Luận án tiến sĩ kinh tế phân tích phản ứng cung tôm sú ở đồng bằng sông cửu long

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CẦN THƠ LÊ NHỊ BẢO NGỌC PHÂN TÍCH PHẢN ỨNG CUNG TÔM SÚ Ở ĐỒNG BẰNG SÔNG CỬU LONG LUẬN ÁN TIẾN SĨ NGÀNH KINH TẾ NÔNG NGHIỆP MÃ NGÀNH: 62 62 01 15 2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CẦN THƠ LÊ NHỊ BẢO NGỌC PHÂN TÍCH PHẢN ỨNG CUNG TƠM SÚ Ở ĐỒNG BẰNG SƠNG CỬU LONG LUẬN ÁN TIẾN SĨ NGÀNH KINH TẾ NÔNG NGHIỆP MÃ NGÀNH: 62 62 01 15 HƯỚNG DẪN KHOA HỌC Ts LÊ QUANG THƠNG Ts THÁI ANH HỊA 2019 LỜI CẢM ƠN Trong q trình hồn thành luận án này, nhận giúp đỡ, hỗ trợ, động viên chân thành quý báu cha, mẹ, tất thành viên gia đình Anh, Chị, Em Sở ban ngành tỉnh khảo sát Tôi xin gửi lời cảm ơn chân thành đến tất thành viên gia đình, Thầy, Cơ, bạn bè, Anh, Chị, Em sở, ban, ngành tỉnh Sóc Trăng, Kiên Giang, Bạc Liêu Cà Mau; tất đáp viên, chuyên gia lĩnh vực sản xuất, kinh doanh tôm tạo điều kiện cho tơi hồn thành luận án Tơi xin chân thành cảm ơn hướng dẫn, dạy giúp đỡ tận tình TS Lê Quang Thơng TS Thái Anh Hòa Quý thầy hướng dẫn, dạy định hướng đầy đủ, chi tiết cho hồn thành luận án Chính q thầy giúp tơi vượt qua bước ngoặt, giai đoạn khó khăn kiến thức để hướng hoàn thành luận án Tôi xin cảm ơn tất quý Thầy, Cô Trường Đại học Cần Thơ cung cấp kiến thức quý giá suốt thời gian học trường Đặc biệt, xin chân thành cảm ơn PGS.TS Phạm Lê Thông giúp học tập rèn luyện kiến thức chuyên môn lẫn tinh thần làm việc q trình viết hồn thành luận án Tôi xin cảm ơn PSG.TS Nguyễn Phú Son chủ nhiệm đề tài cấp Quốc gia “Phân tích chuỗi giá trị ngành hàng tơm xây dựng mơ hình ni tôm mang lại hiệu kinh tế cao cho vùng Tây Nam Bộ” tạo điều kiện cho tham gia thực đề tài nghiên cứu Trong trình tham gia thực đề tài giúp tơi bổ sung nhiều thông tin, kiến thức phương pháp phân tích có liên quan đến luận án tiến sĩ tôi, đồng thời giúp tạo mối quan hệ với sở ban ngành tỉnh Cà Mau, Bạc Liêu, Sóc Trăng Kiên Giang q trình thu thập số liệu Tơi xin bày tỏ lòng cảm ơn đến đồng nghiệp, bạn học viên nghiên cứu sinh Khoa Kinh tế, Trường Đại học Cần Thơ hỗ trợ thu thập thông tin, chia sẻ nhiều tài liệu, ủng hộ tơi q trình học tập, thực hồn thành luận án Kính chúc tất quý người thân, thầy, cô, đồng nghiệp bạn bè mạnh khỏe thành công! Cần Thơ, ngày … tháng…… năm 2019 Nghiên cứu sinh Lê Nhị Bảo Ngọc i LỜI CAM ĐOAN Tôi xin cam đoan luận án hoàn thành dựa kết nghiên cứu kết nghiên cứu chưa công bố công trình luận án trước Nghiên cứu sinh Người hướng dẫn Lê Quang Thơng Thái Anh Hòa Lê Nhị Bảo Ngọc ii TÓM TẮT Nghiên cứu nhằm xây dựng hàm phản ứng cung tôm sú tỉnh Đồng sông Cửu Long (ĐBSCL) theo mô hình Nerlove (1958) Trong mơ hình này, phản ứng cung vùng hàm số giá kỳ vọng điều chỉnh sản xuất vùng dựa vào giá sản lượng trễ Nội dung nghiên cứu thực theo bước sau Thứ nhất, nghiên cứu truyền dẫn giá bán tôm sú thị trường để xác định biến giá phương pháp ước lượng Thứ hai, nghiên cứu mơ hình giá kỳ vọng làm sở đề xuất độ trễ giá hàm phản ứng cung Thứ ba, dựa vào kết bước bước tác giả ước lượng mơ hình phản ứng cung tơm sú ĐBSCL Mơ hình truyền dẫn giá xem xét mối quan hệ giá bán tôm sú cổng trại với giá bán lẻ nội địa giá xuất ngắn hạn dài hạn tỉnh Cà Mau Số liệu chuỗi thời gian từ tháng 9/2011 đến tháng 4/2017 sử dụng cho phân tích Mối quan hệ mức giá phân tích dựa vào việc mơ hình hồi quy tuyến tính OLS dựa chuỗi dừng giá ước lượng mơ hình hiệu chỉnh sai số ECM Kết ước lượng mơ hình cho thấy giá bán tôm sú thị trường tồn mối quan hệ nhân Trong dài hạn giá bán tôm sú cổng trại chịu tác động chiều giá bán lẻ nội địa giá xuất Trong ngắn hạn, giá bán lẻ có ảnh hưởng chiều