Bài viết dựa trên các ví dụ sử dụng dữ liệu
lớn (trên cơ sở dữ liệu tìm kiếm trực tuyến) trong
thống kê kinh tế để thấy hầu hết các kết quả vẫn
còn ở giai đoạn xác định mối tương quan giữa
các số liệu thống kê chính thức hay dữ liệu hành
chính có liên quan. Xu hướng ngày càng tăng
việc sử dụng dữ liệu trực tuyến trong thống kê
kinh tế. Bài viết làm sáng tỏ một số bước sơ bộ
cho việc ra quyết định liên quan đến lựa chọn và
áp dụng nguồn dữ liệu lớn tập trung vào hàng
tiêu dùng (ví dụ các loại phương tiện) từ dữ liệu
tìm kiếm trực tuyến.
Có một số thách thức về quy trình, kỹ thuật
và phương pháp luận xung quanh việc sử dụng dữ
liệu lớn kết hợp với số liệu thống kê chính thức như
việc thiếu một quy tắc ứng xử chung cho tất cả
các bên liên quan (nhà nước và tư nhân), sự thiếu
vắng siêu dữ liệu cho các nguồn dữ liệu lớn và các
câu hỏi làm thế nào để đảm bảo sự riêng tư / bí
mật của các nhà cung cấp dữ liệu cá nhân. Thách
thức quan trọng nhất là duy trì sự tin tưởng của
các cá nhân cũng là người trả lời trong các bộ sưu
tập dữ liệu thống kê chính thức. Tuy nhiên, các
tiềm năng của dữ liệu lớn chỉ có thể được khám
phá nếu tính bền vững được đảm bảo, chắc chắn
người cung cấp dữ liệu phải đáng tin cậy và chỉ sử
dụng phù hợp mục đích phân tích. Nguồn dữ liệu
lớn có tầm quan trọng đối với số liệu thống kê
chính thức, được sử dụng phù hợp với các khuôn
khổ đảm bảo chất lượng và không vi phạm các
nguyên tắc thống nhất (ví dụ FPOS) bởi vì các tác
động liên quan có thể gây tổn hại các bộ sưu tập
dữ liệu truyền thống cũng được tính đến bởi hệ
thống thống kê quốc gia.
Nghiên cứu tiếp theo liên quan đến dữ liệu
lớn và thống kê kinh tế cũng như bất kỳ lĩnh vực
thống kê nào, đòi hỏi việc thử nghiệm các phương
pháp cũng như việc thu thập dữ liệu thực tế từ các
nguồn dữ liệu thay thế để phân tích. Sử dụng dữ
liệu lớn về hàng tiêu dùng chỉ là một khả năng
trong việc nhấn mạnh những khía cạnh của phân
phối thu nhập hộ gia đình trong thống kê kinh tế.
Điểm mấu chốt là nghiên cứu chính sách có liên
quan, trong đó khả năng có được đầy đủ thông tin
của thống kê chính thức chứ không phải chỉ hạn
chế để nghiên cứu xu hướng dữ liệu.
18 trang |
Chia sẻ: hachi492 | Ngày: 12/01/2022 | Lượt xem: 295 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Sự kết nối thống kê kinh tế với mọi người: Vai trò cho các nguồn dữ liệu thay thế?, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
trình thay đổi hoàn thiện” các khung thống
kê kinh tế vĩ mô và các cuộc thảo luận toàn cầu liên
quan đến tác động của số liệu thống kê kinh tế đối
với phúc lợi của người dân và hoạch định chính
sách. Phần này tiếp tục đề cập đến việc so sánh
nguồn dữ liệu kinh tế vi mô và vĩ mô được OECD
thực hiện như là một công việc theo dõi của Ủy ban
Stiglitz Sen Fitoussi. Phần 3 xem xét một số ví dụ
về cách thức sử dụng dữ liệu lớn để giải thích các
hiện tượng kinh tế, đặc biệt là trong các hình thức
sử dụng truy vấn dữ liệu trực tuyến. Phần 4 đề xuất
cách thức có thể sử dụng dữ liệu lớn để đưa số liệu
thống kê kinh tế đến mọi người bằng cách lấy hàng
tiêu dùng làm ví dụ. Phần 5 kết luận với một số
thách thức và ý tưởng để nghiên cứu thêm.
2. Chúng ta muốn gì cho thống kê kinh tế
trong tương lai?
Khi một người không chuyên về thống kê
được yêu cầu cung cấp ví dụ về chỉ tiêu kinh tế,
nhiều khả năng câu trả lời sẽ là tổng sản phẩm
trong nước (GDP). GDP là hình ảnh thu nhỏ của các
số liệu thống kê kinh tế cho nhiều người; là bản
chụp về cách đo sức mạnh nền kinh tế của một
quốc gia, là chỉ số chính của Hệ thống tài khoản
quốc gia (SNA) và là khung tích hợp cho tất cả các
số liệu thống kê kinh tế và nhiều hơn thế3.
Sự ảnh hưởng của tài khoản quốc gia và lý
thuyết thống kê kinh tế cơ bản đối với các dữ liệu
chúng ta sản xuất và số liệu thống kê kinh tế chúng
ta biên soạn không thể được phóng đại. Tương tự
như vậy, những thay đổi trong nền kinh tế chính trị
toàn cầu trong suốt vài thập kỷ qua đã trực tiếp ảnh
hưởng đến các loại và số lượng dữ liệu về nền kinh
tế của hệ thống thống kê quốc gia đã sản xuất.
Sự phát triển và sửa đổi các khung thống kê
kinh tế vĩ mô cũng như lý thuyết thống kê kinh tế4
vẫn đang tiếp tục và chắc chắn sẽ còn tiếp tục theo
thời gian. Loạt mới nhất các khung sửa đổi liên
quan đến bảng cán cân thanh toán và đầu tư quốc
tế (BPM6), Hệ thống tài khoản quốc gia (SNA
2008) và Thống kê Tài chính Chính phủ (GFS
2014), đang tiếp tục được nỗ lực hoàn thiện và hài
3
Điều này không có nghĩa là mọi người nhận thức được
những gì thực sự quan trọng đòi hỏi các chỉ số kinh tế.
Dựa trên các cuộc khảo sát tiến hành của OECD tại 27
quốc gia EU, Thổ Nhĩ Kỳ và Croatia năm 2007, chỉ ra
rằng hơn một nửa số người dân châu Âu không có một ý
tưởng gì về tỷ lệ tăng trưởng GDP và chỉ có 8% biết
chính xác con số này. Xem thêm Giovannini, Enrico.
"Đưa Thống kê đến Người dân: A must to build
democracy in the XXI century”. Có sẵn tại:
25e.pdf
4
Ở châu Á và Thái Bình Dương, các thiết lập cơ bản của
thống kê kinh tế mà một hệ thống thống kê quốc gia cần
phải có khả năng sản xuất được thể hiện trong bảy thành
phần thiết lập cốt lõi: giá cả và chi phí, nhu cầu và sản
lượng, thu nhập và giàu có, tiền bạc và ngân hàng, chính
phủ, thị trường lao động, tài nguyên thiên nhiên và môi
trường. Vui lòng xem E/ESCAP/CST(2)/4 “Proposed
Core Set of Economic Statistics for Asia and the Pacific.
Note by the ESCAP Technical Advisory Group on the
Development Economic Statistics”. ESCAP Committee
on Statistics. 15-17 December 2010
IAOS 2014 Sự kết nối thống kê kinh tế
CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC 55
55
hòa ở cấp độ khái niệm để phản ánh chính xác hơn
nền kinh tế chúng ta đang sống. SNA 2008, BPM6
và GFS 2014 áp dụng các khái niệm tương tự cho
cư trú (dựa trên lợi ích các tổ chức kinh tế chủ yếu),
ghi vào hóa đơn xuất khẩu và nhập khẩu (dựa trên
thay đổi của thành phần kinh tế), tích luỹ tài sản so
với tài sản trên cơ sở tiền mặt và bảng cán cân
thanh toán5. Các quốc gia trên toàn thế giới hiện
đang trong quá trình triển khai thực hiện hoặc có kế
hoạch thực hiện các phiên bản mới nhất của các
khung thống kê kinh tế vĩ mô.
