Từ trước đến nay, trồng lúa là nghề truyền thống và lâu đời nhất trên địa bàn huyện Cần Giờ. Cây lúa là cây trồng chính cung cấp lương thực và mang lại thu nhập chính cho người dân nơi đây. Sau năm 2005, mặn bắt đầu xâm nhập với mức độ ngày càng cao hơn, năng suất cây trồng vật nuôi trong vùng mỗi năm mỗi giảm. Lúa là cây
a) Phân tích những yếu tốảnh hưởng đến năng suất lúa
Tôi tiến hành xây dựng hàm sản xuất lúa với việc xem xét 6 yếu tố ảnh hưởng
đến năng suất lúa: Trình độ học vấn, lượng phân bón, công lao động, kinh nghiệm canh tác, số năm nhiễm mặn và lượng giống. Hàm sản xuất Cobb- Douglass được mô tả như dưới đây:
Y = e* X11 * X22 * X33 * X44 * X55 * X66 *e
(1)
Hàm Cobb - Douglass trên chuyển về dạng Log - Log với các yếu tố trên có dạng sau:
LnNS = +α1LnTDHV+α2LnPB+α3LnCONGLD+α4LnKN+α5LnNAMNM+
α6LnLGIONG + (2)
Kết quảước lượng các thông số của hàm sản xuất
Bảng 4.9. Kết QuảƯớc Lượng Các Thông Số Trong Hàm Sản Xuất Lúa
Biến số Hệ sốước lượng Trị số t P_value
LnTDHV 0,555** 2,072 0,0431 LnPB 0,550*** 2,903 0,0054 LnCONGLD 0,994*** 4,104 0,0001 LnKN 0,412*** 2,752 0,0081 LnNAMNM -0,426** -2,378 0,0210 LnLGIONG 0,00017 0,058 0,9533 Hằng số -1,462 -1,397 0,168
Nguồn tin: Kết quảước lượng Chú thích: *,**, *** là kí hiệu có ý nghĩa thống kê ứng với mức α = 10%, α = 5%, α = 1%
Từ kết quả trên ta thấy rằng trong mô hình có biến lượng giống có P_value = 0,9533 và T-stast = 0,058 nó là biến không có ý nghĩa.
Theo số liệu điều tra thực tế 60 hộ dân thì lượng giống không ảnh hưởng đến năng suất, những hộ gieo với lượng giống nhiều nhưng năng suất lúa lại không cao bằng những hộ có lượng giống gieo ít hơn bởi vì trồng lúa trên 1ha thì đã có lượng giống gieo theo đúng quy định nếu gieo nhiều hơn quy định mật độ sẽ dày và dẫn đến năng suất không cao. Bên cạnh đó năng suất lúa còn phụ thuộc vào nhiều yếu tố khác chứ không phải là lượng giống, do đó ta có thể bỏ biến lượng giống ra khỏi mô hình
Ta xây dựng lại hàm sản xuất Cobb- Douglass với 5 biến còn lại đó là trình độ
học vấn, lượng phân bón, công lao động, kinh nghiệm và số năm nhiễm mặn như sau: Y = e* X11 * X22 * X33 * X44 * X55 *e
(1)
Hàm Cobb - Douglass trên chuyển về dạng Log - Log với các yếu tố trên có dạng sau:
LnNS = + α1LnTDHV +α2LnPB + α3LnCONGLD + α4LnKN +
α5LnNAMNM + (2)
Mô hình ước lượng lại sau khi bỏ biến lượng giống:
Bảng 4.10. Kết QuảƯớc Lượng Các Thông Số Trong Hàm Sản Xuất Lúa
Biến số Hệ sốước lượng Trị số t P_value
LnTDHV 0,554** 2,091 0,0412 LnPB 0,551*** 2,963 0,0045 LnCONGLD 0,992*** 4,186 0,0001 LnKN 0,413*** 2,786 0,0073 LnNAMNM -0,428** -2,45 0,0176 Hằng số -1,448 -1,431 0,158
Nguồn tin: Kết quảước lượng Chú thích: *,**, *** là kí hiệu có ý nghĩa thống kê ứng với mức α = 10%, α = 5%, α = 1%
Hệ số xác định của mô hình R – squared = 0,75 Durbin-Watson stat = 1,726
F-statistic = 33,53
Prob(F-statistic) = 0,0000
Qua kết quả ước lượng, ta thấy rằng tất cả các biến trong mô hình đều có ý nghĩa và đúng như kỳ vọng ban đầu.
Tiếp đến xem mô hình có vi phạm các giả thiết hay không ta phải tiến hành kiểm định.
Kiểm định các giả thiết của mô hình
R2 = 0,75 cho thấy 75% mức độ biến thiên của biến phụ thuộc được giải thích bởi mô hình.
