Tiểu luận Sự ảnh hưởng của các yếu tố số trẻ em trong hộ gia đình, mức độ tiếp cận dịch vụ chăm sóc sức khỏe và tình trạng sức khỏe tới số lượt đến gặp bác sĩ

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
TIỂU LUẬN KINH TẾ LƯỢNG
Lớp KTE218.1
Giáo viên hướng dẫn: ThS. Phí Minh Hồng
Sinh viên thực hiện:
Hà Nội, 10/2013
MỤC LỤC
MỞ ĐẦU
1. Tên đề tài:
Sự ảnh hưởng của các yếu tố số trẻ em trong hộ gia đình, mức độ tiếp cận dịch vụ chăm sóc sức khỏe và tình trạng sức khỏe tới số lượt đến gặp bác sĩ
2.Vấn đề nghiên cứu
Trên cơ sở khoa học và xã hội, chúng ta có thể xét thấy một lượng rất lớn các yếu tố ảnh hưởng đến số lượt đến gặp bác sĩ. Đó có thể là thu nhập cá nhân, môi trường sống, tiền sử bệnh lý gia đình, số con...và còn rất nhiều những yếu tố khác nữa. Tuy nhiên, trong phạm vi khuôn khổ một bài tiểu luận, nhóm em chỉ nghiên cứu sự ảnh hưởng của các yếu tố số trẻ em trong hộ gia đình, mức độ tiếp cận dịch vụ chăm sóc sức khỏe và tình trạng sức khỏe.
Dựa trên số liệu của cô giáo đưa ra, nhóm chúng em đã sử dụng mô hình kinh tế lượng để kiểm định các giả thiết đã lựa chọn cũng như đưa ra nhận xét, kết luận về các con số đã thể hiện trong bài. Dưới đây là bản mô tả số liệu chi tiết cũng như kết quả phân tích hồi quy của đề tài này.
3.Câu hỏi nghiên cứu
Các yếu tố số trẻ em trong hộ gia đình, mức độ tiếp cận dịch vụ chăm sóc sức khỏe và tình trạng sức khỏe có ảnh hướng ít hay nhiều tới số lượt đến gặp bác sĩ? Và ảnh hưởng như thế nào?
NỘI DUNG
PHẦN I: MÔ TẢ SỐ LIỆU
1.XÂY DỰNG MÔ HÌNH HỒI QUY
Biến phụ thuộc: Output: Y=docvisit (number of doctor visits) số lượt đến gặp bác sĩ
Biến độc lập :
- X1: kids(number of children in household) số trẻ em trong hộ gia đình
- X2: access ( measure of access to health care) Đo lường mức độ tiếp cận dịch vụ chăm sóc sức khỏe
- X3: status ( health status (higher positive score indicates poorer health)) tình trạng sức khỏe(điểm tích cực cao hơn chỉ sức khỏe yếu hơn)
Mô hình hồi quy tổng thể (PRM)
Output = β0+ β1.kids + β2.access + β3.status +u
Mô hình nghiên cứu số lượt đến gặp bác sĩ với các biến số số trẻ em trong hộ gia đình (kids), mức độ tiếp cận dịch vụ chăm sóc sức khỏe (access), tình trạng sức khỏe (status).
X1= kids: số trẻ em trong hộ gia đình. Số trẻ em trong gia đình có ảnh hưởng lớn đến số lượt gặp bác sĩ. Từ giai đoạn mang thai đến khi đứa trẻ trào đời và trưởng thành, các bậc cha mẹ sẽ gặp mặt bác sĩ tương đối thường xuyên để đảm bảo cho con mình khỏe mạnh và phát triển tốt. Trẻ em với sự hiếu động, non nớt và sức đề kháng còn yếu rất dễ bị tấn công bởi các loại bệnh hoặc chấn thương, có thể do virus hoặc do sự chăm sóc thiếu cẩn trọng từ người lớn. Ở độ tuổi còn quá nhỏ, các em chưa thể giải thích rõ ràng với người lớn các vấn đề trong cơ thể mình, vậy nên cần đưa trẻ đến bác sĩ khi có biểu hiện khác thường và thường xuyên kiểm tra sức khỏe định kỳ. Vì vậy mà số trẻ em trong hộ gia đình có ảnh hưởng không nhỏ đến số lượt tới gặp bác sĩ.
