Mô hình bayesian network trong phân tích năng suất cà phê trên địa bàn huyện Đăk Glong, tỉnh Đăk Nông

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

MÔ HÌNH BAYESIAN NETWORK TRONG PHÂN TÍCH NĂNG SUẤT CÀ PHÊ TRÊN ĐỊA BÀN HUYỆN ĐĂK GLONG, TỈNH ĐĂK NÔNG

ThS. Nguyễn Lê Quyền

TÓM TẮT Cà phê là một cây trồng chiếm ưu thế tại khu vực Tây Nguyên, góp phần quan trọng trong phát triển kinh tế nông nghiệp Việt Nam. Để xác định các yếu tố đầu vào và phân tích các yếu tố ảnh hưởng đến năng suất cà phê trên địa bàn huyện Đăk Glong thông qua mô hình Bayesian Network, nghiên cứu đã thu thập số liệu của 126 hộ trồng cây cà phê trên địa bàn các xã thuộc huyện Đăk Glong, tỉnh Đăk Nông. Việc thực hiện ước lượng bằng phương pháp tổng bình phương sai số bé nhất (OLS), hàm sản xuất cà phê dưới dạng Cobb – Douglas (là một dạng hàm số mũ) được xây dựng mà trong đó biến phụ thuộc là năng suất cà phê chịu sự ảnh hưởng bởi các yếu tố đầu vào như: Phân đạm, phân lân, phân hữu cơ, công chăm sóc, công thu hoạch. Việc kiểm định các khuyết tật của mô hình đã được thực hiện, và kết quả đã cho thấy các yếu tố trên có ảnh hưởng đến năng suất cà phê. Từ đó xây dựng mô hình Bayesian Network nhằm phân tích kịch bản về năng suất trước sự biến đổi các yếu tố đầu vào. Trên cơ sở đó, đề xuất các khuyến nghị đối với nông hộ nhằm nâng cao năng suất cà phê trong trồng và chăm sóc tại huyện Đăk Glong, tỉnh Đăk Nông.

Từ khóa: Cà phê, hàm sản xuất, mô hình Bayesian Network, năng suất.

ABSTRACT BAYESIAN NETWORK MODEL IN ANALYSIS OF COFFEE YIELD IN DAK

GLONG DISTRICT, DAK NONG PROVINCE.

To define the factors influencing yield of coffee and propose some suggesting to improve productivity of coffee. With 126 coffee farmers were interviewed and ordinary least of squared estimate method was used, a production function was established as Cobb – Douglas function model. The defects was audited. The objective of this study starts with the building a Cobb – Douglas production function that describes the technology that being used in practice of coffee in Dak Glong district, Dak Nong province. Estimation result shown that nitrogen fertilizer, phosphate fertilizer, organic muck, labour for care work, labour for harvest signifcantly influence to coffee yield in the study area. The study also provides the Bayesian Network s model to build a scenario of at a high level coffee productivity will be, how many inputs will be required.

Key words: Coffee, Production function, Bayesian Network model, yield. 1. MỞ ĐẦU Cây cà phê là một loại cây công nghiệp chủ lực cho nhu cầu tiêu dùng của con người trên Thế Giới. Theo tạp chí Đầu tư tài chính (04/01/2022): Việt Nam đứng thứ 2 thế giới (Sau Brazil) về sản xuất cà phê với diện tích 680.000 ha. Theo Cục Xuất nhập khẩu (Bộ Công Thương) năng suất cà phê của Việt Nam cao nhất thế giới, trung bình 2,6 tấn/ha nhân đối với cà phê Robusta và 1,4 tấn/ha nhân đối với cà phê Arabica. Cây cà phê được trồng phổ biến tại các tỉnh Tây Nguyên và vùng Đông Nam Bộ của Việt Nam. Theo tạp chí BNEWS – Thông tấn xã Việt Nam (4/11/2021): Đến năm 2020, diện tích cà phê vùng Tây Nguyên là 639.300 ha, tăng 132.300 ha so với năm 2010, tương đương tăng 26,1%. Năng suất cà phê đạt 28 tạ/ha, tăng 5,7 tạ/ha so với năm 2010. Theo báo Dân tộc và Miền núi (12/7/2022) tỉnh Đăk Nông hiện có diện tích cà phê đứng thứ 3 ở khu vực Tây

