Tăng trưởng ngoại sinh và nội sinh

Chào các bạn sinh viên, chào mừng đến với một trong những chủ đề hấp dẫn và quan trọng nhất của kinh tế học phát triển: Tại sao một số quốc gia lại trở nên giàu có, trong khi những quốc gia khác lại chật vật trong nghèo đói? Câu hỏi lớn này là trọng tâm của lý thuyết tăng trưởng kinh tế, và trong chuỗi bài học này, chúng ta sẽ cùng nhau khám phá hai luồng tư tưởng chính cố gắng trả lời nó: tăng trưởng ngoại sinh và tăng trưởng nội sinh.

Chúng ta sẽ bắt đầu với nền tảng kinh điển là mô hình tăng trưởng của Solow, một công cụ mạnh mẽ giúp giải thích các quy luật tăng trưởng ở những nước phát triển. Tuy nhiên, chúng ta sẽ nhanh chóng nhận ra rằng thực tế ở các nước đang phát triển phức tạp hơn nhiều, với những cú nhảy vọt về tăng trưởng và sự thay đổi cơ cấu kinh tế mạnh mẽ. Liệu mô hình Solow có thể giải thích được những điều này? Hay chúng ta cần những lý thuyết mới, nơi mà chính sự đổi mới, giáo dục và chính sách bên trong một quốc gia (tăng trưởng nội sinh) mới là động lực thực sự? Chuỗi bài học này sẽ dẫn dắt các bạn đi từ lý thuyết nền tảng, qua các phương trình toán học, đến việc phân tích dữ liệu thực tế, trang bị cho các bạn tư duy và kỹ năng để tự mình phân tích các vấn đề tăng trưởng kinh tế.

Ba từ khóa chính chúng ta sẽ làm chủ trong chuỗi bài này là:

Mô hình Solow: Nền tảng lý thuyết giải thích tăng trưởng dài hạn dựa trên tích lũy vốn, tăng dân số và tiến bộ công nghệ từ bên ngoài.
Thay đổi cơ cấu: Quá trình chuyển dịch kinh tế từ nông nghiệp sang công nghiệp và dịch vụ, một đặc điểm không thể thiếu của các quốc gia đang phát triển.
Tăng trưởng nội sinh: Trường phái lý thuyết cho rằng động lực tăng trưởng đến từ các yếu tố bên trong nền kinh tế như vốn nhân lực, nghiên cứu và phát triển.

Cấu trúc chuỗi bài học

Bài 1: Mô hình tăng trưởng Solow và vai trò của thay đổi cơ cấu
Chúng ta sẽ tìm hiểu nền tảng của mô hình Solow, các quan sát thực tế về tăng trưởng và tại sao thay đổi cơ cấu là một thách thức đối với lý thuyết này.
Bài 2: Mở rộng mô hình Solow với vốn nhân lực và phương trình động
Bài học này sẽ đi sâu vào các phương trình toán học, giúp bạn hiểu cách mô hình Solow được “nâng cấp” để giải thích sự hội tụ kinh tế giữa các quốc gia.
Bài 3: Cuộc tranh luận giữa tăng trưởng ngoại sinh và nội sinh
Chúng ta sẽ phân tích sự khác biệt cốt lõi giữa hai lý thuyết, và các vấn đề kinh tế lượng quan trọng khi kiểm định chúng trong thực tế.
Bài 4: Hướng dẫn thực hành ước lượng mô hình tăng trưởng với Stata
Đây là bài học thực hành tổng hợp, nơi bạn sẽ áp dụng toàn bộ lý thuyết đã học để phân tích dữ liệu tăng trưởng của các quốc gia bằng phần mềm Stata.

