KHI KINH TẾ LƯỢNG TRỞ THÀNH ĐỒ TRANG SỨC KHÔNG THỂ THIẾU TRONG NGHIÊN CỨU KHOA HỌC...
Mô hình hóa quá mức đang là căn bệnh trong nghiên cứu kinh tế ở Việt Nam. Tôi đã tham gia chấm các luận văn luận án, các đề tài nghiên cứu khoa học..., và nhận thấy ở đâu người ta cũng đề cao các nghiên cứu có sử dụng mô hình toán học. 
Cách đây khoảng hai tuần, khi phản biện về một đề tài nghiên cứu khoa học có dùng mô hình kinh tế lượng, tôi phát biểu đề tài này dùng mô hình không hợp lý, tốt nhất là nên chứng minh bằng các bảng biểu phân tích so sánh. Rất may là có người phát biểu ủng hộ. Tuy nhiên, nói thật là người ủng hộ thường ít.
Một đặc điểm nữa là rất ít người hiểu rõ về mô hình kinh tế lượng, nhất là các mô hình nhiều phương trình, nên hầu như một người đưa phương trình ra, gần như tất cả hùa theo ủng hộ, số còn lại im lặng, nên tôi cũng không dám phản đối, vì như thế sẽ thành vô duyên.
Từ lâu tôi đã thấy có một nghịch lý ngày càng đáng suy nghĩ trong nghiên cứu kinh tế ở Việt Nam: chúng ta nói rất nhiều về việc phải nâng cao tính khoa học của nghiên cứu, nhưng đôi khi lại đồng nhất “tính khoa học” với việc có thật nhiều phương trình toán học, thật nhiều kiểm định, thật nhiều hệ số hồi quy và những thuật ngữ kinh tế lượng ngày càng phức tạp. Một bài nghiên cứu có thể chứa VAR, VECM, ARDL, GMM, FEM, REM, LSDVC, FGLS, kiểm định Granger, kiểm định đồng liên kết, kiểm định nhân quả, kiểm định tính dừng… và nhìn bề ngoài rất “khoa học”.
Nhưng câu hỏi quan trọng hơn nhiều lại thường bị bỏ quên: mô hình đó có đúng về mặt kinh tế hay không, các phương trình có phản ánh đúng cơ chế vận động của nền kinh tế hay không, dữ liệu có đủ tin cậy hay không, và cuối cùng nghiên cứu ấy giúp chúng ta hiểu thêm điều gì về nền kinh tế Việt Nam?
Đây không phải là lời phủ nhận kinh tế lượng. Ngược lại, kinh tế lượng là một trong những công cụ quan trọng nhất của kinh tế học hiện đại. Vấn đề nằm ở chỗ một công cụ vốn được tạo ra để giúp con người hiểu hiện thực đôi khi lại bị biến thành mục tiêu tự thân. Khi đó, người nghiên cứu không còn bắt đầu từ một vấn đề kinh tế quan trọng rồi lựa chọn công cụ thích hợp để phân tích hiểu rõ, rồi mới dùng toán học để kiểm chứng. Ngược lại, rất đông nhà nghiên cứu bắt đầu bằng một phương pháp mà mình biết sử dụng, sau đó lấy số liệu tính toán để cố “nhét” vấn đề kinh tế vào phương pháp ấy. Đây chính là không hiểu gì về mô hình hóa và quá trình nghiên cứu hoàn toàn bị chệch hướng.
1. Khi cái chốt vuông bị ép vào cái lỗ tròn
Mô hình kinh tế, xét cho cùng, chỉ là một sự giản lược của thực tế. Thay vì nghiên cứu thực tế cực kỳ phức tạp, người ta nghiên cứu những yếu tố chủ chốt của nó bằng cách kết nối chúng với nhau tạo thành mô hình. Không mô hình nào có thể chứa toàn bộ nền kinh tế. Một mô hình tốt phải biết bỏ qua những gì không quan trọng để làm nổi bật những gì quan trọng nhất, đặc biệt là các quan hệ kinh tế. Vì vậy, vấn đề không phải là mô hình đơn giản hay phức tạp. Vấn đề là mô hình có phù hợp với câu hỏi nghiên cứu hay không.
Một mô hình rất phức tạp nhưng được xây dựng trên những giả định sai sẽ kém giá trị hơn một mô hình đơn giản nhưng phản ánh đúng cơ chế kinh tế. Đây là điều tưởng như hiển nhiên nhưng lại rất dễ bị quên trong môi trường học thuật, nơi hình thức của một công trình đôi khi được nhìn thấy dễ hơn chất lượng tư duy đứng phía sau nó.
Một phương trình có thể đẹp về mặt toán học nhưng vô nghĩa về mặt kinh tế. Một hệ số có thể có ý nghĩa thống kê nhưng không có ý nghĩa kinh tế. Một mối tương quan có thể rất mạnh nhưng hoàn toàn không chứng minh được quan hệ nhân quả. Một mô hình có R² rất cao vẫn có thể giải thích rất kém bản chất của nền kinh tế. Một kết quả có mức ý nghĩa 1% vẫn không thể biến một giả thuyết kinh tế phi lý thành một quy luật kinh tế.
Nói cách khác, p-value không thể cứu được một phương trình sai. Đây là nguyên tắc mà bất cứ người làm mô hình nào cũng phải hiểu. Đó là vì p-value chỉ đánh giá sự có ý nghĩa thống kê của hệ số trong mô hình đã được xây dựng; nó không kiểm tra xem bản thân phương trình có đúng về mặt kinh tế hay không.
Thậm chí có thể nó rõ hơn, một trong những ngộ nhận nguy hiểm nhất và phổ biến của kinh tế lượng là đồng nhất ý nghĩa thống kê với tính đúng đắn của mô hình. Một hệ số có p-value rất nhỏ chỉ cho chúng ta biết rằng, trong đặc tả và các giả định thống kê đã lựa chọn, có bằng chứng chống lại một giả thuyết thống kê nhất định. Nó không chứng minh rằng phương trình được xây dựng đúng về mặt kinh tế, không chứng minh cơ chế nhân quả là đúng và càng không chứng minh mô hình đã mô tả đúng nền kinh tế. Nói ngắn gọn: một p-value đẹp không thể cứu một mô hình hay phương trình kinh tế sai. Đây là vấn đề tôi sẽ viết ngay dưới đây.
