Suy dinh dưỡng không chỉ tác động đến sức khỏe của người bị mắc mà còn để lại hậu quả nặng nề cho xã hội. Do đó cần phải đánh giá thực trạng, nguyên nhân, biện pháp để giảm thiểu số lượng người bị suy dinh dưỡng trên thế giới. Đã có nhiều công trình nghiên cứu về tình trạng suy dinh dưỡng và các vấn đề liên quan. Các nghiên cứu này đã góp phần cải thiện tình trạng dinh dưỡng và giảm tỷ lệ suy dinh dưỡng trên thế giới nhưng hiệu quả vẫn chưa thực sự cải thiện rõ rệt. Để góp phần thiết thực xây dựng các giải pháp phòng chống suy dinh dưỡng, nhóm nghiên cứu xin được tiến hành nghiên cứu đề tài: “Những yếu tố tác động đến tình trạng suy dinh dưỡng tại một số quốc gia giai đoạn 2001-2018”. Với đề tài này nhóm nghiên cứu đã sử dụng dữ liệu của 21 quốc gia và vùng lãnh thổ thuộc 3 khu vực: châu Á, châu Phi, Mỹ Latinh để nghiên cứu rõ hơn về thực trạng này. 2. Mục đích nghiên cứu • Đánh giá tình trạng suy dinh dưỡng ở 21 quốc gia và vùng lãnh thổ trên thế giới dựa trên các chỉ số liên quan (dân số, GDP bình quân đầu người, tỷ lệ thất nghiệp,...). 2 • Ứng dụng phần mềm Stata vào nghiên cứu, phân tích những yếu tố tác động đến suy dinh dưỡng tại 21 quốc gia và vùng lãnh thổ trong giai đoạn 2001- 2018. • Nghiên cứu định lượng, định tính rồi từ đó đưa ra các giải pháp, khuyến nghị. Đây có thể sẽ là nguồn tư liệu hữu dụng cho các nhà điều hành, quản lý áp dụng để từ đó xây dựng được các biện pháp phù hợp nhất với thực tiễn mỗi quốc gia, cải thiện tình trạng suy dinh dưỡng trên thế giới. 3. Đối tượng nghiên cứu Thực hiện phân tích dữ liệu tổng số người bị suy dinh dưỡng trên 21 quốc gia và vùng lãnh thổ thuộc 3 khu vực: châu Á, châu Phi và Mĩ Latinh trong giai đoạn từ năm 2001 đến năm 2018. Như đã nêu ở trên, SDD là một vấn đề ảnh hưởng sâu sắc tới sức khỏe con người cũng như sức khỏe nền kinh tế của mỗi quốc gia, nhất là với các quốc gia phát triển kém hay đang phát triển. Chính vì thế nên với đề tài “Những yếu tố tác động đến tình hình suy dinh dưỡng tại một số quốc gia giai đoạn 2001-2018” thì nhóm nghiên cứu quyết định sẽ sử dụng dữ liệu từ 21 quốc gia từ 3 khu vực: châu Á, châu Phi, Mỹ Latinh bởi đây hầu như là các nước kém phát triển hoặc là đang phát triển. Qua việc phân tích nguồn dữ liệu này ta sẽ có được cái nhìn rõ nét hơn về các yếu tố ảnh hưởng đến SDD, các yếu tố này tác động đến các khía cạnh của đời sống xã hội như thế nào,... và từ đây sẽ là tiền đề cho các khuyến nghị của nhóm nghiên cứu cho 21 quốc gia này nói riêng và trên các khu vực khác nói chung. 4. Phương pháp nghiên cứu • Phương pháp nghiên cứu lý luận: Nghiên cứu tài liệu có liên quan đến đề tài, hệ thống hóa các cơ sở lý luận của vấn đề nghiên cứu và các tài liệu về suy dinh dưỡng. • Phương pháp xử lý số liệu: lấy nguồn dữ liệu từ WB để phân tích trên phần mềm Stata.
Mục đích nghiên cứu
Bài viết đánh giá tình trạng suy dinh dưỡng ở 21 quốc gia và vùng lãnh thổ trên thế giới, dựa trên các chỉ số quan trọng như dân số, GDP bình quân đầu người và tỷ lệ thất nghiệp Những chỉ số này giúp phân tích mối liên hệ giữa tình trạng dinh dưỡng và các yếu tố kinh tế, xã hội, từ đó đưa ra cái nhìn tổng quan về sức khỏe cộng đồng ở các khu vực khác nhau.
• Ứng dụng phần mềm Stata vào nghiên cứu, phân tích những yếu tố tác động đến suy dinh dưỡng tại 21 quốc gia và vùng lãnh thổ trong giai đoạn 2001-
Nghiên cứu định lượng và định tính sẽ cung cấp các giải pháp và khuyến nghị hữu ích cho các nhà quản lý Những thông tin này có thể giúp họ xây dựng các biện pháp phù hợp với thực tiễn của từng quốc gia, từ đó cải thiện tình trạng suy dinh dưỡng toàn cầu.
Phương pháp nghiên cứu
Phương pháp nghiên cứu lý luận bao gồm việc nghiên cứu tài liệu liên quan đến đề tài, nhằm hệ thống hóa các cơ sở lý luận của vấn đề nghiên cứu cùng với các tài liệu về suy dinh dưỡng.
• Phương pháp xử lý số liệu: lấy nguồn dữ liệu từ WB để phân tích trên phần mềm Stata
Kết cấu đề tài
Nội dung đề tài gồm 3 phần:
Nhóm nghiên cứu trình bày lý do chọn đề tài, mục đích và phạm vi nghiên cứu trong phần 1, nhằm giúp người đọc có cái nhìn tổng quan về nội dung của bài nghiên cứu.
• Phần B: Kết quả nghiên cứu
Chương 1: Cơ sở lý thuyết
Bài viết này cung cấp cái nhìn tổng quan về suy dinh dưỡng (SDD), bao gồm đánh giá và phân loại SDD ở trẻ nhỏ và người lớn, cũng như tình hình SDD trên toàn cầu Người đọc sẽ được tìm hiểu về cơ sở lý thuyết của các mô hình đánh giá như mô hình tác động ngẫu nhiên (RE), mô hình tác động cố định (FE) và mô hình hồi quy gộp, đồng thời kiểm tra xem các mô hình này có gặp phải các vấn đề phổ biến như đa cộng tuyến và phương sai sai số thay đổi hay không.
Chương 2: Phương pháp nghiên cứu
Nhóm nghiên cứu sẽ trình bày mô hình nghiên cứu của mình, giải thích ý nghĩa của các biến trong mô hình và các giả thuyết được xây dựng xung quanh nó.
Chương 3: Kết quả ước lượng
Sau khi hoàn thiện cơ sở lý thuyết và phương pháp nghiên cứu, nhóm sẽ lựa chọn mô hình phù hợp cho đề tài Tiếp theo, nhóm tiến hành kiểm định mô hình, bao gồm kiểm định phương sai sai số thay đổi, tự tương quan và tính phù hợp của mô hình, nhằm đưa ra các biện pháp khắc phục cần thiết.
Phần C của bài nghiên cứu sẽ tóm tắt những điểm chính của công trình, nêu rõ những hạn chế của mô hình đã sử dụng, đồng thời thảo luận về các vấn đề phát sinh Cuối cùng, nhóm sẽ đưa ra những khuyến nghị cụ thể nhằm nâng cao hiệu quả cho đề tài SDD.
CƠ SỞ LÝ THUYẾT
Khái quát về suy dinh dưỡng
Suy dinh dưỡng là tình trạng thiếu hụt các chất dinh dưỡng thiết yếu, ảnh hưởng đến sự sống, hoạt động và tăng trưởng của cơ thể Tình trạng này xảy ra khi chế độ ăn uống không cung cấp đủ dinh dưỡng hoặc khi cơ thể không hấp thụ được chất dinh dưỡng từ thực phẩm.
• Nguyên nhân của suy dinh dưỡng:
Suy dinh dưỡng thường xuất phát từ các yếu tố ngoại cảnh như hoàn cảnh sống, điều kiện kinh tế, cũng như thói quen ăn uống và sinh hoạt Những nguyên nhân này thường dẫn đến tình trạng suy dinh dưỡng, phản ánh rõ ràng sự ảnh hưởng của môi trường đến sức khỏe và dinh dưỡng của con người.
