HP2 những điều nên biết khi làm NCKH về kinh tế

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:
/>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:
/> />(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:

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:
/>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:
/> />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:
(windows)


(Mac)
Trường princeton có 1 trang hướng dẫn tại đây:
/>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: />Cài đặt Rstudio: />Học R tại: />Hoặc học R ngay trên console bằng cách cài library “swirl”