nông nghiệp
Để thực hiện được phương pháp PSM đánh giá sự ảnh hưởng của việc tham gia bảo hiểm đến thu nhập của người trồng lúa, cần phải chạy mô hình logit để đánh giá tác động của các biến vềđặc trưng cá nhân của chủ hộ, đặc trưng sản xuất của hộđến khả năng tham gia bảo hiểm của hộ. Bảng 4.6: Kết quả hồi qui mô hình Số quan sát LR chi2 (11) Prob > chi2 Pseudo R2 Xác suất dự báo đúng 110 31,66 0,0002 0,2127 70,91%
Nguồn: Kết quả xử lý số liệu điều tra của tác giả bằng Stata, 2014
Kết quảđược trình bày ở bảng 4.6, giá trị kiểm đinh chi2 LR chi2= 31,66 và Prob > chi2 = 0,0002, có thể kết luận mô hình có ý nghĩa hay có ít nhất một biến trong mô hình có ý nghĩa thống kê với mức ý nghĩa 1%. Giá trị
R2=0,2127 có nghĩa là mô hình có thể giải thích được 21,27% những biến
động của giá trịước lượng của mô hình so với thực tế. Sử dụng lệnh lstat trong stata, tính toán khả năng tham gia bảo hiểm bằng mô hình hồi quy logit vừa chạy được có 70,91% giá trị là dựđoán chính xác.
Nhằm xác định xem mô hình đã đủ các biến độc lập hay chưa và biến tham gia có biến thiên tuyến tính với các biến độc lập không, tác giả tiến hành kiểm định sự sai lệch trong việc xác định mô hình bằng. Kết quả cho giá trị p-
41
value của _hat là 0,000 có ý nghĩa thống kê nên mô hình không bị xác định sai. Kết quả p-value của _hatsq là 0,242 không có ý nghĩa thống kê nên mô hình không bỏ sót biến có ảnh hưởng đến kết quả mô hình.
Thực hiện kiểm tra đa cộng tuyến cho mô hình, kết quả cho thấy không có hai biến độc lập nào có tương quan cặp đến mức 80%, hai biến có tương quan cao nhất là tuoi và kinhnghiem ở mức 70.55%. Như vậy có thể loại trừ ra sựảnh hưởng đến ước lượng do tương tác của các biến độc lập trong mô hình logit.
Sau khi kiểm tra các giả thuyết ảnh hưởng đến việc sử dụng mô hình logit có hiệu quả hay không, kết quả hệ số hồi qui, hiệu ứng biên và ý nghĩa của các biến được trình bày trong bảng 4.7.
Bảng 4.7: Kết quả hệ số hồi qui và hiệu ứng biên của các biến độc lập
Biến Hệ số Hiệu ứng biên Giá trị p-value
gioitinh 0,9595997 0,2351016 0,365 tuoi 0,1098492 0,0258092 0,003** * trinhdo 0,1218402 0,0286265 0,074* kinhnghiem -0,1144199 -0,0268831 0,004** * thanhvien 0,4989764 0,1172352 0,049** dientich -0,1144199 0,0017004 0,394 thiethailon 1,415732 0,3394229 0,013** vayvon 0,7006093 0,1644473 0,156 tietkiem -0,9614368 -0,2159654 0,055* Hệ số chặn (β0) -6,730045 0,003** *
(Nguồn: Kết quả xử lý số liệu điều tra của tác giả bằng Stata, 2014) (Ghi chú: *, **, *** lần lượt là ý nghĩa thống kê ở mức 10%, 5%, 1%)
Với kết quả hồi quy logit chạy được, có 6 biến có ý nghĩa thống kê với các mức ý nghĩa khác nhau. Các biến tuoi, trinhdo, thanhvien, thiethailon là
các biến làm tăng khả năng tham gia bảo hiểm. Những hộ có chủ hộ có tuổi cao hơn, trình độ cao hơn, số thành viên đông hơn và có thiệt hại lớn trong 3 năm gần đây có khả năng tham gia bảo hiểm cao hơn. Ngược lại, các biến
42
kinhnghiem và tietkiem làm giảm khả năng tham gia bảo hiểm, những hộ có chủ hộ với nhiều năm kinh nghiệm hơn và bản thân hộ có các khoản tiền tích lũy từ canh tác các vụ lúa trước để lại.
