Luận án Tiến sĩ Kinh tế: Nghiên cứu ứng dụng thống kê Bayes phân tích việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk

BỘ GIÁO DỤC ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH ------------------------------------

Lê Đình Thắng

NGHIÊN CỨU ỨNG DỤNG THỐNG KÊ BAYES PHÂN TÍCH VIỆC SẴN LÒNG THAM GIA BẢO HIỂM CÂY CÀ PHÊ THEO CHỈ SỐ NĂNG SUẤT CỦA HỘ NÔNG DÂN TỈNH ĐẮK LẮK

LUẬN ÁN TIẾN SĨ KINH TẾ

Tp. Hồ Chí Minh - Năm 2021

BỘ GIÁO DỤC ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH ------------------------------------

Lê Đình Thắng

NGHIÊN CỨU ỨNG DỤNG THỐNG KÊ BAYES PHÂN TÍCH VIỆC SẴN LÒNG THAM GIA BẢO HIỂM CÂY CÀ PHÊ THEO CHỈ SỐ NĂNG SUẤT CỦA HỘ NÔNG DÂN TỈNH ĐẮK LẮK

Chuyên ngành: Thống kê

Mã số: 9460201

LUẬN ÁN TIẾN SĨ KINH TẾ

NGƢỜI HƢỚNG DẪN KHOA HỌC:

1. PGS. TS. NGUYỄN VĂN SĨ 2. TS. NGUYỄN THANH VÂN

Tp. Hồ Chí Minh - Năm 2021

LỜI CAM ĐOAN

Tôi xin cam đoan luận án tiến sĩ thống kê “Nghiên cứu ứng dụng thống kê

Bayes phân tích việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng

suất của hộ nông dân tỉnh Đắk Lắk” là công trình nghiên cứu của tôi thực hiện.

Nghiên cứu sinh

Lê Đình Thắng

LỜI CẢM ƠN

Trƣớc tiên, tôi xin chân thành cảm ơn các thầy, cô Khoa Toán - Thống kê,

trƣờng Đại học Kinh tế Thành phố Hồ Chí Minh đã tận tình giảng dạy và đóng góp

những ý kiến quý báu để giúp tôi có đƣợc những kiến thức, kinh nghiệm cần thiết

để thực hiện luận án này. Bên cạnh đó, tôi chân thành cám ơn lãnh đạo, các anh chị

em trong Cục Thống kê tỉnh Đắk Lắk đã cung cấp số liệu cho tôi thực hiện luận án.

Đặc biệt, tôi xin kính gửi lời cảm ơn chân thành và tri ân sâu sắc nhất đến

thầy PGS.TS. Nguyễn Văn Sĩ và thầy TS. Nguyễn Thanh Vân. Trong những năm

qua, các Thầy đã tận tình hƣớng dẫn nghiên cứu khoa học cho tôi, có nhiều gợi mở

giải quyết các vấn đề khó khăn trong suốt quá trình nghiên cứu. Tôi cũng xin cảm

ơn các nhà khoa học đã có ý kiến phản biện giúp tôi hoàn thiện luận án.

Cuối cùng, tác giả cũng xin gửi lời cảm ơn đến các Lãnh đạo, đồng nghiệp

Trƣờng Đại học Sài Gòn và nhất là gia đình luôn quan tâm, động viên và tạo mọi

điều kiện thuận lợi để tôi hoàn thành luận án này.

TP. Hồ Chí Minh, ngày 20 tháng 9 năm 2021

iii

MỤC LỤC

LỜI CAM ĐOAN ....................................................................................................... i

LỜI CẢM ƠN ............................................................................................................ ii

MỤC LỤC ................................................................................................................. iii

DANH MỤC TỪ VIẾT TẮT ................................................................................... vii

DANH MỤC BẢNG BIỂU ........................................................................................ x

DANH MỤC HÌNH VẼ ........................................................................................... xii

DANH MỤC SƠ ĐỒ .............................................................................................. xiii

TÓM TẮT ............................................................................................................... xiv

CHƢƠNG 1: GIỚI THIỆU VẤN ĐỀ NGHIÊN CỨU ............................................... 1

1.1. Lý do chọn đề tài .................................................................................................. 1

1.2. Mục tiêu ............................................................................................................... 6

1.2.1. Mục tiêu nghiên cứu ..................................................................................... 6

1.2.2. Câu hỏi nghiên cứu ....................................................................................... 6

1.3. Đối tƣợng và phạm vi nghiên cứu ....................................................................... 7

1.3.1. Đối tƣợng nghiên cứu ................................................................................... 7

1.3.2. Phạm vi nghiên cứu của đề tài ...................................................................... 7

1.4. Phƣơng pháp nghiên cứu ...................................................................................... 7

1.5. Những đóng góp mới của đề tài ........................................................................... 8

1.5.1. Đóng góp mới về mặt lý thuyết .................................................................... 8

1.5.2. Đóng góp mới về mặt thực tiễn .................................................................... 8

1.6. Kết cấu luận án ..................................................................................................... 9

CHƢƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU LIÊN

QUAN ....................................................................................................................... 11

2.1. Thống kê Bayes .................................................................................................. 11

2.1.1. Định lý Bayes.............................................................................................. 12

2.1.2. Suy luận Bayes............................................................................................ 12

2.2. Hồi quy với biến phụ thuộc nhị phân ................................................................. 13

2.2.1. Biến phụ thuộc nhị phân và mô hình xác suất tuyến tính ........................... 13

2.2.2. Mô hình probit và mô hình logistic ........................................................... 14

2.2.3. Hồi quy logistic Bayesian và hồi quy probit Bayesian ............................... 15

2.3. Lựa chọn mô hình bằng phƣơng pháp mô hình trung bình Bayesian (BMA) ... 16

2.4. Các nghiên cứu về phƣơng pháp mô hình trung bình Bayes ứng dụng trong kinh

tế ................................................................................................................................ 22

2.5. Tóm tắt một số lý thuyết hành vi của con ngƣời ................................................ 24

2.5.1. Lý thuyết hành động hợp lý ........................................................................ 24

2.5.2. Lý thuyết hành vi sẵn lòng .......................................................................... 24

2.5.3. Lý thuyết nhận thức rủi ro .......................................................................... 25

2.6. Lý thuyết bảo hiểm cây trồng............................................................................. 26

2.6.1. Bảo hiểm cây trồng ..................................................................................... 26

2.6.2. Bảo hiểm cây trồng ở các nƣớc đang phát triển ......................................... 29

2.6.3. Bảo hiểm theo chỉ số năng suất cho cây cà phê tỉnh Đắk Lắk ................... 30

2.7. Các nghiên cứu trong và ngoài nƣớc liên quan đến bảo hiểm cây trồng ........... 38

2.8. Khoảng trống của các nghiên cứu trƣớc liên quan đến đề tài luận án ............... 57

2.9. Kết luận chƣơng 2 .............................................................................................. 58

CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU ...................................................... 59

3.1. Khu vực nghiên cứu ........................................................................................... 59

3.2. Khung phân tích ................................................................................................. 60

3.3. Nghiên cứu định tính .......................................................................................... 62

3.4. Nghiên cứu định lƣợng ....................................................................................... 66

3.4.1. Dữ liệu ........................................................................................................ 66

3.4.2. Các yếu tố dự kiến đƣa vào mô hình .......................................................... 66

3.4.3. Mô hình nghiên cứu đề xuất ....................................................................... 78

3.4.4. Tiêu chuẩn lựa chọn mô hình ..................................................................... 79

3.4.5. Các bƣớc phát triển mô hình ....................................................................... 80

3.4.6. Kiểm định mô hình hồi quy logistic ........................................................... 81

3.4.7. Xây dựng toán đồ ........................................................................................ 87

3.5. Kết luận chƣơng 3 .............................................................................................. 88

CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU ................................................................. 89

4.1. Thực trạng sản xuất cà phê trên địa bàn tỉnh Đắk Lắk ...................................... 89

4.1.1. Lịch sử phát triển cây cà phê của tỉnh Đắk Lắk ......................................... 89

4.1.2. Thực trạng sản xuất, kinh doanh, tiêu thụ cà phê tại tỉnh Đắk Lắk ............ 89

4.2. Thực trạng bảo hiểm cây trồng tại Việt Nam ..................................................... 92

4.3. Kết quả nghiên cứu ............................................................................................ 95

4.3.1. Thống kê mô tả ........................................................................................... 95

4.3.2. Chọn lựa mô hình hộ nông dân sẵn lòng tham gia bảo hiểm cây cà phê theo

chỉ số năng suất bằng phƣơng pháp BMA ............................................................ 98

4.3.3. Kết quả ƣớc lƣợng tham số và khả năng dự đoán chính xác của mô hình

............................................................................................................................. 103

4.3.4. Một số kiểm định nhóm mô hình sử dụng toàn bộ dữ liệu và nhóm mô hình

sử dụng một phần dữ liệu.................................................................................... 117

4.3.5. So sánh mô hình hồi quy logistic tần số và hồi quy logistic Bayesian ..... 122

4.4. Xây dựng toán đồ ............................................................................................. 124

4.5. Kết luận chƣơng 4 ............................................................................................ 126

CHƢƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH ........................................ 127

5.1. Những kết quả nghiên cứu chính ..................................................................... 127

5.2. Đóng góp mới của đề tài .................................................................................. 129

5.2.1. Ý nghĩa thực tiễn của nghiên cứu ............................................................. 129

5.2.2. Ý nghĩa lý thuyết của nghiên cứu ............................................................. 130

5.3. Hàm ý chính sách ............................................................................................. 131

5.3.1. Đối với các hộ nông dân sản xuất cà phê ................................................. 131

5.3.2. Đối với Hiệp hội cà phê Buôn Ma Thuột ................................................. 132

5.3.3. Đối với các ngân hàng thƣơng mại ........................................................... 132

5.3.4. Đối với các công ty bảo hiểm ................................................................... 133

5.3.5. Đối với cơ quan sở ngành tỉnh Đắk Lắk ................................................... 134

5.3.6. Đối với cơ quan quản lý cấp Nhà nƣớc .................................................... 134

5.4. Hạn chế của luận án và hƣớng nghiên cứu tiếp theo ....................................... 136

DANH MỤC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ .................................. 137

T I LIỆU THAM KHẢO ....................................................................................... 138

Danh mục tiếng Việt ............................................................................................... 138

Danh mục tiếng Anh ............................................................................................... 141

PHỤ LỤC ................................................................................................................ 158

Phụ lục 1: Bảo hiểm nông nghiệp tại các quốc gia và lãnh thổ trên thế giới .......... 158

Phụ lục 2: Danh sách đối tƣợng nghiên cứu phƣơng pháp định tính ...................... 166

Phụ lục 3: Hội thảo khoa học .................................................................................. 168

Phụ lục 4: Bảng câu hỏi nghiên cứu ........................................................................ 175

Phụ lục 5: Danh sách hộ nông dân trồng cà phê đƣợc khảo sát trong nghiên cứu

định lƣợng chính thức ............................................................................................. 177

Phụ lục 6: Danh mục các chính sách về Bảo hiểm nông nghiệp tại Việt Nam ....... 192

Phụ lục 7: Kết quả nghiên cứu định lƣợng .............................................................. 195

Phụ lục 8: Bảo hiểm đối với rủi ro hạn hán cho hộ nông dân trồng cà phê tại Đắk

Lắk ........................................................................................................................... 224

Phụ lục 9: Biểu thống kê xuất khẩu cà phê sang các nƣớc trên thế giới các niên vụ

gần đây .................................................................................................................... 227

Phụ lục 10: Thống kê các doanh nghiệp xuất khẩu cà phê tỉnh Đắk Lắk niên vụ

2016 – 2017 ............................................................................................................. 230

vii

DANH MỤC TỪ VIẾT TẮT

Từ viết tắt Từ gốc Nghĩa tiếng việt

4C Common Code for the Coffee Community Bộ nguyên tắc chung cho cộng đồng cà phê

AIC Akaike Information Criterion Tiêu chuẩn thông tin Akaike

AUC Area under the curve Diện tích dƣới đƣờng cong

AYII Area yield index insurance Bảo hiểm theo chỉ số năng suất khu vực

BMA Bayesian Model Averageing Phƣơng pháp trung bình Bayesian

BIC Bayesian information criterion Tiêu chuẩn tiêu chí thông tin Bayesian

BPTNT Bộ Nông nghiệp và Phát triển Nông thôn

BTC Bộ Tài chính

C&C Coffee and climate

Đối tác toàn cầu mở của các công ty cà phê và các đối tác công cộng

CADA Compagne Argicole D‟Asie Công ty Nông nghiệp Á Châu

CI Confidence interval Khoảng tin cậy

CP Chính phủ

FAO Food and Agriculture Organization of the United Nations Tổ chức Lƣơng thực và Nông nghiệp Liên Hợp Quốc

GDP Gross Domestic Product Tổng sản phẩm quốc nội

GSO General Statistics Office Tổng Cục thống kê

ha Hectare Héc-ta

ICO International Coffee Organisation Tổ chức cà phê quốc tế

IPCC Intergovernmental Panel on Climate Change Ủy ban liên chính phủ về biến đổi khí hậu

Kg Kilogramme Ki-lô-gam

KSL LR Không sẵn lòng Thống kê tỷ lệ khả năng

Likelihood Ratio statistic Markov chain Monte Carlo MCMC Chu i Markov Monte Carlo

viii

Maximum Likelihood Estimation Ƣớc lƣợng hợp lí cực đại MLE

Millimetre Mi-li-mét Mm

MPCI Multi peril crop insurance Bảo hiểm mùa màng nhiều rủi ro

NAIPP National Agricultural Insurance Programme Pilot Chƣơng trình thí điểm bảo hiểm nông nghiệp quốc gia

NAIS National Agricultural Insurance Scheme Chƣơng trình Bảo hiểm Nông nghiệp Quốc gia Ấn Độ

Nghị định NĐ

NDVI Normalized Difference Vegetation Index Chỉ số thực vật khác biệt bình thƣờng hóa

NDVI/SI NDVI/satellite insurance Bảo hiểm theo chỉ số NDVI/vệ tinh

Non-Governmental Organisation Tổ chức phi chính phủ NGO

Ngân hàng Nhà nƣớc NHNN

Ngân hàng Thƣơng mại NHTM

NPCI Named peril crop insurance Bảo hiểm cây trồng theo tên gọi của thiệt hại

Ordinary least squares OLS Phƣơng pháp bình phƣơng nhỏ nhất

Tỷ lệ Odds OR

Odds ratio Percentile (25) Giá trị phân vị 25% Pctl(25)

Percentile (75) Giá trị phân vị 75% Pctl(75)

Public Private Partnerships Quan hệ đối tác công tƣ PPP

Quyết định QĐ

Rainforest Alliance Tổ chức Rừng mƣa nhiệt đới RFA

Receiver operating characteristic ROC Đặc trƣng hoạt động của bộ thu nhận

Synthetic-aperture radar Radar khẩu độ tổng hợp SAR

Standard deviation Sẵn lòng Độ lệch chuẩn SL St.Dev

Thông tƣ TT

Thủ tƣớng TTg

Ủy ban dân tộc UBDT

UBND Ủy ban nhân dân

USD US Dollar Đô la Mỹ

UTZ UTZ certification

UTZ là một chƣơng trình chứng nhận cho canh tác bền vững cà phê, trà, ca cao...

VND Vietnam Dong Việt Nam Đồng

VnSAT Vietnam-Subtainable Agricultural Transformation Ban Quản lý dự án chuyển đổi nông nghiệp bền vững tại Việt Nam

WB Tổ chức ngân hàng thế giới World Bank

Weather index insurance Bảo hiểm theo chỉ số thời tiết

WII

DANH MỤC BẢNG BIỂU

Bảng 2.1: Tổng hợp các nghiên cứu về phƣơng pháp mô hình trung bình Bayes ứng

dụng trong kinh tế ..................................................................................................... 23

Bảng 2.2: Các sản phẩm bảo hiểm cây trồng các nƣớc Đông Nam Á năm 2011 ..... 31

Bảng 2.3: So sánh các loại bảo hiểm cây trồng theo chỉ số ...................................... 34

Bảng 2.4: Tổng hợp các nghiên cứu và mô hình về việc sẵn lòng tham gia bảo hiểm

cây trồng của hộ nông dân ........................................................................................ 53

Bảng 3.1. Tiến độ thực hiện ...................................................................................... 65

Bảng 3.2: Tổng hợp các yếu tố sẽ mã hóa đƣợc đề xuất ........................................... 74

Bảng 3.3: Ma trận nhầm lẫn ...................................................................................... 82

Bảng 3.4: Phân loại chỉ số AUC ............................................................................... 86

Bảng 4.1: Tình hình sản xuất cà phê tỉnh Đắk Lắk ................................................... 90

Bảng 4.2: Mƣời thị trƣờng có kim ngạch xuất khẩu nhiều nhất năm 2016-2017 ..... 92

Bảng 4.3: Mô tả dữ liệu nghiên cứu .......................................................................... 96

Bảng 4.4: Mô hình nghiên cứu đƣợc lựa chọn bởi phƣơng pháp BMA theo hồi

quy logistic .............................................................................................................. 100

Bảng 4.5: Mô hình nghiên cứu đƣợc lựa chọn bởi phƣơng pháp BMA theo hồi

quy probit ................................................................................................................ 101

Bảng 4.6: Xác suất các biến độc lập tác động lên biến phụ thuộc (BAOHIEM).... 102

Bảng 4.7: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL1 ............... 104

Bảng 4.8: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL2 ............... 105

Bảng 4.9: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL3 ............... 106

Bảng 4.10: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL4 ............. 107

Bảng 4.11: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL5 ............. 108

Bảng 4.12: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL6 ............. 109

Bảng 4.13: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL1 Split ... 111

Bảng 4.14: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL2 Split ... 112

Bảng 4.15: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL3 Split ... 113

Bảng 4.16: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL4 Split ... 114

Bảng 4.17: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL5 Split ... 115

Bảng 4.18: Kết quả ƣớc lƣợng tham số và dự đoán với mô hình BMAL6 Split ... 116

Bảng 4.19: Tổng hợp các mô hình .......................................................................... 119

Bảng 4.19 Tổng hợp các mô hình (tiếp theo) .......................................................... 120

Bảng 4.19: Tổng hợp các mô hình (tiếp theo) ........................................................ 121

Bảng 4.20: So sánh hồi quy logistic tần số và hồi quy logistic Bayesian ............... 122

xii

DANH MỤC HÌNH VẼ

Hình 3.1: Bản đồ tỉnh Đắk Lắk ................................................................................. 59

Hình 3.2: Chiến lƣợc xây dựng và kiểm định mô hình ............................................. 81

Hình 3.3: Trƣờng hợp AUC = 1 ................................................................................ 84

Hình 3.4: Trƣờng hợp 0.5 < AUC < 1 ...................................................................... 85

Hình 3.5: Trƣờng hợp AUC = 0.5 ............................................................................. 85

Hình 4.1: Sản lƣợng và kim ngạch xuất khẩu cà phê tỉnh Đắk Lắk ......................... 91

Hình 4.2: Qui trình hoạt động của chƣơng trình thí điểm bảo hiểm nông nghiệp Việt

Nam năm 2011-2013 ................................................................................................. 93

Hình 4.3: Kết quả mô hình hồi quy logistic tần số ................................................. 123

Hình 4.4: Kết quả mô hình hồi quy logistic Bayesian ............................................ 123

Hình 4.5: Toán đồ dự đoán hộ nông dân sẵn l ng tham gia bảo hiểm cây cà phê theo

chỉ số năng suất bằng hình ảnh ............................................................................... 124

Hình 4.6: Toán đồ dự đoán hộ nông dân sẵn l ng tham gia bảo hiểm cây cà phê theo

chỉ số năng suất bằng số liệu ................................................................................... 125

Hình 5.1: Các chức năng cơ bản của Cơ quan quản lý rủi ro nông nghiệp và liên kết

tới Đơn vị phát triển thị trƣờng bảo hiểm nông nghiệp .......................................... 135

Hình 5.2: Hệ thống phát triển thị trƣờng bảo hiểm nông nghiệp ............................ 136

xiii

DANH MỤC SƠ ĐỒ

Sơ đồ 3.1: Khung phân tích việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số

năng suất của hộ nông dân tỉnh Đắk Lắk .................................................................. 61

Sơ đồ 5.1: Đánh giá rủi ro nhằm phát triển thị trƣờng bảo hiểm ............................ 131

xiv

TÓM TẮT

Tính bền vững của chƣơng trình bảo hiểm phụ thuộc vào việc mua bảo hiểm

từ năm này qua năm khác. Nghiên cứu này đề cập đến một phần thiết yếu của nó là

nghiên cứu phân tích tác động của các yếu tố đến việc sẵn l ng tham gia bảo hiểm

cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk. Nghiên cứu sử

dụng dữ liệu 480 hộ nông dân do Cục thống kê tỉnh Đắk Lắk khảo sát. Kết quả mô

hình nghiên cứu hộ nông dân sẵn l ng tham gia bảo hiểm cây cà phê theo chỉ số

năng suất đƣợc lựa chọn bằng phƣơng pháp mô hình trung bình Bayesian (BMA)

khi sử dụng dữ liệu huấn luyện để ƣớc lƣợng tham số là mô hình ph hợp với dữ

liệu nhất. Yếu tố dân tộc, yếu tố thƣơng hiệu và yếu tố rủi ro bão là ba yếu tố mới

đã đƣợc phát hiện trong nghiên cứu này. Phƣơng pháp BMA đã cung cấp cho chúng

xác xuất của mô hình và xác suất của các biến tác động lên mô hình. Bên cạnh đó,

hồi quy logistic Bayesian cung cấp cho chúng ta phân phối xác suất của các biến

độc lập. Điều đó giúp chúng ta có cái nhìn tổng quát hơn về sự tác động của các

biến độc lập đến việc sẵn lòng tham gia bảo hiểm cà phê theo chỉ số năng suất của

hộ nông dân tỉnh Đắk Lắk. Nghiên cứu này cung cấp cho các nhà phân tích chính

sách, công ty bảo hiểm, ngân hàng thƣơng mại để thiết kế hợp đồng bảo hiểm bằng

cách cung cấp thông tin về nhu cầu bảo hiểm, các hộ nông dân tiềm năng và địa

điểm để phát triển hiệu quả các sản phẩm bảo hiểm m a màng theo định hƣớng nhu

cầu đáp ứng nhu cầu của nông dân. Ngoài ra, nghiên cứu đƣa ra những kết luận sâu

sắc về bảo hiểm m a màng nhƣ một công cụ chính sách để quản lý rủi ro và cải

thiện phúc lợi.

Từ khóa: M , logistic Bayesian, T

ABTRACT

The sustainability of the insurance plan depends on purchasing insurance from

year to year. This study mentions an essential part of it that analyzes the impact of

factors on the willingness to join in coffee tree insurance according to the yield

index of farmers in Dak Lak province. The study uses data of 480 farmer

households surveyed by the Department of Statistics of Dak Lak province. The

results of the farmer households' willingness to join in coffee tree insurance

according to the yield index selected by the Bayesian Model Averaging (BMA)

method when using data training to estimate the parameter is the most fix model for

the data. Ethnicity, branding and typhoon risk factors are new factors identified in

this study. The BMA method gives them the model probabilities and the

probabilities of the variables affecting the model. Besides, Bayesian logistic

regression provides us with the probability distribution of independent variables.

This helps us to have a more general view of the impact of the independent

variables on coffee willingness to join in coffee insurance according to the

productivity index of farmers in Dak Lak province. This study provides policy

activists, insurance companies, and commercial banks to design insurance contracts

by providing information about insurance needs, potential farmers, and where to to

effectively develop demand-oriented crop insurance products to meet the needs of

farmers. In addition, research draws insightful conclusions about crop insurance as a

policy tool for risk management and welfare improvement.

Keywords: Bayesian Model Averaging, Bayesian logistics, Crop insurance, Coffee,

Nomogram.

