4.2.1. Kết quả phân tích hồi quy
Trên cơ sở dữ liệu 1.237 doanh nghiệp hoạt động trong ngành dệt may đã chọn lọc từ bộ dữ liệu khảo sát doanh nghiệp Việt Nam năm 2010 của Tổng Cục
thống kê, sử dụng phần mềm Stata tiến hành phân tích hồi quy theo phương trình (3.2) và (3.3), mục 3.2, chương III, ta được kết quả như sau:
Bảng 4.5: Mô hình ước lượng dạng hàm Cobb – Douglas và Translog8
Cobb – Douglas (mô hình 1) Translog (mô hình 2)
Hệ số ước lượng P>|t| Hệ số ước lượng P>|t|
_cons 2,399*** 0,000 3,111*** 0,000 ln(Cap10) 0,199*** 0,000 -0,061 0,418 ln(Cost10) 0,512*** 0,000 0,427*** 0,001 ln(Labor10) 0,041* 0,073 -0,113 0,427 Age_Ent 0,002 0,470 -0,003 0,272 Dlocation 0,309*** 0,000 0,294*** 0,001 Fshare -0,279* 0,095 -0,315* 0,055 Dlocation*Fshare -0,056 0,750 -0,009 0,959 ln(Cap10)*ln(Cost10) -0,031 0,217 ln(Cap10)*ln(Labor10) 0,028* 0,051 ln(Labor10)*ln(Cost10) 0,015 0,500 ln(Cap10)2 0,037*** 0,000 ln(Cost10)2 0,020 0,417 ln(Labor10)2 0,004 0,689 Số quan sát 1.237 1.237 R-bình phương 0,411 0,431 Prob > F 0,000 0,000 Biến phụ thuộc: Ln(Labpro10)
Nguồn: Tính toán của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010
8
Tuy nhiên, từ kết quả của bảng 4.5 chưa thể kết luận được các mô hình đề
xuất có phù hợp với dữ liệu nghiên cứu thực tế hay không. Do đó, muốn kết luận
vấn đề này thì cần thiết thực hiện một số kiểm định sau. - Đánh giá ý nghĩa toàn diện của mô hình
Mục tiêu của việc đánh giá này nhằm kiểm định xem hệ số ước lượng của
các biến giải thích đưa vào 2 mô hình để giải thích cho biến năng suất lao động có đồng thời bằng 0 hay không.
Mô hình ước lượng dạng hàm Cobb - Douglas
Trong Stata, sử dụng lệnh test để phát hiện hiện tượng các hệ số ước lượng
của phương trình bằng 0 bằng cách kiểm định cặp giả thuyết sau:
H0: α1 = α2 = α3 = α4 = α5 = α6 = α7 = 0
H1: α1, α2, α3, α4, α5, α6, α7 không đồng thời bằng 0
Nếu giá trị p-value < 0,1, ta bác bỏ giả thuyết H0 và chấp nhận giả thiết đối là H1.
Bảng 4.6: Kiểm định hệ số hồi quy mô hình ước lượng dạng hàm Cobb - Douglas
Nguồn: Tính toán của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010
(1) ln(Cap10) = 0 (2) ln(Cost10) = 0 (3) ln(Labor10) = 0 (4) Age_Ent = 0 (5) Dlocation = 0 (6) Fshare = 0 (7) Dlocation*Fshare = 0 F(7, 1229) = 84,44 Prob > F = 0,0000
Kết quả kiểm định (p_value = Prob > F = 0.0000 < 0,1), bác bỏ giả thuyết
H0, do đó hệ số ước lượng của các biến giải thích không đồng thời bằng 0.
Mô hình ước lượng dạng hàm Translog:
Tương tự đối với mô hình ước lượng dạng hàm Translog, sử dụng lệnh test để kiểm định cặp giả thuyết sau:
H0: α1= α2= α3 = β1 = β2 = β3 = φ1 = φ2 = φ3 = γ1 = γ2 = γ3 = γ4 = 0 H1: α1, α2, α3, β1, β2, β3, φ1, φ2, φ3, γ1, γ2, γ3, γ4 không đồng thời bằng 0
Bảng 4.7: Kiểm định hệ số hồi quy mô hình ước lượng dạng hàm Translog
Nguồn: Tính toán của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010 (adsbygoogle = window.adsbygoogle || []).push({});
Kết quả kiểm định (p_value = Prob > F = 0,0000 < 0,1), bác bỏ giả thuyết
H0, do đó hệ số ước lượng của các biến giải thích không đồng thời bằng 0.
