Luận văn Những yếu tố ảnh hưởng tới việc về quê hay không của sinh viên khoa kinh tế trong đợt nghỉ lễ 30/4 1/5

Biến DIST: Tại sao mà chúng tôi chỉ chọn biến DIST mà không đưa biến COST vào mô hình này. Như đã nói trên thì chúng ta đã thấy rằng là chi phí cho lần về quê thì nó hoàn toàn phụ thuộc vào khoảng cách của người đó từ nơi mà mình đang theo học tới nhà, các phát sinh dọc đường hoàn toàn do khoảng cách mà ra, vì đường xa nên mới phát sing ra những nhu cầu tất yếu như thế. Và cũng do khoảng cách xa hay gần nên họ cò nhiều cách lựa chọn chi phí của mình sao cho hợp lý, họ có thể dùng xe bus hay xe đò hay là tàu hỏa hoặc là máy bay.

pdf31 trang | Chia sẻ: lylyngoc | Lượt xem: 2507 | Lượt tải: 0download
Bạn đang xem trước 20 trang tài liệu Luận văn Những yếu tố ảnh hưởng tới việc về quê hay không của sinh viên khoa kinh tế trong đợt nghỉ lễ 30/4 1/5, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
1 Luận văn: “NHỮNG YẾU TỐ ẢNH HƯỞNG TỚI VIỆC VỀ QUÊ HAY KHÔNG CỦA SINH VIÊN KHOA KINH TẾ TRONG ĐỢT NGHỈ LỄ 30/4 1/5” 2 LỜI GIỚI THIỆU Trong cuộc sống, mỗi chúng ta ắt hẳn đã nhiều lần đứng trước những ngã ba, ngã tư đường thậm chí còn có thể nhiều hơn thế nữa. Đơn giản là việc suy nghĩ nên ngủ hay thức để xem trận chung kết cúp C1 giữa Manchester United với Barcalona, hay phức tạp hơn là việc chọn ngành nào để thi: ngành yêu thích, ngành theo ý kiến cha mẹ hay ngành đang “hot” của xã hội hoặc dĩ là chọn người mình yêu hay chọn người yêu mình để đi trọn cuộc đời… mỗi tình huống thực tế trong cuộc sống đều có tính chất, mức độ khác nhau, có trường hợp thì nó chỉ là xem hay không xem một trận bóng đá hay nếu không xem thì cũng chẳng sao vì đằng nào các nhà đài không phát lại, có đôi khi nó lại có tác động đến nửa đời còn lại của bạn như ngành nghề làm việc hay người chung sống với bạn suốt cả cuộc đời sau này, có thể là thiên đường nhưng cũng có thể là địa ngục. Tuy thế, tất cả những tình huống đó lại co một điểm chung là đều buộc chúng ta phải chọn một hướng đi cho mình. Vậy, bạn sẽ chọn hướng đi nào??? Một lẽ dĩ nhiên là bạn không thể vừa ngủ và vừa thức để xem bóng đá, hay cưới cùng lúc cả hai người để là chồng… Rõ ràng, chúng ta phải chấp nhận đánh đổi, hy sinh một thứ để có thứ còn lại. Và một câu hỏi được đặt ra là “yếu tố nào làm bạn có quyết định như thế?” Mỗi con người đều có một mục đích cũng như có những cơ sở nội tại hoàn toàn khác nhau chính vì thế họ cũng có những lý do khác nhau để giải thích cho sự lựa chọn của mình. Tuy nhiên, không phải mọi tình huống trong cuộc sống đều có thể cân, đo, đong, đếm được, nhất là trong vấn đề nhạy cảm như tình cảm. Nó có thể xem là một phạm trù mông lung và mỗi người đều có những định nghĩa cũng như trải nghiệm riêng cho nó. Do đó, việc đánh đổi trong vấn đề tình cảm hết sức nhạy cảm và cũng không kém phần thu hút và hấp dẫn. Mỗi đối tượng xã hội và trong những thời điểm cụ thể thì có những có những hình thái tình cảm khác nhau để đánh đổi, đó có thể là tình yêu quê hương đất nước, tình cảm gia đình hay tình yêu… Với đặc thù là những người sống xa nhà, thiếu thốn hơi ấm gia đình nên có lẽ hình thái tình cảm này có ảnh hưởng lớn đến những quyết định của sinh viên đại học. 3 Tuy nhiên, mỗi người lại có một sự thể hiện khác nhau, có người tận dụng mọi thời gian rãnh rỗi để về nhà, với gia đình nhưng một số khác lại không quan tâm lắm tới điều này mặc dù có thể họ cũng muốn. Với mong muốn tìm hiểu xu hướng đánh đổi giữa việc chọn hơi ấm gia đình hay ở lại cũng như những yếu tố nào tác động tới quyết định đó mà nhóm chúng tôi, những sinh viên của lớp K07405T đã tiến hành thực hiện đề tài: “Những yếu tố ảnh hưởng tới việc về quê hay không của sinh viên khoa kinh tế trong đợt nghỉ lễ 30/4 và 1/5”. Việc chọn dịp nghỉ lễ 30/4 và 1/5 là hoàn toàn có mục đích. Bởi lẽ, khác với dịp Tết hay nghỉ hè, những dịp có thời gian nghỉ lâu, và nó bắt đầu ngay sau những đợt thi kết thúc nên có không có nhiều ý nghĩa. Tuy nhiên, dịp lễ 30/4 và 1/5 lại khác, thời gian nghỉ của nó có hạn thường chỉ khoảng một tuần và nó lại nằm giữa học kỳ 2 nên có nhiều ý nghĩa hơn trong việc xem xét sự đánh đổi của sinh viên. Tuy nhiên, với hạn chế của việc khảo sát mà nhóm chúng tôi chỉ mới nghiên cứu trong phạm vi sinh viên Khoa Kinh Tế - ĐHQG TPHCM. Với việc chọn đề tài này, chúng tôi hi vọng sẽ mang lại hứng thú và tính ứng dụng cao. Bởi lẽ, xét cho cùng thì vấn đề tình cảm bao giờ cũng mang tính ẩn cao nên một nghiên cứu có khả năng đưa ra các phân tích về hành vi đánh đổi là một thách thức rất thú vị và đáng đầu tư công sức. Hơn nữa, nếu xét về mặt kinh tế thì nếu tìm ra chìa khóa, xu hướng về quê của sinh viên không những giúp cho những trung tâm giải trí dịch vụ phục vụ chi nhu cầu sinh hoạt của sinh viên có những chương trình thu hút đối tượng này trong những đợt lễ mà còn giúp cho chính nhóm chúng tôi – những sinh viên kinh tế có cơ sở hơn để thực hiện chiến lược kinh doanh vé xe của mình. Mặc dù đã rất cố gắng nhưng do năng lực chuyên môn còn nhiều hạn chế nên chắc hẳn đề tài này không thể tránh khỏi những sai sót, hạn chế. Rất mong nhận được sự đóng góp ý kiến của thầy. Chúng em xin chân thành cảm ơn!! NHÓM SINH VIÊN THỰC HIỆN K07405T 4 PHẦN 1: CƠ SỞ LÝ LUẬN 1.1. Cơ sở lý thuyết Mô hình chúng tôi hướng tới nhằm giải thích xu hướng ra quyết định của