Sử dụng phương pháp ước lượng hàm sản xuất để xác định ảnh hưởng của tiến bộ công nghệ đến tăng trưởng kinh tế của một số ngành sản xuất ở việt nam

MỤC LỤC STT Tên bài Nơi xuất bản Sử dụng cách tiếp cận phi tham số để đo tăng trưởng ' năng suất, tiến bộ kỹ thuật, thay đổi hiệu quả và phân Tạp chí Kinh tế & phát triển tí

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN

NHIỆM VỤ HỢP TÁC QUỐC TẾ VỀ KHOA HỌC VÀ CÔNG NGHỆ

THEO NGHỊ ĐỊNH THƯ NĂM 2004

Tên nhiệm vụ:

SỬ DỤNG PHƯƠNG PHÁP ƯỚC LƯỢNG HÀM SẢN

XUAT DE XAC DINH ANH HUONG CUA TIEN BO

CONG NGHỆ ĐẾN TĂNG TRƯỞNG KINH TẾ CỦA

MỘT SỐ NGÀNH SẢN XUẤT Ở VIỆT NAM

MỤC LỤC

STT Tên bài Nơi xuất bản

Sử dụng cách tiếp cận phi tham số để đo tăng trưởng

' năng suất, tiến bộ kỹ thuật, thay đổi hiệu quả và phân Tạp chí Kinh tế & phát triển

tích ảnh hưởng của chính sách thuế đến các chỉ tiêu (Thang 11/2004)

này đối với công nghiệp chế biến của Việt Nam

A comparative study on production efficiency in :

manufacturing industries of Hanoi and Hochiminh city

Phân tích tác động của các yếu tố đầu vào và tiến bộ -

, „ Tạp chí Kinh tế & Phát triển

3 | công nghệ đối với tăng trưởng kinh tế phương pháp

hàm sản xuất gộp

Hội nghị nghiên cứu kinh tế hàng năm lần thứ nhất

4 - IMEF (Ngày 24 tháng 5 năm 2005)

nhóm nghiên cứu kinh tế Việt Nam

Phương pháp phi tham số ước lượng TFP, tiến bộ công

Tạp chí Kinh tế & Phát triển

5 | nghệ và hiệu quả kỹ thuật của nền kinh tế trong giai

(Thang 9/2005) doan 1986 - 2002

Dự đoán hiệu quả kỹ thuật của doanh nghiệp — phương | Tạp chí thông tin và dự báo Kinh tế — 6 | pháp tiếp cận hàm sản xuất biên ngẫu nhiên Xã hội

Tăng trưởng năng suất, tiến bộ công nghệ và hiệu quả oo, a

` - tà Hội nghị toàn quốc lần thứ hai về

9 |kỹ thuật của 5 ngành công nghiệp trọng điểm của

TY vn ứng dụng toán học

thành phố Hà Nội — Phượng pháp tiếp cận

10 Cách tiếp cận hàm sản xuất biên ngẫu nhiên để ước lượng tăng trưởng năng suất của ngành dệt may Tạp chí Kinh tế & Phát triển (Tháng 11/2005)

‘& olf TRAO BANG TM i KHAI GIANG tủ A ANB

© Coreg pny to Award las Gand 53

IJÌ(11]j,

DU AN DAO TAO CAO HOC KINH’

Sử DUNG CÁCH TIẾP CAN PHI THAM Số BỂ 80 TANG TRUONG NANG SUẤT, TIẾN BỘ KỸ THUẬT, THAY ĐỔI HIỆU QUÁ VÀ PHAN TICH ANH HUONG CỬA CHÍNH SACH THUE BEN GÁG CHỈ TIÊU NÀY

BOI VOl CONG NGHIEP CHE BIEN CUA VIET NAM

PGS.1S NGUYEN KHAG MINH- TH.S NGUYEN LAN HƯƠNG

6m tat:

Nghiên cứu này áp dụng cách tiếp cận phản tích bao dữ liệu (DEA) dé đo tăng nàng suất, tiến

bộ kỹ thuật và thay đổi hiệu quả và phan tích ảnh hưởng của chính sách thuế đến các chỉ tiêu này đối với công nghiệp chế biến của Việt Nam, đặc biệt chúng tôi đã xem xét ảnh hưởng của các sắc thuế giá trị gia tăng khác nhau theo các giả định đặt ra cho 108 ngành thuộc công nghiệp chế biến của Viết Nam trên cơ sở

su liễu của tông cục thông kẻ vẻ Tổng điều tra doanh nghiệp từ năm 2000-2002

Mio hình về độ do năng suất Malmquist với sự phản rä thành hai thành phản: chỉ số thay đội kỹ thuật va ch:

»ö thay đối hiệu quá đã được sử dụng và sau đó lại được cải biển tren cơ sở cho phép các dau vao va cdc dau ra

là hàm của các biến thuế Việc giải một loạt các bài toán quy phí tham số được thay bang việc giải một loạt các bài toán quy hoạch tham số trong đó các tham số là các biến thuế khác nhau -

Kết quả do cho thấy thay đổi tổng năng suất trung bình của 108 ngành trong thời kỳ 2000-2001 là 1.6fc

trong đó hiệu quả kỹ thuật trung bình thấp nhưng tiến bộ công nghệ đã tăng trung bình cho toàn bộ 108 ngành

là 2.9% Việc mô phóng hai phương án thuế giá trị gia tảng bảng số liệu giả định đã cho thấy khả nắng su dung

mỏ hình trên trong việc phản tích ảnh hưởng của chính sách thuế đến tăng trưởng năng suất của các ngành công nghiép là có khả nàng thực hiện được

Đù ráng cách tiếp cận tham số sử dụng đã được phát triên trong một vài nắm gần dây, tuy nhiên việc sư dung nó để phản tích trong lĩnh vực tài chính thì như chúng tôi được biết chưa có nghiên cứu nào đẻ cập đến văn để như vậy Như vậy phần hai của bài nghiên cứu này góp phần trả lời cho câu hỏi là: liệu có thể xây dựng được mõ hình để xác dịnh ảnh hưởng của các biểu thuế đến tăng trưởng năng suất hiệu quả kỹ thuật và

tiến bộ công nghệ của các ngành của nên kinh tế không?

Có nhiêu mó hình kinh tế lượng cho phép xác định ảnh hưởng của thuế đến thu ngân sách nhưng lai không vác định được ảnh hưởng của các biểu thuế khác nhau đến tảng trưởng năng suất hiệu quả kỹ thuật của CÁC xi tuhiếp cũng như của các ngành của nén kinh tế

Để khác phục trở ngài này chúng tôi đã mỡ ròng cách trếp cán phí tham xố mới được phát triển trong vài

năm gắn đây Cách tiếp căn này được phát triển để ước lương thay đốt tổng nắng suất cửa các xí nghiếp của môi

ngành, môi vùng hoặc toàn bộ nên kinh tế Tư tường cán bán của cách tiếp cận này là dựa vào hàm khoang cách

để xây đưng chỉ số nàng suất Malmquist Nhờ định nghĩa của hàm khoảng cách, người ta đã xây dưng một loạt

„áC Bài tuần quy hoạch tuyến tính nhỉ tham số Giải các bài toán này sẽ cho phép tà tính được thay đổi trong tong nang sướt Sâu khí sư dụng thuật toán đó để do tảng trường nàng suấi, tiến bộ vòng nghệ và hiểu quả KỆ thuat, chúng tới cài biến nọ để có thể tính được ảnh hưởng cưa thuế đén thu ngắn sách Từ tường cơ bán cơa cái

Hài viết này đướ đán phong theo phần hài của bát phát hiểu `Mô hình ước lương thất thụ ngắn vách do GÚI? kháng khát bảo và

an dế anh hương cua thuc đến sự phát tricn kình te và thụ ngắn sách cog POSES Nguyến Khác Mình tái hội tháo vé Mo hình phan tịch tác dòng của chính sách thuế đội với thủ ngắn sách của Nhà nước” của L TNXSÓH Viết Nam ngày 19/10/2001, tar Ha Nor

TAP CHÍ KINH TE VA PHAT TRIEN

,biên của chúng tôi là biến đổi các bài toán quy, hoạch phi tham số thành các ĐẠi toán quy hoạch tham số với việc coi mỗi một dấu vào và đầu ra sẽ là hàm của tập hơn các tham số về thuế Bài toán quy hoạch tham số đó sẽ dược giải một loạt các bài toán quy hoạch phi tham Số mà mỗi bài toán tương ứng với các phương án thuế khác

nhau Nhờ đó mà ta có thể dự báo được ảnh hưởng của thuế đến thay đổi trong tổng năng suất nhân tớ tiên bỏ công nghệ và thu ngân sách cho một ngành hoặc cho toàn bó nén kinh tế Để tiến hành được công viếc đó

chúng tôi thực hiện một loạt các biến đổi sau đây:

(1).Xác lap toàn bộ các biểu thuế quy chuẩn về thuế đầu ra hoặc đấu vào (thí dụ như thuế tiêu thụ hoặc thuế gid tri gia tang, thuế nhập khẩu )

(ii) X4e-14p các bài toán quy hoạch tham số với tham số ở hệ ràng buộc và vế phải trong đó các ma trận và véc tơ thuế là các ma trận hoặc véc tơ tham số

ti) Xây đựng các ma trân thuế sao cho ứng với môi một phương án thuế ta có một ma trận thuế xác định (iv) Ứng với mỗi phương ấn thuế tả giải một loạt các bài toán quy hoạch mà trong dó hệ rang buộc phu thuộc vào phương án thuế đang Xem xét

Cac chi sé Malmquist

Cac chi sé nang suét Malmquist duoc Caves va cdc cong su cla 6ng (1982a,b) khoi xuGng dua trén cac ham khoảng cách Malraquist Sau đó Fare (1994) da phân rã tăng trưởng năng suất thành hai thành phần xung khác nhau: thay đổi kỹ thuật và thay đổi hiệu quả qua thời gian Sử dụng các hàm khoảng cách đầu ra, họ đã tính toán thay đổi nâng suất như là trung bình nhân của hai chỉ số năng suất MaÌmquist

Công nghệ sản xuất H' đối với phép biến đổi các đầu vào, x' € RN thanh cde đầu ra, y = RM tai mỗi

thoi ky t= 1, T, duge dinh nghia là

H' = {(x', y):x'cé thé sản xuất y'}, ` (Ù

Ở đây H' được giả thiết là thoả mãn những t tiên để nhất định để xác định các hàm khoảng cách đầu ra có ý nghĩa ( xem phụ lục)

Theo Fare ham khoảng cách đầu ra theo thời gian t được định nghĩa là

Dạ(x'!,y')= mf[6:(x!,y' /0) c SỈ]

