Tobit
Có một sự khác biệt trong phân tích hàm hồi quy đa biến (OLS), hồi
quy LogiUProbit và hỏi quy Tobit về biến phụ thuộc, biến độc lập, phương pháp ước lượng, tác động biên của các biến độc lập, trường hợp ứng dụng và
cách nhận xét kết quả phân tích. Bảng 4.8 dưới đây mô tả tóm tắt các sự khác biệt này.
Bang 4.8 Sự khác biệt giữa hồi quy da bién, Logit/Probit va héi quy Tobit
Ván d mác | TSS | yaaa | ot
phụ thuộc ~ 1 biến ~ 1 biến |
~ Biến định lượng. | - Biến giả (1; 0) - Biến định lượng bị gi.
~ Nhiều
ợ i ong | - Bié
+ biến giả + biển giá + biến giả | Phương pháp ước | Phương pháp bình | Phương pháp ước _ | Phương pháp ước.
lượng phương bé nhất _ | lượng khả năng tối | lượng khả năng tối
(OLS) da (MLE) da (MLE) |
Tae dong biên của oY, ôp, aE IX) |
các biến độc lập x ax, aN |
Xem xét hiện Hệ số phóng đại | Hệ số tương quan | Hệ số tương quan
tượng đa cộng | phương sai (VIF) | giữa các biến độc | giữa các biến độc tuyến nhỏ hơn 10, lập nhỏ hơn 0,6. | lập nhỏ hơn0,6.
Hệ số tương quan
giữa các biễn độc lập nhỏ hơn 0,6.
Ứng dụngtrong | Nghiên cứu các| Nghiên cứu các | Nghiên cứu các trường hợp yếu tỗ ảnh hưởng | yêu tố ảnh hưởng | yêu tố ảnh hưởng, đến một chỉ tiêu | đến một chỉ tiêu | đến một chỉ tiêu nào đó, trường | nào đó, trường hợp | nào đó, trường hợp.
hợp biến Y là biến | biến Y là biến nhị | biến Y là biến định.
định lượng và là | phân. lượng bị giới hạn.
liên tục.
2.8 Phân tích bao dữ liệu (DEA) và phân tích biên ngẫu nhiên (SFA) 28.1. Giới thiệu
Để phân tích hiệu quả trong hoạt động sản xuất nói chung và sản xuất nông nghiệp nói riêng, các nhà nghiên cứu thường sử dụng hai phương pháp phổ biến nhất đó là phương pháp ước lượng phi tham số và phương pháp ước lượng tham số. Phương pháp ước lượng phi tham số dựa trên kỳ thuật phân tích bao dữ liệu (Data envelopment analysis — DEA) (Farrell, 1957; Collie et.
al., 2005) và phương pháp ước lượng tham số sử dụng mô hình phân tích biên ngẫu nhiên (Stochastic frontier analysis - SFA) với phần sai số hỗn hợp (Ali and Flinn, 1989; Ali et. al., 1994; Bravo-Ureta and Pinheiro, 1997; Rahman, 2003; Abu and Asember, 2011). Đối với phương pháp ước lượng tham số, hình dạng hàm sản xuất, hàm chỉ phí và hàm lợi nhuận cần được xác định
trước nhưng đối với phương pháp ước lượng phi tham số, các hàm số này.
không cần xác định trước.
Nhược điểm của phương pháp DEA là không tách được phần phi hiệu quả và phần nhiễu không thể kiềm soát bởi mô hình ước lượng nên ý nghĩa thống kê không thé hi
pháp SFA có thể tách phần phi hiệu quả và phần nhiễu ra khỏi sai số trong mô
hình ước lượng. Do đó, phương pháp SFA thích hợp đẻ ước lượng các mức độ hiệu quả đối với hoạt động sản xuất hơn so với phương pháp DEA. Vì vậy, trong các phần dưới đây phân tích SFA sẽ được trình bày chỉ tiết trong khi phân tích DEA được giới thiệu đề độc giả có thể phân biệt.
