10%, 5% và1%
Nguồn: Kết quả ước lượng từ FRONTIER 4.1
Mô hình phi hiệu quả kỹ thuật
109
Hệ số ước lượng “của các biến trong các hàm sản xuất biên của cả ba khu vực
doanh nghiệp Dệt may-Da giày đều có ý nghĩa thống kê và phù hợp. Đối với khu
vực doanh nghiệp nhà nước và tư nhân có hệ số co giãn của sản lượng theo lao động
gần giống nhau và lớn hơn nhiều so với khu vực doanh nghiệp FDI. Điều này cho
thấy các doanh nghiệp Dệt may-Da giày nhà nước và tư nhân hiện nay vẫn đang
thâm dụng lao động hơn so với các doanh nghiệp FDI. Tổng hệ số co giãn của sản
lượng theo vốn và lao động trong các khu vực doanh nghiệp Dệt may-Da giày nhà
nước và tư nhân lớn hơn 1 cho thấy hiệu suất của các doanh nghiệp này vẫn tăng
theo quy mô. Tuy nhiên đối với các doanh nghiệp Dệt may-Da giày FDI thì ngược
lại, hiệu suất đã giảm theo quy mô. Đóng góp của tiến bộ công nghệ vào đầu ra của
các doanh nghiệp Dệt may-Da giày nhà nước là lớn nhất, khoảng 9% năm. Trong
khi đó sự đóng góp này đối với các doanh nghiệp Dệt may-Da giày tư nhân và FDI
là gần như nhau, khoảng 7% năm.”
Khi phân tích sự tác động của các nhân tố thuộc đặc tính của doanh nghiệp
đến hiệu quả kỹ thuật trong ngành Dệt may-Da giày, kết quả ước lượng cho thấy:
Có sự tác động của yếu tố vùng, miền đến hiệu quả kỹ thuật của các doanh
nghiệp Dệt may-Da giày. Trong đó các doanh nghiệp tư nhân và FDI vùng Đông
Nam bộ có hiệu quả tốt hơn các doanh nghiệp ở các vùng còn lại. Đối với khu
vực doanh nghiệp nhà nước thì các doanh nghiệp ở Đồng bằng sông Cửu Long
có hiệu quả tốt nhất. Trong tất cả các khu vực doanh nghiệp Dệt may-Da giày thì
các doanh nghiệp quy mô lớn có hiệu quả kỹ thuật tốt hơn các doanh nghiệp quy mô
nhỏ và vừa. Nhìn chung, các yếu tố “Doanh nghiệp nằm trong khu công nghiệp, khu
chế xuất” và “Tham gia thương mại quốc tế” đều có tác động tích cực đến hiệu quả
của các doanh nghiệp Dệt may-Da giày trong giai đoạn này.
Chưa có bằng chứng cho thấy sự tác động của của các nhân tố thuộc thể chế
môi trường kinh doanh là “Gia nhập thị trường” và “Hỗ trợ doanh nghiệp” đến hiệu
quả kỹ thuật của các doanh nghiệp Dệt may-Da giày nhà nước. Nhưng các nhân tố
này có tác động tích cực đến hiệu quả kỹ thuật của các doanh nghiệp tư nhân. Còn
đối với các doanh nghiệp Dệt may-Da giày FDI thì chỉ có nhân tố “Gia nhập thị
trường” là có tác động dương lên hiệu quả kỹ thuật, trong khi đó nhân tố “Hỗ trợ
doanh nghiệp” đang kìm hãm hiệu quả kỹ thuật của khu vực doanh nghiệp này.
Sử dụng kiểm định hợp lý tổng quát (LR) để kiểm định giả thuyết (H0) là cả
ba khu vực doanh nghiệp Dệt may-Da giày trong giai đoạn 2012-2016 đều có cùng
110
công nghệ sản xuất. Giá trị thống kê của LR là 1526.22 dẫn đến giả thuyết (H0) bị
bác bỏ. Do đó, sử dụng mô hình meta-frontier SFA để ước lượng sự thay đổi hiệu
quả kỹ thuật, tiến bộ công nghệ cũng như năng xuất nhân tố tổng hợp của ngành
Dệt may-Da giày trong giai đoạn này phù hợp hơn mô hình SFA truyền thống.
Đối với dạng hàm sản xuất Cobb-Douglass bài toán quy hoạch tuyến tính
(2.31)-(2.32) đối với ngành Dệt may-Da giày được viết lại như sau:
+
+
* * Min LnK ( . β β + 0 1
* LnL . β 2
* t . ) β 3
(4.14)
Với ràng buộc
LnK
LnK
.
.
t .
.
.
t .
+
+
+
≥
+
+
k it
k LnL it
k it
k LnL it
* + β β 1
* 0
* β 2
k β β β 1
k 0
* 3
k β 2
k β 3
(4.15)
Trong đó i=1,…, N với N là toàn bộ số các doanh nghiệp Dệt may-Da giày, t=1,2,3,4,5 là các mốc thời gian trong giai đoạn 2012-2016, k= 1,2,3 (khu vực
doanh nghiệp Dệt may-Da giày nhà nước, khu vực doanh nghiệp Dệt may-Da giày
tư nhân và khu vực doanh nghiệp Dệt may-Da giày FDI). K, L và t là trung bình
số học của vốn, lao động và thời gian của toàn bộ các quan sát của các doanh nghiệp Dệt may-Da giày trong giai đoạn 2012-2016.
Luận án sử dụng phần mềm CPLEX 12.8 để giải quyết bài toán quy hoạch
tuyến tính (4.14)-(4.15). Thuật toán, mô hình và kết quả của bài toán này được trình bày trong phụ lục 2. Các hệ số ước lượng bằng SFA thông thường (theo mô hình của Battese và Coelli năm 1995) và meta- frontier SFA cho ngành Dệt may-Da giày được trình bày trong bảng 4.21.
t_ratio
Coefficient
Coefficient
0β
2.970
100.442
3.615
LnK
0.262
70.505
0.276
LnL
0.780
164.080
0.736
t
0.086
21.169
0.054
Nguồn: Kết quả ước lượng từ FRONTIER 4.1 và CPLEX 12.8
Meta-frontier SFA SFA thông thường Variables
111
Mặc dù có sự khác nhau trong các hệ số ước lượng, nhưng các kết quả ước
lượng bằng meta-frontier SFA là phù hợp với lý thuyết kinh tế và tương đối giống với ước lượng bằng SFA thông thường. Tuy nhiên có sự khác biệt lớn trong hệ số ước lượng về đóng góp của tiến bộ công nghệ. Đối với mô hình SFA truyền thống sự đóng góp này là 8.6%, trong khi đối với mô hình meta- frontier SFA là 5.4% năm. Sau đó, từ hiệu quả kỹ thuật tương ứng với các đường biên nhóm và các hệ số ước lượng của đường biên chung bằng meta-frontier SFA, chúng ta tính được tỷ suất khoảng cách công nghệ (TGR) và hiệu quả kỹ thuật biên chung (TE*) cho ba khu vực doanh nghiệp Dệt may-Da giày giai đoạn 2012-2016 như sau:
0.609
0.559
0.349
Dệt may-Da giày nhà nước
Dệt may-Da giày tư nhân
0.712
0.553
0.395
Dệt may-Da giày FDI
0.777
0.707
0.548
Nguồn: Tính toán từ kết quả ước lượng bằng FRONTIER 4.1 và CPLEX 12.8
Kết quả ước lượng cho thấy các “doanh nghiệp Dệt may-Da giày FDI có hiệu quả kỹ thuật biên chung (TE*) và hiệu quả kỹ thuật biên nhóm (TE) tốt nhất và các doanh nghiệp Dệt may-Da giày nhà nước có hiệu quả kỹ thuật biên chung và biên nhóm thấp nhất. Sự khác nhau giữa hiệu quả kỹ thuật biên nhóm và hiệu quả kỹ
thuật biên chung được giải thích bởi tỷ suất khoảng cách công nghệ giữa các khu vực doanh nghiệp. Khi xem xét mật độ Kernel của TGR cho thấy sự chênh lệch lớn về tỷ suất khoảng cách công nghệ giữa các doanh nghiệp Dệt may-Da giày Việt
Nam. Kết quả tính toán cho thấy các doanh nghiệp Dệt may-Da giày FDI có công nghệ sản xuất tốt nhất, tiếp đến là các doanh nghiệp nhà nước và cuối cùng là các doanh nghiệp Dệt may-Da giày tư nhân. Điều này cho thấy hiệu quả sản xuất của các doanh nghiệp nhà nước và tư nhân thấp hơn các doanh nghiệp FDI” là do khoảng
cách lớn về công nghệ sản xuất. Khi xem xét mật độ Kernel của TGR cho thấy sự
Ownership Group technical efficiency (TE) Technology gap ratio (TGR) Meta technical efficiency (TE*)
112
chênh lệch lớn về tỷ suất khoảng cách công nghệ giữa các doanh nghiệp Dệt may- Da giày Việt Nam trong giai đoạn này.
0.559
0.078
0.395
0.796
Dệt may-Da giày nhà nước
0.553
0.082
0.362
0.998
Dệt may-Da giày tư nhân
0.707
0.079
0.54
0.994
Dệt may-Da giày FDI
Nguồn: Tính toán từ kết quả ước lượng bằng FRONTIER 4.1 và CPLEX 12.8
TGR cuûa caùc doanh nghieäp deät may- da giaøy nhaø nöôùc
TGR cuûa caùc doanh nghieäp deät may-da giaøy tö nhaân
5
5
4
4
3
3
y t
y t
si n e D
si n e D
2
2
1
1
0
0
.4
.5
.7
.8
.4
.6
.8
.6 TGR
TGR
TGR cuûa caùc doanh nghieäp deät may-da giaøy FDI
6
4
y t
si n e D
2
0
.5
.6
.7
.8
.9
1
TGR
Ownership Mean Std.Dev Min Max
113
Để phân tích xu hướng phát triển trong hiệu quả và năng suất ngành Dệt
may-Da giày trong thời gian qua, các tính toán về sự thay đổi hiệu quả kỹ thuật trong mỗi khu vực doanh nghiệp (TECk), sự thay đổi khoảng cách công nghệ của các khu vực doanh nghiệp (TGC), sự thay đổi hiệu quả kỹ thuật đối với biên chung (TEC*), sự đóng góp của tiến bộ công nghệ (TC) và sự thay đổi năng suất nhân tố tổng hợp (TFP) đã được thực hiện và trình bày trong bảng 4.24.
