daoduytung3000
New Member
Download Đề tài Phân tích so sánh về hiệu quả của các ngành sản xuất ở Hà Nội và Thành phố Hồ Chí Minh
Trong bài viết này, hệsốcủa tỷlệvốn/lao động (K/L) thực sựdương (0,2875) với mức ý
nghĩa 1%, tức là tỷlệvốn/lao động cao hơn sẽlàm cho sựphi hiệu quảlớn hơn. Rõ ràng, kết
quảcủa bài viết này hoàn toàn ngược lại với kết quảtrong nghiên cứu của Forsund và cộng sự
(1977). Giải thích cho hiện tượng này có thểlà việc các ngành chú trọng đầu tưvào các công
nghệtốt hơn nhưng lại không phù hợp với điều kiện sản xuất của chúng nên việc sửdụng
không có hiệu quảvà làm giảm hiệu quảsản xuất của ngành. Bên cạnh đó, hệsốcho các
ngành sản xuất ởHà nội (-0,223) và Tp.HCM (0,422) không có ý nghĩa thống kê nên chúng
ngụý một điều rằng các ngành được nghiên cứu hoạt động chủyếu dựa trên lao động. Tỷlệ
hàng tồn kho/sản lượng có ý nghĩa thống kê và dương thểhiện rằng tỷlệhàng tồn kho/sản
lượng lớn hơn sẽlàm cho mức hiệu quảnhỏhơn. Việc sản xuất quá mức – khiến cho nền kinh
tếkhông tiêu thụhết – gây khó cho các doanh nghiệp trong các ngành trong việc tái cơcấu lại
các khoản vay và tăng lợi nhuận. Một nguyên nhân khác cũng có thểlàm cho hiệu quảsản
xuất thấp là việc các doanh nghiệp dựbáo sai xu hướng thịtrường, đặc biệt là giá cả.
++ Ai muốn tải bản DOC Đầy Đủ thì Trả lời bài viết này, mình sẽ gửi Link download cho!
bài viết này.
4.1.2. Kiểm định giả thuyết về sự phù hợp của dạng hàm (hàm Cobb-Douglas hay CES
với hai đầu vào)
Đối với dạng hàm biên, kiểm định giả thuyết gốc (cho rằng hàm sản xuất Cobb-Douglas là
phù hợp) sẽ rất hữu ích. Giả thuyết này ngụ ý rằng phải kiểm định xem β3 = 0 hay không. Kết
quả kiểm định được liệt kê trong Bảng 3b. Khác với trường hợp trên, việc quyết định chấp
nhận hay bác bỏ giả thuyết gốc phụ thuộc vào việc giá trị của λ nhỏ hơn hay lớn hơn giá trị
bác bỏ λc với mức ý nghĩa 5%. Như đã thấy trong Bảng 3b, không có kiểm định thống kê λ
nào vượt quá giá trị bác bỏ λc=χ2(1) = 3,84. Do vậy, chúng ta chấp nhận giả thuyết rằng hàm
sản xuất CES cũng cho kết quả tương tự hàm Cobb-Douglas.
15
Bảng 3b: Kiểm định giả thuyết tỷ lệ loga hợp lý tổng quát
cho sự phù hợp của hàm sản xuất (Cobb-Douglas hay CES)
Tp.HCM Hà nội
Mô tả λ
λc
Quyết định
λ
λc
Quyết
định
CES (bán chuẩn)
Cobb-Douglas
(bán chuẩn)
H0: β3=0
0,046 3,84 Chấp nhận H0
0,162 3,84 Chấp nhận H0
trong đó λ = giá trị kiểm định thống kê, và λc= giá trị bác bỏ
Nguồn: Tính toán của tác giả.
4.1.3. Kiểm định giả thuyết hàm sản xuất biên Cobb-Douglas với hai hay ba đầu vào
Một trong những câu hỏi mà bài viết này cần trả lời là ba đầu vào có thể áp dụng cho mô hình
phi hiệu quả hay không. Vì thế, kiểm định giả thuyết là β3 = 0.
Bảng 3c cho thấy kết quả ước lượng của kiểm định trên trong việc lựa chọn hàm sảm xuất
biên Cobb-Douglas với hai hay ba đầu vào. Thủ tục tiến hành tương tự như trên.
