Kinh tế học căn bản: Các đặc trưng trong việc xây dựng đồ thị

KINH TẾ HỌC CĂN BẢN

PHỤ LỤC CHƯƠNG 2: ĐỒ THỊ TRONG KINH TẾ HỌC

CÁC ĐẶC TRƯNG TRONG VIỆC XÂY DỰNG ĐỒ THỊ

Trước khi rút ra bất kỳ kết luận nào về ý nghĩa của một đồ thị số, bạn cần để ý đến thang đo, hay kích cỡ các gia tố trên trục. Các gia tố nhỏ có xu hướng phóng đại về mặt thị giác những thay đổi của biến, trong khi các gia tố to có xu hướng triệt tiêu chúng về mặt thị giác. Vì vậy thang đo dùng xây dựng đồ thị có thể ảnh hưởng đến diễn giải của bạn về sự đáng kể trong các thay đổi mà nó minh họa - có thể theo cách thiếu cơ sở.

Chẳng hạn, Hình 2A-12 chỉ ra GDP trên từng đầu người ở Hoa Kỳ từ năm 1981 đến năm 1982 dùng gia tố $500. Bạn có thể thấy rằng GDP trên từng đầu người đã giảm từ $26,208 xuống còn $25,189. Chắc chắn đây là một giảm sút, nhưng có phải là nó nghiêm trọng theo thang đo dùng cho trục tung hay không? Nếu bạn quay về xét lại Hình 2A-8, thể hiện GDP trên từng đầu người ở Hoa Kỳ từ năm 1947 đến cuối năm 2010, bạn thấy rằng đây có thể là một kết luận sai lạc. Hình 2A-8 bao gồm dữ liệu trình bày ở Hình 2A-12, nhưng nó được xây dựng với thang đo có gia tố $10,000 thay vì $500. Từ đó bạn có thể thấy rằng sự giảm sút về GDP trên từng đầu người từ năm 1981 đến năm 1982 thật ra không mấy đáng kể. Thật vậy, câu chuyện về GDP trên từng đầu người ở Hoa Kỳ hầu như gia tăng chứ không phải giảm sút. So sánh này cho thấy nếu bạn không cẩn thận chọn thang đo khi diễn giải đồ thị, bạn có thể đi đến các kết luận rất khác và sai lạc.

Hình 2A-12: Diễn giải đồ thị: Hiệu ứng của thang đo

Liên quan đến việc chọn thang đo là việc cắt cụt (truncation) khi xây dựng đồ thị. Một trục bị cắt cụt (truncated) khi một phần miền giá trị bị lờ đi. Điều này ký hiệu bằng hai dấu chéo (//) trên trục gần gốc. Bạn có thể thấy rằng trục tung ở Hình 2A-12 đã bị cắt cụt - các giá trị từ 0 đến $25,000 đã bị lờ đi và ký hiệu // xuất hiện trên trục. Việc cắt cụt tiết kiệm được không gian biểu diễn đồ thị và cho phép dùng các gia tố nhỏ hơn để xây dựng nó. Kết quả là những thay đổi của biến minh họa trên đồ thị cắt cụt trông lớn hơn khi đối chiếu với đồ thị không bị cắt cụt dùng gia tố lớn hơn.

Bạn cũng phải hết sức chú ý đến điều mà đồ thị minh họa. Chẳng hạn ở Hình 2A-11, bạn cần biết rằng điều đang được minh họa ở đây là thay đổi theo phần trăm về số lượng thất nghiệp, chứ không phải thay đổi về số lượng thất nghiệp. Tỉ lệ thất nghiệp đối với công nhân da đen hay Mỹ gốc Phi đã tăng theo tỉ lệ phần trăm cao nhất, 9.4% trong ví dụ này. Nếu bạn nhầm thay đổi theo phần trăm với thay đổi theo số lượng, bạn có thể kết luận sai rằng số công nhân thất nghiệp gia tăng nhiều nhất là da đen hay Mỹ gốc Phi. Nhưng thật ra diễn giải đúng cho Hình 2A-11 là số công nhân thất nghiệp gia tăng nhiều nhất là da trắng: tổng số công nhân da trắng thất nghiệp đã lên đến 268,000 người, lớn hơn sự gia tăng về số công nhân da đen hay Mỹ gốc Phi thất nghiệp, bằng 246,000 trong ví dụ này. Mặc dù phần trăm gia tăng của công nhân da đen hay Mỹ gốc Phi cao hơn, số công nhân da đen hay Mỹ gốc Phi thất nghiệp ở Hoa Kỳ trong năm 2009 thấp hơn số công nhân da trắng thất nghiệp.

Hình 2A-11: Đồ thị cột

(còn tiếp)

-- Nguồn: Paul Krugman (Nobel kinh tế 2008), Robin Wells, Kathryn Graddy (2014) Kinh tế học căn bản, tái bản lần ba.
-- Bài được tập hợp tại Kinh tế học căn bản