việc đánh đổi giữa việc chọn lựa về quê hay ở lại trường trong dịp 30/4 và 1/5 nên sau một thời gian suy nghĩ, chúng tôi quyết định chọn lý thuyết lựa chọn (theory of choice) làm cơ sở lý thuyết cho mình. Chọn lý thuyết lựa chọn làm cơ sở cho đề tài của mình chính là điều thú vị đầu tiên của đề tài chúng tôi. Bởi lẽ, đây là một lý thuyết sử dụng rộng rãi trong kinh tế chứ không phải trong vấn đề mang tính chất xã hội như đề tài chúng tôi. Tuy vậy,con người kinh tế vẫn luôn chứa đựng những bí ẩn xã hội như tình cảm nên chúng tôi nghĩ rằng đi cho hết con đường thì đâu đó chúng cũng có những điểm chung. Lý thuyết này dựa trên khái niệm Hữu dụng (Utility). Hữu dụng được định nghĩa là mức thỏa mãn hoặc hài lòng đi cùng với những sự lựa chọn thay thế. Các nhà kinh tế cho là khi các cá nhân đối mặt với một sự lựa chọn những hàng hoá thay thế khả dĩ, họ luôn lựa chọn hàng hoá thay thế mang lại mức Hữu dụng lớn nhất. Như vậy, chúng tôi càng có cơ sở cho lập luận của mình. Bởi lẽ, trong cuộc sống con người luôn đắn đo chọn lựa nên làm cái này hay cái khác, suy tính thiệt hơn trước khi hành động nếu không muốn mắc phải sai lầm. Duy chỉ có thể có một điểm khác biệt đó chính là đôi khi trong các quyết định của mình con người xã hội không tuân theo quy luật tối đa hóa mức hữu dụng cho mình mà cho người và đôi khi nó mang tính định tính theo tình cảm. Nhưng tóm lại, nó cũng cho chúng tôi những cơ sở vững chắc để thực hiện đề tài này Theo lý thuyết lựa chọn (theory of choice) thì có hai nhóm nhân tố ảnh hưởng đến việc ra quyết định chọn lựa của con người. Đó sự so sánh giữa những hành động có thể có và những yếu tố nội tại hay nội lực của cá nhân. So sánh những hành động tức là để tìm ra những cái được, cái mất khi thực hiện mỗi hành động xem thử trong hành động nào ta có lợi nhiều nhất và giảm đến tối thiểu những hệ lụy tiêu cực. Từ đó, xét đến nội lực tức là những gì mình có để thực hiện được hành động. Có thể nói, yếu 5 tố nội tại chính là rào cản giới hạn của mỗi cá nhân khi đưa ra quyết định. Bởi vì, nó là điều kiện tiên quyết để mỗi cá nhân có thể thực hiện tốt một hành động đã lựa chọn hay không. Đôi khi, chúng ta phải chọn những phương án không phải là tối ưu, trong khi còn có nhiều phương án khác hay hơn vì khả năng bản thân cho phép. Những yếu tố thuộc nhóm các yếu tố nội tại bao gồm: tài chính, địa lý, năng lực cá nhân… 1.2. Áp dụng lý thuyết nhằm đưa ra các biến cho mô hình Ứng dụng lý thuyết trên vào đề tài nghiên cứu cụ thể này, nhóm nghiên cứu chúng tôi quyết định đưa ra các nhóm nhân tố giải thích cho mô hình như sau: Thứ nhất, nhóm yếu tố nội tại của cá nhân. Nhóm yếu tố này nhằm giải thích những thứ mà một cá nhân phải bỏ ra, chấp nhận khi quyết định về quê ảnh hưởng như thế nào đến quyết định này. Nhóm yếu tố này bao gồm:  Khoảng cách, kí hiệu DIST.  Chi phí, kí hiệu COST.  Số năm học, kí hiệu YEAR. Thứ hai, nhó yếu tố điều kiện xã hội. nhóm yếu tố này nhằm giải thích những tác động của tác động từ ngoại cảnh tới quyết định về quê của sinh viên. Nhóm yếu tố này bao gồm:  Gia đình, bạn bè, kí hiệu F&F.  Thời gian được nghỉ, kí hiệu TIME. 1.3. Mô hình dự kiến YES_NO = β1 + β2COST + β3DIST + β4F&F + β5TIME + β6YEAR (+) (-) (+) (-) (+) (+) 1.4. Giải thích về dấu của các biến  Biến DIST có dấu âm vì khoảng cách nhà so với trường càng xa thì càng làm cho xu hướng sinh viên về quê càng giảm. Bởi vì với một thời gian nghỉ có giới hạn (như đã trình bày ở đầu) thì mất quá nhiều thời gian trên xe, tàu hỏa khiến cho nhiều bạn cảm thấy không đáng. 6  Biến COST: có dấu âm vì sinh viên thường có xu hướng xem xét xem nếu về thì số tiền bỏ ra sẽ như thế nào nếu ở lại. Do đó, với một chi phí cả đi lẫn về quá lớn thì làm cho sinh viên có xu hướng ở lại hơn là đi về.  Biến TIME: có dấu dương vì thời gian được nghỉ càng dài thì càng làm cho sinh viên có động lực về quê vì suy nghĩ không biết làm gì trong suốt thời gian dài như thế.  Biến YEAR: có dấu âm vì khi càng học đại học lâu thì sinh viên quen dần với việc xa nhà, cũng như càng sắp ra trường họ còn có xu hướng bổ túc thêm nhiều kĩ năng cần thiết cho công việc sau này nên có xu hướng ở lại hơn là đi về.  Biến F&F: có dấu dương vì với một người sống tình cảm thì những dịp có cơ hội hội ngộ với gia đình, bạn bè là vô cùng quý giá nên họ có xu hướng quyết định “hội ngộ” thay vì “ bàng quang” với những người có xu hướng sống thực dụng. 7 PHẦN 2: THU THẬP DỮ LIỆU 2.1. Phương pháp thu thập Nhóm nghiên cứu chúng tôi đã chọn phương pháp thu thập dữ liệu sơ cấp bằng cách phát phiếu câu hỏi tại Khoa Kinh Tế - ĐHQG TPHCM. 2.2. Một số điểm đáng lưu ý về bảng dữ liệu Sau đây là một số điểm cần biết về bảng dữ liệu như câu hỏi tương ứng, ý nghĩa của các câu trả lời, đơn vị tính...  Biến DIST  Câu hỏi: Khoảng cách từ nơi bạn học tập đến quê nhà nhà của bạn là bao nhiêu?  Trả lời: ……………. Km  Đơn vị tính: km  Biến COST  Câu hỏi: Chi phí cho một lần về quê của bạn cả đi lẫn về ( cả phí xe cộ, tiền ăn uống, quà vặt…) là bao nhiêu?  Trả lời: ………… đồng  Đơn vị tính: Ngàn đồng  Biến YEAR  Câu hỏi: Bạn đang là sinh viên năm mấy?  Trả lời:…………..  Đây là biến nhận các giá trị tứ 1 đến 4 (sinh viên khoa kinh tế có thời gian học là 4 năm)  Biến TIME  Câu hỏi: Trong đợt nghỉ lễ 30/4 và 1/5 vừa qua, bạn được nghĩ bao lâu?  