Sự phát triển của Khung thống kê kinh tế vĩ
mô được mô tả ở trên chỉ ra sự thay đổi hướng tới sự
lựa chọn bao gồm các hoạt động phi thị trường và
tập trung vào các khía cạnh kinh tế xã hội tốt của
hoạt động kinh tế, ví dụ sự phân phối giữa các tổ
chức khác nhau cơ bản phù hợp, vì có tính đến
những tác động của toàn cầu hóa nền kinh tế quốc
gia. Một hướng tương tự cũng được nhắc lại trong 20
kiến nghị đưa ra sáng kiến khoảng trống dữ liệu của
G-20, những khuyến nghị 15-20 không thuộc ngành
tài chính và kinh tế mà bộ dữ liệu được bảo đảm, ví
dụ, phát triển của một chiến lược để biên dịch và
phổ biến bảng cân đối, dòng vốn, dữ liệu ngành và
việc biên soạn các thông tin về phân phối thu nhập,
ví dụ: phạm vi và tứ phân vị (Eurostat)6. Bảng cân
đối kinh tế hộ gia đình, trong đó chứa dữ liệu đo
lường "tổng giá trị tài sản các hộ gia đình và nguồn
5
Phương pháp bảng cân đối không phải là một ý tưởng
mới trong thực tế. Xin vui lòng xem hướng dẫn bản quốc
tế đầu tiên về chủ đề này “Provisional international
guidelines on the national and sectoral balance-sheet and
reconciliation accounts of the systems of national
accounts”. Statistical Papers. Series M, No. 60. United
Nations, New York, 1977
6
Vui lòng xem Eurostat. "G20 Data Gaps Initiative
(DGI) -background". Có sẵn tại:
x.php/G20_Data_Gaps_Initiative_(DGI)_%E2%80%93_
bacKground
vốn, bao gồm cả giá trị thực, là phần không thể thiếu
của một hệ thống các tài khoản hoàn chỉnh" (OECD
2013). Tuy nhiên, một khoảng trống dữ liệu quan
trọng cho việc lập bảng cân đối liên ngành quan
tâm, cụ thể là khu vực phi tài chính, đặc biệt là khu
vực doanh nghiệp phi tài chính và hộ gia đình. Đây là
thông tin chi tiết cần thiết cho việc liên kết các thành
phần thực và tài chính, cũng như cho phép phân tích
rủi ro và mức dễ bị tổn thương của nền kinh tế
(Leone 2009).
Tăng cường tập trung cả vào các khía cạnh
phân phối thu nhập và xây dựng bảng cân đối cần
thêm dữ liệu phân tích mà chúng ta không thể hiện
được, như phạm vi khu vực của cuộc điều tra mẫu
thường không đạt được mức độ mong muốn của
phân tích và các dữ liệu thay thế, ví dụ: dữ liệu thu
được từ các cuộc tổng điều tra hoặc hồ sơ hành
chính, có kích thước mẫu thích hợp cho phân tích
chi tiết nhưng có thể không đo lường được các hiện
tượng một cách thỏa đáng.
Trong khi các phương pháp luận về “Quá
trình thay đổi hoàn thiện” đã được tính tới, thì một
hướng phát triển khác liên quan đến số liệu thống kê
kinh tế vĩ mô đã tập trung vào việc tìm hiểu tác
động của nó đối với việc ra quyết định. Mặc dù
nguồn gốc của tất cả các số liệu thống kê luôn luôn
là do cá nhân trả lời cho chính bản thân họ hoặc
trên danh nghĩa là một thành viên hộ gia đình trong
điều tra lực lượng lao động hoặc cho doanh nghiệp
họ làm việc trong điều tra doanh nghiệp, như vậy
các khung thống kê kinh tế vĩ mô sản xuất số liệu
thống kê kinh tế tổng hợp che giấu sự khác biệt
quan trọng giữa các nhóm người. Ví dụ cho thấy sự
không liên kết giữa số liệu kinh tế vĩ mô tổng hợp và
số liệu phúc lợi kinh tế của người dân, ví dụ, so
sánh xu hướng của GDP đối với thu nhập ròng quốc
56 CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC
56
IAOS 2014
Sự kết nối thống kê kinh tế
gia và thu nhập thực tế của hộ gia đình được coi là
phù hợp cho việc chỉ ra phúc lợi kinh tế của các hộ
gia đình.
Tất cả báo cáo của Ủy ban Stiglitz Sen
Fitoussi năm 2008 đã được công bố công khai các
cuộc thảo luận chủ yếu đặt câu hỏi về các phép đo
lường chúng ta sử dụng để đánh giá các phúc lợi
kinh tế của người dân và trong đó nhấn mạnh các
giới hạn của số liệu thống kê kinh tế vĩ mô. Báo cáo
đưa ra năm khuyến nghị cải cách thống kê kinh tế
để phản ánh tốt hơn đời sống của người dân
(Stiglitz et al 2008):
Khuyến nghị 1: Thu nhập và tiêu dùng thực
là những chỉ số chính xác hơn về phúc lợi kinh tế
so với sản xuất (thể hiện trong GDP), nó tùy thuộc
vào sự thay đổi dựa trên giá trị hao mòn, thu nhập
ròng, và sự khác biệt giữa giá cơ bản (mà tại đó đầu
ra có giá trị) và giá thị trường (mà tại đó hàng tiêu
dùng có giá trị).
Khuyến nghị 2: Nhấn mạnh quan điểm hộ
gia đình bao gồm cả chuyển đổi loại hình xã hội
mong muốn.
Khuyến nghị 3: Có một nhu cầu cho việc
phân tích kết hợp giữa thu nhập, tiêu dùng và sự tích
lũy tài sản của hộ gia đình, ví dụ như thông qua bảng
cân đối kinh tế hộ gia đình.
Khuyến nghị 4: Con số trung bình ẩn chứa xu
hướng mức sống đa dạng hơn là nhiều dữ liệu cần
thiết để có được phân phối thu nhập, tiêu dùng và sự
giàu có.
Khuyến nghị 5: Hàng hóa và dịch vụ của sản
xuất hộ gia đình cho riêng tiêu dùng cuối cùng phải
được đưa vào tài khoản.
Kể từ đó, Tổ chức Hợp tác kinh tế và phát triển
(OECD) đã phát triển các phương pháp cho công
việc của mình rộng hơn và tiến hành các phương
pháp đó với các quốc gia hàng đầu như Úc7. Như
vậy đã làm sáng tỏ về tương lai chúng ta muốn cho
thống kê kinh tế, đó là việc đưa ra các quyết định
ảnh hưởng nhưng cũng có thể che giấu đi rất nhiều
sự ảnh hưởng đó đến cuộc sống của họ. Lưu ý rằng
sức ép giữa các chỉ tiêu tài khoản quốc gia và mong
muốn để sử dụng chúng của các nhà làm chính
sách như là các chỉ số phúc lợi đã được sử dụng liên
tục trong nhiều thập kỷ. Minh họa đầu tiên là nghiên
cứu đo lường phúc lợi kinh tế của Nordhaus và Tobin
để mở rộng thu nhập quốc gia vào một chỉ số phúc
lợi (Nordhaus và Tobin 1972).
Các phiên bản của khung thống kê kinh tế vĩ
mô và điều tra thêm về các giới hạn của số liệu
thống kê kinh tế vĩ mô có được từ khi tập trung
trong một cách tiếp cận đầy đủ số liệu thống kê
kinh tế, xã hội và môi trường mà còn được dùng
trong các chương trình nghị sự phát triển bền vững
mới nổi gần đây. Báo cáo Hội đồng cấp cao trong
chương trình nghị sự phát triển sau năm 2015 đề
cập đến cuộc cách mạng dữ liệu cho thấy sự cần
thiết phải nâng cao chất lượng số liệu thống kê8, sử
dụng công nghệ mới, phân tích chi tiết hơn nữa
(theo giới tính, địa lý, thu nhập, v.v.. ) cho hoạch
định chính sách và mục tiêu cụ thể tác động tới xã
hội, môi trường kinh doanh và tăng trưởng kinh tế.
7
Đặc biệt, OECD lập một nhóm chuyên gia đến làm việc
về sự bất bình đẳng trong tài khoản quốc gia và sản xuất
đồng thời hướng dẫn sử dụng hai Khung thống kê của
OECD về việc phân phối thu nhập của hộ gia đình, tiêu
thụ và sự tích lũy tài sản và hướng dẫn của OECD cho
Thống kê vi mô về hộ gia đình giàu có.
8
Có rất nhiều các khung đảm bảo chất lượng được thiết
kế bởi các tổ chức quốc tế được sử dụng trong thống kê
chính thức; thường với các thành phần chồng chéo như
tính liên quan, chính xác, kịp thời, đúng giờ, tiếp cận, rõ
ràng, và so sánh và tính nhất quán theo thời gian. Chi phí
hiệu quả cũng có thể được thêm vào như là một tiêu chí
về chất lượng.