CHƯƠNG 1: GIỚI THIỆU VẤN ĐỀ NGHIÊN CỨU

1.1. Lý do chọn đề tài

Cà phê là một trong những ngành hàng nông sản xuất khẩu chính của Việt

Nam, tạo ra gần 2.5 triệu việc làm, đóng góp 2 GDP của cả nƣớc, góp phần quan

trọng vào ổn định chính trị - xã hội - an ninh cả nƣớc nói chung và v ng Tây

nguyên nói riêng. Trong những năm gần đây, cà phê đã có những bƣớc phát triển

vƣợt bậc, đƣa nƣớc ta trở thành nƣớc xuất khẩu cà phê đứng thứ nhất châu Á và thứ

hai thế giới. Theo số liệu của Tổng cục Hải quan Việt Nam, niên vụ 2016-2017 cả

nƣớc xuất khẩu cà phê đạt 1,483 triệu tấn và kim ngạch xuất khẩu trên 3,4 tỷ USD.

Đến năm 2017 tỉnh Đắk Lắk có 203,737 ha cà phê, chiếm 33% diện tích cà phê toàn

quốc; trong đó có 191,483 ha diện tích cà phê kinh doanh cho sản phẩm; năng suất

cây cà phê bình quân đạt 23,36 tạ/ha, giảm 26 kg/ha so với niên vụ trƣớc; sản lƣợng

cây cà phê 447,810 tấn, giảm 14.810 tấn so với niên vụ trƣớc. Kim ngạch xuất khẩu

cà phê của tỉnh đạt xấp xỉ 450 triệu USD tăng 24.9 so với niên vụ trƣớc (chiếm tỷ

trọng 13.3% kim ngạch xuất khẩu cà phê Việt Nam, trên 90% kim ngạch xuất khẩu

cà phê Đắk Lắk) (UBND tỉnh Đắk Lắk, 2017).

Với việc đóng góp GDP, tạo ra việc làm và kim ngạch xuất khẩu cao nhiều

năm liền nhƣ trên thì trong nhiều năm tới, cây cà phê vẫn giữ một vai trò hết sức

quan trọng trong nền kinh tế của tỉnh Đắk Lắk và cả nƣớc. Tuy nhiên, việc sản xuất

và kinh doanh cà phê luôn ẩn chứa nhiều rủi ro cần đƣợc h trợ khắc phục. Theo

báo cáo năm 2016 của Hiệp hội Cà phê - Ca cao Việt Nam, cây cà phê liên tiếp bị

mất mùa, gây thiệt hại lớn đối với các hộ nông dân. Đặc biệt trong niên vụ 2015-

2016 năng suất cây cà phê giảm 20% so với kế hoạch. Nguyên nhân chính là Đắk

Lắk bị hạn nặng, dẫn đến tình trạng gần 48 nghìn ha cà phê bị chết khô (Tổng cục

Thống kê Việt Nam, 2016). Từ tháng 12 năm 2016 đến nay, do tác động của mƣa

thất thƣờng toàn bộ diện tích cà phê đã ra hoa, nhƣng ra hoa không đồng đều. Thậm

chí, nhiều vùng quả cà phê đang chín, đang thu hoạch cây vẫn ra hoa, gây nhiều khó

khăn cho các nông hộ và làm giảm năng suất, chất lƣợng cà phê vụ kế tiếp. Mƣa lớn

kéo dài vào thời điểm cà phê đang chín rộ khiến quả thối rụng. Năm 2017, các tỉnh

Tây Nguyên đón nhận 16 cơn bão, một kỷ lục nhất từ trƣớc đến nay và trong đó bão

số 12 có sức gió vô cùng lớn đã làm thiệt hại về ngƣời, tài sản cũng nhƣ ảnh hƣởng

đến sự sinh trƣởng của cây cà phê. Nhiều nhà máy chế biến quả tƣơi và sấy khô, các

đại lý thu mua cây cà phê, kho lƣu trữ bị tốc mái và hƣ hỏng nặng dẫn đến huỷ hợp

đồng hoặc ép giá hộ nông dân. Hơn nữa, sự gia tăng về biến đổi khí hậu có thể mở

rộng phạm vi địa lý của một số loài côn trùng gây hại. Chẳng hạn nhƣ, rỉ sét cà phê

La Roya đã tấn công các nhà máy cà phê ở Trung và Nam Mỹ ở độ cao cao hơn khi

khí hậu ấm lên (Oxfam, 2013). Nhiệt độ tăng cây trồng đang ở giai đoạn phát triển

có thể dễ bị tác động bởi xâm hại của côn trùng gây hại trong m a sinh trƣởng.

Lƣợng mƣa tăng có khả năng làm gia tăng mầm bệnh nấm và vi khuẩn (M. Parry,

1990). Sự tác hại tƣơng tự cũng đang diễn ra, sâu đục quả cà phê đã trở nên phổ

biến hơn ở Đông Phi do có hiện tƣợng nóng lên (Jaramillo, 2011). Một số loài gây

hại, bao gồm rệp và ấu trùng mọt, phản ứng tích cực với mức CO2 trong khí quyển

cao hơn (Newman, 2004; Staley và Johnson, 2008). Do đó, biến đổi khí hậu đe dọa

sự kiểm soát sâu bệnh và xâm nhập của bệnh, bao gồm côn trùng, bệnh cây và cỏ

dại xâm lấn gây ra rủi ro sinh học (rủi ro côn trùng hại, rủi ro sâu bệnh,...) cho cây

cà phê.

Với kết quả trên cho thấy hộ nông dân gặp rất nhiều rủi ro trong sản xuất cà

phê và nông nghiệp vùng Tây Nguyên của Việt Nam chịu áp lực vì những tác động

của biến đổi khí hậu (Jeremy Haggar và cộng sự, 2011; D'haeze và cộng sự, 2017).

Trong đó, rủi ro về thời tiết là một vấn đề quan trọng và khó dự đoán trƣớc đƣợc và

nó tác động rất lớn đến sinh kế của họ. Các hộ nông dân và cộng đồng luôn có nhiều

biện pháp thúc đẩy để phát triển và cải tiến các chiến lƣợc để đối phó và quản lý rủi

ro thời tiết (Bibek Acharya, 2014). Các chiến lƣợc quản lý rủi ro thời tiết cho các hộ

gia đình bao gồm cải tiến giống cà phê, kỹ thuật canh tác, cho vay, gửi tiết kiệm, và

đặc biệt là bảo hiểm (World Bank, 2004; World Bank 2010; World Bank, 2015a).

Trong trƣờng hợp có một cú sốc thời tiết, bảo hiểm đƣợc thiết kế để bảo vệ chống

lại tổn thất thu nhập. Điều này cho phép các hộ gia đình tránh bán tài sản sinh kế

hoặc rút tiền tiết kiệm. Bảo hiểm có thể giúp nông dân tiếp cận các cơ hội mới bằng

cách cải thiện khả năng vay vốn. Khi làm nhƣ vậy, hộ nông dân sẽ thu đƣợc lợi

nhuận an toàn hơn, không bị kiệt quệ về kinh tế dẫn đến mất khả năng tái tạo sản

xuất (Barnett và cộng sự, 2008; World Bank, 2006). Bảo hiểm giúp hộ nông dân

quản lý rủi ro cũng nhƣ cải thiện sản xuất và phúc lợi của họ (Karlan và cộng sự,

2010; De Nicola và cộng sự, 2012; Radermacher và cộng sự, 2014). Mặt khác,

những hộ gia đình không có cơ chế chuyển rủi ro có nhiều khả năng bị đẩy vào tình

trạng nghèo vĩnh viễn (Barrett và McPeak, 2005; Barrett và Swallow, 2006; Carter

và Barrett, 2006; Carter và cộng sự, 2007).

Theo đề xuất của Quan hệ đối tác công tƣ (Public Private Partnerships - PPP),

Chính phủ Việt Nam đã thực hiện chƣơng trình thí điểm bảo hiểm nông nghiệp từ

năm 2011 đến năm 2013 nhƣng không áp dụng cho cây cà phê. Gần đây nhất, tháng

4 năm 2018, cây cà phê đã đƣợc đƣa vào danh mục đối tƣợng bảo hiểm đƣợc h trợ

theo điều 18, chƣơng III, Nghị định số 58/2018/NĐ-CP của Chính phủ về bảo hiểm

nông nghiệp. Tuy nhiên, đến tháng 6 năm 2019, theo điều 2, chƣơng I, Quyết định

số 22/2019/QĐ-TTg của Thủ tƣớng về thực hiện chính sách h trợ bảo hiểm nông

nghiệp chỉ có áp dụng đối với tổ chức, hộ nông dân trồng lúa (Phụ lục 6). Đó là một

thiệt th i to lớn đối với ngành cà phê. Nhìn thấy đƣợc tầm quan trọng của bảo hiểm

năng suất cây cà phê, công ty bảo hiểm Bảo Minh cũng đã triển khai thí điểm bảo

hiểm cà phê theo lƣợng mƣa trong 1 niên vụ 2011-2012 tại tỉnh Đắk Lắk, có khoản

60 hộ tham gia bảo hiểm nông nghiệp với diện tích gần 50 ha, tổng bảo hiểm thu

đƣợc gần 122 triệu. Với số liệu trên, tƣơng đƣơng khoảng 0.025 diện tích cà phê

trồng tại Đắk Lắk đƣợc bảo hiểm. Một con số rất khiêm tốn cho việc tham gia bảo

hiểm và có thể xem nhƣ là không thành công với sản phẩm bảo hiểm này. Bởi vì,

sản phẩm của công ty bảo hiểm chƣa h trợ thiết thực giúp cho các hộ nông dân hạn

chế rủi ro.

Cho đến nay, chƣa có nhiều nghiên cứu sâu về rủi ro cho sản xuất cà phê. Chỉ

có một số các nghiên cứu xem xét về hạn chế rủi ro trong nông nghiệp, của các nhà

nghiên cứu trong và ngoài nƣớc đã thực hiện nhằm cung cấp thêm thông tin cho các

nhà làm chính sách, ngành ngân hàng, ngành bảo hiểm và đặc biệt là nhà nông để có

những giải pháp cụ thể nhằm hạn chế tối đa rủi ro trong việc sản xuất nông nghiệp.

Các nghiên cứu đã chỉ ra các yếu tố tác động đến việc sẵn l ng tham gia bảo hiểm

nông nghiệp của hộ nông dân nhƣ: Nghiên cứu việc tham gia bảo hiểm cây trồng

của hộ nông dân trồng đậu và ngô ở Hoa Kỳ (Sherrick.B.J và cộng sự, 2004).

Nghiên cứu của Sarris và cộng sự (2006) tìm hiểu việc sẵn lòng tham gia và chi trả

bảo hiểm thời tiết theo chỉ số lƣợng mƣa tại Tanzania. Kong và cộng sự (2011)

nghiên cứu việc sẵn lòng tham gia bảo hiểm thời tiết của hộ nông dân tại Thiểm Tây

và Cam Túc, Trung Quốc. Nghiên cứu của Aidoo, R., Mensah và cộng sự (2014)

đánh giá việc sẵn lòng của hộ nông dân trong việc tham gia bảo hiểm cây trồng.

Nghiên cứu của Danso-Abbeam và cộng sự (2014) phân tích việc sẵn lòng tham gia

bảo hiểm giá ca cao của Ghana. Nghiên cứu của Abraham Falola và cộng sự (2014)

về việc sẵn lòng tham gia bảo hiểm cây ca cao của hộ nông dân Ondo State,

Nigeria. Arshad và cộng sự (2015) nghiên cứu bảo hiểm cây trồng có phải là một

công cụ chấp nhận đƣợc đối với các sự kiện lũ lụt và hạn hán ở vùng nông thôn

Pakistan. Nghiên cứu của Yakubu BalmaIssaka và cộng sự (2016) về việc sẵn lòng

tham gia bảo hiểm cây trồng chỉ số hạn hán của hộ nông dân trồng ngô thuộc khu

vực phía Bắc Ghana. Nghiên cứu của Elvis Dartey Okoffo và cộng sự (2016) đánh

giá mức độ sẵn sàng tiếp cận bảo hiểm cây ca cao tại Ghana. Fonta và cộng sự năm

(2018) nghiên cứu khảo sát hộ nông dân sẵn lòng tham gia bảo hiểm cây trồng hộ

nông dân ở Tây Nam Burkina Faso. Yanuarti và cộng sự (2019) nghiên cứu việc sẵn

l ng tham gia bảo hiểm cây lúa của hộ nông dân Indonesia. Và một số nghiên cứu

thực nghiệm trong nƣớc: Nghiên cứu của Nguyễn Quốc Nghi và cộng sự (2013)

đánh giá nhu cầu tham gia bảo hiểm cây thanh long của hộ nông dân Chợ Gạo, Tiền

Giang. Phạm Lê Thông (2013), Lƣơng thị Ngọc Hà (2014), Nguyễn Duy Chinh và

cộng sự (2016) đã thực hiện các nghiên cứu về việc sẵn lòng tham gia bảo hiểm cây

lúa tại Việt Nam. Tuy nhiên những nghiên cứu này đều có những hạn chế nhất định

nhƣ chƣa có sự nghiên cứu sâu hoặc chƣa sử dụng các yếu tố gồm: tác động của các

yếu tố rủi ro thời tiết, rủi ro sinh học, rủi ro kinh tế, rủi ro lao động đến cây trồng

nói chung và cây cà phê nói riêng (Ray.P.K, 2001; Nguyễn Ngọc Thắng, 2017).

Từ thực trạng trên, tác giả nhận thấy nghiên cứu mô hình hộ nông dân sẵn

lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất là vấn đề quang trọng và

cấp thiết. Để có một mô hình thực sự “tốt” hoặc phù hợp nhất với dữ liệu thì các

nhà nghiên cứu phải giải quyết sự không chắc chắn của mô hình. Tuy nhiên, bằng

các phƣơng pháp thống kê Tần số (Cổ điển), các nghiên cứu thực nghiệm thƣờng sử

dụng một mô hình chuẩn duy nhất trong đó một tập hợp các biến giải thích đƣợc hồi

quy trên một biến kết quả (Raftery, 1995). Nhằm thể hiện về độ chắc chắn, các nhà

nghiên cứu sau đó trình bày một số biến thể của mô hình chuẩn và sau đó đƣa ra các

suy luận hoặc kết luận dựa trên mô hình duy nhất này mà không thừa nhận vấn đề

tiềm ẩn của sự không chắc chắn của mô hình (Zeugner, 2011; Moral-Benito, 2015).

Các tài liệu thực nghiệm về việc sẵn lòng tham gia bảo hiểm cây trồng cũng không

ngoại lệ. Vì vậy, khi nghiên cứu thực nghiệm cần phải xem xét hết tất cả các mô

hình để lựa chọn đƣợc những yếu tố quang trọng và đƣa ra mô hình phù hợp nhất

với dữ liệu (Jennifer A. Hoeting,1999).

Đối mặt với vấn đề này, tác giả nhận thấy có một phƣơng pháp thống kê mới

và khá phổ biến hiện nay là phƣơng pháp mô hình trung bình Bayesian (Bayesian

Model Averaging - BMA) của trƣờng phái thống kê Bayes. Phƣơng pháp này sẽ cho

phép các nhà nghiên cứu xem xét một cách chặt chẽ tất cả các mô hình. Cụ thể hơn,

phƣơng pháp BMA đƣa ra một tiêu chí lựa chọn thống kê mạnh mẽ (xác suất hậu

định) để xác định các yếu tố quan trọng trong mô hình (Ali, A., và Ali, S.I., 2020).

Những năm gần đây, đã có nhiều nghiên cứu về phƣơng pháp thống kê BMA trong

hầu hết các lĩnh vực khoa học, năng lƣợng, dự báo kinh tế, y học, nông nghiệp,

phân tích các mối quan hệ xã hội,...mà chƣa có nghiên cứu nào của phƣơng pháp

BMA về bảo hiểm (Maltritz, D. và Molchanov, A., 2013; Zhanga và Yang, 2015;

Georg Man, 2015; Notaro và cộng sự, 2016; Huang, X. và cộng sự, 2017; Vƣơng

Minh Giang và Nguyễn Thanh Thiên, 2017; S.L. Klijn và cộng sự, 2019; Yanlai

Zhou và cộng sự, 2020; Ali, A., & Ali, S. I.,2020; Gernát, P. và cộng sự, 2020). Do

đó, trong luận án này, tác giả sẽ nghiên cứu phƣơng pháp BMA để ứng dụng vào

mô hình hộ nông dân sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất.

Hơn nữa, thống kê theo trƣờng phái Bayes còn cung cấp cho chúng ta phƣơng

pháp hồi quy phân tích các yếu tố phụ thuộc là biến nhị phân (Millar J và cộng sự,

2018; Spyroglou, Ioannis và cộng sự, 2018; Workie MS và Belay DB, 2019;

Arreola EV và cộng sự, 2020). Đây cũng là phƣơng pháp hồi quy mới và chƣa đƣợc

áp dụng trong các nghiên cứu thực nghiệm trong và ngoài nƣớc về việc sẵn l ng

tham gia bảo hiểm cây trồng của hộ nông dân.

Trên cơ sở tổng quan các tài liệu liên quan, tác giả đề xuất vấn đề nghiên cứu

“Nghiên cứu ứng dụng thống kê Bayes phân tích việc sẵn lòng tham gia bảo

hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk” làm đề tài

nghiên cứu cho luận án của mình.

1.2. Mục tiêu

1.2.1. Mục tiêu nghiên cứu

Chọn lựa mô hình nghiên cứu cho đề tài bằng phƣơng pháp mô hình trung

bình Bayesian (BMA).

Ƣớc lƣợng các tham số trong mô hình có biến phụ thuộc nhị phân bằng

phƣơng pháp thống kê tần số và thống kê Bayes để so sánh. Xác định các điểm mới

trong mô hình nghiên cứu thông qua các kiểm định.

Xây dựng toán đồ bằng hình thức trực tuyến (online) của mô hình nghiên cứu.

Để dự đoán nhanh về khả năng tham gia bảo hiểm của hộ nông dân trồng cà phê.

Đề xuất một số hàm ý chính sách về bảo hiểm cây cà phê theo chỉ số năng

suất.

1.2.2. Câu hỏi nghiên cứu

Những mô hình nào sẽ đƣợc chọn bằng phƣơng pháp BMA? Trong các biến

có ý nghĩa thống kê của những mô hình đó thì có biến mới nào đƣợc chọn?

Ƣớc lƣợng các tham số trong mô hình có biến phụ thuộc nhị phân bằng thống

kê tần số và thống kê Bayes có sự khác biệt nhƣ thế nào?

Xây dựng toán đồ trực tuyến với mô hình nghiên cứu hộ nông dân sẵn l ng

tham gia bảo hiểm cây cà phê theo chỉ số năng suất sẽ giúp dự đoán nhanh việc sẵn

l ng tham gia bảo hiểm của hộ nông dân tỉnh Đắk Lắk nhƣ thế nào

Những gợi ý chính sách nào nhằm nâng cao số lƣợng hộ nông dân tỉnh Đắk

Lắk sẵn l ng tham gia bảo hiểm cây cà phê theo chỉ số năng suất?

1.3. Đối tượng và phạm vi nghiên cứu

1.3.1. Đối tượng nghiên cứu

Nghiên cứu mô hình trung bình Bayesian (BMA) của trƣờng phái thống kê

Bayes.

Các yếu tố tác động đến việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ

số năng suất của hộ nông dân tỉnh Đắk Lắk.

Đối tƣợng khảo sát là các hộ nông dân sản xuất cà phê tại tỉnh Đắk Lắk.

1.3.2. Phạm vi nghiên cứu của đề tài

Nghiên cứu mô hình trung bình Bayesian (BMA) đƣợc sử dụng trong mô hình

có biến phụ thuộc nhị phân.

Luận án tập trung nghiên cứu các yếu tố tác động đến việc sẵn lòng tham gia

bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk .

Thời điểm nghiên cứu là niên vụ cà phê năm 2016-2017.

1.4. Phư ng h nghiên cứu

Luận án đƣợc tác giả nghiên cứu theo phƣơng pháp h n hợp bằng cách sử

dụng đồng thời nghiên cứu định tính kết hợp nghiên cứu định lƣợng (Creswell,

2014).

Trong nghiên cứu định tính, thông qua thảo luận nhóm, thảo luận tay đôi, hội

thảo khoa học gồm các nhà khoa học, các chuyên gia lĩnh vực bảo hiểm, lĩnh vực

ngân hàng, chuyên gia về cây cà phê, hộ nông dân trồng cà phê nhằm điều chỉnh, bổ

sung các yếu tố liên quan đến vấn đề nghiên cứu.

Nghiên cứu định lƣợng với dữ liệu đƣợc thu thập từ mẫu thông tin từ 500 hộ

nông dân trồng cà phê thu đƣợc mẫu gồm 480 quan sát. Nguồn dữ liệu này do Cục

thống kê tỉnh Đắk Lắk thực hiện. Dữ liệu thu đƣợc sẽ đƣợc phân tích bằng phần

mềm thống kê R.

Tác giả sử dụng phƣơng pháp BMA theo hồi quy logistic và phƣơng pháp

BMA theo hồi quy probit để lựa chọn các yếu tố tác động đến việc sẵn lòng tham

gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk. Sau

đó, tác giả sử phƣơng pháp tách dữ liệu ra thành hai phần huấn luyện và kiểm tra để

ƣớc lƣợng mô hình. Cuối cùng, tác giả sẽ thực hiện phân tích tác động của các yếu

tố bằng hồi quy logistic tần số và hồi quy logistic Bayesian.

1.5. Những đóng gó mới của đề t i

1.5.1. Đóng gó ới về t thu ết

Luận án làm rõ đƣợc ƣu điểm phƣơng pháp BMA theo hồi quy logistic và

phƣơng pháp BMA theo hồi quy probit trong việc lựa chọn mô hình phù hợp nhất

với dữ liệu. Việc tách dữ liệu ngẫu nhiên làm hai phần, một phần cho ƣớc lƣợng và

phần còn lại cho việc kiểm định sẽ cho kết quả tốt hơn, đáng tin cậy hơn trong

nghiên cứu này.

Luận án sử dụng hồi quy logistic tần số và hồi quy logistic Bayesian để làm rõ

mức độ ảnh hƣởng của các yếu tố tác động đến việc sẵn lòng tham gia bảo hiểm cây

cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk.

Xây dựng đƣợc mô hình đặc thù nghiên cứu hộ nông dân sẵn lòng tham gia

bảo hiểm cây cà phê theo chỉ số năng suất.

1.5.2. Đóng gó ới về t th c ti n

Phƣơng pháp BMA theo hồi quy logistic và phƣơng pháp BMA theo hồi quy

probit đã xác định đƣợc các mô hình nghiên cứu hộ nông dân sẵn l ng tham gia bảo

hiểm cây cà phê theo chỉ số năng suất phù hợp nhất với dữ liệu. Đồng thời xác định

xác suất tác động của của các tố mới và mức độ ảnh hƣởng của chúng đến việc sẵn

lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk

Lắk.

Nghiên cứu sẽ giúp cho các nhà nghiên cứu, các nhà hoạch định chính sách,

nghiên cứu thị trƣờng, ngân hàng thƣơng mại, công ty bảo hiểm nắm bắt đƣợc nhiều

thông tin về việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của

hộ nông dân tỉnh Đắk Lắk. Từ đó có thể có những giải pháp, đề xuất nhằm xây

dựng sản phẩm bảo hiểm cho cây cà phê.

Xây dựng toán đồ bằng hình thức trực tuyến của mô hình nghiên cứu hộ nông

dân sẵn l ng tham gia bảo hiểm cây cà phê theo chỉ số năng suất.

Nghiên cứu này có thể làm tài liệu tham khảo cho các nhà nghiên cứu, giảng

viên và sinh viên khi nghiên cứu về việc sẵn l ng tham gia bảo hiểm cây công

nghiệp theo chỉ số năng suất của hộ nông dân nói chung và bảo hiểm cây cà phê

theo chỉ số năng suất tại tỉnh Đắk Lắk nói riêng.