Trả lời: …………. Ngày  Đơn vị tính: Ngày  Biến F&F  Câu hỏi: Mức độ tác động của gia đình, bạn bè đến quyết định có về quê hay không của bạn? 8  Đây là biến nhận giá trị từ 0 đến 5 cho ý nghĩa không ảnh hưởng cho tới rất ảnh hưởng 2.3. Bảng số liệu Obs YES_NO COST DIST TIME F_F YEAR 1 0 4000 2000 5 1 1 2 0 1000 2400 7 0 1 3 0 300 560 2 4 1 4 0 350 600 2 3 1 5 0 1000 800 5 3 3 6 0 700 1000 4 4 3 7 0 1000 1420 4 0 1 8 0 500 800 4 4 2 9 0 600 1300 4 1 3 10 0 2000 2000 6 5 1 11 0 650 800 7 4 4 12 0 500 200 4 5 1 13 0 2000 2000 4 1 1 14 0 800 1216 4 1 4 15 0 200 300 5 0 2 16 0 320 500 4 4 1 17 0 5000 2000 4 3 2 18 0 170 100 4 1 2 19 0 900 1200 4 0 2 20 0 250 350 4 4 1 21 0 160 400 4 3 3 22 0 300 500 5 3 2 23 0 300 520 2 2 3 24 0 500 300 10 1 3 25 0 260 500 5 2 1 26 0 1000 1987 7 2 4 27 0 260 560 2 3 1 28 0 2400 2248 4 3 4 29 0 500 1284 4 5 1 30 0 300 850 4 1 3 31 0 1600 1100 4 1 1 32 0 500 1500 4 4 1 33 0 1500 2000 4 3 1 34 0 240 400 4 5 1 35 0 700 2000 4 2 1 36 0 500 972 4 4 1 37 0 400 370 4 0 1 38 0 400 400 2 4 1 39 0 1200 1000 4 5 1 40 0 1800 1100 4 1 1 41 0 1500 900 4 0 1 9 42 0 1000 960 4 0 2 43 0 1000 1000 4 4 3 44 0 1000 900 5 0 2 45 0 300 300 5 4 2 46 0 600 1000 4 0 2 47 0 350 650 5 3 2 48 0 1000 700 7 0 3 49 0 200 110 10 3 3 50 0 110 80 9 1 3 51 0 1800 1700 10 2 3 52 1 150 150 10 1 3 53 1 300 190 7 4 3 54 1 200 350 9 0 3 55 1 200 100 10 4 3 56 1 104 70 10 0 3 57 1 300 350 7 4 3 58 1 1300 350 7 5 3 59 1 170 650 10 5 3 60 1 58 80 4 4 3 61 1 300 600 5 0 1 62 1 250 300 5 5 1 63 1 50 55 5 5 1 64 1 14 32 5 0 1 65 1 30 70 4 2 1 66 1 350 600 4 4 2 67 1 50 150 4 2 2 68 1 150 300 7 4 3 69 1 40 130 7 3 3 70 1 80 150 4 1 1 71 1 800 1572 4 3 2 72 1 80 100 4 0 1 73 1 40 50 4 4 1 74 1 5 10 7 0 1 75 1 200 300 4 5 2 76 1 12 70 4 4 2 77 1 300 300 4 4 1 78 1 200 200 4 3 1 79 1 300 500 4 0 1 80 1 54 120 4 5 1 81 1 550 900 4 3 1 82 1 400 500 4 2 1 83 1 20 75 4 3 1 84 1 30 80 4 0 2 85 1 700 600 4 5 2 86 1 240 800 5 5 2 87 1 360 600 5 3 2 88 1 36 102 4 2 2 89 1 10 70 4 0 1 10 90 1 160 200 4 5 1 91 1 420 700 5 4 2 92 1 24 30 4 2 3 93 1 200 350 5 3 2 94 1 140 200 4 5 1 95 1 200 300 4 4 2 96 1 450 700 5 4 2 97 1 100 180 4 4 3 98 1 350 350 4 3 1 99 1 250 450 8 5 3 100 1 500 600 5 3 2 101 1 500 600 5 4 2 102 1 100 100 7 5 1 103 1 1000 1600 4 3 1 104 1 200 200 5 4 1 105 1 60 100 5 4 2 106 0 350 520 4 1 1 107 0 1000 1700 5 3 2 108 0 350 700 4 3 1 109 0 1000 2300 4 0 1 110 0 1000 1000 7 4 3 111 0 1500 1000 4 5 2 112 0 260 500 4 0 2 113 0 500 900 5 2 2 114 0 300 750 5 1 2 115 0 300 1000 4 2 2 116 0 800 1300 5 0 2 117 0 750 1400 4 0 3 118 0 900 1300 4 1 1 119 0 300 550 4 3 3 120 0 50 100 9 4 1 121 0 800 1700 4 4 1 122 0 500 900 4 5 1 123 0 350 850 4 1 1 124 0 200 300 4 2 2 125 0 1500 900 4 0 1 126 0 150 300 7 5 3 127 0 1000 1600 4 3 1 128 0 2000 1070 7 0 3 129 0 700 950 4 1 1 130 0 280 420 5 0 2 131 0 200 170 4 4 2 132 0 3000 3600 9 1 1 133 1 300 320 5 4 1 134 1 500 473 4 3 1 135 1 400 700 4 3 1 136 1 220 300 4 3 1 137 1 10 90 4 0 3 11 138 1 80 300 4 1 2 139 1 30 100 6 5 1 140 1 50 100 4 3 1 141 1 300 450 4 4 1 142 1 250 300 4 3 1 143 1 15 47 5 4 3 144 1 500 1200 4 5 3 145 1 60 100 4 5 1 146 1 100 300 6 2 1 147 1 140 240 4 4 1 148 1 250 300 5 4 2 149 0 600 550 4 1 3 150 1 210 300 4 4 1 151 1 60 150 5 2 1 152 1 200 90 4 5 2 153 1 120 100 4 4 2 154 1 60 100 5 4 2 155 1 2400 1200 4 3 1 156 1 500 150 5 3 2 157 1 100 100 4 5 2 158 1 10 30 6 0 1 159 1 40 300 4 0 1 160 1 170 280 7 3 1 161 1 250 150 4 2 1 162 1 150 350 5 5 1 163 1 1000 1000 5 4 3 164 1 300 560 4 3 1 165 1 10 10 4 0 1 166 1 1500 1700 4 5 2 167 1 200 240 4 3 1 168 1 500 900 7 5 1 169 1 400 700 6 3 1 170 1 150 200 6 4 1 12 PHẦN 3: ƯỚC LƯỢNG VÀ KIỂM ĐỊNH MÔ HÌNH 3.1. Ước lượng mô hình Bảng ANOVA Dependent Variable: YES_NO Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/27/09 Time: 21:58 Sample: 1 170 Included observations: 170 Convergence achieved after 4 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C 0.560535 0.448754 1.249092 0.2116 COST -0.000244 0.000386 -0.632133 0.5273 DIST -0.001381 0.000395 -3.493700 0.0005 F_F 0.200907 0.067343 2.983328 0.0029 TIME 0.084369 0.076280 1.106044 0.2687 YEAR -0.273875 0.152808 -1.792283 0.0731 Mean dependent var 0.535294 S.D. dependent var 0.500226 S.E. of regression 0.400812 Akaike info criterion 1.033392 Sum squared resid 26.34663 Schwarz criterion 1.144067 Log likelihood -81.83834 Hannan-Quinn criter. 1.078303 Restr. log likelihood -117.4111 Avg. log likelihood -0.481402 LR statistic (5 df) 71.14560 McFadden R-squared 0.302976 Probability(LR stat) 5.92E-14 Obs with Dep=0 79 Total obs 170 Obs with Dep=1 91 Từ bảng ANOVA ta có mô hình (số trong ngoặc là Prob) YES/NO = 0.560535 - 0.000244*COST - 0.001381*DIST + 0.200907*F&F (0.2116) (0.5273) (0.0005) (0.0029) + 0.084369*TIME - 0.273875*YEAR (0.2687) (0.0731) N=170 ESS=0.400812 LR statistic= 71.14560 Probability(LR stat)= 5.92E-14 AIC=1.033392 SCHWAR=1.144067 So sánh với các giả thiết mà chúng ta đã kỳ vọng ban đầu về dấu của các biến: 13 - Biến COST: có dấu âm chứng tỏ là khi mà chi phí càng cao thì khả năng về quê của sinh viên càng thấp. Dựa trên mô hình ta thấy rằng cứ tăng thêm 1 đồng chi phí thì khả năng về sẽ giảm 0.0244%. - Biến DIST: cũng có dấu âm điều đó chứng tỏ rằng là đường về nhà càng xa thì họ càng không muốn về quê, khả năng về quê lại càng giảm đi 0.1381% khi mà