CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN
Hiệu ứng “học hỏi trong công việc”
2.1.1 Thuyết đường cong học hỏi (The Learning Curve Theory)
Người đầu tiên mô tả đường cong học hỏi là một nhà tâm lý học người Đức Herman Ebbinghaus (1850-1909), khi ông thực hiện các bài kiểm tra quá trình ghi nhớ các âm tiết Nhƣng trong kinh tế học, khái niệm này lần đầu tiên đƣợc mô tả bởi một kỹ sƣ hàng không tên là Theodore Wright Wright (1936) đã quan sát thấy rằng, khi nhiều máy bay của một loại nhất định đƣợc sản xuất, chi phí sản xuất giảm đáng kể và đề xuất một mô hình toán học để mô tả nó Cụ thể, ông nghiên cứu vào các yếu tố ảnh hưởng tới giá thành của máy bay trong ngành công nghiệp sản xuất máy bay Wright quan sát thấy rằng, yếu tố lao động đầu vào trực tiếp cần cho việc sản xuất một bộ khung của một mẫu máy bay cụ thể giảm dần với một tỉ lệ tương đồng khi thời gian sản xuất tích lũy càng lâu Hay nói một cách khác, khi công nhân có đƣợc kinh nghiệm, họ đã có thể sản xuất nhanh hơn Khi kinh nghiệm của người lao động tăng lên, thời gian hoàn thành một nhiệm vụ giảm liên tục Tuy nhiên, tiết kiệm thời gian cuối cùng đã dừng lại ở một điểm nhất định LBD cũng phản ánh hiệu quả gia tăng trong quy trình sản xuất, tiến bộ trong kỹ thuật gia công và thiết kế của các bộ phận đƣợc sản xuất và sự gia tăng độ thành thục của mỗi cá nhân nhân công
Ngoài ra, Dewey cũng là một trong những tác giả đầu tiên đề cập cụ thể đến vấn đề LBD Năm 1938, Dewey cho rằng LBD là một cách tiếp cận thực tiễn để học hỏi, có nghĩa là người học sẽ tương tác với môi trường công việc để thích nghi và học hỏi để tạo ra kiến thức mới Theo ông LBD không phải là một mô hình tuyến tính mà là vấn đề làm và trải qua kết quả của việc làm trong đó suy nghĩ đóng vai trò quan trọng: tạo ra chính xác và có chủ ý kết nối giữa những gì đƣợc thực hiện và kết quả của nó
Kể từ các công trình nghiên cứu của Wright (1936) và Dewey (1938) khái niệm về học thuyết LBD đã đƣợc ứng dụng rộng rãi Chẳng hạn, khoảng một thập kỷ sau nghiên cứu của Wright, Wyer (1953) phát hiện rằng đường cong học hỏi giúp tạo lợi
8 nhuận và kiểm soát chi phí Taylor (1962) khám phá rằng quá trình học hỏi đƣợc sử dụng làm một công cụ dự đoán chi phí cơ bản Arrow (1962) đã chứng minh ứng dụng kinh tế thực tế của hiện tƣợng LBD
Ngoài ra, giữa LBD đặc thù doanh nghiệp và LBD toàn bộ nền kinh tế hoặc LBD toàn ngành có sự khác biệt LBD của doanh nghiệp cụ thể là độc quyền của các công ty với lợi nhuận không bị chiếm đoạt đƣợc bởi lao động, trong khi lợi nhuận từ tổng vốn con người, một khi có được, sẽ được nhân viên chiếm dụng và phản ánh trong mức tiền lương Trong đề tài hiện tại, nhóm tác giả tập trung chủ yếu LBD đặc thù doanh nghiệp Ở đây, học hỏi trong công việc của toàn nền kinh tế hoặc toàn ngành cũng như tác động của việc tích lũy kiến thức từ sự tăng trưởng tổng vốn nhân lực và trình độ kỹ thuật thể hiện trong vốn vật chất đƣợc loại trừ khỏi phân tích Đồ thị của sự phụ thuộc tương ứng (giả sử mối quan hệ giữa năng suất lao động của một công nhân đại diện và số lƣợng đơn vị sản phẩm đƣợc sản xuất bởi một công ty) đƣợc gọi là đường cong học hỏi
Hình 1 Minh họa thuyết đường cong học hỏi
Khi có những thay đổi về yếu tố đầu vào trong quá trình sản xuất mà nguyên nhân không xuất phát từ chính các yếu tố đầu vào đó, thì sự thay đổi đó rất có khả năng là hệ quả của sự hiệu quả (tiến bộ) từ sự thay đổi quy trình làm việc theo thời gian Có thể lập luận rằng, sự gia tăng hiệu quả trong quá trình sản xuất đƣợc lý giải một phần bởi sự gia tăng mức độ thành thạo của lực lƣợng lao động với các hoạt động sản xuất Hình 1 minh họa cho hiện tƣợng này Giả sử một quá trình lặp lại nhiều lần có chi phí cố định là C t bắt đầu và tiếp tục từ thời điểm n t cho tới thời điểm n t+1 , chi phí đó sẽ giảm dần khi hiệu quả bắt đầu xuất hiện do sự thành thục của nhân công đối với quy trình/công đoạn
2.1.2 Thuyết đường cong học hỏi chữ S (S-Curve)
Nhƣ đề cập ở trên, Dewey (1938) cho rằng LBD không phải là một mô hình tuyến tính, quá trình LBD không tồn tại vĩnh viễn; hiệu ứng học hỏi sẽ mất dần theo thời gian
Hình 2 Đường cong học hỏi truyền thống và mô hình đường cong chữ S
Nguồn: Karaoz & Albeni (2005) Đơn giá
Mô hình đường cong học hỏi tuyến tính logarit
Mô hình đường cong chữ S
Ngoài ra, theo Karaoz & Albeni (2005), giống nhƣ nhiều hoạt động kinh tế khác, trình độ học hỏi về công nghệ sẽ thay đổi theo thời gian, tùy thuộc vào hoàn cảnh cụ thể
Vì lý do này, các mô hình phi tuyến tính mở rộng khác nhau được đề xuất hay đường cong học hỏi được thể hiện bằng một đường cong hình chữ S Trường phái phi tuyến tính trong việc ước tính đường cong học hỏi hữu ích vì nó có thể dự tính đầy đủ tỷ lệ tiến bộ công nghệ dài hạn hàng năm và đồng thời cung cấp một khuôn khổ hợp lý cho việc dự đoán phương hướng tương lai cho công tác dự báo công nghệ (Karaoz & Albeni, 2005)
Hình 2 minh họa đường cong học hỏi truyền thống và đường cong học hỏi theo mô hình chữ S đều ở dạng logarit Hình 2 cho thấy, trái ngƣợc với mô hình học tập truyền thống, đạo hàm hay độ dốc bậc nhất của mô hình đường cong S tạo ra độ co giãn linh hoạt của độ nhạy cảm học hỏi và tỷ lệ tiến bộ (mức độ học hỏi) trong khi di chuyển dọc theo đường cong
Trong nền kinh tế dựa trên tri thức ngày nay, việc học hỏi công nghệ ngày càng trở nên quan trọng đối với khả năng cạnh tranh kinh tế và mức độ học và quên là rất cao
Vì vậy, để cạnh tranh, các doanh nghiệp phải phát triển và liên tục cập nhật cơ sở kiến thức công nghệ của họ nhanh hơn Điều này chỉ có thể xảy ra thông qua việc tăng tốc và duy trì mức độ học hỏi cao hơn Điều này cho thấy rằng hiện tƣợng học hỏi có tính lũy tiến và bị ảnh hưởng bởi thời gian và phải được duy trì nếu không sẽ mất Khi mất hiện tƣợng học hỏi thì hiện tƣợng quên sẽ bắt đầu xuất hiện Cách tiếp cận năng động đối với việc học hỏi sẽ cho phép các nhà hoạch định chính sách theo dõi lộ trình dài hạn của việc học hỏi công nghệ và thực hiện những điều chỉnh cần thiết để ảnh hưởng đến mức độ học hỏi khi phù hợp
Bởi vì các lý do như chất lượng tương tác, sự sẵn có của nguồn vốn - nhân lực và chất lƣợng thể chế trong nền kinh tế hoặc ngành công nghiệp, việc phổ biến rộng rãi và áp dụng các đổi mới công nghệ cần có thời gian Ngoài ra, vì việc học hỏi công nghệ là một quá trình tích lũy, tốn kém và quy trình phụ thuộc vào lối mòn; nên quá trình lan
11 tỏa kiến thức, những đặc điểm của việc học hỏi này tạo ra sự không đồng nhất và chênh lệch về năng lực hấp thụ công nghệ và cơ sở kiến thức của các tác nhân kinh tế nhƣ doanh nghiệp, khu vực hoặc ngành Đó là lý do tại sao có nhiều lý do khiến việc học hỏi công nghệ và tốc độ lan truyền khiến thay đổi theo thời gian.