- Bữa ăn nghèo nàn về số lượng và chất lượng của các dưỡng chất: Đây là nguyên nhân phổ biến gây suy dinh dưỡng ở các nước nghèo
Khả năng hấp thụ dinh dưỡng của người bệnh có thể bị giảm do các bệnh lý đường tiêu hóa như viêm loét đại tràng, bệnh Crohn, hoặc sau một đợt bệnh nặng, dẫn đến cảm giác chán ăn mặc dù có thức ăn giàu dinh dưỡng Các triệu chứng như ói mửa và tiêu chảy kéo dài làm mất đi chất dinh dưỡng cần thiết Ngoài ra, bệnh nhân viêm loét dạ dày và các bệnh lý gan mật thường gặp khó khăn trong việc tiêu hóa, gây ra tình trạng chán ăn và có thể dẫn đến suy dinh dưỡng Hơn nữa, các bệnh nhiễm trùng đường tiêu hóa và việc sử dụng kháng sinh có thể làm mất cân bằng vi khuẩn trong ruột, từ đó giảm khả năng hấp thu dinh dưỡng.
Vấn đề sức khỏe tâm thần có thể gây ra nhiều rối loạn ảnh hưởng đến thói quen ăn uống, bao gồm trầm cảm, chứng chán ăn tâm thần và chứng ăn ói Điều này không chỉ xảy ra ở người lớn mà còn có thể ảnh hưởng đến trẻ em Khi gia đình ép buộc trẻ ăn uống quá mức, trẻ dễ phát sinh tâm lý sợ hãi và ám ảnh về thức ăn, từ đó dẫn đến chứng chán ăn và suy dinh dưỡng.
Trẻ sơ sinh cần được bú mẹ hoàn toàn trong 6 tháng đầu đời để tránh suy dinh dưỡng Nhiều nghiên cứu chỉ ra rằng việc không cho trẻ bú sữa mẹ đầy đủ trong giai đoạn này có thể dẫn đến tình trạng sức khỏe kém Quan niệm cho rằng sữa công thức tốt hơn sữa mẹ là sai lầm Ngoài ra, những bà mẹ bị suy dinh dưỡng hoặc không biết cách cho con bú đúng cách cũng góp phần vào vấn đề suy dinh dưỡng ở trẻ.
• Biểu hiện của suy dinh dưỡng:
- Bệnh suy dinh dưỡng ở người lớn thường có các biểu hiện trên lâm sàng như sau:
+ Mệt mỏi, uể oải, giảm vận động
+ Teo dần lớp mỡ dưới da
+ Lớp cơ lỏng lẻo, giảm khối lượng
+ Vết thương lâu lành hơn bình thường
- Ở những trường hợp suy dinh dưỡng nặng hơn, có thể gặp các dấu hiệu sau: + Da xanh xao, không đàn hồi, khô
+ Lớp mỡ dưới da gần như biến mất
+ Tóc móng khô, dễ gãy rụng
+ Biểu hiện suy tim, suy gan, suy hô hấp do thiếu năng lượng kéo dài
+ Có thể gây tử vong nếu nhịn đói liên tục từ 8-12 ngày
Trẻ suy dinh dưỡng thường có biểu hiện như không tăng trưởng cân nặng trong 3 tháng liên tiếp, kèm theo những thay đổi về hành vi như quấy khóc, ít vui chơi và chậm chạp hơn so với bạn cùng lứa Các bắp thịt tay chân trở nên mềm nhão và bụng trẻ có dấu hiệu to ra Một trong những dấu hiệu rõ ràng nhất là sự chậm phát triển vận động, thể hiện qua việc trẻ chậm biết lẫy, ngồi, bò và đi đứng Hiện tượng biếng ăn kéo dài cũng là một tình trạng phổ biến ở trẻ em hiện nay.
1.1.2 Đánh giá và phân loại tình trạng suy dinh dưỡng
1.1.2.1 Đánh giá và phân loại về tình trạng suy dinh dưỡng ở người lớn
Suy dinh dưỡng ở người lớn, đặc biệt phổ biến ở người cao tuổi hoặc những người mắc bệnh mãn tính và chứng biếng ăn, có thể dẫn đến nhiều biến chứng nghiêm trọng Những người bị suy dinh dưỡng thường gặp phải hệ miễn dịch yếu, gia tăng nguy cơ mắc các bệnh lý khác, đặc biệt là bệnh lây nhiễm Họ cũng có thể gặp khó khăn trong vận động, dễ té ngã và thường cần sự hỗ trợ từ người chăm sóc.
Các phương pháp đánh giá tình trạng dinh dưỡng cho người lớn:
• Chỉ số khối BMI (Body mass index)
Tổ chức Y tế Thế giới khuyên dùng BMI để đánh giá tình trạng dinh dưỡng ở người trưởng thành (WHO, 1995)
Chỉ số BMI được tính theo công thức:
Cân nặng: kg, chiều cao: mét
- Đánh giá o Người bình thường: BMI 18.5 – 24.9 o Người thiếu cân: BMI ≤ 18 o Người thừa cân: BMI 25 – 29.9 o Người béo phì: BMI ≥ 30
• SGA đánh giá tổng thể đối tượng
SGA là một công cụ sàng lọc lâm sàng có độ tin cậy cao, tương quan tốt với các phép đo khác về tình trạng dinh dưỡng, giúp dự đoán các biến chứng và nguy cơ tử vong liên quan.
- Áp dụng trong bệnh viện
- Công cụ này đã được thử nghiệm và kiểm tra trong nhiều bộ kiểm tra đa biến cho trẻ em và người lớn
- Trong các tiêu chí đánh giá đều có các mức độ nhẹ – vừa – nặng
Ngoài ra còn có các phương pháp đánh giá:
• Phương pháp đánh giá nguy cơ dinh dưỡng NRS-2002
• Áp dụng phương pháp hỏi ghi 24h qua
1.1.2.2 Đánh giá và phân loại về tình trạng suy dinh dưỡng ở trẻ em
Suy dinh dưỡng ở trẻ em có thể dẫn đến chậm tăng trưởng và giảm khả năng hoạt động thể lực Trong trường hợp nặng, tình trạng này còn ảnh hưởng đến sự phát triển não bộ, trí thông minh, khả năng giao tiếp và làm tăng nguy cơ mắc bệnh Để đánh giá tình trạng suy dinh dưỡng ở trẻ, cần dựa vào các chỉ số cụ thể.
• Cân nặng theo chiều cao
Thông thường, suy dinh dưỡng ở trẻ được chia làm 3 loại: suy dinh dưỡng thể nhẹ cân, suy dinh dưỡng thể thấp còi và suy dinh dưỡng thể gầy còm
Suy dinh dưỡng thể nhẹ cân xảy ra khi cân nặng của trẻ thấp hơn mức tiêu chuẩn so với trẻ cùng độ tuổi và giới tính Cụ thể, giá trị cân nặng theo tuổi của trẻ sẽ nằm dưới ngưỡng -2SD, cho thấy trẻ cần được can thiệp dinh dưỡng kịp thời để cải thiện sức khỏe và phát triển.
Suy dinh dưỡng thể thấp còi xảy ra khi chiều cao của trẻ thấp hơn mức tiêu chuẩn so với những trẻ cùng độ tuổi và giới tính, cụ thể là khi giá trị chiều cao theo tuổi nằm dưới -2SD Đây là dạng suy dinh dưỡng mãn tính, biểu hiện thấp còi trên lâm sàng là kết quả của quá trình suy dinh dưỡng kéo dài trong những năm đầu đời, có thể bắt đầu từ tình trạng suy dinh dưỡng ngay từ khi còn trong bụng mẹ.
Suy dinh dưỡng thể gầy còm xảy ra khi cân nặng của trẻ thấp hơn mức chuẩn theo chiều cao, cụ thể là dưới -2SD so với những trẻ cùng giới tính Tình trạng này dẫn đến teo cơ và mỡ đáng kể, và được xem là suy dinh dưỡng cấp tính, thường diễn ra trong khoảng thời gian ngắn.
Suy dinh dưỡng ở trẻ em có thể được phân loại theo hình thái thành ba loại chính: suy dinh dưỡng thể teo đét, suy dinh dưỡng thể phù và suy dinh dưỡng thể hỗn hợp.
Suy dinh dưỡng thể phù (Kwashiokor) là dạng suy dinh dưỡng nặng, thường gặp ở trẻ em Mặc dù trẻ có vẻ ngoài tròn trịa với khuôn mặt đầy đặn, nhưng tay chân lại gầy guộc và teo nhỏ, kèm theo giảm trương lực cơ Các triệu chứng điển hình bao gồm phù nề và rối loạn sắc tố da.