={sup[Ð:(x'0y')e S11]

Hàm khoảng cách được dịnh nghĩa là nghịch đảo của gia tăng tỷ lệ cực đại của véc tơ đầu ra y', khi đã chơ

các đầu vào x' Nó cũng tương đương với nghịch đảo của độ đo hiệu quả đầu ra ‘cia Farrel (1957), do do “su bat

kịp” TFP của một quan sát (một ngành trong nghiên cứu này) với đường biên thực hành tốt nhất trong sản xuất công nghiệp, trong nghiên cứu này, đường biên thực hành tốt nhất là năng suất cao nhất quan sát ở tất cả các

@)

ngành với công nghệ như nhau Dạœ' ,Y)=Ì nếu và chỉ nếu (x', y') nằm trên biên hay đường biên của

công nghệ và sản xuất là hiệu quả về mặt công nghệ Nếu Do (x! › y' ) <1], san xuat ỡ phía trong đường biến

công nghệ tại t, và (x', y') không hiệu quả về công nghệ Hàm khoảng cách đo mức độ không hiệu quá kỹ thuật

Ham khoảng cách đầu ra trong thời kỳ t + 1, D!{x°!, y**Đ), có thể được định nghĩa như là (2) với t thay bởi t+L

Hãy định nghĩa hàm khoảng cách đầu ra theo hai thời kỳ khác nhau là

Đây là một chỉ số hỗn hợp đo những thay đổi tỷ lệ cưc đại trong đầu ra y'*' khi đã cho các đầu vào x”!, dưới

điều kiện công nghệ tại thời gian t Tương tự, ta định nghĩa hàm khoảng cách hỗn hợp, D"!(x!, y'), đo những thay đổi tỷ lẻ cực đại trong đấu ra v', khi đã cho các đầu vào x', theo công nghệ tại thời kỳ +]

Theo Caves, chỉ số nàng suất Malmquist được định nghĩa là

ty ttl êi

Do (x ry )

tryt gt

Do({x.y )

Chỉ số tỷ số này đo những thay đổi năng suất bất nguồn từ những thay đổi trong biệu quả kỹ thuật tại thời k:

+ và thời kỳ t+l dưới công nghệ trong thời kỳ t Những thay đổi hiệu quả kỹ thuật từ thời kỳ t sang thời kỳ t~ cũng có thể được đo dưới công nghệ trong thời kỳ t+1 Chỉ số Malmquist này được định nghĩa là

= E(x'*! wl x vì Tax yt xt y!y

G day E(*) lA chỉ số thay đối hiệu quả tương đối dưới diều kiện hiệu quả không đổi theo quy mô, do mức độ bát kịp dường biên thực hành tốt nhất đối với mỗi quan sát giữa thời kỳ t và thời kỳ trl và T(*) biểu thị chỉ số

thay đổi kỹ thuật do dịch chuyển trong đường biến công nghệ (hoặc đổi mới) giữa hai thời kỳ được đánh giá tại

te

x' vax’

Việc phân rã chỉ số năng suất Malmquist cho phép ta dịnh dạng được đóng góp từ việc bắt kịp trong hiệu

qua và đổi mới trong công nghệ vào tăng năng suất nhân tố toan phan Chi số Malmquist lớn hơn l chỉ báo sự

tang trong năng suất Chỉ số Malmquist nhỏ hơn | chỉ báo sự giảm nang suất Ngoài ra, những gia tang trong

bất kỳ hai thành phần của chỉ số nắng suất Malmquist cũng gắn với các giá trị lớn hơn 1, và bất kỳ sự giảm nào cũng gắn với các giá trị nhỏ hợn 1

Phân tích bao dữ liệu (DEA)

Fáre và các cộng sự của ông (1994) liệt kế một số phương phấp truyển thống tính chỉ số năng suất Malmquist Nhưng hầu hết trong chúng dồi hỏi chí định một dạng hàm đối với công nghệ Charnes và các tác

giả khác (1978) để xuất một cách tiếp cận phân tích bao dữ liệu (DEA) để xây! dựng một đường biên thực hành tốt nhất mà không chỉ định công nghệ sản xuất Không giống như các kỹ thuật phân tích truyền thống m mội đường dẫn trung bình qua các diểm ở giữa của chuỗi số liệu, DEA trực tiếp tìm một đường biên thực bành tốt nhất trong dữ liệu đó Sử dụng một kỹ thuật quy hoạch tuyến tính phi tham số, DEA xét đến tất cả các đầu vào

và đầu ra cũng như những khác nhau trong công nghệ, năng lực, cạnh tranh và nhân khẩu và so sánh năng lực thưc hiện cá nhân với đường biến thực hành tốt nhất (hiệu quả)

Trong nghiên cứu này, chúng tôi sử dụng một cách tiếp can DEA để xây dựng một dường biên thực bành tốt

nhất đối với các ngành mỗi thời kỳ Sự so sánh giá trị gia tăng của mỗi ngành công nghiệp với đường bsên thực hành tốt nhất cho một thước đo sự bắt kịp về hiệu quả của nó với đường biên đồ và một thước do dịch chuyển

trong đường biên (hoặc đổi mới trong công nghệ) Khi đó chỉ số Malmauist, đo những thay đổi trong năng suất nhân tố tổng hợp có thể được tính toán như một tích số của hai thành phần này

Giả sử rằng có k = 1 K ngành sản xuất m = 1 M đầu ra yý„ sử dụng n = l N đầu váo xˆ, tại

môi thời kỷ t = 1 T, Với cách tiếp cận DEA, công nghệ tham chiều với hiệu quả không đỗi theo quy mô tại

Để xây dựng chỉ số năng suất Malmduist của ngành kÌ giữa t và t+Í, ở đây sử dụng cách tiếp cận DEA dé

tính toán bến hảm khoảng cách sau: Di(x’, y’), Dixy), Dixy"! ), và Di (x,y!) Cac ham

khoảng cách này là những nghịch đảo của độ đo hiệu quả kỹ thuật của Farrel Các mô hình quy hoạch phi tham

số tĩnh toan 46 do Farrell (1957) dựa trên đầu ra của hiệu quả công nghệ đối với mỗi ngành k = l .K có the được định nghĩa là

Tính toán [ Ds" Qt yt )| tương tự với định nghĩa trên, trong đó t+! thay cho t

A‘ yl, = sản xuất thực tế của đầu ra ø của hãng (ngành) k má đã nhân với mức phí hiệu quả 4” Nếu

hang (ngành) k họat động có hiệu quả thì A‘ = 1 Tuy nhiên, nếu phi hiệu quả thì 4` >1 Khi điều này xảy ra

thì sản lượng cực đại về mặt lý thuyết sẽ lớn hon san lượng thực tế của hãng (ngành) k Điêu này | lam cho hang (ngành) k tương đổi phi hiệu quả đối với đường biên sản xuất bởi thừa số vat

ì

Việc xây dựng chỉ số Malmaquist cũng đòi hỏi tính toán hai hàm khoảng cách hỗn hợp được tính toán bang cách so sánh các quan sắt trong một thời kỳ với đường biên thực hành tốt nhất của một thời kỳ khác Nghịch đảo của hàm khoảng cach hỗn hợp đổi với quan sắt k có thể thu được tử

forex] = max 2Í ay với các răng buộc

nage

20 TAP CHI KINH TE VA PHAT TRIEN

có:

M s(Xe«isŸYwi› Xu Y)= Tp aap Roy E(x Ye pX a)

= techc ftch

= techch*peffch*sch

Ở đây effch ký hiệu thay đỗi hiệu quả tính toán dưới công nghệ hiệu quả không đổi theo quy mô

Mô hình cải biên phân tích ảnh hưởng của chính sách thuế đến tăng trưởng tổng năng suất và hiệu

quả

Mô hình đã trình bày ở trên được mở rộng để phân tích ảnh hưởng của chính sách thuế theo cách sau:

(i) Tất cả các đầu ra có gắn với thuế được đưa vào mô hình và coi chúng là các hàm của thuế nghĩa là

y=y(t)

(ii) Tất cả các đầu vào có gắn với thuế được đưa vào mô hình và coi chúng là hàm của thuế, nghĩa là

x=x()

(iil) Biến đổi các bài toán quy hoạch phí tham số đã trình bày thành các bài toán quy hoạch tham số

nhưng khi giải thì ta sẽ giải từng bài toán đó ứng với giá trị xác định của ma trận tham số

Nguồn số liệu và mô tả

S6 liệu sử dụng trong thí dụ của la nghiên cứu này là đầu ra và đầu vào của các ngành và thuế của 108 ngành của công nghiệp chế biến của Việt.Nam từ cuộc tổng điều tra doanh nghiệp năm 2000-2002 Các biến gi tr tr đã được khử lạm phát theo giá năm 2000 Các biến của mô hình gồm: ˆ

Y„- giá trị gia tăng của ngành ¡ năm L

x„ (L¿}- lao động của nành ¡ năm t Đó là nửa của tổng số lao đống đầu nám Và cuối nảm của tất cả các xí nghiệp thuộc ngành công nghiệp Ì năm L - ;

Xi (Km tổng số vốn đã từ khấu hao trong ngành công nghiệp ¡ năm t Đó là nửa của tổng số vốn đã trừ khấu hao của tất cả các xí nghiệp thuộc ngành công nghiệp ¡ nám t

x¡„-tổng số nguyên vật liệu đã sử dụng trong ngành ¡ năm t Đó là tổng số nguyên vật liệu của tất cả các xí nghiệp thuộc ngành công nghiệp ¡ nam t

x„-tổng số nhiên liệu đã sử dụng trong ngành ¡ năm ( Đó là tổng số nhiên liệu của tất cả các xí nghiệp

thuộc ngành công nghiệp ¡ nám L

x4-tống nâng lượng đã sử dụng trong ngành ¡ ¡ năm't Đó là tổng số năng lượng của tất cả các xf cí nghiệp thuộc ngành công nghiệp ¡ năm L

Các biểu thuế được cho dưới các giả thiết, được trình bày trong phần kết quả

Các kết qua và kết luận đổi với 108 ngành công nghiệp chế biến

(ï) Phản tích hiệu quả

Như Fare đã chi ra, hàm khoảng cách tương đương với nghịch đảo của độ đo Farreli về hiểu quả đầu ra Chi

số này được sử đụng ở đây, được dịnh nghĩa là nghịch đảo của (2) để đo hiệu quả công nghệ trong các ngành

vi dai} Trong số các ngành của công nghiệp chế biến có 46 là thiệu ava vững và nằm trên đường biên thực hành

- tốt nhất trong thời kỳ này

Ngành xáy sát, sản xuất bột thô là ngành không hiệu quả kỹ thuật nhất (chỉ đạt 59,6%) trong sản xuất công

nghiệp của ngành công nghiệp chế biến trong mẫu quan xát được tiếp sau la ngành sản xuất máy móc thông

dung khac (2919)

