liên quan
Chính quy n đ a ph ng đóng vai trò quan tr ng trong vi c tìm ki m th tr ng đ u ra, cung c p nh ng thông tin đ u ra có l i nh t cho h s n xu t NNNT, t o đi u ki n cho h s n xu t NNNT s d ng ngu n v n vay có hi u qu .
Công tác tuyên truy n c a chính quy n đ a ph ng vƠ các t ch c đoƠn th xã h i còn nhi u h n ch , các chính sách c a ng vƠ NhƠ n c ch a đ n đ c v i h s n xu t NNNT m t cách đ y đ , ch́nh xác, các ch ng trình h tr ch a đ n đúng đ i t ng, chính quy n đ a ph ng c n công b ng h n trong vi c xác đ nh các đ i t ng đ c vay t chính sách c a nhƠ n c.
Cán b xã c n nhanh chóng vƠ ch́nh xác h n trong công tác xác nh n các h s đ các h gia đình kp th i vay đ c v n đ đ u t ph c v s n xu t.
Xây d ng c s h t ng nông thôn t o đi u ki n thu n l i cho vi c v n chuy n hàng hóa nh m gi m giá thành trong s n xu t. C n phát tri n m ng l i truy n thông và báo chí nh m ph bi n k thu t sao cho hi u qu nh t và chi phí th p nh t. Th ng xuyên ph bi n pháp lu t, giáo d c dân s gia đình, ph bi n th tr ng, các chính sách u đưi c a nhƠ n c trong vi c vay v n c a h s n xu t NNNT.
Chính quy n đ a ph ng c n k t h p v i các đoƠn th chính tr xã h i nh : H i Ph n , H i Nông dân, H i C u chi n binh, oƠn Thanh niên, M t tr n T qu c, các H p tác xã t ch c h i th o ph bi n các chính sách c a nhƠ n c và các mô hình s n xu t, kinh doanh hi u qu đ ng i dơn đ c h c h i vƠ trao đ i kinh nghi m, áp d ng khoa h c k thu t vào trong s n xu t và s d ng ngu n v n sao cho có hi u qu nh t.
C n tích c c h tr và theo dõi công tác cho vay và thu h i ngu n v n c a ngân hàng, các t ch c tín d ng trên đa bàn huy n.
5.4. H năch
Bên c nh m t s k t qu đ t đ c, lu n v n không tránh kh i nh ng v n đ còn h n ch . H n ch l n nh t là trong quá trình nghiên c u tác gi đ a ra các nhơn t k v ng nh h ng đ n l ng v n vay c a các h s n xu t ngành ngh nông thôn ch a đ y đ do đó các bi n s ch a hoàn ch nh làm nh h ng đ n ch t l ng c a mô hình nghiên c u.
Trong th i gian t i tác gi ki n ngh c n ti p t c nghiên c u các y u t nh h ng đ n hi u qu s d ng v n tín d ng, đ ng th i đ ra đ c các gi i pháp nâng cao hi u qu v n tín d ng c a các h s n xu t ngành ngh nông thôn huy n Hòa Thành, t nh Tơy Ninh. ơy lƠ v n đ r t quan tr ng vì vi c giúp ng i dơn vay đ c v n là khó nh ng đ làm th nào s d ng v n đúng m c đ́ch vƠ hi u qu l i cƠng khó h n. Tác gi hy v ng trong các nghiên c u ti p theo v i s giúp đ c a các c quan nghiên c u, các nhà khoa h c v n đ này s đ c ti p t c nghiên c u và hoàn thi n.
Tài li u tham kh o ti ng Vi t
1. Báo cáo đánh giá tình hình th c hi n k ho ch phát tri n kinh t ậ xư h i n m 2014 huy n Hòa Thành, t nh Tơy Ninh.
2. C c th ng kê t nh Tơy Ninh, Niên giám th ng kê 2013 .
3. inh Phi H , 2008. Kinh t h c nông nghi p b n v ng. NhƠ xu t b n Ph ng ông.
4. Lê V n T , 2009. Giáo trình Tín d ng Ngân hàng, NXB Giao Thông V n T i.
5. Mai V n Nam, Ph m Lê Thông, Lê T n Nghiêm, Nguy n V n Ngơn ,2004. Giáo
trình kinh t l ng. NXB Th ng kê, TP HCM.
6. Nguy n Kh c Hoàn, 2010. S d ng mô hình TOBIT trong phân tích nhu c u tiêu th hàng hóa c a các h gia đình. T p chí khoa h c, i h c Hu , s 60,2010.