Lý thuyết tăng trưởng nội sinh Romer
Mô hình tăng trưởng nội sinh tân cổ điển mô tả được những đặc điểm chủ yếu của một hệ thống kinh tế thực ở các nước công nghiệp tiên tiến Vì thế, mô hình tăng trưởng tân cổ điển bao gồm hai yếu tố cơ bản là vốn và lao động, đồng thời cũng là cấu trúc cơ sở và đƣợc sử dụng trong hầu hết các nghiên cứu kinh tế vĩ mô liên quan đến các nước phát triển Tuy nhiên, nó không giải thích được đầy đủ những thực tế về tăng trưởng kinh tế, đặc biệt ở các nước đang phát triển So với mô hình Solow, mô hình LBD giả định rằng kiến thức là hàng hóa công cộng: trong mô hình này, kiến thức không phải là cạnh tranh và tràn ra ngay lập tức giữa các công ty với chi phí bằng không Do đó, giống nhƣ trong mô hình Solow, không có động lực kinh tế để tạo ra kiến thức mới
Những hạn chế của mô hình tăng trưởng Solow là nguyên nhân dẫn đến sự ra đời một loạt mô hình tăng trưởng (vẫn dựa trên khuôn khổ lý thuyết tân cổ điển) được gọi là các mô hình tăng trưởng nội sinh Kể từ cuối những năm 1980 đến nay, nhiều mô hình đã được xây dựng với mục đích làm sáng tỏ cơ chế nội sinh thúc đẩy tăng trưởng kinh tế Và trái ngƣợc với mô hình Solow, tại mô hình này mức độ công nghệ là nội sinh: công nghệ phát sinh mà không có nỗ lực có chủ đích, nhưng xuất hiện dưới dạng sản phẩm phụ của tích lũy vốn, đƣợc thúc đẩy bởi các quyết định kinh tế Do đó, các chính sách ảnh hưởng đến tốc độ tích lũy vốn cũng sẽ ảnh hưởng đến trình độ công nghệ và do đó phát triển kinh tế
Có thể phân biệt hai nhánh chủ yếu trong các lý thuyết và mô hình tăng trưởng nội sinh Nhánh thứ nhất ra đời từ những nghiên cứu của Arrow (1962) và Romer (1990) Trong những mô hình này, các nhà kinh tế đƣa ra quan điểm cho rằng yếu tố
12 thúc đẩy tăng trưởng là sự tích lũy kiến thức, chúng có ý nghĩa khác nhau liên quan đến các yếu tố xác định tốc độ tăng trưởng trạng thái dừng của một nền kinh tế Đầu tiên, đƣợc giới thiệu bởi Kenneth Arrow, vẫn giữ giả định tân cổ điển về lợi suất về vốn giảm dần, ngay cả sau khi tính đến ngoại lệ Trong phiên bản này, có sự gia tăng hoàn toàn về vốn và lao động, nhƣng có những khoản thu nhập về vốn giảm dần Do đó, mô hình có các hiệu ứng tích tụ nhưng không thể tạo ra sự tăng trưởng nội sinh Phiên bản thứ hai của mô hình, được khám phá bởi Paul Romer, mô hình mang lại sự tăng trưởng không ngừng Ở nhánh thứ hai của các mô hình tăng trưởng nội sinh, các nhà kinh tế như Lucas (1988), Rebelo (1991), Mankiw, Romer và Weil (1992) lại có cái nhìn rộng hơn về vốn, cho rằng vốn bao gồm cả vốn con người
Nhóm nghiên cứu thực hiện phân tích dựa trên mô hình tăng trưởng nội sinh theo nhánh thứ nhất
Năm 1962, Arrow đã sử dụng ý tưởng LBD để xây dựng một mô hình tăng trưởng nội sinh Arrow mô hình hóa LBD ở cấp độ doanh nghiệp với nhiều giả định, ông giả định rằng đầu tƣ vào vốn có tác động tỷ lệ thuận đến lƣợng kiến thức của công ty Bởi vì, khi các doanh nghiệp đầu tƣ công nghệ mới thì yêu cầu tất yếu là phải học cách sử dụng thiết bị mới và điều chỉnh quy trình sản xuất của họ để thu đƣợc lợi nhuận cao hơn Khi lực lƣợng lao động trở nên quen thuộc hơn với công nghệ mới, lƣợng kiến thức kỹ thuật chung tăng lên Một giả định quan trọng của mô hình LBD là sự thay đổi công nghệ xảy ra nhƣ một sản phẩm phụ của tích lũy vốn, vì vậy nó không liên quan đến các quyết định kinh tế có chủ đích Hay nói một cách khác, mô hình LBD là rò rỉ (khuếch tán) kiến thức: đó là các công ty có xu hướng mô phỏng những cải tiến đạt được của các công ty khác, vì vậy tất cả họ đều được hưởng lợi từ kinh nghiệm tích lũy của nhau hay gọi là hiệu ứng lan tỏa (Spillover effects) Lưu ý rằng, giả định về tính lan tỏa kiến thức là rất quan trọng để mô hình phù hợp với cạnh tranh hoàn hảo: nếu kiến thức đƣợc tạo ra không bị rò rỉ, công ty tích lũy vốn sẽ có năng suất cao hơn so với đối
13 thủ cạnh tranh; lợi nhuận của nó sẽ ngày càng cao hơn và các điều kiện sẽ tồn tại để công ty này phát triển một mình và chiếm lĩnh toàn bộ thị trường Lý do là kiến thức không phải là cạnh tranh: nghĩa là, một khi kiến thức đƣợc tiếp thu, nhiều công nhân và công ty có thể sử dụng nó mà không làm giảm hiệu quả của nó
Kết hợp giả thuyết LBD của Arrow với giả thuyết về sự lan tỏa kiến thức, Romer đã xây dựng một lý thuyết tăng trưởng là mô hình Arrow-Romer hay ngắn gọn là mô hình Romer Giả thuyết lan tỏa kiến thức cho thấy rằng kiến thức bị rò rỉ và tất cả các công ty có thể truy cập nó một cách miễn phí Nhƣ đã đề cập, kiến thức mà mỗi công ty có đƣợc thông qua việc học hỏi và sẽ tràn ra cho tất cả các công ty khác, nhƣng đồng thời công ty này cũng được hưởng lợi từ kiến thức mà các công ty sau này tạo ra trong quá trình học hỏi Vì vậy, bất cứ lúc nào tất cả các công ty đều có cùng một mức độ kiến thức, tương đương với kiến thức của toàn bộ nền kinh tế, A t :
Từ biểu thức (2), có nghĩa là tất cả các doanh nghiệp có cùng tỷ lệ vốn-lao động, tương đương với tỷ lệ vốn tổng-lao động tổng Cụ thể, phương trình (3) chỉ ra rằng mức độ kiến thức không đƣợc xác định một cách ngoại sinh Nó phụ thuộc vào tỷ lệ vốn-lao động đƣợc quyết định bởi các công ty và do đó, là nội sinh
Do đó, lý thuyết tăng trưởng nội sinh của Romer có thể được mô tả bởi một hàm sản xuất Cobb-Douglas có CRS (returns to scale) ở cấp độ doanh nghiệp trong (K,
L) nắm giữ kiến thức tổng hợp cố định nhƣ sau:
