Lời mở đầu

Nội dung chính

Cuốn sách kinh tế phát triển thực chứng (Empirical Development Economics) được thiết kế như một công cụ giảng dạy thực tiễn nhằm nghiên cứu các nguyên nhân gây ra nghèo đói. Phần đầu giới thiệu cách tiếp cận định lượng trong kinh tế phát triển, sử dụng dữ liệu để minh họa các vấn đề chính sách.

Mục tiêu đầu tiên là cung cấp một cái nhìn về kinh tế phát triển từ góc độ thực chứng, và thứ hai là giới thiệu các công cụ giúp sinh viên thực hiện nghiên cứu thực nghiệm trong lĩnh vực phát triển. Cuốn sách cũng hướng đến việc thách thức quan niệm của những người thường nghi ngại phương pháp định lượng trong nghiên cứu phát triển, nhằm chỉ ra rằng các phương pháp thực chứng có thể giúp trả lời các câu hỏi quan trọng như: Ai là người nghèo? Nghèo đói được đo lường và giảm thiểu như thế nào? Toàn cầu hóa có làm nghèo người nghèo không? Cuốn sách cố gắng kết nối các phương pháp thống kê cơ bản với các câu hỏi phát triển.

Ngoài ra, mục tiêu của cuốn sách là giúp sinh viên và các nhà nghiên cứu tự thực hiện các công trình nghiên cứu thực nghiệm của riêng mình. Sự gia tăng dữ liệu và khả năng xử lý dữ liệu lớn đã tạo cơ hội cho những ai biết cách sử dụng dữ liệu để giải quyết các câu hỏi chính sách trong phát triển. Cuối cùng, cuốn sách là nỗ lực hợp tác giữa các tác giả và đồng nghiệp, với một phần được đóng góp bởi nhiều chuyên gia trong lĩnh vực.

Nội dung cuốn sách được phân thành hai phần chính:

• Phần 1: Liên kết mô hình và dữ liệu.
• Phần 2: Mô hình hóa. Nội dung phần này đề cập đến các kỹ thuật nghiên cứu phát triển, bao gồm đầu tư của doanh nghiệp, quyết định chi tiêu giáo dục của hộ gia đình, tác động của tín dụng vi mô, viện trợ lương thực, giáo dục tư nhân và quyền sở hữu tài sản.

Phần 1: Liên kết mô hình với dữ liệu cho phát triển

1. Giới thiệu về kinh tế phát triển thực chứng
2. Mô hình hồi quy tuyến tính đơn giản
3. Phân tích hồi quy bội: ước lượng (estimation)
4. Phân tích hồi quy bội: suy luận (inference)
5. Phương pháp ước lượng hợp lý tối đa (Maximum Likelihood Estimation)
6. Phương sai không đồng nhất (Heteroskedasticity)
7. Mô hình lựa chọn: LPM, Probit và Logit
8. Mô hình Logit và Probit: suy luận và chẩn đoán (Inference and Diagnostics)
9. Giới thiệu về chuỗi thời gian (Time Series)
10. Tương quan chuỗi (Serial Correlation) trong mô hình chuỗi thời gian
11. Đồng liên kết (Cointegration)
12. Dữ liệu bảng: Giới thiệu
13. Ước lượng dữ liệu bảng: POLS, RE, FE, FD
14. Ước lượng biến công cụ (Instrumental Variable Estimation)
15. Đánh giá chương trình: Những điều cơ bản
16. Đánh giá chương trình: Sự tuân thủ không hoàn hảo và tính không đồng nhất

Phần 2: Mô hình hóa

17. Nguyên tắc mô hình hóa: Tính nội sinh và biến công cụ (Endogeneity and Instruments)
18. Mô hình cấu trúc (Structural Models)
19. Phân tích kinh tế lượng dữ liệu bảng động (Dynamic Panel Data)
20. Ước lượng mô hình Burnside và Dollar và mô hình tăng trưởng MRW
21. Dữ liệu bảng và tính nội sinh
22. Chọn mẫu (Sample Selection)
23. Mô hình Tobit
24. Lựa chọn đa trị (Multinomial choice)
25. Phân tích dữ liệu bảng dài hạn: Giới thiệu
26. Tính không dừng và đồng liên kết trong chuỗi thời gian bảng (Nonstationarity and Cointegration in Panel Time Series)
27. Phụ thuộc chéo trong chuỗi thời gian bảng (Cross-section Dependence in Panel Time Series)
28. Các hàm sản xuất vĩ mô (Macro production functions)

Cách sử dụng cuốn sách này

Như chúng tôi đã đề cập trong phần Lời nói đầu, mục tiêu của việc viết cuốn sách này là giúp sinh viên và nhà nghiên cứu hiểu được mối liên hệ giữa phân tích thực nghiệm và các vấn đề nổi bật trong kinh tế học phát triển. Cuốn sách này được thiết kế rất “thực hành”, vì hầu hết các bài tập đều yêu cầu sinh viên áp dụng các kỹ thuật đã được đề cập trong chương vào dữ liệu từ các nước đang phát triển.