1.6. ết cấu uận n

Luận án kết cấu đƣợc phân thành 5 chƣơng:

ề vấ ề ứ

Chƣơng này trình bày lý do chọn đề tài của luận án, mục tiêu nghiên cứu, câu

hỏi nghiên cứu, đối tƣợng nghiên cứu, phạm vi nghiên cứu, phƣơng pháp nghiên

cứu và những đóng góp mới nghiên cứu.

2 ở lý thuyết và t ứ

Chƣơng này trình bày lý thuyết về thống kê Bayes, lựa chọn mô hình, hành vi,

bảo hiểm cây trồng; các công trình thực nghiệm nghiên cứu về việc sẵn lòng tham

gia bảo hiểm cây trồng. Qua đó, xác định khoảng trống nghiên cứu.

3 ứ

Chƣơng này chủ yếu trình bày phƣơng pháp nghiên cứu.

4. Kết qu nghiên cứu

Chƣơng này trình bày kết quả nghiên cứu định lƣợng chính thức gồm mô tả

đặc điểm dữ liệu, so sánh phƣơng pháp BMA cho mô hình hồi quy logistic và mô

hình hồi quy probit, đồng thời tác giả sử dụng phƣơng pháp tách dữ liệu để ƣớc

lƣợng tham số mô hình. Khi có đƣợc những mô hình phù hợp nhất với dữ liệu, tác

giả sử dụng phƣơng pháp thống kê Tần số và phƣơng pháp thống kê Bayes để so

sánh ƣớc lƣợng mô hình nghiên cứu. Cuối cùng, tác giả xây dựng toán đồ trực tuyến

của mô hình nghiên cứu hộ nông dân sẵn l ng tham gia bảo hiểm cây cà phê theo

chỉ số năng suất nhằm cung cấp khả năng dự đoán việc sẵn lòng tham gia bảo hiểm

cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk một các nhanh

chóng.

5. ế

Chƣơng này trình bày tóm tắt kết quả nghiên cứu, hàm ý về lý thuyết, chính

sách, quản trị, nêu những hạn chế và hƣớng nghiên cứu tiếp theo.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC

NGHIÊN CỨU LIÊN QUAN

Chƣơng 2 đƣợc chia thành 9 phần khác nhau gồm: Mục 2.1 tóm tắt về

thống kê Bayes. Mục 2.2 và mục 2.3 trình bày mô hình hồi quy với biến phụ thuộc

nhị phân và việc lựa chọn mô hình bằng phƣơng pháp BMA. Mục 2.4 trình bày các

nghiên cứu về phƣơng pháp BMA ứng dụng trong kinh tế. Mục 2.5 trình bày tóm

tắt lý thuyết hành vi của nông hộ. Mục 2.7 trình bày các nghiên cứu thực nghiệm

trong và ngoài nƣớc về sự sẵn sàng tham gia bảo hiểm cây trồng trong nông nghiệp.

Mục 2.8 và mục 2.9 chỉ ra khoảng trống nghiên cứu nhằm xác định vấn đề nghiên

cứu của luận án và kết luận của chƣơng 2.

2.1. Thống kê Bayes

Hiện nay, có hai trƣờng phái thống kê. Một là, thống kê theo trƣờng phái tần

số. Hai là, thống kê theo trƣờng phái Bayes. Thống kê theo trƣờng phái tần suất đã

ra đời trƣớc. Trƣờng phái này chỉ dựa trên những kết quả quan sát mẫu của hiện tại.

Sau đó, thống kê theo trƣờng phái Bayes đã ra đời từ thế kỷ 18 do Thomas Bayes đề

xuất (Thomas Bayes, 1763), trƣờng phái này dựa trên những gì chúng ta đã biết từ

trƣớc kết hợp với chứng cứ thực tế để suy luận cho hiện tại. Bên cạnh đó, sự khác

nhau cơ bản về mặt toán học của thống kê Bayes là có luật phân phối riêng cho các

giá trị trung bình, độ lệch chuẩn,…còn các giá trị này đối với thống kê tần số là cố

định và không có luật phân phối (Howson, 1989). Ngày nay, thống kê Bayes đƣợc

ứng dụng trong hầu hết các lĩnh vực khoa học nhƣ dự báo kinh tế (dự báo giá chứng

khoán), công nghệ thông tin (ứng dụng Bayes trong việc ngăn chặn thƣ rác điện tử),

phân tích các mối quan hệ xã hội (kết quả học tập của sinh viên với các hiệu ứng

ngẫu nhiên trong giảng viên đại học),...(Nguyễn Văn Tuấn, 2017).

2.1.1. Định lý Bayes

Gọi H là giả thuyết và D là dữ liệu thực tế có đƣợc do thu thập. Định lý Bayes

(Thomas Bayes, 1763) phát biểu rằng xác suất H với điều kiện D xảy ra, đƣợc ký

hiệu là: ( ). Khi đó, ta có:

( ) ( ) ( ) ( | ) ( )

với ( ) là xác suất giả thuyết trƣớc khi thu thập dữ liệu; ( | ) là xác suất dữ

liệu xảy ra với điều kiện giả thuyết H đúng; ( ) là phân bố của dữ liệu.

Theo Nguyễn Văn Tuấn (2017), giả thuyết H trong định lý Bayes có thể đƣợc

thay bằng nhƣ một thông số mà chúng ta muốn biết. Trƣờng phái thống kê tần số

xem là cố định nhƣng trƣờng phái thống kê Bayes xem có một phân bố riêng

nên không cố định. Định lý Bayes có thể biểu diễn theo hàm số nhƣ sau:

( ) ( ) ( ) ( | ) ( )

hay

( ) ( ) ( | ) ( )

với ( | ) là phân bố của dữ liệu; ( ) là xác suất hậu định của giả thuyết;

( ) là xác suất tiền định của giả thuyết.

2.1.2. Suy luận Bayes

Suy luận Bayes là một phƣơng pháp suy luận thống kê trong đó định lý

Bayes đƣợc sử dụng để cập nhật xác suất cho một giả thuyết khi có thêm bằng

chứng hoặc thông tin. Trong lý thuyết quyết định, suy luận Bayes có liên quan chặt

chẽ với xác suất chủ quan, thƣờng đƣợc gọi là "xác suất Bayes". (Winkler, Robert

L, 2003).

Theo Gelman và cộng sự (2013) và Nguyễn Văn Tuấn (2017), từ định lý

Bayes, có thể thấy đƣợc suy luận Bayes có 3 thông tin, thứ nhất là thông tin chúng

ta muốn biết [thông tin mới (hậu định) - posterior information], thứ hai là thông tin

chúng ta đã biết [thông tin trƣớc đây (tiền định) - prior information] và thứ ba là

thông tin thực tế [thông tin đang có - likelihood]. Ở đây, “thông tin” có thể hiểu là

xác suất hay phân bố. Do đó, suy luận Bayes có thể đƣợc khái quát dƣới dạng nhƣ

Thông tin mới Thông tin trước đây Thông tin đang có

2.2. Hồi quy với biến phụ thuộc nhị phân

2.2.1. Biến phụ thuộc nhị phân và mô hình xác suất tuyến tính

Giả sử có mô hình với biến phụ thuộc là nhị phân (nhận giá trị bằng 1 nếu

sẵn lòng tham gia bảo hiểm và nhận giá trị bằng 0 nếu không sẵn lòng tham gia bảo

hiểm), thông thƣờng chúng ta sử dụng phƣơng pháp bình phƣơng bé nhất (Ordinary

least squares - OLS) để xác định hành vi tham gia bảo hiểm trong mối quan hệ với

các biến độc lập. Nghĩa là mô hình sau đây:

∑ ( )

với ; sai số. Theo Hanck, C và cộng sự (2020),

mô hình trong công thức (2.6) đƣợc gọi là mô hình xác suất tuyến tính (Linear

Probability Model - LPM) bởi vì kỳ vọng có điều kiện của biến phụ thuộc (khi cho

trƣớc các giá trị của biến độc lập) có thể đƣợc giải thích nhƣ xác suất có điều kiện

mà biến cố (tức sẵn lòng tham gia bảo hiểm) sẽ xảy ra (Gujarati, 2011).

Trong mô hình xác suất tuyến tính, ta có

( | ) ( | ) ( )

với

( | ) ∑ ( )

Theo Gujarati (2011), mô hình LPM không phải là sự lựa chọn phù hợp đối

với mô hình có biến phụ thuộc biến nhị phân. Do đó, mô hình LMP đƣợc thay thế

bằng mô hình logistic và mô hình probit. Vì giá trị xác suất phải nằm giữa 0 và 1

nhƣng không có gì đảm bảo rằng các giá trị xác suất ƣớc lƣợng mô hình LPM sẽ

nằm trong giới hạn này, vì phƣơng pháp OLS không xét đến sự ràng buộc rằng các

giá trị xác suất ƣớc lƣợng phải nằm giữa các giới hạn 0 và 1. Sai số trong mô hình

LPM có phƣơng sai thay đổi và điều này làm cho các kiểm định ý nghĩa truyền

thống không thể tin cậy đƣợc (Hanck, C và cộng sự, 2020).

2.2.2. Mô hình probit và mô hình logistic

2.2.2.1. Mô hình probit

Theo Hanck, C và cộng sự (2020), mô hình trong công thức (2.6) đƣợc gọi là

mô hình probit với

( ) ( | ) ( ∑ )

với ( ) ∫

√

/ . là hàm phân phối tích lũy chuẩn tắc (Çağlayan-

Akay và Sedefoğlu, 2017).

2.2.2.2. Mô hình logistic

Theo Hanck, C và cộng sự (2020), mô hình trong công thức (2.6) đƣợc gọi là

mô hình logistic nếu

( ) ( | ) ( ∑ )

là hàm phân phối tích luỹ logistic. Hàm số này luôn nhận giá trị

với ( )

giữa 0 và 1 với mọi số thực z.

Các tham số của mô hình logistic và mô hình probit thƣờng đƣợc ƣớc lƣợng

bằng phƣơng pháp ƣớc lƣợng hợp lý cực đại (Maximum Likelihood Estimation -

MLE). Trong mô hình logistic thì sai số đƣợc giả định có phân phối logistic và đƣợc

giả định sai số trong mô hình probit có phân phối chuẩn. Đó là sự khác biệt giữa mô

hình logistic và mô hình probit. Hàm mật độ xác suất (Probability Density Function

- PDF) và hàm phân phối tích lũy (Cumulative Distribution Function - CDF) trong

mô hình logistic có các đuôi dầy hơn mô hình probit. Trong thực tế các mô hình

logistic và probit cho các kết quả tƣơng tự và không có lý do nào để chọn lựa mô

hình này chứ không phải mô hình kia. Mặt khác, theo Gujarati (2011), khi nhân hệ

số ƣớc lƣợng của mô hình probit cho khoảng 1,81 thì các giá trị này sẽ xấp xỉ hệ số

ƣớc lƣợng của mô hình logistic (do phân phối của mô hình logistic và mô hình

probit đều có trung bình bằng 0 nhƣng phƣơng sai bằng 1 đối với phân phối chuẩn

hóa và đối với phân phối logistic). Nhiều nhà nghiên cứu chọn logistic hơn

bởi vì sự tƣơng đối đơn giản về mặt toán học của nó. Ngoài ra, sự lựa chọn giữa

chúng phụ thuộc vào sự sẵn có của phần mềm và sự dễ dàng trong việc giải thích

kết quả (Gujarati, 2011).

2.2.3. Hồi quy logistic Bayesian và hồi quy probit Bayesian

Theo Gelman và cộng sự (2013), suy luận Bayes dựa trên định lý Bayes nhƣ

( | ) ( ) ( | ) ( )

với ( | )là phân phối xác suất hậu định, ( )là phân phối xác suất tiền định và

( | )là hàm likelihood. Theo Kor và cộng sự (2019), mô hình hồi quy probit

Bayesian kết hợp phân phối xác suất tiền định và hàm likelihood để ƣớc tính phân

phối xác suất hậu định. Phân phối xác suất hậu định của mô hình hồi quy probit

Bayesian có dạng sau:

( | ) ( ) ∏ ( ∑

) ) ( ) ( ( ∑ )

Tƣơng tự nhƣ mô hình hồi quy probit Bayesian thì mô hình hồi quy logistic

Bayesian có phân phối xác suất hậu định nhƣ sau (Workie MS và Belay DB, 2019):

) ( ) ( | ) ( ) ∏ ( ( ) ∑ ∑ ∑

Sự khác biệt giữa mô hình logistic và mô hình probit là nhỏ và sẽ mang lại kết

quả tƣơng tự. Với các mô hình nhị thức mô hình logistic thƣờng nhanh hơn một

chút so với mô hình probit. Trừ khi ngƣời d ng có lý do cụ thể để thích mô hình

probit, chúng tôi khuyên bạn nên sử dụng mô hình logistic vì nó sẽ nhanh hơn một

chút và ổn định hơn về mặt số học (Jonah Gabry và Ben Goodrich, 2020).

Khi kết hợp với những thông tin trƣớc đó, chúng ta có thể định lƣợng sự không

chắc chắn xung quanh các điểm ƣớc lƣợng bằng phân phối hậu định. Do đó, ƣu thế

của thống Bayesian so với thống kê tần số là nó cung cấp cho chúng ta phân phối

hậu định của những tham số thay vì một ƣớc lƣợng điểm đơn lẻ về vấn đề đang quan

tâm (Gelman và Hill, 2007). Lĩnh vực này sẽ mở ra một xu hƣớng mới cho những

nghiên cứu trong tƣơng lai từ chẩn đoán y tế đến dự báo kinh tế hoặc giáo dục

(Silver, N., 2012). Một số nghiên cứu tiêu biểu sử dụng thống kê Bayesian cho mô

hình có biến phụ thuộc nhị phân: tình trạng nghèo đói dựa vào giới tính chủ hộ

(Çağlayan-Akay và Sedefoğlu, 2017), nghiên cứu hen suyễn (Spyroglou, Ioannis và

cộng sự, 2018), nghiên cứu sâu răng (Workie MS và Belay DB, 2019) và nghiên

cứu kết quả học tập của sinh viên với các hiệu ứng ngẫu nhiên trong giảng viên đại

học và chuyên ngành (Arreola EV và cộng sự, 2020).

2.3. L a chọn mô hình bằng hư ng h ô hình trung bình Ba esian

(BMA)

Thông thƣờng, cách xác định mô hình cho vấn đề nghiên cứu, để đơn giản

ngƣời ta chỉ đƣa ra một mô hình duy nhất (mô hình bao gồm tất cả các biến thu thập

đƣợc) để ƣớc lƣợng và sau đó suy luận nhƣ thể mô hình đó là mô hình ph hợp nhất

với dữ liệu. Do đó, phƣơng pháp này có thể bỏ qua các mô hình khác đƣợc xây

dựng với một số biến từ tập hợp các biến thu thập đƣợc và có thể mô hình nào đó

trong số các mô hình này là phù hợp hơn. Vì vậy, cần phải xem xét một cách đầy đủ

các mô hình của một vấn đề nghiên cứu nào đó và so sánh chúng với nhau nhằm tìm

đƣợc mô hình nào thực sự là mô hình ph hợp nhất đối với dữ liệu (cũng có thể hiểu

là mô hình “tốt nhất”) (Raftery, 1995).

Phƣơng pháp lựa chọn mô hình theo trƣờng phái thống kê tần số là phƣơng

pháp Stepwise (Efroymson, M. A., 1960), phƣơng pháp này sử dụng chỉ số AIC để

làm thƣớc đo mô hình (Hocking, R. R.,1976). Giá trị chính của phƣơng pháp

Stepwise là nó có thể đƣợc sử dụng để chọn một tập hợp con các biến độc lập bằng

cách sử dụng các tiêu chí thống kê. Số lƣợng tham số trong mô hình cuối cùng thu

đƣợc dự kiến sẽ ít hơn so với mô hình có đầy đủ các biến độc lập và phƣơng sai của

các tham số ƣớc tính có thể đƣợc giảm bớt. Tuy nhiên, những nghiên cứu gần đây

đã nhấn mạnh những hạn chế của việc lựa chọn từng bƣớc, chẳng hạn nhƣ sự thiếu

ổn định của tập hợp các biến đã chọn và độ chệch trong các ƣớc lƣợng tham số và

phƣơng pháp BMA đã đƣợc đề xuất nhƣ một giải pháp thay thế (Lorène Prost và

cộng sự, 2008). Đặc biệt, phƣơng pháp stepwise càng kém hiệu quả khi số lƣợng

biến độc lập trong mô hình càng lớn (Gary Smith, 2018).

Bên cạnh đó, phƣơng pháp lựa chọn mô hình theo trƣờng phái thống kê Bayes

là phƣơng pháp mô hình trung bình Bayesian (BMA), phƣơng pháp này sử dụng

xác suất hậu định và chỉ số BIC đề làm thƣớc đo mô hình (Raftery, 1995). Ƣu điểm

của việc sử dụng phƣơng pháp BMA là tính đến độ không đảm bảo của mô hình

bằng các xem xét tất cả các mô hình có thể có của nghiên cứu. Phƣơng pháp BMA

đã đƣợc đánh giá cho một số loại mô hình khác nhau, bao gồm hồi quy tuyến tính,

và mô hình đồ họa rời rạc (Madigan D và cộng sự , 1996; Volinsky C và cộng sự,

1997; Murphy M và Wang D, 2001). Hơn nữa, trong hầu hết các trƣờng hợp,

phƣơng pháp BMA sẽ chọn đúng mô hình và hoạt động hiệu quả trong dự đoán một

sự kiện quan tâm (Wang và cộng sự, 2004). Đồng thời, phƣơng pháp BMA có xác

suất chọn các biến độc lập đƣa vào mô hình chính xác hơn phƣơng pháp Stepwise

(Genell và cộng sự, 2010). Đồng thời, phƣơng pháp BMA cung cấp cho chúng ta

xác suất hậu định của mô hình và xác suất của từng biến độc lập tác động đến biến

phụ thuộc (Raftery, 1995). Cuối c ng, phƣơng pháp BMA c n có ƣu điểm là sẽ

kiểm tra tính đa cộng tuyến của mô hình c n phƣơng pháp Stepwise thì không

(Steven S. Henley và cộng sự, 2020). Xuất phát từ thực tế đó, tác giả sẽ sử dụng

phƣơng pháp BMA theo hồi quy logistic và phƣơng pháp BMA hồi quy probit để

lựa chọn mô hình cần nghiên cứu.

Triển khai BMA

Trong thống kê Bayes, phƣơng pháp BMA chọn một tập hợp con của tất cả

các mô hình có thể có và sử dụng các xác suất hậu định của các mô hình để thực

hiện tất cả các phân tích (Raftery, 1995; Raftery, 1996; Viallefont và cộng sự,

2001). Số mô hình tối đa có thể có là , bỏ qua sự tƣơng tác giữa các yếu tố

độc lập (Raftery, 1995).

Đặt * + là tập hợp tất cả các mô hình có thể đƣợc xem xét,

là dữ liệu, là đại lƣợng quan tâm chẳng hạn nhƣ việc sẵn lòng tham gia

bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk. Theo

Viallefont và cộng sự (2001) thì phân phối hậu định của cho dữ liệu là:

( ) ( | ) ∑ ( | ) ( | )

( ( | )) là trung bình của các phân phối hậu định theo từng mô hình,

trọng số đƣợc tính bởi xác suất của mô hình hậu định ( ( | ))( )

tƣơng ứng với dữ liệu. Theo Wang và cộng sự (2004), trong phƣơng trình (2.14),

phân phối dự báo (predictive distribution) của đƣợc cho bởi một mô hình

riêng biệt là

( | ) ∫ ( | ) ( | )

Với ( ) là véc-tơ của các tham số hồi quy cho mô hình

và xác suất hậu định của mô hình đƣợc đƣa ra bởi phƣơng trình

( ) ( | ) ∑ ( | ) ( ) ( | ) ( )

Với

( | ) ∫ ( | ) ( | ) ( )

là khả năng tích hợp (integrated likelihood) của mô hình ;

( | ) là mật độ tiền định của theo ; ( | ) là hàm khả năng (likehood) của véc-tơ tham số trong mô hình

với dữ liệu D.

( ) là xác suất tiền định với là mô hình phù hợp nhất.

Trong tập hợp tất cả các mô hình đang đƣợc xem xét, tất cả xác suất điều có

điều kiện M.

Đặt

̂ , | -

Trung bình hậu định và phƣơng sai hậu định của :

, | - ∫ (∑ ( | ) ( | )

)

∑ (∫ ( | ) ) ( | )

∑ ̂ ( | )

) ( | )

, | - , | - ∑ ( , | - ̂

Có một số vấn đề khó khăn khi thực hiện BMA, bao gồm đặc điểm kỹ thuật

của hai loại đại lƣợng tiền định (xác suất tiền định ( ) của các mô hình và phân phối tiền định của các tham số ), việc định lƣợng tích phân trong phƣơng trình

(2.16) thƣờng không có dạng giải tích nên khó tính toán, ngay cả khi sử dụng

phƣơng pháp MCMC và việc tính tổng phƣơng trình (2.14) cho một số lƣợng rất lớn

các mô hình nên không thể tổng hợp trên tất cả các mô hình.

Khi có ít thông tin tiền định về các mô hình đƣợc xem xét, chúng ta coi tất cả

mô hình đều có khả năng là tiền định nhƣ nhau là sự lựa chọn hợp lý. Đây là chiến

lƣợc đƣợc sử dụng trong nghiên cứu này. Vì vậy, chúng ta sẽ lấy ( )

( ) ( ) , sự phân bố đồng đều trên không gian mô hình để không ƣu tiên bất kỳ mô hình nào. Đối với thông tin tiền định của tham số , phân

phối tiền định là chuẩn đa biến với giá trị trung bình tại khả năng xảy ra lớn nhất và

phƣơng sai bằng với ma trận thông tin kỳ vọng, điều này đã đƣợc Raftery đề xuất và

chứng minh là hợp lý (Raftery, 1999).

Tích phân trong phƣơng trình (2.16) đƣợc giải quyết một cách gần đúng

( | ) dựa vào phƣơng pháp xấp xỉ ƣớc lƣợng hợp lí cực đại (MLE)

( | ) ( | ̂ )

và xấp xỉ Laplace (Raftery và cộng sự, 1996)

( | ) ( | ̂ ) ( )

là trung bình hậu định của véc-tơ tham số theo mô hình , là số tham số trong mô hình và là số quan sát trong dữ liệu. Đây đƣợc gọi là số Schwarz

với ̂

Bayesian information criterion (gọi tắt là BIC). Trong đó, là chỉ số đo khả

năng giải thích của mô hình đối với dữ liệu (Raftery, 1999).

Đối với một phân tích với có biến độc lập tiềm năng, số lƣợng mô hình K có

thể rất lớn. Để giải quyết vấn đề này, chúng tôi ƣớc tính tổng đầy đủ bằng cách loại

trừ các mô hình ít có khả năng xảy ra hơn so với mô hình nhiều khả năng hơn.

Chiến lƣợc này c n đƣợc gọi là cách tiếp cận Occam‟s Window (Madigan D,

Raftery AE, 1994). Cách tiếp cận Occam‟s Window chỉ bao gồm những mô hình có

xác suất mô hình hậu định cao nhất trong phƣơng trình (2.15), đƣợc tính bằng

phƣơng trình (2.16) trên cơ sở rằng nếu một mô hình ít có khả năng đƣợc cung cấp

dữ liệu từ các mô hình có khả năng nhất thì mô hình đó không hiệu quả và không

c n đƣợc xem xét. Đầu tiên, những mô hình có xác suất hậu định rất nhỏ so với mô

hình có xác suất hậu định lớn nhất sẽ bị loại bỏ, còn lại các mô hình trong tập hợp

+ ( ) ́ * ( | ) ( | )

Trong đó là hằng số và đƣợc khuyến nghị là 20 (Madigan D, Raftery AE, 1994).

