a) Phƣơng pháp thống kê mô tả
Đề tài sử dụng phƣơng pháp thống kê mô tả. Đây là phƣơng pháp thu thập thông tin, sô liệu nhằm đánh giá tổng quát đặc trƣng về một mặt nào đó của tổng thể cần nghiên cứu. Trong phạm vi khóa luận này, phƣơng pháp đƣợc sử dụng để trình bày về hiện trạng môi trƣờng ở Suối Cái – Xuân Trƣờng, tìm hiểu nguyên nhân và từ đó xác định giá trị thiệt hại do ô nhiễm kênh này.
b) Phƣơng pháp phân tích hồi quy
Hồi quy là công cụ cơ bản để đo lƣờng kinh tế. Phân tích hồi quy đo lƣờng mối quan hệ phụ thuộc của một biến (gọi là biến phụ thuộc hay biến đƣợc giải thích) với một hay nhiều biến khác (đƣợc gọi là biến độc lập hay biến giải thích). Phân tích hồi quy đƣợc tiến hành theo các bƣớc sau:
Bƣớc 1: Xác định và nêu ra các giả thiết về mối quan hệ giữa các biến kinh tế.
Kỹ thuật ƣớc lƣợng hồi quy đƣợc sử dụng trong nghiên cứu này là phƣơng pháp bình phƣơng bé nhất (OLS-Ordinary Least Squares) dựa trên ba giả thiết của mô hình nhƣ sau:
- Mối quan hệ giữa Y và Xi là tuyến tính (theo tham số).
- Xi là các biến số ngẫu nhiên và các giá trị của nó là không đổi. Ngoài ra không có sự tƣơng quan hoàn hảo giữa hai hay nhiều hơn các biến độc lập.
- Số hạng sai số có giá trị kỳ vọng bằng không và phƣơng sai không đổi (là hằng số) cho tất cả các quan sát tức là E( i)=0 và E( i2)=0. Các biến số ngẫu nhiên i là độc lập về mặt thống kê. Nhƣ vậy, E( i j)=0 với i j. Số hạng sai số phân phối chuẩn.
Bƣớc 2: Thiết lập mô hình toán học để mô tả quan hệ giữa các biến số. Phƣơng trình hồi qui đƣợc trình bày ở dạng tuyến tính:
Y=0 + 1X1 + 2X2 + 3X3 + …+ nXn + Với: Y: Biến số phụ thuộc
Xi: Biến số độc lập (i=1,2,…,k) i: Hệ số ƣớc lƣợng (i=0,1,2,…,k) : Sai số của mô hình
24 Bƣớc 3: Ƣớc lƣợng các tham số của mô hình ( i)
Các ƣớc lƣợng này là các giá trị thực nghiệm của tham số trong mô hình. Ngoài ra, theo lý thuyết kinh lƣợng, nếu các giả thiết của mô hình đều thoả, các hàm ƣớc lƣợng i là các hàm ƣớc lƣợng tuyến tính, không thiên lệch, tốt nhất (BLUE – Best Linear Unbiased Estimation).
Bƣớc 4: Kiểm định các giả thiết đặt ra. Bƣớc 5: Phân tích mô hình.
Tính tổn hại giá trị nhà đất do ô nhiễm Suối Cái – Xuân Trƣờng bằng phƣơng pháp giá hƣởng thụ.
Bƣớc 1: Thu thập số liệu về giá nhà và các đặc điểm của nhà trong một khoảng
thời gian nhất định ( giá nhà trong năm gần nhất là năm 2010). Dữ liệu cần thu thập đƣợc tiến hành dựa theo quy trình sau:
Đề tài tiến hành chọn một cách ngẫu nhiên các hộ dân sống xung quanh khu vực Suối Cái – Xuân Trƣờng, xác định phạm vi ảnh hƣởng của ô nhiễm đến các hộ điều tra.
Xác định giá nhà thông qua bản tin của các công ty nhƣ ACB, Sacomreal, văn phòng đô thị và các nguồn khác. Cũng cần phải tham khảo ý kiến của một số chuyên gia về giá cả của một số tài sản liên quan và các yếu tố ảnh hƣởng đến giá một căn nhà.