quãng đường về nhà tăng thêm 1 Km. - Biến F&F: có dấu dương điều này thể hiện rằng là khi mà yếu tố gia đình, bạn bè mà lôi kéo hay rủ rê hoặc là sự mong muốn của cha mẹ muốn gặp con sau lâu ngày xa nhà (có lẽ là từ tết đến giờ). Cũng có khi là bạn bè cùng phòng trọ hay kí túc xá về hết ở lại mình buồn không biết làm gì nên cũng về theo, hay là nhà có em đang học lớp 10 hoặc lớp 12 mong anh chị về cho em một ít kinh nghiệm đi thi hay là tư vấn trường nào nên thi vào hoặc là những lời dặn dò gì đó nên lúc đó khả năng về nhà càng tăng lên. Vì đời người ai mà chẳng mong gặp lại những người thân những người bạn để hàn huyên tâm sự để tìm lại hơi ấm tình người sau những ngày sống ở đất khách quê người. Dựa vào mô hình ta sẽ thấy là sự tác động của các yếu tố này tăng lên một lần thì khả năng về tăng lên 0.200907 lần. - Biến TIME: có dấu dương điều thể hiện rằng là khi số ngày nghỉ tăng lên thì khả năng về quê của họ càng cao. Nếu số ngày nghỉ tăng lên 1 ngày thì khả năng về quê tăng lên 0.084369 lần. - Biến YEAR: có dấu âm chứng tỏ rằng là khi mà sinh viên càng về về cuối khóa học của mình tức là họ là những sinh viên năm cuối thì khả năng về quê của họ càng thấp bởi vì họ lo học hành và chuẩn bị thi cuối kỳ hay là tìm công ty và chuẩn bị đi thực tập. Họ còn phải tham gia các lớp học báo cáo chuyên đề hay báo cáo luận án tốt nghiệp nên khả năng họ về quê càng thấp xuống. Cụ thể là cứ tăng lên 1 năm thì khả năng về quê của họ giảm đi 0.273875 lần. Chúng ta dễ dàng thấy rằng dấu của các hệ số β đều đúng như kỳ vọng mà chúng ta đã nêu. Bây giờ chúng ta xem xét thử các biến mà chúng ta đã đưa ra có ý 14 nghĩa giải thích đối với mô hình mà chúng ta đã đưa ra ở mức ý nghĩa là 5% hay không? Chúng ta phải dùng tới kiểm định thống kê cho các biến. 3.2. Kiểm định thống kê cho mô hình dự đoán Mô hình dự kiến là: YES/NO = β1 + β2COST + β3DIST + β4F&F + β5TIME + β6YEAR Với mô hình này nhóm đã tiến hành khảo sát và chạy mô hình thì thấy rằng các biến có dấu đúng như kỳ vọng như mà pvalue của các biến lại không như kỳ vọng thông qua kiểm định t-test cho các biến giải thích mô hình này ta có thể đưa ra một số nhận xét. 3.2.1. Kiểm định T- test Kiểm định giả thiết Ho: β1 = 0 và H1: β1 ± 0. Nhận thấy, Prob = 0.2116, do đó, không thể bác bỏ Ho: β1= 0, tức là β1 không có ý nghĩa giải thích cho mô hình. Tương tự như thế β2, β5, β6 cũng không có ý nghĩa giải thích tại mức ý nghĩa 5%. Hay nói một cách tổng quan hơn là các biến chưa có ý nghĩa giải thích cho mô hình. Còn lại β3, β4 là các biến có ý nghĩa giải thích cho mô hình 3.2.2. Kiểm định Wald test: Dùng Eviews chạy kiểm định này cho mô hình với giả thuyết: H0:β2 = β3 = β4 = β5 = β6 = 0 và H1: không phải H0 Wald Test: Equation: Untitled Test Statistic Value df Probability F-statistic 9.436849 (5, 164) 0.0000 Chi-square 47.18425 5 0.0000 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(2) -0.000244 0.000386 C(3) -0.001381 0.000395 C(4) 0.200907 0.067343 C(5) 0.084369 0.076280 C(6) -0.273875 0.152808 Restrictions are linear in coefficients. 15 Theo kết quả của bảng trên thì, vì P value (F=9.436849) = 0.0000 < 0.05 nên ta bác bỏ giả thiết H0, tức là các hệ số hồi quy không đồng thời bằng 0. Hay là trong mô hình này các biến có ý nghĩa giải thích. Thế như theo kiểm định T-test thì hai biến COST, TIME, YEAR thì không có ý nghĩa giải thích nên chúng ta cần loại nó ra khỏi mô hình để mà tìm ra mô hình phù hợp hơn. 3.3. Tìm mô hình hợp lý sau khi loại biến COST, TIME, YEAR 3.3.1. Lý giải tại sao loại biến COST, TIME, YEAR Tuy nhiên tại sao một quyết định về quê mà COST, TIME, YEAR lại không có ý nghĩa. Bởi vì sự thật theo thực tế thì khi thời gian nghỉ càng kéo dài thì khả năng về của sinh viên càng lớn chứ, như vậy biến này phải có ý nghĩa. Ta nhận thấy rằng biến COST và biến DIST có thể có sự liên quan hay là quan hệ với nhau nên nó làm cho một biến không có ý nghĩa. Khi kiểm tra sự tương quan giữa hai biến này thì theo ma trận tương quan giữa hai biến thì ta nhận thấy rằng mối quan hệ giữa hai biến này có liên quan với nhau. Thông qua ma trận tương quan giữa hai biến này thì chúng ta cần loại bỏ một trong hai biến. COST DIST COST 1 0.7602244522 DIST 0.7602244522 1 Tại sao chúng tôi lại loại bỏ biến COST vì theo như chúng tôi dựa vào giá trị kiểm định trên thì chúng ta nên bỏ biến COST đi là hợp lý nhất theo phương diện toán học và theo như lập luận thì có lẽ là biến COST sẽ phụ thuộc vào DIST vì là nếu như quãng đường càng dài thì chi phí cho tiền tàu xe hay máy bay (các phương tiện dùng để đi về) cộng với tiền chi phí ăn uống quà cáp dọc đường nữa càng tăng lên nên có thể xem như là biến COST là biến phụ thuộc vào DIST. Mặt khác khi mà họ đã quyết định về quê rồi thì chắc chắn chi phí cũng không là vấn đề và họ sẽ xem coi cái nào đi lại là hợp lý nhất cho vừa khả năng chi phí của mình có được chưa kể là được sự hậu thuẫn của gia đình nếu như gia đình ủng hộ họ về thì cũng sẽ hỗ trợ một phần chi phí do đó chi phí đối với họ không là gì. 16 Và chúng ta sẽ loại bỏ các biến COST, TIME VÀ YEAR theo thứ tự từ p-value lớn đến nhỏ. Bảng kiết xuất mới khi loại bỏ biến COST như sau: Dependent Variable: YES_NO Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/27/09 Time: 22:04 Sample: 1 170 Included observations: 170 Convergence achieved after 4 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C 0.574491 0.446068 1.287900 0.1978 DIST -0.001574 0.000263 -5.982926 0.0000 F_F 0.202716 0.067007 3.025300 0.0025 TIME 0.080379 0.075726 1.061443 0.2885 YEAR -0.273394 0.152801 -1.789223 0.0736 Mean dependent var 0.535294 S.D. dependent var 0.500226 S.E. of regression 0.399898 Akaike info criterion 1.024075 Sum squared resid 26.38655 Schwarz criterion 1.116305 Log likelihood -82.04641 Hannan-Quinn criter. 