tức thời đến giá bán tôm sú cổng trại Để ước lượng mơ hình giá kỳ vọng nông hộ nuôi tôm tác giả sử dụng số liệu thu thập từ vấn trực tiếp 97 nông hộ tỉnh Cà Mau Dựa tổng hợp Fisher and Tanner (1978), mơ hình kỳ vọng giá nông hộ ước lượng mô hình giá Cobweb với kỳ vọng thích ứng Nerlove (1958) phù hợp với số liệu quan sát Theo đó, giá kỳ vọng nơng hộ xác định dựa giá trễ kỳ điều chỉnh kỳ vọng so với giá thực tế nông hộ kỳ trước Kết nghiên cứu giá kỳ vọng nơng hộ có tương quan dương với giá trễ thị trường, đó, giá thực tế thị trường lại có tương quan âm với giá trị trễ Dựa vào kết mơ hình giá kỳ vọng nơng hộ tác giả sử dụng giá kỳ vọng hàm giá Cobweb với độ trễ mơ hình phản ứng cung Nerlove Sử dụng số liệu bảng (panel data) từ bốn tỉnh Cà Mau, Bạc Liêu, Sóc Trăng Kiên Giang giai đoạn quý 1/2014 đến quý 4/2017, tác giả ước lượng mơ hình phản ứng cung Nerlove với giá kỳ vọng hiển thị thông qua giá trễ Kết ước lượng hàm phản ứng cung theo phương pháp iii hiệu ứng cố định (FE) cho thấy, giá trễ vụ trước tác động tích cực q trình định điều chỉnh diện tích mạnh so với sản lượng Trong ngắn hạn dài hạn, hệ số co giãn cung sản lượng theo giá cổng trại sản phẩm, giá cổng trại yếu tố đầu vào giá cổng trại sản phẩm cạnh tranh (cua biển) co giãn Tuy nhiên, hệ số co giãn cung sản lượng với giá cổng trại sản phẩm cạnh tranh (tôm thẻ chân trắng) co giãn Trong đó, hệ số co giãn cung diện tích theo giá cổng trại sản phẩm, giá cổng trại yếu tố đầu vào giá cổng trại sản phẩm cạnh tranh co giãn Điều cho thấy, diện tích ni tơm sú nhạy cảm trước biến động giá bán sản lượng tơm sú khơng Đường cung tôm sú dịch chuyển sang trái trước tác động gia tăng giá tôm sú giống giá sản phẩm cạnh tranh Từ khóa: Đồng sơng Cửu Long, hàm phản ứng cung Nerlove, hệ số co giãn cung, mơ hình kỳ vọng tơm sú iv ABSTRACT The objective of the study is to formulate the Nerlovian supply response function tiger shrimp in the Mekong Delta The resulting supply response is a function of expected price and adjustment to price and lagged production The analysis follows three subsequent steps First, price transmission model in black tiger shrimp market is estimated to explore the relationship between farm-gate price and local retail price and export price and then, to test the endogeneity of the farm-gate price Second, price expectation model for shrimp farmers was estimated to explore the orders of the distributed lag in the model Third, based on the research findings, the author analyzes expected price, the partial adjustment mechanism of production, time lag between planting and harvesting of shrimp production of provinces in Mekong Delta The estimated price transmission model examines the relationship between the farm-gate price and the retail and export prices in the short run and long run in Ca Mau province Monthly time-series data for the analysis were collected from September 2011 to April 2017 An error correction mechanism (ECM) and linear regression model of farm-gate prices were estimated to explore the price transmission from retail and export prices to farm-gate price Estimation results showed that the prices of black tiger shrimp between markets have a causal relationship In the long run, the price of black tiger shrimp at the farm gate and retail and export prices were cointegrated and positively correlated In the short run, retail price was likely to have a significant effect on farm-gate one but the export price was not It was also found that the disequilibrium of the market in a month was corrected in the subsequent month through the error-correction mechanism Price expectation models