2. Căn bệnh nguy hiểm hơn: Mô hình đúng về kỹ thuật nhưng sai về kinh tế
Có một loại sai lầm còn nguy hiểm hơn việc chạy sai phần mềm hay lựa chọn sai kiểm định. Đó là mô hình hoàn toàn đúng về mặt kỹ thuật nhưng sai ngay từ cấu trúc kinh tế.
Ví dụ, nếu xây dựng một mô hình tăng trưởng cho Việt Nam mà coi GDP chỉ là kết quả của một vài biến kinh tế lượng được lựa chọn vì chúng có dữ liệu đẹp, trong khi bỏ qua tích lũy vốn, lao động, năng suất, cơ cấu ngành, thương mại quốc tế, FDI, chính sách tài khóa, tiền tệ và những thay đổi thể chế quan trọng, thì mô hình có thể cho ra những con số rất đẹp nhưng chắc chắn không giúp chúng ta hiểu bản chất của quá trình tăng trưởng kinh tế của Việt Nam.
Nếu nghiên cứu đầu tư mà không hiểu đầu tư công, đầu tư tư nhân và FDI vận hành khác nhau như thế nào, rồi gom tất cả thành một biến “đầu tư”, thì chúng ta đã đơn giản hóa quá mức một vấn đề vốn không thể đơn giản hóa như vậy.
Nếu nghiên cứu xuất khẩu của Việt Nam mà chỉ hồi quy xuất khẩu theo GDP, tỷ giá và một vài biến vĩ mô, nhưng không đặt câu hỏi ai xuất khẩu, giá trị gia tăng trong nước là bao nhiêu, nhập khẩu đầu vào chiếm bao nhiêu, doanh nghiệp FDI đóng vai trò thế nào và xuất khẩu thay đổi ra sao khi chuỗi cung ứng toàn cầu thay đổi, thì mô hình có thể rất “đẹp” nhưng lại bỏ qua phần quan trọng nhất của câu chuyện.
Đó là lúc kinh tế lượng biến thành chiếc máy sản xuất hệ số, thay vì trở thành công cụ khám phá quy luật kinh tế và dùng để phân tích kinh tế, mô phỏng chính sách và dự báo phát triển.
3. Việt Nam đang có nguy cơ biến “bài báo có mô hình” thành một chuẩn mực hình thức
Một vấn đề đáng suy nghĩ hơn nằm ở cơ chế đánh giá nghiên cứu. Khi số lượng bài báo, tạp chí, chỉ số trích dẫn và các tiêu chí định lượng ngày càng có vai trò lớn trong đánh giá học thuật, người nghiên cứu sẽ tự nhiên điều chỉnh hành vi của mình để tối đa hóa khả năng công bố. Đây không nhất thiết là lỗi của từng cá nhân. Nó là kết quả của cả một hệ thống khuyến khích.
Nếu những bài có mô hình định lượng dễ được đánh giá cao hơn, các nhà nghiên cứu sẽ làm nhiều mô hình hơn. Nếu một bài chỉ có phân tích thể chế, lịch sử, mô tả thực tế hoặc nghiên cứu từng trường hợp cụ thể bằng các công cụ đơn giản như bảng biểu, rồi khó được đánh giá cao, thì người ta sẽ ít làm những nghiên cứu đó.
Nếu phản biện thường hỏi “mô hình đâu?”, “kiểm định đâu?”, “biến công cụ đâu?”, nhưng ít hỏi “tại sao lại xây dựng phương trình này?”, “cơ chế kinh tế ở đâu?” hoặc “kết quả này có ý nghĩa gì đối với Việt Nam?”, thì tất yếu sẽ xuất hiện một nền kinh tế học chạy theo phương pháp hơn là chạy theo vấn đề.
Khi tất cả mọi người cùng thích một loại bài, thì đến một lúc nào đó người ta không còn nhận ra rằng sở thích tập thể ấy chính là một dạng thiên kiến. Đây được gọi là một dạng “vô thức tập thể”: tác giả, tạp chí, biên tập viên và phản biện cùng tác động lẫn nhau, khiến một số phương pháp dần trở thành “tiêu chuẩn khoa học” mặc định dù không phải lúc nào cũng như thế.
Điều đáng sợ của “vô thức tập thể” là không ai cần phải ra lệnh cho ai. Mọi người chỉ cần quan sát người khác đang làm gì, rồi làm theo. Và thế là xuất hiện những đề tài mà chính người làm cũng không biết để làm gì
Khi phương pháp trở thành mục tiêu, người ta bắt đầu tìm những câu hỏi đủ dễ để phương pháp có thể xử lý, thay vì tìm những câu hỏi đủ quan trọng để xã hội cần được giải đáp. Khi ấy, chúng ta có thể gặp những nghiên cứu rất công phu về những mối quan hệ mà nếu đặt câu hỏi từ góc độ chính sách, người ta phải tự hỏi: Biết được kết quả này thì dùng làm gì và nền kinh tế Việt Nam sẽ thay đổi được điều gì?
Không phải mọi nghiên cứu đều phải trực tiếp tạo ra một chính sách. Nghiên cứu cơ bản có giá trị riêng của nó. Những vấn đề nhỏ cũng có thể giúp phát triển phương pháp. Nhưng nếu cả một cộng đồng nghiên cứu dành quá nhiều trí tuệ, tiền bạc và thời gian cho những câu hỏi nhỏ, trong khi những vấn đề lớn của nền kinh tế lại thiếu người nghiên cứu, thì đó không còn chỉ là sự lựa chọn cá nhân. Đó là vấn đề của hệ thống nghiên cứu.
