Đề tài Phân tích so sánh về hiệu quả của các ngành sản xuất ở Hà Nội và thành phố Hồ Chí Minh

hiệu quả thấp nhất (mức hiệu quả từ 20% đến 40%) ở Tp.HCM lại nhiều hơn ở Hà nội vào năm đầu tiên. Tuy nhiên, tình trạng này lại khác hẳn trong những năm tiếp theo và chỉ còn 1 ngành có mức hiệu quả thấp như vậy. Vào năm 2002, trong khi ở Hà nội số lượng ngành nằm trong ngưỡng hiệu quả này vẫn không hề thay đổi trong suốt giai đoạn (cụ thể là 3 ngành). Số lượng ngành đạt hiệu quả cao nhất ở Tp.HCM tăng 1%/năm và số ngành đạt mức hiệu quả từ 40% đến 60% tăng từ 8 lên 12. Trong khi đó, số ngành có mức hiệu quả trong cùng ngưỡng là Hà nội giảm từ 9 xuống 7. Điều này thể hiện rằng các ngành ở Tp.HCM đã có những nỗ lực vượt bậc trong việc tăng mức hiệu quả kỹ thuật so với các ngành ở Hà nội. Bảng 6b:Tần suất phân phối của các ước lượng hiệu quả từ phương pháp biên ngẫu nhiên cho các ngành ở hai thành phố Tp.HCM Hà nội 2000 Mean Std. Dev. Obs. 2000 Mean Std. Dev. Obs. [20%, 40%) 0,351578 0,046918 7 [20%, 40%) 0,301690 0,066953 3 [40%, 60%) 0,496888 0,058867 8 [40%, 60%) 0,522219 0,040783 8 [60%,80%) 0,688657 0,068065 9 [60%,80%) 0,691807 0,063690 12 [80%, 100%) 0,867199 0,040854 8 [80%, 100%) 0,858486 0,045079 9 All 0,611614 0,200068 32 All 0,659715 0,178273 32 2001 Mean Std. Dev. Obs. 2001 Mean Std. Dev. Obs. [20%, 40%) 0,362581 0,046778 4 [20%, 40%) 0,288104 0,066557 3 20 [40%, 60%) 0,478850 0,053037 9 [40%, 60%) 0,526042 0,050639 10 [60%,80%) 0,681516 0,063187 10 [60%,80%) 0,716533 0,063014 12 [80%, 100%) 0,871545 0,041435 9 [80%, 100%) 0,869335 0,039754 7 All 0,638095 0,190072 32 All 0,650265 0,181529 32 2002 Mean Std. Dev. Obs. 2002 Mean Std. Dev. Obs. [20%, 40%) 0,330539 n.a. 1 [20%, 40%) 0,274657 0,066050 3 [40%, 60%) 0,491072 0,060272 12 [40%, 60%) 0,521030 0,055042 11 [60%,80%) 0,695365 0,049926 9 [60%,80%) 0,717540 0,057361 11 [80%, 100%) 0,875428 0,042933 10 [80%, 100%) 0,864765 0,041025 7 All 0,663624 0,179821 32 All 0,640675 0,184732 32 Nguồn: Tính toán của tác giả 4.3. Nguyên nhân của sự phi hiệu quả Có rất nhiều nhân tố tác động mạnh đến quá trình sản xuất của các ngànhsản xuất, ví dụ như tỷ lệ vốn/lao động (z1), tỷ lệ hàng tồn kho/sản lượng (z2), tỷ lệ nợ/vốn (z3), và quy mô ngành (z4, thể hiện bằng doanh thu). Thường thì một ngành có tỷ lệ sử dụng vốn cao hơn sẽ có mức hiệu quả sản xuất lớn hơn do sức ép phải tìm kiếm cách thức sản xuất đủ bù đắp những chi tiêu tốn kém về vốn, hoặc do sử dụng công nghệ tốt hơn. Forsund và cộng sự (1977), thông qua áp dụng hàm chi phí và phương pháp quy hoạch tuyến tính, phát hiện ra rằng doanh nghiệp có tỷ lệ vốn/lao động cao hơn sẽ có đường biên sản xuất cao hơn so với doanh nghiệp có tỷ lệ này thấp. Albach (1980), và Lee và cộng sự (1978) đã có phát hiện tương tự khi nghiên cứu các doanh nghiệp ở Đức và Brazil. Trong bài viết này, hệ số của tỷ lệ vốn/lao động (K/L) thực sự dương (0,2875) với mức ý nghĩa 1%, tức là tỷ lệ vốn/lao động cao hơn sẽ làm cho sự phi hiệu quả lớn hơn. Rõ ràng, kết quả của bài viết này hoàn toàn ngược lại với kết quả trong nghiên cứu của Forsund và cộng sự (1977). Giải thích cho hiện tượng này có thể là việc các ngành chú trọng đầu tư vào các công nghệ tốt hơn nhưng lại không phù hợp với điều kiện sản xuất của chúng nên việc sử dụng không có hiệu quả và làm giảm hiệu quả sản xuất của ngành. Bên cạnh đó, hệ số cho các ngành sản xuất ở Hà nội (-0,223) và Tp.HCM (0,422) không có ý nghĩa thống kê nên chúng ngụ ý một điều rằng các ngành được nghiên cứu hoạt động chủ yếu dựa trên lao động. Tỷ lệ hàng tồn kho/sản lượng có ý nghĩa thống kê và dương thể hiện rằng tỷ lệ hàng tồn kho/sản lượng lớn hơn sẽ làm cho mức hiệu quả nhỏ hơn. Việc sản xuất quá mức – khiến cho nền kinh tế không tiêu thụ hết – gây khó cho các doanh nghiệp trong các ngành trong việc tái cơ cấu lại các khoản vay và tăng lợi nhuận. Một nguyên nhân khác cũng có thể làm cho hiệu quả sản xuất thấp là việc các doanh nghiệp dự báo sai xu hướng thị trường, đặc biệt là giá cả. Quy mô ngành cũng có tác động đến hiệu quả sản xuất của các ngành được nghiên cứu. Rất nhiều nghiên cứu đã chỉ ra rằng quy mô lớn có thể tận dụng được lợi thế về tổ chức và các yêu cầu về công nghệ, và vì thế có thể đạt mức sản xuất lớn hơn. Tuy nhiên, một số nhà kinh tế lại lập luận rằng quy mô sản xuất có thể làm cho cách thức sản xuất kém linh hoạt. Bằng việc sử dụng các cách tiếp cận tham số và phi tham số, Sharma và cộng sự (1998) đã cho thấy rằng quy mô của trang trại có tác động tiêu cực và rõ nét đến mức phi hiệu quả sản xuất, và họ cho rằng, các trang trại lớn nói chung có hiệu quả cao hơn các trang trại nhỏ. Byrnes và cộng sự (1987), Bravo-Ureta (1986), và Bagi (1982) cũng tìm ra kết quả tương tự khi xem xét tác động của quy mô doanh nghiệp đến hiệu quả kỹ thuật. 21 Bảng 5 ở trên tóm tắt kết quả ước lượng cho các ngành sản xuất ở Hà nội và Tp.HCM. Do hệ số của quy mô ngành (thể hiện bằng doanh thu) không có ý nghĩa thống kê và có giá trị âm (- 0,223) ở Hà nội, nhưng lại có ý nghĩa thống kê và mang giá trị dương cho các ngành ở Tp.HCM nên chúng tôi không thể đưa ra kết luận cụ thể về mối quan hệ giữa quy mô ngành với hiệu quả của ngành ở hai thành phố này. Kết luận chỉ có thể đưa ra khi có thêm các thông tin cụ thể có liên quan đến từng ngành. Hệ số của tỷ lệ nợ/vốn có ý nghĩa thống kê và mang giá trị âm (-0,464) đối với các ngành ở Hà nội, nghĩa là tỷ lệ này có tác động tích cực đến hiệu quả hoạt động của các ngành; cụ thể, tỷ lệ nợ/vốn cao hơn sẽ làm giảm mức phi hiệu quả. Điều này có thể được lý giải bằng số lượng lớn doanh nghiệp nhà nước hoạt động ở Hà nội – những doanh nghiệp thường nhận được sự ưu tiên của chính phủ về mặt tài chính (ví dụ như trong việc vay vốn với mức lãi suất thấp). Mặt khác, hệ số của tỷ lệ nợ/vốn của các ngành ở Tp.HCM lại có ý nghĩa thống kê và mang giá trị dương (0,310) nên nó cho thấy tỷ lệ này có tác động tiêu cực đến hiệu quả hoạt động của các ngành tại đây; cụ thể, việc tăng nợ sẽ làm giảm mức hiệu quả kỹ thuật. 