Những điều nên biết khi làm NCKH về kinh tế

Trước khi nói đến các bước làm NCKH như chọn chủ đề, đọc tài liệu, xác định hướng
nghiên cứu, xây dựng mô hình, … thì mình muốn đề cập trước đến những hành trang
theo mình là quan trọng đối với sinh viên nếu muốn làm NCKH. Sau post này mình
hy vọng các bạn xác định được hướng bổ sung các kỹ năng và kiến thức cần thiết. Thứ
nhất, ra trận mà cầm theo súng thì vẫn tự tin và kích thích hơn. Thứ hai, các hành
trang này cũng sẽ có ích trong quá trình học đại học, sau đại học và đi làm của các
bạn.

Các kỹ năng và kiến thức cần có

Tiếng Anh

Khi làm NCKH các bạn sẽ phải đọc rất nhiều tài liệu bên ngoài sách giáo trình, và hầu
hết sẽ là các bài báo (academic paper chứ không phải newspaper nhé) viết bằng tiếng
Anh đăng trên các tạp chí quốc tế. Chuyện này là không tránh khỏi nếu các bạn muốn
có một nghiên cứu có chất lượng. Vì vậy các bạn nên trau dồi vốn từ vựng tiếng Anh
của mình cùng kỹ năng Đọc (Reading skills). Học tiếng Anh thế nào đã có nhiều
người chia sẻ nên mình xin bỏ qua.

Trong quá trình đọc tài liệu, các bạn cũng sẽ gặp nhiều từ chuyên ngành hẹp về kinh
tế (chẳng hạn autarky, reservation wage, balanced growth path, endogenous growth,
first welfare theorem, …). Cách tốt nhất để hiểu các khái niệm này là học lại giáo
trình bằng tiếng Anh (nguồn học mình sẽ trình bày ở bên dưới). Còn nếu thiếu thời
gian, các bạn có thể google và vào xem các slide hoặc lecture notes bài giảng của các
trường Đại học. Wikipedia cung cấp một số thông tin nhưng chúng khá rời rạc và đôi
khi được trình bày vắn tắt và khó hiểu.

Toán cao cấp

Toán học là ngôn ngữ diễn đạt và công cụ tư duy của các môn khoa học. Vì tính hữu
ích của nó mà khoảng 80 năm trở lại đây, hầu hết các nghiên cứu kinh tế đều trình bày
bằng ngôn ngữ toán học. Toán học giúp tư duy kinh tế trở nên mạch lạc hơn và giúp
chúng ta biết những dự báo kinh tế được lập ra trên các giả định gì.

Muốn đọc hiểu paper có sử dụng mô hình lý thuyết thì các bạn cần biết toán cao cấp
và một số cách ứng dụng của toán vào kinh tế học. Nguyên nhân các bạn không dùng
nhiều đến toán cao cấp khi học đại học là do các môn học nhập môn (Introduction
to…) tại trường thường chú trọng trình bày ý tưởng (intuition) và đôi khi bỏ qua sự
chặt chẽ (chúng ta hay dùng hình vẽ-đồ thị nhiều hơn là các công thức toán học). Còn
nếu làm NCKH, các bạn sẽ có cơ hội vận dụng chính những gì mình học ở Toán 1
(Linear Algebra) và Toán 2 (Calculus) vào giải thích thế giới xung quanh chúng ta.
Các bạn muốn bồi dưỡng kiến thức về toán có thể tập trung vào những nội dung dưới
đây (2 nội dung cuối ít quan trọng hơn):

- Đại số tuyến tính (Linear Algebra): Lý thuyết kinh tế thường xuyên sử dụng ma
trận để biểu diễn, chẳng hạn các bạn có thể biểu diễn N phương trình cho N hàng
hóa chỉ bằng 1 phương trình sử dụng vector và ma trận N chiều. Kinh tế lượng
cũng là lĩnh vực sẽ sử dụng nhiều đến ma trận.
- Giải tích (Calculus): Đạo hàm, tích phân là những phép tính bạn thường xuyên
bắt gặp nhất trong kinh tế. Chẳng hạn chúng được dùng khi tối ưu hóa một hàm lợi
ích, hay tối thiểu hóa chi phí của doanh nghiệp (đạo hàm tại điểm tối ưu = 0)
- Tối ưu hóa (Optimization): tối ưu hóa có ràng buộc (bài toán quy hoạch phi
tuyến tính) ở Toán 2 sử dụng điều kiện Kuhn-Tucker. Ngoài ra cần biết hàm lồi
(convex), lõm (concave) và tính chất của chúng trong bài toán tối ưu hóa.
- Differential equation: Quan trọng trong một số chủ đề và mô hình nghiên cứu,
chẳng hạn mô hình vĩ mô nhiều thời kỳ (tăng trưởng Solow, Ramsey, …)
- Real analysis: giúp các bạn hiểu được cách viết proof một cách chặt chẽ

