Ngày nay,khi điều kiện sống trở nên ngày càng tốt hơn nhờ những tiến bộ vượt bậc về công nghệ vàsức tăng trưởng của nền kinh tế, con người càng quan tâm nhiều hơn đến việc làm thế nàođể
CƠ SỞ LÝ LUẬN
Các lý thuyết liên quan
Lý thuyết về tuổi thọ của Tetz: tổng quan chung 1
Lý thuyết về tuổi thọ của Tetz là một tập hợp các ý tưởng và một mô hình toán học nhằm dự đoán, ước tính và cải thiện tuổi thọ, bằng cách xem xét sinh vật chủ chứa một số quần thể di truyền: tế bào nhân chuẩn chủ, đại diện của hệ vi sinh vật cộng sinh và NLGEs (Non-living Genetic Elements - các yếu tố di truyền không sống) của chúng.
Lý thuyết cho rằng tuổi thọ của một cá nhân có thể được ước tính bằng cách xem xét những thay đổi xảy ra trong DNA của sinh vật chủ, bao gồm cả hệ vi sinh vật thường trú và các NLGEs liên quan, vì các quần thể quan trọng giữ vai trò thiết yếu đối với các vấn đề về sức khỏe, bệnh tật, tuổi thọ và lão hóa của vật chủ Để phát triển mô hình toán học dựa trên lý thuyết về tuổi thọ của Tetz, chúng em tiến hành xem xét từ những điểm khởi đầu.
Tổng số DNA ảnh hưởng đến tuổi thọ của một cá nhân là tổng số DNA trong tất cả các tế bào của vi sinh vật, hệ vi sinh vật và NLGEs Chúng em đã xác định NLGEs liên quan đến hệ vi sinh vật (ví dụ: thể thực khuẩn, transposon, plasmid và DNA và RNA không có tế bào của vi sinh vật) và những DNA và RNA liên kết với sinh vật chủ (ví dụ virus, plasmid và axit nucleic không có tế bào nhân chuẩn) Tổng số DNA của vi sinh vật được đại diện bởi DNA của mọi tế bào của vi sinh vật và số NLGEs liên kết với sinh vật chủ Tổng số DNA của microbiome bao gồm tổng số DNA từ đại diện của hệ thực vật dân cư, bao gồm vi khuẩn, vi khuẩn cổ, nấm, động vật nguyên sinh và NLGEs có liên quan đến hệ vi sinh vật Vì vậy, chúng em giới thiệu thuật ngữ mới “cá thể Pangenome'' để phản ánh tổng số DNA của tất cả các tế bào của vi sinh vật, hệ vi sinh vật và NLGEs của chúng phản ánh cách mỗi thành phần này ảnh hưởng đến tuổi thọ của cá nhân.
Lý thuyết về tuổi thọ của Tetz phát biểu rằng:tuổithọvàlãohóađượcquyếtđịnh bởisự tíchlũycácthay đổitrongtổngsốDNAcủavisinhvậtchủ,hệvisinhvậtvà
1 Tetz, George, and Victor Tetz “Tetz’s Theory and Law of Longevity.” TheoryinBiosciences137, no 2 (July 5, 2018): 145–54. kinh tế lượng 100% (4) Đ Ề ÔN THI KINH T Ế
L ƯỢ NG CU Ố I KÌ kinh tế lượng 100% (4)
Lý thuyết về tuổi thọ của Tetz giả định rằng, trong một mô hình lý thuyết lý tưởng,một vi sinh vật có thể bất tử khi sự liên kết hệ vi sinh vật là lý tưởng, không có ảnh hưởng
Tổng quan tình hình nghiên cứu
Thứ nhất là nghiên cứu về mối quan hệ giữa tỷ lệ hộ nghèo và cân nặng khi sinh với tuổi thọ Theo một nghiên cứu năm 2018 của Giáo sư Ma'd Ezzati của Đại học Hoàng gia London, Vương quốc Anh, sự chênh lệch về tuổi thọ trung bình giữa những người giàu nhất và nghèo nhất trong xã hội đã tăng từ sáu năm (vào năm 2001) lên tám năm (vào năm 2016), và từ chín đến mười năm (vào năm 2017) Thực tế nhóm những người nghèo nhất trong một cộng đồng qua đời sớm hơn gần mười năm so với nhóm những người giàu nhất đã chỉ ra rằng cải cách phúc lợi và chi phí sinh hoạt ngày càng tăng đang đẩy những người nghèo nhất ra khỏi xã hội Nghiên cứu này đã chứng minh rằng, kể từ năm 2011, tuổi thọ trung bình của những phụ nữ nghèo nhất nước Anh đã không giảm trong bảy năm qua Trẻ em từ các hộ gia đình có hoàn cảnh khó khăn cũng có tỷ lệ tử vong và nguy cơ tử vong cao hơn đáng kể, gấp 2,5 lần so với trẻ em từ các hộ gia đình khá giả Việc đầu tư nhiều hơn vào y tế và chăm sóc xã hội ở những vùng khó khăn cũng như ngành công nghiệp thực phẩm để cho ra đời những loại thực phẩm lành mạnh và dễ tiếp cận có thể làm thay đổi tình thế trên Dữ liệu cũng chứng minh rằng nhiều người Anh nghèo đang chết dần vì những căn bệnh có thể phòng tránh và chữa khỏi Tuy nhiên, nghiên cứu mới nhất chỉ xem xét một khía cạnh của ảnh hưởng đối với độ tuổi trung bình và phạm vi học tập ở Vương quốc Anh.
