Giả thiết lí thuyết và dữ kiện không quan sát (Phần 1)

Giả thiết lí thuyết và dữ kiện không quan sát (Phần 1)

Uy tín của kinh tế học ngày nay đang ở đỉnh cao tri thức và được công chúng tán đồng. Nỗi quan tâm mà công chúng, các nhà chính trị dày dạn và cả những doanh nhân hoài nghi nhất, thể hiện đối với mỗi phát biểu của chúng ta chỉ có thể so sánh với sự chú  ý, những năm trước đây, họ dành cho các nhà vật lí và chuyên gia không gian khi mục đích quan trọng nhất của đất nước dường như là đưa người lên cung trăng và trở về trái đất. Hàng loạt bài khảo luận bác học, chuyên khảo và sách giáo khoa là những đợt sóng thần; Econometrica, tạp chí hàng đầu về kinh tế toán học, vừa nâng nhịp độ xuất bản định kì từ 4 lên 6 số một năm.

Và dù vậy, một số trong chúng ta từng chứng kiến sự phát triển chưa từng có của kinh tế học suốt ba thập niên qua vẫn ngày càng cảm thấy có điều bất ổn trước hiện tình của ngành mình. Điều này hình như còn được chính những người đã có đóng góp vào sự “bùng nổ“ ấy chia  sẻ. Họ nhập vào cuộc chơi với tất cả sự khéo léo và tài tình của nhà chuyên nghiệp song có những hoài nghi nghiêm trọng về luật chơi này.

Phần lớn các nghiên cứu và giảng dạy ở đại học bị phê phán vì thiếu tính thích đáng nghĩa là không có ảnh hưởng cụ thể tức thời. Để đáp lại chỉ trích này, gần như lập tức nhiều đề án nghiên cứu, hội thảo và giáo trình cơ bản được tiến hành về các chủ đề như nghèo đói, các khu ổ chuột ở đô thị, ô nhiễm nước và không khí trong lành. Mỗi một khi có lời phàn nàn thì, theo một phản ứng Pavlov, tổng thống Nixon bổ nhiệm một hội đồng chuyên trách và các đại học mở một khoá học mới. Tôi không hề nghĩ rằng không cần phải điều chỉnh tầm bắn khi mục tiêu đã di chuyển. Tuy nhiên khó khăn không phải ở chỗ lựa chọn mục tiêu không thích hợp mà ở việc chúng ta không có khả năng nhắm trúng tâm bất kì mục tiêu nào. Nỗi bất ổn tôi đề cập ở trên không phải là do việc thiếu tính thích đáng của các vấn đề cụ thể gây nên, những vấn đề mà các nhà kinh tế hiện đang dồn nỗ lực giải quyết. Nỗi bất ổn là do những thiếu sót trông thấy được của những phương tiện khoa học không phù hợp được các nhà kinh tế vận dụng để giải quyết các vấn đề cụ thể.

Nếu đó chỉ là dấu hiệu thể hiện tham vọng của một ngành đang phát triển nhanh thì khoảng cách giữa cứu cánh và phương tiện không phải là điều đáng lo. Nhưng tôi khẳng định là các kết quả tầm thường thu được từ các ứng dụng thực tế lại là dấu hiệu của một mất cân bằng cơ bản của ngành chúng ta ngày nay. Rõ ràng là cơ sở thực nghiệm quá yếu và chậm được củng cố không thể chịu nổi kiến trúc thượng tầng ngày càng sinh sôi nảy nở là lí thuyết kinh tế thuần túy hoặc, đáng lí ra tôi phải nói là, lí thuyết kinh tế tư biện.

Người ta làm lớn chuyện việc các nhà kinh tế lí thuyết sử dụng sâu rộng và gần như bắt buộc, toán học. Trong chừng mực các hiện tượng kinh tế có những chiều kích lượng hoá quan sát được thì không chối cãi vì đó là một bước tiến đáng kể. Tiếc thay, bất kì ai có thể học đại số sơ cấp, hoặc tốt hơn đại số cao cấp và làm quen với các thuật ngữ kinh tế chuyên môn, đều có thể tự nhận là nhà lí thuyết. Một sự hâm mộ mù quáng hình thức hoá toán học thường dễ dẫn đến việc che đậy nội dung quan trọng và khó nắm bắt của một lập luận đằng sau những kí hiệu đại số.