KIẾN THỨC TIÊN QUYẾT

Kinh tế vĩ mô cơ bản: Hiểu về GDP, vốn, lao động, và các khái niệm cơ bản của hàm sản xuất.
Kinh tế lượng nhập môn: Nắm vững hồi quy OLS, ý nghĩa của hệ số và cách đọc kết quả hồi quy.
Toán học: Thoải mái với các phép toán logarit, đạo hàm cơ bản và hiểu khái niệm về trạng thái cân bằng.
Stata cơ bản: Biết cách nhập dữ liệu, sử dụng các lệnh summarize và regress.

MỤC TIÊU HỌC TẬP

Hiểu sâu lý thuyết: Phân biệt rõ ràng giữa lý thuyết tăng trưởng ngoại sinh và nội sinh, cũng như vai trò của vốn nhân lực và thay đổi cơ cấu.
Nắm vững mô hình động: Hiểu được cách suy luận và ý nghĩa của phương trình tăng trưởng Solow dạng động.
Tư duy phản biện: Nhận biết được các giả định và hạn chế của mỗi mô hình, cũng như các thách thức khi kiểm định thực nghiệm.
Thực hành thành thạo: Có khả năng sử dụng Stata để ước lượng các mô hình tăng trưởng cơ bản và diễn giải kết quả một cách có ý nghĩa.

TÀI LIỆU THAM KHẢO CHÍNH

Solow, R. (1956): “A Contribution to the Theory of Economic Growth” – Bài báo khai sinh ra mô hình tăng trưởng tân cổ điển.
Kuznets, S. (1966): “Modern Economic Growth” – Công trình kinh điển về các mô hình thay đổi cơ cấu trong quá trình tăng trưởng.
Romer, P. (1990): “Endogenous Technological Change” – Một trong những bài báo tiên phong về lý thuyết tăng trưởng nội sinh.
Mankiw, N. G., Romer, D., & Weil, D. N. (1992): “A Contribution to the Empirics of Economic Growth” – Nghiên cứu có ảnh hưởng rất lớn, mở rộng mô hình Solow với vốn nhân lực và kiểm định thực nghiệm.

PHỤ LỤC: Dữ liệu mô phỏng cho chuỗi bài viết

Để giúp việc học trở nên trực quan, chúng ta sẽ sử dụng một bộ dữ liệu mô phỏng về tăng trưởng kinh tế của 50 quốc gia trong giai đoạn 1980-2010. Bộ dữ liệu này được thiết kế đơn giản, sạch sẽ để tập trung vào các khái niệm kinh tế lượng. Hãy chạy đoạn code Stata dưới đây để tự tạo ra bộ dữ liệu này và lưu lại cho các bài thực hành sau nhé.

Stata

* ==================================================
* TẠO DỮ LIỆU MÔ PHỎNG CHO CHUỖI BÀI HỌC TĂNG TRƯỞNG
* Mục đích: Tạo một bộ dữ liệu bảng (panel data) đơn giản
* để thực hành ước lượng các mô hình tăng trưởng.
* ==================================================

* Xóa dữ liệu cũ trong bộ nhớ
clear

* Thiết lập số lượng quốc gia và số năm quan sát
local num_countries = 50
local start_year = 1980
local end_year = 2010

* Tạo cấu trúc dữ liệu bảng
set obs `num_countries`
gen country_id = _n
expand (`end_year' - `start_year' + 1)
bysort country_id: gen year = `start_year' + _n - 1

* --- Bắt đầu mô phỏng các biến số ---

* 1. Tạo hiệu ứng cố định cho mỗi quốc gia (đại diện cho các yếu tố không đổi)
* Đây là thành phần A(0) trong lý thuyết
bysort country_id: gen tech_level = rnormal(8, 0.5) if _n==1
bysort country_id: replace tech_level = tech_level[1]

* 2. Mô phỏng tỷ lệ đầu tư (investment rate)
* Giả định một số nước có tỷ lệ đầu tư cao hơn và có xu hướng tăng nhẹ
gen investment_rate = runiform(0.10, 0.25) + 0.002*(year - `start_year') + rnormal(0, 0.02) + (country_id/50)*0.1

