sử dụng mô hình hồi quy để đánh giá tác động của gdp bình quân đầu ngƣời và mức độ ô nhiễm không khí lên tuổi thọ trung bình của các quốc gia năm 2014

Môi trường bị ô nhiễm ảnh hưởng tiêu cực tới sức khỏe của con người, từ đó làm giảm tuổi thọ trung bình.Ngoài ra chi tiêu cho y tế hiện nay vẫn chỉ tập trung vào một số bộ phận người dân

LỜI MỞ ĐẦU

Nền kinh tế đang ngày một phát triển khiến cho mức sống, điều kiện sinh hoạt và các dịch vụ y tế, chăm sóc sức khỏe ngày càng được nâng cao Điều đó cũng có nghĩa

là tuổi thọ trung bình của các quốc gia ngày một cao

Đi kèm với sự nghiệp Công nghiệp hóa – Hiện đại hóa đất nước, nền kinh tế ngày một phát triển, là sự tác động không nhỏ đến môi trường Môi trường bị ô nhiễm ảnh hưởng tiêu cực tới sức khỏe của con người, từ đó làm giảm tuổi thọ trung bình.Ngoài ra chi tiêu cho y tế hiện nay vẫn chỉ tập trung vào một số bộ phận người dân chính là những người có thu nhập ổn định và người cao tuổi Những năm qua, công tác bảo vệ, chăm sóc và nâng cao sức khỏe cho người dân nói chung và những người yếu thế nói riêng luôn được Đảng và Nhà nước ta ưu tiên hàng đầu với mục tiêu nhằm đảm bảo cho mọi người dân đều được tiếp cận dịch vụ y tế và chăm sóc sức khỏe Điều này được thể hiện rõ qua những chính sách và chương trình đầu tư cho xây dựng cơ sở hạ tầng, nâng cao số lượng và chất lượng đội ngũ cán bộ y tế ở những vùng khó khăn, vùng sâu, vùng

xa, vùng dân tộc thiểu số, Bên cạnh đó, còn có chính sách cấp bảo hiểm y tế miễn phí cho người nghèo, người dân tộc thiểu số Tuy nhiên, đối với người nghèo, cơ hội tiếp cận với dịch vụ chăm sóc sức khỏe vẫn gặp nhiều khó khăn

Để hiểu rõ hơn về tác động của thu nhập và mức độ ô nhiễm không khí tới tuổi thọ trung bình chúng em đã chọn đề tài: “SỬ DỤNG MÔ HÌNH HỒI QUY ĐỂ ĐÁNH GIÁ TÁC ĐỘNG CỦA GDP BÌNH QUÂN ĐẦU NGƯỜI VÀ MỨC ĐỘ Ô NHIỄM KHÔNG KHÍ LÊN TUỔI THỌ TRUNG BÌNH CỦA CÁC QUỐC GIA NĂM 2014” Bài tiểu luận nhằm đánh giá tác động của GDP bình quân đầu người và mức độ ô nhiễm không khí đối với tuổi thọ trung bình, với phạm vi nghiên cứu bao gồm 50 quốc gia ở tất cả các châu lục Từ đó chúng ta có thể có cái nhìn khách quan và đưa ra những giải pháp phù hợp để cải thiện sức khỏe của mỗi người,từ đó nâng cao tuổi thọ trung bình

Ngoài những mục yêu cầu cần có của bài tiểu luận như lời mở đầu, kết luận và danh mục tài liệu tham khảo, tiểu luận được chia làm các phần như sau

Chương I : Cơ sở lý thuyết

Chương II : Xây dựng mô hình nghiên cứu

Chương III : Kết quả ước lượng và suy diễn thống kê

Mặc dù đã cố gắng hết sức, song vì thời gian có hạn, cũng như những hạn chế về hiểu biết và phương pháp thu thập dữ liệu, bài tiểu luận của chúng em không thể tránh khỏi sai sót, rất mong được nhận sự phê bình, góp ý của cô để bài tiểu luận của chúng

em hoàn thiện hơn

Chúng em xin chân thành cảm ơn!

