Nhu đã đề cập ở trên, hàm sin xudt Cobb ~ Douglas được ứng dụng để phân tích ảnh hưởng của các y vào trong quá trình sản x
tăng trưởng, (ii) thu nhập hay lợi nhuận của nông hộ (doanh nghiệp),
lượng trong sản xuất, (iv) năng suất lao động và (v) hiệu quả tài hiệu quả sản xuất của quá trình sản xuất, ... Ngoài ra, hàm san xt
Douglas còn giúp đo lường hệ số co giãn của một yếu tố theo một chỉ tiêu nào.
đó, chẳng hạn như đo lường hệ số co giãn của cầu lúa gạo theo giá bán lúa gạo
trên thị trường.
Các dạng mô hình ứng dụng của hàm sản xuất Cobb ~ Douglas trong nghiên cứu kinh tế - xã hội:
(i) Mụ hỡnh log ~ log (logarithm — logarithm): InY = , + ỉ,In X, +,
dụng khi ta quan tâm đến số phần trăm thay đổi
ia các biến độc Lip (Xi).
„ Mô hình này được s
biến phụ thuộc (Y) tương ứng với 1% sự thay đổi
. Mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc được tính
bằng công thite (Gujarati, 2004):
ôYJY(%)
Xx, /X,(%) 8
Ví dụ: Ứng dụng mô hình log — log dé phan tích các yếu tố ảnh hưởng đến sản lượng lúa (Y: tin) của nông hộ vùng ĐBSCL; A là diện tích đất canh tác của nông hộ (ha); I là số tiền đầu tư trong sản xuất lúa (u 12); AGE Ia tudi của chủ hộ: EDU là trình độ học vấn của chủ hộ, có giá trị 1 khi chủ hộ đã tốt nghiệp cấp 2 trở lên, n ó giá trị 0.
Cách thực hiện mô hinh log-log trong SPSS va Stata:
+ Cách thực hiện trén SPSS: chon Analy2s — Regression — Linear - Chọn biên phụ thuộc. biớn độc lập đưa vào hộp thoại phù hợp và thiết lập các lựa chọn cân thiết khác - OK:
+ _ Cách thực hiện trên Stata: nhập lộnh reg lny Ina Ini Inage edu vào hộp thoại Command và nhắn phím Emier đề thực hiện phân tích hồi quy OLS.
som — *|. ô(a9 variables, 2229 observations pasted into data editor) 4 @
‘ K yw ou ie uN agen AG yee YD i f
we AGE {Command
eu BU byte req Iny Ina Ini Inage edu
Kết quả phân tích hồi quy OLS trong phần mềm Stata:
= reg ny Ina Ini Tnage cdu
source Model | 295.766593 {__S__S _"_ S5 dt 4 73, 9416482 ws Nunber of obs - 2229 FC lá, (2204) = 635.61 Prob 3 F 626000 Residual | 258.7231274 2224 .116332407 [ee oral | 554.489866 2228 .248873369 ® ® — @ @ 6 Resquared Ađ] R-squared = 0.5326 Root wee © 6.5 34108 o Try Goof, std. err. + eit] [95% Conf, mntervai]
na | 4965004 0175343 AGES
ini | {assert ;0H755% 1724083
"mm sấu | “ieiasoe .071117 — -côns | - 14386/79 .03988.
Giải thích kết quả phân tích hồi quy:
Bang 4.1 Kết quả hồi quy theo mô hình log - log.
Hệ số /, Giá trịt
| 0.459**+ 4,590
0.4978 28.320
[ 0.196*** 16,630
0/1885 6.960
0/1819 10,600
2229 0,533 Mức ý nghĩa của mô hình 0,000
Ghi chú: ***: Mức ý nghĩa 19.
(Nguồn: SỐ liệu khảo sát, 2013)
Kết quả xử lý trong Bảng 4.1 cho thấy diện tích đất canh tác ảnh hưởng.
thuận chiẻ sản lượng lúa của nông hộ với mức ý nghĩa 1%. Nghĩa là nếu
các yếu tố khác không đôi, khi điện tích đất canh tác tăng 1%, sản lượng lúa tăng thêm 0,497% (hệ số /, giữ nguyên khi nhận xét). Ngoài ra, trình độ học vấn của chủ hộ cũng có ảnh hưởng tích cực đến sản lượng lúa của nông hộ ở mức ý nghĩa 1%. Cụ thẻ, sản lượng lúa của nông hộ có chủ hộ đã tốt nghiệp cấp 2 trở lên cao hơn nông hộ có chủ hộ chưa tốt nghiệp cấp 2 khoảng 0,181%. Tương tự, giải thích đối với các biến độc lập khác.
Mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc được tính ty công thức (Gujarati, 2004):
OY/¥ (%) _
Ox,
; x100
Hệ số /đ x100 đo lường sự thay đổi tương đối (%) của Y theo sự thay
đổi tuyệt đối của X,
Ví dụ: Ứng dụng mô hình log — lin để phân tích các yếu tố ảnh hưởng đến sản lượng lúa của nông hộ vùng ĐBSCL. Tương tự như mô hình log — log, tuy nhiên trong ví dụ này chỉ lấy logarit tự nhiên của biến phụ thuộc (Y) và không lấy logarit tự nhiên của các biến độc lập. Nói cách khác, hệ số /, phải nhân với 100 khi nhận xét (khác với trường hợp log - log). Kết quả như.
trong bảng sau.
Bang 4.2 Kết quả hồi quy theo mô hình log — lin
Hệ số /, Giá trịt
Hang s6 POE “is 38340
A 0/063*** 15,260
I 0,018" 20,550
AGE ¡— 0/006%** 9,350
EDU 0.296*** 16,020
Số quan sát (n) 2229
0418
0,000
Ghi chit: ***: Mite ý nghĩa 19.
(Nguồn: Số liệu khảo sái, 2015)
Kết quả Bảng 4.2 cho thấy diện tích đất canh tác ảnh hưởng thuận c đến sản lượng lúa của nông hộ ở mức ỷ nghĩa 1%. Nghĩa là nêu các yếu tố khác không đôi, khi diện tích đất canh tác tăng 1 ha, sản lượng lúa tăng thêm 6,3% (0,063 100). Các biến độc lập khác giải thích tương tự.
(ii) Mô hình lin — log (linear — logarithm): Y = , + B,nX, +0
Mô hình này sử dụng khi ta quan tâm đến sự thay đồi tuyệt đối của biến
phụ thuộc (Y) theo sự thay đổi tương đối (%) của các biển độc lập (Xi
... Mức độ ảnh hưởng của các biển độc lập đến biến phụ thuộc được tính
bằng công thức (Gujarati, 2004):
ây — _ 8, ÔX,/X,(%) 100
Hệ số /ỉ,/100 đo lường sự thay đổi tuyệt đối của Y theo sự thay đổi tương đối (%) của X,.
Ví dụ: Ứng dụng mô hình lin - log dé phan tích các yếu tổ ảnh hưởng đến lợi nhuận trồng lúa của nông hộ vùng ĐBSCL. Trong đó, biến LN là lợi nhuận
trồng lúa của nông hộ (triệu đồng/năm) và lấy logarit tự nhiên các biến độc lập.
tương tự như ở mô hình log — log.
Bảng 4.3 Kết quả hồi quy theo mô hình lin — log
Hệ
Hãng số ~91,779***+ ~6,170
HÀ 26,942*+* 10,330
31/298*** 17,910
10,821 2,700
.025*++ 8,660
2229
Hệ số xác định (R?) 0,323
Mức ý nghĩa của mô hình 0,000
Ghi chủ: ***: ức ý nghĩa 1%.
(Nguồn: SỐ liệu khảo sát, 2013)
quả xử lý Bảng 4.3 cho thấy diện tích đất canh tác ảnh hưởng thuận
chiều đến lợi nhuận trong sản xuất lúa của nông hộ với mức ý nghĩa L%.
Nghĩa là nếu các yêu tố khác không đổi, khi di
nhuận trồng lúa của nông hộ tăng thêm 0,269 triệu đồng (hệ số /, phải chia
cho 100 khi nhận xét).
