HAØm hoài quy cô SÔÛ phaân tích hoài quy cuûa moâ HÌNH



tải về 316.63 Kb.
trang1/3
Chuyển đổi dữ liệu30.08.2016
Kích316.63 Kb.
  1   2   3

GV. VOÕ PHÖÔÙC HAÄU

PHAÀN I:
MOÂ HÌNH KINH TEÁ NHAÂN QUAÛ

HAØM HOÀI QUY

CÔ SÔÛ PHAÂN TÍCH HOÀI QUY CUÛA MOÂ HÌNH

Hoài quy laø coâng cuï cô baûn ñeå ño löôøng kinh teá. Phaân tích hoài quy ño löôøng moái lieân heä phuï thuoäc cuûa moät bieán (goïi laø bieán phuï thuoäc hay bieán ñöôïc giaûi thích) vôùi moät hay nhieàu bieán khaùc (ñöôïc goïi laø bieán ñoäc laäp hay bieán giaûi thích).

Phaân tích hoài quy ñöôïc tieán haønh caùc böôùc sau:

Böôùc 1: Xaùc ñònh vaø neâu ra caùc giaû thieát veà moái quan heä giöõa caùc bieán kinh teá

Söû duïng kyõ thuaät öôùc löôïng hoài quy tuyeán tính baèng phöông phaùp bình phöông beù nhaát (OLS – Ordinary Least Squares) döïa treân ba giaû thieát cuûa moâ hình nhö sau:



  1. Moái quan heä giöõa Y vaø Xi laø tuyeán tính (theo tham soá)

  2. Xi laø caùc bieán soá ngaãu nhieân vaø caùc giaù trò cuûa noù laø khoâng ñoåi, coá ñònh. Ngoaøi ra khoâng coù söï töông quan hoaøn haûo giöõa hai hay nhieàu hôn caùc bieán ñoäc laäp.

  3. Soá haïng sai soá coù giaù trò kyø voïng baèng khoâng vaø phöông sai khoâng ñoåi (laø haèng soá) cho taát caû caùc quan saùt töùc laø E(i) = 0 vaø E(i2) = 0. Caùc bieán soá ngaãu nhieân I laø ñoäc laäp veà maët thoáng keâ. Nhö vaäy, E(ij) = 0 vôùi i  j. Soá haïng sai soá phaân phoái chuaån.

Böôùc 2: Thieát laäp moâ hình toaùn hoïc ñeå moâ taû quan heä giöõa caùc bieán soá

Nhö ñaõ trình baøy ôû phöông trình hoài quy söû duïng ôû daïng tuyeán tính:

Y = 0 + 1X1 + 2X2 + 3X3 + … + nXk + 

Y : bieán soá phuï thuoäc

Xi : bieán soá phuï thuoäc ( i = 1,2,…,k)

i : heä soá öôùc löôïng ( i = 0,1,2,…,k)

 : sai soá moâ hình

Böôùc 3: Öôùc löôïng caùc tham soá cuûa moâ hình ()

Caùc öôùc löôïng naøy laø caùc giaù trò thöïc nghieäm cuûa caùc tham soá trong moâ hình. Ngoaøi ra, theo lyù thuyeát kinh teá löôïng, neáu caùc giaû thieát cuûa moâ hình ñeàu thoûa, caùc haøm öôùc löôïng i laø caùc haøm öôùc löôïng tuyeán tính toát nhaát khoâng thieân leäch (BLUE – Best Linear Unbiased Estimation).

Böôùc 4: Kieåm ñònh caùc giaû thieát ñaët ra

Böôùc 5: Phaân tích moâ hình

CÔ SÔÛ LYÙ LUAÄN VEÀ TOÁI ÖU HOÙA COÙ ÑIEÀU KIEÄN


  • Daïng toång quaùt

Giaû söû haøm kinh teá coù daïng toång quaùt nhö sau:

Y = f(X1,X2,…,Xn)

Subject to: K = g(X1, X2, …, Xn)

Duøng phöông phaùp Lagrange ñeå tìm cöïc trò cuûa heä soá

Heä soá L = f(X1, X2, …, Xn) +  (g(X1, X2, …, Xn) – K)

Ñieàu kieän thöù nhaát (FOC) frist order condition:







Ñieàu kieän thöù hai (SOC) second order condition:

f11 = , f12 = ,… f1n =

f21 = , f22 = ,… f2n =

fn1 = , fn2 = ,… fnn =



Töø ñoù ta coù:

H1 =

H2 =

Coù hai tröôøng hôïp xaûy ra:

* Tröôøng hôïp 1:

Haøm soá Y = f(X1, X2, …, Xn) ñaït cöïc ñaïi taïi Xi* neáu:

(i = 1,2,…,n)

* Tröôøng hôïp 2:

Haøm soá Y = f(X1, X2,…,Xn) ñaït cöïc tieåu taïi Xi* neáu:

(i = 1,2,…,n)

Trong ñoù ñònh thöùc caáp i ñöôïc tính nhö sau:



  • Neáu n = 1

=> H1 =

  • Neáu n = 2

=> H2 = = f22* f11 – f21* f12

  • Neáu n = 3

=> H3 = = f11* f22*f33 + f12* f23*f31 + f21* f32*f13 – f31* f22*f13 – f11* f32*f23 – f33* f21*f12

  • Toái ña hoùa saûn löôïng coù ñieàu kieän:

Trong ñieàu kieän nguoàn voán haïn heïp thì vieäc thöïc hieän toái ña hoùa saûn löôïng gaëp nhieàu khoù khaên. Bôûi vì muoán con toâm phaùt trieån toát ñeå cho möùc saûn löôïng cao khi ñöôïc ñaàu tö chaêm soùc ñaày ñuû. Do ñoù ñeå thöïc hieän ñöôïc ñieàu ñoù ñoøi hoûi ngöôøi daân phaûi bieát tính toaùn löôïng hoùa caùc yeáu toá taùc ñoäng ñeán saûn löôïng toâm moät caùch hôïp lyù. Nhaèm traùnh laõng phí vaø ñaït hieäu quaû kinh teá cao.

Giaû söû phöông trình haøm saûn xuaát cuûa toâm cho caùc yeáu toá ñaàu vaøo coù Xi (i = 1,2,…,n) coù daïng:

Y = f(X1, X2,…Xn)

Subject to: K = P1*X1 + P2*X2 +… +Pn*Xn

Duøng kyõ thuaät Larange ñeå giaûi baøi toaøn naøy ta ñöôïc caùc möùc ñaàu vaøo X1*, X2*, …, Xn* vaø möùc saûn löôïng Y = f(Xi*)

YÙ nghóa: taïi caùc möùc ñaàu vaøo X1*, X2*, …, Xn* ta seõ thu ñöôïc möùc saûn löôïng toái ña töø vieäc nuoâi toâm.



  • Toái ña hoùa lôïi nhuaän

Phöông trình haøm lôïi nhuaän coù daïng:

* = P*Y - Pi* Xi – FC

Subject to: Y0 = f(Xi) (vôùi i = 1,2,…,n)

Trong ñoù:  : lôïi nhuaän

P : giaù ñaàu ra

Pi : giaù caùc yeáu toá ñaàu vaøo (vôùi i = 1,2,…n)

Cuøng vôùi thuaät toaùn Larange giaûi phöông trình treân ta ñöôïc nghieäm X1*, X2*, …, Xn* löôïng ñaàu vaøo Y* vaø möùc lôïi nhuaän *

YÙ nghóa: Taïi caùc möùc ñaàu vaøo X1*, X2*, …, Xn* ta seõ thu ñöôïc möùc lôïi nhuaän toái ña töø vieäc nuoâi toâm.