174

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

Nguyên với hơn 130.000 ha, sản lượng ước đạt trên 330.000 tấn. Sản phẩm cà phê chiếm trên 80% kim ngạch xuất khẩu các mặt hàng nông sản tại tỉnh Đăk Nông. Theo Báo Đăk Nông (08/04/2022), toàn huyện Đăk Glong hiện có trên 18.500 ha cây cà phê. Trong đó, diện tích cà phê kinh doanh chiếm trên 17.000 ha, với tổng sản lượng đạt trên 46.700 tấn/năm. Ngành cà phê hiện đang trở thành ngành kinh tế chủ lực của địa phương. Tuy nhiên, những nhược điểm cơ bản của người nông dân nói chung và nông dân huyện Đăk Glong nói riêng bao gồm: Tích lũy vốn thấp, đất đai manh mún, dễ thay đổi quyết định và rất nhạy cảm với thông tin thị trường. Từ đó, để sản xuất cà phê đạt hiệu quả kinh tế là một bài toán gặp nhiều khó khăn.

Nghiên cứu dựa trên cơ sở khảo sát thông tin trồng cà phê của người dân huyện Đăk Glong nhằm ước lượng hàm sản xuất để phân tích các yếu tố ảnh hưởng đến năng suất, từ đó ứng dụng mô hình Bayesian Network để phân tích các kịch bản về năng suất trước sự biến động lượng các yếu tố đầu vào trong trồng cà phê trên địa bàn huyện Đăk Glong, tỉnh Đăk Nông.

2. PHƯƠNG PHÁP NGHIÊN CỨU 2.1. Cơ sở xác định dung lượng mẫu điều tra Dung lượng mẫu quan sát cho nghiên cứu phải được thu thập đảm bảo tính khách quan, đủ lớn để phản ảnh được tổng thể. Số lượng quan sát được áp dụng một trong hai cách sau: Theo Hair, Anderson, Tatham và Black (1998) thì ứng với số lượng câu hỏi chính được xem là có liên quan đến năng suất cà phê là 14 câu trong bảng câu hỏi thì dung lượng mẫu cần là: n= 5 x m (trong đó m là số câu hỏi). Vậy dung lượng quan sát mẫu cần là n = 5 x 14 = 70 quan sát; Theo Tabachnick và Fidell (1996) thì ứng với số biến độc lập trong mô hình là 14, thì dung lượng mẫu là: n=50 + 5 x m, trong đó m là số biến độc lập trong mô hình, như vậy dung lượng quan sát mẫu n=50 + 5 x 14=120 quan sát. Với số lượng nông hộ phỏng vấn là 143 hộ về kết quả sản xuất niên vụ năm 2019–2020 cho việc ước lượng hàm sản xuất cà phê là phù hợp cho nghiên cứu.

2.2. Phương pháp thu thập và xử lý số liệu Phương pháp chọn mẫu ngẫu nhiên (theo xã); Thu thập dữ liệu sơ cấp thông qua bảng câu hỏi, phỏng vấn trực tiếp 143 hộ trồng cà phê, trong đó số liệu sơ cấp dùng cho ước lượng hàm sản xuất là 126 (17 quan sát bị loại bỏ do tính bất thường); Thu thập dữ liệu thứ cấp thông qua các tạp chí khoa học, cổng thông tin của tỉnh và cổng thông tin của Sở NN và PTNT tỉnh Đăk Nông.

Bảng 1: Số hộ chọn khảo sát thông tin sản xuất tiêu theo các xã tại huyện Đăk Glong

Hộ trồng khảo sát Diện tích tương ứng Xã

Đăk Ha Đăk Măng Đăk Plao Đắk Som Quảng Hòa Quảng Khê Quảng Sơn Tổng cộng Tỷ lệ (%) 20,63 9,52 11,90 11,90 1,59 22,22 22,22 100,00 Tỷ lệ (%) 22,38 8,24 12,86 6,86 1,24 16,63 31,78 100,00

Số hộ (hộ) 26 12 15 15 2 28 28 126

Diện tích (ha) 36,2 13,32 20,80 11,10 2,00 26,90 51,40 161,72 Nguồn: Điều tra, tổng hợp. Qua đó, cho thấy 126 hộ trồng cà phê được khảo sát trong 7/7 xã của huyện Đăk Glong,

ứng với phần diện tích trồng cà phê là 161,72 ha.