2.6 Phân tích hồi quy LogitProbit 2.6.1. Giới thiệu
Trong nghiên cứu kinh tế - xã hội, phần lớn nhà nghiên cứu sử dụng
mô hình nghiên cứu có. phụ thuộc là biến định lượng (biến
nhiên, trong thực tiễn, nhiều mô hình nghiên cứu có biển phụ thud
rạc (như cái này hoặc cái kia, có hay không, ...). Cụ thể, biến phụ thuộc của mô hình này là biến nhị phân hay biến giả - dummy, 6 hai gia tri 1 và 0 (có giá trị 1 khi sự kiện nhà nghiên cứu quan tâm xảy ra; ngược lại có giá trị 0 khi không xảy ra sự kiện đó) cho nên mô hình này không t ong ba phương pháp hồi quy đa biển. Vì vậy, phương pháp phân tích hồi quy Logit va hồi quy Probit sẽ được sử dụng đề ước lượng mô hình có biến phụ thuộc dạng nhị phân nhằm ước lượng khả năng xảy ra một sự kiện mà nhà nghiên cứu quan tâm.
Mô hình tổng quát của mô hình hồi quy Logit và hồi quy Probit có dạng:
Y=f8,+5.8.X,
Trong đó, Y là biến phụ thuộc; X: là các biến độc lập: /, là hệ số gốc;
/, là hệ số hồi quy của mô hình.
Hoặc:
y=8,+ằ,8X+n
yŸ là biển phụ thuộc ẩn và không thể quan sát được (Y =1 khi y' >0;
Y =0 khi yˆ < 0) nên ta giả định yˆ = Ÿ + (u là sai số),
p ở trên, mô hình hồi quy Logit và hồi quy Probit không
ước lượng ảnh hưởng trực tiếp của các biến độc lập (X,) đến biến phụ thuộc
(Y) mà nó ước lượng ảnh hưởng của các biến độc lập (X,) đến khả năng biến.
phụ thuộc có giá trị bing 1 (Y =1). Trong đó, xác suất biển phụ thuộc có giá trị 1 (0,„,) được xác định theo công thức (Goldberger, 1964; Gujarati, 2004):
ẹ
P.=PpỮ =1|#,)=—— Ite
ân phối logistic nén anh
hưởng của iến phụ thuộc có giá trị |
(0,..,) trong mô hình hồi quy Logit được tính như sau (Goldberger, 1964;
Gujarati, 2004):
= p(I=p,)x8,
Tương tự, sai số của mô hình hồi quy Probit (w) có phân phối chuẩn
nờn ảnh hưởng của Y, đến ứ,„., trong mụ hỡnh hồi quy Probit được tớnh bằng công thức (Goldberger, 1964; Gujarati, 2004):
So sánh mô hình hồi quy Logit va Probit
Mặc dù hệ số hồi quy của hai mô hình hỏi quy Logit và hồi quy Probit khác
nhau (do sai số của hai mô hình có phân phối khác nhau), giá trị tác động biên của các biến độc lập và mức ý nghĩa thống kê của hai mô hình gần như nhau.
Do đó, bước chuyên đổi giữa các hệ số hồi quy của mô hình Logit và mô hình
Probit ki
= (a/V3)x B,
Bur
81% Bray VA Bray * 05952% By (Gujarati, 2004).
Tuy nhiên, Amemiya (1981) đề xuất giá trị sẽ phù hợp hơn khi
Bos
16x 8
và ỉ,„„ =0,625x/ỉ,„..
2.6.2. Ứng dụng phân tích hồi quy Logit va Probit
Nhu da đề cập ở phần trên, phương pháp phân tích hồi quy Logit và hồi
quy Probit được sử dụng để ước lượng mô hình hồi quy có biến phụ thuộc.
dạng nhị phân nhằm ước lượng khả năng xảy ra một sự kiện mà nhà nghiên cứu quan tâm. Chẳng hạn như (¡) khách hàng (nông hộ) có quyết định mua sản phẩm nào đó hay không: (ii) khách hàng (nông hộ) hài lòng với chất lượng dịch vụ, sản phẩm, lớp tập huấn hay dự án nào đó hay không: (ii) người dân (nông hộ) có tham gia dự án/lớp tập huấn hay không: (iv) người lao động quyết định tham gia nghề phi nông nghiệp hay nông nghiệp; (v) nông hộ quyết định vay vốn/trả nợ hay không hoặc (vii) nghiên cứu việc đưa ra các quyết định nào đó của cá nhân, hộ gia đình hay tô chức.
Ví dụ:
ảnh hưởng của các yếu tố đến tình trạng nghèo của nông hộ vùng ĐBSCL.