Dệt may-Da giày nhà nước
1.022
1.033
1.055
1.090
1.151
Dệt may-Da giày tư nhân
1.024
1.013
1.037
1.070
1.110
Dệt may-Da giày FDI
1.065
1.017
1.083
1.070
1.159
Ownership TECk TGC TEC* TC TFP
Nguồn: Tính toán từ kết quả ước lượng bằng FRONTIER 4.1 và CPLEX 12.8
Kết quả ước lượng cho thấy “tất cả các các doanh nghiệp Dệt may-Da giày
Việt Nam trong giai đoạn này đều đang cải thiện hiệu quả kỹ thuật biên nhóm (TECk) và hiệu quả kỹ thuật biên chung. Trung bình, hiệu quả kỹ thuật đối với
đường biên nhóm của các doanh nghiệp tăng 3.3% năm và hiệu quả kỹ thuật biên
chung tăng 5.9% năm. Đối với hiệu quả kỹ thuật biên nhóm cũng như hiệu quả kỹ
thuật biên chung, các doanh nghiệp Dệt may-Da giày FDI có sự thay đổi lớn nhất,
tiếp đến là các doanh nghiệp nhà nước và cuối cùng là các doanh nghiệp tư nhân.
Sự thay đổi khoảng cách công nghệ (TGC) của tất cả các khu vực doanh nghiệp Dệt
may-Da giày trong giai đoạn này đều tăng, trung bình khoảng 2.1% năm. Điều này
cho thấy sự tích cực trong thu hẹp khoảng cách công nghệ giữa các doanh nghiệp
trong ngành. Sự thay đổi công nghệ (TC) có được từ các ước lượng biên nhóm cho
thấy tất cả các doanh nghiệp Dệt may-Da giày đều có sự gia tăng trong thay đổi
công nghệ. Trung bình, thay đổi công nghệ của các doanh nghiệp Dệt may-Da giày
trong giai đoạn này tang” 7.7% năm.
1.037 1.021 1.059 1.077 1.140 Mean
114
Kết quả ước lượng về tăng trưởng năng suất nhân tố tổng hợp của ngành Dệt
may- Da giày cho thấy, TFP trong tất cả các khu vực doanh nghiệp đều tăng. Tăng
trưởng TFP của các doanh nghiệp nhà nước tăng trung bình 15.1% năm, của khu vực
doanh nghiệp tư nhân tăng trung bình 11% năm và khu vực doanh nghiệp FDI là
15.9% năm. Năng suất nhân tố tổng hợp của tất cả các doanh nghiệp Dệt may- Da giày
Việt Nam trong giai đoạn này tăng với tỷ lệ trung bình là 14% năm. Sự tăng trưởng
trong năng suất các nhân tố tổng hợp của các doanh nghiệp Dệt may- Da giày Việt
Nam giai đoạn 2012-2016 có thể được phân rã nhờ công thức (2.33) như sau:
(+14% TFP) = (+ 3.7% TEC) x (2.1% TGC) x (+ 7.7% TC)
Kết quả này cho thấy sự tăng trưởng năng suất nhân tố tổng hợp của ngành Dệt may- Da giày Việt Nam hiện nay được đóng góp từ cả ba nhân tố: Cải thiện hiệu quả kỹ thuật (TEC); Thu hẹp khoảng cách công nghệ sản xuất (TGC); Và thay
đổi công nghệ sản xuất (TC). Trong đó đóng góp lớn nhất cho tăng trưởng TFP của ngành là TC.
Luận án sử dụng dạng Cobb-Douglas cho hàm sản xuất biên của ngành Dệt may-Da giày Việt Nam. Mô hình hàm sản xuất với hệ số biến đổi ngẫu nhiên của ngành Dệt may-Da giày giai đoạn 2012-2016 được mô tả giống như mô hình (4.12).
Kết quả kiểm định Breusch-Pagan bác bỏ giả thuyết không về phương sai sai số thay đổi. Điều này dẫn đến việc ủng hộ mô hình hệ số biến đổi ngẫu nhiên cho ngành Dệt may-Da giày Việt Nam trong giai đoạn 2012-2016.
Các ước lượng tham số của mô hình theo Kalirajan và Obwona (1994)
cũng như các tính toán về hiệu quả kỹ thuật được thực hiện bởi phần mềm MATLAB 2015a.
Kết quả ước lượng hệ số trung bình và hệ số biên hàm sản xuất của ngành Dệt may-Da giày theo mô hình của K&O được trình bày trong bảng 4.25. Hệ số co giãn trung bình của sản lượng theo lao động lớn hơn hệ số co giãn trung bình của sản lượng theo vốn cho thấy các doanh nghiệp Dệt may-Da giày hiện nay vẫn đang trong quá trình thâm dụng lao động. Tổng hệ số co giãn của sản lượng theo lao động
và vốn lớn hơn một cho thấy hiệu suất của ngành Dệt may-Da giày hiện đang tăng theo quy mô. Chúng ta thấy rằng, các hệ số ước lượng trung bình và các hệ số ước lượng biên của lao động bằng nhau. Điều này cho thấy không có bằng chứng về sự khác biệt trong hiệu quả sử dụng lao động giữa các doanh nghiệp Dệt may-Da giày
115
Việt Nam trong giai đoạn 2012-2016. Ngược lại, hệ số ước lượng trung bình và hệ
số ước lượng biên của vốn có sự chênh lệch lớn cho thấy có sự khác biệt trong hiệu quả sử dụng vốn giữa các doanh nghiệp Dệt may-Da giày.
*
*
*
*
*
jβ
jβ
jβ
jβ
jβ
jβ
jβ
jβ
jβ
jβ
0β
1.93
14.21
2.32
8.98
2.39
7.25
2.31
9.07
2.65
11.54
Kβ
0.33
0.49
0.27
0.71
0.23
0.80
0.27
0.67
0.25
0.88
Lβ
0.79
0.79
0.85
0.85
0.92
0.92
0.88
0.88
0.87
0.87
Nguồn: Kết quả ước lượng từ MATLAB 2015a
Sau khi có hệ ước lượng trung bình của mỗi đầu vào, sử dụng các biểu thức (2.62) để có các hệ số ước lượng cho mỗi đầu vào của từng doanh nghiệp Dệt may- Da giày và sử dụng (2.63) để có được sản lượng biên cho từng doanh nghiệp. Từ
đó, luận án tính được hiệu quả kỹ thuật cho các doanh nghiệp Dệt may-Da giày giai đoạn 2012-2016. Giá trị phân phối và mật độ Kernel về hiệu quả kỹ thuật của các doanh nghiệp trong giai đoạn này được trình bày trong bảng 4.26 và hình 4.8.
2012 2013 2014 2015 2016 Năm
2012
0.392
0.049
0.141
0.684
2013
0.455
0.043
0.173
0.598
2014
0.467
0.046
0.177
0.554
2015
0.462
0.048
0.089
0.597
2016
0.382
0.040
0.190
0.674
Nguồn: Kết quả ước lượng từ MATLAB 2015a
TE Mean Std.D Min Max
116
0 1
8
6
y t si n e D
4
2
0
.3
.35
.45
.5
.55
.4
TE
Kết quả ước lượng cho thấy điểm ước lượng trung bình về hiệu quả kỹ thuật bằng mô hình SVFA của ngành Dệt may-Da giày Việt Nam hiện nay đang còn thấp, khoảng 43.2%. Mật độ Kernel của TE cho thấy phần lớn các doanh nghiệp có hiệu
quả kỹ thuật gần với giá trị trung bình. Do đó, còn rất nhiều các doanh nghiệp trong ngành Dệt may-Da giày hiện nay có hiệu quả kỹ thuật thấp, dư địa về hiệu quả kỹ thuật của ngành trong giai đoạn này còn lớn.
Các kết quả phân tích ở trên mới chỉ đánh giá trung bình TE của ngành Dệt may-Da giày trong giai đoạn 2012-2016. Tiếp theo, luận án đi vào phân tích TE và giá trị trung bình về hệ số co giãn của sản lượng theo vốn theo từng khu vực doanh nghiệp Dệt may-Da giày (nhà nước, tư nhân, FDI) để có những phân tích sâu sắc hơn. Bảng 4.27 mô tả ước lượng về TE và giá trị trung bình của hệ số co giãn của sản lượng theo vốn trong các khu vực doanh nghiệp Dệt may-Da giày Việt Nam giai đoạn 2012-2016.
Từ kết quả ước lượng cho thấy, khu vực “doanh nghiệp Dệt may-Da giày FDI có TE tốt nhất, điểm ước lượng trung bình TE của khu vực này là 49.8%. Khu vực doanh nghiệp Dệt may-Da giày tư nhân và nhà nước có hiệu quả kỹ thuật gần giống nhau, với TE lần lượt là 41.8% và 41.3%. Tuy nhiên hệ số co giãn trung bình của
sản lượng theo vốn của khu vực doanh nghiệp Dệt may-Da giày tư nhân lại cao nhất, sau đó đến khu vực doanh nghiệp FDI và xếp cuối cùng là các doanh nghiệp nhà nước. Điều này cho thấy, không có sự tương đồng giữa hiệu quả sử dụng vốn và hiệu quả kỹ thuật giữa các khu vực doanh nghiệp Dệt may-Da giày. Kết quả này
phản ánh thực tế hiện nay của ngành Dệt may-Da giày đó là: Các doanh nghiệp Dệt may-Da giày FDI với nguồn vốn mạnh mẽ, công nghệ sản xuất” hiện đại, và nhận
117
được nhiều ưu đãi về chính sách của nhà nước trong những năm qua đã đạt hiệu quả
tốt hơn. Ngược lại, khu vực doanh nghiệp Dệt may-Da giày tư nhân thì khoảng cách về hiệu quả sử dụng vốn và hiệu quả kỹ thuật giữa các doanh nghiệp còn lớn. Đây là bằng chứng khẳng định sự khó khăn của các doanh nghiệp Dệt may-Da giày tư nhân trong việc tiếp cận vốn để đầu tư cho công nghệ sản xuất.
