4.2.1 Kiểm định giả thiết nghiên cứu (với mặt hàng nghiên cứu là thịt heo).
Để tiến hành kiểm định các giả thuyết nghiên cứu, trước hết ta ước lượng mô hình (3.2). Để cho việc ước lượng được chính xác về tác động của các biến độc lập
đến biến phụ thuộc thì đầu tiên ta cần phải kiểm tra mức độ đa cộng tuyến giữa các biến độc lập là cao hay thấp.
Bảng 4.7. Hệ số tương quan giữa các Ln của các biến độc lập
LNP_BEEF LNP_CHICK LNP_PORK LNP_RICE LNINCOME AGE EDU SIZE GENDER
LNP_CHICK 0.106 1.000 0.277 0.329 0.396 0.062 0.252 -0.004 0.027 LNP_PORK 0.221 0.277 1.000 0.19 0.158 0.030 0.112 0.012 -0.035 LNP_RICE 0.018 0.329 0.139 1.000 0.402 0.055 0.244 -0.116 0.125 LNINC_CAP 0.188 0.396 0.158 0.402 1.000 0.038 0.437 -0.243 -0.037 AGE -0.003 0.062 0.030 0.055 0.038 1.000 0.192 -0.107 -0.001 EDU 0.144 0.252 0.112 0.244 0.437 0.192 1.000 -0.310 0.060 SIZE -0.003 -0.004 0.012 -0.116 -0.243 -0.107 -0.310 1.000 -0.085 GENDER -0.001 0.027 -0.035 0.125 -0.037 -0.001 0.060 -0.085 1.000
Nhìn vào bảng trên ta thấy rằng tất cả các hệ số trên đều rất thấp (đều nhỏ hơn 0.3), chỉ một vài hệ số là trên 0.3. Điều đó chứng tỏ hiện tượng đa cộng tuyến giữa các biến độc lập chỉ ở mức yếu. Có nghĩa là hầu như các biến độc lập trên
không có tương quan v ới nhau, mỗi biến chỉ chứa đựng thông tin riêng về biến phụ
thuộc và không chứa đựng thông tin cho các biến độc lập khác. Kết quả ước lượng cho thịt heo thể hiệnở bảng 4.8 sau:
Bảng 4.8: Kết quả hồi quy hàm cầu cho thịt heo
Dependent Variable: LOG(Q_PORK) Method: Least Squares
Date: 05/31/11 Time: 19:03 Sample: 1 232
Included observations: 232
Variable Coefficient Std. Error t-Statistic Prob.
C 4.889426 1.403322 3.484179 0.0006 LOG(P_BEEF) -0.253087 0.161427 -1.567812 0.1183 LOG(P_CHICK) -0.103399 0.137771 -0.750510 0.4537 LOG(P_PORK) -0.670746 0.282042 -2.378178 0.0182 LOG(P_RICE) -0.607320 0.284167 -2.137196 0.0337 LOG(INCOME_CAP) 0.185161 0.086224 2.147451 0.0328 AVG_AGE 0.002880 0.004547 0.633516 0.5270 EDU 0.019614 0.015611 1.256446 0.2103 HH_SIZE 0.206875 0.030633 6.753232 0.0000 GENDER -0.025735 0.080781 -0.318572 0.7504 R-squared 0.215978 Mean dependent var 0.440989 Adjusted R-squared 0.184193 S.D. dependent var 0.658442 S.E. of regression 0.594718 Akaike info criterion 1.840688 Sum squared resid 78.51908 Schwarz criterion 1.989255 Log likelihood -203.5198 F-statistic 6.795028 Durbin-Watson stat 1.735340 Prob(F-statistic) 0.000000
Kết quả ước lượng trên cho thấy có một số biến không có ý nghĩa thống kê ở
mức ý nghĩa 5%. Cụ thể, biến giá thịt bò (p.value = 0,12>0,05), biến giá thịt gà (p.value = 0,45>0,05), biến AVG_AGE (p.value = 0,53 quá lớn), biến EDU (p.value = 0,21>0,05), biến GENDER (p.value = 0,7 5 quá lớn). Dữ liệu sử dụng trong nghiên cứu này là dữ liệu chéo nên thường xuất hiện hiện tượng phương sai thay đổi. Do đó, các hệ số hồi quy ước lượng và các kiểm định t, kiểm định F có thể
không chính xác. Vì thế, chúng ta cần tiến hành kiểm định xem có hiện tượng
phương sai thay đổi hay không? Kiểm định White được sử dụng để kiểm tra hiện
tượng phương sai thay đổi.