Biến tuổi của chủ hộ có ý nghĩa với mức ý nghĩa 1%, chủ hộ càng lớn tuổi càng có khả năng tham gia bảo hiểm nhiều hơn. Khi lớn tuổi những hộ
trồng lúa đã trải qua nhiều khó khăn trong suốt quá tình canh tác, hiểu rõ được những bất lợi từ thời tiết đồng thời cũng nhận ra được việc tham gia bảo hiểm có thể giúp ích cho việc canh tác của mình.
Biến trình độ của chủ hộ có ý nghĩa với mức ý nghĩa 10%, chủ hộ càng có học vấn cao thì có khả năng tham gia bảo hiểm nhiều hơn. Càng đi học nhiều người nông dân càng ý thức được rủi ro cũng như ý thức được tầm quan trọng của chương trình bảo hiểm cũng như có kì vọng đúng với chương trình bảo hiểm.
Biến kinh nghiệm của chủ hộ có ý nghĩa với mức ý nghĩa 1%, chủ hộ
càng có nhiều kinh nghiệm trồng lúa lại càng ít có khả năng tham gia bảo hiểm. Với kinh nghiệm trồng lúa lâu năm người trồng lúa tự tin trong việc phòng ngừa rủi ro hơn là dùng một công cụ phòng ngừa rủi ro khác.
Biến số lượng thành viên trong hộ có ý nghĩa với mức ý nghĩa 5%, trong hộ gia đình càng nhiều người thì hộ càng có khả năng mua bảo hiểm. Số lượng nhân khẩu đông dẫn đến chi tiêu lớn hơn, khi xảy ra thiệt hại thì ít có khả năng bù đắp hết mức chi tiêu, vì vậy người dân ý thức bản thân nên mua bảo hiểm.
Biến tiết kiệm có ý nghĩa với mức ý nghĩa 1%, nếu hộ gia đình có tiết kiệm tiền thì ít có khả năng tham gia bảo hiểm hơn. Khả năng tiết kiệm cho thấy được việc sản xuất có lợi từ các vụ trước cũng như khả năng bù đắp khi xảy ra thiệt hại, vì vậy khi có khả năng để dành tiền tiết kiệm người dân lại có tư tưởng xem nhẹ rủi ro hơn.
Biến thiệt hại lớn có ý nghĩa với mức ý nghĩa 1%, thiệt hại trong quá khứ ảnh hưởng làm tăng quyết định tham gia bảo hiểm hiện tại. Những hộ dân đã từng bị mất mùa và thiệt hại từ 50% năng suất và đã đương đầu với khó khăn tài chính trong quá khứ sẽ rất sợ rủi ro, ý thức được việc tham gia bảo hiểm như một cách phòng ngừa rủi ro hữu hiệu.
Trong mô hình đưa ra, biến diện tích làm giảm khả năng tham gia bảo hiểm, biến giới tính và biến vay vốn làm tăng khả năng tham gia bảo hiểm nhưng đều không có ý nghĩa thống kê với mức ý nghĩa 10%. Trong quá trình thu số liệu hầu như toàn bộ mẫu quan sát được đều có chủ hộ là nam, số các quan sát có chủ hộ là nữ chiếm 5.5% tương ứng 6 hộ dẫn đến biến không có ý
43
nghĩa thống kê. Diện tích trong số liệu có được có sự chênh lệch quá lớn giữa hộ có diện tích lớn và diện tích nhỏ, sai số chuẩn lớn, tạo ra các quan sát dị
biệt ảnh hưởng kết quả thống kê và làm cho biến không có ý nghĩa. Biến vay vốn mặc dù có thể hiện rủi ro của hộ gia tăng nhưng trong quá trình thu số liệu vì cở mẩu chưa đủ lớn nên làm cho biến này cũng không có ý nghĩa thống kê.
Như vậy, có thể kết luận mô hình đã xây dựng khá phù hợp, mô hình logit về sự ảnh hưởng của các nhân tố liên quan đến khả năng tham gia có ý nghĩa thống kê và được sử dụng trong các bước tiếp theo đểđánh giá tác động của chương trình bảo hiểm cây lúa đến thu nhập hộ tham gia.