4.4. Kết quả ước lượng bằng phương pháp DEA Kết quả ước lượng bằng phương pháp DEA thu được bằng cách sử dụng số liệu đã có với chương trình máy tính DEAP phiên bản 2.1 do Coelli (1998) cung cấp. Bảng 7a tóm tắt các kết quả có liên quan đến hiệu quả kỹ thuật của các ngành sản xuất ở hai thành phố. Bảng 7a: Kết quả ước lượng hiệu quả kỹ thuật bằng phương pháp DEA 2000 2001 2002 crste vrste scale crste vrste scale crste vrste scale HCM 0,6328 0,756 0,85 0,572 0,68 0,862 0,61 0,68 0,9 HN 0,5803 0,709 0,84 0,569 0,65 0,884 0,6 0,65 0,92 Country 0,6065 0,732 0,85 0,571 0,66 0,873 0,6 0,66 0,91 Mean 2000-2002 crste vrste scale HCM 0,6053 0,705 0,87 HN 0,5819 0,669 0,88 Country 0,5936 0,687 0,88 trong đó: crste = hiệu quả kỹ thuật từ DEA với hiệu suất không đổi theo quy mô, vrste = hiệu quả kỹ thuật từ DEA với hiệu suất biến đổi theo quy mô, và scale = hiệu quả quy mô = crste/vrste Nguồn: Tính toán của tác giả Như có thể thấy trong Bảng 7a, giá trị trung bình hiệu quả kỹ thuật của 32 ngành sản xuất ở Tp.HCM tương ứng là 63,28% (năm 2000), 57,2% (năm 2001), và 61% (năm 2002), và cho các ngành ở Hà nội là 58,03% (năm 2000), 56,9% (năm 2001), và 60% (năm 2002). Mô hình cũng cho các kết quả ước lượng trung bình của các chỉ tiêu hiệu quả kỹ thuật khác, đó là hiệu quả kỹ thuật với hiệu suất không đổi theo quy mô (hay crste), hiệu quả kỹ thuật với hiệu suất biến đổi theo quy mô (hay vrste), và hiệu quả quy mô (hay scale). Trong giai đoạn 2000-2002, crste và vrste tương ứng là 60,5% và 70,5% cho Tp.HCM, và 58,19% và 66,9% cho Hà nội. 22 Chỉ số hiệu quả quy mô của các ngành ở Tp.HCM và Hà nội tương ứng là 85% và 84% trong năm 2000, 86,2% và 88,4% năm 2001, và 90% và 92% năm 2002. Nếu tất cả các ngành đều sử dụng cùng một công nghệ thì chúng ta có thể kỳ vọng rằng những ngành có sản lượng thấp thì hoạt động với công nghệ có hiệu suất tăng theo quy mô, và những ngành có mức sản lượng tương đối cao thì hoạt động với công nghệ hiệu suất giảm theo quy mô. Các ngành có mức sản lượng bằng với mức sản lượng trung bình của các ngành thì hoạt động với công nghệ hiệu suất không đổi theo quy mô. Sản lượng trung bình ở dưới mức tối ưu sẽ là sản lượng thấp nhất, còn sản lượng trung bình ở tren mức tối ưu sẽ là sản lượng cao nhất. Kết quả ước lượng còn ngụ ý rằng, mức sản lượng tối ưu trong thực tế có thể thấp hơn mức ước lượng thấp nhất hoặc cao hơn mức ước lượng cao nhất. Bảng 7b:Tần suất phân phối của crste từ mô hình DEA (Tính cho từng thành phố) Tp.HCM Hà nội 2000 Crste Obs. Mean Std. Dev. Obs. Mean Std. Dev. Std Err. of Mean [20%,40%) 7 0,326143 0,059692 5 0,319800 0,061949 [20%,40%) [40%, 60%) 10 0,530600 0,063993 13 0,499692 0,052503 [40%, 60%) [60%, 80%) 5 0,668400 0,045363 9 0,676222 0,066111 [60%, 80%) [80%, 100%) 5 0,863800 0,044212 5 0,877400 0,056452 [80%, 100%) 100% 5 1,000000 0,000000 All 32 0,632812 0,239914 32 0,580250 0,183520 All 2001 Crste Obs. Mean Std. Dev. Obs. Mean Std. Dev. Crste 2 0,181000 0,014142 [0%, 20%) [20%,40%) 9 0,333222 0,064453 4 0,322250 0,072094 [20%,40%) [40%, 60%) 9 0,493444 0,043273 15 0,519075 0,061512 [40%, 60%) [60%, 80%) 7 0,670714 0,062037 8 0,711500 0,075231 [60%, 80%) [80%, 100%) 5 0,836400 0,016950 1 0,995000 n.a [80%, 100%) 100% 2 1,000000 0,000000 2 1,000000 0,000000 100% All 32 0,572406 0,214419 32 0,566379 0,212939 All 2002 Crste Obs. Mean Std. Dev. Obs. Mean Std. Dev. [20%,40%) 5 0,320600 0,055148 5 0,307600 0,080559 [20%,40%) [40%, 60%) 11 0,476909 0,057074 13 0,514418 0,056359 [40%, 60%) [60%, 80%) 9 0,699333 0,062316 9 0,676444 0,073287 [60%, 80%) [80%, 100%) 5 0,880200 0,065328 2 0,888500 0,111016 [80%, 100%) 100% 2 1,000000 0,000000 3 1,000000 0,000000 100% All 32 0,610750 0,216089 32 0,596576 0,207967 All Nguồn: Tính toán của tác giả 23 Bảng 7c: Tần suất phân phối vrste từ mô hình DEA (Tính cho từng thành phố) Tp.HCM Hà nội 2000 Vrste Obs. Mean Std. Dev. Obs. Mean Std. Dev. Vrste [20%,40%) 6 0,362833 0,027360 2 0,327000 0,015556 [20%,40%) [40%, 60%) 3 0,449667 0,061655 8 0,527625 0,047313 [40%, 60%) [60%, 80%) 7 0,688857 0,044077 12 0,702167 0,068648 [60%, 80%) [80%, 100%) 2 0,916500 0,116673 8 0,922125 0,068022 [80%, 100%) 100% 14 1,000000 0,000000 2 1,000000 0,000000 100% All 32 0,755656 0,264099 32 0,708688 0,195799 All 2001 Vrste Obs. Mean Std. Dev. Obs. Mean Std. Dev. Vrste [0, 20%) 1 0,195000 NA [0, 20%) [20%, 40%) 5 0,319200 0,059302 3 0,263333 0,068237 [20%,40%) [40%, 60%) 9 0,507111 0,056603 10 0,510800 0,049824 [40%, 60%) [60%, 80%) 6 0,675167 0,053342 10 0,704000 0,069277 [60%, 80%) [80%, 100%) 6 0,915833 0,042673 3 0,890333 0,009292 [80%, 100%) 100% 6 1,000000 0,000000 5 1,000000 0,000000 100% All 32 0,678312 0,249586 32 0,650125 0,236867 All 2002 Vrste Obs. Mean Std. Dev. Obs. Mean Std. Dev. Vrste [20%,40%) 2 0,316000 0,011314 3 0,293667 0,091309 [20%,40%) [40%, 60%) 11 0,483818 0,050590 12 0,512333 0,065985 [40%, 60%) [60%, 80%) 8 0,680750 0,067911 9 0,677896 0,066482 [60%, 80%) [80%, 100%) 5 0,883200 0,056238 3 0,875000 0,088696 [80%, 100%) 100% 6 1,000000 0,000000 5 1,000000 0,000000 100% All 32 0,681750 0,225744 32 0,648596 0,219628 All Nguồn: Tính toán của tác giả Table 7d: Tần suất phân phối của scale từ mô hình DEA (Tính cho từng thành phố) Tp.HCM Hà nội 2000 Scale Obs. Mean Std. Dev. Obs. Mean Std. Dev. [50%, 60%) 4 0,572250 0,019155 [60%, 70%) 3 0,640000 0,017521 2 0,314000 0,120208 [20%,40%) [70%, 80%) 3 0,752000 0,038974 1 0,449000 n.a. [40%, 60%) [80%, 90%) 7 0,862143 0,039206 7 0,697286 0,052433 [60%, 80%) [90%, 100%) 9 0,963889 0,036910 22 0,955818 0,039598 [80%, 100%) 100% 6 1,000000 0,000000 n.a. All 32 0,849219 0,155264 32 0,843312 0,197356 All 2001 Scale Obs. Mean Std. Dev. Obs. Mean Std. Dev. 3 0,629667 0,020502 [60%, 70%) [40%, 60%) 1 0,410000 NA 4 0,775000 0,012000 [70%, 80%) [60%, 80%) 8 0,697125 0,082726 8 0,851875 0,024579 [80%, 90%) [80%, 100%) 21 0,933714 0,061783 15 0,965467 0,023841 [90%, 100%) 100% 2 1,000000 0,000000 2 1,000000 0,000000 100% 24 All 32 0,862344 0,149419 32 0,883938 0,112129 All 2002 Scale Obs. Mean Std. Dev. Obs. Mean Std. Dev. [40%, 60%) 1 0.482000 n.a. [60%, 80%) 6 0.737167 0,051940 2 0,654000 0,025456 [60%, 70%) [800%, 