Kết quả kiểm định phương sai của sai số thay đổi bằng kiểm định White (dạng không có tích chéo) như sau:
Bảng 4.9: Kết quả kiểm định White (dạng không có tích chéo)
White Heteroskedasticity Test:
F-statistic 1.309835 Prob. F(17,214) 0.188039 Obs*R-squared 21.86503 Prob. Chi-Square(17) 0.189966
Kết quả kiểm định trên cho thấy P.value = 0,189966>5%, như v ậy không có hiện tượng phương sai của sai số thay đổi.
Bảng 4.10: Kết quả kiểm tra tự tương quan
Date: 06/07/11 Time: 00:20 Sample: 1 232
Included observations: 232
Autocorrelation Partial Correlation AC PAC Q-Stat Prob .|. | .|. | 1 0.117 0.117 3.2250 0.073 .|. | .|. | 2 0.060 0.047 4.0855 0.130 .|. | .|. | 3 0.132 0.121 8.1951 0.042 .|. | .|. | 4 0.074 0.045 9.5091 0.050 .|. | .|▄▄▄▄| 5 0.162 0.143 15.812 0.007 .|. | .|. | 6 0.046 -0.004 16.319 0.012 .|. | .|. | 7 0.004 -0.025 16.322 0.022 .|. | .|. | 8 -0.020 -0.061 16.420 0.037 .|. | .|. | 9 -0.003 -0.016 16.421 0.059 .|. | .|. | 10 0.009 -0.010 16.439 0.088 .|. | .|. | 11 -0.008 -0.003 16.456 0.125 .|. | .|. | 12 0.030 0.044 16.676 0.162
Qua bảng 4.10 ta thấy xuất hiện hiện tượng tự tương quan giữa các nhiễu ở
bậc 5.
Để khắc phục hiện tượng tụ tương quan giữa các nhiễu, chúng ta sử dụng thủ
tục lặp Cochrane – Ocutt, kết quả ước lượng như sau:
Bảng 4.11: Kết quả ước lượng bằng thủ tục lặp Cochrane– Ocutt
Dependent Variable: LOG(Q_PORK) Method: Least Squares
Date: 06/07/11 Time: 00:17 Sample (adjusted): 6 232
Included observations: 227 after adjustments Convergence achieved after 6 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 4.338740 1.362708 3.183911 0.0017 LOG(P_PORK) -0.704850 0.268075 -2.629300 0.0092 LOG(P_RICE) -0.520364 0.273303 -1.903982 0.0582 LOG(P_BEEF) -0.239043 0.158476 -1.508390 0.1329 LOG(P_CHICK) -0.002018 0.131974 -0.015288 0.9878 LOG(INCOME_CAP) 0.172251 0.085667 2.010709 0.0456 AVG_AGE 0.002953 0.004412 0.669226 0.5041 EDU 0.019813 0.015402 1.286404 0.1997 HH_SIZE 0.214237 0.029685 7.216946 0.0000 GENDER -0.064952 0.078379 -0.828690 0.4082 AR(5) 0.179429 0.066273 2.707419 0.0073 R-squared 0.252092 Mean dependent var 0.441826 Adjusted R-squared 0.217466 S.D. dependent var 0.650783 S.E. of regression 0.575688 Akaike info criterion 1.780744 Sum squared resid 71.58607 Schwarz criterion 1.946711 Log likelihood -191.1144 F-statistic 7.280550 Durbin-Watson stat 1.822009 Prob(F-statistic) 0.000000 Inverted AR Roots .71 .22-.67i .22+.67i -.57+.42i
-.57-.42i
Sau khi đã khắc phục hiện tượng tự tương quan giữa các nhiễu bằng thủ tục lặp Cochrane – Ocutt, ta lại kiểm tra hiện tượng phương sai thay đổi từ mô hình thuộc bảng 4.11 để đảm bảo các hệ số hồi quy ước lượng và các kiểm định t, kiểm
định F có độ chính xác. Khi đãđảm bảo không có hiện tượng phương sai thay đổi ta tiếp tục kiểm định phân phối chuẩn của sai số.