Trong một nghiên cứu khác, Oberto De Vogli, Uitesh Mology, Oberto Gnesotto, và Giovanni Andrea Cornia (2005) đã có thể xác định mối quan hệ giữa chênh lệch kinh tế và cân nặng khi sinh ở Ý và 21 quốc gia khác Họ sử dụng hệ số tương quan Pearson
2 Rank, Mark R., and Thomas A Hirschl “The Likelihood of Experiencing Relative Poverty over the Life Course.” PLOSONE
10, no 7 (July 22, 2015): e0133513 https://doi.org/10.1371/journal.pone.0133513. hoặc hồi quy tuyến tính đa biến, được điều chỉnh theo thu nhập bình quân đầu người, giáo dục hoặc tổng sản phẩm quốc nội, để xác định mối quan hệ giữa bất bình đẳng thu nhập và tuổi thọ Quốc hội kết luận rằng, ở Ý, quốc gia được tiếp cận rộng rãi với dịch vụ chăm sóc sức khỏe, giáo dục và mạng lưới an sinh xã hội vững chắc, bất bình đẳng thu nhập có ảnh hưởng riêng đến tuổi thọ mạnh hơn so với thu nhập bình quân đầu người và trình độ học vấn Đặt lên bàn cân với các quốc gia giàu có khác, Ý có mức độ bất bình đẳng về kinh tế và đời sống khá cao Các nghiên cứu xuyên quốc gia đã chứng minh rằng sự chênh lệch giàu nghèo tỉ lệ nghịch với sức khỏe dân số Tuy nhiên, phạm vi của nghiên cứu này chỉ giới hạn ở các quốc gia giàu có và không đánh giá được ảnh hưởng theo thời gian.
Ngoài ra, Pickett và Wilkinson (2005) đã lựa chọn xem xét 155 nghiên cứu đã từng được công bố về chủ đề này để thu thập những phát hiện theo nhóm (nhóm tác động tổng thể, nhóm không bị ảnh hưởng, và bị ảnh hưởng một phần) 3 Tổng hiệu ứng biểu thị lời giải thích đầy đủ về sự liên kết giữa hai biến: nếu không có gì xảy ra thì không có ý nghĩa thống kê; chỉ một phần có ý nghĩa thống kê thì được gọi là ảnh hưởng một phần Hai nhà nghiên cứu phát hiện ra rằng 70% các nghiên cứu cho rằng khi sự chênh lệch giàu nghèo gia tăng, sức khỏe dân số giảm sút thì tuổi thọ trung bình bị rút ngắn Theo các nghiên cứu được công bố, để phát hiện sự chênh lệch trong thu nhập cần phải có kích thước mẫu lớn Việc tìm kiếm các biến điều khiển phù hợp là sự thách thức trong một số nghiên cứu.
Ví dụ, các nhà nghiên cứu thừa nhận rằng mối liên hệ giữa tuổi thọ và GNI bình quân đầu người trở nên ít phổ biến hơn ở các quốc gia có thu nhập bình quân đầu người cao hơn các nước khác Sau khi phát hiện ra vấn đề này, Wilkinson và Pickett đã phân tích tất cả các công bố và phát hiện ra rằng chỉ có 8% trong số 155 bài nghiên cứu không đưa ra bằng chứng cho sự bác bỏ khẳng định rằng tuổi thọ và bất bình đẳng giàu nghèo (chỉ số Gini) có liên quan với nhau Hai nhà nghiên cứu kết luận rằng có một mối quan hệ tiêu cực giữa tuổi thọ kỳ vọng và hệ số Gini Nghiên cứu này tuy rất tỉ mỉ song vẫn còn hạn chế bởi vì nó chỉ là bản tóm tắt của các công bố và nghiên cứu trước đó Ngoài ra, để
3 Wilkinson, Richard G., and Kate E Pickett “Income Inequality and Population Health: A Review and Explanation of theEvidence.” SocialScience& Medicine62, no 7 (April 1, 2006): 1768–84. đánh giá tác động của thất nghiệp lên tuổi thọ trung bình, các nhà nghiên cứu Abdalali Monsef và Abolfazl Shamohammadi Mehrùardi (2017) đã kiểm tra dữ liệu từ 136 quốc gia từ World Bank và cũng xem xét tác động này trong khoảng từ năm 2002 đến năm
2010 bằng cách sử dụng phương pháp tiếp cận dữ liệu mảng Theo kết quả của nghiên cứu, thất nghiệp có tác động bất lợi đến tuổi thọ trung bình Tất cả các biến thống kê đều có ý nghĩa thống kê ở mức 5% và hệ số của tỷ lệ thất nghiệp cũng âm.
Tuổi thọ khi sinh và tỷ lệ thất nghiệp có mối tương quan nghịch Tuy nhiên, các nhà nghiên cứu cũng chỉ ra rằng không có bằng chứng từ nhiều nghiên cứu khác rằng thất nghiệp ảnh hưởng đến thể chất, tâm lý và sức khỏe tổng thể của con người.