IAOS 2014 Sự kết nối thống kê kinh tế
CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC 57
57
Ai đó có thể giải thích điều này được gọi là một cầu
nối tất cả các lĩnh vực chính của thống kê, bao gồm
liên kết số liệu thống kê kinh tế với những người mà
họ bị ảnh hưởng.
Do đó, một mặt, các nhà thống kê kinh tế đã
làm việc để hướng tới một hệ thống thống kê kinh
tế vĩ mô nội bộ chặt chẽ hơn, do sự thay đổi cơ
cấu mà còn bởi chu kỳ khủng hoảng kinh tế và tài
chính, kết quả là các dự án như các sáng kiến
khoảng trống dữ liệu G20. Mặt khác, yêu cầu
chính sách mở rộng phạm vi không chỉ được xác
định ít nhất bằng việc phát triển chương trình nghị
sự quốc tế mới, điều đó đã chỉ ra một hướng mở
cho thống kê kinh tế vĩ mô để thu hút hơn với lĩnh
vực thống kê khác chủ yếu là thống kê xã hội và
môi trường. Cộng đồng thống kê quốc tế đã thực
hiện thử thách này bằng nhiều cách khác nhau, ví
dụ đưa ra các hướng dẫn về Hệ thống môi trường
kế toán (SEEA) và thêm vào các nghiên cứu về
nguồn dữ liệu vi mô và vĩ mô của dữ liệu trong
trường hợp phúc lợi kinh tế hộ gia đình mới nhất
của một trong số đó đã được thực hiện bởi OECD.
Nội dung "Xây dựng phát triển các sáng kiến hiện
có để đo lường sự tiến bộ về phát triển bền vững
mà bổ sung cho GDP..." vào năm 2030, trong
khung các Mục tiêu phát triển bền vững là một
mục tiêu (Nhóm Công tác mở năm 2014).
Tính hữu dụng và chất lượng của số liệu
thống kê kinh tế liên kết ở cấp vi mô và vĩ mô
Nhóm chuyên gia OECD-Eurostat về sự bất
bình đẳng trong tài khoản quốc gia đã kết hợp so
sánh các nguồn dữ liệu vi mô và vĩ mô về thu nhập
hộ gia đình, chi tiêu và sự tích lũy tài sản dựa trên
kinh nghiệm của 21 quốc gia. Các kết quả khẳng
định ước tính của tài khoản quốc gia nói chung là
cao hơn so với các dự báo dựa trên dữ liệu vi mô.
Đối với thu nhập từ hộ gia đình, thu nhập từ nghề tự
do liên quan; lợi tức, cổ tức nhận được; Giá chuyển
đổi được quy gán bằng hiện vật và giá chuyển đổi
xã hội (StiK) là những ví dụ mà khoảng trống dữ
liệu được ước tính được quan sát giữa dữ liệu vi mô
và vĩ mô. Ngoài lý do liên quan đến phân loại và
định giá trong các ước tính vi mô và vĩ mô khác
nhau, cũng có sự chênh lệch trong phạm vi bảo
đảm; Ví dụ quy gán giá chuyển đổi bằng hiện vật và
Stik không được quan sát thấy trong các nguồn dữ
liệu vi mô. Trong tiêu dùng các hộ gia đình, nghiên
cứu cho thấy chi phí về đồ uống có cồn, thuốc lá,
các hàng hóa và dịch vụ (chăm sóc cá nhân, hành
lý cá nhân, bảo trợ xã hội, các dịch vụ bảo hiểm và
dịch vụ tài chính) là những mặt hàng mà có sự
chênh lệch đáng kể giữa vi mô và vĩ mô. Khoảng
trống đó được xác định thông qua việc so sánh các
nguồn dữ liệu vi mô và vĩ mô cho tiêu dùng hộ gia
đình liên quan đến việc điều chỉnh lãnh thổ (để điều
chỉnh cho các khoản chi tiêu của các hộ gia đình
không cư trú tại một quốc gia và của các hộ gia
đình cư trú ở nước ngoài) mà thường chỉ tiêu được
thực hiện tầm vĩ mô. Ngoại tệ và tiền gửi; cổ phiếu
và vốn chủ sở hữu khác; thế chấp là những thành
phần hộ gia đình giàu có, nơi khoảng trống dữ liệu
đã được quan sát thấy giữa các nguồn vi mô và vĩ
mô (Fesseau at al. 2013).
Nhóm chuyên gia OECD-Eurostat cũng thử
nghiệm với các nguồn dữ liệu vi mô và vĩ mô để giới
thiệu các khía cạnh phân phối thu nhập trong toàn
bộ hệ thống tài khoản quốc gia theo khuyến nghị
SNA đối với sản xuất cố định có từ thu nhập hộ gia
đình, đặc điểm người tham gia trong hộ gia đình,
kích thước và vị trí của các hộ gia đình. Tổng hợp
các khuyến nghị được sử dụng trong nghiên cứu
này là thu nhập của hộ gia đình (chính và dùng một
lần), tiêu dùng cuối cùng và tiết kiệm. Nghiên cứu
58 CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC
58
IAOS 2014
Sự kết nối thống kê kinh tế
này nhấn mạnh một trong những hạn chế của các
nguồn dữ liệu vi mô là nguồn dữ liệu vi mô loại trừ
một bộ phận dân cư, được tính đến bởi các tài
khoản quốc gia (tức là những người không có địa
chỉ thường trú, hộ thể chế, cư dân vùng lãnh thổ ở
nước ngoài và các khu vực dân cư thưa thớt, người
thu nhập cao, v v...). Thiếu sót khác của nguồn dữ
liệu vi mô liên quan đến việc thiếu các thành phần,
phân loại và sự chênh lệch giữa các nguồn dữ liệu
vi mô và vĩ mô đã được quan sát do việc định giá
giao dịch khác nhau (Fesseau et Mattonetti 2013).
Các thành phần của bảng cân đối tài sản hộ
gia đình, gồm tài sản phi tài chính, tài sản tài chính
và nợ9. Như nhận định của nhóm chuyên gia OECD
về dữ liệu Thống kê vi mô thu nhập hộ gia đình, tiêu
dùng và sự tích lũy tài sản, hầu hết các nước không
có "đầy đủ và kịp thời số liệu bảng cân đối và điều
này là đặc biệt đối với các dữ liệu về tài sản phi tài
chính (OECD ICW 2013). Trong khung này, hàng
tiêu dùng đang được coi là tài sản phi tài chính
trong bảng cân đối, các dịch vụ từ hàng tiêu dùng
được coi là tiêu thụ trong hộ gia đình, và các dịch
vụ không bao gồm khấu hao và số chi phí bảo trì
trong thu nhập (như là một phần thu nhập từ sản
xuất hộ gia đình sử dụng dịch vụ riêng).
Hàng tiêu dùng là một thành phần quan trọng
của tài sản phi tài chính, trong SNA được coi như là
một hình thức chi tiêu hơn là sự tích lũy tài sản (lưu
ý: dịch vụ từ hàng tiêu dùng nằm ngoài ranh giới sản
xuất SNA)10. Việc xử lý các hàng tiêu dùng trong
SNA có thể phần nào lý giải việc thiếu dữ liệu. Tuy
9
“OECD Framework for Statistics on the Distribution of
Household Income, Consumption and Wealth”. OECD,
2013
10
OECD ICW Framework treats consumer durables as
non-financial assets, the services provided by those assets
as household consumption, and the services net of
depreciation and maintenance costs as income.
nhiên, trong phiên bản SNA 2008, nó được công
nhận là "... có thể có lợi ích không nhỏ về việc có
một mục ghi lại trong bảng cân đối để hiển thị các
giá trị của hàng tiêu dùng" (SNA 2008, p.469). Điều
này là chắc chắn, đã tăng cường các đối số cho dữ
liệu hàng tiêu dùng tốt hơn, thậm chí có thể là một
phần của một tài khoản vệ tinh.
Các cuộc thảo luận ở trên cho thấy hiện tại
các nguồn dữ liệu kinh tế, cho dù vĩ mô hay vi mô,
có thiếu sót trong việc đưa ra các thông tin về phân
phối thu nhập mong muốn để cho phép phân tích
chi tiết hơn, ví dụ như bảo hiểm dân số, v.v... Tương
tự như vậy, có một số mặt hàng không đạt được
đến một mức độ thỏa đáng trong các nguồn dữ liệu,
ví dụ , hàng tiêu dùng .