Việt Nam đang có vô số câu hỏi kinh tế lớn chưa được trả lời thỏa đáng. Ví dụ như: Tại sao năng suất lao động tăng nhưng năng suất tổng hợp các yếu tố vẫn rất thấp? Tại sao nền kinh tế có độ mở thương mại rất cao nhưng giá trị gia tăng trong nước trong nhiều ngành xuất khẩu vẫn còn hạn chế? Tại sao khu vực FDI giữ vai trò quá lớn trong nền kinh tế và trong xuất khẩu? Tại sao đầu tư lớn nhưng hiệu quả đầu tư rất kém? Tại sao năng suất của khu vực doanh nghiệp trong nước thấp? Tại sao quá trình chuyển dịch lao động từ nông nghiệp sang công nghiệp và dịch vụ chưa tạo ra mức tăng năng suất như kỳ vọng? Tại sao chính sách tiền tệ ở những thời điểm khác nhau lại tạo ra những phản ứng rất khác nhau của tín dụng, đầu tư và tiêu dùng? Tại sao cùng một chính sách nhưng tác động giữa các địa phương lại rất khác nhau? Tại sao Việt Nam có thể tăng trưởng nhanh trong một thời gian dài nhưng vẫn đối mặt với bài toán năng suất, chất lượng tăng trưởng và bẫy thu nhập trung bình?
Đây mới là những câu hỏi xứng đáng để các nhà kinh tế dành nhiều năm nghiên cứu, nhưng những câu hỏi như vậy khó hơn rất nhiều một bài hồi quy vài chục quan sát viết để đăng báo.
3. Đừng nhầm quan hệ “nhân quả” trên máy tính với nhân quả trong nền kinh tế
Một trong những vấn đề phổ biến nhất của kinh tế lượng là sự tự tin quá mức vào kết quả ước lượng. Kinh tế xã hội không phải là phòng thí nghiệm vật lý. Trong phòng thí nghiệm, nhà khoa học có thể kiểm soát nhiều điều kiện, cô lập một biến và quan sát phản ứng của biến khác. Nhưng nền kinh tế là một hệ thống mở. Chính sách tiền tệ thay đổi thì lãi suất thay đổi, tín dụng thay đổi, tỷ giá thay đổi, kỳ vọng thay đổi, đầu tư thay đổi, tiêu dùng thay đổi... và phản ứng của các chủ thể kinh tế lại tác động ngược trở lại chính sách.
Doanh nghiệp không phải những hạt vật chất vô tri. Người dân nhìn thấy chính sách, lập tức phản ứng bằng đối sách và thay đổi hành vi. Chính phủ nhìn thấy phản ứng của nền kinh tế và lại thay đổi chính sách. Vì vậy, một kết quả hồi quy không tự động trở thành một quy luật kinh tế. Càng không thể chỉ vì một hệ số có ý nghĩa thống kê mà kết luận rằng A “gây ra” B.
Nhân quả là một vấn đề kinh tế trước khi nó là một vấn đề kỹ thuật kinh tế lượng. Muốn chứng minh nhân quả, trước hết phải phân tích thực tế và giải thích được cơ chế. Nếu không có một câu chuyện kinh tế hợp lý, việc tìm ra một hệ số có ý nghĩa thống kê chỉ là phát hiện một mối liên hệ trong dữ liệu.
Một nhà kinh tế giỏi không phải là người biết chạy được nhiều mô hình nhất. Đó là người biết khi nào kết quả của mô hình đáng tin, khi nào cần nghi ngờ nó, và khi nào không nên dùng mô hình ấy ngay từ đầu.
4. Một phương trình sai không trở thành đúng chỉ vì có mười kiểm định đứng bên cạnh
Có một điều tôi thấy cần nói thẳng. Trong nghiên cứu kinh tế lượng, chúng ta rất chú ý đến tính dừng, đồng liên kết, tự tương quan, phương sai thay đổi, nội sinh, đa cộng tuyến, đặc trưng phần dư, độ trễ, tính ổn định của mô hình… Đúng là tất cả đều quan trọng.
Nhưng có một thứ còn quan trọng hơn: phân tích làm rõ được cơ chế kinh tế của mô hình.
Nếu quan hệ kinh tế được viết sai, thì một mô hình vượt qua hàng loạt kiểm định thống kê vẫn có thể là một mô hình vô nghĩa; giống như tương quan chặt chẽ giữa lượng bằng cấp ở Việt Nam với số bò ở Mỹ.
Vì vậy, không thể dùng kiểm định thống kê để chứng minh một giả định kinh tế phi lý là hợp lý. Không thể dùng một chuỗi kiểm định để biến một quan hệ tương quan cơ học thành quan hệ nhân quả. Không thể dùng một phần mềm kinh tế lượng để thay thế tư duy kinh tế. Và càng không thể lấy độ phức tạp của mô hình làm bằng chứng cho độ sâu của tư duy.
Một mô hình càng phức tạp càng cần được giải thích rõ hơn, chứ không phải càng được miễn giải thích.
5. Nhiều người chỉ biết làm mô hình hóa mà bỏ quên nền kinh tế thật
Khi một nhà nghiên cứu dành nhiều tháng để tối ưu hóa một mô hình nhưng không dành đủ thời gian để tìm hiểu doanh nghiệp, thị trường lao động, chính sách, thể chế và lịch sử của vấn đề đang nghiên cứu, thì mô hình rất dễ trở thành một thế giới khép kín. Trong thế giới ấy, các biến số được định nghĩa theo bảng dữ liệu.
Nhưng ngoài đời, chúng có con người đứng phía sau. “Đầu tư” không chỉ là một biến I. “Lao động” không chỉ là một biến L. “Doanh nghiệp” không chỉ là một quan sát giả. “Thể chế” không chỉ là một biến giả bằng 0 hoặc 1. “Chính sách” không phải lúc nào cũng có thể biểu diễn đầy đủ bằng một dummy variable. Và “nền kinh tế Việt Nam” chắc chắn không phải là một tập hợp vài chục biến trong một file Excel.
Muốn hiểu một nền kinh tế, trước hết phải hiểu nền kinh tế đó. Phải đọc lịch sử của nó. Phải hiểu thể chế của nó. Phải biết các doanh nghiệp vận hành như thế nào. Phải biết chính sách được thực thi ra sao. Phải biết sự khác nhau của các địa phương như thế nào. Phải hiểu quan hệ giữa Nhà nước, thị trường và doanh nghiệp. Phải biết những gì xảy ra trên thực tế trước khi cố gắng biến chúng thành các biến số...
6. Kinh tế học không chỉ có kinh tế lượng
Những vấn đề trong kinh tế học phải được nghiên cứu bằng nhiều phương pháp. Có những câu hỏi phù hợp với mô hình toán học tối ưu. Có những câu hỏi phù hợp với kinh tế lượng. Có những câu hỏi cần dữ liệu vi mô. Có những câu hỏi cần nghiên cứu theo trường hợp. Có những câu hỏi cần khảo sát doanh nghiệp và người dân. Có những câu hỏi phải nghiên cứu lịch sử. Có những câu hỏi phải kết hợp kinh tế học với xã hội học, khoa học chính trị, luật học và các ngành khác...