Suy dinh dưỡng ở trẻ em có thể biểu hiện qua những đốm màu đỏ sẫm hoặc đen, cùng với các biến chứng như thiếu máu kéo dài, còi xương và thiếu vitamin A dẫn đến khô giác mạc và quáng gà Trẻ thường quấy khóc, tóc thưa dễ rụng, móng tay dễ gãy, và có thể nôn trớ hoặc ỉa chảy Nếu cha mẹ thiếu kiến thức, họ có thể dễ dàng bỏ qua những dấu hiệu này, dẫn đến việc điều trị bị chậm trễ Suy dinh dưỡng thể phù, do thiếu protein và các vi chất dinh dưỡng như vitamin và khoáng chất, là tình trạng khó điều trị và có tỷ lệ tử vong cao.
Mô hình nghiên cứu
Dạng tổng quát của mô hình là:
• t : thời điểm quan sát đối tượng
• 𝑢 𝑖𝑡 đại diện cho tất cả các yếu tố không quan sát dược thay đổi giữa các đối tượng và thời gian
• 𝑐 𝑖 đại diện cho tất cả các yếu tố không quan sát đươc mà thay đổi giữa các đối tượng nhưng không thay đổi theo thời gian
Tùy thuộc vào bản chất của yếu tố ci ta có 3 loại mô hình sau
• Mô hình hồi quy gộp (POLS)
• Mô hình tác động cố định (Fixed Effect)
• Mô hình tác động ngẫu nhiên (Random Effect)
1.2.1 Mô hình hồi quy gộp (POLS)
Nếu \( c_i = 0 \), mô hình hồi quy trở thành mô hình hồi quy bình phương nhỏ nhất (OLS) Trong trường hợp này, mô hình hồi quy gộp là ước lượng OLS cho toàn bộ quan sát.
Mô hình POLS được coi là tốt nhất khi uit thỏa mãn các giả thiết của mô hình OLS:
• E(𝑢 𝑖𝑡 | 𝑋 𝑖𝑡 ) = 0 với mọi giá trị i, t:giá trị của các biến độc lập không chứa thông tin về giá trị trung bình của các yếu tố không quan sát được
• Var(𝑢 𝑖𝑡 | 𝑋 𝑖𝑡 ) = 𝜎 2 : phương sai của các yếu tố ngẫu nhiên là thuần nhất
1.2.2 Mô hình tác động cố định (FE)
Khi các biến 𝑐 𝑖 có mối tương quan với các biến X trong mô hình, điều này cho thấy rằng các yếu tố không quan sát được ảnh hưởng đến các biến trong mô hình, dẫn đến ước lượng mô hình bị chệch khi áp dụng mô hình POLS hoặc RE Do đó, việc sử dụng mô hình tác động cố định là cần thiết để cải thiện độ chính xác của ước lượng.
Giả định rằng các tác động ròng của các yếu tố không quan sát được lên biến Y đối với đối tượng αi không thay đổi theo thời gian, ta thay thế chúng bằng một tập hợp các tham số cố định 1, 2,…,n Dựa trên giả định này, mô hình hiệu ứng cố định (FE) có thể được viết lại một cách chính xác.
Mô hình hồi quy tuyến tính được biểu diễn bởi công thức 𝑌 𝑖𝑡 = 𝛽 0 + 𝛽 1 ∗ 𝑋 1𝑖𝑡 + 𝛽 2 ∗ 𝑋 2𝑖𝑡 + ⋯ + 𝛽 𝑘 ∗ 𝑋 𝑘𝑖𝑡 + 𝛼 1 + 𝛼 2 + ⋯ + 𝛼 𝑛 + 𝑢 𝑖𝑡, trong đó mỗi tham số 𝛼 𝑖 đại diện cho từng đối tượng i Những tham số này được gọi là các tham số tác động không quan sát được, thể hiện tính không đồng nhất không quan sát được trong mô hình.
Có các phương pháp sau để hồi quy mô hình
• Phương pháp hồi quy với biến giả
Biến giả là các biến nhị phân có giá trị 1 hoặc 0, thể hiện trạng thái có hoặc không của một thuộc tính trong biến định tính Để thực hiện hồi quy mô hình với biến giả, cần tạo ra các biến giả tương ứng với từng đối tượng trong mẫu.
𝐷 𝑖𝑡 = 1 nếu yếu tố không xác định có tương quan với biến tương ứng Xit
𝐷 𝑖𝑡 = 0 nếu yếu tố không xác định không tương quan với biến tương ứng Xit
Hồi quy OLS biến phụ thuộc Y theo n biến giả và các biến giải thích ta được mô hình hồi quy không có hệ số cắt
+ 𝛼 𝑛 ∗ 𝐷 𝑛𝑖𝑡 + 𝑢 𝑖𝑡 Hoặc với một hệ số cắt 𝛼 0
Hồi quy với biến giả có thể thực hiện với tất cả các đối tượng mà không có hệ số cắt, hoặc với n-1 biến giả kèm theo một hệ số cắt, cho phép ước lượng tác động cố định của n tham số cắt và độ dốc Ước lượng các hệ số cắt và độ dốc là không thiên chệch với cỡ mẫu nhỏ, và trở nên tin cậy với cỡ mẫu lớn khi T cố định và n tiến tới vô cùng Tuy nhiên, ước lượng các hệ số cắt không đáng tin cậy trong trường hợp T cố định khi n tiến tới vô cùng, vì việc bổ sung thêm một đối tượng sẽ tạo ra một tham số mới Thông thường, với giá trị T càng lớn, ước lượng các hệ số cắt càng chính xác, do đó nhiều nhà nghiên cứu coi tham số cắt là yếu tố đối chứng và thường bỏ qua các ước lượng thực tế của nó.
• Phương pháp ước lượng dọc
Khi kích thước mẫu N lớn, việc áp dụng phương pháp hồi quy với biến giả có thể trở nên phức tạp hoặc không khả thi Trong những trường hợp như vậy, phương pháp ước lượng dọc trở thành lựa chọn phù hợp hơn để phân tích dữ liệu.
Quá trình ước lượng theo chiều dọc được thực hiện theo 2 bước
Quá trình chuyển đổi dữ liệu ban đầu sang dữ liệu trung bình theo thời gian, được gọi là phép biến đổi bên trong, được thực hiện bằng cách xác định sự biến đổi cho mỗi biến Cụ thể, công thức cho biến y là yit = Yit - 𝑌𝑖̅ và cho biến x là xit = Xit − 𝑋𝑖̅̅̅.
𝑌𝑖̅: giá trị trung bình của Y cho quan sát i trong thời gian T năm
𝑋𝑖̅̅̅ : giá trị trung bình của X cho quan sát i trong thời gian T năm
𝑢𝑖̅ : giá trị trung bình của u cho đối tượng i trong thời gian T năm
𝑦 𝑖𝑡 , 𝑥 𝑖𝑡 , 𝜑 𝑖𝑡 : các độ lệch so với giá trị trung bình theo thời gian Chạy hồi quy OLS của yit lên xit
𝑦 𝑖𝑡 = 𝛽 0 + 𝛽 1 ∗ 𝑥 𝑖𝑡 + 𝜑 𝑖𝑡 Phương pháp này loại bỏ ảnh hưởng đặc trương của các yếu tố không quan sát được
1.2.3 Mô hình tác động ngẫu nhiên (RE)
Nếu \( c_i \) không tương quan với các biến X, điều này có nghĩa là các yếu tố không quan sát được không ảnh hưởng đến các biến trong mô hình Do đó, ta có thể nhóm \( v_{it} \) và \( c_i + u_{it} \) thành sai số ngẫu nhiên tổng hợp trong mô hình Mô hình này được gọi là mô hình tác động ngẫu nhiên, hay còn được biết đến là mô hình các thành phần của sai số.
Mô hình tác động ngẫu nhiên phân tích sự tác động của ci đến sự thay đổi của tổng thể Xét mô hình
𝑌 𝑖𝑡 = 𝛽 0 + 𝛽 1 ∗ 𝑋 1𝑖𝑡 + 𝛽 2 ∗ 𝑋 2𝑖𝑡 + ⋯ + 𝛽 𝑘 ∗ 𝑋 𝑘𝑖𝑡 + 𝑐 𝑖 + 𝑢 𝑖𝑡 Thay 𝑣 𝑖𝑡 = 𝑐 𝑖 + 𝑢 𝑖𝑡 vào mô hình trên ta được
Để đảm bảo kết quả ước lượng không chệch và hiệu quả, mô hình này áp dụng phương pháp bình phương nhỏ nhất tổng quát (GLS), với các thành phần bao gồm var(c_i), var(u_it), cov(c_i, u_it) và cov(c_i, u_is) Các bước thực hiện bắt đầu bằng cách chuyển đổi dữ liệu ban đầu thành dạng dự trữ trung bình thời gian có trọng số.