2.8.2. Phan tich bao dit ligu (DEA - Data envelopment analysis)
Farrell (1957) dua ra ý tưởng sử dụng đường giới hạn khả năng sản xuất (production possibilities frontier - PPF) làm tiêu chí đánh giá hiệu quả sản xuất (ví dụ như hiệu quả kỹ thuật - TE) giữa các công ty trong cùng một ngành; theo đó các công ty đạt đến mức giới han PPF sẽ được coi là hiệu quả (hơn) và các công ty không đạt đến đường PPF sẽ bị coi là kém hiệu quả.
Phương pháp phân tích bao dữ liệu dựa trên phương pháp quy hoạch
tuyến tính để xây dựng một đường giới hạn bao quanh các quan sát mẫu
(Farrell, 1957; Collie et. al.. 2005). Khoảng cách từ mỗi quan sát đến đường.
giới hạn này được xem như là mức độ phi hiệu quả của quan sát đó. Những quan sát nằm trên đường giới hạn được xem như có mức hiệu quả hoàn toàn.
Ví dụ, đường giới hạn khả riãng sản xuất này cũng có thể áp dụng cho.
nông hộ đẻ đánh giá hiệu quả sản xuất. Trong Hình 4.2, các nông hộ B, C và E
có TEB = TEC = TEE = l thì sản xuất có hiệu qua hon A va D vì hai nông hộ A và D có TEA = OA/OA’ < | va TED = OD/OD’ < 1
Trong Nghiên cứu kinh tế - xã hội, phương pháp phân tích bao dữ liệu
sản xuất để sản xuất ra một tập hop u tố đầu ra nào đó nhằm đo lường.
mức hiệu quả kinh tế, hiệu quả kỹ thuật và hiệu quả phân bô trong hoạt động
si nói chung và sản xuất nông nghiệp n
này rất hữu ích đối với hoạt động sản xuất có nhiều sản phẩm đầu ra hoặc hữu ích với những nghiên cứu có ít quan sát mẫu.
Ví dụ, Yin et al. (2014) đo lường hiệu quả kinh tế của mô hình nuôi trồng thủy sản kết hợp bao gồm cá giếc, cá mè hoa và cá chép bạc.
Sau khi đo lường mức độ hiệu quả kinh tế, hiệu quả kỹ thuật và hiệu quả phân bỏ bằng phương pháp DEA, ta thực hiện ước lượng ảnh hưởng của các yếu tố đến mức độ hiệu quả kinh tế, hiệu quả kỹ thuật và hiệu quả phân bỏ
thông qua mô hình hồi quy Tobit. Cách thực hiện và giải thích kết quá mô hình hồi quy Tobit được hướng dẫn ở phần trước cũng như ví dụ cụ thể trong phần phân tích SFA.
HI
Hình 4.2 Đường ứng với hai hàng hóa HI và H2
hạn khả năng san
Cách xử lý DEA theo đường dẫn trên Stata:
Nhập lệnh dea inputs = outputs, sav ((ên tập tin mới) vào hộp thoai Command - Enter
Với inputs là các yếu tố đầu. vào - biến độc lậ
thiết khác. Tuy nhiên, nêu phần mềm Stata không có sẵn lệnh dea, ta cin tìm kiếm và cài đặt lệnh dea thông qua lệnh findit dea.
Ưu điểm của phương pháp bao dữ liệu (DEA) là không cẩn xác định hình đạng hảm số cũng như phân phối của mức độ phi hiệu quả như phương
pháp SFA. Ngoài ra, phương pháp DEA cũng không giới hạn lượng yếu tố đầu
1a mô hình nghiên cứu. Trong khi đó, nhược điêm của phương pháp DEA.