Trong một số chương, dữ liệu này đã được trình bày trước đó; ở các chương khác, bài tập yêu cầu áp dụng kỹ thuật vào các bộ dữ liệu khác. Mục đích là khuyến khích sinh viên áp dụng những kỹ thuật đã học và thấy rõ những thay đổi nhỏ trong cách quy định mô hình có thể dẫn đến những thay đổi lớn trong kết quả như thế nào. Trang web liên kết với cuốn sách này cung cấp thêm dữ liệu và bài tập. Một trang web về các nguồn dữ liệu phù hợp để sử dụng với cuốn sách này có thể được tìm thấy tại: https://sites.google.com/site/medevecon/development-economics/devecondata.

Tuy nhiên, cấu trúc của cuốn sách cho phép giảng viên sử dụng dữ liệu của riêng mình với các ứng dụng mà họ đặc biệt quan tâm. Hiện nay, việc các tạp chí yêu cầu các bài báo thực nghiệm công khai dữ liệu của họ đã trở nên phổ biến. Không thiếu dữ liệu để bạn có thể sử dụng và các bài tập trong sách nên được coi là minh họa cho một cách tiếp cận mà chúng tôi tin rằng sẽ giúp sinh viên có được cái nhìn rõ ràng hơn về mối liên hệ giữa các kỹ thuật kinh tế lượng và ứng dụng của chúng. Một số mô hình được trình bày trong sách có thể không hoạt động tốt khi sử dụng dữ liệu đã cung cấp, và có nhiều điều có thể học được từ những thất bại này.

Mục tiêu của việc hiểu mối liên hệ từ các mô hình đến dữ liệu trong phát triển là nền tảng cho cấu trúc của cuốn sách. Nói chung, phần đầu giới thiệu các kỹ thuật cơ bản. Phần này dự định phù hợp cho một khóa học đại học mà giảng viên muốn cho thấy các kỹ thuật kinh tế lượng có thể cung cấp thông tin cho các câu hỏi về phát triển như thế nào. Phần thứ hai cung cấp một sự xử lý nâng cao hơn và dự định phù hợp cho một khóa học sau đại học với mục tiêu tương tự là cho thấy cách tiếp cận định lượng có thể được sử dụng cho các vấn đề phát triển như thế nào.

Chúng tôi cần nhấn mạnh rằng đây không phải là một cuốn sách giáo khoa về kinh tế lượng, cũng không phải là một cuốn sách về kinh tế học phát triển. Có những cuốn sách xuất sắc trong cả hai lĩnh vực này. Cách tiếp cận mà chúng tôi áp dụng để trình bày tài liệu kinh tế lượng nhập môn trong Phần 1 của cuốn sách tuân theo rất sát với Wooldridge (2013) và, nếu bạn mới làm quen với tài liệu này, thì điều quan trọng là bạn phải tham khảo cuốn sách đó. Cuốn sách nâng cao hơn của Wooldridge (2010) cũng sẽ cần được tham khảo cho các phần trong Phần 2 liên quan đến các mô hình phi tuyến và phương pháp dữ liệu bảng. Trái ngược với các sách giáo khoa kinh tế lượng nhập môn, không có một phương pháp trình bày thống nhất nào về các vấn đề phát triển.

Điều này cho phép chúng tôi tự do đưa ra khung lý thuyết của riêng mình – được trình bày khái quát trong chương đầu tiên. Hiểu quá trình phát triển đòi hỏi phải hiểu các quá trình thúc đẩy thu nhập (được định nghĩa rất rộng rãi). Chúng tôi đã cấu trúc cuốn sách sao cho các nguồn thu nhập được rút ra từ cả dữ liệu vi mô – dữ liệu cho cá nhân, hộ gia đình hoặc doanh nghiệp – và dữ liệu vĩ mô, cung cấp dữ liệu so sánh quốc tế về GDP và giáo dục. Ở các nước nghèo, việc đo lường thu nhập, dù ở cấp hộ gia đình hay ở cấp độ kinh tế vĩ mô, là một thách thức lớn mà chúng tôi sẽ thảo luận.

