Tobler’s First Law of Geography

 Định luật thứ nhất của Địa lý – Tobler’s First Law of Geography - được Waldo Tobler phát triển năm 1970 

“Everything is related to everything else, but near things are more related than distant things.”

(Mọi thứ đều có mối liên hệ với nhau, nhưng các đối tượng gần nhau thì có mối liên hệ mạnh hơn các đối tượng xa nhau.)

(Nguồn: https://www.mrtredinnick.com/biogeography-forum/first-law-of-geography-13 )

 

Ví dụ minh họa

• Ví dụ 1: Cửa hàng (Store Locations)

Những cửa hàng gần nhau có thể có đặc điểm khách hàng, mô hình mua sắm, loại hàng hóa giống nhau, vì khách hàng trong khu vực lân cận thường dùng dịch vụ gần đó. 

• Ví dụ 2: Semi-variogram 

Khi quan sát địa hình, nếu hai điểm cách nhau rất gần, độ cao có thể giống nhau; khi khoảng cách tăng lên, sự khác biệt giữa độ cao ở hai điểm cũng có thể lớn hơn. Dùng semi-variogram trong kriging để mô hình hóa biến đổi theo khoảng cách. 

• Ví dụ 3: Spatial Autocorrelation & Moran’s I

Sử dụng chỉ số Moran’s I để đo mức độ tương quan không gian (positive autocorrelation: các giá trị giống nhau tập trung; negative: giá trị khác biệt tập trung; bằng 0: không có autocorrelation) 

 

(Nguồn: https://gisgeography.com/tobler-first-law-of-geography/ )

Định luật này là nền tảng cho nhiều công cụ phân tích không gian như autocorrelation, interpolation, mô hình không gian.  

Nguồn tham khảo

• https://gisgeography.com/tobler-first-law-of-geography/
• https://gis.stackexchange.com/questions/417147/how-to-interpret-tobler-s-first-law-of-geography
• https://www.esri.com/about/newsroom/arcuser/proving-toblers-law

Index Decomposition Analysis

Index Decomposition Analysis (IDA) là một phương pháp phân tích định lượng dùng để phân rã (decompose) sự thay đổi của một chỉ tiêu tổng hợp (index) thành các yếu tố đóng góp (drivers) riêng biệt, giúp xác định nguyên nhân của biến động theo thời gian.

(Nguồn: https://link.springer.com/article/10.1007/s11356-022-20797-8)

IDA đặc biệt phổ biến trong các nghiên cứu về năng lượng và môi trường, ví dụ:

• Phân tích sự thay đổi trong tiêu thụ năng lượng, cụ thể như phân tách sự thay đổi tổng thể thành các yếu tố như cường độ năng lượng (mức sử dụng năng lượng trên một đơn vị sản phẩm/GDP), thay đổi cơ cấu ngành, và mức độ hoạt động kinh tế (quy mô).

• Phân tích sự thay đổi trong phát thải CO2, ví dụ như phân tách sự thay đổi thành các yếu tố như cường độ carbon (lượng CO2   trên đơn vị năng lượng), cường độ năng lượng, cơ cấu ngành, và hoạt động kinh tế.

Phương pháp này thường dựa trên công thức:

$$I=\sum _i{A}_i{S}_i{E}_{\mathrm{i}}$$

Trong đó:

• $I$: chỉ tiêu tổng hợp (ví dụ: tổng phát thải CO₂);

• $A_i$: quy mô hoạt động;

• $S_i$: cơ cấu ngành (tỷ trọng hoạt động i);

• $E_i$: cường độ (ví dụ: phát thải trên đơn vị sản lượng).

Khi chỉ tiêu $I$ thay đổi giữa hai thời điểm $t_0$ và $t_1$, IDA giúp chia phần thay đổi này thành:

$$\Delta I = \Delta I_A + \Delta I_S + \Delta I_E$$

Mỗi một thành phần trong công thức trên tương ứng với ảnh hưởng của hoạt động, cấu trúc, và hiệu quả.