Bƣớc 2: Ƣớc lƣợng hàm giá nhà
Để xác định mối quan hệ giữa giá nhà và mức độ ô nhiễm môi trƣờng ở Suối Cái Xuân Trƣờng. Đề tài sử dụng phƣơng pháp HP để xây dựng hàm giá nhà theo các biến nhƣ khoảng cách đến khu tiện nghi, môi trƣờng, an ninh trật tự, giao thông, độ rộng mặt tiền, số phòng trong nhà. Hàm giá nhà đƣợc xây dựng dƣới dạng sau:
Giá nhà = f ( số phòng; khoảng cách tới trung tâm; tình trạng an ninh; môi trƣờng, độ rộng mặt tiền ).
Thị trƣờng nhà đất là một thị trƣờng hết sức nhạy cảm, thƣờng xảy ra hiện tƣợng sốt đất dẫn tới giá nhà đất tăng cao đột biến. Tuy nhiên giá nhà đất chỉ tăng cao trong thời điểm nóng bỏng của thị trƣờng mà thôi, và rồi tới một thời điểm nào đó thì giá nhà đất cũng hạ xuống. Và căn cứ vào lý thuyết kinh tế vi mô và đặc điểm của các dạng hàm. Đề tài đã chọn dạng hàm tuyến tính cobb – Douglas để xây dựng phƣơng trình giá nhà đất.
25 Phƣơng trình có dạng nhƣ sau:
P(h) = ea0 * DTa1 * KCDTTa2 * KCa3 * GTa4 * DRMTa5 * ANa6 * eut
Hay: LnP(h) = a0 + a1lnDT + a2LnKCDTT + a3LnKC + a4LnGT + a5LnDRMT + a6LnANTT + ut
P(h): giá nhà ( đơn vị: triệu đồng). Ut: sai số hạng ngẫu nhiên
Bảng 3.2. Mô tả các biến của hàm giá nhà (adsbygoogle = window.adsbygoogle || []).push({});
Tên biến trong mô hình Giải thích tên biến Kì vọng biến
DT Diện tích nhà(m2) ( + )
KCDTT Khoảng cách đến khu tiện nghi ( km)
(-)
KC Khoảng cách đến con Suối (m)
( + )
GT Tình trạng giao thông ( + )
DRMT Độ rộng mặt tiền (m) ( + )
ANTT An ninh trật tự ( + )
Nguồn: Kết quả nghiên cứu
Giải thích ý nghĩa của các biến độc lập
Việc lựa chọn các biến độc lập là dựa vào cơ sơ của những nghiên cứu liên quan đến phƣơng pháp HP và dựa trên những vấn đề thực tế của toàn khu vực. Các biến lựa chọn trong mô hình là: Số phòng, khoảng cách đến trung tâm, tình trạng giao thông, đô rộng mặt tiền, tình hình an ninh trật tự, môi trƣờng. Trong đó biến môi trƣờng là biến đại diện cho ô nhiễm đƣợc tính bằng biến khoảng cách đến nơi ô nhiễm. Các biến chọn trong mô hình đƣợc giải thích nhƣ sau.
Biến DT: Diện tích sử dụng của căn nhà càng lớn thì giá nhà càng tăng. Vì thế biến DT tỷ lệ thuận với giá nhà, kì vọng dấu ( + ).
Biến KCDTT: Là khoảng cách trung bình đến các khu tiện nghi cuộc sống, đơn vị tính là km. Các khu tiện nghi ở đây đƣợc hiểu là chợ, trung tâm thƣơng mại, bệnh viện, trƣờng học, khu vui chơi giải trí và nơi làm việc…. Ở đây ta không dùng riêng lẻ
26
từng biến đại diện cho từng khu tiện nghi mà lấy khoảng cách trung bình đến chúng. Việc tính giá trị trung bình đƣợc lấy trọng số tùy thuộc vào mức độ quan trọng của từng nhân tố. Trọng số đƣợc chọn dựa vào mức độ ƣa thích của ngƣời đƣợc phỏng vấn, đồng thời có sự tham khảo của chuyên gia. Trong số của các thuộc tính chợ, trung tâm thƣơng mại, bệnh viện, trƣờng học, khu vui chơi giải trí và nơi làm việc là 0.15; 0.15; 0.25; 0.3; 0.05 và 0.1 ( Phan Thanh Dũng). Nếu khoảng cách trung bình càng lớn, nghĩa là từ nhà đến các khu tiện nghi càng xa thì giá nhà đất sẽ giảm xuống. Vậy biến khoảng cách trung bình đến khu tiện nghi tỷ lệ nghịch với biến giá nhà, kì vọng dấu ( - ).