Ngay cả phân tích mô tả bằng lời văn và bảng biểu cũng không phải là thứ đáng xấu hổ. Một hiện tượng mới được phát hiện bằng thống kê mô tả đôi khi có giá trị hơn một bài nghiên cứu với một mô hình cực kỳ phức tạp nhưng trả lời một câu hỏi không quan trọng. Nếu một vấn đề chưa thể phân tích bằng mô hình toán học hay suy luận nhân quả, phân tích văn bản, khảo sát, nghiên cứu trường hợp, phân tích tương quan và việc phát hiện hiện tượng vẫn có giá trị.
Đó không phải là quay lưng với khoa học. Đó chính là bảo vệ khoa học khỏi sự giáo điều về phương pháp.
7. Việt Nam đang cần những nhà kinh tế biết đặt câu hỏi, không chỉ biết chạy mô hình
Theo tôi, điều Việt Nam cần không phải là ít mô hình hơn mà là Việt Nam cần nhiều mô hình tốt hơn. Và để có mô hình tốt hơn, chúng ta cần những nhà kinh tế có khả năng đặt câu hỏi tốt hơn.
Một nhà nghiên cứu phải có quyền nói: “Vấn đề này không cần mô hình.” Một người khác phải có quyền nói: “Dữ liệu hiện nay chưa đủ để kết luận nhân quả.” Một người khác phải có quyền nói: “Phương trình này sai về mặt kinh tế, dù các kiểm định đều đẹp.”
Và một phản biện tốt phải đủ khả năng hỏi tác giả một câu rất đơn giản: “Nếu bỏ toàn bộ phần kinh tế lượng đi, anh có còn hiểu được vấn đề kinh tế mà anh đang nghiên cứu hay không?”. Nếu câu trả lời là không, thì có lẽ vấn đề không nằm ở kinh tế lượng. Vấn đề nằm ở chỗ người nghiên cứu đã để công cụ thay thế cho tư duy.
Do vậy, cần thay đổi cả “thẩm mỹ” của nghiên cứu kinh tế. Một nền học thuật lành mạnh không thể chỉ có một kiểu bài báo được coi là “đẹp”. Bài toán học đẹp không nhất thiết là bài nghiên cứu hay. Mô hình kinh tế lượng phức tạp không nhất thiết là nghiên cứu sâu. Một bảng kết quả dài không nhất thiết chứa nhiều tri thức. Một hệ số có ba dấu sao không nhất thiết quan trọng hơn một phát hiện không có dấu sao nào.
Điều quan trọng nhất vẫn phải là: câu hỏi có quan trọng không, lý thuyết có đúng không, dữ liệu có đáng tin không, phương pháp có phù hợp không, kết quả có thuyết phục không và tri thức mới tạo ra có đáng kể không.
Nếu một nghiên cứu trả lời được một câu hỏi lớn của Việt Nam bằng một mô hình đơn giản, đó có thể là nghiên cứu xuất sắc. Ngược lại, nếu một nghiên cứu sử dụng một phương pháp cực kỳ hiện đại nhưng chỉ chứng minh một điều mà ai cũng biết, đó có thể chỉ là một bài tập kỹ thuật.
Đặc biệt, nếu một nghiên cứu dùng kinh tế lượng để chứng minh một quan hệ mà ngay từ đầu đã không có cơ sở kinh tế, thì dù được trình bày đẹp đến đâu, nó vẫn không trở thành khoa học tốt.
Điều đáng sợ nhất không phải là một mô hình sai. Một mô hình sai có thể sửa. Một bài báo yếu có thể viết lại. Một phương pháp chưa tốt có thể cải tiến.
Điều đáng sợ hơn là cả cộng đồng cùng coi một kiểu nghiên cứu là chuẩn mực duy nhất, đến mức người ta không còn dám đặt những câu hỏi mà phương pháp ấy không thể trả lời.
Khi đó, chính phương pháp nghiên cứu bắt đầu quyết định đối tượng nghiên cứu. Những gì đo được thì được nghiên cứu. Những gì hồi quy được thì được nghiên cứu. Những gì có thể tạo ra một hệ số có ý nghĩa thống kê thì được nghiên cứu.
Còn những vấn đề lớn nhưng phức tạp, khó lượng hóa, khó xác định nhân quả hoặc đòi hỏi hiểu biết sâu về thể chế và lịch sử thì dần bị bỏ lại phía sau.
Đó là một sự đảo ngược nguy hiểm: Đáng lẽ phương pháp phải phục vụ câu hỏi; cuối cùng câu hỏi lại bị lựa chọn để phục vụ phương pháp.
8. Kết luận: Hãy đưa mô hình trở về đúng vị trí của nó
Kinh tế lượng không có lỗi. Toán học không có lỗi. Mô hình hóa không có lỗi. Lỗi nằm ở việc biến chúng thành một thứ tín ngưỡng học thuật.
Một nhà kinh tế không nên được đánh giá cao chỉ vì anh ta biết nhiều kỹ thuật hơn người khác. Anh ta phải được đánh giá bởi khả năng nhìn thấy một vấn đề mà người khác chưa nhìn thấy, đặt ra một câu hỏi đúng, xây dựng một lập luận có cơ sở và sử dụng công cụ thích hợp nhất để tìm câu trả lời.
Có khi công cụ ấy là một mô hình DSGE. Có khi là một mô hình tăng trưởng. Có khi là một hệ phương trình vĩ mô. Có khi là một mô hình kinh tế lượng. Nhưng cũng có khi chỉ cần một bảng số liệu, một nghiên cứu trường hợp, một cuộc điều tra doanh nghiệp hoặc một lập luận kinh tế chặt chẽ.
Không phải cứ có mô hình là có khoa học, và không có mô hình không có nghĩa là không có khoa học, vì mục tiêu cuối cùng của kinh tế học không phải là tạo ra những phương trình đẹp.