Romer cho rằng, đây là các yếu tố chính trong mô hình làm tăng lợi nhuận trong sản xuất đầu ra và giảm lợi nhuận trong sản xuất kiến thức mới Đó là sự truyền dẫn từ những nỗ lực nghiên cứu của một công ty dẫn đến việc tạo ra kiến thức mới của các công ty khác Nói cách khác, công nghệ nghiên cứu mới của một công ty tràn ra ngay lập tức trên toàn bộ nền kinh tế Trong mô hình của ông, kiến thức mới là yếu tố quyết
14 định cuối cùng của tăng trưởng dài hạn được xác định bằng đầu tư vào công nghệ Công nghệ nghiên cứu cho thấy lợi nhuận giảm dần có nghĩa là đầu tƣ vào công nghệ nghiên cứu sẽ không tăng gấp đôi kiến thức Hơn nữa, công ty đầu tƣ vào công nghệ nghiên cứu sẽ không phải là người hưởng lợi độc quyền của sự gia tăng kiến thức Các công ty khác cũng sử dụng kiến thức mới do sự không phù hợp của bảo vệ bằng sáng chế và tăng sản xuất của họ Do đó, việc sản xuất hàng hóa từ kiến thức tăng lên cho thấy lợi nhuận ngày càng tăng và trạng thái cân bằng cạnh tranh phù hợp với việc tăng lợi nhuận tổng hợp do ngoại tác Và Romer lấy đầu tƣ vào công nghệ nghiên cứu làm yếu tố nội sinh về việc tiếp thu kiến thức mới của các công ty tối đa hóa lợi nhuận hợp lý
Lưu ý rằng phương trình (3) là một hàm tân cổ điển nghiêm ngặt với lợi nhuận không đổi theo quy mô (CRS), năng suất biên của vốn (MPK) và năng suất biên của lao động (MPL) dương và giảm dần Bằng cách tổng hợp đơn giản tất cả các hàm sản xuất riêng lẻ, đề tài có đƣợc một hàm sản xuất tổng hợp:
Trong đó: là tỷ lệ khấu hao, là tốc độ tăng dân số, và
Với Khi đó, phương trình (5) được viết lại như sau:
Vì vậy, phương trình tiếp theo có được:
Lưu ý rằng, là tỷ lệ tăng của vốn - lao động và sẽ không đổi khi , tức là khi = 1 hay nói một cách khác, hệ số co giãn của LBD bằng một Khi đó, hàm sản xuất tổng hợp đƣợc nhƣ sau:
Phương trình (9) là mô hình AK, trong đó sản lượng tỷ lệ thuận với vốn dự trữ vì là hằng số
Từ các phương trình (6) và (7), với = 1, thì
Với = 1 chưa phải là điều kiện cần và đủ để tăng trưởng nội sinh Với = 1 nền kinh tế tăng trưởng nội sinh khi s - ( + ) > 0 Mô hình này có tình trạng ổn định tăng trưởng cân bằng Nhóm tác giả dễ dàng chứng minh rằng:
(10) Ở trạng thái ổn định, các biến bình quân đầu người tăng trưởng với tốc độ như nhau và các cấp độ biến cũng sẽ nhƣ vậy:
Một nền kinh tế thuộc dạng AK luôn ở trạng thái dừng, do đó nền kinh tế không có bất kỳ động lực nào đối với trạng thái cân bằng dài hạn, tức là trạng thái cân bằng dài hạn và cân bằng ngắn hạn giống nhau trong hệ thống kinh tế này Từ phương trình (9), Khi và ở tất cả các thời điểm t, thì nền kinh tế thuộc dạng AK luôn ở trạng thái dừng Lưu ý rằng, trạng thái dừng không giống nhau Tỷ lệ tiết kiệm cao hơn hoặc hội nhập quốc tế mạnh mẽ hơn khiến trạng thái dừng của nền kinh tế chuyển sang trạng thái dừng mới và tác động này là vĩnh viễn so với mô hình Solow-Swan
PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU
Phương pháp nghiên cứu
Trong nhiều năm gần đây, phương pháp thống kê Bayes trở nên ngày càng phổ biến trong nghiên cứu khoa học, trong khi việc sử dụng giá trị p-value để kiểm định các giả thuyết đã vấp phải nhiều chỉ trích gay gắt Theo nhiều nghiên cứu (ví dụ, Hung & Thach, 2018; Anh và cộng sự, 2018; Hung & Thach, 2019; Hung và cộng sự, 2019a; Hung và cộng sự, 2019b; Sriboonchitta và cộng sự, 2019; Svítek và cộng sự, 2019; Kreinovich và cộng sự, 2019; Thach và cộng sự, 2020; Thach, 2020b; Thach, 2020c), phương pháp Bayes có những ưu điểm hơn so với phương pháp tần số Thứ nhất, tính tổng quát là ưu việt lớn của các phương pháp Bayes, bởi vì qui tắc Bayes có thể được áp dụng cho tất cả các mô hình hồi quy tham số, trong khi phương pháp tần số thường chỉ thích hợp cho một dạng mô hình cụ thể, mà không thích hợp cho nhiều dạng mô hình khác nhau Thứ hai, trái ngược với suy diễn tần số, phương pháp Bayes cung cấp cách giải thích xác suất trực tiếp về kết quả ước lượng Phương pháp Bayes sử dụng tiên nghiệm phi thông tin và suy diễn tần số đều cho ra các kết quả tương tự, nhưng cách giải thích của cả hai khác nhau dưới góc độ xác suất Ví dụ, trong phân tích tần số, khoảng tin cậy 95% có nghĩa là, nếu đề tài lặp lại cùng một thử nghiệm nhiều lần, thì 95% số lần thử nghiệm sẽ chứa tham số quan tâm Nhƣng trong phân tích Bayes, khoảng tin cậy 95% cho phép đƣa ra giải thích xác suất rằng giá trị thực của một tham số cụ thể rơi vào một khoảng xác định trước với xác suất 95% Thứ ba, kết quả Bayes xuất ra toàn bộ phân phối hậu nghiệm của một tham số nào đó, trong khi suy diễn tần số tạo ra các ƣớc lƣợng điểm từ hàm hợp lý Trong mô hình Bayes, không cần áp dụng bất kỳ phép gần đúng nào để đánh giá sự không chắc chắn vì phân phối xác suất hậu nghiệm chứa đựng các giá trị của tham số
Vì những ưu thế trên của cách tiếp cận Bayes, đề tài sử dụng phương pháp hồi qui phi tuyến tính Bayes thông qua các thuật toán chọn mẫu Metropolis-Hasting và Gibbs như các phương pháp Markov Chain Monte Carlo (MCMC) để ước tính tác động của LBD đến năng suất của các doanh nghiệp Việt Nam Năng suất trong nghiên cứu
26 này đƣợc hiểu theo nghĩa rộng là hiệu quả hoạt động, kết quả sản xuất, hay năng suất lao động của doanh nghiệp Đề tài bắt đầu phân tích Bayes với việc hình thành một phân phối hậu nghiệm bao gồm hai nguồn thông tin: thông tin ngoài dữ liệu, niềm tin tiên nghiệm và thông tin đƣợc hàm chứa trong dữ liệu:
Mô hình hậu nghiệm tiên nghiệm x hàm hợp lý (13) Trong đó: phương trình ước lượng (13) tuân theo Định lý Bayes, được định nghĩa về mặt toán học là:
Trong đó: với các sự kiện A và B, P(A|B) biểu thị xác suất có điều kiện để sự kiện A diễn ra khi biết trước sự xuất hiện của sự kiện B; ngược lại P(B|A) cũng là xác suất có điều kiện để sự kiện B diễn ra khi biết trước sự xuất hiện của sự kiện A; P(A) và P(B) lần lƣợt là xác suất biên của sự kiện A và sự kiện B
Tính linh hoạt của phương pháp Bayes là định lý Bayes cho phép đưa những thông tin tiên nghiệm tin cậy vào mô hình Sự lựa chọn tiên nghiệm là rất quan trọng trong phân tích Bayes vì nó ảnh hưởng đến phân phối hậu nghiệm Trong khi Yang & Berger (1998) ủng hộ tính khách quan, một số nhà nghiên cứu khác (Gelman & Hill, 2007; Kruschke, 2010; German và cộng sự, 2013; Hobbs & Hooten, 2015; Lemoine, 2019) đứng trên quan điểm trung lập, theo đó, các tiên nghiệm thông tin yếu nên bao gồm đầy đủ thông tin để trung hòa các ƣớc lƣợng: thông tin tiên nghiệm hợp lý có thể loại trừ các giá trị không hợp lý của tham số nhƣng không cần quá mạnh để loại trừ các giá trị có ý nghĩa của nó Trong nghiên cứu này, đề tài ủng hộ quan điểm trung lập, vì nó có khả năng cung cấp các kết quả vững và không chệch Do đó, một lựa chọn tiên nghiệm đƣợc đề xuất nhƣ sau:
- Vì đề tài đã có một cỡ mẫu đủ lớn của 227 công ty cho 11 năm, hàm hợp lý có thể lấn át các thông tin trong tiên nghiệm Theo Bahk & Gort (1993), hệ số của biến LBD là dương Trong khi đó, những người khác (ví dụ, Gardner, 1965; Majumdar, 1997; Dogan, 2013) nhận thấy rằng mối quan hệ giữa tuổi công ty đại diện cho biến LBD và kết quả doanh nghiệp là không nhất quán Vì vậy, đề tài chọn phân phối tiên
27 nghiệm là phân phối chuẩn cho hệ số biến LBD với giá trị trung bình bằng 0 để các kết quả Bayes liên quan đến giả thuyết của đề tài theo hướng tích cực hoặc tiêu cực sẽ không bị chệch Sử dụng phân tích độ nhạy do Korner-Nievergelt và cộng sự (2015) đề xuất, đề tài chạy bằng phương pháp Bayes với các phân phối tiên nghiệm thu hẹp dần Theo Block và cộng sự (2011), đề tài đặt phương sai sai số là 1 và thay đổi giá trị trung bình của phân phối tiên nghiệm trong phạm vi từ -0.5 đến 0.5 để kiểm tra độ nhạy trên các phân phối hậu nghiệm 11 mô phỏng được thực hiện tương ứng (xem kết quả mô phỏng trong Bảng 4)
- Đối với trường hợp độ co giãn trong hàm sản xuất tân cổ điển, giá trị tiên nghiệm đƣợc kỳ vọng là từ 0 đến 1 Vì vậy, sử dụng đồng bộ các tiên nghiệm phân phối chuẩn (0,1) là thích hợp Tuy nhiên, nếu đề tài muốn nới lỏng giới hạn, thì N(0.5,0.5) cũng là một lựa chọn hợp lý Tham khảo Thạch (2020c), đề tài chọn cùng một tiên nghiệm Đồng tình với kết quả nghiên cứu của Rapping (1965) và Sheshinski (1967), để ƣớc tính hiệu ứng LBD, nhóm tác giả xem LBD là một yếu tố nâng cao năng suất hay kết quả trong hàm sản xuất Cobb-Douglas, trong đó LBD đặc thù của công ty đƣợc mô hình hóa bằng một biến riêng lẻ Trong trường hợp này, LBD của công ty cụ thể và phần dƣ Solow đƣợc coi là nguồn gốc của sự thay đổi kỹ thuật Phần dƣ Solow đại diện cho sự thay đổi kỹ thuật trung gian của Hicks, sao cho yếu tố năng suất tham gia vào hàm Cobb-Douglas nhân hàm chứa hiệu ứng học hỏi tổng của nền kinh tế và các thay đổi định tính khác ngoại trừ hiệu ứng học hỏi đặc thù của doanh nghiệp:
Trong đó: là sản lƣợng, là vốn vật chất, là lao động, E là thay đổi kỹ thuật trung gian theo Hicks, A là LBD (kinh nghiệm), 𝑖 và tương ứng là doanh nghiệp và thời kỳ Hơn nữa, phương trình (15) được thể hiện dưới dạng kinh tế lượng:
Trong đó: là sản lƣợng tính theo doanh thu thuần, là lao động tính theo số lƣợng lao động, là vốn vật chất dự trữ, 𝐸 là LBD (kinh nghiệm) đƣợc tính theo tuổi của doanh nghiệp Do đó, mô hình Bayes đƣợc viết lại nhƣ sau:
(17) Các tiên nghiệm: b 0 ~ N(0,100) β ~ normal(0,100) α~ uniform(0,1) (18)
Trong đó: 2010, , Q tương ứng là log tự nhiên của vốn, lao động, sản lƣợng theo giá cố định, 0 biểu thị tham số hiệu quả, biểu thị tỷ trọng thu nhập của vốn, ij là sai số ngẫu nhiên, 1t là tác động ngẫu nhiên, năm = 2008,…,2018 và doanh nghiệp 𝑖 = 1, 2, 3,…, 227 Lưu ý rằng các thông số kỹ thuật của Cobb-Douglas được phổ biến trong các tài liệu về tăng trưởng theo kinh nghiệm, đặc biệt là về các vấn đề phân tích cấu trúc tăng trưởng
Bên cạnh đó, các mô hình hiệu ứng hỗn hợp Bayes rất hữu ích cho việc phân tích tác động riêng lẻ của các công ty lên kết quả của mô hình nhờ cấu trúc nhóm dữ liệu, trong đó có nhiều hiệu ứng phối hợp với nhau bao gồm cả hiệu ứng ngẫu nhiên và hiệu ứng cố định Các mô hình hỗn hợp hai hiệu ứng trên giải thích sự khác biệt giữa các công ty đƣợc xác định bởi biến id Nhƣ Nezlek (2008) nhấn mạnh, nếu bản chất đa bậc của dữ liệu không đƣợc xem xét, kết quả phân tích đa bậc có thể không đáng tin cậy
Dữ liệu nghiên cứu