Bảng 3c: Kiểm định giả thuyết tỷ lệ loga hợp lý tổng quát
(cho việc lựa chọn số lượng đầu vào)
Tp.HCM Hà nội
Mô tả λ
λc
Quyết
định
λ
λc
Quyết
định
Cobb-Douglas (bán chuẩn)
hai đầu vào
Cobb-Douglas (bán chuẩn)
ba đầu vào
H0: β3=0
15,437 3,84 Bác bỏ H0
105,246 3,84 Bác bỏ H0
trong đó λ = giá trị kiểm định thống kê, và λc= giá trị bác bỏ
Nguồn: Tính toán của tác giả.
Bảng 3c cho thấy, kiểm định thống kê λ cho cả hai thành phố đều lớn hơn nhiều giá trị bác bỏ
λc = χ2(1) = 3.84, tức là chúng ta bác bỏ giả thuyết gốc cho rằng chỉ có hai đầu vào trong mô
hình hàm sản xuất đã chọn. Nói cách khác, hàm sản xuất với ba đầu vào là phù hợp.
Nói tóm lại, hàm sản xuất biên Cobb-Douglas với ba đầu vào và nhiễu của hàm có phân phối
bán chuẩn là mô hình phù hợp để thực hiện các mục tiêu của bài viết này.
4.2. Ước lượng hàm sản xuất
Như đã nêu trên, hàm sản xuất biên ngẫu nhiên Cobb-Douglas với ba đầu vào là mô hình phù
hợp cho bài viết này. Tuy nhiên, việc xem xét hàm sản xuất biên ngẫu nhiên dạng CES cũng
rất thú vị vì chúng ta có thể so sánh kết quả giữa hai dạng hàm này.
16
Theo kết quả ước lượng trong Bảng 4a dưới đây thì hầu hết các kết quả ước lượng hàm sản
xuất biên ngẫu nhiên dạng CES cho ta các thông số giống như hàm Cobb-Douglas với ba đầu
vào. Hơn nữa, các hệ số của ( )2lnln KL − cho cả hai thành phố đều không có ý nghĩa thống kê.
Điều này chứng minh rằng hàm sản xuất biên ngẫu nhiên dạng CES có thể nới lỏng và chuyển
hoá thành hàm Cobb-Douglas khi nghiên cứu về các ngành sản xuất ở hai thành phố Hà nội
và HCM.
Bảng 4a: Kết quả ước lượng cho hàm sản xuất biên ngẫu nhiên dạng CES
Biến phụ thuộc: lnVA
HCMC Hanoi
Constant 3,6130(1,6789)
Constant 4,1615(3,7513)**
LnL 0,4278(0,5794)
LnL 0,4165(1,3676)
LnK 0,3904(0,5118)
LnK 0,3261(1,0276
(LnL-LnK)2 0,01781(0,2348)
(LnL-LnK)2 0,01432(0,3984)**
σ2 0,3992(3,1519)**
σ2 0,8137(2,9723)**
λ 2,66 λ 2,07
η 0,1656(1,8816)
η 0,08684(0,9545)
Log-likelihood value -54,83 Log-likelihood value -92,19
Number of Observations 96 Number of Observations 96
Chú thích: Giá trị trong ngoặc thể hiện giá trị của kiểm định t. Giá trị được đánh dấu ** ngụ
ý rằng các hệ số thực sự khác 0 với mức ý nghĩa 1%.
Nguồn: Tính toán của tác giả.
Bảng 4b: Một số hệ số từ ước lượng cho hàm CES
Tp.HCM Hà nội
Hệ số hiệu quả (A) 37,06323 64,107
Hệ số phân phối (δ ) 0,5228 0,5608
Hệ số thay thế ( ρ ) 0,1744 0,1564
Co giãn thay thế (η) 0,8515 0,8648
Độ thuần nhất ( h ) 0,8181 0,7426
Nguồn: Tính toán của tác giả.
Bản thân hàm sản xuất CES cũng có thể cho nhiều thông tin có ý nghĩa. Từ kết quả ước lượng
ở Bảng 4a, ta tính được một số hệ số quan trọng như đã liệt kê ở Bảng 4b. Có thể thấy rằng,
các ngành sản xuát ở Tp.HCM có độ thuần nhất lớn hơn so với các ngành ở Hà nội.
