BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH NGUYỄN THỊ SƠN HÀ ĐÁNH GIÁ TÁC ĐỘNG CỦA CÁC LOẠI HÌNH TRUYỀN THƠNG ĐẾN NHẬN THỨC VÀ HÀNH VI CỦA PHỤ HUYNH TRONG TIÊM CHỦNG TRẺ EM TẠI THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ KINH TẾ TP.HCM, 04/2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH NGUYỄN THỊ SƠN HÀ ĐÁNH GIÁ TÁC ĐỘNG CỦA CÁC LOẠI HÌNH TRUYỀN THƠNG ĐẾN NHẬN THỨC VÀ HÀNH VI CỦA PHỤ HUYNH TRONG TIÊM CHỦNG TRẺ EM TẠI THÀNH PHỐ HỒ CHÍ MINH Chuyên ngành: KINH TẾ PHÁT TRIỂN Mã số: 60310105 LUẬN VĂN THẠC SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS PHẠM KHÁNH NAM TP.HCM, 04/2017 LỜI CAM ĐOAN Tôi xin cam đoan tất nội dung luận văn hồn tồn hình thành phát triển từ quan điểm cá nhân tôi, hướng dẫn khoa học Thầy Phạm Khánh Nam – Khoa Kinh tế phát triển – Trường Đại học Kinh tế thành phố Hồ Chí Minh Các số liệu kết có luận văn tốt nghiệp hoàn toàn trung thực Tác giả luận văn Nguyễn Thị Sơn Hà TRANG PHỤ MỤC LỤC BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC TỪ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNHVẼ CHƯƠNG 1: GIỚI THIỆU 1.1 Đặt vấn đề 1.2 Mục tiêu nghiên cứu 1.3 Đối tượng Phạm vi nghiên cứu 1.4 Phương pháp nghiên cứu 1.5 Cấu trúc luận văn CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT 2.1 Lược thảo lý thuyết 2.1.1 Lý thuyết hành vi 2.1.2 Lý thuyết truyền thông .5 2.2 Tổng quan thực trạng ………………………………………………………….10 2.2.1 Truyền thông ………………………………………………………………… 10 2.2.2 Thực trạng tiêm chủng mở rộng Việt Nam ……………………………… 12 2.2.3 Thực trạng tiêm chủng dịch vụ Việt Nam …………………………………17 2.3 Lược thảo nghiên cứu thực nghiệm liên quan 19 2.3.1 Nghiên cứu nước 19 2.3.1.1 Nghiên cứu truyền thông sức khỏe .19 2.3.1.2 Nghiên cứu hành vi tiêm chủng trẻ em 22 2.3.1.3 Nghiên cứu nhận thức phụ huynh tiêm chủng trẻ em 24 2.3.2 Nghiên cứu nước 26 2.3.2.1 Nghiên cứu truyền thông sức khỏe .26 2.3.2.2 Nghiên cứu tác động yếu tố kinh tế xã hội cá nhân đến nhận thức tiêm chủng trẻ em .27 CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 29 3.1 Khung phân tích 29 3.2 Mơ hình phân tích 29 3.3 Mô tả biến số 30 3.4 Phương pháp nghiên cứu 33 CHƯƠNG 4: KẾT QUẢ 35 4.1 Thống kê mô tả liệu 35 4.1.1 Đặc điểm kinh tế xã hội 35 4.1.2 Đặc tính số số tháng trẻ 37 4.1.3 Nguồn truyền thông 39 4.1.4 Nhận thức tiêm chủng vaccine cho trẻ em 39 4.1.5 Nhận thức phụ huynh tiêm chủng trẻ em việc lựa chọn vaccine 40 4.1.6 Loại hình chất lượng truyền thơng 41 4.2 Kết phân tích hồi quy .43 4.2.1 Đánh giá tác động đặc điểm kinh tế xã hội cá nhân lên nhận thức tiêm chủng trẻ em phụ huynh 43 4.2.2 Tác động biến kênh truyền thông đến chọn lựa vaccine .44 4.3 Thảo luận kết 55 CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ .58 5.1 Kết luận 58 5.1.1 Đặc tính mẫu nghiên cứu 58 5.1.2 Nhận thức tiêm chủng cho trẻ 58 5.1.3 Hành vi lựa chọn vaccine tiêm chủng cho trẻ 58 5.1.4 Tác động truyền thông lên hành vi lựa chọn vaccine tiêm chủng cho trẻ 58 5.2 Hàm ý sách 59 5.3 Hạn chế hướng nghiên cứu 60 5.3.1 Hạn chế đề tài .60 5.3.2 Hướng nghiên cứu .60 5.4 Kiến nghị 60 DANH MỤC TÀI LIỆU THAM KHẢO PHỤ LỤC 1: Bản câu hỏi vấn bảng mã hoá PHỤ LỤC 2: Xử lý số liệu stata DANH MỤC CÁC TỪ VIẾT TẮT Ký hiệu Tên tiếng việt CTTCMR Chương trình tiêm chủng mở rộng CTTCMRQG Chương trình tiêm chủng mở rộng quốc gia TCMR Tiêm chủng mở rộng TCTE Tiêm chủng trẻ em TCDV Tiêm chủng dịch vụ CSYT Cơ sở y tế CNVC Công nhân viên chức CBCC Cán công chức WHO Tổ chức y tế giới YTTG Y tế giới HCPs Healthcare Professionals Vaccine Vắc-xin UVSS Uốn ván sơ sinh VGB Viêm gan B DPT Bạch hầu, uốn ván, ho gà MMR Vắc-xin sởi- quai bị- rubella Hib Vắc-xin ngừa bệnh viêm phổi vi khuẩn Haemophilus influenzae loại b TPB Theory of Planned Behavior TRA Theory of Reasoned Action DANH MỤC CÁC BẢNG Bảng 2.1 Kết trì thành loại trừ UVSS Bảng 2.2 Tỷ lệ trẻ 2-10 tuổi mang HBsAg theo tình trạng tiêm chủng năm 2010 Bảng 4.1 Phân bố nhận thức tiêm chủng Bảng 4.2: Mối tương quan nhận thức loại hình truyền thơng Bảng 4.3: Mối tương quan việc lựa chọn vaccine loại hình truyền thông Bảng 4.4: Tác động đặc điểm kinh tế xã hội cá nhân lên nhận thức tiêm chủng trẻ em Bảng 4.5: Tác động biến truyền thông từ sở y tế CTTCMR đến việc chọn lựa vaccine Bảng 4.6: Tác động biến truyền thông từ sở y tế CTTCMR đến việc chọn lựa vaccine (tiếp) Bảng 4.7: Tác động biến truyền thơng khơng thức (mạng xã hội, cộng đồng ) đến chọn lựa vaccine Bảng 4.8: Tác động biến truyền thơng khơng thức (mạng xã hội, cộng đồng ) đến việc chọn lựa vaccine (tiếp) DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ Hình 2.1: Mơ hình hành vi người tiêu dùng Hình 2.2: Sơ đồ tâm lý hành vi lựa chọn tiêm chủng Biểu đồ 2.1 Kết tiêm chủng đầy đủ toàn quốc giai đoạn 1985 – 2012 Biểu đồ 2.2 Tỷ lệ tiêm chủng vắc xin OPV tỷ lệ mắc bệnh bại liệt, năm 1985 – 2012 Biểu đồ 2.3 Tỷ lệ tiêm vắc xin sởi tỷ lệ mắc sởi Việt Nam, 1984-2012 Biểu đồ 2.4 Tỷ lệ tiêm vắc xin VGB3, 1997-2012 Hình 3.1: Khung phân tích nghiên cứu Đồ thị 4.1 Lựa chọn vaccine - Nhóm tuổi Đồ thị 4.2 Lựa chọn vaccine - Trình độ học vấn Đồ thị 4.3 Lựa chọn vaccine - Nghề nghiệp Đồ thị 4.4 Lựa chọn vaccine – Thu nhập Đồ thị 4.5 Lựa chọn vaccine – Điểm tiêm Đồ thị 4.6 Lựa chọn vaccine – Số tháng trẻ Đồ thị 4.7 Lựa chọn vaccine – Số Đồ thị 4.8 Nguồn truyền thông Đồ thị 4.9 Nhận thức Lựa chọn vaccine Đồ thị 4.10 Truyền thông từ CSYT CTTCMR Đồ thị 4.11 Truyền thông khơng thức CHƯƠNG 1: GIỚI THIỆU 1.1 Đặt vấn đề Trước tình trạng có nhiều nguồn truyền thông trái chiều, tiêu cực lĩnh vực tiêm chủng trẻ em vài năm trở lại Không biết thực hư hành vi phụ huynh có nhỏ phải tiêm chủng ln lo sợ an toàn vaccine, đặc biệt vaccine CTTCMR Ở thành phố lớn, đặc biệt thành phố Hồ Chí Minh, số phụ huynh chấp nhận bỏ tiền thời gian chờ đợi trẻ chích ngừa vaccine dịch vụ thay vaccine có sẵn chương trình TCMR với hy vọng giảm rủi ro tai biến sau tiêm Đặc biệt cuối năm 2015 đầu năm 2016 liên tiếp tai biến tử vong xẩy toàn quốc gây hoang mang cho người dân Với 40 trường hợp trẻ bị tử vong vaccine Quinvaxem thời gian qua, y tế kết luận có trường hợp vaccine lại tiền sử bệnh lý trẻ nhiều nguyên nhân khâu chăm sóc, khai báo, điều kiện y tế chưa đảm bảo Sư bất an bà mẹ ông bố có nhỏ độ tuổi tiêm chủng trước tai biến nguy hiểm tiêm chủng gần gây nên tâm lý trì hỗn việc tiêm chủng lịch cho trẻ trở nên phổ biến Việt Nam Nếu tiêm chủng không lịch, nguy xẩy bệnh cao, chứng dịch sởi bùng phát vào năm 2014 nguy bệnh ho gà, bạch hầu trở thành dịch không tiêm chủng lịch đầy đủ điều khó tránh khỏi Điều có phải truyền thơng khơng cách hay sai lệch truyền thông mà dẫn đến tình trạng này? Sự đa dạng loại hình (đặt biệt truyền thông từ mạng xã hội, cộng đồng, bạn bè ngày trở nên phổ biến hết) phức tạp truyền thơng có ảnh hưởng đến nhận thức hành vi phụ huynh có nhỏ giai đoạn tiêm chủng khơng? Tiêm chủng phòng bệnh vaccine thành tựu y học kỷ XX, có ý nghĩa to lớn Y học dự phịng Chương trình tiêm chủng mở rộng góp phần làm giảm đáng kể tỷ lệ mắc chết trẻ em tuổi tuổi bệnh truyền nhiễm Ước tính hàng năm tiêm chủng cứu sống khoảng triệu trẻ em nước phát triển Hoạt động tiêm chủng vaccine trẻ em vấn đề xã hội lớn, ln tồn xã hội, quan quản lý Nhà nước quan tâm Truyền thơng với vai trị quan trọng truyền tải thơng tin, định hướng xu hướng, phong trào xã hội tác động mạnh đến bậc phụ huynh vấn đề lựa chọn vaccine tiêm chủng cho trẻ em lòng tin họ với quan y tế cấp Vaccine biện pháp hữu hiệu để phòng ngừa bệnh tật nên việc tiêm chủng cho trẻ lịch đầy đủ cần thiết đặc biệt điều kiện biến đổi hậu nay, bệnh dịch loại trừ bùng phát trở lại Nghiên cứu nhằm đánh giá mức độ ảnh hưởng vai trị truyền thơng lên nhận thức phụ huynh tiêm chủng trẻ em việc lựa chọn trẻ tiêm chủng theo chương trình TCMR hay dịch vụ cần thiết giúp thiết kế sách truyền thơng vaccine hiệu 1.2 Mục tiêu nghiên cứu Mục tiêu tổng quát : Đánh giá tác động truyền thông lên nhận thức tiêm chủng hành vi phụ huynh tiêm chủng trẻ em Mục tiêu cụ thể (1) Đánh giá tác động yếu tố kinh tế xã hội cá nhân lên nhận thức phụ huynh tiêm chủng trẻ em; (2) Đánh giá tác động yếu tố kinh tế xã hội cá nhân lên hành vi lựa chọn vaccine tiêm chủng trẻ em phụ huynh; (3) Đánh giá mối liên quan nhận thức tiêm chủng phụ huynh tiêm chủng trẻ em tới việc lựa chọn vaccine; (4) Đánh giá tác động loại hình truyền thơng lên nhận thức phụ huynh tiêm chủng trẻ em; (5) Đánh giá tác động loại hình truyền thơng đến việc lựa chọn vaccine; (6) Đánh giá tác động nội dung truyền thông đến việc lựa chọn vaccine 1.3 Đối tượng Phạm vi nghiên cứu 1.3.1 Đối tượng nghiên cứu: Những gia đình có nhỏ tuổi tiêm chủng vaccine dịch vụ vaccine CTTCMR income3*| 3778569 09911 3.81 0.000 183597 572117 320574 agegr2*| -.3447056 15331 -2.25 0.025 -.645179 -.044233 126794 agegr3*| -.1613138 16656 -0.97 0.333 -.487762 165134 688995 agegr4*| -.1318359 18126 -0.73 0.467 -.48709 223418 160287 noc | -.0699319 04657 -1.50 0.133 -.161199 021336 1.45933 month | -.0050032 00437 -1.15 0.252 -.013567 003561 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit mr c153 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration 0: Iteration 1: Iteration 2: Iteration 3: Iteration 4: log log log log log likelihood likelihood likelihood likelihood likelihood Probit regression Log likelihood = -2 60.29925 = = = = = -278.13986 -260.49443 -260.2996 -260.29925 -260.29925 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 35.68 0.0007 0.0641 -mr | Coef Std Err z P>|z| [95% Conf Interval] -+ -c153 | -.2639157 1139243 -2.32 0.021 -.4872032 -.0406281 edu2 | -.0108657 1644024 -0.07 0.947 -.3330885 3113571 edu3 | -.6179922 300268 -2.06 0.040 -1.206507 -.0294778 job2 | 0369774 1992391 0.19 0.853 -.353524 4274788 job3 | -.3782023 2104177 -1.80 0.072 -.7906133 0342088 job5 | 1973931 2433489 0.81 0.417 -.279562 6743483 income2 | -.2990769 2790563 -1.07 0.284 -.8460172 2478635 income3 | -.5172798 2993679 -1.73 0.084 -1.10403 0694706 agegr2 | 6331691 4964952 1.28 0.202 -.3399436 1.606282 agegr3 | -.0074502 468811 -0.02 0.987 -.9263028 9114024 agegr4 | -.0450271 4906117 -0.09 0.927 -1.006608 9165541 noc | 0661218 1165186 0.57 0.570 -.1622505 2944942 month | -.0026613 0110372 -0.24 0.809 -.0242939 0189713 _cons | 039401 6001434 0.07 0.948 -1.136858 1.21566 mfx Marginal effects after probit y = Pr(mr) (predict) = 37118027 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c153 | -.0997493 04284 -2.33 0.020 -.183705 -.015793 200957 edu2*| -.0041085 06219 -0.07 0.947 -.125998 117781 619617 edu3*| -.206355 08379 -2.46 0.014 -.370586 -.042124 095694 job2*| 0140347 07592 0.18 0.853 -.134771 16284 143541 job3*| -.1349913 06988 -1.93 0.053 -.271954 001971 148325 job5*| 0762922 09568 0.80 0.425 -.111242 263827 078947 income2*| -.1139145 10671 -1.07 0.286 -.32306 095231 619617 income3*| -.1871031 10224 -1.83 0.067 -.387482 013276 320574 agegr2*| 2474171 19176 1.29 0.197 -.128428 623262 126794 agegr3*| -.0028172 17735 -0.02 0.987 -.350424 34479 688995 agegr4*| -.0169298 18347 -0.09 0.926 -.376521 342661 160287 noc | 0249913 04404 0.57 0.570 -.061322 111304 1.45933 month | -.0010059 00417 -0.24 0.809 -.009182 00717 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit mr c111 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = -278.13986 = -261.98386 = -261.9109 = -261.9109 Probit regression Log likelihood = Number of obs LR chi2(13) Prob > chi2 Pseudo R2 -261.9109 = = = = 418 32.46 0.0021 0.0583 -mr | Coef Std Err z P>|z| [95% Conf Interval] -+ -c111 | 2941379 1770104 1.66 0.097 -.052796 6410719 edu2 | -.0197218 1645966 -0.12 0.905 -.3423253 3028817 edu3 | -.6983843 293954 -2.38 0.018 -1.274523 -.1222451 job2 | 0328689 1989026 0.17 0.869 -.356973 4227108 job3 | -.3348417 210876 -1.59 0.112 -.7481511 0784678 job5 | 203093 243216 0.84 0.404 -.2736017 6797877 income2 | -.2920265 276734 -1.06 0.291 -.8344152 2503621 income3 | -.5026135 2968642 -1.69 0.090 -1.084457 0792297 agegr2 | 7692608 4767641 1.61 0.107 -.1651797 1.703701 agegr3 | 1669117 4455759 0.37 0.708 -.7064011 1.040224 agegr4 | 1536581 4678389 0.33 0.743 -.7632894 1.070605 noc | 0430192 1165275 0.37 0.712 -.1853705 2714089 month | -.0042794 0109525 -0.39 0.696 -.0257458 017187 _cons | -.3677497 600964 -0.61 0.541 -1.545617 8101181 - mfx Marginal effects after probit y = Pr(mr) (predict) = 37487394 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c111*| 1073562 06163 1.74 0.082 -.013441 228153 825359 edu2*| -.0074831 0625 -0.12 0.905 -.129979 115013 619617 edu3*| -.2295434 07816 -2.94 0.003 -.382726 -.07636 095694 job2*| 0125077 07595 0.16 0.869 -.136357 161372 143541 job3*| -.1209744 07177 -1.69 0.092 -.261641 019692 148325 job5*| 0787163 09584 0.82 0.411 -.109119 266552 078947 income2*| -.1115312 10606 -1.05 0.293 -.319406 096343 619617 income3*| -.1828095 10222 -1.79 0.074 -.383156 017537 320574 agegr2*| 2993439 17817 1.68 0.093 -.04987 648558 126794 agegr3*| 0625569 16481 0.38 0.704 -.260457 385571 688995 agegr4*| 0591037 18211 0.32 0.746 -.297833 41604 160287 noc | 0163109 04419 0.37 0.712 -.070291 102913 1.45933 month | -.0016226 00415 -0.39 0.696 -.00976 006515 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit dv c111 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -268.48385 = = = = -287.81871 -268.52155 -268.48385 -268.48385 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 38.67 0.0002 0.0672 -dv | Coef Std Err z P>|z| [95% Conf Interval] -+ c111 | 0476731 1702075 0.28 0.779 -.2859274 3812736 edu2 | -.2439369 1662349 -1.47 0.142 -.5697512 0818775 edu3 | -.3773125 2647288 -1.43 0.154 -.8961714 1415465 job2 | 3467526 2012511 1.72 0.085 -.0476923 7411974 job3 | 4900126 2117776 2.31 0.021 0749362 9050889 job5 | -.0629426 2413435 -0.26 0.794 -.5359672 4100819 income2 | 507913 2840926 1.79 0.074 -.0488982 1.064724 income3 | 1.013967 3045252 3.33 0.001 417109 1.610826 agegr2 | -.3872966 455807 -0.85 0.395 -1.280662 5060688 agegr3 | 1064704 418355 0.25 0.799 -.7134904 9264312 agegr4 | 2131591 4427616 0.48 0.630 -.6546376 1.080956 noc | -.1646625 1152055 -1.43 0.153 -.3904612 0611362 month | -.0154428 0106776 -1.45 0.148 -.0363705 005485 _cons | -.1449518 577604 -0.25 0.802 -1.277035 9871311 - mfx Marginal effects after probit y = Pr(dv) (predict) = 5493719 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c111*| 0189053 0676 0.28 0.780 -.113589 151399 825359 edu2*| -.0959482 06478 -1.48 0.139 -.222918 031021 619617 edu3*| -.1495778 10326 -1.45 0.147 -.351967 052812 095694 job2*| 1335274 07443 1.79 0.073 -.01236 279415 143541 job3*| 1853921 0747 2.48 0.013 038978 331807 148325 job5*| -.0249871 09602 -0.26 0.795 -.213191 163217 078947 income2*| 2000779 10996 1.82 0.069 -.015444 4156 619617 income3*| 3715299 09763 3.81 0.000 180178 562882 320574 agegr2*| -.153517 1779 -0.86 0.388 -.502188 195154 126794 agegr3*| 0422269 16611 0.25 0.799 -.283352 367805 688995 agegr4*| 0832608 16986 0.49 0.624 -.249667 416188 160287 noc | -.0651871 04561 -1.43 0.153 -.154577 024203 1.45933 month | -.0061135 00423 -1.45 0.148 -.014401 002174 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit mr c121 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -263.0695 = -278.13986 = -263.14041 = -263.0695 = -263.0695 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 30.14 0.0045 0.0542 -mr | Coef Std Err z P>|z| [95% Conf Interval] -+ -c121 | -.094166 1343124 -0.70 0.483 -.3574135 1690815 edu2 | -.035211 1641165 -0.21 0.830 -.3568734 2864514 edu3 | -.7106938 2950155 -2.41 0.016 -1.288914 -.132474 job2 | 0014061 1981028 0.01 0.994 -.3868683 3896805 job3 | -.3735732 2102763 -1.78 0.076 -.7857071 0385608 job5 | 2356014 2448158 0.96 0.336 -.2442287 7154315 income2 | -.3055449 2773552 -1.10 0.271 -.8491512 2380613 income3 | -.5134978 297577 -1.73 0.084 -1.096738 0697425 agegr2 | 8133945 4694991 1.73 0.083 -.1068068 1.733596 agegr3 | 1655451 4396626 0.38 0.707 -.6961776 1.027268 agegr4 | 1495427 4625628 0.32 0.746 -.7570637 1.056149 noc | 0588335 1158213 0.51 0.611 -.168172 285839 month | -.0042438 0109337 -0.39 0.698 -.0256735 0171859 _cons | -.080311 5821117 -0.14 0.890 -1.221229 1.060607 - mfx Marginal effects after probit y = Pr(mr) (predict) = 3755938 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c121*| -.0356308 