là các yếu tố đầu vào của mô hình nghiên cứu không được kiêm định nên phương pháp DEA không thể hiện được mức ý nghĩa thông kê của từng yị đầu vào va không thể tách được phần nhiễu và mức độ phi hiệu quả trong sản xuất. Bên cạnh đó, phương pháp DEA không thẻ sử dụng dữ liệu bảng (dữ liệu theo không gian và thời gian - panel data) đề đo lường mức hiệu quả trong sản
mà phương pháp DEA sẽ đo lường mức hiệu quả theo từng năm (hay theo đơn vị thời gian nào đó) đối với dữ liệu chéo (cross section data), sau đó tính mức hiệu quả trong giai đoạn nghiên cứu bằng cách lấy trung bình các
mức hiệu quả vừa đo lường được (Johansson, 2005). Chính những nhược điểm
này nên phân tích SFA thường được ứng dụng để phân tích hiệu quả hoạt
động sản xuất hơn phân tích DEA.
2.8.3. Phân tích biên ngẫu nhiên (SFA - Stochastic Fromtier Analysis)
Cũng như phân tích DEA, phân tích biến ngẫu nhiên (SFA) hay còn gọi là phân tích giới hạn thích hợp để ước lượng mức u qua trong hoạt động.
sản xuất. Cụ thể, đó là hiệu quả kinh tế, hiệu quả kỹ thuật và hiệu quả phân bỏ.
Theo (Bravo-Ureta & Pinheiro, 1997) thì các loại hiệu quả này được định nghĩa như sau:
ô _ Hiệu quả kinh tế (EE) la sự kết hợp cỏc nguồn lực đầu vào đẻ đảm bảo
sản lượng tối đa cũng như tối thiêu hóa chỉ phí và tối đa hóa lợi nhuận, đại điện là hàm lợi nhuận biên ngẫu nhiên.
e_ Hiệu quả kỹ thuật (TE) là khả năng sản xuất ra ruột lượng đầu ra tối đa
dựa trên lượng đầu vào nhất định trong điều kiện kỹ thuật hay công nghệ được áp dụng, đại diện là hảm sản xuất biên ngẫu nhiên.
ô_ Hiệu quả phõn bố (AE) phõn ảnh:khả năng sử dụng đầu vào tối ưu, đại
diện là hàm chi phí biên:ngẫu nhiên
Mặc dù, phương pháp phân tích biên ngẫu nhiên (SEA) có thể tách phần phi hiệu quả và phần nhiễu ra khỏi sai số trong mô hình ước lượng nhưng hình đạng cia him số và sai được xác định trước.
Hiệu quả Kinh tế
Theo Ali and Flinn (1989); Ali et. al., (1994); Ahman (2003); Abu and Asember (2011) thì hàm lợi nhuận biên có dạng:
/ứ.Z,a)e"t'@
5 được tính bằng lợi nhuận
từ hoạt động sản xuất chia cho giá bán 1 đơn vị sản phẩm.
~__P là giá đầu vào chuân hóa, được tính bằng giá mua đầu vào chia cho giá bán | don vi san phẩm.
~__Z, là lượng đầu vào cố định của nhà sản xuất
- Sai sd ¢,(¢,=v,-u,)
-_ y, lai sộ ngdu nhiộn (phần nhiễu), cú phõn phối chuõn N(0,ỉ}).
~___w, là mức độ phi hiệu quả kinh tế, có phân phối nửa chuẩn |AV(0,,
Ước lượng Biểu thite (i) được giỏ trị ước lượng ứ,„
phuong sai o? =o? +0? va y=
2/2°. Do đó,
Hiệu quả kinh tế của nhà sản xuất được xác định bằng công thức:
EE = Ele |e,]
Hiệu quả kỹ thuật
Theo Murillo ~ Zamorano (2004), hiệu quả kỳ thuật được ước lượng
thông qua hàm sản xuất biên ngẫu nhiên có dạng:
X=Jhumie+t (id)
Trong dé:
~_Y, là sản lượng.
S(x,,8,) là đầu vào x, của nhà sản xuất
(Eine = Vie Mine)ằ
v„„ là phần nhiễu, có phân phối chun N(0,o%,,)
z„ là mức độ phi hiệu quả kỹ thuật, có phân phối nửa chuẩn
|X(0.22„)|.