Biến KC: Là khoảng cách đến con Suối, đây là biến dùng làm đại diện cho giá trị môi trƣờng. Hàng ngày ngƣời dân sống ờ gần khu vực Suối phải chịu mùi hôi từ dòng Suối và giá trị nhà đất ở đây cũng theo đó mà giảm dần. Tức là khoảng cách càng nhỏ thì mùi hôi càng nhiều. Khi mức độ ô nhiễm trầm trọng hơn thì giá nhà sẽ giảm xuống và ngƣợc lại khi mức đô ô nhiễm càng giảm thì giá nhà sẽ tăng lên. Vị vậy khi khoảng cách của căn nhà càng xa nơi ô nhiễm thì giá nhà sẽ tăng lên, kì vọng dấu dƣơng ( + ).
Biến GT: Tình trạng giao thông cũng là một yếu tố rất quan trọng ảnh hƣởng đến giá nhà. Thực tế khi mua một ngôi nhà thì ngƣời ta thƣờng chú ý đến tình trạng giao thông, xem xét việc đi lại có tiện nghi không. Giao thông ở tình trạng rất tốt đƣợc xem là đƣờng có hệ thống chiếu sáng tốt, không có ổ gà, không kẹt xe thƣờng xuyên. Tuy nhiên với điều kiện Việt Nam, tình trạng giao thông tốt chỉ mang tính chất tƣơng đối. Biến giải thích giao thông đƣợc chia làm 4 cấp độ là: (4) thuận lợi, (3) trung bình, (2) bất lợi, (1) rất bất lợi. Nếu cấp độ giao thông tăng cao thì giá nhà cũng tăng lên. Vậy giữa giao thông tỉ lệ thuận với giá nhà.
Biến ANTT: là tình trạng an ninh trật tự. Biến này đƣợc hiểu là mức độ an toàn trong khu vực. Sự ảnh hƣởng của biến an ninh trật tự đến giá nhà nhƣ: nếu an ninh trật tự trong toàn khu vục tốt thì giá nhà đất sẽ cao, ngƣợc lại nếu an ninh trật tự ở trạng thái xấu thì giá nhà đất sẽ thấp. Vậy giá nhà sẽ tăng cùng với cấp độ tăng của của biến an ninh trật tự, kì vọng ( + ).
27
Biến DRMT: Độ rộng mặt tiền là một trong những yếu tố ảnh hƣởng nhiều đến giá nhà đất. Vì vậy giá nhà sẽ tăng nếu độ rộng mặt tiền tăng theo, kì vọng (+).
Bƣớc 3: Tính giá biên ẩn của hàng hóa môi trƣờng cho mỗi quan sát ( implip price):
Từ phƣơng trình về giá nhà với mối quan hệ giữa các yếu tố ảnh hƣởng đến giá nhà trong đó có yếu tố môi trƣờng, thì đề tài tiến hành ƣớc lƣợng giá ẩn (chính là tình giá sẳn lòng trả biên cho chất lƣợng môi trƣờng) bằng cách đạo hàm bậc nhất của hàm giá nhà ở trên theo chất lƣợng môi trƣờng (KC) tính cho từng quan sát, từ đó có đƣợc 30 giá trị của biến IMPLIP.
Để ƣớc lƣợng giá biên ẩn ta tính đạo hàm của hàm giá nhà (P(h)) ở trên theo biến môi trƣờng là KC, ta đặt biến giá ẩn này là IMPLIP.