- Kiểm định Fisher: Khi đã xác định được mô hình thì phải kiểm tra xem mô hình
đã thực sự có ý nghĩa thống kê hay không, kiểm định F sẽ cho ta thấy điều này. Từ kết xuất Eview ta có F-staistic =33,53 và Pro(F-statistic) = 0,0000 < 0,05
=> Bác bỏ giả thuyết H0 nghĩa là sự biến động của biến phụ thuộc được giải thích bởi các biến độc lập theo mô hình hồi quy.
Hiện tượng đa cộng tuyến
Để kiểm tra xem hiện tượng này có tồn tại trong mô hình hay không ta sẽ chạy mô hình hồi quy phụ giữa các biến độc lập sau đó so sánh hệ số xác định của các mô hình hồi quy phụ (R2aux) với mô hình gốc. Nếu R2aux lớn hơn R2 của mô hình gốc thì ta kết luận có hiện tượng đa cộng tuyến. Và ngược lại thì sẽ không có hiện tượng đa cộng tuyến.
Bảng 4.11. Hệ Số Xác Định R2aux Của Mô Hình Bổ Sung
Các biến Hệ số xác định (R2) Kết luận
LnNS 0,75 Mô hình gốc
LnTDHV 0,31 Không xảy ra đa cộng tuyến
LnPB 0,40 Không xảy ra đa cộng tuyến
LnCONGLD 0,45 Không xảy ra đa cộng tuyến
LnKN 0,21 Không xảy ra đa cộng tuyến
LnNAMNM 0,24 Không xảy ra đa cộng tuyến
Nguồn: Kết quảước lượng Như vậy dựa vào bảng 4.11 ta có thể kết luận rằng mô hình không vi phạm hiện tượng đa cộng tuyến.
Hiện tượng phương sai không đồng đều
Tiến hành kiểm định phương sai không đồng đều thông qua kiểm định White- test với 2 giả thiết sau:
H0: Không có hiện tượng phương sai không đồng đều H1: Có hiện tượng phương sai không đồng đều
Từ kết quả của mô hình hồi quy nhân tạo ở phụ lục 5 ta có kết quả sau: F-Statistic = 1,661, Probability = 0,086
Obs*R-squared = 27,605, Probability = 0,119
Với mức ý nghĩa α = 5% chưa đủ chứng cứ để bác bỏ giả thiết H0 (không có hiện tượng phương sai không đồng đều) vì P-value = 0,119> α = 5%. Vậy không xảy ra hiện tượng phương sai không đồng đều
Hiện tượng tự tương quan
Tự tương quan là hiện tượng mà một số hạng sai số của một mẫu quan sát cụ
thể nào đó của tổng thể, có quan hệ tuyến tính với một hay nhiều các số hạng sai số
của các mẫu quan sát khác trong tổng thể.
Đặt giả thuyết:
H0: ρ1 = 0 (Không có hiện tượng tự tương quan) H1: ρ1≠ 0 (Có hiện tượng tự tương quan)
Bằng phần mềm Eview ta thực hiện kiểm tra hiện tượng tương quan chuỗi bằng LM Breusch – Godfrey Test.
Từ bảng kết xuất mô hình tại phụ lục 6 ta thấy LM = Obs*R-squared = 1,129 Prob(Obs*R-squared = 1,129) = 0,287> α = 5%, nên ta chấp nhận H0, có nghĩa là không tồn tại tương quan chuỗi.
Giải thích kết quả mô hình
Hệ số R-squared hay còn gọi là hệ số xác định của mô hình là 0,75, điều này thể
hiện rằng 75% sự biến đổi của biến phụ thuộc năng suất được giải thích bởi các biến
độc lập trong mô hình.
Dấu của các thông số ước lượng trong mô hình đều phù hợp so với dấu đã kỳ
vọng ban đầu. Qua kết quả của kết xuất mô hình, tất cả các biến đều đúng với kỳ vọng dấu. Các biến đưa vào mô hình đều có ý nghĩa và chúng giải thích cho sự biến thiên của biến phụ thuộc là năng suất lúa trong đó:
Hệ sốα1= 0,554: Là hệ số co giãn của năng suất đối với trình độ học vấn, trong trường hợp các yếu tố khác trong mô hình không đổi khi học vấn tăng lên 1% sẽ làm tăng năng suất lúa lên 0,554%. Cụ thể khi mà trình độ học vấn tăng lên một cấp thì năng suất lúa tương ứng tăng theo 460 kg/ha.