Để ôn tập 3 nội dung đầu, các bạn có thể tham khảo quyển giáo trình rất nổi tiếng là
Mathematics for Economists của Simon and Blume, hoặc nếu có thời gian thì học lại
bằng các khóa online có video và lecture note như tại:
https://ocw.mit.edu/courses/mathematics/

Các trường đại học tại nước ngoài thường dạy sinh viên kinh tế bằng toán, vì vậy các
bạn có thể tham khảo lecture của các trường đó chia sẻ trên mạng để biết cách áp dụng
toán vào mô hình kinh tế. Trường MIT cũng có nhiều khóa học chia sẻ rộng rãi về
kinh tế tại 2 link sau:

https://ocw.mit.edu/courses/economics/

https://stellar.mit.edu/classlink/course14.html

(Đối với link thứ 2 các bạn chỉ xem được lớp có ghi chữ Public)

Kinh tế lượng

Kinh tế lượng là một nhánh ứng dụng của thống kê trong kinh tế (vì thế nên các bạn
mới được yêu cầu học xác suất thống kê trước khi học kinh tế lượng). Kinh tế lượng là
công cụ để các bạn kiểm chứng mô hình lý thuyết của mình có đúng hay không, hoặc
để ước lượng một hệ số trong mô hình của mình.

Ví dụ một đề tài:

Lương tối thiểu là chính sách của nhà nước nhằm đảm bảo người lao động thu nhập
thấp (trình độ thấp) được doanh nghiệp trả một mức lương đủ sống (ví dụ lương tối
thiểu ở Hà Nội là 3,75 triệu/tháng). Tuy nhiên lý thuyết kinh tế nói rằng mức lương tối
thiểu có thể khiến chính những lao động này bị thất nghiệp, vì nếu mức LTT (w min)
cao hơn mức lương cân bằng (w*) thì thị trường bị dư cung lao động:
Vì vậy ta có thể đo 1% tăng lương tối thiểu sẽ giảm bao nhiêu % tỷ lệ có việc làm
bằng phương trình kinh tế lượng sau:

Eit =α 0+ α 1 MW it + X it β +Y t γ + St δ +ϵ it

Trong đó, E là tỷ lệ có việc làm, MW là lương tối thiểu của vùng i vào năm t, X là các
biến control như dân số, cấu trúc ngành, số người đi học, … của vùng i vào năm t, Y
và S là các biến đặc thù của mô hình fixed-effects. Sau khi hồi quy trên số liệu mức
sống dân cư (VHLSS) ta sẽ thu được alpha1 và kiểm định xem alpha1 có âm hay
không bằng kiểm định T và độ lớn là bao nhiêu, từ đó tính được hệ số co giãn thể hiện
ảnh hưởng của LTT đến việc làm.

Mình nghĩ các bạn nên đăng ký học môn này càng sớm càng tốt vì gần như chắc chắn
các bạn sẽ dùng đến kinh tế lượng nếu muốn có một bài NCKH chất lượng. Một lý do
nữa đó là các tài liệu về kinh tế lượng sẽ dùng nhiều kiến thức về ma trận (trừ giáo
trình ra vì giáo trình là để dạy kinh tế lượng nhập môn), vì thế học kinh tế lượng càng
gần môn Toán cao cấp 1 thì càng tốt.

Bên cạnh các kiến thức trong chương trình ở lớp, mình nghĩ các bạn nên học thêm các
kiến thức sau đây nếu muốn làm NCKH:
- Vấn đề nội sinh và giải quyết vấn đề nội sinh (Endogenous)
- Biến công cụ (Instrumental variable)
- Difference-in-differences
- Fixed effects model
- (nếu làm nghiên cứu về chuỗi thời gian) ARIMA, VAR và VECM

5 mục trên đều có trong giáo trình kinh tế lượng của trường mình (nhưng nằm ở Phần
B). Tuy được đánh dấu là Nâng cao nhưng đây là các kiến thức thuộc Trung cấp
(Intermediate) chứ không phải Advanced, các bạn hoàn toàn có thể học được ngay và
chúng có tính ứng dụng rất cao trong NCKH.