05066 -0.70 0.482 -.134923 063662 423445 edu2*| -.0133756 06242 -0.21 0.830 -.135715 108964 619617 edu3*| -.233067 0778 -3.00 0.003 -.385553 -.080581 095694 job2*| 0005335 07518 0.01 0.994 -.146818 147885 143541 job3*| -.1341534 07045 -1.90 0.057 -.272233 003926 148325 job5*| 091585 09669 0.95 0.344 -.09793 2811 078947 income2*| -.116773 10642 -1.10 0.273 -.325355 091809 619617 income3*| -.186693 10227 -1.83 0.068 -.387138 013751 320574 agegr2*| 3157424 17313 1.82 0.068 -.023589 655074 126794 agegr3*| 0620925 16278 0.38 0.703 -.25695 381135 688995 agegr4*| 0575312 18004 0.32 0.749 -.295337 410399 160287 noc | 0223205 04394 0.51 0.612 -.063809 10845 1.45933 month | -.00161 00415 -0.39 0.698 -.009739 006519 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit dv c121 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -267.64919 = = = = -287.81871 -267.69143 -267.64919 -267.64919 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 40.34 0.0001 0.0701 -dv | Coef Std Err z P>|z| [95% Conf Interval] -+ -c121 | -.1750586 1323609 -1.32 0.186 -.4344811 0843639 edu2 | -.2384308 1662111 -1.43 0.151 -.5641986 0873369 edu3 | -.3412387 2667097 -1.28 0.201 -.86398 1815027 job2 | 3301284 2020974 1.63 0.102 -.0659753 726232 job3 | 4692186 211371 2.22 0.026 0549391 8834981 job5 | -.0325042 2418848 -0.13 0.893 -.5065897 4415813 income2 | 5083677 2833361 1.79 0.073 -.0469609 1.063696 income3 | 1.007665 3037123 3.32 0.001 4123995 1.60293 agegr2 | -.3718976 454731 -0.82 0.413 -1.263154 5193588 agegr3 | 0816091 4178784 0.20 0.845 -.7374175 9006357 agegr4 | 1943695 4422976 0.44 0.660 -.6725179 1.061257 noc | -.1650299 1150417 -1.43 0.151 -.3905075 0604476 month | -.0143642 0107295 -1.34 0.181 -.0353937 0066653 _cons | -.0260232 5645493 -0.05 0.963 -1.13252 1.080473 - mfx Marginal effects after probit y = Pr(dv) (predict) = 5493133 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c121*| -.0693256 05237 -1.32 0.186 -.17196 033309 423445 edu2*| -.0938042 06481 -1.45 0.148 -.220828 03322 619617 edu3*| -.1354637 10466 -1.29 0.196 -.34059 069663 095694 job2*| 127369 07511 1.70 0.090 -.019852 27459 143541 job3*| 1780399 07515 2.37 0.018 030756 325324 148325 job5*| -.0128882 09604 -0.13 0.893 -.201132 175356 078947 income2*| 2002557 10966 1.83 0.068 -.014677 415189 619617 income3*| 3695255 09759 3.79 0.000 178257 560794 320574 agegr2*| -.147499 17791 -0.83 0.407 -.496199 201201 126794 agegr3*| 0323574 16587 0.20 0.845 -.292745 35746 688995 agegr4*| 0760403 17034 0.45 0.655 -.257828 409909 160287 noc | -.0653338 04554 -1.43 0.151 -.154599 023932 1.45933 month | -.0056866 00425 -1.34 0.181 -.014014 002641 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit mr c161 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -263.07152 = = = = -278.13986 -263.14708 -263.07152 -263.07152 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 30.14 0.0045 0.0542 -mr | Coef Std Err z P>|z| [95% Conf Interval] -+ -c161 | 0913271 1307666 0.70 0.485 -.1649708 3476249 edu2 | -.0433196 1642345 -0.26 0.792 -.3652133 2785742 edu3 | -.7305912 2936331 -2.49 0.013 -1.306101 -.155081 job2 | 0070059 1982255 0.04 0.972 -.3815089 3955207 job3 | -.3617282 2098272 -1.72 0.085 -.7729821 0495256 job5 | 2224988 2434061 0.91 0.361 -.2545684 699566 income2 | -.295359 2770805 -1.07 0.286 -.8384268 2477087 income3 | -.4964706 2975046 -1.67 0.095 -1.079569 0866277 agegr2 | 7953152 4733257 1.68 0.093 -.1323862 1.723017 agegr3 | 1709847 4426595 0.39 0.699 -.6966121 1.038581 agegr4 | 1544998 465299 0.33 0.740 -.7574695 1.066469 noc | 0572693 1157022 0.49 0.621 -.1695028 2840413 month | -.0046882 0109071 -0.43 0.667 -.0260657 0166893 _cons | -.1756436 5845311 -0.30 0.764 -1.321303 9700163 - mfx Marginal effects after probit y = Pr(mr) (predict) = 37570128 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c161*| 0345482 0493 0.70 0.483 -.062077 131174 590909 edu2*| -.0164619 0625 -0.26 0.792 -.138965 106042 619617 edu3*| -.2383329 07633 -3.12 0.002 -.387942 -.088724 095694 job2*| 0026603 07533 0.04 0.972 -.14498 1503 143541 job3*| -.1301927 07068 -1.84 0.065 -.268723 008338 148325 job5*| 0864129 09613 0.90 0.369 -.102001 274827 078947 income2*| -.1128772 10625 -1.06 0.288 -.321117 095363 619617 income3*| -.1808503 10272 -1.76 0.078 -.382169 020468 320574 agegr2*| 3090589 17548 1.76 0.078 -.034877 652995 126794 agegr3*| 0641118 16375 0.39 0.695 -.256826 385049 688995 agegr4*| 0594658 18123 0.33 0.743 -.295738 41467 160287 noc | 021729 0439 0.49 0.621 -.06432 107778 1.45933 month | -.0017788 00414 -0.43 0.667 -.009889 006331 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit dv c161 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = = = = -287.81871 -266.32329 -266.28781 -266.28781 Probit regression Number of obs LR chi2(13) Prob > chi2 Pseudo R2 Log likelihood = -266.28781 = = = = 418 43.06 0.0000 0.0748 -dv | Coef Std Err z P>|z| [95% Conf Interval] -+ -c161 | -.2754445 1305324 -2.11 0.035 -.5312833 -.0196058 edu2 | -.24001 1669734 -1.44 0.151 -.5672718 0872517 edu3 | -.3673632 2667749 -1.38 0.168 -.8902324 1555059 job2 | 3533449 2023198 1.75 0.081 -.0431946 7498843 job3 | 4762996 2115694 2.25 0.024 0616312 8909681 job5 | -.0769625 2419275 -0.32 0.750 -.5511317 3972066 income2 | 4702726 2825178 1.66 0.096 -.0834521 1.023997 income3 | 9710736 3033112 3.20 0.001 3765946 1.565553 agegr2 | -.2970376 