Sau khi xác định rõ mơ hình nghiên cứu và thu thập dữ liệu, thực hiện đánh giá sơ bộ và lựa chọn phương pháp ước lượng, tác giả tiến hành ước lượng mơ hình trọng lực cho ngành chè Việt Nam bằng phần mềm STATA 14.0. Kết quả nghiên cứu cuối cùng sẽ được dùng để phân tích các nhân tố ảnh hưởng tới xuất khẩu chè của Việt Nam như trình bày dưới đây. Từ đó, giải thích ngun nhân, thực hiện đánh giá tiềm năng thương mại chè, làm cơ sở cho việc đưa ra các hàm ý chính sách ở chương sau.
5.1. Kết quả nghiên cứu thực nghiệm
5.1.1. Kết quả ước lượng
Trên Stata 14.0, tác giả tiến hành ước lượng mơ hình trọng lực của xuất khẩu chè Việt Nam bằng các phương pháp OLS, FE, RE (Cộng thêm 0,001 vào biến phụ thuộc ở các mơ hình này để giải quyết vấn đề số "0"), PPML, HECMAN. Dữ liệu gồm 47 quốc gia tham gia, 740 quan sát trong khoảng thời gian 18 năm, kết quả quả ước lượng mơ hình chính bằng 5 phương pháp được thể hiện ở bảng 5.1. Cả 5 phương pháp đều cho tổng số quan sát là 740, tuy nhiên có sự khác biệt về hệ số ở nhiều biến thuộc mơ hình. Do đó, trước khi phân tích kết quả, tác giả sẽ tiến hành so sánh, lựa chọn phương pháp tối ưu để sử dụng.
Bảng 5.1. Kết quả ước lượng mơ hình trọng lực cho ngành chè Việt Nam bằng
các phương pháp Biến OLS (+0,001) FE (+0,001) RE (+0,001) PPML HECK LQPRO V 4,966 6,12 5,703 1,69 0,927 (0,596)*** (1,179)*** (1,106)*** (0,335)*** -0,588 PANV -0,01 -0,01 -0,009 0,001 -0,001 (0,003)*** (0,006)* (0,005)* (0,001)** -0,001 VG 0,222 -0,467 -0,412 0,121 0,081 -0,475 -0,379 -0,373 (0,057)** -0,102 LPCGNI J 2,677 -0,692 1,105 -0,424 -0,074 (0,324)*** -1,571 -1,282 (0,084)*** -0,184 DPROT EAJ -2,661 0 -2,758 -0,401 -0,25 (0,411)*** (,) (1,452)* (0,090)*** -0,217
LQIMPJ 1,282 1,243 1,192 0,763 0,835(0,065)*** (0,215)*** (0,188)*** (0,037)*** (0,039)*** (0,065)*** (0,215)*** (0,188)*** (0,037)*** (0,039)*** LPOPJ 1,014 4,736 1,051 0,589 0,442 (0,104)*** -3,062 (0,492)** (0,039)*** (0,043)*** LQPRO W 2,339 1,752 1,559 -2,178 -0,05 -3,524 -5,947 -5,736 (0,789)*** -1,161 LDIS -2,982 0 -1,62 -0,439 -0,619 (0,355)*** (,) -1,086 (0,150)*** (0,193)*** BOR 3,021 0 2,098 1,234 0,591 (0,421)*** (,) -3,127 (0,173)*** (0,160)*** LTJ1 0,063 0,03 0,028 -0,03 -0,009 (0,026)** -0,06 -0,054 (0,011)*** -0,016 LE 0,16 0,164 -0,08 0,078 -0,031 (0,051)*** -0,69 -0,275 (0,017)*** -0,046 FTAVJ 0,296 0,325 0,237 -0,494 -0,364 -0,37 -0,368 -0,346 (0,103)*** (0,120)*** WTO -0,507 -0,147 -0,128 0,274 0,495 -0,54 -0,555 -0,555 (0,100)*** (0,161)*** ASEAN -0,132 0 1,486 1,568 1,21 -0,29 (,) -2,295 (0,192)*** (0,323)*** FTAJ -0,038 -0,088 -0,08 -0,059 -0,031 -0,025 (0,044)** (0,037)** (0,011)*** (0,012)*** EU -1,281 -1,141 -0,556 0,835 0,262 (0,461)** -1,5 -1,125 (0,240)*** -0,275 LRFAC -0,297 -0,669 -0,656 0,576 0,103 -0,418 -1,385 -1,268 (0,068)*** -0,163 _cons -115,506 -176,691 -109,853 2,713 -20,699 (53,871)* * (94,571)* -85,157 -9,803 -16,655 N 740 740 740 740 740 aic 4227,915 3519,094 , 1717,588 2424,538 bic 4306,228 3588,194 , 1795,901 2512,065 r2 0,522 0,182 0,1613 0,94 0,1613 Ramsey (F) 5,68 0 0,75 0,12 28,41 0,0292 0,9568 0,3861 0,7298 0
5.1.2. Kiểm định mơ hình
5.1.2.1. Kiểm định Ramsey
Để đảm bảo mơ hình có dạng hàm đúng và khơng thiếu các biến giải thích quan trọng, tác giả sử dụng kiểm định RAMSEY. Ý tưởng của kiểm định này là biến giải thích quan trọng bị thiếu là các biến bậc cao của các biến giải thích trong mơ hình. Trong mơ hình hồi quy bội này, lượng biến giải thích sẽ tương đối nhiều, tác giả sử dụng biến đại diện cho các biến này được lấy từ các ước lượng của biến phụ thuộc YHAT^2.