Hai kỹ thuật phổ biến

• Laspeyres Decomposition Method, dựa trên công thức chỉ số Laspeyres.

và

• Logarithmic Mean Divisia Index (LMDI), dựa trên công thức trung bình logarit (logarithmic mean).

(Nguồn: https://www.researchgate.net/figure/Framework-of-Index-Decomposition-Analysis-IDA_fig2_338817038)

Nguồn tham khảo

• https://cde.nus.edu.sg/isem/wp-content/uploads/sites/12/2019/04/4.1.1-Systems-Design-and-Management_Index-Decomposition-Analysis.pdf
• https://dergipark.org.tr/tr/download/article-file/996678
• https://repub.eur.nl/pub/120911/REPUB_120911-OA.pdf
• https://www.tandfonline.com/doi/full/10.1080/09535314.2019.1652571#d1e166
• https://www.researchgate.net/figure/Main-methods-of-Index-Decomposition-Analysis-and-characteristics_tbl1_350049278
• https://iea.blob.core.windows.net/assets/imports/events/613/7.Introductiontodecompositionanalysis.pdf

Shift-share analysis

Phân tích Shift-share (SSA - Shift-Share Analysis) là một phương pháp kinh tế lượng được sử dụng rộng rãi trong kinh tế học khu vực và lao động. Mục tiêu chính của phương pháp này là phân tách sự thay đổi của một biến số kinh tế (như tăng trưởng việc làm, năng suất lao động, sản lượng...) trong một khu vực hoặc ngành cụ thể thành các thành phần khác nhau, giúp hiểu rõ hơn về các yếu tố thúc đẩy sự thay đổi đó.

(Nguồn: https://www.id.com.au/insights/articles/advanced-users-shift-share-analysis-for-calculating-regional-competitive-advantage/)

Shift-share phân tích sự thay đổi tổng thể của một biến số thành ba hiệu ứng chính:

• Hiệu ứng tăng trưởng chung (National/State/Reference Growth Effect): Phần tăng trưởng/giảm sút của khu vực/ngành đó có thể được giải thích bởi sự thay đổi chung của toàn bộ nền kinh tế (ví dụ: cấp quốc gia). Nó phản ánh xu hướng kinh tế vĩ mô, tác động đến tất cả các ngành và khu vực.

• Hiệu ứng cơ cấu ngành (Industry Mix Effect): Phần tăng trưởng/giảm sút do cơ cấu ngành của khu vực đó. Nếu một khu vực có các ngành tăng trưởng nhanh hơn mức trung bình của nền kinh tế, nó sẽ có hiệu ứng cơ cấu ngành dương. Ngược lại, nếu khu vực đó tập trung vào các ngành tăng trưởng chậm, hiệu ứng này sẽ âm.

• Hiệu ứng cạnh tranh khu vực (Regional Competitive Effect): Phần tăng trưởng/giảm sút còn lại, không thể giải thích bằng hai hiệu ứng trên. Đây là phần quan trọng nhất, vì nó phản ánh lợi thế hoặc bất lợi cạnh tranh riêng của khu vực đó so với mức trung bình. Một hiệu ứng cạnh tranh dương cho thấy khu vực đó có những yếu tố đặc thù (như chính sách, nguồn lực, cơ sở hạ tầng,...) giúp ngành đó tăng trưởng tốt hơn mức trung bình toàn quốc.
• 
  

Công thức và Cách thực hiện

Công thức chung của phân tích Shift-share có thể được viết như sau:

ΔX=∑​(Si​×ΔLi​)+∑​(ΔSi​×Li​)+∑​(ΔSi​×ΔLi​)

Trong đó:

• ΔX: Mức thay đổi tổng thể của biến số kinh tế (ví dụ: năng suất lao động xã hội).

• Si​: Tỷ trọng của ngành i trong tổng số (ví dụ: tỷ trọng lao động của ngành i).

