CHƯƠNG 2 ĐẶC ĐIỂM ĐỊA BĂN VĂ PHƯƠNG PHÂP NGHIÍN CỨU
2.3. Phương phâp nghiín cứu
2.3.3. Phương phâp phđn tích
Để đạt được câc mục tiíu đê đề ra, trong q trình nghiín cứu luận ân sử dụng câc phương phâp chủ yếu sau:
2.3.3.1. Phương phâp chuyín gia
Phương phâp năy được sử dụng nhằm thực hiện nghiín cứu, tham khảo ý kiến của câc chun gia nơng nghiệp, cân bộ Chăn ni – Thú y của tỉnh, huyện, xê. Tiến hănh chun khảo kinh nghiệm của câc cơ sở CNGT giỏi, đạt HQKT cao để đề xuất xuất câc nhóm giải phâp nhằm nđng cao HQKT CNGT ở địa băn nghiín cứu. Mặt khâc thực hiện tra cứu câc cơng trình đê cơng bố, từ đó lựa chọn, kế thừa vă vận dụng chọn lọc phù hợp để hệ thống hơ cơ sơ khoa học nghiín cứu của đề tăi.
2.3.3.2. Phương phâp phđn tích thống kí
Sử dụng câc chỉ tiíu phđn tích trong dêy số biến động theo thời gian như tốc độ tăng trưởng, bình quđn, lượng tăng giảm... để phđn tích đặc điểm của địa băn nghiín cứu vă thực trạng chăn ni gia cầm nói chung vă gă thịt nói riíng của cả nước vă tỉnh TT Huế trong thời gian qua.
Bằng việc sử dụng câc chỉ tiíu thống kí mơ tả như số tuyệt đối, số tương đối, số bình quđn, chúng tơi xâc định câc đặc điểm kinh tế - kỹ thuật của hoạt động CNGT; xâc định chi phí, kết quả vă HQKT CNGT của câc nhóm hộ khâc nhau.
Để so sânh trị trung bình về câc chỉ tiíu như chi phí, kết quả vă hiệu quả CNGT của câc nhóm hộ CNGT khâc nhau có ý nghĩa kinh tế vă thống kí hay khơng chúng tơi sử phương phâp kiểm định trị trung bình tổng thể. Trong trường hợp có hai tổng thể mẩu độc lập thì kiểm định Independent – samples T-test được sử dụng, cịn trong trường hợp có 3 nhóm tổng thể mẫu độc lập thì chúng tơi sử dụng phđn tích phương sai (ANOVA).
2.3.3.3. Phương phâp hạch tơn chi phí vă kết quả sản xuất
Phương phâp năy dùng để tính tơn câc chỉ tiíu như chi phí trung gian, tổng chi phí, giâ trị sản xuất, giâ trị gia tăng, thu nhập hỗn hợp vă lợi nhuận kinh tế ròng cho 100kg gă hơi xuất chuồng của câc nhóm hộ CNGT khâc nhau.
2.3.3.4. Phương phâp phđn tích hồi quy tuyến tính bội
Ở Việt Nam khi phđn tích câc yếu tố ảnh hưởng đến kết quả vă HQKT trong sản xuất nông nghiệp, câc tâc giả thường sử dụng phương phâp phđn tích hồi quy dựa trín hăm sản xuất Cobb – Douglas, với biến phụ thuộc Y (sản lượng) vă câc biến độc lập Xi được đo bằng hiện vật (thường lă kg). Tuy nhiín, do câc yếu tố đầu văo trong
hoạt động CNGT như thức ăn, thuốc thú y vă đặc biệt lă con giống lă rất đa dạng, phức tạp, khó tính tơn, quy đồng về một lượng vật chất cụ thể để đâp ứng đòi hỏi của phương phâp năy. Bín cạnh đó, xĩt trong bối cảnh CNGT ở tỉnh TT Huế có nhiều hình thức ni, giống gă ni, mùa ni…, để phđn tích cho mơ hình tổng thể vă đưa ra câc khuyến nghị nhằm nđng cao HQKT cho câc cơ sở CNGT vă thơng qua đó để thúc đẩy ngănh phât triển thì biến phụ thuộc Y lă sản lượng tỏ ra khơng thích hợp vă dễ dẫn đến những nhận định, khuyến nghị sai lệch vì hình thức ni CN, ni văo mùa Hỉ, giống Tam Hoăng có sản lượng (năng suất) cao hơn nhưng lại có HQKT thấp hơn so với hình thức ni BCN, ni văo mùa Đơng, giống Kiến Lai do có sự khâc nhau về giâ bân. Điều năy cũng có nghĩa, chỉ tiíu sản lượng khơng phải lă mục tiíu đặt lín hăng đầu đối với người chăn ni (đương nhiín nếu chỉ xĩt riíng cho một cđy, con cụ thể thì phđn tích câc yếu tố ảnh hưởng đến sản lượng lă phù hợp), câi mă người chăn ni theo đuổi chính lă giâ trị như MI, NB…