1.061501 Restr. log likelihood -117.4111 Avg. log likelihood -0.482626 LR statistic (4 df) 70.72947 McFadden R-squared 0.301204 Probability(LR stat) 1.59E-14 Obs with Dep=0 79 Total obs 170 Obs with Dep=1 91 Mô hình số trong ngoặc là Prob: YES/NO = 0.574491-0.001574*DIST+0.202716*F&F+0.080379*TIME-0.273394*YEAR (0.1978) (0.0000) (0.0025) (0.2885) (0.0736) Nhận xét là các hệ số đều có dấu giống như kỳ vọng mà chúng ta đã nêu. Rồi ta tiến hành kiểm định T-test cho các biến: Với giả thiết Ho: β1 = 0 vs H1: β1 ± 0, rõ ràng β1 với Prob=0.1978 không có ý nghĩa giải thích tại mức 5%. Và tương tự cho β4, β5 cũng không có ý nghĩa giải thích tại mức ý nghĩa 5%. Tiến hành kiểm định như thế thì ta thấy β2, β3 có ý nghĩa giải thích cho mô hình. Hay là trong mô hình này biến DIST và F&F có ý nghĩa giải thích. 17 Tuy nhiên, tại sao trong trường hợp biến TIME lại không có ý nghĩa giải thích cho mô hình. Nhận thấy rằng khi số ngày nghỉ tăng lên càng nhiều thì khả năng về vẫn quê sẽ tăng lên và ngược lại. Vì thế biến này phải có ý nghĩa giải thích cho nguyên nhân về quê hay không về quê của sinh viên chứ. Hay nói cách khác là đáng ra là biến TIME phải có ý nghĩa giải thích cho mô hình nhưng khi kiểm định rõ ràng là biến này không có ý nghĩa giải thích cho mô hình này ở mức ý nghĩa 5%. Bây giờ chúng ta lại tiếp tục bỏ biến TIME ra khỏi mô hình do nó không có ý nghĩa giải thích và ta được bảng kiết xuất ANOVA như sau: Dependent Variable: YES_NO Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/27/09 Time: 22:06 Sample: 1 170 Included observations: 170 Convergence achieved after 4 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C 0.872192 0.347358 2.510934 0.0120 DIST -0.001632 0.000262 -6.223227 0.0000 F_F 0.200312 0.066692 3.003544 0.0027 YEAR -0.199644 0.134943 -1.479464 0.1390 Mean dependent var 0.535294 S.D. dependent var 0.500226 S.E. of regression 0.402679 Akaike info criterion 1.018993 Sum squared resid 26.91694 Schwarz criterion 1.092776 Log likelihood -82.61440 Hannan-Quinn criter. 1.048933 Restr. log likelihood -117.4111 Avg. log likelihood -0.485967 LR statistic (3 df) 69.59349 McFadden R-squared 0.296367 Probability(LR stat) 5.22E-15 Obs with Dep=0 79 Total obs 170 Obs with Dep=1 91 Mô hình mà chúng ta có thể có là (số trong ngoặc là Prob) YES/NO=0.872192-0.001632*+0.200312*F&F- 0.199644*YEAR (0.0120) (0.0000) (0.0027) (0.1390) Nhận xét thấy rõ rằng là các biến đều có ý nghĩa giải thích cho mô hình ở mức 5% nhưng loại trừ biến YEAR lại không có ý nghĩa giải thích ở mức ý nghĩa này. Do 18 p-value của biến này là 0.1390 > 0.05 nên ta chấp nhận giả thuyết H0 là β4= 0 có thể xảy ra, nên biến này không có ý nghĩa giải thích cho mô hình.(Dùng kiểm định T-test để kiểm tra). Kiểm định Wald test: Khi loại bỏ hai biến COST và TIME ra khỏi mô hình thì ta dùng kiểm định Wald test xem hai biến này có nên bỏ không so với mô hình mà chúng ta đã đưa ra đầu tiên. Với giả thiết như sau: H0: β2 = β5 = 0 và H1: khác H0 Ta có bảng kết xuất: Wald Test: Equation: Untitled Test Statistic Value df Probability F-statistic 0.761087 (2, 164) 0.4688 Chi-square 1.522174 2 0.4672 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(2) -0.000244 0.000386 C(5) 0.084369 0.076280 Restrictions are linear in coefficients. Rõ ràng là P value (F = 0.761087) = 0.4688 > 0.05 nên ta chấp nhận giả thuyết H0. Tức là hai biến này không có ý nghĩa giải thích trong mô hình, nên ta không cần thiết phải đưa nó vào mô hình. Và tại sao biến YEAR không có ý nghĩa??? Sự thật là nếu như sinh viên càng là sinh viên năm cuối thì khả năng về càng thấp bởi vì phải chuẩn bị thật kỹ càng cho một bước ngoặt trong cuộc đời là tốt nghiệp đó là: tìm kiếm chỗ thực tập và chuẩn bị kiến thức được học tập trong trường một cách vững vàng và đi học các lớp báo cáo chuyên đề để nâng cao trình nên khả năng về là rất thấp. Đó là nguyên nhân giải thích tại sao biến YEAR có ý nghĩa giải thích cho mô hình mà chúng tôi đặt ra. Tuy nhiên khi kiểm định rõ ràng biến này không có ý nghĩa 19 vì thế chúng ta có thể nói rằng là mô hình mà chúng ta đã dự đoán ban đầu là không phù hợp với ý nghĩa của nó. Xét mô hình sau khi đã loại bỏ biến COST và TIME thì chúng ta lại cũng thấy biến YEAR cũng không có ý nghĩa giải thích mô hình. Thật là khó để tìm lý do tại sao nó lại không có ý nghĩa, vì theo như nhận định nó phải là biến có ý nghĩa giải thích mô hình. Bởi vì trongnhững năm đầu, do yếu tố tâm lý là lần đầu tiê xa nhà và phải làm quen với cuộc sống mới: bon chen, xô bồ nơi thành phố nên họ thấy thiếu tốn tình cảm và hơi ấm gia đình cũng như những tình cảm bạn bè trong sáng thời phổ thông. Nên họ có xu hướng sẽ về nhà thường xuyên hơn. Bên cạnh đó, chương trình học trong nhưngc năm đầu chỉ là những môn đại cương giúp cho sinh viên tiếp cận và làm quen với phương pháp học tại Đại Học giúp cho họ có