Tóm lại, hệ số ước lượng của các biến giải thích trong 2 mô hình không đồng
thời bằng 0.
- Kiểm định giả định phương sai của phần dư không thay đổi
(Homoskedasticity) (1) ln(Cap10) = 0 (2) ln(Cost10) = 0 (3) ln(Labor10) = 0 (4) ln(Cap10)*ln(Cost10) = 0 (5) ln(Cap10)*ln(Labor10) = 0 (6) ln(Labor10)*ln(Cost10) = 0 (7) ln(Cap10)2 = 0 (8) ln(Cost10)2 = 0 (9) ln(Labor10)2 = 0 (10) Age_Ent = 0 (11) Dlocation = 0 (12) Fshare = 0 (13) Dlocation*Fshare = 0 F(13, 1223) = 75,03 Prob > F = 0,0000
Mô hình ước lượng dạng hàm Cobb – Douglas:
Trong Stata, sử dụng cặp lệnh imtest và hettest để phát hiện hiện tượng phương sai thay đổi bằng cách kiểm định giả thuyết sau:
H0: Phương sai của phần dư không thay đổi
H1: Phương sai của phần dư thay đổi
Nếu giá trị p-value quá nhỏ, chúng ta bác bỏ giá thuyết H0 và chấp nhận giả
thuyết đối là H1.
Bảng 4.8: Kết quả kiểm định White
Kiểm định White cho giả thuyết Ho: phương sai của phần dư không thay đổi Giả thuyết đối Ha: phương sai của phần dư thay đổi
chi2(29) = 184,29 Prob > chi2 = 0,000
Phân tích Cameron & Trivedi của kiểm định IM
Nguồn chi2 df P
Phương sai của phần dư không thay đổi 184,29 29 0,000 Độ lệch 26,16 7 0,000
Độ nhọn 3,61 1 0,057
Tổng cộng 214,05 37 0,000 Nguồn: Tính toán của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010
Kết quả kiểm định (p_value = Prob > chi2 = 0.0000), do đó có hiện tượng phương sai của phần dư thay đổi.
Bảng 4.9: Kiểm định Breusch-Pagan / Cook-Weisberg
Nguồn: Tính toán của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010 Kiểm định Breusch-Pagan / Cook-Weisberg đối với hiện
tượng phương sai của phần dư không thay đổi Ho: Phương sai không đổi
Các biến: giá trị ước lượng của biến ln(Labpro10) chi2(1) = 3,77
Kiểm định này cũng khẳng định phương sai của phần dư thay đổi.
Mô hình ước lượng dạng hàm Translog
Tương tự, sử dụng cặp lệnh imtest và hettest trong Stata để phát hiện hiện tượng phương sai thay đổi trong mô hình ước lượng dạng hàm Translog bằng cách
kiểm định giả thuyết sau:
H0: Phương sai của phần dư không thay đổi (adsbygoogle = window.adsbygoogle || []).push({});
H1: Phương sai của phần dư thay đổi
Nếu giá trị p-value quá nhỏ, chúng ta bác bỏ giá thuyết H0 và chấp nhận giả
thiết đối là H1.
Bảng 4.10: Kết quả kiểm định White
Kiểm định White cho giả thuyết Ho: phương sai của phần dư không thay đổi Giả thuyết đối Ha: phương sai của phần dư thay đổi
chi2(78) = 357,39 Prob > chi2 = 0,0000
Phân tích Cameron & Trivedi của kiểm định IM
Nguồn chi2 df P
Phương sai của phần dư không thay đổi 357,39 78 0,000
Độ lệch 74,00 7 0,000
Độ nhọn 4,17 1 0,041
Tổng cộng 435,56 92 0,000 Nguồn: Tính toán của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010
Kết quả kiểm định (p_value = Prob > chi2 = 0,0000), do đó có hiện tượng phương sai của phần dư thay đổi.
Bảng 4.11: Kiểm định Breusch-Pagan / Cook-Weisberg
Nguồn: Tính toán của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010 Kiểm định Breusch-Pagan / Cook-Weisberg đối với hiện tượng
phương sai của phần dư không thay đổi Ho: Phương sai không đổi
Các biến: giá trị ước lượng của biến ln(Labpro10)
chi2(1) = 6,34 Prob > chi2 = 0,011
Kết quả kiểm định (p_value = Prob > chi2 = 0,011), do đó có hiện tượng phương sai của phần dư thay đổi.