175

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

2.3. Phương pháp phân tích hồi quy Ước lượng hàm sản xuất bằng phương pháp tổng bình phương sai số bé nhất (OLS -

Ordinary Least Squares) bằng phần mềm thống kê chuyên dụng SPSS.

Xây dựng mô hình Bayesian Network nhằm phân tích kịch bản về sự biến động năng suất

cà phê trước sự thay đổi các yếu tố đầu vào thông qua phần mềm Netica.

2+0,086X2-0,003X2

3. KẾT QUẢ VÀ THẢO LUẬN 3.1. Tổng quan các nghiên cứu liên quan Nghiên cứu của Nguyễn Lê Quyền (2021) “Mô hình Bayesian Network trong phân tích năng suất - trường hợp áp dụng trong sản xuất hồ tiêu trên địa bàn H.Cẩm Mỹ - Đồng Nai”. Nghiên cứu cho thấy để đạt mức năng suất cao thì lượng sử dụng các yếu tố đầu vào trên 0,1ha như sau: Phân đạm ròng ≥ 250kg; Phân kali ròng ≥ 200kg; Phân chuồng ≥ 5.600kg; Thuốc bảo vệ thực vật ≥ 1,3trđ; Công thu hoạch ≥ 25 công.

2+0,011X7+0,592X8+ei

Nghiên cứu của Nguyễn Công Danh (2000) “Tối ưu hóa quá trình sản xuất cà ở huyện Phước Long, tỉnh Bình Phước” với hàm sản xuất có dạng hàm như sau: Y=-2,053- 2+6,09.10-7X4+0,0008X5+0,003X6- 2+0,278X3-0,026X3 0,264X1+0,0151X1 6,94.10-6X6

Trong đó: Y sản lượng cà phê; X1 phân đạm; X2 phân lân; X3 phân kali; X4 chi phí thuốc;

X5 nhiên liệu (dầu); X6 công chăm sóc; X7 công thu hoạch; X8 tuổi cây.

Nghiên cứu của Đoàn Thùy Lâm (2012) được thực hiện từ thu thập thông tin của 60 hộ dân trồng cà phê tại H.Trảng Bom - Đồng Nai. Nghiên cứu đã xây dựng mối quan hệ giữa thu nhập lao động nông hộ (Y1) và lợi nhuận nông hộ (Y2) sản xuất cà phê chịu sự ảnh hưởng bởi các yếu tố: phân chuồng (X2), phân kali (X5), thuốc bảo vệ thực vật (X6), kiến thức nông nghiệp của nông dân (X8) qua các mô hình sau: LnY1=3,334–0,149lnX2+0,221lnX5–

0,178lnX6+0,744lnX8 và LnY2=3,456–0.175lnX2+0,230lnX5–0,190lnX6+0,827lnX8.

Nghiên cứu của Nguyễn Lê Quyền (2012): thông qua việc thu thập số liệu từ 131 hộ trồng hồ tiêu tại H.Tân Phú - Đồng Nai, đã xây dựng mối quan hệ giữa năng suất hồ tiêu (Y) chịu ảnh hưởng bởi các yếu tố: phân đạm (X1), phân lân (X2), phân Kali (X3), phân chuồng (X4), thuốc tăng trưởng (X5), thuốc bảo vệ thực vật (X6), công chăm sóc (X7), công thu hoạch (X8), Biến theo mô hình sau: LnY=4,276+0,020LnX1+0,212LnX2- Dummy D.X9 về giống, 0,063LnX3+0,173LnX4+0,004LnX5+0,006LnX6-0,086LnX7+0,301LnX8-0,122D.X9

3.2. Sự hành thành hàm sản xuất và kết quả thống kê mô tả cho các yếu tố đầu vào. Trong sản xuất nông nghiệp việc xây dựng hàm sản xuất sẽ trở nên có ý nghĩa quan trọng. Thông qua hàm sản xuất sẽ cho ta biết: ứng với mỗi mức sử dụng các yếu tố đầu vào có giới hạn khác nhau sẽ tạo ra mức sản lượng đầu ra khác nhau.