Đề tài sử dụng dữ liệu bảng của 227 doanh nghiệm trong lĩnh vực sản xuất trên thị trường chứng khoán Việt Nam (HOSE và HNX) giai đoạn 2008-2018 Nguồn dữ liệu là báo cáo tài chính hàng năm và báo cáo thường niên của các doanh nghiệp Theo Ilaboya & Ohiokha (2016), việc lựa chọn dữ liệu bảng cho phép tăng mức độ tự do và giảm vấn đề về tính đa cộng tuyến của các biến giải thích Các doanh nghiệp trong mẫu nghiên cứu hoạt động trong nhiều ngành sản xuất khác nhau và do đó, các tác động khác nhau của chúng lên kết quả đƣợc ghi lại thông qua hồi quy hiệu ứng hỗn hợp Dữ liệu đƣợc thu thập hàng năm, bao gồm 1.974 quan sát Vốn và sản lƣợng của doanh nghiệp đƣợc thể hiện bằng tài sản cố định và doanh thu thuần đƣợc tính lại trên chỉ số giá sản xuất năm 2010 (Tổng cục Thống kê Việt Nam, 2019) Lao động đƣợc thể hiện bằng số lƣợng nhân viên, tuổi công ty đƣợc biểu thị bằng số năm kể từ khi thành lập công ty Các doanh nghiệp sản xuất đƣợc lựa chọn để phân tích, vì họ là động lực thúc đẩy tăng trưởng kinh tế Việt Nam Việc áp dụng bộ dữ liệu của các công ty niêm yết giúp vốn cổ phần và lao động không bị chệch do các sai số thống kê thường xảy ra vì thu nhập hỗn hợp đóng góp của vốn và lao động của các hộ gia đình, và thu nhập trong khu vực công gần như không được đo lường chính xác (Karabarbounis & Neiman, 2014) Do phân phối lệch của các biến, nhóm tác giả lấy log tuổi, sản lƣợng, vốn và lao động trong mô hình hồi quy Bảng 1 trình bày đo lường các biến nghiên cứu
Bảng 2 Các biến nghiên cứu STT Tên biến Ký hiệu Cách tính Nguồn dữ liệu
Lao động Lnl Log tự nhiên của số lƣợng lao động
Log tự nhiên của tài sản cố định thuần trên chỉ số giá sản
2 Đầu ra Sản xuất LnQ
Log tự nhiên của doanh thu thuần trên chỉ số giá sản xuất
Học hỏi trong công việc
Log tự nhiên của số năm doanh nghiệp thành lập
Nguồn: Tổng hợp của nhóm tác giả
Từ cơ sở lý thuyết và các nghiên cứu thực nghiệm trước đây tại Chương 2, trong Chương 3 đề tài thu thập và xử lý dữ liệu các biến nghiên cứu (số lượng lao động, tài sản cố định trên chỉ số giá sản xuất, doanh thu thuần trên chỉ số giá sản xuất, số năm doanh nghiệp thành lập và PPI) của 227 doanh nghiệp niệm yết trên thị trường chứng khoán tại Việt Nam Phương pháp tiếp cận Bayes thông qua mẫu nghiên cứu Metropolis-Hasting và Gibb nhằm xem xét tác động của LBD đến năng suất đƣợc thể hiện tại Chương này
KẾT QUẢ NGHIÊN CỨU
Kết quả mô phỏng hậu nghiệm
Trong phân tích Bayes, tỷ lệ chấp nhận (acceptance rate) và hiệu quả (efficiency) được áp dụng để đánh giá hiệu quả lấy mẫu MCMC, điều này ảnh hưởng đến sự hội tụ các chuỗi MCMC Tỷ lệ chấp nhận đƣợc định nghĩa là số đề xuất đƣợc chấp nhận trong tổng số đề xuất, trong khi hiệu quả cho biết chuỗi Markov pha trộn tốt thế nào Tiêu chuẩn thông tin Bayes cho thấy rằng, các mô phỏng đƣợc chỉ định nhận đƣợc các ƣớc tính DIC gần nhƣ giống nhau Do đó, đề tài chọn mô phỏng 3 có giá trị DIC thấp nhất để phân tích nhƣ một minh họa điển hình Kết quả Bayes cho mô phỏng 3 báo cáo rằng mô hình này đạt tỷ lệ chấp nhận là 0,58 Hiệu quả nhỏ nhất, trung bình và lớn nhất đƣợc báo cáo lần lƣợt bằng 0,04, 0,47 và 1 và tất cả các chỉ số ban đầu này đều cao hơn tỷ lệ cảnh báo là 0,01 Các mức này có thể đƣợc chấp nhận, theo Roberts và Rosenthal (2001) Hầu hết các ƣớc lƣợng trung bình hậu nghiệm của các tham số cũng nhƣ các hiệu ứng ngẫu nhiên có sai số chuẩn chuỗi Markov (MCSEs) hợp lý dưới một phần mười (các Bảng 3 và 4) Nhìn chung, ước tính MCSE càng thấp, giá trị trung bình hậu nghiệm của các tham số càng chính xác Hơn nữa, phương pháp Bayes cung cấp một cách giải thích xác suất trực quan cho các khoảng tin cậy Cụ thể, trong mô hình này, khoảng tin cậy Bayes [0.33, 0.39] của log tự nhiên vốn đƣợc hiểu là khoảng mà tham số alpha thuộc về với xác suất 95% (Bảng 3)
Bảng 3 Kết quả mô phỏng hậu nghiệm Bayes
Tham số Gía trị trung bình Độ lệch chuẩn
MCSE Xác suất hậu nghiệm của hệ số >0
Log tự nhiên của vốn
Log tự nhiên lao động (l)
Log tự nhiên của LBD 3766484 032601 002449 1 3120829 4379703
Tham số vô định tổng
Tham số vô định của hệ số chặn ngẫu nhiên
Lưu ý: * Xác suất hậu nghiệm của hệ số log (vốn) trong khoảng (0,1) là 100%
Nguồn: Kết quả phân tích dữ liệu thứ cấp
Ngoài ra, các hệ số chặn ngẫu nhiên cho (id) tại Bảng 4 hàm ý sự khác biệt trong tác động riêng lẻ của các công ty đƣợc nghiên cứu trong kết quả của mô hình
Bảng 4 Mô phỏng hậu nghiệm các hệ số chặn ngẫu nhiên của 20 công ty
Nguồn: Kết quả phân tích dữ liệu thứ cấp
Kiểm định tính vững của mô hình
Quan trọng là các phân phối hậu nghiệm có độ nhạy cảm yếu với các lựa chọn tiên nghiệm khác nhau cho thấy các kết quả ước lượng tương đối vững Điều này được chứng minh thông qua các kết quả đƣợc thể hiện trong Bảng 5, trong đó có sự khác biệt không đáng kể giữa các phân phối hậu nghiệm: giá trị trung bình hậu nghiệm, MCSE và khoảng đáng tin cậy của biến LBD khi giá trị trung bình phân phối tiên nghiệm đƣợc điều chỉnh theo từ -0,5 đến 0,5 với một khoảng cách đều là 0,1
Bảng 5 Phân tích độ nhạy liên quan đến sự lựa chọn tiên nghiệm
Tóm tắt các phân phối hậu nghiệm
Trung bình của phân phối tiên nghiệm -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
Học hỏi trong công việc
Hệ số trung bình 374 374 377 377 374 375 374 375 375 370 352 Độ lệch chuẩn 033 033 033 033 032 035 032 035 035 034 034
Nguồn: Kết quả phân tích dữ liệu thứ cấp
Như đã phân tích ở trên, mô phỏng 3 được chấp nhận Trước khi thực hiện suy diễn thống kê, đề tài nên xem xét liệu rằng các chuỗi MCMC đã hội tụ trong vùng ổn định hay không Thuật toán Monte Carlo lý tưởng sử dụng các giá trị ngẫu nhiên độc lập liên kế nhau Nhƣng khi lấy mẫu MCMC thực tế, các kết quả liên kế nhau không độc lập, điều này làm cho các quá trình thực tế hội tụ chậm hơn so với quá trình Monte Carlo lý tưởng Khi chúng pha trộn càng nhanh thì sự phụ thuộc giảm dần trong các lần lặp tiếp theo và sự hội tụ càng nhanh Các kết quả kế tiếp nhanh chóng “gần nhƣ độc lập” với trạng thái ban đầu Vì vậy, nếu muốn có các chuỗi pha trộn tốt để giảm việc phí tổn thời gian và quan trọng hơn, đề tài mong muốn có một mẫu đại diện từ phân phối hậu nghiệm biên Sự hội tụ các chuỗi đến một phân phối mong muốn cho phép đề