nhiều thời gian rảnh rỗi hơn là những năm về sau. 3.3.2. Mô hình sau khi loại biến YEAR Theo như kiểm định thống kê do các biến không có ý nghĩa giải thích cho mô hình thì ta tiếp tục loại bỏ nó ra khỏi mô hình, lần này ta sẽ loại biến YEAR ra khỏi mô hình và ta có bảng kết xuất như sau: 20 Bảng ANOVA Dependent Variable: YES_NO Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/26/09 Time: 12:49 Sample: 1 170 Included observations: 170 Convergence achieved after 4 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C 0.518136 0.247838 2.090629 0.0366 DISTANCE -0.001632 0.000262 -6.231084 0.0000 F_F 0.200349 0.066301 3.021804 0.0025 Mean dependent var 0.535294 S.D. dependent var 0.500226 S.E. of regression 0.405176 Akaike info criterion 1.020254 Sum squared resid 27.41598 Schwarz criterion 1.075592 Log likelihood -83.72163 Hannan-Quinn criter. 1.042710 Restr. log likelihood -117.4111 Avg. log likelihood -0.492480 LR statistic (2 df) 67.37902 McFadden R-squared 0.286936 Probability(LR stat) 2.33E-15 Obs with Dep=0 79 Total obs 170 Obs with Dep=1 91 Mô hình mà chúng ta có thể lập ra là: (số trong ngoặc là Prob) YES/NO=0.518136 - 0.001632*DIST + 0.200349*F&F (0.0366) (0.0000) (0.0025) Dùng kiểm định thống kê T-test cho mô hình này thì ta thấy hai biến DIST và F&F đều có ý nghĩa giải thích mô hình này. Điều này chứng tỏ là trong mô hình này chỉ có hai biến giải thích rõ rệt nhất cho quyết định về quê hay không về quê của sinh viên là DIST và F&F. Hay nói cách khác là các biến này là các biến có ý nghĩa giải thích cho mô hình này nhất. Dùng kiểm định Wald test cho mô hình ước lượng này so với mô hình đầu tiên mà chúng ta đã đưa ra. 21 Ta có giả thiết H0: β2 = β5 = β6 =0 và H1: khác H0 Ta có bảng kết xuất: Wald Test: Equation: Untitled Test Statistic Value df Probability F-statistic 1.228284 (3, 164) 0.3012 Chi-square 3.684851 3 0.2976 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(2) -0.000244 0.000386 C(5) 0.084369 0.076280 C(6) -0.273875 0.152808 Restrictions are linear in coefficients. Dễ dàng nhận thấy rằng P(F=1.228284)= 0.3012 > 0.05 thì ta nên chấp nhận giả thiết H0 hay là các biến COST, TIME, YEAR không cần thiết trong mô hình. Hay nói cách khác là mô hình của chúng ta bây giờ còn hai biến có ý nghĩa giải thích cho mô hình này là DIST và F&F 22 Ta có bảng so sánh các mô hình như sau: Variable Model A Model B Model C Model D Constant 0.518136 0.872192 5.2905 0.560535 (0.0366) (0.0120) (0.1978) (0.2116) DIST -0.001632 -0.001632 -0.001574 -0.001381 (0.0000) (0.0000) (0.0000) (0.0005) F&F 0.200349 0.200312 0.202716 0.200907 (0.0025) (0.0027) (0.0027) (0.0029) YEAR -0.199644 -0.273394 -0.273875 (0.1390) (0.0736) (0.0731) TIME 0.080379 0.084369 (0.2885) (0.2687) COST -0.000244 (0.5273) ESS 0.405176 0.402679 0.399898 0.400812 LR-stat 67.37902 69.59349 70.72947 71.14560 Probability(LR stat) 2.33E-15 5.22E-15 1.59E-14 5.92E-14 AIC 1.020254 1.018993 1.024075 1.033392 SCHWAR 1.075592 1.092776 1.116305 1.144067 Dựa vào bảng so sánh thì ta thấy mô hình A là mô hình có các thông số tốt nhất. Như vậy có thể xem đây là mô hình hoàn chỉnh nhất trong các mô hình mà chúng ta có thể chọn để giải thích vấn đề này. 23 Và mô hình hợp lý trong trường hợp này là: YES/NO=0.518136 - 0.001632*DIST + 0.200349*F&F (0.0366) (0.0000) (0.0025) Thế nhưng có nhiều ý kiến trong nhóm lại không đồng tình với mô hình này và bắt phải tìm ra một mô hình khác. 3.4. Nguyên nhân chọn mô hình mới Trong quá trình làm đề tài nhóm chúng tôi dự đoán 2 biến DIST và F&F vẫn chưa đủ để giải thích mô hình. Dễ dàng nhận thấy biến COST không chỉ là chi phí về xe không thôi mà còn là chi phí lặt vặt khi đi đường như ăn uống, quà vặt, mua quà về nhà… và DIST thể hiện rằng họ sẽ chọn phương tiện gì để di chuyển.Lúc đó DIST thể hiện thông qua chi phí là COST. Nếu như DIST càng lớn và COST càng lớn chứng tỏ là họ sử dụng những phương tiện tiên tiến như tàu lửa hay là máy bay. Không thể nào phủ nhận một điều là khi thời gian được nghỉ càng dài thì khả năng về của sinh viên càng cao và nếu như đó là những sinh viên năm thứ 3 và sinh viên năm 4 thì khả năng về của họ lại càng nhỏ. Nên không thể loại bỏ 2 biến TIME và YEAR khỏi mô hình. Qua nhiều lần tranh luận chúng tôi nhận thấy hai biến COST, DIST có mối quan hệ chặt chẽ với nhau nên đã quyết định kết hợp 2 biến đó thành một biến tích COST*DIST nhằm mục đích là tăng độ giải thích của nó lên so với khi mà chúng ta để hai biến này có ý nghĩa giải thích độc lập. Bởi lẽ khi quãng đường và chi phí kết hợp lại mà tăng lên quá lớn thì họ sẽ e ngại việc đi lại bởi vì quá khó khăn. Vì có những trường hợp quãng đường ngắn nhưng chi phí xe cộ cũng là một vấn đề đáng lưu tâm, ngoài ra còn có có nhiều lý do khác như: sự nguy hiểm trên đường về, khó khăn trong việc mua vé,… Cũng có những trường hợp quãng đường không phải vấn đề quá đáng lưa tâm nhưng chi phí lại là một vấn đề nan giải thì họ sẽ chần chừ không dám về, còn đối với một số người thì chi phí không thành vấn đề nhưng do quãng đường quá dài đi. Đường dài, chi phí lại cao, nên sự kết hợp của hai biến này làm tăng khả năng không về nhà của sinh viên, khi đó chúng ta kết hợp 2 biến này thành biến COST*DIST với kỳ vọng mang dấu âm. 24 Tương tự, với 2 biến F&F, TIME chúng tôi lập thành tích F&F*TIME nhằm tăng độ giải thích của