Các tạp chí chuyên môn đã mở rộng trang đón đăng các bài viết bằng ngôn ngữ toán học. Các đại học dạy cho các nhà kinh tế tương lai sử dụng ngôn ngữ này, các khoá cao học chuyên sâu đòi hỏi phải viết và thừa nhận việc sử dụng toán học. Việc xây dựng các mô hình toán học đã phát triển đến độ trở thành một ngành có uy tín, có thể là uy tín nhất trong các ngành của kinh tế học. Xây dựng một mô hình lí thuyết mẫu nay đã trở thành một công việc lắp ráp. Các bộ phận chính như hàm sản xuất, hàm tiêu dùng và hàm lợi ích đều ở những dạng chuẩn khác nhau cũng như những bộ phận tùy chọn. Ví dụ như “nhân tố tăng thêm“ (để nắm bắt tiến triển của kĩ thuật). Phụ tùng đặc biệt này có thể được cung cấp dưới dạng một hình mũ đơn giản hoặc với một bộ phận điều chỉnh tự động được biết dưới tên “hàm Kennedy”. Thủ thuật thông dụng để nâng cấp một mô hình đơn giản với một khu vực là trình bày nó lại dưới dạng hai khu vực hoặc tốt hơn nữa, dưới dạng đáng nể hơn là dạng “n-khu vực”, nghĩa là với nhiều khu vực.

Ngày nay, khi một mô hình mới được ra mắt, người ta thường chú trọng đến việc phát sinh từng bước các đặc tính hình thức của mô hình. Nhưng nếu tác giả -hoặc người đọc lại để đề nghị cho đăng bản thảo- là người tinh thông kĩ thuật, các thao tác toán học đó -dẫu có dài và phức tạp đến mấy- đều có thể được chấp nhận là đúng mà không cần thêm sự kiểm tra nào. Tuy nhiên các thao tác này thường là dài và khó hiểu. Khi đến lúc giải thích các kết luận trọng yếu, người ta đã đủ thì giờ để quên các giả thiết trên cơ sở đó một mô hình được xây dựng lên. Thế mà ích lợi của toàn bộ mô hình hoá lại tùy thuộc vào giá trị thực nghiệm của các giả thiết trên.

Trong rất nhiều trường hợp, điều mà người ta thật sự cần là xác định và kiểm tra các giả thiết với các hiện tượng quan sát được; một việc rất khó và hiếm khi được làm tốt. Ở đây không thể trông cậy vào toán học được và chính vì thế mối quan tâm và nhiệt tình của tác giả mô hình đột ngột giảm : “Nếu anh/chị không thích giả thiết của tôi thì hãy trao cho tôi một loạt giả thiết khác và tôi sẽ xây dựng cho anh/chị một mô hình khác. Anh/Chị) cứ việc lựa chọn”.

Ngược lại với các mô hình mô tả thuần túy, các mô hình lấy chính sách kinh tế làm trọng tâm nghiên cứu lại được ưa chuộng hơn dù chúng có thể không mấy hữu dụng. Theo tôi điều này một phần là do việc lựa chọn những mục tiêu cuối cùng của chính sách, nghĩa là việc lựa chọn và chứng thực dạng của cái gọi là hàm mục tiêu, được xem, một cách chính đáng, là dựa trên một cách đánh giá chuẩn tắc chứ không dựa trên một sự phân tích các sự kiện. Do đó người xây dựng mô hình có thể an tâm dùng vài giả thiết tiện lợi mà không ngại bị buộc phải biện minh chúng trên địa hạt thực nghiệm.