Với IMPLIP = 𝑷(𝒉)
𝑲𝑪 = ea0 * a3*KC(a3-1) *DTa1*KCDTTa2*GTa4*DRMTa5* ANa6 Nhân hai vế cho KC ta có:
Implip KC = ea0 * a3*KCa3 * DTa1 * KCDTTa2 * GTa4 * DRMTa5 * ANa6 Dựa vào hàm gía nhà ở bƣớc 1 ta thay thế vào vế phải ta có :
Implip KC = a3*P(h), nghĩa là Implip = 𝑎3 𝑃(ℎ)
𝐾𝐶
Từ đó suy ra giá ẩn của hàng hóa môi trƣờng đối với 30 quan sát. (adsbygoogle = window.adsbygoogle || []).push({});
Bƣớc 4: Ƣớc lƣợng hàm cầu nghịch đảo ẩn của thuộc tính môi trƣờng cho mỗi quan sát.
Sau khi tính đƣợc giá trị ẩn của thuộc tính môi trƣờng ở bƣớc 3 ta ƣớc lƣợng hàm cầu ngịch đảo ấn theo các biến chất lƣợng môi trƣờng, trình độ giáo dục, số thành viên trong gia đình. Ta có hàm cầu ẩn ở dạng W(P) = f (chất lƣợng môi trƣờng; thu nhập của hộ; trình độ giáo dục; số thành viên trong gia đình …).
Hàm cầu ẩn ở dạng sau
IMPLIP = eb0 * TNb1 * TVb2 * KCb3 * HVb4 Trong đó :
IMPLIP : là giá ẩn TN : là thu nhập
28 KC : là khoảng cách đến con Suối HV : Trình độ học vấn
Bảng 3.3. Mô tả kỳ vọng các biến
STT Các biến Ký hiệu biến Kỳ vọng dấu
1 TN Ln(TN) +
2 TV Ln(TV) +
3 HV Ln(HV) +
4 KC Ln(KC) -
Nguồn: Kết quả nghiên cứu
Bƣớc 5: Tính thặng dƣ ngƣời tiêu dùng
Tính thặng dƣ ngƣời tiêu dùng bị mất do ô nhiễm cho mỗi quan sát.
Sau khi chạy mô hình hồi quy hàm giá ẩn, ta cố định các biến: thu nhập, thành viên, trình độ học vấn lại bằng cách lấy giá trị trung bình của các biến này. Sau đó tiến hành xây dựng hàm cầu giá ẩn theo biến môi trƣờng, và tính thặng dƣ tiêu dùng khi chất lƣợng môi trƣờng đƣợc cải thiện cho mỗi quan sát. Cụ thể là khoảng cách từ nhà đến kênh tăng lên thì lợi ích mỗi quan sát nhận đƣợc ở mức môi trƣờng cải thiện mới sẽ là bao nhiêu. Vì mục tiêu đề tài là đánh giá tổn hại của ô nhiễm Suối Cái đến giá trị nhà đất nên giá trị lợi ích của mỗi quan sát nhận đƣợc khi mà môi trƣờng đƣợc cải thiện chính là chi phí thiệt hại của mỗi quan sát do ô nhiễm suối gây ra. Để tính chi phí thiệt hại do ô nhiễm suối đến giá trị nhà đất cho mỗi quan sát ta sử dụng công thức CS nhƣ sau: CONSUR = 𝒖𝒑𝒑𝒍𝒊𝒎𝒊𝒎𝒑𝒍𝒊𝒑𝒅 𝒌𝒄
𝒌𝒄
Từ công thức trên ta có đƣợc thặng dƣ của mỗi quan sát trên một năm khi môi trƣờng đƣợc cải thiện, nghĩa là khoảng cách mà ngôi nhà của mỗi quan sát không còn bị ảnh hƣởng của mùi hôi do ô nhiễm suối này gây ra thì lợi ích nhận đƣợc với mỗi quan sát là bao nhiêu. Và từ kết quả thặng dƣ của 30 hộ điều tra này đề tài tính đƣợc trung bình thặng dƣ của mỗi quan sát khi môi trƣờng đƣợc cải thiện là bao nhiêu, từ đó suy ra tổng chi phí thiệt hại do ô nhiễm này gây ra đến giá trị nhà đất tính cho một năm đối với khu vực bị ảnh hƣởng do ô nhiễm Suối.