Do đặc tính sinh lý của cây tiêu, nên việc hấp thụ các yếu tố đầu vào (phân bón, thuốc bảo vệ thực vật, thuốc tăng trưởng, …) sẽ khác nhau vào từng thời điểm khác nhau cũng như số lượng khác nhau, vì bản thân mỗi loại cây trồng đều có mức độ hấp thụ sinh học khác nhau và nếu như lượng yếu tố đầu vào sử dụng vượt quá ngưỡng hấp thụ sinh học của cà phê thì sẽ làm cho sản lượng không những không tăng mà sẽ bị giảm.

Bên cạnh đó, người nông dân gặp phải khó khăn về tích lũy vốn, nhưng lại có kinh nghiệm nên sẽ không đầu tư các yếu tố đầu vào cho đến mức làm cho sản lượng bị sụt giảm. Mặt khác, cà phê là một loại thực vật sống do đó tính hữu dụng biên khi hấp thụ yếu tố đầu vào sẽ thể hiện rất rõ. Hay nói cách khác trong giai đoạn mới sử dụng các yếu tố đầu vào thì năng suất biên của cà phê sẽ tăng dần, nhưng nếu sử dụng lượng yếu tố đầu vào cao hơn thì năng suất biên sẽ giảm

176

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

dần. Và như vậy hàm sản xuất phù hợp nhất được kỳ vọng sẽ là dạng hàm Cobb – Douglas (một dạng hàm số mũ) như sau:

0 hệ số phản ứng mức năng suất tổng hợp; X1 phân đạm nguyên chất (kg); X2 phân lân nguyên chất (kg); X3 phân kali nguyên chất (kg); X4 phân hữu cơ (đồng); X5 thuốc bảo vệ thực vật (đồng); X6 công chăm sóc (công); i hệ số hồi quy tương ứng X7 công thu hoạch (công); X8 tuổi cây; X9 tập huấn khuyến nông;

Trong đó: Y (biến phụ thuộc) năng suất cà phê/ha (kg);

(i = ).

Trong quá trình xác định hệ số tương quan, một số biến độc lập tương quan với biến phụ thuộc nhỏ hơn 0,3 (bao gồm X5 thuốc bảo vệ thực vật, X8 tuổi cây; X9 tập huấn khuyến nông), nên được loại bỏ ra khỏi mô hình nghiên cứu và được bảng số liệu thống kê mô tả về đặc trưng mẫu quan sát như sau:

Bảng 2: Kết quả số liệu thống kê mô tả

Stt Biến độc lập

Số quan sát (N) 126 126 126 126 126 126 Giá trị nhỏ nhất (Min) 74,54 25,00 83,86 2.950,00 43,13 12,50 Giá trị lớn nhất (Max) 920,00 460,00 43,13 42.872,73 363,17 190,77 Giá trị trung bình (Mean) 252,18 139,76 256,81 13.972,40 142,53 49,17 1 Phân đạm (X1) 2 Phân lân (X2) 3 Phân kali (X3) Phân hữu cơ (X4) 4 5 Công chăm sóc (X6) 6 Công thu hoạch (X7)

Nguồn: Kết quả từ phần mềm SPSS Qua bảng số liệu trên ta thấy mức yếu tố đầu vào trung bình/ha của các nông hộ bao gồm: phân đạm (X1) 252,18 kg; phân lân (X2) 139,76 kg; phân kali (X3) 256,81 kg; phân hữu cơ (X4) 13.972,40 triệu đồng; công chăm sóc (X6) 142,53 công; công thu hoạch (X7) 49,17 công.

3.3. Kết quả ước lượng hồi quy.

Mô hình hàm sản xuất dạng Cobb – Douglas ban đầu

Để thuận lợi cho việc phân tích định lượng các yếu tố đầu vào ảnh hưởng đến năng suất cà phê, nghiên cứu tiến hành biến đổi tương đương bằng cách lấy Logarit nepe hai vế. Khi đó, mô hình hàm sản xuất tương đương là:

LnY= β0 + β1LnX1 + β2LnX2 + β3LnX3 + β4LnX4 + β6LnX6 + β7LnX7 Với dung lượng mẫu gồm 126 quan sát, kết quả ước lượng như sau:

177

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

Bảng 3: Kết quả ước lượng hồi quy hàm sản xuất dạng Cobb – Douglas.

