4.2.1.1 Mô hình 1
Trước khi trình bày kết quả ước lượng của mô hình, các kiểm định về tính nhất quán của các hệ số trong mô hình cũng như kiểm định về sự phù hợp của mô hình đã được tiến hành. Kiểm định cor cho các giá trị đều nhỏ hơn 0,4 vì vậy hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình có thể bỏ qua. Giá trị kiểm định mô hình Prob > chi2 = 0,000 cho thấy mô hình nghiên cứu được sử dụng có mức ý nghĩa rất cao 1%. Kết quả kiểm định tỷ số hợp lý
43
(likelihood ratio = -29,65) cho thấy các biến giải thích được lựa chọn trong mô hình có ảnh hưởng đến xác xuất mức sẵn lòng chi trả khi tham gia chương trình bảo hiểm. Nhìn chung, khả năng dự báo của mô hình là khá tốt, số trường hợp mô hình dự báo đúng lên đến 88%. Đối với các hệ số ước lượng từ mô hình, ngoại trừ biến giới tính và việc làm của chủ hộ không có ý nghĩa ở mức 10%, các biến giải thích còn lại trong mô hình đều ảnh hưởng đến quyết định tham gia bảo hiểm cây lúa của hộ. Hiệu ứng biên được sử dụng để giải thích ý nghĩa thay cho các hệ số ước lượng trong mô hình. Kết quả ước lượng của các tham số và hiệu ứng biên được trình bày trong bảng 4.12 dưới đây:
Bảng 4.12 Kết quả ước lượng mô hình probit
Biến số Hệ số ước lượng Độ lệch chuẩn p>|z| Hiệu ứng biên Bid -0,214 0,040 0.000 -0,082 Diện tích -0,015 0,007 0,040 -0,006 Trình độ 0,128 0,061 0,038 0,049 CĐML -2,636 1,018 0,010 -0,680 Đê bao -1,068 0,451 0,018 -0,390 Tuổi 0,074 0,025 0,003 0,028 Tiết kiệm 1,228 0,528 0,020 0,457 Tham gia 0,849 0,470 0,071 0,322 Giới tính -1,315 1,149 0,253 -0,354 Việc làm -1,208 0,805 0,133 -0,441 Hệ số chặn 19,476 0.000 Giá trị kiểm định χ2 Prob > χ2 : 0,000 R bình phương 60,65 Mức dự báo đúng 88,18 Gía trị likelihood -29,65 Số quan sát 110
Nguồn: Số liệu phân tích của tác giả năm 2014
Kết quả ước lượng của mô hình và các thông tin liên quan trình bày trong bảng 4.12 được giải thích cụ thể như sau:
Biến bid, đó là phí bảo hiểm trung bình mà hộ phải chi trả. Hiệu ứng biên của biến này mang giá trị âm nên ảnh hưởng ngược chiều đến mức sẵn lòng tham gia bảo hiểm cây lúa của hộ. Xác suất sẵn lòng chi trả cho bảo hiểm cây lúa của hộ sẽ giảm 0,082 nếu mức phí tăng lên 1 đơn vị (10.000 đồng) nếu các yếu tố trong mô hình không đổi. Kết quả này đã được kỳ vọng trước theo nguyên tắc của cầu, giá cao sẽ làm giảm lượng cầu của hàng hoá, dịch vụ. Kết quả này được ủng hộ bởi hầu hết các thực nghiệm trước đây (Vandeveer, 2001; Christiaensen và Sarris, 2007).