PHẦN NỘI DUNG CHƯƠNG I CƠ SỞ LÝ THUYẾT

Tuổi thọ trung bình của một quốc gia là được định nghĩa là số năm mà một trẻ em mới ra đời kì vọng sống sót trong quãng đời còn lại Thật ra, trong thực tế tuổi thọ trung bình có thể ước tính cho bất cứ độ tuổi nào Tuổi thọ trung bình có thể ước tính cho từng địa phương trong một thời gian nào đó

Thế nhưng lại có sự khác biệt về tuổi thọ trung bình giữa các quốc gia, vậy nguyên nhân là do đâu Có rất nhiều yếu tố ảnh hưởng đến tuổi thọ trung bình, nhưng trong phạm vi tiểu luận này, chúng em xin phép đưa ra hai yếu tố để nghiên cứu tác động của nó tới tuổi thọ trung bình Đó là GDP bình quân đầu người và độ ô nhiễm không khí tại các quốc gia

GDP bình quân đầu người được tính bởi tổng giá trị sản phẩm trong nước của một quốc gia trên số dân số của quốc gia đó GDP/người là một trong những chỉ tiêu thống

kê kinh tế tổng hợp quan trọng phản ánh kết quả sản xuất tính bình quân đầu người trong một năm GDP/người còn là chỉ tiêu được dùng để đánh giá sự phát triển kinh tế theo thời gian và so sánh quốc tế UNDP (2002) cho biết những quốc gia có GDP/người thấp thì tuổi thọ trung bình thấp và tỉ lệ trẻ sơ sinh tử vong cao Với những nước có thu nhập bình quân đầu người lớn hơn 10000 đô-la, các tỉ lệ này hầu như không có sự khác biệt rõ ràng

Ô nhiễm không khí là ô nhiễm do các chất có sẵn trong tự nhiên hoặc hành động của con người làm phát sinh các chất ô nhiễm trong không khí Nhìn chung những nguyên nhân chính gây nên ô nhiễm không khí một phần là do các tác nhân tự nhiên như cháy rừng, núi lửa, bão bụi, quá trình phân hủy của động thực vật,…, một phần là

do tác nhân từ con người như hoạt động công nghiệp thải ra rất nhiều khí độc, phát triển giao thông, vận tải, sinh hoạt của con người,…Tất cả những nguyên nhân đó đã gậy nên rất nhiều hậu quả xấu đến sức khỏe con người và môi trường Riêng đối với con người thì ô nhiễm không khí tác động rất lớn đến sức khỏe làm cho con người bị

giảm tuổi thọ do gặp nhiều vấn đề về phổi, mắc bệnh hen suyễn, tim mạch Tổ chức y

tế thế giới ghi nhận tại Việt Nam trung bình mỗi năm có 16000 người chết người chết

do ô nhiễm không khí gây nên Để đo lường mức độ ô nhiễm không khí, người ta dùng chỉ số PM2.5 – mức ô nhiễm trung bình Chỉ số trên được tính bằng khối lượng các hạt bụi có trên thể tích 1 m3 (micrograms/m3) Bây giờ chúng ta hãy cùng xét mối quan hệ giữa chúng

CHƯƠNG II XÂY DỰNG MÔ HÌNH

2.1 Phương pháp luận của nghiên cứu

Sử dụng phân tích hồi quy để đánh giá tác động của GPD bình quân đầu người và mức độ ô nhiễm lên tuổi thọ trung bình của các quốc gia năm 2014 Đây là một phương pháp thống kê mà giá trị kì vọng của một hay nhiều biến ngẫu nhiên được dự đoán dựa vào điều kiện của các biến phi ngẫu nhiên (đã tính toán) khác

2.2 Xây dựng mô hình nghiên cứu

2.2.1 Mô hình nghiên cứu

Sử dụng mô hình hồi quy tổng thể ngẫu nhiên:

2.2.2 Biến số và thước đo

2.2.2.1 Biến số

LE: biến phụ thuộc (biến được giải thích)

GPC, AP: biến độc lập (biến được giải thích)

2.2.2.2 Thước đo

LE: Tuổi thọ trung bình (Đơn vị: năm)

GPC: Thu nhập quốc dân bình quân đầu người (Đơn vị: USD)

AP: Ô nhiễm không khí PM2.5, mức phơi nhiễm trung bình hàng năm (Đơn vị:

2.2.3 Mô tả số liệu

2.2.3.1 Mẫu số liệu

Mẫu số liệu (gốm 50 quan sát) được lấy nguồn từ trang web của Worldbank STT Quốc gia Thu nhập bình Mức độ ô nhiễm Tuổi thọ bình

5 Singapore 56.007,3 18 82

38 Bhutan 2560,5 54 69

Bảng II.1: Mẫu số liệu (Nguồn: World Bank)