100%) 22 0.948364 0,060795 8 0,852125 0,032038 [80%, 90%) 100% 3 1.000000 0,000000 19 0,968737 0,025368 [90%, 100%) All 32 0.899031 0,127804 3 1,000000 0,000000 100% 32 0,922844 0,091907 All Nguồn: Tính toán của tác giả Như có thể thấy trong Bảng 7c, số lượng ngành tại Tp.HCM có điểm hiệu quả kỹ thuật nằm trong khoảng (20%-40%) từ mô hình DEA có công nghệ hiệu suất biến đổi theo quy mô tương ứng trong năm 2000, 2001, và 2002 là 6, 5, và 2. Với Hà nội, số lượng ngành có cùng khoảng hiệu quả như trên tương ứng là 2, 4, và 3 trong năm 2000, 2001, và 2002. Số lượng ngành tương ứng với khoảng biến động của crste từ 80% đến 100% là 16 (năm 2000), 12 (năm 2001), và 11 (năm 2002) cho Tp.HCM, và 10 (năm 2000), 8 (năm 2001), và 8 (năm 2002) cho Hà nội. 4.5. Lợi nhuận ngành và các thước đo hiệu quả Chúng tôi sử dụng phân tích hồi quy để xem xét mối quan hệ giữa lợi nhuận của ngành với các thước đo hiệu quả. Cột đầu tiên trong Bảng 8 dưới đây cho thấy mối quan hệ giữa lợi nhuận với các thước đo hiệu quả tương ứng là crste, vrste, và hiệu quả quy mô của các ngành ở Tp.HCM trong năm 2000. Các cột còn lại thể hiện mối quan hệ trong các năm tương ứng và tương tự như vậy cho Hà nội. Bảng 8: Mối quan hệ giữa lợi nhuận và các thước đo hiệu quả Tp.HCM Hà nội Efficiency 2000 2001 2002 2000 2001 2002 Intercept -194341,2 (-0,881090) -379.807,9 (-1,092026) 0 -310.620,3 (-4,314050)* 55.703,6 (1,141689) 0 Crste -468194,1 ( -1,6395)** -701.515,6 (-1,442278) -738.358 (-2,770755)* -357.970,1 (-4,265320) 67.056,77 (1,005678) -13.710,29 (-0,318402) Vrste 461.695.0 (1,873589)** 775.563,3 (1,821276)** 876.291,3 (3,951903)* 398.469,5 (5,345733)* -56.468,99 (-0,937378) 19.001,92 (0,515583) Scale 210.739 (0,842481) 345.843,2 (0,893713) -101.483,5 (-1,381703) 291.524,7 (3,736894) -59.295,24 (-1,106284) 2.326,17 (0,225010) R2 0,330031 0,502840 0,353755 0,366325 0,056836 0,007199 √R2 0,574483 0,709112 0,594773 0,605248 0,238403 0,084847 Chú thích: Giá trị có đánh dấu (*) và (**) ngụ ý hệ số có ý nghĩa thống kê và khác 0 với mức ý nghĩa tương ứng là 5% và 10%. Giá trị trong ngoặc là giá trị kiểm định t. crste = hiệu quả kỹ thuật, vrste = hiệu quả kỹ thuật thuần tuý, và scale = hiệu quả quy mô. Nguồn: Tính toán của tác giả Mối tương quan tuyến tính giữa lợi nhuận và các thước đo hiệu quả được đánh giá bằng độ lớn của R2. Lợi nhuận và hiệu quả kỹ thuật thuần tuý có mối quan hệ tỷ lệ thuận rõ nét khi xem xét các ngành ở Tp.HCM trong năm 2000, và nó cũng có quan hệ tương tự với hiệu quả 25 kỹ thuật thuần tuý và hiệu quả quy mô của các ngành ở Hà nội trong năm 2002. Lợi nhuận có mối tương quan ở mức trung bình với hiệu quả kỹ thuật toàn bộ. Như đã nêu trên, hai phương pháp được sử dụng trong bài viết này để đo lường hiệu quả hoạt động của các ngành sản xuất ở Hà nội và Tp.HCM là phương pháp tham số và phi tham số. Trong đó, phương pháp tham số dựa trên hàm sản xuất biên ngẫu nhiên, trong khi cách tiếp cận phi tham số dựa trên phân tích bao dữ liệu. Một số nghiên cứu đã dùng cả hai cách tiếp cận này và kết quả tìm thấy được lý giải bằng nhiều cách khác nhau. Ferrier và Lovell (1990) trong phân tích về hiệu quả của các ngân hàng ở Mỹ đã nhận thấy rằng SFPF cho hiệu quả kỹ thuật cao hơn, nhưng hiệu quả kinh tế thấp hơn so với DEA. Dựa vào số liệu điều tra về nông trại ở Băng-la-đét, Md.Abdul Wadud (2003) đã cho thấy rằng tất cả các thước đo hiệu quả dựa trên crste và vrste DEA đều lớn hơn so với các mô hình tương ứng của SFPF. Nghiên cứu của Kalaizandonakes và Dunn (1995) chứng minh được rằng mức hiệu quả kỹ thuật trung bình của mô hình crste DEA lớn hơn so với kết quả trung bình thu được từ SFPF. Ngược lại, các nghiên cứu khác cho nhiều loại kết quả khác nhau. Những điểm giống và khác nhau của điểm hiệu quả thu được từ hai phương pháp tiếp cận được tóm tắt trong Bảng 9. Giá trị trung bình của tất cả các thước đo hiệu quả các ngành sản xuất ở Hà nội và Tp.HCM dựa trên mô hình DEA với công nghệ có hiệu suất không đổi theo quy mô (CRS DEA) lớn hơn so với kết quả ước lượng từ mô hình SFPF trong thời gian nghiên cứu (cả ba năm), trừ kết quả cho năm 2000 đối với Tp.HCM. Bảng 9: So sánh các thước đo hiệu quả kỹ thuật trong hai phương pháp DEA và SFPF Tp.HCM Hà nội Trung bình mẫu Trung bình mẫu SFPF DEA SFPF DEA 2000 0,6116 0,6328 0,659 0,5803 2001 0,6380 0,572 0,650 0,569 2002 0,663 0,61 0,640 0,60 Chú thích: ** ngụ ý hệ số có ý nghĩa thống kê và thực sự khác 0 với mức ý nghĩa 1%. Nguồn: Tính toán của tác giả Tại sao kết quả thu được từ hai mô hình lại có thể khác nhau? Do chúng tôi sử dụng cùng bộ số liệu nên sự khác biệt về kết quả ước lượng của hai mô hình có thể do chính những hạn chế của các mô hình đã sử dụng. Chúng ta có thể kỳ vọng một kết quả ước lượng như nhau từ hai mô hình khi chúng ta kiểm soát được tất cả những nhân tố không quan sát được, những sai sót trong quá trình đo lường, những khác biệt trong quản trị từng ngành, những vấn đề phát sinh với dạng hàm sản xuất và công nghệ sử dụng trong các hàm đó. Nghiên cứu về hiệu quả hoạt động của hiệp hội xây dựng tại Anh, Drake và cộng sự (1996), Ferrier và cộng sự (1990) đã chứng minh rằng hai cách tiếp cận này có hệ số tương quan khá nhỏ. Sharma và cộng sự (1999) phát hiện ra rằng, hiệu quả kinh tế và kỹ thuật trung bình ước lượng được từ cách tiếp cận tham số thường cao hơn so với kết quả ước lượng từ mô hình DEA có công nghệ với hiệu suất không đổi theo quy mô (CRS DEA), nhưng lại khá giống với mô hình DEA có công nghệ hiệu suất biến đổi theo quy mô (VRS DEA), trong khi mô hình DEA thường cho ước lượng hiệu quả phân bổ cao hơn SFPF. Do đó, những khác biệt trong kết quả ước lượng từ hai phương pháp sử dụng trong bài viết này có thể chủ yếu là do những đột biến bộ số liệu được phân tích, do việc chọn các biến đầu vào và đầu ra, những sai sót trong việc xác định mô hình và đo lường cũng như các thủ tục ước lượng. 