Các nghiên cứu trước đây về tuổi thọ trung bình đã được thực hiện bằng cách sử dụng nhiều loại tiếp cận và theo nhiều cách khác nhau, nhưng cách nào cũng có những hạn chế Nghiên cứu của Preson đã làm sáng tỏ rằng tăng trưởng kinh tế là một trong những mục tiêu quan trọng nhất trong việc cải thiện sức khỏe và kéo dài tuổi thọ ở năm quốc gia kém phát triển Tuy nhiên kết luận của Preston bị thiếu bằng chứng theo chiều dọc Đường cong Preston là mối quan hệ dữ liệu xuyên quốc gia dành cho mẫu gồm các quốc gia được xem xét tại một khoảng thời gian cụ thể Một số nghiên cứu đã chỉ ra một liên kết có thể so sánh không bao gồm chuỗi thời gian và dữ liệu theo chiều dọc từ các quốc gia cụ thể Trong khi thu nhập bình quân đầu người giữa các quốc gia đôi khi sẽ thay đổi theo thời gian, tuổi thọ và các chỉ số sức khỏe khác lại không đổi Điều này cho thấy thời điểm thay đổi thu nhập có thể ít ảnh hưởng đến sức khỏe hoặc có thể có hại Thứ hai, mối quan hệ nhân quả này là bất hợp lý Nó không hoàn toàn chỉ ra được rằng thu nhập tạo ra sức khỏe Sức khỏe tốt hơn có thể được thúc đẩy bởi tuổi thọ và tạo ra doanh thu lớn hơn Vì vấn đề đảo ngược quan hệ nhân quả giữa sức khỏe và tiền bạc, bất kỳ đánh giá nào về ảnh hưởng của thu nhập đối với tuổi thọ có thể phóng đại tác động của tuổi thọ lên thu nhập Kết quả là, những nghiên cứu không xem xét mối quan hệ hai chiều này có thể phóng đại tác động của tiền bạc lên tuổi thọ.
Raj Chetty, Michael Stepner, Sarah Abraham, Shelby Lin, Benjamin Scuderi,Nicholas Turner, Augustin Bergeron và David Cutler (2016) đã xuất bản một bài báo nghiên cứu với kết quả nghiên cứu còn hạn chế Mối tương quan giữa thu nhập và tuổi thọ không nên được hiểu là tác động nhân quả của việc có nhiều tiền hơn vì thu nhập cũng liên quan đến nhiều vấn đề khác có ảnh hưởng trực tiếp đến sức khỏe Do các biến gây nhiễu không được đánh giá trong nghiên cứu này, ảnh hưởng nhân quả của sự giàu có đến tuổi thọ có thể nhỏ hơn các mối quan hệ khác đã được quan sát Hơn nữa, sự chênh lệch vùng miền có thể được thúc đẩy bởi sự khác biệt trong đặc điểm của cư dân từng khu vực hơn là những tác động trực tiếp ở một nơi nhất định Mặc dù phân tích tương quan của nghiên cứu này không thể chứng minh các quá trình nhân quả, đó là bước khởi đầu hướng tới việc lựa chọn lý thuyết nào cho sự sống chênh lệch kỳ vọng cần điều tra trong tương lai.
Các nghiên cứu trên đều đã nghiên cứu một số nhân tố tác động đến tuổi thọ trung bình của con người tại các quốc gia trên thế giới nhưng chưa nghiên cứu nào nói bao quát về các yếu tố ảnh hưởng của tuổi thọ trung bình ở mọi châu lục trên toàn thế giới trong giai đoạn 2010-2019 Các yếu tố này bao gồm tỷ lệ nhiễm HIV, tỷ lệ sinh, tỷ lệ đầu tư cho y tế và độ tiếp cận giáo dục của từng nước Do vậy chúng em đã tập trung nghiên cứu đề tài với số liệu mới nhất với các vùng khác nhau ở thế giới với các giả thuyết:
Mối quan hệ giữa tỷ suất sinh(BIRTH)và tuổi thọ trung bình(LIFE)các nước có quan hệ ngược chiều (BIRTH tăng, LIFE giảm).
Mối quan hệ giữa chi tiêu cho y tế(HEALTH)và tuổi thọ trung bình(LIFE)các nước có quan hệ cùng chiều (HEALTH tăng, LIFE tăng)
Mối quan hệ giữa tỷ lệ tiếp cận giáo dục(EDU)và tuổi thọ trung bình(LIFE)các nước có quan hệ cùng chiều (EDU tăng, LIFE tăng).
Mối quan hệ giữa tỷ lệ dân số đô thị(URBAN)và tuổi thọ trung bình(LIFE)các nước có quan hệ cùng chiều (URBAN tăng, LIFE tăng)
PHƯƠNG PHÁP NGHIÊN CỨU VÀ XÂY DỰNG MÔ HÌNH
Phương pháp nghiên cứu
Nhóm sử dụng phương pháp thu thập số liệu thứ cấp Số liệu của tất cả các biến được thu thập từ trang web chính thức của Ngân hàng Thế giới World Bank Cụ thể, các số liệu trên thể hiện quan sát tới 15 quốc gia trên toàn thế giới bao gồm các nước Úc, Brazil, Canada, Chile, Iceland, Indonesia, Namibia, New Zealand, Portugal, Qatar, Singapore, South Africa, Switzerland, Tajikistan, Việt Nam trong vòng 10 năm từ 2010 đến 2019, với số quan sát là 150.
Sử dụng phần mềm Excel và STATA để xử lí sơ lược số liệu và tính ma trận tương quan giữa các biến số.
Chạy phần mềm STATA hồi quy mô hình bằng phương pháp bình phương tối thiểu thông thường (OLS) để ước lượng tham số của các mô hình hồi quy đa biến Từ phần mềm STATA ta dễ dàng:
+ Dùng kiểm định F để nhận xét sự phù hợp của mô hình.
+ Dùng Correlation matrix trong phần mềmSTATAđể tìm ma trận tương quan giữa các biến.
+ Dùng kiểm định Ramsey RESET để xem mô hình có bỏ sót biến hay không. + Xét phân tử phóng đại phương sai VIF nhận biết khuyết tật đa cộng tuyến + Dùng kiểm định Jarque - Bera để kiểm tra sai số ngẫu nhiên có tuân theo phân phối chuẩn hay không.
+ Dùng kiểm định White để kiểm định khuyết tật phương sai sai số thay đổi vàRobust Standard Errors hồi quy mô hình theo phương pháp sai số chuẩn mạnh.