44
Biến diện tích có ý nghĩa trái ngược với kỳ vọng mang giá trị âm, vì vậy biến này có mối quan hệ ngược chiều với mức sẵn lòng chi trả cho bảo hiểm cây lúa của hộ ở địa phương. Kết quả ước lượng hiệu ứng biên của biến này cho thấy, khi các yếu tố khác trong mô hình không đổi, xác suất sẵn lòng chi trả cho bảo hiểm cây lúa của hộ sẽ giảm 0,006 khi hộ có thêm 1000 m2
đất sản xuất. Do tại địa phương có địa hình tương đối phức tạp vùng cao và vùng trũng đan xen nhau nên việc mở rộng diện tích đất trồng trọt của hộ không tập trung mà bị phân tán ở nhiều nơi. Nhưng cũng vì vậy mà rủi ro trong sản xuất nông nghiệp của những hộ này được giảm thiểu, những hộ nông dân và xã hội nông thôn cũng thường sử dụng chiến lược này để phân tán rủi ro trong sản xuất nông nghiệp. Kết quả này tương tự với nghiên cứu (Hoàng Triệu Huy, Phan Đình Khôi, Phan Thị Ánh Nguyệt, 2014) việc tăng diện tích đất sản xuất lại làm giảm đi động cơ tham gia bảo hiểm cây lúa cũng như mức sẵn lòng chi trả cho bảo hiểm của hộ càng ít.
Biến trình độ có ảnh hưởng cùng chiều với mức sẵn lòng chi trả cho bảo hiểm cây lúa của hộ và giống với kỳ vọng ban đầu. Hệ số hiệu ứng biên của biến này là 0,049, cho thấy nếu trình độ học vấn của chủ hộ tăng lên 1 lớp thì mức sẵn lòng trả của hộ sẽ tăng 0,049 nếu các yếu tố trong mô hình không đổi. Điều này càng chứng tỏ nông hộ có trình độ sẽ có sự hiểu biết về dịch vụ bảo hiểm nông nghiệp cũng như lợi ích của dịch vụ này mang lại, từ đó thúc đẩy nông hộ chủ động tham gia bảo hiểm để đề phòng rủi ro. Kết quả này được tìm thấy khác với nghiên cứu (Vandeveer, 2001; Phạm Lê Thông, 2013) do ở hai nghiên cứu trước chủ hộ có trình độ học vấn quá thấp gần 90% có trình độ cấp hai trở xuống nên biến trình độ bị giảm ý nghĩa thống kê ở hai mô hình tham khảo trên.
Biến thành viên Cánh đồng mẫu lớn, nhận giá trị 1 nếu hộ là thành viên của chương trình và nhận giá trị 0 cho trường hợp ngược lại. Dấu của hệ số ước lượng cho biến này hoàn toàn phù hợp với kỳ vọng ban đầu. Kết quả ước lượng hiệu ứng biên của biến này cho thấy, nếu hộ là thành viên của chương trình Cánh đồng mẫu lớn, xác suất mức sẵn lòng chi trả của hộ sẽ giảm khoảng 0,68 so với những hộ không tham gia, nếu các yếu tố trong mô hình không đổi. Hộ là thành viên của chương trình Cánh đồng mẫu lớn thì lợi ích của họ đã được đảm bảo giống như khi họ mua bảo hiểm rồi, họ ít có lo ngại về rủi ro tăng giảm giá đầu ra, nếu có dịch bệnh hay thiên tai họ cũng được nhận hỗ trợ về giống, thuốc kịp thời. Chính vì thế mà những hộ là thành viên mức sẵn lòng chi trả của hộ sẽ giảm.
Biến đê bao, nhận giá trị 1 nếu hộ có ruộng lúa nằm trong đê bao khép kín và nhận giá trị 0 cho hộ có ruộng lúa nằm ngoài đê bao khép kín. Dấu của hệ số ước lượng cho biến này giống với kỳ vọng ban đầu mang giá trị âm. Kết quả ước lượng hiệu ứng biên của biến này cho thấy, nếu hộ có ruộng lúa nằm trong đê bao khép kín, xác suất mức sẵn lòng chi trả của hộ sẽ giảm khoảng 0,39 so với những hộ không có đê bao, nếu các yếu tố trong mô hình không đổi. Theo tình hình của địa phương hiện nay những hộ có đê bao sản xuất lúa vụ 3 vẫn có năng suất rất cao và họ rất chủ quan, không lo ngại về thiên tai. Vì vậy mà mức sẵn lòng chi trả của hộ tại địa phương này sẽ giảm nếu hộ có đê bao.