Trong đó:
© POV [a tinh trạng nghèo của nông hộ, có giá trị là 1 khi nông hộ là hộ nghèo, ngược lại có giá trị là 0
© AGE la tudi của chủ hộ. GEN là gi chủ hộ là nam, nữ có giá trị là 0.
ính của chủ hộ, có giá trị là 1 khi
©EDU là trình độ học vấn của chủ hộ, có giá trị 1 khi chủ hộ đã tốt
nghiệp cấp 2 trở lên, ngược lại có giá trị 0.
+ LA là số lao động có việc làm của nông hộ. A là diện tích đất canh tác
của nông hộ (ha).
Cách xử lý hồi quy Logit trong SPSS và Stata:
ô Cỏch thực hiện trờn SPSS: chọn 4nabze — ẹegression - Binary Logisties- Chọn biến phụ thuộc, biến độc lập đưa vào hộp thoại phù hợp và thiết lập các lựa chọn cân thiết khác ~ OK.
+ _ Cách thực hiện trên Stata: nhập lệnh logit pov age gen edu la a vào hộp thoại Commanad và nhắn phim Enter
Kết quả phân tích hồi quy Logit trong phần mềm Stata:
= logit pov age gen edu Ta a
Iteration 0: log likelihood = -1544.6273 Iteration 1: 10g ]ikelThood = “1451-8027 Iteration 2: 109 likelihood = -45i..515, Hteration 3: Tog 1kelihood = “1431515
Logistic regression Nurber of obs = LR C2 Prob > chi2. > = 86.22 0.0000 2249 Log Tikelihood = 2451. 515 ® @ @ ® 6 Pseudo R2 © = 0.0603 © Pov coef. std. err. — z Pzlz| — [95% Conf. interval]
age | .0059487 .00I526 143 0.152 -.0071903 .0140877 đến | -:722161 ` .11658 -6-19 0.000 506538
đầu | --4842919. .1i69587 -4.17 0.000 la | --2288014 :0426212 -5.37 0.000 —.3123374 3| -2376486 :0422195 -5-63 0.000 --3203973 ~.7175266
_cons | 1/4/6581 12397633 6.16 0.000 1.0065
á trị tác động biên của các biến độc lip (marginal effect) bằng cú pháp 1gnh mfx. Ngoài ra, ta có thể thiết lập giá trị ban đầu của biến độc lập khi tính giá trị tác động biên thông qua thiết lập at() của lệnh mix, bằng cú pháp lệnh my, at(X:= m), với m là giá trị ban đầu của biến độc lập ma nhà nghiên cứu quan tâm. Tuy nhiên, khi biến độc lập là biến giả, giá trị m sẽ bằng 0. Cụ thể, nhập lệnh mfx, at(gen=0 edu=0) dé thực hiện ước lượng giá trị tác động biên cho ví dụ trên.
Kết quả như sau:
= mfx, at(gen-0 edu-0)
warning: no value assigned in at() for variables age la a; means used for age Ta a Marginal effects after logit Y= Prpov) (predict) 5687869
variable std. err. z P>lzl [ 95%C.1. J x
age -00102 4.420.154 -003467 - 45.3264
gent edu Ta a 102789 -6:39 0.000 702873 4:23 0.000 701043 -5:35 0.000 To1oas -5:56 0.000 3.15651 agi 0 °
(*) dy/dx is for discrete change of dummy variable from 0 to 1
Giải thích kết quả phân tích hồi quy:
Bảng 4.4 Kết quả phân tích hồi quy Logit
Hệ số /, Giá trị tác động biên
(dp/dx)
Hãng số 1477
(6,160)
AGE 0,006 0,001
(1.430)
GEN -0,122* ~0,178
(6,190)
EDU -0,488*+* —0,121
(4,170)
La ~0,229*** ~0,056
(5,370)
A -0,238*** 0,058
(5,630)
'S6 quan sat (n) 2.249
Giá trị 7? 186,220
Mức ý nghĩa mô hình 0,000
Gia tri log likelihood. 31451515
Ghi chit: ***: Mite ý nghĩa 1%. Hệ số. /, lẫy từ cột 2 ctia bang Logistic regression (Nguồn: Số liệu khảo sát, 2013)-
Kết quả Bảng 4.4 cho thấy số lao động có việc làm của nông hộ (LA)
¡nh hưởng nghịch chiều đến tinh trạng nghèo của nông hộ vùng ĐBSCL ở
mức ý nghĩa 1% (/, =~0,229). Nghĩa là nếu các yếu tố khác không đổi, khi số
lao động có việc làm của nông hộ tăng thêm 1 người, tỉnh trạng nghèo của nông hộ giảm 5,6% (0,056100 — hệ số âp,/ôY, nhân với 100 khi nhận xé.