Giả thuyết:
- H0: Mơ hình ban đầu xác định đúng (không cần dạng bậc cao của các biến giải thích).
- H1: Mơ hình ban đầu xác định sai (cần đưa các dạng bậc cao của các biến giải thích).
Tiêu chuẩn kiểm định:
Kiểm định F: Fqs = = F − statistic (Ramsey Reset test) Sau khi ước lượng mơ hình bằng 5 phương pháp và tiến hành kiểm định Ramsey bằng Stata, kết quả cho thấy phương pháp OLS và HECKMAN không vượt qua kiểm định này khi hệ số Prob < chi2 (<0,05). Mơ hình được ước lượng bằng phương pháp PPML, FE, RE cho kết quả phù hợp, không thiếu biến quan trọng với hệ số Prob > chi2>0,05 (bảng 5.1, dòng cuối cùng).
5.1.2.2. Kiểm định Hausman lựa chọn giữa mơ hình FE và RE
Để lựa chọn giữa mơ hình theo phương pháp FE và RE. Tác giả tiến hành kiểm định Hausman. Kiểm định Hausman có các giả thuyết sau:
• H0: khơng có tương quan giữa các biến giải thích và thành phần ngẫu nhiên (Mơ hình RE là phù hợp);
• H1: có tương quan giữa các biến giải thích và thành phần ngẫu nhiên (Mơ hình FE là phù hợp)
Kết quả kiểm định Hausman đã bác bỏ giả thuyết H0 với chi2(1) = 28,41 giá trị P-value = 0.8860 < 0,05 nên mơ hình RE phù hợp hơn FE (Phụ lục 17).
5.1.3. Đo lường sự phù hợp của hàm hồi quy qua hệ số R2, aic, bic
• Hệ số R2
Một thước đo sự phù hợp của mơ hình tuyến tính thường dùng là hệ số xác định R2 (R Square). Cơng thức tính R bình phương xuất phát từ ý tưởng xem toàn bộ biến thiên quan sát được của biến phụ thuộc được chia thành 2 phần: phần biến thiên do Hồi quy (Regression) và phần biến thiên do phần dư (Residual). Nếu phần biến thiên do phần dư càng nhỏ, nghĩa là khoảng cách từ các điểm quan sát đến đường ước lượng hồi quy càng nhỏ thì phần biến thiên do hồi quy sẽ càng cao, khi đó giá trị R bình phương sẽ càng cao. Kết quả từ 5 phương pháp ước lượng cho thấy phương pháp PPML cho hệ số R2 rất cao, chênh lệch hẳn so với các phương pháp khác (bằng 0,94%). Tiếp đến là hệ số R2 của mơ hình ước lượng bằng phương pháp OLS, HECKMAN và RE, FE (Bảng 5.1, dịng thứ 3 dưới lên).
• Hệ số aic
Hệ số aic dùng để cố gắng đo lường chất lượng tương đối của các mơ hình kinh tế lượng cho một tập dữ liệu nhất định bằng cách cung cấp cho nhà nghiên cứu ước tính về thơng tin sẽ bị mất nếu một mơ hình cụ thể được sử dụng để hiển thị quá trình tạo ra dữ liệu. Như vậy, với một tập hợp các mơ hình kinh tế lượng, mơ hình được ưu tiên về chất lượng tương đối sẽ là mơ hình có giá trị aic tối thiểu.
Hệ số aic từ các mơ hình trên cho thấy, mơ hình bằng phương pháp PPML cho kết quả thấp nhất. Theo tiêu chí này, mơ hình PPML phù hợp nhất (Bảng 5.1, dịng thứ 5, dưới lên).
• Hệ số bic
Bic là ước tính về chức năng xác suất sau của mơ hình là đúng, theo một thiết lập Bayes nhất định, do đó bic thấp hơn có nghĩa là một mơ hình được coi là có khả năng là mơ hình thực sự. Theo kết quả ước lượng từ 5 mơ hình trên cho thấy phương pháp bằng PPML cho hệ số bic thấp nhất. Một lần nữa khẳng định phương pháp này là tối ưu nhất trong 5 phương pháp thử nghiệm (Bảng 5.1, dòng thứ 4, dưới lên).
5.1.4. Đánh giá và lựa chọn phương pháp ước lượng tối ưu
Sau khi tiến hành ước lượng mơ hình bằng 5 phương pháp (OLS, FE, RE, PPML, chọn mẫu Heckman), tác giả rút ra một số nhận xét như sau:
- Tổng số quan sát ở cả 5 mơ hình đều bằng nhau và bằng 740.
- Kiểm định Ramsey cho kết quả mơ hình ước lượng bằng phương pháp PPML, RE, FE phù hợp, 4 mơ hình cịn lại khơng phù hợp.