26 5. KẾT LUẬN VÀ GỢI Ý Để nghiên cứu hiệu quả sản xuất của các ngành sản xuất ở Hà nội và Tp.HCM, bài viết này sử dụng phương pháp tiếp cận hàm sản xuất biên ngẫu nhiên (hay còn gọi là tiếp cận tham số) và phương pháp phân tích bao dữ liệu (hay còn gọi là tiếp cận phi tham số) với số liệu điều tra cấp ngành của 32 ngành sản xuất ở hai thành phố này do Tổng cục Thống kê tiến hành cho giai đoạn 2000-2002. Kiểm định giả thuyết trong bài viết này đã khẳng định rằng hàm sản xuất biên dạng Cobb-Douglas với ba đầu vào là mô hình phù hợp để đánh giá hiệu quả sản xuất của những ngành này ở hai thành phố Hà nội và Hồ Chí Minh. Một điều khá thú vị là các ngành sản xuất ở Tp.HCM lại không có hiệu quả kỹ thuật cao hơn nhiều các ngành ở Hà nội dù họ đã có những nỗ lực vượt bậc và thành công trong việc cải thiện hiệu quả hoạt động. Sự khác biệt về mức hiệu quả sản xuất của các ngành ở hai thành phố có thể do sự khác biệt về kinh nghiệm trong sản xuất và kinh doanh, về hệ thống thông tin và công nghệ. Với vai trò là đầu tàu kinh tế của cả nước, Tp.HCM đã minh chứng được những lợi thế này trước Hà nội bằng những chỉ số thể hiện khả năng thích ứng của lao động với công nghệ mới và có nhiều kinh nghiệm đối với việc tổ chức sản xuất và kinh doanh, thu thập thông tin và áp dụng công nghệ tốt hơn. Do sự khác biệt về hiệu quả sản xuất của các ngành ở hai thành phố này tương đối nhỏ nên với những ngành có mức hiệu quả kỹ thuật thấp (được thể hiện bằng điểm hiệu quả trung bình và một số lượng lớn ngành có hiệu quả thấp), chúng tôi cho rằng vẫn còn nhiều cơ hội để những ngành này ở cả hai thành phố nâng cao hiệu quả và tăng lợi nhuận so với thực trạng thời gian qua. Hơn nữa, do các ngành này đóng vai trò quan trọng đối với nền kinh tế quốc dân nên việc tăng hiệu quả là điều trở nên cần thiết hơn bao giờ hết, và điều này đòi hỏi phải có sự quan tâm đúng mức của các cấp chính quyền ở trung ương và địa phương thông qua việc điều chỉnh cơ cấu cùng với các chính sách đi kèm. Trong số nhiều nhân tố tác động đến phi hiệu quả kỹ thuật của các ngành được nghiên cứu, chỉ có tỷ lệ hàng tồn kho/sản lượng và tỷ lệ vốn/lao động thể hiện quan hệ rõ ràng với hiệu quả hoạt động của các ngành. Cả hai tỷ lệ này có hệ số mang ý nghĩa thống kê và thực sự dương nên chúng ngụ ý rằng mức hiệu quả thấp của các ngành sản xuất ở cả hai thành phố này gắn liền với hai tỷ lệ nêu trên. Quy mô ngành và tỷ lệ nợ/vốn không thể hiện rõ quan hệ với mức phi hiệu quả kỹ thuật. Điều này gợi mở rằng các ngành hoặc chính phủ cần tiến hành các biện pháp nhằm giảm bớt các tỷ lệ này để đạt được mức hiệu quả chung cao hơn. Các hệ số của quy mô ngành và tỷ lệ nợ/vốn không có ý nghĩa với mức ý nghĩa 5%. Bên cạnh đó, chúng có giá trị dương khi ước lượng hiệu quả cho các ngành của thành phố này, nhưng lại mang giá trị âm khi ước lượng hiệu quả cho các ngành ở thành phố khác nên chúng tôi không có kết luận cụ thể về mối quan hệ giữa hai nhân tố này với sự phi hiệu quả của các ngành. So sánh kết quả ước lượng từ hai phương pháp, chúng tôi thấy rằng mức hiệu quả ước lượng từ phương pháp SFPF cao hơn so với kết quả thu được từ phương pháp DEA. Do chuỗi thời gian của bộ số liệu khá ngắn (chỉ có ba năm, từ 2000 đến 2002) nên rất khó dự đoán điều gì xảy ra với các ngành sản xuất ở Hà nội và Tp.HCM trong tương lai, đặc biệt trong bối cảnh môi trường kinh tế năng động của khu vực. Tuy nhiên, việc nghiên cứu xem các ngành sản xuất của hai thành phố này cải thiện hiệu quả hoạt động như thế nào cùng với sự tăng trưởng của nền kinh tế trong những điều kiện mới sẽ rất thú vị. 27 Cuối cùng, mặc dù có những hạn chế nhất định từ việc sử dụng số liệu gộp, chúng tôi vẫn tin rằng những cách tiếp cận nêu trên có thể mô tả tổng quan và cung cấp những thông tin quan trọng về hiệu quả kỹ thuật của các ngành sản xuất ở Hà nội và Tp.HCM. Về mặt chính sách, chúng tôi kết luận như sau. • Nếu hoạt động trên đường biên, các ngành được nghiên cứu trong bài viết này có thể giảm được từ 30% đến 40% lượng đầu vào để sản xuất một lượng đầu ra như hiện nay. • Hiệu quả kỹ thuật thấp ở một số ngành sản xuất ở Hà nội và Tp.HCM có thể là do tốc độ tăng trưởng nhanh của một số ngành dưới tác động của chi phí cơ hội ngày càng tăng và sự dịch chuyển của nguồn lao động. Các nguyên nhân dẫn đến sự phi hiệu quả có thể là việc nhân công không thích ứng được với công nghệ mới, hoặc do sự khác biệt trong chiến lược sản xuất kinh doanh của các doanh nghiệp trong và ngoài một ngành nào đó, và điều này dẫn đến sự khác biệt về lợi thế cạnh tranh ngành. 28 Phụ lục 1 HÀM KHOẢNG CÁCH Trong phụ lục này, chúng tôi trình bày vài định nghĩa về hàm khoảng cách làm cơ sở cho việc tính toán các chỉ số hiệu quả đã trình bày ở trên. Định nghĩa 1: Hàm khoảng cách đầu vào là hàm số được định nghĩa là D1(y, x) = max {λ: x/λ ∈ L(y)}. Trong đó L(y) là tập đầu vào đòi hỏi sản xuất đầu ra y. Hàm khoảng cách đầu vào chấp nhận một cách tiếp cận để đo khoảng cách từ điểm sản xuất đến biên của đường khả năng sản xuất. Nó cho biết lượng cực đại mà véc tơ đầu vào của người sản xuất có thể giảm bớt mà vẫn duy trì được mức sản lượng mong muốn. Hình 1 biểu thị đồ thị của hàm sản xuất với 1 đầu vào và một đầu ra. Đầu vào x là có thể dùng để sản xuất y. Tuy nhiên, như đã thấy, y có thể được sản xuất lượng đầu vào nhỏ hơn (x/λ*) và do đó D1(x, y) - λ* > 1. Hình 2 biểu diễn tập đầu vào đòi hỏi để sản xuất sản lượng y. Với véc tơ x cho trên đồ thị thì theo định nghĩa, người sản xuất có thể sản xuất y, nhưng y có thể được sản xuất với véc tơ đầu vào (x/λ*), và vì thế D1(x, y) - λ* > 1. Định nghĩa 2: Hàm khoảng cách đầu ra là một hàm được xác định như sau: D0(y, x) = min {µ: x/λ ∈ P(y)}. Hình 3. Hàm khoảng cách 1 đầu ra Hình 4: Hàm khoảng cách nhiều đầu ra Hình 3 biểu thị đồ thị của hàm sản xuất với 1 đầu vào và một đầu ra. Đầu ra y có thể được sản xuất với đầu vào x, nhưng như đã thấy, với lượng đầu vào đã cho y có thể được sản nhiều hơn (y/µ*) và do vậy D1(x, y) -µ* <1. P(x) y2 y1 *y/ y x L(y) x1 x2 x/ * Hình 2. Hàm khoảng cách đầu vào (N=2) Hình 1. Hàm khoảng cách đầu vào x y L(y) x y x/ x y x P(x) y y/ 29 Phụ lục 2 Danh mục các ngành sản xuất được nghiên cứu Mã Tên ngành 1511 Sản xuất, chế biến và bảo quản thịt và các sản phẩm từ thịt. 1541 Sản xuất các loại bánh từ bột. 1543 Sản xuất câco, sôcôla, và mứt kẹo. 1554 Sản xuất đồ uống không cồn. 1730 Sản xuất hàng đan, móc. 1810 Sản xuất trang phục 1912 Sản xuất vali, túi xách và các loại tương tự; sản xuất yên, đệm. 2021 Sản xuất gỗ dán, gỗ lạng, ván ép và ván mỏng. 2029 Sản xuất các sản phẩm từ gỗ, từ tre, nứa, rơm, rạ và vật liệu bện tết. 2102 Sản xuất nhãn và bao bì 2211 Xuất bản sách. 2212 Xuất bản báo, tạp chí 2411 Sản xuất hoá chất cơ bản, trừ phân bón và hợp chất nitơ. 2413 Sản xuất nhựa nguyên sinh và cao su tổng hợp. 2424 Sản xuất mỹ phẩm, xà phòng, chất tẩy rửa, làm bóng và chế phẩm vệ sinh. 2610 Sản xuất thuỷ tinh và các sản phẩm từ thuỷ tinh. 2699 Sản xuất các sản phẩm từ chất khoáng phi kim loại hoặc chưa phân vào đâu. 2710 Sản xuất sắt, thép 2812 Sản xuất thùng, bể chứa và dụng cụ chứa từ kim loại. 2891 Rèn, dập, ép, cán kim loại, luyện bột kim loại. 2921 Sản xuất máy nông, lâm nghiệp. 