Mức ý nghĩa

Các biến độc lập

Sai số chuẩn

Trị số t (t – test)

Hệ số VIF

Tham số ước lượng chuẩn hóa

Giá trị tham số ước lượng

7.429 4.081 3.114 1.074 1.517 1.502

0,017 0,022 0,561 0,085 0,007 0,000 0,000

0,137 0,073 0,077 0,032 0,049 0,047 0,419

2,429 -2,328 0,582 1,740 2,735 6,545 10,115

0,334** -0,169** 0,045 0,055* 0,134** 0,310*** 4,238***

0,390 -0,277 0,061 0,106 0,199 0,473

LnX1 LnX2 LnX3 LnX4 LnX6 LnX7 Hệ số chặn - A Biến số phụ thuộc LnY F Hệ số R-squared Hệ số R-squared hiệu chỉnh Hệ số Durbin – Watson

28,17 0,587 0,566 1,737

Chi chú: ***, **, * mức ý nghĩa thống kê: <0,001; <0,05; <0,10 (Kiểm định 2 phía)

Qua kết quả ước lượng mô hình hồi quy cho ta thấy với giá trị của R2

Nguồn: Kết quả từ SPSS 23 Adjust = 56,60% có nghĩa các biến độc lập – các yếu tố đầu vào (Xi) trong mô hình hồi quy giải thích được 58,70% sự thay đổi của biến phụ thuộc Y (năng suất cà phê).

3.4. Phân tích định lượng các yếu tố ảnh hưởng đến năng suất cà phê (ý nghĩa các

tham số)

LnY = 4,238 + 0,334LnX1 – 0,169LnX2 + 0,045LnX3 + 0,055LnX4 + 0,134LnX6

Căn cứ kết quả ước lượng tại bảng 3, hàm sản xuất cà phê được viết lại dưới dạng: + 0,310LnX7

Với hàm sản xuất trên, cho thấy các yếu tố tác động chủ yếu đến năng suất cà phê cụ thể

như sau:

Tham số β0 = e4,238 = 69,24 có nghĩa: Trong trường hợp không có sự tham gia của các yếu

tố đầu vào thì năng suất cà phê trung bình đạt ở mức 69,24 kg.

Phân đạm (X1): Trong điều kiện các yếu tố khác không đổi, với hệ số co giãn là 0,334. Có nghĩa: Khi hộ nông dân sử dụng tăng thêm 1% lượng phân đạm sẽ làm cho năng suất cà phê tăng lên 0,334%.

Phân lân (X2): Trong điều kiện các yếu tố khác không đổi, với hệ số co giãn là - 0,169. Điều này có nghĩa người nông dân bón tăng 1% lượng phân lân sẽ làm giảm 0,169% năng suất cà phê.

Phân kali (X3): Trong điều kiện các yếu tố khác không đổi, với hệ số co giãn là 0,045. Có nghĩa: Khi hộ nông dân sử dụng tăng thêm 1% lượng phân kali sẽ làm cho năng suất cà phê tăng lên 0,045%. Tuy nhiên yếu tố này lại không có ý nghĩa về mặt thống kê.

Phân hữu cơ (X4): Trong điều kiện các yếu tố khác không đổi, với hệ số co giãn là 0,055. Có nghĩa: Khi khi người nông dân sử dụng tăng thêm 1% lượng phân hữu cơ sẽ làm cho năng suất cà phê tăng 0,055%.

Công chăm sóc (X6): Trong điều kiện các yếu tố khác không đổi, với hệ số co giãn là 0,134. Có nghĩa: Khi người nông dân sử dụng tăng thêm 1% lượng công chăm sóc thì sẽ làm cho năng suất cà phê tăng 0,134%.

178

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

Công thu hoạch (X7): Trong điều kiện các yếu tố khác không đổi, với hệ số co giãn là 0,310. Có nghĩa: Khi người nông dân tăng thêm 1% công thu hoạch thì sẽ làm cho năng suất cà phê tăng lên 0,31%.

3.5. Kiểm định khuyết tật của mô hình 3.5.1. Hiện tượng đa cộng tuyến Theo kết quả Bảng 3 thì hệ số phương sai phóng đại VIF < 10 đối với tất cả các biến, do

đó mô hình ước lượng không vi phạm hiện tượng đa cộng tuyến.

3.5.2. Hiện tương phương sai sai số không đổi (Heteroscedasticity). Tiến hành kiểm định White (White test): Thông qua việc xây dựng mô hình hồi quy nhân tạo (Artifical Regression) với biến phụ thuộc là bình phương của các số hạng sai số e2, tính trị số thống kê White Statistic (WStat).