Mục tiêu của nghiên cứu kinh tế học là hiểu được nền kinh tế đang vận động như thế nào, tại sao nó vận động như vậy, điều gì có thể xảy ra tiếp theo và chính sách nào có thể làm cho nền kinh tế vận động tốt hơn.
Nếu một phương trình giúp chúng ta hiểu được điều đó, hãy sử dụng nó. Nếu một mô hình không giúp chúng ta hiểu điều đó, dù nó có tinh vi đến đâu, hãy mạnh dạn bỏ nó đi, đơn giản bởi vì nền kinh tế không tồn tại để chứng minh mô hình của chúng ta đúng. Chính mô hình phải chứng minh rằng nó xứng đáng được dùng để hiểu nền kinh tế.
Từ lâu tôi đã thấy có một nghịch lý ngày càng đáng suy nghĩ trong nghiên cứu kinh tế ở Việt Nam: chúng ta nói rất nhiều về việc phải nâng cao tính khoa học của nghiên cứu, nhưng đôi khi lại đồng nhất “tính khoa học” với việc có thật nhiều phương trình toán học, thật nhiều kiểm định, thật nhiều hệ số hồi quy và những thuật ngữ kinh tế lượng ngày càng phức tạp. Một bài nghiên cứu có thể chứa VAR, VECM, ARDL, GMM, FEM, REM, LSDVC, FGLS, kiểm định Granger, kiểm định đồng liên kết, kiểm định nhân quả, kiểm định tính dừng… và nhìn bề ngoài rất “khoa học”.
Nhưng câu hỏi quan trọng hơn nhiều lại thường bị bỏ quên: mô hình đó có đúng về mặt kinh tế hay không, các phương trình có phản ánh đúng cơ chế vận động của nền kinh tế hay không, dữ liệu có đủ tin cậy hay không, và cuối cùng nghiên cứu ấy giúp chúng ta hiểu thêm điều gì về nền kinh tế Việt Nam?
Đây không phải là lời phủ nhận kinh tế lượng. Ngược lại, kinh tế lượng là một trong những công cụ quan trọng nhất của kinh tế học hiện đại. Vấn đề nằm ở chỗ một công cụ vốn được tạo ra để giúp con người hiểu hiện thực đôi khi lại bị biến thành mục tiêu tự thân. Khi đó, người nghiên cứu không còn bắt đầu từ một vấn đề kinh tế quan trọng rồi lựa chọn công cụ thích hợp để phân tích hiểu rõ, rồi mới dùng toán học để kiểm chứng. Ngược lại, rất đông nhà nghiên cứu bắt đầu bằng một phương pháp mà mình biết sử dụng, sau đó lấy số liệu tính toán để cố “nhét” vấn đề kinh tế vào phương pháp ấy. Đây chính là không hiểu gì về mô hình hóa và quá trình nghiên cứu hoàn toàn bị chệch hướng.
1. Khi cái chốt vuông bị ép vào cái lỗ tròn
Mô hình kinh tế, xét cho cùng, chỉ là một sự giản lược của thực tế. Thay vì nghiên cứu thực tế cực kỳ phức tạp, người ta nghiên cứu những yếu tố chủ chốt của nó bằng cách kết nối chúng với nhau tạo thành mô hình. Không mô hình nào có thể chứa toàn bộ nền kinh tế. Một mô hình tốt phải biết bỏ qua những gì không quan trọng để làm nổi bật những gì quan trọng nhất, đặc biệt là các quan hệ kinh tế. Vì vậy, vấn đề không phải là mô hình đơn giản hay phức tạp. Vấn đề là mô hình có phù hợp với câu hỏi nghiên cứu hay không.
Một mô hình rất phức tạp nhưng được xây dựng trên những giả định sai sẽ kém giá trị hơn một mô hình đơn giản nhưng phản ánh đúng cơ chế kinh tế. Đây là điều tưởng như hiển nhiên nhưng lại rất dễ bị quên trong môi trường học thuật, nơi hình thức của một công trình đôi khi được nhìn thấy dễ hơn chất lượng tư duy đứng phía sau nó.
Một phương trình có thể đẹp về mặt toán học nhưng vô nghĩa về mặt kinh tế. Một hệ số có thể có ý nghĩa thống kê nhưng không có ý nghĩa kinh tế. Một mối tương quan có thể rất mạnh nhưng hoàn toàn không chứng minh được quan hệ nhân quả. Một mô hình có R² rất cao vẫn có thể giải thích rất kém bản chất của nền kinh tế. Một kết quả có mức ý nghĩa 1% vẫn không thể biến một giả thuyết kinh tế phi lý thành một quy luật kinh tế.
Nói cách khác, p-value không thể cứu được một phương trình sai. Đây là nguyên tắc mà bất cứ người làm mô hình nào cũng phải hiểu. Đó là vì p-value chỉ đánh giá sự có ý nghĩa thống kê của hệ số trong mô hình đã được xây dựng; nó không kiểm tra xem bản thân phương trình có đúng về mặt kinh tế hay không.
Thậm chí có thể nó rõ hơn, một trong những ngộ nhận nguy hiểm nhất và phổ biến của kinh tế lượng là đồng nhất ý nghĩa thống kê với tính đúng đắn của mô hình. Một hệ số có p-value rất nhỏ chỉ cho chúng ta biết rằng, trong đặc tả và các giả định thống kê đã lựa chọn, có bằng chứng chống lại một giả thuyết thống kê nhất định. Nó không chứng minh rằng phương trình được xây dựng đúng về mặt kinh tế, không chứng minh cơ chế nhân quả là đúng và càng không chứng minh mô hình đã mô tả đúng nền kinh tế. Nói ngắn gọn: một p-value đẹp không thể cứu một mô hình hay phương trình kinh tế sai. Đây là vấn đề tôi sẽ viết ngay dưới đây.
2. Căn bệnh nguy hiểm hơn: Mô hình đúng về kỹ thuật nhưng sai về kinh tế
Có một loại sai lầm còn nguy hiểm hơn việc chạy sai phần mềm hay lựa chọn sai kiểm định. Đó là mô hình hoàn toàn đúng về mặt kỹ thuật nhưng sai ngay từ cấu trúc kinh tế.