Tuong tự, cách xử lý hồi quy Probit theo đường dẫn sau
- Cách thực hiện trên SPSS: Chon Analyze ~ Regression — Probii - Chọn biến phụ thuộc, biến độc lập đưa vào hộp thoại phù hợp và thiết lập các lựa chọn
cân thiết khác - OK.
- Cách thực hiện trên Stata: Nidp lệnh probit pov age gen edu la a vào hộp thoai Command va nhắn phím Eier
Kết quả phân tích hồi quy Probit trong phần mềm Stata:
= probit pov age gen edu Ta a
Jog likelihood = -1544.6273 Iteration Jog likelihood = -1452.512 g Iteration
Iteration 2: 10g likelihood = -1452. 3656 Iteration 3: Tog likelihood = 1452. 3656
Probit regression Nunber of obs = LR chỉ2(5) Prob > chị? = = 184.52 2249 Log likelihood = -1452. 3656 Pseudo R2 5
Pov Coef. std. err. z + Interval]
‘age | .0037574 .0025586 1.47 -0087721 gen | -:4455672 0704512 - -6.32 13074853 edu | -:3047874 :0720135 -4.23 Ya | 11397738 :0256498 -5.45 a | --1382873 ;0247953 -5.58 11636435 [0896895 0895011 -cons | 18836701 11453233 6.08 1.168498,
Tương tự với phân tích hồi quy Logit, ta cũng cần tính giá trị tac dong biên của các biến độc lập (marginal effect) trong phân tích hồi quy Probit. Cụ
thé, nhập lệnh míx, at(gen=0 edu=0) dé thực hiện ước lượng giá trị tác động, biên cho ví dụ trên.
= mfx, at(gen-0 edu-0)
warning: no value assigned in at() for variables age 1a a; means used for age Ta a
marginal effects after probit ý = Pripov) (predict) “...)
variable sed err. oz P>lzl [ 95%C1. ] x
age 00101 1.46 45.3264
gênt edu 1a a 102721 -6:47 102832 -4:27 .00982 -5.53 <O101 -5.44 3.15651 3.14371 0 °
©) dy/éx is For discrete change of dummy variable from 0 to 1
Giải thích kết quả phân tích hồi quy:
Kết quả Bảng 4.5 chỉ ra rằng số lao động có việc làm của nông hộ (LA)
có ảnh hưởng nghịch chiều đến tình trạng nghèo của nông hộ vùng ĐBSCL với mức ý nghĩa 1% (, =~0.140). Nghĩa là nếu các yếu tố khác không đổi, khi số lao động có việc làm của nông hộ tăng thêm 1 người, tình trạng nghèo.
của nông hộ giảm 5.5% (0,055x 100).
Bảng 4.5 Kết quả phân tích hồi quy Probit
&số Giá trị tác động biên
Hệ số /, =e
Hãng số 0,884
(6.080)
AGE 0/004 0001
(1.470)
GEN 0.4468" "0116
(6.320)
EDU ~0,305*** ~0/121
C4230)
La -0,140*#% -0055
| 5.450)
4 0,138" ~0,054
5,580)
Số quan sit (n) 2249
Gia tri y? 184,520
Mức ý nghĩa 0,000
Gia tr) log likelihood 1.452.366
Ghi
ú: ***: Mực ý nghia 1%
zuén: Số liệu khảo sát, 2013)
So sánh kết quá phân tích hồi quy Logit và Probit:
Kết quả ước lượng trong cho thấy giá trị tác động biên và
mức ý nghĩa thống kê của các bi của hai mô hình ước lượng LogiL và Probit có giá trị tương tự nhau. Ngoài ra, hệ số hồi quy của mô hình hồi
quy Logit xấp xi hệ số hồi quy mô hình hồi quy Probit nhân với 1,6.
Chẳng hạn như /,„.„. x I,6x/,„„„ —> 0,006 x I,6x0,004. Do đó, không có sự khác biệt về mặt thống kê giữa hai mô hình nay.