Chi co 17 nganh (trong 108 ngành xem xéU) cải thiện trong cá 5 chỉ số (hiệu quả kỹ thuật, tiến bộ cong nghệ

hiểu quả thuần, hiệu quả theo quy mô và tổng năng suất nhân 16) đó là các ngành: xàn xuất đường (532) san

xuất các sản phẩm thuốc lá thuốc lào (1600):sản suất đó 26 xây dựng (2022): sản xuất các sản phẩm khác từ eo

(2029); san xuất giấy và các sản phẩm từ giấy(2109, sản xuất Plastic dang nguyén sing va cao su tổng hợp

(2413) -

Trong nghiéo cứu nay, ching tôi phân rã chủ số năng suất Malmquist thành chỉ số thay đổi kỹ thuật (tcchch:

và chỉ số thay đổi hiệu quả (cffch), Để nhận điện thay đối trong hiệu quả quy mô, effch được phan rã tiếp thành

hiệu quả thuần pech và hiệu quả theo quy mô sch Dé thu được các chỉ số năng suất Malmquist và các chỉ só

khác đối với mỗi ngành và mỗi cặp năm chúng tới sử đụng cách tiếp cận DEA để tính các hàm khoảng cách

đầu ra bằng việc giải một loạt các bài toán quy hoạch tuyến tính phi tham số, Do khuôn khé han ché trong bat

báo này, chúng tôi chỉ trình bày những thay đối ưung bình của các chỉ số năng suất MaÌmquist và các thanh

phắn của nó đối với 108 ngành trên thời kỳ 2000-2002 trong bảng 1 Bấi kỳ sự cải thiện nào trong nàng suất

cũng kéo theo rằng giá trị của chỉ số Malmquist lớn hơn 1

Bang I "

Thạy đối chỉ số Malmquist và các chỉ tiêu khác cho 108 ngành , 2000-2002

+ SChỉ số ” -` Thuy đốt Thay déi Thay đổi Thay

Malmquist kỹ duds hiệu quả hiệu quả đổi quy

thuần tuý mde

1016 1029 0.987 0.959 701

Các kết quá chỉ ra rằng tăng trưởng năng suất rung bình trong sản suất công nghiệp trong thời kỳ mẫu là 1.6 phần trăm đối với các ngành

Tốc độ tăng năng suất cao hơn đối với 4ó ngành phản ánh tốc độ tầng cao hơn trong đầu ra và tốc độ tảng thấp hơn trong sử đụng tất cả năm dầu vào, Trung bình, chỉ số thay đổi ky thuật cũng táng 2,7 phần trăm đối ti

cá 108 ngành Troag khi đó chỉ số thay đổi hiệu quả giảm trung bình 1.3 phần trăm đổi với cá 108 ngành Tăng

trong thay đối kỹ thuật và giảm trong hiệu qua kỹ thuật gợi ý rằng năng suất nhân tố tổng hợp tăng trong công nghiệp chế biến của thành | pho phất sinh 1ừ đổi mới trong công nghệ chứ không phải cải thiện trong hiệu quả kỳ thuật Giảm trong hiệu quả kỹ thuật một phản là do giảm trong hiệu quả quy mô cũng như giảm trong hiệu quả thuần tuý

Trong tổng số 108 ngành có 62 ngành, có tốc-độ tăng trung bình âm trong tống nẵng suất trong thời kỳ

2000-2002 Trơng số các ngành có năng suất nhân tố tổng hợp giảm thì ngành xuất bản các ấn phẩm khác, có

năng suất nhân tố tổng hợp giảm nhiều nhất do thực lực kém nhất của nó trong hiệu quả kỹ thuật Không có

ngành nào có tăng trưởng âm trong hiệu quả Kỹ thuật, cũng như trong bốn chỉ số khác Từ phản tích trên cho

thấy rằng tăng năng suất công nghiệp chế biến chủ yếu là do tiến bộ công nghệ chứ không phải cái thiện trong

hiệu quả kỹ thuật

Các kết quả thu được từ nghiên cứu này có hệ quả quan trọng đối với công nghiệp chế biến Việt Nam Thú

nhất, có đến 62 ngành trong số 108 ngành có sự giảm sút hiệu quả kỹ thuật từ 2000 đến 2002 Kết quả này cho

thấy rằng công nghiệp chế biến Việt Nam có tiém nang lớn để tăng đầu ra thông qua cải thiện hiệu quả kỹ thuật Thứ hai, công nghiệp trong một số ngành là hiệu quả kỹ thuật boặc rất gần hiệu quá Tuy nhiên, các ngành này

CÓ tảng trưởng rất nhỏ trong công nghệ nóng nghiệp trong thời kỳ 2000-2002 Điều này hàm ý rằng tiến bộ công nghệ vẫn rất quan trọng đối với tăng trường năng suất công nghiệp chế biển đối với các ngành này

Anh hưởng của thuế đến tăng trường và hiệu quá

Muc dich cua tinh bay thi du này là nhằm trả lời câu hoi liệu có thể xây dựng được mô hình cho phép xác định một biểu thuế giá trị gia tăng thống nhất, thay cho biểu thuế nhiều mức phúc tạp hiện nay ma vin dam bao được không gây ra ảnh hường xấu đến tầng trường nang suất và hiệu quả và thu ngân sách không?

Để trả lời cho câu hỏi đó chúng tôi xuất phát từ gia thiết là mức thế giá trị gia tăng cho các ngành Cửa toàn

bộ nên kinh tế từ 010%, thu ngân sách từ thuế giá trị gia tảng với biểu thuế biện thời của 108 ngành thuộc công

nghiệp chế biến là A tỷ đồng Mức độ tăng trưởng nhân tố tông hợp tương ứng với mức thu ngân sách A là s

/nam

Chúng tôi đưa vào mô hình cải biên với một thuế suất cho tất cả 108 ngành (ưừ ngành xuất khẩu và các

ngành được bưởng thuế suất không), đảm bảo sao cho:

+ Mức thu ngân sách không thấp hon A

+ Tốc độ tăng trưởng nắng suất nhàn tố tổng hợp không thấp hơn s

Chúng tôi xét cho 2 phương án giả định sat:

+Phương án l: Có 20 ngành hưởng thuế suất 5%, 20 ngành hưởng thuế suất !0% và 68 ngành hưởng thuế

Tốc độ tăng trưởng/năm 0,4% 0.5%

Hiệu quả theo quy mô 0.91 0.991

Các chỉ tiếu được tính ở trung bình

Trong 4 chỉ tiếu so sánh thì phương án 2 trội hơn phương án | theo ding yêu cầu được đặt ra

KẾT LUẬN

Bài báo này áp dụng cách tiếp cận DEA để do năng suất nhân tố tổng hợp thay đổi kỹ thuật và hiệu quả

công nghệ trong ngành công nghiệp chế biến Việt Nam từ 2000 đến 2002 Chỉ số năng suất Malmquist được sử dụng để do tâng trưởng năng suất trong nghiên cứu này, Với cách tiếp cận phân tích bao di liéu (DEA), tang

trường nâng suất có thể được phân rã thành hai thành phần: thay đổi kỹ thuật và thay đổi hiệu quả Việc phan ra

này cho phép ta nhận diện những đóng góp của tiến bộ kỹ thuật và cải thiện trong hiệu quả kỹ thuật vào tăng năng suất trong sản xuất công nghiệp chế biến Việt Nam

Trong nghiên cứu này, ta sử dụng DEA để tính toán các hàm khoang cách thành phần của chỉ số Malmquist

và xây đựng các đường biên thực hành tốt nhất (hiệu quả) đối với cả các ngành của cống nghiệp chế biến Chỉ

số thay đổi kỹ thuật và chi sé thay đổi hiệu quả thu được bằng cách so sánh mỗi ngành với đường biên thục

hành tốt nhất với cùng công nghệ sản xuất Chỉ số nâng suất Maimquist khi đó được tính toán như là tích của hai chỉ số này

Trong tổng số 108 ngành của công nghiệp chế biến, 46 ngành có sự tăng trưởng năng suất tổng hợp trong thời kỳ 2000- 2002, hầu hết là do tiến bộ công nghệ trong: sản xuất công nghiệp chế biến được cải thiện

Mô hình trên có thể cải biên để phối hợp để phân tích ảnh hưởng của các chính sách thuế hoặc trợ cấp đến

hoạt động sản xuất kinh doanh của các xí nghiệp hoặc các ngành kinh tế

Tài liệu tham khảo:

1 Afnat, S.N (1972), “Efficiency Estumation of Production Functions” /niernutional Economic Review, 13 568 - 598

2 Chames J A and Aliber, M (1993), “An analysis of econumics efficiency in agriculture: a nonparametric approach” sournal of Agricultural Research Economics, 18, 1-16

3 Farrell, MJ (1957), “The measurement of Productive efficiency”, Journal of the Royal Statistical Saciety, 120, 253-81

4 Mao, W., and Won W Koo.(1997), “Productivity Growth, Technological Progress, and Efficiency Change in Chinese

Aggriculture after Rural Economic Reforms: A DEA Approach”, China Economic Review, 8, 157-174

- 5 Minh.N K(2004) “Technological Progress, and Efficiency Change in Vietnam Industry - a Non-prameter Approach”

Regional Workshop NEU-NRC, Hanoi

6 Rowland, W W., Langemerer, M.R Schurie, B.W and Featherstone, A.M (1998), “A nonparametric efficiency analysis

“or a sample of Kansas swine operations”, Journal of Agricultural Applied Economics, 30, 189-99

> Seiford, L and Thrall, R (1990), *

analysis” Journal of Econometrics, 46, 7-38

§ Tauer, L Wo and Hanchar, J J (1995), °N Nonparametric technical efficiency with K firms, N inputs, and M outputs: a

Recent developments in DEA the mathematical programming approach to frontier

‘A COMPARATIVE STUDY ON PRODUCTION EFFICIENCY IN

MANUFACTURING INDUSTRIES OF HANOI AND HOCHIMINH CITY

Nguyen Khac Minh’ , PhD

* Dean, Faculty of Economics National Economics University The author would like to thank the Vietnam Development Forum (VDF) a joint research project between National Graduate Institute for Policy Studies (GRIPS) Japan and National Economics University (NEU) Vietnam, for supporting

this research The views expressed here are those of the author, and do not necessarily reflect that of GRIPS, NEU VDF or any insutution mentioned in the research Correspondence should be sent to pkm99@hotmail.com.