Hiệu quả kỹ thuật của nhà sản xuất được xác định theo công thức:
TE = Ele“ |
Hiệu quả phân bo
Theo Sajjad va Khan (2010), higu quả phân bổ được ước lượng thông qua hàm
chỉ phi biên ngẫu nhiên. Hàm chỉ phí biên ngẫu nhiên có dạng như sau:
C= SPV Ger (iii)
Trong đó:
€, là chỉ phí sản xuất.
p, là giá đầu vào trong sin xu
v„„ là phần nhiễu, cú phõn phối chuẩn M(0,ỉ', )
là mức độ phi hiệu quả phân bổ, có phân phối nửa chuẩn
|X(0.2‡,].
Hiệu quả phân bổ của nhà sản xuất được xác định bằng công thức:
AE=E|e“ô'|
Ví dụ: Ứng dụng phân tích biên ngẫu nhiên (SFA) để ước lượng hiệu quả kinh tế, hiệu quả kỹ thuật và hiệu quả phân bỏ của nông hộ trồng lúa ĐBSCL và ứng dụng mô hình hồi quy Tobit đẻ phân tích ảnh hưởng của các yếu tổ đến hiệu quả kinh tế, hiệu quả kỹ thuật và hiệu quả phân bỗ của nông hộ trồng lúa vùng ĐBSCL.
(1) Hiệu quả kinh tế
Mô hình ước lượng hiệu quả kỉnh-tế của nông hộ trồng lúa vùng ĐBSCL được mô phỏng từ nghiện cứu của Rahman (2003), trong đó:
® LnP+y là lợi nhuận chuẩn hóa của nông hộ. được đo lường bằng
logarit tự nhiên-cửa lợi nhuận từ hoạt động sản xuất lúa chia cho gid
bán | kg lua.
© LuP la chi phi lúa giống chuân hóa, được đo lường bằng logarit tự
nhiên của giá mua | kg hia giống chia cho giá bán 1 kg lúa của nông hộ
© LnPe là chỉ phí phân bón chuẩn hóa, được đo lường bằng logarit tự nhiên của giá bình quân gia quyền 1 kg các loại phân bón được sử dụng.
chia cho giá bán 1 kg lúa.
ôâ_ LnPxo là chỉ phớ nụng dược chuẩn húa, được đo lường bằng logarit tự
nhiên của giá bình quân gia quyền 1 kg các loại nông được sử dụng.
chia cho giá bán 1 kg lua.
© LnPio là chỉ phí lao động chuẩn hóa, được đo lường bằng logarit tự nhiên của chỉ phí ngày công của lao động thuê chia cho giá bán 1 kự lúa.
® LnPrr là logarit tự nhiên của chỉ phí tưới tiêu cho ruộng lúa của nông.
hộ (1.000 đông/công)
© LnPr là logarit tự nhiên của chỉ phí thu hoạch và bảo quản sau thu hoạch của nông hộ (1.000 đồng/công)
Cách xử lý SFA về hiệu quá kinh tế trên Stata:
Nhập lệnh s/eross Y X, díh) (với Y là biến phụ thuộc; Xị là các biển độc lập:
4) là phân phối nửa chuẩn của mức độ phi hiệu quả, ta có thể chọn các dạng, phân phối khác theo đặc tính của từng mô hình nghiên cứu cụ thể) vào hộp thoai Command cia phan mém Stata phiên bản 12 hoặc cao hơn. Sau khi thực
hiện lệnh sƒ©ross, ta thực hiện lệnh prediet tên biến mới, bc đề ước lượng mức.
độ hiệu quả kinh tế.
Đối với phần mềm Stata phiên bản l1 hoặc thấp hơn, nhập lộnh frontier ¥ X; (mac định của lệnh này là phân phối nửa chuân của mức độ phi hiệu quả) và lệnh predict tén biến mới, te đẻ ước lượng hiệu quả kinh tế. Cụ thé, đối với ví dụ trên, ta nhập lệnh sƒeross Inpln Inpg Inpp Inpnd Inpld lnptr Inpth, d(h) va Iénh predict ee, be hode frontier lnpln Inpg Inpp Inpnd Inpld Inptt Inpth và lénh predict ee, te vào hép thoai Command va nhan phim Enter để thực hiện phân tích mô hình SFA.