Từ các kiểm định trên đối với 2 mô hình ta có thể khẳng định rằng dữ liệu
nghiên cứu đã vi phạm giả định về phương sai của phần dư thay đổi. Do đó, để khắc
phục hiện tượng này, khi thực hiện phân tích hồi quy OLS ta thêm tùy chọn Robust vào lệnh hồi quy nhằm hàm ý một sự giải thích ít tham vọng hơn về hệ số ước lượng và sai số chuẩn của chúng hơn một cách tiếp cận dựa trên mô hình. Thay vì giả định rằng mô hình này là “sự thật” và cố gắng để ước tính các thông số "thực
sự", ta chỉ cần xem xét tính chất của ước lượng theo mẫu lặp đi lặp lại và xác định
các sai số chuẩn như là độ lệch chuẩn của mẫu của nó (Everitt & Rabe - Hesketh, 2004).
- Kiểm định hiện tượng đa cộng tuyến (Multiple Collinearity):
Mô hình ước lượng dạng hàm Cobb – Douglas
Dùng hệ số phóng đại phương sai VIF (Variance inflation factor) để kiểm định hiện tượng này. Kết quả từ bảng 4.12 cho thấy, hệ số phóng đại phương sai của
các biến giải thích đều nhỏ hơn 10, có nghĩa rằng tồn tại mối quan hệ tuyến tính rất
nhỏ giữa các biến giải thích trong mô hình (hiện tượng đa cộng tuyến không hoàn hảo). Hiện tượng này được chấp nhận trong mô hình hồi quy. (adsbygoogle = window.adsbygoogle || []).push({});
Bảng 4.12: Kiểm định hiện tượng đa cộng tuyến
Biến độc lập VIF 1/VIF Dlocation*Fshare 7,83 0,127 Fshare 7,52 0,133 Dlocation 1,43 0,699 ln(Labor10) 1,41 0,710 ln(Cost10) 1,34 0,745 ln(Cap10) 1,32 0,760 Age_Ent 1,21 0,824
Giá trị trung bình VIF 3,15
Thông qua các kiểm định nêu trên, ta kết luận rằng mô hình đề xuất phù hợp
với dữ liệu nghiên cứu thực tế.
Mô hình ước lượng dạng hàm Translog
Kết quả từ bảng 4.13 cho thấy, trong mô hình xảy ra hiện tượng đa cộng
tuyến, hệ số phóng đại phương sai của các biến giải thích ln(Labor10),
ln(Labor10)2, ln(Cap10), ln(Cap10)*ln(Cost10), ln(Cap10)*ln(Labor10),
ln(Cost10) và ln(Labor10)*ln(Cost10) đều lớn hơn 10.
Bảng 4.13: Kiểm định hiện tượng đa cộng tuyến
Biến độc lập VIF 1/VIF ln(Labor10) 45,07 0,022 ln(Labor10)2 28,95 0,034 ln(Cap10) 25,51 0,039 ln(Cap10)*ln(Cost10) 23,16 0,043 ln(Cap10)*ln(Labor10) 20,81 0,048 ln(Cost10) 19,26 0,051 ln(Labor10)*ln(Cost10) 18,48 0,054 ln(Cap10)2 9,66 0,103 ln(Cost10)2 8,87 0,112 Dlocation*Fshare 7,90 0,126 Fshare 7,59 0,131 Dlocation 1,45 0,689 Age_Ent 1,23 0,816
Giá trị trung bình VIF 16,76
Nguồn: Tính toán của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010
Tuy nhiên, vấn đề đa cộng tuyến không phải là vấn đề nghiêm trọng trong trường hợp khi R2 cao và hệ số hồi qui có ý nghĩa một cách riêng biệt như được
thấy qua các giá trị t cao hơn.9
9
Như Johnston lưu ý:
Trường hợp này xảy ra nếu các hệ số riêng phần cao hơn giá trị thực, vì thế không xuất hiện các tác động
mặc dù sai số chuẩn gia tăng và/hoặc bởi vì bản thân giá trị thực quá lớn đến nỗi ngay cả một ước lượng theo
chiều đi xuống cũng vẫn có vẻ như có ý nghĩa (J. Johnston, Econometric Methods, (Các phương pháp kinh tế lượng), 3d ed., McGraw Hill, New York, 1984, trang 249)
4.2.2. Diễn giải ý nghĩa các hệ số hồi quy
Sự biến thiên các biến giải thích trong mô hình (2) giải thích về sự biến thiên của năng suất lao động cao hơn trong mô hình (1). Kết quả từ bảng 4.5 của mô hình (1), hệ số R- bình phương = 0,411 cho ta biết 41,14% biến thiên năng suất lao động
của doanh nghiệp có thể giải thích được bởi biến thiên của các biến giải thích.