45
Biến tuổi, tuổi của chủ hộ được kỳ vọng mang giá trị dương. Kết quả ước lượng hiệu ứng biên của biến này cho thấy, khi các yếu tố khác trong mô hình không đổi, xác suất sẵn lòng chi trả cho bảo hiểm cây lúa của hộ sẽ tăng 0,028 nếu chủ hộ tăng thêm 1 đơn vị (tuổi). Vì vậy, để tăng mức sẵn lòng chi trả của các hộ, cần nhắm đến đối tượng các chủ hộ có độ tuổi cao, khi họ tiếp thu được những ưu điểm của chương trình thì họ sẽ áp dụng và truyền đạt lại những thông tin này, do đó đây là đối tượng có thể mở rộng quy mô cũng như hiệu quả cho chương trình.
Biến tiết kiệm, biến này được kỳ vọng thuận chiều với mức sẵn lòng chi trả và kết quả hệ số hiệu ứng biên cho ta thấy kỳ vọng ban đầu là đúng. Khi các yếu tố khác trong mô hình không đổi, xác suất sẵn lòng chi trả cho bảo hiểm cây lúa của hộ sẽ tăng 0,475 so với những hộ không có tiết kiệm. Nhưng không phải vì vậy mà chúng ta chỉ nhắm đến đối tượng có tiết kiệm. Vì những hộ có tiết kiệm thường thì thu nhập họ sẽ cao, nhưng bản chất của chương trình là bình ổn thu nhập.
Biến tham gia, những hộ đã từng tham gia mùa vụ trước chắc chắn sẽ chịu ảnh hưởng đến quyết định chi trả của họ. Kết quả ước lượng hiệu ứng biên cho thấy, khi các yếu tố khác trong mô hình không đổi, xác suất mức sẵn lòng chi trả cho bảo hiểm cây lúa của hộ sẽ tăng 0,322 so với những hộ không có tham gia vụ trước. Vì vậy đây là biến quan trọng xây dựng lòng tin của những hộ nông dân, những hộ đã tham gia sẵn lòng chi nhiều hơn để được tham gia bảo hiểm, do đó tạo lòng tin với những hộ chưa tham gia, là cơ sở để xây dựng khách hàng tiềm năng và mở rộng chương trình.
Kết quả ước lượng bảng 4.12 cho thấy các biến về giới tính và việc làm không có ý nghĩa trong mô hình. Do đó, các biến này hầu như không ảnh hưởng đến quyết định tham gia bảo hiểm cây lúa của 110 hộ trong mô hình. Đối với biến giới tính, mặc dù ở nông thôn nam giới nắm bắt tốt thông tin hơn nữ giới và có khả năng chi trả cao hơn nhưng trong mô hình tỷ lệ nam giới quá cao (94,55%) do vậy về mặt thống kê, biến giới tính trong mô hình không ảnh hưởng đến mức sẵn lòng trả của hộ cho bảo hiểm cây lúa. Kết quả này tương tự trong nghiên cứu (Hoàng Triệu Huy, Phan Đình Khôi, Phan Thị Ánh Nguyệt, 2014). Còn biến việc làm cũng tương tự vì số hộ có người thân làm tại cơ quan địa phương quá ít nên biến này cũng không ảnh hưởng đến mức sẵn lòng chi trả của hộ.