of shrimp farmers in Ca Mau province was estimated using data collected from a survey of 97 farmers Based on the survey of Fisher and Tanner (1978), models of price expectation were estimated The Nerlovian model was likely to best fit the data Consequently, the price expectation of farmers was affected by the period lagged market price and the adjustment in price expectation to last period’s expectation error The estimation results also showed that while the price expectations were positively correlated with the 1-period lagged market price, market prices were negatively correlated v Based on the estimated price expectation model, the Cobweb price expectation model is applied in estimating the Nerlovian partial adjustment supply response of the Mekong Delta Using the quarterly panel data collected from four provinces (Ca Mau, Bac Lieu, Soc Trang, and Kien Giang) for the period of 2014 to 2017, the estimates in the supply response are obtained from Fixed Effects (FE) method The results document that the adaptive expectation hypothesis to simple Cobweb model is likely to best fit the data The estimates of the supply response model show that information used for expected price formation quickly responded in a making decision of black tiger shrimp production In both short run and long run, the expected price has a significant effect in directing black tiger shrimp farmers to formulate the supply response decision Moreover, quantity harvested of white leg shrimp and black tiger shrimp are essential factors in the supply response function of the black tiger shrimp farmers in Mekong Delta The estimates of the supply response model showed that acreage response elasticity is more sensitive than output response elasticity The price of input and price of competing commodities may shift the supply curve to the left Keywords: Black tiger shrimp, Mekong Delta, Nerlovian supply response function, price elasticity, price expectation models vi MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN ii TÓM TẮT iii ABSTRACT v MỤC LỤC vii DANH SÁCH BẢNG xii DANH SÁCH HÌNH xiv DANH MỤC TỪ VIẾT TẮT xv CHƯƠNG GIỚI THIỆU 1.1 Lý chọn đề tài 1.1.1 Tính cấp thiết mặt lý thuyết 1.1.2 Tính cấp thiết mặt thực tiễn 1.2 Mục tiêu nghiên cứu 1.2.1 Mục tiêu chung nghiên cứu 1.2.2 Mục tiêu cụ thể nghiên cứu 1.3 Phạm vi nghiên cứu 1.3.1 Đối tượng nghiên cứu 1.3.2 Phạm vi không gian 1.3.2 Phạm vi thời gian 1.4 Cấu trúc luận án 1.5 Đóng góp luận án 1.6 Hạn chế luận án CHƯƠNG CƠ SỞ LÝ LUẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Tổng quan lý thuyết 2.1.1 Các khái niệm, lý thuyết nghiên cứu 2.1.1.1 Các khái niệm nghiên cứu 10 2.1.1.2 Lý thuyết hàm số cung 11 vii 2.1.2 Các phương pháp tiếp cận nghiên cứu 14 2.1.2.1 Các phương pháp tiếp cận truyền dẫn giá thị trường 14 2.1.2.2 Các phương pháp tiếp cận giá kỳ vọng sản xuất nông nghiệp 17 2.1.3 Các phương pháp tiếp cận phản ứng cung 19 2.1.3.1 Phương pháp tiếp cận phản ứng cung động với giá đầu (Dynamic supply response to output prices) 20 2.1.3.2 Phương pháp tiếp cận điều chỉnh sản xuất theo diện tích 20 2.1.3.3 Phương pháp tiếp cận giá kỳ vọng sản xuất 20 2.1.3.4 Hành vi cung ứng người nông dân sản xuất tôm 21 2.1.3.5 Hệ số co giãn ngắn hạn dài hạn 22 2.2 Tổng quan tài liệu tham khảo 23 2.2.1 Sự truyền dẫn giá bán khúc thị trường kênh phân phối 23 2.2.2 Giả thuyết kỳ vọng mơ hình giá kỳ vọng nghiên cứu 24 2.2.3 Tổng quan tài liệu phản ứng cung sản phẩm nông nghiệp 25 2.2.3.1 Hàm phản ứng cung điều chỉnh theo sản lượng 25 2.2.3.2 Hàm phản ứng cung điều chỉnh theo diện tích 25 2.2.3.3 Ảnh hưởng sách giá đến phản ứng cung 26 2.2.3.4 