Bang 4.6 Két quả phân tích hồi quy Logit và Probit
ẽ Hoi quy Logit
¿sŠ Giá trị tác động
| Hệ số 6 biên dp/dx
| Hãng số 147T** 0.884*** |
(6.160) (6,080)
| AGE | 0,006 0,001 0,004 0,001 |
(430) (1470)
GEN -0,722%* -0178 | -04446*** ~0,176
(6.190) (6,320) |
| EDU =0,488* “0,221 | 0,305" -0/121 |
(4,170) (4,230)
| LA -0/229055% ~0,056 | -0,140*** ~0,055 |
(-5.370) (-5.450)
A 0,238+ 0,058 | -0,138*** 0,054 |
(5.630) (5,580)
Số quan sắt (n) 2.249 2.249
Giá trị z 186,220 184,520
Mức ý nghĩa 0,000 0,000
Giá i log -1451,515 =1:452,366
likelihood
- Mức ý nghia 1%
lêu khảo sát, 2015)
2.7 _ Phân tích hồi quy Tobit
27⁄1. Giới thiệu
Mô hình hồi quy Tobit được xây dựng bởi nhà kinh tế (1958) và được sử dụng rất phô biến trong các ngợi ir
Phương pháp phân tích hồi quy Tobit duge sir dung,
quy có biến phụ thuộc bị chặn (hay bị giới h:
Tobit còn được gọi là mô hình. hồi quy kiểm duyệ
biến phụ thuộc bị g hạn dưới i
hình nghiên cứu. Mô hình hỗ quy Tobit tổng quát có ni dạng như sai
u khiusY"
Y=l|Y'=/ỉ,+ŸlỉÄ,+u, khiL<Y <U
L khiY’ <b
Trong dé, Yj 1a biến phụ thuộc; Y* là biến phụ thuộc ẩn; /, là hệ góc; / là hệ số hồi quy của mô hình; X; là các biến độc lập; U là giới hạn trên; L là giới hạn dưới; u là các sai số.
Mô hình hồi quy Tobit không chỉ ước lượng mức độ biến động của biến phụ thuộc mà còn đo lường xác suất xảy ra của nó. Do đó, ảnh hưởng của
các biến độc lập (Xi) đến biến phụ thuộc (Y) được xác định thông qua công.
thức sau (Greene, 2008):
OEY|X,)
ÔN, ôE0|X,,L<Y` <U)
= Prob(L <Y* <U)x
aProb(L-<Y" <U)
+ E0|X,,L<Y` <U)x aX,
2.7.2 Ứng dụng phân tích hồi quy Tobit
Như đã đề cập ở phần trước, mô hình hỏi. quy LogiUProbit sẽ ước lượng
xác suất xây ra của một sự kiện mà nhà nghiên cứu quan tâm. Trong khi đó, mô hình hồi quy Tobit không chỉ ước lượng xác suất xây ra của sự kiện đó mà còn đo lường mức độ biến động của nó. Chẳng hạn, nhà nghiên cứu muốn xem xét ảnh hưởng của các yêu tô đến lượng vốn vay của nông hộ. Mô hình Tobit sé ude lượng xác suất nông hộ vay được vốn tín dụng và lượng vốn tin dụng mà nông hộ vay được. Trong trường hợp này mẫu khảo sát nông hộ sẽ được chia thành hai nhóm. Nhóm thứ nhất là những nông hộ vay được vốn tín dụng, với một lượng tín dụng nhất định. Nhóm thứ hai là những nông hộ có
nhu cầu vay nhưng không vay được vốn (lượng vốn tín dụng vay được là 0).
Trong trường hợp này, biên lượng vốn vay của nông hộ (biến phụ thuộc) được gọi là biến bị kiêm duyệt (hay bị giới hạn).
Vi những lý do trên, mô hình hồi quy Tobit rit thich hop để ước lượng mô hình hồi quy có biển phụ thuộc bị giới hạn, ching han nur (i) chỉ tiêu của 4 i) số lượng hàng hóa được sir lượng phân bón/thuốc nông dược nào.
nghiệp; (iv) lượng v của lao động: (vi)
dụng của cá nhân (hộ gia đình): (ii) đó nông hộ sử dụng trong sản xuất nôn;
cá nhân (hộ gia đình); (v) số giờ làm vi lao động, ..
tiền lương của