X2= access: Mức độ tiếp cận dịch vụ chăm sóc sức khỏe. Ở những vùng có vị trí địa lý thuận lợi cho giao thông vận tải, xây dựng cơ sở hạ tầng, người dân sẽ dễ dàng trong việc đi lại để đến những điểm thăm khám sức khỏe. Người dân những vùng có nền kinh tế phát triển hoặc được nhà nước đầu tư những trang thiết bị cho việc khám chữa bệnh, tổ chức những chương trình khám sức khỏe sẽ có nhiều cơ hội được tiếp cận với những dịch vụ chăm sóc sức khỏe chất lượng cao hơn. Từ đó tạo được sự tiện lợi và chất lượng để người dân đến khám chữa bệnh nhiều hơn. Vậy nên, yếu tố này có ảnh hưởng không nhỏ đến số lượt tới gặp bác sĩ.
X3= status: Tình trạng sức khỏe (điểm tích cực cao hơn chỉ sức khỏe yếu hơn). Điều này có thể thấy rất rõ khi một người đang mắc bệnh sẽ đến gặp bác sĩ để khám và kiểm tra, theo dõi nhiều hơn người khỏe mạnh chỉ đi kiểm tra sức khỏe định kỳ.
2. MÔ TẢ SỐ LIỆU:
Sử dụng lệnh trong stata để có kết quả cho mô tả:
des
Contains data from C:\Users\Dell\Downloads\number of times to visit doctors.dta
obs: 487
vars: 4 1 Oct 2013 03:09
size: 4,870
-------------------------------------------------------------------------------------------------------
Storage display value
variable name type format label variable label
-------------------------------------------------------------------------------------------------------
Docvisit byte %8.0g number of doctor visits
kids byte %8.0g number of children in household
access float %9.0g measure of access to health care
status float %9.0g health status (higher positive
score indicates poorer health)
-------------------------------------------------------------------------------------------------------
Giải thích các biến:
Biến phụ thuộc
Y=docvisit (number of doctor visits) số lượt đến gặp bác sĩ.
Các biến độc lập
- X1: kids(number of children in household) - Số trẻ em trong hộ gia đình
- X2: access ( measure of access to health care) - Đo lường mức độ tiếp cận dịch vụ chăm sóc sức khỏe
- X3: status (health status (higher positive score indicates poorer health)) - Tình trạng
sức khỏe(điểm tích cực cao hơn chỉ sức khỏe yếu hơn).
Sau đó ta dùng lệnh sum để tiếp tục mô tả các biến trên
. sum
Variable | Obs Mean Std. Dev. Min Max
-------------+-----------------------------------------------------------------------------------------
docvisit | 487 1.613963 3.340555 0 48
 kids | 487 2.258727 1.320463 0 9
 access | 487 .3808008 .1858436 0 .92
 status | 487 .0029877 1.435093 -1.524 7.217
Dựa theo kết quả trên, ta có bảng tổng hợp sau:
Biến
Số quan
sát
Giá trị
trung bình
Độ lệch
chuẩn
Giá trị nhỏ
nhất
Giá trị lớn
nhất
Docvisit
487
1.613963
3.340555
0
48
 Kids
487
2.258727
1.320463
0
9
Access
487
.3808008
.1858436
0
.92
Status
487
.0029877
1.435093
-1.524 
7.217
3. Đồ thị
Hình 1 Biểu đồ phân tán giữa biến (kids) và (docvisit)