Thực hiện ước lượng hồi quy nhân tạo, thông qua kết quả của quá trình chạy mô hình hồi

quy với 46 biến độc lập ta có bảng 4.

Bảng 4: Bảng hệ số ước lượng hồi quy nhân tạo

Hệ số tương quan bình phương (R Square) Sai số chuẩn (Std. Error) Hệ số Durbin- Watson)

0,541 Hệ số tương quan bình phương hiệu chỉnh (Adjusted R Square) 0,464 392.947,76 1,817

Nguồn: Kết xuất từ phần mềm SPSS Artifical) là 0,186

Với kết quả ước lượng hàm hồi quy nhân tạo có R-Square (R2

- Đặt giả thuyết:

+ Giả thuyết H0: Không có hiện tượng phương sai không đồng đều; + Giả thuyết H1: Có hiện tượng phương sai không đồng đều.

- Kết luận kiểm định hiện tượng phương sai không đồng đều của mô hình hồi quy gốc. Tra bảng phân phối χ2 (với mức ý nghĩa α = 5%), ta có:

α, df nên chấp nhận giả thuyết H0, bác bỏ giả thuyết H1. Tức mô hình

Nhận thấy WStat < χ2

hàm sản xuất không bị vi phạm hiện tượng phương sai không đồng đều.

3.5.3. Hiện tượng tự tương quan (Autocorelation). Với kết quả ước lượng mô hình hồi quy (bảng 3), cho thấy hệ số Durbin-Watson (D) là 1,820 thuộc đoạn giá trị 1 < D < 3, nên mô hình hồi quy không xảy ra hiện tượng tự tương quan.

3.6. Tầm quan trọng của các yếu tố đầu vào Qua quá trình ước lượng với các tham số hồi quy cho thấy mức độ ảnh hưởng của các

yếu tố độc lập đến năng suất cà phê được thể hiện qua bảng số liệu sau:

179

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

Các biến độc lập

Phân đạm (X1) Phân lân (X2) Phân Kali (X3) Phân hữu cơ (X4) Công chăm sóc (X6) Công thu hoạch (X7)

Bảng 5: Tầm quan trọng của các biến độc lập Hệ số ảnh hưởng chuẩn hóa 0,390 0,277 0,061 0,106 0,199 0,473 1,505

Mức độ ảnh hưởng quan trọng (%) 25,90 18,39 4,05 7,04 13,21 31,41 100,00

Xếp hạng quan trọng 2 3 6 5 4 1

Tổng cộng

Nguồn: Kết xuất SPSS và tính toán của tác giả Qua quá tình chạy mô hình hồi quy, với giá trị của các hệ số ước lượng của 6 yếu tố đầu vào cho thấy công thu hoạch là yếu tố có ảnh hưởng lớn nhất tới năng suất cà phê với hệ số hồi quy là 0,473 chiếm 31,41%; Thứ hai ảnh hưởng đến năng suất cà phê là lượng phân đạm: Với hệ số hồi quy 0,39, chiếm 25,90%; Phân lân là yếu tố đầu vào thứ 3 ảnh hưởng đến năng suất cà phê chiếm 18,39%; Thứ 4 là công chăm sóc chiếm 12,31%; Thứ 5 là phân hữu cơ chiếm 7,04%; Cuối cùng là phân kali chiếm 4,05%.

3.7. Mô hình Bayesian Networks (BNs) trong phân tích năng suất cà phê 3.7.1. Xác định biến đưa vào mô hình BNs Qua quá trình nghiên cứu, mô hình hàm sản xuất hồ tiêu được ước lượng vơi ý nghĩa thống kê mà trong đó biến phụ thuộc là năng suất cà phê chịu ảnh hưởng trực tiếp bởi các biến độc lập, bao gồm: Phân đạm (X1), phân lân (X2), phân Kali (X3), phân hữu cơ (X4), công chăm sóc (X6), công thu hoạch (X7).

3.7.2. Phân đoạn giá trị các biến Việc mô phỏng kịch bản về sự thay đổi năng suất cà phê trước sự thay đổi bởi các yếu tố đầu vào bằng sơ đồ mạng BNs (Bayesian Networks) đòi hỏi các biến trong mô hình cần phải được phân đoạn theo các mức độ khác nhau.