Với hàm sản xuất Cobb-Douglas ba đầu vào, Bảng 5 cho thấy, với các ngành ở Tp.HCM, độ
co giãn của sản lượng đối với lao động (0,2236) nhỏ hơn độ co giãn của sản lượng đối với
vốn (0,2404). Các ngành sản xuất ở Hà nội có mức độ sử dụng vốn thấp hơn nên độ co giãn
của sản lượng đối với vốn thấp hơn độ co giãn của sản lượng đối với lao động (tương ứng là
17
0,083 và 0,192), và nó ngụ ý rằng, trong quá trình sản xuất, các ngành sản xuất ở Hà nội vẫn
dựa vào lao động nhiều hơn là vốn.
Bảng 5: Kết quả ước lượng hàm sản xuất biên Cobb-Douglas với ba đầu vào
Biến phụ thuộc: InVA
Tp.HCM Hà nội
Biến Tham số Bán chuẩn (Mô hình 1) Mô hình 2 Biến Tham số
Bán chuẩn
(Mô hình 1) Mô hình 2
Constant β0 0,1976 (3,281)**
0,7946
(2,032)* Constant
β0 0,4964
(0,923)
0,484
(1,081)
Ln(L) β1 0,2237 (3,241)**
0,0261
(0,336)* Ln(L)
β1 0,1922
(3,353)*
0,148
(2,231)**
Ln(K) β2 0,2404 (2,836)**
0,789
(8,034)** Ln(K)
β2 0,0803
(1,197)
0,375
(5,393)**
Ln(M) β3 0,4362 (5,717)**
0,0979
(1,284) Ln(M)
β3 0,729
(11,544)**
0,439
(6,993)**
Ln(Z1)
0,2875
(2,348)** Ln(Z1)
0,2736
(1,376)
Ln(Z2)
0,777
(4,887)** Ln(Z2)
0,840
(5,374)**
Ln(Z3)
0,310
(1,84)* Ln(Z3)
-0,464
(-1,834)*
Ln(Z4)
0,422
(0,756) Ln(Z4)
-0,223
(-0,259)
σ2 0,3782 (3,174)**
0,119
(3,626)** σ2
0,5027
(3,328)**
0,245
(4,001)**
µ µ
λ=σu/σv 0,340483 λ=σu/σv 1,057613
Log
likelihood
value
-39,416 -30,189 log
likelihood
value
-49,648 -47,56
Number of
observations
96 96 Number of
observations
96 96
Chú thích: Giá trị trong ngoặc là giá trị kiểm định t . Giá trị có đánh dấu (**) hay (*) thể
hiện rằng hệ số thực sự khác 0 với mức ý nghĩa tương ứng 5% hay 10%.
trong đó:
uv 222 σσσ +=
/u vλ σ σ=
Ln(Z1)- loga tự nhiên của tỷ lệ vốn/lao động,
Ln(Z2)-loga tự nhiên của tỷ lệ hàng tồn kho/sản lượng,
Ln(Z3 )-tỷ lệ nợ/vốn, và
Ln(Z4)-doanh thu ngành.
Nguồn: Tính toán của tác giả
Như có thể thấy trong Bảng 5 (với Mô hình 1), các ngành sản xuất ở Hà nội dựa nhiều vào lao
động trong quá trình sản xuất. Với các ngành ở Tp.HCM, tỷ lệ sử dụng vốn cao hơn nên độ co
giãn của sản lượng đối với vốn cũng cao hơn (ở mức 0,2404) độ co giãn của sản lượng đối với
18
lao động (ở mức 0,2237). Với các ngành tương ứng ở Hà nội, mức độ sử dụng vốn thấp hơn
ngụ ý rằng độ co giãn của sản lượng đối với vốn (ở mức 0,083) thấp hơn độ co giãn của sản
lượng đối với lao động (ở mức 0,1922).
Một điểm quan trọng cần lưu ý là độ co giãn của sản lượng đối với các đầu vào trung gian của
Tp.HCM (ở mức 0,4362) và Hà nội (ở mức 0,729) cao hơn độ co giãn của sản lượng đối với
lao độ...