Hình 2 Biểu đồ phân tán giữa biến (access) và (docvisit)
Hình 3 Biểu đồ phân tán giữa biến (status) và (docvisit)
PHẦN II: PHÂN TÍCH HỒI QUY
1. Phương trình hồi quy:
a. Phương trình hồi quy tổng thể: (PRF)
Y= β0 + β1 X1 + β2 X2 + β3 X3
b. Phương trình hồi quy mẫu: (SRF)
Y= 0 + 1 X1 + 2 X2 + 3 X3
2. Lập bảng tương quan và phân tích
Dùng lệnh corr kiểm tra mối quan hệ giữa các biến
. corrdocvisit kids access status
(obs=487)
 | docvisit kids access status
-------------+---------------------------------------------------------------------------------------------docvisit | 1000
kids | -0.0995 1.0000
access | 0.0665 -0.0150 1.0000
status | 0.2719 -0.0016 -0.0633 1.0000
Bảng: Mối tương quan giữa các biến
Docvisit
Kids
Access
Status
Docvisit
1000
Kids
-0.0995 
1.0000
Access
0.0665 
-0.0150 
1.0000
Status
0.2719 
-0.0016 
-0.0633 
1.0000
Giải thích mối quan hệ giữa các biến trên:
Lệnh corr thể hiện độ tương quan giữa các biến với nhau
- Hệ số tương quan giữa biến docvisit và kids là -0.0995
Hệ số tương quan giữa biến docvisit và access là 0.0665
Hệ số tương quan giữa biến docvisit và status là 0.2719
Nhận thấy 1 điều là các hệ số đều khá nhỏ, do vậy các biến trên không có mối quan hệ đa cộng tuyến với nhau.
3. Chạy hồi quy và phân tích kết quả
a. Chạy hàm hồi quy. Dùng lệnh reg để chạy mô hình hồi quy:
Y = docvisit
X1 = kids, X2 = access, X3 = status
Lệnh: reg docvisit kids access status
Từ phần mềm Stata ta được kết quả hồi quy
Bảng 1: Kết quả hồi quy
Tên biến
Hệ số hồi quy
Tqs
P-value
Hệ số tự do
1.60627
3.86
0.000
Kids
-0.2475348
-2.25
0.025
Access
1.483399
1.90
0.058
Status
0.644774
6.37
0.000
Hàm hồi quy tuyến tính
= 1.60627 + -0.2475384 kids + 1.483399 access + 0.644774 status
Giải thích kết quả và các chỉ số:
4. Kiểm định hệ số hồi quy
a/ Phương pháp khoảng tin cậy
Giả thuyết:
t=
Ta có: 
βˆi – βi ~ T (n − k )
se( βˆi )
tα (n − k )
Với hệ số tin cậy 1-α ta tìm được
P (−tα (n − k ) ≤ 2
2 thỏa mãn
βˆi – βi ≤ tα (n − k )) = 1 − α
se( βˆi )
2 ( βˆi − tα ( n − k ) se( βˆi ); βˆi + tα ( n − k ) se( βˆi ))
Khoảng tin cậy (1-α) của βi là: 2
Từ đó ta có khoảng tin cậy của các hệ số hồi quy như sau:
Hệ số
β0
β1
β2
β3
Khoảng tin cậy
(0.7882775;2.424263)
(-0.4632586;-0.0318109)
(-.0524504;3.019249)
(0.4459047;0.8436434)
Kết luận
β0*= 0 không nằm trong khoảng tin cậy nên có cơ sở bác bỏ H0
=> β0 có ý nghĩa thống kê
β1*= 0 không nằm trong khoảng tin cậy nên có cơ sở bác bỏ H0
=> β1 có ý nghĩa thống kê
β2*= 0 nằm trong khoảng tin cậy nên không có cơ sở bác bỏ H0
=> β2 không có ý nghĩa thống kê
β3*= 0 không nằm trong khoảng tin cậy nên có cơ sở bác bỏ H0
=> β3 có ý nghĩa thống kê
b/ Phương pháp giá trị tới hạn
- Hệ số chặn β 0:
Giả thuyết:
tqs =
Công thức:
Với α = 0.05, thì βˆ0 − 0 1.60627 − 0 
= SE (βˆ0) 0.4163052
= 3.86
| tqs |= 3.86 > t0.025 (483), loại bỏ giả thiết H0, hệ số chặn β 0 có ý nghĩa thống kê