Abstract This paper provides the estimates of technical efficiency of 32 industries of manufacturing sector in Hanoi and Ho Chi Minh City (HCMC) using panel data We apply the parametric

approach, namely Stochastic Frontier Production Function (SFPF), and non-parametric

approach, so-called Data Envelopment Analysis (DEA) for the same industry-level data of Hanoi and HCMC manufacturing industries in the period 2000-2002

The results obtained from SFPF approach (or DEA approach) indicate that the average efficiency scores of HCMC’s manufacturing industries in 2000, 2001 and 2002 were 63.3%

(63.28%), 65.1% (57.2%), and 70% (61.0%), respectively The respective figures for Hanoi were 70.7% (58.03%), 59.6% (56.92%), and 62.2% (60.0%) The estimates attained from both

approaches for both cities prove to be closely equal

Based on the results of SFPF approach and DEA approach (using input-oriented technical efficiency), extended to two regions and 32 industries, it is concluded that by operating on the efficiency frontier, the sample industries in these cities would be able to reduce by about 30-

40 percent of the current level of inputs for producing the same level output

Low technical efficiency in a number of industries of HCMC and Hanoi might be originated

in the rapid growth of some industries as a result of their significantly increased opportunity costs, which led to a shift in the labor force Other sources of inefficiency might be derived from the inadaptability of workers to new technology, or from other strategies of each firm, creating the deviation of industrial comparative advantages These could give good policy implications for policy makers

Key words: Vietnam manufacturing industries, technical efficiency, stochastic frontier production function (SFPF), parametric approach, data envelopment analysis (DEA), and non-

parametric approach

1 INTRODUCTION

Manufacturing industries in Vietnam, especially in Hanoi and HCMC are of prime importance

to the national economy The last decade witnessed the impressive improvement in the performance of this sector Recovering from great difficulties caused by the collapse of the Soviet Union, the manufacturing industries have grown at the average growth of more than

10% per annum, and made significant contributions to the Gross Domestic Product (GDP)

growth They have also entered in the list of top exporting industries Vietnam manufacturing industries have consequently been regarded as an important and strategic sector in easing the unemployment burden, and making use of the comparative advantage of labor-intensive production Although business activities of manufacturing enterprises have considerably been innovated during this period, the efficiency performance has been still low in general

Among other provinces, Hanoi and HCMC have enjoyed the most favorable conditions for

raising the efficiency performance Yet their average level of technical efficiency, which is

represented by capability in using inputs efficiently, or maximizing outputs with give inputs, remains poor Table 1 below presents the percentage of main indicators of enterprises in Hanoi and HCMC As can be observed in Table 1, the manufacturing industries in HCMC and Hanoi cover considerable proportions in total number of enterprises, number of employees,

capital resources, fixed assets and long-term investments, net tumover, tumover from

business activities, and profit before taxes of manufacturing industries in the whole country

Table 1: Manufacturing Industries in Hanoi and HCMC

Unit: percentage

Number of | Number of | Capital aa log jl tumover Net from business | before Tumover Profit

enterprises | employee | resource investment tem {total} activities taxes

questions rose including what is the level of productive efficiency of manufacturing industries

in Hanoi and HCMC, and how to compare them Furthermore, it is also important to know what factors influencing on these cities’ production efficiency, e.g industry size, capital-labor ratio The answers for the above questions are crucial not only for academic purposes, but also for policy implications

For comparison of production efficiency between Taiwanese firms and their subsidiaries in mainland China, Lin et al (1977) used a Cobb-Douglas production function for estimating the

level of firm’s production efficiency across the strait They found that the parents firms in

Taiwan had higher production efficiency and smaller variation in the production compared to

their subsidiaries in the mainland Fare et al (1994) analyzed productivity growth in 17

OECD countries over the period 1979-1988 They employed a non-parametric method to compute Malmquist indexes, and decomposed them into technical change, and efficiency change

Unfortunately, so far there has been no related literature on the analysis of efficiency performance of Hanoi and HCMC No satisfactory answers such as which city is more productive efficiency, why, and which factors play the key role in the inefficiency, have been provided This study therefore aims to estimate the technical efficiencies of the manufacturing

industries in these cities via investigating whether the mean technical efficiency differs among

industries in these two cities More specifically, we will compare the technical efficiency between manufacturing industries in these cities by using both mentioned approaches

The paper is organized as follows We begin with a brief stylized summary of manufacturing industries in Hanoi and HCMC in Section | This is followed by a discussion of methodology and some recent studies related to this one in Section 2 Section 3 contains a discussion of our data set The results of the empirical estimations of two approaches are analyzed in Section 4, and Section 5 brings out the conclusions of the study

2 ANALYTICAL FRAMEWORK

2.1 Model of Stochastic Frontier Production Function (SFPF)

To compare production efficiency between manufacturing industries of the two cities, we

need to refer to the maximum potential output for a standard industry in question as a basis of comparison An estimated production function, however, just describes the average relationship between inputs and outputs, and it does not reflect the maximum potential outputs with given amount of inputs In most cases, the production frontier is used to get the maximum potential output with a certain level of inputs

Farrell (1957) proposed a deterministic non-parametric frontier approach to estimate three

kinds of production efficiency, including technical efficiency, allocative efficiency, and price

efficiency With assumption of a Cobb-Douglas production function, Aigner et al (1968)

employed the deterministic parameter frontier approach, by which they could estimate each

factor’s contribution [t is, however, more important to find an appropriate distribution for the disturbance term in applying this approach

One of the major problems for the deterministic frontier approach involves the assumption that all industries face the same technology and same frontier Hence, the discrepancies in production basically derive from the human error in the management or technology Aigner et

al (1977) and Meeusen et al (1977) argued that there could be some non-technical random

factors which might strongly affect the output level, such as central or local government

policies, weather Therefore, there should be two components in the random terms, i.e one Is

while v had a symmetric normal distribution In the paper by Meeusen et al (1977), u was

supposed to be exponentially distributed Afriat (1972) supposed that the error term had a

two-parameter beta distribution, while Richmond (1974) applied a one-parameter gamma distribution to fit the model Greene (1990) suggested a two-parameter gamma distribution of the technical inefficiency random term (1)

_ AS can be seen, there are various assumptions of random term Lee (1983) proposed the methods of testing appropriateness of random terms using Lagrange multiplier techniques Lee (1983) considered tests of the half-normal distribution of random terms as specified in Stevenson (1980) To derive a statistical test for the half-normal or truncated normal distributions, he used the efficiency score test procedure by Rao (1973)

Bauer (1990) noted that the parametric approach provided statistical framework for efficiency

analysis, but it had some limitations such as functional form The restriction on technology might make efficiency measurements biased, even though SFPF can decompose the deviations from the frontier into technical efficiency terms and random terms Even given disadvantages above, SFPF is still extensively considered because statistical properties of estimated coefficients can be tested

Model I

To conduct the study and compare the productive efficiency between Hanoi and HCMC’ manufacturing industries, we choose the SFPF approach Some uncontrollable factors influencing the total output of these industries, e.g vulnerable movement policies for both cities, will also be considered Assuming the half-normal distribution of the error term (Model 1), general production function for the industries is defined as follows

ya f(x Ae (1) where €,=v,—u, with some conditions as:

@) vị ~id N(0,ø2),

(ii) u,~ iid N*(0,07,), that is nonnegative half normal distribution, and

(iii) u; and v; are independently distributed of each other, and of repressors

The density function of u 2 0 is described as:

The marginal density function of eis obtained by eliminating u in /(u, 6), which yields

ropes say BEM) « ơ

where ơ=(ơ2+ơ;)” 4=ơ,/ơ, (,): the cumulative standardized normal distribution,

and &.): the density function

Note that A is used to present the relative contributions of u and v to e It will be use to

explain the estimated results later When 4 approaches to 0 either o,? œ or ơu ˆ—> 0, and the

symmetric error component dominates the one-sided error in the determination of € As 7

approaches to infinite either 6,°—> 2 or o> 0, and the one-sided error component dominates the symmetric error component in determining e In the former case, an OLS production function model with no technical efficiency should be used, whereas in the Jatter case we are back to a deterministic production frontier model with no noise

Given the specification of Model (1), we find it interest to test the null hypothesis Ho that the technical inefficiency effects are not present in the model or A = 0 Where the test is based on

the maximum likelihood estimate of A

The marginal density function /(¢) is symmetrically distributed, with the mean and variance

E(e)=-E(u) and Var(e) (5)

It is suggested thatl— E(u) is an estimator of the mean technical efficiency of all industries

On the other hand, this estimator can be computed from:

Elexp(—u)]= 2[I -0(ơ, ) Jexp (#) (6)

which is preferred tol — E(u) since (1-w) includes only the first term in the expansion of power

series exp(-u) Moreover, E(exp(-w)) is consistent with the definition of technical efficiency Using equation (4), the log likelihood function of a sample of I industries is:

lạt =cons~IInơ+ S hn9| 22) 1, ye (7)

ơ

The log likelihood function in equation (7) can be maximized with respect to the parameters

to obtain maximum likelihood estimates of all parameters These estimates are constant as i

approach to infinity

The next step requires the prediction of the technical efficiency of each industry We have

estimate of¢,=v,—u,, which obviously contains the information of uj € >0 implies the

possibility that u; is not large, meaning the industry is relatively efficient, while ¢;<O indicates

the chance that u; is large, or the industry is relatively inefficiency The problem involves the

extraction of information on u; in g& by obtaining the conditional distribution of u;, given which contains whatever information of & relating to wu; If u; ~ N7(0, 5.) then the conditional

distribution of u;, given &, 1S as:

_/@#)_ 1 _=#) | Ủn_gÍ + 8 12) /(e) a 2ơ: l °{ «| ” where 4, =-E07 [o° sand a: =a207/o"

Since /(|e)~ Nˆ( ô2), cither the mean or mode of this distribution can be served as a

point estimator of w, which is defined as:

Then the estimates of the technical efficiency (TE) of each industry can be obtained from:

TE, = exp(—u,) (il)

where i, is either E(ujle,) or M(uile)) Battese and Coelli (1988) proposed the alternative point estimator for TE;:

Battese and Coelli (1995) advanced a model for technical inefficiency effects in a SFPF for

panel data The non-negative technical inefficiency effects were defined as a function of firm- specific variables, counting ‘the time trend Following truncated normal distribution with constant variance as usual, the inefficiency effects had means linearly related to observable variables The model allowed the simultaneous estimations of both technical change in the

stochastic frontier, and time-variant technical inefficiencies

In this study, investigating the relationship between ownership and technical efficiency requires the specification of a SFPF and the model of efficiency effects in terms of other observable explanatory variables All parameters of these models are simultaneously estimated The sources of technical efficiency, including the capital-labor ratio, inventory- total output ratio, debt-capital ratio, the revenue, and other characteristics of the manufacturing industries will also be considered