Trong những năm gần đđy khi đânh giâ câc yếu tố ảnh hưởng đến kết quả vă HQKT trong chăn nuôi gia cầm, câc tâc giả như Nguyễn Quốc Nghi vă CTV [28], Đinh Xuđn Tùng [93] đều sử dụng phương phâp phđn tích hồi quy tuyến tính bội với biến phụ thuộc Y lă lợi nhuận hoặc thu nhập hỗn hợp. Mặc dù mơ hình năy có những hạn chế nhất định như chưa phản ânh được quy luật lợi ích cận biín giảm dần, chưa có cơ sở khoa học để đề xuất mức đầu tư tối ưu. Tuy nhiín, mơ hình năy khơng địi hỏi câc biến độc lập Xi được đo bằng hiện vật, vă đặc biệt kết quả phđn tích của mơ hình phản ânh đúng kết quả vă HQKT trong bối cảnh có nhiều hình thức ni, loại giống, mùa ni có sự khâc biệt về giâ bân. Vì thế, kết quả của mơ hình lă cơ sở khoa học đâng tin cậy để khuyến nghị người chăn ni điều chỉnh mức đầu tư, lựa chọn hình thức ni, giống ni, mùa ni… để đạt được HQKT cao nhất, đđy lă vấn đề mă người chăn nuôi vă cả câc cơ quan quản lý đang trăn trở hiện nay.
Trín cơ sở kế thừa một số nghiín cứu có liín quan, căn cứ văo số liệu điều tra trong thực tế cũng như yíu cầu, mục tiíu trong quản lý hoạt động CNGT ở tỉnh TT Huế. Để đânh giâ câc yếu tố ảnh hưởng đến kết quả vă HQKT CNGT chúng tôi lựa chọn phương phâp hồi quy tuyến tính bội vă kết quả được ước lượng bằng phương phâp bình phương bĩ nhất (OLS). Mơ hình được thiết lập như sau:
Yi = β0+ α1X1i + α2X2i + α3X3i + α4X4i + α5X5i + α6X6i+ α7X7i + α8X8i +
β1D1 + β2D2+ β3D3 + ui
Trong đó, câc biến phụ thuộc Yi lă NB, MI vă NB/TC của cơ sở chăn nuôi thứ i (NB vă MI - 1000 đồng/100 kg gă hơi xuất chuồng, NB/TC - lần). Câc biến X1i, X2i, X3i, X4i, X5i, X6i, X7i, X8i, D1, D2, D3 lă câc biến độc lập.
Câc biến X1i, X2i, X3i, X4i, X5i, X6i, X7i, X8i: lă câc biến định lượng. Câc biến D1, D2, D3: lă câc biến giả.
ui: Sai số ngẫu nhiín; i = 1- n
Bảng 2.8: Diễn giêi câc biến độc lập trong mơ hình
Biến số Diễn giêi Kỳ vọng
X1i: Chi phí giống Chi phí giống (1000đ/100kg gă hơi) -/+
X2i: Chi phí thức ăn Chi phí thức ăn (1000đ/100kg gă hơi) -/+
X3i: Chi phí thú y Chi phí thú ý (1000đ/100kg gă hơi) -/+
X4i: Trình độ học vấn Trình độ học vấn của chủ hộ (lớp) +
X5i: Thời gian nuôi Số ngăy nuôi (số ngăy nuôi/vụ) -
X6i: Quy mô nuôi Số lượng con (100 con/vụ) +
X7i: Tỷ lệ hao hụt Tỷ lệ hao hụt (%/vụ) -
X8i: Tập huấn Số lần tập huấn của chủ hộ (lần) +
D1: Hình thức ni Nhận giâ trị 1 nếu nuôi BCN vă 0 nếu nuôi CN -/+
D2: Vụ nuôi Nhận giâ trị 1 nếu nuôi văo vụ Đông vă 0 nếu -/+
nuôi văo vụ Hỉ
D3: Giống nuôi Nhận giâ trị 1 nếu nuôi giống Kiến Lai vă 0 -/+
nếu nuôi giống khâc.