- Hệ số góc β 1:
Giả thuyết:
tqs =
Công thức:
Với α = 0.05, thì βˆ1 − 0 −0.2475384 −0
= SE ( βˆ1 ) 0.1097894
= −2.25
| tqs |= 2.25 > t0.025 (483), loại bỏ giả thiết H0, hệ số chặn β 1 có nghĩa thống kê
- Hệ số góc β 2:
Giả thuyết:
tqs =
Công thức:
Với α = 0.05 chặn β 2 thì βˆ2 − 0 1.483399 −0
= SE ( βˆ2 ) 0.7816476
= 1.90
| tqs |= 1.90 < t0.025 (483), ta không có cơ sở loại bỏ giả thiết H0, hệ số β 2 không có ý nghĩa thống kê
- Hệ số góc β 3:
Giả thuyết:
tqs =
Công thức:
Với α = 0.05, thì βˆ3 − 0 0.644774 −0
= SE ( βˆ3 ) 0.1012116
= 6.37
| tqs |= 6.37 > t0.025 (483) loại bỏ giả thiết H0, hệ số chặn β 3 có ý nghĩa thống kê
c/ Phương pháp P- Value
Mức ý nghĩa α= 0,05
Variable s 0 1 
------------------------------------------------------------------------------------------------------ 
p-value 0.000<α=0.0
Hệ số tự do 14
Kết quả: Có ý nghĩa thống kê
Kết luận: Số trẻ em trong hộ gia đình có ảnh hưởng đến số lượt đến gặp bác sĩ
------------------------------------------------------------------------------------------------------------
kids 0.025<α=0.0
Hệ số tự do 5
Kết quả: Có ý nghĩa thống kê
Kết luận Số trẻ em trong hộ gia đình có ảnh hưởng đến số lượt đến gặp bác sĩ
------------------------------------------------------------------------------------------------------------
access 0.058>α=0.0
Hệ số tự do 2
Kết quả: Không có ý nghĩa thống kê
Kết luận: Sự tiếp cận không có ảnh hưởng đến số lượt đến gặp bác sĩ
------------------------------------------------------------------------------------------------------------
status 0.000<α=0.0
Hệ số tự do 3
Kết quả: Có ý nghĩa thống kê
Kết luận: Tình trạng sức khỏe có ảnh hưởng đến số lượt đến gặp bác sĩ
5. Kiểm định thừa biến
Từ kiểm định hệ số hồi quy ở trên ta thấy hệ số β2 không có ý nghĩa thống kê nên ta tiến hành kiểm định giả thuyết để loại bỏ biến:
 H 0 : β2 = 0
 H1 : β 2 ≠ 0
Nhập lệnh test (access) trong Stata, ta được kết quả :
( 1) access = 0 
F(1, 483) = 3.60
Prob > F = 0.0583
Có (Prob>F) = 0.0583> α/2 = 0.025 → Không bác bỏ H0 hay loại bỏ biến access
PHẦN III: ĐỀ XUẤT GIẢI PHÁP MÔ HÌNH MỚI
1. Hệ số góc và biến Access
Từ những kết quả trên, chúng tôi thấy hệ số β2 không có ý nghĩa thống kê nên đã chạy lại mô hình hồi quy với biến access bị loại bỏ, chỉ còn lại các biến là : kids, status 
Hàm hồi quy mẫu có dạng:
(2) = + kids + status
. reg docvisit kids status
Source | SS df MS
-------------+---------------------------------------------------------------------------------------------
Model | 454.2733212 227.13666
Residual | 4969.15173 484 10.2668424
-------------+---------------------------------------------------------------------------------------------
Total | 5423.42505 486 11.1593108
Number of obs = 487
F( 2,484) = 22.12
Prob > F = 0.0000
R-squared = 0.0838
Adj R-squared = 0.0800
Root MSE = 3.2042