Tiếp đó, loại bỏ những mô hình có nhiều biến nhƣng xác suất hậu định lại

nhỏ hơn mô hình ít biến hơn:

+ * ́ ( | ) ( | )

Đặt ́ thì phƣơng trình (2.14) đƣợc rút gọn lại thành phƣơng trình

( | ) ∑ ( | ) ( | )

Thêm vào đó, khả năng tích hợp của mô hình trong phƣơng trình (2.16) sẽ

đƣợc tính bằng cách sử dụng xấp xỉ tiêu chí thông tin Bayesian đƣợc mô tả trong

phƣơng trình (2.17), loại bỏ những mô hình không có trong đƣợc xác định trong

phƣơng trình (2.18) và tự động tìm những mô hình đó nằm trong Occam‟s Window.

Xác suất của mô hình hậu định, ƣớc lƣợng tham số và sai số chuẩn cũng đƣợc tính

đối với m i mô hình .

Suy luận BMA

Xác suất hậu định đƣợc đƣa ra bởi phƣơng trình (2.14) cung cấp trực tiếp các

kiểm định giả thuyết, ƣớc lƣợng điểm và khoảng tin cậy cho có tính đến độ không

đảm bảo của mô hình. Việc diễn giải ảnh hƣởng của một biến độc lập cụ thể đến

khả năng xảy ra sự kiện có thể đƣợc thực hiện theo những cách sau.

Đầu tiên, xác suất hậu định ( | ) cho bởi biến với (j = 1, 2,..., p)

chỉ ra khả năng biến độc lập có ảnh hƣởng đến sự xuất hiện của sự kiện (hoặc ảnh

hƣởng không bằng 0).

( | ) ∑ ( | ) ( ) ( )

trong đó là một tập hợp các mô hình đƣợc chọn trong Occam‟s Window đƣợc mô

tả trong phƣơng trình (2.17) và ( )là 1 khi trong mô hình và 0 nếu

trƣờng hợp khác. Thuật ngữ ( | ) ( ) trong phƣơng trình trên có

nghĩa là xác suất hậu định của mô hình không bao gồm . Các quy tắc giải

thích xác suất hậu định này nhƣ sau (Kass và Raftery, 1995):

Nhỏ hơn 50 : bằng chứng chống lại tác động;

Từ 50 đến 75%: bằng chứng yếu cho tác động;

Từ 75 đến 95%: bằng chứng tích cực;

Từ 95 đến 99%: bằng chứng mạnh mẽ;

Từ 99%: bằng chứng rất mạnh mẽ;

Thứ hai, ƣớc lƣợng điểm Bayes (trung bình hậu định) và sai số chuẩn (độ lệch

chuẩn hậu định) của đƣợc đƣa ra bởi công thức

( ) ( | ) ∑ ̂ ( | )

] ( | )} ( | )

( ) ( | ) √ ∑ {[ ( | ) ̂

với ̂ là trung bình hậu định của trong mô hình . Suy luận về đƣợc suy ra

từ phƣơng trình (2.19); phƣơng trình (2.20) và phƣơng trình (2.21).

2.4. Các nghiên cứu về hư ng h ô hình trung bình Ba es ứng dụng

trong kinh tế

Hiện nay, phƣơng pháp BMA của trƣờng phái thống kê Bayes để lựa chọn mô

hình phù hợp với dữ liệu là một phƣơng pháp mới và đƣợc sử dụng rộng rãi trong

nhiều lĩnh vực. Tác giả xin giới thiệu một số nghiên cứu tiêu biểu nhƣ sau: lĩnh vực

năng lƣợng có nghiên cứu của Zhanga và Yang (2015) về dự báo tiêu thụ khí đốt tự

nhiên tại Trung Quốc; lĩnh vực kỹ thuật có nghiên cứu của Notaro và cộng sự

(2016) về tác động của đô thị hóa và biến đổi khí hậu đối với dòng chảy đầu nguồn

đô thị; lĩnh vực nông nghiệp có nghiên cứu của Huang, X. và cộng sự (2017) về cải

thiện dự đoán năng suất trên diện rộng của tổ hợp mô hình nhiều cây trồng; lĩnh vực

y học có nghiên cứu của S.L. Klijn và cộng sự (2019) về khả năng sống sót ngoại

suy: quan điểm toàn khối u Nivolumab và Ipilimuma; lĩnh vực môi trƣờng có

nghiên cứu của Yanlai Zhou và cộng sự (2020) về dự báo bụi mịn PM2.5...Đặc biệt,

các nghiên cứu về phƣơng pháp BMA trong lĩnh vực kinh tế đƣợc tác giả tổng hợp

thì chƣa có nghiên cứu thực nghiệm nào đƣợc áp dụng trong lĩnh vực bảo hiểm nói

chung và bảo hiểm cây trồng nói riêng (xem Bảng 2.1).

Bảng 2.1: Tổng hợp các nghiên cứu về hư ng h ô hình trung bình Ba es

ứng dụng trong kinh tế

TT Vấn đề nghiên cứu T c giả (Nă ) Số biến độc lập nghiên cứu thu thậ được Số biến độc lập BMA chọn l a sử dụng trong mô hình

1 34 5

Maltritz, D. vả Molchanov, A. (2013) Phân tích các yếu tố quyết định chênh lệch lợi suất trái phiếu

2 31 4 Georg Man (2015) Sự phát triển và cạnh tranh của các quốc gia

3 22 5

V.M.Giang và N.T.Thiên (2017) Mô hình chấm điểm rủi ro tín dụng cho doanh nghiệp vừa và nhỏ tại Việt Nam

4 45 10 Ali, A., và Ali, S. I. (2020)

Xu hƣớng tìm hiểu các phƣơng pháp quản lý và tác động của chúng đối với kết quả của doanh nghiệp ở các thị trƣờng mới nổi

5 29 7 Gernát, P. và cộng sự (2020) Sự biến động của khu vực tài chính Hoa Kỳ

Ngu n: Tác gi t ng hợp

2.5. Tóm tắt một số lý thuyết hành vi của con người

2.5.1. Lý thuyết hành động hợp lý

Lý thuyết hành động hợp lý (Theory of Reasoned Action - TRA) (Ajzen và

Fishbein, 1975) là một trong những lý thuyết đƣợc phát triển và ứng dụng rộng rãi

đối với ngành tâm lý xã hội. Lý thuyết này “đƣợc thiết kế để giải thích cho các hành

vi nói chung của con ngƣời”. Lý thuyết hành động hợp lý khẳng định con ngƣời

thƣờng cân nhắc kết quả của các hành động khác nhau trƣớc khi thực hiện chúng và

họ sẽ chọn thực hiện hành động mà hy vọng sẽ dẫn tới kết quả họ mong muốn. Các

nhà nghiên cứu sử dụng yếu tố hành vi ý định là một biến phụ thuộc và tập trung

nghiên cứu yếu tố này, bởi hành vi ý định là yếu tố dự đoán tốt nhất về hành vi thực

tế.

2.5.2. Lý thuyết hành vi sẵn lòng

Theo Gibbons, F.X. (2006), các nhà nghiên cứu đã khám phá loại thƣớc đo

khác nhằm tăng mối quan hệ quan sát giữa hành vi tiền đề và hành vi sẵn lòng

(Behavioral Willingness - BW). Cụ thể, theo Pomery và cộng sự (2009), hành vi sẵn

lòng đƣợc định nghĩa là sự sẵn lòng tham gia vào một hành vi rủi ro trong môi

trƣờng có lợi cho rủi ro. Cách đo lƣờng tiêu biểu của hành vi sẵn lòng là trình bày

tình huống giả sử có lợi cho rủi ro và sau đó đặt câu hỏi “Bạn sẵn sàng thực hiện

m i điều sau đây nhƣ thế nào? (Trình bày với các tùy chọn khác nhau về mức độ rủi

ro)”. Một cách ngắn gọn, hành vi sẵn lòng phản ánh sự cởi mở của một cá nhân đối

với cơ hội, nghĩa là họ sẵn sàng thực hiện một hành vi nhất định trong các tình

huống có lợi cho hành vi đó.

Một số nhà nghiên cứu coi hành vi sẵn lòng là các dạng thay thế của hành vi ý

định (Ajzen và Fishbein, 2005; Fishbein, 2008). Trên thực tế, cấu trúc của hành vi

sẵn lòng và hành vi ý định khá giống nhau và có xu hƣớng tƣơng quan cao (Pomery

và cộng sự, 2009). Tuy nhiên, chúng là những yếu tố dự đoán độc lập về hành vi.

Những nghiên cứu của Gerrard và cộng sự (2006) và Van Empelen và Kok (2006)

đã cung cấp bằng chứng về ảnh hƣởng tƣơng đối của kinh nghiệm đối với hành vi

sẵn lòng và hành vi ý định, cụ thể là hành vi sẵn lòng tỏ ra hữu ích trong việc dự

đoán hành vi của những cá nhân có tƣơng đối ít kinh nghiệm nhƣng khi kinh

nghiệm tăng lên, hành vi ý định trở nên có ảnh hƣởng hơn. Cụ thể là hiện nay sản

phẩm bảo hiểm cây cà phê theo chỉ số năng suất chƣa có nên hầu hết hộ nông dân

không có kinh nghiệm về sản phẩm này. Do đó, nghiên cứu này sử dụng yếu tố

hành vi sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông

dân tỉnh Đắk Lắk là biến phụ thuộc.

2.5.3. Lý thuyết nhận thức rủi ro

Lý thuyết nhận thức rủi ro (Theory of Perceived Risk – TPR) (Bauer, R.A.,

1960) đƣợc định nghĩa bao gồm 2 thành phần chính là xác suất của một mất mát và

cảm giác chủ quan của hậu quả xấu. Ở đây chỉ nói tóm tắt về rủi ro trong nông

nghiệp.

Rủi ro nông nghiệp

Theo Jaffee và cộng sự (2010), rủi ro và sự không chắc chắn trong nông

nghiệp rất phổ biến và đa dạng trong nông nghiệp và các chu i cung ứng nông

nghiệp. Điều này bắt nguồn từ một loạt các yếu tố bao gồm: sự biến đổi bất thƣờng

của thời tiết; sự thay đổi quá trình sinh học; sự bất ổn của sản xuất cây trồng theo

m a vụ và chu kỳ thị trƣờng; sự phân chia địa lý sản xuất và khâu sử dụng sản

phẩm; nền kinh tế chính trị riêng biệt và sự bất ổn của của ngành thực phẩm và

nông nghiệp cả trong và ngoài nƣớc.

Rủi ro nông nghiệp là khả năng xảy ra sự cố bất ngờ và tạo ra một kết quả xấu,

không theo kế hoạch, thƣờng dẫn đến tổn thất (Choudhary Vikas và cộng sự, 2015).

Rủi ro trong nông nghiệp có thể đƣợc phân loại thành 2 nhóm chính là rủi ro

tài sản và rủi ro cá nhân. Tiếp theo đó, rủi ro đối với tài sản nông nghiệp có thể

đƣợc chia thành ba nhóm chính: rủi ro tự nhiên, rủi ro xã hội và rủi ro kinh tế

(Ray.P.K, 2001).

2.6. Lý thuyết bảo hiểm cây trồng

2.6.1. Bảo hiể c trồng

Theo Mahul và Stutley (2010), bảo hiểm cây trồng là bảo hiểm bồi thƣờng tài

chính cho thiệt hại về sản xuất hoặc tổn thất từ những rủi ro cụ thể hoặc nhiều rủi

ro, nhƣ mƣa đá, bão lốc, lửa hoặc lũ lụt. Hầu hết bảo hiểm cây trồng bồi thƣờng cho

sự mất mát sản lƣợng của cây trồng. Bảo hiểm cây trồng đƣợc mua bởi các hộ nông

dân sản xuất nông nghiệp và đƣợc chính phủ trợ cấp.

Theo Iturrioz Ramiro (2009), bảo hiểm nông nghiệp là sản phẩm bảo hiểm liên

quan tới nông nghiệp. Bảo hiểm nông nghiệp bao gồm bảo hiểm cây trồng, bảo

hiểm chăn nuôi, bảo hiểm lâm nghiệp và bảo hiểm nuôi trồng thủy sản. Hình thức

bảo hiểm nông nghiệp phát triển nhất là bảo hiểm cây trồng chiếm 90% thị phần

bảo hiểm nông nghiệp trên toàn thế giới năm 2008.

Dựa vào các nghiên cứu của Iturrioz Ramiro (2009), Mahul và Stutley (2010)

và Nghị định 58/2018/NĐ-CP. Bảo hiểm cây trồng có 6 loại và đƣợc phân thành 2

nhóm dựa trên phƣơng pháp xác định cách tính toán các yêu cầu bồi thƣờng sau:

Nhóm 1: Bảo hiểm truyền thống

(i) B o hi ọi của thi t hại (NPCI)

Bảo hiểm bồi thƣờng thiệt hại dựa vào thiệt hại năng suất mùa màng, bồi

thƣờng bảo hiểm đƣợc tính bằng cách đo lƣờng phần trăm thiệt hại ngay sau khi

thiệt hại xảy ra. Thiệt hại đo đƣợc tại hiện trƣờng, đƣợc áp dụng cho số tiền bảo

hiểm đã thỏa thuận trƣớc. Số tiền bảo hiểm có thể dựa trên chi phí sản xuất hoặc

dựa trên doanh thu dự kiến. Trƣờng hợp thiệt hại không thể đƣợc đo lƣờng chính

xác ngay sau khi mất, việc đánh giá có thể đƣợc hoãn lại cho đến cuối mùa vụ. Bảo

hiểm bồi thƣờng thiệt hại dựa vào tên thiệt hại đƣợc biết đến nhiều nhất với mƣa đá,

nhƣng cũng đƣợc sử dụng cho các sản phẩm bảo hiểm nguy hiểm có tên khác (nhƣ

sƣơng giá và lƣợng mƣa quá mức) (Iturrioz Ramiro, 2009; Mahul và Stutley, 2010;

Nghị định 58/2018/NĐ-CP).

(ii) B o hi rủi ro (MPCI)

Bảo hiểm cây trồng đa rủi ro là bảo hiểm năng suất mùa màng (ví dụ, tấn/ ha)

đƣợc thiết lập theo tỷ lệ phần trăm của năng suất trung bình những mùa vụ trƣớc

của hộ nông dân. Năng suất đƣợc bảo hiểm thƣờng nằm trong khoảng từ 50 đến

70 năng suất trung bình tại trang trại. Nếu sản lƣợng thực tế nhỏ hơn năng suất

đƣợc bảo hiểm, thì tiền bồi thƣờng đƣợc trả bằng với chênh lệch giữa năng suất

thực tế và sản lƣợng đƣợc bảo hiểm rồi nhân với giá trị đƣợc thỏa thuận trƣớc. Bảo

hiểm cây trồng dựa trên năng suất thƣờng bảo vệ chống lại nhiều nguy hiểm, có

nghĩa là nó bao gồm nhiều nguyên nhân khác nhau làm giảm năng suất (thƣờng là

khó xác định nguyên nhân chính xác của tổn thất). Phí bảo hiểm cho loại bảo hiểm

này nằm trong khoảng từ 5 đến 20% số tiền bảo hiểm (tùy thuộc vào loại cây

trồng), khu vực mà nó sẽ đƣợc trồng và mức độ mở rộng của bảo hiểm (Iturrioz

Ramiro, 2009; Mahul và Stutley, 2010; Nghị định 58/2018/NĐ-CP).

(iii) B o hi m doanh thu mùa màng (CRI)

Bảo hiểm doanh thu mùa màng bảo vệ các bên đƣợc bảo hiểm khỏi hậu quả

của năng suất thấp, giá thấp hoặc kết hợp cả hai. Để đảm bảo cho chủ sở hữu chính

sách một mức doanh thu nhất định, công ty bảo hiểm bảo vệ chủ sở hữu khỏi sự suy

giảm năng suất và cả những biến động bất lợi trong giá cả cây trồng. Sản lƣợng

đƣợc bảo đảm đƣợc xác định bằng tỷ lệ phần trăm của sản xuất trƣớc đây của nhà

sản xuất và giá đƣợc bảo đảm có thể là giá thị trƣờng trong tƣơng lai của vụ mùa

trong tháng thu hoạch hoặc giá thực hiện của tùy chọn giá cơ sở. Nếu sản lƣợng

thực tế mà nhà sản xuất nhận đƣợc, đƣợc đƣa ra bằng sản phẩm của sản lƣợng thực

tế và giá thị trƣờng giao ngay tại thời điểm thu hoạch, nhỏ hơn số tiền đƣợc bảo

đảm, công ty bảo hiểm sẽ trả tiền chênh lệch. Nó thực chất là bảo hiểm MPCI với

một hàng rào giá. Đây là một sản phẩm tƣơng đối mới và tránh xa các sản phẩm

truyền thống hơn, trong đó lợi ích không thể bảo đảm là quy mô của cây trồng đối

với các sản phẩm mà lợi ích là doanh thu. Sản phẩm này hiện đƣợc áp dụng cho cây

ngô và bán giới hạn tại Mỹ (Iturrioz Ramiro, 2009).

Nhóm 2: Bảo hiểm chỉ số

(i) B o hi m theo chỉ số ă ất khu vực (AYII)

Bảo hiểm chỉ số năng suất khu vực đƣợc phát triển lần đầu tiên ở Thụy Điển

vào đầu những năm 1950, đƣợc triển khai ở Ấn Độ từ năm 1979 và ở Hoa Kỳ từ

năm 1993 (Mahul và Stutley 2010). AYII bồi thƣờng dựa trên năng suất trung bình

(thu hoạch đƣợc) của một khu vực nhƣ một quận hoặc huyện. Năng suất bảo hiểm

đƣợc thiết lập theo tỷ lệ phần trăm của năng suất trung bình khu vực (thƣờng là

50%-90% của năng suất trung bình khu vực). Một khoản bồi thƣờng đƣợc trả nếu

năng suất trung bình thu hoạch đƣợc của khu vực thấp hơn năng suất đƣợc bảo

hiểm, bất kể năng suất thực tế trên trang trại chính sách của chủ sở hữu. Loại bảo

hiểm chỉ số này yêu cầu lịch sử dữ liệu năng suất khu vực mà trên đó năng suất

trung bình bình thƣờng và năng suất bảo hiểm có thể đƣợc thiết lập. Thanh toán

thƣờng đƣợc thực hiện sáu tháng sau khi vụ m a đƣợc thu hoạch (Iturrioz Ramiro,

2009; Mahul và Stutley, 2010; Nghị định 58/2018/NĐ-CP).

(ii) B o hi m theo chỉ số thời tiết (WII)

Bảo hiểm chỉ số thời tiết mùa màng đƣợc bảo lãnh thƣơng mại từ năm 2002

(Mahul và Stutley, 2010). Sản phẩm đƣợc thiết kế xung quanh việc xây dựng một

chỉ số có tƣơng quan cao với các trải nghiệm mất mát. Việc bồi thƣờng dựa trên

việc thực hiện một thông số thời tiết cụ thể đƣợc đo trong một khoảng thời gian

định trƣớc tại một trạm thời tiết cụ thể. Chỉ số phổ biến nhất trong nông nghiệp là

lƣợng mƣa. Bảo hiểm có thể đƣợc cấu trúc để bảo vệ chống lại việc thực hiện chỉ số

quá cao hoặc thấp đến mức chúng đƣợc dự kiến sẽ gây ra thiệt hại cây trồng. Thông

thƣờng, một công ty bảo hiểm sẽ đƣa ra một hợp đồng sẽ chỉ định chỉ số. Ví dụ:

lƣợng mƣa trong khoảng thời gian cụ thể và nơi sẽ đƣợc đo, ngƣỡng, tổng số tiền

bảo hiểm và mọi giới hạn bồi thƣờng. Một khoản bồi thƣờng đƣợc trả bất cứ khi

nào giá trị nhận ra của chỉ số vƣợt quá ngƣỡng quy định (ví dụ: khi bảo vệ chống lại

lƣợng mƣa quá nhiều) hoặc khi chỉ số nhỏ hơn ngƣỡng (ví dụ: khi bảo vệ chống lại

lƣợng mƣa quá ít). Tiền bồi thƣờng đƣợc tính dựa trên số tiền bảo hiểm đƣợc thỏa

thuận trƣớc trên m i đơn vị của chỉ số (Iturrioz Ramiro, 2009; Mahul và Stutley,

2010; Nghị định 58/2018/NĐ-CP).

(iii) B o hi m theo chỉ số NDVI/v tinh (NDVI/SI)

Với loại bảo hiểm này, các chỉ số đƣợc xây dựng bằng hình ảnh viễn thám

theo chu i thời gian. Ví dụ, có các ứng dụng của dải sóng hồng ngoại màu sai cho

bảo hiểm chỉ số đồng cỏ, trong đó khoản thanh toán dựa trên chỉ số thực vật khác

biệt đƣợc chuẩn hóa, liên quan đến thâm hụt độ ẩm đến suy thoái đồng cỏ (Iturrioz

Ramiro, 2009; Mahul và Stutley, 2010; Nghị định 58/2018/NĐ-CP). Bảo hiểm này

đã đƣợc áp dụng cho đồng cỏ ở một vài quốc gia nhƣ Mexico, Canada, Tây Ban

Nha (Iturrioz Ramiro, 2009).

2.6.2. Bảo hiể c trồng ở c c nước đang h t triển

Theo World Bank (2011), tiếp cận bảo hiểm cây trồng là rất hạn chế ở các

nƣớc đang phát triển. Do đó, việc cung cấp loại bảo hiểm này là một thách thức đối

với các công ty bảo hiểm, chi phí bảo hiểm là nguyên nhân hộ nông dân không thể

tham gia. Các công ty bảo hiểm thƣờng tập trung vào các rủi ro đô thị và công

nghiệp và do đó thƣờng không có mạng lƣới ở khu vực nông thôn. Khi bảo hiểm

cây trồng đƣợc cung cấp, rủi ro (thời tiết, sâu bệnh,...) thƣờng có mối tƣơng quan

không gian cao dẫn đến khó khăn về mặt tài chính cho các công ty bảo hiểm. Ngoài

ra, thị trƣờng tái bảo hiểm quốc tế còn do dự với bảo hiểm cây trồng, mặc d điều

này đã ít hạn chế hơn trong những năm gần đây.

Bảo hiểm cây trồng đã xuất hiện ở một số quốc gia trên thế giới (Phụ lục 1).

Những kinh nghiệm thu đƣợc trong thế kỷ qua về phát triển bảo hiểm cây trồng sẽ

cung cấp cho chúng ta một số bài học kinh nghiệm và gợi ý nhƣ sau:

+ Bảo hiểm NPCI (chủ yếu là mƣa đá và hỏa hoạn) đã hoạt động bền vững về

tài chính trong hơn một thế kỷ, thƣờng không có sự trợ giúp của chính phủ.

+ Bảo hiểm MPCI có lợi thế là một chính sách tƣơng đối chuẩn, không phân

biệt loại cây trồng. Các chính phủ đã bị thu hút bởi bảo hiểm cây trồng dựa trên

năng suất và tính chất thống nhất của sản phẩm, nhƣng MPCI có một số vấn đề lớn

về điều chỉnh tổn thất, rủi ro đạo đức, lựa chọn bất lợi và chi phí vận hành cao.

+ AYII là một sản phẩm đƣợc thiết lập tƣơng đối tốt, mặc dù không phổ biến.

Ấn Độ đã trợ cấp một chƣơng trình AYII trong 20 năm với tên gọi Bảo hiểm Nông

nghiệp Quốc gia Ấn Độ (NAIS).

+ WII là một sự phát triển tƣơng đối mới cho các ứng dụng nông nghiệp.

Nhiều dự án thí điểm đã đƣợc bắt đầu, nhƣng việc tăng tỷ lệ chỉ số thời tiết chỉ xảy

ra ở một vài quốc gia (đặc biệt là Ấn Độ).

+ Bảo hiểm chỉ số là không phổ biến ở các nƣớc thu nhập cao, bị chi phối bởi

các thị trƣờng có mức độ tham gia cao của bảo hiểm truyền thống.

