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

với số liệu của 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 hoặc 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 hoặc 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 (**) hoặc (*) thể hiện rằng hệ số thực sự khác 0 với mức ý nghĩa tương ứng 5% hoặc 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 động (ở mức 0,2404 cho Tp.HCM, và 0,192 cho Hà nội), và vốn (ở mức 0,2404 cho Tp.HCM, và 0,0803 cho Hà nội). Điều này có thể khẳng định rằng, tất cả các ngành sản xuất của hai thành phố được nghiên cứu trong bài viết này đã có hoạt động sản xuất kinh doanh dựa nhiều vào đầu vào trung gian trong giai đoạn 2000-2002. Hiệu quả quy mô được tính bằng cách cộng tất cả ba độ co giãn của sản lượng đối với các đầu vào nêu trên. Lợi suất kinh tế trung bình theo quy mô của các ngành ở Tp.HCM đạt ở mức thấp hơn các ngành ở Hà nội trong cả hai mô hình ước lượng (0,9003 so với 1,0015 trong Mô hình 1, và 0,913 so với 0,962 trong Mô hình 2). Những kết quả này có thể gợi ý một số vấn đề sau. (i) Các ngành sản xuất ở cả Tp.HCM và Hà nội đều có hiệu suất theo quy mô khá cao, và (ii) Lợi suất kinh tế theo quy mô của các ngành ở Hà nội cao hơn so với các ngành ở Tp.HCM cho biết rằng rất nhiều ngành có thể cải thiện mức lợi nhuận của mình. Xét đến tiêu thức năng suất, từ kết quả ước lượng ta thấy rằng, theo thời gian, hai chỉ số thể hiện hiệu quả sản xuất ở Hà nội và Tp.HCM đều có giá trị lớn hơn. Một trong hai chỉ số đó là 2σ vì 2σ đại diện cho tổng phương sai của sản lượng, và nó bao gồm hai nhân tố là sai số ngẫu nhiênσu2 và nhân tố hiệu quả kỹ thuật σv2. Bảng 5 cho thấy 2σ của các ngành ở Tp.HCM (0,3782 trong Mô hình 1, và 0,119 trong Mô hình 2) thấp hơn 2σ của các ngành ở Hà nội (với 0,527 trong Mô hình 1, và 0,245 trong Mô hình 2). Tuy nhiên, theo định nghĩa của chỉ số này, giá trị 2σ lớn không có nghĩa là phương thức sản xuất không có hiệu quả vì chỉ số này bao hàm hai nhân tố đại diện cho các mặt khác nhau của quá trình sản xuất. Vì thế, chúng ta dùng một chỉ số khác, đó là λ = σu/σv, để phân tích phi hiệu quả trong cách tiếp cận SFPF. Giá trị λ lớn thể hiện rằng phần lớn sự không hiệu quả trong sản xuất là do phi hiệu quả kỹ thuật, σu2. Mặt khác, giá trị λ nhỏ ngụ ý rằng hiệu quả sản xuất cao hơn. Kết quả ước lượng theo Mô hình 2 cũng được liệt kê trong Bảng 5. Các ngành sản xuất ở Tp.HCM có λ nhỏ hơn so với các ngành ở Hà nội (0,3408 so với 1,0576). Điều này không có gì ngạc nhiên vì các ngành ở Tp.HCM có hiệu quả sản xuất cao hơn các ngành ở Hà nội (ví dụ 66%so với 64% trong năm 2002). Nói cụ thể, tại Tp.HCM, khoảng 75% tổng phương sai sản xuất là do các nhiễu không quan sát được, và 25% còn lại là do nhiễu phi hiệu quả kỹ thuật (λ = 0.254), trong khi ở Hà nội, con số tương ứng là 49% và 51%. Phân phối hiệu quả sản xuất của các ngành sản xuất ở Hà nội và Tp.HCM được trình bày trong Bảng 6a dưới đây cho thấy mức hiệu quả nhỏ nhất của ở Tp.HCM trong các năm 2000, 2001 và 2002 tương ứng là 25,73%, 29,35%, và 33,05%, trong khi mức hiệu quả lớn nhất tương ứng là 91,62%, 92,39%, và 93,08%. Các kết quả này cho thấy có sự cải thiện về hiệu quả sản xuất ở những ngành này tại Tp.HCM trong giai đoạn nghiên cứu. Phân phối hiệu quả kỹ thuật của các ngành ở Hà nội được đặc trưng bởi sự giảm sút của mức hiệu quả kỹ thuật nhỏ nhất. Mức hiệu quả kỹ thuật nhỏ nhất của các ngành này giảm từ 25,52% năm 2000 xuống 24,81% năm 2001 và xuống 22,89% năm 2002. Mức hiệu quả kỹ thuật cao nhất (tương 19 ứng là 92,81% năm 2000, 92,5% năm 2001 và 92,27% năm 2002) cho thấy rằng các ngành này còn nhiều cơ hội tăng hiệu quả sản xuất. Bảng 6a: Phân phối hiệu quả sản xuất của các ngành ở hai thành phố Tp.HCM Hà nội Year 2000 2001 2002 2000 2001 2002 Mean 0,611614 0,638095 0,663624 0,659715 0,650265 0,640675 Median 0,618368 0,647330 0,674775 0,684211 0,674397 0,664373 Max 0,916246 0,923891 0,930883 0,928104 0,925455 0,922715 Min 0,257358 0,293508 0,330539 0,255215 0,241960 0,228921 Std. Dev. 0,200068 0,190072 0,179821 0,178273 0,181529 0,184732 Skewness 0,007231 -0,027221 -0,059169 -0,510907 -0,487626 -0,463817 Kurtosis 1,716208 1,730119 1,745834 2,598693 2,559298 2,520118 Jarque-Bera 2,197774 2,154081 2,115914 1,606868 1,527112 1,454387 Probability 0,333242 0,340602 0,347164 0,447789 0,466006 0,483263 Observations 32 32 32 32 32 32 Nguồn: Tính toán của tác giả Kết quả ước lượng hiệu quả kỹ thuật của các ngành ở hai thành phố cho thấy xu hướng thay đổi giống nhau của chúng. Điều khác biệt duy nhất là điểm hiệu quả của các ngành ở Tp.HCM tăng lên, trong khi các ngành ở Hà nội lại có điểm hiệu quả giảm trong giai đoạn này. Một điều cũng đáng lưu tâm là điểm hiệu quả kỹ thuật trung bình của Hà nội trong hai năm 2000 và 2001 lớn hơn so với Tp.HCM, nhưng lại thấp hơn trong năm 2002. Bảng 6b thể hiện tần suất phân phối ước lượng hiệu quả kỹ thuật của các ngành sản xuất ở Hà nội và Tp.HCM và nó cho thấy nhận định hoàn toàn khác. Trong giai đoạn nghiên cứu, tất cả các chỉ số hiệu quả có phương sai lớn hơn. Dù điểm hiệu quả bình quân của các ngành ở hai thành phố khá sát nhau, nhưng số lượng ngành có 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