* 3. Mô phỏng tỷ lệ tăng trưởng dân số (population growth)
* Giả định các nước nghèo hơn (ID nhỏ) có tỷ lệ tăng dân số cao hơn
gen pop_growth = 0.03 - (country_id/`num_countries`)*0.025 + runiform(-0.005, 0.005)

* 4. Mô phỏng vốn nhân lực (human capital - vd: số năm đi học trung bình)
* Giả định vốn nhân lực tăng theo thời gian
gen human_capital = 5 + 0.1*(year - `start_year') + rnormal(0, 0.5) + (country_id/`num_countries`)*3

* 5. Tạo log GDP đầu người ban đầu (năm 1980)
* Giả định GDP ban đầu liên quan đến trình độ công nghệ
gen log_gdp_pc = .
bysort country_id: replace log_gdp_pc = tech_level + rnormal(0, 0.1) if year == `start_year'

* 6. Tạo log GDP các năm sau theo mô hình Solow động
* Đây là phần cốt lõi, mô phỏng quá trình hội tụ
local alpha = 0.33  // Tỷ trọng vốn vật chất
local beta = 0.33   // Tỷ trọng vốn nhân lực
local delta = 0.05  // Tỷ lệ khấu hao
local g = 0.02      // Tốc độ tăng trưởng công nghệ

* Tính lambda (tốc độ hội tụ)
local lambda = (pop_growth + `g' + `delta`)*(1 - `alpha' - `beta')

* Tạo GDP các năm sau bằng vòng lặp
forval y = `start_year' to (`end_year' - 1) {
    local y_next = `y' + 1
    * Tính log GDP ở trạng thái ổn định (log_gdp_star)
    gen log_gdp_star = ( `alpha'/(1-`alpha'-`beta') )*log(investment_rate) + ( `beta'/(1-`alpha'-`beta') )*log(human_capital) - ( (`alpha'+`beta')/(1-`alpha'-`beta') )*log(pop_growth + `g' + `delta')
    
    * Cập nhật log_gdp_pc cho năm tiếp theo
    replace log_gdp_pc = (1 - `lambda')*log_gdp_pc[_n-1] + `lambda'*log_gdp_star + `g' if year == `y_next'
    
    * Xóa biến tạm
    drop log_gdp_star
}

* Dọn dẹp dữ liệu
label variable country_id "Mã quốc gia"
label variable year "Năm quan sát"
label variable log_gdp_pc "Log GDP trên đầu người"
label variable investment_rate "Tỷ lệ đầu tư / GDP"
label variable pop_growth "Tốc độ tăng trưởng dân số"
label variable human_capital "Vốn nhân lực (số năm đi học)"

* Lưu bộ dữ liệu để sử dụng sau này
save "growth_data_simulated.dta", replace
compress

* Xem qua dữ liệu vừa tạo
describe
summarize
list country_id year log_gdp_pc investment_rate in 1/15

* ==================================================
* TẠO DỮ LIỆU MÔ PHỎNG CHO CHUỖI BÀI HỌC TĂNG TRƯỞNG
* Mục đích: Tạo một bộ dữ liệu bảng (panel data) đơn giản
* để thực hành ước lượng các mô hình tăng trưởng.
* ==================================================

* Xóa dữ liệu cũ trong bộ nhớ
clear

* Thiết lập số lượng quốc gia và số năm quan sát
local num_countries = 50
local start_year = 1980
local end_year = 2010

* Tạo cấu trúc dữ liệu bảng
set obs `num_countries`
gen country_id = _n
expand (`end_year' - `start_year' + 1)
bysort country_id: gen year = `start_year' + _n - 1