+ Sự can thiệp phổ biến nhất của chính phủ là thông qua trợ cấp, thƣờng

khoảng 50% phí bảo hiểm nhƣng lên tới 80% ở một số quốc gia. Mức trợ cấp phí

bảo hiểm cao có thể không bền vững trong các nền kinh tế bị hạn chế, các khoản trợ

cấp có xu hƣớng làm tổn hại tính bền vững thƣơng mại của các sản phẩm bảo hiểm

nông nghiệp bằng cách bóp méo hành vi rủi ro và áp dụng các cơ chế quản lý rủi ro

hiệu quả hơn.

+ Những can thiệp khác của chính phủ là khung pháp lý và quy định và cung

cấp hàng hóa công cộng, chẳng hạn nhƣ dịch vụ dữ liệu và mạng lƣới thời tiết.

+ Thành công hay thất bại của các chƣơng trình bảo hiểm cây trồng liên quan

đến nền kinh tế chính trị của đất nƣớc, tình trạng phát triển của nông nghiệp, sự

phức tạp của các rủi ro gây ra tổn thất, và khả năng quản lý và lãnh đạo của tổ chức

bảo hiểm.

+ Tính minh bạch của sản phẩm và quy trình điều chỉnh tổn thất (dẫn đến sự

tin tƣởng của nông dân vào các công ty bảo hiểm và kênh phân phối hoặc điều

chỉnh tổn thất) là rất quan trọng, không phân biệt loại sản phẩm.

+ Tính khả thi, toàn vẹn và chi phí của các thủ tục và hoạt động điều chỉnh tổn

thất là một thử nghiệm quan trọng về tính khả thi của bảo hiểm nông nghiệp.

+ Những thách thức của việc thực hiện điều chỉnh tổn thất trong các hệ thống

hộ nông nghiệp nhỏ cho các sản phẩm bồi thƣờng truyền thống góp phần thu hút

bảo hiểm chỉ số.

2.6.3. Bảo hiểm theo chỉ số năng suất cho cây cà phê tỉnh Đắk Lắk

Bảo hiểm truyền thống gồm bảo hiểm cây trồng theo tên gọi của thiệt hại

(NPCI) và bảo hiểm cây trồng đa rủi ro (MPCI). Bảo hiểm truyền thống bồi thƣờng

thiệt hại dựa vào thiệt hại năng suất m a màng nên đƣợc xem là bảo hiểm năng suất

mùa màng. Do chi phí đánh giá tổn thất cao, bảo hiểm truyền thống dựa trên việc trả

tiền bồi thƣờng cho các tổn thất thực tế phát sinh thƣờng không khả thi, đặc biệt đối

với các hộ sản xuất nhỏ ở các nƣớc đang phát triển. Kể từ cuối những năm 1990, đã

có rất nhiều cuộc thảo luận và tranh luận về hứa hẹn và tiềm năng của việc sử dụng

bảo hiểm nông nghiệp dựa trên chỉ số (World bank, 2011). Bảo hiểm chỉ số bảo vệ

hộ nông dân chống lại thiệt hại mùa màng sẽ dựa trên một chỉ số đƣợc cho là có

tƣơng quan cao với năng suất mùa màng. Theo thảo luận lý thuyết về lợi thế của chỉ

số so với bảo hiểm truyền thống đã chuyển sang nhu cầu thực tiễn, nhiều chƣơng

trình thí điểm bắt đầu nổi lên. Ví dụ bao gồm bảo hiểm theo chỉ số năng suất khu

vực đƣợc bán tại Hoa Kỳ (Miranda, 1991; Skees và cộng sự, 1997). Bảo hiểm chỉ số

với các chỉ số lƣợng mƣa, nhiệt độ và hình ảnh vệ tinh cũng đã đƣợc đề xuất cho

các nhà sản xuất nông nghiệp (Deng và cộng sự, 2007; Mahul, 2001; Martin và

cộng sự, 2001; Miranda và Vedenov, 2001; Skees và Enkh-Amgalan, 2002; Turvey,

2001). Bên cạnh đó, nhiều sự chú ý gần đây đã tập trung vào tiềm năng sử dụng bảo

hiểm chỉ số ở các nƣớc thu nhập thấp để bảo vệ tài sản nông nghiệp khỏi tổn thất do

các nguy cơ khí hậu khác nhau (Barnett, B.J và cộng sự, 2008). Các sản phẩm này

cũng đã chứng minh đƣợc tiềm năng của nó để thay thế các bảo hiểm nông nghiệp

truyền thống bởi vì chúng có thể đƣợc cung cấp với chi phí thấp hơn thậm chí phải

chăng cho các nông dân có thu nhập thấp hơn và trung bình (Nepomuscene

Ntukamazina và cộng sự, 2017). Do Việt Nam là một trong những nƣớc đang phát

triển nên Chính phủ đã chọn sản phẩm bảo hiểm cây trồng theo chỉ số năng suất

theo khu vực (AYII) và áp dụng thí điểm bảo hiểm năm 2011-2013 mà không áp

dụng bảo hiểm truyền thống (xem Bảng 2.2). Để đơn giản, tác giả tạm gọi bảo hiểm

cây trồng theo chỉ số năng suất.

Bảng 2.2: Các sản phẩm bảo hiể c trồng c c nước Đông Na Á nă 2011

Quốc gia Bảo hiểm truyền thống Bảo hiểm chỉ số

NPCI MPCI CRI AYII WII NDVI/SI

  Indonesia

Malaysia

    Philippines

  Thái Lan

  Việt Nam

Chú ý:  Sản phẩm bảo hiểm cây trồng có sẵn trên cơ sở thƣơng mại

 Sản phẩm bảo hiểm cây trồng thí điểm hoặc đang chờ ra mắt

Ngu n: World bank 2012

Hiện nay có ba loại dữ liệu chính mà bảo hiểm cây trồng theo chỉ số thƣờng có

thể dựa vào: dữ liệu thời tiết, dữ liệu năng suất và dữ liệu vệ tinh. Các ƣu khuyết

điểm đó đƣợc thể hiện trong Bảng 2.3.

Dữ liệu năng suất tƣơng đối có xu hƣớng cung cấp các chỉ số đáng tin cậy

nhất, nó có thể tốn kém để thu thập và kiểm toán. Các chỉ số dựa trên dữ liệu năng

suất thƣờng cung cấp sự bao quát toàn diện nhất cho nông dân, nắm bắt các nguy cơ

sản xuất nông nghiệp mà các nguồn dữ liệu khác không thể (ví dụ nhƣ sâu bệnh và

dịch bệnh). Tuy nhiên, dữ liệu năng suất có thể tốn kém hơn nhiều để thu thập và

kiểm toán do các chuyến thăm trang trại đƣợc yêu cầu và theo truyền thống đƣợc

thực hiện thƣờng dẫn đến thời gian giải quyết khiếu nại dài.

Sản phẩm bảo hiểm chỉ dựa trên thời tiết hoặc chỉ số viễn thám có thể ít tốn

kém hơn so với các sản phẩm yêu cầu dữ liệu năng suất. Trong những năm gần đây,

đã có rất nhiều quan tâm đến các sản phẩm bảo hiểm WII để cung cấp bảo hiểm chi

phí thấp cho nông dân. Tuy nhiên, ngày càng có nhiều bằng chứng thống kê cho

thấy các chỉ số của WII có thể không chính xác cho sản phẩm để bảo vệ nông dân

một cách đáng tin cậy. Một nông dân đƣợc bảo hiểm có thể trải nghiệm một sự kiện

phá hủy mùa màng của họ nhƣng bảo hiểm không trả. Ví dụ, nghiên cứu gần đây

của Ngân hàng Thế giới và Công ty Bảo hiểm Nông nghiệp Ấn Độ cho thấy mối

tƣơng quan giữa thanh toán yêu cầu theo chỉ số thời tiết và tổn thất năng suất của

nông dân chỉ là 14% (World Bank, 2012). Tuy nhiên, WII hấp dẫn chính xác nhất

trong các môi trƣờng có ít dữ liệu năng suất để phù hợp và xác nhận các sản phẩm

đó. Điều này làm cho bảo vệ ngƣời tiêu dùng thách thức cho các cơ quan quản lý.

Từ phân tích trên thì sản phẩm bảo hiểm cây tr ng th o chỉ số năng suất

(AYII) là phù hợp với hộ nông dân sản xuất cà phê tại Đắk Lắk bởi vì những yếu tố

+ Hộ nông dân trồng cây cà phê tỉnh Đắk Lắk là những hộ sản xuất cà phê lâu

năm nên đáp ứng đƣợc dữ liệu về năng suất cà phê.

+ Sản phẩm AYII có thể nắm bắt đƣợc hết các hiểm họa các rủi ro cây cà phê.

+ Tránh đƣợc rủi ro đạo đức của sản phẩm bảo hiểm truyền thống (Tình huống

mà ngƣời mua bảo hiểm biết nhiều hơn về rủi ro của họ hơn công ty bảo hiểm, dẫn

đến sự tham gia của các cá nhân có nguy cơ cao và sự không có sự tham gia của cá

nhân có nguy cơ thấp).

+ Phí bảo hiểm thấp so với sản phẩm bảo hiểm truyền thống.

+ Thực hiện theo quy định của Chính phủ.

Bảng 2.3: So sánh các loại bảo hiể c trồng the chỉ số

Giá thành

Thời gian bồi thƣờng

Rủi ro cơ bản

Chi phí kiểm toán

Nắm bắt tất cả các hiểm họa

Dễ quản lý

Xấu cho hộ nông dân Tốt cho hộ nông dân

Bảo hiểm theo chỉ số thời tiết

Bảo hiểm theo chỉ số NDVI/vệ tinh

Bảo hiểm theo chỉ số năng suất

Ghi chú: ý kiến của chuyên gia ợc bi u diễn cho mục ọa nên kho n

cách giữa các loại b o hi m chỉ ối.

Ngu n: World Bank 2015a

2.6.3.1 Hộ nông dân sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số

năng suất

Hộ nông dân đƣợc tổ chức Liên hiệp quốc (United Nations, 1984) định nghĩa

là một hộ gia đình mà có ít nhất một thành viên đang điều hành hộ đó làm nông

nghiệp; chủ hộ hoặc ngƣời có thu nhập chính trong gia đình hoạt động kinh tế trong

nông nghiệp. Thêm vào đó, theo Frank Ellis (1993), hộ nông dân là hộ gia đình sử

dụng các nguồn lực của họ để sản xuất nông nghiệp nhằm mục đích tồn tại và cải

thiện chất lƣợng cuộc sống của họ. Ngoài ra, hộ nông dân là những hộ chủ yếu hoạt

động trong nông nghiệp theo nghĩa rộng, bao gồm cà nghề rừng, nghề cá và các

hoạt động phi nông nghiệp ở nông thôn (Đào Thế Tuấn, 1997).

Theo Garedew và cộng sự (2020), việc sẵn lòng tham gia bảo hiểm

(Willingness to join insurance) đƣợc định nghĩa là động lực của chủ hộ gia đình

nông thôn đăng ký bảo hiểm tự nguyện để đạt đƣợc lợi ích từ chƣơng trình bảo

hiểm mà không liên can đến số tiền thanh toán bảo hiểm. Việc sẵn lòng tham gia

sản phẩm thể hiện ý định mua sản phẩm của khách hàng (Elbeck và cộng sự, 2008).

Lý thuyết về ý định xuất phát từ lý thuyết nhận thức xã hội, đƣợc đề xuất đầu tiên

và phát triển bởi Bandura (1986), ngƣời đã xây dựng khung lý thuyết cho sự hiểu

biết, dự đoán và thay đổi hành vi con ngƣời. Ý định đƣợc xem là "động lực của một

ngƣời để n lực hành động theo một kế hoạch có ý thức hoặc một quyết định"

(Conner và Armitage, 1998). Thêm vào đó, sẵn lòng tham gia là yếu tố quyết định

cuối c ng để hành động mua xảy ra (Katona, 1951). Hơn nữa, việc bán sản phẩm

của doanh nghiệp có thể dựa vào việc sẵn lòng tham gia của khách hàng. Thế nên

nghiên cứu mô hình hộ nông dân sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số

năng suất là quan trọng và cần thiết trong việc xây dựng sản phẩm bảo hiểm cà phê.

Trong phạm vi nghiên cứu của luận án, hộ nông dân sẵn lòng tham gia bảo

hiểm theo chỉ số năng suất là một đơn vị kinh tế tự chủ, trực tiếp sản xuất cà phê, có

nguồn thu nhập chính từ việc sản xuất cà phê và có động lực đăng ký tham gia bảo

hiểm theo chỉ số năng suất cây cà phê tự nguyện để đạt đƣợc lợi ích từ chƣơng trình

bảo hiểm.

2.6.3.2. Lợi ích của bảo hiểm theo chỉ số năng suất

Theo World bank (2011), nếu bảo hiểm theo chỉ số năng suất đƣợc xậy dựng

và triển khai với giá hợp lý thì nó có thể mang lại lợi ích lớn cho các hộ nông dân.

Lợi ích lớn đầu tiên của việc sử dụng hình thức bảo hiểm nông nghiệp là nó h

trợ chống đói nghèo. Một thảm họa tự nhiên là không thể đoán trƣớc. Khi chúng

xảy ra, những ngƣời nông dân đầu tƣ nhiều vào nông nghiệp sẽ bị phá hủy đầu tƣ.

Điều này làm cho họ nghèo. Nếu nông dân đã mua bảo hiểm, các công ty bồi

thƣờng cho họ. Với số tiền đƣợc chi trả, nông dân sẵn sàng tái đầu tƣ vào nông

nghiệp và các hoạt động nông nghiệp khác làm cho họ trở nên giàu có trở lại. Điều

này giúp các hộ gia đình tránh bán tài sản sinh kế hoặc sử dụng tiền tiết kiệm. Bảo

hiểm nhƣ một công cụ giúp các hộ gia đình thoát khỏi bẫy nghèo (Janzen và Carter,

2013; Thérèse Sandmark và cộng sự, 2013; Silvia Müller và cộng sự, 2014).

Đầu tƣ nông nghiệp rất tốn kém vì nó liên quan đến việc đặt nhiều nguồn lực

vào một nơi. Bảo hiểm nông nghiệp khiến nông dân đặt nhiều giá trị hơn vào sản

xuất nông nghiệp bằng cách tăng sự đầu tƣ vào các công nghệ có năng suất cao

Nông dân mua bảo hiểm có lợi thế lớn bởi vì họ sẵn sàng để thu lại tất cả các khoản

l của họ do đƣợc bồi thƣờng khi có tổn thất (Radermacher và Roth, 2014).

Bảo hiểm cây trồng có thể đóng vai tr là tài sản thế chấp cho hộ nông dân,

tăng cƣờng khả năng tiếp cận tín dụng của nông dân nhƣ đã thấy ở các nƣớc Ấn Độ

và Philippines. Theo Mahul và Stutley (2010), bảo hiểm cây trồng không chỉ hữu

ích trong việc h trợ chi phí sản xuất mà c n để đáp ứng hạn chế tiền tệ khác. Ở

Ghana, bảo hiểm lƣợng mƣa dẫn đến tăng mua phân bón, diện tích mùa màng có

bảo hiểm đƣợc mở rộng và tăng sản lƣợng của các loại cây trồng đƣợc bảo hiểm

(Karlan và cộng sự, 2013). Nghiên cứu bởi Varadan và Kumar (2012) chỉ ra hộ

nông dân tham gia bảo hiểm đa dạng hóa cây trồng ít hơn do có chiến lƣợc giải

quyết rủi ro trong sản xuất một cách hiệu quả.

Ke và cộng sự (2014) đã chỉ ra rằng hộ nông dân và tiện ích phúc lợi của hộ

nông dân cao hơn với bảo hiểm cây trồng so với không có bảo hiểm cây trồng. De

Nicola và Hill (2012) tiết lộ rằng bảo hiểm thời tiết đã góp phần cải thiện phúc lợi

bằng cách tăng tiêu d ng hộ gia đình, đặc biệt là ở các hộ nghèo.

Một số nghiên cứu cho biết bảo hiểm làm tăng việc sử dụng đầu vào nông

nghiệp có lợi nhuận cao, đảm bảo thu nhập nông nghiệp, sử dụng hạn chế các chiến

lƣợc đối phó tốn kém, sử dụng các cửa hàng định hƣớng thị trƣờng, giảm nợ và vay

nợ (Carriquiry và Osgood, 2006; Olubiyo và cộng sự, 2009; Hill và Viceisa, 2010;

De Bock và Oniveros, 2013; Thérèse Sandmark và cộng sự, 2013; Silvia Müller và

cộng sự, 2014). Do đó, có bằng chứng về tác động của bảo hiểm đối với rủi ro, đầu

tƣ, năng suất nông nghiệp và tăng thu nhập.

Bảo hiểm có thể h trợ nông dân tiếp cận các cơ hội mới nhƣ cải thiện khả

năng vay tiền hoặc vay bằng hiện vật. Khi làm nhƣ vậy, các hộ nông dân có thể có

lợi nhuận an toàn hơn hoặc có thể có lợi nhuận cao hơn (Mahul và Skees, 2007; Patt

và cộng sự, 2010; McIntosh và cộng sự, 2013).

2.6.3.3 Vay vốn ngân hàng

Theo Nghị định số 59/2009/NĐ-CP của chính phủ, ngân hàng thƣơng mại là

ngân hàng đƣợc thực hiện toàn bộ hoạt động ngân hàng và các hoạt động kinh

doanh khác có liên quan vì mục tiêu lợi nhuận theo quy định của Luật các Tổ chức

tín dụng và các quy định khác của pháp luật.

Theo Thông tƣ số 39/2016/TT-NHNN Quy định về hoạt động cho vay của tổ

chức tín dụng, chi nhánh ngân hàng nƣớc ngoài đối với khách hàng. Cho vay là

hình thức cấp tín dụng, theo đó tổ chức tín dụng (ngân hàng thƣơng mại,...) giao

hoặc cam kết giao cho khách hàng một khoản tiền để sử dụng vào mục đích xác

định trong một thời gian nhất định theo thỏa thuận với nguyên tắc có hoàn trả cả

gốc và lãi.

Theo Sheffrin và Steven (2003), vay vốn là sự giao dịch giữa hai bên. Cụ thể

nhƣ sau: bên cho vay đƣa một giá trị (T) sang bên vay và bên vay sử dụng trong

một khoản thời gian nào đó. Đồng thời bên vay phải hoàn trả lại theo đúng thời gian

thỏa thuận với giá trị (T‟) sao cho (T‟>T).

Nhƣ vậy, hoạt động cho vay sản xuất cà phê là ngân hàng thƣơng mại chuyển

cho khách hàng (hộ nông dân) một số tài sản nhất định (bằng tiền hoặc hàng hóa) để

sử dụng sản xuất cà phê theo những điều kiện và khoảng thời gian nhất định về

hoàn trả lãi và gốc theo thỏa thuận ban đầu.

2.6.3.4 Năng suất c c hê

Công thức tính năng suất cây trồng có sự khác biệt giữa cây trồng lâu năm và

cây trồng hàng năm. Theo Tổng cục thống kê (GSO), cà phê là cây lâu năm nên ta

có công thức tính năng suất nhƣ sau:

2.7. Các nghiên cứu tr ng v ng i nước iên quan đến bảo hiể c trồng

Việc sẵn lòng tham gia bảo hiểm cây trồng đóng vai tr quan trọng trong việc

đƣa ra quyết định mua bảo hiểm cây trồng. Giống nhƣ bất kỳ hành vi phức tạp nào

khác của hộ nông dân, việc sẵn lòng tham gia bảo hiểm cây trồng chịu tác động bởi

nhiều yếu tố, từ đặc điểm nhân khẩu học của hộ nông dân, đặc điểm của loại cây,

đến các yếu tố kinh tế, xã hội và thời tiết. Trong nghiên cứu này, sẽ làm sáng tỏ mối

quan hệ tác động giữa các yếu tố đó tới việc sẵn lòng tham gia bảo hiểm cây cà phê

theo chỉ số năng suất của hộ nông dân tỉnh Đắk. Căn cứ vào mục tiêu nghiên cứu,

phần này tác giả sẽ trình bày một số nghiên cứu về các yếu tố tác động đến việc sẵn

lòng tham gia bảo hiểm cây trồng của hộ nông dân ở một số quốc gia trên thế giới.

Các nghiên cứu tại Châu Phi, Ấn Độ đƣợc quan tâm hơn vì ở đó có một số điều kiện

tƣơng đồng với Việt Nam về mặt địa lý, thời tiết, kinh tế.

Nghiên cứu của Sherrick và cộng sự (2004) về hộ nông dân vùng Trung Tây

Hoa Kỳ chỉ ra rằng những ngƣời tham gia bảo hiểm cây trồng có các đặc điểm kinh

doanh, cá nhân khác biệt đáng kể so với những ngƣời không tham gia. Nghiên cứu

này sử dụng số liệu khảo sát tham gia bảo hiểm cây trồng của nông dân trồng đậu

và ngô của nông dân ở Illinois, Iowa và Indiana, Hoa Kỳ năm 2001. Với 3000 hộ

nông dân đƣợc chọn ngẫu nhiên để nhận khảo sát hàng năm bằng cách gửi thƣ. M i ngƣời canh tác ít nhất 160 mẫu Anh (1 mẫu Anh tƣơng đƣơng với 4047 m2). Tuy

nhiên, chỉ có 868 khảo sát đã đƣợc trả lại, đạt tỷ lệ phản hồi hiệu quả là 29%.

Nghiên cứu phân tích định lƣợng bằng ƣớc lƣợng hai giai đoạn với hàm hồi quy

logistic nhị phân và hồi logistic đa thức. Cụ thể với mức ý nghĩa thống kê 5%, hộ

nông dân sẵn lòng tham gia bảo hiểm cây trồng có năng suất, tỷ lệ nợ trên tài sản,

xác suất nhận đƣợc bồi thƣờng của bảo hiểm và chủ sở hữu đất cao hơn hộ nông

dân không sẵn lòng tham gia bảo hiểm cây trồng. Bên cạnh đó, hộ nông dân tham

gia các sản phẩm bảo hiểm cây trồng dựa vào năng suất, dựa vào rủi ro mƣa đá, dựa

vào doanh thu cũng có sự khác biệt với nhau. Việc sẵn lòng tham gia bảo hiểm dựa

vào năng suất so với bảo hiểm dựa vào rủi ro mƣa đá bị ảnh hƣởng đáng kể bởi diện

tích và xác suất nhận đƣợc bồi thƣờng của bảo hiểm; trong khi việc Sẵn lòng tham

gia bảo hiểm dựa vào doanh thu so với bảo hiểm dựa vào rủi ro mƣa đá phụ thuộc

đáng kể vào xác suất nhận đƣợc bồi thƣờng của bảo hiểm, diện tích và cách lựa

chọn quản lý rủi ro. Kết quả tìm thấy trong nghiên cứu này cần phải đƣợc thử

nghiệm ở các vùng nông nghiệp khác để xác minh mức độ áp dụng của chúng. Rủi

ro năng suất lớn hơn thƣờng xảy ra ngoài khu vực khảo sát có thể dẫn đến những

ảnh hƣởng mạnh mẽ hơn nữa đối với các giá trị bảo hiểm ở nơi khác. Trong tƣơng

lai có thể giải quyết thêm các mối quan hệ giữa các ƣu tiên của hộ nông dân đối với

các sản phẩm bảo hiểm và sự hình thành kỳ vọng của họ về rủi ro năng suất và

doanh thu. Theo kinh nghiệm khảo sát của tác giả nghiên cứu này, nông dân có thể

dễ dàng cung cấp thông tin một cách chủ quan và có thể sử dụng chúng theo trực

giác trong việc ra quyết định, nhƣng mức độ mong đợi của họ với rủi ro năng suất

thực tế đặc biệt quan trọng. Đây là vấn đề cần xem xét trong việc phát triển thị

trƣờng bảo hiểm hiệu quả.

