Thực hiện PURT I (0)
Thực hiện PURT I (1), I (2)…
Mơ hình POLS, FE, RE
Kiểm định đồng kết hợp
Kiểm định 𝜶𝒊 = 𝟎
Kiểm định nhân quả
Ước lượng PMG Mơ hình POLS Kiểm định 𝑪𝒐𝒓𝒓(𝑿𝒊𝒕, 𝜶𝒊) = 𝟎 Mơ hình RE Mơ hình FE Chẩn đốn mơ hình Kiểm định sự đồng nhất Kiểm định sự phù hợp của mơ hình Pesaran (2007) Pesaran (2007) Pesaran & Yamagata (2008) Khơng Có Có Khơng Westerlund (2007) Kiểm định F Dumitrescu & Hurling (2012) LR test Allison (2009)
76
3.3.2 Phương pháp phân tích
3.3.2.1 Thống kê mô tả
Phương pháp thống kê mô tả là một trong những phương pháp phân tích được sử dụng phổ biến, phương pháp này sử dụng để cho ra những thông số ban đầu về mẫu điều tra cũng như thực trạng của đối tượng phân tích. Trong luận án này, thống kê mô tả được sử dụng để phân tích thực trạng tăng trưởng nơng nghiệp ĐBSCL và mơ tả đặc tính của các biến được sử dụng trong các mơ hình ước lượng.
Thống kê mơ tả là tập hợp tất cả các phương pháp đo lường, mơ tả và trình bày số liệu. Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Phương pháp tần số để mơ tả và tìm hiểu về đặc tính phân phối của mẫu số liệu thơ, bước đầu tiên là lập bảng phân phối tần số. Bảng phân phối tần số là bảng tóm tắt dữ liệu được xếp thành từng tổ khác nhau. Tần số cho biết với tập dữ liệu đang có thì đối tượng có một biểu hiện nào đó ở một thuộc tính cụ thể là bao nhiêu, nhiều hay ít.
3.3.2.2 Phân tích bao dữ liệu (DEA) – chỉ số Mamlquist TFP
Như đã thảo luận và phân tích ưu và nhược điểm của từng phương pháp tiếp cận để ước lượng TFP, luận án sử dụng chỉ số Malmquist để ước lượng TFP nông nghiệp ĐBSCL giai đoạn 1995 – 2020.
Mức tăng trưởng của năng suất được đo lường bằng mức tăng trưởng của TFP theo thời gian. Tăng trưởng của năng suất có thể do đổi mới sáng tạo, cải tiến thiết kế hay chính là sự thay đổi của cơng nghệ, hoặc khi các đơn vị sản xuất sử dụng đầu vào một cách hiệu quả hơn trên công nghệ cho sẵn, nghĩa là với cùng loại vốn, lao động và cơng nghệ thì đơn vị sản xuất có thể tạo ra lượng đầu ra nhiều hơn, sự gia tăng này được gọi là hiệu quả kỹ thuật. Vì vậy TFP có thể thay đổi từ thời điểm này sang thời điểm khác là do biến đổi về công nghệ và những thay đổi ở hiệu suất công nghệ hay kỹ thuật.
Phương pháp DEA – Malmquist có thể được tiếp cận theo hai hướng hoặc là tối thiểu đầu vào hoặc tối đa đầu ra. Vì vậy chỉ số Malmquist TFP là tỷ số của tổng các đầu ra theo trọng số và các yếu tố đầu vào theo trọng số. Chỉ số Malmquist TFP đo lường sự thay đổi của TFP giữa hai thời điểm bằng cách tính tỷ số của các khoảng cách giữa mỗi thời điểm liên quan đến một công nghệ chung.
Một khái niệm quan trọng khi đo lường tăng trưởng năng suất bằng chỉ số Malmquist là hàm khoảng cách bao gồm hàm khoảng cách đầu ra và hàm khoảng cách đầu vào. Nếu hàm khoảng cách đầu vào là sự dụng tối thiểu lượng đầu vào để cho cùng một mức sản lượng đầu ra thì hàm khoảng cách đầu ra là sự tiếp cận giả định các đơn vị sản xuất hướng tới đạt được tối đa hóa đầu ra với một lượng đầu vào cho sẵn.