TE
0.413
0.069
0.220
0.566
Kβ
Dệt may- Da giày nhà nước
0.399
0.023
0.355
0.491
TE
0.418
0.058
0.089
0.674
Kβ
0.506
0.097
0.177
0.798
Dệt may- Da giày tư nhân
TE
0.461
0.046
0.281
0.684
Kβ
Dệt may- Da giày FDI
0.498
0.062
0.202
0.884
Nguồn: Tính toán dựa trên các kết quả ước lượng từ MATLAB 2015a và STATA 13
TE khu vöïc deät may-da giaøy tö nhaân
TE khu vöïc deät may-da giaøy nhaø nöôùc
8
6
6
4
4
y t i s n e D
y t i s n e D
2
2
0
0
0
.2
.6
.8
.2
.3
.5
.6
.4 TE
.4 TE
TE khu vöïc deät may-da giaøy FDI
0 1
8
6
y t
si n e D
4
2
0
.3
.4
.6
.7
.5
TE
Ownership Variable Mean Std. Dev Min Max
118
Khi phân tích về “hiệu quả kỹ thuật của ngành Dệt may-Da giày theo quy mô
của doanh nghiệp. Kết quả ước lượng cho thấy, các doanh nghiệp Dệt may-Da giày với quy mô nhỏ và vừa có TE thấp hơn so với các doanh nghiệp lớn. Đồng thời, hệ số co giãn trung bình của sản lượng theo vốn của các doanh nghiệp nhỏ và vừa bé hơn của các doanh nghiệp lớn. Theo thống kê của hiệp hội dệt may Việt Nam năm 2017, các doanh nghiệp Dệt may hiện nay đa phần còn ở mức nhỏ và vừa, trong đó 78.6% số doanh nghiệp có quy mô lao động dưới 50 người, 15.1% doanh nghiệp có quy mô từ 50 đến dưới 300 lao động, 4.6% có quy mô từ 300 đến 1000 lao động và
trên 1000 lao động chỉ chiếm 1.7%. Đây không phải là quy mô phát triển hiệu quả nếu không có liên kết. Bên cạnh đó, theo hiệp hội Da giày Việt Nam, chủ yếu các doanh nghiệp Da giày nhỏ và vừa là các doanh nghiệp trong nước. Các doanh
nghiệp thường trong tình trạng thiếu vốn, thiếu công nghệ, thiếu năng lực quản lý và năng xuất lao động thấp. Năng xuất lao động bình quân của các doanh nghiệp trong nước chỉ bằng 60-70% năng xuất lao động” của các doanh nghiệp FDI.
TE
0.414
0.056
0.141
0.684
Kβ
Doanh nghiệp nhỏ và vừa
0.502
0.092
0.177
0.798
TE
0.470
0.042
0.285
0.674
Doanh nghiệp lớn
Kβ
0.499
0.078
0.202
0.884
Nguồn: Tính toán dựa trên các kết quả ước lượng từ MATLAB 2015a và STATA 13
TE caùc doanh nghieäp deät may-da giaøy lôùn
TE caùc doanh nghieäp deät may-da giaøy nhoû vaø vöøa
8
5 1
6
0 1
4
y t i s n e D
y t i s n e D
5
2
0
0
0
.2
.6
.8
.3
.4
.6
.7
.5
.4 TE
TE
Size Variable Std. Dev Mean Min Max
119
Mục tiêu của chương này là đo lường hiệu quả kỹ thuật của các doanh
nghiệp Việt Nam bằng ba mô hình SFA, meta frontier, SVFA và đo lường TFP
(theo khái niệm chỉ số TFP) của các doanh nghiệp qua hai mô hình SFA, meta
frontier SFA. Tất cả các các mô hình đều được áp dụng trên dữ liệu điều tra doanh
nghiệp của GSO cho một đầu ra tổng hợp là giá trị gia tăng và hai đầu vào là vốn và
lao động. Các kết quả ước lượng về TE trên cả ba mô hình gợi ý một số phát hiện
thực nghiệm như sau:
Còn nhiều dư địa để cải thiện TE trong sản xuất của các doanh nghiệp Việt
Nam trong giai đoạn 2012-2016. Điểm ước lượng trung bình của TE là 57.29%
trong mô hình SFA và bằng 43.5% trong mô hình SVFA cho thấy trung bình
khoảng 42.71%- 46.5% TE của các doanh nghiệp Việt Nam có thể được cải thiện
trong giai đoạn này. Hơn nữa, hiệu quả kỹ thuật của các doanh nghiệp so với đường
biên sản xuất chung trong mô hình meta-frontier SFA mới đạt trung bình 29% trong
cả giai đoạn. Điều này cho thấy tiềm năng về cải thiện hiệu quả kỹ thuật của các
doanh nghiệp Việt Nam hiện nay còn rất lớn.
Các phân tích về độ lệch chuẩn và phân phối của TE bằng các mô hình cho
thấy xu hướng đa dạng trong hiệu quả kỹ thuật của các doanh nghiệp Việt Nam
trong giai đoạn này. Khoảng cách giữa các doanh nghiệp hiệu quả nhất và các
doanh nghiệp ít hiệu quả nhất có xu hướng được mở rộng. Trong mô hình SFA đa
phần các doanh nghiệp có TE thấp hơn trung bình, ngược lại đối với SVFA thì các
doanh nghiệp có TE xung quanh trung bình. Hơn nữa trong SFA thì TE nhìn chung
có xu hướng giảm còn trong meta-frontier SFA thì TE đang được cải thiện tích cực
trong các khu vực doanh nghiệp.
Các ước lượng về TFP thì cả hai mô hình SFA và meta-frontier SFA đều cho
thấy có sự tăng trưởng về TFP của các doanh nghiệp Việt Nam trong giai đoạn
2012-2016. Trong đó tăng trưởng TFP là 5.6% đối với SFA và 4.57% đối với
meta frontier SFA. Cả hai mô hình đều cho thấy tiến bộ công nghệ (TC) có tác
động tích cực đến tăng trưởng TFP. Cụ thể TC đóng góp vào tăng trưởng TFP là
6.3 % trong mô hình SFA và 0.93% trong meta frontier SFA. Tuy nhiên có sự
khác biệt về đóng góp của TEC vào TFP ở hai mô hình. Trong mô hình SFA thì
TEC kìm hãm sự tăng trưởng TFP, còn trong mô hình meta frontier SFA thì TEC
120
là động lực chính làm tăng trưởng năng suất nhân tố tổng hợp của các khu vực
doanh nghiệp Việt Nam trong giai đoạn này.
Ngoài ra cả mô hình meta frontier SFA và Malmquist TFP toàn cục đều cho
thấy sự tồn tại khoảng cách trong công nghệ sản xuất giữa các doanh nghiệp Việt Nam trong giai đoạn này. Tuy nhiên, có đôi chút sự khác biệt trong hai mô hình meta frontier SFA và meta-frontier DEA. Trong mô hình meta-frontier SFA thì cho rằng các doanh nghiệp tư nhân có công nghệ sản xuất lạc hậu nhất và các doanh
nghiệp FDI có công nghệ sản xuất hiện đại nhất. Trong khi kết quả của mô hình meta-frontier DEA cho thấy khu vực doanh nghiệp tư nhân có công nghệ sản xuất hiện đại nhất. Các kết quả trái ngược như trên xuất phát từ sự khác biệt về bản chất giữa hai mô hình. Mô hình meta frontier DEA rất nhạy cảm với các quan sát trội,
trong khi có 23150 doanh nghiệp tư nhân trong mẫu (chiếm tỷ 77.6% số quan sát trong mẫu) nên điều này có thể là nguyên nhân dẫn đến kết quả TGR của khu vực doanh nghiệp tư nhân lớn nhất. Cả hai mô hình đều cho thấy khu vực doanh nghiệp tư nhân có TGC lớn nhất, chứng tỏ khu vực này đang tích cực nhất trong việc thu hẹp khoảng cách công nghệ. Tuy nhiên điểm ước lượng trung bình của TGC trong mô hình meta-frontier SFA và Malmquist TFP toàn cục đều giảm, lần lượt là - 1.06% và -0.3%. Điều này cho thấy xu hướng khoảng cách công nghệ giữa các
doanh nghiệp Việt Nam ngày càng nới rộng và nó là nguyên nhân kìm hãm tăng trưởng TFP.
Các kết quả hồi quy trong mô hình Tobit về tác động của các nhân tố đến
hiệu quả kỹ thuật trong mô hình SVFA cũng có kết quả gần giống với mô hình phi hiệu quả đã được ước lượng trong mô hình SFA.
Trong nhóm các nhân tố thuộc đặc tính của doanh nghiệp tác động đến TE cho thấy: Đối với nhân tố loại hình sở hữu, cả mô hình SFA và SVFA đều khẳng
định các doanh nghiệp FDI có hiệu quả kỹ thuật tốt nhất, sau đó đến các doanh nghiệp nhà nước và cuối cùng là doanh nghiệp tư nhân. Đối với nhân tố vùng miền có đôi chút khác biệt ở hai mô hình, mô hình SFA thì cho thấy các doanh nghiệp ở
vùng Đông Nam bộ đạt hiệu quả kỹ thuật tốt nhất, trong khi kết quả của mô hình SVFA cho rằng các doanh vùng Đồng bằng sông Cửu Long đạt hiệu quả kỹ thuật cao nhất. Đối với nhân tố quy mô doanh nghiệp, cả hai mô hình đều khẳng định các doanh nghiệp nhỏ và vừa có TE thấp hơn các doanh nghiệp lớn. Còn đối với các
nhân tố “Doanh nghiệp nằm trong khu công nghiệp” và “Doanh nghiệp tham gia thương mại quốc tế”. Mô hình SFA cho thấy sự tác động tích cực của cả hai nhân tố
121
này đến TE của doanh nghiệp. Còn trong mô hình SVFA thì chỉ có nhân tố “Doanh
nghiệp tham gia thương mại quốc tế” có tác động dương lên TE, trong khi đó nhân tố “Doanh nghiệp nằm trong khu công nghiệp” có tác động ngược chiều lên TE.
Đối với nhóm nhân tố thuộc thể chế môi trường kinh doanh, cả mô hình SFA
và SVFA đều cho thấy mối quan hệ thuận chiều của các chỉ tiêu “Gia nhập thị trường” và “Hỗ trợ doanh nghiệp” đến hiệu quả sản xuất của doanh nghiệp.
Đối với ngành Dệt may-Da giày, điểm hiệu quả kỹ thuật đạt trung bình 43.2% trong giai đoạn 2012-2016. Tồn tại khoảng cách công nghệ giữa các khu vực
doanh nghiệp Dệt may-Da giày. Trong đó, khu vực Dệt may-Da giày FDI có công nghệ sản xuất tốt nhất, tiếp đến là khu vực Dệt may-Da giày nhà nước và cuối cùng là khu vực Dệt may-Da giày tư nhân. Tuy nhiên, sự thay đổi khoảng cách công nghệ của cả ba khu vực doanh nghiệp Dệt may-Da giày đều tăng, do đó khoảng cách
công nghệ giữa các khu vực doanh nghiệp có xu hướng được thu hẹp. Năng suất nhân tố tổng hợp của ngành tăng trung bình là 14% năm. Đặc biệt cả ba thành phần trong TFP của ngành Dệt may-Da giày là TEC, TGC và TC đều có tăng trưởng
dương và thành phần đóng góp lớn nhất vào tăng trưởng TFP của ngành là thay đổi công nghệ (TC).