Nghiên cứu của Sarris, A. và Karfakis, P.(2006) tìm hiểu việc sẵn lòng tham

gia và chi trả bảo hiểm thời tiết theo chỉ số lƣợng mƣa. Bối cảnh đất nƣớc trong

nghiên cứu này là nƣớc có nền kinh tế nông nghiệp nghèo nàn, phần lớn các hộ gia

đình nông thôn phụ thuộc vào rủi ro sản xuất nông nghiệp. Sử dụng dữ liệu từ các

cuộc điều tra 957 hộ gia đình nông thôn tại 45 ngôi làng đƣợc thực hiện ở vùng

Kilimanjaro, vào tháng 11 năm 2003-2004, và một cuộc khảo sát đại diện của 892

hộ gia đình nông thôn ở 36 làng đƣợc thực hiện ở Ruvuma khu vực vào tháng 2 đến

tháng 3 năm 2004-2005. Đây là hai v ng sản xuất nông nghiệp quan trọng của Liên

bang Tanzania. Mẫu khảo sát là đại diện của các hộ nông dân nông thôn trồng cà

phê ở Kilimanjaro. Bên cạnh đó, những hộ nông dân trồng cà phê, thuốc lá, hạt điều

ở Ruvuma là những hộ đƣợc khảo sát. Khảo sát đƣợc thực hiện bởi Cục Thống kê

Quốc gia. Tất cả các câu hỏi đã đƣợc trả lời bằng cách nhớ lại. Nghiên cứu ƣớc tính

mức độ sẵn lòng tham gia và chi trả của hộ nông dân đối với bảo hiểm dựa trên thời

tiết cũng nhƣ nhu cầu của họ đối với nó bằng cách sử dụng các kỹ thuật định giá

ngẫu nhiên (Contingent valuation: CV) với câu hỏi dạng đóng (Close-ended: Câu

hỏi đóng là hỏi hộ nông dân có sẵn lòng trả cho một mức giá nhất định hay không?

Mức giá này có thể biến đổi đối với những ngƣời trả lời khác nhau). Khoản một nửa

số hộ gia đình ở Kilimanjaro (47%) và khoảng một phần ba số hộ gia đình ở

Ruvuma (34%) sẵn lòng tham gia bảo hiểm dựa trên thời tiết. Dựa hồi quy probit

các biến số quan trọng là trình độ học vấn (tác động tích cực trong Ruvuma), thu

nhập bình quân đầu ngƣời (tác động tích cực trong Kilimanjaro), dễ dàng tiếp cận

tín dụng ngắn hạn (tác động tích cực trong Ruvuma) và xen canh điều tác động tích

cực đến sẵn lòng tham gia bảo hiểm hạn hán. Bên cạnh đó, bỏ qua kết quả câu trả

lời của hộ nông dân cho việc sẵn lòng tham gia bảo hiểm hay không, tất cả hộ nông

dân đều đƣợc hỏi về việc họ sẵn lòng trả số tiền cụ thể cho bảo hiểm hạn hán. Mức

phí hộ dân sẵn lòng tham gia cho bảo hiểm là từ 10- 24% tiền đền bù ở Kilimanjaro

và 4-18% tiền đền bù ở Ruvuma khi lƣợng mƣa bị giảm, điều đó ph hợp với việc

sẵn lòng tham gia bảo hiểm của Ruvuma thấp hơn Kilimanjaro. Theo kết quả hồi

quy probit thì phí bảo hiểm tác động tiêu cực đến việc sẵn lòng tham gia bảo hiểm

cây trồng. Ở Kilimanjaro, các biến quan trọng có tác động tích cực là quy mô hộ gia

đình, thu nhập bình quân đầu ngƣời, tỷ lệ tiền mặt trong tổng thu nhập và biến hộ

gia đình sử dụng tiền tiết kiệm của hộ nông dân khi đối mặt rủi ro;bên cạnh đó, biến

sử dụng trợ giúp gia đình khi bị rủi ro tác động tiêu cực đến việc sẵn lòng tham gia

bảo hiểm cây trồng. Còn tại Ruvuma, biến có tác động tích cực đến việc sẵn lòng

tham gia bảo hiểm cây trồng là trình độ học vấn của chủ hộ và các biến đối rủi ro

giống ở Kilimanjaro. Nghiên cứu cho thấy các hộ nông dân có nhu cầu đáng kể về

bảo hiểm thời tiết bởi vì trong các rủi ro hộ gặp thì rủi ro mà do thời tiết gây ra tác

động nhiều nhất và hạn chế thanh khoản của hộ cũng là nguyên nhân quan trọng để

chuyển nhu cầu tham gia bảo hiểm đã nêu này thành thực tế. Những cú sốc do thời

tiết gây ra đã thay đổi đáng kể về thu nhập. Khi đó, các hộ nông dân xử lý thông

qua việc sử dụng tài sản tiết kiệm và cạn kiệt tài sản. Đặc biệt là các hộ gia đình

nghèo hơn thì dễ bị tổn thƣơng hơn vì phải đối mặt với nhiều rủi ro hơn trong bối

cảnh môi trƣờng giống nhau và những hộ đó cần bảo hiểm hơn nhƣng ít có khả

năng và sẵn lòng trả tiền cho bảo hiểm. Điều này cho thấy rằng chƣơng trình bảo

hiểm thời tiết nhƣ vậy là cần thiết, nếu chúng hoạt động an toàn hiệu quả và để bảo

hiểm đến với hầu hết những hộ có nhu cầu thì bảo hiểm cần một sự trợ cấp nào đó.

Theo Kong và cộng sự (2011), trong những thời kỳ này, nông dân Trung Quốc

trồng trọt có nguy cơ và đối với một dân số nghèo chủ yếu, rất ít ngƣời có thể đủ

khả năng để xáo trộn sinh kế đi c ng với hạn hán. Nghiên cứu điều tra việc sẵn lòng

của nông dân dựa trên kết quả khảo sát của 890 hộ nông dân ở tỉnh Thiểm Tây và

Cam Túc. Để có đƣợc cái nhìn sâu sắc hơn, nghiên cứ đã tiến hành hồi quy về việc

nông dân sẵn lòng tham gia một sản phẩm bảo hiểm cây trồng với giá 500 Yuan

(tƣơng đƣơng 1 triệu 6 VNĐ) nếu xảy ra hạn hán kéo dài mƣời năm. Kết quả cho

thấy nhu cầu về bảo hiểm hạn hán đang xuống dốc và nguyên do là do giá bảo hiểm.

Hộ nông dân có nhu cầu bảo hiểm thời tiết sẽ yêu cầu giảm giá hoặc trợ cấp đáng

kể, có thể lên tới 80 nhƣ đang đƣợc áp dụng cho các sáng kiến bảo hiểm cây trồng

hiện nay. Rủi ro gió lớn và rủi ro hạn hán là yếu tố chính trong việc việc sẵn lòng

tham gia bảo hiểm cây trồng theo chỉ số thời tiết.

Aidoo, R. và cộng sự (2014) đánh giá việc sẵn lòng của hộ nông dân trong

việc tham gia bảo hiểm cây trồng và các yếu tố quan trọng tác động đến phí bảo

hiểm mà họ sẵn lòng tham gia bảo hiểm. Hai trong số mƣời một khu vực hoạt động

nông nghiệp ở đô thị Sunyani đƣợc chọn có chủ đích do hầu hết các hộ sản xuất ngô

và sắn. Bốn cộng đồng đƣợc chọn ngẫu nhiên từ m i khu vực hoạt động thông qua

bỏ phiếu và mƣời lăm nông dân sau đó đƣợc chọn từ m i cộng đồng thông qua việc

sử dụng các số ngẫu nhiên. Tổng cộng có 120 nông dân đã đƣợc chọn phỏng vấn để

gợi ra thông tin chính với sự trợ giúp của một bảng câu hỏi có cấu trúc. Một mô

hình hồi quy logistic nhị phân đã đƣợc sử dụng để xác định các yếu tố ảnh hƣởng

đến hộ nông dân sẵn lòng tham gia bảo hiểm cây trồng nhƣ một chiến lƣợc giảm

thiểu rủi ro. Bên cạnh đó, một mô hình hồi quy tuyến tính đã đƣợc sử dụng để xác

định các yếu tố ảnh hƣởng đến nông dân cao cấp sẵn lòng trả phí cho chƣơng trình

bảo hiểm cây trồng. Trong bối cảnh biến động ngày càng tăng trong các mô hình

thời tiết và nhiều nguồn rủi ro trong nông nghiệp, vai trò của bảo hiểm cây trồng

trong quản lý rủi ro ở cấp độ trang trại không thể đƣợc đề cao. Nghiên cứu này đã

đánh giá triển vọng sử dụng bảo hiểm cây trồng nhƣ một chiến lƣợc giảm thiểu rủi

ro trong sản xuất cây trồng ở Ghana. Nghiên cứu đã chứng minh rằng khoảng 76%

nông dân trồng ngô và sắn sẵn lòng áp dụng bảo hiểm cây trồng. Bằng việc sử dụng

hồi quy logistic, Tuổi của chủ hộ, quyền hữu đất và trình độ học vấn đã đƣợc tìm

thấy là là các nhân tố tác động đến việc sẵn lòng tham gia bảo hiểm cây trồng của

hộ nông dân. Nghiên cứu tiết lộ rằng trợ cấp của chính phủ sẽ đƣợc yêu cầu cho một

chƣơng trình bảo hiểm nhƣ vậy vì phí bảo hiểm hộ nông dân cam kết trả tiền khá

thấp và có khả năng không kinh tế từ góc độ của các công ty bảo hiểm tƣ nhân. Kết

quả khảo sát cho thấy nông dân sẵn lòng trả khoảng 19-24 GHC (tƣơng đƣơng với

80.000-101.000 VNĐ) dƣới dạng phí bảo hiểm hàng năm cho ngô và sắn tƣơng

ứng. Những con số này dƣờng nhƣ khá thấp với giá trị của các loại cây trồng đƣợc

thu hoạch trên m i mẫu Anh, và chi phí hành chính và giao dịch khổng lồ liên quan

đến các chƣơng trình bảo hiểm cây trồng. Nhƣng những con số này không đáng

ngạc nhiên với quy mô gia đình và mức thu nhập trong năm của các hộ nông dân

trồng ngô và sắn trong khu vực nghiên cứu (264 GHC tƣơng đƣơng 1.134.000

VNĐ). Do đó, chƣơng trình bảo hiểm cây trồng nào trong tƣơng lai cho ngô và sắn

muốn bền vững với mức sẵn lòng tham gia mức phí bảo hiểm của hộ nông dân thấp

thì cần một số lƣợng lớn hộ nông dân tham gia bảo hiểm và trợ cấp từ chính quyền

địa phƣơng hoặc chính quyền trung ƣơng. Các nhân tố nhƣ thu nhập trang trại, diện

tích trang trại, quyền sử dụng đất, trình độ học vấn và số tiền tiết kiệm của hộ nông

dân đã ảnh hƣởng đáng kể đến những hộ nông dân sẵn lòng tham gia bảo hiểm cây

trồng bằng phân tích hồi quy bội với phƣơng pháp ƣớc lƣợng bình phƣơng tối thiểu

(OLS). Bất kỳ chƣơng trình bảo hiểm cây trồng trong tƣơng lai trong khu vực

nghiên cứu nên xem xét các chƣơng trình dựa trên thời tiết. Giáo dục sâu sắc cho hộ

nông dân về nhu cầu bảo đảm trang trại của họ và cải thiện hành vi tiết kiệm của họ

sẽ rất cần thiết để kích thích sự tăng trƣởng bảo hiểm cây trồng khi nó đƣợc giới

thiệu. Tăng trƣởng lợi nhuận của nông dân sẽ tác động tích cực đến nhu cầu bảo

hiểm cây trồng; do đó, bất kỳ chính sách nào nhằm tăng thu nhập cho trang trại cuối

c ng cũng có thể tạo ra một thị trƣờng cho bảo hiểm cây trồng. Cuối cùng, do nông

dân có phí bảo hiểm tƣơng đối thấp sẵn l ng đóng góp cho các chƣơng trình bảo

hiểm cây trồng, trợ cấp của chính phủ có thể đƣợc yêu cầu nếu các chƣơng trình bảo

hiểm cây trồng trong tƣơng lai đƣợc bền vững.

Nghiên cứu của Gideon Danso-Abbeam và cộng sự (2014) đã phân tích việc

sẵn lòng tham gia bảo hiểm ca cao của từ 201 nông dân trồng ca cao tại huyện

Bibiani-Anhywo-Bekwai, Ghana. Có 57,71% hộ nông dân trồng ca cao đã đƣợc tìm

thấy phản ứng tích cực với bảo hiểm giá cacao. Mô hình rào cản kép độc lập

(individual double-hurdle) đã sử dụng hồi quy probit để xác định các yếu tố tác

động đến việc hộ nông dân sẵn lòng tham gia bảo hiểm ca cao và hồi quy mẫu bị

xén (truncated regression model) sẵn lòng tham gia phí bảo hiểm. Kết quả nghiên

cứu cho thấy hộ nông dân sẵn lòng tham gia bảo hiểm cây trồng bị tác động bởi

nhiều biến tích cực có ý nghĩa thống kê ở mức 5 nhƣ thu nhập, tình trạng hôn

nhân, diện tích trang trại, chủ sở hữu đất, trình độ học vấn, trong đó quy mô hộ gia

đình tác động tiêu cực. Mặt khác, ngƣời nông dân bảo hiểm sẵn lòng trả tiền có tác

động đáng kể về tình trạng hôn nhân, sở hữu đất nông nghiệp, trình độ học vấn,

nhận thức của nông dân về chƣơng trình bảo hiểm và thu nhập từ trang trại ca cao.

Hộ nông dân sẵn lòng trả phí bảo hiểm trung bình từ 9,3 đến 10,5% giá trị đền bù

thiệt hại. Các yếu tố tác động đến việc nông dân sẵn lòng trả phí bảo hiểm là trình

độ học vấn, tuổi cây ca cao bình phƣơng và sở hữu đất; trong đó tình trạng hôn nhân

tác động tiêu cực. Nghiên cứu khuyến nghị rằng thiết kế để thực hiện chƣơng trình

bảo hiểm ca cao của Ghana hoặc chính phủ Ghana nên xem xét các yếu tố tác động

đến việc sẵn lòng tham gia của hộ nông dân đối với bảo hiểm ca cao. Ngoài ra, hộ

nông dân nên đƣợc giáo dục tốt về chƣơng trình bảo hiểm ca cao và những lợi thế

của nó. Điều bắt buộc là chính phủ Ghana và các bên liên quan phải hợp tác với các

nhà cung cấp bảo hiểm để đƣa ra một chính sách chiến lƣợc để thuyết phục nông

dân về độ tin cậy của chƣơng trình bảo hiểm. Nghiên cứu nên đƣợc nhân rộng ở các

vùng trồng ca cao khác ở Ghana vì đây có thể không phải là đại diện của toàn ngành

ca cao ở Ghana.

Abraham Falola và cộng sự (2014) nghiên cứu việc sẵn lòng tham gia bảo

hiểm cây trồng của nông dân trồng ca cao ở Ondo State, Nigeria (chiếm khoảng

50% sản lƣợng ca cao hàng năm của Nigeria). Nghiên cứu xuất phát từ nhu cầu

quản lý rủi ro đối với việc sản xuất ca cao trong nƣớc. Một quy trình lấy mẫu ba

giai đoạn đã đƣợc sử dụng để lựa chọn 120 hộ nông dân trồng ca cao nhu sau: Đầu

tiên, Idanre, Ondo-West, Ile-Oluji/Oke-Igbo, Odigbo, Akure South và Owo đƣợc là

6 v ng đƣợc lựa chọn có chủ đích; tiếp theo đó là lựa chọn ngẫu nhiên bốn cộng

đồng trang trại từ m i trong số 6 vùng trên; cuối cùng, 5 hộ nông dân trồng ca cao

đƣợc chọn ngẫu nhiên từ m i cộng đồng. Kết quả cho thấy 77,5% nông dân biết đến

Bảo hiểm nông nghiệp, nhƣng chỉ có 50 ngƣời sẵn lòng tham gia bảo hiểm. Mức

sẵn lòng trả phí bảo hiểm trung bình của hộ nông dân là N11,088/ha (710.000

VNĐ/ha) với 88,3% sẵn lòng trả dƣới N 10000 (640.000 VNĐ/ha) và 11,7 sẵn

lòng trả từ N 10000-20000 (640.000-1.280.000 VNĐ) . Dữ liệu đƣợc phân tích bằng

mô hình hồi quy probit. Với mức ý nghĩa thống kê 5%, các nhân tố quan trọng ảnh

hƣởng tích cực đến sự sẵn lòng tham gia bảo hiểm nông nghiệp của hộ nông dân là

trình độ học vấn, tiếp cận dịch vụ khuyến nông. Bên cạnh đó nhân tố tuổi của chủ

hộ tác động tiêu cực đến việc sẵn lòng tham gia bảo hiểm. Ngoài ra với mức ý nghĩa

thống kê 10%, thu nhập trang trại tác động tiêu cực đến việc sẵn lòng tham gia bảo

hiểm. Có thể giải thích rằng, nông dân có thu nhập cao hơn có thể áp dụng các chiến

lƣợc quản lý rủi ro khác. Điều này cho thấy rằng với kiến thức không đầy đủ về bảo

hiểm cây trồng và thiếu niềm tin vào các công ty bảo hiểm, nông dân có thu nhập

cao sẵn lòng áp dụng các chiến lƣợc khác ngay cả khi chi phí cao hơn so với mua

bảo hiểm. Do đó, dựa trên những phát hiện của nghiên cứu này, khuyến nghị rằng

những ngƣời trẻ và có trình độ học vấn cao nên đƣợc khuyến khích tham gia tích

cực vào sản xuất ca cao, vì điều này sẽ cải thiện khả năng sẵn lòng bảo hiểm của họ.

Cũng cần có các đại lý khuyến nông và các bên liên quan phát triển nông nghiệp

khác tác động cho hộ nông dân trồng ca cao hiểu về tầm quan trọng của chính sách

bảo hiểm nông nghiệp. Hơn nữa, các tập đoàn bảo hiểm nông nghiệp nên cung cấp

sản phẩm bảo hiểm cho hộ nông dân với mức giá phải chăng để khuyến khích họ

mua đƣợc bảo hiểm.

Liesivaara và Myyrä (2014) đã nghiên cứu việc sẵn sàng trả tiền bảo hiểm cây

trồng của các hộ nông dân ở Phần Lan. Các yếu tố ảnh hƣởng đến nhu cầu bảo hiểm

cây trồng cũng đã đƣợc kiểm tra tại một quốc gia nơi các sản phẩm bảo hiểm cây

trồng hiện không có sẵn. Tổng cộng có 1.170 mẫu khảo sát đã đƣợc trả lại. Sau khi

các câu trả lời bị thiếu đã bị xóa khỏi bộ dữ liệu thì còn lại 965 mẫu. Dữ liệu đã

đƣợc phân tích với mô hình logistic của nông dân cho bảo hiểm cây trồng. Kết quả

việc việc sẵn l ng tham gia bảo hiểm cao hơn ở những nông dân trẻ và những trang

trại có nhiều đất canh tác hơn.

Lin và cộng sự (2015) nghiên cứu các yếu tố ảnh hƣởng đến hộ nông dân sẵn

sàng mua bảo hiểm WII cho mùa màng ở tỉnh Hải Nam, ở Trung Quốc thông qua.

Một cuộc khảo sát với 134 nông dân đã đƣợc thực hiện tại Hải Nam, Trung Quốc về

việc họ sẵn sàng mua bảo hiểm WII. Mô hình hồi quy probit đã đƣợc sử dụng để

giải thích việc sẵn lòng của nông dân khi mua bảo hiểm WII. Kết quả là những hộ

nông dân trồng cây bột giấy và cao su sẵn l ng tham gia bảo hiểm WII hơn những

hộ trồng chuối và gạo. Các yếu tố nhƣ thế hệ trồng trọt (ví dụ: thế hệ 1, thế hệ 2, thế

hệ 3,...), rủi ro sâu bệnh và rủi ro con trùng hại, niềm tin với công ty bảo hiểm và

thái độ tích cực đối với bảo hiểm thời tiết tác động đến việc sẵn sàng mua bảo hiểm

WII với mức ý nghĩa thống kê 5%.

Nghiên cứu của Arshad và cộng sự (2015) xác định liệu bảo hiểm cây trồng

có phải là một công cụ chấp nhận đƣợc đối với các sự kiện lũ lụt và hạn hán ở vùng

nông thôn Pakistan hay không. Nó cũng phân tích các yếu tố ảnh hƣởng đến việc

nông dân có sẵn sàng trả phí bảo hiểm. Trong một cuộc khảo sát hộ nông dân ở

nông thôn, kết quả đã chứng minh rằng một tỷ lệ cao các hộ gia đình nông thôn sản

xuất nhỏ đã bác bỏ ý tƣởng về bảo hiểm cây trồng và không muốn mua các hợp

đồng bảo hiểm. Mặc dù họ thƣờng muốn tránh mất mùa do các thảm họa liên quan

đến thời tiết khắc nghiệt, nhƣng tỷ lệ nông dân sẵn sàng tham gia và chi trả cho

chƣơng trình bảo hiểm chỉ gần 30%, cho thấy nhu cầu bảo hiểm cây trồng khá thấp.

Hầu hết những ngƣời đƣợc hỏi không muốn tham gia chƣơng trình bảo hiểm cây

trồng nhƣ vậy tuyên bố rằng với mức tăng giá hiện tại của các mặt hàng thực phẩm,

hóa đơn điện và các nhu yếu phẩm khác ở Pakistan. Nghiên cứu của chúng tôi cho

thấy nhu cầu bảo hiểm cây trồng ở Pakistan thay đổi tùy theo tuổi, giáo dục, quy mô

gia đình, quyền sở hữu đất đai, nguồn thu nhập, khả năng tƣới tiêu, tiếp xúc với các

sự kiện cực đoan trƣớc đây và tiếp cận các dịch vụ tín dụng và khuyến nông. Khả

năng thanh toán cần phải đƣợc xem xét khi đƣa ra các chƣơng trình bảo hiểm cây

trồng chống lũ lụt hoặc hạn hán ở Pakistan. Hơn nữa, việc phổ biến nhận thức giữa

các cộng đồng nông nghiệp về những thay đổi khí hậu trong tƣơng lai và những rủi

ro liên quan đến sự xuất hiện của các sự kiện thời tiết khắc nghiệt là bắt buộc.

Nghiên cứu của Yakubu BalmaIssaka và cộng sự (2016) về sự sẵn lòng tham

gia bảo hiểm cây trồng theo chỉ số hạn hán của hộ nông dân trồng ngô đƣợc thực

hiện ở huyện Bắc Nanumba thuộc khu vực phía Bắc Ghana. M i làng chọn 10 hộ

nông dân từ 10 làng đã đƣợc lựa chọn ngẫu nhiên để tạo thành cỡ mẫu của 100 hộ

nông dân bằng cách sử dụng kỹ thuật lấy mẫu ngẫu nhiên đơn giản. Nghiên cứu tiết

lộ có đến 41% hộ nông dân đƣợc khảo sát không sẵn lòng tham bảo hiểm cây trồng.

Những hộ nông dân này xem bảo hiểm là gánh nặng không cần thiết và bổ sung.