𝑌𝑖̅ : giá trị trung bình của Y cho quan sát i trong thời gian T năm
𝑋𝑖̅̅̅ : giá trị trung bình của X cho quan sát i trong thời gian T năm
𝑦 𝑖𝑡 , 𝑥 𝑖𝑡 : các độ lệch so với giá trị trung bình trọng số theo thời gian
Thực hiện hồi quy OLS cho mô hình
𝑌 𝑖𝑡 = 𝛼 0 ∗ (1 − 𝜔) + 𝛼 1 ∗ 𝑥 𝑖𝑡 + 𝑢 𝑖𝑡 Nếu 𝜔 = 0 thì mô hình RE sẽ trở thành mô hình POLS
Khi 𝜔 = 1, mô hình Random Effects (RE) chuyển thành mô hình Fixed Effects (FE) Ước lượng RE không bị chệch với cỡ mẫu nhỏ, nhưng ước lượng Generalized Least Squares (GLS) lại đáng tin cậy hơn trong trường hợp cỡ mẫu lớn với T cố định và i tiến tới vô cùng.
Nhóm tác giả đã áp dụng kiểm định Breusch – Pagan Lagrange và kiểm định Hausman để xác định mô hình phù hợp nhất cho nghiên cứu của mình.
• Kiểm định Breusch – Pagan Lagrange cho phép chúng ta lựa chọn giữa mô hình POLS và mô hình RE
Xét giá trị p-value với mức ý nghĩa α (thường α nhận giá trị 1%, 5%, 10%) và cặp kiểm định
H0: 𝜎 𝑐 2 = 0 (Mô hình POLS là phù hợp) H1: 𝜎 𝑐 2 ≠ 0 (Mô hình RE là phù hợp) Nếu p-value > α Chấp nhận giả thiết H0, lựa chọn mô hình POLS
Nếu p-value < α Bác bỏ giả thiết H0, chấp nhận H1, lựa chọn mô hình RE
Kiểm định Hausman giúp chúng ta quyết định giữa mô hình ngẫu nhiên (RE) và mô hình cố định (FE) Để thực hiện kiểm định này, cần xem xét giá trị p-value so với mức ý nghĩa α, thường được đặt ở các mức 1%, 5% hoặc 10%.
H0: Mô hình RE là phù hợp H1: Mô hình FE là phù hợp Nếu p-value > α Chấp nhận giả thiết H0, lựa chọn mô hình RE
Nếu p-value < α Bác bỏ giả thiết H0, chấp nhận H1, lựa chọn mô hình FE
Kiểm tra các khuyết tật của mô hình
Sau khi chọn mô hình nghiên cứu phù hợp, nhóm tiến hành kiểm định để phát hiện các khuyết tật còn tồn tại Dựa trên kết quả này, nhóm sẽ đề xuất các giải pháp thích hợp nhằm khắc phục những khuyết tật đã được xác định.
1.3.1 Phát hiện đa cộng tuyến
Hiện tượng đa cộng tuyến (Multicollinearity) xảy ra khi các biến độc lập có mối quan hệ gần như tuyến tính, dẫn đến việc sai số chuẩn tăng cao và giá trị thống kê có thể không có ý nghĩa Để kiểm tra đa cộng tuyến, người ta sử dụng ma trận tương quan Pearson; nếu hệ số tương quan giữa các biến độc lập nhỏ hơn 0.05, có thể kết luận rằng không có hiện tượng đa cộng tuyến.
Ngoài ra, còn sử dụng thước đo độ phóng đại phương sai (Variance Inflation Factor, VIF) để kiểm tra Nếu VIF < 10 thì không xảy ra đa cộng tuyến
1.3.2 Phát hiện phương sai sai số thay đổi
Phương sai của phần dư thay đổi là hiện tượng mà các giá trị phần dư không có phân phối đồng nhất, dẫn đến phương sai không đồng đều Việc bỏ qua phương sai này có thể khiến cho các ước lượng OLS của hệ số hồi quy trở nên không hiệu quả.
Trong mô hình hồi quy tuyến tính đa biến OLS, việc phát hiện phương sai sai số thay đổi có thể được thực hiện thông qua kiểm định White (sử dụng cú pháp estat imtest) hoặc kiểm định Breusch – Pagan (sử dụng cú pháp estat hettest).
Trong mô hình tác động cố định FE, chúng ta sử dụng kiểm định Wald (câu lệnh xttest3) để phát hiện phương sai sai số thay đổi heteroscedasticity
Trong mô hình tác động ngẫu nhiên RE, việc phát hiện phương sai sai số thay đổi được thực hiện thông qua kiểm định LM – Breusch and Pagan Lagrangian Multiplier, sử dụng lệnh xttest0.
H0: phương sai sai số không đổi H1: phương sai sai số thay đổi Nếu p-value < α Bác bỏ H0, mô hình có phương sai sai số thay đổi
Nếu p-value > α Chấp nhận H0, mô hình có phương sai sai số không đổi
1.3.3 Kiểm định tự tương quan của phần dư
Hiện tượng tự tương quan là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian hoặc không gian
Trong mô hình hồi quy tuyến tính cổ điển, giả định quan trọng là không có tương quan giữa các phần dư, tức là 𝐶𝑜𝑣(𝑢 𝑖 , 𝑢 𝑗 ) = 0 cho mọi i, j Tuy nhiên, nếu tồn tại các chỉ số i và j mà 𝐶𝑜𝑣(𝑢 𝑖 , 𝑢 𝑗 ) khác 0, điều này cho thấy sự tồn tại của tự tương quan Để kiểm tra sự tự tương quan của phần dư trong mô hình, chúng ta cần áp dụng các phương pháp thống kê phù hợp.
• Dùng kiểm định Wooldridge để kiểm định tương quan bậc k
H0: không có hiện tượng tự tương quan H1: có xảy ra hiện tượng tự tương quan Nếu p-value < α Bác bỏ H0, mô hình xảy ra hiện tượng tự tương quan
Nếu p-value > α Chấp nhận H0, mô hình không xảy ra hiện tượng tự tương quan
• Dùng kiểm định Pesaran để kiểm định tương quan chéo
Trong phân tích thống kê, để xác định sự tồn tại của hiện tượng tương quan chéo giữa các quan sát, ta thiết lập hai giả thuyết: H0 (không tồn tại hiện tượng tương quan chéo) và H1 (có tồn tại hiện tượng tương quan chéo) Nếu p-value nhỏ hơn α, chúng ta sẽ bác bỏ H0, cho thấy mô hình có sự hiện diện của tương quan chéo Ngược lại, nếu p-value lớn hơn α, chúng ta chấp nhận H0, tức là mô hình không có hiện tượng tương quan chéo.
1.3.4 Kiểm định sự phù hợp của mô hình
Sử dụng kiểm định Ramsey Reset để xác định mô hình có thiếu biến quan sát hay không
H0: không có biến nào bị thiếu H1: mô hình bị thiếu biến Nếu p-value < α Bác bỏ H0, mô hình bị định dạng thiếu biến giải thích
Nếu p-value > α Chấp nhận H0, mô hình không bị định dạng thiếu
PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình nghiên cứu
Nhóm tác giả đã tiến hành nghiên cứu bằng cách sử dụng dữ liệu mảng kết hợp giữa chuỗi thời gian từ năm 2001 đến 2018 và các quan sát chéo từ 21 quốc gia ở châu Á, châu Phi và châu Mỹ Việc áp dụng kiểu dữ liệu này giúp tăng cường tính chính xác và độ tin cậy của kết quả nghiên cứu.
Một là, tăng quy mô mẫu vì số quan sát của dữ liệu là có hạn
Hai là, kiểm soát các yếu tố không quan sát được là rất quan trọng Những yếu tố này có thể khác nhau giữa các đối tượng, nhưng không thay đổi theo thời gian hoặc thay đổi theo thời gian mà không khác nhau giữa các đối tượng Việc này giúp giảm thiểu sự chệch trong ước lượng.