Kiểm định phân phối chuẩn của sai số ta dùng thống kê Jarque-Bera (JB), kết quả kiểm định như sau: Bảng 4.12: Kết quả kiểm định phân phối chuẩn của Ui 0 4 8 12 16 20 24 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 Series: Residuals Sample 6 232 Observations 227 Mean -1.69e-13 Median 0.049056 Maximum 1.592048 Minimum -1.681700 Std. Dev. 0.562808 Skewness -0.251183 Kurtosis 3.198401 Jarque-Bera 2.759314 Probability 0.251665
Như vậy, ta thừa nhận giả thuyết sai số ngẫu nhiên (Ui) có phân phối chuẩn, vì giá trị p.value của thống kê JB khá lớn (JB = 2,759314 và p.value = 0,211887).
Bảng 4.13: Kết quả ước lượng sau cùng hàm cầu (3.2) cho thịt heo
Dependent Variable: LOG(Q_POR K) Method: Least Squares
Date: 06/07/11 Time: 00:35 Sample (adjusted): 6 232
Included observations: 227 after adjustments Convergence achieved after 6 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 4.338740 1.362708 3.183911 0.0017 LOG(P_PORK) -0.704850 0.268075 -2.629300 0.0092 LOG(P_RICE) -0.520364 0.273303 -1.903982 0.0582 LOG(P_BEEF) -0.239043 0.158476 -1.508390 0.1329 LOG(P_CHICK) -0.002018 0.131974 -0.015288 0.9878 LOG(INCOME_CAP) 0.172251 0.085667 2.010709 0.0456 AVG_AGE 0.002953 0.004412 0.669226 0.5041 EDU 0.019813 0.015402 1.286404 0.1997 HH_SIZE 0.214237 0.029685 7.216946 0.0000 GENDER -0.064952 0.078379 -0.828690 0.4082 AR(5) 0.179429 0.066273 2.707419 0.0073
R-squared 0.252092 Mean dependent var 0.441826 Adjusted R-squared 0.217466 S.D. dependent var 0.650783 S.E. of regression 0.575688 Akaike info criterion 1.780744 Sum squared resid 71.58607 Schwarz criterion 1.946711 Log likelihood -191.1144 F-statistic 7.280550 Durbin-Watson stat 1.822009 Prob(F-statistic) 0.000000 Inverted AR Roots .71 .22-.67i .22+.67i -.57+.42i
-.57-.42i
Từ bảng kết quả 4.13 ta thấy có một số biến không có ý nghĩa thống kê ở
mức ý nghĩa 5%, cụ thể biến giá thịt bò (p.value = 0,13>0,05), biến giá thịt gà (p.value = 0,98 quá lớn), biến AVG_AGE (p.value = 0,50 quá lớn), biến EDU (p.value = 0,199>0,05), biến GENDER (p.value = 040 quá lớn). Mặc dù biến giá gạo có p.value = 0,058>0,05 tuy nhiên ở góc độ của người làm nghiên cứu, tác giả
nhận thấy mức ý nghĩa p.value = 0,058 vẫn có thể chấp nhận được. Vì vậy, biến giá gạo xem là có ý nghĩa thống kê.