Mơ hình giá kỳ vọng lý thuyết phản ứng cung 29 2.2.3.5 Dữ liệu phân tích phương pháp ước lượng 31 2.2.3 Các nghiên cứu thực nghiệm tôm Đồng sông Cửu Long 32 2.3 Khung nghiên cứu đề xuất cho nghiên cứu luận án 33 2.3.1 Khe hổng nghiên cứu 33 2.3.2 Khung nghiên cứu đề xuất cho nghiên cứu luận án 383 2.4 Các mơ hình thực nghiệm phương pháp nghiên cứu 38 2.4.1 Các mơ hình kinh tế lượng sử dụng phân tích luận án 37 2.4.2 Phương pháp nghiên cứu 37 2.3.4.1 Phương pháp thu thập số liệu 42 2.3.4.2 Phương pháp phân tích số liệu 45 2.5 Kết luận 48 viii 4.2.3 Mơ hình tự hồi qui ARIMA regression Sample: 04jan2013 - 03jun2016, but with gaps Log likelihood = D2.rpmax -8933.56 OPG Std Err Coef z Number of obs Wald chi2(2) Prob > chi2 = = = 1235 2135.72 0.0000 P>|z| [95% Conf Interval] rpmax _cons 2039954 5.114056 0.04 0.968 -9.81937 10.22736 ar L1 L2 -.6682884 -.3208094 0150229 0152272 -44.48 -21.07 0.000 0.000 -.6977327 -.3506541 -.6388442 -.2909646 /sigma 334.9888 2.316483 144.61 0.000 330.4485 339.529 ARMA Note: The test of the variance against zero is one sided, and the two-sided confidence interval is truncated at zero 4.2.4 Kết kiểm định mơ hình dwstat Number of gaps in sample: Durbin-Watson d-statistic( , 1235) = 2.1849 155 PHỤ LỤC PHÂN TÍCH PHẢN ỨNG CUNG TƠM SÚ Ở ĐỒNG BẰNG SỐNG CỬU LONG 5.1 Thống kê mô tả biến với chuỗi số liệu gốc Variable Obs Mean at amt qt qmt pt 64 64 64 64 64 31677.52 2883.484 13898.66 10470.94 150019.9 pmt pst pct pttb2 pttb3 64 64 64 56 52 78901.02 41637.3 116981.5 149767.5 148459.2 Std Dev Min Max 60383.13 4127.932 9982.586 10708.07 40069.14 139 301 987 88860.9 260561 19804 43500 61914 268217 17392.93 12357.49 32329.91 35575.47 31772.36 52761.6 23470.9 42768.1 90271.45 102848.6 140762 79106.5 196024 243243 220699.7 Thống kê mô tả biến với chuỗi số liệu chuyển sang ln Variable Obs Mean lnat lnamt lnqt lnqmt lnpt 64 64 64 64 64 8.744423 6.866134 9.049388 8.876583 11.88628 lnpmt lnpct lnpst lnpttb2 lnpttb3 64 64 64 56 52 11.25514 11.62739 10.59648 11.88269 11.87312 Std Dev Min Max 1.926636 1.818874 1.286325 8780296 2520263 4.934474 5.70711 6.89467 11.39483 12.47059 9.89364 10.68052 11.0335 12.49955 1994388 3063812 283359 2260079 2017694 10.87354 10.66355 10.06352 11.41045 11.52691 11.85483 12.18599 11.27855 12.39651 12.28969 5.2 Kiểm định tính dừng chuỗi số liệu Kiểm định Levin-Lin-Chu unit-root Levin-Lin-Chu unit-root test for lnat Ho: Panels contain unit roots Ha: Panels are stationary Number of panels = Number of periods = AR parameter: Common Panel means: Included Time trend: Not included Asymptotics: N/T -> ADF regressions: lags LR variance: Bartlett kernel, 8.00 lags average (chosen by LLC) Statistic Unadjusted t Adjusted t* -8.3637 -6.3472 p-value 0.0000 156 16 Levin-Lin-Chu unit-root test for lnamt Ho: Panels contain unit roots Ha: Panels are stationary Number of panels = Number of periods = AR parameter: Common Panel means: Included Time trend: Not included Asymptotics: N/T -> 16 ADF regressions: lags LR variance: Bartlett kernel, 8.00 lags average (chosen by LLC) Statistic Unadjusted t Adjusted t* -9.9079 -8.2605 p-value 0.0000 Levin-Lin-Chu unit-root test for lnqt Ho: Panels contain unit roots Ha: Panels are stationary Number of panels = Number of periods = AR parameter: Common Panel means: Included Time trend: Not included Asymptotics: N/T -> 16 ADF regressions: lags LR variance: Bartlett kernel, 8.00 lags average (chosen by LLC) Statistic Unadjusted t Adjusted t* -11.3134 -9.4400 p-value 0.0000 Levin-Lin-Chu unit-root test for lnqmt Ho: Panels contain unit roots Ha: Panels are stationary Number of panels = Number of