Qua quá trình tính toán thống kê mô tả các biến, kết hợp với việc khảo sát ý kiến của các nông hộ sản xuất cà phê tiêu biểu tại huyện Đăk Glong về mức độ sử dụng các yếu tố như sau:

Bảng 6: Phân đoạn giá trị của các biến

Tên biến

Mức 1

Mức 2

Thấp: ≤ 1.825 Thấp: ≤ 163 Thấp: ≤ 82 Thấp: ≤ 170 Thấp: ≤ 8.461 Thấp: ≤ 93 Thấp: ≤ 31

Trung bình ≤ 2.600 Trung bình ≤ 586 Trung bình ≤ 300 Trung bình ≤ 588 Trung bình ≤ 28.423 Trung bình ≤ 253 Trung bình ≤ 120

Mức 3 Cao: > 2.600 Cao: > 586 Cao: > 300 Cao: > 588 Cao: > 28.423 Cao: > 253 Cao: > 120

Năng suất – Y (Kg/0,1 ha) Phân đạm (X1) Phân lân (X2) Phân Kali (X3) Phân hữu cơ (X4) Công chăm sóc (X6) Công thu hoạch (X7)

Nguồn: Tính toán của tác giả 3.7.3. Mô phỏng về sự thay đổi năng suất cà phê trước sự thay đổi các yếu tố đầu vào Việc mô phỏng mức năng suất cà phê theo mong muốn và tỷ lệ mức các yếu tố đầu vào phải sử dụng để đạt được mức năng suất này được thực hiện phân tích động thông qua mô hình Bayesian Network. Các bước thực hiện như sau:

- Tạo ra các hộp nguyên nhân là các yếu tố đầu vào đã ước lượng hàm sản xuất phía trên

và hộp kết quả là biến năng suất cà phê;

- Tạo liên kết từ các hộp nguyên nhân (các yếu tố đầu vào) đến hộp kết quả (năng suất);

180

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

- Muốn đạt được mức năng suất (cao, trung bình, thấp), tiến hàng nhấp chuột vào mức mong muốn trên hộp kết quả (năng suất cà phê), khi đó trên các hộp nguyên nhân sẽ chỉ ra mức các yếu tố đầu vào cần phải sử dụng là bao nhiêu.

- Các trường hợp minh họa:

Hình 1: Mức năng suất cà phê và tỷ lệ mức sử dụng các yếu tố đầu vào theo hàm

sản xuất

Nguồn: Kết suất phần mềm Netica

Hình 2: Năng suất đạt 100% mức trung bình và mức các yếu tố đầu vào cần sử

dụng

Nguồn: Kết suất phần mềm Netica

181

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

Hình 3: Năng suất đạt 100% mức cao và mức các yếu tố đầu vào cần sử dụng

Nguồn: Kết suất phần mềm Netica

4. KẾT LUẬN 4.1. Những kết quả đạt được Qua quá trình nghiên cứu, với 126 hộ gia đình trồng cây cà phê trong h.Đăk Glong, với hàm sản xuất được ước lượng có ý nghĩa thống kê, cho thấy năng suất cà phê ngoài việc phụ thuộc nhiều vào các yếu tố tự nhiên, còn chịu sự ảnh hưởng quan trọng lần lượt từ các yếu tố đầu vào trong sản xuất như: công thu hoạch với hệ số hồi quy là 0,468 chiếm 31,10%; Lượng phân đạm, với hệ số hồi quy 0,4, chiếm 26,57%; Phân lân, với hệ số hồi quy 0,281, chiếm 18,67%; Công chăm sóc, với hệ số hồi quy 0,184, chiếm 12,23%; Phân hữu cơ chiếm, với hệ số hồi quy 0,105, chiếm 6,98%; Phân kali, với hệ số hồi quy 0,067, chiếm 4,45%.

Để năng suất cà phê tại H. Đăk Glong đạt mức cao nhất, thì lượng các yếu tố đầu vào sử dụng ở mức trung bình gồm: phân đạm (90,2%), phân lân (80,1%), phân kali (80,9%), phân hữu cơ (71,7%), công thu hoạch (87,5%); Và công chăm sóc phải sử dụng ở mức cao (61,1%).