PHAÀN II:
LYÙ THUYEÁT SAÛN XUAÁT VAØ ÖÔÙC TÍNH NAÊNG SUAÁT



  1. LYÙ THUYEÁT SAÛN XUAÁT

Trong khi kinh teá saûn xuaát truyeàn thoáng cho raèng naêng suaát laø moät haøm cuûa ñaát ñai, lao ñoäng vaø voán, thì trong phaân tích naêng suaát hieän ñaïi noù coøn bao goàm caû caùc bieán khaùc nöõa nhö voán nhaân löïc, voán töï nhieân. Do ñoù, trong haøm kinh doanh saûn xuaát hieän ñaïi chuùng ta coù haøm ñöôïc theå hieän chi tieát nhö sau:

Y = f(X, Z, M, E)

ÔÛ ñaây: Y = naêng suaát

X = caùc bieán ñaàu vaøo bieán ñoåi

Z = caùc bieán ñaàu vaøo coá ñònh

M = caùc ñaàu vaøo quaûn lyù

E = chaát löôïng moâi tröôøng

Cobb and Douglas (1928) ñaõ quan saùt döôùi daïng logarit cuûa ñaàu ra vaø ñaàu vaøo trong soá lieäu toång vaø thaáy xuaát hieän döôùi daïng tuyeán tính, khi ñoù haøm coù theå ñöôïc bieåu dieãn nhö sau:

lnyit = lno + 1lnxlit + jlnzjit +1lnMt +klnEt

Nhöng caùc nhaø kinh teá baét ñaàu nhaän thaáy moät vaøi haïn cheá trong moâ hình naøy vaø ñöa ra caùc moâ hình löïa choïn khaùc. Moät vaøi moâ hình ñang coù trieån voïng nhö moâ hình haøm sieâu vieät, haøm co daõn thay theá coá ñònh (CES) vaø haøm translog. Nhöõng söï phaùt trieån caùc daïng haøm môùi naøy phaûn aùnh söï hieåu bieát veà caùc daïng haøm trong phaân tích saûn xuaát ngaøy caøng taêng leân vaø caùc haøm trong phaân tích saûn xuaát coù theå buoäc phaûi haïn cheá ñeán caùc moái quan heä kinh teá bao xung quanh caùc moái quan heä haønh vi töông öùng.

Caùc haøm cung ñaàu ra vaø caàu ñaàu vaøo. Haøm Cobb-Douglas coù öu ñieåm laø ñôn giaûn, nhöng noù bò haïn cheá khi ñöa vaøo ñoù moät soá haïn cheá nhö nhöõng co daõn thay theá ñôn vò, co daõn saûn xuaát coá ñònh, vaø co daõn caàu caùc nhaân toá coá ñònh.


  1. PHÖÔNG PHAÙP

Khaùi nieäm cô baûn trong tính toaùn naêng suaát ñoù laø naêng suaát nhaân toá toång (TFP), ñoù laø tyû soá cuûa chæ soá ñaàu ra toång vaø chæ soá ñaàu vaøo toång. Söï thay ñoåi trong TFP coù theå ñöôïc phaân chia thaønh 2 thaønh phaàn do söï thay ñoåi hieäu quaû kyõ thuaät, quy moâ vaø thay ñoåi coâng ngheä. Tieáp caän tính toaùn taêng tröôûng söû duïng bieän phaùp soá chæ soá TFP ñeå löôïng hoùa caùc thaønh phaàn cuûa thay ñoåi naêng suaát. Nhöng tieáp caän kinh teá cuõng coù theå ñöôïc söû duïng ñeå öôùc tính caùc thaønh phaàn cuûa TFP söû duïng caùc haøm saûn xuaát, haøm chi phí vaø haøm lôïi nhuaän.

Caùc nguoàn cuûa taêng tröôûng naêng suaát

  1. Quy moâ cuûa ñaàu vaøo – Moät söï taêng leân trong ñaàu vaøo seõ laø keát quaû trong taêng tröôûng ñaàu ra, neáu nhö moïi ñieàu kieän khaùc khoâng ñoåi.

  2. Thay ñoåi coâng ngheä – laø keát quaû cuûa nghieân cöùu vaø khuyeán noâng, thay ñoåi coâng ngheä seõ mang laïi söï taêng leân cuûa ñaàu ra. Coù hai loaïi thay ñoåi coâng ngheä: loaïi nghieâng vaø loaïi khoâng nghieâng. Söï thay ñoåi coâng ngheä bò cheäch aûnh höôûng tôùi naêng suaát theo nhöõng ñaàu vaøo naøo ñoù, trong khi söï thay ñoåi coâng ngheä khoâng bò cheäch seõ coù aûnh höôûng trung tính trong söû duïng ñaàu vaøo vaø seõ dòch chuyeån haøm saûn xuaát theo höôùng song song.

  3. Hieäu quaû kyõ thuaät – Söï taêng leân cuûa ñaàu ra khoâng phaûi laø do moät söï thay ñoåi naøo trong quy moâ ñaàu vaøo, maø laø keát quaû cuûa quaûn lyù hieäu quaû ñaàu vaøo. Naêng suaát coù theå taêng leân ví duï nhö neáu phaân boùn ñöôïc boùn ñuùng thôøi ñieåm hoaëc vôùi löôïng thích hôïp,v.v…

Ñoâi khi naêng suaát cuõng coù theå aûnh höôûng bôûi chaát löôïng cuûa nguoàn löïc noâng nghieäp cô baûn nhö ñaát ñai vaø nguoàn nöôùc. Do ñoù, trong moät soá phaân tích naêng suaát, caùc yeáu toá beân ngoaøi do söï suy thoaùi nguoàn löïc cuõng laø caùc nguyeân nhaân daãn ñeán söï giaûm naêng suaát.



Ñoà thò 1. Phaân tích naêng suaát trong khoâng gian Ñaàu vaøo – ñaàu ra

YI = Ñöôøng naêng suaát cuûa nhöõng ngöôøi noâng daân laøm toát nhaát

YII = Ñöôøng naêng suaát cuûa caùc noâng daân bình quaân



Ñoà thò 2. Phaân tích naêng suaát trong quan heä ñaàu vaøo – ñaàu vaøo

Caùc phöông phaùp ño nguoàn taêng tröôûng naêng suaát

Ñoà thò 1 vaø 2 phaûn aùnh moái quan heä saûn xuaát trong moái quan heä giöõa Ñaàu vaøo – ñaàu ra vaø moái quan heä ñaàu vaøo – ñaàu vaøo. Ñoà thò 1 chæ ra raèng söï thay ñoåi coâng ngheä coù theå dòch chuyeån ñöôøng cong ra beân ngoaøi, ra xa hôn. Hieäu quaû kyõ thuaät ñöôïc phaûn aùnh taïi ñieåm treân ñöôøng yI. Moät ngöôøi noâng daân saûn xuaát theo ñöôøng cong yI seõ ñaït hieäu quaû cao hôn so vôùi ngöôøi noâng daân saûn xuaát taïi ñöôøng cong yII, bôûi vì ngöôøi noâng daân saûn xuaát treân ñöôøng yI saûn xuaát ra moät löôïng saûn phaåm lôùn hôn vôùi cuøng moät ñaàu vaøo.