periods = AR parameter: Common Panel means: Included Time trend: Not included Asymptotics: N/T -> ADF regressions: lags LR variance: Bartlett kernel, 8.00 lags average (chosen by LLC) Statistic Unadjusted t Adjusted t* -9.8262 -7.8671 p-value 0.0000 157 16 Levin-Lin-Chu unit-root test for lnpt Ho: Panels contain unit roots Ha: Panels are stationary Number of panels = Number of periods = AR parameter: Common Panel means: Included Time trend: Not included Asymptotics: N/T -> 16 ADF regressions: lags LR variance: Bartlett kernel, 8.00 lags average (chosen by LLC) Statistic Unadjusted t Adjusted t* -6.5515 -4.6110 p-value 0.0000 Levin-Lin-Chu unit-root test for lnpmt Ho: Panels contain unit roots Ha: Panels are stationary Number of panels = Number of periods = AR parameter: Common Panel means: Included Time trend: Not included Asymptotics: N/T -> 16 ADF regressions: lags LR variance: Bartlett kernel, 8.00 lags average (chosen by LLC) Statistic Unadjusted t Adjusted t* -7.2803 -5.9059 p-value 0.0000 Levin-Lin-Chu unit-root test for lnpct Ho: Panels contain unit roots Ha: Panels are stationary Number of panels = Number of periods = AR parameter: Common Panel means: Included Time trend: Not included Asymptotics: N/T -> ADF regressions: lags LR variance: Bartlett kernel, 8.00 lags average (chosen by LLC) Statistic Unadjusted t Adjusted t* -5.6920 -3.9833 p-value 0.0000 158 16 Levin-Lin-Chu unit-root test for lnpst Ho: Panels contain unit roots Ha: Panels are stationary Number of panels = Number of periods = AR parameter: Common Panel means: Included Time trend: Not included Asymptotics: N/T -> 16 ADF regressions: lags LR variance: Bartlett kernel, 8.00 lags average (chosen by LLC) Statistic Unadjusted t Adjusted t* -4.9498 -2.6352 p-value 0.0042 Kiểm định Im-Pesaran-Shin unit-root test Im-Pesaran-Shin unit-root test for lnat Ho: All panels contain unit roots Ha: Some panels are stationary Number of panels = Number of periods = 16 AR parameter: Panel-specific Panel means: Included Time trend: Not included Asymptotics: T,N -> Infinity sequentially ADF regressions: lags Statistic W-t-bar -5.0663 p-value 0.0000 Im-Pesaran-Shin unit-root test for lnamt Ho: All panels contain unit roots Ha: Some panels are stationary Number of panels = Number of periods = AR parameter: Panel-specific Panel means: Included Time trend: Not included Asymptotics: T,N -> Infinity sequentially ADF regressions: lags Statistic W-t-bar -6.6472 p-value 0.0000 159 16 Im-Pesaran-Shin unit-root test for lnqt Ho: All panels contain unit roots Ha: Some panels are stationary Number of panels = Number of periods = 16 AR parameter: Panel-specific Panel means: Included Time trend: Not included Asymptotics: T,N -> Infinity sequentially ADF regressions: lags Statistic W-t-bar -7.8334 p-value 0.0000 Im-Pesaran-Shin unit-root test for lnpt Ho: All panels contain unit roots Ha: Some panels are stationary Number of panels = Number of periods = 16 AR parameter: Panel-specific Panel means: Included Time trend: Not included Asymptotics: T,N -> Infinity sequentially ADF regressions: lags Statistic W-t-bar -3.3025 p-value 0.0005 Im-Pesaran-Shin unit-root test for lnpmt Ho: All panels contain unit roots Ha: Some panels are stationary Number of panels = Number of periods = AR parameter: Panel-specific Panel means: Included Time trend: Not included Asymptotics: T,N -> Infinity sequentially ADF regressions: lags Statistic W-t-bar -5.3853 p-value 0.0000 160 16 Im-Pesaran-Shin unit-root test for lnpct Ho: All panels contain unit roots Ha: Some panels are stationary Number of panels = Number of periods = 16 AR