122
Luận án sử dụng các mô hình tham số để ước lượng hàm sản xuất, hiệu quả
kỹ thuật và năng suất nhân tố tổng hợp của các doanh nghiệp Việt Nam nói chung và ngành Dệt may-Da giày nói riêng trong giai đoạn 2012-2016. Đồng thời, luận án cũng đã xây dựng và ước lượng mô hình các nhân tố tác động đến hiệu quả kỹ thuật
của các doanh nghiệp trong giai đoạn này. Từ kết quả phân tích giữa các mô hình lý thuyết và các kết quả thực nghiệm, luận án có thể rút ra một số kết luận sau:
Một là, Để ước lượng hiệu quả kỹ thuật, tiến bộ công nghệ, khoảng cách công nghệ và năng suất nhân tố tổng hợp ở cấp độ doanh nghiệp chúng ta có thể
thực hiện bởi các phương pháp tham số như: SFA thông thường, meta-frontier SFA và SVFA. Các phương pháp tham số có ưu điểm vượt trội hơn so với phương pháp phi tham số là các kết quả ước lượng được suy diễn thống kê và phân phối của các nhiễu thống kê là ngẫu nhiên.
Hai là, Các kết quả ước lượng thực nghiệm về hiệu quả kỹ thuật và năng suất nhân tố tổng hợp của các doanh nghiệp Việt Nam giai đoạn 2012-2016 bằng ba mô hình SFA, meta-frontier SFA và SVFA đều có xu hướng chung giống nhau. Tuy
nhiên các kết quả ước lượng rất khác biệt giữa các mô hình, điều này được giải thích bởi các nguyên nhân sau: Mô hình SFA thì vẫn giả định tất cả các doanh nghiệp đều có cùng tham số công nghệ. Đến mô hình meta-frontier SFA đã khắc phục hạn chế
này bằng cách chia thành các khu vực doanh nghiệp, tuy nhiên trong mỗi khu vực thì các doanh nghiệp đều được giả định có công nghệ như nhau. Hơn nữa, các hệ số ước lượng trong meta-frontier SFA vẫn là các hệ số trung bình như trong SFA nên không phản ánh được tầm quan trọng của từng nhân tố đầu vào. Và mô hình SFA cũng như meta-frontier SFA đều sử dụng hệ số sai số tổng hợp (v-u), mà trong đó hiệu quả kỹ thuật được phản ánh bởi thành phần u và việc ước lượng rất nhạy cảm với các giả định về phân phối khác nhau của u. Trong khi mô hình SVFA khắc phục hoàn toàn những nhược điểm của hai mô hình SFA và meta-frontier SFA
Ba là, Kết quả ước lượng thực nghiệm về hàm sản xuất, hiệu quả kỹ thuật và năng suất nhân tố tổng hợp của các doanh nghiệp Việt Nam giai đoạn 2012-2016 cho thấy: Các doanh nghiệp Việt Nam vẫn đang thâm dụng lao động, sự thâm dụng
lớn nhất ở khu vực doanh nghiệp tư nhân. Khu vực doanh nghiệp FDI đã dần thâm dụng vốn. Tổng hệ số co giãn của sản lượng theo vốn và lao động trong các mô
123
hình đều lớn hơn một cho thấy hiệu suất của các doanh nghiệp Việt Nam hiện nay
vẫn tăng theo quy mô. Đóng góp trung bình của tiến bộ công nghệ cho các doanh nghiệp là 6.3% năm trong mô hình SFA, 1.3% năm trong mô hình meta-frontier SFA. Tuy nhiên sự đóng góp này chủ yếu tập trung vào khu vực tư nhân, chưa có bằng chứng cho thấy có sự đóng góp của tiến bộ công nghệ vào các doanh nghiệp nhà nước và FDI. Hiệu quả kỹ thuật của các doanh ghiệp trong giai đoạn 2012-2016 còn thấp, 57.29% năm trong mô hình SFA, 43.5% năm trong mô hình SVFA. Dư địa về hiệu quả kỹ thuật còn cao, đặc biệt là dư địa về hiệu quả kỹ thuật đối với đường biên sản xuất
chung. Năng suất nhân tố tổng hợp của các doanh nghiệp Việt Nam trong giai đoạn này tăng trưởng trung bình 5.6% năm trong mô hình SFA và 4.57% năm trong mô hình meta-frontier SFA. Các nhân tố đóng góp chính vào thay đổi TFP là tiến bộ công nghệ
(trong mô hình SFA) và cải thiện hiệu quả kỹ thuật trong mỗi khu vực doanh nghiệp (trong mô hình meta-frontier SFA). Tồn tại khoảng cách về công nghệ giữa các khu vực doanh nghiệp Việt Nam. Sự thay đổi khoảng cách công nghệ đang suy giảm cho thấy khoảng cách công nghệ giữa các doanh nghiệp ngày càng rộng và sự suy giảm đó là nguyên nhân kìm hãm tăng trưởng TFP.
Bốn là, Kết quả ước lượng thực nghiệm về các nhân tố tác động đến hiệu quả kỹ thuật cho thấy: Các nhân tố thuộc đặc tính của doanh nghiệp có sự tác động đến TE. Đối với hình thức sở hữu thì các doanh nghiệp FDI có TE tốt nhất. Đối với
nhân tố vùng miền thì các doanh nghiệp vùng Đồng bằng sông Cửu Long và Đông Nam bộ có TE cao hơn các vùng còn lại. Về quy mô doanh nghiệp, hầu hết cho thấy các doanh nghiệp lớn có TE tốt hơn các doanh nghiệp nhỏ và vừa, ngoại trừ khu
vực doanh nghiệp nhà nước. Về các nhân tố doanh nghiệp nằm trong khu công nghiệp và tham gia thương mại quốc tế, các kết quả đều cho thấy mối quan thệ thuận chiều với TE của doanh nghiệp. Về nhóm các nhân tố thuộc thể chế môi trường kinh doanh cho thấy. Các nhân tố “Gia nhập thị trường” và “Hỗ trợ doanh nghiệp” có tác động tích cực lên TE của doanh nghiệp. Điều này là bằng chứng cho thấy, trong những năm gần đây những tỉnh có chỉ số PCI càng cao thì càng thu hút được nhiều sự đầu tư của các doanh nghiệp trong nước và quốc tế.
Năm là, Kết quả ước lượng thực nghiệm về hiệu quả kỹ thuật và năng suất nhân tố tổng hợp của ngành Dệt may-Da giày cho thấy: Điểm hiệu quả kỹ thuật trung bình đối với mô hình SVFA đạt 43.2% trong giai đoạn 2012-2016. Các phân tích về khoảng cách công nghệ giữa các khu vực doanh nghiệp Dệt may-Da giày
bằng mô hình meta-frontier SFA cho thấy: Khu vực Dệt may-Da giày FDI có công
124
nghệ sản xuất tốt nhất và khu vực Dệt may-Da giày tư nhân có công nghệ sản xuất
lạc hậu nhất. Tuy nhiên, khoảng cách công nghệ giữa các khu vực doanh nghiệp Dệt may-Da giày đang được thu hẹp. Tăng trưởng năng suất nhân tố tổng hợp của ngành Dệt may-Da giày lớn hơn rất nhiều so với mức tăng trung bình cả các doanh nghiệp Việt Nam, khoảng 14% năm và các thành phần trong TFP đều có tăng trưởng dương, trong đó thay đổi công nghệ (TC) là thành phần đóng góp lớn nhất vào tăng trưởng TFP.
Trên cơ sở các kết quả nghiên cứu của luận án, tác giả đưa ra một số khuyến nghị nhằm phát triển sản xuất cho các khu vực doanh nghiệp Việt Nam, giúp các doanh nghiệp nâng cao mức hiệu quả và năng suất. Đóng góp tích cực vào quá trình tăng trưởng và phát triển kinh tế của đất nước.
Thứ nhất, Hiệu suất của các doanh nghiệp Việt Nam hiện nay vẫn đang tăng theo quy mô, do đó cần phát triển quy mô của các doanh nghiệp nhằm tạo thêm việc làm, gia tăng thu nhập và giúp tăng trưởng nền kinh tế. Các doanh nghiệp Việt Nam
trong giai đoạn 2012-2016 đang thâm dụng lao động, đóng góp của tiến bộ công nghệ cho các doanh nghiệp còn thấp, vì vậy cần có những chính sách cụ thể để giúp các doanh nghiệp gia tăng công nghệ vào quá trình sản xuất, đặc biệt là những lĩnh vực đòi hỏi nhiều về công nghệ. Qua đó giúp các doanh nghiệp cải thiện hiệu quả kỹ thuật và nâng cao năng suất nhân tố tổng hợp.
Thứ hai, Các doanh nghiệp nhà nước và các doanh nghiệp FDI mặc dù có những ưu đãi lớn về chính sách trong thời gian qua, nhưng hiệu quả và năng suất
của hai khu vực doanh nghiệp này còn phát triển chưa tương xứng với các lợi thế và tiềm năng hiện có. Sự thay đổi khoảng cách công nghệ của hai khu vực doanh nghiệp này có xu thế giảm, điều này có thể dẫn đến sự suy giảm trong năng suất nhân tố tổng hợp. Do đó Nhà nước cần có cơ chế chính sách bình đẳng giữa các loại hình doanh nghiệp.
Thứ ba, Trong quá trình hội nhập của các doanh nghiệp Việt Nam cần tập trung, chú trọng vào khu vực kinh tế tư nhân, tạo điều kiện để các doanh nghiệp tư nhân tiếp cận các chính sách ưu đãi của chính phủ nhằm giúp các doanh nghiệp tư nhân đổi mới, hiện đại hóa công nghệ, phát triển nguồn lực và nâng cao năng suất lao động. Vì hiện nay các doanh nghiệp tư nhân đang tích cực trong việc cải thiện đóng góp của tiến bộ công nghệ. Hơn nữa, khu vực doanh nghiệp tư nhân chiếm
125
hơn 80% số lượng lao động của toàn bộ khối doanh nghiệp và có đóng góp quan trọng trong nền kinh tế quốc dân.