2.2.3.2 Mô tả thống kê số liệu

Trước khi phân tích dữ liệu, nhóm sẽ mô tả dữ liệu để cho người đọc có cái nhìn

tổng quát nhất về bộ dữ liệu nhóm đã thu thập được Qua đó có thể giải thích được một

số lỗi khi chạy mô hình xảy ra do có sự sai sót về dữ liệu

Như đã trình bày ở phần cơ sở lý thuyết, bộ dữ liệu gồm có 3 biến Sau đây, nhóm

sẽ đưa ra phần mô tả cho từng biến trong mô hình

a) Biến LE (tuổi thọ trung bình)

Sử dụng Summary statistic trong Gretl phân tích biến LE ta thu được kết quả:

Bảng II.2 Mô tả số liệu biến LE

Kết quả cho thấy:

- Giá trị trung bình của dữ liệu là 73,620

- Trung vị của dữ liệu là 75,500, giá trị lớn nhất là 83,000 và nhỏ nhất là 52,000

- Độ lệch chuẩn là 8,2360 Tương đương với phương sai là 67,8320

Ta có thể nhận thấy, dữ liệu có độ lệch chuẩn tương đối lớn, mức độ phân tán kết quả cao thể hiện sự chênh lệch về tuổi thọ trung bình giữa các nước là tương đối cao Những nước giàu, nước phát triển thường có tuổi thọ trung bình cao (trên 80) tập trung chủ yếu ở châu Mỹ và châu Âu, trong khi đó các nước ở châu Á và châu Phi đều là những nước đang phát triển, tuổi thọ trung bình thường dao động trong khoảng 60-70 tuổi

b) Biến GPC (thu nhập bình quân đầu người)

Sử dụng Summary statistic trong gretl phân tích biến GPC ta thu được kết quả:

Bảng II.3 Mô tả số liệu biến GPC

Kết quả cho thấy:

- Giá trị trung bình của dữ liệu là 21143,0

- Trung vị của dữ liệu là 9135,8 , giá trị lớn nhất là 94944,0 và nhỏ nhất là 573,60

- Độ lệch chuẩn là 24476,0

Ta có thể nhận thấy, dữ liệu có độ lệch chuẩn rất lớn, cho thấy sự chênh lệch về thu nhập bình quân giữa các quốc gia là rất lớn Điều này cũng dễ hiểu vì có sự chênh lệch rõ rệt về trình độ phát triển kinh tế giữa các quốc gia Thu nhập bình quân đầu người của các nước châu Mỹ và châu Âu thường cao hơn rất nhiều lần sao với các nước châu Á và châu Phi

c) Biến AP (mức độ ô nhiễm môi trường)

Sử dụng Summary statistic trong gretl phân tích biến AP ta thu được kết quả:

Mean 26,820 Standard deviation 21,584

Bảng II.4 Mô tả số liệu biến AP

Kết quả cho thấy:

- Giá trị trung bình của dữ liệu là 26,820

- Trung vị của dữ liệu là 18,500, giá trị lớn nhất là 107,000 và nhỏ nhất là 6,000

- Độ lệch chuẩn là 21,584

Giá trị trung bình là 26,820 cho thấy mức độ ô nhiễm đang ở mức nhẹ (mức an toàn cho phép là 25), độ lệch chuẩn là 21,584 tương đối lớn Các nước có mức độ ô nhiễm nặng thường là những nghèo, những nước đang phát triển ở Châu Á, Châu Phi (Ví dụ như Qatar: 107, Buhtan: 54, Ấn Độ: 72, Nigeria: 42, Ethiopia: 35, ….) trong khi

đó ở những nước phát triển thuộc châu Âu, châu Mỹ, mức độ ô nhiễm lại ở mức rất thấp (Mỹ: 8, Úc: 6, Thụy Điển: 6, New Zealand: 6, ….)

2.2.3.3 Mô tả tương quan

Bảng II.5 Mô tả tương quan số liệu

Hệ số tương quan giữa biến LE và GPC là 0,6603 thể hiện mỗi quan hệ thuận chiều, tức là khi thu nhập bình quân tăng lên thì tuổi thọ trung bình cũng có xu hướng tăng lên, bởi vì khi thu nhập tăng lên thì người dân sẽ có điều kiện chi trả cho các dịch

vụ y tế, chăm sóc sức khỏe nhiều hơn so với trước, đồng thời khi tổng thu nhập quốc dân tăng, chính phủ cũng chi nhiều hơn cho các dịch vụ công, đặc biệt là dịch vụ y tế

và bảo vệ môi trường, từ đó hạn chế được các bệnh ung thư và các vấn đề có hại cho sức khỏe người dân, nâng cao tuổi thọ trung bình Hệ số tương quan giữa LE và GPC khá cao (0,6603) cho thấy mỗi quan hệ tương quan khá chặt chẽ giữa thu nhập bình quân và tuổi thọ trung bình