Nguồn: Xử lý số liệu điều tra của tâc giả, năm 2013 vă 2014 2.3.3.5. Phương phâp phđn tích măng bao dữ liệu
Phương phâp phđn tích măng bao dữ liệu (Data Envelopment Analysis –
DEA) hay còn gọi lă phương phâp phi tham số (Non Parametric Method) được
dùng để đo lường hiệu quả kỹ thuật trong hoạt động sản xuất kinh doanh [62]. DEA lă một kỹ thuật quy hoạch tuyến tính để đânh giâ một đơn vị (cơ sở CNGT) ra quyết định hoạt động tương đối so với câc cơ sở chăn nuôi khâc trong mẫu như thế năo. Kỹ thuật năy tạo ra một tập hợp biín câc cơ sở CNGT hiệu quả vă so sânh nó với câc cơ sở CNGT khơng hiệu quả để đo câc chỉ số hiệu quả.
DEA cho phĩp xâc định hiệu quả tương đối của câc cơ sở hoạt động trong một hệ thống phức tạp. Theo DEA thì một cơ sở hoạt động tốt nhất sẽ có chỉ số hiệu quả
lă 1, trong khi đó chỉ số của câc đơn vị phi hiệu quả được tính bằng việc chiếu câc cơ sở phi hiệu quả lín trín biín hiệu quả. Đối với mỗi cơ sở phi hiệu quả, DEA đều đưa ra một tập câc điểm chuẩn của câc cơ sở khâc để giâ trị của câc cơ sở được đânh giâ có thể so sânh được, bởi vậy những thơng tin thu được thơng qua phđn tích DEA rất có ích trong việc nhận diện thực tế hoạt động của một cơ sở phi hiệu quả so với câc cơ sở khâc, từ đó có câc giải phâp để nđng cao hiệu quả hoạt động của cơ sở phi hiệu quả [62].
a. Thiết lập mơ hình ước lượng câc chỉ số hiệu quả
Xĩt trường hợp có N cơ sở CNGT, mỗi cơ sở sử dụng K yếu tố đầu văo để sản xuất ra M đầu ra. Vector đầu văo vă đầu ra cho cơ sở CNGT thứ i lần lượt lă xi vă yi. Dữ liệu của tất cả câc cơ sở CNGT được ký hiệu bởi KxN - ma trận đầu văo (X) vă MxN - ma trận đầu ra (Y).
Dựa trín ý tưởng của Farrel (1957), mơ hình căn bản đầu tiín đê được Charnes, Cooper vă Rhodes (1978)[62] đề xuất lă mơ hình định hướng đầu văo, hiệu quả không biến đổi theo quy mô (Input Orientation and assumed Constant
Returns to Scale – CRS). Mơ hình DEACRS có dạng:
Min θ,λ (θ), (1)
-yi + Yλ ≥ 0, Điều kiện răng buộc :
θxi - Xλ ≥ 0,
λ≥ 0,
Trong đó, θ lă chỉ số hiệu quả kỹ thuật toăn bộ TE (0 ≤ TE ≤ 1). Cơ sở CNGT năo có θ bằng 1 thì cơ sở đó được coi lă đạt hiệu quả kỹ thuật vă nằm trín đường biín hiệu quả. Vector λ được xâc định bởi mối quan hệ tuyến tính giữa câc cơ sở CNGT. Y lă vector đầu ra, X lă vector đầu văo.
