CHƯƠNG 2. ĐỐI TƯƠNG, PHẠM VI VÀ PHƯƠNG PHÁP NGHIÊN CỨU
2.3. Phương pháp nghiên cứu
2.3.3. Phương pháp phân tích
Báo cáo sẽ sử dụng các phần mềm thống kê như Excel và Stata để xử lý các số liệu điều tra mức sống hộ gia đình và điều tra nông nghiệp, nông thôn Việt Nam năm 2008 và 2010. Công cụ chủ yếu của đề tài là phương pháp thống kê, nhất là thống kê so sánh và phân tích hồi quy để xác định quỹ đất, thực trạng, kết cấu và xu thế thay đổi sử dụng đất nông nghiệp nông thôn Việt Nam, các yếu tố tác động đến tích tụ và hiệu quả sử dụng đất.
Phân tích hiệu suất theo quy mô đất đai
Khái niệm hiệu suất theo quy mô (economies of scale) có liên quan trực tiếp tới khái niệm lợi tức theo quy mô (returns to scale). Giả định rằng có thể mô tả một công nghệ dưới dạng sau
Y=F(X) (1)
Trong đó Y là sản phẩm đầu ra và X là vector các đầu vào: X1, X2…
Xn. Giả định F(X) thỏa mãn các điều kiện chung của hàm sản xuất tân cổ điển.
Hàm sản xuất F(X) sẽ có lợi tức theo quy mô giảm dần nếu với mọi X>0 và k >0
F(kX) < k F(X) (2) Tương tự, F(X) sẽ có lợi tức theo quy mô tăng dần nếu
F(kX)> k F(X) (3)
Và F(X) sẽ có lợi tức theo quy mô không đổi nếu
F(kX) = kF(X) (4)
Như vậy, lợi tức theo quy mô giảm dần có nghĩa là sản phẩm đầu ra tăng thấp hơn khi đầu vào tăng với cùng một mức độ. Lợi tức theo quy mô tăng dần là khi sản phẩm ra có mức độ tắc cao hơn khi đầu vào tăng cùng mức độ. Còn lợi thế theo quy mô không đổi là khi mức độ tăng của đầu ra cũng đúng bằng mức độ tăng của đầu vào. Chú ý là trong khái niệm này, các đầu vào được giả định tăng với cùng một mức độ.
Để ước lượng mức độ và xu hướng lợi tức theo quy mô, người ta đưa ra khái niệm độ co giãn theo quy mô (elasticity of scale). Độ co giãn theo quy mô của một sản phẩm được định nghĩa như sau.
ε = Σiεi=Σi(∂Ln F(X) / ∂LnX) (5) Trong đó i là thứ tự của các đầu vào, εi là độ co giãn của sản phẩm cho đầu vào i; ε là độ co giãn theo quy mô của sản phẩm.
Xác định hiệu quả sản xuất và độ co giãn theo quy mô theo phương pháp phân tích Biên Ngẫu nhiên (Stochastic Frontier Analysis- SFA)
Phương pháp SFA có nguồn gốc từ các mô hình biên sản xuất ngẫu nhiên (stochastic production frontier) do Aigner, Lovell và Schmidt (1977) phát triển.
Mô hình này có dạng
Yi = f(xi;β).TEi.exp{vi} (6) trong đó yi là mức đầu ra của nhà sản xuất i, xi là vector N đầu vào của nhà sản xuất i, f(xi, β) là đường giới hạn (biên) sản xuất và β là vector các tham số kỹ thuật cần ước lượng, . Phản ánh các cú sốc ngẫu nhiên ảnh hưởng tới quá trình sản xuất như biến đổi thời tiết, may
mắn...Người ta giả định các cú sốc này ngẫu nhiên và phân phối theo một quy luật phân phố nhất định, giống nhau giữa tất cả các nhà sản xuất.