7. Nguy n Tr ng Hoài, 2007. Các bi n ph thu c b gi i h n. Ch ng trình gi ng d y Kinh t Fulbright.
8. Nguy n V n V An, 2014. Các y u t nh h ng đ n quy t đ nh tham gia h i c a h s n xu t NNNT t i huy n Duyên H i, t nh TrƠ Vinh. Lu n v n Th c s Tài chính ngơn hƠng. i h c C n Th .
9. S Ng c Anh, 2012. Phơn t́ch các nhơn t nh h ng đ n kh n ng ti p c n v n t́n d ng c a ti u th ng t i ch , trung tơm th ng m i trên đ a bƠn qu n 5, thƠnh ph H Ch́ Minh. Lu n v n Th c s kinh t , i h c Kinh t thƠnh ph H Ch́ Minh.
10. Tr n Ái K t vƠ Thái Thanh Tho ng (2013). Các y u t nh h ng t i ti p c n t́n d ng tiêu dùng ngơn hƠng th ng m i c a h gia đình trên đ a bƠn thƠnh ph C n Th .
11. Võ Th Thúy Anh, 2010. ng d ng mô hình Probit, Logit, Tobit đ đánh giá tác đ ng c a ch ng trình t́n d ng u đưi h nghèo c a NH CSXH, T p chí PT KT-XH
Ơ N ng, s 7+8,2010.
12. V ng Qu c Duy vƠ Lê Long H u, 2012. Vai trò c a t́n d ng ch́nh th c trong đ i s ng nông h ng B ng Sông C u Long.
s 4, trang 29-32.
14. Tr n Th t, 1998. Chi ph́ giao dich vay vƠ s phơn đo n c a th tr ng t́n d ng nông thôn, T p ch́ Nghiên c u kinh t , t p 10, s 245, trang: 13-24.
TƠiăli uăthamăkh oăti ngăAnh
1. Aliou Diagne,1999. Determinants of household access to and participation in formal and informal credit markets in malawi. Food Consumption and Nutrition Division.
2. Diagne, A(1999) Determinants of househol access to and participation in formal and informal credit markets on Malawi, Food consumption and Nutrition Division. 3. Francis Nathan Okurut, 2000. Access to credit by the poor in south africa:
Evidence from Household Survey Data 1995 and 2000. (adsbygoogle = window.adsbygoogle || []).push({});
4. Gan, C., Nartea, G. V. and Garay, A.(2007). Credit accesibility of small-scale farmers and fisherfolk in the Philippines. Review of Development and Cooperation.
5. Khalid Mohamed, 2003.“ Agricultural credit in Pakistan: Constraints and
options”.
6. Khandker, 2003. “Microfinance and poverty: Evidence using panel data from Bangladesh”.
7. Mikkel Barslund and Finn Tarp,(2006). Rural credit in Vietnam.
8. Ph m B o D ng and Y. Izumida (2002). Rural Development Finance in Viet Nam: A Microeconomic Analysis of House Hold Survey, Word Development 30 (2).
9. Stiglitz, J. E. and Weiss, A. (1981). Credit rationing in markets with imperfect information. The American economic review, 393-410.
10.Tr n Th t (1998). Borrwer Transactions Cost And Credit Rationing: A study of the Rural Credit Market in Vietnam, paper prepared for the conference Vietnam, And the Region: Asisa -Pacific Experiences and Vietnam’s Economic Policy Direction, Hanoi.
11.V Th Thanh HƠ (2001). Determinants of Rural Household’ Borrowing from the Formal Financial Sector: A study of the Rural credit market in Red river delta region. Master of Arts in Economics of development, Vietnam- Netherlands Project Hanoi.
households in the Mekong Delta ậ Vietnam. Master thesis, the University of Groningen, Faculty of economic and management and organization, Groningen, 2007.
