Chính sách công nghiệp (Industrial Policies): Bài học từ Brazil và Hàn Quốc

Chính sách công nghiệp (Industrial Policies): Bài học từ Brazil và Hàn Quốc

Báo cáo Triển vọng Kinh tế toàn cầu (World Economic Outlook) của IMF mới ra mắt tháng 10/2025 vừa qua có một bài rất hay về chính sách công nghiệp (CSCN). Đây cũng là một trọng tâm của kinh tế Việt Nam, và là thứ cần phải đầu tư kỹ lưỡng, nếu như chúng ta muốn trở thành một nền kinh tế giàu có như Hàn Quốc, Nhật Bản, hay bây giờ là Trung Quốc.

Tiếp tục đọc
Một số sách tham khảo quan trọng khi nghiên cứu về mô hình OLG

Một số sách tham khảo quan trọng khi nghiên cứu về mô hình OLG

Mô hình OLG (overlapping generations) là một mô hình rất phổ biến trong nghiên cứu về tăng trưởng kinh tế. Tiên phong cho mô hình này là Samuelson (1956)Diamond (1965) (Cả hai đều đoạt giải Nobel kinh tế). Bài viết này điểm qua một số sách hoặc bài báo quan trọng mà ai cũng cần đọc khi xem xét ứng dụng mô hình này vào nghiên cứu.

Tiếp tục đọc
Lấy dữ liệu NASA để đo chất lượng không khí

Lấy dữ liệu NASA để đo chất lượng không khí

Bài viết này chia sẻ kinh nghiệm sử dụng Python để scrape dữ liệu từ NASA nhằm phục vụ mục đích nghiên cứu. Gần đây Hà Nội phải đối mặt với tình trạng bụi mịn cao (nồng độ PM 2.5 cao hơn mức cho phép) cùng với sương mù. Chúng ta có thể sử dụng dữ liệu NASA để có cái nhìn khách quan hơn về chất lượng không khí cho cả nước.

Tiếp tục đọc

Thông báo tuyển sinh chương trình ThS/TS Kinh tế bằng tiếng Anh của trường Tohoku

Dành cho những ai có quan tâm học Thạc sĩ hoặc Tiến sĩ về kinh tế bằng tiếng Anh tại Nhật Bản. Các bạn có thể tham khảo trường Tohoku. Các chương trình cao học đều dạy hoàn toàn bằng tiếng Anh, có đầy đủ các môn về vi mô, vĩ mô, thống kê, và lượng.

Chi tiết: https://www.econ.tohoku.ac.jp/en/gpem/gpem-admission

Thời gian nộp hồ sơ được chia làm 3 đợt: Cuối tháng 1/2024, cuối tháng 2/2024 và cuối tháng 3/2024. Thời gian nhập học là tháng 10/2024.

Nếu các bạn có thắc mắc thì có thể để lại comment bên dưới. Mình hiện đang học năm 3 PhD tại đây nên có thể giải đáp một số câu hỏi.

Lấy dữ liệu IMF bằng R

Lấy dữ liệu IMF bằng R

Bài viết ngắn sau đây hướng dẫn mọi người cách lấy dữ liệu của IMF bằng R sử dụng package imfr. Sau đó chúng ta sẽ thử plot một cái interactive map bằng leaflet biểu thị hướng xuất khẩu của Việt Nam. Tiếp tục đọc
Một số phần mềm phục vụ nghiên cứu [P2]

Một số phần mềm phục vụ nghiên cứu [P2]

Các bạn có thể đọc Phần 1 tại đây. Ở phần 2 này, các phần mềm được giới thiệu ở đây là những phần mềm mình hay dùng nhất và có ích nhất. Hầu hết là miễn phí, chỉ có một số ít là phải trả phí. Với các phần mềm này thì không chỉ kinh tế, mà ngành nào cũng có thể xài được.

Tiếp tục đọc
Một số phần mềm mã nguồn mở phục vụ nghiên cứu kinh tế [P1]

Một số phần mềm mã nguồn mở phục vụ nghiên cứu kinh tế [P1]

Cách đây 7 năm khi mình mới vào trường, môn hãi nhất và thú vị nhất vẫn là kinh tế lượng. Lúc đó vẫn phải dùng phần mềm không bản quyền của Stata hay Eviews để làm báo cáo. Tuy nhiên thời đó qua rồi. Bài viết này sẽ giới thiệu với các bạn một số phần mềm mã nguồn mở miễn phí hoàn toàn, không cần phải vi phạm bản quyền.