  1. Phöông phaùp tính toaùn söï thay ñoåi coâng ngheä

Thay ñoåi coâng ngheä laø moät söï dòch chuyeån ñöôøng cong saûn xuaát do thay ñoåi coâng ngheä khoâng ñoåi theo quy moâ (ví duï nhö gioáng) vaø thay ñoåi coâng ngheä bò cheäch (ví duï nhö maùy moùc).

Chuùng ta xaùc ñònh söï thay ñoåi kyõ thuaät trung tính baèng vieäc coäng theâm vaøo ñoù bieán giaû toïa ñoäc goác vaøo trong phöông trình haøm saûn xuaát, cuï theå laø:

lnyit = lno + 1lnxlit + jlnzjit + lMl + klnEj + T

Coøn ñoái vôùi caùch öôùc tính söï thay ñoåi coâng ngheä bò cheäch baèng caùch ñöa theâm vaøo trong phöông trình haøm saûn xuaát moät ñoä doác giaû vaøo trong ñaàu vaøo bò aûnh höôûng bôûi coâng ngheä môùi, cuï theå laø:

lnyit = lno + 1lnxlit + Tlnxjit + jlnzjit + llnMt + klnEt


  1. Öôùc tính hieäu quaû kyõ thuaät

Phi hieäu quaû kyõ thuaät ñöôïc xaùc ñònh laø nhöõng sai laàm hoaëc thaát baõi trong vieäc saûn xuaát ñaàu ra toái öu (saûn xuaát treân ñöôøng bieân) vôùi moät löôïng ñaàu vaøo vaø kyõ thuaät vaø noù ñöôïc coi laø phaàn bò maát ñi trong saûn xuaát. Coù raát nhieàu nghieân cöùu ñaõ aùp duïng caùc haøm ñöôøng bao trong öôùc tính hieäu quaû kyõ thuaät. Ña soá caùc nghieân cöùu ñöôïc aùp duïng trong nghieân cöùu luùa gaïo (Kalirajan and Shand, 1989, Battese and Coelli, 1992, Rola and Alejandrino, 1993 vaø caùc taùc giaû khaùc)

Ví duï döôùi ñaây ñöôïc trích töø trong nghieân cöùu cuûa Bacayag and Rola (2001).

Trong tröôøng hôïp caùc trang traïi troàng ngoâ, nhöõng ngöôøi noâng daân coù kyõ thuaät töông ñoái gioáng nhau nhöng coù moâi tröôøng ñaát ñai khaùc nhau. Nhöõng thaát baïi cuûa nhöõng noâng daân khoâng theå ñaït ñöôïc ñeán ñöôøng bieân cao nhaát thoâng thöôøng do moät soá nguyeân nhaân sau:


  1. Quaûn lyù caây troàng khoâng hieäu quaû cuûa ngöôøi noâng daân

  2. Ñaát ñai ôû trang traïi cuûa hoï ñaõ bò giaûm caáp

Bôûi vaäy, thaùch thöùc ôû ñaây ñoù laø phaûi ñöa theâm trong öôùc tính phi hieäu quaû kyõ thuaät cuûa nhöõng ngöôøi noâng daân troàng ngoâ moät kyõ thuaät taùch rieâng aûnh höôûng cuûa caùc nhaân toá khaùc nhau, ñaëc bieät laø chaát löôïng ñaát.

Neáu chung ta kyù hieäu um laø löôïng saûn phaåm bò maát do quaûn lyù caây troàng khoâng hieäu quaû vaø us laø phaàn saûn löôïng maát do söï suy giaûm chaát löôïng ñaát vaø toång löôïng maát laø ui vaø ñöôïc tính baèng ñoä leäch trong saûn xuaát cuûa moät trang traïi cuï theå vôùi ñöôøng bieân hieäu quaû:

Ui = um + us

AÙp duïng khaùi nieäm cuûa Coelli, Perelman and Romano (1996), hai thaønh phaàn naøy coù theå ñöôïc öôùc löôïng theo nguyeân taéc hieäu quaû kyõ thuaät.

Haøm saûn xuaát daïng Translog ñöôïc bieán ñoåi töø ngaãu nhieân (Fuss, McFadden and Mundlak, 1978) ñaõ ñöôïc söû duïng ñeå taïo ra hieäu quaû kyõ thuaät phaân loaïi caùc trang traïi rieâng bieät söû duïng soá lieäu theo khoái (theo Cornwell et al. 1990, Kumbhakar, 1990). Ñeå öôùc tính um and us caùc tröôøng hôïp döôùi ñaây ñaõ ñöôïc caân nhaéc:

Tröôøng hôïp A. Trong phaàn mieâu taû moâ hình, coù moät giaû söû ñöôïc ñöa ra ñoù laø moâi tröôøng ñaát ñai aûnh höûông tôùi haøm saûn xuaát vaø töøng hoä noâng daân seõ chòu caùc ñieàu kieän ñaát ñai khaùc nhau. Trong tröôøng hôïp naøy, caùc nhaân toá ñaát ñai seõ ñöôïc ñöa tröïc tieáp vaøo haøm saûn xuaát nhö laø caùc bieán ñoäc laäp. Do ñoù, ñoä leäch so vôùi ñöôøng hieäu quaû saûn xuaát cao nhaát laø chæ do aûnh höôûng cuûa vieäc quaûn lyù caây troàng thoâi (um) vaø haøm saûn xuaát seõ ñöôïc theå hieän nhö sau:

lnyit = o + 1lnxlit + jlnxjit + ljlnxlitlnxjit + lkEkitlnxlit + jkEkitlnxjit + kEkit + it

ÔÛ ñaây : yit = saûn löôïng ñöôïc taïo ra bôûi trang traïi thöù i trong giai ñoaïn t

i = 1,2,3… n trang traïi vaø t = 1,2,3… t giai ñoaïn

xlit = ñaàu vaøo bieân doác thöù 1 cuûa trang traïi thöù i trong giai ñoaïn t

l = 1,2,3… L ñaàu vaøo

xlit = ñaàu vaøo coá ñònh thöù I cuûa trang traïi thöù i trong giai ñoaïn t

ÔÛ ñaây j = 1,2,3…J ñaàu vaøo

Ekit = nhaân toá k aûnh höôûng ñeán ñaëc tính ñaát ñai cuûa trang traïi i trong giai ñoaïn t ôû ñaây k = 1,2,3,…K nhaân toá.

it = vit – umit (sai soá keát hôïp)

vit = bieán ngaãu nhieân do öôùc tính sai soá, soá ngaãu nhieân vaø caùc aûnh höôõng thoáng keâ khaùc cuûa trang traïi i trong giai ñoaïn t

umit = khoâng hieäu quaû kyõ thuaät (naêng suaát bò maát) do vieäc quaûn lyù keùm hieäu quaû cuûa trang traïi i trong thôøi kyø t.

Theo Aigner, Lovell and Schmidt (1977), bieán aûnh höôûng ñoái xöùng ngaãu nhieân vit giaû söû coù daïng phaân phoái ñoàng nhaát vaø ñoäc laäp laø N(0,v2). Phaàn umit laø caùc aûnh höôûng phi hieäu quaû kyõ thuaät khoâng aâm hay ñoù laø phaàn naêng suaát bò maát do keát quaû quaûn lyù cuûa ngöôøi noâng daân vaø cuõng giaû söû laø ñöôïc phaân phoái phuï thuoäc vaø bò chaën (taïi 0) cuûa phaân phoái chuaån vôùi ñoä bieán ñoäng um2.