The model proposed by Battese and Coelli (1995) assumes that

where zŠ= dot product of vector z and vector 5 The u is non-negative random variable, assumed to be independently distributed z is a vector of firm (industry in this study)

characteristics associated with the technical inefficiency effects.ỗ is a vector of unknown

parameters to be estimated, and w is a vector of non-negative error terms

In the empirical study, the technical inefficiency effect model is specified as follows

U,, = 59 + O,2;, + 0x23, + 6525, +5424, + W, (15)

where

z¡ the natural logarithm of capital-labor ratio,

z7: the natural logarithm of inventory-total output ratio,

z3: debt-capital ratio,

z4: industry’s revenue, and

wis random variables defined by the truncation of the normal distribution with zero

mean and unknown variance ơ„”

For a parameter approach, it should assume a specific production function to characterize industry’s production behavior In this study, Cobb-Douglas productions and Constant Elasticity of Substitution (CES) production function are employed Whether the Cobb- Douglas production function and CES have a significant difference or not will be considered

by using a maximum likelihood test In the case of the log-linear Cob-Douglas production function is as:”

LnVA;= LnA+BiLnL; +B;LnK¡tv;-u¡ (16)

where

VA; = value-added of the i” industry per annum, measured in VND million

Li = labor, which is measured in person, representing the total number of employment in the i" industry per annum

Kj = net capital of the i” industry per annum, measured in VND million, and

vy; and u; are disturbance terms

For the case of a logarithm CES production function, following Kmenta (1976) we will

employ:

LnVA;= LaA+h§LnL;th(1- 8)LnKz+ “pe ot (LaL;-Lnk,)*+ vi-u; (17)

where A,5, p, and h respectively represents efficiency parameter (which shows the overall

production efficiency), distribution parameter (which shows the input distribution of labor and

capital), substitution parameter, and degree of homogeneity Elasticity of substitution (o) can

be acquired as:

Moreover, we have to choose the function with two or three inputs For example, the Cobb- Douglas has been selected from the above test, whether the Cobb-Douglas with two, or three variables fit the data set It means that we will choose between production functions:

2.2 Data Envelopment Analysis (DEA) Methodology

Despite the prevalence of the parametric techniques the non-parametric methodologies would

be picked in case of unknown production technology Advantages of DEA method arc that it overcomes restrictions on production specifications and various distributions of residuals Furthermore estimating the production frontiers is based on picce-wise estimation, making the estimated frontier close to the real activity This method can be applied for firms with multiple outputs DEA method, however, also has some disadvantages The first thing is that estimated results (inefficient terms) are not subject to statistical properties Therefore,

statistical tested can not be applied The second, as mentioned in Sengupta (2002), is that

DEA considers the supply sides, and it does not pay attention to the demand side and properties of market The last one is sensitivity Timmer (1971) argued that DEA was very sensitive with extreme observations It meant that if one firm (or industry) performed

extremely better than the others, DEA might overestimate the inefficiency terms Given these

limitations, DEA has been widely and increasingly employed

The first one relied on the ideas of Afriat (1972), which dealt with issues in the neoclassical theory of production, namely ‘the consistency, form restriction, recoverability, and extrapolation without maintaining any hypotheses of functional forms This methodology is applied to time series data and has been used in several studies to evaluate technical efficiency

Alternatively, Farell (1957) decomposed efficiency into technical and allocative efficiencies

Fare et al (1985) introduced a non-parametric method of calculating efficiency across firms, which extended Farell’s approach by relaxing the restrictive assumptions of constant retums

to scale and of strong disposability of inputs, which were the primary criticism of Farell's

Fare et al (1985) showed that the input efficiency of a firm did not necessarily imply that the firm’s output efficiency Technical efficiency, allocative efficiency, and others in terms of output could not be derived from corresponding efficiency measures in input and vice versa sice output and input efficiencies focused on different aspects of production Hence, it was crucial to determine the type of efficiency to be evaluated

Figure 1: Ylustration of Technical Efficiency

Ourpat (Y)

Trput (X)

Technical efficiency may be defined as the ability of a firm (or industry in this study) tc produce as much output as possible, given a certain level of inputs and certain technology

Figure | illustrates this terminology It shows five points A, B, C, D, and E associated with

different levels of input and output The curve ABC describes the frontier for this production

process Observations A, B, and C are on the frontier while observation D, and E lie below thc frontier There exists a ray OB from the origin tangent to the frontier at point B, representing the constant retums to scale of the technology represented by the data of those observations Observation B (in figure 1) depicts the relatively technical efficiency, meaning that this firm

is also purely technically efficient and scale efficient due to its location on the frontier and the property of constant returns to scale

Although a firm may be technically inefficient in an overall sense, it is possible for it to be purely technically efficient in experiencing inefficiency in scale This is also shown in Figure

1 Observations A and C are purely technically efficient, since they belong to the frontier, but

exhibit scale inefficiencies Observation D is both scale and technically inefficient because it

lies below the frontier Theoretically, the same level of input could be used to achieve a higher level of output, which will allow this firm (at point D) to move forward to the frontier between points Band C Observation E is purely technically inefficient since it lies below the frontier, but is scale efficient, because it produces at input level of x2, the scale-efficient level

of input

In order to obtain separate estimates of technical efficiency and scale efficiency, we apply the input-oriented technical efficiency measurement to the data of Hanoi and HCMC’s manufacturing industries This measurement must satisfy three different types of scale

behavior including the constant returns to scale (CRS), non- increasing returns to scale (NRS), and variable returns to scale (VRS)

In our empirical work, we compute technical efficiency using DEA approach We assume that there are g = 1,2, , G regions (two regions, denoting 1 for HCMC, and 2 for Hanoi) using k =

1,2, , P inputs in each region These inputs are used to produce m = I,2, , M outputs for

each industry There are i = 1,2, , N industries In our data set, each observation of inputs and outputs is strictly positive

Let Y* be an (MxN) matrix of outputs of manufacturing industries in HCMC (or Hanoi), in” which the element y/" represents the m”™ output of the j” industry in g” region Let X* be a (PxN) matrix of inputs, in which the elements x/* represents the k” input of the j* oe in g” region, and let z be an N-vector of weights, in which elements of weighted vectors denote z,

a 2, ,N, and g = 1, 2 The CRS input-oriented measurement of technical efficiency for the

? manufacturing industry in HCMC or Hanoi is calculated as solution to the following

mathematical programming problem:

z; =min, 7’ (20) Subject to

2 ON

vận <Š) zy gal i=l 7 21,2, Nm 1,2, Mig'= 1,2

2 ON

j=l2, Nk=l2, P;g'=l,2

The scale value y represents a proportional reduction in all inputs such that 0 < # < I, and

y! is the minimum value of y so thaty’*x’* represents the vector of technically efficient

inputs for the /” industry in g™ region

Maximum technical efficiency is achieved when y/* equals unity In other words, if the DEA gives the outcome y/* =1 the industry is operating at the best-practice and it is not able to

improve its performance anymore, given the existing set of observations Ify/* <1 then we can conclude that the industry is operating below the best-practice

As mentioned above, the DEA constructs a unique best-practice benchmark for each industry

This benchmark for industry j is built from the vector 4, and the values of its elements are

determined when the above linear programming problem is solved The i element 2; of the

vector indicates the contribution of the i” industry to the best-practice benchmark of industry

i As noted earlier, the benchmark of an industry can reflect the total contribution of a number

of industries Only best-practice industry can contribute to the benchmarks of individual industry because by definition, the performance of a non-best-practice industry could be improved on Therefore, non-best-practice industries would not be included in the best- practice benchmark of industry i, or most elements of the vector z will be zero The non-zero

elements (i.e 27> 0) show the composition of the best-practice benchmark

This measurement of technical efficiency is usually called overall technical efficiency Since

the residual of the overall technical inefficiency encompasses ail sources of inefficiency-

controllable and uncontrollable factors The estimated overall technical inefficiency is consistent with the inefficiency derived from the industry’s size (scale), poor management and other unspecified variables such as errors in measurement In order to separate inefficiencies due to industry’s size from the overall inefficiency and to identify optimal scale for Hanoi and HCMC’ manufacturing industries, two additional DEA should be conducted

The NRS technical efficiency for the j* industry in g” region is the solution to the following mathematical programming problem:

=? 2 O for all j and g

Likewise the above case, the VRS technical efficiency for the ;” manufacturing industry of

Hanoi or HCMC is computed as:

Subject to:

zƒ >0 for all j and g

where h® is a (LxN) vectors of ones

Given those three estimates of technical efficiency, the input-oriented scale efficiency measure for the /” industry is calculated as the ratio of overall technical efficiency to VRS technical efficiency

In the absence of environmental differences (i.e local government policies and other unspecified -variables), and measurement errors of inputs and outputs, the pure technical inefficiency would reflect the departures from the management of the best-practice industry Eliminating the latter source of inefficiency requires forming a benchmarking partnership with relevant best-practice industries of all regions for identifying and then emulating their management practices :

The output of DEA therefore includes measures of each industry’s scale efficiency, pure

‘technical efficiency, overall technical efficiency and the identification of its best-practice benchmark The best-practice benchmark provides the potential benchmark partners associated with their respective contribution to the best-practice benchmark

3 DATA SOURCE, AND VARIABLES

3.1 Data Source

The research relies on the data from the Economic Census for Enterprises conducted for the period 2000-2002 by General Statistical Office of Vietnam (GSO), in which the core information collected from enterprises include the types of enterprise, business and production activities, number of employment, employment’s income, assets and liabilities, turmover, performance of obligation to the state, means and equipments used for business and

production purposes, and investment costs This Census covers more than 90,000 enterprises,

in which more than 7,000 (for 2002) were asked for detailed information on business and

production costs in terms of inputs, e.g information on the raw materials, fuels, instruments and spare parts, and labor costs More than 1,000 and 800 out of these 7,000 enterprises were located in HCMC and Hanoi, respectively

Statistical data shows the efficiency performance of the state enterprises, which probably

results from the advantages intended for this sector from the government, e.g the annually capital supplementation of the state budget, the enjoyment of price substitution, priority in accessing bank loans with higher amount of capital, and lower interest rates More than 82.5

In order to compare production efficiency of the manufacturing industries in Hanoi and

HCMC, this study employs the information surveyed by General Statistical Office (GSO), and

by Faculty of Economics NEU More specially the comparison of technical efficiency

involves 32 manufacturing industries in Hanoi and HCMC By this way there will be no

concem about a possible difference of efficiency among two citics if any

3.2 Description of Variables

For the purpose of efficiency analysis, output is aggregated into one category, i.e value

added, and inputs are aggregated into three categories i.e labor, capital and intermediate inputs These output and input variables are described as follows