* --- Bắt đầu mô phỏng các biến số ---

* 1. Tạo hiệu ứng cố định cho mỗi quốc gia (đại diện cho các yếu tố không đổi)
* Đây là thành phần A(0) trong lý thuyết
bysort country_id: gen tech_level = rnormal(8, 0.5) if _n==1
bysort country_id: replace tech_level = tech_level[1]

* 2. Mô phỏng tỷ lệ đầu tư (investment rate)
* Giả định một số nước có tỷ lệ đầu tư cao hơn và có xu hướng tăng nhẹ
gen investment_rate = runiform(0.10, 0.25) + 0.002*(year - `start_year') + rnormal(0, 0.02) + (country_id/50)*0.1

* 3. Mô phỏng tỷ lệ tăng trưởng dân số (population growth)
* Giả định các nước nghèo hơn (ID nhỏ) có tỷ lệ tăng dân số cao hơn
gen pop_growth = 0.03 - (country_id/`num_countries`)*0.025 + runiform(-0.005, 0.005)

* 4. Mô phỏng vốn nhân lực (human capital - vd: số năm đi học trung bình)
* Giả định vốn nhân lực tăng theo thời gian
gen human_capital = 5 + 0.1*(year - `start_year') + rnormal(0, 0.5) + (country_id/`num_countries`)*3

* 5. Tạo log GDP đầu người ban đầu (năm 1980)
* Giả định GDP ban đầu liên quan đến trình độ công nghệ
gen log_gdp_pc = .
bysort country_id: replace log_gdp_pc = tech_level + rnormal(0, 0.1) if year == `start_year'

* 6. Tạo log GDP các năm sau theo mô hình Solow động
* Đây là phần cốt lõi, mô phỏng quá trình hội tụ
local alpha = 0.33  // Tỷ trọng vốn vật chất
local beta = 0.33   // Tỷ trọng vốn nhân lực
local delta = 0.05  // Tỷ lệ khấu hao
local g = 0.02      // Tốc độ tăng trưởng công nghệ

* Tính lambda (tốc độ hội tụ)
local lambda = (pop_growth + `g' + `delta`)*(1 - `alpha' - `beta')

* Tạo GDP các năm sau bằng vòng lặp
forval y = `start_year' to (`end_year' - 1) {
    local y_next = `y' + 1
    * Tính log GDP ở trạng thái ổn định (log_gdp_star)
    gen log_gdp_star = ( `alpha'/(1-`alpha'-`beta') )*log(investment_rate) + ( `beta'/(1-`alpha'-`beta') )*log(human_capital) - ( (`alpha'+`beta')/(1-`alpha'-`beta') )*log(pop_growth + `g' + `delta')
    
    * Cập nhật log_gdp_pc cho năm tiếp theo
    replace log_gdp_pc = (1 - `lambda')*log_gdp_pc[_n-1] + `lambda'*log_gdp_star + `g' if year == `y_next'
    
    * Xóa biến tạm
    drop log_gdp_star
}

* Dọn dẹp dữ liệu
label variable country_id "Mã quốc gia"
label variable year "Năm quan sát"
label variable log_gdp_pc "Log GDP trên đầu người"
label variable investment_rate "Tỷ lệ đầu tư / GDP"
label variable pop_growth "Tốc độ tăng trưởng dân số"
label variable human_capital "Vốn nhân lực (số năm đi học)"

* Lưu bộ dữ liệu để sử dụng sau này
save "growth_data_simulated.dta", replace
compress

* Xem qua dữ liệu vừa tạo
describe
summarize
list country_id year log_gdp_pc investment_rate in 1/15

📚 Bài tiếp theo: Mô hình tăng trưởng Solow và vai trò của thay đổi cơ cấu

💡 Lưu ý: Hãy đảm bảo bạn đã chạy code Stata trên để tạo và lưu bộ dữ liệu. Chúng ta sẽ cần nó cho các bài học thực hành sắp tới. Hãy sẵn sàng để bắt đầu hành trình khám phá những động lực đằng sau sự thịnh vượng của các quốc gia!