Hệ số tương quan giữa LE và AP là -0,3333 thể hiện mối quan hệ nghịch biến, tức là khi mức độ ô nhiễm tăng lên thì tuổi thọ trung bình giảm xuống Điều này hoàn toàn đúng bởi vì ô nhiễm càng nặng thì tỉ lệ ung thư càng cao, dẫn đến tỉ lệ tử vong càng cao, tuổi thọ trung bình giảm xuống Ở những nước đang phát triển, mức độ ô nhiễm luôn ở mức cao, cộng thêm số tiền chi các dịch vụ chăm sóc sức khỏe còn thấp

là nguyên nhân chính khiến cho tuổi thọ trung bình ở các quốc gia này luôn ở mức thấp

Hệ số tương quan giữa GPC và AP là -0,1878, thể hiện mối quan hệ ngược chiều, khi thu nhập bình quân tăng lên thì mức độ ô nhiễm cũng tăng theo, điều này thể hiện

sự đánh đổi giữa phát triển công nghiệp và ô nhiễm môi trường Hệ số tương quan tương đối nhỏ (-0,1878) cho thấy mức độ tương quan giữa 2 biến này là tương đối nhỏ (lỏng lẻo), bởi vì có rất nhiều nguyên nhân khác gây ra ô nhiễm môi trường

Từ những điều đã phân tích ở trên, có thể nhận thấy rằng biến độc lập có sự tương quan với biến phụ thuộc, và giữa các biến độc lập cũng có sự tương quan với nhau Hơn nữa, nhận thấy không có hệ số tương quan nào lớn hơn 0,8 nên mô hình này không mắc phải khuyết tật đa cộng tuyến

CHƯƠNG III KẾT QUẢ ƯỚC LƯỢNG VÀ SUY DIỄN THỐNG KÊ

3.1 Mô hình ước lượng

Chạy mẫu số liệu bằng phần mềm Gretl, ta thu đượckết quả như sau:

Từ kết quả trên ta có mô hình hồi quy mẫu:

̂ i = 71.4288+ 0.000208486 GPC i – 0.0826581 AP i

(SE) (1.68054) (3.59942 x 10-5) (0.0408164)

Mô hình hồi quy mẫu ngẫu nhiên:

LEi = 71.4288+ 0.000208486 GPCi – 0.0826581 APi +

ei Hệ số xác định R2 = 0.481205

Điều này chứng tỏ 2 biến GPC và AP giải thích được 48.12% sự

trong giá trị của Y, 51.88% còn lại được giải thích bởi các yếu tố khác

Hệ số xác định ̅2 = 0.459128

và 0.0486

thay đổi thực sự

3.2 Kiểm định và khắc phục các khuyết tật của mô hình

3.2.1 Đa cộng tuyến

-Đa cộng tuyến là một khuyết tật của mô hình hồi quy tuyến tính bội (nhiều biến độc lập)

-Trong mô hình hồi quy tuyến tính có sự phụ thuộc tuyến tính cao giữa các biến giải thích

15

Đa cộng tuyến có hai dạng theo mức độ tương quan giữa các biến độc lập:

+ Đa cộng tuyến hoàn hảo

+ Đa cộng tuyến không hoàn hảo

Ta kiểm định hiện tượng đa cộng tuyến hoàn hảo bằng phương pháp nhân tử phóng đại phương sai:

Hồi quy phụ là hồi quy mỗi biến độc lập theo tất cả các biến còn lại

VIFj = Với là hệ số xác định của các mô hình hồi quy phụ

Khi  1 thì VIFj

∞: mức độ cộng tuyến giữa Xj với các biến độc lập còn lại càng cao

 0 thì VIFj

1: không tồn tại hiện tượng đa cộng tuyến giữa các biến độc lập

VIFj > 10: đa cộng tuyến tồn tại

Ta xác định VIFj bằng Gretl, thu được giá trị VIFGPC = VIFAP = 1.037

KẾT LUẬN: Mô hình hồi quy không tồn tại hiện tượng đa cộng tuyến giữa các biến độc lập

3.2.2 Phương sai sai số thay đổi

Một trong những giả thuyết của mô hình hồi quy tuyến tính cổ điển: Các

var(ui|Xi) = var(uj|Xj) = σ2

Khi giả thiết bị vi phạm: var(ui|Xi) = (i=̅̅̅̅̅ )

Ta sử dụng phương pháp định lượng kiểm định White:

Mô hình hồi quy phụ:

= α1 + α2 GPCi + α3 APi + α4 + α5 + α6 GPCi APi + vi

Bài toán kiểm định: Với mức ý nghĩa α = 5%, có ít nhất một giá trị α khác 0 hay không?