Thứ tư, Về thể chế môi trường kinh doanh, cần tạo mọi điều kiện thuận lợi để các doanh nghiệp phát triển. Giảm chi phí và thời gian giải quyết các thủ tục hành chính khi các doanh nghiệp gia nhập thị trường, giúp các doanh nghiệp thuận lợi trong tiếp cận đất đai và tiếp cận tín dụng. Xóa bỏ các rào cản liên quan đến việc thực thi các quy định hoạt động của doanh nghiệp và các rào cản liên quan đến chi phí không chính thức. Có các dịch vụ hỗ trợ doanh nghiệp và chính sách đào tạo lao động phù hợp, chính quyền các cấp linh hoạt trong khuôn khổ pháp luật, năng động sáng tạo trong giải quyết các vấn đề phát sinh với doanh nghiệp.
Mặc dù trong mô hình phân tích các nhân tố tác động đến TE luận án đã đưa cả các nhân tố thuộc thể chế môi trường kinh doanh để đánh giá các tác động khách quan đến TE, tuy nhiên trong nhóm các nhân tố thuộc đặc tính của doanh, do hạn chế về mặt dữ liệu nên các nhân tố quan trọng như: Tuổi của doanh nghiệp; Trình độ lao động; Cơ cấu vốn sản xuất kinh doanh vv... chưa được đưa vào mô hình nên chưa có các phân tích đầy đủ hơn về sự tác động của nhóm các nhân tố này đến TE của các doanh nghiệp. Hơn nữa, việc tính VA mà chưa điều chỉnh theo lạm phát và chưa loại bỏ các dữ liệu “oulier” cũng là các hạn chế của luận án.
Việc áp dụng mô hình hệ số biến đổi ngẫu nhiên trong đo lường TE là một thực nghiệm mới đối với bối cảnh các doanh nghiệp Việt Nam. Tuy nhiên, luận án mới chỉ dừng lại ở việc giải quyết các thủ tục ước lượng cho dữ liệu cắt ngang. Đối với kiểu dữ liệu này, các hệ số phản ứng ở mỗi đầu vào của mỗi doanh nghiệp được tính bằng tổng của hệ số phản ứng trung bình và nhiễu cho từng doanh nghiệp cụ thể, chưa tính đến nhiễu theo thời gian cho mỗi doanh nghiệp. Hơn nữa việc tính toán với dữ liệu cắt ngang chưa cho các kết quả về đóng góp của công nghệ nên chưa có các ước lượng về năng suất nhân tố tổng hợp bằng mô hình SVFA. Vì vậy, trong tương lai luận án có thể phát triển để có các thủ tục ước lượng cho dữ liệu mảng và từ đó có các ước lượng cho năng suất nhân tố tổng hợp cũng như các thành phần của nó bằng mô hình SVFA.
Ngoài ra, luận án có thể phát triển theo mô hình đường biên chung và đường biên nhóm (meta- frontier SVFA) mà trong đó dùng các kỹ thuật của mô hình SVFA đối với dữ liệu mảng để ước lượng các hệ số phản ứng của đường biên sản xuất nhóm và đường biên sản xuất chung.
126
1. Phạm Ngọc Toàn và Nguyễn Văn (2014) ‘Phân tích vai trò lao động chuyên môn kỹ thuật trình độ cao trong các doanh nghiệp Việt Nam’, Kinh tế phát triển, Số 201(II), tr.15-21.
2. Phạm Ngọc Toàn và Nguyễn Văn (2014) ‘Phân tích vốn đầu tư trong tăng
trưởng và việc làm’, Kinh tế dự báo, Số chuyên đề, tr12-15.
3. Nguyễn Văn (2017), ‘Tác động của chất lượng thể chế đến hoạt động của các doanh nghiệp dệt may- da giày’, Kinh tế phát triển, Số 238, tr.48-58. 4. Nguyễn Văn (2018), ‘Phân tích hiệu quả kỹ thuật và khoảng cách công nghệ trong khu vực doanh nghiệp Việt Nam’, Kinh tế phát triển, Số 250,
tr.13-24.
5. Nguyen Van (2018), ‘Analysis Technical Efficiency, Technological Gap and Total Factor Productivity of Vietnamese Textile and Garment Industries’, 9th neu-kku international conference. Labours-social publishing house, tr. 935-947.
127
1. Admassie, A., & Matambalya, F. A. 2002, ‘Technical efficiency of small-and medium-scale enterprises: evidence from a survey of enterprises in Tanzania’, Eastern Africa social science research review, No 18, Vol 2, pp.1-29.
(1972),
‘Efficiency estimation of production
functions’,
2. Afriat, S.
International Economic Review, No 13, pp. 568-598.
3. Aigner, D, J. & Chu, S, F. (1968), ‘On estimating the industry production
function’, American Economic Review, No 58, pp. 826-839.
4. Aigner, D, J., Lovell,C, A., K & Schmidt P. (1977), ‘Formulation and estimation of stochastic frontier production function models’, Journal of Econometrics, No 6, pp. 21-37
5. Banker, R. D. & Maindiratta, A. (1988), ‘Nonparametric analysis of technical and allocative efficiencies in production’. Econometrica, No 56, pp.
1315-1332.
6. Banker, R. D., A. Charnes, and W. W. Cooper (1984). Some models for estimating technical and scale inefficiencies in data enevlopment analysis. Management Science, No 30, Vol 9, pp.1078-1092.
7. Battese, G. E. & Coelli, T. J. (1988), ‘Prediction of firm-level technical efficiencies with a generalised frontier production function and panel data’. Journal of Econometrics, No 38, pp. 387-400.
8. Battese, G. E. & Coelli, T. J. (1992), ‘Frontier production functions, technical efficiency and panel data: with application to paddy farmers in India’. Journal of Productivity Analysis, No 3, pp. 153-169.
9. Battese, G. E. and T. J. Coelli (1992), ‘Frontier production functions, technical efficiency and panel data: with application to paddy farmers in India’, Journal of Productivity Analysis, No 3, pp.153-169.
10. Battese, G.E. & Coelli, T.J. (1995), ‘A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data’, Empirical Economics, No 20, pp. 325-332.
128
11. Battese, G.E.& D.S.P.Rao (2002), ‘Technology gap, efficieny, and a stochastic metafrontier function’, International Journal of Business and Economics, No 1, Vol 2, pp. 87-93.
12. Battese, G.E., Rao, D.S.P. & O’Donnell, C.J. (2004), ‘A metafrontier production function for estimation of technical efficiencies and technology potentials for firms operating under different technologies’, Jounal of Product Anal, No 21, pp. 91-103.
13. Bauer, P. W. (1990), ‘Recent developments in the economic estimation of
frontier’. Journal of Econometrics, No 46, pp. 39-56.
14. Charnes, A., W. W. Cooper, and E. Rhodes (1978), ‘Measuring the efficiency of decision making units’, European Journal of Operational Research, No 2, Vol 6, pp. 429-444.
15. Coelli, T. J. (1996a), A guide to DEAP version 2.1: a data envelopment analysis (computer) program, CEPA Working paper 96/8. Armidale, Australia, Department of Econometrics, University of New England.
16. Coelli, T. J. (1996b), A guide to FRONTIER 4.1: a computer program for stochastic frontier production and cost function estimation. Centre for Efficiency and Productivity Analysis (CEPA) working papers No.7, Department of Econometrics, University of New England, Australia.
17. David A. Kodde, Franz C. Palm (1986), ‘ Wald criteria for jointly testing equanlity and inequality restrictions’, Econometrica, No 54, Vol 5, pp.1243- 1248.
18. Debreu, G. (1951), ‘The coefficient of resource utilisation’, Econometrica,
No 19, pp. 273-292.
19. Diewert, W. E. (1992a), ‘The measurement of productivity’. Bulletin of
Economic Research, No 44, Vol 3, pp. 163-196.
20. Diewert, W. E. (1992b), ‘Fisher ideal output, input, and productivity indexes
revisited’, Journal of Productivity Analysis, No 3, pp. 211-248.
21. Diewert, W. E. (1998), ‘Index numbers issues in the consumer price index’,
Journal of Economic Perspectives, No 12, Vol 1, pp.47-58.
22. Diewert, W. E. and K. J. Fox (2010), ‘Malmquist and Tornqvist productivity
129
indexes: returns to scale and technical progress with imperfect competition’, Journal of Economics, No 101, Vol 1, pp.73-95.
23. Domar, E. D. (1961), ‘On the measurement of technological change’, The
Economic Journal, No 71, pp. 709-729.
24. Farrell, M, J. (1957), ‘The Measurement of Productive Efficiency’, Journal
of the Royal Statistical Society, Series A, No 120, pp. 253-281.
25. G, Karagiannis & V, Tzouvelekas (2009), ‘Measuring Technical Efficiency the Stochastic Varying Coefficient Frontier Model’, Agricultural
in Economics, No 40, pp.389-396.
26. Griffiths, W.E. (1972), ‘Estimation of actual response coefficients in the Hildreth-Houck random coefficient model’, Journal of the American Statistical Association, No 67, pp. 633-635.
27. Hildreth, C. & Houck, J.P. (1968), ‘Some estimators for linear model with random coefficients’, Journal of American Statistical Association, No 63, pp. 584-595.
28. Hồ Đình Bảo (2016), Phân tích hiệu quả kỹ thuật và năng suất nhân tố tổng
hợp, NXB Đại Học Quốc gia Hà Nội, Hà Nội
29. Huang, C. J. and J. T. Liu (1994), Estimation of a non-neutral stochastic frontier
production function. Journal of Productivity Analysis, No 5, pp. 171-180.
30. Kalirajan, K. P. & Obwona, M. B. (1994), ‘Frontier production function: a stochastic coefficients approach’. Oxford Bulletin of Economics and Statistics, No 56, pp. 85-94.
31. Kalirajan, K. P. and R. T. Shand (1999), Frontier production functions and technical efficiency measures. Journal of Economic Surveys, No 13, Vol 2, pp.149-172.
32. Kalirajan, K.P., Obwona, M.B. & Zhao, S. (1996), ‘A Decomposition of total factor productivity growth: The case of Chinese agricultural growth before and after Reforms’. American Journal of Agricultural Economics, No 78, pp. 331-338.