Trong bối cảnh này, các câu hỏi liên quan
đến dữ liệu lớn cho các nhà thống kê kinh tế có thể
được yêu cầu trong hai phần:
(i) Làm thế nào dữ liệu lớn có thể tăng
cường chất lượng và mức độ chi tiết của các dữ liệu
hiện có để cho phép "Sản xuất đúng sản phẩm -
đúng số lượng - đúng nơi - đúng thời điểm và lấy
con người làm trung tâm hoạch định chính sách"?
(ii) Làm thế nào dữ liệu lớn có thể tạo điều
kiện cho sự sẵn có của dữ liệu thay thế cần thiết mà
không thể thu thập thông qua các phương tiện
truyền thống?
“Dữ liệu lớn nên bổ sung chứ không thay thế
dữ liệu nhỏ”.
Rob Kitchin11
11
Rob Kitchin là RC điều tra viên cao cấp về dự án lập
trình Thành phố tại Viện Quốc gia về phân tích khu vực
và không gian tại Đại học Maynooth, của Ireland. Vui
lòng xem tại:
rob-kitchin/
IAOS 2014 Sự kết nối thống kê kinh tế
CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC 59
59
3. Dữ liệu lớn làm gì cho thống kê kinh tế
đến nay?
Sử dụng dữ liệu lớn cho thống kê chính thức
có thể được xây dựng như một sự hòa giải của dữ
liệu đã thu thập thông qua làm chính sách cố định,
hay là có sẵn như là một sản phẩm phụ của các
hoạt động khác trong hệ sinh thái kỹ thuật số. Nói
cách khác, chúng ta đang phải đối mặt với các dữ
liệu được thu thập bởi các hệ thống thống kê quốc
gia cho mục đích thống kê chính thức, các tổ chức
công cộng và tư nhân như là một phần của các hoạt
động của họ (ví dụ như hồ sơ y tế được tạo ra bởi
các bệnh viện; tiếp thị và nghiên cứu đầu tư để tăng
năng lực cạnh tranh) và với dữ liệu vừa mới ra nơi
đó; bởi vì các cá nhân cố ý hoặc ngầm chia sẻ
thông tin (ví dụ như thông qua các phương tiện
truyền thông xã hội). Điểm sáng kiến xung toàn cầu
hóa của Liên hợp quốc là dựa theo các danh mục dữ
liệu lớn: "xả dữ liệu; thông tin trực tuyến; cảm biến
vật lý; Hồ sơ công dân hoặc dữ liệu có nguồn gốc từ
một đống"(UN Global Pulse 2012).
Do quy mô, sự phức tạp, phạm vi bảo đảm
của cấu trúc cũng như các yếu tố phi cấu trúc, tốc
độ của nó trong việc tạo ra / xác định và phân tích
dữ liệu lớn đã được mô tả bởi 3v: volume (khối
lượng), variety (đa dạng) và velocity (vận tốc) tất
cả các cấp ngày càng tăng. Tiêu chí bổ sung đã
được đề xuất cho việc mô tả dữ liệu lớn: đầy đủ nhất
trong phạm vi, độ chi tiết, trạng thái trong việc xác
định, quan hệ, linh hoạt trong các lĩnh vực và khả
năng mở rộng về quy mô
(The Philosophy of Data Science 2014).
Các ứng dụng tiềm năng cho dữ liệu lớn kết
hợp với số liệu thống kê chính thức có thể được
trình bày như sau:
(i) Tiến hành nghiên cứu phát triển thống kê
tiên tiến;
(ii) Cung cấp những hiểu biết chất lượng
thông qua đối chiếu dữ liệu;
(iii) Tăng cường khả năng của dữ liệu bằng
cách thu hẹp khoảng cách số liệu.
Thống kê chính thức thường là một lĩnh vực
mà nó nghiên cứu các hiện tượng đã xảy ra trong
quá khứ và được quan sát. Đối với các nhà hoạch
định chính sách thì các giới hạn của số liệu thống
kê chính thức cũng được biết đến, và từ lâu họ đã
sử dụng số liệu chính thức làm cơ sở để xây dựng
các mô hình dự báo và dự báo để có được gợi ý
trong tương lai gần, ví dụ:
Công tác dự báo GDP12, sự thay đổi do việc
chuyển đổi dữ liệu lớn mang lại bây giờ là làm thử và
dự báo trở nên thực tế hơn và xử lý dữ liệu nhanh
hơn, đôi khi mối tương quan nhân quả không rõ
ràng. Khi dữ liệu lớn được sử dụng trong cách này,
mà không có những giả thuyết và mô hình rõ ràng,
mâu thuẫn với các nguyên tắc cơ bản của thống kê
chính thức13 phát sinh lỗi nghiêm trọng cả về
phương pháp.
Đánh giá các tài liệu nghiên cứu hiện có sử
dụng dữ liệu lớn, đặc biệt là các dữ liệu truy vấn
trực tuyến cho thấy ở một số lĩnh vực thống kê kinh
tế: giá cả, thị trường nhà ở và lao động / việc làm.
Bảng 1 đưa ra một bản sao của các nghiên cứu
12
IMF công bố dự báo con số GDP trong hai năm tiếp
theo ở World Economic Outlook nhưng những con số
được sản xuất bởi các văn phòng quốc gia và không nhất
thiết phải so sánh quốc tế. Có sẵn tại:
a/index.aspx
13
Lời mở đầu sửa đổi các nguyên tắc cơ bản của thống
kê chính thức có thể được truy cập tại địa chỉ:
60 CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC
60
IAOS 2014
Sự kết nối thống kê kinh tế
được lựa chọn, các nguồn dữ liệu, phương pháp cơ
bản và kết quả. Điểm chung cho tất cả các nghiên
cứu này là họ sử dụng số liệu thống kê chính thức là
nguồn dữ liệu tham khảo và so sánh các xu hướng
của khối lượng "Mục đích thống kê" theo từ khóa về
các xu hướng của dữ liệu chính thức trong một
khoảng thời gian tham chiếu. Trong thực tế, tất cả
các nghiên cứu đã thử nghiệm nhưng chưa đáp ứng
được với một khoảng trống dữ liệu trong thống kê
chính thức.
Trong mọi trường hợp, có sự tương quan
không nhỏ giữa xu hướng về thống kê và xu hướng
về dữ liệu tìm kiếm trực tuyến. Ngoài ra, dựa vào
các mô hình kinh tế lượng, dữ liệu tìm kiếm trực
tuyến có thể dự báo những xu hướng của số liệu
thống kê chính thức liên quan đến "thời điểm vượt
qua khó khăn thích hợp", ví dụ: trong trường hợp
các chỉ số lao động / việc làm vượt qua trong thời
gian dài thì được dự báo với mức độ thấp hơn trong
khi đó đối với các hoạt động tìm kiếm được thực
hiện bởi người bán nhà tiềm năng trên thị trường
nhà đất thì ảnh hưởng của các hoạt động tìm kiếm
được quan sát sau sáu tháng. Trong cả hai trường
hợp và qua các nghiên cứu chứng minh rằng dữ liệu
tìm kiếm trực tuyến dự báo xu hướng trong kinh tế
thì cũng hoạt động tương tự, nói cách khác, theo
quan sát của thống kê chính thức trong bối cảnh
này dữ liệu lớn đã được sử dụng cho các doanh
nghiệp thử nghiệm.
Các dữ liệu cơ bản cho hầu hết các nghiên
cứu trong Bảng 1 xuất phát đi từ sự yêu thích của
công cụ Google Trends. Google Trends (GT) là các
nguồn dữ liệu truy vấn trực tuyến được các nhà
nghiên cứu sử dụng rộng rãi nhất. Dữ liệu GT cho
phép một tìm kiếm trực tuyến cụ thể đưa ra như là
những chia sẻ của tổng số tìm kiếm trực tuyến trong
thời gian đó. Nếu có đủ khối lượng tìm kiếm, xu
hướng của GT có lợi thế cung cấp dữ liệu cục bộ. GT
có một số quy trình điều khiển có thể giải quyết việc
quá tải khối lượng tìm kiếm, ví dụ: loại bỏ các tìm
kiếm bản sao của cùng một người dùng trong
khoảng thời gian ngắn. GT không xác định nội dung
tìm kiếm nhưng nhận biết được những tìm kiếm được
lặp đi lặp lại.