4.2.1.2 So sánh hai mô hình probit
Bảng 4.13 trình bày kết quả hồi qui mô hình 1 và mô hình 2. Trong đó, mô hình 2 được phân tích theo số liệu đã điều chỉnh với tổng số quan sát là 110. Cách điều chỉnh số liệu trong mô hình 2 được thực hiện theo các bước sau: Bước đầu, chọn ra những hộ không sẵn lòng chi trả cho bảo hiểm cây lúa ở mức giá thứ nhất có 48 hộ. Bước hai, xác định những hộ sẵn lòng trả mức giá thứ hai (dựa trên cơ sở bảng số liệu đã thu thập trước) có 22 hộ cho mức giá hai. Bước ba, thay thế mức phí bảo hiểm và mức sẵn lòng của 22 hộ không sẵn lòng chi trả ở mức giá thứ nhất thành mức phí bảo hiểm và mức sẵn lòng của 22 hộ đó ở mức giá thứ hai. Nên mô hình 2 sẽ ước lượng mức sẵn lòng trả có điều chỉnh về mức phí bảo hiểm và mức sẵn lòng của 110 hộ nông dân trong mô hình.
46
Bảng 4.13 Kết quả ước lượng hai mô hình probit
Biến số
Mô hình 1 Mô hình 2
Hệ số ước
lượng Hiệu ứng biên
Hệ số ước
lượng Hiệu ứng biên Bid -0,214* -0,082 -0,251* -0,00019 Diện tích -0,015** -0,006 -0,019** -0,00001 Trình độ 0.127** 0,049 0,034 0,00003 Cánh đồng mẫu lớn -2,636* -0,680 -1,974 -0,03995 Đê bao -1,068** -0,390 -1,319** -0,00173 Tuổi 0,074* 0,028 0.072** 0,00054 Tiết kiệm 1,228** 0,457 1,567** 0,00500 Tham gia 0,849*** 0,322 1,248** 0,00248 Việc làm -1,208 -0,441 0,404 0,00017 Hệ số chặn 19,476 22,528
Giá trị kiểm định χ2 Prob > χ2
: 0,000 Prob > χ2 : 0,000 R bình phương 60,65 69,62 Mức dự báo đúng 88,18 96,36 Gía trị likelihood -29,65 -18,27 Số quan sát 110 110
Nguồn: Số liệu phân tích của tác giả năm 2014
Ghi chú:
*: biến có ý nghĩa thống kê mức 1% **: biến có ý nghĩa thống kê mức 5% ***: biến có ý nghĩa thống kê mức 10%
Kiểm đinh đa cộng tuyến được tiến hành để kiểm tra tính vững của các hệ số trong phương trình của mô hình 2. Kết quả kiểm định cho thấy các giá trị giữa các biến đều nhỏ hơn 0,5; do đó có thể bỏ qua tương quan giữa các biến độc lập trong mô hình. Giá trị kiểm định mô hình Prob > chi2
= 0,000 cho thấy mô hình nghiên cứu được sử dụng có mức ý nghĩa rất cao 1%. Kết quả kiểm định tỷ số hợp lý (likelihood ratio = -18,27) cho thấy các biến giải thích được lựa chọn trong mô hình có ảnh hưởng đến xác xuất mức sẵn lòng chi trả khi tham gia chương trình bảo hiểm. Ngoài ra, kiểm định mức phần trăm dự báo đúng của mô hình đến 96,36% điều này cho thấy mức độ phù hợp của mô hình 2 cao hơn mô hình 1(88,18%). So sánh giữa mô hình 1 và mô hình 2 ta thấy giá trị Pseudo R2
của mô hình 2 là 0,6962 cao hơn mô hình 1 là 0,6065, điều này cho thấy kết quả mô hình 2 giải thích tốt hơn mô hình 1.