Nếu muốn đọc lại kiến thức kinh tế lượng cơ bản bằng tiếng Anh, các bạn có thể tham
khảo cuốn Introductory Econometrics: A Modern Approach của Woolridge, nâng cao
hơn thì có thể xem cuốn Econometric Analysis của Greene và Mostly Harmless
Econometrics của Angrist và Pischke. Trường MIT cũng có các khóa kinh tế lượng cơ
bản cho sinh viên đại học tại:

https://ocw.mit.edu/courses/economics/

Kiến thức chuyên ngành

Khi thực hiện nghiên cứu kinh tế sử dụng lý thuyết của 1 chuyên ngành nào đó, bạn
cần phải nắm được các kiến thức từ cơ bản đến nâng cao của chuyên ngành đó. Đây
cũng là lý do các bạn học những chuyên ngành mang tính chuyên nghiệp chứ không
phải khoa học như kế toán và kiểm toán không tìm được đề tài NCKH trong ngành
mình. Các bạn học tài chính cũng hay gặp khó khăn vì hầu hết những môn chuyên
ngành các bạn học (và hồi xưa mình học) mà dễ hiểu thì hoặc mang tính chuyên
nghiệp (chẳng hạn phân tích báo cáo tài chính) hoặc chỉ là các môn học nhập môn
(nhập môn Thị trường chứng khoán, nhập môn Ngân hàng thương mại, nhập môn Tài
chính quốc tế, …). NCKH trong tài chính rất khó và rất nặng về toán (ngành Finance
luôn có đầu vào phD cao hơn Economics), vì vậy không phù hợp lắm với sinh viên
(mình còn nhớ hồi đi học mình từng muốn làm đề tài về liquidity và return trên thị
trường nhưng chỉ đọc 1 paper mà mất nhiều tuần và cuối cùng thì bỏ cuộc). Các bạn
học Business (quản trị kinh doanh, các ngành về kinh doanh nói chung), ngoài làm đề
tài NCKH về kinh tế, cũng có thể làm NCKH về kinh doanh (chẳng hạn Management
Science và Marketing Science).

Tuy nhiên, hiện nay nhà trường không giới hạn chủ đề nghiên cứu của các bạn, nên
chúng ta có thể tự do làm về chủ đề thuộc các môn học chúng ta được học ở trường.
Khi đó, các bạn cần chú ý học tốt kiến thức ở trên lớp, đặc biệt là các mô hình lý
thuyết nổi tiếng trong lĩnh vực đó. Chẳng hạn nếu các bạn học kinh tế quốc tế thì phải
hiểu thật rõ mô hình lợi thế so sánh của Ricardo và mô hình tỷ lệ đầu vào của
heckscher ohlin. Các bạn cũng nên đọc thêm tài liệu trên mạng, đặc biệt là chương
trình học của các trường uy tín trên thế giới (MIT, Harvard, Berkeley, …), vì trong đó
họ có liệt kê những paper quan trọng nhất trong chuyên ngành hẹp. Bạn nên đọc hiểu
những paper này. Bạn cũng có thể (mình nghĩ là rất nên) đọc thêm tài liệu của các
khóa sau đại học (các sinh viên nước ngoài muốn làm NCKH hoặc chuẩn bị học sau
đại học đều học trước một số môn của chương trình tiến sĩ khi còn là sinh viên mà).

Nguồn tài liệu mà mình rất yêu thích là của trường MIT:

https://ocw.mit.edu/courses/economics/

https://stellar.mit.edu/classlink/course14.html

Ngoài ra các bạn có thể học trên Coursera hay Edx, nhưng các trang này hầu hết chỉ
có những khóa nhập môn như chúng ta học ở trường thôi.

Phần mềm thống kê

Nếu có sử dụng phương pháp thực nghiệm để nghiên cứu thì bạn cũng nên biết dùng
các phần mềm thống kê. Excel là phần mềm thống kê đơn giản nhất, nhưng gần như
vô dụng nếu các bạn muốn thực hiện những thao tác hồi quy trong kinh tế lượng. Các
bạn nên tập sử dụng phần mềm STATA 14 hiện nay khá phổ biến, tải tại đây:

http://nghiencuudinhluong.com/stata/ (windows)
https://drive.google.com/file/d/0B7FXbOE5PIQbdDJRbW1CVGhNOEU/view (Mac)

Trường princeton có 1 trang hướng dẫn tại đây:

http://data.princeton.edu/stata/

Các bạn nên hiểu qua cơ bản cách dùng, còn đến khi thực hiện hồi quy số liệu thì sẽ
phải tra cứu thêm trong quá trình làm.

Các bạn cũng có thể dùng SPSS nhưng phần mềm này không mạnh bằng STATA về
kinh tế lượng, SAS thì khó học và phải trả phí, còn Matlab thì mạnh về giải toán hơn
thống kê.

Ngoài ra nếu các bạn muốn sử dụng những dữ liệu đặc thù như spatial data thì nên học
thêm R (hơi khó học hơn chút vì mang hơi hướng lập trình). Đây cũng là ngôn
ngữ/phần mềm mạnh nhất đang dần thay thế STATA trong thống kê và kinh tế lượng
hiện nay, cũng như khá phổ biến trong big data analysis và machine learning. Đối với
R thì bạn:

- Cài đặt R: https://www.r-project.org/

- Cài đặt Rstudio: https://www.rstudio.com/
- Học R tại: https://www.datacamp.com/
- Hoặc học R ngay trên console bằng cách cài library “swirl”