4625158 -0.64 0.521 -1.203552 6094767 agegr3 | 1835731 4263081 0.43 0.667 -.6519754 1.019122 agegr4 | 2929589 4507243 0.65 0.516 -.5904445 1.176362 noc | -.1571516 1150962 -1.37 0.172 -.3827359 0684327 month | -.0160139 0107311 -1.49 0.136 -.0370464 0050186 _cons | 0131967 5687081 0.02 0.981 -1.101451 1.127844 - mfx Marginal effects after probit y = Pr(dv) (predict) = 55040704 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c161*| -.1082943 0508 -2.13 0.033 -.207855 -.008734 590909 edu2*| -.0943799 06506 -1.45 0.147 -.221901 033141 619617 edu3*| -.1457024 10429 -1.40 0.162 -.350101 058696 095694 job2*| 1358744 0746 1.82 0.069 -.010338 282087 143541 job3*| 1804094 07492 2.41 0.016 03356 327259 148325 job5*| -.03056 09631 -0.32 0.751 -.21932 1582 078947 income2*| 1854449 10982 1.69 0.091 -.029791 400681 619617 income3*| 3574347 09859 3.63 0.000 164206 550663 320574 agegr2*| -.118052 18279 -0.65 0.518 -.476321 240217 126794 agegr3*| 0728244 16919 0.43 0.667 -.258778 404427 688995 agegr4*| 1135359 1696 0.67 0.503 -.218869 445941 160287 noc | -.0621933 04555 -1.37 0.172 -.151467 027081 1.45933 month | -.0063376 00425 -1.49 0.136 -.014664 001988 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit mr c171 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -263.30668 = = = = -278.13986 -263.37528 -263.30668 -263.30668 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 29.67 0.0053 0.0533 -mr | Coef Std Err z P>|z| [95% Conf Interval] -+ -c171 | -.0172181 128765 -0.13 0.894 -.2695929 2351566 edu2 | -.0399681 1638451 -0.24 0.807 -.3610987 2811624 edu3 | -.7276225 2935161 -2.48 0.013 -1.302904 -.1523415 job2 | 0103077 1977675 0.05 0.958 -.3773095 3979249 job3 | -.3654493 2097775 -1.74 0.081 -.7766056 0457071 job5 | 220125 2434406 0.90 0.366 -.2570099 6972599 income2 | -.3092616 2769705 -1.12 0.264 -.8521138 2335906 income3 | -.5143964 2974196 -1.73 0.084 -1.097328 0685353 agegr2 | 8149742 471709 1.73 0.084 -.1095585 1.739507 agegr3 | 1875692 4407039 0.43 0.670 -.6761946 1.051333 agegr4 | 1681519 4634262 0.36 0.717 -.7401468 1.076451 noc | 0604464 1158261 0.52 0.602 -.1665685 2874613 month | -.0049271 0108981 -0.45 0.651 -.026287 0164329 _cons | -.1179087 582758 -0.20 0.840 -1.260093 1.024276 - mfx Marginal effects after probit y = Pr(mr) (predict) = 37585504 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c171*| -.0065353 04888 -0.13 0.894 -.102347 089277 545455 edu2*| -.0151884 06235 -0.24 0.808 -.137389 107013 619617 edu3*| -.2376142 07648 -3.11 0.002 -.387519 -.087709 095694 job2*| 0039159 07522 0.05 0.958 -.143508 15134 143541 job3*| -.1314679 07056 -1.86 0.062 -.269773 006837 148325 job5*| 0854832 09613 0.89 0.374 -.102926 273893 078947 income2*| -.1182204 1062 -1.11 0.266 -.326377 089936 619617 income3*| -.1870533 10222 -1.83 0.067 -.387406 013299 320574 agegr2*| 3163273 17383 1.82 0.069 -.024366 657021 126794 agegr3*| 070248 16257 0.43 0.666 -.248379 388875 688995 agegr4*| 0647946 18081 0.36 0.720 -.289592 419181 160287 noc | 0229374 04396 0.52 0.602 -.063215 10909 1.45933 month | -.0018697 00413 -0.45 0.651 -.009974 006234 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit dv c171 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -265.35791 = = = = -287.81871 -265.38693 -265.35791 -265.35791 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 44.92 0.0000 0.0780 -dv | Coef Std Err z P>|z| [95% Conf Interval] -+ -c171 | -.322881 1286116 -2.51 0.012 -.5749551 -.0708068 edu2 | -.2490607 1670612 -1.49 0.136 -.5764947 0783733 edu3 | -.3666023 2681304 -1.37 0.172 -.8921282 1589236 job2 | 353464 2022783 1.75 0.081 -.0429941 7499221 job3 | 4698526 2110218 2.23 0.026 0562576 8834477 job5 | -.0600007 2412982 -0.25 0.804 -.5329364 412935 income2 | 4855139 2815961 1.72 0.085 -.0664044 1.037432 income3 | 9766302 3028931 3.22 0.001 3829706 1.57029 agegr2 | -.2929257 4632694 -0.63 0.527 -1.200917 6150656 agegr3 | 1839201 4272274 0.43 0.667 -.6534301 1.02127 agegr4 | 2781725 451357 0.62 0.538 -.6064709 1.162816 noc | -.1534706 1151752 -1.33 0.183 -.3792099 0722687 month | -.0162193 0107406 -1.51 0.131 -.0372704 0048318 _cons | 019267 5685999 0.03 0.973 -1.095168 1.133702 - mfx Marginal effects after probit y = Pr(dv) (predict) = 55058948 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c171*| -.1269811 05003 -2.54 0.011 -.225043 -.028919 545455 edu2*| -.0978978 06503 -1.51 0.132 -.225356 02956 619617 edu3*| -.1454063 10484 -1.39 0.165 -.350885 060072 095694 job2*| 1359026 07457 1.82 0.068 -.010261 282066 143541 job3*| 1781011 07491 2.38 0.017 031281 324922 148325 job5*| -.0238094 09597 -0.25 0.804 -.211902 164283 078947 income2*| 1913582 10927 1.75 0.080 -.022814 405531 619617 income3*| 3591909 09823 3.66 0.000 166655 551727 320574 agegr2*| -.1164256 18318 -0.64 0.525 -.475445 242594 126794 agegr3*| 0729591 16955 0.43 0.667 -.259349 405267 688995 agegr4*| 1079509 17045 0.63 0.527 -.226123 442025 160287 noc | -.060733 04558 -1.33 0.183 -.150064 028598 1.45933 month | -.0064185 00425 -1.51 0.131 -.014751 001914 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit mr c113 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -259.29746 = = = = -278.13986 -259.38333 -259.29747 -259.29746 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 37.68 0.0003 0.0677 -mr | Coef Std Err z P>|z| [95% Conf Interval] -+ -c113 | -.184754 0667919 -2.77 0.006 -.3156638 -.0538442 edu2 | 0116239 1656861 0.07 0.944 -.313115 3363628 edu3 | -.6167302 2988836 -2.06 0.039 -1.202531 -.0309291 job2 | 0269844 2005993 0.13 0.893 -.366183 4201518 job3 | -.3654803 2101451 -1.74 0.082 -.7773571 0463965 job5 | 2028897 2431118 0.83 0.404 -.2736007 6793801 income2 | -.3040686 2782395 -1.09 0.274 -.849408 2412708 income3 | -.5414579 2985901 -1.81 0.070 -1.126684 0437679 agegr2 | 8542863 4749346 1.80 0.072 -.0765685 1.785141 agegr3 | 2323325 444279 0.52 0.601 -.6384385 1.103103 agegr4 | 2073162 4666468 0.44 0.657 -.7072948 1.121927 noc | 0506071 1164256 0.43 0.664 -.1775828 278797 month | -.0059592 0110117 -0.54 0.588 -.0275418 0156233 _cons | -.1093906 5833713 -0.19 0.851 -1.252777 1.033996 - mfx Marginal effects after probit y = Pr(mr) (predict) = 37244632 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c113 | -.0699059 02519 -2.77 0.006 -.119284 -.020527 444976 edu2*| 0043961 06263 0.07 0.944 -.118363 127155 619617 edu3*| -.2063868 08374 -2.46 0.014 -.370518 -.042256 095694 job2*| 0102414 07636 0.13 0.893 -.13942 159903 143541 job3*| -.1309537 07034 -1.86 0.063 -.268817 006909 148325 job5*| 0785173 0957 0.82 0.412 -.109045 26608 078947 income2*| -.1159346 10647 -1.09 0.276 -.324608 092738 619617 income3*| -.1955982 10143 -1.93 0.054 -.394398 003202 320574 agegr2*| 3307182 17329 1.91 0.056 -.008933 67037 126794 agegr3*| 0864099 16192 0.53 0.594 -.230947 403766 688995 agegr4*| 0799285 18252 0.44 0.661 -.277799 437656 160287 noc | 0191483 04406 0.43 0.664 -.067199 105496 1.45933 month | -.0022548 00417 -0.54 0.588 -.010419 005909 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit dv c113 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -265.08381 = = = = -287.81871 -265.11028 -265.08381 -265.08381 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 45.47 0.0000 0.0790 -dv | Coef Std Err z P>|z| [95% Conf Interval] -+ -c113 | -.1597503 0612842 -2.61 0.009 -.279865 -.0396355 edu2 | -.2029198 1671331 -1.21 0.225 -.5304945 124655 edu3 | -.2666843 2705251 -0.99 0.324 -.7969038 2635351 job2 | 3662747 2020718 1.81 0.070 -.0297787 7623281 job3 | 4832029 2117014 2.28 0.022 0682758 8981299 job5 | -.0838144 242083 -0.35 0.729 -.5582883 3906596 income2 | 5202279 2863341 1.82 0.069 -.0409765 1.081432 income3 | 1.010574 3070156 3.29 0.001 4088349 1.612314 agegr2 | -.3496076 4569479 -0.77 0.444 -1.245209 5459938 agegr3 | 1478671 4209813 0.35 0.725 -.677241 9729752 agegr4 | 2499478 4455713 0.56 0.575 -.6233559 1.123251 noc | -.1735897 1154074 -1.50 0.133 -.3997841 0526047 month | -.0167837 010795 -1.55 0.120 -.0379414 0043741 _cons | -.0902425 5661506 -0.16 0.873 -1.199877 1.019392 - mfx Marginal effects after probit y = Pr(dv) (predict) = 54912569 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c113 | -.0632473 02427 -2.61 0.009 -.110823 -.015672 444976 edu2*| -.0799406 06539 -1.22 0.222 -.208104 048223 619617 edu3*| -.1060643 10714 -0.99 0.322 -.316046 103918 095694 job2*| 1407471 07431 1.89 0.058 -.00489 286384 143541 job3*| 1830211 07488 2.44 0.015 036263 329779 148325 job5*| -.0332977 09642 -0.35 0.730 -.22227 155675 078947 income2*| 2048484 11067 1.85 0.064 -.012056 421752 619617 income3*| 3705077 0986 3.76 0.000 177259 563756 320574 agegr2*| -.1387628 17936 -0.77 0.439 -.490305 21278 126794 agegr3*| 058669 16718 0.35 0.726 -.26899 386329 688995 agegr4*| 0973311 16959 0.57 0.566 -.235062 429724 160287 noc | -.0687266 04569 -1.50 0.133 -.158278 020824 1.45933 month | -.0066449 00428 -1.55 0.120 -.015024 001734 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit dv c123 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = = = = -287.81871 -268.04861 -268.00807 -268.00807 Probit regression Log likelihood = -268.00807 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 39.62 0.0002 0.0688 -dv | Coef Std Err z P>|z| [95% Conf Interval] -+ -c123 | -.0439991 0433805 -1.01 0.310 -.1290233 0410251 edu2 | -.2481126 1659189 -1.50 0.135 -.5733078 0770825 edu3 | -.3801861 2650917 -1.43 0.152 -.8997564 1393841 job2 | 3512478 2010893 1.75 0.081 -.04288 7453756 job3 | 504752 2123658 2.38 0.017 0885228 9209812 job5 | -.0697354 2417582 -0.29 0.773 -.5435728 4041019 income2 | 4991897 2836943 1.76 0.078 -.0568408 1.05522 income3 | 1.002789 3043775 3.29 0.001 4062205 1.599358 agegr2 | -.3777022 4546742 -0.83 0.406 -1.268847 5134428 agegr3 | 1341471 4185694 0.32 0.749 -.6862339 954528 agegr4 | 2239223 4424744 0.51 0.613 -.6433117 1.091156 noc | -.1653402 1149012 -1.44 0.150 -.3905425 059862 month | -.0166408 0107426 -1.55 0.121 -.0376958 0044143 _cons | -.0427478 5665906 -0.08 0.940 -1.153245 1.067749 - mfx Marginal effects after probit y = Pr(dv) (predict) = 54992657 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c123 | -.0174154 01717 -1.01 0.310 -.051065 016234 1.37799 edu2*| -.0975541 06462 -1.51 0.131 -.224201 029093 619617 edu3*| -.1507044 10338 -1.46 0.145 -.353317 051908 095694 job2*| 1351418 07423 1.82 0.069 -.010348 280632 143541 job3*| 1904947 07442 2.56 0.010 044627 336363 148325 job5*| -.0276867 09621 -0.29 0.774 -.216264 16089 078947 income2*| 1966823 10992 1.79 0.074 -.018759 412123 619617 income3*| 3678003 0979 3.76 0.000 175917 559683 320574 agegr2*| -.1497727 17777 -0.84 0.400 -.498195 19865 126794 agegr3*| 0532099 1662 0.32 0.749 -.272539 378959 688995 agegr4*| 0873609 1693 0.52 0.606 -.244461 419183 160287 