Mơ hình (1) có giả định hiệu quả khơng biến đổi theo quy mơ (CRS), chính lă đường biín OC trín đồ thị 2.1 vă vì vậy, theo định nghĩa của Ferrel về mặt lý thuyết câc cơ sở CNGT nằm trín đường biín lă hiệu quả, nghĩa lă với tập hợp quan sât hiện tại cho trước, không thể cải thiện kết quả hoạt động của câc cơ sở CNGT năy. Giả sử cơ sở CNGT thứ n đang hoạt động ở điểm P thì cơ sở năy lă khơng hiệu quả, điều năy ngụ ý rằng một cơ sở CNGT đang hoạt động không hiệu quả vă với tập hợp quan sât được hiện tại cho trước, câc cơ sở CNGT năy có thể cải thiện năng suất câc yếu tố
đầu văo so với cơ sở CNGT hoạt động có hiệu quả nhất (nằm trín đường biín). Hiệu quả kỹ thuật toăn bộ (θ) được xâc định bằng tỷ lệ APC/AP vă vì vậy cơ sở CNGT thứ n có thể giảm (1- θ) đầu ra để có thể đạt được điểm hiệu quả PC [62].
Do giả định CRS chỉ phù hợp với điều kiện tất cả câc cơ sở CNGT trong mẫu đang hoạt động ở quy mô tối ưu. Tuy nhiín, trín thực tế cho thấy do răng buộc về nguồn lực, trình độ quản lý…có thể lăm cho câc cơ sở CNGT đang hoạt động không ở mức quy mô tối ưu, tức lă hiệu quả biến đổi theo quy mơ (VRS), do đó mơ
N
hình (1) phải thím văo răng buộc ∑λ = 1, vă được biến đổi thănh:
i =1
Min θ,λ (θ), (2)
Điều kiện răng buộc: -yi + Yλ ≥ 0, θxi - Xλ ≥ 0, N ∑ λ =1, i=1 λ ≥ 0
Chúng ta có thím chỉ tiíu đo lường hiệu quả nữa đó lă hiệu quả theo quy mơ
(scale efficiency - SE) vă hiệu quả kỹ thuật thuần (pure technical efficiency - PE).
Với cơ sở CNGT thứ n vă tại điểm P thì hiệu quả kỹ thuật thuần được tính bằng APV/AP = ρn vă hiệu quả quy mơ được tính bằng σn = θ/ρn. Nếu giâ trị năy bằng 1, thì cơ sở CNGT năy có hiệu quả về quy mơ. Điều năy có nghĩa rằng cơ sở CNGT hoạt động ở quy mơ tối ưu của nó vă do đó năng suất câc đầu văo không thể được cải thiện bằng câch tăng hoặc giảm quy mô đầu tư. Nếu giâ trị năy nhỏ hơn 1, thì cơ sở CNGT năy đang hoạt động khơng hiệu quả theo quy mô tối ưu. Như vậy, tỷ lệ đầu ra mất đi do phi hiệu quả quy mơ có thể được xâc định bằng 1- σn [62].
Y A Pc E C D Q Pv P 0 B X Đồ thị 2.1: Mơ hình DEAVRS
Tuy nhiín, phi hiệu quả quy mơ có thể tồn tại trong điều kiện hiệu quả tăng
(increasing returns to scale - IRS) hoặc giảm (decreasing returns to scale - DRS).
N
Để tìm ra lời giải cho vấn đề năy mơ hình (2) phải có răng buộc ∑λ ≤ 1, vă được
i =1
chuyển thănh:
Min θ,λ (θ), (3)
Điều kiện răng buộc: -yi + Yλ ≥ 0, θxi - Xλ ≥ 0,
N
∑λ ≤1,
i=1
λ ≥ 0
Lời giải của băi tơn chính lă đường OED trín Đồ thị 2.1, cịn được gọi lă hiệu quả không tăng theo quy mô (non - increasing returns to scale - NIRS). Như vậy, hiệu quả TENIRS của cơ sở CNGT thứ n tại điểm P lă φn = APC/AP = θ. Do đó DRS chỉ tồn tại khi σn = φn (như trường hợp điểm Q), điều năy ngụ ý rằng quy mô đầu tư của cơ sở CNGT năy quâ lớn vă cơ sở năy có thể cải thiện năng suất câc yếu tố đầu văo bằng câch giảm quy mô đầu tư. IRS xuất hiện khi σn ≠ φn như trường hợp điểm P, điều năy có nghĩa bằng câch tăng quy mơ đầu tư, cơ sở CNGT có thể cải thiện năng suất câc yếu tố đầu văo [62].