Xây dựng mô hình lý thuyết
Dựa trên các lý thuyết đã tìm được và các nghiên cứu có liên quan, để có thể phân tích được các yếu tố ảnh hưởng đến tuổi thọ trung bình của 15 quốc gia trên, nhóm chúng em quyết định xây dựng mô hình như sau:
LIFE = f(HIV, BIRTH, HEALTH, EDU, URBAN)
● LIFE: tuổi thọ trung bình (năm)
● HIV: tỷ lệ nhiễm HIV (%)
● HEALTH: chi tiêu cho y tế (% trên GDP)
● EDU: tỷ lệ tiếp cận giáo dục (%)
● URBAN: bình phương dân số đô thị (% trên tổng dân số)
Hàm hồi quy tổng thể ngẫu nhiên gồm 1 biến phụ thuộc và 5 biến độc lập có dạng:
LIFEi=�����0+�����1∗∗∗∗∗HIVi+�����2∗∗∗∗∗BIRTHi+�����3∗∗∗∗∗HEALTHi+�����4∗∗∗∗∗EDUi+�����5∗∗∗∗∗URBANi
Trongđó � ilàsaisốngẫunhiên,đạidiệnchocácyếutốcótác độngđếnLIFE nhưngkhôngđượcđưavàomôhình.
Mô hình hàm hồi quy mẫu ngẫu nhiên: lnLIFEi=�+�1∗∗∗∗∗HIVi+�2∗∗∗∗∗BIRTHi+�3∗∗∗∗∗HEALTHi+�4∗∗∗∗∗EDUi+�5∗∗∗∗∗lnURBAN +i
Trongđó � ilàướclượngsaisốngẫunhiên(phầndư)ứngvớiquansát thứi-đại diệnchocácnhân tốkhácảnhhưởng đếnLIFEnhưng khôngđượcđưavàomôhình.
Biến quan sát Ý nghĩa Đơn vị đo Nguồn
Kỳ vọng vềGhi chú dấu của β
Tuổi thọ trung bình của nước phụ thuộc trong năm j năm World
Tỷ lệ nhiễm HIV của nước phụ thuộc trong năm j (% trên số dân trong độ tuổi từ 15 - 49) phần trăm (%)
Tỷ lệ nhiễm HIV giảm thì tuổi thọ trung bình của nước phụ thuộc tăng
Chi tiêu cho y tế của nước phụ thuộc trong năm j (% trên GDP) phần trăm (%)
Chi tiêu cho y tế tăng thì tuổi thọ trung bình của nước phụ thuộc tăng
Tỷ suất sinh của nước phụ thuộc trong năm j phần trăm (%)
Tỷ suất sinh giảm thì tuổi thọ trung bình của nước phụ thuộc tăng
Tỷ lệ tiếp cận giáo dục của nước phụ thuộc trong phần trăm (%)
Tỷ lệ tiếp cận giáo dục tăng thì tuổi thọ trung bình của nước phụ thuộc năm j tăng
Tỷ lệ dân số đô thị của nước phụ thuộc trong năm j phần trăm (%)
Tỷ lệ dân số đô thị tăng thì tuổi thọ trung bình của nước phụ thuộc tăng
Mô tả số liệu
2.3.1.Nguồnsốliệu: Để phân tích các yếu tố ảnh hưởng đến tuổi thọ trung bình của 15 quốc gia trên toàn thế giới bao gồm các nước Úc, Brazil, Canada, Chile, Iceland, Indonesia, Namibia, New Zealand, Portugal, Qatar, Singapore, South Africa, Switzerland, Tajikistan, Việt Nam trong vòng 10 năm từ 2010 đến 2019 Bộ số liệu mẫu tổng cộng 150 quan sát được thu thập theo số liệu bảng, tức là kết hợp dữ liệu chéo và dữ liệu thời gian.
Nguồn số liệu được thu thập từ trang web chính thức của Ngân hàng Thế giới World Bank thuộc các lĩnh vực về tỷ lệ nhiễm HIV, tỷ suất sinh, chi tiêu cho y tế, tỷ lệ dân số đô thị và tỷ lệ tiếp cận giáo dục của các nước đã nói ở trên.
Số quan sát là 150 là khá lớn, số liệu được phủ rộng do đó có thể cho rằng mẫu khá tiêu biểu so với tổng thể.
● Biến LIFE: Tuổi thọ trung bình của nước phụ thuộc đạt giá trị thấp nhất là 56.665 (năm), và cao nhất là 83.90488 (năm) Với sai số chuẩn là 7.753263, và giá trị trung bình là 76.01618.
● Biến HIV: Tỷ lệ nhiễm HIV của nước phụ thuộc đạt giá trị thấp nhất là 1%, và cao nhất là 25.4% Với sai số chuẩn là 6.660312, và giá trị trung bình là 2.722667.
● Biến BIRTH: Tỷ suất sinh của nước phụ thuộc đạt giá trị thấp nhất là 1.14%, và cao nhất là 3.632% Với sai số chuẩn là 6827873, và giá trị trung bình là 2.0464.
● Biến HEALTH: Chi tiêu cho y tế của nước phụ thuộc đạt giá trị thấp nhất là 1.9%, và cao nhất là 11.7% Với sai số chuẩn là 2.800386, và giá trị trung bình là 7.6336.
● Biến EDU: Tỷ lệ tiếp cận giáo dục của nước phụ thuộc đạt giá trị thấp nhất là 38.9%, và cao nhất là 95.57% Với sai số chuẩn là 17.1742, và giá trị trung bình là 71.51053.