Điều này không có gì đáng ngạc nhiên vì kiến thức và khả năng tiếp cận bảo hiểm

của ngƣời dân nông thôn ở Ghana nói chung là kém. Điều này dƣờng nhƣ đƣợc h

trợ bởi thực tế là 44% số ngƣời đƣợc hỏi không có tham gia bất cứ bảo hiểm nào

khác. Hình thức bảo hiểm duy nhất có vẻ nhƣ đang hoạt động ở khu vực nông thôn

là bảo hiểm y tế quốc gia đƣợc trợ cấp và không phản ánh đúng thực tế khi có liên

quan đến phí bảo hiểm. Phân tích hồi quy logistic đƣợc sử dụng để dự đoán sự sẵn

lòng tham gia bảo hiểm cây trồng của hộ nông dân. Với mức ý nghĩa thống kê 5%,

các nhân tố nhƣ tiếp cận tín dụng, giáo dục và tham gia các hình thức bảo hiểm

khác là những yếu tố quan trọng nhất quyết định sự sẵn lòng tham gia bảo hiểm cây

trồng của hộ nông dân. Nghiên cứu nhấn mạnh sự cần thiết phải tích hợp bảo hiểm

cây trồng vào tài chính vi mô để tăng cƣờng sự tham gia bảo hiểm của hộ nông dân.

Bằng cách này, nông dân đƣợc giảm bớt gánh nặng phải chịu chi phí trong trƣờng

hợp thua l trên diện rộng trong khi các nhà cung cấp dịch vụ tài chính có thể phục

hồi đƣợc tổn thất của họ. Giáo dục đại chúng qua đài phát thanh và truyền hình là

chìa khóa để cải thiện khả năng tiếp cận thông tin về bảo hiểm cây trồng của nông

dân. Tuy nhiên, về lâu dài, nhà nƣớc cần đầu tƣ vào giáo dục ở khu vực nông thôn

là rất quan trọng, để đảm bảo việc tham gia bảo hiểm cây trồng.

Theo Elvis Dartey Okoffo và cộng sự (2016), nông nghiệp là một ngành quan

trọng trong nền kinh tế Ghana, tuy nhiên, có rủi ro cao do các yếu tố tự nhiên nhƣ

biến đổi khí hậu, sâu bệnh, cháy rừng và những ngƣời khác. Nông dân ở vùng

Brong-Ahafo của Ghana, đƣợc biết đến nhƣ một trong những vùng sản xuất ca cao

chính, phải đối mặt với những rủi ro này đôi khi dẫn đến mất m a. Do đó, nhu cầu

của nông dân để đảm bảo trang trại của họ chống lại mất mùa là rất quan trọng. Bảo

hiểm đã là một biện pháp để bảo vệ chống lại rủi ro. Mục đích của nghiên cứu này

là đánh giá mức độ sẵn lòng tiếp cận bảo hiểm cây trồng của ca cao, các yếu tố ảnh

hƣởng đến mức độ sẵn lòng tham gia bảo hiểm cây trồng và các công ty bảo hiểm

có sẵn lòng cung cấp bảo hiểm cây trồng cho nông dân trồng ca cao. Tổng cộng 240

nông dân trồng ca cao đã đƣợc chọn cho nghiên cứu sử dụng kỹ thuật lấy mẫu nhiều

giai đoạn. Huyện Dormaa West trong vùng Brong-Ahafo của Ghana đƣợc lựa chọn

có chủ đích do ƣu thế sản xuất ca cao trong khu vực; Bốn cộng đồng trồng ca cao

trong huyện là Nkrankwanta, Diabaa, Krakrom và Kwakuanya đƣợc lấy mẫu ngẫu

nhiên và sau đó 60 hộ nông dân trồng ca cao đƣợc chọn ngẫu nhiên từ m i trong

bốn cộng đồng trồng ca cao. Khảo sát đƣợc thực hiện từ tháng 12 năm 2014 đến

tháng 3 năm 2015.

Mô hình rào cản kép (A double‑hurdle model) đƣợc sử dụng trong nghiên cứu

nhƣ sau: Phƣơng trình đầu tiên trong mô hình rào cản kép là sử dụng hồi quy probit

để ƣớc lƣợng sự sẵn sàng tham gia bảo hiểm cây trồng. Phƣơng trình thứ hai ƣớc

tính số tiền phí bảo hiểm mà nông dân sẵn sàng trả đƣợc ƣớc tính bằng cách sử

dụng hồi quy cắt xén (cụ thể là hồi quy Tobit) ở mức chi trả bằng 0. Phân tích bƣớc

đầu bằng hồi quy probit, nghiên cứu cho thấy tuổi tác, tình trạng hôn nhân và trình

độ học vấn có ý nghĩa thống kê với mức 5 và tác động dƣơng đến hộ nông dân

trồng ca cao sẵn lòng tham gia bảo hiểm cây trồng của họ trong khi đó quy mô hộ

gia đình và diện tích trang trại có ý nghĩa thống kê với mức 5 và tác động âm đến

nông dân trồng ca cao sẵn lòng bảo hiểm trang trại của họ. Tiếp sau đó, phân tích

bƣớc sau bằng hồi quy tobit, nghiên cứu cho thấy tuổi, quy mô hộ gia đình và diện

tích trang trại tác động tích cực đến sẵn l ng tham gia bảo hiểm của những hộ nông

dân trồng ca cao với ý nghĩa thống kê ở mức 5 và trong khi đó tình trạng hôn

nhân tác động tiêu cực đến sẵn l ng tham gia bảo hiểm của những hộ nông dân

trồng ca cao với ý nghĩa thống kê ở mức 5%. Phƣơng pháp định giá ngẫu nhiên cho

thấy rằng số lƣợng tối đa, tối thiểu và trung bình mà nông dân trồng ca cao sẵn lòng

trả cho bảo hiểm cây trồng trên m i chi phí sản xuất trên m i mẫu Anh là 128 GH,

32 GH và 49 GH (tƣơng đƣơng với 546.000 VNĐ, 136.000 VNĐ , 209.000 VNĐ).

Phần lớn nông dân trồng ca cao (85,40%) sẵn lòng bảo hiểm cho các trang trại ca

cao của họ. Tuy nhiên, chỉ có 6,83% nông dân sẵn lòng trả phí bảo hiểm tối đa. Có

thể suy luận rằng mặc dù nông dân sẵn lòng bảo hiểm trang trại của họ, nhƣng họ

sẵn lòng bảo hiểm không có nghĩa là đa số sẽ trả phí bảo hiểm cao hơn. Nghiên cứu

cho thấy phần lớn (80%) nông dân trồng ca cao đã sử dụng Chƣơng trình Bảo hiểm

Y tế Quốc gia, chính sách bảo hiểm nhân thọ và bảo hiểm ô tô nhƣng chƣa bao giờ

sử dụng bảo hiểm cây trồng. Điều này là do thiếu chƣơng trình bảo hiểm cây trồng.

Tuy nhiên, 40% nông dân biết hoặc có kiến thức về bảo hiểm cây trồng từ các

phƣơng tiện truyền thông, đại lý nông nghiệp và hội nông dân. Điều này cho thấy

bảo hiểm cây trồng không phổ biến trong nông dân trồng ca cao. Lí do là các công

ty bảo hiểm không có chƣơng trình bảo hiểm cây trồng nhƣ là một phần của hoạt

động của họ mặc dù phần lớn nhận thức đƣợc chƣơng trình bảo hiểm cây trồng. Tuy

nhiên, các công ty bảo hiểm sẵn lòng cung cấp bảo hiểm cây trồng cho nông dân

trồng ca cao nếu chỉ nông dân áp dụng các cách canh tác hiện đại để giảm rủi ro

trong sản xuất và cũng có khả năng lƣu giữ hồ sơ tốt. Chúng tôi khuyến nghị rằng

nông dân trồng ca cao nên đƣợc truyền thông và giáo dục tốt về bảo hiểm cây trồng

và sự cần thiết phải bảo hiểm cho các trang trại ca cao của họ vì đa số không biết

hoặc không có kiến thức về bảo hiểm cây trồng. Điều này cũng có thể làm tăng phí

bảo hiểm mà họ sẽ sẵn lòng trả cho bảo hiểm cây trồng. Hộ nông dân nên đƣợc

tham gia vào việc lập kế hoạch chƣơng trình bảo hiểm cây trồng để cho ra mức phí

bảo hiểm mà nông dân trồng ca cao phải trả. Cần có nghiên cứu sâu hơn để xác định

nông dân cao cấp sẵn lòng trả tiền và các yếu tố ảnh hƣởng đến nông dân cao cấp

sẵn lòng trả.

Nghiên cứu của Rafia Afroz và cộng sự (2017) xem xét các yếu tố có thể ảnh

hƣởng đến việc sẵn lòng tham gia bảo hiểm cây trồng của nông dân trồng lúa

Malaysia ở Kedah, Malaysia, để điều chỉnh rủi ro lũ lụt. 350 hộ nông dân đƣợc lựa

chọn và bảng câu hỏi có cấu trúc đƣợc sử dụng để gợi ra dữ liệu từ ngƣời trả lời. Dữ

liệu đƣợc phân tích với thống kê mô tả và mô hình hồi quy logistic. Nghiên cứu này

cho thấy 76% số ngƣời đƣợc hỏi sẵn sàng trả tiền và 24% số hộ đƣợc hỏi không sẵn

sàng trả tiền. Các yếu tố quan trọng ảnh hƣởng đến việc sẵn lòng tham gia bảo hiểm

cây trồng của nông dân là tuổi của chủ hộ, tham gia khóa đào tạo, thu nhập trang

trại, và kinh nghiệm và quy mô trang trại. Từ những phát hiện của công việc này,

khuyến khích rằng để thúc đẩy bảo hiểm cây trồng ở Malaysia, chính phủ có thể yêu

cầu một chính sách chiến lƣợc để thuyết phục ngƣời nông dân về độ tin cậy của

chƣơng trình bảo hiểm bằng cách nâng cao nhận thức và hiểu biết về bảo hiểm cây

trồng thông qua quảng cáo và đào tạo.

Bảo hiểm m a màng dựa trên chỉ số thời tiết đang ngày càng trở nên quan

trọng nhƣ là một chiến lƣợc giảm thiểu rủi ro mà nông dân có thể sử dụng để giảm

thiểu các cú sốc khí hậu bất lợi và thiên tai gặp phải trong quá trình canh tác. Châu

Âu, Bắc Mỹ và Châu Á chiếm 20,1%, 55% và 19,5% tổng phí bảo hiểm nông

nghiệp trên toàn thế giới, thì Châu Phi chỉ chiếm 0,5%. Một trong những lý do

chính để tỷ lệ tham gia bảo hiểm chỉ số ở Châu Phi thấp là không phối hợp với các

hộ nông dân ở ý tƣởng ban đầu và thiết kế các sáng kiến thí điểm. Do đó, mục đích

chính của bài viết này là thiết kế một phƣơng pháp có sự tham gia cải tiến có thể

giúp gợi ra thông tin giá trị mà các hộ nông dân ở Tây Nam Burkina Faso đƣa ra

trong một sáng kiến quản lý bảo hiểm cây trồng dựa trên chỉ số thời tiết mới nhƣ

cây bông g n, bo bo, kê và đậu phộng. Nghiên cứu khảo sát 267 hộ nông dân trong

đó 88 hộ nông dân sẵn lòng tham gia bảo hiểm cây trồng. Phƣơng pháp định giá

ngẫu nhiên đƣợc thiết kế theo lựa chọn nhị phân và câu hỏi mở trong nghiên cứu

này. Theo kết quả khảo sát hộ nông dân sẵn lòng tham gia trung bình 7142 FCFA/

tháng (tƣơng đƣơng 329.000 VNĐ) và nằm trong khoản 6239-8045 FCFA (tƣơng

đƣơng 288.000-370.000 VNĐ). Mức chi trả cho bảo hiểm chiếm khoản 4,55% thu

nhập của hộ nông dân. Để phân tích câu hỏi nhị phân và câu hỏi mở, một quy trình

ƣớc lƣợng hai bƣớc Heckman đã đƣợc áp dụng. Trong giai đoạn đầu tiên, mô hình

probit đƣợc d ng để xác định các yếu tố tác động đến việc sẵn lòng tham gia bảo

hiểm cây trồng của các hộ nông. Với mức ý nghĩa thống kê 5%, các nhân tố tác

động tích cực đến việc sẵn lòng tham gia bảo hiểm cây trồng là kinh nghiệm, vay

vốn, trồng xen canh, thu nhập và hộ có hiểu biết về bảo hiểm. Bên cạnh đó, tuổi của

chủ hộ, số tiền tham gia bảo hiểm và hộ sử dụng kỹ thuật tƣới bổ sung là các nhân

tố tác động tiêu cực đến việc sẵn lòng tham gia bảo hiểm cây trồng. Trong giai đoạn

thứ hai, một kỹ thuật ƣớc tính OLS đƣợc dùng cho những hộ nông dân sẵn lòng

tham gia chi trả bảo hiểm cây trồng. Trình độ học vấn của chủ hộ, diện tích, thu

nhập và khả năng nhận biết biến đổi khí hậu tác động đến nông nghiệp là các nhân

tố tác động tích cực đến việc sẵn lòng tham gia bảo hiểm cây trồng. Ngoài ra giới

tính của chủ hộ tác động tiêu cực đến việc sẵn lòng tham gia bảo hiểm cây trồng.

Bảo hiểm cây trồng dựa trên chỉ số thời tiết thể hiện một chiến lƣợc quản lý

rủi ro nông nghiệp rất hứa hẹn mà nông dân có thể sử dụng để giảm thiểu các nguy

cơ bất lợi về khí hậu và thảm họa tự nhiên gặp phải trong các hoạt động nông

nghiệp. Ở nhiều nơi trên thế giới, việc thực hiện các chính sách bảo hiểm cây trồng

nhƣ vậy đã cho phép h trợ nông dân nhất quán nhằm hạn chế những thiệt hại có

thể gây ra cho năng suất cây trồng và thu nhập nhƣ nhƣ hạn hán, lũ lụt, biến đổi về

lƣợng mƣa và / hoặc nhiệt độ, khô hạn, mƣa đá và sóng nhiệt. Nó có một số lợi thế

ở ch nó giảm thiểu cả rủi ro đạo đức và lựa chọn bất lợi và nó giúp thanh toán

nhanh hơn trong thiên tai, điều đó có nghĩa là nông dân sẽ không phải bán tài sản

hoặc phụ thuộc vào viện trợ lƣơng thực khẩn cấp để sống sót. Ngoài ra, bảo hiểm

cây trồng khuyến khích đầu tƣ nhiều hơn vào đầu vào nông nghiệp dẫn đến đầu ra

và thu nhập cao hơn trên m i đơn vị đất đai, và nó giúp tăng cƣờng khả năng phục

hồi của nông dân đối với những cơn mất an ninh lƣơng thực tái diễn. Nhìn chung,

điều quan trọng là giúp các hộ thoát nghèo.

Theo Yanuarti và cộng sự (2019), bảo hiểm nông nghiệp ở Indonesia tập trung

đặc biệt vào trồng lúa và đƣợc biết đến với tên địa phƣơng là Asuransi Usahatani

Padi (AUTP). Để khuyến khích sự tham gia của nông dân, chính phủ trợ cấp cho

nông dân, chi phí bảo hiểm là 80%. Mặc dù có trợ cấp cao, AUTP vẫn không thể

đạt đƣợc mục tiêu bảo hiểm. Mục tiêu của nghiên cứu này là điều tra nông dân Mức

độ ác cảm rủi ro (RAL) của nông dân, ảnh hƣởng của nó đến quyết định tham gia

AUTP của nông dân và ảnh hƣởng của việc nông dân tham gia AUTP vào thu nhập

của họ. Các phƣơng pháp phân tích đƣợc sử dụng trong nghiên cứu này là mô hình

hồi quy logistic. Kết quả cho thấy nông dân có xu hƣớng ác cảm rủi ro cao (82,3%).

Kết quả này phù hợp với nghiên cứu của Lyu và Barré (2017) trong đó nêu rõ rằng

nông dân có ác cảm rủi ro cao và diện tích trồng lớn sẽ sẵn sàng tham gia bảo hiểm

nông nghiệp. Ngƣợc lại, nông dân có ác cảm rủi ro thấp và diện tích đất trồng trọt

nhỏ sẽ từ chối tham gia. Nói cách khác, những ngƣời nông dân không thích rủi ro sẽ

có xu hƣớng tham gia bảo hiểm. Dựa trên phân tích, có thể kết luận rằng RAL của

nông dân có ảnh hƣởng đáng kể đến quyết định mua AUTP. Các yếu tố khác đƣợc

cho là có ý nghĩa là tuổi tác, kinh nghiệm canh tác, diện tích đất trồng trọt và kinh

nghiệm mất mùa do sâu bệnh.Ngoài ra nghiên cứu còn chỉ ra rằng việc tham gia

AUTP có tác động tích cực đến thu nhập của nông dân. AUTP có thể hấp thụ rủi ro

sản xuất và khuyến khích sử dụng đầu vào cao trong canh tác.

Tại Việt Nam, tuy chƣa có nghiên cứu thực nghiệm về việc sẵn lòng tham gia

bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân nhƣng đã có vài nghiên

cứu về việc sẵn lòng tham gia bảo hiểm cây lúa của hộ nông dân. Chẳng hạn nhƣ

nghiên cứu việc sẵn lòng tham gia bảo hiểm cây lúa của 300 hộ nông dân trồng lúa

tại Cần Thơ (Phạm Lê Thông, 2013); nghiên cứu việc sẵn lòng tham gia bảo hiểm

cây lúa của 60 hộ nông dân trồng lúa huyện Tiên Du, tỉnh Bắc Ninh (Lƣơng Thị

Ngọc Hà, 2014); nghiên cứu việc sẵn lòng tham gia bảo hiểm cây lúa của 100 hộ

nông dân huyện Cần Đƣớc, tỉnh Long An (Nguyễn Duy Chinh và cộng sự, 2016).

Tỷ lệ sẵn lòng tham gia bảo hiểm cây lúa của hộ nông dân khác nhau ở m i địa

phƣơng. Các tỉnh miền Tây nhƣ tỉnh Long An và tỉnh Cần Thơ có tỷ lệ sẵn lòng

tham gia bảo hiểm cây lúa là 25% và 38%, thấp hơn rất nhiều so với miền Bắc nhƣ

tỉnh Bắc Ninh là hơn 70 . Các nghiên cứu điều sử dụng hồi quy logistic. Diện tích

và kinh nghiệm trồng lúa của chủ hộ là hai yếu tố quan trọng trong việc sẵn lòng

tham gia bảo hiểm cây lúa của nông hộ tỉnh Cần Thơ. Những hộ nông dân tỉnh

Long An có diện tích canh tác lớn, năng suất cao và có nhiều năm kinh nghiệm ít

sẵn lòng tham gia bảo hiểm. Diện tích và chính sách h trợ sản xuất là hai yếu tố

ảnh hƣởng chính đến sự việc sẵn lòng tham gia bảo hiểm cây lúa của hộ nông dân

tỉnh Bắc Ninh.

Bên cạnh những nghiên cứu về việc sẵn lòng tham gia bảo hiểm cây lúa của

hộ nông dân, tác giả đã tìm thấy nghiên cứu thực nghiệm việc sẵn lòng tham gia bảo

hiểm cây thanh long của hộ nông dân huyện Chợ Gạo, tỉnh Tiền Giang (Nguyễn

Quốc Nghi và cộng sự, 2013). Theo kết quả khảo sát, sự sẵn sàng tham gia bảo

hiểm giá thanh long của hộ nông dân là 65,15 . Trong khi đó, chỉ có khoản 19,7%

nông hộ đồng ý tham gia loại bảo hiểm năng suất. Nghiên cứu sử dụng hồi quy

probit để xác định các yếu tố tác động đến nhu cầu tham gia bảo hiểm cây thanh

long. Với mức ý nghĩa thống kê 5%, các yếu tố tác động tích cực đến nhu cầu tham

gia bảo hiểm nông nghiệp của hộ trồng thanh long là và tổng số rủi ro nông nghiệp

của nông hộ. Mức độ sẵn lòng tham gia bảo hiểm giá của nông hộ là khá cao trong

khi đối với bảo hiểm sản lƣợng thì rất hạn chế. Tổng hợp các nghiên cứu và mô

hình về việc sẵn lòng tham gia bảo hiểm cây trồng của hộ nông dân đƣợc trình bày

trong Bảng 2.4.

Bảng 2.4: Tổng hợp các nghiên cứu và mô hình về việc sẵn lòng tham gia bảo

hiể c trồng của hộ nông dân

TT Mẫu Mô hình T c giả (Nă ) Biến hụ thuộc Biến độc ậ (Tác động tiêu cực kí hiệu: -)

Nghiên cứu ngoài nƣớc

Hồi quy logistic Bruce J. Sherrick, và cộng sự (2004) Nghiên cứu khảo sát 868 hộ nông dân trồng ngô ở Illinois, Iowa và Indiana, Hoa Kỳ

Năng suất Sở hữu đất (-) Tỷ lệ nợ trên tài sản Lịch sử sản xuất thực tế

Sẵn sàng chi trả bảo hiểm mùa màng (theo năng theo suất, mƣa đá, theo doanh thu)

phê

Hồi quy probit Alexander Sarris và cộng sự (2006) Trình độ học vấn Dễ dàng tiếp cận tín dụng ngắn hạn thu Trung bình nhập từng ngƣời sàng Sẵn chi trả bảo hiểm mùa màng dựa vào lƣợng mƣa

Nghiên cứu khảo sát 957 hộ gia đình trồng cà v ng Kilimanjaro, và 892 hộ nông dân trồng cà phê, thuốc lá và hạt điều ở Ruvuma của Cộng hòa Tanzania.

3 Rủi ro hạn hán Rủi ro gió lớn Kong và cộng sự (2011) Hồi quy logistic Nghiên cứu khảo sát 896 hộ nông dân trồng trái cây Thiểm Tây và Cam Túc, Trung Quốc

l ng Sẵn gia tham bảo hiểm trồng cậy vào dựa lƣợng mƣa và gió lớn

4 sát Aidoo, R. và cộng sự (2014) Hồi quy logistic Tuổi Sở hữu đất Trình độ học vấn Tổng cộng có 120 nông dân trồng ngô và sắn đƣợc khảo từ Sunyan ở Ghana lòng Sẵn tham gia bảo hiểm cây trồng

Hồi quy probit

Gideon Danso- Abbeam và cộng sự (2014) Thu thập dữ liệu chính từ 201 nông dân trồng ca cao ở huyện Bibiani- Anhiawso-Bekwai, Ghana. lòng Sẵn tham gia bảo hiểm cây trồng trạng hôn

Diện tích Quy mô hộ (-) Trình độ học vấn Thu Nhập Sở hữu đất Tình nhân

Nghiên cứu này khảo sát 120 hộ nông dân trồng ca cao ở Nigeria. Hồi quy probit Abraham Falola và cộng sự (2014) lòng Sẵn gia tham bảo hiểm cây trồng Tuổi (-) Trình độ học vấn Tiếp cận dịch vụ khuyến nông

7 Tuổi (-) Diện tích Liesivaara và Myyra (2014) Tổng cộng có 965 hộ nông dân Phần lan trả lời hợp lệ khảo sát. lòng Sẵn tham gia bảo hiểm cây trồng

Lin và cộng sự (2015) Hồi quy probit

Nghiên cứu khảo sát 134 hộ nông dân trồng lúa, cao su, chuối, bột giấy tại Hải Nam, Trung Quốc lòng Sẵn tham gia bảo hiểm cây trồng theo chỉ số thời

Thế hệ trồng trọt Rủi ro sâu bệnh, côn trùng hại Niềm tin với công ty bảo hiểm Thái độ tích cực đối với bảo hiểm thời tiết Rủi ro lũ lụt

Arshad và cộng sự (2015) Nghiên cứu này khảo sát 240 hộ nông dân trồng trọt tại Pakistan Hồi quy logistic

Sẵn lòng gia tham bảo hiểm cây trồng (lũ lụt và bị hạn hán)

Tuổi (-) Trình độ học vấn (-) Sở hữu đất Quy mô gia đình Sở hữu đất Thu nhập Thủy lợi (-) Rủi ro lũ lụt

Hội (-) Vay vốn

Nghiên cứu này khảo sát 39 nông dân trồng ngô ở Burkina Faso Hồi quy probit Yaya Koloma (2015) lòng Sẵn tham gia bảo hiểm cây trồng

Trình độ học vấn lao lƣợng Số động trong gia đình Sở hữu đất (-) Sở hữu vật nuôi

Hồi quy logistic lòng Sẵn tham gia bảo hiểm cây trồng Nghiên cứu đƣợc thực hiện bởi 100 nông dân trồng ngô ở quận Bắc Nanumba của khu vực phía Bắc Ghana. Yakubu BalmaIssa ka và cộng sự (2016) Tiếp cận tín dụng Trình độ học vấn Tham gia các thức bảo hình hiểm khác

trạng hôn

Hồi quy probit l ng Sẵn tham gia bảo hiểm mùa màng Elvis Dartey Okoffo, và cộng sự (2016) Nghiên cứu này chọn 240 nông dân ca cao từ bốn cộng đồng ở Quận Tây Dormaa ở Vùng Brong-Ahafo, Ghana.