TEi thể hiện mức hiệu quả kỹ thuật được tính bằng tỷ lệ sản lượng thực tế trên sản lượng cao nhất có thể. TEi = 1 cho thấy hãng i có hiệu quả kỹ thuật ở mức cao nhất có thể trong khi TEi < 1 đưa ra ước lượng mức thiếu hụt giữa sản lượng thực tế và sản lượng cao nhất có thể có.
Người ta cũng có thể viết TE dưới dạng mũ: TEi= exp{-ui} trong đóui≥ 0để thỏa mãnTEi≤ 1.
Thông thường, người ta hay giả định f(xi, β) là hàm Cobb-Douglas hay hàm translog. Với trường hợp hàm Cobb-Douglas, mô hình trên có thể viết thành
(7)
Có thể giải mô hình này bằng phương pháp maximum likelihood ratio. Trong luận văn này, chúng tôi giải mô hình (7) bằng phần mềm STATA, sử dụng lệnh frontier có trong STATA version 9.0 và 10.0.
Xác định hiệu quả sản xuất và hiệu quả theo quy mô theo phương pháp Bao Dữ liệu (Data Envelopment Analysis- DEA)
Phương pháp này có nguồn gốc từ công trình của Farrel (1957) sử dụng quy hoạch tuyến tính để ước tính hiệu quả kỹ thuật. Phương pháp DEA có thể là DEA định hướng đầu vào (input-oriented DEA) hay định hướng đầu ra (output-oriented), và dựa trên giả định lợi tức theo quy mô không đổi (constant returns to scale- CRS) hay lợi tức theo quy mô biến đổi (variable returns to scale- VRS).
Trong luận văn này, chúng tôi áp dụng mô hình DEA định hướng đầu vào. Mô hình định hướng đầu vào đo lường hiệu quả kỹ thuật (technical efficiency- TE) bằng tỷ lệ mức độ đầu vào có thể giảm xuống để đạt được cùng lượng sản phẩm đầu ra nhất định. Mức hiệu quả quy mô (scale efficiency- SE) được tính bằng tỷ lệ giữa hai mức hiệu quả khi áp dụng công nghệ CRS và công nghệ VRS.
Cụ thể hơn, nếu nhà sản xuất sử dụng vector đầu vào x RI+ để sản xuất vector sản phẩm y RO+, mục đích sẽ là đo lường mức độ hoạt động của mỗi nhà sản xuất một cách tương đối so với khả năng tốt nhất trong mẫu gồm N nhà sản xuất. Trong điều kiện công nghệ VRS, mô hình DEA định hướng đầu vào của nhà sản xuất thứ jthsẽ có dạng sau:
(,)Minj (8)
thỏa mãn yj–Y 0 ,
jxj– X 0,
0, N1’=1,
Trong đó X là ma trận đầu vào (N nhân I) với các cột xi, Y là ma trận đầu ra với các cột yo, xj và yj là các vector đầu vào và đầu ra của nhà sản xuất j, là một vector biến nội sinh, N1 là vector I (N nhân 1). Phương pháp quy hoạch tuyến tính sẽ giải được hệ phương trình nói trên. Để xác định ra hệ số chính là mức độ hiệu quả kỹ thuật (TEVRS).
Khi áp dụng công nghệ CRS, người ta sẽ bỏ đẳng thức cuối cùng N1’=1 trong phương trình (6) để xác định hiệu quả kỹ thuật TECRS.
Hiệu quả quy mô (SE) sẽ được tính bằng: SE= TECRS/ TEVRS. (9) Có thể giải mô hình (8) bằng các phần mềm như DEAP hay thông qua các chương trình viết trên các phần mềm mô hình toán như GAMS, MATLAB. Trong luận văn này, chúng tôi sử dụng gói phần mềm FEAR do Wilson (2008) phát triển.
Ưu điểm của phần mềm này so với các chương trình khác là tốc độ tính toán rất nhanh, thích hợp với các mẫu có quy mô lớn.
3. CHƯƠNG 3. KẾT QUẢ NGHIÊN CỨU