1.K TăQU ăH IăQUYăX ăLụăB NGăPH NăM NăSTATA
1.1ăMôăhìnhăProbităxácăđ nhăcácănhơnăt ă nhăh ngăđ năkh ăn ngăti păc nătínă d ngăc aăh ăs năxu tăNNNT:
. probit y_covaykhong tuoichuho gioitinh dtkinh trinhdo solaodong thunhap dt_dat namkn von
Iteration 0: log likelihood = -156.79697 Iteration 1: log likelihood = -93.983229 Iteration 2: log likelihood = -90.607714 Iteration 3: log likelihood = -90.476401 Iteration 4: log likelihood = -90.475982 Iteration 5: log likelihood = -90.475982
Probit regression Number of obs = 300 LR chi2(9) = 132.64 Prob > chi2 = 0.0000 Log likelihood = -90.475982 Pseudo R2 = 0.4230 --- y_covaykhong | Coef. Std. Err. z P>|z| [95% Conf. Interval] ---+--- tuoichuho | -.0043723 .0141377 -0.31 0.757 -.0320818 .0233371 gioitinh | 1.064514 .2356108 4.52 0.000 .6027258 1.526303 dtkinh | 1.598173 .2529967 6.32 0.000 1.102309 2.094037 trinhdo | .0721654 .0292155 2.47 0.014 .014904 .1294268 solaodong | .1077749 .1271924 0.85 0.397 -.1415177 .3570675 thunhap | -.0031252 .0009564 -3.27 0.001 -.0049997 -.0012507 dt_dat | .0492523 .0280194 1.76 0.079 -.0056647 .1041693 namkn | -.0229402 .011808 -1.94 0.052 -.0460834 .000203 von | .0017711 .0009849 1.80 0.072 -.0001593 .0037015 _cons | -1.188273 .6877656 -1.73 0.084 -2.536269 .1597229 --- Note: 0 failures and 3 successes completely determined.
1.2ăCácăgiáătr ăki măđ nhăc aămôăhìnhăProbit
* Ki măđ nhăchiăbìnhăph ng
. lfit
Probit model for y_covaykhong, goodness-of-fit test number of observations = 300
number of covariate patterns = 300 Pearson chi2(290) = 269.06 Prob > chi2 = 0.8061 * Ki m đ nh s phù h p c a mô hình
. lstat
Probit model for y_covaykhong
--- True --- Classified | D ~D | Total ---+---+--- + | 226 26 | 252 - | 9 39 | 48 ---+---+--- Total | 235 65 | 300 Classified + if predicted Pr(D) >= .5
True D defined as y_covaykhong != 0
--- Sensitivity Pr( +| D) 96.17% Specificity Pr( -|~D) 60.00% Positive predictive value Pr( D| +) 89.68% Negative predictive value Pr(~D| -) 81.25% --- False + rate for true ~D Pr( +|~D) 40.00% False - rate for true D Pr( -| D) 3.83% False + rate for classified + Pr(~D| +) 10.32% False - rate for classified - Pr( D| -) 18.75% --- Correctly classified 88.33% ---
Tác đ ng biên
. mfx
Marginal effects after probit
y = Pr(y_covaykhong) (predict) = .87230665
--- variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X ---+--- tuoich~o | -.0016982 .0028 -0.61 0.544 -.007182 .003786 44.48 gioitinh*| .1850114 .06338 2.92 0.004 .060782 .309241 .666667 dtkinh*| .4524324 .08462 5.35 0.000 .286583 .618282 .786667 trinhdo | .0090339 .00569 1.59 0.112 -.002114 .020182 8.82333 solaod~g | .0140207 .0263 0.53 0.594 -.037521 .065562 3.10333 thunhap | -.0006214 .0002 -3.05 0.002 -.00102 -.000223 142.11 dt_dat | .0011763 .00351 0.34 0.737 -.005701 .008054 3.7702 namkn | -.0013504 .00218 -0.62 0.536 -.005627 .002926 14.84 von | .0008622 .00021 4.03 0.000 .000443 .001281 133.207 --- (*) dy/dx is for discrete change of dummy variable from 0 to 1 (adsbygoogle = window.adsbygoogle || []).push({});
. lfit
Probit model for y_covaykhong, goodness-of-fit test number of observations = 300
number of covariate patterns = 300 Pearson chi2(290) = 269.06 Prob > chi2 = 0.8061
* Ki măđnh s phù h p c a mô hình
. lstat
Probit model for y_covaykhong
--- True --- Classified | D ~D | Total ---+---+--- + | 226 26 | 252 - | 9 39 | 48 ---+---+--- Total | 235 65 | 300 Classified + if predicted Pr(D) >= .5
True D defined as y_covaykhong != 0
--- Sensitivity Pr( +| D) 96.17% Specificity Pr( -|~D) 60.00% Positive predictive value Pr( D| +) 89.68% Negative predictive value Pr(~D| -) 81.25% --- False + rate for true ~D Pr( +|~D) 40.00% False - rate for true D Pr( -| D) 3.83% False + rate for classified + Pr(~D| +) 10.32%