34 tài kết luận rằng các bước lặp Bayes tạo ra các ước lượng vững chắc khi mô hình vững Trong phân tích Bayes, hai kỹ thuật chẩn đoán hội tụ thường được thực hành nhiều nhất là hình thức và biểu đồ Đề tài áp dụng biểu đồ Cusum và kích thước mẫu hiệu quả (effective sample size) trong nghiên cứu này Hình 1 mô tả bằng đồ thị các đặc tính của hội tụ MCMC cho mô phỏng 3 Đối với tất cả các tham số mô hình, đồ thị là hợp lý về điều kiện hội tụ vì các đường Cusum có dao động lên xuống không đều giống hình răng cƣa, không mƣợt, điều này chắc chắn cho thấy sự hội tụ của các chuỗi Markov
Hình 3 Đồ thị hội tụ MCMC
Nguồn: Kết quả phân tích dữ liệu thứ cấp
Ngoài việc kiểm tra đồ thị, đề tài có thể phân tích kích thước mẫu hiệu quả để kiểm tra sự hội tụ MCMC Do ƣớc tính hiệu quả lớn hơn 0.01, đề tài thu đƣợc kết quả mong đợi Theo kết quả ƣớc lƣợng, hiệu quả của tất cả các tham số đều cao hơn mức
0.01 Tóm lại, sự pha trộn chuỗi là thuyết phục và các mô phỏng Bayes không gặp phải vấn đề hội tụ.
Thảo luận
Trong nghiên cứu hiện tại, nhóm nghiên cứu dựa vào quan điểm trung lập để đƣa ra các tiên nghiệm phù hợp, để tăng độ chắc chắn của mô hình Do đó, các tiên nghiệm thông tin yếu đã đƣợc đƣa vào mô hình hồi quy Bayes để chính xác hóa các ƣớc tính tham số và ổn định các phần tử hậu nghiệm Các tiên nghiệm điều chỉnh cho phép giảm hoặc tránh các lỗi phổ biến tương ứng với các phân tích phi thông tin hoặc tần suất Dựa trên kết quả phân tích độ nhạy (Bảng 5), đề tài có thể khẳng định rằng việc lựa chọn tiên nghiệm ít có ảnh hưởng đến suy diễn hậu nghiệm và do đó, mô hình đưa ra là hợp lý Ngoài ra, các kiểm định trực quan và hình thức đối với sự chuỗi hội tụ đảm bảo kết luận của đề tài về tính vững của mô hình Hơn nữa, liên quan đến tất cả các mô phỏng trong đề tài, độ lệch chuẩn của tất cả các tham số là nhỏ, trong khi tất cả các giá trị sai số chuẩn Monte-Carlo (MCSE) đều nhỏ hơn 0.1 Những điều này là đủ cho tính chính xác của các ƣớc lƣợng trung bình hậu nghiệm Do đó, mô hình nghiên cứu có thể được sử dụng cho các suy luận tiếp theo Như đã trình bày trước đây, một lợi thế đáng kể của cách tiếp cận Bayes là cho phép đƣa ra các báo cáo xác suất mà suy diễn tần suất không thể làm đƣợc
Trong trường hợp này, các kết quả trong Bảng 3 cho phép rằng xác suất tác động tích cực của biến LBD cũng nhƣ các biến còn lại đến biến đầu ra là 100%; hệ số cho biến LBD thuộc khoảng [0.31, 0.44] với xác suất 95%; tỷ lệ của biến vốn rơi vào khoảng [0,1] với xác suất 100% Quan trọng hơn, kết quả mô phỏng Bayes chứng minh rằng vì không có khoảng đáng tin cậy nào chứa giá trị 0 (Bảng 3), biến lnage (LBD) có tương quan dương đến biến lnQ (đầu ra) Nói một cách khác, LBD từng doanh nghiệp có tác động dương đến năng suất công ty Các công ty có năng suất cao hơn khi càng có nhiều kinh nghiệm hoạt động (tuổi thành lập) Phát hiện này phù hợp với nhiều nghiên cứu trước đó (Gardner, 1965; Majumdar, 1997; Dogan, 2013; Okunbo & Oghuvwu, 2019), cho thấy giả thuyết LBD phù hợp với các doanh nghiệp sản xuất tại Việt Nam Một lý giải có thể là phần lớn các doanh nghiệp Việt Nam đang trong giai đoạn mới thành lập,
36 đây là một đặc điểm chung của các nền kinh tế mới nổi Trong một nền kinh tế đang phát triển nhanh chóng nhƣ Việt Nam, các doanh nghiệp đạt đƣợc sự gia tăng cùng nhau/ nhƣ nhau trong quá trình LBD và năng suất
Chương 4 đã thể hiện và trả lời các câu hỏi nghiên cứu của đề tài Với những ưu điểm của phương pháp thống kê Bayes, đề tài chứng minh được LBD có tác động tích cực đến năng suất doanh nghiệp Kết quả mô phỏng hậu nghiệm cho thấy, các khoảng đáng tin cậy của các biến quan sát không chứa giá trị 0; hay nói một cách khác, biến học hỏi trong công việc cũng nhƣ các biến còn lại đều tác động tích cực đến năng suất ở các khoảng tin cậy dương khác nhau Kết quả kiểm tra tính vững tại các lựa chọn tiên nghiệm đƣợc điều chỉnh từ -0.5 đến 0.5 với khoảng cách chẵn 0.1 chỉ ra các phân phối hậu nghiệm, giá trị trung bình hậu nghiệm, sai số chuẩn Monte-Carlo và khoảng tin cậy của LBD không có sự khác biệt đáng kể Bên cạnh đó, đồ thị hội tụ MCMC cũng để kiểm định tính vững của kết quả nghiên cứu Đối với tất cả tham số trong mô hình, đồ thị thể hiện sự hợp lý về điều kiện hội tụ thông qua đường cong Cusum và kích thước mẫu hiệu quả, điều này cho thấy sự hội tụ của các chuỗi Markov
GIẢI PHÁP NÂNG CAO NĂNG SUẤT CÁC DOANH NGHIỆP
Giải pháp nâng cao năng suất từ doanh nghiệp
Thứ nhất, nâng cao chất lượng và trình độ nguồn nhân lực
Theo kết quả nghiên cứu, LBD tác động dương đến năng suất doanh nghiệp trong lĩnh vực sản xuất Vì vậy, sử dụng lực lƣợng lao động có chất lƣợng và trình độ cao sẽ đẩy nhanh quá trình học hỏi trong công việc và nâng cao năng suất nhanh chóng
Nguồn nhân lực có thể đƣợc xem là yếu tố quan trọng nhất của doanh nghiệp Việc thực hiện phát triển lực lƣợng lao động chất lƣợng cao là vấn đề cốt yếu của doanh nghiệp Bởi vì đây là yếu tố quyết định đến năng suất, chất lƣợng sản phẩm và giá thành sản phẩm Một doanh nghiệp nếu không có nguồn nhân lực với chất lƣợng đảm bảo thì sự phát triển sẽ không đƣợc bền vững Vì vậy, quá trình học hỏi và trình độ học hỏi trong công việc của lực lượng lao động cũng ảnh hưởng trực tiếp đến năng suất doanh nghiệp