Tröôøng hôïp B. Trong phaàn dieãn giaûi cuûa moâ hình naøy, cuõng coù caùc giaû söû laø caùc trang traïi ñang canh taùc treân ñieàu kieän ñaát ñai toát nhaát trong khu vöïc, do ñoù, löôïng maát do saûn xuaát (khoâng hieäu quaû kyõ thuaät) laø do caû 2 yeáu toá quaûn lyù vaø yeáu toá ñaát ñai. Do ñoù caùc nhaân toá aûnh höôûng tôùi ñaëc tính cuûa ñaát ñai seõ aûnh höôûng tôùi möùc ñoä phi hieäu quaû kyõ thuaät uit vaø khoâng aûnh höôûng tôùi loaïi, daïng cuûa kyõ thuaät saûn xuaát. Do vaäy, haøm saûn xuaát ñöôïc theå hieän nhö sau:

(3) lnyit = o + llnxlit + jlnxjit + ½ ljlnxlitlnxjit + it

ÔÛ ñaây: it = vit – uit (sai soá keát hôïp)

vit = bieán ngaãu nhieân do sai soá öôùc löôïng, caùc soá ngaãu nhieân vaø caùc aûnh höôûng thoáng keâ khaùc cuûa trang traïi i trong giai ñoaïn t.

uit = khoâng hieäu quaû kyõ thuaät (löôïng maát) do quaûn lyù vaø caùc nhaân toá moâi tröôøng ñaát ñai cuûa trang traïi i trong giai ñoaïn t

Nhö trong tröôøng hôïp A bieán nhieàu ñoái xöùng ngaãu nhieân vit ñöôïc giaû söû laø coù phaân boá ñoàng nhaát phuï thuoäc N(0, v2). Coøn thaønh phaàn uit chính laø caùc aûnh höôûng phi hieäu quaû kyõ thuaät khoâng aâm hoaëc phaàn bò maát do keát quaû quaûn lyù khoâng hieäu quaû cuûa ngöôøi noâng daân vaø ñieàu kieän ñaát ñai cuûa trang traïi cuûa hoï vôùi giaû söû laø haøm phaân phoái phuï thuoäc vaø taêng daàn töø phaàn bò chaën (taïi 0) cuûa phaân phoái chuaån taéc vôùi ñoä bieán ñoäng laø u2. Caùc bieán khaùc ñöôïc xaùc ñònh nhö trong tröôøng hôïp A.

Caùc tham soá chöa bieát cuûa hai haøm saûn xuaát (phöông trình 2 vaø 3) coù theå xaùc ñònh ñöôïc ñoàng thôøi söû duïng öôùc löôïng baèng phöông phaùp choïn giaù trò cho pheùp xaùc suaát toái ña (MLE). Ñieàu naøy coù theå thöïc hieän baèng caùch söû duïng chöông trình FRONTIER Version 4.1 (Coelli, 1994). Chöông trình naøy söû duïng tham soá 2 = v2 + u2 and  = u2/ ôû ñaây  phaûi naèm giöõa 0 vaø 1 (Coelli, et al., 1996). Trong tröôøng hôïp naøy phi hieäu quaû kyõ thuaät umit vaø uit ñaõ ñöôïc tính toaùn nhö sau:

(4) umit = E[exp(-umit)/it vaø

(5) uit = E[exp(-uit)/it

Sau ñaây khi uit vaø umit ñaõ ñöôïc öôùc löôïng trong phöông trình (4) vaø (5) phaàn maát ñi do ñieàu kieän ñaát ñai (usit) seõ ñöôïc tính toaùn baèng caùch tröø umit töø uit. Do ñoù,

usit = uit – umit

Haøm hoài quy ôû giai ñoaïn thöù 2 seõ ñöôïc thöïc hieän giöõ umit vaø caùc ñònh thöùc cuûa noù ñeå xaùc ñònh lieäu nhöõng hieåu bieát sinh thaùi noâng nghieäp cuûa ngöôøi noâng daân coù aûnh höôûng ñeán hieäu quaû kyõ thuaät cuûa trang traïi khoâng. Söï phaân tích hoài quy naøy coù theå ñöôïc bieåu hieän döôùi daïng haøm nhö sau:

umit = o +  j zjit + it

ÔÛ ñaây: zjit = nhaân toá j aûnh höôûng ñeán keát quaû quaûn lyù cuûa ngöôøi noâng daân i trong giai ñoaïn t

it = phaàn sai soá

PHAÀN III

XAÙC ÑÒNH VAØ NEÂU RA CAÙC GIAÛ THIEÁT VEÀ MOÁI QUAN HEÄ GIÖÕA CAÙC BIEÁN

THIEÁT LAÄP MOÂ HÌNH TOAÙN HOÏC CHO HAØM SAÛN XUAÁT

Döïa vaøo thöïc teá saûn xuaát ôû ñòa phöông chuùng toâi ñeà ra caùc giaû thieát nhö sau:



  • Tröôùc heát laø löôïng gioáng gieo saï: ñoái vôùi noâng daân saûn xuaát theo taäp quaùn truyeàn thoáng hoï gieo saï vôùi maät ñoä daøy, khi caây luùa phaùt trieån khoaûng caùch giöõa caùc daõnh luùa khoâng thoâng thoaùng laøm cho caây luùa yeáu, deã ñoå ngaõ, ñeû nhaùnh ít, ít boâng, deã nhieãm saâu beänh laøm aûnh höôûng ñeán naêng suaát thu hoaïch. Trong khi ñoù noâng daân IPM gieo saï vôùi maät ñoä thöa hôn laøm cho caây luùa ñeû nhaùnh nhieàu, nhaùnh khoûe, khaùng saâu beänh, cho nhieàu boâng, chaéc haït cho naêng suaát cao hôn? (ñôn vò tính laø kg/ha).

  • Thöù hai laø trong saûn xuaát noâng nghieäp noùi chung vaø trong canh taùc luùa noùi rieâng, lao ñoäng laø yeáu toá coù aûnh höôûng lôùn ñeán saûn löôïng. Töø khaâu laøm ñaát chuaån bò gieo saï ñeán khi gieo saï chaêm soùc, phun thuoác, boùn phaân, laøm coû,… (khoâng bao goàm coâng thu hoaïch), nhö vaäy, lieäu lao ñoäng aûnh höôûng ñeán naêng suaát ôû möùc ñoä naøo? (ñôn vò tính laø ngaøy coâng/ha).

  • Thöù ba laø trình ñoä hoïc vaán: neáu noâng daân coù trình ñoä hoïc vaán cao hôn coù theå troàng luùa toát hôn noâng daân khoâng bieát chöõ hoaëc noâng daân coù trình ñoä thaáp hôn hay khoâng? Ñaây cuõng laø yeáu toá quan troïng bôûi vì neáu noâng daân coù trình ñoä hoï seõ tieáp thu nhöõng tieán boä khoa hoïc kyõ thuaät qua caùc phöông tieän thoâng tin hoaëc töø caùc chöông trình khuyeán noâng ôû ñòa phöông vaø aùp duïng vaøo saûn xuaát ôû ruoäng nhaø. Lieäu trình ñoä hoïc vaán coù aûnh höôûng nhö theá naøo ñeán naêng suaát? (trình ñoä hoïc vaán töø 1 ñeán 12)

  • Keá ñeán laø phaân boùn: phaân boùn laø yeáu toá coù aûnh höôûng raát lôùn ñeán caây troàng, cuï theå laø töøng loaïi N, P, K coù aûnh höôûng ñeán naêng suaát ôû möùc ñoä naøo? (trong soá lieäu chuùng toâi toång hôïp töøng thaønh phaàn N, P, K theo tyû leä cuûa chuùng trong caùc loaïi phaân hoãn hôïp khaùc nhau vaø quy thaønh kg/ha).