● Biến URBAN: Tỷ lệ dân số đô thị của nước phụ thuộc đạt giá trị thấp nhất là 35.3%, và cao nhất là 100% Với sai số chuẩn là 23.27023, và giá trị trung bình là 72.359947.
LIFE HIV BIRTH HEALTH EDU URBAN
● Sự tương quan giữa biến phụ thuộc và biến độc lập:
Khi phân tích tương quan, ta đưa ra cái nhìn tổng quát giữa các biến độc lập với biến phụ thuộc dựa trên cơ sở dữ liệu thống kê Tương quan thuận chiều có nghĩa là khi tăng các biến độc lập thì biến phụ thuộc cũng tăng và ngược lại Khi xảy ra tương quan nghịch chiều tức là khi tăng các biến độc lập thì biến phụ thuộc sẽ giảm và ngược lại Ta có tương quan giữa các biến như sau: r (LIFE, HIV)= -0.8221 Mức độ tương quan giữa hai biến này là cao Hệ số âm cho thấy tuổi thọ trung bình của nước phụ thuộc và tỷ lệ nhiễm HIV của nước phụ thuộc trong năm j trong quan sát có tác động ngược chiều nhau, chiều hướng tác động đúng như kỳ vọng ban đầu. r (LIFE, BIRTH)= -0.73490 Mức độ tương quan giữa hai biến này là cao Hệ số âm cho thấy tuổi thọ trung bình của nước phụ thuộc và tỷ suất sinh của nước phụ thuộc trong năm j trong quan sát có tác động ngược chiều nhau, chiều hướng tác động đúng như kỳ vọng ban đầu. r (LIFE, HEALTH)= 0.1134 Mức độ tương quan giữa hai biến này là thấp Hệ số dương cho thấy tuổi thọ trung bình của nước phụ thuộc và chi tiêu cho y tế của nước phụ thuộc trong năm j trong quan sát có tác động cùng chiều nhau, chiều hướng tác động đúng so với kỳ vọng ban đầu. r (LIFE, EDU)= 0.7368 Mức độ tương quan giữa hai biến này là khá cao Hệ số dương cho thấy tuổi thọ trung bình của nước phụ thuộc và tỷ lệ tiếp cận giáo dục của nước phụ thuộc trong năm j trong quan sát có tác động cùng chiều nhau, chiều hướng tác động đúng như kỳ vọng ban đầu. r (LIFE, URBAN)= 0.6242 Mức độ tương quan giữa hai biến này là khá cao Hệ số dương cho thấy tuổi thọ trung bình của nước phụ thuộc và tỷ lệ dân số đô thị của nước phụ thuộc trong năm j trong quan sát có tác động cùng chiều nhau, chiều hướng tác động đúng như kỳ vọng ban đầu.
Ngoài ra, từ bảng hệ số tương quan giữa các biến trong mô hình ta cũng thấy được mối quan hệ tác động giữa các biến độc lập trong mô hình với nhau là không quá lớn. Trong đó, cao nhất là tương quan giữa tỷ lệ dân số đô thị (URBAN) với tỷ suất sinh (BIRTH) với r (URBAN, BIRTH) = -0.7141 và thấp nhất là tương quan giữa tỷ lệ dân số đô thị của nước phụ thuộc (URBAN) với chi tiêu cho y tế (HEALTH) của nước phụ thuộc với r (URBAN, HEALTH) = 0.1067 Nhìn chung, các biến độc lập đều có tương quan tương với nhau nhưng không có tương quan nào quá lớn và lớn hơn 0,8 nên mô hình có khả năng rất thấp mắc khuyết tật đa cộng tuyến.
KẾT QUẢ ƯỚC LƯỢNG VÀ THẢO LUẬN
Kết quả ước lượng ban đầu
Bằng phần mềm STATA, chúng ta có mô hình hồi quy theo phương pháp bình phương tối thiểu thông thường (OLS), sau đó tiến hành phân tích dữ liệu để thu được các kết quả đầy đủ sau:
Hệ số xác định hiệu chỉnh�2 0.9674
Sai số chuẩn của phần dư 1.399
Tổng bình phương sai số tổng cộng TSS 8956.85086
Tổng bình phương sai số được giải thích
Tổng bình phương sai số không được giải thích RSS
LIFE Hệ số ước lượng
Cận trái Cận phải HIV -0 6398882 0 0226496 -28.25 0.000 -0 684569 -0 5951195 BIRTH -3.985961 0 2687394 -14.83 0.000 -4.517144 -3.454777 HEALTH 0.1441926 0 0491308 2.93 0.004 0 0470819 0.2413032 EDU 0.1363986 0 0101359 13.46 0.000 0 116364 0.1564331 URBAN 0 0134697 0 008463 1.59 0.114 -0.0032581 0 0301976
Từ kết quả trên ta thu được mô hình hồi quy mẫu như sau:
LIFE = 74.08595 - 0.6398882*HIV - 3 985961*BIRTH + 0.1441926*HEALTH + 0.1363986*EDU + 0.0134697*URBAN +�iiiii
�0t.08595có nghĩa là giá trị kì vọng trên biến phụ thuộc (giá trị kì vọng của LIFE) sẽ lớn hơn 0 khi tất cả các biến độc lập (HIV, BIRTH, HEALTH, EDU, URBAN) bằng 0.
�1= -0 6398882có nghĩa là khi tỷ lệ nhiễm HIV tăng 1 đơn vị trong khi các biến độc lập khác (BIRTH, HEALTH, EDU, URBAN) giữ nguyên thì tuổi thọ trung bình của con người giảm 0.6398882 tuổi.