Ngoài việc đào tạo vốn nhân lực, chính sách phân công lao động hợp lý, đánh giá vốn lao động và chính sách đãi ngộ cũng là điều đáng quan tâm để nâng cao năng suất Trong doanh nghiệp, việc bố trí hay phân công công việc đúng vị trí cũng tạo nên hiệu quả cao về sử dụng lao động và tiết kiệm đƣợc chi phí hoạt động vì trình độ lao động tác động trực tiếp đến hoạt động sản xuất kinh doanh của doanh nghiệp Lao động có trình độ phù hợp với yêu cầu công việc thì việc phát huy năng lực và sự tiến bộ khoa học kỹ thuật tiến tiến, đồng thời đạt đƣợc hiệu suất cao trong sản xuất Đặc biệt,
38 với sự phát triển của khoa học kỹ thuật ngày càng đƣợc ứng dụng rộng rãi trong sản xuất hiện nay thì doanh nghiệp cần vốn nhân lực có trình độ chuyên môn, kỹ thuật cao cũng nhƣ kinh nghiệm sản xuất để tiếp thu và qua đó làm tăng năng suất
Thứ nhất, nâng cao trình độ công nghệ sản xuất
Các doanh nghiệp tự đánh giá trình độ khoa học, công nghệ của mình để đƣa ra đƣợc lợi thế và bất cập trong hoạt động sản xuất Từ đó, doanh nghiệp đƣa ra giải pháp nâng cao trình độ khoa học, áp dụng công nghệ tiên tiến, hiện đại và tổ chức sản xuất hợp lý Bởi năng suất lao động tỷ lệ thuận trực tiếp với vốn đầu tƣ trên lao động Nói một cách khác, đầu tƣ xã hội trên một lao động tỉ lệ thuận với năng suất lao động Điều này có thể hiểu rằng, một doanh nghiệp muốn tăng năng suất thì phải đầu tƣ thiết bị có ứng dụng khoa học kỹ thuật tiên tiến vào trong sản xuất Ngoài ra, khi doanh nghiệp áp dụng công nghệ mới sẽ giải phóng sức lao động của con người khỏi những công việc nặng nhọc, nguy hiểm, độc hại Tuy nhiên, một doanh nghiệp đầu tƣ vào trình độ khoa học và công nghệ hiệu quả phải phù hợp với quy mô và tài chính của doanh nghiệp Ví dụ như một doanh nghiệp sử dụng sức người để nâng hạ sản phẩm sẽ có hiệu quả thấp hơn so với doanh nghiệp có nhà xưởng công nghiệp trang bị cầu trục công nghệ cao, bổ trợ cho việc nâng hạ những hàng hóa trọng tải nặng
Ngoài ra, đầu tƣ công nghệ sản xuất mới, hiện đại chính là tạo ra một kiến thức mới Vì để áp dụng công nghệ hiện đại mới thì lực lƣợng lao động phải tìm hiểu và vận hành nó, từ đó tạo ra kiến thức mới đẩy nhanh quá trình sản xuất Romer (1990) lấy đầu tƣ vào công nghệ làm yếu tố nội sinh về việc tiếp thu kiến thức mới của các công ty tối đa hóa lợi nhuận hợp lý trong các nghiên cứu
Thứ ba, tích lũy vốn kiến thức từ chính doanh nghiệp, các doanh nghiệp cùng ngành trong nước và quốc tế
Trong mô hình của Romer, kiến thức mới là yếu tố quyết định cuối cùng của tăng trưởng dài hạn được xác định bằng đầu tư vào công nghệ nghiên cứu Công nghệ nghiên cứu cho thấy lợi nhuận giảm dần có nghĩa là đầu tƣ vào công nghệ nghiên cứu
39 sẽ không tăng gấp đôi kiến thức Hơn nữa, theo hiệu ứng lan tỏa công ty đầu tƣ vào công nghệ nghiên cứu sẽ không phải là người hưởng lợi độc quyền của sự gia tăng kiến thức mà nó sẽ bổ sung vào kiến thức chung của ngành Do đó, việc sản xuất hàng hóa từ kiến thức tăng lên cho thấy lợi nhuận ngày càng tăng và trạng thái cân bằng cạnh tranh phù hợp với việc tăng lợi nhuận tổng hợp do ngoại tác Vì vậy, tích lũy vốn kiến thức từ các doanh nghiệp cùng ngành, tiếp thu kinh nghiệm vận hành công nghệ, sản phẩm mới từ các doanh nghiệp trong và ngoài nước là điều cần thiết và nâng cao năng suất doanh nghiệp nhanh chóng
Tăng cường hợp tác, liên kết với các doanh nghiệp trong nước, doanh nghiệp có vốn đầu tư nước ngoài hoặc doanh nghiệp nước ngoài để thuận lợi hơn trong nắm bắt tiêu chuẩn, kỹ thuật mới, tiếp cận tri thức và công nghệ mới, tức là đạt đƣợc sự lan tỏa công nghệ từ các công ty khác Đồng thời, các doanh nghiệp cần chuẩn bị nguồn nhân lực có khả năng tiếp thu sự phát triển và thành tựu của tiến bộ công nghệ toàn cầu
Thứ tư, đầu tư nghiên cứu khoa học và triển khai ứng dụng một cách xứng đáng
Ngoài việc đầu tƣ vốn vào công nghệ bằng cách mua máy móc mới thì đầu tƣ nghiên cứu khoa học để sử dụng máy móc và nhân lực hiệu quả cũng là một cách nâng cao năng suất cho doanh nghiệp Tuy nhiên, công ty đầu tƣ vào công nghệ nghiên cứu sẽ không phải là người hưởng lợi độc quyền của sự gia tăng kiến thức Các công ty khác cũng sử dụng kiến thức mới do chƣa đƣợc bảo vệ đẩy đủ bằng sáng chế và tăng sản xuất của họ (Romer, 1989) Việc đầu tƣ nghiên cứu khoa học tạo ra một kiến thức mới nên dựa trên sự bảo đảm của nhà nước
Các doanh nghiệp trong mọi lĩnh vực, đặc biệt là SME cần xem xét việc áp dụng đổi mới công nghệ kỹ thuật theo từng giai đoạn phát triển của doanh nghiệp cũng nhƣ sự thay đổi kinh tế thị trường Theo đó, doanh nghiệp có thể phân nhỏ quá trình đầu tư theo chu kỳ kinh doanh hoặc xem xét cải tiến từng công đoạn nhằm giảm sức ép về vốn đầu tƣ
Bên cạnh đó, để tăng hiệu quả của các công ty, một việc rất quan trọng là phải cải thiện chất lượng quản trị doanh nghiệp và nhà nước phải tạo ra một môi trường cạnh tranh công bằng
Bên cạnh các yếu tố sản xuất trực tiếp, các yếu tố gián tiếp cũng rất quan trọng trong việc nâng cao năng suất Chất lượng quản lý và môi trường cạnh tranh sản phẩm là những yếu tố gián tiếp Một doanh nghiệp có chế độ quản lý tốt sẽ giúp doanh nghiệp đƣa ra quyết định đầu tƣ đúng đắn, sử dụng nguồn nhân lực hợp lý và đƣa ra các chiến lƣợc phát triển phù hợp nhằm nâng cao năng suất doanh nghiệp nhanh chóng Đồng thời, một môi trường cạnh tranh công bằng thì vốn kiến thức của từng doanh nghiệp sẽ cùng đƣợc lan tỏa đến vốn kiến thức chung thì các doanh nghiệp cùng ngành đều đƣợc sử dụng một cách công bằng, giúp các doanh nghiệp cùng phát triển.