33. Kodde, D. A. and F. C. Palm (1986), ‘Wald criteria for jointly testing equality and inequality restrictions’, Econometrica , No 54, Vol 5, pp. 1243- 1248
130
34. Kompas, T., Che, T.N., Ha, N.Q. & Hoa, N.T.M. (2009), ‘Productivity, net returns and efficiency: land and market reform in Viet Nam rice production’, International and development economics working paper 09-02, Australia National University.
35. Koopmans, T, C. (1951), An analysis of production as an efficient combination of activities, In T. C. Koopmans (ed.), Activity Analysis of Production and Allocation, Cowles Commission for Research in Economics Monograph No. 13. New York: John Wiley and Sons, Inc.
36. Kopp, R.J. (1981), ‘The measurement of productive efficiency: A reconsideration’, Quarterly Journal of Economics, No 96, pp. 477-503.
37. Kumbhakar, S. C. (1990), ‘Production frontiers, panel data and time varying
technical inefficiency’. Journal of Econometrics, No 46, pp. 201-211.
38. Le, V., X. B. B., & Nghiem, S. (2018). Technical Efficiency of Small and Medium Manufacturing Firms in Vietnam:A Stochastic Meta-Frontier Analysis. Economic Analysis and Policy, No 59, pp 84-91.
39. Lee, L. F. (1983), ‘On maximum likelihood estimation of stochastic frontier
production models’, Journal of Econometrics, No 23, pp. 269-274.
40. Leibenstein, H. (1966), ‘Allocative efficiency vs x-efficiency’, American
Economic Review, No 56, pp. 392-415.
41. Meeusen, W. & Van den Broeck, J. (1977), ‘Efficiency estimation from Cobb- Douglas production functions with composed error’, International Economic Review, No 18, pp. 435-444.
(2010),
42. Moriera, V.H. & Bravo-Ureta
‘Technical efficiency and metatechnology ratios for dairy farms in three southern cone countries’, Journal of Productivity Analysis, No 33, pp.33-45.
43. Nguyễn Khắc Minh (2006), ‘Phân tích so sánh hiệu quả kỹ thuật của một số ngành
sản xuất ở Hà Nội và Tp.HCM’, Diễn đàn kinh tế Việt Nam (VDF), Hà Nội.
44. Nguyễn Khắc Minh (2006), Phân tích định lượng ảnh hưởng của tiến bộ công nghệ đến tăng trưởng một số ngành công nghiệp của thành phố Hà Nội, NXB. Khoa học và Kỹ thuật, Hà Nội.
45. Nguyen Linh Son (2011), Efficiency analysis, PhD thesis, University of
Queensland, Queensland, Australia.
131
46. Nguyễn Quốc Nghị và Mai Văn Nam (2011), ‘Các nhân tố ảnh hưởng đến
hiệu quả hoạt động kinh doanh của các doanh nghiệp vừa và nhorowr thành
phố Cần Thơ’, Tạp chí khoa học, 2011(19b), tr.122-129.
47. Nguyễn Thị Cành (2009), ‘Kinh tế Việt Nam qua các chỉ số phát triển và
những tác động của quá trình hội nhập’, Tạp chí Phát triển kinh tế, số 219.
48. Nguyễn Thị Tuệ Anh và Lê Xuân Bá (2005), Chất lượng tăng trưởng kinh tế
-Một số đánh giá ban đầu, Viện Nghiên cứu Quản lý Kinh tế Trung ương và
Viện Friedrich Ebert Stiftung, Hà Nội.
49. Nguyễn Văn Công (2006), Tác động của phân phối thu nhập đến tăng
trưởng kinh tế ở Việt Nam, Đề tài cấp khoa học cấp bộ.
50. Nguyễn Văn Nam - Trần Thọ Đạt (2006), Tốc độ và chất lượng tăng trưởng
kinh tế ở Việt Nam, NXB Đại học Kinh tế Quốc dân, Hà Nội.
51. Nguyen, K. M., & Truong, T. V. (2007). A Non-parametric Analysis of
Efficiency for Industrial Firms in Vietnam. In K. M. Nguyen & T. L. Giang
in Vietnam:
(Eds.), Technical Efficiency and Productivity Growth
Parametric and Non-parametric Analyses (pp. 1-30). Hanoi: The Publishing
House of Social Labour.
52. Nguyen, T., Le, Q., Tran, T., & Nguyen, M. (2019), ‘Ownership, technology
gap and technical efficiency of small and medium manufacturing firms in
Vietnam: A stochastic meta frontier approach’. Decision Science Letters, No
8, Vol 3, pp 225-232.
53. O’Donnell, C. J. (2008), An aggreagate quantity-price framework for
measuring and decomposing productivity and profitability change. Working
Papers No. WP07/2008. Queensland, Australia. Centre for Efficiency and
Productivity Analysis, University of Queensland.
54. O’Donnell, C. J. (2010), Measuring and decomposing agricultural
productivity and profitability change. Australian Journal of Agricultural and
Resource Economics, No 54, pp. 527-560.
55. O’Donnell, C. J. (2011), Econometric estimation of distance functions and
associated measures of productivity and efficiency change. Working Papers
No.01/2011. Queensland, Australia. Centre for Efficiency and Productivity
Analysis, University of Queensland.
132
56. O’Donnell, C.J., Rao, D.S.P. & Battese, G.E. (2008), ‘Metafrontier frameworks for the study of firm-level efficiencies and technology ratios’. Empirical Economics, No 34, pp. 231-255.
57. O'Donnell, C. J., D. S. P. Rao, and G. E. Battese (2008), ‘Metafrontier
frameworks for the study of firm-level efficiencies and technology ratios’. Empirical Economics, No 34, pp.231-255.
58. Oh, D. H. & J. D. Lee (2010), ‘A metafrontier approach for measuring Malmquist productivity index’. Empirical Economics, No 38, pp. 47-64.
59. Oh, D. H. (2010a), ‘A global Malmquist-Luenberger productivity index’,
Journal of Productivity Analysis, No 34, pp. 83-197.
60. Oh, D. H. (2010b), ‘A metafrontier approach for measuring an environmentally sensitive productivity growth index’, Journal of Energy Economics, No 32, pp.146-157.
61. Oh, D. H. and J.-d. Lee (2010), ‘A metafrontier approach for measuring Malmquist productivity index’, Empirical Economics , No 38, pp.47-64.
62. Olley, G. S. and A. Pakes (1996), ‘The dynamics of productivity in the telecommunications equipment industry’, Econometrica, No 64, pp.1263–1297.
63. Petrin A& Levinsohn, J. (2003), ‘Estimating Production Functions Using Inputs to Control for unobservables’, Review of Economic Studies, No 70, Vol 2, pp.317-341.
64. Phạm Thế Anh và Nguyễn Đức Hùng (2014), ‘Tác động của thể chế môi trường kinh doanh đến hoạt động của các doanh nghiệp Việt Nam’, Diễn đàn Kinh tế mùa Xuân tháng 4 năm 2014, Ủy ban kinh tế Quốc hội và UNDP, Hà Nội.
65. Pham, T. H., Dao, L. T., & Reilly, B. (2009), ‘Technical Efficiency in the Vietnamese Manufacturing Sector’. Journal of International Development, No 22, Vol 4, pp 503-520.
66. Pitt, M. M., & Lee, L. F. (1981), ‘The measurement and sources of technical inefficiency in the Indonesian weaving industry’, Journal of development economics, No 9, Vol 1, pp. 43-64.
67. Quan Minh Nhật (2011), ‘Sử dụng công cụ metafrontier và metatechnology
133
ratio để mở rộng mô hình phân tích màng bao dữ liệu trong đánh giá năng suất và hiệu quả sản xuất’, Tạp chí Nghiên cứu khoa học - Đại học Cần Thơ, Số18, Tập 1, tr. 210-219.
68. Rao, C.R. (1973), Linear Statistical Inference and Its Application, 2nd ed.
Wiley, New York.
69. Reinhard, S., Lovell, C.A.K. & Thijssen, G.J. (1999), ‘Econometric estimation of technical and environmental efficiency: An application to Dutch dairy farms’, American Journal of Agricultural Economics, No 81, pp.
44-60.
70. Rios, A. R., & Shively, G. E. (2005), ‘Farm size and nonparametric efficiency measurements for coffee farms in Vietnam’, A paper presented at Annual meeting, American Agricultural Economics Association, 24th-27th of July in 2005.
71. Salim, R.A. & Kalirajan, K.P. (1999), ‘Sources of output growth in industries: A decomposition analysis’,
Bangladesh food processing Developing Economic, No 37, pp. 355-374.
72. Schmidt, P.& Sickles, R. (1984), ‘Production frontiers and panel data’,
Journal of Business and Economic Statistics, No 2, pp. 367-374.
73. Simar, L. (1992), ‘Estimating efficiencies from frontier models with panel
data: A comparison of parametric, non-parametric and semi-parametric methods with bootstrapping’, The Journal of Productivity Analysis, No 3, pp. 171-203.
74. Solow, R. M. (1957), ‘Technical change and the aggregate production function’, Review of Economics and Statistics, No 39, Vol 3, pp.312-320.
75. Stevenson, R.E. (1980), ‘Likelihood Functions for Generalized Stochastic
Frontier Estimation’, Journal of Econometrics, No 13, pp. 57-66.
76. Sun C. H. And Kalirajan K. P. (2005), ‘Gauging the sources of growth of high-tech and low-tech industries: The case of Korean manufacturing’, Australian Economic Papers, No 44, Vol 2, pp.170-185.
77. Timmer, C. P 1971, ‘Using a probabilistic frontier production function to measure technical efficiency’, The Journal of Political Economy, No 39, pp.
134
776-794.
78. Tinbergen, J. (1942), ‘Critical remarks on some business-cycle theories’, Econometrica, Journal of the Econometric Society, No 37, pp.129-146.
79. Tổng Cục thống kê (GSO) (2013-2014), Báo cáo Điều tra Lao động và việc
làm Việt Nam (năm 2012-2013), Hà Nội.
80. Tổng Cục thống kê (GSO) (2014-2015), Báo cáo Điều tra Lao động và việc
làm Việt Nam (năm 2013-2014), Hà Nội.
81. Tổng Cục thống kê (GSO) (2015-2016), Báo cáo Điều tra Lao động và việc
làm Việt Nam (năm 2014-2015), Hà Nội.
82. Tổng Cục thống kê (GSO) (2016-2017), Báo cáo Điều tra Lao động và việc
làm Việt Nam (năm 2015-2016), Hà Nội.
83. Trần Thọ Đạt (2005), Các mô hình tăng trưởng kinh tế, NXB Thống kê, Hà
Nội.