Ba là, làm giảm hiện tượng đa cộng tuyến giữa các biến giải thích Điều này làm kết quả của việc ước lượng tham số chính xác hơn
Để ước lượng mô hình với kiểu dữ liệu mảng, nhóm tác giả đã sử dụng ba phương pháp: Mô hình hồi quy gộp POLS, Mô hình tác động cố định FE và Mô hình tác động ngẫu nhiên RE Các mô hình này được thiết lập và kiểm định thông qua phần mềm Stata14.
2.1.2.1 Mô hình hồi quy tổng thể PRF log_undernourishment = β0 + β1*log_refugee + β2*log_GDPpercap + β3*log_unemployed + β4 * log_afrate + β5*log_fins + β6*contn1 + β7*contn2 + β8*contn3 + cit + uit
Trong đó: β0 là hệ số chặn β1; β2 ; β3 ; β4; β5; β6; β7; β8 là các hệ số góc
𝑐 𝑖𝑡 là các yếu tố không quan sát được
𝑢 𝑖𝑡 là phần dư, thoả mãn các giả thiết OLS
2.1.2.2 Mô hình hồi quy mẫu SRF log_undernourishment ̂ = β0̂ + β1̂*log_refugee+ β2̂*log_GDPpercap + β3̂
*log_unemployed + β4 ̂ *log_afrate + β5̂*log_fins + β6 ̂ *contn1 + β7 ̂ *contn2
Trong đó: β0̂ là hệ số chặn β1̂; β2̂ ; β3̂; β4 ̂ ; β5 ̂ ; β6 ̂ ; β7 ̂ ; β8 ̂ là các hệ số góc
𝑐̂ là ước lượng của yếu tố không quan sát được 𝑖𝑡
𝑢̂ là ước lượng của phần dư 𝑖𝑡
Giới thiệu các biến số
Dựa vào lý thuyết nêu trên, nhóm tác giả xây dựng mô hình các biến số sau:
Bảng 2.1 trình bày mô hình các biến số với tên biến "log_undernourishment", thể hiện logarit cơ số 10 của tổng số lượng người dân bị suy dinh dưỡng Số quan sát và loại biến cũng được chỉ ra, giúp hiểu rõ hơn về ý nghĩa và đơn vị của biến này.
Người log_refugee Logarit cơ số 10 của tổng sản số dân tị nạn
378 Biến độc lập Người log_GDPpercap Logarit cơ số 10 của tổng phẩm quốc nội
20 log_unemployed Logarit cơ số 10 của tổng số người thất nghiệp
378 Biến độc lập Người log_afrate Logarit cơ số 10 của tổng số phụ nữ sinh con ở độ tuổi 15-
378 Biến độc lập Người log_fins Logarit cơ số 10 của tổng số dân sống trong điều kiện thiếu vệ sinh an toàn thực phẩm
378 Biến độc lập Người contn1 cont1 = 1 nếu nước đó ở châu Á, =0 nếu khác
378 Biến giả contn2 cont2 = 1 nếu nước đó ở châu Phi,
378 Biến giả contn3 cont3 = 1 nếu nước đó
Bảng trên trình bày các biến số được nhóm nghiên cứu lựa chọn để phân tích tác động của chúng đến tỷ lệ suy dinh dưỡng trong cộng đồng Mỗi biến số được chọn đều có lý do cụ thể, giúp làm rõ mối liên hệ giữa các yếu tố này và tình trạng dinh dưỡng của người dân.
Tổng sản phẩm quốc nội (GDP) là giá trị tiền tệ của tất cả sản phẩm và dịch vụ cuối cùng được sản xuất trong lãnh thổ của một quốc gia GDP không chỉ phản ánh sự tăng trưởng kinh tế mà còn là thước đo mức sống của người dân, từ đó ảnh hưởng trực tiếp đến chi tiêu cho sức khỏe và chế độ dinh dưỡng hàng ngày của mỗi cá nhân.
Tổng số dân tị nạn, bao gồm những người phải rời bỏ đất nước vì lý do chủng tộc, tôn giáo, quốc tịch, thảm họa tự nhiên hoặc xung đột vũ trang, đang gặp khó khăn trong việc nhận sự bảo hộ từ quốc gia của mình Đặc biệt, tỷ lệ người dân tị nạn bị suy dinh dưỡng rất cao do thiếu thốn lương thực và thực phẩm.
Tổng số người thất nghiệp trong kinh tế học được định nghĩa là tình trạng những người lao động có nhu cầu tìm việc nhưng không thể tìm được công việc phù hợp hoặc không được các tổ chức, công ty và cộng đồng chấp nhận Thất nghiệp là nguyên nhân chính gây ra nhiều khó khăn trong chi tiêu và tiêu dùng hàng ngày của người dân.
Tổng số phụ nữ sinh con ở độ tuổi 15-19 đang trở thành một vấn đề đáng lo ngại, vì đây là giai đoạn mà cơ thể nữ giới chưa phát triển hoàn toàn về mặt sinh lý Việc mang thai và sinh con trong độ tuổi này tiềm ẩn nhiều rủi ro, dẫn đến nguy cơ trẻ sinh ra không khỏe mạnh và có thể gây ra tình trạng suy dinh dưỡng ở trẻ nhỏ.
Tổng số dân sống trong điều kiện thiếu vệ sinh an toàn thực phẩm đang gia tăng, ảnh hưởng nghiêm trọng đến sức khỏe cộng đồng Việc tiếp cận nguồn thức ăn và nước uống sạch sẽ là yếu tố then chốt để đảm bảo sức khỏe tốt nhất cho con người Tuy nhiên, tình trạng thiếu vệ sinh an toàn thực phẩm vẫn tồn tại, gây ra nhiều hệ lụy cho sức khỏe và đời sống của người dân.
22 chỉ gây ra những mầm bệnh nguy hiểm mà đặc biệt gây ra tình trạng suy dinh dưỡng ở trẻ em và ở cả người cao tuổi
Châu Á, châu Phi và châu Mỹ là những châu lục có tỷ lệ suy dinh dưỡng cao hơn so với các khu vực khác, chủ yếu do sự khác biệt trong điều kiện phát triển kinh tế, quan điểm xã hội lạc hậu, nghèo đói và sự bùng phát của dịch bệnh, đặc biệt nghiêm trọng ở châu Phi.
Nguồn dữ liệu
Nhóm tác giả đã sử dụng dữ liệu từ website chính thức của Ngân hàng Thế giới để thống kê tỷ lệ suy dinh dưỡng trong tổng số dân từ năm 2001 đến 2018 Dữ liệu này bao gồm 21 quốc gia thuộc 3 châu lục và có thể được tìm thấy tại địa chỉ https://data.worldbank.org/indicator/SN.ITK.DEFC.ZS.
Tổng sản phẩm quốc nội (GDP), số lượng dân tị nạn, tỷ lệ thất nghiệp và số phụ nữ sinh con trong độ tuổi 15-19 từ năm 2001 đến 2018 đã được thu thập từ 21 quốc gia ở châu Á, châu Phi và châu Mỹ Dữ liệu này được cung cấp bởi World Bank và có thể truy cập qua trang web: [World Bank Data](http://databank.worldbank.org/data).
Mô tả các biến số
2.4.1 Mô tả thống kê các biến
Câu lệnh: sum log_undernourishment log_GDP log_refugee log_unemployed log_afrate log_fins
Bảng 2.2 Mô tả thống kê các biến
Giá trị trung bình Độ lệch chuẩn
Giá trị lớn nhất log_undernourishment 378 15.60416 1.482465 11.24826 19.34007 log_refugee 378 9.909145 2.436169 4.49981 15.15308 log_GDPpercap 378 7.314154 1.022221 4.717849 9.491422
23 log_unemployed 378 14.45635 1.730526 9.9582 18.1057 log_afrate 378 11.585 1.389188 7.395172 15.02599 log_fins 378 15.24263 1.560285 11.59216 22.51289
(Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm Stata14)
Qua phân tích ta thấy
Giá trị logarit cơ số 10 của tổng số người suy dinh dưỡng (log_undernourishment) được tính toán từ 378 biến quan sát, với độ lệch chuẩn là 1.482465 và giá trị trung bình đạt 15.60416, trải đều trong khoảng từ 11.24826 đến 19.34007.
Giá trị logarit cơ số 10 của Tổng sản phẩm quốc nội (log_GDP) được tính từ 378 biến quan sát, với độ lệch chuẩn là 1.0222221 và giá trị trung bình đạt 7.314154 Các giá trị này trải đều trong khoảng từ 4.717849 đến 9.491422.