Kiến nghị nâng cao năng suất doanh nghiệp từ phía Chính phủ
Đầu tiên, quan tâm và hỗ trợ các doanh nghiệp mới thành lập
Các doanh nghiệp mới thành lập không có nhiều kinh nghiệp trong sản xuất cũng nhƣ hoạt động Một doanh nghiệp hoạt động tốt không chỉ dựa vào quá trình học hỏi của chính công ty mà còn chịu ảnh hưởng của kiến thức chung của ngành Vì vậy, Chính phủ hỗ trợ và tạo cơ hội cho các doanh nghiệp mới đƣợc học hỏi và tiếp thu kiến thức trong hoạt động và sản xuất của các doanh nghiệp lâu năm sẽ thúc đẩy sự gia tăng năng suất của tất cả doanh nghiệp
Thứ hai, nâng cao quản lý nhà nước, công khai, minh bạch, nghe dân, vì dân Một thống kê của Tổng cục thống kê cho thấy, không cần tăng đầu tư nhưng nếu chính quyền minh bạch sẽ giúp doanh nghiệp quyết định đầu tư nhanh hơn, hiệu quả hơn và GDP có thể tăng thêm 0,5-1,5 %
Khi nhà nước nâng cao quản lý nhà nước, công khai, minh bạch thì các doanh nghiệp sẽ có môi trường cạnh tranh công bằng hơn, kích thích doanh nghiệp mạnh dạn đầu tư mở rộng sản xuất Điều này làm các doanh nghiệp trong nước phát triển mạnh và
41 có điều kiện cạnh tranh với các doanh nghiệp quốc tế góp phần nâng cao năng suất doanh nghiệp và nền kinh tế quốc gia
Thứ ba, tái cấu trúc các doanh nghiệp nhà nước Về vấn đề này, nhà nước phải giữ quyền sở hữu chỉ với các doanh nghiệp quan trọng về kinh tế hoặc xã hội
Hiện nay, tại Việt Nam vẫn còn khá nhiều doanh nghiệp nhà nước hoạt động trong các ngành nơi tƣ nhân hoạt động hiệu quả hơn Chính điều này làm hạn chế sự phát triển các doanh nghiệp tại Việt Nam Việc tái cấu trúc doanh nghiệp nhà nước và hệ thống doanh nghiệp trong nước là điều kiện tiền đề để đưa các doanh nghiệp trong nước ngày càng phát triển và vững mạnh
Cải thiện hiệu quả các cơ chế, chính sách hỗ trợ phát triển khoa học công nghệ đối với doanh nghiệp, đặc biệt là SME Chẳng hạn, phải đảm bảo hiệu quả thực thi từ khi ban hành chính sách đến người thực hiện xét duyệt hồ sơ; đồng thời, cắt giảm những thủ tục, giấy tờ không cần thiết, tạo điều kiện cho doanh nghiệp tiếp cận nguồn vốn, công nghệ hỗ trợ nhanh nhất Nghiên cứu thêm các chính sách cụ thể về vấn đề công nghệ mới giống nhƣ các quỹ đầu tƣ mạo hiểm chấp nhận rủi ro trong lĩnh vực công nghệ mới, tạo điều kiện cho doanh nghiệp có điều kiện tiếp cận vốn
Thứ tư, ban hành các chính sách của nhà nước hỗ trợ nâng cao năng suất cũng như sự phát triển của doanh nghiệp
Cơ chế chính sách quản lý kinh tế, lao động nhƣ Luật lao động, sở hữu trí tuệ, hay các chính sách liên quan đến thị trường của nhà nước sẽ tạo điều kiện và động lực cho các doanh nghiệp hoạt động tốt hơn Các chính sách, luật liên quan đến lao động sẽ bảo vệ quyền lợi, lợi ích và các quyền khác của người lao động cũng như bảo về quyền lợi và lợi ích hợp pháp của người sử dụng lao động, tạo điều kiện cho mối quan hệ lao động được ổn định, góp phần phát huy trí sáng tạo và tài năng của người lao động nhằm đạt năng suất, chất lƣợng và tiến bộ trong lao động, sản xuất dịch vụ, hiệu quả sử dụng và quản lý lao động góp phần công nghiệp hóa, hiện đại hóa
Thị trường lao động cũng là nhân tố quan trọng cần được nhà nước quan tâm Thị trường lao động là nơi cung cấp lực lượng lao động dồi dào cho tất cả doanh nghiệp Nếu thị trường này định hướng được chất lượng lao động tốt đáp ứng được những yêu cầu của doanh nghiệp sẽ giúp doanh nghiệp dễ có nguồn nhân lực trình độ và chuyên môn chất lƣợng phù hợp với hoạt động sản xuất kinh doanh của doanh nghiệp Mỗi doanh nghiệp nên có chính sách sử dụng nguồn nhân lực hiệu quả cùng với những chính sách bảo vệ quyền lợi cũng nhƣ thúc đẩy sự thăng tiến của lực lƣợng lao động nhằm thu hút nguồn lao động chết lƣợng Bởi vì mức độ cạnh tranh và lôi kéo nhân lực của các đối thủ cạnh tranh với những cơ chế tiền lương, thưởng, chế độ đãi ngộ hấp dẫn sẽ làm cho việc đảm bảo nguồn nhân lực của doanh nghiệp có ảnh hưởng đến các chiến lƣợc phát triển trong ngắn hạn và dài hạn của doanh nghiệp
Cuối cùng nhưng không kém phần quan trọng, vì các SME chiếm hơn 90% doanh nghiệp tại Việt Nam, nhà nước nên tăng cường tiếp cận tín dụng cho nhóm doanh nghiệp này
Tại Việt Nam, các doanh nghiệp siêu nhỏ, vừa và nhỏ rất khó tiếp cận tín dụng bên ngoài Vì vậy, các chính sách của nhà nước nhằm hỗ trợ doanh nghiệp dễ dàng tiếp cận tín dụng sẽ giúp doanh nghiệp có nguồn lực về vốn để đầu tƣ vào công nghệ kỹ thuật mới, tạo ra kiến thức mới để nâng cao năng suất và phát triển doanh nghiệp nhanh chóng
Từ kết quả nghiên cứu và thực tế doanh nghiệp cũng nhƣ kinh tế tại Việt Nam, Chương 5 đề xuất các giải pháp nhằm nâng cao năng suất doanh nghiệp, đặc biệt trong ngành sản xuất thông qua việc thúc đẩy người lao động tích lũy vốn nhân lực bằng nhiều cách, bao gồm cả việc học bằng mọi hình thức Bên cạnh các giải pháp nâng cao năng suất từ chính doanh nghiệp, thì các giải pháp nâng cao năng suất doanh nghiệp từ phía cơ quan nhà nước, Chính phủ cũng vô cùng quan trọng