• Li​: Mức tăng trưởng của ngành i (ví dụ: tăng trưởng năng suất lao động của ngành i).

• Các ký hiệu Δ biểu thị mức thay đổi trong một giai đoạn.

​

Công thức trên có thể được được viết lại theo một dạng khác như sau:

$E_{ir}$ là việc làm ban đầu ở ngành i vùng r, ta có:

$$\mathrm{\Delta }{E}_{ir}=E_{ir}\cdot g+E_{ir}\cdot (g_i-g)+E_{ir}\cdot (g_{ir}-g_i)$$

Trong đó:

• $g$ = tốc độ tăng trưởng toàn quốc,

• $g_i$ = tốc độ tăng trưởng của ngành i toàn quốc,

• $g_{ir}$ = tốc độ tăng trưởng ngành i tại vùng r.

 và 3 phần lần lượt là:

• NGE: $E_{ir} \cdot g$
  

• IME: $E_{ir} \cdot (g_i - g)$

• RCE: $E_{ir} \cdot (g_{ir} - g_i)$

Ứng dụng trong thực tiễn

• Kinh tế học khu vực: 

Giúp các nhà hoạch định chính sách hiểu được đâu là động lực chính của tăng trưởng việc làm hay sản lượng ở một khu vực (ví dụ: một tỉnh, một bang). Kết quả phân tích có thể chỉ ra liệu tăng trưởng là do xu hướng chung của quốc gia, do lợi thế về cơ cấu ngành hay do lợi thế cạnh tranh riêng biệt của khu vực đó.

• Phân tích năng suất lao động: 

SSA được sử dụng để phân tách sự tăng trưởng năng suất lao động của một nền kinh tế thành các yếu tố đóng góp từ nội bộ ngành và từ sự chuyển dịch cơ cấu lao động. Ví dụ, một nghiên cứu có thể chỉ ra rằng tăng NSLĐ của Việt Nam trong một giai đoạn nhất định chủ yếu đến từ việc dịch chuyển lao động từ nông nghiệp năng suất thấp sang công nghiệp và dịch vụ có năng suất cao hơn.

• Phân tích chính sách: 

Dựa trên kết quả phân tích, các nhà hoạch định chính sách có thể đưa ra quyết định hiệu quả hơn. Ví dụ, nếu hiệu ứng cạnh tranh của một ngành ở một khu vực là âm, chính phủ có thể cần xem xét các chính sách hỗ trợ để cải thiện lợi thế cạnh tranh cho ngành đó.

Hạn chế của phương pháp

Mặc dù hữu ích, phân tích Shift-share cũng có một số hạn chế:

• Phương pháp này mang tính mô tả hơn là giải thích nguyên nhân. Nó phân rã các hiệu ứng nhưng không giải thích tại sao một khu vực lại có lợi thế cạnh tranh hoặc tại sao một ngành lại tăng trưởng nhanh hơn.

• SSA không xét đến các mối quan hệ liên ngành (inter-industry linkages) hay các tác động lan tỏa từ ngành này sang ngành khác.

• Kết quả phân tích có thể bị ảnh hưởng bởi việc lựa chọn cấp độ phân tích (ví dụ: cấp ngành chi tiết hay tổng quát) và khoảng thời gian nghiên cứu.

Tài liệu tham khảo

• https://www.economy.id.com.au/prospect/shift-share
• https://www.westga.edu/~bquest/1996/seyfried.html
• https://bouldereconomiccouncil.org/news/analyzing-industry-competitiveness-with-shift-share-analysis/
• https://news.d.umn.edu/articles/shift-share-explaining-layoffs-2023
• https://ocw.mit.edu/courses/11-481j-analyzing-and-accounting-for-regional-economic-growth-spring-2009/resources/mit11_481js09_lec21/
• https://www.cemmap.ac.uk/wp-content/uploads/2024/12/CWP2224-A-practical-guide-to-shift-share-instruments-1.pdf