Cho đến nay, hầu hết các nghiên cứu sử dụng
dữ liệu GT đều tập trung vào việc so sánh dữ liệu này
với dữ liệu hồ sơ hành chính hoặc số liệu thống kê
chính thức để phát hiện mối tương quan chứ không
phải là quan hệ nhân quả. Nhận thấy rằng các dữ
liệu là một phần của các truy vấn trực tuyến liên
quan đến một chủ đề (và các truy vấn không có sẵn
trừ khi người dùng nhập đủ số lượng từ khóa tìm
kiếm về chủ để đó vào một thanh tìm kiếm trong
Google), GT không sử dụng để tìm kiếm dữ liệu theo
cấp độ. Tuy nhiên, các dữ liệu chia sẻ tại các cấp
cục bộ có thể được sử dụng để có được một nhìn
nhận về sự phân bố tỷ lệ các hiện tượng kinh tế trên
cả nước.
Do những hạn chế của dữ liệu tìm kiếm, nên
các nghiên cứu thường nhìn vào xu hướng tổng hợp.
Ettredge et al. (2005), đầu tiên chỉ tình cờ nghiên
cứu, sử dụng dữ liệu thất nghiệp chính thức chia theo
giới tính và độ tuổi, phát hiện ra truy vấn dữ liệu trực
tuyến được kết hợp với tình trạng thất nghiệp đối với
nam giới tuổi từ 20 trở lên, trong khi đó không ai sử
dụng các phép hồi quy số lượng người thất nghiệp
với nữ giới cho kết quả đáng kể. Nhiều nghiên cứu
cần được thực hiện để khám phá sức mạnh phân
tích chi tiết các dữ liệu tìm kiếm trực tuyến và dữ liệu
lớn khác cho thống kê kinh tế.
IAOS 2014 Sự kết nối thống kê kinh tế
CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC 61
61
Bảng 1. Ví dụ về tìm kiếm dữ liệu trực tuyến cho thống kê kinh tế
Phạm vi Thống kê kinh tế Nghiên cứu Nguồn dữ liệu Phương pháp/ kết quả
Giá tiêu dùng (thực phẩm,
đồ uống và sản phẩm gia
dụng)
MIT: Dự án Tỷ
giá (liên tục)
Lọc Dữ liệu từ các
nguồn trực tuyến được
công bố công khai bao
gồm các siêu thị lớn
nhất trong quốc gia /
chỉ số CPI chính thức
Lập chỉ số CPI và lạm phát /thực
hiện trực tuyến hàng tháng và hàng
năm để theo dõi chặt chẽ các chỉ số
chính thức tại các nước thí điểm; có
một trường hợp Argentina có khả
năng là ở vấn đề chất lượng.
Thị trường nhà đất (mục
đích thống kê dữ liệu
là: các đại lý bất động sản)
Ngân hàng
Anh: McLaren
và
Schanbhogue
(2011)
Google Insights và
Home Builders
Federation, Royal
Institution of Chartered
Surveyors
Mô hình tự hồi quy / tìm kiếm nhu
cầu cao hơn nên có một tương quan
tốt giữa các tìm kiếm trực tuyến và
giá nhà đất.
Thị trường nhà đất (mục
đích thống kê dữ liệu: dữ
liệu thực từ đơn vị bất động
sản và các bất động sản)
Wu và
Brynjolfsson
(2009)
Google Trend và hiệp
hội thương mại NAR
(National Association
of Realtors); Văn
phòng Liên bang Giám
sát giá nhà đất (nguồn
số liệu thống kê chính
thức của
US Census Bureau)
Mô hình tự hồi quy mùa vụ / hồi quy
tuyến tính doanh số bán hàng dựa
trên khối lượng từ tìm kiếm & Sự
tương quan giữa chỉ số giá nhà ở
(HPI) và chỉ số tìm kiếm / tìm kiếm
tương quan thông qua đại lý bất
động sản với doanh số bán nhà ở &
HPI có thể đi lên hoặc đi xuống tùy
thuộc vào việc người bán hoặc
người mua tìm người bán thay đổi
đầu tiên và cũng phát hiện mối
tương quan giữa doanh số bán nhà
và hoạt động tìm kiếm cho hàng tiêu
dùng trong một khoảng thời gian
Lao động / việc làm (mục
đích thống kê dữ liệu: JSA -
Phụ cấp công việc của
Seeker)
Ngân hàng
của nước
Anh: McLaren
và
Schanbhogue
(2011)
Google Insights và số
lượng người khiếu nại,
câu hỏi về niềm tin tiêu
dùng thay đổi trong tỷ
lệ thất nghiệp dự kiến
của GfK; LFS
Mô hình tự hồi quy / Thay đổi việc
làm trong quá khứ 3 tháng / JSA tìm
kiếm cải thiện phù hợp và mang lại
sức mạnh giải thích trong việc giải
thích những thay đổi trong công
việc và trong giờ làm thử.
JSA được tốt hơn và nhanh hơn so
với GfK.
Lao động / việc làm (mục
đích thống kê dữ liệu: Việc
làm)
D‖Amuri và
Marcucci
(2009)
Chỉ mục tìm kiếm của
Google và bộ dữ liệu
ban đầu từ Sở Lao
động
Mô hình tuyến tính ARMA / chỉ mục
tìm kiếm của Google chiếm ưu thế
hàng đầu như làchỉ số để dự báo tỷ
lệ thất nghiệp của Mỹ.
62 CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC
62
IAOS 2014
Sự kết nối thống kê kinh tế
Phạm vi Thống kê kinh tế Nghiên cứu Nguồn dữ liệu Phương pháp/ kết quả
Lao động / việc làm (mục
đích thống kê dữ liệu: văn
phòng hoặc cơ quan trợ
cấp thất nghiệp; tỷ lệ thất
nghiệp, nhân viên tư vấn và
công việc phổ biến nhất
trong công cụ tìm kiếm tại
Đức)
Askitas (2009) Google Insights và dữ
liệu Cơ quan Lao động
Liên bang
Chuỗi thời gian mô hình sửa sai
quan hệ nhân quả / Kết quả dựa trên
các dữ liệu của tuần thứ ba và thứ tư
của tháng trước đó chứng minh
được ý nghĩa thống kê, ví dụ: tìm
kiếm cho cơ quan việc làm có tác
động tích cực đến tình trạng thất
nghiệp và hoạt động tìm kiếm công
việc sẽ dự báo sự suy giảm mạnh
mẽ và đáng kể trong tỷ lệ thất
nghiệp ngắn hạn.
Lao động / việc làm (mục
đích thống kê dữ liệu: tìm
kiếm công việc, việc làm,
www.monster.com, sơ yếu
lý lịch, danh sách nơi làm
việc và công việc)
Ettredge et al.
(2005)
Tìm kiếm trực tuyến,
dữ liệu việc làm hàng
tháng WordTracker,
BLS và yêu cầu dữ liệu
của Cục Lao động)
Mối quan hệ giữa các dữ liệu tìm
kiếm trực tuyến và dữ liệu thất
nghiệp chính thức / nguyên nhân
trong thời gian dài liên quan đến
giải thích sức mạnh thấp và hồi quy
với nam giới trên 20 tuổi có ý nghĩa
thống kê F.
4. Cơ hội cho các số liệu thống kê kinh tế và
dữ liệu lớn là gì?
Tìm kiếm trực tuyến dữ liệu lớn là không có
giới hạn điều này không có gì phải nghi ngờ. Tuy
nhiên, các hoạt động trực tuyến diễn ra ngày càng
nhiều, với việc tìm kiếm dữ liệu là miễn phí, nghiên
cứu này đã sử dụng nhiều loại dữ liệu lớn để chứng
minh sức mạnh của nó trong dự báo và với số liệu
thống kê chính thức. Với dữ liệu chi tiết hơn, bài viết
này lập luận đó là tiềm năng sử dụng dữ liệu tìm
kiếm trực tuyến (và các loại dữ liệu lớn) để cung cấp
số liệu về các khía cạnh phân phối thu nhập trong
thống kê kinh tế vĩ mô. Điều quan trọng là phải tăng
cường mối liên kết giữa các số liệu thống kê kinh tế và
người dân mà hiện nay chưa được bảo đảm đầy đủ
bởi số liệu thống kê kinh tế chính thức, ví dụ: về lâu
dài, một người tiêu dùng là thành phần quan trọng
trong bảng cân đối của hộ gia đình và hiểu về sản
xuất hộ gia đình sử dụng theo phương thức riêng.