noc | -.065444 04548 -1.44 0.150 -.154579 023691 1.45933 month | -.0065867 00425 -1.55 0.121 -.014923 001749 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit mr c123 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration 0: log likelihood = -278.13986 Iteration 1: Iteration 2: Iteration 3: log likelihood = -262.78858 log likelihood = -262.72406 log likelihood = -262.72406 Probit regression Log likelihood = -262.72406 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 30.83 0.0036 0.0554 -mr | Coef Std Err z P>|z| [95% Conf Interval] -+ -c123 | -.0477518 0439269 -1.09 0.277 -.1338469 0383432 edu2 | -.0422704 1640809 -0.26 0.797 -.3638631 2793223 edu3 | -.7322517 2939219 -2.49 0.013 -1.308328 -.1561754 job2 | 017921 1988591 0.09 0.928 -.3718357 4076777 job3 | -.345102 2101894 -1.64 0.101 -.7570656 0668615 job5 | 2121127 2426433 0.87 0.382 -.2634594 6876849 income2 | -.3146869 2769669 -1.14 0.256 -.8575322 2281583 income3 | -.523926 2971062 -1.76 0.078 -1.106243 0583914 agegr2 | 8177942 473944 1.73 0.084 -.111119 1.746707 agegr3 | 2137339 4437974 0.48 0.630 -.656093 1.083561 agegr4 | 1776865 4657466 0.38 0.703 -.73516 1.090533 noc | 0563802 1157849 0.49 0.626 -.1705541 2833145 month | -.0063091 0109945 -0.57 0.566 -.0278579 0152396 _cons | -.0571011 5846856 -0.10 0.922 -1.203064 1.088862 - mfx Marginal effects after probit y = Pr(mr) (predict) = 37562346 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c123 | -.0181167 01666 -1.09 0.277 -.050778 014545 1.37799 edu2*| -.0160616 06244 -0.26 0.797 -.138435 106312 619617 edu3*| -.238737 07629 -3.13 0.002 -.388253 -.089221 095694 job2*| 0068127 07574 0.09 0.928 -.141642 155267 143541 job3*| -.124564 0713 -1.75 0.081 -.264318 01519 148325 job5*| 0823092 09573 0.86 0.390 -.105314 269933 078947 income2*| -.12028 10618 -1.13 0.257 -.32839 08783 619617 income3*| -.1902767 10183 -1.87 0.062 -.389851 009298 320574 agegr2*| 317364 17453 1.82 0.069 -.024707 659435 126794 agegr3*| 0798596 16287 0.49 0.624 -.239369 399088 688995 agegr4*| 0685062 18189 0.38 0.706 -.287992 425004 160287 noc | 0213903 04393 0.49 0.626 -.064714 107494 1.45933 month | -.0023936 00417 -0.57 0.566 -.010567 00578 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit mr c163 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = = = = -278.13986 -261.20362 -261.12592 -261.12592 Probit regression Number of obs LR chi2(13) Prob > chi2 Pseudo R2 Log likelihood = -261.12592 = = = = 418 34.03 0.0012 0.0612 -mr | Coef Std Err z P>|z| [95% Conf Interval] -+ -c163 | -.0968733 0464951 -2.08 0.037 -.1880021 -.0057446 edu2 | -.0292541 1647598 -0.18 0.859 -.3521773 2936691 edu3 | -.6941077 2957492 -2.35 0.019 -1.273765 -.1144499 job2 | 0137097 1993109 0.07 0.945 -.3769324 4043518 job3 | -.3594754 2098986 -1.71 0.087 -.7708692 0519183 job5 | 2198668 2416162 0.91 0.363 -.2536922 6934259 income2 | -.2789362 2767523 -1.01 0.314 -.8213608 2634884 income3 | -.4754006 2972064 -1.60 0.110 -1.057915 1071132 agegr2 | 7756305 4801978 1.62 0.106 -.1655399 1.716801 agegr3 | 154999 4497217 0.34 0.730 -.7264394 1.036437 agegr4 | 1398504 4721087 0.30 0.767 -.7854656 1.065167 noc | 0474472 1160597 0.41 0.683 -.1800256 27492 month | -.0054759 0109721 -0.50 0.618 -.0269809 0160291 _cons | -.0213056 5870696 -0.04 0.971 -1.171941 1.12933 - mfx Marginal effects after probit y = Pr(mr) (predict) = 3743277 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c163 | -.0367131 0176 -2.09 0.037 -.071216 -.002211 990431 edu2*| -.0110987 06257 -0.18 0.859 -.133743 111545 619617 edu3*| -.2282116 07875 -2.90 0.004 -.382556 -.073867 095694 job2*| 0052038 07577 0.07 0.945 -.143296 153704 143541 job3*| -.1292277 07064 -1.83 0.067 -.267688 009233 148325 job5*| 0853039 09535 0.89 0.371 -.101569 272177 078947 income2*| -.1064713 10603 -1.00 0.315 -.314293 101351 619617 income3*| -.1733087 103 -1.68 0.092 -.375189 028571 320574 agegr2*| 3017099 17921 1.68 0.092 -.049542 652962 126794 agegr3*| 0581168 16659 0.35 0.727 -.268394 384627 688995 agegr4*| 0537123 18338 0.29 0.770 -.305715 41314 160287 noc | 0179816 04399 0.41 0.683 -.068232 104195 1.45933 month | -.0020753 00416 -0.50 0.618 -.010223 006073 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit dv c163 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -268.32795 = = = = -287.81871 -268.36602 -268.32795 -268.32795 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 38.98 0.0002 0.0677 -dv | Coef Std Err z P>|z| [95% Conf Interval] -+ -c163 | -.0283097 0453173 -0.62 0.532 -.1171299 0605105 edu2 | -.2439154 1659524 -1.47 0.142 -.5691762 0813454 edu3 | -.3679862 2655404 -1.39 0.166 -.8884358 1524634 job2 | 3458209 2011511 1.72 0.086 -.048428 7400698 job3 | 4871025 211364 2.30 0.021 0728367 9013684 job5 | -.061233 2414416 -0.25 0.800 -.5344498 4119838 income2 | 5150606 2848669 1.81 0.071 -.0432683 1.07339 income3 | 1.024793 3056416 3.35 0.001 4257463 1.623839 agegr2 | -.4010459 4551703 -0.88 0.378 -1.293163 4910715 agegr3 | 0931043 4177304 0.22 0.824 -.7256323 9118408 agegr4 | 1994645 4421247 0.45 0.652 -.667084 1.066013 noc | -.1657697 1150653 -1.44 0.150 -.3912936 0597541 month | -.0156662 0106782 -1.47 0.142 -.0365951 0052627 _cons | -.068566 5657505 -0.12 0.904 -1.177417 1.040285 - mfx Marginal effects after probit y = Pr(dv) (predict) = 54949781 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c163 | -.0112069 