Ví dụ, nếu xây dựng một mô hình tăng trưởng cho Việt Nam mà coi GDP chỉ là kết quả của một vài biến kinh tế lượng được lựa chọn vì chúng có dữ liệu đẹp, trong khi bỏ qua tích lũy vốn, lao động, năng suất, cơ cấu ngành, thương mại quốc tế, FDI, chính sách tài khóa, tiền tệ và những thay đổi thể chế quan trọng, thì mô hình có thể cho ra những con số rất đẹp nhưng chắc chắn không giúp chúng ta hiểu bản chất của quá trình tăng trưởng kinh tế của Việt Nam.
Nếu nghiên cứu đầu tư mà không hiểu đầu tư công, đầu tư tư nhân và FDI vận hành khác nhau như thế nào, rồi gom tất cả thành một biến “đầu tư”, thì chúng ta đã đơn giản hóa quá mức một vấn đề vốn không thể đơn giản hóa như vậy.
Nếu nghiên cứu xuất khẩu của Việt Nam mà chỉ hồi quy xuất khẩu theo GDP, tỷ giá và một vài biến vĩ mô, nhưng không đặt câu hỏi ai xuất khẩu, giá trị gia tăng trong nước là bao nhiêu, nhập khẩu đầu vào chiếm bao nhiêu, doanh nghiệp FDI đóng vai trò thế nào và xuất khẩu thay đổi ra sao khi chuỗi cung ứng toàn cầu thay đổi, thì mô hình có thể rất “đẹp” nhưng lại bỏ qua phần quan trọng nhất của câu chuyện.
Đó là lúc kinh tế lượng biến thành chiếc máy sản xuất hệ số, thay vì trở thành công cụ khám phá quy luật kinh tế và dùng để phân tích kinh tế, mô phỏng chính sách và dự báo phát triển.
3. Việt Nam đang có nguy cơ biến “bài báo có mô hình” thành một chuẩn mực hình thức
Một vấn đề đáng suy nghĩ hơn nằm ở cơ chế đánh giá nghiên cứu. Khi số lượng bài báo, tạp chí, chỉ số trích dẫn và các tiêu chí định lượng ngày càng có vai trò lớn trong đánh giá học thuật, người nghiên cứu sẽ tự nhiên điều chỉnh hành vi của mình để tối đa hóa khả năng công bố. Đây không nhất thiết là lỗi của từng cá nhân. Nó là kết quả của cả một hệ thống khuyến khích.
Nếu những bài có mô hình định lượng dễ được đánh giá cao hơn, các nhà nghiên cứu sẽ làm nhiều mô hình hơn. Nếu một bài chỉ có phân tích thể chế, lịch sử, mô tả thực tế hoặc nghiên cứu từng trường hợp cụ thể bằng các công cụ đơn giản như bảng biểu, rồi khó được đánh giá cao, thì người ta sẽ ít làm những nghiên cứu đó.
Nếu phản biện thường hỏi “mô hình đâu?”, “kiểm định đâu?”, “biến công cụ đâu?”, nhưng ít hỏi “tại sao lại xây dựng phương trình này?”, “cơ chế kinh tế ở đâu?” hoặc “kết quả này có ý nghĩa gì đối với Việt Nam?”, thì tất yếu sẽ xuất hiện một nền kinh tế học chạy theo phương pháp hơn là chạy theo vấn đề.
Khi tất cả mọi người cùng thích một loại bài, thì đến một lúc nào đó người ta không còn nhận ra rằng sở thích tập thể ấy chính là một dạng thiên kiến. Đây được gọi là một dạng “vô thức tập thể”: tác giả, tạp chí, biên tập viên và phản biện cùng tác động lẫn nhau, khiến một số phương pháp dần trở thành “tiêu chuẩn khoa học” mặc định dù không phải lúc nào cũng như thế.
Điều đáng sợ của “vô thức tập thể” là không ai cần phải ra lệnh cho ai. Mọi người chỉ cần quan sát người khác đang làm gì, rồi làm theo. Và thế là xuất hiện những đề tài mà chính người làm cũng không biết để làm gì
Khi phương pháp trở thành mục tiêu, người ta bắt đầu tìm những câu hỏi đủ dễ để phương pháp có thể xử lý, thay vì tìm những câu hỏi đủ quan trọng để xã hội cần được giải đáp. Khi ấy, chúng ta có thể gặp những nghiên cứu rất công phu về những mối quan hệ mà nếu đặt câu hỏi từ góc độ chính sách, người ta phải tự hỏi: Biết được kết quả này thì dùng làm gì và nền kinh tế Việt Nam sẽ thay đổi được điều gì?
Không phải mọi nghiên cứu đều phải trực tiếp tạo ra một chính sách. Nghiên cứu cơ bản có giá trị riêng của nó. Những vấn đề nhỏ cũng có thể giúp phát triển phương pháp. Nhưng nếu cả một cộng đồng nghiên cứu dành quá nhiều trí tuệ, tiền bạc và thời gian cho những câu hỏi nhỏ, trong khi những vấn đề lớn của nền kinh tế lại thiếu người nghiên cứu, thì đó không còn chỉ là sự lựa chọn cá nhân. Đó là vấn đề của hệ thống nghiên cứu.
Việt Nam đang có vô số câu hỏi kinh tế lớn chưa được trả lời thỏa đáng. Ví dụ như: Tại sao năng suất lao động tăng nhưng năng suất tổng hợp các yếu tố vẫn rất thấp? Tại sao nền kinh tế có độ mở thương mại rất cao nhưng giá trị gia tăng trong nước trong nhiều ngành xuất khẩu vẫn còn hạn chế? Tại sao khu vực FDI giữ vai trò quá lớn trong nền kinh tế và trong xuất khẩu? Tại sao đầu tư lớn nhưng hiệu quả đầu tư rất kém? Tại sao năng suất của khu vực doanh nghiệp trong nước thấp? Tại sao quá trình chuyển dịch lao động từ nông nghiệp sang công nghiệp và dịch vụ chưa tạo ra mức tăng năng suất như kỳ vọng? Tại sao chính sách tiền tệ ở những thời điểm khác nhau lại tạo ra những phản ứng rất khác nhau của tín dụng, đầu tư và tiêu dùng? Tại sao cùng một chính sách nhưng tác động giữa các địa phương lại rất khác nhau? Tại sao Việt Nam có thể tăng trưởng nhanh trong một thời gian dài nhưng vẫn đối mặt với bài toán năng suất, chất lượng tăng trưởng và bẫy thu nhập trung bình?