parameter: Panel-specific Panel means: Included Time trend: Not included Asymptotics: T,N -> Infinity sequentially ADF regressions: lags Statistic W-t-bar -2.5698 p-value 0.0051 Im-Pesaran-Shin unit-root test for lnpst Ho: All panels contain unit roots Ha: Some panels are stationary Number of panels = Number of periods = 16 AR parameter: Panel-specific Panel means: Included Time trend: Not included Asymptotics: T,N -> Infinity sequentially ADF regressions: lags Statistic W-t-bar -1.9019 p-value 0.0286 5.3 mơ hình giá kỳ vọng 5.3.1 Ước lượng mơ hình giá FEM, REM kiểm định Hausman Mơ hình giả thuyết cobweb Random-effects GLS regression Group variable: matinh Number of obs Number of groups R-sq: Obs per group: within = 0.0326 between = 0.9985 overall = 0.2442 corr(u_i, X) = = 56 = avg = max = 14 14.0 14 = = 17.13 0.0002 Wald chi2(2) Prob > chi2 = (assumed) lnpt Coef Std Err z P>|z| [95% Conf Interval] lnpt L1 L2 .5316041 -.1002281 1370482 1310306 3.88 -0.76 0.000 0.444 2629945 -.3570433 8002136 1565872 _cons 6.739384 1.568909 4.30 0.000 3.664378 9.814389 sigma_u sigma_e rho 17472745 (fraction of variance due to u_i) 161 Group variable: matinh Number of groups R-sq: Obs per group: within = 0.2194 between = 0.9803 overall = 0.0000 corr(u_i, Xb) = = avg = max = 14 14.0 14 = = 7.02 0.0020 F(2,50) Prob > F = -0.4817 lnpt Coef Std Err t P>|t| [95% Conf Interval] lnpt L1 L2 .157754 -.4355066 1255552 1184309 1.26 -3.68 0.215 0.001 -.094431 -.6733821 4099389 -.1976312 _cons 15.16544 1.895144 8.00 0.000 11.35893 18.97195 sigma_u sigma_e rho 24255572 17472745 65836311 (fraction of variance due to u_i) F test that all u_i=0: F(3, 50) = 11.59 Prob > F = 0.0000 Kiểm định Hausman Test: Ho: difference chi2(2) = = Prob>chi2 = (V_b-V_B is in coefficients not systematic (b-B)'[(V_b-V_B)^(-1)](b-B) 62.77 0.0000 not positive definite) Tiêu chuẩn AIC, BIC Model Obs ll(null) ll(model) df AIC BIC 56 14.47257 21.40621 -38.81242 -34.76172 Note: N=Obs used in calculating BIC; see [R] BIC note 2/Mơ hình giá kỳ vọng trung bình kỳ Fixed-effects (within) regression Group variable: matinh Number of obs Number of groups R-sq: Obs per group: within = 0.0584 between = 0.9934 overall = 0.1397 corr(u_i, Xb) = = 56 = avg = max = 14 14.0 14 = = 3.16 0.0812 F(1,51) Prob > F = -0.7544 lnpt Coef Std Err t lnpttb2 _cons -.3079531 15.51966 1731244 2.057341 sigma_u sigma_e rho 24705488 19000389 628347 (fraction of variance due to u_i) -1.78 7.54 F test that all u_i=0: F(3, 51) = 10.20 162 P>|t| 0.081 0.000 [95% Conf Interval] -.6555149 11.38937 0396088 19.64994 Prob > F = 0.0000 Random-effects GLS regression Group variable: matinh Number of obs Number of groups R-sq: Obs per group: within = 0.0584 between = 0.9934 overall = 0.1397 corr(u_i, X) Coef lnpttb2 _cons 4126651 6.956775 sigma_u sigma_e rho 19000389 56 = avg = max = 14 14.0 14 = = 8.77 0.0031 Wald chi2(1) Prob > chi2 = (assumed) lnpt = = Std Err z P>|z| [95% Conf Interval] 1393479 1.656123 2.96 4.20 0.003 0.000 1395481 3.710833 (fraction of variance due to u_i) Kiểm định hausman Test: Ho: difference in coefficients not systematic chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 49.20 Prob>chi2 = 0.0000 Kiểm định phương sai sai số thay đổi Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (4) = Prob>chi2 = 13.11 0.0108 163 685782 10.20272 Khắc phục phương sai sai số thay đổi Fixed-effects (within) regression Group variable: matinh Number of obs Number of groups R-sq: Obs per group: within = 0.0584 between = 0.9934 overall = 0.1397 corr(u_i, Xb) = = 56 = avg = max = 14 14.0 14 = = 4.37 0.1276 F(1,3) Prob > F = -0.7544 (Std Err