Tóm lại: Mô hình hồi quy hàm cầu (3.2) sau khi ước lượng bằng thủ tục lặp tỏ ra thỏa mãn tốt các giả thuyết của mô hình hồi quy tuyến tính cổ điển. Do đó, sai
số ngẫu nhiên là một nhiễu trắng. Mô hình hồi quy mẫu như sau:
ln(Q ) = 4.34 - 0.71ln P_por 0.52ln _ + 0.17ln _ + + 0.21HH_size + AR(5) 0.17 (3.3)
-
[ ]
P k rice Income cap
Đánh giá kết quả ước lượng:
Kết quả ước lượngở bảng 4.13 cho thấy hệ số hồi quy của các biến giá riêng, giá chéo và thu nhập đều có dấu phù hợp với kỳ vọng ban đầu và đều có ý nghĩa
thống kê. Hệ số hồi quy của biến giá riêng mang dấu âm thể hiện mối quan hệ tỷ lệ
nghịch giữa nhu cầu và giá của chính nó. Điều này là hoàn toàn phù hợp với lý thuyết kinh tế. Bên cạnh đó, hệ số hồi quy giá chéo giữa nhu cầu thịt heo và giá gạo mang dấu âm thể hiện mối quan hệ tỷ lệ nghịch giữa chúng. Còn hệ số hồi quy của biến thu nhập mang dấu dương, cho thấy khi thu nhập của người tiêu dùng tăng thì chi tiêu cho thịt heo cũng tăng. Như vậy, các kết quả này cho thấy các giả thuyết H1, H3, và H4 là hoàn toàn phù hợp cho dữ liệu nghiên cứuở thị trường Nha Trang.
Hệ số xác định R2 hiệu chỉnh bằng 0,2175 sau khi thỏa mãnđiều kiện nhiễu trắng, điều này có nghĩa là 21,75% biến thiên trong logarit của nhu cầu thịt heo
được giải thích bởi biến quy mô hộ gia đình và logarit của các nhân tố như giá cả
riêng thịt heo, giá chéo, thu nhập. Giá trị của thống kê F = 7,280550 với Prob(F- statistic) = 0.000000 < 1%, cho thấy mô hình phù hợp với dữ liệu.
Theo các hệ số hồi quy của các biến nhân khẩu học thì chỉ có biến quy mô hộ gia đình mang dấu dương và có ý nghĩa thống kê. Như vậy, theo giả thuyết H5 “Các biến nhân khẩu học tác động đến mức chi tiêu các mặt hàng thịt heo và gạo của các hộ gia đình” thì chỉ có biến quy mô hộ gia đình là tác động đến biến nhu cầu thịt heo còn các biến còn lại như trìnhđộ học vấn, độ tuổi và giới tính không ảnh hưởng
đến nhu cầu thịt heo.
Kết luận:
- Kết quả ước lượng cho thấy mô hình hồi quy ước lượng là phù hợp với dữ
liệu mặc dù ở mức độ không cao (R2 hiệu chỉnh = 21,75%, thống kê F có ý nghĩa
thống kê ở mức ý nghĩa 1%).
- Các hệ số hồi quy ước lượng được của các biến độc lập đều có ý nghĩa
thống kê ở mức ý nghĩa 1% và 5%. Ngoại trừ 5 biếntrong đó có log giá th ịt bò, log giá gà và ba biến nhân khẩu học (độtuổi trung bình của hộ, trìnhđộ học vấn và giới tính) là không có ý nghĩa thống kê.
- Kết quả ước lượng mô hình đã chứng minh các giả thuyết H1, H3, H4 là hoàn toàn phù hợp.