Giá trị logarit cơ số 10 của Tổng số lượng người dân tị nạn (log_refugee) với
378 biến quan sát có độ lệch chuẩn là 2.436169, giá trị trung bình là 9.909145trải đều từ 4.49981 đến 15.15308
Giá trị logarit cơ số 10 của Tổng số lượng người thất nghiệp (log_unemployed) với
378 biến quan sát có độ lệch chuẩn là 1.730526, giá trị trung bình là 14.45635trải đều từ 9.9582 đến 18.1057
Giá trị logarit cơ số 10 của tổng số phụ nữ từ 15-19 tuổi mang thai (log_afrate) được tính toán từ 378 biến quan sát, với độ lệch chuẩn là 1.389188 và giá trị trung bình đạt 11.585, nằm trong khoảng từ 7.395172 đến 15.02599.
Giá trị logarit cơ số 10 của tổng số người dân sống trong điều kiện thiếu vệ sinh an toàn thực phẩm (log_fins) được xác định với 378 biến quan sát, có độ lệch chuẩn là 1.560285 và giá trị trung bình là 15.24263, trải đều từ 11.59216 đến 22.51289.
2.4.2 Mô tả tương quan giữa các biến
Khảo sát hệ số tương quan giữa các biến trong mô hình nghiên cứu giúp kiểm tra sự biến thiên lẫn nhau trước khi tiến hành hồi quy Hệ số tương quan cao có thể chỉ ra hiện tượng đa cộng tuyến Kết quả phân tích từ phần mềm Stata được trình bày trong bảng dưới đây.
Câu lệnh: corr log_GDP log_refugee log_unemployed log_afrate log_fins
Table 2.3 illustrates the correlation between various explanatory variables, revealing that the log_refugee variable has a strong positive correlation with log_unemployed (0.1459) and a negative correlation with log_GDP (-0.2944) Additionally, log_unemployed and log_afrate show a significant positive correlation (0.5545), while log_fins demonstrates strong correlations with both log_unemployed (0.6161) and log_afrate (0.6243) Overall, these correlations provide insights into the interrelationships among the variables studied.
(Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm Stata14)
Hệ số tương quan giữa các biến trong mô hình nghiên cứu đều nhỏ hơn 0.7, cho thấy các cặp biến có giá trị tương quan khá thấp Trong đó, cặp biến log_afrate và log_fins có giá trị tương quan cao nhất với 0.6243, nhưng vẫn nhỏ hơn 0.7 Điều này chỉ ra rằng, giá trị tương quan thấp giữa các cặp biến là một chỉ báo cho thấy mô hình phân tích ít gặp hiện tượng đa cộng tuyến.
Giả thuyết nghiên cứu
Dựa trên lý thuyết từ chương 1, tổng số lượng người suy dinh dưỡng phụ thuộc vào nhiều yếu tố khác nhau Trong nghiên cứu này, nhóm tác giả đã sử dụng các biến số như Tổng sản phẩm quốc nội (log_GDP), Tổng số lượng người dân tị nạn (log_refugee), Tổng số lượng người thất nghiệp (log_unemployed), Tổng số phụ nữ từ 15-19 tuổi mang thai (log_afrate), và Tổng số người dân sống trong điều kiện thiếu vệ sinh an toàn thực phẩm (log_fins) để phân tích Từ những yếu tố này, giả thuyết nghiên cứu đã được xây dựng để làm rõ mối liên hệ giữa các biến số và tình trạng suy dinh dưỡng.
Số lượng người dân tị nạn gia tăng dẫn đến tình trạng suy dinh dưỡng ngày càng cao Khi lượng người tị nạn tăng, nhu cầu về vật chất như quần áo, thực phẩm và chỗ ở cũng tăng theo, gây ra tình trạng thiếu thốn và làm trầm trọng thêm vấn đề suy dinh dưỡng trong cộng đồng tị nạn.
Tổng sản phẩm quốc nội (GDP) càng cao thì số lượng người bị suy dinh dưỡng có xu hướng giảm Mối quan hệ tỷ lệ nghịch giữa GDP và tình trạng suy dinh dưỡng cho thấy khi GDP tăng, nền kinh tế phát triển và xã hội trở nên ổn định hơn, từ đó nâng cao mức sống của người dân.
25 nâng cao, từ đó mà chế độ ăn uống được cải thiện, tình trạng suy dinh dưỡng của con người sẽ giảm
H3: Tổng số người thất nghiệp tỉ lệ thuận với số lượng người suy dinh dưỡng
Khi tỷ lệ thất nghiệp gia tăng, cuộc sống trở nên khó khăn, dẫn đến chế độ ăn uống kém dinh dưỡng và không hợp lý Điều này khiến người thất nghiệp và gia đình họ gặp khó khăn trong việc duy trì sức khỏe và đảm bảo đủ chất dinh dưỡng.
Tổng số phụ nữ trong độ tuổi 15-19 mang thai cao sẽ dẫn đến nguy cơ suy dinh dưỡng ở trẻ em sinh ra tăng lên Ở độ tuổi này, cơ thể người mẹ chưa phát triển hoàn toàn và không đủ sức khoẻ cũng như dinh dưỡng để chăm sóc cho cả bản thân và thai nhi Hệ quả từ sức khoẻ và sinh lý của người mẹ có thể ảnh hưởng tiêu cực đến sự phát triển của trẻ, làm tăng khả năng bị suy dinh dưỡng khi trẻ ra đời.
Tổng số người sống trong điều kiện thiếu vệ sinh an toàn thực phẩm có mối liên hệ chặt chẽ với tỷ lệ suy dinh dưỡng Thực phẩm và đồ uống ảnh hưởng trực tiếp đến sức khỏe con người Khi sống trong môi trường thiếu an toàn thực phẩm, như chế biến không đảm bảo, thực phẩm ôi thiu hoặc chứa chất độc hại vượt mức cho phép, con người dễ mắc bệnh Những yếu tố này có khả năng cao dẫn đến suy dinh dưỡng và chậm phát triển, ảnh hưởng đến quá trình trao đổi chất ở cả người lớn và trẻ em.
KẾT QUẢ ƯỚC LƯỢNG
Lựa chọn mô hình ước lượng phù hợp
Sau khi khai báo dữ liệu dạng mảng bằng lệnh xtset id year, nhóm tác giả tiếp tục thực hiện hồi quy mô hình POLS và lưu trữ mô hình bằng phần mềm Stata14.
Câu lệnh: reg log_undernourishment log_refugee log_GDPpercap log_unemployed log_afrate log_fins contn1 contn2 contn3 estimate store OLS
Sau khi chạy mô hình POLS, nhóm tác giả tiếp tục thực hiện ước lượng hai mô hình RE, FE
The command "xtreg" is used to perform regression analysis on the logarithm of undernourishment, refugee statistics, GDP per capita, unemployment rates, agricultural factors, and financial indicators, along with various country-specific controls (contn1, contn2, contn3) The analysis is conducted using both random effects (RE) and fixed effects (FE) models, allowing for a comprehensive understanding of the relationships between these variables The results from each estimation are stored for further examination.
Kết quả phân tích bằng phần mềm Stata14 mô hình RE thể hiện qua Mô hình
Mô hình hồi quy trong bảng 3.1 đã được kiểm định Wald, cho thấy giá trị Prob>chi2 = 0.000, nhỏ hơn 0.05, điều này chứng tỏ rằng có ít nhất một hệ số hồi quy có ý nghĩa thống kê khác 0 Tuy nhiên, bài viết sẽ không tiến hành phân tích sâu về tác động của từng biến trong mô hình, vì đây chưa phải là mô hình hồi quy cuối cùng được chọn cho thảo luận.
Tiếp theo, nhóm tác giả chạy kiểm định Breusch-Pagan Lagrange multiplier sử dụng câu lệnh xttest0 để lựa chọn giữa hai mô hình RE và POLS
(với 𝑐 𝑖 là biến số không quan sát được)
Câu lệnh: quiet xtreg log_undernourishment log_refugee log_GDPpercap log_unemployed log_afrate log_fins contn1 contn2 contn3, re xttest0
Kết quả kiểm định xttest0 được thể hiện ở dòng 14 thuộc bảng 3.1
Ta có: Prob > chibar2 = 0.0000 chi2 = 0.0000, nhỏ hơn 0.05, thuộc miền bác bỏ H0 ở mức ý nghĩa α = 0.05 Do đó, ci và các biến độc lập có mối tương quan với nhau, dẫn đến việc lựa chọn mô hình tác động cố định FE là mô hình ước lượng phù hợp nhất.
