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” pdf
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (356.25 KB, 31 trang )
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 = β
1
+ β
2
COST + β
3
DIST + β
4
F&F + β
5
TIME + β
6
YEAR
(+) (-) (+) (-) (+) (+)
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 = β
1
+ β
2
COST + β
3
DIST + β
4
F&F + β
5
TIME
+ β
6
YEAR
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: β
1
= 0 và H
1
: β
1
± 0. Nhận thấy, Prob = 0.2116, do đó,
không thể bác bỏ Ho: β
1
= 0, tức là β
1
không có ý nghĩa giải thích cho mô hình. Tương
tự như thế β
2
, β
5
, β
6
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 β
3
, β
4
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:
H
0
:β
2
= β
3
= β
4
= β
5
= β
6
= 0 và H
1
: không phải H
0
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 H
0
, 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: β
1
= 0 vs H
1
: β
1
± 0, rõ ràng β
1
với Prob=0.1978 không có ý
nghĩa giải thích tại mức 5%. Và tương tự cho β
4
, β
5
cũng không có ý nghĩa giải thích
tại mức ý nghĩa 5%.
Tiến hành kiểm định như thế thì ta thấy β
2
, β
3
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 H
0
là β
4
= 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: H
0
: β
2
= β
5
= 0 và H
1
: khác H
0
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
H
0
. 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 H
0
: β
2
= β
5
= β
6
=0 và H
1
: khác H
0
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 H
0
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 = β
1
+ β
2
*(COST*DIST) + β
3
*(F&F*TIME) + β
4
*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: β
1
= 0 vs H
1
: β
1
± 0 với Prob=0.0762, với mức ý nghĩa là 5%
thì β
1
không có ý nghĩa giải thích.
Với giả thiết Ho: β
2
= 0 vs H
1
: β
2
± 0 và Prob=0.0000 luôn có ý nghĩa giải thích
tại mức ý nghĩa 5%, tương tự như vậy β
3
, β
4
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 H
0
: β
2
= β
3
= β
4
=0 và H
1
: khác H
0