77
Với khoảng thời gian lần lượt là t =1,2,…,T và N x1; M x 1 lần lượt là vecto các yếu tố đầu vào và đầu ra. Hàm khả năng sản xuất được thiết lập như sau:
𝑆𝑡 = {(𝑥𝑡, 𝑦𝑡): 𝑥𝑡 𝑐ó 𝑡ℎể 𝑠ả𝑛 𝑥𝑢ấ𝑡 𝑡ạ𝑖 𝑦𝑡} Hàm khoảng cách đầu ra được xác định tại thời điểm t là:
𝑑0𝑡 (𝑥𝑡, 𝑦𝑡) = 𝑖𝑛𝑓{𝜃: (𝑥𝑡, 𝑦𝑡/𝜃)𝜖𝑆𝑡} = (𝑠𝑢𝑝{𝜃: (𝑥𝑡, 𝜃𝑦𝑡)𝜖𝑆𝑡})−1
Hàm khoảng cách ứng với thời kỳ t+1 là
𝑑0𝑡+1 (𝑥𝑡+1, 𝑦𝑡+1) = 𝑖𝑛𝑓{𝜃: (𝑥𝑡+1, 𝑦𝑡+1/𝜃)𝜖𝑆𝑡}
Với cách tiếp cận là tối đa hóa đầu ra thì 𝐷0𝑡 (𝑥𝑡, 𝑦𝑡) đo lường khoảng cách trung bình của một đơn vị khơng gian tại thời thời điểm t tới giới hạn của hàm sản xuất khi cố định các yếu tố đầu vào.
Thay đổi năng suất do công nghệ ở thời điểm t được xác định 𝑀0𝑡(𝑥𝑡, 𝑦𝑡, 𝑥𝑡+1, 𝑦𝑡+1) = [𝑑0
𝑡(𝑥𝑡+1, 𝑦𝑡+1) 𝑑0𝑡(𝑥𝑡, 𝑦𝑡) ]
Tương tự thay đổi năng suất ứng với công nghệ ở thời kỳ t+1 được xác định như sau:
𝑀0𝑡+1(𝑥𝑡, 𝑦𝑡, 𝑥𝑡+1, 𝑦𝑡+1) = [𝑑0
𝑡+1(𝑥𝑡+1, 𝑦𝑡+1) 𝑑0𝑡+1(𝑥𝑡, 𝑦𝑡) ]
Từ đó chỉ số Malmquist TFP được Fare et al. (1994) được xác định như sau: 𝑀0(𝑥𝑡,𝑦𝑡 , 𝑥𝑡+1,𝑦𝑡+1 ) =𝑑0𝑡+1(𝑥𝑡+1,𝑦𝑡+1) 𝑑0𝑡(𝑥𝑡,𝑦𝑡) [ 𝑑0𝑡(𝑥𝑡+1,𝑦𝑡+1 ) 𝑑0𝑡+1(𝑥𝑡+1,𝑦𝑡+1)𝑥 𝑑0𝑡(𝑥𝑡,𝑦𝑡) 𝑑0 𝑡+1(𝑥𝑡,𝑦𝑡 )] 1/2 Trong đó sự thay đổi của hiệu quả kỹ thuật được xác định
𝑇𝐸𝐶 = 𝑑0
𝑡+1(𝑥𝑡+1, 𝑦𝑡+1) 𝑑0𝑡(𝑥𝑡, 𝑦𝑡)
và sự thay đổi do công nghệ hay kỹ thuật được xác định 𝑇𝐶 = [ 𝑑0 𝑡(𝑥𝑡+1,𝑦𝑡+1 ) 𝑑0𝑡+1(𝑥𝑡+1, 𝑦𝑡+1)𝑥 𝑑0𝑡(𝑥𝑡, 𝑦𝑡) 𝑑0 𝑡+1(𝑥𝑡,𝑦𝑡 )] 1/2 Chỉ số Malmquist TFP = TEC x TC
Vì chỉ số Malmquist dựa trên đầu ra từ giai đoạn t đến t+1 nên khi kết quả lớn 1 cho thấy TFP tăng trưởng dương trong giai đoạn xem xét và ngược lại.
Trong đó sự thay đổi về hiệu quả kỹ thuật có thể phân tích thành thay đổi hiệu quả kỹ thuật thuần túy (PECH) và thay đổi hiệu quả quy mô (SECH). Hiệu quả mô quy mô bằng hiệu quả kỹ thuật theo mơ hình DEACRS /hiệu quả kỹ thuật theo mơ hình DEAVRS.