2924 Sản xuất máy khai thác mỏ và xây dựng. 2925 Sản xuất máy chế biến thực phẩm, đồ uống và thuốc lá. 2926 Sản xuất máy cho ngành dệt, may và da. 3140 Sản xuất pin và ắc quy. 3150 Sản xuất đèn điện và thiết bị chiếu sáng. 3190 Sản xuất thiết bị điện khác chưa được phân vào đâu. 3230 Sản xuất máy thu thanh, thu hình, ghi âm, phát lại âm thanh hoặc ghi hình ảnh và các sản phẩm có liên quan. 3320 Sản xuất dụng cụ quang học, thiết bị điện ảnh, nhiếp ảnh. 333 0 Sản xuất đồng hồ. 3511 Đóng và sửa chữa tàu. 3699 Các ngành sản xuất khác chưa phân vào đâu. 30 Phụ lục 3a Hiệu quả kỹ thuật của các ngành ở Hà nội và Tp.HCM theo mô hình DEA gộp Mô hình DEA tối ưu đầu vào 2000 2001 2002 Ngành crste vrste scale crste vrste scale crste vrste scale 1511hcm 0.314 0.341 0.92 drs 0.2 0.26 0.782 drs 0.24 0.31 0.79 1541hcm 1 1 1 crs 0.835 1 0.835 drs 0.73 0.9 0.8 1543hcn 0.42 0.429 0.98 irs 0.521 0.52 0.998 drs 0.6 0.6 1 1554hcm 0.286 0.319 0.9 drs 0.449 0.58 0.775 drs 0.47 0.5 0.93 173hcm 1 1 1 crs 0.84 0.96 0.88 drs 0.73 0.76 0.97 181hcm 0.55 1 0.55 drs 0.81 1 0.81 drs 0.8 1 0.8 1912hcm 0.807 1 0.81 drs 0.715 0.91 0.787 drs 0.64 0.78 0.82 2021hcm 1 1 1 crs 0.477 0.48 0.988 irs 0.45 0.45 0.99 2029hcm 0.366 0.366 1 crs 0.497 0.52 0.948 drs 0.49 0.57 0.86 2102hcm 0.37 0.401 0.92 drs 0.306 0.31 0.998 irs 0.4 0.43 0.91 2211hcm 0.215 0.38 0.57 irs 0.482 0.59 0.817 irs 0.88 0.88 0.99 2212hcm 0.909 0.999 0.91 drs 0.857 0.93 0.927 drs 1 1 1 2411hcm 0.828 0.834 0.99 irs 0.84 0.85 0.987 drs 0.81 0.81 1 2413hcm 0.596 1 0.6 irs 0.628 1 0.628 irs 0.73 1 0.73 2424hcm 0.639 1 0.64 drs 0.602 1 0.602 drs 0.74 1 0.74 261hcm 1 1 1 crs 1 1 1 crs 1 1 1 2699hcm 0.623 1 0.62 irs 1 1 1 crs 0.95 0.96 0.99 271hcm 0.576 1 0.58 drs 0.374 0.62 0.607 drs 0.31 0.48 0.66 2812hcm 0.5 0.519 0.96 drs 0.389 0.39 0.996 irs 0.42 0.42 0.98 2891hcm 0.476 0.652 0.73 drs 0.348 0.47 0.746 drs 0.46 0.64 0.72 2921hcm 0.349 0.388 0.9 irs 0.463 0.49 0.953 irs 0.43 0.43 0.99 2924hcm 1 1 1 crs 0.595 0.66 0.903 irs 0.94 1 0.94 2925hcm 0.896 1 0.9 irs 0.674 0.71 0.949 irs 0.69 0.72 0.95 2926hcm 0.45 0.618 0.73 drs 0.271 0.27 0.999 crs 0.46 0.46 0.99 3140hcm 0.879 1 0.88 drs 0.766 0.89 0.862 drs 0.82 0.86 0.96 3150hcm 0.683 0.689 0.99 irs 0.705 0.73 0.967 drs 0.6 0.61 0.99 3190hcm 0.584 0.7 0.83 drs 0.47 0.72 0.65 drs 0.43 0.51 0.84 3230hcm 0.658 1 0.66 drs 0.396 0.97 0.41 drs 0.34 0.69 0.48 3320hcm 0.564 0.684 0.82 drs 0.338 0.37 0.912 drs 0.32 0.32 0.98 3330hcm 0.59 0.74 0.8 irs 0.487 0.51 0.961 irs 0.49 0.49 0.99 3511hcm 0.739 0.739 1 irs 0.605 0.61 0.991 irs 0.64 0.64 1 3699hcm 0.383 0.383 1 crs 0.377 0.41 0.927 drs 0.56 0.57 0.99 1511hn 0.884 0.932 0.95 irs 0.657 0.71 0.929 irs 0.59 0.63 0.94 1541hn 0.765 0.779 0.98 irs 1 1 1 crs 0.61 0.62 0.98 1543hn 0.954 0.959 0.99 drs 0.995 1 0.995 drs 1 1 1 1554hn 0.615 0.641 0.96 irs 0.493 0.64 0.769 irs 0.38 0.42 0.89 173hn 0.428 0.437 0.98 irs 0.526 0.53 0.994 irs 0.6 0.61 0.99 181hn 0.536 0.831 0.64 drs 0.602 0.78 0.769 drs 0.72 0.83 0.86 1912hc 0.545 0.719 0.76 irs 0.775 0.88 0.881 irs 1 1 1 2021hn 0.486 0.549 0.89 irs 0.352 0.42 0.837 irs 0.33 0.4 0.84 2029hn 0.6 0.623 0.96 irs 0.769 0.79 0.969 irs 0.78 0.79 0.99 2102hn 0.5 0.504 0.99 irs 0.474 0.49 0.965 drs 0.43 0.43 0.98 31 2211hn 0.902 0.96 0.94 drs 0.672 0.68 0.991 irs 0.68 0.68 1 2212hn 0.809 0.849 0.95 irs 0.723 0.78 0.928 irs 0.59 0.65 0.91 2411hn 0.351 0.549 0.64 irs 0.776 0.9 0.865 irs 0.79 0.82 0.97 2413hn 0.397 0.995 0.4 irs 0.606 1 0.606 irs 0.64 1 0.64 2424hn 0.622 0.626 0.99 irs 0.191 0.2 0.98 irs 0.24 0.25 0.98 261hn 0.453 0.499 0.91 irs 0.576 0.61 0.943 irs 0.51 0.52 0.97 2699hn 0.452 0.604 0.75 irs 0.574 0.89 0.642 irs 1 1 1 271hn 0.308 0.338 0.91 irs 0.22 0.24 0.936 irs 0.44 0.44 1 2812hn 0.567 0.788 0.72 irs 0.408 0.49 0.84 irs 0.38 0.43 0.89 2891hn 0.755 0.774 0.98 irs 1 1 1 crs 0.97 0.98 0.97 2921hn 0.838 0.853 0.98 irs 0.33 0.34 0.967 irs 0.52 0.53 0.99 2924hn 0.546 0.557 0.98 irs 0.552 0.57 0.975 irs 0.57 0.6 0.96 2925hn 0.314 0.316 0.99 irs 0.171 0.21 0.803 irs 0.21 0.24 0.86 2926hn 0.73 0.754 0.97 irs 0.387 0.45 0.862 irs 0.46 0.57 0.81 3140hn 0.5 0.533 0.94 irs 0.49 0.51 0.961 irs 0.47 0.51 0.92 3150hn 0.588 0.593 0.99 irs 0.576 0.58 0.997 irs 0.57 0.58 1 3190hn 0.229 1 0.23 irs 0.404 0.63 0.641 irs 0.53 0.79 0.67 3230hn 0.725 0.998 0.73 drs 0.566 0.66 0.857 drs 0.62 0.65 0.95 3320hn 0.641 0.762 0.84 irs 0.473 0.54 0.87 irs 0.5 0.53 0.94 3330hn 0.449 1 0.45 irs 0.769 1 0.769 irs 0.81 1 0.81 3511hn 0.446 0.689 0.65 irs 0.598 0.75 0.793 irs 0.51 0.6 0.86 3699hn 0.633 0.667 0.95 irs 0.507 0.53 0.952 irs 0.65 0.68 0.97 Chú thích: crste = hiệu quả kỹ thuật của mô hình CRS DEA vrste = hiệu quả kỹ thuật của mô hình VRS DEA, và scale = hiệu quả quy mô = crste/vrste abcd hcm(hn)= ngành có mã abcd ở Tp.HCM hoặc Hà nội. Nguồn: Tính toán của tác giả 32 Bảng 3b Tần suất phân phối của crste, vrste, và scale từ mô hình DEA (Tính bằng mô hình gộp cho cả hai thành phố) 2000 2001 2002 Crste Mean Std. Dev. Obs. Mean Std. Dev. Obs. Mean Std. Dev. Obs. [0, 20%) 0.1810 0.014142 2 [20%,40%) 0.323 0.0578 12 0.3298 0.064005 13 0.314100 0.065445 10 [40%, 60%) 0.5131 0.0585 23 0.5068 0.055568 23 0.497042 0.058314 24 [60%, 80%) 