tế đa số người dân cho rằng càng bón nhiều phân thì lúa cho năng suất càng cao. Cụ
thể trong điều kiện các yếu tố khác không thay đổi, tăng lượng phân bón 1% sẽ làm năng suất lúa tăng 0,551%. Cụ thể khi tăng lượng phân lên 1 kg thì năng suất lúa sẽ
tăng tương ứng 1,7 kg/ha
Hệ số α3 = 0,99: Là hệ số co giãn của năng suất đối với công lao động. Với mức ý nghĩa 1% thì khi tăng 1% công chăm sóc năng suất sẽ tăng lên 0,99%, trong
điều kiện các yếu tố khác không thay đổi. Cụ thể khi tăng công lao động lên 1 ngày thì năng suất lúa sẽ tăng tương ứng 37,5 kg/ha. Điều này có thể lý giải như sau, trong sản xuất nông nghiệp công chăm sóc đóng vai trò quan trọng trong việc làm tăng hay giảm năng suất. Nếu sử dụng nhiều lao động vào chăm sóc như làm cỏ, bón phân,… sẽ làm cho năng suất tăng lên
Hệ sốα4 = 0,41: Là hệ số co giãn của năng suất đối với kinh nghiệm. Cụ thể, hệ
số ước lượng của biến này là 0,41, có nghĩa khi tăng 1% số năm kinh nghiệm và giữ
cho các yếu tố khác không đổi thì năng suất tăng 0,41%. Trong trường hợp cụ thể nếu kinh nghiệm tăng lên 1 năm thì năng suất lúa tương ứng sẽ tăng 46,12 kg/ha. Điều này cũng dễ hiểu vì những người có thâm niên trồng lúa thì họ có nhiều kinh nghiệm hơn trong việc xử lý sâu bệnh cũng như chăm sóc lúa tốt hơn, hạn chế những rủi ro trong trồng lúa và cho năng suất cao hơn.
Hệ số α5 = 0,42: Là hệ số co giãn của năng suất đối với năm nhiễm mặn. Khi tăng 1% số năm nhiễm mặn thì làm cho năng suất lúa sẽ giảm 0,42%. Tính trong trường hợp cụ thể, khi số năm nhiễm mặn tăng lên 1 năm thì năng suất lúa sẽ giảm 297,4 kg/ha.
b) Tổn hại về lúa do nhiễm mặn gây ra
Qua điều tra thực tế 60 hộ dân với tổng diện tích 83 ha trên địa bàn 02 xã Bình Khánh và An Thới Đông của huyện Cần Giờ cho thấy có 231,7 ha diện tích đất trồng lúa là đất nhiễm mặn.
Từ kết quả hồi quy bảng 4.10 ta có hàm ước lượng như sau
LnNS = - 1,448 + 0,554*Ln(TDHV) + 0,551*Ln(PB) + 0,992*Ln(CONGLD) + 0,413* Ln(KN) – 0,428*Ln(NAMNM) (*)
Trở lại với phương trình gốc dạng Cobb – Douglas, ta có phương trình (1) là: Y = e* X11 * X22 * X33 * X44 * X55 *e
Với các hệ số co giãn αi đã tìm được như ở phương trình (*), thế vào phương trình (1) ta được:
NS = e-1,448*TDHV0,554*PB0,551*CONGLD0,991*K N0,413*NAMNM-0,428
Tiến hành cố định các biến trình độ học vấn, phân bón, công lao động, kinh nghiệm, bằng cách lấy giá trị trung bình:
NS = 2,7182-1,448*2,330,554* 6170,551 * 50,460,991 *17,710,413 *NAMNM-0,428 NS = 2.066,607* NAMNM-0,428
Thiệt hại về lúa do xâm nhập mặn gây ra
Để tính thiệt hại do nhiễm mặn gây ra đối với năng suất lúa ta dựa vào phương trình ở trên. Trong kết quả điều tra và khảo sát thực tế, năm nhiễm mặn thấp nhất là 1 năm và năm nhiễm mặn cao nhất là 6 năm.
Hình 4.3. Đồ Thị Thể Hiện Hàm Năng Suất Của Lúa Khi Có Nhiễm Mặn
Đồ thị trên cho ta thấy nếu số năm nhiễm mặn càng tăng thì năng suất lúa sẽ càng giảm và ngược lại nếu số năm nhiễm mặn càng ít tức là năng suất lúa sẽ càng cao.
Vậy với số năm nhiễm mặn thấp nhất là 1năm thì năng suất lúa của hộ khi bị
Với số năm nhiễm mặn cao nhất là 5 năm thì năng suất lúa của hộ đã bị nhiễm mặn là:
NS = 2.066,607* NAMNM-0,428 NS5 = 2.066,607*5-0,428
NS5 = 1.037,764 (kg/ha)
Mức chênh lệch năng suất lúa của hộ từ năm bắt đầu nhiễm mặn so với năng suất lúa của những hộđã bị nhiễm mặn đến thời điểm hiện tại là:
NSCL = NS1 – NS5= 2.066,607 – 1037,764 = 1.028,843 (kg/ha) Vậy thời gian bị nhiễm mặn là 5 năm
Năng suất lúa bị giảm hàng năm là:
NSGiảm = NSCL /5 = 1.028,843/5= 205,768 (kg/ha/) Toàn huyện có 321,7 ha lúa bị nhiễm mặn.
Tổng sản lượng giảm = mức giảm sản lượng * tổng diện tích đất bị nhiễm mặn = 205,768*321,7 = 66.195,758(kg/năm)
Với giá lúa là 6.050 đồng/kg thì tổng thiệt hại theo giá thị trường là khoảng 400 triệu đồng/năm (66.195,758*6.050).