Phương pháp DEA được sử dụng để ước lượng thay đổi về năng suất cũng như phân tích thành phần tạo nên sự thay đổi năng suất đó.
DEA sử dụng chương trình tuyến tính để tính được khoảng cách của từng đơn vị ra quyết định, với hàm mục tiêu và những ràng buộc kèm theo như sau
78 Hàm mục tiêu 1: [𝑑0𝑡(𝑥𝑖,𝑡, 𝑦𝑖,𝑡)]−1 = 𝑚𝑎𝑥∅,𝜆𝜙, Với các ràng buộc: – 𝜙𝑦𝑖,𝑡+ 𝑌𝑡𝜆 ≥ 0 𝑥𝑖,𝑡− 𝑋𝑡𝜆 ≥ 0 𝜆 ≥ 0 Hàm mục tiêu 2 : [𝑑0𝑡+1(𝑥𝑖,𝑡+1, 𝑦𝑖,𝑡+1)]−1 = 𝑚𝑎𝑥∅,𝜆𝜙, Với các ràng buộc : – 𝜙𝑦𝑖,𝑡+1+ 𝑌𝑡+1𝜆 ≥ 0 𝑥𝑖,𝑡+1− 𝑋𝑡+1𝜆 ≥ 0 𝜆 ≥ 0 Hàm mục tiêu 3: [𝑑0𝑡(𝑥𝑖,𝑡+1, 𝑦𝑖,𝑡+1)]−1= 𝑚𝑎𝑥∅,𝜆𝜙, Với các ràng buộc : – 𝜙𝑦𝑖,𝑡+1+ 𝑌𝑡𝜆 ≥ 0 𝑥𝑖,𝑡+1− 𝑋𝑡𝜆 ≥ 0 𝜆 ≥ 0 Hàm mục tiêu 4: [𝑑0𝑡+1(𝑥𝑖,𝑡, 𝑦𝑖,𝑡)]−1 = 𝑚𝑎𝑥∅,𝜆𝜙, Với các ràng buộc : – 𝜙𝑦𝑖,𝑡+ 𝑌𝑡+1𝜆 ≥ 0 𝑥𝑖,𝑡− 𝑋𝑡+1𝜆 ≥ 0 𝜆 ≥ 0
Trong đó thì K, N, M và T lần lượt là số đơn vị ra quyết định, đầu vào, đầu ra và số năm nghiên cứu, và 𝜙 thể hiện quy mô sản xuất, 𝑥𝑖,𝑡, 𝑦𝑖,𝑡 lần lượt thể hiện N x1 vecto các yếu tố đầu vào, M x 1 vecto đầu ra; 𝑋𝑡, 𝑌𝑡 là ma trận đầu vào của các yếu tố (N x K), ma trận đầu ra (M x K) của đơn vị ra quyết định i trong kỳ sản xuất t.
3.3.2.3 Ước lượng các yếu tố ảnh hưởng đến tăng trưởng nông nghiệp – phương pháp ước lượng trung gian (PMG)
a.Phương pháp ước lượng
Phương pháp ước lượng bảng động tuyến tính có nhiều ưu điểm so với các ước lượng bảng tĩnh tuyến tính. Các phương pháp ước lượng bảng như FE, RE và GMM đòi hỏi các tham số đồng nhất giữa các đơn vị bảng, ngoài ra do khơng xét đến tính đồng kết hợp nên kết quả ước lượng của các hệ số hồi quy ở những phương pháp trên có thể bị chệch, vấn đề này càng trở nên trầm trọng khi T lớn. Ngoài ra nếu trong mơ hình có tồn tại biến độ trễ của biến phụ thuộc thì các ước lượng bảng tĩnh tuyến tính sẽ khơng cịn phù hợp, và khi đó các ước lượng tuyến tính bảng động sẽ phù hợp. Có nhiều phương pháp ước lượng cho bảng động tuyến tính như phương pháp pháp MG, PMG, hay DFE. Việc lựa chọn các phương pháp ước lượng bảng động tuyến tính phụ thuộc vào tính đồng nhất hay khơng đồng nhất trong cả dài hạn lẫn ngắn hạn của các hệ số. Cụ thể, nếu các hệ số ngắn hạn và dài hạn đều thay đổi giữa các đơn vị bảng (tính khơng đồng nhất xảy ra cả ở ngắn hạn và dài hạn) thì ước lượng MG là phù hợp, cịn nếu các hệ số ngắn
79
hạn và dài hạn đều đồng nhất giữa các đơn vị bảng thì ước lượng DFE là phù hợp, còn nếu các hệ số trong ngắn hạn là đồng nhất giữa các đơn vị bảng và các hệ số dài hạn không đồng nhất thì phương pháp ước PMG được xem là phù hợp.