4.2.1.1 Hệsố co giãn của cầu thịt heo và một số gợi ý chính sách.
Hệ số co giãn của cầu thịt heo được thể hiện trong bảng sau:
Bảng 4.14: Hệ sốco giãn của cầu thịt heo Hệ số co giãn
Hệ số co giãn theo giá riêng (Er) 0,705 Hệ số co giãn theo giá chéo (Ec) -0,521 Hệ số co giãn theo thu nhập ( I ) 0,172
Sau khi ước lượng mô hình nhu cầu thịt heo cho kết quả cuối cùng, thì ta cũng xác định được các hệ số co dãn chính là các hệ số β ước lượng.
Về độ co dãn theo giá riêng E 0.705 1 có nghĩa là khi giá thịt heo tăng
hoặc giảm 1% thì cầu thịt heo sẽ giảm hoặc tăng 0.705%. Điều này cho thấy nhu cầu tiêu dùng của thịt heo ít nhạy cảm theo. Vì vậy, gợi ý chính sách cho các nhà
kinh doanh là nên tăng giá bán đ ể tăng doanh thu.
Đối với độ co dãn theo giá chéo EC 0.521 ấy thịt heo và gạo là
hai sản phẩm bổ sung cho nhau. Điều này có nghĩa khi giá gạo tăng lên 1% thì khi
đó nhu cầu vềthịt heo sẽgiảm 0,521% trong cùng một thời điểm.
Và cuối cùng độ co dãn theo thu nhập EI 0.1720 tuy nhiên vẫn nhỏ hơn
1, cho thấy thịt heo là hàng hoá thiết yếu.Điều này có nghĩa khi thu nhập tăng lên
1% thì nhu cầu mặt hàng này cũng tănglên 0.172 %.
Như vậy, một trong những mục tiêu của nghiên cứu này là: “Kếtquả nghiên cứu nhằm góp một phần nào giúp các nhà kinh doanh thịt heo, gạo tại Nha Trang
có cơ sở khoahọc hơn trong việcđềra cácchínhsách hợplítrong kinh doanh” đã phần nào được đáp ứng.
4.2.2 Kiểm định giả thuyết nghiên cứu (với mặt hàng nghiên cứu là gạo).
Như phần kiểm định giả thiết của nhu cầu thịt heo, về hiện tượng đa cộng tuyến của các biến độc lập trong mô hình (3.2) cho việc ước lượng nhu cầu gạo là không có gì khác. Vì vậy ta có thể nói rằng mức độ đa cộng tuyến giữa các biến độc lập trong mô hình (3.2) đối với nhu cầu gạo cũng ở mức độ thấp.
Kết quả ước lượng cho gạo thể hiệnở bảng 4.15 sau: Bảng 4.15: Kết quả hồi quy hàm cầu cho gạo
Dependent Variable: LOG(Q_RICE) Method: Least Squares
Sample: 1 232
Included observations: 232
Variable Coefficient Std. Error t-Statistic Prob.
C 3.363634 0.907140 3.707957 0.0003 LOG(P_RICE) -0.421814 0.183692 -2.296314 0.0226 LOG(P_PORK) -0.078614 0.182318 -0.431190 0.6667 LOG(P_BEEF) -0.188887 0.104350 -1.810134 0.0716 LOG(P_CHICK) -0.033008 0.089059 -0.370637 0.7113 LOG(INCOME_CAP) -0.012380 0.055737 -0.222116 0.8244 AVG_AGE 0.003984 0.002939 1.355538 0.1766 EDU 0.004153 0.010091 0.411554 0.6811 HH_SIZE 0.197735 0.019802 9.985512 0.0000 GENDER -0.030823 0.052219 -0.590259 0.5556 R-squared 0.375675 Mean dependent var 1.822617 Adjusted R-squared 0.350364 S.D. dependent var 0.476972 S.E. of regression 0.384439 Akaike info criterion 0.968086 Sum squared resid 32.81018 Schwarz criterion 1.116652 Log likelihood -102.2979 F-statistic 14.84264 Durbin-Watson stat 1.797439 Prob(F-statistic) 0.000000
Kết quả ước lượng trên cho thấy có một số biến không có ý nghĩa thống kê ở
mức ý nghĩa 10%. Cụ thể, biến giá thịt heo (p.value = 0,67>0,10), biến giá thịt gà (p.value = 0,71>0,10), biến thu nhập (p.value = 0,82>0,10), biến AVG_AGE (p.value = 0,18>0,10), biến EDU (p.value = 0,68>0,10), biến GENDER (p.value = 0,56>0,10). Dữ liệu sửdụng trong nghiên cứu này là dữ liệu chéo nên thường xuất hiện hiện tượng phương sai thay đ ổi. Do đó, các hệ số hồi quy ước lượng và các kiểm định t, kiểm định F có thể không chính xác. Vì thế, chúng ta cần tiến hành kiểm định xem có hiện tượng phương sai thay đổi hay không? Kiểm định White
được sử dụng để kiểm tra hiện tượng phương sai thay đổi.