Tiếp tục đọc

Tohoku Econs Bootcamp I (Spring)

Gần đây do bận nhiều việc trên trường nên mình không có thời gian viết lách. Thời gian qua, mình có hợp tác với các bạn PhD khác cùng khoa (Inseikai Tohoku) lập ra một lớp Bootcamp huấn luyện thêm về Lập trình, Toán (tối ưu tĩnh), và Nghiên cứu định tính trong kinh tế học. Khoá này đã hoàn thành cho kì xuân. Vào kì thu, bọn mình sẽ làm thêm một khoá nữa về Kinh tế Lượng, Toán II (tối ưu động) và Nghiên cứu định tính II. Hiện tại thì không có kế hoạch go online.

Tuy nhiên, học liệu này mình nghĩ sẽ bổ ích cho những ai muốn học chuyên sâu về kinh tế mà chưa có cơ hội tiếp cận các kiến thức nền tảng ở bậc cao học. Do đó, xin phép share tại đây cho những ai quan tâm.

https://github.com/thanhqtran/tohoku_bootcamp

Các khoá học này chỉ tổ chức tại trường Tohoku, on campus, dành cho những sinh viên tại trường. Mình cũng mong những ai tốt nghiệp chuyên ngành kinh tế mà muốn học tập tại Nhật Bản, bằng tiếng Anh, đào tạo chuyên sâu bài bản về kinh tế, thì hãy cân nhắc lựa chọn trường Tohoku (chương trình GPEM).

https://www.econ.tohoku.ac.jp/en/gpem

Chương trình chỉ có admission vào tháng 10 hằng năm, và hồ sơ phải được nộp trước 15 tháng 3 cùng năm.

Di sản của Shinzo Abe – Người đàn ông thay đổi nước Nhật

Di sản của Shinzo Abe – Người đàn ông thay đổi nước Nhật

Không ai dám nghĩ vụ việc ngày 8/7/2022 lại có thể xảy ra. Shinzo Abe là thủ tướng tại vị lâu nhất Nhật Bản, và ông đã có rất nhiều ảnh hướng tới đường lối của Nhật Bản, nhất là về mặt ngoại giao. Các chương trình thúc đẩy sinh viên quốc tế, hợp tác kinh tế quốc tế và ngoại giao, các chương trình về lao động nước ngoài, các chính sách tài khoá và tiền tệ đầy táo bạo, tất cả đều mang đậm dấu ấn của ông Abe. Cá nhân mình có ấn tượng rất tốt về Shinzo Abe vì chính sách tiền tệ trong triều đại của ông chính là bài khoá luận tốt nghiệp. Trước đó, mình cũng đã có một bài tiểu luận về Abenomics. Do đó, khi hay tin ông Abe bị bắn, mình đã rất sốc.

Để dành lời tri ân tới ngài Abe, xin phép tóm tắt loạt bài viết về những di sản mà ông để lại. Loạt bài viết này mình dịch từ Economist sau khi báo này dành ra nguyên 1 số để nói về những gì Shinzo Abe đã làm sau khi ông từ chức.

Shinzo Abe đã thay đổi Nhật Bản như thế nào? (Bài 1/5) | Nhìn lại 8 năm

Shinzo Abe đã thay đổi Nhật Bản như thế nào? (Bài 2/5) | Những di sản

Shinzo Abe đã thay đổi Nhật Bản như thế nào? (Bài 3/5) | Abenomics

Shinzo Abe đã thay đổi Nhật Bản như thế nào? (Bài 4/5) | Japan Inc. vs Trung Quốc

Shinzo Abe đã thay đổi Nhật Bản như thế nào? (Bài 5/5) | Người đàn ông của gia đình

Tiếp tục đọc
Xử lý dữ liệu kinh tế từ GSO (National Summary Data Page) bằng Python

Xử lý dữ liệu kinh tế từ GSO (National Summary Data Page) bằng Python

Dành cho những ai chưa biết thì GSO gần đây đã cải tiến rất nhiều trong việc update cơ sở dữ liệu quốc gia. Hiện nay, dữ liệu của Tổng cục thống kê, Bộ tài chính và Ngân hàng nhà nước đã được thu về một mối và sử dụng cùng cấu trúc dữ liệu (National Summary Data Page). Bài viết hôm nay sẽ giúp các bạn lấy các dữ liệu đó bằng Python (machine-reading) trực tiếp từ nguồn. Rất có ích cho những người làm về data science và nghiên cứu kinh tế.

Tiếp tục đọc
Cách lấy dữ liệu từ Tổng cục thống kê (GSO) và tạo hình động biểu đồ GDP bằng Python

Cách lấy dữ liệu từ Tổng cục thống kê (GSO) và tạo hình động biểu đồ GDP bằng Python

Sau một thời gian thực hành với data science, mình bắt đầu thấy thích việc đọc data online và xử lý trực tiếp qua một loạt các dòng lệnh (script) hơn là download một file .csv hay .xls về và load chúng vào chương trình. Hôm nay, mình sẽ chỉ cho các bạn một tip cực kỳ quan trọng để lấy data từ Tổng cục thống kê (GSO) về, xử lý trực tiếp trên chương trình mà không cần thiết phải save về máy, ngoài ra chúng ta sẽ nghich một chút bằng cách tạo file .gif để xem sự phát triển của nền kinh tế Việt Nam. Bài viết sẽ sử dụng Python, thư viện pandas để xử lý dữ liệu, matplotlib, imageio và numpy để vẽ biểu đồ và hình động.