Có rất ít số liệu thống kê chính thức về khối
lượng và giá trị thương mại điện tử nhưng dữ liệu lớn
đã cho thấy xu hướng phát triển cả ở các nước phát
triển cũng như các nước đang phát triển (www.e-
marketer.com). Dữ liệu từ Liên hiệp Viễn thông Quốc
tế (ITU) báo cáo về tình hình sử dụng internet phù
hợp với điều này và cho thấy xu hướng ngày càng
tăng trên toàn thế giới trong tiếp cận và sử dụng
internet (xem biểu đồ tại phụ lục). Sự gia tăng này
thậm chí còn rõ rệt hơn đối với các nước đang phát
triển, nơi xuất phát điểm thấp, ví dụ như năm 2005
dưới 8% các cá nhân được sử dụng internet tại các
quốc gia đang phát triển so với gần 1/3 trong năm
2014. Điều này cũng cho thấy một thực tế là mặc dù
xu hướng tăng ở các nước đang phát triển nhưng
không phải tất cả các phân tầng của xã hội sử dụng
internet theo một cách thức giống nhau, ví dụ: tiến
hành trong các hoạt động thương mại điện tử.
IAOS 2014
Sự kết nối thống kê kinh tế
CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC 63
63
Qua công cụ phân tích Google Analytics,
nguồn thông tin tiên tiến hơn so với GT, đưa ra chi
tiết về cá nhân cho thấy lợi ích trong một trang web
cụ thể, chủ đề hoặc sản phẩm cho các doanh
nghiệp. Google Analytics có hồ sơ người dùng trong
đó có thể cung cấp thông tin nhân khẩu học, công
nghệ cho khách hàng sử dụng để đáp ứng được các
nội dung của một trang web và các hành vi của các
khách hàng. Các thông tin cá nhân được cung cấp
bởi Google Analytics được thu thập thông qua các
phương tiện khác nhau. Ví dụ, trong một máy tính cụ
thể trình duyệt web sẽ được kết hợp với dữ liệu nhân
khẩu học hoặc có thể cung cấp các thông tin cá
nhân có sẵn trên các trang mạng xã hội. Trong
trường hợp của người tìm kiếm bằng cách sử dụng
điện thoại di động, các ứng dụng trên điện thoại
thông minh có thể cung cấp dữ liệu nhân khẩu học.
Nhược điểm của nguồn dữ liệu này là chỉ có thể tìm
được trên cơ sở riêng mỗi trang web cung cấp thông
tin chứ không phải là một truy vấn tìm kiếm trực
tuyến cụ thể. Ngoài ra, tùy thuộc vào sở thích của
người sử dụng dữ liệu sẵn có sẽ được biến đổi ở
mức cao.
Sơ đồ 1: Lựa chọn nguồn dữ liệu
Sơ đồ 1 gồm các bước lựa chọn nguồn dữ liệu
cho bất kỳ yêu cầu dữ liệu dựa trên một câu hỏi về
chính sách chung. Sự khác biệt trước khi có nguồn
dữ liệu lớn là nguồn dữ liệu thay thế hiện nay được
thêm vào như là một sự lựa chọn. Việc lựa chọn các
phương pháp hoặc các nguồn dữ liệu phụ thuộc
trong ví dụ đầu tiên về chính sách thống kê của quốc
gia. Các nước tiên tiến như Australia, có chiến lược
dữ liệu lớn phủ rộng trong đó được xác định ưu tiên
nghiên cứu dữ liệu lớn.
Nguồn dữ liệu thay thế
Tập dữ liệu lớn
Nguồn dữ liệu truyền
thống (điều tra, hồ sơ hành
chính, đăng ký)
Bộ dữ liệu hiện có
Thiết kế bộ sưu tập
dữ liệu mới
Yêu cầu dữ liệu X
Đồng nhất nguồn dữ liệu
chính dựa trên FPOS và
QAF (phù hợp, chính xác,
kịp thời, đúng giờ, tiếp
cận, sự rõ ràng, so sánh và
tính nhất quán theo thời
gian) + Hiệu quả chi phí
Xác định phương pháp
Tiếp cận dựa trên chính
sách thống kê
Xác định mục tiêu
đo lường
Dựa trên câu hỏi về chính
sách, ví dụ: phân phối
mức giàu có trên các
nhóm khác nhau của các
hộ gia đình ở cấp tỉnh
64 CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC
64
IAOS 2014
Sự kết nối thống kê kinh tế
Mặt khác, việc lựa chọn các nguồn dữ liệu cụ
thể, nên đưa vào các nguyên tắc cơ bản của thống
kê chính thức và các yếu tố của khung đảm bảo
chất lượng. Thông điệp chính của sơ đồ này là để
cho thấy trình tự các bước đo lường không phải là
khác nhau khi sử dụng dữ liệu lớn cho thống kê
chính thức.
Trong sơ đồ 2 và 3 đưa ra các bước sử dụng
nguồn dữ liệu lớn để cung cấp số liệu thống kê kinh
tế về một khía cạnh phân phối thu nhập và thu hẹp
khoảng trống dữ liệu tương ứng. Nguồn dữ liệu thay
thế có thể hữu ích ở khía cạnh cung cấp số liệu phân
phối thu nhập bởi khả năng bổ sung cho nguồn dữ
liệu vi mô và bao gồm các dữ liệu dân số thường bị
loại trừ trong trường hợp sau, ví dụ: các hộ gia đình
giàu có (có sự tích lũy tài sản) và thậm chí cả các
hộ thể chế (đặc biệt là nhà dưỡng lão, nơi mọi người
có thể được dự kiến sẽ sở hữu nhất định / tài sản tài
chính, phi tài chính). Như vậy để đánh giá này là cần
thiết cho nghiên cứu các xu hướng các nhóm dân số
tìm kiếm trong các loại dữ liệu lớn có sẵn, ví dụ: tìm
kiếm trực tuyến hay dữ liệu thay thế.
Sơ đồ 2 gồm các bước về sử dụng dữ liệu lớn,
ví dụ tìm kiếm trực tuyến cho một thành phần quan
trọng của hàng tiêu dùng; phương tiện (được sử
dụng bởi những người hoặc hộ cho lợi ích cá nhân
của mình hay sự hài lòng). Như đã đề cập trước đó,
hàng tiêu dùng bao gồm một phần của cải tích lũy
của hộ gia đình và dịch vụ từ hàng tiêu dùng có tác
động trực tiếp tới lợi ích của người dân, khi họ tìm
kiếm trong sản xuất hộ gia đình sử dụng phương
thức riêng. Điều này cũng được nhấn mạnh yêu cầu
để ước lượng giá trị hàng tiêu dùng trong SNA 2008
(trong đó liệt kê hàng tiêu dùng như mục bản ghi) và
trong thành phần sự tích lũy tài sản của hộ gia đình
và bảng cân đối. Do đó, tăng cường thông tin về
hàng tiêu dùng đóng góp trực tiếp vào liên kết số liệu
thống kê kinh tế với mọi người. Đây là một phần của
quá trình được mô tả trong sơ đồ 3.
Một số chỉ tiêu mà chúng ta có thể xây dựng
bằng cách sử dụng các nguồn dữ liệu thay thế có
thể tham khảo các phương tiện sở hữu của các
nhóm dân cư khác nhau ở các khu vực địa lý. Các
cuộc điều tra hộ gia đình thường không đạt được
mức độ mong muốn và mức độ phân tích chi tiết. Hồ
sơ hành chính cũng có thể hội đủ điều kiện như dữ
liệu lớn phụ thuộc vào khối lượng, tốc độ và các đặc
điểm khác có thể cung cấp dữ liệu toàn diện trong
phát triển hệ thống. Theo sơ đồ 2, giả sử các loại ưa
thích của dữ liệu lớn là tìm kiếm trực tuyến từ những
khối lượng từ khóa chính, bước đầu tiên là để chọn
một từ khóa thích hợp sau đó được kiểm tra lại đối
với các nguồn dữ liệu liên quan hiện có. Sau đó, các
biến nhân khẩu học có sẵn - giả định rằng họ là
chính xác, cần phải được kiểm tra đối với việc phân
phối thu được từ số liệu thống kê chính thức, thông
qua các dữ liệu tổng điều tra dân số hay các cuộc
điều tra hộ gia đình. Ở giai đoạn phân tích, các thông
tin phân phối thu được sau đó có thể được áp dụng
để tổng hợp kinh tế vĩ mô như là những người có liên
quan đến lĩnh vực hộ gia đình.