Download Đề tài Phân tích so sánh về hiệu quả của các ngành sản xuất ở Hà Nội và Thành phố Hồ Chí Minh miễn phí
Trong bài viết này, hệsốcủa tỷlệvốn/lao động (K/L) thực sựdương (0,2875) với mức ý
nghĩa 1%, tức là tỷlệvốn/lao động cao hơn sẽlàm cho sựphi hiệu quảlớn hơn. Rõ ràng, kết
quảcủa bài viết này hoàn toàn ngược lại với kết quảtrong nghiên cứu của Forsund và cộng sự
(1977). Giải thích cho hiện tượng này có thểlà việc các ngành chú trọng đầu tưvào các công
nghệtốt hơn nhưng lại không phù hợp với điều kiện sản xuất của chúng nên việc sửdụng
không có hiệu quảvà làm giảm hiệu quảsản xuất của ngành. Bên cạnh đó, hệsốcho các
ngành sản xuất ởHà nội (-0,223) và Tp.HCM (0,422) không có ý nghĩa thống kê nên chúng
ngụý một điều rằng các ngành được nghiên cứu hoạt động chủyếu dựa trên lao động. Tỷlệ
hàng tồn kho/sản lượng có ý nghĩa thống kê và dương thểhiện rằng tỷlệhàng tồn kho/sản
lượng lớn hơn sẽlàm cho mức hiệu quảnhỏhơn. Việc sản xuất quá mức – khiến cho nền kinh
tếkhông tiêu thụhết – gây khó cho các doanh nghiệp trong các ngành trong việc tái cơcấu lại
các khoản vay và tăng lợi nhuận. Một nguyên nhân khác cũng có thểlàm cho hiệu quảsản
xuất thấp là việc các doanh nghiệp dựbáo sai xu hướng thịtrường, đặc biệt là giá cả.
++ Ai muốn tải bản DOC Đầy Đủ thì Trả lời bài viết này, mình sẽ gửi Link download cho!
Tóm tắt nội dung:
với số liệu củabài viết này.
4.1.2. Kiểm định giả thuyết về sự phù hợp của dạng hàm (hàm Cobb-Douglas hay CES
với hai đầu vào)
Đối với dạng hàm biên, kiểm định giả thuyết gốc (cho rằng hàm sản xuất Cobb-Douglas là
phù hợp) sẽ rất hữu ích. Giả thuyết này ngụ ý rằng phải kiểm định xem β3 = 0 hay không. Kết
quả kiểm định được liệt kê trong Bảng 3b. Khác với trường hợp trên, việc quyết định chấp
nhận hay bác bỏ giả thuyết gốc phụ thuộc vào việc giá trị của λ nhỏ hơn hay lớn hơn giá trị
bác bỏ λc với mức ý nghĩa 5%. Như đã thấy trong Bảng 3b, không có kiểm định thống kê λ
nào vượt quá giá trị bác bỏ λc=χ2(1) = 3,84. Do vậy, chúng ta chấp nhận giả thuyết rằng hàm
sản xuất CES cũng cho kết quả tương tự hàm Cobb-Douglas.
15
Bảng 3b: Kiểm định giả thuyết tỷ lệ loga hợp lý tổng quát
cho sự phù hợp của hàm sản xuất (Cobb-Douglas hay CES)
Tp.HCM Hà nội
Mô tả λ
λc
Quyết định
λ
λc
Quyết
định
CES (bán chuẩn)
Cobb-Douglas
(bán chuẩn)
H0: β3=0
0,046 3,84 Chấp nhận H0
0,162 3,84 Chấp nhận H0
trong đó λ = giá trị kiểm định thống kê, và λc= giá trị bác bỏ
Nguồn: Tính toán của tác giả.
4.1.3. Kiểm định giả thuyết hàm sản xuất biên Cobb-Douglas với hai hay ba đầu vào
Một trong những câu hỏi mà bài viết này cần trả lời là ba đầu vào có thể áp dụng cho mô hình
phi hiệu quả hay không. Vì thế, kiểm định giả thuyết là β3 = 0.
Bảng 3c cho thấy kết quả ước lượng của kiểm định trên trong việc lựa chọn hàm sảm xuất
biên Cobb-Douglas với hai hay ba đầu vào. Thủ tục tiến hành tương tự như trên.