0.6734 0.0577 14 0.6902 0.068361 16 0.687889 0.067035 18 [80%, 100%) 0.8706 0.0483 10 0.8628 0.066499 6 0.882571 0.070111 7 100% 1.0000 0.0000 5 1.0000 0.000000 4 1.000000 0.000000 5 All 0.6065 0.2135 64 0.5707 0.212282 64 0.603594 0.210501 64 2000 2001 2002 Vrste Mean Std. Dev. Obs. Mean Std. Dev. Obs. Mean Std. Dev. Obs. [0, 20% 0.1950 NA 1 [20%,40%) 0.3538 0.0290 8 0.2982 0.064621 8 0.302600 0.065957 5 [40%, 60%) 0.5063 0.0604 11 0.5090 0.051660 19 0.498696 0.059603 23 [60%, 80%) 0.6972 0.0597 19 0.6931 0.063529 16 0.678235 0.065677 17 [80%, 100%) 0.9210 0.0715 10 0.9073 0.036363 9 0.880125 0.063820 8 100% 1.0000 0.0000 16 1.0000 0.000000 11 1.000000 0.000000 11 All 0.7321 0.2318 64 0.6642 0.241788 64 0.664906 0.221594 64 2000 2001 2002 Scale Mean Std. Dev. Obs. Mean Std. Dev. Obs. Mean Std. Dev. Obs. [20%,40%) 0.3140 0.1202 2 [40%, 60%) 0.5476 0.0575 5 0.4100 NA 1 0.482000 NA 1 [60%, 80%) 0.6966 0.0569 13 0.7044 0.078510 15 0.716375 0.059175 8 [80%, 100%) 0.9404 0.0535 38 0.9296 0.060330 44 0.940551 0.060446 49 100% 1.0000 0.0000 6 1.0000 0.000000 4 1.000000 0.000000 6 All 0.8463 0.1762 64 0.8731 0.131495 64 0.910938 0.111075 64 Nguồn: Tính toán của tác giả 33 Phụ lục 3b Hiệu quả kỹ thuật của các ngành ở Hà nội và Tp.HCM theo mô hình DEA gộp Mô hình DEA tối ưu đầu ra 2000 2001 2002 Ngành crste vrste scale crste vrste scale crste vrste scale 1511hcm 0.314 0.48 0.65 drs 0.20 0.5 0.40 drs 0.242 0.56 0.43 drs 1541hcm 1 1 1 cons 0.84 1 0.84 drs 0.727 0.94 0.78 drs 1543hcn 0.42 0.43 0.99 drs 0.52 0.55 0.95 drs 0.599 0.62 0.96 drs 1554hcm 0.286 0.48 0.59 drs 0.45 0.75 0.6 drs 0.466 0.63 0.74 drs 173hcm 1 1 1 cons 0.84 0.97 0.87 drs 0.733 0.79 0.93 drs 181hcm 0.55 1 0.55 drs 0.81 1 0.81 drs 0.799 1 0.8 drs 1912hcm 0.807 1 0.81 drs 0.72 0.94 0.76 drs 0.64 0.81 0.79 drs 2021hcm 1 1 1 cons 0.48 0.48 0.99 drs 0.446 0.45 1 irs 2029hcm 0.366 0.495 . 0.74 drs 0.5 0.59 0.84 drs 0.491 0.64 0.77 drs 2102hcm 0.37 0.52 0.71 drs 0.31 0.48 0.64 drs 0.396 0.55 0.72 drs 2211hcm 0.215 0.25 0.87 irs 0.48 0.53 0.92 irs 0.875 0.88 0.99 irs 2212hcm 0.909 1 0.91 drs 0.86 0.93 0.92 drs 1 1 1 cons 2411hcm 0.828 0.83 1 irs 0.84 0.86 0.98 drs 0.809 0.81 1 irs 2413hcm 0.596 1 0.6 irs 0.63 1 0.63 irs 0.731 1 0.73 irs 2424hcm 0.639 1 0.64 drs 0.6 1 0.6 drs 0.737 1 0.74 drs 261hcm 1 1 1 cons 1 1 1 cons 1 1 1 cons 2699hcm 0.623 1 0.62 irs 1 1 1 cons 0.95 0.96 0.99 irs 271hcm 0.576 1 0.58 drs 0.37 0.67 0.56 drs 0.311 0.53 0.59 drs 2812hcm 0.5 0.56 0.9 drs 0.39 0.4 0.98 drs 0.416 0.42 1 drs 2891hcm 0.476 0.69 0.69 drs 0.35 0.55 0.63 drs 0.459 0.69 0.66 drs 2921hcm 0.349 0.36 0.98 irs 0.46 0.47 0.98 irs 0.427 0.43 1 irs 2924hcm 1 1 1 cons 0.6 0.63 0.95 irs 0.943 1 0.94 irs 2925hcm 0.896 1 0.9 irs 0.67 0.69 0.98 irs 0.686 0.71 0.96 irs 2926hcm 0.45 0.66 0.69 drs 0.27 0.3 0.91 drs 0.461 0.46 1 irs 3140hcm 0.879 1 0.88 drs 0.77 0.91 0.84 drs 0.824 0.92 0.9 drs 3150hcm 0.683 0.69 1 irs 0.71 0.75 0.94 drs 0.602 0.6 1 irs 3190hcm 0.584 0.77 0.76 drs 0.47 0.82 0.57 drs 0.431 0.64 0.68 drs 3230hcm 0.658 1 0.66 drs 0.4 0.97 0.41 drs 0.335 0.72 0.47 drs 3320hcm 0.564 0.72 0.78 drs 0.34 0.45 0.75 drs 0.319 0.35 0.92 drs 3330hcm 0.59 0.69 0.85 irs 0.49 0.5 0.98 irs 0.487 0.49 1 irs 3511hcm 0.739 0.78 0.95 drs 0.61 0.61 1 irs 0.639 0.73 0.87 drs 3699hcm 0.383 0.53 0.72 drs 0.38 0.47 0.8 drs 0.563 0.64 0.88 drs 1511hn 0.884 0.92 0.96 irs 0.66 0.68 0.97 irs 0.592 0.61 0.97 irs 1541hn 0.765 0.77 0.99 irs 1 1 1 cons 0.607 0.61 0.99 irs 1543hn 0.954 0.97 0.98 drs 1 1 1 drs 1 1 1 cons 1554hn 0.615 0.63 0.98 irs 0.49 0.58 0.85 irs 0.377 0.39 0.96 irs 173hn 0.428 0.43 1 irs 0.53 0.53 0.99 drs 0.6 0.6 1 irs 181hn 0.536 0.87 0.62 drs 0.6 0.81 0.75 drs 0.719 0.85 0.85 drs 1912hc 0.545 0.65 0.84 irs 0.78 0.87 0.9 irs 1 1 1 cons 2021hn 0.486 0.51 0.96 irs 0.35 0.36 0.97 irs 0.333 0.35 0.94 irs 2029hn 0.6 0.61 0.98 irs 0.77 0.79 0.98 irs 0.781 0.79 0.99 irs 34 2102hn 0.5 0.52 0.96 drs 0.47 0.54 0.89 drs 0.426 0.43 1 irs 2211hn 0.902 0.96 0.94 drs 0.67 0.68 1 irs 0.681 0.68 1 irs 2212hn 0.809 0.84 0.96 irs 0.72 0.76 0.95 irs 0.59 0.63 0.94 irs 2411hn 0.351 0.43 0.82 irs 0.78 0.88 0.88 irs 0.794 0.81 0.98 irs 2413hn 0.397 0.99 0.4 irs 0.61 1 0.61 irs 0.636 1 0.64 irs 2424hn 0.622 0.68 0.91 drs 0.19 0.28 0.67 drs 0.241 0.38 0.64 drs 261hn 0.453 0.46 0.98 irs 0.58 0.59 0.97 irs 0.506 0.51 0.99 irs 2699hn 0.452 0.53 0.86 irs 0.57 0.8 0.72 irs 1 1 1 cons 271hn 0.308 0.31 0.99 irs 0.22 0.22 1 cons 0.44 0.5 0.88 drs 2812hn 0.567 0.7 0.81 irs 0.41 0.43 0.96 irs 0.382 0.4 0.96 irs 2891hn 0.755 0.77 0.98 irs 1 1 1 cons 0.967 1 0.97 irs 2921hn 0.838 0.85 0.99 irs 0.33 0.33 1 cons 0.518 0.52 0.99 irs 2924hn 0.546 0.55 0.99 irs 0.55 0.56 0.99 irs 0.572 0.58 0.98 irs 2925hn 0.314 0.43 0.74 drs 0.17 0.19 0.9 drs 0.205 0.21 0.98 irs 2926hn 0.73 0.75 0.98 irs 0.39 0.41 0.96 irs 0.462 0.52 0.9 irs 3140hn 0.5 0.51 0.98 irs 0.49 0.49 0.99 irs 0.467 0.48 0.97 irs 3150hn 0.588 0.59 1 irs 0.58 0.59 0.98 drs 0.573 0.57 1 irs 3190hn 0.229 1 0.23 irs 0.4 0.49 0.83 irs 0.528 0.69 0.77 irs 3230hn 0.725 1 0.73 drs 0.57 0.71 0.8 drs 0.617 0.7 0.88 drs 3320hn 0.641 0.73 0.88 irs 0.47 0.51 0.93 irs 0.497 0.51 0.97 irs 3330hn 0.449 1 0.45 irs 0.77 1 0.77 irs 0.81 1 0.81 irs 3511hn 0.446 0.57 0.79 irs 0.6 0.6 0.85 irs 0.512 0.56 0.92 irs 3699hn 0.633 0.65 0.97 irs 0.51 0.51 0.99 irs 0.653 0.66 0.98 irs Trung bình 2000 2001 2002 HCM 0.633 0.76 0.81 0.57 0.71 0.81 0.6 0.72 0.85 HN 0.58 0.69 0.86 0.57 0.63 0.91 0.6 0.64 0.93 Country 0.606 0.74 0.84 0.57 0.67 0.86 0.6 0.68 0.89 Chú thích: crste = hiệu quả kỹ thuật của mô hình CRS DEA vrste = hiệu quả kỹ thuật của mô hình VRS DEA, và scale = hiệu quả quy mô = crste/vrste abcd hcm(hn)= ngành có mã abcd ở Tp.HCM hoặc Hà nội. Nguồn: Tính toán của tác giả 35 Phụ lục 4a Hiệu quả kỹ thuật của các ngành ở Tp.HCM theo cách tiếp cận SFPF Hiệu quả kỹ thuật Ngành 2000 2001 2002 1511 0.25735839 0.2935083 0.3305386 1541 0.89635582 0.90568928 0.91424937 1543 0.48721927 0.52205265 0.55574027 1554 0.39950576 0.43645369 0.47282185 1730 0.82703453 0.84196182 0.8557658 1810 0.85601504 0.86865664 