Trong trường hợp có được giá trị kinh tế của
các phương tiện thuộc sở hữu trong một quốc gia,
nguồn dữ liệu lớn như là nguồn dữ liệu bảo đảm sẽ
cung cấp thông tin toàn diện hơn bao gồm cả sự cố
về nhân khẩu học. Sơ đồ 3 mô tả các bước trong
việc sử dụng dữ liệu lớn để thu hẹp những khoảng
trống dữ liệu từ việc lựa chọn nguồn dữ liệu vào các
giai đoạn phân tích. Trong trường hợp xác định giá
trị, điều này đặc biệt quan trọng để phân biệt đâu
hàng hóa cố định sử dụng trong hộ gia đình và đầu
là tài sản cố định của doanh nghiệp hộ gia đình.
IAOS 2014 Sự kết nối thống kê kinh tế
CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC 65
65
Sơ đồ 2. Sử dụng Bigdata đối với khía cạnh phân phối thu nhập, ví dụ quyền sở hữu phương tiện (xe)
Sơ đồ 3. Sử dụng dữ liệu lớn để nâng cao tính sẵn sàng của dữ liệu,
ví dụ ước tính phương tiện giao thông (xe)
Thách thức chính khi sử dụng các nguồn dữ
liệu thay thế hoặc dữ liệu lớn để nâng cao kiến
thức cơ bản điều đó có thể làm cho thông báo
quyết định của chính phủ và các cá nhân trở lên
tốt hơn là một phần việc, nó có xu hướng dịch
chuyển trọng tâm từ việc lên kế hoạch các hoạt
động thu thập dữ liệu với các thông số xử lý sẵn
có linh hoạt hơn cho việc đối phó với điều đó xảy
ra với các dữ liệu để tồn tại. Trong đó, việc sử
dụng dữ liệu lớn cho thống kê chính thức có thể
làm thay đổi các quy trình kinh doanh hiện có, như
kiểm soát nhiều hơn có thể xảy ra tác động đối với
các hoạt động thiết kế, thu thập và phổ biến dữ
liệu thô của các nhà thống kê chính thức. (Trong
bối cảnh phát triển dữ liệu lớn, các mô hình kết
hợp được coi như nguồn dữ liệu bổ sung đã xuất
hiện. Ví dụ, công ty Premise thu thập dữ liệu các
Lựa chọn bộ dữ liệu
Ví dụ
• Từ khóa tìm kiếm trực tuyến,
ví dụ như "bảo hiểm" và "sửa
chữa / nhà để xe" cho xe ô tô,
trang vàng dữ liệu cho các tìm
kiếm địa chỉ doanh nghiệp
• Kiểm tra các mối tương quan
với bất kỳ số liệu thống kê
chính thức hiện tại / nguồn dữ
liệu khác, ví dụ thống kê dựa
trên hồ sơ hành chính và các
cuộc điều tra hộ gia đình bao
gồm hàng tiêu dùng
Chọn biến được phân tổ theo
Ví dụ
• Vị trí, giới tính, tuổi tác, v.v
• Kiểm tra phân phối của các
nhóm theo các đặc điểm nhân
khẩu học
• Số liệu tổng điều tra dân số
và phân bố dân cư ở cấp quốc
gia và địa phương
• Dữ liệu thu nhập hộ gia đình
và chi tiêu cho các mục trong
câu hỏi, ví dụ: quyền sở hữu xe
Áp dụng trong phân tích
Ví dụ
Sử dụng phân phối của quyền
sở hữu phương tiện thu được
thông qua nguồn dữ liệu lớn
tổng hợp kinh tế vĩ mô
Lựa chọn bộ dữ liệu
Ví dụ
Giá trị của phương tiện sở hữu
thông qua dữ liệu mua và sửa
chữa, ví dụ: cơ sở dữ liệu bảo
hiểm.
Xử lý dữ liệu
Ví dụ
- Làm lên đến con số cấp quốc
gia (nếu địa phương có thể làm)
- Tính toán giá trị khấu hao
(thường được dùng vào tài khoản
trong dữ liệu bảo hiểm)
- Phân biệt doanh nghiệp hộ gia
đình
Áp dụng trong phân tích
- Trong xây dựng bảng cân đối
- Mục Memo cho tài khoản
quốc gia
66 CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC
66
IAOS 2014
Sự kết nối thống kê kinh tế
mặt hàng thanh toán thông qua kỹ thuật nạo dữ
liệu hoặc thông qua “điều tra viên” người sử dụng
điện thoại thông minh để có thông tin giá cả của
các mặt hàng được xác định trước và trong thời
điểm bán hàng với mục đích xác định sự thay đổi
giá cả. Mô hình kết hợp này là sự sáng tạo và cải
cách trong việc thu thập dữ liệu. Hệ thống thống
kê quốc gia cũng có thể áp dụng các phương thức
thu thập dữ liệu như là một bước tiếp theo từ việc
sử dụng máy tính bảng cho tới sử dụng điện thoại
thông minh). Để giảm thiểu những điều không
mong muốn cần có sự tham gia của các nhà
hoạch định chính sách thống kê quốc gia và quốc
tế trong việc xác định các lĩnh vực nghiên cứu
cũng như các quy tắc ứng xử. Sự tham gia ngay từ
đầu có khả năng kết hợp với kết quả của số liệu
thống kê chính thức và nghiên cứu sẽ được chấp
nhận và không bị đưa ra bàn luận.
Giữa các nguồn dữ liệu lớn có thể không
phù hợp với nhau, vì vậy các nhà hoạch định
chính sách kinh tế cần nói đến tính toàn diện
(thông tin về các quốc gia / khu vực / nhóm đối
tượng mà không được bao quát bởi kỹ thuật số, ví
dụ những người không truy cập vào internet, v.v...)
và so sánh các thông tin; ví dụ chuỗi thời gian cho
các xu hướng và điều chỉnh thời vụ, bao lâu và
mức độ nào thì từ khóa tìm kiếm trực tuyến có thể
phục vụ được như là một máy chủ dịch vụ dữ liệu
câu hỏi? Tất cả những thắc mắc này đòi hỏi tính
minh bạch từ những người biên soạn dữ liệu lớn và
phương pháp sử dụng trong xử lý dữ liệu. Nói cách
khác, yêu cầu có siêu dữ liệu dễ hiểu và đầy đủ về
dữ liệu lớn.
Một câu hỏi được đưa ra về sự riêng tư và
bảo mật dữ liệu cá nhân. Với cải tiến mã điều
khiển đối với sản xuất và phổ biến số liệu thống kê
bao gồm số liệu chính thức và tư nhân. Thật thú vị,
nghiên cứu được tiến hành bởi Nhóm chuyên gia
cố vấn Boston cho thấy dữ liệu cá nhân như tên,
sở thích, tuổi tác hay giới tính được coi như
“không có gì cả” hoặc “xem nhẹ” bởi hầu hết
người được hỏi không quan tâm tới đất nước hay
tuổi tác trong Khảo sát toàn cầu về niềm tin tiêu
dùng trong năm 2013 bao gồm 10.000 người tiêu
dùng ở độ tuổi 18 trở lên tiến hành tại 20 nước
phát triển và đang phát triển. Vị trí chính xác và
thông tin về chồng, con là những dữ liệu nhạy cảm
hơn cả thông tin thẻ tín dụng và dữ liệu tài chính.
“54% người tiêu dùng toàn cầu cho biết họ
không cảm thấy phiền khi sử dụng các thông tin
về họ nếu việc sử dụng không mang lại rắc rối,
gây thiệt hại lợi ích, hoặc không làm hại họ”
(Nhóm chuyên gia cố vấn Boston2013). Do đó,
đây là điều cần thiết để bảo đảm việc thu thập, lưu
trữ và sử dụng các thông tin nhạy cảm để duy trì
sự sẵn có của dữ liệu theo thời gian.
5. Kết luận
Thống kê chính thức được chuyển hướng tới
một cách tiếp cận đầy đủ, điều này được khuyến
khích và thúc đẩy bởi chương trình nghị sự phát
triển sau năm 2015, yêu cầu gắn kết phương pháp
luận và phân tích số liệu giữa các lĩnh vực thống
kê khác nhau. Một cuộc thảo luận đã được diễn ra
trong lĩnh vực thống kê kinh tế, đặc biệt là việc tìm
kiếm các biện pháp thay thế về sự tiến bộ vượt xa
hơn cả GDP.