4.2. Đề xuất các khuyến nghị nhằm nâng cao hiệu quả sản xuất cà phê Cần xem vệc sản xuất cà phê là sản xuất hàng hóa và từ đó sẽ có hành vi theo dõi chi phí thông qua ghi chép để tính toán hiệu quả trong sản xuất; Căn cứ trên kết quả ước lượng hàm sản xuất, nhằm nâng cao năng suất cà phê, người nông dân cần thực hiện các đề xuất sau:

- Tăng cường lượng sử dụng phân đạm, phân hữu cơ vì những loại phân này ngoài việc

cung cấp dưỡng chất cho cà phê còn giúp cải tạo đất;

- Công thu hoạch và công chăm sóc: Là một yếu tố quan trọng ảnh hưởng đến năng suất cà phê. Tuy nhiên việc thuê mướn công lao động phục vụ cho công tác thu hoạch tương đối khó khăn do đảm bảo tính thời vụ. Để nhân công thu hoạch và chăm sóc đạt hiệu quả cao, hộ nông dân không nên thuê công nhật như hiện nay mà nên trả tiền công thông qua việc khoán sản phẩm thu hoạch, chăm sóc và kiểm tra chất lượng công việc và hạt cà phê sau thu hoạch.

182

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới”

TÀI LIỆU THAM KHẢO

Tài liệu tham khảo tiếng Việt

1. Lê Ngọc Báu (1995). Nghiên cứu ảnh hưởng của mật độ khoảng cách và kỹ thuật nuôi thân

đến năng suất cà phê vối tại Đắk Lắk. Kết quả nghiên cứu khoa học. Viện Nghiên cứu Cà phê.

2. Nguyễn Công Danh (2001). Tối ưu hóa quá trình sản xuất cà phê ở huyện Phước Long

tỉnh Bình Phước. Luận văn đại học, Trường ĐH Nông Lâm Tp. Hồ Chí Minh.

3. Nguyễn Thị Minh Châu. (2008), Tác động của một số yếu tố chính đến thu nhập của hộ sản xuất cà phê Việt Nam – Trường hợp điển hình vùng Đông Nam Bộ. Luận văn thạc sỹ trường ĐH Kinh Tế Tp. Hồ Chí Minh.

4. Lê Quang Khôi (2016), Bộ tài liệu hướng dẫn sản xuất cà phê bền vững, NXB Nông Nghiệp. 5. Đoàn Thùy Lâm (2012). Nghiên cứu các yếu tố ảnh hưởng đến năng suất và hiệu quả kinh tế sản xuất cà phê tại H. Trảng Bom, tỉnh Đồng Nai. Luận văn thạc sỹ, trường ĐH Lâm Nghiệp.

6. Nguyễn Lê Quyền (2012), Phân tích hiệu quả sản xuất trồng Tiêu trên địa bàn huyện

Tân Phú, tỉnh Đồng Nai. Luận văn thạc sỹ, trường ĐH Lâm Nghiệp.

7. Nguyễn Lê Quyền (2021). Mô hình Bayesian Network trong phân tích năng suất - trường hợp áp dụng trong sản xuất hồ tiêu trên địa bàn huyện Cẩm Mỹ, tỉnh Đồng Nai. Đề tài nghiên cứu khoa học cấp cơ sở, Phân hiệu trường ĐH Lâm Nghiệp tại tỉnh Đồng Nai.

8. Vũ Thiếu, Nguyễn Quang Dong, Nguyễn Khắc Minh (1996). Giáo trình Kinh tế lượng.

chăm sóc cây cà phê trung tâm Eakmat, 9.Kỹ trồng

NXB Khoa học kỹ thuật – Hà Nội. và thuật www.giongcaytrongeakmat.com. Tài liệu tham khảo tiếng Anh

1. Tabachnick, B. G., & Fidell, L. S. (1996). Using multivariate statistics (3rd ed.), New York. ---

Thông tin tác giả: Ths. Nguyễn Lê Quyền, Khoa Kinh tế - Phân hiệu trường ĐH Lâm Nghiệp tại tỉnh Đồng

Nai, khu phố 5, thị trấn Trảng Bom, huyện Trảng Bom, tỉnh Đồng Nai.

Email: nlquyen@vnuf2.edu.vn hoặc nguyen79quyen@yahoo.com.vn Số điện thoại: 0908.391926

Lĩnh vực nghiên cứu: Phân tích định lượng trong kinh tế, Quản trị doanh nghiệp.

183