Đây mới là những câu hỏi xứng đáng để các nhà kinh tế dành nhiều năm nghiên cứu, nhưng những câu hỏi như vậy khó hơn rất nhiều một bài hồi quy vài chục quan sát viết để đăng báo.
3. Đừng nhầm quan hệ “nhân quả” trên máy tính với nhân quả trong nền kinh tế
Một trong những vấn đề phổ biến nhất của kinh tế lượng là sự tự tin quá mức vào kết quả ước lượng. Kinh tế xã hội không phải là phòng thí nghiệm vật lý. Trong phòng thí nghiệm, nhà khoa học có thể kiểm soát nhiều điều kiện, cô lập một biến và quan sát phản ứng của biến khác. Nhưng nền kinh tế là một hệ thống mở. Chính sách tiền tệ thay đổi thì lãi suất thay đổi, tín dụng thay đổi, tỷ giá thay đổi, kỳ vọng thay đổi, đầu tư thay đổi, tiêu dùng thay đổi... và phản ứng của các chủ thể kinh tế lại tác động ngược trở lại chính sách.
Doanh nghiệp không phải những hạt vật chất vô tri. Người dân nhìn thấy chính sách, lập tức phản ứng bằng đối sách và thay đổi hành vi. Chính phủ nhìn thấy phản ứng của nền kinh tế và lại thay đổi chính sách. Vì vậy, một kết quả hồi quy không tự động trở thành một quy luật kinh tế. Càng không thể chỉ vì một hệ số có ý nghĩa thống kê mà kết luận rằng A “gây ra” B.
Nhân quả là một vấn đề kinh tế trước khi nó là một vấn đề kỹ thuật kinh tế lượng. Muốn chứng minh nhân quả, trước hết phải phân tích thực tế và giải thích được cơ chế. Nếu không có một câu chuyện kinh tế hợp lý, việc tìm ra một hệ số có ý nghĩa thống kê chỉ là phát hiện một mối liên hệ trong dữ liệu.
Một nhà kinh tế giỏi không phải là người biết chạy được nhiều mô hình nhất. Đó là người biết khi nào kết quả của mô hình đáng tin, khi nào cần nghi ngờ nó, và khi nào không nên dùng mô hình ấy ngay từ đầu.
4. Một phương trình sai không trở thành đúng chỉ vì có mười kiểm định đứng bên cạnh
Có một điều tôi thấy cần nói thẳng. Trong nghiên cứu kinh tế lượng, chúng ta rất chú ý đến tính dừng, đồng liên kết, tự tương quan, phương sai thay đổi, nội sinh, đa cộng tuyến, đặc trưng phần dư, độ trễ, tính ổn định của mô hình… Đúng là tất cả đều quan trọng.
Nhưng có một thứ còn quan trọng hơn: phân tích làm rõ được cơ chế kinh tế của mô hình.
Nếu quan hệ kinh tế được viết sai, thì một mô hình vượt qua hàng loạt kiểm định thống kê vẫn có thể là một mô hình vô nghĩa; giống như tương quan chặt chẽ giữa lượng bằng cấp ở Việt Nam với số bò ở Mỹ.
Vì vậy, không thể dùng kiểm định thống kê để chứng minh một giả định kinh tế phi lý là hợp lý. Không thể dùng một chuỗi kiểm định để biến một quan hệ tương quan cơ học thành quan hệ nhân quả. Không thể dùng một phần mềm kinh tế lượng để thay thế tư duy kinh tế. Và càng không thể lấy độ phức tạp của mô hình làm bằng chứng cho độ sâu của tư duy.
Một mô hình càng phức tạp càng cần được giải thích rõ hơn, chứ không phải càng được miễn giải thích.
5. Nhiều người chỉ biết làm mô hình hóa mà bỏ quên nền kinh tế thật
Khi một nhà nghiên cứu dành nhiều tháng để tối ưu hóa một mô hình nhưng không dành đủ thời gian để tìm hiểu doanh nghiệp, thị trường lao động, chính sách, thể chế và lịch sử của vấn đề đang nghiên cứu, thì mô hình rất dễ trở thành một thế giới khép kín. Trong thế giới ấy, các biến số được định nghĩa theo bảng dữ liệu.
Nhưng ngoài đời, chúng có con người đứng phía sau. “Đầu tư” không chỉ là một biến I. “Lao động” không chỉ là một biến L. “Doanh nghiệp” không chỉ là một quan sát giả. “Thể chế” không chỉ là một biến giả bằng 0 hoặc 1. “Chính sách” không phải lúc nào cũng có thể biểu diễn đầy đủ bằng một dummy variable. Và “nền kinh tế Việt Nam” chắc chắn không phải là một tập hợp vài chục biến trong một file Excel.
Muốn hiểu một nền kinh tế, trước hết phải hiểu nền kinh tế đó. Phải đọc lịch sử của nó. Phải hiểu thể chế của nó. Phải biết các doanh nghiệp vận hành như thế nào. Phải biết chính sách được thực thi ra sao. Phải biết sự khác nhau của các địa phương như thế nào. Phải hiểu quan hệ giữa Nhà nước, thị trường và doanh nghiệp. Phải biết những gì xảy ra trên thực tế trước khi cố gắng biến chúng thành các biến số...
6. Kinh tế học không chỉ có kinh tế lượng
Những vấn đề trong kinh tế học phải được nghiên cứu bằng nhiều phương pháp. Có những câu hỏi phù hợp với mô hình toán học tối ưu. Có những câu hỏi phù hợp với kinh tế lượng. Có những câu hỏi cần dữ liệu vi mô. Có những câu hỏi cần nghiên cứu theo trường hợp. Có những câu hỏi cần khảo sát doanh nghiệp và người dân. Có những câu hỏi phải nghiên cứu lịch sử. Có những câu hỏi phải kết hợp kinh tế học với xã hội học, khoa học chính trị, luật học và các ngành khác...
Ngay cả phân tích mô tả bằng lời văn và bảng biểu cũng không phải là thứ đáng xấu hổ. Một hiện tượng mới được phát hiện bằng thống kê mô tả đôi khi có giá trị hơn một bài nghiên cứu với một mô hình cực kỳ phức tạp nhưng trả lời một câu hỏi không quan trọng. Nếu một vấn đề chưa thể phân tích bằng mô hình toán học hay suy luận nhân quả, phân tích văn bản, khảo sát, nghiên cứu trường hợp, phân tích tương quan và việc phát hiện hiện tượng vẫn có giá trị.