Kết quả phân mô hình SFA trong phần mềm Stata sferess Inpin Inpg Inpp Inpnd Inpld Anptt Inpth ,díh)
Stoe. frontier normal/nnormal model ald chiz(6) = - 205.61 Nusber of obs = Prob > chi2 = 9.0000 7 Log likelihood = -881.0393
œ @ ® ® © © @œ
inpia coet. sea. + P>lzl (958 Cons. Interven!
Frontier apg | 2466717 082835 2.38 0.003 .0843181 .4030253 Leone | 10.9344 anpnd | “1181687 inpia | -.4905249 inpee | -.1960547 anpth | 0039461 0592775 inpp | 3922836 .0643843 0207174 .0296333 -6.28 0.000 .51219418 21.34 0.000 110871 -4.44 0.000. 707044. 2740058, 6.04 0.000 5.56 0.000 0.07 0.347 -.1122386 =.244136 ~.1279734 9.927558 1.93501 .2643154 0745633 5196517 ô1887742, 1703278,
Vaigna wsons | -.2883745 .1727411 -1.67 0.0395 -.6269408 .0501938 Veigna acon | 1.192692 13626 -8.75 0.000 -4.459787 -.9256274 sigma_u | .8457256 .0747732 11.58 0.000 730906 1.025413 signay | .5508206 (0375274 14.68 0.000 aambda | 1.571702 11063929 14.77 0.000 1.363173 .4819€7€ .6295033 ô1.78023
Giải thích kết quả phân tích hồi quy
Kết quả nghiên cứu trong Bảng 4.9 cho thấy hệ số Gamma (7) bằng
0,712, có nghĩa là 71,2% sự biến động của lợi nhuận trồng lúa của nông hộ vùng ĐBSCL là do mức độ phi hiệu quả kinh tế. Ngoài ra, chỉ phí lao động chuẩn hóa có ảnh hưởng nghịch chiều đến lợi nhuận của nông hộ trồng lúa ở mức ý nghĩa 1%. Điều này có nghĩa là nêu các yếu tố khác không đôi, khi chỉ phí lao động tăng thêm 1%, lợi nhuận của nông hộ sẽ giảm 0,491% (giải thích tương tự với mô hình log - log).
Bảng 4.9 Kết quả hồi quy theo mô hình SFA - hiệu quả kinh
Hãng số 10931***
(21,340)
LnPa 0,2478#*
2,980)
LnPe 0.392**+
(6,040)
LnPxp. 0/115%%
(5,560)
TnPrp. -0/491**%
(4440)
LnPmr 20,186"
(6,280)
TnP, 0,004
0,070)
Số quan sát (n) 111
Giá trị y 205,610
Mức ý nghĩa mô hình 0,000
Gia trj log likelihood 881,039
Hệ số Gamma (7) 0,712
Ghi chi: Hộ 86 Gamma (7) ctege tớnh bằng cụng thức y = ỉ; Í(ỉ; + đ))
“**%: Mic ý nghĩa 19.