Trong mô hình (2), hệ số R-bình phương = 0,4315 từ bảng 4.5 cho ta biết 43,15%
biến thiên năng suất lao động của doanh nghiệp có thể giải thích bởi biến thiên của
các biến giải thích trong mô hình.
Từ kết quả phân tích hồi quy bảng 4.5, phương trình (3.2) và (3.3) được viết
lại như sau:
Ln(Labpro10i) = 2,399 + 0,199*ln(Cap10i) + 0,512*ln(Cost10i) + (adsbygoogle = window.adsbygoogle || []).push({});
0,041*ln(Labor10i) + 0,002*Age_Enti + 0,309*Dlocationi - 0,279*Fsharei - 0,056*Dlocationi*Fsharei (4.1)
Ln(Labpro10i) = 3,111 - 0,061*ln(Cap10i) +0,427*ln(Cost10i)-0,113*ln(Labor10i)- 0,031*ln(Cap10i)*ln(Cost10i)+0,028*ln(Cap10i)*ln(Labor10i)+0,015*ln(Labor10i) *ln(Cost10i)+0,037*ln(Cap10i)2+0,020*ln(Cost10i)2+0,004*ln(Labor10i)2 - 0,003 *Age_Enti+0,294*Dlocationi-0,315*Fsharei-0,009*Dlocationi*Fsharei (4.2)
Vốn đầu tư cố định trên mỗi lao động: trong mô hình (1), hệ số hồi quy của
vốn đầu tư cố định trên mỗi lao động mang dấu dương tức có tác động tích cực đến năng suất lao động và có ý nghĩa thống kê ở mức 1%. Hệ số 0,199 cho biết khi vốn đầu tư cố định trên mỗi lao động tăng 1%, trong điều kiện chi phí của doanh nghiệp
trên mỗi lao động, lao động trung bình trong năm, số năm hoạt động của doanh
nghiệp, vị trí doanh nghiệp và hình thức sở hữu doanh nghiệp không đổi, thì năng
suất lao động của doanh nghiệp tăng thêm 0,199%. Trong mô hình (2), vốn đầu tư
cố định trên mỗi lao động không có ý nghĩa thống kê. Tuy nhiên, trong mô hình này, biến ln(cap10)2 = ln(cap10)*ln(cap10) có ý nghĩa thống kê ở mức 1% và hệ số
hồi quy mang dấu dương. Nếu lấy đạo hàm phương trình (4.2) theo biến ln(Cap10i) sẽ tính được năng suất lao động biên theo biến vốn đầu tư cố định trên mỗi lao động
bằng công thức: Ln(Labpro10i)'Cap= -0,061 - 0,031*ln(Cost10i) + 0,028*ln(Labor10i)+0,074*ln(Cap10i) = 0,341 với Cost10i, Labor10i, Cap10i được
tính bằng giá trị trung bình của 1.237 doanh nghiệp. Hệ số 0,341 cho biết khi vốn đầu tư cố định trên mỗi lao động tăng 1%, trong điều kiện chi phí của doanh nghiệp
trên mỗi lao động, lao động trung bình trong năm cố định ở giá trị trung bình của
mẫu, thì năng suất lao động của doanh nghiệp tăng thêm 0,341%.
Chi phí của doanh nghiệp trên mỗi lao động: trong mô hình (1), hệ số hồi
quy của chi phí của doanh nghiệp trên mỗi lao động mang dấu dương, có tác động
tích cực đến năng suất lao động và có ý nghĩa thống kê ở mức 1%. Kết quả này hoàn toàn hợp lý, nếu gia tăng chi phí của doanh nghiệp trên mỗi lao động thì dẫn đến năng suất lao động của doanh nghiệp sẽ tăng, hệ số 0,512 cho biết khi chi phí
của doanh nghiệp trên mỗi lao động tăng 1%, trong điều kiện vốn đầu tư cố định
trên mỗi lao động, lao động trung bình trong năm, số năm hoạt động của doanh
nghiệp, vị trí doanh nghiệp và hình thức sở hữu doanh nghiệp không đổi thì năng
suất lao động của doanh nghiệp tăng thêm 0,512%. Trong mô hình (2), chi phí của
doanh nghiệp trên mỗi lao động cũng tác động tích cực đến năng suất lao động và cũng có ý nghĩa thống kê ở mức 1%. Thật vậy, nếu lấy đạo hàm phương trình (4.2) theo biến ln(Cost10i) sẽ tính được năng suất lao động biên theo biến chi phí doanh
nghiệp trên mỗi lao động bằng công thức: ln(Labpro10i)'cost = 0,427- 0,031*ln(Cap10i)+0,015*ln(Labor10i)+0,04*ln(Cost10i) = 0,5 với Cost10i, Labor10i, Cap10i được tính bằng giá trị trung bình của 1.237 doanh nghiệp. Hệ số
0,5 cho biết sự gia tăng 1% chi phí của doanh nghiệp trên mỗi lao động sẽ làm cho
năng suất lao động tăng thêm 0,5%, trong điều kiện vốn đầu tư cố định trên mỗi lao động, lao động trung bình trong năm cố định ở giá trị trung bình của mẫu, tăng thấp hơn so với mô hình (1).