IAOS 2014 Sự kết nối thống kê kinh tế
CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC 67
67
Các nguồn dữ liệu đưa ra rất nhiều cơ hội để
ứng phó với các chính sách cũng như những thách
thức đối với việc nâng cao chất lượng số liệu
thống kê chính thức. Trong bài viết này, các phần
trước đây đã lập luận rằng, số liệu thống kê thu
được từ các nguồn dữ liệu thay thế như dữ liệu lớn
có thể sử dụng để bổ sung cho số liệu thống kê
chính thức, các nhà hoạch định chính sách thống
kê phải được tham gia ngay từ khâu đầu tiên. Bài
viết này nghiên cứu tiềm năng các nguồn dữ liệu
để tăng cường khía cạnh phân phối và thu hẹp
khoảng cách số liệu trong nỗ lực thu hẹp số liệu
thống kê kinh tế với mọi người, được hướng đến từ
các phương pháp luận mới cũng như các nhu cầu
đo lường mới nổi, bao gồm cả các chương trình
phát triển quốc tế mới. Hàng tiêu dùng được chọn
làm ví dụ vì đây là thành phần quan trọng trong
Bảng cân đối kinh tế hộ gia đình, có thể cải thiện
sự hiểu biết của chúng ta về phúc lợi của người
dân khi chúng ta không có đủ dữ liệu.
Bài viết dựa trên các ví dụ sử dụng dữ liệu
lớn (trên cơ sở dữ liệu tìm kiếm trực tuyến) trong
thống kê kinh tế để thấy hầu hết các kết quả vẫn
còn ở giai đoạn xác định mối tương quan giữa
các số liệu thống kê chính thức hay dữ liệu hành
chính có liên quan. Xu hướng ngày càng tăng
việc sử dụng dữ liệu trực tuyến trong thống kê
kinh tế. Bài viết làm sáng tỏ một số bước sơ bộ
cho việc ra quyết định liên quan đến lựa chọn và
áp dụng nguồn dữ liệu lớn tập trung vào hàng
tiêu dùng (ví dụ các loại phương tiện) từ dữ liệu
tìm kiếm trực tuyến.
Có một số thách thức về quy trình, kỹ thuật
và phương pháp luận xung quanh việc sử dụng dữ
liệu lớn kết hợp với số liệu thống kê chính thức như
việc thiếu một quy tắc ứng xử chung cho tất cả
các bên liên quan (nhà nước và tư nhân), sự thiếu
vắng siêu dữ liệu cho các nguồn dữ liệu lớn và các
câu hỏi làm thế nào để đảm bảo sự riêng tư / bí
mật của các nhà cung cấp dữ liệu cá nhân. Thách
thức quan trọng nhất là duy trì sự tin tưởng của
các cá nhân cũng là người trả lời trong các bộ sưu
tập dữ liệu thống kê chính thức. Tuy nhiên, các
tiềm năng của dữ liệu lớn chỉ có thể được khám
phá nếu tính bền vững được đảm bảo, chắc chắn
người cung cấp dữ liệu phải đáng tin cậy và chỉ sử
dụng phù hợp mục đích phân tích. Nguồn dữ liệu
lớn có tầm quan trọng đối với số liệu thống kê
chính thức, được sử dụng phù hợp với các khuôn
khổ đảm bảo chất lượng và không vi phạm các
nguyên tắc thống nhất (ví dụ FPOS) bởi vì các tác
động liên quan có thể gây tổn hại các bộ sưu tập
dữ liệu truyền thống cũng được tính đến bởi hệ
thống thống kê quốc gia.
Nghiên cứu tiếp theo liên quan đến dữ liệu
lớn và thống kê kinh tế cũng như bất kỳ lĩnh vực
thống kê nào, đòi hỏi việc thử nghiệm các phương
pháp cũng như việc thu thập dữ liệu thực tế từ các
nguồn dữ liệu thay thế để phân tích. Sử dụng dữ
liệu lớn về hàng tiêu dùng chỉ là một khả năng
trong việc nhấn mạnh những khía cạnh của phân
phối thu nhập hộ gia đình trong thống kê kinh tế.
Điểm mấu chốt là nghiên cứu chính sách có liên
quan, trong đó khả năng có được đầy đủ thông tin
của thống kê chính thức chứ không phải chỉ hạn
chế để nghiên cứu xu hướng dữ liệu.
IAOS 2014
Sự kết nối thống kê kinh tế
68 CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC
68
Tài liệu tham khảo:
[1] E. Giovannini. “Understanding Economic Statistics. An OECD Perspective”. OECD, Paris. 2008.
[2] Eurostat. G20 Data Gaps Initiative (DGI)—background. Available at:
3_background
[3] OECD Guidelines for Micro Statistics on Household Wealth”. OECD, 2013.
[4] A. Leone. “The Balance Sheet Approach: Data Needs, Data at Hand, and Data Gaps”. Statistics
Department, International Monetary Fund. August 2009.
[5] Stiglitz, Joseph and Amartya Sen and Jean-Paul Fitoussi. “Report by the Commission on the
Measurement of Economic Performance and Social Progress”. 2008. Available at
fitoussi.fr/documents/rapport_anglais.pdf
[6] W.D. Nordhaus and J. Tobin. “Is growth obsolete?” Economic Research: Retrospect and Prospect.
Vol: 5 Economic Growth. 1972. Available at:
[7] M. Fesseau et al. A cross-country comparison of household income, consumption and wealth
between micro sources and national accounts aggregates. OECD Working Paper 62. OECD/Eurostat, 2013.
Available at
consumption-and-wealth-between-micro-sources-and-national-accounts aggregates_5k3wdjrnh7mv-en
[8] M. Fesseau and M. Liviana Mattonetti. Distributional measures across household groups in a
national accounts framework, Results from an experimental cross-country exercise on household income,
consumption and saving. OECD Working Paper No. 53. OECD/Eurostat, 2013. Available at:
ibutional_measures.pdf
[9] OECD Framework for Statistics on the Distribution of Household Income, Consumption and Wealth.
OECD, 2013.
[10] Open Working Group. Introduction to the Proposal of the Open Working Group for Sustainable
Development Goals. July 2014. Available at:
0OWG_19%20July%20at%201320hrsver3.pdf
[11] System of National Accounts 2008. United Nations, New York, 2009.
[12] UN Global Pulse. Big Data for Development: Challenges and Opportunities. Global Pulse. New
York, May 2012. Available at
UNGlobalPulseJune2012.pdf
IAOS 2014 Sự kết nối thống kê kinh tế
CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC 69
69
[13] The Philosophy of Data Science (series)-Rob Kitchin: The Big Data should complement small
data, not replace them. 2014 Available at:
philosophy-of-data-science-rob- kitchin/
[14] MIT Billion Prices Project website:
[15] N. Maclaren and R. Shanbhogue. Using internet search data as economic indicators. Bank of
England. Quarterly Bulletin. 2011, Q2.
[16] L. Wu and E. Brynjolfsson. The Future of Prediction: How Google Searches Foreshadow Housing
Prices and Quantities. ICIS 2009 Proceedings. Paper 147. 2009.
[17] F. D‖Amuri and J. Marcucci. Google it! Forecasting the US unemployment rate with a Google job
search index. MPRA Paper, No. 18732, October 2009.
[18] N. Askitas and K. Zimmermann. Google Econometrics and Unemployment Forecasting.
IZA DP No. 4201. June 2009.
[19] M. Ettredge et al. Using Web-based Search Data to Predict Macroeconomic Statistics.
Communications of the ACM, Vol. 48, No. 11, November 2005, pp. 87-92.
[20] Google Analytics website:
https://support.google.com/analytics/answer/1012034?hl=en&ref_topic=1007027
[21] The Trust Advantage. How to Win with Big Data. The Boston Consulting Group. November 2013.
[22] Premise website: www.premise.co
Phụ lục: Truy cập và sử dụng internet (Nguồn: ITU )
Biểu đồ a. Số thuê bao điện thoại di động (trên 100 dân)
IAOS 2014
Sự kết nối thống kê kinh tế
70 CHUYÊN SAN HỘI NGHỊ QUỐC TẾ VỀ THỐNG KÊ CHÍNH THỨC
70
Biểu đồ b. Hoạt động thuê bao di động (trên 100 dân)
Biểu đồ c. Số thuê bao cố định (có dây) thuê bao di động (trên 100 dân)
Biểu đồ d. Tỷ lệ sử dụng internet (%)
Các file đính kèm theo tài liệu này:
- su_ket_noi_thong_ke_kinh_te_voi_moi_nguoi_vai_tro_cho_cac_ng.pdf