Kết quả kiểm định phương sai của sai số thay đổi bằng kiểm định White (dạng không có tích chéo) như sau:
Bảng 4.16: Kết quả kiểm định White (dạng không có tích chéo)
White Heteroskedasticity Test:
F-statistic 1.387074 Prob. F(17,214) 0.144721 Obs*R-squared 23.02640 Prob. Chi-Square(17) 0.148393
Kết quả kiểm định trên cho thấy P.value = 0,148393>10%, như v ậy không có hiện tượng phương sai của sai số thay đổi.
Bảng 4.17: Kết quả kiểm tra tự tương quan
Date: 06/07/11 Time: 22:03 Sample: 1 232
Included observations: 232
Autocorrelation Partial Correlation AC PAC Q-Stat Prob .|. | .|. | 1 0.091 0.091 1.9404 0.164 .|. | .|. | 2 0.085 0.077 3.6329 0.163 .|. | .|▄▄▄▄ 3 0.148 0.135 8.7907 0.032 .|. | .|. | 4 0.141 0.116 13.492 0.009 .|. | .|. | 5 0.041 0.003 13.897 0.016 .|. | .|. | 6 0.095 0.058 16.057 0.013 .|. | .|. | 7 0.022 -0.025 16.173 0.024 .|. | .|. | 8 -0.074 -0.109 17.489 0.025 .|. | .|. | 9 0.025 0.011 17.639 0.040 .|. | .|. | 10 -0.054 -0.068 18.348 0.049 .|. | .|. | 11 -0.012 0.015 18.383 0.073 .|. | .|. | 12 0.039 0.065 18.767 0.094
Qua bảng 4.17 ta thấy xuất hiện hiện tượng tự tương quan giữa các nhiễu ở
bậc 3.
Để khắc phục hiện tượng tụ tương quan giữa các nhiễu, chúng ta sử dụng thủ
tục lặp Cochrane – Ocutt, kết quả ước lượng như sau:
Bảng 4.18: Kết quả ước lượng bằng thủ tục lặp Cochrane– Ocutt
Dependent Variable: LOG(Q_RICE) Method: Least Squares
Date: 06/07/11 Time: 22:08 Sample (adjusted): 4 232
Included observations: 229 after adjustments Convergence achieved after 6 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 2.988217 0.894679 3.339986 0.0010
LOG(P_RICE) -0.422236 0.176890 -2.386998 0.0178 LOG(P_PORK) 0.020708 0.176656 0.117221 0.9068 LOG(P_BEEF) -0.165169 0.104998 -1.573070 0.1172
LOG(P_CHICK) -0.077161 0.085485 -0.902635 0.3677 LOG(INCOME_CAP) -0.018117 0.054082 -0.335000 0.7379 AVG_AGE 0.003494 0.002874 1.215925 0.2253 EDU 0.007673 0.009974 0.769302 0.4425 HH_SIZE 0.198855 0.019549 10.17236 0.0000 GENDER -0.029081 0.051363 -0.566189 0.5718 AR(3) 0.162651 0.067403 2.413125 0.0166