Bảng 3c: Kiểm định giả thuyết tỷ lệ loga hợp lý tổng quát
(cho việc lựa chọn số lượng đầu vào)
Tp.HCM Hà nội
Mô tả λ
λc
Quyết
định
λ
λc
Quyết
định
Cobb-Douglas (bán chuẩn)
hai đầu vào
Cobb-Douglas (bán chuẩn)
ba đầu vào
H0: β3=0
15,437 3,84 Bác bỏ H0
105,246 3,84 Bác bỏ H0
trong đó λ = giá trị kiểm định thống kê, và λc= giá trị bác bỏ
Nguồn: Tính toán của tác giả.
Bảng 3c cho thấy, kiểm định thống kê λ cho cả hai thành phố đều lớn hơn nhiều giá trị bác bỏ
λc = χ2(1) = 3.84, tức là chúng ta bác bỏ giả thuyết gốc cho rằng chỉ có hai đầu vào trong mô
hình hàm sản xuất đã chọn. Nói cách khác, hàm sản xuất với ba đầu vào là phù hợp.
Nói tóm lại, hàm sản xuất biên Cobb-Douglas với ba đầu vào và nhiễu của hàm có phân phối
bán chuẩn là mô hình phù hợp để thực hiện các mục tiêu của bài viết này.
4.2. Ước lượng hàm sản xuất
Như đã nêu trên, hàm sản xuất biên ngẫu nhiên Cobb-Douglas với ba đầu vào là mô hình phù
hợp cho bài viết này. Tuy nhiên, việc xem xét hàm sản xuất biên ngẫu nhiên dạng CES cũng
rất thú vị vì chúng ta có thể so sánh kết quả giữa hai dạng hàm này.
16
Theo kết quả ước lượng trong Bảng 4a dưới đây thì hầu hết các kết quả ước lượng hàm sản
xuất biên ngẫu nhiên dạng CES cho ta các thông số giống như hàm Cobb-Douglas với ba đầu
vào. Hơn nữa, các hệ số của ( )2lnln KL − cho cả hai thành phố đều không có ý nghĩa thống kê.
Điều này chứng minh rằng hàm sản xuất biên ngẫu nhiên dạng CES có thể nới lỏng và chuyển
hoá thành hàm Cobb-Douglas khi nghiên cứu về các ngành sản xuất ở hai thành phố Hà nội
và HCM.
Bảng 4a: Kết quả ước lượng cho hàm sản xuất biên ngẫu nhiên dạng CES
Biến phụ thuộc: lnVA
HCMC Hanoi
Constant 3,6130(1,6789)
Constant 4,1615(3,7513)**
LnL 0,4278(0,5794)
LnL 0,4165(1,3676)
LnK 0,3904(0,5118)
LnK 0,3261(1,0276
(LnL-LnK)2 0,01781(0,2348)
(LnL-LnK)2 0,01432(0,3984)**
σ2 0,3992(3,1519)**
σ2 0,8137(2,9723)**
λ 2,66 λ 2,07
η 0,1656(1,8816)
η 0,08684(0,9545)
Log-likelihood value -54,83 Log-likelihood value -92,19
Number of Observations 96 Number of Observations 96
Chú thích: Giá trị trong ngoặc thể hiện giá trị của kiểm định t. Giá trị được đánh dấu ** ngụ
ý rằng các hệ số thực sự khác 0 với mức ý nghĩa 1%.
Nguồn: Tính toán của tác giả.
Bảng 4b: Một số hệ số từ ước lượng cho hàm CES
Tp.HCM Hà nội
Hệ số hiệu quả (A) 37,06323 64,107
Hệ số phân phối (δ ) 0,5228 0,5608
Hệ số thay thế ( ρ ) 0,1744 0,1564
Co giãn thay thế (η) 0,8515 0,8648
Độ thuần nhất ( h ) 0,8181 0,7426
Nguồn: Tính toán của tác giả.
Bản thân hàm sản xuất CES cũng có thể cho nhiều thông tin có ý nghĩa. Từ kết quả ước lượng
ở Bảng 4a, ta tính được một số hệ số quan trọng như đã liệt kê ở Bảng 4b. Có thể thấy rằng,
các ngành sản xuát ở Tp.HCM có độ thuần nhất lớn hơn so với các ngành ở Hà nội.