�2= -3.985961có nghĩa là khi tỷ suất sinh tăng 1 đơn vị trong khi các biến độc lập khác (HIV, HEALTH, EDU, URBAN) giữ nguyên thì tuổi thọ trung bình của con người giảm 3.985961 tuổi.
�3= 0.1441926nghĩa là khi chi tiêu cho y tế tăng 1 đơn vị trong khi các biến độc lập khác (HIV, BIRTH, EDU, URBAN) giữ nguyên thì tuổi thọ trung bình của con người tăng 0.1441926 tuổi.
�4= 0.1363986có nghĩa là khi tỷ lệ tiếp cận giáo dục tăng 1 đơn vị trong khi các biến độc lập khác (HIV, BIRTH, HEALTH, URBAN) giữ nguyên thì tuổi thọ trung bình của con người tăng 0.1363986 tuổi.
�5= 0.0134697có nghĩa là khi dân số đô thị tăng 1 đơn vị trong khi các biến độc lập khác (HIV, BIRTH, HEALTH, EDU) giữ nguyên thì tuổi thọ trung bình của con người tăng 0.0134697 tuổi.
Hệ số xác định R 2 = 0.9685 có nghĩa là khi các biến độc lập: HIV, BIRTH,HEALTH, EDU, URBAN giải thích được 96,85% sự thay đổi giá trị của biến phụ thuộcLIFE hay chính là tuổi thọ trung bình của con người; 3,15% còn lại được giải thích bởi các biến ngoài vô hình Như vậy, có thể thấy mô hình hồi quy mẫu có độ phù hợp khá cao với dữ liệu thu thập được.
Tính khoảng tin cậy 95% cho i:
�0∈∈∈∈∈ (71.97838; 76.19351): khi HIV, BIRTH, HEALTH, EDU, URBAN bằng 0 thì tuổi thọ trung bình của con người nằm trong khoảng từ 71.97838 đến 76.19351 tuổi.
�1 ∈∈∈∈∈(((((-0.6846569; -0.5951195):khi HIV tăng thêm 1 đơn vị trong khi BIRTH,
HEALTH, EDU, URBAN2 không đổi thì tuổi thọ trung bình của con người giảm trong khoảng từ 0.6846569 đến 0.5951195 tuổi.
�2∈∈∈∈∈(-4.517144; -3.454777): khi BIRTH tăng thêm 1 đơn vị trong khi HIV, HEALTH, EDU, URBAN2 không đổi thì tuổi thọ trung bình của con người giảm trong khoảng từ 4.517144 đến 3.454777 tuổi.
�3 ∈∈∈∈∈(((((0.0470819; 0.2413032):khi HEALTH tăng thêm 1 đơn vị trong khi HIV,
BIRTH, EDU, URBAN2 không đổi thì tuổi thọ trung bình của con người tăng trong khoảng từ 0.0470819 đến 0.2413032 tuồi.
�4 ∈∈∈∈∈(0(0(0(0(0.1163642, 0.1564331):khi EDU tăng 1 đơn vị trong khi HIV, BIRTH,
HEALTH, URBAN2 không đổi thì tuổi thọ trung bình của con người tăng trong khoảng từ0.1163642 đến 0.1564331 tuổi.
�5∈∈∈∈∈(((((-0.0032581, 0.0301976): khi URBAN2 tăng 1 đơn vị trong khi HIV, BIRTH,
HEALTH, EDU, URBAN2 không đổi thì tuổi thọ trung bình của con người tăng trong khoảng từ -0.0032581 đến 0.0301976 tuổi.
Kiểm định và khắc phục mô hình
Thiết lập cặp giả thuyết:
H0: Dạng mô hình xác định đúng.
H1: Dạng mô hình không xác định đúng.
Tiến hành kiểm định Ramsey’s RESET:
Bảng kết quả kiểm định RESET của RAMSEY
Kiểm định RESET của Ramsey
Giả thuyết H0: mô hình không bỏ sót biến
Với mức ý nghĩa�= 5%; ta thấy giá trị p–value = 0.1241 > α = 0.05 => Không bác bỏ H0
Kết luận: Mô hình không bỏ sót biến
3.2.2.Kiểmđịnh đacộngtuyến Đa cộng tuyến là một khuyết tật của mô hình tuyến tính bội, xảy ra khi trong mô hình có sự phụ thuộc tuyến tính cao giữa các biến giải thích
Kiểm định khuyết tật đa cộng tuyến của mô hình bằng nhân tử phóng đại phương sai VIF (Variance Inflation Factor)
Thiết lập cặp giả thuyết:
H0: Mô hình không tồn tại đa cộng tuyến.
H1: Mô hình tồn tại đa cộng tuyến.
Sử dụng phần mềm STATA, kiểm định mô hình bằng lệnh vif:
Ta có kết quả như sau:
Giá trị trung bình VIF 2.20
Từ kết quả trên, VIF của tất cả các biến đều nhỏ hơn 10.
Kết luận: Mô hình không có đa cộng tuyến.
Khi sai số ngẫu nhiên không phân theo phân phối chuẩn, các kiểm định T-student và Fisher không còn đáng tin cậy.
Kiểm định phân phối chuẩn của nhiễu sử dụng kiểm định Jacque – Bera.