0.8803081 1912 0.64962006 0.67679824 0.70244749 2021 0.57446016 0.60570449 0.6354946 2029 0.50240817 0.53671477 0.56980393 2102 0.43439572 0.47070258 0.5061733 2211 0.39007898 0.42715087 0.46371934 2212 0.89054276 0.90036234 0.90937494 2411 0.80701038 0.8234735 0.8387319 2413 0.3410789 0.37842662 0.41571597 2424 0.8370375 0.85118429 0.86425167 2610 0.90734695 0.91575222 0.92344994 2699 0.75752802 0.77763095 0.79636499 2710 0.67582547 0.70140669 0.72547083 2812 0.49034911 0.52507754 0.55864482 2891 0.57228172 0.6036314 0.63353159 2921 0.35981096 0.39712908 0.43420923 2924 0.7956136 0.81293492 0.82900896 2925 0.64700822 0.67434084 0.70014437 2926 0.36929977 0.40656634 0.4435084 3140 0.91624596 0.92389072 0.9308835 3150 0.66420828 0.69050793 0.71528295 3190 0.61011344 0.63952994 0.66743588 3230 0.6266229 0.65512998 0.68211333 3320 0.40551143 0.44236919 0.47860009 3330 0.3439124 0.38126193 0.4185252 3511 0.7713727 0.7904801 0.80825913 3699 0.5084761 0.54256013 0.5754002 Nguồn: Tính toán của tác giả 36 Phụ lục 4b Hiệu quả kỹ thuật của các ngành ở Hà nội theo cách tiếp cận SFPF Hiệu quả kỹ thuật Ngành 2000 2001 2002 1511 0.7537317 0.74570125 0.73747059 1541 0.72717864 0.71843937 0.70949371 1543 0.92810422 0.92545495 0.92271535 1554 0.54224416 0.52960384 0.51680064 1730 0.50190436 0.48871118 0.47538665 1810 0.55554826 0.54311686 0.53051395 1912 0.63163229 0.6206262 0.60941616 2021 0.51940598 0.5064374 0.4933228 2029 0.8473127 0.84201501 0.83656077 2102 0.62120833 0.60998518 0.59856086 2211 0.88053175 0.87628883 0.8719131 2212 0.87282493 0.86833326 0.86370287 2411 0.70793146 0.69869842 0.68925631 2413 0.74682555 0.73860775 0.73018786 2424 0.27142334 0.25795242 0.24466925 2610 0.55605369 0.54363048 0.53103545 2699 0.85559253 0.85055353 0.84536349 2710 0.37843259 0.36440047 0.35038188 2812 0.50682001 0.4936875 0.48041935 2891 0.91474051 0.9116329 0.90842192 2921 0.605678 0.59414375 0.58241343 2924 0.80505177 0.79847622 0.79172024 2925 0.25521505 0.24195972 0.22892097 2926 0.60309888 0.59151443 0.57973487 3140 0.5576541 0.54525693 0.5326869 3150 0.75367871 0.74564682 0.7374147 3190 0.43812013 0.4243209 0.41045647 3230 0.80493409 0.79835507 0.79159558 3320 0.67364003 0.66357192 0.65329382 3330 0.81728086 0.81106778 0.80468048 3511 0.69478262 0.68522243 0.67545221 3699 0.7822942 0.7750601 0.76763554 Nguồn: Tính toán của tác giả 37 TÀI LIỆU THAM KHẢO Afriat, S.N. (1972). “Efficiency Estimation of Production Functions,” International Economic Review, 13, 568 - 598. Aigner, D. J., and Chu, S. F. (1968). “On Estimating the Industry Production Function,” American Economic Review 58, 226-239. Aigner, D.J., Lovell, C.A.K. , and Schmidt, P. (1977). “Formulation and Estimation of Stochastic Frontier Production Models,” Journal of Econometrics, 6, 21-37. Albach, H. (1980). “Average and Best Practice Production Functions in German Industry,” Journal of Industry Economics, 29, 55-70. Bagi, F.S. (1982). “Relationship between Farm Size and Technical Efficiency: in Western Tennessee Agriculture,” Southern Journal of Agricultural Economics, 14, 139-43. Battese, G.E. (1992). “Frontier Production Functions and Technical Efficiency: a Survey of Empirical Applications in Agricultural Economics,” Agricultural Economics, 7, 185- 208. Battese, G.E., and Coelli, T.J. (1988). “Prediction of Firm Level Technical Efficiencies with a Generalized Frontier Production and Panel Data,” Journal of Econometrics, 38, 387- 399. Battese, G.E., and Coelli, T.J. (1995). “A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data,” Empirical Economics 20, 325- 332. Bauer, P.W. (1990). “Recent Development in the Econometric Estimation of Frontiers”, Journal of Econometrics, 46,39-56. Bravo-Ureta, B.E. (1986). “Technical Efficiency Measures for Dairy Farms Based on a Probabilistic Frontier Function Model” Canadian Journal of Agricultural Economics, 34, 399-415. Bravo-Ureta, B.E., and Lee, T. (1988). “Socioeconomic and Technical Characteristics of New England Dairy Cooperative Members and Nonmembers,” Journal of Agricultural Cooperation, 3, 12-17. Byrnes, P., Färe, R., Grosskopf, S. and Kraft, S. (1987). “Technical Efficiency and Size: the Case of Illinois Grain Farms,” European Review of Agricultural Economics, 14, 367-81. Charnes, A., and Cooper, W. (1962). “Programming with Linear Fractional Functions,” Naval Research Logistics Quarterly, 9, 181-5. Charnes, J. A., and Aliber, M. (1993). “An Analysis of Economics Efficiency in Agriculture: a Nonparametric Approach,” Journal of Agricultural Research Economics, 18, 1-16. Coelli, T.J. (1995). “Recent Development in Frontier Modeling and Efficiency Measurement”, Australian Journal of Agricultural Economics, 39, 219-245. Coelli, T.J. (1996), “A Guide to Frontier Version 4.1: A Computer Program for Stochastic Frontier Production and Cost Function Estimation”, CEPA Working Paper No 7/96, Department of Econometrics, University of New England. 38 Coelli, T.J. (1996). “A Guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer) Program”, CEPA Working Paper No 8/96, Department of Econometrics, University of New England. Coelli, T.J., and Fleming, E. (2003). “Diversification Economies and Specification Efficiencies in a Mixed Food and Coffee Smallholder Farming System in Papua New Guinea,” University of Queensland and University of New England, Australia. Deller, S. C., and Nelson, C. H. (1991). “Measuring the Economic Efficiency of Producing Rural Road Services,” American Journal of Agricultural Economics, 73, 194-201. Drake, L., Weyman-Jones, T.G. (1996). "Productive and Allocative Inefficiencies in UK Building Societies: A Comparison of Non-Parametric and Stochastic Frontier Techniques," The Manchester Business School. Färe, R., Grosskopf, S., and Lovell, C.A.K. (1985). “The Measurement of Production Efficiency ,” Kluwer-Nijhoff, Boston. Färe, R., Grosskopf, S., Norris, M., and Zhang, Z.