47
Mặt khác, trong mô hình 2 biến giới tính bị loại ra khỏi mô hình là do cơ cấu trong mô hình bị thay đổi số hộ không sẵn lòng chi trả không có chủ hộ nào là nữ nên biến giới tính trong mô hình 2 không đánh giá được mức sẵn lòng chi trả của hộ, còn biến trình độ, cánh đồng mẫu lớn, việc làm không có ý nghĩa thống kê trong mô hình. Nguyên nhân là do số đáp viên sẵn lòng chi trả tăng lên 84 hộ còn không sẵn lòng còn có 26 hộ mà trình độ trung bình của hộ sẵn lòng trả lại thấp hơn trình độ hộ không sẵn lòng trả (6,11< 6,66) ngược lại với mô hình 1, mặt khác trình độ học vấn hầu hết các đáp viên còn thấp với trên 80% có trình độ cấp 2 trở xuống nên làm hạn chế hiểu biết về lợi ích khi tham gia bảo hiểm của đáp viên nên khả năng tham gia của họ cũng không cao, những điều này làm giảm ý nghĩa thống kê của biến trình độ trong mô hình 2. Còn với biến Cánh đồng mẫu lớn cũng là do sự thay đổi cơ cấu thành viên tham gia chương trình Cánh đồng mẫu lớn đối với hộ sẵn lòng chi trả và hộ không sẵn lòng chi trả một cách rõ rệt lần lượt là 7 và 3, mặt khác số hộ là thành viên của chương trình cũng ít, chính vì những lí do đó mà làm giảm ý nghĩa thống kê của biến Cánh đồng mẫu lớn trong mô hình 2. Các yếu tố có ý nghĩa thống kê còn lại ở mô hình 2 là mức phí (Bid), diện tích sản xuất (Dientich), ruộng lúa có đê bao (Debao), tuổi của chủ hộ (Tuoi), tiết kiệm của chủ hộ (Tietkiem), tham gia những vụ trước (Thamgia).
a) Bid
Bảng 4.13 cho thấy biến Bid ở cả hai mô hình đều có ý nghĩa thống kê ở mức 1%. Hệ số hiệu ứng biên ở cả hai mô hình đều mang giá trị âm. Nhưng hệ số này ở mô hình 2 cao hơn mô hình 1 cho thấy những hộ thuộc mô hình 1 chịu tác động về mức Bid cao hơn mô hình 2. Cụ thể mô hình 2 có hệ số là - 0,00019 cho thấy nếu mức giá tăng lên 1 đơn vị (10.000 đồng) thì mức sẵn lòng chỉ giảm xuống 0,019 điểm phần trăm so với mức Bid ban đầu, nếu các yếu tố trong mô hình không đổi.
b) Diện tích
Bảng 4.13 cho thấy biến Dientich ở cả hai mô hình đều có ý nghĩa thống kê ở mức 5%. Hệ số hiệu ứng biên ở hai mô hình đều âm trái ngược với kỳ vọng. Hệ số này ở mô hình 2 là -0,00001 cho thấy nếu diện tích tăng lên 1000 m2 thì mức sẵn lòng sẽ giảm 0,001 điểm phần trăm so với diện tích ban đầu, nếu các yếu tố trong mô hình không đổi. Kết quả này ở mô hình 2 cao hơn mô hình 1 cho thấy mức sẵn lòng chi trả ở mô hình 1 chịu ảnh hưởng của biến diện tích nhiều hơn mô hình 2.
c) Đê bao
Bảng 4.13 cho thấy biến Debao ngược chiều với mức sẵn lòng chi trả cho bảo hiểm cây lúa ở cả hai mô hình và có ý nghĩa thống kê ở mức 5%. Hệ số hiệu ứng biên ở mô hình 2 là -0,00173 cho thấy xác suất mức sẵn lòng chi trả của hộ sẽ giảm khoảng 0,173 điểm phần trăm so với những hộ không có đê bao, nếu các yếu tố trong mô hình không đổi. Ngoài ra, hệ số này ở mô hình 2 cao hơn mô hình 1 cho thấy những hộ thuộc mô hình 1 sẽ bị ảnh hưởng nhiều so với trong việc quyết định chi trả hơn những hộ thuộc mô hình 2.