Ứng dụng lý thuyết Xám trong dự báo phát thải carbon: Nghiên cứu thực nghiệm tại ngành công nghiệp chế biến Việt Nam
Mai Thu Hiền; Email: hien.mai@ftu.edu.vn
Nguyễn Phương Anh; Email: k62.2314310011@ftu.edu.vn (Tác giả liên hệ)
Nguyễn Thị Bảo Ngọc; Email: k61.2213280043@ftu.edu.vn
Hoàng Yến Nhi; Email: k61.2205000146@ftu.edu.vn
Phạm Thị Ngọc Hà; Email: k62.2311410052@ftu.edu.vn
Tống Thị Khánh Hằng; Email: k62.2314730037@ftu.edu.vn
Trường Đại học Ngoại thương
Tóm tắt
Trong bối cảnh biến đổi khí hậu và cam kết phát thải ròng bằng 0 vào năm 2050, việc dự báo chính xác quỹ đạo phát thải carbon là cơ sở quan trọng để xây dựng lộ trình chuyển đổi xanh. Nghiên cứu này ứng dụng lý thuyết hệ thống Xám để phân tích và dự báo phát thải CO2 của ngành công nghiệp chế biến tại Việt Nam - một khu vực thâm dụng năng lượng và chiếm tỷ trọng lớn trong tổng phát thải quốc gia. Nghiên cứu này đánh giá thực trạng, nhận diện cơ hội cũng như thách thức, qua đó đề xuất giải pháp để thúc đẩy phát triển thị trường carbon tại Việt Nam thời gian tới.
Từ khóa: Lý thuyết hệ thống Xám, phát thải carbon, ngành công nghiệp chế biến, Net Zero, tăng trưởng xanh.
Abstract
In the context of climate change and the commitment to achieving net-zero emissions by 2050, accurately forecasting carbon emission trajectories is essential for establishing a green transition roadmap. This study applies Grey System Theory to analyze and forecast CO2 emissions in Vietnam's manufacturing industry—an energy-intensive sector that accounts for a significant share of the country's total emissions. The study evaluates the current situation, identifies both opportunities and challenges, and proposes solutions to foster the development of the carbon market in Vietnam in the coming period.
Keywords: Grey System Theory, carbon emissions, manufacturing industry, Net Zero, green growth
ĐẶT VẤN ĐỀ
Ngành công nghiệp chế biến được xem là động lực quan trọng của quá trình công nghiệp hóa và tăng trưởng kinh tế tại Việt Nam. Trong những năm gần đây, khu vực này đóng góp khoảng 24-27% GDP và chiếm hơn 85% tổng kim ngạch xuất khẩu, khẳng định vai trò chủ lực trong cơ cấu kinh tế quốc gia. Tuy nhiên, sự mở rộng nhanh chóng của các khu công nghiệp và dòng vốn FDI cũng kéo theo mức tiêu thụ năng lượng ngày càng lớn, khiến ngành này trở thành một trong những nguồn phát thải CO₂ đáng kể. Phát thải CO2 của ngành này chiếm đến 40% tổng lượng phát thải của toàn bộ nền kinh tế Việt Nam (PanTrading, 2024).
Trong bối cảnh Việt Nam cam kết đạt Net Zero vào năm 2050, áp lực giảm phát thải đối với các ngành tiêu thụ nhiều năng lượng ngày càng gia tăng. Tuy nhiên, việc dự báo quỹ đạo phát thải CO₂ của ngành chế biến, chế tạo vẫn gặp nhiều hạn chế do thiếu dữ liệu phát thải trực tiếp và chuỗi thời gian dài. Vì vậy, tiêu thụ điện năng thường được sử dụng như một biến đại diện để ước tính phát thải carbon. Trong nghiên cứu này, tác giả áp dụng Lý thuyết hệ thống Xám bao gồm các mô hình GM(1,1), DGM(1,1) và FGM(1,1), nhằm dự báo xu hướng phát thải trong điều kiện dữ liệu hạn chế, từ đó cung cấp cơ sở khoa học cho các chính sách giảm phát thải và chuyển đổi xanh tại Việt Nam.
CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
Cơ sở lý thuyết
Grey System Theory - Lý thuyết hệ thống Xám được đề xuất bởi Julong Deng vào năm 1982 nhằm phân tích và dự báo các hệ thống có thông tin không đầy đủ và mẫu dữ liệu nhỏ. Lý thuyết tập trung vào việc biến đổi các hệ thống "xám" (thông tin mập mờ) thành "trắng" (thông tin rõ ràng) thông qua xử lý chuỗi số và mô hình Grey Model. Khác với các phương pháp thống kê truyền thống thường yêu cầu dữ liệu lớn và phân phối xác định, Grey Model cho phép xây dựng mô hình dự báo hiệu quả ngay cả khi chuỗi dữ liệu ngắn và có mức độ bất định cao. Nhờ đặc điểm này, Grey Model được ứng dụng rộng rãi trong các nghiên cứu dự báo về năng lượng, môi trường và phát thải khí nhà kính.
Mô hình nghiên cứu
Nghiên cứu áp dụng ba mô hình dự báo gồm: Grey Model (GM), Fractional Grey Model (FGM) và Discrete Grey Model (DGM). Mô hình GM(1,1) là dạng mô hình Grey cơ bản, sử dụng toán tử tích lũy bậc một để làm giảm tính ngẫu nhiên của chuỗi dữ liệu và xây dựng phương trình vi phân nhằm mô tả xu hướng phát triển của hệ thống.
Mô hình FGM(1,1) mở rộng GM truyền thống bằng cách áp dụng toán tử tích lũy phân số, cho phép mô hình linh hoạt hơn trong việc nắm bắt các xu hướng tăng trưởng phi tuyến của dữ liệu thực tế. Nhờ đó, FGM thường cho độ chính xác dự báo cao hơn trong các chuỗi dữ liệu kinh tế và năng lượng có biến động phức tạp.
Trong khi đó, DGM(1,1) được xây dựng dưới dạng phương trình sai phân rời rạc, nhằm khắc phục sai số phát sinh khi chuyển đổi giữa mô hình liên tục và dữ liệu rời rạc trong GM truyền thống. Cách tiếp cận này giúp cải thiện tính phù hợp của mô hình khi xử lý các chuỗi dữ liệu theo năm.
Ba mô hình trên được ước lượng và so sánh để lựa chọn mô hình dự báo tối ưu, từ đó phục vụ cho việc dự báo xu hướng phát thải CO₂ trong giai đoạn nghiên cứu.
Dữ liệu nghiên cứu
Dữ liệu phát thải CO2 ở Việt Nam vẫn chưa được công bố rộng rãi và phổ biến trên các phương tiện thông tin đại chúng. Vì sự khan hiếm dữ liệu này, nhóm nghiên cứu sử dụng dữ liệu điện tiêu thụ bởi ngành để làm dữ liệu đại diện cho dữ liệu phát thải CO2. Việc sử dụng điện năng tiêu thụ làm biến đại diện cho phát thải CO2 là một phương pháp luận đã được khẳng định và sử dụng rộng rãi trong các nghiên cứu kinh tế môi trường tiền nhiệm (như: Ang, 2007; Soytas & Sari, 2009; và Rahman & Mamun, 2023).
Dữ liệu tiêu thụ điện của ngành được thu thập từ báo cáo Thống kê Năng lượng Việt Nam từ năm 2015 đến năm 2023.
KẾT QUẢ NGHIÊN CỨU
Thực trạng phát thải ngành Công nghiệp chế biến
Từ báo cáo thống kê năng lượng Việt Nam năm 2020 và năm 2023 của VNEEP, mức tiêu thụ điện của ngành công nghiệp chế biến tại Việt Nam trong giai đoạn 2015–2023 có xu hướng tăng trưởng rõ rệt, phản ánh sự mở rộng nhanh của hoạt động sản xuất công nghiệp. Tuy nhiên, dữ liệu cũng cho thấy sự biến động ngắn hạn, điển hình là sự sụt giảm vào năm 2020 trước khi phục hồi mạnh trong các năm sau. Nhìn chung, xu hướng dài hạn vẫn là gia tăng năng lượng đồng nghĩa với gia tăng phát thải gắn với tăng trưởng công nghiệp và nhu cầu năng lượng, đặc biệt là điện năng. Thực tế, các nghiên cứu cho thấy, phát thải CO₂ từ lĩnh vực công nghiệp tại Việt Nam đã tăng mạnh trong nhiều năm và đạt khoảng 107 triệu tấn CO₂ vào năm 2023, phản ánh vai trò lớn của khu vực sản xuất trong tổng lượng phát thải quốc gia.