Như vậy, DEA cho thấy có hai ngun nhđn gđy ra tính khơng hiệu quả về kỹ thuật đó lă không hiệu quả về quy mô vă không hiệu quả về kỹ thuật thuần.
Căn cứ văo số liệu thu thập được từ thực tế hoạt động của câc cơ sở CNGT, tổng kết một số nghiín cứu có liín quan như của Akter vă CTV [57], Phạm Vđn Đình vă CTV [15], Adepoju [54], Thâi Thanh Hă [20] vă Nguyễn Mạnh Hùng vă CTV [24] vă yíu cầu trong quản lý hoạt động CNGT, câc biến được lựa chọn lă: Trọng lượng gă hơi xuất chuồng (100kg/cơ sở chăn nuôi) lăm biến đầu ra; do chiếm tỷ trọng rất lớn trong tổng chi phí sản xuất (trín 90%) nín câc biến chi phí giống, thức ăn, thuốc thú y vă công lao động (1000đ/cơ sở chăn ni) được đưa văo phđn tích trong mơ hình với chức năng lă biến đầu văo.
b. Câc yếu tố ảnh hưởng đến hiệu quả kỹ thuật
Sau khi ước lượng câc chỉ số hiệu quả, mơ hình hồi quy Tobit được sử dụng để phđn tích câc yếu tố ảnh hưởng đến TE. Việc sử dụng mơ hình hồi quy Tobit bằng phương phâp ước lượng hợp lý tối đa (MLE) lă thích hợp vì câc chỉ số TE lăm biến
phụ thuộc lă loại số liệu bị kiểm lọc. Nếu âp dụng phương phâp bình phương bĩ nhất (OLS) có thể lăm cho câc ước lượng của câc tham số bị sai lệch [20][24].
Mơ hình hồi quy Tobit được Tobin giới thiệu đầu tiín văo năm 1958, vă mơ hình năy cịn được gọi mơ hình Tobin probit hoặc mơ hình quy chuẩn bị cắt cụt. Đđy lă mơ hình hồi quy tuyến tính với biến phụ thuộc lă một biến ngầm lưỡng phđn mă trong đó một số quan sât của biến ngầm bị mất khi biến ngầm ở trín hoặc dưới một ngưỡng nhất định, biến như vậy gọi lă biến cắt cụt vă hồi quy với câc biến như vậy gọi lă hồi quy cắt cụt. Về mặt thực nghiệm, mơ hình hồi quy Tobit với một mẫu gồm i cơ sở CNGT có dạng như sau:
n k
TEi = A + ∑αi Χi + ∑β j Dj + ε
i =1 j =1
Trong đó TEi lă chỉ số hiệu quả kỹ thuật của cơ sở CNGT thứ i được ước lượng bằng phương phâp DEA.
Xi lă câc biến định lượng, cụ thể : X1 - trình độ văn hơ chủ hộ (lớp), X2 - Kinh nghiệm nuôi (năm), X3 - Tập huấn (lần), X4 - Quy mô nuôi (100 con/vụ).
Di lă câc biến giả, cụ thể: D1 - Vùng nuôi (D1 nhận giâ trị 1 nếu ở vùng Hương Thuỷ vă 0 nếu ở vùng khâc); D2 – Hình thức ni (D2 nhận giâ trị 1 nếu ni theo hình thức BCN vă 0 nếu ni theo hình thức CN).
2.3.3.6. Phương phâp phđn tích ma trận SWOT
Phương phâp phđn tích ma trận SWOT được sử dụng để đânh giâ những điểm mạnh (S - Strengths), điểm yếu (W - Weaknesses), cơ hội (O - Opportunities) vă thâch thức (T - Threats) đối với CNGT ở tỉnh TT Huế. Kết quả của phương phâp phđn tích năy sẽ mơ tả toăn cảnh về hoạt động CNGT trín địa băn nghiín cứu từ đó lăm căn cứ cho việc đề xuất câc nhóm giải phâp nhằm nđng cao HQKT CNGT trong thời gian tới.
CHƯƠNG 3
PHĐN TÍCH HIỆU QUẢ KINH TẾ
CHĂN NI GĂ THỊT Ở TỈNH THỪA THIÍN HUẾ