Dựa trên kiểm định tính dừng của các chuỗi số liệu và tính đồng kết hợp của các chuỗi trong mơ hình ước lượng tăng trưởng nơng nghiệp và với mong muốn tìm ra được mối quan hệ tác động trong cả dài hạn lẫn ngắn hạn của các biến giải thích với biến phụ thuộc. Đồng thời với đặc điểm của vùng nghiên cứu là 13 địa phương của vùng ĐBSCL, mỗi địa phương có những đặc điểm khác nhau về hạ tầng, điều kiện tự nhiên… Tuy nhiên các địa phương đều nằm trong khu vực ĐBSCL sẽ cùng chịu chi phối, điều chỉnh của các chính sách phát triển nơng nghiệp cho cả vùng. Vì vậy, tác giả sẽ giả định là trong ngắn hạn thì sự tăng trưởng giữa các địa phương ĐBSCL có thể khác nhau bởi các địa phương sẽ phản ứng khác nhau với các chính sách phát triển của chính phủ, do các vấn đề đầu tư nhiều hay ít của mỗi địa phương và đặc điểm riêng khác nhau như đã đề cập ở trên, tuy nhiên trong dài hạn thì tất cả các địa phương đều phải theo chiến lược và chính sách của chính phủ cũng như tầm nhìn chung cho cả khu vực. Do đó, ước lượng PMG sẽ được sử dụng để ước lượng cho mơ hình các yếu tố ảnh hưởng đến tăng trưởng nông nghiệp ĐBSCL.
Phương pháp ước lượng trung gian (PMG) của Pesaran et al.(1999) với nhiều ưu điểm như đã trình bày ở trên. Trong nghiên cứu này phương pháp PMG cho phép: (i) ước lượng độ co giãn giữa tăng trưởng nông nghiệp và các yếu tố đầu vào quan trọng trong cả ngắn hạn và dài hạn và (ii) ước lượng tốc độ điều chỉnh để trở về cân bằng dài hạn.
PMG được sử dụng để ước lượng các hệ số co giãn và tốc độ điều chỉnh như sau: ∆𝑌𝑖𝑡 = ∑𝑝−1𝑗=1𝛾𝑗𝑖∆𝑌𝑖,𝑡−𝑗+ ∑𝑞−1𝑗=0𝛿𝑗𝑖∆𝑋𝑖,𝑡−𝑗+ 𝜑𝑖[𝑌𝑖,𝑡−1− {𝛽0𝑖 + 𝛽1𝑖𝑋𝑖,𝑡−1}] + 𝜀𝑖𝑡 (3.20) Trong mơ hình (3.20) thì:
𝑌𝑖𝑡: biến phụ thuộc của mơ hình 𝑌𝑖,𝑡−𝑗: là biến trễ bậc j của 𝑌𝑖𝑡 𝑋𝑖,𝑡−𝑗: tập hợp các biến giải thích
𝜀𝑖𝑡 = 𝜆𝑖+ 𝜆𝑡 + 𝑣𝑖𝑡 : sai số của mơ hình bao gồm thành phần đặc trưng cho đối tượng 𝜆𝑖, yếu tố không thay đổi theo thời gian 𝜆𝑡 và sai số ngẫu nhiên 𝑣𝑖𝑡.
𝛾𝑗𝑖, 𝛿𝑗𝑖: thành phần ngắn hạn của các hệ số ước lượng 𝛽0𝑖, 𝛽1𝑖: thành phần dài hạn của các hệ số ước lượng 𝜑𝑖 : thành phần điều chỉnh về cân bằng dài hạn
Thành phần thứ 3 bên phải của phương trình (3.20) nếu ước lượng có giá trị âm và có ý nghĩa thống kê thì các chuỗi trong mơ hình ước lượng sẽ có mối quan hệ đồng kết hợp, giá trị càng gần 1 thì tốc độ điều chỉnh để trở về trạng thái cân bằng càng nhanh.