01794 -0.62 0.532 -.046368 023954 990431 edu2*| -.0959352 06467 -1.48 0.138 -.222685 030815 619617 edu3*| -.1459382 10375 -1.41 0.160 -.349289 057413 095694 job2*| 1331725 07441 1.79 0.073 -.012659 279004 143541 job3*| 1843487 07462 2.47 0.013 038097 3306 148325 job5*| -.0243062 09605 -0.25 0.800 -.212564 163952 078947 income2*| 2028392 11017 1.84 0.066 -.013085 418764 619617 income3*| 3749548 09759 3.84 0.000 183673 566237 320574 agegr2*| -.1588783 17724 -0.90 0.370 -.506265 188508 126794 agegr3*| 0369188 16584 0.22 0.824 -.288114 361952 688995 agegr4*| 0779947 17008 0.46 0.647 -.255364 411354 160287 noc | -.0656229 04555 -1.44 0.150 -.154899 023653 1.45933 month | -.0062017 00423 -1.47 0.142 -.014489 002086 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit dv c173 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -268.22935 = = = = -287.81871 -268.27014 -268.22935 -268.22935 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 39.18 0.0002 0.0681 -dv | Coef Std Err z P>|z| [95% Conf Interval] -+ -c173 | -.0352728 0460156 -0.77 0.443 -.1254616 0549161 edu2 | -.2440065 1659049 -1.47 0.141 -.5691741 0811612 edu3 | -.3661055 2658233 -1.38 0.168 -.8871096 1548986 job2 | 3403145 2012089 1.69 0.091 -.0540477 7346767 job3 | 4805996 2112975 2.27 0.023 0664642 894735 job5 | -.0612688 2415049 -0.25 0.800 -.5346097 4120721 income2 | 5148014 2848556 1.81 0.071 -.0435053 1.073108 income3 | 1.020431 305225 3.34 0.001 4222015 1.618661 agegr2 | -.3955958 4533827 -0.87 0.383 -1.28421 493018 agegr3 | 0987632 4161588 0.24 0.812 -.7168932 9144195 agegr4 | 2052289 4406197 0.47 0.641 -.6583699 1.068828 noc | -.1660914 1150283 -1.44 0.149 -.3915426 0593599 month | -.0155452 0106813 -1.46 0.146 -.0364802 0053899 _cons | -.0671114 5641874 -0.12 0.905 -1.172898 1.038676 - mfx Marginal effects after probit y = Pr(dv) (predict) = 54947007 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c173 | -.0139635 01822 -0.77 0.443 -.049667 02174 925837 edu2*| -.0959717 06465 -1.48 0.138 -.222686 030742 619617 edu3*| -.1452031 10389 -1.40 0.162 -.348833 058427 095694 job2*| 1311364 07455 1.76 0.079 -.014981 277254 143541 job3*| 1820547 07478 2.43 0.015 035487 328623 148325 job5*| -.0243206 09608 -0.25 0.800 -.21263 163988 078947 income2*| 2027398 11017 1.84 0.066 -.013184 418663 619617 income3*| 3735706 09762 3.83 0.000 182235 564906 320574 agegr2*| -.1567548 17671 -0.89 0.375 -.503099 18959 126794 agegr3*| 0391658 16523 0.24 0.813 -.28467 363001 688995 agegr4*| 080212 16931 0.47 0.636 -.251627 412051 160287 noc | -.0657508 04554 -1.44 0.149 -.154999 023497 1.45933 month | -.0061539 00423 -1.45 0.146 -.014444 002136 10.2596 -(*) dy/dx is for discrete change of dummy variable from to probit mr c173 edu2 edu3 job2 job3 job5 income2 income3 agegr2 agegr3 agegr4 noc month Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood Probit regression Log likelihood = -261.40935 = = = = -278.13986 -261.48451 -261.40936 -261.40935 Number of obs LR chi2(13) Prob > chi2 Pseudo R2 = = = = 418 33.46 0.0015 0.0602 -mr | Coef Std Err z P>|z| [95% Conf Interval] -+ -c173 | -.0920829 0473809 -1.94 0.052 -.1849478 000782 edu2 | -.0315403 1647061 -0.19 0.848 -.3543584 2912778 edu3 | -.6985285 2950845 -2.37 0.018 -1.276883 -.1201735 job2 | -.0000412 1991569 -0.00 1.000 -.3903816 3902992 job3 | -.3765334 2103444 -1.79 0.073 -.7888008 0357341 job5 | 2212089 2417134 0.92 0.360 -.2525406 6949584 income2 | -.2876326 2766067 -1.04 0.298 -.8297718 2545066 income3 | -.4965115 2968614 -1.67 0.094 -1.078349 0853261 agegr2 | 8045365 4783653 1.68 0.093 -.1330423 1.742115 agegr3 | 1848659 4478218 0.41 0.680 -.6928487 1.06258 agegr4 | 1689541 4703721 0.36 0.719 -.7529583 1.090866 noc | 0501559 1160271 0.43 0.666 -.1772531 277565 month | -.0049977 0109459 -0.46 0.648 -.0264513 016456 _cons | -.0510492 584668 -0.09 0.930 -1.196978 1.094879 - mfx Marginal effects after probit y = Pr(mr) (predict) = 37445023 -variable | dy/dx Std Err z P>|z| [ 95% C.I ] X -+ -c173 | -.0349012 01794 -1.95 0.052 -.070067 000264 925837 edu2*| -.0119683 0626 -0.19 0.848 -.134672 110735 619617 edu3*| -.2294335 07925 -2.90 0.004 -.384762 -.074105 095694 job2*| -.0000156 07548 -0.00 1.000 -.147961 14793 143541 job3*| -.1349625 07082 -1.91 0.057 -.273777 003852 148325 job5*| 0858399 0953 0.90 0.368 -.100937 272617 078947 income2*| -.1098127 10606 -1.04 0.300 -.317686 09806 619617 income3*| -.1806264 10252 -1.76 0.078 -.38156 020307 320574 agegr2*| 3124552 17703 1.77 0.078 -.034512 659422 126794 agegr3*| 0691602 16505 0.42 0.675 -.254335 392655 688995 agegr4*| 0650449 18339 0.35 0.723 -.294399 424488 160287 noc | 0190101 04398 0.43 0.666 -.067189 105209 1.45933 month | -.0018942 00415 -0.46 0.648 -.010024 006236 10.2596 -(*) dy/dx is for discrete change of dummy variable from to ... (4) Đánh giá tác động loại hình truyền thông lên nhận thức phụ huynh tiêm chủng trẻ em; (5) Đánh giá tác động loại hình truyền thơng đến vi? ??c lựa chọn vaccine; (6) Đánh giá tác động nội dung truyền. .. quát : Đánh giá tác động truyền thông lên nhận thức tiêm chủng hành vi phụ huynh tiêm chủng trẻ em Mục tiêu cụ thể (1) Đánh giá tác động yếu tố kinh tế xã hội cá nhân lên nhận thức phụ huynh tiêm...BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH NGUYỄN THỊ SƠN HÀ ĐÁNH GIÁ TÁC ĐỘNG CỦA CÁC LOẠI HÌNH TRUYỀN THƠNG ĐẾN NHẬN THỨC VÀ HÀNH VI CỦA PHỤ HUYNH TRONG TIÊM