Tóm lại có thể dẫn lời của một chủ tịch gần đây của Hội kinh trắc: “... thành tựu của lí thuyết kinh tế trong vòng hai mươi năm qua là đáng kể và trên nhiều phương diện là tuyệt đẹp. Nhưng không thể phủ nhận rằng quả là một xì-căng-đan trước cảnh quá nhiều người phân tích tinh xảo những tình hình kinh tế mà họ không nêu lí do để có thể nghĩ rằng chúng đã xảy ra hoặc có thể xảy ra một ngày nào đó... Đây là một điều không thoả đáng và ít nhiều không lương thiện”.

Có thể nào gạt qua lời chỉ trích nặng nề này trước khối lượng đáng kể những công trình kinh trắc? Câu trả lời dứt khoát là không. Những công trình này có thể được xem như những cố gắng để bù đắp những thiếu hụt quá hiển nhiên những dữ liệu cơ bản chúng ta có được bằng cách sử dụng tối đa các kĩ thuật thống kê ngày càng tinh vi. Bên cạnh các mô hình lí thuyết công phu ngày càng nhiều ta thấy nhanh chóng nở rộ các công cụ thống kê không kém phức tạp. Chúng cốt chỉ để đẩy lùi giới hạn thông tin của những dữ kiện hiếm hoi và nghèo nàn.

Vì, như tôi đã nói ở trên, do các biên tập viên của các nhà xuất bản làm đúng chức năng của họ, nên phần lớn các hệ thống được mô tả trong các tạp chí chuyên môn để kiểm tra các mô hình đều có tính chặt chẽ nội tại. Tuy nhiên giống như các mô hình mà chúng nhằm kiểm tra, giá trị của các công cụ thống kê này, tự bản thân chúng tùy thuộc vào việc chấp nhận một số giả thiết tiện lợi về các đặc tính ngẫu nhiên của những hiện tượng mà các mô hình nhằm giải thích. Và những giả thiết này hiếm khi được kiểm chứng.

Không có bất kì lĩnh vực nào của nghiên cứu mà một bộ máy thống kê đồ sộ và tinh vi lại được huy động để mang lại một kết quả tầm thường như vậy. Dù thế, các nhà lí thuyết tiếp tục sản xuất hết mô hình này đến mô hình khác, và các nhà thống kê toán tiếp tục sáng chế nhiều phương thức phức tạp. Phần lớn các sản phẩm này không bao giờ có được một ứng dụng thực tiễn, hoặc sau khi được biểu diễn một cách chiếu lệ, bị bỏ xó hàng đống. Và ngay cả khi chúng được sử dụng một thời gian cũng sớm bị ruồng bỏ, không phải vì có phương pháp thay thế khác tốt hơn, nhưng vì đây là những phương pháp mới và khác biệt.

Mối quan tâm thường xuyên về một thực tế tưởng tượng và giả định hơn là một thực tế quan sát được đã dần dần bóp méo nấc thang giá trị không chính thức được cộng đồng đại học chúng ta sử dụng để đánh giá và xếp hạng các công trình khoa học của các thành viên. Theo bậc thang giá trị này, phân tích thực nghiệm đứng thấp hơn lí luận toán học hình thức. Xây dựng một phương pháp thống kê mới, dẫu mong manh cách mấy, để từ một tập số liệu nặn ra thêm một tham số chưa biết, được coi là một thành tựu khoa học lớn hơn việc thu thập thành công thông tin bổ túc có thể giúp chúng ta đo được tầm quan trọng của tham số đó, bằng một cách không khéo léo bằng, nhưng đáng tin cậy hơn. Những việc ấy xảy ra mặc dù trong quá nhiều trường hợp phân tích thống kê tinh vi được tiến hành trên một tập số liệu mà tác giả không biết ý nghĩa chính xác và giá trị của số liệu, hoặc đúng hơn là biết quá rõ nên ở phần cuối của công trình tác giả cảnh báo người đọc đừng coi trọng những kết luận cụ thể của toàn bộ “bài tập”.