80
Như đã trình bày thì phương pháp PMG ràng buộc tính cân bằng trong dài hạn nhưng xem các hệ số ước lượng trong ngắn hạn có thể khơng đồng nhất giữa các nhóm.
Δ𝑦𝑖𝑡 = 𝜙𝑦𝑖𝑡−1+ 𝛽𝑥𝑖𝑡+ 𝛼1Δ𝑦𝑖𝑡−1+ ⋯ + 𝛼𝑝Δ𝑦𝑖𝑡−𝑝 + 𝑏1Δ𝑥𝑖𝑡+ ⋯
+𝑏𝑞Δ𝑥𝑖𝑡−𝑞+ 𝜀𝑖𝑡 (3.21) Ước lượng này cho phép xét đến dạng đồng kết hợp của mơ hình ARDL cơ bản và điều chỉnh nó cho dữ liệu bảng bằng cách cho phép các hệ số cắt, hệ số ngắn hạn và thành phần đồng kết hợp thay đổi giữa các các đơn vị bảng.
b.Các kiểm định cần thiết cho ước lượng PMG
Kiểm định tính dừng cho số liệu bảng (PURT – Pooled Unit Root Test)
Như đã trình bày ở phần trước thì việc lựa chọn kiểm định nghiệm đơn vị nào sẽ phù thuộc bảng cân bằng (balanced panel) hay không cân bằng (unbalanced panel), vấn đề phụ thuộc chéo giữa các đơn vị bảng (cross – sectional independence), vấn đề đồng nhất (homogeneous) hay không đồng nhất (heterogeneous) của các hệ số ước lượng. Ví dụ khi khơng có sự phụ thuộc chéo giữa các đơn vị bảng và các hệ số ước lượng là đồng nhất thì sử dụng kiểm định Breitung (2000), Hadri (2000) và Levin – Lin – Chu (2002), và sử dụng kiểm định Maddala & Wu (1999), Choi (2001) hoặc Im – Pesaran – Shin (2003) khi các hệ số là khơng đồng nhất và cũng khơng có sự phụ thuộc chéo giữa các đơn vị bảng, còn nếu trong trường hợp có sự phụ thuộc chéo giữa các đơn vị bảng thì sử dụng các kiểm định như Breitung & Das (2005), Moon & Perron (2004) hoặc kiểm định Pesaran (2007).
Trong luận án này tác giả sử dụng kiểm định nghiệm đơn vị dữ liệu bảng thế hệ thứ hai được phát triển bởi Pesaran (2007), đó là sử dụng phương pháp CADF (Cross – Sectionally Augmented Dickey – Fuller). Kỹ thuật kiểm định này vừa tính tới sự phụ thuộc giữa các quan sát chéo trong dữ liệu bảng vừa có thể áp dụng cho cả bảng cân đối và không cân đối. Do số liệu được thu thập cho cả 13 tỉnh ĐBSCL và từ năm 1995– 2020, tuy nhiên từ năm 2004 thì Hậu Giang được tách từ tỉnh Cần Thơ nên bảng trong nghiên cứu này là bảng khơng cân đối và bởi vì các đơn vị khảo sát nằm trong một vùng sản xuất nên có thể có sự ảnh hưởng lẫn nhau giữa các đơn vị quan sát. Vì vậy kỹ thuật kiểm định CADF là phù hợp cho bộ số liệu phân tích ảnh hưởng đến tăng trưởng nơng nghiệp ĐBSCL.
Kỹ thuật kiểm định CADF được đề xuất bởi Pesaran (2007) như sau: 𝐶𝐼𝑃𝑆 = 𝑁−1∑𝑁𝑖−1𝐶𝐴𝐷𝐹𝑖
Trong đó: N là số lượng bảng, thống kê CADF dựa vào công thức sau ∆𝑦𝑖𝑡 = 𝛼𝑖+ 𝛽𝑖𝑦𝑖𝑡−1+ 𝜃𝑖𝑦̅𝑡−1+ ∑𝑝𝑗=0𝛿𝑖𝑗Δ𝑦̅𝑡−𝑗+ ∑𝑝𝑗=0𝛾ịΔ𝑦𝑖𝑡−𝑗 + 𝜀𝑖𝑡 Trong đó Δ𝑦̅𝑡−𝑗 và 𝑦𝑖𝑡−𝑗 là trung bình chéo của sai phân bậc 1 của y và trung bình chéo biến trễ của y.