Output is represented by value added (VA) of these industries, and measured in VND million Labor (L), which is measured in person, represents the total number of employment in these

industries per annum, and net capital (K), which is measured in VND million

Besides labor and capital, other input variables are represented by the total amount of intermediate inputs used in these industries annually and measured in VND million

3.3 Data Descriptions

The mean, standard deviation, minimum and maximum values of total output and inputs are

shown in Table 2 It can be seen that, on average, the value added (VA) of 32 manufacturing

industries of HCMC was much higher that that of Hanoi For example, in 2000, it was VND 207,108.9 million for HCMC, which was about 4 times higher than that of Hanoi

These industries in HCMC employed more workers than that of Hanoi Table 2 also depicts that the average number of employees of HCMC’s manufacturing industries was 5,477

persons in 2000 (6,112 persons in 2001, and 7,123 persons in 2002), which was much higher

than that of Hanoi with 1,920 persons in 2000, 1,630 persons in 2001, and 1,815 persons in

Year| Variable | Obs

Mean |Std.Dev} Min Max Mean | Std Dev Min Max

2000 |VA 32 |207108.9 |394496.5 | 1208.06 | 2188914 | 52647.97 | 82619461 | 756.1517 | 395522 }

Labor 32 |5477.219 | 17499.61 34} 99939 1920 | 4216.119 99} 21445 Capital 32 {507890.5 | 858751.5 1451 | 4513002 | 171851.5 | 471190.2 5023 | 2656579

hai 32 | 476051 |685809.5| 6689 | 2207060 | 105739.3 | 1919972] ;oge | 762290

K/L 32 |206.7214 {177.0217 |20.51773 |848.2386 | 134.5918 | 175.3823 | 3.887929 | 999.4654 | VAIL 32 | 85.9943 |71.65977 |14.06663 | 319.6764 | 47.11798 | 38.38251 | 2.166624 | 169.4044

Year | Variable |Obx | Mean | Std Dev Min Max Mean Std Dev Min Max

2001 \VA 32 |243368.4 |410347.5 |2136.307 | 2202081 | 49074.19 | 81796.24 | 2628.681 | 439448.¢ Labor 32 |6112.281 |18976.46 31| 10893] 1630 | 4413.807 38} 2519

| Hạn 32 |2661503 | 1082526 | 19951 46 | 4710971 | 1306023 | '83058 | 1994-752 | 9157921

KL 32 | 193.4643 | 127.0548 |25.16923 | 576.7535 | 161.4126 | 155.6803 | 1.941748 | 609.3307 VAIL 32 |79.71244 |52.97301 |16.30866 | 229.0055 | 67.3296 | 91.40706 | 5.932206 | 510.1272 -

Source: Author’s calculations based on sample data Concerning the-capital-labor ratio (K/L), the HCMC’s manufacturing industries were more

prominent than that of Hanoi This is the same for the value added-labor ratio (VA/L)

4 EMPIRICAL RESULTS

To estimate production frontier for HCMC and Hanoi, both Cobb-Douglas and CES

production functions as from equation (16) to (19) will be employed in this paper Moreover,

since we assume that there exist some uncontrollable stochastic shocks influencing production

efficiency of these industries, a stochastic production frontier approach is also used The

maximum-likelihood estimates of the SFPF’s parameters can be obtained by using the

computer program FRONTIER version 4.1 provided by Coelli (1996)

The empirical results from the frontier and inefficiency models (Model 1 and Model 2,

tespectively) will be further discussed to explain the efficiency performance as well as the

determinants of technical inefficiency in the manufacturing industries in HCMC and Hanoi

4.1 Hypothesis Tests

Various tests of hypotheses of the parameters in the frontier model and inefficiency model can

be performed using the generalized likelihood-ratio test statistic, which is defined by:

4=~1L(H,)-L(A,)}

where L/Ho) is the log-likelihood value of a restricted frontier model, as specified by a null

hypothesis, Ho, and L(H;) is the log-likelihood value of the general frontier model under the

alternative hypothesis, H; This test statistic has an approximately Chi-square (or mixed Chi-

square) distribution with degrees of freedom equal to the difference between the parameters

involved in the null and alternative hypotheses

We need to conduct three tests, i.e the appropriate model, the appropriate functional form,

“A

41.1 Test of Hypothesis for the Error Term’s Distribution (Truncated-normal or Half-

normal Distribution)

We consider a test of the null hypothesis of the appropriate model The results of hypothesis

tests for different distributional assumptions and the relevant statistics are presented in Table

3 The decision whether to accept the corresponding null hypothesis depends on the value of

the test statistics 2 and the critical value applying a 5 percent significance level

Table 3a: Generalized Log-likelihood Ratio Hypothesis Tests

for the Appropriate Error Term’s Distribution

Cobb-Douglas | Half- normal

production — |/,:=0 : 0 1462 | 3.84 | °°P! | o40s | 3.84 | Accert Ho Hh function

CES Half- normal Accent Accept

production | H,:7=0 1.36 | 3.84 | “TP | 0.486 | 3.84 p

where: A =test-statistic, and A.= critical value

Source: Author’s calculation based on estimation results

Given the log-likelihood values of Cobb-Douglas production functions for two inputs and

half- normal and truncated-normal distribution of the disturbance term in Table 3a, the test Statistics 7 for both cases of HCMC and Hanoi (1.46 and 0.408 respectively) do not exceed the critical value x) = 3.84 It means that we cannot reject the null hypothesis, and

therefore the half-normal distribution of the error term is good option for our sample

the

According to the last row of Table 3a, the test statistics 2 for both cases of HCMC and Hanoi

(1.36 and 0.486, respectively) are smaller than the critical value 0) = 3.84 Thereby, we

accept the null hypothesis Hg: 0 meaning that the half-normal distribution of the disturbance term is appropriate in this study

4.1.2 Hypothesis Test for the Appropriate Functional Form (Cobb-Douglas or CES

Production Function with Two Inputs)

Regarding frontier functional form, a test of the null hypothesis that the Cobb-Douglas

production function is appropriate would be of considerable interest This hypothesis involves

a test of restriction that Ø;=0 The results of this hypothesis test are given in Table 3c Likewise the above case, the decision to accept or reject the null hypothesis depends on whether the test statistics 4 is smaller or larger than the critical value 4, at a 5 percent

significance level

As shown in Table 3b, none of the test statistics 2 exceeds the critical value 2.=y"(1) = 3.84 Hence we the hypothesis that CES is the same as the Cobb-Douglas production function

Table 3b: Generalized Log-likelihood Ratio Hypothesis Tests

for the Appropriate Functional Form (Cobb-Douglas or CES Production Function)

y | Description A + Decision A “ ị Decision

Source: Author’s calculations based on estimated results

4.1.3 Hypothesis Test for the Cobb-Douglas Frontier Production Function with Two or

Three Inputs

One of the interesting questions to this study is whether the three inputs considered im the inefficiency model Thus, hypothesis test is that Ø;= 0

Table 3c provides the results of hypothesis tests for choosing the two or three inputs in the

Cobb-Douglas SFPF The testing procedure is similar to the above tests

Table 3c: Generalized Log-likelihood Ratio Hypothesis Tests

(for Choosing Number of Inputs) ˆ

Cobb-Douglas (half-normal) ˆ Reiect

Three inputs 15437 | 3.84 Họ SIẾC! | 105.246 | 3.84 | Reject Ho 1

In sum, the Cobb-Douglas fronticr production function with three inputs and the half-normal

distribution of the disturbance term is the appropriate model for the efficiency analysis in this

paper

4:2 Estimation of the Production Frontier

As mentioned earlier, the Cobb-Douglas SFPF with three inputs is the most appropriate model for this study It is, however, of interest to have a look at the estimated CES SFPF prior to the analysis of estimated Cobb-Douglas model

According to the estimation results in Table 4a below, most of the estimated coefficients are similar to the case of Cobb-Douglas production function with three inputs Furthermore, the estimated coefficients of (in ~InK } in both cases of Hanoi and HCMC are not statistically significant These prove that the CES SFPF should be reduced to the Cobb-Douglas SFPF in studying the production efficiency of these manufacturing industries

Table 4a: Estimated CES Production Frontier

Dependent variable: InVA

Log-likelihood value -54.83 Log-likelihood value -92.19

Number of Observations 96 Number of Observations 96

Note: Numbers in parentheses are asymptotic t-values Figures with (**) imply that the coefficient is significantly different from zero at 1% significant level

Source: Author’s calculations based on estimated results

Table 4b: Some Coefficients of the Estimated CES Production Frontier

The CES production function itself can provide some more information From the estimation results in Table 4a, a few important coefficients are computed and presented in Table 4b It can be clearly seen that the manufacturing industries in HCMC had a higher degree of

homogeneity (h = 0.8181) than those of Hanoi (h = 0.7426)

Table 5: Estimated Cobb-Douglas Production Frontier with Three Inputs

Dependent Variable: InVA

Paramete | Half-normal : Half-normal ị

Variable r (Model 1) Model 2 Variable {| Parameter (Model 1) Mode! 2

_ Ln(Z,)- natural logarithm of capital-labor ratio,

Ln(Zz)-natural logarithm of inventory-total output ratio,

Ln(Z;)-capital ratio, and

In the case of Cobb-Douglas production function with three inputs, Table 5 shows that the

cutput elasticity of labor for the manufacturing industries in HCMC (0.2236) is smaller than

the output elasticity o fc apital (0.2404) M anufacturing industries in Hanoi associated with

much lower capital intensity had smaller output elasticity of capital (0.083) than the output

clasticity of labor (0.192), indicating that manufacturing industries in Hanoi still depended on

labor rather than capital in their production process

As can be seen from Table 5 (with Model 1) the manufacturing industrics in Hanoi heavily

relied on labor in the production process For the manufacturing industrics in HCMC higher

level of capital intensity implies a higher output elasticity of capital (0.2404) comparing to its output elasticity of labor (0.2237) For the ones in Hanoi, lower level of capital intensity indicates a lower output elasticity of capital (0.083) comparing to its output elasticity of labor (9.1922) Therefore, the manufacturing industries in Hanoi were relatively relied on labor rather than capital

The most important point is that the output elasticities of intermediate inputs of the

manufacturing industries in HCMC (0.4362) and Hanoi (0.729) were much higher than the

output elasticities of labor (0.2404 for HCMC, and 0.192 for Hanoi), and capital (0.2404 for HCMC, and 0.0803 for Hanoi) It could be therefore affirmed that these industries in two cities heavily relied on intermediate inputs during the period 2000-2002

The return to scale or the scale elasticity is obtained as the sum of the three partial inputs elasticities The average economic retum to scale of HCMC’s manufacturing industries was less than those of Hanoi in both models (0.9003 vs 1.0015 in Model 1, and 0.913 vs 0.962 in Model 2) The results provide two implications