adjusted for clusters in matinh) Robust Std Err lnpt Coef t lnpttb2 _cons -.3079531 15.51966 1472675 1.749935 sigma_u sigma_e rho 24705488 19000389 628347 (fraction of variance due to u_i) -2.09 8.87 P>|t| [95% Conf Interval] 0.128 0.003 -.7766241 9.950585 160718 21.08873 Tiêu chuẩn AIC, BIC Akaike's information criterion and Bayesian information criterion Model Obs ll(null) ll(model) df AIC BIC 56 14.47257 16.15797 -30.31595 -28.2906 5.4 Hàm số cung Nerlove điều chỉnh sản lượng 5.4.1 Hàm số cung Nerlove điều chỉnh sản lượng ước lượng FEM Fixed-effects (within) regression Group variable: matinh Number of Number of R-sq: Obs per group: within between overall corr(u_i, F Xb) obs groups = 0.5769 = 0.9982 = 0.0432 = = = 56 = avg = max = 14 14.0 14 = = 6.51 0.0000 F(9,43) Prob > F -0.7797 lnqt Coef lnqt L1 L2 -.1346332 -.7354605 1079984 130959 -1.25 -5.62 0.219 0.000 -.3524326 -.9995644 0831663 -.4713566 lnqmt L2 -.0532348 1785106 -0.30 0.767 -.4132357 3067661 lnpt L1 L2 .5650025 -.1968995 4940663 7041952 1.14 -0.28 0.259 0.781 -.4313773 -1.617044 1.561382 1.223245 lnpmt L2 -1.169073 7044139 -1.66 0.104 -2.589659 2515133 lnpct L2 .4874345 418287 1.17 0.250 -.3561216 1.330991 lnpst L2 .2753206 37422 0.74 0.466 -.4793658 1.030007 t _cons 0403637 8.603221 0243838 12.0782 1.66 0.71 0.105 0.480 -.0088109 -15.75478 0895383 32.96123 sigma_u sigma_e rho 1.8478654 61547268 90014095 test that all u_i=0: F(3, Std Err t P>|t| (fraction of variance 43) = 28.09 due [95% Conf to u_i) Prob > 164 Interval] F = 0.0000 5.4.2 Hàm số cung Nerlove điều chỉnh sản lượng ước lượng REM Random-effects GLS regression Group variable: matinh Number of obs Number of groups R-sq: Obs per group: within = 0.0901 between = 0.7649 overall = 0.3638 corr(u_i, X) = = 56 = avg = max = 14 14.0 14 = = 26.31 0.0018 Wald chi2(9) Prob > chi2 = (assumed) lnqt Coef Std Err z P>|z| lnqt L1 L2 .3316677 -.0409302 1535997 1568019 2.16 -0.26 0.031 0.794 0306177 -.3482563 6327177 266396 lnqmt L2 -.3295039 2022705 -1.63 0.103 -.7259469 066939 lnpt L1 L2 .8764462 1.056862 7496905 9995647 1.17 1.06 0.242 0.290 -.5929202 -.9022485 2.345813 3.015973 lnpmt L2 -.6891448 1.140027 -0.60 0.546 -2.923556 1.545267 lnpct L2 -.3627711 6587997 -0.55 0.582 -1.653995 9284525 lnpst L2 -.0855785 5933275 -0.14 0.885 -1.248479 1.077322 t _cons 0339575 -8.323537 0402705 15.86559 0.84 -0.52 0.399 0.600 -.0449712 -39.41952 1128863 22.77245 sigma_u sigma_e rho 61547268 (fraction of variance due to u_i) 5.4.3 Kiểm định hausman Test: Ho: difference in coefficients not systematic chi2(9) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 285.57 Prob>chi2 = 0.0000 (V_b-V_B is not positive definite) 165 [95% Conf Interval] 5.4.4 Kiểm đinh mơ hình Kiểm định phương sai sai số thay đôi Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (4) = Prob>chi2 = 78.06 0.0000 Kiểm định tương quan chuỗi Wooldridge test for autocorrelation in panel data H0: no first order autocorrelation F( 1, 3) = 4.662 Prob > F = 0.1197 5.5.6 Hàm cung Nerlove khắc phục phương sai sai số thay đổi Fixed-effects (within) regression Group variable: matinh Number of obs Number of groups R-sq: Obs per group: within = 0.5769 between = 0.9982 overall = 0.0432 corr(u_i, Xb) = = 56 = avg = max = 14 14.0 14 = = F(3,3) Prob > F = -0.7797 (Std Err adjusted for clusters in matinh) Robust Std Err lnqt Coef t P>|t| [95% Conf Interval] lnqt L1 L2 -.1346317 -.7354605 0513792 0526934 -2.62 -13.96 0.079 0.001 -.2981434 -.9031545 02888 -.5677666 lnqmt L2 -.0532334 0509306 -1.05 0.373 -.2153173 1088504 lnpt L1 L2 .5650096 -.1969014 2163167 2261881 2.61 -0.87 0.080 0.448 -.1234067 -.9167328 1.253426 52293 lnpmt L2 -1.169067 5338129 -2.19 0.116 -2.867898 5297639 lnpct L2 .4874352 2960037 1.65 0.198 -.4545806 1.429451 lnpst L2 .2753191 4161251 0.66 0.555 -1.048977 1.599615 t _cons 0403636 8.603103 0310427 15.94464 1.30 0.54 0.284 0.627 -.0584281 -42.13986 1391553 59.34606 sigma_u sigma_e rho 1.8478644 61547294 90014078 (fraction of variance due to u_i) 166 5.5 Hàm số cung Nerlove điều chỉnh theo diện tích 5.5.1 Hàm số cung Nerlove điều chỉnh theo diện tích ước lượng FEM Fixed-effects (within) regression Group variable: matinh Number of obs Number of groups R-sq: Obs per group: within = 0.5742 between = 0.1629 overall = 0.3898 corr(u_i, Xb) = = 56 = avg = max = 14 14.0 14 = = 6.44 0.0000 F(9,43) Prob > F = -0.3213 lnat Coef Std Err t P>|t| [95% Conf Interval] lnat L1 L2 -.3220477 -.6839576 1350967 1399353 -2.38 -4.89 0.022 0.000 -.5944962 -.966164 -.0495992 -.4017512 lnpt L1 L2 2.718247 2.654264 1.44242 1.7702 1.88 1.50 0.066 0.141 -.19067 -.9156853 5.627165 6.224213 lnpmt L1 L2 -3.805748 3.501131 1.532688 1.394966 -2.48 2.51 0.017 0.016 -6.896708 6879144 -.7147871 6.314348 lnpct L2 -2.815116 8501318 -3.31 0.002 -4.52957 -1.100662 lnpst L2 1.324486 -3.037496 82309 8689932 1.61 -3.50 0.115 0.001 -.3354335 -4.789988 2.984405 -1.285005 _cons 7.973917 22.74129 0.35 0.728 -37.88826 53.83609 sigma_u sigma_e rho 1.0733852 1.3329947 39335734 (fraction of variance due to u_i) F test that all u_i=0: F(3, 43) = 6.33 167 Prob > F = 0.0012 5.5.2 Hàm số cung Nerlove điều chỉnh theo diện tích ước lượng REM Random-effects GLS regression Group variable: matinh Number of obs Number of groups R-sq: Obs per group: within = 0.5216 between = 0.0055 overall = 0.4390 corr(u_i, X) = = 56 = avg = max = 14 14.0 14 = = 36.00 0.0000 Wald chi2(9) Prob > chi2 = (assumed) lnat Coef Std Err z P>|z| [95% Conf Interval] lnat L1 L2 -.1879625 -.4958932 1383296 1528187 -1.36 -3.24 0.174 0.001 -.4590834 -.7954124 0831585 -.1963741 lnpt L1 L2 2.660237 2.627643 1.523742 1.693422 1.75 1.55 0.081 0.121 -.3262421 -.6914031 5.646716 5.946689 lnpmt L1 L2 -4.219127 2.014834 1.765832 1.54422 -2.39 1.30 0.017 0.192 -7.680095 -1.011782 -.7581598 5.04145 lnpct L2 -3.128799 9488382 -3.30 0.001 -4.988488 -1.26911 lnpst L2 1.461699 -2.735276 9290424 9188259 1.57 -2.98 0.116 0.003 -.3591908 -4.536141 3.282588 -.9344098 _cons 26.51095 19.59794 1.35 0.176 -11.90031 64.92221 sigma_u sigma_e rho 1.3329947 (fraction of variance due to u_i) 5.5.3 Kiểm định Hausman Test: Ho: difference in coefficients not systematic chi2(9) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 71.75 Prob>chi2 = 0.0000 (V_b-V_B is not positive definite) 168 5.5.4 Kiểm định ước lượng FEM Kiểm định phương sai sai số thay đổi ước lượng FEM Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H0: sigma(i)^2 = sigma^2 for all i chi2 (4) = Prob>chi2 = 5.48 0.2412 Kiểm định tương quan chuỗi thay đổi ước lượng FEM Wooldridge test for autocorrelation in panel data H0: no first order autocorrelation F( 1, 3) = 6.419 Prob > F = 0.0852 169 ... ứng cung (Supply response) Khái niệm phản ứng cung hay điều chỉnh cung hiểu cung sản phẩm di chuyển dọc theo đường cung lẫn việc dịch chuyển đường cung (Tomek & Robinson, 1981) Phản ứng cung. .. thuyết hàm số cung - Lý thuyết hàm số cung: Hàm số cung biểu diễn mối quan hệ giá lượng cung sản phẩm gọi hàm số cung bậc Hàm số cung mở rộng phân tích tổng quát ảnh hưởng yếu tố đến số cung (Lê Khương... gọi hàm số cung Các nhà kinh tế học thường dùng hàm số cung bậc hàm số tuyến tính để biểu diễn hàm số cung nên hàm số cung thường có dạng: Qs  a  bP hay P    QS Khi đó, Đường cung vẽ đường