  • Trong saûn xuaát luùa hieän nay thöôøng xaûy ra nhöõng dòch beänh, do ñoù noâng daân thöôøng phaûi söû duïng thuoác tröø saâu, thuoác tröø beänh hoaëc thuoác döôõng ñeå baûo veä cho caây luùa phaùt trieån toát, haïn cheá thaát muøa. Do ñoù chuùng toâi cuõng ñöa bieán chi phí cho thuoác BVTV vaøo moâ hình ñeå xem xeùt söï aûnh höôûng cuûa thuoác BVTV ñeán naêng suaát (ñôn vò tính laø ñoàng/ha)

  • Cuoái cuøng döïa treân phöông phaùp saûn xuaát cuûa hai nhoùm hoä noâng daân, bieán Dummy laø IPM vaøo moâ hình, nhaèm xaùc ñònh xem neáu saûn xuaát theo phöông phaùp IPM thì naêng suaát coù cao hôn hay thaáp hôn so vôùi noâng daân saûn xuaát theo taäp quaùn truyeàn thoáng (vôùi giaù trò cuûa bieán IPM laø 1 neáu coù aùp duïng phöông phaùp IPM vaø 0 neáu saûn xuaát theo taäp quaùn truyeàn thoáng)

Toùm laïi, trong moâ hình haøm saûn xuaát chuùng toâi ñöa vaøo 8 bieán ñeå xem möùc ñoä aûnh höôûng cuûa chuùng ñeán naêng suaát, ñoù laø: löôïng gioáng gieo saï, soá coâng lao ñoäng (khoâng bao goàm coâng thu hoaïch), trình ñoä hoïc vaán, löôïng N, P2O5, K2O, chi phí BVTV vaø loaïi hình canh taùc (coù aùp duïng IPM vaø canh taùc theo taäp quaùn truyeàn thoáng).

THIEÁT LAÄP MOÂ HÌNH TOAÙN HOÏC CHO HAØM SAÛN XUAÁT

Töø nhöõng bieán soá nhö treân chuùng toâi xaây döïng haøm saûn xuaát theo daïng Cobb – Douglas nhö sau:

LN naêng suaát = 0 + 1LN gioáng + 2LN lao ñoäng + 3 LN TÑHV + 4 LN N + 5 LN K + 5 LN BVTV + 8 IPM. (1)

ÖÔÙC LÖÔÏNG CAÙC THAM SOÁ CUÛA MOÂ HÌNH

Töø nguoàn soá lieäu ñieàu tra chuùng toâi duøng phaàn meàm SPSS ñeå öôùc löôïng caùc tham soá cuûa moâ hình (1)



Caùc thoâng soá öôùc löôïng cuûa moâ hình haøm saûn xuaát luùa vuï ñoâng xuaân 2002 – 2002 taïi xaõ Long Ñònh

Caùc bieán

Heä soá 

Giaù trò tstat*

Sig.

Constant

LN gioáng

LN lao ñoäng

LN TÑHV


LN N

LN P


LN K

LN BVTV


IPM

7,159

-0,002


-0,099

0,026


0,025

0,029


0,007

0,0007


0,042

39,470

-0,049


-5,983

3,063


1,564

2,719


5,863

0,840


4,280

0,000

0,961


0,000

0,003


0,123

0,008


0,000

0,404


0,000

Ghi chuù: So saùnh vôùi möùc yù nghóa  = 0,1

Bieán phuï thuoäc laø naêng suaát luùa (kg/ha)

R2 = 0,701. Giaù trò F = 19,902

Giaù trò Durbin – Watson: d = 1,477

Qua baûng treân chuùng toâi vieát laïi phöông trình (1) nhö sau:

LN naêng suaát = 7,159 – 0,002 LN gioáng – 0,099 LN lao ñoäng + 0,026 LN TÑHV + 0,025 LN N + 0,029 LN P + 0,007 LN K + 0,007 LN BVTV + 0,042 IPM



KIEÅM ÑÒNH GIAÛ THIEÁT

Vì phöông trình haøm saûn xuaát ñöôïc xaây döïng döïa vaøo phöông phaùp öôùc löôïng hoài quy tuyeán tính döïa treân moät soá giaû thieát cô baûn cuûa moâ hình hoài quy nhö ñaõ trình baøy ôû phaàn cô sôû lí luaän. Do ñoù chuùng toâi tieán haønh kieåm ñònh caùc vi phaïm giaû thieát cuûa moâ hình.



HIEÄN TÖÔÏNG TÖÏ TÖÔNG QUAN

Ñaây laø hieän töoäng maø moät soá haïng sai soá cuûa moät maãu quan saùt cuï theå naøo ñoù cuûa toång theå coù quan heä tuyeán tính vôùi moät hay nhieàu caùc soá haïng sai soá cuûa caùc maåu quan saùt khaùc trong toång theå.

Ñeå kieåm tra hieän töôïng naøy chuùng toâi söû duïng phöông phaùp kieåm ñònh Durbin – Watson, vôùi giaû thieát:

H0 : khoâng coù hieän töôïng töï töông quan döông

H0* ; khoâng coù hieän töôïng töï töông quan aâm

H1 : coù hieän töôïng töï töông quan

Töø keát quaû öôùc löôïng ta coù giaù trò thoáng keâ Durbin – Watson: d = 1,477. Tra baûng giaù trò dL vaø dU cuûa heä thoáng keâ Durbin – Watson vôùi möùc yù nghóa 5%, ta coù: dL = 1,399 vaø dU = 1,867.

Ta nhaän thaáy raèng dU < d < dL.

Giaù trò d rôi vaøo vuøng khoâng keát luaän ñöôïc, töùc laø khoâng coù cô sôû naøo ñeå baùc boû hay chaáp nhaän H1. Ñeå xaùc ñònh moâ hình coù bò vi phaïm giaû thieát naøy hay khoâng chuùng toâi öôùc löôïng heä soá töông quan:

Res 1 = 0 + Res1-1

Töø keát quaû öôùc löôïng chuùng toâi thu ñöôïc: t = 5,66 > t0,05;77 = 1,671

Ñieàu naøy chöùng toû   0 vaø moâ hình coù hieän töôïng töï töông quan.

Ñeå khaéc phuïc hieän töôïng töï töông quan ,chuùng toâi tieán haønh bieán ñoåi soá lieäu nhö sau:


  • Moâ hình goác:

LN naêng suaát = 0 + 1LN gioáng + 2LN lao ñoäng + 3 LN TÑHV + 4 LN N + 5 LN P + 6 LN K + 7LN BVTV + 8 IPM. (1)

  • Nhaân hai veá phöông trình (1) cho  ta ñöôïc:

LN naêng suaát = 0 + 1LN gioáng + 2LN lao ñoäng + 3 LN TÑHV + 4 LN N + 5 LN P + 6 LN K + 7LN BVTV + 8 IPM. (2)

  • Laáy phöông trình (1) tröø cho phöông trình (2), ta ñöôïc:

LN naêng suaát - LN naêng suaát = 0 - 0 + 1LN gioáng - 1LN gioáng + 2LN lao ñoäng - 2LN lao ñoäng + … + 8 IPM - 8 IPM. (3)

  • Öôùc löôïng laïi phöông trình (3) thaønh:

LN naêng suaát* = 0* + 1LN gioáng* + 2LN lao ñoäng* + 3 LN TÑHV* + 4 LN N* + 5 LN P* + 6 LN K* + 7LN BVTV* + 8 IPM*. (4)

Sau khi öôùc löôïng laïi phöông trình (4) chuùng toâi coù keát quaû nhö sau:



Heä soá öôùc löôïng cuûa phöông trình (4)

Caùc bieán

Heä soá 

Giaù trò tstat*

Sig.