Xét cặp giả thuyết H : Sai số ngẫu nhiên phân phối chuẩn0
H1: Sai số ngẫu nhiên không phân phối chuẩn Trong phần mềm STATA, dùng kiểm định Skewness/Kurtosis Đầu tiên, ta sử dụng lệnh predict Ai, residuals để gọi phần dư với Ai là phần dư, i tương ứng với các mô hình có biến phụ thuộc là Price Sau đó, dùng lệnh sktest Ai, ta có kết quả sau:
Biến Số quan sát Độ nghiêng Độ nhọn Adj chi2(2) Prob>chi2
Nguồn:chạylệnh predictnhieu, residualsvàsktestnhieutrongSTATA Thấy rằng: Tại mức ý nghĩa�= 5%, ta có p-value = 0.0054 < 0.05 => bác bỏ H0
Kết luận: Mô hình có sai số ngẫu nhiên không tuân theo quy luật phân phối chuẩn. Cách khắc phục: Khi mô hình có sai số ngẫu nhiên không tuân theo quy luật phân phối chuẩn thì các thống kê t và F không tuân theo quy luật Student và Fisher, điều này làm cho kiểm định trở nên không đáng tin Để khắc phục hiện tượng nhiễu không tuân theo phân phối chuẩn, ta thường tăng số quan sát Nhưng trong trường hợp này, số quan sát là 150 (>100) thì kích thước mẫu đủ lớn nên các suy diễn thống kê vẫn có giá trị. 3.2.4.Kiểmđịnh tựtươngquan
Một trong những giả thiết của mô hình hồi quy tuyến tính cổ điển là không có sự tương quan giữa các sai số ngẫu nhiên trong mô hình Tuy nhiên, tuy nhiên trên thực tế hiện tượng tự tương quan chỉ xảy ra đối với dữ liệu chuỗi thời gian, cơ sở dữ liệu của mô hình là dữ liệu chéo nên không có hiện tượng này xảy ra.
Kết luận: Mô hình không có hiện tượng tự tương quan
Một trong những giả thiết của mô hình hồi quy tuyến tính cổ điển là phương sai của mỗi yếu tố ngẫu nhiên là không đổi Tuy nhiên do bản chất của các mỗi quan hệ kinh tế, kỹ thuật thu thập số liệu còn sai sót nên phương sai sai số ngẫu nhiên có thể thay đổi. Kiểm định khuyết tật phương sai sai số thay đổi của mô hình bằng kiểm định White:
Bảng kết quả kiểm định White Thiết lập cặp giả thuyết:
H0: Mô hình có phương sai sai số không đổi
H1: Mô hình có phương sai sai số thay đổi chi2(20) = 118.01
Nguồn Chi2 Bậc tự do (df) P
Hiệp phương sai không đồng nhất 118.01 20 0.0000 Độ xiên 36.39 5 0.0000 Độ nhọn 3.13 1 0.0767
Từ kết quả trên, p-value = 0.0000 < α=5% bác bỏ H0
Kết luận: Mô hình có hiện tượng phương sai sai số thay đổi.
Hồi quy OLS ta có bảng giá trị:
Bảng kết quả kiểm định sự có mặt của biến không cần thiết
LIFE Hệ số hồi quy Sai số chuẩn t quan sát P – value
Từ kết quả trên ta thấy p-value (β5) = 0.114 > α=5% Không bác bỏ H0
Vây, tác động của biến URBAN lên biến LIFE xấp xỉ bằng 0
Kết luận:Mô hình có khuyết tật thừa biến
Khắc phục khuyết tật của mô hình
Bỏ biếnURBANra khỏi mô hình Kết quả chạy mô hình sau khi bỏ biếnURBAN ta thu được:
Bảng kết quả ước lượng sau khi khắc phục khuyết tật thừa biến
Hệ số xác định hiệu chỉnh�2 0.9671
Sai số chuẩn của phần dư 1.4063
Tổng bình phương sai số tổng cộng TSS 8956.85086
Tổng bình phương sai số được giải thích
Tổng bình phương sai số không được 281.82542
LIFE Hệ số hồi quy Sai số chuẩn t quan sát P – value
Khuyết tật phương sai sai số thay đổi không ảnh hưởng đến các tính chất tuyến tính, không chệc của ước lượng OLS, song dẫn đến việc phương sai bị chệch, ảnh hưởng đến sai số ước lượng. Để khắc phục khuyết tật này, nhóm sử dụng phương pháp sai số chuẩn mạnh (Robust Standard Errors).
Kết quả chạy mô hình sai số chuẩn mạnh t thu được:
Sai số chuẩn của phần dư 1.4063
LIFE Hệ số hồi quy Sai số chuẩn t quan sát P – value
Từ bảng trên, ta thấy rằng, hệ số ước lượng của mô hình hồi quy không đổi, tuy nhiên, sai số của ước lượng đã được đưa về sai số chuẩn mạnh của nó, từ đó giải quyết được khuyết tật phương sai sai số thay đổi.
Kết quả ước lượng đã khắc phục khuyết tật
Ta có kết quả ước lượng sau khi khắc phục khuyết tật phương sai sai số thay đổi, với các hệ số ước lượng như cũ và phương sai các hệ số ước lượng được tính toán lại bằng phương sai sai số chuẩn vững.
Kết quả sau khi kiểm định và khắc phục khuyết tật sai số ngẫu nhiên không tuân theo quy luận phân phối chuẩn, phương sai sai số thay đổi và thừa biến Mô hình hồi quy ước lượng thu được cuối cùng là:
Hệ số ước lượng R 2 = 0.9680 cho ta biết rằng các biến độc lậpHIV,BIRTH,HEALTH,EDUgiải thích được 96.80% sự biến động trong giá trị của biến phụ thuộcLIFE, còn lại là do các yếu tố khác tác động và biến phụ thuộcLIFE.