81
Luận án sẽ tiếp tục kiểm định sự đồng nhất của các hệ số (do đặc thù của mỗi địa phương). Nếu bỏ qua vấn đề phụ thuộc chéo và sự đồng nhất của các đơn vị bảng thì kết quả hồi quy sẽ giảm đi độ tin cậy. Trong luận án này sẽ dụng kiểm định được đề xuất bởi Pesaran & Yamagata (2008), với giả thuyết Ho là các hệ số giống nhau giữa các đơn vị bảng (𝛽1 = 𝛽2 = … = 𝛽𝑖 = 𝛽) 𝑆 = ∑𝑁 (𝛽𝑖 − 𝛽𝑊𝐹𝐸)′ 𝑖=1 𝑋𝑖′𝑀𝑇𝑋𝑖 𝛿𝑖2 (𝛽𝑖 − 𝛽𝑊𝐹𝐸) Δ = √𝑁(𝑁 −1𝑆−𝑘 √2𝑘 ) Δ𝑎𝑑𝑗=√N( 𝑁−1𝑆−𝑘 √2𝑘(𝑇−𝑘−1)𝑇+1 )
Trong các cơng thức trên thì Δ và Δ𝑎𝑑𝑗 là các giá trị thống kê, 𝛽𝑖 là hệ số ước lượng theo phương pháp POLS, 𝛽𝑊𝐹𝐸: là hệ số ước lượng từ phương pháp WFE (Weighted Fixed Effect Pooled Estimator), 𝑋𝑖′ là vector các biến độc lập sau khi đã loại bỏ thành phần trung bình, 𝑀𝑇 là ma trận đơn vị, k là số biến độc lập.
Kiểm định sự phục thuộc chéo của các đơn vị bảng
Sự phụ thuộc chéo giữa các đơn vị bảng là vấn đề phổ biến trong dữ liệu bảng và ước lượng hồi quy khơng tính đến vấn đề phụ thuộc chéo thì kết quả ước lượng sẽ kém độ tin cậy (Adylin, 2019). Luận án sử dụng kiểm định Pesaran CD để kiểm định vấn đề phụ thuộc chéo trong dữ liệu bảng. Thống kê CD được tính như sau:
𝐶𝐷 = √ 2 𝑁(𝑁 − 1)∑ ∑ 𝑇𝑖𝑗𝑝̂𝑖𝑗2 → 𝑁(0,1) 𝑁 𝑗=𝑖+1 𝑁−1 𝑖=1
Trong đó, 𝑝̂𝑖𝑗2 là hế số tương quan phần dư. N và T lần lượt là số lượng bảng (cross – section dimension) và thời gian (time dimension). Thống kê CD sẽ tiệm cận phân phối chuẩn nếu N và T tiến tới vô cùng.
Kiểm định đồng liên kết (hay đồng kết hợp hay đồng tích hợp) cho dữ liệu bảng (test for cointegration)
Với dữ liệu bảng thì có thể sử dụng kiểm định Kao (1999), kiểm định Pedroni (1994, 2004) hay kiểm định Westerlund (2005, 2009). Mỗi kiểm định có những lựa chọn khác nhau dựa trên đặc điểm, ưu điểm của mỗi phương pháp kiểm định cũng như đặc điểm của số liệu.
Trong luận án này thì tác giả sử dụng kiểm định Westerlund (2009) bởi vì phương pháp kiểm định này bao quát hơn kiểm định Pedroni (2004) hay Kao (1999) do nó cho phép khả năng thay đổi nhiều cấu trúc cả trong mơ hình ban đầu (level) cũng như tính xu hướng của hồi quy dữ liệu bảng, thêm vào nữa kiểm định Westerlund (2007) còn cho phép lựa chọn kiểm định tính đồng liên kết của tất cả các đơn vị bảng chứ không phải là chỉ kiểm định cho một số đơn vị bảng. Ngồi ra kiểm định này cịn tính tới vấn đề phụ