4. Đối tượng và phạm vi nghiên cứu
2.4.4 Ảnh hưởng của các nhân tố thuộc hàm sản xuất
Để đánh giá ảnh hưởng của các yếu tố tới năng suất dưa hấu, tôi dùng phương pháp bình phương nhỏ nhất (OLS) trên phần mềm EVIEW để ước lượng sự ảnh hưởng của các nhân tố qua hàm sản xuất, kiểm định F.
Hàm sản xuất Coob – Douglas có dạng: Y = eA.Xa11.Xa22.Xa3 3.Xa4
4.Xa5 5
Sau khi log tự nhiên 2 vế ta được hàm hồi quy có dạng: LnY= A + a1LnX1 + a2LnX2 + a3LnX3+ a4LnX4 + a5LnX5
Sau khi hồi quy tôi thu được kêt quả: LnY= -1,78 +0,06LnX1 +0,14LnX2
+0,11LnX3 +0,17 LnX4 +0,15 LnX5
Viết trở lại dưới dạng Coob – Douglas: Y =0,167. X1 0,06.X2 0,14.X3 0,11.X4 0,17.X5 0,15
Bảng 13: Kết quả hàm hồi qui Biến độc lập Hệ số Độ lệch
chuẩn T- statistic Prob.
Hệ số chặn A -1,78 0,62 -2,84 0,006 Phân chuồng 0,06 0,23 2,62 0,011 Phân NPK 0,14 0,66 2,12 0,038 Phân kali 0,11 0,41 2,72 0,009 Lao động 0,17 0,74 2,38 0,021 Lượng giống 0,15 0,48 3,18 0,002 R2 0,84 - - -
(Nguồn: Số liệu điều tra năm 2009) R2 =0,84 R2 là hệ số hồi quy, dùng để đo mức độ phụ thuộc của biến phụ thuộc đối với các biến độc lập trong mô hình. 0 ≤ R2 ≤1, nếu R2 càng tiến tới 1 thì sự phụ thuộc càng chặt chẽ. Đối với mô hình này R2=84, có nghĩa là 84% sự biến thiên của năng suất
được giải thích bởi các biến đưa vào mô hình.
Kiểm định F = 86 > F (0,05) do đó bác bỏ giả thiết cho rằng R2 =0, có nghĩa là các biến đưa vào mô hình giải thích được sự biến thiên của biến phụ thuộc (LnY)
T- statistic: Dùng để kiểm định giả thiết cho rằng các hệ số α=0. Nếu giá trị tuyệt đối của T – Stat lớn hơn tα/2(n-k) thì bác bỏ giả thiết cho rằng α=0, tức là biến có α được kiểm định có sự ảnh hưởng đến biến phụ thuộc.
Prob: với mức ý nghĩa 5%, nếu Prob >0,05 thì có thể kết luận rằng 1 biến nào đó không ảnh hưởng đến năng suất.
Đối với mô hình này các biến đưa vào mô hình đếu có ý nghĩa thống kê.