Constant

LN gioáng

LN lao ñoäng

LN TÑHV


LN N

LN P


LN K

LN BVTV


IPM

7,140

-0,006


-0,077

0,017


0,019

0,027


0,007

0,003


0,040

67,855

-0,307


-7,909

3,305


1,989

4,379


9,928

0,722


7,134

0,000

0,760


0,000

0,002


0,051

0,000


0,000

0,473


0,000

Ghi chuù: So saùnh vôùi möùc yù nghóa  = 0,05

Bieán phuï thuoäc laø naêng suaát luùa (kg/ha)

R2 = 0,843. Giaù trò F = 45,737

Giaù trò Durbin – Watson: d = 2,031

Kieåm tra laïi hieän töôïng töï töông quan, ta coù: dL = 1,399 vaø dU = 1,867. ta nhaän thaáy: d < 4 – dU: baùc boû giaû thieát H1 töùc laø khoâng coù hieän töôïng töï töông quan trong moâ hình.

Vaäy, sau khi chuyeån ñoåi soá lieäu, moâ hình hoài quy khoâng coøn hieän töôïng töï töông quan.



HIEÄN TÖÔÏNG PHÖÔNG SAI KHOÂNG ÑOÀNG ÑEÀU

Ñaây laø hieän töôïng phöông sai sai soá öùng vôùi caùc giaù trò cuûa bieán ñoäc laäp laø khaùc nhau (phöông sai khoâng laø moät haèng soá). Ñeå kieåm tra hieän töôïng naøy chuùng toâi söû duïng phöông phaùp kieåm ñònh White – test vôùi giaû thieát:

H0 : khoâng coù hieän töôïng phöông sai khoâng ñoàng ñeàu

H1 : coù hieän töôïng phöông sai khoâng ñoàng ñeàu

Töø keát quaû öôùc löôïng phöông trình hoài quy nhaân taïo, chuùng toâi coù heä soá xaùc ñònh cuûa moâ hình hoài quy nhaân taïo: R2aux = 0,182

Giaù trò thoáng keâ White Statistics:

W­stat = N*R2aux = 77* 0,281 = 21,637 < 20,05;29 = 42,557

Baùc boû H1, töùc laø khoâng coù hieän töôïng phöông sai khoâng ñoàng ñeàu.



HIEÄN TÖÔÏNG ÑA COÄNG TUYEÁN

Hieän töôïng ña coäng tuyeán laø hieän töôïng xaûy ra khi toàn taïi moät moái quan heä tuyeán tính hoaøn haûo hay xaáp xæ hoaøn haûo giöõa moät vaøi hay taát caû caùc bieán soá ñoäc laäp trong moâ hình hoài quy.

Ñeå xaùc ñònh haøm hoài quy goác coù hieän töôïng ña coäng tuyeán hay khoâng. Chuùng toâi tieán haønh öôùc löôïng caùc haøm hoài quy boå sung giöõa caùc bieán ñoäc laäp vaø ñöôïc keát quaû nhö sau:

R2aux cuûa caùc haøm hoài quy boå sung


Caùc bieán

R2aux

LN gioáng

LN lao ñoäng

LN TÑHV

LN N


LN P

LN K


LN BVTV

0,129

0,193


0,084

0,363


0,366

0,158


0,198

Nguoàn: tính toaùn vaø öôùc löôïng

So saùnh vôùi R2 = 0,843 töø phöông trình hoài quy goác ta nhaän thaáy khoâng coù tröôøng hôïp naøo R2aux > R2. Vì vaäy, chuùng toâi keát luaän phöông trình hoài quy goác khoâng coù hieän töôïng ña coäng tuyeán.



KIEÅM ÑÒNH T CUÛA PHÖÔNG TRÌNH HAØM SAÛN XUAÁT LUÙA

Giaû thieát: H0 : 1 = i* = 0 (I = 1,2,…,9). Töùc laø bieán Xi khoâng giaûi thích ñöôïc söï bieán ñoäng cuûa Y.

H1: i  0

Kieåm ñònh T cuûa haøm hoài quy


Caùc bieán

Giaù trò tstat

Keát luaän *

Constant

LN gioáng

LN lao ñoäng

LN TÑHV


LN N

LN P


LN K

LN BVTV


IPM

67,855

-0,307


-7,909

3,305


1,989

4,379


9,928

0,722


7,134

Baùc boû H0

Chaáp nhaän H0

Baùc boû H0

Baùc boû H0

Baùc boû H0

Baùc boû H0

Baùc boû H0

Chaáp nhaän H0

Baùc boû H0


Nguoàn: tính toaùn vaø öôùc löôïng

Ghi chuù: so saùnh vôùi möùc yù nghóa  = 0,05

Qua baûng treân chuùng ta nhaän thaáy raèng naêng suaát luùa (vuï Ñoâng Xuaân 2001 – 2002 taïi xaõ Long Ñònh) chòu aûnh höôûng cuûa caùc yeáu toá: lao ñoäng, trình ñoä hoïc vaán, löôïng N, P, K vaø vieäc aùp duïng IPM trong canh taùc, vôùi ñoä tin caäp treân 95%. Nhö vaäy caùc bieán ñöa vaøo moâ hình thì bieán löôïng gioáng gieo saï vaø chi phí thuoác BVTV thì khoâng aûnh höôûng ñeán söï bieán ñoäng cuûa naêng suaát luùa vì theo kieåm ñònh t thì hai bieán naøy khoâng coù yù nghóa.



PHAÂN TÍCH MOÂ HÌNH

Töø keát quaû öôùc löôïng chuùng toâi coù haøm saûn xuaát luùa nhö sau:

LN naêng suaát = 7,14 – 0,006LN gioáng – 0,077LN lao ñoäng + 0,017 LN TÑHV + 0,019 LN N + 0,027 LN P + 0,007 LN K + 0,003LN BVTV + 0,041IPM. (*)

R2 ño löôøng söï bieán ñoäng cuûa moâ hình. Nhö vaäy, 84,3% söï bieán ñoäng cuûa naêng suaát luùa vuï Ñoâng Xuaân 2001 – 2002 taïi xaõ Long Ñònh ñöôïc giaûi thích bôûi moâ hình (*).

Khi chuùng toâi xem xeùt moái quan heä giöõa moät bieán ñoäc laäp vaø moät bieán phuï thuoäc thì xem nhö caùc bieán ñoäc laäp khaùc giöõ nguyeân khoâng ñoåi.