Hình 1: Mức độ tiêu thụ điện của ngành Công nghiệp chế biến giai đoạn 2015-2023
Đơn vị: GWh
 |
Nguồn: Báo cáo thống kê năng lượng Việt Nam năm 2020, 2023 (VNEEP)
Kết quả các mô hình dự báo
Bảng 1: Dự báo mức độ tiêu thụ điện giai đoạn 2024-2030 của ngành công nghiệp chế biến
Đơn vị : GWh
| Mô hình | 2024 | 2025 | 2026 | 2027 | 2028 | 2029 | 2030 | MAPE(%) |
| GM | 103.835,5 | 107.285 | 110.849,1 | 114.531,6 | 118.336,5 | 122.267,75 | 126.329,61 | 3,53 |
| FGM | 95.588,05 | 94.635,15 | 93.425,17 | 92.031,35 | 90.510,69 | 88.907,59 | 87.256,57 | 1,92 |
| DGM | 103.753 | 107.176,6 | 110.713,1 | 114.366,4 | 118.140,2 | 122.038,50 | 126.065,45 | 3,53 |
Kết quả thực nghiệm (Bảng) cho thấy các phương pháp dự báo thuộc Grey System có năng lực dự báo rất tốt. Cụ thể, các giá trị MAPE của cả 3 mô hình đều nhỏ hơn 10%. Theo tiêu chuẩn đánh giá độ chính xác dự báo được đề xuất bởi Lewis (1982), mức sai số này cho phép khẳng định rằng các mô hình được sử dụng trong nghiên cứu có độ chính xác dự báo rất cao đối với phát thải CO₂ theo ngành.
Mặc dù tất cả các mô hình đều đạt mức độ chính xác cao, kết quả vẫn cho thấy sự khác biệt rõ rệt về hiệu quả dự báo giữa các mô hình. Trong đó, Fractional Grey Model (FGM) thể hiện ưu thế vượt trội khi đạt giá trị MAPE thấp nhất qua đó vượt trội so với mô hình Grey truyền thống (GM) và mô hình Grey rời rạc (DGM).
Ưu thế dự báo của FGM có thể được lý giải về mặt lý thuyết thông qua cơ chế tích lũy bậc phân số của mô hình. Không giống như GM và DGM, vốn bị giới hạn bởi toán tử tích lũy bậc nguyên (1-AGO), tham số bậc phân số r trong FGM được tối ưu hóa về mặt toán học, cho phép mô hình linh hoạt hơn trong việc phản ánh các xu hướng tăng trưởng phi tuyến, phức tạp và có thể biến động mạnh của dữ liệu tiêu thụ năng lượng theo ngành trong thực tế.
Do đó, dựa trên kết quả so sánh độ chính xác dự báo, FGM(1,1) được lựa chọn là mô hình cơ sở tối ưu (optimal base model) cho cả tám ngành kinh tế trong nghiên cứu này.
Về xu hướng dự báo, kết quả cho thấy, 2 mô hình GM và DGM đều dự báo phát thải CO₂ của ngành công nghiệp chế biến dựa trên tiêu thụ điện sẽ tiếp tục tăng trong giai đoạn 2024–2030. Cụ thể, lượng tiêu thụ dự báo tăng từ khoảng 103.800 GWh (năm 2024) lên khoảng 126.000 GWh (năm 2030). Xu hướng này phản ánh sự mở rộng liên tục của hoạt động sản xuất công nghiệp và nhu cầu năng lượng ngày càng tăng trong ngành chế biến.
Ngược lại, mô hình FGM dự báo xu hướng giảm dần của phát thải CO₂ từ xu hướng giảm dần của điện tiêu thụ, từ khoảng 95.588 GWh (năm 2024) xuống còn khoảng 87.257 GWh (năm 2024). Kết quả này có thể phản ánh khả năng mô hình FGM nắm bắt tốt hơn các yếu tố thay đổi cấu trúc trong hệ thống, chẳng hạn như cải thiện hiệu quả năng lượng, chuyển dịch sang công nghệ sạch hoặc các chính sách giảm phát thải trong ngành công nghiệp.
KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
Nghiên cứu đã khẳng định tính ưu việt của mô hình Xám phân số FGM(1,1) trong việc dự báo quỹ đạo phát thải CO2 của ngành công nghiệp chế biến tại Việt Nam. So với các mô hình truyền thống, FGM(1,1) thể hiện năng lực vượt trội trong việc nhận diện các biến động phi tuyến tính và điểm gãy cấu trúc với sai số MAPE thấp (1,92%).