Phản ứng tự nhiên kiểu Darwin thông qua việc chọn lọc thành phần ở đại học đã góp phần lớn duy trì tình hình trên. Hệ thống đánh giá để phát thưởng tất nhiên phải ảnh hưởng đến thành phần các ê-kíp cạnh tranh. Do đó, không có gì ngạc nhiên khi các nhà kinh tế trẻ, đặc biệt những người giảng dạy và nghiên cứu trong các đại học gần như bằng lòng với tình hình ở đấy họ có thể chứng minh năng lực của mình (và qua đấy nhân thể thăng tiến trong nghề nghiệp) bằng cách xây dựng các mô hình toán học ngày càng phức tạp và các phương pháp qui nạp thống kê ngày càng tinh vi mà không bao giờ tiến hành nghiên cứu thực nghiệm. Đôi lúc cũng có vài tiếng phàn nàn về sự thiếu thốn các dữ liệu ban đầu song nghe ra cũng không có gì là cấp bách. Cảm giác không thoả mãn trước hiện trạng của ngành chúng ta thúc đẩy tôi lên tiếng thẳng thừng, nhưng tiếc thay dường như không được nhiều người chia sẻ. Và trong số hiếm hoi những người đồng tình đều có cảm giác là không ai làm được gì nhiều để cải thiện tình hình. Quả vậy, làm sao họ có thể làm gì được?

Khác với các ngành vật lí, chúng ta nghiên cứu một hệ thống không những vô cùng phức tạp mà còn biến đổi thường xuyên. Tôi không hàm ý các thay đổi hiển nhiên của các biến như sản xuất, giá cả, mức việc làm mà các phương trình của chúng ta có nhiệm vụ giải thích nhưng tôi nghĩ đến các quan hệ cấu trúc cơ bản được diễn tả qua các dạng và các tham số của các phương trình. Để biết được dạng cấu trúc chúng ta phải theo dõi chúng một cách thường xuyên.

Càng đào sâu nền móng của hệ thống phân tích, ví dụ bằng cách thu gọn các hàm chi phí thành các hàm sản xuất và các hàm sản xuất về các hàm cơ bản hơn có khả năng giải thích chính tiến bộ khoa học kĩ thuật, chúng ta có thể giảm bớt chiều hướng này. Tuy nhiên sẽ là thiếu thực tế khi hi vọng rằng bằng cách này ta sẽ nắm bắt nền tảng của các quan hệ cấu trúc bất biến (tham số đo được) một khi đã quan sát và mô tả để sử dụng chúng năm này qua tháng nọ, thập niên này sang thập nien khác, mà không xét duyệt lại trên cơ sở những quan trắc lặp lại.

Ở mức độ tương đối phiến diện mà kinh tế thực nghiệm đang tiến hành phân tích, ngay đến các quan hệ cấu trúc có tính bất biến nhất mô tả hệ thống cũng thay đổi nhanh chóng. Trừ phi được bổ sung bằng luồng dữ liệu mới, các quĩ thông tin hiện có sẽ nhanh chóng trở thành lỗi thời. Tương phản biết mấy với vật lí học, sinh học hay cả với tâm lí học: trong các bộ môn này, phần lớn các tham số gần như không thay đổi và các thí nghiệm và đo đạc thiết yếu nhất không cần phải lặp lại mỗi năm!

Dù chỉ để duy trì những khả năng khiêm nhường hiện có, chúng ta cần giữ một luồng dữ liệu thường xuyên mới. Khỏi cần bàn đến một sự triển khai lần lượt các khả năng này nếu không có một sự phát triển liên tục và nhanh chóng của các luồng dữ liệu. Hơn nữa chất lượng các dữ liệu bổ sung mới này còn phải khá hơn các dữ liệu cung cấp cho tới nay.

(Còn tiếp)

Nguồn:Theoretical Assumptions and Nonobserved Facts”, American Economic Review, 61(1), March 1971, 408-429.

Nguồn dịch: Phân tích kinh tế: Giả thiết lí thuyết và dữ kiện không quan sát (8/9/2014)

Dịch giả:
Nguyễn Đôn Phước