------------------------------------------------------------------------------------------------------------
docvisit | Coef. Std. Err. T P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------------------------------------
kids | -.2506908 .1100714 -2.28 0.023 -.4669677 -.0344139
status | .6326051 .1012793 6.25 0.000 .4336036 .8316065
_cons | 2.178315 .2879144 7.57 0.000 1.612598 2.744032
------------------------------------------------------------------------------------------------------------
Bảng 2: Kết quả hồi quy mô hình (2) (Phụ lục 3)
Tên biến
Hệ số (OLS)
t-qs
p-value
Hệ số tự do
2.178315 
7.57 
0.000 
kids
0.2506908
-2.28 
0.023
status
0.6326051
6.25 
0.000
Hàm hồi quy mẫu SRF: = - 0.2506908 kids + 0.6326051 status
2. Kiểm định hệ số hồi quy và mức độ phù hợp của mô hình
a/ Kiểm định hệ số hồi quy
Variable s 0 1 3
p-value 0.000<α=0.0
Hệ số tự do 5
Kết quả: Có ý nghĩa thống kê
Kết luận: Số trẻ em trong hộ gia đình có ảnh hưởng đến số lượt đến gặp bác sĩ
------------------------------------------------------------------------------------------------------------
kids 0.023<α=0.0
Hệ số tự do 5
Kết quả: Có ý nghĩa thống kê
Kết luận: Mức độ tiếp cận dịch vụ chăm sóc sức khỏe có ảnh hưởng đến số lượt đến gặp bác sĩ
------------------------------------------------------------------------------------------------------------status 0.000<α=0.0
Hệ số tự do 5
Kết quả: Có ý nghĩa thống kê
Kết luận: Tình trạng sức khỏe có ảnh hưởng đến số lượt đến gặp bác sĩ
b/ Kiểm định mức độ phù hợp của mô hình
Giả thuyết:
2
 H 0 : R = 0

2
 H1 : R > 0
Dùng stata ta có kết quả như bảng
. test kids status
( 1)
( 2)
kids = 0
status = 0
F(2,484) = 22.12
Prob > F =0.0000
Ta có giá trị (Prob > F) < 0.025 nên ta có cơ sở bác bỏ H0 hay các hệ số hồi quy của
biến giải thích không đồng thời bằng 0. Mô hình hồi quy phù hợp.
3. Nhận xét về R2
4. Khoảng tin cậy của phương sai
5. Kiểm định phân phối chuẩn của nhiễu
a. Phân phối chuẩn
Kiểm định giả thuyết
Phương pháp 1: Sử dụng kiểm định phân phối chuẩn bằng biểu đồ
Lệnh: .histogram docvisit, normal
Phương pháp 2: Sử dụng kiểm định phân phối chuẩn bằng phương pháp xem xét các giá trị Skewness và Kurtosis Skewness (độ lệch) và kurtosis (độ gù) là hai chỉ số chính chúng ta cần xem xét để quyết định biến định lượng có phân phối chuẩn hay không. Một biến
có phân phối chuẩn khi giá trị của skewness và kurtosis tiến gần đến giá trị 0 và 3.Trong kiểm định phân phối chuẩn này.Giả thiết Ho là biến có phân phối chuẩn.Vì vậy dựa vào giá trị p ta có thể xác định được là sẽ bác bỏ hay chấp nhận Ho để biết phân phối có chuẩn hay không.
Nhập lệnh predict u, residual
Nhập lệnh summarize u, detail
Ta có bảng kết quả như sau:
Skewness = 6.883998
Kurtosis = 84.61976
Kết luận: ta thấy các giá trị skewness và kurtosis không tiến gần đến 0 và 3 nên hàm hồi quy không phân phối chuẩn.