nó lên vì khi thời gian nghỉ dài với một bên là sự khuyến khích của gia đình cùng lời mời của bạn bè một bên phải đối mặt với tình cảnh ở nhà trọ một mình cô đơn không bạn bè, điều này làm cho người ta có xu hướng quyết định về nhà hơn. Do đó mức tác động của việc kết hợp hai yếu tố này sẽ mạnh hơn là sự tác động riêng lẻ của từng yếu tố. Và chúng ta kỳ vọng nó mang dấu dương. Biến YEAR thì ý nghĩa như đã giải thích ở trên, chúng ta vẫn kỳ vọng nó mang dấu âm. Lúc này chúng tôi đưa ra hai mô hình mới là: 3.4.1.Mô hình 1: YES/NO = β1 + β2*(COST*DIST) + β3*(F&F*TIME) + β4*YEAR Bảng kết xuất ANOVA Dependent Variable: YES_NO Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/27/09 Time: 22:15 Sample: 1 170 Included observations: 170 Convergence achieved after 9 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C 0.507294 0.286116 1.773035 0.0762 COST_DIST -8.67E-07 1.84E-07 -4.713704 0.0000 F_F_TIME 0.036788 0.011586 3.175228 0.0015 YEAR -0.278524 0.131262 -2.121901 0.0338 Mean dependent var 0.535294 S.D. dependent var 0.500226 S.E. of regression 0.424681 Akaike info criterion 1.118695 Sum squared resid 29.93869 Schwarz criterion 1.192479 Log likelihood -91.08908 Hannan-Quinn criter. 1.148636 Restr. log likelihood -117.4111 Avg. log likelihood -0.535818 LR statistic (3 df) 52.64412 McFadden R-squared 0.224187 Probability(LR stat) 2.18E-11 Obs with Dep=0 79 Total obs 170 Obs with Dep=1 91 25 Mô hình có thể rút ra là: (các số trong ngoặc là Prob) YES/NO=0.507294-(8.67E-07)*COST*DIST+0.036788*F&F*TIME-0.278524*YEAR (0.0762) (0.0000) (0.0015) (0.0338) Nhận xét: các biến này đều mang dấu giống như kỳ vọng đặt ra. - Biến COST*DIST: mang dấu âm điều này chứng tỏ khi khoảng cách và chi phí quá lớn thì việc họ e ngại về là đúng và ngược lại khi nó quá thấp thì khả năng của họ về càng tăng lên và khi COST*DIST thay đổi một lần thì khả năng về của họ giảm đi -8.67E-07 lần. - Biến F&F*TIME: mang dấu dương chứng tỏ rằng khi thời gian nghỉ mà có thêm sự tác động của của gia đình bạn bè, cụ thể là thời gian nghỉ không dài lắm nhưng cha mẹ thôi thúc con về hay là ở phòng trọ vắng vẻ, bạn bè không còn ai để tâm sự, hay là bạn bè đồng hương rủ về nhà thăm trường lớp, thầy cô cũ nhân dịp ngày 1/5 hay là về quê tổ chức hội lớp hay hội trại gì đó… thì khả năng về của họ là tăng lên. Nếu như tác động của biến này tăng lên 1 lần thì khả năng về của họ tăng lên 0.036788 lần. - Biến YEAR: mang dấu âm thể hiện rằng là đối với những sinh viên các năm về cuối thì khả năng về của họ là giảm theo số năm mà họ đã theo học. Cụ thể là khi mà họ học thêm 1 năm thì khả năng về của họ giảm đi -0.278524 lần. 3.4.1.1. Kiểm định t-test cho các biến trong mô hình Với giả thiết Ho: β1 = 0 vs H1: β1 ± 0 với Prob=0.0762, với mức ý nghĩa là 5% thì β1 không có ý nghĩa giải thích. Với giả thiết Ho: β2 = 0 vs H1: β2 ± 0 và Prob=0.0000 luôn có ý nghĩa giải thích tại mức ý nghĩa 5%, tương tự như vậy β3, β4 đều có ý nghĩa giải thích tại mức ý nghĩa 5%. Như vậy xét về mặt kiểm định thống kê thì các biến đều có ý nghĩa giải thích mô hình với mức ý nghĩa 5%. 3.4.1.2. Kiểm định Wald test: nhằm kiểm định coi thử các biến này có ý nghĩa cho cả mô hình hay không. Với giả thiết H0: β2 = β3 = β4=0 và H1: khác H0 26 Ta có bảng kết xuất Wald Test: Equation: Untitled Test Statistic Value df Probability F-statistic 11.80636 (3, 166) 0.0000 Chi-square 35.41908 3 0.0000 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(2) -8.67E-07 1.84E-07 C(3) 0.036788 0.011586 C(4) -0.278524 0.131262 Restrictions are linear in coefficients. Ta thấy rằng là P-value (F=11.80636) = 0.0000 < 0.05 rõ ràng là ta bác bỏ giả thiết H0 hay là các biến không thể đồng thời không có ý nghĩa giải thích và mô hình có ý nghĩa chung để giải thích cho việc quyết định về quê của sinh viên. - Cho nên mô hình có 3 biến COST*DIST, F&F*TIME, YEAR có ý nghĩa giải thích chung. - Vì vậy chúng ta có thể nói rằng là với mô hình đây cũng là mô hình hợp lý mà chúng ta có thể tìm thấy nhằm giải thích ý nghĩa của đề tài. 3.4.2. Mô hình 2: YES/NO= β1 + β2*DIST + β3*F&F*TIME + β4*YEAR 3.4.2.1. Giải thích tại sao chọn mô hình như thế này? - Biến DIST: Tại sao mà chúng tôi chỉ chọn biến DIST mà không đưa biến COST vào mô hình này. Như đã nói trên thì chúng ta đã thấy rằng là chi phí cho lần về quê thì nó hoàn toàn phụ thuộc vào khoảng cách của người đó từ nơi mà mình đang theo học tới nhà, các phát sinh dọc đường hoàn toàn do khoảng cách mà ra, vì đường xa nên mới phát sing ra những nhu cầu tất yếu như thế. Và cũng do khoảng cách xa hay gần nên họ cò nhiều cách lựa chọn chi phí của mình sao cho hợp lý, họ có thể dùng xe bus hay xe đò hay là tàu hỏa hoặc là máy bay. Cho nên có thể nói là biến COST 27 phụ thuộc tương đối là lớn vào DIST giống như mô hình đầu tiên mà chúng tôi đưa ra thì biến COST không có ý nghĩa giải thích cho mô hình do đó chúng tôi loại nó ra khỏi mô hình. Và kỳ vọng nó mang dấu âm. - Biến F&F*TIME, YEAR: hoàn toàn giống như mô hình 1 mà chúng tôi đã đề cập trên. Tương tự như thế chúng ta cũng kỳ vọng biến F&F*TIME mang dấu dương và biến YEAR mang dấu âm. Bảng kết xuất ANOVA: Dependent Variable: YES_NO Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/27/09 Time: 22:18 Sample: 1 170 Included observations: 170 Convergence achieved after 4 iterations Covariance matrix computed using second derivatives Variable Coefficient Std. Error z-Statistic Prob. C 1.052727 0.324198 3.247171 0.0012 DIST -0.001562 0.000255 -6.133502 0.0000 F_F_TIME 0.036342 0.011898 3.054425 0.0023 YEAR -0.281800 0.138638 -2.032629 0.0421 Mean dependent var 0.535294 S.D. dependent var 0.500226 S.E. of regression 0.397036 Akaike info criterion 1.015696 Sum squared resid 26.16781 Schwarz criterion 1.089480 Log likelihood -82.33416 Hannan-Quinn criter. 