Bảng 3.1 Tổng hợp kết quả ước lượng các mô hình
Biến Mô hình POLS Mô hình RE Mô hình FE
|𝒛| log_refugee 0.0328175 0.013 -0.0148689 0.467 -0.0126261 0.586 log_GDPpercap -0.1871272 0.000 -0.2445585 0.000 -0.258833 0.000 log_unemployed 0.1933731 0.000 -0.0154426 0.689 -0.1256826 0.008 log_afrate 0.4640879 0.000 0.8722126 0.000 0.7223081 0.427
28 log_fins 0.3213253 0.000 0.0328717 0.173 0.018684 0.000 contn1 0.248926 0.108 0.5250033 0.220 omitted contn2 -0.3344256 0.121 -0.2668233 0.654 omitted contn3 0.1964289 0.217 0.1674722 0.714 omitted cons 3.381078 0.000 6.780677 0.000 10.786
Xttest0 Test: Var(u) = 0 chibar2(01) = 973.61 Prob > chibar2 = 0.0000 hausman Ho: difference in coefficients not systematic chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 34.20
(Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm Stata14)
Kiểm định mô hình
3.2.1 Kiểm định phương sai sai số thay đổi
Trong mô hình tác động cố định, để kiểm định phương sai sai số thay đổi nhóm tác giả sử dụng kiểm định Wald với cặp giả thiết sau:
H0: phương sai sai số không thay đổi với mức ý nghĩa α = 0.01 H1: phương sai sai số thay đổi với mức ý nghĩa α = 0.01
Câu lệnh: quiet xtreg log_undernourishment log_refugee log_GDPpercap log_unemployed log_afrate log_fins contn1 contn2 contn3, fe xttest3
Bảng 3.2 Kết quả kiểm định phương sai sai số thay đổi
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i chi2 (21) = 5758.57
(Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm Stata14)
Từ kết quả trên ta thấy p-value < α (0.0000 < 0.01)
• Bác bỏ giả thiết H0, chấp nhận giả thiết H1
• Có tồn tại phương sai sai số thay đổi trong mô hình đang xét
3.2.2 Kiểm định tương quan chuỗi Để kiểm định xem mô hình có tồn tại tương quan chuỗi hay không, ta sử dụng kiểm định Wooldridge (kiểm định dành cho panel data) Kiểm định gồm có các giả thiết cơ bản sau:
H0: Không có tương quan chuỗi H1: Có tương quan chuỗi
Ta sử dụng câu lệnh xtserial để kiểm định mô hình, được kết quả như sau: xtserial log_undernourishment log_refugee log_GDPpercap log_unemployed log_afrate log_fins
Bảng 3.3 Kết quả kiểm định tương quan chuỗi Wooldridge test for autocorrelation in panel data
(Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm Stata14)
Từ kết quả mô hình trên, thấy p-value < alpha = 1%:
• Mô hình tồn tại tương quan chuỗi, hay nói cách khác là mô hình đang ước tính không chính xác về sai số chuẩn của hệ số hồi quy
3.2.3 Kiểm định tương quan chéo
Nhóm nghiên cứu đã tiến hành kiểm định tương quan chéo giữa các biến trong mô hình bằng cách sử dụng câu lệnh xtreg log_undernourishment log_refugee log_GDPpercap log_unemployed log_afrate log_fins, fe Kết quả cho thấy mối liên hệ giữa các yếu tố này có thể ảnh hưởng đến tình trạng thiếu dinh dưỡng.
Dựa trên kết quả chạy trên phần mềm Stata, nhóm nghiên cứu xin đưa ra kết luận sau:
• 92.1% phương sai là do sự khác biệt giữa các panel
• Các biến log_GDPpercap, log_unemployed, log_afrate có ảnh hưởng đến biến log_undernourishment tại giá trị alpha = 5% (do các biến có giá trị p-value < alpha)
• Trong đó log_afrate có giá trị t-value = 8.5 > 1.95 => biến có mức độ phù hợp với mô hình cao
Tiếp đó, để kiểm định rõ hơn về tính tương quan chéo trong mô hình, nhóm nghiên cứu sử dụng câu lệnh: xtcsd, pesaran abs
Và cho được kết quả như sau:
Bảng 3.4 Kết quả kiểm định tương quan chéo Pesaran's test of cross sectional independence = -0.886, Pr = 0.3758
Average absolute value of the off-diagonal elements = 0.610
(Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm Stata14)
H0: Không tồn tại tương quan chéo H1: Tồn tại tương quan chéo
Từ nguồn kết quả trên thì thấy rõ p-value = 0.3758 > alpha = 5% Vậy nên ta sẽ thừa nhận H0, tức là mô hình không tồn tại tương quan chéo
3.2.4 Kiểm định sự phù hợp của mô hình
Kiểm định sự phù hợp của mô hình được thực hiện bằng cách kiểm tra xem mô hình có thiếu biến giải thích hay không Nhóm tác giả đã sử dụng kiểm định Ramsey Reset với cặp giả thiết để đánh giá tính đầy đủ của mô hình.
The hypothesis test examines whether the model is missing explanatory variables at a significance level of α = 0.01 The null hypothesis (H0) posits that the model includes all necessary variables, while the alternative hypothesis (H1) suggests that it lacks essential explanatory variables To conduct this analysis, the regression command used is: quiet reg log_undernourishment log_refugee log_GDPpercap log_unemployed log_afrate log_fins contn1 contn2 contn3 ovtest.
Bảng 3.5 Kết quả kiểm định sự phù hợp của mô hình Ramsey RESET test using powers of the fitted values of log_undernourishment Ho: model has no omitted variables
(Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm Stata14)
Từ kết quả trên ta thấy: p-value = 0.0000 < 0.01
• Bác bỏ giả thiết H0, chấp nhận giả thiết H1
• Mô hình bị thiếu biến giải thích
Khắc phục khuyết tật và thảo luận
Câu lệnh: xtscc log_undernourishment log_refugee log_GDPpercap log_unemployed log_afrate log_fins contn1 contn2 contn3
Mô hình đã khắc phục được các khuyết tật sau kiểm định:
Bảng 3.6 Kết quả ước lượng mô hình cuối cùng log_undernourishment Coef Std Err t P>t log_refugee 0.0328175 0.0115626 2.84 0.011 log_GDPpercap -0.1871272 0.0265881 -7.04 0.000 log_unemployed 0.1933731 0.0226885 8.52 0.000 log_afrate 0.4640879 0.0824469 5.63 0.000 log_fins 0.3213253 0.107597 2.99 0.008 contn1 0.248926 0.2698545 0.92 0.369 contn2 -0.3344256 0.229214 -1.46 0.163 contn3 0.1964289 0.238743 0.82 0.422 cons 3.381078 3.381078 10.89 0.000
(Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm Stata14)
Bảng kết quả mô hình sau khi khắc phục các sai phạm được thể hiện trong bảng 3.3
Hệ số R2 đạt 0.8767 cho thấy 87.67% các yếu tố ảnh hưởng đến log_undernourishment được giải thích bởi các biến độc lập Với giá trị Fqs là 12957.19 và p-value cho kiểm định F là 0.0000, chúng ta có thể kết luận rằng mô hình này là phù hợp.
Mô hình cuối cùng của nghiên cứu được xác định như sau: log_undernourishment = 0.0328*log_refugee – 0.1871*log_GDPpercap + 0.1933*log_unemployed + 0.4641*log_afrate + 0.3213*log_fins + 0.2489*contn1 - 0.3344*contn2 + 0.1964*contn3 + cit + uit, với các hệ số được làm tròn đến 4 chữ số thập phân.
Thảo luận kết quả hồi quy của từng biến trong mô hình cuối cùng:
Biến log_refugee- Tổng số người dân tị nạn (H1)
Kết quả phân tích cho thấy biến log_refugee có ý nghĩa thống kê với 𝛽1̂ = 0.0328 và p_value = 0.011, nhỏ hơn 0.05 Điều này cho thấy rằng, khi tổng số người dân tị nạn tăng (hoặc giảm) 1%, tổng số người suy dinh dưỡng sẽ tăng (hoặc giảm) 0.0328% trong điều kiện các yếu tố khác không đổi.
Biến log_GDPpercap- GDP bình quân đầu người (H2)
Hệ số 𝛽2̂ = -0.1871 với p_value = 0.000 < 0.05 cho thấy biến log_GDPpercap có ý nghĩa thống kê Cụ thể, khi Tổng sản phẩm quốc nội (GDP) tăng 1%, tổng số người suy dinh dưỡng sẽ giảm 0.1871%, và ngược lại, khi GDP giảm, tỷ lệ suy dinh dưỡng sẽ tăng tương ứng.