Lao động trung bình trong năm: trong mô hình (1), hệ số hồi quy của số lao động trung bình trong doanh nghiệp mang dấu dương, có tác động tích cực đến năng suất lao động và có ý nghĩa thống kê ở mức 10%. Tức là sự gia tăng số lao động bình quân trong doanh nghiệp sẽ dẫn đến tăng năng suất lao động. Hệ số 0,041
cho biết khi lao động bình quân của doanh nghiệp tăng 1%, trong điều kiện vốn đầu tư cố định trên mỗi lao động, chi phí của doanh nghiệp trên mỗi lao động, số năm
hoạt động của doanh nghiệp, vị trí doanh nghiệp và hình thức sở hữu doanh nghiệp không đổi thì năng suất lao động của doanh nghiệp tăng thêm 0,041%. Trong mô hình (2) thì số lao động bình quân trong doanh nghiệp không có ý nghĩa thống kê. Tuy nhiên, để kiểm chứng sự gia tăng số lao động có làm tăng thêm năng suất lao động hay không ta lấy đạo hàm phương trình (4.2) theo biến ln(Labor10i) sẽ tính được năng suất lao động biên theo biến lao động trung bình bằng công thức:
ln(Labpro10i)'labor = -0,013+0,028*ln(Cap10i)+0,015*ln(Cost10i)+0,008*ln(Labor10i) = 0,205 với
Cost10i, Labor10i, Cap10iđược tính bằng giá trị trung bình của 1.237 doanh nghiệp.
Hệ số 0,205 cho biết sự gia tăng 1% lượng lao động trong doanh nghiệp sẽ làm cho (adsbygoogle = window.adsbygoogle || []).push({});
năng suất lao động tăng thêm 0,205%, trong điều kiện vốn đầu tư cố định trên mỗi lao động, chi phí của doanh nghiệp trên mỗi lao động cố định ở giá trị trung bình của mẫu, tăng cao hơn so với mô hình (1).
Số năm hoạt động của doanh nghiệp: trong cả 2 mô hình, biến số này đều
không có ý nghĩa thống kê, điều này có nghĩa là số năm hoạt động của doanh
nghiệp không giải thích được hiện tượng tăng hoặc giảm của năng suất lao động
trong doanh nghiệp.
Biến vị trí doanh nghiệp: trong mô hình (1) và (2), biến vị trí doanh nghiệp đều mang dấu dương và đều có ý nghĩa thống kê ở mức 1%. Vị trí của doanh nghiệp có tác động đến năng suất lao động và tác động này là tích cực. Kết quả này giải
thích rằng nếu các doanh nghiệp có trụ sở chính tại thành phố Hồ Chí Minh, thành phố Hà Nội, thành phố Hải Phòng, thành phố Đà Nẵng, thành phố Cần Thơ và các
tỉnh xung quanh các trung tâm công nghiệp lớn (bao gồm Bình Dương, Đồng Nai,
Bà Rịa – Vũng Tàu, Quảng Ninh, Hải Dương) thì năng suất lao động của doanh
nghiệp sẽ tăng thêm 0,309% đối với mô hình (1) và riêng đối với mô hình (2) sự tác động của biến vị trí doanh nghiệp lên năng suất lao động được tính theo công thức
Ln(Labpro10i)'DLo = 0,294 - 0,009*Fsharei10 = 0,291, tức năng suất lao động sẽ tăng
thêm 0,291%, tăng thấp hơn so với mô hình (1). Nguyên nhân là do ở những nơi