84. Trần Thọ Đạt (2010), Tăng trưởng kinh tế thời kỳ đổi mới ở Việt Nam, NXB
Đại học Kinh tế quốc dân, Hà Nội.
85. Tung, D. T. (2014), ‘Regional Differences in Measuring the Technical Efficiency of RiceProduction in Vietnam: A Metafrontier Approach’. Journal of Agricultural Science, No 6, Vol 10, pp 147-157.
86. Van den Broeck, J., Koop, G., Osiewalski, J & Steel, M. (1994), ‘Stochastic frontier models: a Bayesian perspective’, Journal of Econometrics, No 61, pp. 273-303.
87. Vu, H. D. (2016), ‘Technical efficiency of FDI firms in the Vietnamese manufacturing sector’. Review of Economic Perspectives, No 16, Vol 3, pp 205-230.
88. Zellner, A. (1962), ‘An efficient method of estimating seemingly unrelated regressions and tests for aggregation bias’. Journal of the American Statistical Association, No 57, pp. 348-368.
135
/********************************************* * OPL Model * Author: H P * Creation Date: Sep 30, 2018 at 3:52:36 PM *********************************************/ // paramater int n=...; // firm Nha nuoc int m=...; // firm tu nhan int k=...; // firm FDI range firm1=1..n ; range firm2=1..m ; range firm3=1..k ; float capital11[firm1]=...; float capital12[firm1]=...; float capital13[firm1]=...; float capital14[firm1]=...; float capital15[firm1]=...; float capital21[firm2]=...; float capital22[firm2]=...; float capital23[firm2]=...; float capital24[firm2]=...; float capital25[firm2]=...; float capital31[firm3]=...; float capital32[firm3]=...; float capital33[firm3]=...; float capital34[firm3]=...; float capital35[firm3]=...; float Labol11[firm1]=...; float Labol12[firm1]=...; float Labol13[firm1]=...; float Labol14[firm1]=...; float Labol15[firm1]=...; float Labol21[firm2]=...; float Labol22[firm2]=...; float Labol23[firm2]=...; float Labol24[firm2]=...; float Labol25[firm2]=...; float Labol31[firm3]=...; float Labol32[firm3]=...; float Labol33[firm3]=...; float Labol34[firm3]=...; float Labol35[firm3]=...; // Variable dvar float+ x; dvar float+ y; dvar float+ z; dvar float+ t; minimize x+y*11.00799+z*4.25021+t*3; subject to { forall (i in firm1) x+y*capital11[i]+z*Labol11[i]+t*1>=1.114+0.502*capital11[i]+0.778*Labol11
[i]-0.01*1;
136
forall (i in firm1) x+y*capital12[i]+z*Labol12[i]+t*2>=1.114+0.502*capital12[i]+0.778*Labol12
[i]-0.01*2;
forall (i in firm1) x+y*capital13[i]+z*Labol13[i]+t*3>=1.114+0.502*capital13[i]+0.778*Labol13
[i]-0.01*3;
forall (i in firm1) x+y*capital14[i]+z*Labol14[i]+t*4>=1.114+0.502*capital14[i]+0.778*Labol14
[i]-0.01*4;
forall (i in firm1) x+y*capital15[i]+z*Labol15[i]+t*5>=1.114+0.502*capital15[i]+0.778*Labol15
[i]-0.01*5;
forall (i in firm2) x+y*capital21[i]+z*Labol21[i]+t*1>=2.243+0.385*capital21[i]+0.685*Labol21
[i]+0.025*1;
forall (i in firm2) x+y*capital22[i]+z*Labol22[i]+t*2>=2.243+0.385*capital22[i]+0.685*Labol22
[i]+0.025*2;
forall (i in firm2) x+y*capital23[i]+z*Labol23[i]+t*3>=2.243+0.385*capital23[i]+0.685*Labol23
[i]+0.025*3;
forall (i in firm2) x+y*capital24[i]+z*Labol24[i]+t*4>=2.243+0.385*capital24[i]+0.685*Labol24
[i]+0.025*4;
forall (i in firm2) x+y*capital25[i]+z*Labol25[i]+t*5>=2.243+0.385*capital25[i]+0.685*Labol25
[i]+0.025*5;
forall (i in firm3) x+y*capital31[i]+z*Labol31[i]+t*1>=1.892+0.567*capital31[i]+0.477*Labol31
[i]+0.013*1;
forall (i in firm3) x+y*capital32[i]+z*Labol32[i]+t*2>=1.892+0.567*capital32[i]+0.477*Labol32
[i]+0.013*2;
forall (i in firm3) x+y*capital33[i]+z*Labol33[i]+t*3>=1.892+0.567*capital33[i]+0.477*Labol33
[i]+0.013*3;
forall (i in firm3) x+y*capital34[i]+z*Labol34[i]+t*4>=1.892+0.567*capital34[i]+0.477*Labol34
[i]+0.013*4;
forall (i in firm3) x+y*capital35[i]+z*Labol35[i]+t*5>=1.892+0.567*capital35[i]+0.477*Labol35
[i]+0.013*5;
} /********************************************* * OPL Data * Author: H P * Creation Date: Sep 30, 2018 at 3:52:36 PM *********************************************/ n=2093; m=23250; k=4617; SheetConnection my_sheet("VA_12-16.xlsx"); capital11 from SheetRead(my_sheet,"'sheet1'!B2:B2094"); capital12 from SheetRead(my_sheet,"'sheet1'!C2:C2094"); capital13 from SheetRead(my_sheet,"'sheet1'!D2:D2094"); capital14 from SheetRead(my_sheet,"'sheet1'!E2:E2094"); capital15 from SheetRead(my_sheet,"'sheet1'!F2:F2094");
137
capital21 from SheetRead(my_sheet,"'sheet1'!N2:N23251"); capital22 from SheetRead(my_sheet,"'sheet1'!O2:O23251"); capital23 from SheetRead(my_sheet,"'sheet1'!P2:P23251"); capital24 from SheetRead(my_sheet,"'sheet1'!Q2:Q23251"); capital25 from SheetRead(my_sheet,"'sheet1'!R2:R23251"); capital31 from SheetRead(my_sheet,"'sheet1'!Z2:Z4618"); capital32 from SheetRead(my_sheet,"'sheet1'!AA2:AA4618"); capital33 from SheetRead(my_sheet,"'sheet1'!AB2:AB4618"); capital34 from SheetRead(my_sheet,"'sheet1'!AC2:AC4618"); capital35 from SheetRead(my_sheet,"'sheet1'!AD2:AD4618"); Labol11 from SheetRead(my_sheet,"'sheet1'!G2:G2094"); Labol12 from SheetRead(my_sheet,"'sheet1'!H2:H2094"); Labol13 from SheetRead(my_sheet,"'sheet1'!I2:I2094"); Labol14 from SheetRead(my_sheet,"'sheet1'!J2:J2094"); Labol15 from SheetRead(my_sheet,"'sheet1'!K2:K2094"); Labol21 from SheetRead(my_sheet,"'sheet1'!S2:S23251"); Labol22 from SheetRead(my_sheet,"'sheet1'!T2:T23251"); Labol23 from SheetRead(my_sheet,"'sheet1'!U2:U23251"); Labol24 from SheetRead(my_sheet,"'sheet1'!V2:V23251"); Labol25 from SheetRead(my_sheet,"'sheet1'!W2:W23251"); Labol31 from SheetRead(my_sheet,"'sheet1'!AE2:AE4618"); Labol32 from SheetRead(my_sheet,"'sheet1'!AF2:AF4618"); Labol33 from SheetRead(my_sheet,"'sheet1'!AG2:AG4618"); Labol34 from SheetRead(my_sheet,"'sheet1'!AH2:AH4618"); Labol35 from SheetRead(my_sheet,"'sheet1'!AI2:AI4618"); /********************************************* // solution (optimal) with objective 10.4912088345945 // Quality There are no reduced-cost infeasibilities.