1.045637 Restr. log likelihood -117.4111 Avg. log likelihood -0.484319 LR statistic (3 df) 70.15395 McFadden R-squared 0.298753 Probability(LR stat) 4.00E-15 Obs with Dep=0 79 Total obs 170 Obs with Dep=1 91 Từ bảng ANOVA chúng ta có thể thấy mô hình như sau: (số trong ngoặc là Prob) YES/NO=1.052727-0.001562*DIST+0.036342*F&F*TIME-0.281800*YEAR (0.0012) (0.0000) (0.0023) (0.0421) Nhận xét rằng dấu các biến giải thích đều đúng như kỳ vọng mà chúng ta đã đưa ra. - Biến DIST: mang dấu âm điều này thể hiện rằng khi khoảng cách càng dài thì khả năng hay xu thế về quê của họ là thấp xuống, bởi vì khi khoảng cách dài thì 28 chi phí khá cao, phương tiện đi lại khó khăn, việc mua vé về quê do phương tiện đi lại cũng gặp nhiều khó khăn như tàu hỏa, máy bay thì ít, xe khách thì nhiều mặt khác đi đường xa lại cũng rất là mệt mỏi do say xe, chóng mặt, đường dài thì tốn kém nên khi mà quãng đường tăng lên 1 km thì xu thế về quê của họ giảm đi 0.001562 lần. - Biến F&F*TIME: mang dấu dương và mang ý nghĩa hoàn toàn như mô hình 1 và nếu như tác động này mà tăng lên 1 lần thì xu thế về quê của họ tăng lên 0.036342 lần. - Biến YEAR: mang dấu âm và mang ý nghĩa hoàn toán giống như biến YEAR ở mô hình 1, và khi số năm học tăng lên 1 thì khả năng về của họ giảm đi - 0.281800 lần. 3.4.2.2. Kiểm định T-test cho các biến trong mô hình - Với giả thiết Ho: β1 = 0 vs H1: β1 ± 0 với Prob=0.0012, với mức ý nghĩa là 5% thì β1 có ý nghĩa giải thích cho mô hình. - Với giả thiết Ho: β2 = 0 vs H1: β2 ± 0 và Prob=0.0000 luôn có ý nghĩa giải thích tại mức ý nghĩa 5%, tương tự như vậy β3, β4 đều có ý nghĩa giải thích tại mức ý nghĩa 5%. - Như vậy xét về mặt kiểm định thống kê thì các biến đều có ý nghĩa giải thích mô hình với mức ý nghĩa 5%. 3.4.2.3. Kiểm định Wald test Ta dùng nó để kiểm tra ý nghĩa giải thích của các biến trong mô hình này, với giả thuyết H0: β2 = β3 = β4=0 và H1: khác H0 29 Ta có bảng kết xuất Wald Test: Equation: Untitled Test Statistic Value df Probability F-statistic 16.03071 (3, 166) 0.0000 Chi-square 48.09213 3 0.0000 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(2) -0.001562 0.000255 C(3) 0.036342 0.011898 C(4) -0.281800 0.138638 Restrictions are linear in coefficients. Ta nhận xét rằng P value (F=16.03071) = 0.0000 < 0.05 ta không thể chấp nhận giả thiết H0. Tức là trong mô hình một cách đồng thời các biến đều có ý nghĩa giải thích. 30 PHẦN 4: Ý NGHĨA CỦA MÔ HÌNH Sau các bước so sánh kiểm định thì nhóm chúng tôi đã đưa ra hai mô hình lựa chọn với các thông số như sau: Mô hình 1: YES/NO=0.507294 - (8.67E - 07)*COST*DIST + 0.036788*F&F*TIME - (0.0762) (0.0000) (0.0015) 0.278524*YEAR (0.0338) N=170 ESS=0.424681 AIC=1.118695 SCHWARZ=1.192479 LR statistic (3 df)=52.64412 Probability (LR stat) =2.18E-11 Mô hình 2: YES/NO=1.052727-0.001562*DIST+0.036342*F&F*TIME- (0.0012) (0.0000) (0.0023) 0.281800*YEAR (0.0421) N=170 ESS=0.397036 AIC=1.015696 SCHWARZ=1.089480 LR statistic (3 df)=70.15395 Probability(LR stat)=4.00E-15 Tuy nhiên, chúng tôi xin chọn mô hình 1 để phân tích những ý nghĩa của nó. Thứ nhất, đối với nhóm biến nội tại. Dựa vào mô hình trên khi mà khoảng cách nhà cũng như chi phí đi về tăng lên sẽ làm cho sinh viên có xu hướng về quê giảm đi. Thứ hai, nhóm biến xã hội. Khi mức độ sống tình cảm của sinh viên cảm cao mà kết hợp với số ngày nghỉ càng dì thì càng khuyến khích sinh viê về quê nhiều hơn là ở lại. Thứ ba, biến về số năm học. Học càng lâu trên giảng đường đại học sẽ làm cho sinh viên quen dần với việc sống xa gia đình, nên xu hướng là sinh viên năm 1 sẽ về quê nhiều hơn sinh viên năm 2, 3, 4. Từ những nhận định trên nhóm chúng tôi xin đưa ra một số ý kiến như sau:  Đối với các trung tâm giải trí. Muốn tăng doanh số trong thời điểm lễ 30/4 và 1/5 thì cần chú ý nhiều hơn đến những hoạt động dành cho những sinh viên nhà 31 xa, những sinh viên “già”… vì đa phần họ là những sinh viên sẽ có quyết định ở lại thay vì về quê  Đối với bản thân nhóm chúng tôi. Là những sinh viên kinh tế nên máu kinh doanh luôn trong đầu thì dịp này chình là dịp hco chúng tôi trổ tài nếu có thể dựa vào mô hình này. Cụ thể, đó là vấn đề về vé xe. Quyết định vè quê hay không thường được các bạn sinh viên quyết định trong những ngày cận lễ, khi họ cân nhắc mọi điều kiện một cách thấu đáo. Tuy nhiên, ở thời điểm đó, vé xe thường rất hiếm và có xu hướng tăng cao. Có nhiều trường hợp sinh viên không thể về nhà vì cháy vé. Chính vì thế, kinh doanh vé xe là một dự án khả thi. Trên đây là phần nghiên cứu cũng như những nhận định của nhóm. Chắc hẳn còn nhiều thiếu sót nhưng chúng tôi thực sự vui và hãnh diện vì mình đã có một quá trình nghiên cứu để hoàn thành bài làm này. Rất mong nhận được những lời đóng góp chân thành để hoàn thiện bài làm này hơn nữa!

Các file đính kèm theo tài liệu này:

  • pdf1550730415oc_641.pdf
Luận văn liên quan