Cặp giả thuyết:

16

H1: ít nhất 1 giá trị α ≠ 0

Sử dụng Gretl ta thu được:

p-value = 0.155002

Với mức ý nghĩa α = 0.05 < p-value nên không bác bỏ H0

KẾT LUẬN: Với mức ý nghĩa α = 5% thì phương sai sai số thuần nhất, tức là không có hiện tượng phương sai sai số thay đổi

3.2.3 Bỏ sót biến quan trọng

Ta sử dụng kiểm định RESET của Ramsey

Bài toán kiểm định: Với mức ý nghĩa α = 5%, hệ số của ̂ 2 và ̂ 3 có thực sự khác 0 hay không?

Cặp giả thuyết:

H0:α1=α2=0

H1: +

Sử dụng Gretl ta có kết quả:

17

p-value = 0.102

Với mức ý nghĩa α = 0.05 < p-value, không bác bỏ H0

KẾT LUẬN: Với mức ý nghĩa α = 5%, mô hình không bỏ sót biến quan trọng

3.2.4 Phân phối chuẩn của nhiễu

Để tiến hành kiểm định và dự báo, chúng ta đưa thêm giả thuyết về phân phối chuẩn của nhiễu:

ui ~ N(0,σ2)

Nếu sai số ngẫu nhiên không có phân phối chuẩn:

-Các kiểm định t, F không còn đáng tin cậy

-Dự báo không còn chính xác

Bài toán kiểm định: Với mức ý nghĩa α = 5%, sai số có phân phối chuẩn hay không?

Ta tiến hành kiểm định Jacque – Bera:

Cặp giả thuyết:

H0: sai số có phân phối chuẩn

H1: sai số không có phân phối chuẩn

Sử dụng Gretl ta thu được kết quả sau:

Hình III.1: Phân phối chuẩn của nhiễu

có p-value = 0.00445

Với mức ý nghĩa α = 0.05 > p-value, bác bỏ H0

KẾT LUẬN: Với mức ý nghĩa α = 5%, sai số không có phân phối chuẩn

Phương pháp khắc phục: tăng kích thước mẫu số liệu

3.3 Kiểm định mô hình

3.3.1 Kiểm định sự phù hợp với lý thuyết

Bài toán kiểm định 1: Với mức ý nghĩa α = 5%, hệ số hồi quy của biến GPC có thực sự lớn hơn 0 hay không?

Cặp giả thuyết:

H0: βGPC ≤ 0

H1: βGPC > 0

p-value (βGPC) = 5.54 x 10-7 < α nên bác bỏ H0

KẾT LUẬN: Với mức ý nghĩa α = 5%, hệ số hồi quy của biến GPC thực sự lớn hơn 0

Bài toán kiểm định 2: Với mức ý nghĩa α = 5%, hệ số hồi quy của biến AP có thực sự nhỏ hơn 0 hay không?

Cặp giả thuyết:

H0: βAP 0

H1: βAP < 0

p-value (βAP) = 0.0486 < α nên bác bỏ H0

KẾT LUẬN: Với mức ý nghĩa α = 5%, hệ số hồi quy của biến AP thực sự nhỏ hơn 0

3.3.2 Kiểm định ý nghĩa thống kê của các hệ số hồi quy

Bài toán kiểm định 1: Với mức ý nghĩa α = 5%, hệ số hồi quy của biến GPC có thực sự khác 0 hay không?

Cặp giả thuyết:

H0: βGPC = 0

H1: βGPC ≠ 0

p-value (βGPC) = 5.54 x 10-7 < α nên bác bỏ H0

KẾT LUẬN: Với mức ý nghĩa α = 5% thì hệ số hồi quy của biến GPC thực sự khác 0

Bài toán kiểm định 2: Với mức ý nghĩa α = 5%, hệ số hồi quy của biến AP có thực sự khác 0 hay không?

Cặp giả thuyết:

H0: βAP 0

H1: βAP ≠ 0

p-value (βAP) = 0.0486 < α nên bác bỏ H0