// Max. unscaled (scaled) bound infeas. = 5.32907e-015 (6.38378e-016) // Max. unscaled (scaled) Ax-b resid. = 2.44249e-015 (2.498e-016)
// Max. unscaled (scaled) c-B'pi resid. = 1.77636e-015 (1.77636e-015) // Max. unscaled (scaled) |x| = 1.54758 (0.626581) // Max. unscaled (scaled) |slack| = 2.3827 (0.167027) // Max. unscaled (scaled) |pi| = 0.464408 (4.29994) // Max. unscaled (scaled) |red-cost| = 0 (0) // Condition number of scaled basis = 3.0e+001 // x = 1.5476;
y = 0.567; z = 0.62658;
t = 0.013;
138
0.09*1;
forall (i in firm1) x+y*capital12[i]+z*Labol12[i]+t*2>=2.56+0.26*capital12[i]+0.84*Labol12[i]+
139
0.09*2;
forall (i in firm1) x+y*capital13[i]+z*Labol13[i]+t*3>=2.56+0.26*capital13[i]+0.84*Labol13[i]+
0.09*3;
forall (i in firm1) x+y*capital14[i]+z*Labol14[i]+t*4>=2.56+0.26*capital14[i]+0.84*Labol14[i]+
0.09*4;
forall (i in firm1) x+y*capital15[i]+z*Labol15[i]+t*5>=2.56+0.26*capital15[i]+0.84*Labol15[i]+
0.09*5;
forall (i in firm2) x+y*capital21[i]+z*Labol21[i]+t*1>=2.99+0.21*capital21[i]+0.87*Labol21[i]+
0.07*1;
forall (i in firm2) x+y*capital22[i]+z*Labol22[i]+t*2>=2.99+0.21*capital22[i]+0.87*Labol22[i]+
0.07*2;
forall (i in firm2) x+y*capital23[i]+z*Labol23[i]+t*3>=2.99+0.21*capital23[i]+0.87*Labol23[i]+
0.07*3;
forall (i in firm2) x+y*capital24[i]+z*Labol24[i]+t*4>=2.99+0.21*capital24[i]+0.87*Labol24[i]+
0.07*4;
forall (i in firm2) x+y*capital25[i]+z*Labol25[i]+t*5>=2.99+0.21*capital25[i]+0.87*Labol25[i]+
0.07*5;
forall (i in firm3) x+y*capital31[i]+z*Labol31[i]+t*1>=3.2+0.33*capital31[i]+0.64*Labol31[i]+0
.07*1;
forall (i in firm3) x+y*capital32[i]+z*Labol32[i]+t*2>=3.2+0.33*capital32[i]+0.64*Labol32[i]+0
.07*2;
forall (i in firm3) x+y*capital33[i]+z*Labol33[i]+t*3>=3.2+0.33*capital33[i]+0.64*Labol33[i]+0
.07*3;
forall (i in firm3) x+y*capital34[i]+z*Labol34[i]+t*4>=3.2+0.33*capital34[i]+0.64*Labol34[i]+0
.07*4;
forall (i in firm3) x+y*capital35[i]+z*Labol35[i]+t*5>=3.2+0.33*capital35[i]+0.64*Labol35[i]+0
.07*5; } /********************************************* * OPL Data * Author: VS9 X64Bit * Creation Date: Feb 27, 2019 at 11:07:11 PM *********************************************/ n=68; m=1974; k=988; SheetConnection my_sheet("Gament.xlsx"); capital11 from SheetRead(my_sheet,"'sheet1'!B2:B69"); capital12 from SheetRead(my_sheet,"'sheet1'!C2:C69"); capital13 from SheetRead(my_sheet,"'sheet1'!D2:D69"); capital14 from SheetRead(my_sheet,"'sheet1'!E2:E69"); capital15 from SheetRead(my_sheet,"'sheet1'!F2:F69"); capital21 from SheetRead(my_sheet,"'sheet1'!N2:N1975");
140
capital22 from SheetRead(my_sheet,"'sheet1'!O2:O1975"); capital23 from SheetRead(my_sheet,"'sheet1'!P2:P1975"); capital24 from SheetRead(my_sheet,"'sheet1'!Q2:Q1975"); capital25 from SheetRead(my_sheet,"'sheet1'!R2:R1975"); capital31 from SheetRead(my_sheet,"'sheet1'!Z2:Z989"); capital32 from SheetRead(my_sheet,"'sheet1'!AA2:AA989"); capital33 from SheetRead(my_sheet,"'sheet1'!AB2:AB989"); capital34 from SheetRead(my_sheet,"'sheet1'!AC2:AC989"); capital35 from SheetRead(my_sheet,"'sheet1'!AD2:AD989"); Labol11 from SheetRead(my_sheet,"'sheet1'!G2:G69"); Labol12 from SheetRead(my_sheet,"'sheet1'!H2:H69"); Labol13 from SheetRead(my_sheet,"'sheet1'!I2:I69"); Labol14 from SheetRead(my_sheet,"'sheet1'!J2:J69"); Labol15 from SheetRead(my_sheet,"'sheet1'!K2:K69"); Labol21 from SheetRead(my_sheet,"'sheet1'!S2:S1975"); Labol22 from SheetRead(my_sheet,"'sheet1'!T2:T1975"); Labol23 from SheetRead(my_sheet,"'sheet1'!U2:U1975"); Labol24 from SheetRead(my_sheet,"'sheet1'!V2:V1975"); Labol25 from SheetRead(my_sheet,"'sheet1'!W2:W1975"); Labol31 from SheetRead(my_sheet,"'sheet1'!AE2:AE989"); Labol32 from SheetRead(my_sheet,"'sheet1'!AF2:AF989"); Labol33 from SheetRead(my_sheet,"'sheet1'!AG2:AG989"); Labol34 from SheetRead(my_sheet,"'sheet1'!AH2:AH989"); Labol35 from SheetRead(my_sheet,"'sheet1'!AI2:AI989"); /********************************************* // solution (optimal) with objective 10.2001796587552
// Quality There are no bound infeasibilities. // There are no reduced-cost infeasibilities. // Max. unscaled (scaled) Ax-b resid. = 3.21965e-015 (4.02456e-016) // Max. unscaled (scaled) c-B'pi resid. = 4.44089e-016 (4.44089e-016) // Max. unscaled (scaled) |x| = 3.61516 (0.903789)
// Max. unscaled (scaled) |slack| = 1.00885 (0.204975) // Max. unscaled (scaled) |pi| = 0.345561 (3.62684)
// Max. unscaled (scaled) |red-cost| = 0 (0) // Condition number of scaled basis = 4.5e+001
// x = 3.6152;
y = 0.2755; z = 0.73597; t = 0.053758;
141
%% Import data clc; clear all; [Data,TXT,RAW]=xlsread('Firm12',1,'a1:c29961'); %% Define variables Data = single(Data); LnVA = Data(:, 1); %y cons = ones(length(LnVA),1); %x1 LnK = Data(:, 2); %x2 LnL = Data(:, 3); %x3 %% Run OLS Regression X = [cons,LnK,LnL]; result = ols(LnVA,X); prt(result) error = result.resid; e_tidle = result.resid.^2; X_tidle = X.^2; %% Define M_tidle (M nga) M = eye(length(LnVA)) - X*[(X'*X)^-1]*X'; M_tidle = M.^2; %% Identify 3 different types of alpha: alpha_star, alpha_tidle
(alpha nga), alpha_hat
% alpha_star by using a following formula G = M_tidle * X_tidle; alpha_star = (G' * G )^-1 * G' * e_tidle % alpha_tidle by a replacement: If alpha_star(i,i) < 0 =>
alpha_tidle(i,i) = 0
for i = 1: length(alpha_star) if alpha_star(i,1) < 0 alpha_tidle(i,1) = 0; else alpha_tidle(i,1) = alpha_star(i,1); end end % alpha_hat by minimizing sum of squares of residuals on the
condition
% that its elements be non-negative by applying quadratic
programming
% method S = G'*G; H = 2*S; f = [- 2*G(:,1)'*e_tidle; - 2*G(:,2)'*e_tidle; - 2*G(:,3)'*e_tidle]; A = []; b = []; lb= zeros(3,1); % low bound = 0 options = optimset('display', 'iter-detailed','largescale', 'on'); [alpha_hat,fval,exitflag,output,lambda] =
quadprog(double(H),double(f),A,b,[],[],lb,[],[],options);
% Note: Function P = S(1,1)*(x(1))^2 + S(2,2)*(x(2))^2 +
S(3,3)*(x(3))^2
% +2*S(1,2)*x(1)*x(2) + 2*S(1,3)*x(1)*x(3) + 2*S(2,3)*x(2)*x(3) % -2*G(:,1)'*r_dot*x(1) - 2*G(:,2)'*r_dot*x(2) -
2*G(:,3)'*r_dot*x(3)
%% Identify various theta including: theta_star, theta_tilde,
theta_hat
Theta_star_diag = X_tidle * alpha_star; Theta_star = diag(Theta_star_diag); Theta_tidle_diag = X_tidle * alpha_tidle; Theta_tidle = diag(Theta_tidle_diag); Theta_hat_diag = X_tidle * alpha_hat;
142
Theta_hat = diag(Theta_hat_diag); clear M M_tidle Data S H ; %% Identify mean beta vectors: beta_mean_star, beta_mean_tidle,
beta_mean_hat
beta_mean_star = (X' * Theta_star^-1 * X )^-1 * (X' * Theta_star^-1
* LnVA);
beta_mean_tidle = (X' * Theta_tidle^-1 * X )^-1 * (X' *
Theta_tidle^-1 * LnVA);
beta_mean_hat = (X' * Theta_hat^-1 * X )^-1 * (X' * Theta_hat^-1 *
LnVA); %% Identify actual response coefficients beta by each type of alpha b_hat_alpha_star = zeros(size(X,1),size(X,2)); b_hat_alpha_tidle = zeros(size(X,1),size(X,2)); b_hat_alpha_hat = zeros(size(X,1),size(X,2)); for i = 1:size(X,1) for j = 1:size(X,2) b_hat_alpha_star(i,j) =
beta_mean_star(j)+(X(i,j)*alpha_star(j)/Theta_star(i,i))*...
(LnVA(i,1)-X(i,j)*beta_mean_star(j)); b_hat_alpha_tidle(i,j) =
beta_mean_tidle(j)+(X(i,j)*alpha_tidle(j)/Theta_tidle(i,i))*...
(LnVA(i,1)-X(i,j)*beta_mean_tidle(j)); b_hat_alpha_hat(i,j) = beta_mean_hat (j)+(X(i,j)*alpha_hat(j)/Theta_hat(i,i))*...
(LnVA(i,1)-X(i,j)*beta_mean_hat(j)); end end %% Estimates of the frontier production function % Maximum actual beta by each type of alpha b_star_alpha_star = max(b_hat_alpha_star); b_star_alpha_tidle = max(b_hat_alpha_tidle); b_star_alpha_hat = max(b_hat_alpha_hat); %% Estimated potential output of each individual firm by each type
of alpha
y_star_alpha_star = X*b_star_alpha_star'; y_star_alpha_tidle = X*b_star_alpha_tidle'; y_star_alpha_hat = X*b_star_alpha_hat'; %% Technical Efficiency according to K&O method by each type of
alpha
TE_KO_alpha_star =LnVA./y_star_alpha_star; TE_KO_alpha_tidle = LnVA./y_star_alpha_tidle; TE_KO_alpha_hat = LnVA./y_star_alpha_hat; %% Result summary SD_b_hat = [std(b_hat_alpha_star); std(b_hat_alpha_tidle);
std(b_hat_alpha_hat)];
t_stat_b_hat = [beta_mean_star'./SD_b_hat(1,:);
beta_mean_tidle'./SD_b_hat(2,:); beta_mean_hat'./SD_b_hat(3,:)]; min_b_hat = [min(b_hat_alpha_star); min(b_hat_alpha_tidle);
min(b_hat_alpha_hat)];
max_b_hat = [max(b_hat_alpha_star); max(b_hat_alpha_tidle);
max(b_hat_alpha_hat)];
SD_TE_KO = [std(TE_KO_alpha_star); std(TE_KO_alpha_tidle);
std(TE_KO_alpha_hat)];
MAX_TE_KO = [max(TE_KO_alpha_star); max(TE_KO_alpha_tidle);
max(TE_KO_alpha_hat)];
MIN_TE_KO = [min(TE_KO_alpha_star); min(TE_KO_alpha_tidle);
min(TE_KO_alpha_hat)];
MEAN_TE_KO = [mean(TE_KO_alpha_star); mean(TE_KO_alpha_tidle);
143
mean(TE_KO_alpha_hat)]
%% Graphics of Histogram TE K&O f = figure('PaperPosition',[0 0 6 4],'PaperSize',[6 4]); subplot(3,1,1) hist(TE_KO_alpha_star) title('TE K&O alpha star') subplot(3,1,2) hist(TE_KO_alpha_tidle) title('TE K&O alpha tidle') subplot(3,1,3) hist(TE_KO_alpha_hat) title('TE K&O alpha hat')