Đó không phải là quay lưng với khoa học. Đó chính là bảo vệ khoa học khỏi sự giáo điều về phương pháp.
7. Việt Nam đang cần những nhà kinh tế biết đặt câu hỏi, không chỉ biết chạy mô hình
Theo tôi, điều Việt Nam cần không phải là ít mô hình hơn mà là Việt Nam cần nhiều mô hình tốt hơn. Và để có mô hình tốt hơn, chúng ta cần những nhà kinh tế có khả năng đặt câu hỏi tốt hơn.
Một nhà nghiên cứu phải có quyền nói: “Vấn đề này không cần mô hình.” Một người khác phải có quyền nói: “Dữ liệu hiện nay chưa đủ để kết luận nhân quả.” Một người khác phải có quyền nói: “Phương trình này sai về mặt kinh tế, dù các kiểm định đều đẹp.”
Và một phản biện tốt phải đủ khả năng hỏi tác giả một câu rất đơn giản: “Nếu bỏ toàn bộ phần kinh tế lượng đi, anh có còn hiểu được vấn đề kinh tế mà anh đang nghiên cứu hay không?”. Nếu câu trả lời là không, thì có lẽ vấn đề không nằm ở kinh tế lượng. Vấn đề nằm ở chỗ người nghiên cứu đã để công cụ thay thế cho tư duy.
Do vậy, cần thay đổi cả “thẩm mỹ” của nghiên cứu kinh tế. Một nền học thuật lành mạnh không thể chỉ có một kiểu bài báo được coi là “đẹp”. Bài toán học đẹp không nhất thiết là bài nghiên cứu hay. Mô hình kinh tế lượng phức tạp không nhất thiết là nghiên cứu sâu. Một bảng kết quả dài không nhất thiết chứa nhiều tri thức. Một hệ số có ba dấu sao không nhất thiết quan trọng hơn một phát hiện không có dấu sao nào.
Điều quan trọng nhất vẫn phải là: câu hỏi có quan trọng không, lý thuyết có đúng không, dữ liệu có đáng tin không, phương pháp có phù hợp không, kết quả có thuyết phục không và tri thức mới tạo ra có đáng kể không.
Nếu một nghiên cứu trả lời được một câu hỏi lớn của Việt Nam bằng một mô hình đơn giản, đó có thể là nghiên cứu xuất sắc. Ngược lại, nếu một nghiên cứu sử dụng một phương pháp cực kỳ hiện đại nhưng chỉ chứng minh một điều mà ai cũng biết, đó có thể chỉ là một bài tập kỹ thuật.
Đặc biệt, nếu một nghiên cứu dùng kinh tế lượng để chứng minh một quan hệ mà ngay từ đầu đã không có cơ sở kinh tế, thì dù được trình bày đẹp đến đâu, nó vẫn không trở thành khoa học tốt.
Điều đáng sợ nhất không phải là một mô hình sai. Một mô hình sai có thể sửa. Một bài báo yếu có thể viết lại. Một phương pháp chưa tốt có thể cải tiến.
Điều đáng sợ hơn là cả cộng đồng cùng coi một kiểu nghiên cứu là chuẩn mực duy nhất, đến mức người ta không còn dám đặt những câu hỏi mà phương pháp ấy không thể trả lời.
Khi đó, chính phương pháp nghiên cứu bắt đầu quyết định đối tượng nghiên cứu. Những gì đo được thì được nghiên cứu. Những gì hồi quy được thì được nghiên cứu. Những gì có thể tạo ra một hệ số có ý nghĩa thống kê thì được nghiên cứu.
Còn những vấn đề lớn nhưng phức tạp, khó lượng hóa, khó xác định nhân quả hoặc đòi hỏi hiểu biết sâu về thể chế và lịch sử thì dần bị bỏ lại phía sau.
Đó là một sự đảo ngược nguy hiểm: Đáng lẽ phương pháp phải phục vụ câu hỏi; cuối cùng câu hỏi lại bị lựa chọn để phục vụ phương pháp.
8. Kết luận: Hãy đưa mô hình trở về đúng vị trí của nó
Kinh tế lượng không có lỗi. Toán học không có lỗi. Mô hình hóa không có lỗi. Lỗi nằm ở việc biến chúng thành một thứ tín ngưỡng học thuật.
Một nhà kinh tế không nên được đánh giá cao chỉ vì anh ta biết nhiều kỹ thuật hơn người khác. Anh ta phải được đánh giá bởi khả năng nhìn thấy một vấn đề mà người khác chưa nhìn thấy, đặt ra một câu hỏi đúng, xây dựng một lập luận có cơ sở và sử dụng công cụ thích hợp nhất để tìm câu trả lời.
Có khi công cụ ấy là một mô hình DSGE. Có khi là một mô hình tăng trưởng. Có khi là một hệ phương trình vĩ mô. Có khi là một mô hình kinh tế lượng. Nhưng cũng có khi chỉ cần một bảng số liệu, một nghiên cứu trường hợp, một cuộc điều tra doanh nghiệp hoặc một lập luận kinh tế chặt chẽ.
Không phải cứ có mô hình là có khoa học, và không có mô hình không có nghĩa là không có khoa học, vì mục tiêu cuối cùng của kinh tế học không phải là tạo ra những phương trình đẹp.
Mục tiêu của nghiên cứu kinh tế học là hiểu được nền kinh tế đang vận động như thế nào, tại sao nó vận động như vậy, điều gì có thể xảy ra tiếp theo và chính sách nào có thể làm cho nền kinh tế vận động tốt hơn.
Nếu một phương trình giúp chúng ta hiểu được điều đó, hãy sử dụng nó. Nếu một mô hình không giúp chúng ta hiểu điều đó, dù nó có tinh vi đến đâu, hãy mạnh dạn bỏ nó đi, đơn giản bởi vì nền kinh tế không tồn tại để chứng minh mô hình của chúng ta đúng. Chính mô hình phải chứng minh rằng nó xứng đáng được dùng để hiểu nền kinh tế.
Không có nhận xét nào:
Đăng nhận xét