Gi) The manufacturing industries in both Hanoi and HCMC possessed higher return to

scale, which could be good for both cities, and

(li) Higher retum of economic scale in the manufacturing industries in Hanoi than that

in HCMC indicates that many manufacturing industries could be of greater level of profitability :

Regarding to productivity from the estimated results, there are two indices to show whether

manufacturing industries in Hanoi or HCMC had higher production efficiencies One of them

iso” since o” represents total vanance of output, and it contains a random error term G7, anda technical efficiency term o Table 5 shows thato” was much smaller for the manufacturing industries in HCMC (0.3782 in Model 1 and 0.119 in Model 2) than their counterparts in

Hanoi (0.527 in Model 1, and 0.245 in Model 2) Based on the definition of this term, however, a large value of o* does not necessarily mean a less e fficient way of production

since it includes two components of production variation For this reason, another index 2 = Ø/ơ is introduced for inefficiency analysis in the SFPF approach (see theoretical

framework) A large A shows that a large portion of its production variance is contributed by

the technical inefficiency error o,° On the other hand a smal! 4 indicates higher production

efficiency

Also presented in Table 5 the results from Model 2, the manufacturing industries in HCMC had smaller 2 than that of Hanoi (0.3408 vs 1.0576) It is not amazing since these industries

in HCMC had a higher production efficiency level (e.g 66% in 2002) in comparison with

their counterparts in Hanoi (e.g 64% in 2002)

More specifically, in HCMC, about 75 percent of the total production variation of the

manufacturing industries originated from uncontrollable error term, and the remaining 25

percent was attributed to the technical inefficiency error (A = 0.254), while in Hanoi,

uncontrollable error term resulted in 49 percent of total production variation, and technical inefficiency error covered approximately 51 percent

Distribution of production efficiency in these industries in Hanoi and HCMC in Table 6a

below shows that the minimum efficiency level of HCMC’s manufacturing industries in 2000,

2001 and 2002 was 25.73%, 29.35%, and 33.05% percent, respectively The maximum

efficiency level reached 91.62%, 92.39%, and 93.08% percent correspondently in 2000, 2001,

and 2002 These results emphasize the possibility of efficiency improvement

The distribution of technical efficiency of Hanoi’s manufacturing industries was characterized

by the decreasing level in terms of minimum efficiency The minimum level of technical efficiency reduced from 25.52% in 2000 to 24.81% in 2001, and to 22.89% in 2002 The maximum level of technical efficiency (92.81%, 92.5%, and 92.27% in 2000, 2001, and 2002, respectively) shows a large room for raising the efficiency performance

Therefore, the efficiency, measurements for these industries in Hanoi and HCMC show similar

trend of efficiency The only difference was that efficiency scores of the manufacturing industries in HCMC increased, while those of Hanoi decreased during the period The highlight is that the average level of technical efficiency of Hanoi’s industries in 2000 and

2001 were rather higher (65.97%, and 65.02%) than those of HCMC, while this level of Hanoi in 2002 was lower than that of HCMC (64.06% against 66.36%)

Table 6a: Distribution of Production Efficiency

in the Manufacturing Industries in Hanoi and HCMC

Year 2000 2001 2002 2000 2001 2002 Mean 0.611614 0.638095 0.663624 0.659715 0.650265 0.64067: Median 0.618368 0.647330 0.674775 0.684211 0.674397 0.66437: Max 0.916246 0.923891 0.930883 0.928104 0.925455 0.92271: Min 0.257358 0.293508 0.330539 0.255215 0.241960 0.22892 Std Dev 0.200068 0.190072 0.179821 ’ 0.178273 0.181529 0.18473 Skewness 0.007231 0.027221 0.059169 -0.510907 -0.487626 -0.46381 Kurtosis 1.716208 1.730119 1.745834 2.598693 2.559298 2.52011

Jarque-Bera 2.197774 7.154081 2.415914 1.606868 1.527112 1.45438 Probability 0.333242 0.340602 0.347164 0.447789 0.466006 0.48326

Observations 32 32 32 32 32 3

Source: Author’s calculations based on the sample data

Frequency distribution of efficiency estimates from the stochastic frontier for the manufacturing industries ir! Hanoi and HCMC as shown in Table 6b provides an absolutely different story All industries had a wider range of efficiency variation during the period Despite the nearly equal technical efficiency scores between two cities, the number of least

efficient industries (efficiency level of 20-40%) in HCMC was more than that of Hanoi at the

The amount of most efficient industries in HCMC, therefore, rose by 1 per annum, and the industries belonging to the efficiency interval [40%, 60%] increased from 8 to 12 Meanwhile, that of Hanoi reduced from 9 to 7, and from 12 to 11, respectively during the mentioned period This implies higher efforts of the manufacturing industries in HCMC in raising the level of technical efficiency, as compared with those in Hanoi

Tabie 6b:Frequency Distribution of Efficiency Estimates from Stochastic Frontier

for the sample industries in Hanoi and HCMC

{ HCMC _ Hanoi

2000 Mean Std Dev | Obs 2000 Mean Std Dev | Obs

| [20%, 40%) 0.351578 0.046918 7 | [20%, 40%) 0.301690 0.066953

3 4

! [40% 60%) 0.496888 0.058867 8 | [40%, 60%) 0.522219 0.040783 8 |

| [60%,80%) 0.688657 0.068065 9 | [60%,80%) 0.691807 0.063690 | 12 [80%, 100%) 0.867199 0.040854 § | {80%, 100%) 0.858486 0.045079 9 All 0.611614 0.200068 | 32; All 0.659715 0.178273 | 32

2001 Mean Std Dev \Obs 2001 Mean Std Dev | Obs

[20%, 40%) 0.362581 0.046778 | 4 | [20%, 40%) 0.288104 0.066557 3 [40%, 60%) 0.478850 0.053037 | 9 | [40%, 60%) 0.526042 0.050639 | 10

[60%,80%) 0.681516 | 0.063187 | 10 | [60%,80%) 0.716533 | 0.063014] 12

[30%, 100%) | 0.871545 | 0.041435 | 9 | [80%, 100%) | 0.869335 | 0.039754| 7 All 0.638095 | 0.190072 | 32 | All 0.650265 | 0.181529 | 32

2002 Mean Std Dev \Obs.| 2002 Mean Std Dev | Obs (20%, 40%) | 0.330539 na.} 1°] [20%, 40%) 0.274657 | 0.066050 | 3 {40%, 60%) | 0.491072] 0.060272.{ 12 | [40%, 60%) 0.521030 | 0.055042 | 11 [60%,80%) 0.699365 | 0.049926 | 9 | [60%,80%) 0.717540] 0.057361 | 11 {80%, 100%) | 0.875428} 0.042933] 10 | (80%, 100%) | 0.864765] 0.041025| 7

| Al 0.663624 | 0.179821 | 32 | All 0.640675 | 0.184732 | 32

Source: Author’s calculations based on sample data and estimated results

4.3 Sources of Technical Inefficiency *

There are many important factors that significantly affect production process of these manufacturing industries such as capital-labor ratio (z, = K/L), inventory-total output value (22

= inventory/total output value), debt-capital (z3 = debt/total capital), and industry size (zs = revenue)

Intuitively, an industry with higher capital intensity usually has a higher level of production efficiency, either because of the pressure to compensate the large expenditure amount on capital, or because of better technology

Forsund et al (1977), applying cost function and linear programming method, discovered that firms with higher capital-labor ratio would have a higher production frontier than that of firms with a low capital-labor ratio Albach (1980), and Lee et al (1978) presented similar findings

for firms in Germany and Brazil, respectively In this study, the coefficient of the variable

capital-labor ratio (K/L) is a significantly positive one (0.2875) at 1 percent significance level,

meaning that higher capital-labor ratio causes higher level of inefficiency Clearly, the results

of this study contradict the findings of Forsund et al (1977) Explanation for this relationship

^^

might involve unsuitable technology invested in these industries, making the production less

efficient due to the inability to utilize the advance technology:at the optimal level Moreover the coefficient for Hanoi’s manufacturing industries is insignificantly negative (-0.223), and

the coefficient for HCMC’s manufacturing industries is insignificantly positive (0.422), which could mean that these industries still heavily relied on a labor-intensive way of production during the studied period The inventory-total output value ratio is significantly and positivels related to the inefficiency level, meaning that the higher the share of inventory in the total

output, the lower the efficiency level The excessive production, which is not absorbed by the

economy, will raise the difficulties for enterprises to execute their plans on borrowing and profit attainment Another possibility might be the misleading forecasts of entrepreneurs concerning the price of outputs, and the market demand in the future

Industry size also had impacts on production efficiency of these industries Various studies confirmed that an industry with a large size could take advantage of organizational structure and acquirements of new technology, and thus would have a higher production skill

However, some economists have argued that the production scale could cause a less flexible production performance Sharma et al (1998), using parametric and non-parametric

approaches, found that farm size had a negative and significant impact on inefficiency levels, and they suggested that, on average, large farms operated at higher efficiency levels than the

small ones Bymes et al (1987), Bravo-Ureta (1986), and Bagi (1982) also found that

technical efficiency would be dependent from farm size

Table 5 above summarizes the estimated results for the manufacturing industries in Hanoi and HCMC We found evidence which strongly supports to the above-mentioned ideas for the manufacturing industries in Hanoi Since the industry size (represented by revenue) did have a negative and_ insignificant coefficient (0.223) for Hanoi, but a positive and statistically insignificant coefficient (0.422) for HCMC, we could not have consistent conclusion about the relationship between industry size and its efficiency level in these two cities The nature of this relationship requires more detailed information of each industry

The coefficient of the debt-capital ratio was negatively significant (-0.464) for the industries

in Hanoi, meaning that the debt-capital ratio had a positive effect on performance efficiency,

or higher debt-capital ratio goes with lower inefficiency level This might explained by a large number of state enterprises in Hanoi, which often get preferential treatments from the government in financial supports (e.g lending) with lower interest rates On the contrary, the estimated coefficient of debt-capital ratio for HCMC’s industries was positively significant (0.310), which indicated that the debt-capital ratio inversely affected technical efficiency of these industries, or an increase in the proportion of debt in capital would be associated with lower level of inefficiency

4.4 DEA Results

DEA results were estimated by using the program DEAP 2.1 by Coelli (1998), and similar

sample data Table 7a summarizes technical efficiency measurements obtained from DEA approach

As can be seen from Table 7a, the mean level of technical efficiency was about 63.28% (in 2000), 57.2% (in 2001), and 61% (in 2002) for 32 manufacturing industries in HCMC, and