Cụ thể, kết quả thực nghiệm từ mô hình FGM(1,1) với tham số r = 0,4 cho thấy một bước ngoặt quan trọng trong quỹ đạo phát thải khí nhà kính của ngành công nghiệp chế biến tại Việt Nam. Với độ chính xác dự báo cao (MAPE đạt 1,92%), mô hình chứng minh ưu thế vượt trội trong việc nắm bắt các biến động phi tuyến tính so với khung lý thuyết Xám truyền thống. Kết quả thực nghiệm cho thấy, một sự đảo chiều đáng kể: thay vì duy trì xu hướng tăng trưởng hàm mũ, lượng phát thải – lượng điện tiêu thụ được dự báo sẽ giảm từ 95.588 GWh (năm 2024) xuống mức 90.510,6 GWh vào năm 2028. Các "điểm gãy cấu trúc" này cung cấp bằng chứng thực nghiệm quan trọng ủng hộ giả thuyết Đường cong Kuznets Môi trường (EKC). Điều này hàm ý rằng, ngành công nghiệp chế biến đang tiến vào giai đoạn "tách rời" (decoupling), nơi các nỗ lực giảm cường độ phát thải thông qua cải tiến công nghệ đã bắt đầu áp đảo tác động của việc mở rộng quy mô sản xuất (Chang và cộng sự, 2023).
Cơ chế đằng sau sự sụt giảm này có thể được giải thích thông qua Giả thuyết Porter (1995). Cụ thể, các rào cản pháp lý và áp lực chi phí đầu vào tăng cao đã trở thành động lực thúc đẩy đổi mới sáng tạo thay vì chỉ là gánh nặng tài chính đơn thuần. Tại Việt Nam, lộ trình điều chỉnh giá điện theo Quyết định 1062/QĐ-BCT (ngày 04/5/2023 của Bộ Công Thương quy định bán giá điện) đã gửi đi tín hiệu giá mạnh mẽ, buộc các cơ sở thâm dụng năng lượng phải tái cấu trúc quy trình vận hành để bảo vệ biên lợi nhuận. Thay vì phản ứng thụ động, khu vực doanh nghiệp đã chủ động nội hóa các chi phí này bằng cách nâng cấp hệ thống và tối ưu hóa hiệu suất. Nhận định này tương đồng với phân tích của APERC (2019), cho thấy việc cải thiện hiệu suất có thể giảm tới 30% chi phí vận hành, qua đó xác nhận rằng giảm phát thải và năng lực cạnh tranh là hai mục tiêu có tính tương hỗ chiến lược.
Tuy nhiên, để duy trì quỹ đạo giảm phát thải bền vững trong dài hạn, hệ thống quản trị cần một sự chuyển đổi về tư duy chính sách. Các công cụ hành chính hiện hành, tiêu biểu là Nghị định 06/2022/NĐ-CP, ngày 07/01/2022 quy định về giảm nhẹ phát thải khí nhà kính và bảo vệ tầng ô-dôn dù đã đặt nền móng cho quản trị carbon nhưng việc quá phụ thuộc vào điều chỉnh giá điện trực tiếp có thể gây ra những rủi ro bất đối xứng cho tăng trưởng kinh tế. Do đó, lộ trình chính sách cần dịch chuyển từ cơ chế "mệnh lệnh và kiểm soát" sang các công cụ dựa trên thị trường. Việc thiết lập Hệ thống trao đổi hạn ngạch phát thải (ETS) hoặc thuế carbon sẽ tạo ra một khung giá carbon minh bạch, kích thích dòng vốn đầu tư dài hạn vào các công nghệ đột phá như thu giữ carbon (CCUS) hoặc năng lượng tái tạo tại chỗ (Gbadeyan và cộng sự, 2024; Li và cộng sự, 2024). Cách tiếp cận này không chỉ giúp nội hóa hiệu quả các tác động ngoại ứng môi trường mà còn đảm bảo tính bền vững và khả năng dự báo của lộ trình chuyển đổi xanh trong trung hạn./.