(Nguồn: SỐ liệu khảo sát, 2013) (2) Hiệu quả kỹ thuật
Mô hình ước lượng hiệu quả kỹ thuật của nông hộ trồng lúa vùng ĐBSCL được mô phỏng từ nghiên cứu của Bravo-Ureta & Pinheiro (1997), trong đó:
© Y là logarit tự nhiên sản lượng lúa nông hộ sản xuất (tn)
© Gla logarit ty nhiên lượng lúa giống nông hộ dùng trong canh tác lúa (kg)
© Pla logarit ty nhiên lượng phân bón nông hộ sử dụng (kg)
ô _ ND là logarit tự nhiờn lượng thuốc nụng dược nụng hộ sử dụng (kg)
© L là logarit tự nhiên ngày công lao động sản xuất lúa của nông hộ (ngày)
© TT là logarit tự nhiên chỉ phí tưới tiêu cho ruộng lúa của nông hộ (1.000 đồng)
‘TH là logarit tự nhiên chỉ phí thu hoạch và bảo quản sau thu hoạch của nông hộ (1.000 đồng)
Cách xử lý SFA về hiệu quả kỹ thuật trên Stata: Nhập lệnh s/2zoss y g p nd Lư th, d(h) va lénh predict te, be hoặc frontier y g p nd 1 tt th và lệnh predict te, te vio hop thoai Command v - Enter (tuong ty như cách xử lý về hi
kinh tế) đề thực hiện ước lượng hiệu quả kỹ thuật của nông hộ trồng.
ĐBSCL.
Giải thích kết quả phân tích hồi quy
Bang 4.10 Kết quả hồi quy theo mô hình SFA - hiệu quả kỹ thuật
Hệ số #,
Hãng số 2,960"
(15,240)
G 0,293"
(8,890)
P 0,107*%*
3,140)
ND ~0,055***
C2.920)
L 0212
(7,630)
TT ~0/007
| (0,520)
TH 047199
| (13,520)
Số quan sắt (n) 7
Giá trị 7? 2.066,77
Mức ý nghĩa mô hình 0,000
Gi tr) log likelihood 461,075
Hệ số Gamma (7) 0,356
Ghi chit: Hệ số Gamma (7) được tớnh bằng cụng thức ÿ = 0° |(0) + ỉ})-
***; Mức ý nghĩa 16.
(Nguôn: SỐ lều khảo sát, 2013).
Giải thích kết quả Bảng 4.10 đối với các
. 1 tương tự như giải thích
các biến trong Bảng 4.9 v hiệu quả kinh tế.
(3) Hiệu quả phân bổ
Mô hình ước lượng hiệu quả phân bổ của nông hộ trồng lúa vùng.
ĐBSCL được mô phỏng từ nghiên cứu của Bravo-Ureta & Pinheiro (1997), trong đó:
+ _ TC là logarit tự nhiên chỉ phí sản xuất lúa của nông hộ (triệu đồng).
â Po logarit ty nhiộn giỏ mua ẽ kg lỳa giống của nụng hộ (1.000 đồng/kg),
© Pp là logarit tự nhiên giá bình quân gia quyền 1 kg các loại phân bón được sử dụng (1.000 đồng/kg).
© Pyo là logarit tự nhiên giá bình quân gia quyền I kg các loại nông được.
sử dụng (1.000 đồng/kg).
® ˆ Puo là logarit tự nhiên chỉ phí ngày công của lao động (1.000 đồng/ngày).
© Prr là logarit tự nhiên chỉ phí tưới tiêu cho ruộng lúa của nông hộ (1.000 đồng/công)
+ Pa là logariLtự nhiên chỉ phí thu hoạch và bảo quản sau thu hoạch của nông hộ (1.000 đỗng/công)
Cách xử lý SFA về hiệu quả phân bỗ trên Stata: tương tự như lệnh xử lý
mô hình ước lượng hiệu quả kinh tế, nhập lệnh s/2ross ¥ Xi, d(h) cost va lénh
predict tên biến mới, be để ước lượng hiệu quả phân bố vào hộp thoại Command cia phan mềm Stata phiên bản 12 hoặc cao hơn:
¡ phần mềm Stata phiên bản II hoặc thấp hơn, nhập l ie
Y Xi, cost va lệnh prediet tên biến mới, te đề ước lượng hiệu quả phân bd. Cụ ví dụ trên, ta nhập lệnh g/eross tc pg pp pnd pld ptt pth y, d(h) cost inh predict ae, be hot frontier tc pg pp pnd pld ptt pth y, cost và lệnh
predict ae, te vao hép thoai Command - Enter dé thye hién wée lugng higu qua
bồ.