We also get the mean values for three technical efficiency components, i.e CRS technical efficiency (or crste), VRS technical efficiency (or vrste), and scale efficiency (or scale) In the period 2000-2002 crste and vrste were 60.5% and 70.5% for HCMC, and 58.19% and 66.9%

for Hanoi, respectively

Table 7a: Technical Efficiency Scores from DEA

erste vrste scale

Source: Author’s summary from estimated results

The scale efficiency index for the industries in HCMC and Hanoi were 85% and 84% in 2000, 86.2% and 88.4% in 2001,-and 90% and 92% in 2002, respectively If all industries had applied the same technology, we would have expected a style of increasing returns to scale for the industries with a relatively low output, and a style of decreasing returns to scale for industries with a relatively high output Industries with an input level equal to mean output would have the constant returns to scale The mean output at the sub-optimal scale is the lowest, and the mean output at the super-optimal scale is the highest as expected The estimated results indicate that the optimal output levels overlap a great portion of the sub- optimal and super-optimal output values

Table 7b:Frequency Distribution of crste in DEA

(Computed from the Aggregated Model for Each City)

{80%, 100%) 5| 0880200 0.065328 2 | 0.888500 [0.111086 | (80%, 100%)

100% 2 | 1.000000 0000000 | 3] 1.000000 |0.000000 | 100%

AI 32 | 0.610750 0216089 32] 0.596576 |0.207967 | AI

Source: Author’s calculations based on the sample data and estimated results

Table 7c: Frequency Distribution of vrste in DEA

(Computed from the Aggregated Model for Each City)

6, 5, and 2, respectively For Hanoi, the corresponding number of industries belonging to the same interval was 2, 4, and 3 in 2000, 2001, and 2002 respectively The crsfe varies from 80% to 100% with 16 (in 2000), 12 (in 2001), and 11 (in 2002) industries for HCMC, in

comparison with 10 (in 2000) 8 (2001) and 8 (in 2002) industries for Hanoi

Table 7d: Frequency Distribution of scale in DEA (Computed from the Aggregated Model for Each City)

Source: Author’s calculations based on the sample data and estimated results

4.5 Industry Profit, and Efficiency Measurements

The analysis of regression results is conducted to investigate the relationship between profitability and various efficiency measurements The first column in Table 8 shows the relationship between profit and pure crste, vrste, and scale efficiency of HCMC’s manufacturing industries in the year 2000 The second column shows the relationship between profit and pure crste, vrste, and scale efficiency of Hanoi’s ones in 2000 The other columns present the same information in the two successive years

The linear correlation between profit and various efficiency measurements were evaluated

using squared-root of the R°, providing a positive and statistically significant relationship between profit and vrste for HCMC in 2000, and between profit and vrste, and scale technical

efficiency for Hanoi in 2002 Profit was moderately correlated with overall technical efficiency

As mention earlier, the two approaches used in this study measure the level of technical efficiency for the manufacturing industries in Hanoi and HCMC are parametric approach and non-parametric approach Of which, the parametric approach relies on a SFPF, while non-

parametric DEA relies on a non-stochastic frontier Some studies have compared technical

efficiency estimates obtained from SFPF and DEA models, and most of them have mixed results Ferrier and Lovell (1990) in the analysis of the US banks reported higher technical, but lower economic efficiency in the SFPF model relatively to DEA frontier Based on the sample farms in Bangladesh, Md.Abdul Wadud (2003) found that levels of all efficiency measurements based on‘crsfe and vrste DEA frontiers were higher than those based on SFPF models The study by Kalaizandonakes and Dunn (1995) proved a higher level of mean technical efficiency under crste DEA frontier compared with those obtained from SFPF Likewise, this study provides the mixed outcome

Table 8: Relationship between Profits and Various Efficiency Measurements

( -1.6395)** | (-1.442278) |(-2.770755)*| (-4.265320)) (1.005678)| (-0.318402) Vrste 4616050| 7755633| 8762913| 398469.5| -5646899| 1900192

(1.873589)** Ì(1.821276)** | (3.951903)*| (5.345733)*Ì (-0.937378)| (0.515583) Scale 210739.1| 3458432| -1014835| 2915247| -5929524| 2326.170

(0.842481)| (0.893713) | (-1.381703)} (3.736894) | (-1.106284)}- (0.225010) R? 04330031Ì 0.502840| 0.353755) 0.366325] 0056836| 0.007199 VR? 0.574483} 0.709112) 0.594773) 0.605248] 0.238403} 0.084847

Note: Figures with (*) and (**) denote that the coefficient is significantly different from zero

at 5% or 10% level, respectively Numbers in parentheses are asymptotic t-values

crste = technical efficiency, vrste = pure technical efficiency, and scale = scale efficiency Source: Author’s calculation based on the sample data and estimation results

The agreements or disagreements in the efficiency scores estimated from the two approaches are summarized in Table 9 The averages of all efficiency measurements for the manufacturing industries in Hanoi and HCMC based on erste in DEA frontiers were lower than those based on the SFPF one during three years, except the results in 2000 for HCMC Table 9: Comparison of Technical Efficiency Measurements in DEA and SFPF

for the Manufacturing Industries in Hanoi and HCMC

HCMC Hanoi Sample mean Sample mean SFPS DEA SFPS DEA

2000 0.6116 0.6328 0.659 0.5803

2001 0.6380 0.572 0.650 0.569

2002 0.663 0.61 0.640 0.60

Why these outcomes of the two methods were somewhat different? Since we used similar data, the major difference probably might come from the various techniques applied We only

would expect these two approaches to yield comparable results in case of no effect of uncontrollable environment variables and measurement error derived from the differences in enterprises management, and no problem on aggregate technology as well as functional form

describing the technology The study of the UK building societies by Drake et al (1996), Ferrier et al (1990) proved insignificant rank correlation coefficients between the estimated

efficiencies from the two approaches Sharma et al (1999) found that the estimated mean

technical and economic efficiencies obtained from the parametric technique were higher than those from DEA for CRS models, but quite similar for VRS models, while locative efficiencies were generally higher in DEA

Therefore, these above disagreements in the empirical studies on the comparison of the two approaches might be mainly attributed to differences in the characteristics of data analyzed, choices of input and output variables, measurement and specification errors, and estimation procedures

5 CONCLUSIONS AND RECOMMENDATIONS

To study the productive efficiency of the industries in Hanoi and HCMC, this paper employs Stochastic Production Frontier Function (or parametric approach), and Data Envelopment Analysis (or non-parametric approach), using surveyed data at industry-level for 32 manufacturing industries in Hanoi-and HCMC during the period 2000-2002 The hypothesis tests in this study affirmed that the Cobb-Douglas SFPF with three inputs was appropriate model for the analysis on production efficiency of these manufacturing industries in both

It is a surprise that these industries in HCMC were not considerably more technically efficient than those in Hanoi, and HCMC’s industries made more efforts, and got more success in improving efficiency performance The differences in the levels of production efficiency in two cities might result from the disparity in business and production experiences, information sources, and technology Being ahead of other provinces in various fields, HCMC proved to have advantages over Hanoi in terms of rapid adaptability and more experiences in new mode

of production arid business with more transparent information, and better technology

Because of narrow gap of production efficiency between Hanoi and HCMC’s manufacturing

industries, and rather low level of technical efficiency in both cities (which was represented

by the average efficiency scores, and large number of industries fell into low rank of efficiency), we believe that there would be still a large room for these industries in both cities

to improve and get more profits than the current situation Moreover, since these industries in both Hanoi and HCMC have played a key role in the national economy, the efficiency improvement become more indispensable, and it requires the proper attention of the local and central governments through appropriate adjustments and policies

Among various factors associated with the technical inefficiency, only the inventory-total

output value ratio and capital-labor ratio were shown to have consistent relation to efficiency

performance Both ratios significantly and positively affected the level of inefficiency,

implying that the higher capital-labor or inventory-total output value ratio came together with

lower efficiency level Size and debt-capital ratio proved to have unclear relationship with

inefficiency This leads to the policy implications that the industry or government should

implement measures to decrease these ratios for a higher level of efficiency in overall

The coefficients of both size and debt-capital ratio variables were insignificant at 5 percent significant level In addition they might be positive in this city, but negative in the other so that there was no ultimate conclusion conceming these factors and inefficiency

Comparing the results obtained from SFPF and DEA, the study found that efficiency levels of SFPF were higher than those of DEA models

Since the duration of sample was relatively short (only three years, from 2000 to 2002) it is

still premature to predict what might happen to these industries in Hanoi and HCMC in the future, particularly in the context of a dynamically economic environment in these areas

It will be, however, of great interest to see how these industries of these cities improve their production efficiency along with the growth of Vietnamese economy in new conditions

Finally, despite the level of aggregation of our data, we believe that the approaches taken here could provide the overall picture as well as the most important information on technical efficiency of the manufacturing industries in Hanoi and HCMC For the policy implications,

we have some conclusions as follows

By operating on the efficiency frontier, the sample industries in these cities would be able to reduce by about 30-40 percent of the current level of inputs to produce the same

level of outputs

Low technical efficiency in a number of industries in Hanoi and HCMC might be originated from the rapid growth of some industries as a result of their significantly increased opportunity costs, which led to a shift in the labor force Other sources of inefficiency might also be derived from the inadaptability of workers to new technology

or from other strategies of each firm, creating the deviation of industrial comparative

advantages.

Appendix 1

Distance function

When many inputs are used to produce many outputs, Shephard’s distance functions provide a

functional characterization of the structure of production technology The input distance function is introduced in Definition | and illustrated in Figures | and 2

Definition 1: An input distance function is a function D,(y, x) = max {Â: x/4 e LÓ)} where

L(t) is input set required to produce y

Figure 1 An input distance function Figure 2 An input distance function (N=2)

An input distance function adopts an input-conserving approach to the measurement of the distance from a producer to the boundary of production possibilities It gives the maximum amount by which a producer’s input vector can be radically contracted and still remains feasible for the output vector it produces In Figure 1, the scalar input x is feasible for output

y, but can be produced with smaller input (x/4”) and so Dy(x, y) - 4° > 1 In Figure 2 the input vector x is feasible for output y, but y can be produced with the radically contracted

input vector (x/A’), and so Dj(x, y) -A > 1,

The ouput distance function is introduced in Definition 2 and illustrated in Figure 3 and 4

Definition 2 An output distance function is a function Do{y, x) = min {ur x/A € P(y)}

' '

An output distance function takes an output- expanding approach to the measurement of the

distance from a producer to the boundary.of production possibilities It gives the minimum

amount by which an output vector can be deflated and still remain producible with a given input vector In Figure 3, the scalar output y can be produced with input x, but a lager output (y4r) can be also produced by input x and so С(, y) - <1 In Figure 4, the output vector

is producible with input x , but so is the radically expanded output vector (y⁄2⁄) and so D\(x,

y)-w <1