Cuốn sách này được thiết kế để khác biệt không chỉ ở cách tiếp cận định lượng mà còn ở cách trình bày một loạt các cách tiếp cận. Kinh tế học phát triển đã trải qua một thay đổi lớn trong trọng tâm trong thập kỷ qua với sự gia tăng của các phương pháp thực nghiệm để giải quyết các vấn đề phát triển. Một trong những mục tiêu của chúng tôi là chỉ ra cách các phương pháp như vậy liên quan đến các phương pháp truyền thống hơn. Do đó, khi phương pháp mới này được giới thiệu trong Phần IV, chúng tôi sẽ cố gắng giải thích kỹ lưỡng mối liên hệ của nó với các mô hình hồi quy đơn và đa biến. Cho đến rất gần đây, cách tiếp cận thực nghiệm này được coi là hoàn toàn đối lập với cách tiếp cận sử dụng các mô hình cấu trúc. Trong Phần VI, chúng tôi trình bày các kiến thức cơ bản về xây dựng một mô hình cấu trúc và hướng dẫn bạn, nếu bạn quan tâm, đến các nghiên cứu hiện tại đang tìm cách kết hợp cả dữ liệu thực nghiệm và mô hình hóa cấu trúc.

Một khía cạnh quan trọng khác của cuốn sách là cách trình bày các khác biệt xuất hiện trong phân tích dữ liệu cắt ngang, chuỗi thời gian và dữ liệu bảng. Trong Phần 1, chúng tôi giới thiệu cả ba loại dữ liệu: dữ liệu chéo, dữ liệu chuỗi thời gian và dữ liệu bảng. Một chủ đề chung xuyên suốt các loại dữ liệu khác nhau này là mong muốn đưa ra các tuyên bố nhân quả theo kiểu “đầu tư vào giáo dục dẫn đến tăng thu nhập”. Chúng tôi hy vọng rằng sau khi hoàn thành Phần 1, bạn sẽ hiểu tại sao việc xác lập khi nào hoặc liệu điều đó có đúng là một nhiệm vụ khó khăn.

Dữ liệu bảng liên quan đến sự kết hợp giữa dữ liệu chéo và chuỗi thời gian và do đó cung cấp cơ hội giải quyết các vấn đề mà dữ liệu cắt ngang hoặc chuỗi thời gian đơn lẻ không thể giải quyết hoàn toàn. Cách dữ liệu bảng có thể làm điều này, cách động lực học có thể được giới thiệu (và tại sao dạng động lực học là rất quan trọng để hiểu các cuộc tranh luận về nguồn gốc của tăng trưởng), liệu đầu tư có ảnh hưởng đến tỷ lệ tăng trưởng và cách thức viện trợ và chính sách có thể ảnh hưởng đến tăng trưởng là tất cả các chủ đề được giải quyết trong Phần 2. Chúng tôi tập trung vào các công trình gần đây về dữ liệu bảng vĩ mô (T dài). Các kỹ thuật này được sử dụng để giải quyết các vấn đề trong mô hình hóa sản xuất công nghiệp và nông nghiệp, thay vì GDP tổng hợp, và đánh giá sự thay đổi năng suất theo thời gian và giữa các ngành.

Chủ đề rộng lớn cuối cùng của cuốn sách là mối liên hệ giữa các mô hình lựa chọn và các vấn đề thiên lệch do sự lựa chọn và dị biệt trong phản ứng với chính sách đặt ra. Chúng tôi hy vọng rằng bạn sẽ thấy mối liên hệ giữa các chủ đề này và các vấn đề do việc hiểu cách các doanh nghiệp đầu tư, cách các hộ gia đình quyết định chi tiêu bao nhiêu cho giáo dục của con cái, liệu tín dụng vi mô có giúp người nghèo không, liệu viện trợ lương thực có hiệu quả, ai được học trường tư và liệu quyền sở hữu tài sản có tăng cường đầu tư không. Mục tiêu của chúng tôi trong suốt cuốn sách không phải là trả lời những câu hỏi đó mà là thuyết phục bạn rằng nghiên cứu các phương pháp định lượng liên quan có thể giúp bạn tự tìm ra câu trả lời.

Tài liệu tham khảo

Wooldridge, J. M. (2010) Econometric Analysis of Cross Section and Panel Data, Second Edition, The MIT Press, Cambridge, Massachusetts.
Wooldridge, J. M. (2013) Introductory Econometrics: A modern approach, Fifth Edition, South-Western Cengage Learning.