29
Ƣớc lƣợng các tham số của mô hình
- Kiểm định từng hệ số hồi quy trong mô hình (kiểm định t)
Mục đích của việc kiểm định này là xem xét có mối quan hệ tuyến tính có ý nghĩa về mặt thống kê giữa biến độc lập với biến phụ thuộc không. Thực hiện việc kiểm định này ta đặt giả thiết sau.
Giả thiết
Ho: βi = 0 (tất cả các biến độc lập Xi đều không ảnh hƣởng đến biến phụ thuộc Y).
H1: βi ≠ 0 (tất cả các biến độc lập Xi đều ảnh hƣởng đến biến phụ thuộc Y). Nếu | Tstat | < Tα,n-k-1: Chấp nhận giả thiết Ho.
Nếu | Tstat | > Tα,n-k-1: Bác bỏ giả thiết Ho. Trong đó
n: số mẫu quan sát. α: mức ý nghĩa. k: số biến độc lập.
Kiểm định ý nghĩa chung của mô hình với mức ý nghĩa α (kiểm định F)
Mục đích của kiểm định này là kiểm tra có hay không sự tồn tại của mô hình ƣớc lƣợng. Thực hiện việc kiểm định này ta đặt giả thiết sau.
Giả thiết (adsbygoogle = window.adsbygoogle || []).push({});
Ho: βi = 0 (tất cả các biến Xi đều không ảnh hƣởng đến mô hình). H1: βi ≠ 0 (có ít nhất một βi ≠ 0).
Nếu F-statistic > Fk-1,n-k,α hoặc P(F-statistic) < mức ý nghĩa α : Bác bỏ giả thiết Ho tức mô hình ƣớc lƣợng tồn tại.
Nếu F-statistic < Fk-1,n-k,α hoặc P(F-statistic) > mức ý nghĩa α : Chấp nhận giả thiết Ho, tức mô hình ƣớc lƣợng không tồn tại.
30
Kiểm định các giả thiết đặt ra trong mô hình - Hiện tƣợng đa cộng tuyến
Một mô hình lí tƣởng là các biến độc lập không có tƣơng quan với nhau. Nghĩa là mỗi biến chứa đựng một số thông tin riêng về biến phụ thuộc và thông tin đó lại không có trong biến độc lập khác. Nhƣng khi xảy ra hiện tƣợng có ít nhất một biến độc lập nào đó đƣợc biểu diễn dƣới dạng một tổ hợp tuyến tính các biến còn lại ta gọi đó là hiện tƣợng đa cộng tuyến. Để tiến hành kiểm định hiện tƣợng đa cộng tuyến ta thực hiện kiểm định F có ý nghĩa về mặt thống kê. Nếu R2AUX (Mô hình hồi quy bổ sung) > R2original (Mô hình hồi quy gốc) thì có hiện tƣợng đa cộng tuyến.
- Hiện tƣợng phƣơng sai không đồng đều
Hiện tƣợng phƣơng sai không đồng đều là hiện tƣợng phƣơng sai sai số ứng với các giá trị của biến độc lập là khác nhau (phƣơng sai không là hằng số). Điều này thƣờng xảy ra đối với các số liệu đƣợc thu thập theo không gian và hiếm khi xảy ra đối với số liệu thời gian. Để tiến hành kiểm định hiện tƣợng phƣơng sai không đồng đều ta thực hiện kiểm định White.
Đặt giả thiết
Ho: không có hiện tƣợng phƣơng sai không đồng đều. H1: có hiện tƣợng phƣơng sai không đồng đều.
Ƣớc lƣợng phƣơng trình hồi quy nhân tạo để từ đó tính trị thống kê White Stastistics Wstat = n* R2arti ~ X2df=k
Trong đó:
R2arti: hệ số xác định của mô hình hồi quy nhân tạo. k: số biến độc lập trong mô hình hồi quy nhân tạo. n: tổng số mẫu quan sát.
Với mức ý nghĩa α cho trƣớc, nếu Wstat > X2 α ,df=k, bác bỏ Ho tức mô hình có hiện tƣợng phƣơng sai không đồng đều.
31
- Hiện tƣợng tự tƣơng quan
Hiện tƣợng tự tƣơng quan là hiện tƣợng mà một số hạng sai số của một mẫu quan sát cụ thể nào đó của tổng thể có quan hệ tuyến tính với một hay nhiều các số