(1994). “Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries,” The American Economic Review, 84, 66-83. Farrell, M.J. (1957). “The Measurement of Productive Efficiency,” Journal of the Royal Statistical Society, 120, 253-81. Featherstone, A. M., Langemeier, M. R. and Ismet, M. (1997). “A Non-parametric Analysis of Efficiency for a Sample of Kansas Beef Cow Farms,” Journal of Agricultural Economics, 29, 175-84. Fernandez-Cornejo, J. (1994). “Nonradial Technical Efficiency and Chemical Input Use in Agriculture,” Agricultural Resources Economics Review, 23, 11-21. Ferrier, G.D, Lovell, C. A. K.(1990). “Measuring Cost Efficiency in Banking: Econometric and Linear Programming Evidence”, Journal of Economics, 46, 229-245. Forsund, F.R., Lovell, C. A. K. and Schmidt, P. (1980). “A Survey of Frontier Production Functions and Their Relationship to Efficiency Measurement,” Journal of Econometrics, 12, 5-25. Forsund, F.R., and Jansen, E.S. (1977). “On Estimation Average and Best Practice Production in Functions via Cost Functions”, International Economic Review, 18, 463- 476. General Statistical Office (GSO), Vietnam. Various years. Statistical Yearbook. Statistical Publishing House, Hanoi. Greene, W.H. (1990), “A Gamma-Distributed Stochastic Frontier Model”, Journal of Econometrics, 46, 141-165. Johnson, J.L., Zapata, H.O. and Heagler, A.M. (1995). “Technical Efficiency in Louisiana Sugar Cane Processing”, Journal of Agribusiness, 13, 85-98. Jondrow, J., Lovell C.A.K. , Materov, I.S. and Schmidt, P. (1982). “On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model”, Journal of Econometrics, 19, 233-238. 39 Kalaitzandonakes, N.G., Dunn, E.G. (1995). “Technical Efficiency, Managerial Ability and Farmer Education in Guatemalan Corn Production: a Latent Variable Analysis”, Agricultural Resource Economic Review, 24, 36-46. Kalirajan, K.P. (1991). “The Importance of Efficient Use in the Adoption of Technology: a Micro Panel Data Analysis”, Journal of Productivity Analysis, 2, 113-26. Kalirajan, K.P. and Shand, R.T. (1985). “Types of Education and Agricultural Productivity: a Quantitative Analysis of Tamil Nadu Rice Farming”, Journal of Development Studies, 10, 232-43. Kmenta, J. (1972). “On Estimation of the CES Production Function”, The American Economic Review, 180-192. Kumbhakar, S., Ghosh, S., and McGuckin, J. (1991). “A Generalized Production Frontier Approach for Estimating Determinants of Inefficiency in US Dairy Industry”, Journal of Business Economic Statistics, 9, 279-86. Kumbhakar, S.C., Biswas, B., and Bailey, D.V. (1989). “A Study of Economic Efficiency of Utah Diary Farmers: A System Approach”, The Review of Economics and Statistics, 71, 595-604. Kumbhakar, S.C., Lovell, C.A. (2000). “ Stochastic Frontier Analysis”, Cambridge University Press. Lee, L.F., and Tyler, W.G. (1978). “The Stochastic Frontier Production Function and Average Efficiency: An Empirical Analysis”, Journal of Econometrics, 7, 385-389. Lee, L.F. (1983). “A Test for Distributional Assumptions for the Stochastic Frontier Function”, Journal of Econometrics, 22, 245-267. Lingad, J., Castillo, L. , and Jayasuriya, S. (1983). “Comparative Efficiency of Rice Farms in Central Luzon, The Philippines”, Journal of Agricultural Economics, 34, 163-173. Lin, C.C., and Yin-Hsiang Wang. (1997). “A Comparative Study on Productivity Efficiency of Taiwanese Firms and their Subsidiaries in Mainland China”, Taiwan Journal of Political Economy, 69-93. Md.Abdul Wadud. (2003). “A Non-parametric Analysis of Technical Efficiency of Farms in Bangladesh”. New Nation Online Edition, September 21, 2003. Available at Mao, W., and Won W. Koo. (1997). “Productivity Growth, Technological Progress, and Efficiency Change in Chinese Agriculture after Rural Economic Reforms: A DEA Approach”, China Economic Review, 8, 157-174. Meeusen, W., and Van de Broeck, J. (1977). “Efficiency Estimation from Cobb-Douglas Production Function with Composed Error”, International Economic Review, 18, 435- 444. Nguyen, Khac Minh. (2004), “Technical Progress, and Efficiency change in Vietnamese Industry- Non-parameter Approach”, Proceedings of Regional Workshop NEU-NRC, 40-70. 40 Nguyen, Khac Minh, and Vu Quang Dong. (2004). “Non-parametric Analysis of Technical and Scale Efficiencies for Processing Firms in Vietnam’s Aquaculture”, Proceedings of Regional Workshop NEU-NRC, 71-90. Pitt, M.M., and Lee, L.F. (1981). “The Measurement and Sources of Technical Inefficiency in the Indonesian Weaving Industry”, Journal of Development Economics, 9, 515-521. Richmond, J. (1974). “Estimating the Efficiency of Production”, International Economic Review, 15, 515-521. Rao, C.R. (1973). Linear Statistical Inference and Its Application, 2nd ed. Wiley, New York. Rowland, W.W., Langemeier, M.R., Schurle, B.W., and Featherstone, A.M (1998). “A Non- parametric Efficiency Analysis for a Sample of Kansas Swine Operations”, Journal of Agricultural Applied Economics, 30, 189-99. Seiford, L. M., and Thrall, R.M. (1990). “Recent Developments in DEA: the Mathematical Programming Approach to Frontier Analysis”, Journal of Econometrics, 46, 7-38. Sengupta, J.K. (1990). “Transformations in Stochastic DEA Models”, Journal of Econometrics, 46, 109-123. Sengupta, J.K. (1999). “A Dynamic Efficiency Model Using Data Envelopment Analysis”, International Journal of Production Economics, 62, 209-218. Sengupta, J.K. (2002). “Economics of Efficiency Measurement by DEA Model”, Applied Economics, 34, 1133-1139. Sharma, Khem, R., Leung, P., and Zaleski, H., M. (1999). “Technical, Allocative, and Economic Efficiencies in Swine Production in Hawaii: A Comparison of Parametric and Non-parametric Approaches”, Agricultural Economics, 20,23-35. Stevenson, R.E. (1980). “Likelihood Functions for Generalized Stochastic Frontier Estimation”, Journal of Econometrics, 13, 57-66. Tauer, L. W. and Hanchar, J. J. (1995). “Non-parametric Technical Efficiency with K Firms, N Inputs, and M Outputs: a Simulation”, Agricultural Resources Economics Review, 23, 185-89. Timmer, C.P. (1971). “Using a Probabilistic Frontier Production Function to Measure Technical Efficiency”, Journal of Political Economy, 79, 776-794.