Qua keát quaû thoáng keâ, chuùng toâi thaáy raèng quy trình saûn xuaát luùa vuï Ñoâng xuaân taïi ñòa phöông chòu aûnh höôûng lôùn bôûi caùc yeáu toá:lao ñoäng, trình ñoä hoïc vaán, löôïng phaân boùn N, P, K vaø vieäc aùp duïng phöông phaùp IPM trong canh taùc luùa. Qua ñieàu tra tình hình saûn xuaát luùa ôû ñòa phöông chuùng toâi lí giaûi cho caùc bieán soá naøy nhö sau:

Thöù nhaát laø lao ñoäng: trong phöông trình hoài quy öôùc löôïng thì lao ñoäng coù heä soá öôùc löôïng traùi daáu vôùi naêng suaát, töùc laø trong saûn xuaát luùa hieän nay ôû ñòa phöông noâng daân söû duïng vöôït quaù möùc lao ñoäng toái öu. Neáu taêng theâm löôïng lao ñoäng thì naêng suaát luùa seõ giaûm. Ñieàu naøy coù theå lyù giaûi bôûi lao ñoäng ôû ñaây chuùng toâi bao goàm lao ñoäng gieo saï, boùn phaân, phun thuoác, laøm coû,… neân trong quaù trình saûn xuaát luùa neáu caùc yeáu toá khaùc khoâng ñoåi vaø lao ñoäng taêng leân chöùng toû ruoäng canh taùc coù nhieàu saâu beänh, coû daïi,… neân noâng daân phaûi söû duïng nhieàu lao ñoäng ñeå chaêm soùc cho luùa. Ñieàu naøy noùi leân baèng ruoäng luùa phaùt trieån khoâng toát neân naêng suaát coù theå thaáp laø ñieàu hoaøn toaøn coù theå xaûy ra.

Thöù hai laø trình ñoä hoïc vaán: vôùi giaû thieát ñaët ra khi ñöa bieán naøy vaøo phöông trình haøm saûn xuaát thì ta coù theå keát luaän ñöôïc raèng: neáu noâng daân coù trình ñoä hoïc vaán cao hoïc coù theå deã daøng tieáp thu nhöõng tieán boä kyõ thuaät môùi vaø aùp duïng vaøo saûn xuaát, maët khaùc hoï coù theå aùp duïng nhöõng kyû thuaät môùi vaøo saûn xuaát hieäu quaû hôn so vôùi noâng daân coù trình ñoä thaáp vaø do ñoù hoï thu ñöôïc naêng suaát cao hôn so vôùi nhöõng noâng daân khaùc.

Bieán coù yù nghóa tieáp theo laø löôïng phaân boùn N, P, K: ñoái vôùi caâu troàng thì phaân boùn coù aûnh höôûng tröïc tieáp raát roõ reät ñeán sinh tröôûng cuûa caây troàng. Moãi loaïi caây troàng coù nhu caàu khaùc nhau veà tyû leä N, P, K trong töøng giai ñoaïn sinh tröôûng khaùc nhau. Vieäc boùn phaân khoâng ñaày ñuû caùc thaønh phaàn laøm caây luùa phaùt trieån keùm, deã nhieãm beänh,… laøm aûnh höôûng khoâng nhoû ñeán naêng suaát thu hoaïch. Qua ñieàu tra thöïc teá ôû ñòa phöông vaø theo caùc yù kieán cuûa caùc caùn boä kyõ thuaät ôû Traïm BVTV huyeän Chaâu Thaønh thì hieän nay noâng daân troàng luùa ôû ñòa phöông ñang gaëp tình traïng maát caân ñoái veà lieàu löôïng phaân boùn, noâng daân boùn phaân khoâng ñuû löôïng caàn thieát, lieàu löôïng boùn phaân ôû töøng giai ñoaïn sinh tröôûng cuûa luùa khoâng thích hôïp,… nhö vaäy, trong phöông trình öôùc löôïng, caùc heä soá cuûa N, P, K ñeàu ñoàng bieán vôùi naêng suaát luùa. Ñieàu naøy hoaøn toaøn phuø hôïp vôùi tình hình thöïc teá saûn xuaát ôû ñòa phöông hieän nay.

Cuoái cuøng laø bieán IPM (bieán Dummy): heä soá öôùc löôïng cuûa bieán naøy ñoàng bieán vôùi naêng suaát luùa cho thaáy neáu noâng daân coù aùp duïng phöông phaùp IPM trong saûn xuaát thì seõ coù naêng suaát cao hôn so vôùi noâng daân saûn xuaát theo taäp quaùn truyeàn thoáng.

Toùm laïi, muïc ñích chính cuûa chuùng toâi trong luaät vaên naøy laø nhaèm xaùc ñònh nhöõng lôïi ích cuûa vieäc aùp duïng phöông phaùp IPM trong canh taùc luùa vaø ñeán ñaây chuùng toâi coù theå keát luaän moät ñieàu raèng: vieäc aùp duïng phöông phaùp IPM trong saûn xuaát luùa seõ ñem laïi cho noâng daân keát quaû cao hôn veà naêng suaát luùa so vôùi noâng daân saûn xuaát theo taäp quaùn truyeàn thoáng. Ñieàu naøy cuõng coù yù nghóa veà maët kinh teá, xaõ hoäi vaø moâi tröôøng.

Ñeå hieãu roõ veà nhöõng lôïi ích cuï theå maø chöông trình IPM mang laïi cho ngöôøi noâng daân veà kinh teá, xaõ hoäi vaø moâi tröôøng chuùng toâi tieán haønh phaân tích hieäu quaû cuûa vieäc aùp duïng IPM trong saûn xuaát luùa ôû ñòa phöông. Ñeå thöïc hieän ñieàu naøy, chuùng toâi toång hôïp soá lieäu theo hai nhoùm noâng daân: Coù aùp duïng IPM vaø noâng daân canh taùc theo taäp quaùn truyeàn thoáng (noâng daân IPM vaø noâng daân khoâng IPM) vaø so saùnh töøng khoaûn muïc veà chi phí, keát quaû vaø hieäu quaû trong canh taùc luùa giöõa hai nhoùm noâng daân naøy. Ñoàng thôøi chuùng toâi cuõng phaân tích nhöõng keát quaû veà xaõ hoäi vaø moâi tröôøng maø chöông trình IPM ñaõ mang laïi cho ngöôøi daân ôû ñòa phöông.



PHAÀN IV:

Thieát laäp haøm toaùn hoïc Daïng haøm Cobb – Douglas


Caùc phöông phaùp toái öu trong quaù trình saûn xuaát


THÍ DUÏ:

Thieát laäp haøm toaùn hoïc

Daïng haøm Cobb – Douglas

LNY = 0 + 1 LNX1 + 2 LNX2 + 3 LNX3 + 4 LNX4 + 5 LNX5 + 6 LNX6 + 7 LNX7 + 8 LNX8 + 9 LNX9

Y = 0*X11 X22 X33 X44 X55 X66 X77 X88

Y : naêng suaát (kg/ha)

X1 : thöùc aên (kg/ha)

X2 : löôïng gioáng (con/ha)

X3 : voâi (kg/ha)

X4 : thuoác laù (1000ñ/ha)

X5 : trình ñoä hoïc vaán (lôùp)

X6 : kinh nghieäm nuoâi (vuï)

X7 : voán saûn xuaát (trieäu ñoàng/ha)

X8 : coâng chaêm soùc (coâng/ha)

X9 : khuyeán noâng



Öôùc löôïng caùc tham soá cuûa haøm

Keát quaû öôùc löôïng caùc tham soá haøm saûn xuaát toâm ñöôïc trình baøy ôû baûng sau:



Heä soá öôùc löôïng haøm saûn xuaát

Caùc bieán

Heä soá hoài quy (Coefficients)

Ñaïi löôïng thoáng keâ (tstat)

Möùc ñoä kieåm ñònh (Sig.)