Biến log_unemployed- Tổng số người thất nghiệp (H3)
Biến log_unemployed có ý nghĩa thống kê với hệ số 𝛽3̂ = 0.1933 và p_value = 0.000, nhỏ hơn 0.05 Điều này cho thấy, khi tổng số người thất nghiệp tăng hoặc giảm 1%, tổng số người suy dinh dưỡng sẽ tăng hoặc giảm 0.1933%, trong khi các yếu tố khác được giữ nguyên.
Biến log_afrate- Tổng số phụ nữ mang thai ở độ tuổi 15-19 (H4)
Biến log_afrate có ý nghĩa thống kê với 𝛽4̂ = 0.4641 và p_value = 0.000 < 0.05 Điều này cho thấy, khi tổng số phụ nữ mang thai ở độ tuổi 15-19 tăng (hoặc giảm) 1%, tổng số người suy dinh dưỡng sẽ tăng (hoặc giảm) 0.4641%, trong khi các yếu tố khác được giữ nguyên.
Biến log_fins- Tổng số người dân sông trong điều kiện thiếu vệ sinh an toàn thực phẩm (H5)
Biến log_fins có ý nghĩa thống kê với hệ số 𝛽5̂ = 0.3213 và p_value = 0.008 < 0.05 Điều này cho thấy, khi tổng số người sống trong điều kiện thiếu vệ sinh an toàn thực phẩm tăng (hoặc giảm) 1%, tổng số người suy dinh dưỡng sẽ tăng (hoặc giảm) 0.3213% khi các yếu tố khác không thay đổi.
Biến contn1- Các quốc gia ở châu Á
Khi contn1 = 1, các quốc gia ở Châu Á có tổng số người bị suy dinh dưỡng cao hơn các quốc gia không ở Châu Á là 0.2489, với P-value = 0.369, lớn hơn 0.01, cho thấy hệ số ước lượng contn1 không có ý nghĩa thống kê ở mức 1%.
Biến contn2- Các quốc gia ở châu Phi
Khi biến contn2 = 1, tức là quốc gia đó nằm ở Châu Phi, tổng số người bị suy dinh dưỡng tại đây thấp hơn so với các quốc gia không ở Châu Phi là 0.3344 Tuy nhiên, với P-value = 0.163, lớn hơn 0.01, hệ số ước lượng contn2 không có ý nghĩa thống kê ở mức ý nghĩa 1%.
Biến contn3- Các quốc gia ở châu Mỹ
Khi contn3 = 1, các quốc gia ở Châu Mỹ có tổng số người bị suy dinh dưỡng cao hơn 0.1964 so với các quốc gia không ở Châu Mỹ, trong khi các điều kiện khác được giữ nguyên Tuy nhiên, với P-value = 0.422, lớn hơn 0.01, hệ số ước lượng contn3 không có ý nghĩa thống kê ở mức 1%.
PHẦN C KẾT LUẬN VÀ KHUYẾN NGHỊ
Kết luận chung
Nghiên cứu từ năm 2001 đến 2018 đã chỉ ra rõ ràng các yếu tố ảnh hưởng đến tình trạng suy dinh dưỡng tại một số quốc gia Dựa trên những kết quả này, nhóm tác giả đã rút ra một số kết luận quan trọng.
Mô hình tác động cố định (FE) được lựa chọn là phương pháp ước lượng phù hợp nhất, với tất cả các biến trong mô hình đều có ý nghĩa thống kê Biến log_afrate thể hiện tác động dương lớn nhất, đồng thời mô hình giải thích được 87.67% ảnh hưởng của các biến độc lập lên biến phụ thuộc.
Nhóm tác giả đã hệ thống hóa và làm sáng tỏ các yếu tố tác động đến tình trạng suy dinh dưỡng ở một số quốc gia trong giai đoạn 2001-2018 Qua việc phân tích, họ đã làm rõ cơ sở lựa chọn các nhân tố tác động và đi sâu vào ảnh hưởng của từng yếu tố đến tình hình suy dinh dưỡng Bên cạnh đó, nhóm cũng chỉ ra xu hướng tác động của các nhân tố này đối với tình trạng suy dinh dưỡng.
Mục tiêu của nghiên cứu là xác định các yếu tố ảnh hưởng đến tình trạng suy dinh dưỡng, từ đó đề xuất các giải pháp nhằm giảm thiểu tình trạng này và nâng cao chất lượng cuộc sống của người dân Nghiên cứu sẽ tập trung vào việc tìm hiểu nguyên nhân gây ra suy dinh dưỡng và đưa ra những kiến nghị thiết thực.
Những hạn chế trong nghiên cứu
Mô hình hồi quy hiện tại chỉ giải thích một số biến hạn chế, trong khi nhiều yếu tố khác cũng ảnh hưởng đến tỷ lệ suy dinh dưỡng toàn cầu Mẫu quan sát từ 21 quốc gia trên 3 châu lục trong 18 năm là chưa đủ lớn, vì vậy để nâng cao độ chính xác, cần mở rộng nghiên cứu về cả thời gian và không gian Tuy nhiên, việc bổ sung thêm biến và mở rộng phạm vi nghiên cứu có thể làm cho mô hình trở nên phức tạp hơn, dẫn đến nhiều khuyết tật và khó khăn trong quá trình kiểm định.
Nhóm tác giả chỉ mới phân tích tác động của biến giải thích đối với biến phụ thuộc, mà chưa xem xét mối quan hệ tác động qua lại giữa hai biến này.
Mô hình hiện tại vẫn tồn tại một số khuyết điểm, bao gồm sự thay đổi của phương sai sai số, tương quan chuỗi và thiếu các biến giải thích Hơn nữa, mô hình FE không thể kiểm soát các biến thay đổi theo thời gian Để khắc phục những hạn chế này, có thể thêm các biến giả cho các đơn vị thời gian hoặc không gian vào trong mô hình.
Việc sử dụng nhiều biến giả trong mô hình có thể giúp kiểm soát nhiễu, nhưng đồng thời cũng có thể làm giảm lượng thông tin hữu ích cũng như vô ích cho mô hình.
Đề xuất một số khuyến nghị
Nghiên cứu về các yếu tố ảnh hưởng đến suy dinh dưỡng giai đoạn 2001-2018 đã cho thấy những điểm quan trọng cần cải thiện Qua quá trình chạy mô hình và phân tích kinh tế lượng, nhóm tác giả đã đưa ra một số kiến nghị nhằm nâng cao tình trạng suy dinh dưỡng tại một số quốc gia trên thế giới.
Để giảm thiểu tình trạng suy dinh dưỡng, cần phải giảm số lượng người tị nạn trên toàn cầu Mặc dù các quốc gia đang nỗ lực giải quyết cuộc khủng hoảng người tị nạn, nhưng các giải pháp hiện tại vẫn chưa hiệu quả Cộng đồng quốc tế cần tập trung vào các giải pháp căn bản, như xóa bỏ nguyên nhân dẫn đến tình trạng tị nạn, bao gồm việc tìm kiếm hòa bình và ổn định lâu dài ở các khu vực có chiến tranh và xung đột, cũng như hỗ trợ phát triển kinh tế và xã hội, tạo ra cơ hội việc làm.
Để phát triển kinh tế đất nước, cần tập trung vào việc tăng tổng sản phẩm quốc nội và cải thiện đời sống nhân dân Việc nâng cao chất lượng cuộc sống sẽ đảm bảo tình trạng dinh dưỡng và phát triển toàn diện cho người dân Bên cạnh đó, các quốc gia cần chú trọng đến giáo dục để nâng cao dân trí, từ đó góp phần giảm tỷ lệ phụ nữ sinh con ở độ tuổi 15-19.
Để giảm tỷ lệ thất nghiệp, các quốc gia cần thực hiện nhiều biện pháp hiệu quả như kích cầu lao động và tạo điều kiện cho người lao động thất nghiệp Mở rộng thị trường xuất khẩu lao động không chỉ giúp giải quyết tình trạng thất nghiệp trong nước mà còn mang lại nguồn ngoại tệ đáng kể cho quốc gia Ngoài ra, việc khuyến khích sử dụng lao động nữ và hoàn thiện hệ thống bảo hiểm thất nghiệp cũng là những yếu tố quan trọng cần được chú trọng.