Với hàm sản xuất Cobb-Douglas ba đầu vào, Bảng 5 cho thấy, với các ngành ở Tp.HCM, độ
co giãn của sản lượng đối với lao động (0,2236) nhỏ hơn độ co giãn của sản lượng đối với
vốn (0,2404). Các ngành sản xuất ở Hà nội có mức độ sử dụng vốn thấp hơn nên độ co giãn
của sản lượng đối với vốn thấp hơn độ co giãn của sản lượng đối với lao động (tương ứng là
17
0,083 và 0,192), và nó ngụ ý rằng, trong quá trình sản xuất, các ngành sản xuất ở Hà nội vẫn
dựa vào lao động nhiều hơn là vốn.
Bảng 5: Kết quả ước lượng hàm sản xuất biên Cobb-Douglas với ba đầu vào
Biến phụ thuộc: InVA
Tp.HCM Hà nội
Biến Tham số Bán chuẩn (Mô hình 1) Mô hình 2 Biến Tham số
Bán chuẩn
(Mô hình 1) Mô hình 2
Constant β0 0,1976 (3,281)**
0,7946
(2,032)* Constant
β0 0,4964
(0,923)
0,484
(1,081)
Ln(L) β1 0,2237 (3,241)**
0,0261
(0,336)* Ln(L)
β1 0,1922
(3,353)*
0,148
(2,231)**
Ln(K) β2 0,2404 (2,836)**
0,789
(8,034)** Ln(K)
β2 0,0803
(1,197)
0,375
(5,393)**
Ln(M) β3 0,4362 (5,717)**
0,0979
(1,284) Ln(M)
β3 0,729
(11,544)**
0,439
(6,993)**
Ln(Z1)
0,2875
(2,348)** Ln(Z1)
0,2736
(1,376)
Ln(Z2)
0,777
(4,887)** Ln(Z2)
0,840
(5,374)**
Ln(Z3)
0,310
(1,84)* Ln(Z3)
-0,464
(-1,834)*
Ln(Z4)
0,422
(0,756) Ln(Z4)
-0,223
(-0,259)
σ2 0,3782 (3,174)**
0,119
(3,626)** σ2
0,5027
(3,328)**
0,245
(4,001)**
µ µ
λ=σu/σv 0,340483 λ=σu/σv 1,057613
Log
likelihood
value
-39,416 -30,189 log
likelihood
value
-49,648 -47,56
Number of
observations
96 96 Number of
observations
96 96
Chú thích: Giá trị trong ngoặc là giá trị kiểm định t . Giá trị có đánh dấu (**) hay (*) thể
hiện rằng hệ số thực sự khác 0 với mức ý nghĩa tương ứng 5% hay 10%.
trong đó:
uv 222 σσσ +=
/u vλ σ σ=
Ln(Z1)- loga tự nhiên của tỷ lệ vốn/lao động,
Ln(Z2)-loga tự nhiên của tỷ lệ hàng tồn kho/sản lượng,
Ln(Z3 )-tỷ lệ nợ/vốn, và
Ln(Z4)-doanh thu ngành.
Nguồn: Tính toán của tác giả
Như có thể thấy trong Bảng 5 (với Mô hình 1), các ngành sản xuất ở Hà nội dựa nhiều vào lao
động trong quá trình sản xuất. Với các ngành ở Tp.HCM, tỷ lệ sử dụng vốn cao hơn nên độ co
giãn của sản lượng đối với vốn cũng cao hơn (ở mức 0,2404) độ co giãn của sản lượng đối với
18
lao động (ở mức 0,2237). Với các ngành tương ứng ở Hà nội, mức độ sử dụng vốn thấp hơn
ngụ ý rằng độ co giãn của sản lượng đối với vốn (ở mức 0,083) thấp hơn độ co giãn của sản
lượng đối với lao động (ở mức 0,1922).
Một điểm quan trọng cần lưu ý là độ co giãn của sản lượng đối với các đầu vào trung gian của
Tp.HCM (ở mức 0,4362) và Hà nội (ở mức 0,729) cao hơn độ co giãn của sản lượng đối với
lao độ...