Constant

LNX1 (thöùc aên)

LNX2 (löôïng gioáng)

LNX3 (voâi)

LNX4 (thuoác caù)

LNX5 (trình ñoä hoïc vaán)

LNX6 (kinh nghieäm nuoâi)

LNX7 (voán saûn xuaát)

LNX8 (coâng chaêm soùc)

X9 (khuyeán noâng)



-7,449

0,226


0,515

0,184


0,157

0,010


-0,199

0,427


0,750

-0,003


-4,362

3,697


3,207

2,701


1,971

0,109


-1,439

3,582


3,279

-0,024


0,000

0,000


0,001

0,008


0,052

0,914


0,154

0,000


0,002

0,981


Bieán phuï thuoäc laø naêng suaát toâm

R2 = 0,783 F = 36,003

d = 1,94

Töø baûng treân ta vieát laïi phöông trình nhö sau:

LNY = -7,449 + 0,226 LNX1 + 0,515 LNX2 + 0,184 LNX3 + 0,157 LNX4 + 0,01 LNX5 – 0,199 LNX6 + 0,427 LNX7 + 0,750 LNX8 – 0,003 LNX9

Kieåm ñònh giaû thieát


  • Hieän töôïng ña coäng tuyeán (multicollinearity)

Hieän töôïng ña coäng tuyeán laø hieän töôïng xaûy ra khi toàn taïi moät quan heä tuyeán tính hoaøn haûo xaáp xæ hoaøn haûo giöõa moät vaøi hay taát caû caùc bieán soá “giaûi thích” trong moâ hình hoài quy.

Ñeå kieåm tra hieän töôïng naøy baèng caùch chaïy haøm hoài quy boå sung giöõa caùc bieán ñoäc laäp, sau ñoù so saùnh caùc R2aux (caùc Rsquare cuûa caùc haøm hoài quy boå sung) cuûa caùc bieán ñoäc laäp khi bieán ñoäc laäp ñoù ñoùng vai troø laø moät bieán phuï thuoäc cuûa caùc bieán giaûi thích kia. Neáu coù ít nhaát moät R2aux > R2 (Rsquare moâ hình goác) nghóa laø moâ hình coù hieän töôïng ña coäng tuyeán.

Caên cöù theo caùch phaùt hieän treân baèng caùch chaïy caùc haøm hoài quy boå sung keát quaû nhö sau:

R2aux cuûa caùc phöông trình hoài quy boå sung haøm saûn xuaát


Caùc bieán

R2aux

LNX1 (thöùc aên)

LNX2 (löôïng gioáng)

LNX3 (voâi)

LNX4 (thuoác caù)

LNX5 (trình ñoä hoïc vaán)

LNX6 (kinh nghieäm nuoâi)

LNX7 (voán saûn xuaát)

LNX8 (coâng chaêm soùc)



0,509

0,405


0,356

0,159


0,169

0,339


0,563

0,602


Caên cöù vaøo caùc R2aux cuûa caùc haøm hoài quy boå sung ta thaáy taát caû caùc bieán giaûi thích coù R2aux < R2 = 0,783. Keát luaän khoâng coù söï vi phaïm hieän töôïng ña coäng tuyeán trong moâ hình.

  • Hieän töôïng töï töông quan (Autocorrelation)

Hieän töôïng töï töông quan laø hieän töôïng maø moät soá haïng sai soá cuûa moät maãu quan saùt cuï theå naøo ñoù cuûa toång theå coù quan heä tuyeán tính vôùi moät hay nhieàu caùc soá haïng sai soá cuûa caùc maãu quan saùt khaùc trong toång theå.

Ñeå kieåm tra moâ hình treân coù vi phaïm hieän töôïng töï töông quan hay khoâng baèng caùch chuùng ta döïa vaøo phöông phaùp kieåm ñònh Durbin watson (D_Wtest) vôùi caùc giaû thieát cuøng vôùi caùch thöïc hieän kieåm ñònh sau:

Giaû thieát:

H0 : khoâng coù hieän töôïng töï töông quan döông

H0* : khoâng coù hieän töôïng töï töông quan aâm

H1 : coù hieän töôïng töï töông quan

Töø keát quaû öôùc löôïng haøm saûn xuaát ta coù trò thoáng keâ d = 1,94

Vôùi möùc yù nghóa 5% cho tröôùc keát hôïp vôùi soá bieán soá giaûi thích, cuøng soá maãu quan saùt ta thöïc hieän tra baûng Durbin Watson theo bieán soá ta ñöôïc:

Vôùi K = 10 (goàm bieán ñoäc laäp vaø constant), n = 100

dL = 1,484

dU = 1,874

Sau ñoù thöïc hieän so saùnh giöõa d moâ hình goác vôùi d tra baûng (dL, dU) vaø keát luaän nhö sau:

Vì d = 1,94 > dU = 1,874 neân moâ hình khoâng coù hieän töôïng töï töông quan döông. Vaäy chaáp nhaän giaû thieát H0.

Ñoàng thôøi d = 1,94 < 4 – dU = 2,126 neân moâ hình khoâng coù hieän töôïng töông quan aâm. Vaäy chaáp nhaän giaû thieát H0*

=> Vaäy keát luaän raèng khoâng coù hieän töôïng töï töông quan trong moâ hình.


  • Hieän töôïng phöông sai khoâng ñoàng ñeàu (Heteroscedasticity)

Laø hieän töôïng sai soá öùng vôùi giaù trò cuûa caùc bieán ñoäc laäp laø khaùc nhau. Muoán kieåm tra hieän töôïng naøy chuùng ta aùp duïng phöông phaùp kieåm ñònh White test vôùi giaû thieát.

0 : khoâng coù hieän töôïng phöông sai khoâng ñoàng ñeàu

H1 : coù hieän töôïng phöông sai khoâng ñoàng ñeàu

Resl2 = f0 + LNX1 + f1 LNX2 + … + f11 (LNX1)2 + f12 (LNX2)2 + … + fn LNX8*X9

Töø phöông trình hoài quy nhaân taïo heä soá xaùc ñònh cuûa moâ hình hoài quy nhaân taïo Rart2 = 0,689 (Rsquare cuûa phöông trình hoài quy nhaân taïo)

W = N*R2art = 100*0,689 = 68,9

Vôùi möùc  = 5%, n = 53 (soá bieán ñoäc laäp cuûa phöông trình hoài quy nhaân taïo)

W = 68,9 < 20,05;53 = 73,29

Vaäy baùc boû H1 töùc laø khoâng coù hieän töôïng phöông sai khoâng ñoàng ñeàu.


  • Kieåm ñònh t cuûa haøm saûn xuaát:

Sau khi tieán haønh öôùc löôïng phöông trình hoài quy vaø kieåm tra caùc vi phaïm cuûa phöông trình. Haøm saûn xuaát toâm cho pheùp söû duïng veà maët thoáng keâ. Tuy vaäy, trong thöïc teá caùc yeáu toá ñaõ xaùc ñònh coù söï thaät söï aûnh höôûng ñeán naêng suaát toâm hay khoâng, thöïc hieän kieåm tra baèng kieåm ñònh t cho chuùng ta bieát giaû ñònh nhö sau:

H0 : i = 0 (i = 0,1,…,9)

H1 : i  0 (i = 0,1,…,9)




  1   2   3


Cơ sở dữ liệu được bảo vệ bởi bản quyền ©hocday.com 2019
được sử dụng cho việc quản lý

    Quê hương