Kiểm định giả thuyết của mô hình mới
H1:β1≠ 0 Với mức ý nghĩa α=5%, sử dụng P-value, ta có:
Nếu P-value < α thì bác bỏ H0
Giá trị hệ số hồi quy
P-value Kết quả Kết luận
HIV � 1 -0.6285803 0,000< α Có ý nghĩa thống kê
Tỷ lệ nhiễm HIV có ảnh hưởng tới tuổi thọ trung bình thống kê ảnh hưởng tới tuổi thọ trung bình HEALTH � 3 0.121068 0,000< α Có ý nghĩa thống kê
Tỷ suất sinh có ảnh hưởng tới tuổi thọ trung bình EDU � 4 0.1453142 0,000< α Có ý nghĩa thống kê
Tỷ lệ tiếp cận giáo dục có ảnh hưởng tới tuổi thọ trung bình
Kết luận:Các hệ số hồi quy ước lượng đều có ý nghĩa thống kê
H1:β1 2 +β2 2+β3 2+β4 2≠ 0 Hồi quy OLS (sau khi đã khắc phục được các khuyết tật) ta có bảng kết quả: Nếu P-value > 0 thì không bác bỏ H0
Sai số chuẩn của phần dư 1.4063
ChạylệnhregLIFEHIVBIRTHHEALTH EDU,robust Với mức ý nghĩa α=5%,
Kết luận:Mô hình phù hợp tại mức ý nghĩa 5%
Hồi quy OLS (sau khi đã khắc phục được các khuyết tật) ta có bảng kết quả:
Biến độc lập Hệ số ước lượng
ChạylệnhregLIFEHIVBIRTHHEALTH EDU,robust Dựa trên kết quả thu được khi ước lượng mô hình, ta có thể thấy các biến độc lập đều có tác động đến sản lượng gạo xuất khẩu của Việt Nam, phù hợp với các lý thuyết và kì vọng đã xây dựng Cụ thể:
�1= -0.6285803Hệ số mang dấu (-) cho thấy khi tỷ lệ nhiễm HIV tăng 1 đơn vị trong khi các biến độc lập khác (BIRTH, HEALTH, EDU, URBAN) giữ nguyên thì tuổi thọ trung bình của con người giảm 0.6285803 tuổi Mối quan hệ giữa tỷ lệ nhiễm HIV bình quân đầu người và tuổi thọ trung bình có quan hệ ngược chiều, đúng với kì vọng ban đầu.
�2= -4.274991Hệ số mang dấu (-) có nghĩa là khi tỷ suất sinh tăng 1 đơn vị trong khi các biến độc lập khác (HIV, HEALTH, EDU, URBAN2) giữ nguyên thì tuổi thọ trung bình của con người giảm 4.274991 tuổi Mối quan hệ giữa tỷ suất sinh và tuổi thọ trung bình các nước có quan hệ ngược chiều, kết quả thu được đúng với kì vọng ban đầu.
�3= 0.121068Hệ số mang dấu (+) nghĩa là khi chi tiêu cho y tế tăng 1 đơn vị trong khi các biến độc lập khác (HIV, BIRTH, EDU, URBAN2) giữ nguyên thì tuổi thọ trung bình của con người tăng 0.121068 tuổi Mối quan hệ giữa chi tiêu cho y tế và tuổi thọ trung bình các nước có quan hệ cùng chiều, kết quả thu được đúng với kì vọng ban đầu.
�4= 0.1453142Hệ số mang dấu (+) có nghĩa là khi tỷ lệ tiếp cận giáo dục tăng 1 đơn vị trong khi các biến độc lập khác (HIV, BIRTH, HEALTH, URBAN2) giữ nguyên thì tuổi thọ trung bình của con người tăng 0.1453142 tuổi Mối quan hệ giữa tỷ lệ tiếp cận giáo dục và tuổi thọ trung bình các nước có quan hệ cùng chiều,kết quả thu được đúng với kì vọng ban đầu.
Lý giải kết quả tìm được
Dựa vào kết quả thu được khi ước lượng mô hình, có thể thấy: thế giới Tỷ lệ nhiễm HIV tăng đồng nghĩa với việctăng tỷ lệ chết sơ sinh, tỷ lệ chết mẹ làm nảy sinh các vấn đề về trẻ mồ côi, bảo tồn nòi giống.Đồng thời, kể cả người bị nhiễm HIV được điều trị, số năm sống được cũng chỉ kéo dài trong 35 - 55 năm Vì vậy, tỷ lệ nhiễm HIV làm giảm tuổi thọ trung bình ở quốc gia.
Chitiêu choytếtác động tích cực đến tuổi thọ trung bình tại 15 quốc gia được khảo sát Mức chi tiêu cho y tế cao có tác động lớn đến sức khỏe của người dân tại các nước, phát triển sức khỏe và chữa khỏi bệnh cho con người Từ đó cải thiện chất lượng vốn con người, giảm tỷ lệ tử vong và cải thiện tuổi thọ.
Tỷsuấtsinhthể hiện khả năng sinh sản của người phụ nữ có tác động tiêu cực tới với tuổi thọ trung bình tại 15 quốc gia được phân tích Tỷ lệ sinh tăng có thể dẫn đến tình trạng bị vượt qua giới hạn trong khả năng cung cấp cũng như nuôi dưỡng, chăm sóc sức khỏe, giáo dục cùng các hoạt động an toàn.
Tỷlệtiếpcậngiáodụccó ảnh hưởng tích cực tới tuổi thọ trung bình tại các quốc gia Giáo dục và tuổi thọ có có mối liên hệ chặt chẽ với nhau Khi con người tiếp cận với kiến thức, trình độ học và hiểu biết của con người được nâng cao từ đó họ có kiến thức để có thể bảo vệ sức khỏe và phòng ngừa các tác nhân gây bệnh Đặc biệt, Theo Báo cáoGiám sát Toàn cầu (Global Monitoring Report), từng năm có một người mẹ đến trường thì tỷ lệ tử vong của phụ nữ và trẻ em giảm đáng kể.