Tiếp tục đọc
Đi du học có “lời” không? Tổng kết thu chi hằng tháng bằng Money Lover và Python

Đi du học có “lời” không? Tổng kết thu chi hằng tháng bằng Money Lover và Python

Chắc chắn đây là câu hỏi của rất nhiều người, và hôm nay xin phép dùng dữ liệu thu chi và ít vốn liếng data science của mình trong những năm qua để trả lời. Bài viết này sử dụng file data (.csv) của Money Lover , một ứng dụng tuyệt vời mà mình đã sử dụng từ khi sang Nhật để lưu giữ nhật ký thu nhập và chi tiêu hằng tháng. Các bạn sẽ biết cách vẽ một số biểu đồ stacked bar (cột chồng) để xem balance, cũng như income của mình ra sao và làm treemap (là biểu đồ cây hoặc biểu đồ nhiệt) để xem mình chi cái gì nhiều nhất. Chúng ta sẽ code bằng Python.

Tiếp tục đọc
Tự phân tích những gì bạn viết trên WordPress bằng Python

Tự phân tích những gì bạn viết trên WordPress bằng Python

Bạn có bao giờ tò mò là trong quá trình viết blog xem là tần suất sử dụng từ của mình như thế nào không? Bạn viết gì nhiều nhất? Bài viết này sẽ hướng dẫn các bạn cách dùng kiến thức data science để trích xuất và xử lý dữ liệu bài viết trên wordpress. Sau đó chúng ta sẽ vẽ 3 biểu đồ: [bar chart] biểu thị tần suất các từ xuất hiện nhiều nhất trên blog, [word cloud] để visualize chúng thành tạo một đám mây chữ và [histogram] để xem sự phân bố của tần suất các chữ được sử dụng. Ngôn ngữ chúng ta sử dụng là Python, và sẽ có một số bước xử lý ngôn ngữ tự nhiên (NPL).

Tiếp tục đọc
Cách chạy trốn/backup khỏi WordPress.com

Cách chạy trốn/backup khỏi WordPress.com

Blog của mình vẫn xài wordpress, nhưng mà có xài lâu mới thấy nó có nhiều nhược điểm và hơi hơi tốn kém. Hiện nay chúng ta có lựa chọn, nhiều host free mà các bạn có thể dùng (điển hình như Jekyll). Bài viết này sẽ giúp các bạn backup lại toàn bộ các bài viết của mình trên wordpress.com, chuyển sang định dạng markdown để các bạn tiện xử lý.

Tiếp tục đọc
Phân tách tăng trưởng kinh tế hiện đại (APG) p.1: Lý thuyết

Phân tách tăng trưởng kinh tế hiện đại (APG) p.1: Lý thuyết

Trong kinh tế học truyền thống, các phương pháp phân tích tăng trưởng kinh tế vĩ mô, cụ thể là tăng trưởng năng suất lao động (productivity growth) chủ yếu dựa vào mô hình Solow. Đầu vào của nền kinh tế là K (tư bản), L (lao động) và A (công nghệ). Năng suất lao động hầu hết được hiểu là nằm ở A. Theo lý thuyết này, mô hình Solow có 2 phiên bản chính rất hay được sử dụng, một là Hicks-neutral (trong đó coi A nằm ngoài K và L, còn gọi là TFP), hai là Harrod-neutral (trong đó A được coi là số nhân của L, và lao động thô L trở thành lao động hiệu quả AL). Một số nền kinh tế phát triển như EU, Mỹ, Nhật Bản đã phát triển một hệ thống dữ liệu niên giám cấp ngành rất đồ sộ, và nhờ vậy, việc phân tích tăng trưởng kinh tế hiện đại đã có một bước tiến lớn. Cụ thể, phương pháp dưới đây phân tích tăng trưởng của năng suất lao động không chỉ dựa trên K, L mà thêm vào đó là II (hàng hoá trung gian) và VA (giá trị gia tăng). Bài viết này sẽ trình bày lý thuyết của mô hình (ở phần 1) và ứng dụng của nó vào phân tích tăng trưởng kinh tế của Vương quốc Bỉ (phần 2).

Paper gốc: Petrin, A. and Levinsohn, J. (2012), Measuring aggregate productivity growth using plant-level data. The RAND Journal of Economics, 43: 705-725. https://doi.org/10.1111/1756-2171.12005

Tiếp tục đọc