Kiểm định Jarque – Bera
Kiểm định giả thuyết
τ 2 (κ − 3) 2 
JB = n  +~ χ 2 (2)

24 
6
 6.8839982 (84.61976 − 3) 2 
JB = 487 
+

6
24


Ta có
= 139025.2
2
JB > χ 0.05
(2) = 5.991464547
KL: bác bỏ H0, hay u (nhiễu) không có phân phối chuẩn
Tuy nhiên, vì mẫu nghiên cứu của chúng em có 487 quan sát, n=487 rất lớn nên giả định biến phân phối chuẩn không được thỏa mãn cũng không quan trọng, mô hình vẫn đưa ra các kết quả đúng và vẫn có thể dùng để suy diễn thống kê.
6. Đa cộng tuyến
Kiểm tra tương quan giữa các biến giải thích
. corr
(obs=487)| docvisit kids status
-------------+---------------------------------------------------------------------------------------------
docvisit | 1.0000
kids | -0.0995 1.0000
status | 0.2719 -0.0016 1.0000
Docvisit
Kids
Status
Docvisit
1.0000
Kids
-0.0995 
1.0000
Status
0.2719
-0.0016 
1.0000
Nhận xét:Các giá trị correlation coefficients giữa các biến đều nhỏ ( 0) nên mô hình không có đa cộng tuyến.
Kiểm tra nhân tử phóng đại phương sai (VIF)
Ta có:
VIF = 1
1− R2
. vif
Variable | VIF 1/VIF
-------------+---------------------------------------------------------------------------------------------
kids | 1.00 0.999997
status | 1.00 0.999997
-------------+---------------------------------------------------------------------------------------------
Mean VIF | 1.00
Biến
VIF
1/VIF
Kids
1.00
0.999997
Status
1.00
0.999997
Mean VIF
1.00
Nhận xét: Các chỉ số VIF đều nhỏ hơn 10 ◊ không có đa cộng tuyến trong mô hình.
Kết luận: Mô hình không có hiện tượng đa cộng tuyến.
KẾT LUẬN
Qua việc phân tích số liệu, chạy mô hình và tiến hành các kiểm định, khắc phục hiện tượng của mô hình, chúng em có thể kết lại những vấn đề chính sau:
Hàm hồi quy mẫu ban đầu:
Output = 246.4023 + 76.00316 kids + 3861.079access+ 2306.121status
Như vậy, các bước trên đã giúp trả lời được câu hỏi nêu ra ở phần mở đầu: Các yếu tố số trẻ em trong hộ gia đình, mức độ tiếp cận dịch vụ chăm sóc sức khỏe và tình trạng sức khỏe có ảnh hưởng ít hay nhiều tới số lượt đến gặp bác sĩ? Và ảnh hưởng như thế nào? Thông qua việc sử dụng các lệnh chạy của stata, nhóm chúng em đã đưa ra số liệu cụ thể cũng như chạy mô hình và tiến hành các phép toán để có thể hồi quy, kiểm định yêu cầu của đề bài. Cuối cùng, rút ra hàm hồi quy sau khi đã khắc phục hiện tượng mô hình.
Một số hạn chế khi thực hiện và một số đề xuất của nhóm:
Hạn chế:
- Mẫu nghiên cứu của nhóm em khá lớn nên không thể tránh khỏi những sai sót trong việc thu thập số liệu.
- Trên thực tế, có rất nhiều yếu tố ảnh hưởng số lượt đến gặp bác sĩ.
TÀI LIỆU THAM KHẢO
Giáo trình “Kinh tế học vĩ mô” – Nhà xuất bản Giáo dục – Năm 2009
Bài giảng Kinh tế lượng – Nguyễn Quang Dong – Nhà xuất bản Giao thông vận
tải – 2007
Giáo trình “ Kinh tế học vi mô” – PGS.TS Cao Thúy Xiêm – Nhà xuất bản Đại
học Kinh tế quốc dân – Năm 2008
Lịch sử các học thuyết kinh tế - PGS.TS Mai Ngọc Cường – Nhà xuất bản
Thống kê – Năm 1996
Nguyên lý kinh tế học (Principles of economics) – N.Gregory Mankiw – Nhà xuất
bản Thống kê – Năm 2003