Tài liệu tham khảo:
1. Ang, B. W. (2007). CO2 emissions, energy consumption, and output in France. Energy Policy, 35(10), 4772–4778. https://doi.org/10.1016/j.enpol.2007.03.032
2. APERC. (2019). APEC Energy Demand and Supply Outlook (7th Edition) - Volume I. Asia Pacific Energy Research Centre.
3. Chang, H., Ding, Q., Zhao, W., Hou, N., & Liu, W. (2023). The digital economy, industrial structure upgrading, and carbon emission intensity: Empirical evidence from China's provinces. Energy Strategy Reviews, 50.
4. Deng, J. (1982). Control problems of grey systems. Systems & Control Letters, 1(5), 288–294. https://doi.org/10.1016/S0167-6911(82)80025-X
5. Gbadeyan, O. J., Muthivhi, J., Linganiso, L. Z., & Deenadayalu, N. (2024). Decoupling economic growth from carbon emissions: a transition toward low-carbon energy systems—a critical review. Clean Technologies, 6(3), 1076-1113.
6. Lewis, C. D. (1982). Industrial and business forecasting methods: A practical guide to exponential smoothing and curve fitting. Butterworth Scientific.
7. Li, G., Gao, P., & Wang, Z. (2024). Optimal emission regulation under market uncertainty. Naval Research Logistics (NRL), 71(8), 1092-1112.
8. PanTrading. (2024). Pan Trading JSC. Pantrading.vn. https://pantrading.vn/luong-khi-thai-co2-cua-viet-nam-nam-2024
9. Porter, M. E., & van der Linde, C. (1995). Toward a New Conception of the Environment-Competitiveness Relationship. Journal of Economic Perspectives, 9(4), 97-118.
10. Rahman, M. M., & Mamun, S. A. K. (2023). Carbon emissions, energy consumption and economic growth: A comparative study of China and India. Economic Analysis and Policy, 77, 318–333. https://doi.org/10.1016/j.eap.2022.11.020
11. Soytas, U., & Sari, R. (2009). Energy consumption, economic growth and carbon emissions: Challenges faced by an emerging economy. Ecological Economics, 68(6), 1667–1675. https://doi.org/10.1016/j.ecolecon.2007.06.014
12. Viện Năng lượng (2021). Thống kê năng lượng Việt Nam 2020. Vietnam Energy Partnership Group. https://vepg.vn/wp-content/uploads/2022/09/Vietnam-Energy-Statistics-2020-Thong-ke-nang-luong-Viet-Nam-2020_Dec-2021_VNEEP_IE.pdf
13. Viện Năng lượng (2024). Thống kê năng lượng Việt Nam 2023. Chương trình Quốc gia về Sử dụng Năng lượng Tiết kiệm và Hiệu quả (VNEEP). https://media02.tietkiemnangluong.com.vn/Images/Upload/User/toquyen/2025/6/3_thong_ke_nang_luong_2023_tv_in.pdf
| Ngày nhận bài: 10/2/2026; Ngày hoàn thiện biên tập: 25/3/2026; Ngày duyệt đăng: 3/4/2026 |
Tin liên quan
Các tin khác
Các yếu tố ảnh hưởng đến quyết định mua các sản phẩm Oishi của người tiêu dùng tại TP. Hồ Chí Minh
Bao trùm tài chính số và khả năng chống chịu tài chính của hộ gia đình: Vai trò của tiết kiệm chính thức và bằng chứng từ Global Findex
Đề xuất mô hình nghiên cứu các yếu tố ảnh hưởng đến sự hài lòng công việc của nhân viên tại doanh nghiệp vừa và nhỏ ở Việt Nam
Các yếu tố ảnh hưởng đến đổi mới sáng tạo của doanh nghiệp tại địa bàn TP. Hồ Chí Minh
Phát triển du lịch cộng đồng ở Việt Nam: Lý luận và thực tiễn
Nghiên cứu so sánh chính sách đổi mới công nghệ cho doanh nghiệp nhỏ và vừa tại Trung Quốc, Hàn Quốc và gợi ý cho Việt Nam
Đa dạng hóa thị trường và đối tác kinh tế của Việt Nam trong bối cảnh cạnh tranh chiến lược giữa các nước lớn
Cá nhân hoá hành trình khách hàng dựa trên AI tác động đến lòng trung thành thương hiệu - Vai trò trung gian của niềm tin thương hiệu
Các nhân tố ảnh hưởng đến khả năng áp dụng kế toán tinh gọn tại các doanh nghiệp sản xuất trên địa bàn TP. Hồ Chí Minh