Tuổi Tình nhân Trình độ học vấn Diện tích (-) Quy mô hộ gia đình (-)

các 13

Nghiên cứu khảo sát 350 nông dân trồng lúa ở Kedah, Malaysia. Hồi quy logistic Rafia Afroz và cộng sự (2017)

sẵn Việc tham l ng gia bảo hiểm mùa màng (chỉ số lũ lụt) Tuổi (-) Diện tích Tham gia khóa huấn luyện Thu nhập (-) Kinh nghiệm

tƣới

Hồi qui probit William M. Fonta (2018)

Nghiên cứu khảo sát 267 hộ nông dân trồng bông gòn, bo bo, kê và đậu phộng ở Tây Nam Burkina Faso. sẵn Việc tham l ng gia bảo hiểm mùa màng (chỉ số thời tiết)

Tuổi (-) Sử dụng nƣớc bổ sung (-) Phí bảo hiểm (-) Vay vốn Kinh nghiệm Hộ có hiểu biết

về bảo hiểm Thu nhập Xen canh

Yanuarti và cộng sự (2019) Nghiên cứu này khảo sát 130 hộ nông dân trồng lúa tại Indonesia Hồi quy logistic

sẵn Việc tham l ng gia bảo hiểm mùa màng Tuổi Kinh nghiệm Diện tích Rủi ro sâu bệnh Ác cảm với rủi ro

Nghiên cứu trong nƣớc

Hồi qui probit Nguyễn Quốc Nghi và cộng sự (2013) Tổng cộng có 132 hộ nông dân trồng thanh long ở Chợ Gạo, Tiền Giang đƣợc khảo sát.

Trình độ học vấn Tham gia hội, đoàn thể Tổng số rủi ro Chi phí đầu tƣ Diện tích lòng Sẵn tham gia bảo hiểm cây trồng (theo năng suất, theo giá)

17 Diện tích Kinh nghiệm (-) lòng Sẵn tham gia bảo hiểm cây trồng Phạm Lê Thông (2013) Nghiên cứu khảo sát 300 hộ nông dân trồng lúa tại Cần Thơ Hồi quy logistic

trồng 18 sách Lƣơng Thị Ngọc Hà (2014) Hồi quy logistic Diện tích Chính khuyến nông Nghiên cứu 60 nông dân lúa đƣợc khảo sát tại Tiên Du, Bắc Ninh lòng Sẵn tham gia bảo hiểm cây trồng

Hồi quy logistic Diện tích (-) Kinh nghiệm (-) Thu nhập đa dạng Nguyễn Duy Chinh và cộng sự (2016) Nghiên cứu này chọn 100 hộ nông dân trồng lúa tại Cần Đƣớc, Long An lòng Sẵn tham gia bảo hiểm cây trồng

Ngu n: Tác gi t ng hợp

2.8. Khoảng trống của các nghiên cứu trước iên quan đến đề tài luận án

Theo Nguyễn Đình Thọ (2011), vấn đề nghiên cứu có thể dựa trên các vào lý

thuyết, dựa vào thực tiễn hoặc dựa vào phƣơng pháp và lý thuyết. Vì vậy, khi tác

giả thực hiện tổng quan lý thuyết và phân tích các nghiên cứu thực nghiệm về bảo

hiểm nông nghiệp (chƣa phát hiện bảo hiểm cây cà phê của hộ nông dân).

Các nghiên cứu trƣớc có các hạn chế nhƣ :

Phƣơng pháp BMA theo hồi quy logistic và phƣơng pháp BMA theo hồi quy

probit c ng với kỹ thuật tách dữ liệu cũng chƣa đƣợc các nhà nghiên cứu sử dụng

để lựa chọn mô hình phù hợp nhất với dữ liệu trong phân tích việc sẵn lòng tham

gia bảo hiểm cây nông nghiệp. Đặc biệt cây cà phê theo chỉ số năng suất của hộ

nông dân tỉnh Đắk Lắk.

Hồi quy mô hình có biến phụ thuộc nhị phân theo trƣờng phái thống kê

Bayesian chƣa đƣợc sử dụng nghiên cứu về phân tích mô hình việc sẵn lòng tham

gia bảo hiểm nông nghiệp (cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh

Đắk Lắk).

Về m t th c nghiệm

Những nghiên cứu trƣớc chƣa đề cập đến hoặc chƣa làm rõ một số yếu tố tác

động đến việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ

nông dân tỉnh Đắk Lắk. Cụ thể là: yếu tố dân tộc của chủ hộ, yếu tố thƣơng hiệu cà

phê, yếu tố tiêu chuẩn, yếu tố thị trƣờng, yếu tố rủi ro thời tiết (hạn hán, mƣa thất

thƣờng, lũ lụt, bão), yếu tố rủi ro sinh học (sâu bệnh, côn trùng, ô nhiễm nguồn

nƣớc, đất), rủi ro kinh tế (cà phê mất giá, nguyên vật liệu đầu vào tăng, bị huỷ hợp

đồng), rủi ro lao động (chết, bệnh, bị thƣơng). Từ các yếu tố đƣợc chỉ ra nhƣ trên,

tác giả hy vọng chúng có thể có tác động đến việc sẵn lòng tham gia bảo hiểm cây

cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk. Ngoài ra, các nghiên

cứu trƣớc cũng chƣa xây dựng toán đồ trực tuyến của mô hình nghiên cứu hộ nông

dân sẵn l ng tham gia bảo hiểm cây trồng.

Nếu các vấn đề hạn chế về mặt lý thuyết và thực nghiệm nêu ra nhƣ trên đƣợc

xem xét và phân tích cụ thể thì kết quả đó có thể cung cấp nhiều thông tin hơn, giúp

hộ nông dân trồng cà phê tỉnh Đắk Lắk có nhiều giải pháp lựa chọn về việc sẵn l ng

tham gia bảo hiểm cây cà phê, nhằm hạn chế tối đa rủi ro trong quá trình sản xuất.

Hơn nữa, về phía ngân hàng và đơn vị bảo hiểm có cơ sở đƣa ra các giải pháp cụ thể

hơn để h trợ cho hộ nông dân trong việc vay vốn, tham gia bảo hiểm trong sản

xuất cà phê nhằm tăng thu nhập, ổn định đời sống và thúc đẩy phát triển kinh tế-xã

hội.

Vì vậy, tác giả xác định vấn đề nghiên cứu cho luận án: “Nghiên cứu ứng

dụng thống kê Bayes phân tích việc sẵn lòng tham gia bảo hiểm cây cà phê theo

chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk”.

2.9. Kết luận chư ng 2

Trong chƣơng 2, tác giả trình bày các lý thuyết về hành vi sẵn lòng, lý thuyết

rủi ro, lý thuyết về thống kê Bayes, lý thuyết về bảo hiểm. Bên cạnh đó, tác giả đã

tổng quan các nghiên cứu trong nƣớc và quốc tế sử dụng phƣơng pháp BMA; tổng

quan các nghiên cứu thực nghiệm có liên quan đến việc sẵn l ng tham gia bảo hiểm

mùa màng theo chỉ số năng suất. Từ các lý thuyết và tổng quan nghiên cứu, tác giả

đã chỉ ra đƣợc khoảng trống của các nghiên cứu trƣớc về mặt lý thuyết cũng nhƣ

thực nghiệm.

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

Trong chƣơng 3, tác giả sẽ trình bày phƣơng pháp nghiên cứu để tìm đƣợc

mô hình phù hợp nhất từ dữ liệu thu thập đƣợc và kiểm định mô hình đó. Nội dung

chƣơng 3 bao gồm các phần chính nhƣ sau: mục 3.1 khu vực nghiên cứu; mục 3.2

khung phân tích; mục 3.3 nghiên cứu định tính; và mục 3.4 nghiên cứu định lƣợng

và mục 3.5 kết luận chƣơng.

3.1. Khu v c nghiên cứu

Tỉnh Đắk Lắk nằm trong khu vực Tây Nguyên, diện tích tự nhiên 1.308.500

ha, chiếm 3,9% diện tích tự nhiên cả nƣớc Việt Nam. Trong đó, diện tích đất đỏ

bazan rất lớn chiếm gần 33 diện tích tự nhiên (hơn 311 ngàn ha). Đây là một lợi

thế rất quan trọng về điều kiện phát triển nông nghiệp của tỉnh Đắk Lắk nhƣ việc

phát triển cây công nghiệp cà phê, cao su, điều, hồ tiêu và cây ăn quả.

Hình 3.1: Bản đồ tỉnh Đắk Lắk

Ngu n: Cục thống kê tỉ Đắk Lắk

3.2. Khung phân tích

Trên cơ sở tổng hợp cơ sở lý thuyết và thực nghiệm về việc sẵn lòng tham gia

bảo hiểm cây trồng trong và ngoài nƣớc, kết hợp sử dụng các phƣơng pháp thống kê

cùng với phƣơng pháp nghiên cứu định tính và nghiên cứu định lƣợng. Tác giả xây

dựng khung phân tích về việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số

năng suất của hộ nông dân tỉnh Đắk Lắk. Khung phân tích của luận án đƣợc thể

hiện theo Sơ đồ 3.1:

S đồ 3.1: Khung phân tích việc sẵn lòng tham gia bảo hiểm cây cà phê theo

chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk

Các nghiên cứu thực nghiệm về việc sẵn lòng tham gia bảo hiểm cây trồng tại nƣớc ngoài và Việt Nam Lý thuyết thống kê Bayes Lý thuyết hành vi sẵn lòng Lý thuyết bảo hiểm nông nghiệp

Thảo luận tay đôi Thảo luận nhóm Hội thảo khoa học Đắk Lắk

NHÓM YẾU TỐ NHÂN KHẨU Đặc điểm chủ hộ Chuyên môn kỹ thuật

NHÓM YẾU TỐ RỦI RO Rủi ro thời tiết Rủi ro sinh học Rủi ro kinh tế 0 Rủi ro lao động

Phỏng vấn trực tiếp 500 chủ hộ trồng cây cà phê tại Đắk Lắk VIỆC SẴN LÒNG THAM GIA BẢO HIỂM CÂY CÀ PHÊ THEO CHỈ SỐ NĂNG SUẤT CỦA HỘ NÔNG DÂN TỈNH ĐẮK LẮK NHÓM YẾU TỐ KINH TẾ Tình hình tài chính Thƣơng hiệu Thị trƣờng

Phƣơng pháp mô hình trung bình Bayesian (BMA) theo hồi quy logistic và theo hồi quy probit

Dữ liệu ban đầu thu thập sẽ đƣợc chi thành 2 phần gồm dữ liệu huấn luyện liệu (Training) và dữ kiểm tra (Testing)

Kiểm định độ tin cậy của tham số thu đƣợc từ mô hình (AIC, BIC, xác suất hậu định, bootstrap, ma trận nhầm lẫn, AUC)

Mô hình hộ nông dân sẵn l ng tham gia bảo hiểm cây cà phê theo chỉ số năng suất phù hợp nhất với dữ iệu Toán đồ bằng hình thức trực tuyến (online) Hồi quy mô hình phƣơng bằng pháp thống kê Bayes

Thảo luận kết quả và Giải pháp

Ngu n: Tác gi xây dựng

3.3. Nghiên cứu định tính

Phƣơng pháp nghiên cứu định tính đƣợc sử dụng trên nhiều lĩnh vực học thuật,

đặc biệt tập trung vào các yếu tố con ngƣời của khoa học xã hội và tự nhiên. Nghiên

cứu định tính nhằm mục đích thu thập một sự hiểu biết sâu sắc về hành vi con ngƣời

và lí do ảnh hƣởng đến hành vi này (Denzin và cộng sự, 2005; Given và cộng sự,

2008; Babbie, 2014).

Thảo luận nhóm và phỏng vấn chuyên sâu là phƣơng pháp tốt nhất giúp nhà

nghiên cứu thu hồi các thông tin cụ thể của một chủ đề trong bối cảnh xã hội

(Krueger, 1994; Morgan, 1997; Silverman, 2001). Bên cạnh đó, theo Creswell

(2008), một trong những phƣơng pháp định tính đƣợc d ng thƣờng xuyên nhất là

phƣơng pháp chuyên gia. Nghiên cứu định tính thông qua hội thảo, thảo luận nhóm,

thảo luận tay đôi (phỏng vấn) nhằm điều chỉnh và xác định các yếu cần nghiên cứu

liên quan đến đề tài. Do đó, tác giả thực hiện nghiên cứu định tính lần 1 với hình

thức trao đổi tay đôi, thảo luận nhóm và nghiên cứu định tính lần 2 bằng hình thức

hội thảo với các chuyên gia và các hộ nông dân sản xuất cà phê để hoàn chỉnh các

yếu tố cần nghiên cứu.

Trong nghiên cứu này, chuyên gia là ngƣời có năng lực rộng và sâu về kiến

thức, kỹ năng và kinh nghiệm thông qua thực hành trong lĩnh vực về bảo hiểm,

ngân hàng, cây cà phê (Creswell, 2006).

Qui trình nghiên cứu định tính đƣợc thực hiện gồm 3 bƣớc là nghiên cứu lần

1, nghiên cứu lần 2 và thu thập dữ liệu.

Bước 1: Nghiên cứu lần 1

Nghiên cứu định tính đƣợc thực hiện thông qua phƣơng pháp thảo luận tay

đôi, thảo luận nhóm với các chuyên gia trong ngành cà phê, ngành tài chính, ngành

bảo hiểm cũng nhƣ các hộ nông dân trồng cà phê. Kết quả nghiên cứu định tính

giúp tác giả tiến hành điều chỉnh lại các yếu tố trong mô hình nghiên cứu phù hợp

với điều kiện Việt Nam.

Phư ng h hỏng vấn

Phƣơng pháp phỏng vấn đƣợc tác giả thực hiện bằng phƣơng pháp thảo luận

tay đôi, thảo luận nhóm cùng với các chuyên gia, nhà nghiên cứu, hộ nông dân

trồng cà phê.

- Mục đích của bƣớc này là giải thích rõ các khái niệm nghiên cứu (khái niệm

việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân

tỉnh Đắk Lắk và yếu tố tác động lên nó) từ góc độ quan điểm của ngƣời đƣợc khảo

sát.

- Đối tƣợng phỏng vấn bao gồm các chuyên gia về bảo hiểm, chuyên gia về

ngân hàng, chuyên gia về ngành cây cà phê và các hộ nông dân trồng cà phê tại tỉnh

Đắk Lắk (Phụ lục 2).

- Phƣơng pháp tổ chức phỏng vấn là gặp mặt trực tiếp tại phòng làm việc của

chuyên gia tại thành phố Hồ Chí Minh, tỉnh Đắk Lắk; trao đổi qua điện thoại, trao

đổi qua email với các chuyên gia ở thành phố Hà Nội. Nội dung các cuộc phỏng vấn

là sự trao đổi giữa tác giả và các chuyên gia về chủ đề bảo hiểm nông nghiệp và

chƣơng trình thí điểm bảo hiểm nông nghiệp Việt Nam 2011-2013 và định hƣớng

phát triển bảo hiểm cây cà phê. Tác giả thực hiện phỏng vấn theo đúng hƣớng đề ra

nhằm đạt đƣợc các mục tiêu. Các câu hỏi đƣa ra là những câu hỏi mở để các chuyên

gia trả lời vấn đề theo ý nghĩ của họ.

- Thông tin thu thập đƣợc từ các cuộc phỏng vấn cùng các chuyên gia (các bản

ghi chép trong sổ tay, các thƣ điện tử) đƣợc tổng hợp nhằm xác định các yếu tố liên

quan đến việc sẵn l ng tham gia bảo hiểm m a màng cây cà phê của hộ nông dân

sản xuất cà phê tỉnh Đắk Lắk.

Kết quả hư ng h hỏng vấn

Các yếu tố đƣợc chọn lọc để nghiên cứu và trình bày bên dƣới là kết quả của

việc kết hợp thu thập thông tin từ phƣơng pháp phỏng vấn chuyên gia và tổng quan

các công trình nghiên cứu trƣớc trong chƣơng 2. Các yếu tố này đƣợc tác giả kỳ

vọng sẽ có ích trong phân tích việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ

số năng suất của hộ nông dân tỉnh Đắk Lắk.

Bước 2: Nghiên cứu lần 2

Nghiên cứu lần 2 đƣợc thực hiện bằng hình thức Hội thảo khoa học gồm (16)

chuyên gia, nhà khoa học. Kết hợp phỏng vấn sâu các chuyên gia bảo hiểm, tài

chính, nghiên cứu viên và các hộ nông dân có nhiều năm kinh nghiệm về cây cà

phê, nhằm thu thập đƣợc nhiều thồng tin để làm rõ, bổ sung các yếu tố dự kiến đƣa

vào mô hình nghiên cứu.

Phư ng h hội thảo

Phƣơng pháp hội thảo của đƣợc tác giả thực hiện bằng việc tổ chức Hội thảo

khoa học với các nội dung sau (Phụ lục 3):

- Tên Hội thảo: ếu tố ế vi c sẵn lòng tham gia b o

hi m cây cà phê theo chỉ số ă ất của h nông dân tỉ Đắk Lắk”

- Địa điểm tổ chức: Hội trƣờng khách sạn Cao Nguyên, số 65 đƣờng Phan Chu

Trinh, phƣờng Thắng Lợi, Thành phố Buôn Ma Thuột, tỉnh Đắk Lắk.

- Thời gian tổ chức: thứ Sáu, ngày 31 tháng 08 năm 2018.

- Mục đích thảo luận nhóm c ng các đối tƣợng khảo sát nhằm: xác định các

yếu tố chính tác động đến việc việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ

số năng suất của hộ nông dân tỉnh Đắk Lắk; xác định các yếu tố chính tác động đến

việc vay vốn ngân hàng của hộ nông dân sản xuất cà phê tỉnh Đắk Lắk; xác định các

yếu tố chính tác động đến năng suất cà phê tỉnh Đắk Lắk.

- Đối tƣợng tham dự hội thảo: bao gồm các nhà khoa học, các chuyên gia của

Hiệp hội cà phê và ca cao cà phê, chuyên gia về cà phê, chuyên gia bảo hiểm, cán

bộ ngân hàng, cán bộ Sở nông nghiệp và phát triển nông thôn và các hộ nông dân

trồng cà phê tại tỉnh Đắk Lắk (Phụ lục 3).

- Phƣơng pháp thực hiện: trƣờng Đại học Kinh tế thành phố Hồ Chí Minh gửi

thƣ mời đến các đƣơng sự sẽ tham gia buổi hội thảo với nội dung cụ thể (theo Phụ

lục 3) và tổ chức hội thảo tại tỉnh Đắk Lắk.

Kết quả của hư ng h hội thảo

Thông tin từ hội thảo đƣợc ghi chép lại theo đúng nguyên văn những gì đã

thảo luận. Thông tin thu thập đƣợc tổng hợp lại để rút ra những kết luận đã đƣợc

thảo luận nhằm xác định lại các yếu tố có thể có tác động đến việc sẵn lòng tham

gia bảo hiểm cây cà phê theo chỉ số năng suất. Từ đó tác giả thực hiện các bƣớc tiếp

theo và cuối cùng sử dụng phƣơng pháp BMA để chọn lựa mô hình nghiên cứu cho

đề tài.

Bước 3: Thu thập dữ liệu

Căn cứ vào thông tin tại buổi hội thảo, tác giả hoàn thiện mẫu bảng thu thập

dữ liệu và chuyển cho Cục Thống kê tỉnh Đắk Lắk xem xét và thống nhất sử dụng

mẫu này để thu thập thông tin. Tỉnh Đắk Lắk của Việt Nam đƣợc lựa chọn có chủ

đích do ƣu thế sản xuất cà phê trong khu vực. Năm 2018, dữ liệu đƣợc Cục Thống

kê tỉnh Đắk Lắk thu thập từ nông dân với việc sử dụng bảng thu thập thông tin. Cục

Thống kê ĐăkLăk thực hiện thu thập thông tin từ các hộ nông dân tại các huyện

thuộc tỉnh ĐăkLăk gồm các đơn vị: Thành phố Buôn Ma Thuột, huyện Ea H'leo,

huyện Krông Búk, huyện Cƣ Mgar, huyện Krông Pắk, huyện Cƣ Kuin, huyện

Krông Năng, thị xã Buôn Hồ thuộc tỉnh Đắk Lắk là 8 huyện có diện tích lớn nhất về

trồng cà phê. Từ m i huyện chọn ra 2 xã có diện tích trồng cà phê nhiều nhất và sau

đó 30 hộ nông dân trồng cà phê đƣợc chọn theo khoảng cách k với tổng số hộ có

trồng cà phê trong (Phụ lục 5). Tổng cộng phiếu phát ra 500 và thu về 480 phiếu

hợp lệ.

Bảng 3.1. Tiến độ th c hiện

Bƣớc Hình thức Thời gian Địa điểm

Từ tháng 01/2018 TP.HCM, Thảo luận tay đôi, 1 Nghiên cứu lần 1

thảo luận nhóm đến 05/2018 Tỉnh Đắk Lắk

Tổ chức Hội thảo 2 Nghiên cứu lần 2 Ngày 30/8/2018 Tỉnh Đắk Lắk khoa học

Hoàn thiện bảng thu 3 Thu thập dữ liệu Tháng 12/2018 Tỉnh Đắk Lắk thập dữ liệu

Ngu n: Tác gi xây dựng

3.4. Nghiên cứu định ượng

Trong khoa học xã hội, nghiên cứu định lƣợng là nghiên cứu thực nghiệm có

hệ thống các hiện tƣợng quan sát đƣợc thông qua các kỹ thuật thống kê, toán học.

Mục tiêu của nghiên cứu định lƣợng là phát triển và sử dụng các mô hình toán học,

lý thuyết và giả thuyết liên quan đến các hiện tƣợng. Quá trình đo lƣờng là trung

tâm của nghiên cứu định lƣợng vì nó cung cấp kết nối cơ bản giữa quan sát thực

nghiệm và biểu hiện toán học của các mối quan hệ định lƣợng (Given, 2008).

3.4.1. Dữ liệu

+ Nguồn dữ liệu đƣợc thu thập từ UBND tỉnh Đắk Lắk, Sở Nông nghiệp và

Phát triển Nông thôn tỉnh Đắk Lắk, Cục Thống kê tỉnh Đắk Lắk, số liệu của Tổng

cục Thống kê, Bộ Nông nghiệp và Phát triển Nông thôn, Bộ Kế hoạch và Đầu tƣ,

Bộ Công thƣơng các báo điện tử, số liệu của các công trình khoa học nghiên cứu

cây cà phê, báo cáo của Hiệp hội Cà phê - Ca cao Việt Nam và một số nguồn khác.

Nguồn dữ liệu này tác giả sử dụng để phân tích thực trạng về bảo hiểm cây cà phê

trong thời gian qua tại tỉnh ĐăkLăk.

+ Nguồn dữ liệu để phân tích trong luận án gồm một mẫu có 480 quan sát. Dữ

liệu đƣợc Cục Thống kê tỉnh Đắk Lắk thu thập.

Tác giả sử dụng phƣơng pháp Thống kê mô tả đƣợc sử dụng để đánh giá, phân

tích thực trạng sản xuất, thu hoạch cà phê, chế biến và tiêu thụ cà phê ở các nông hộ

cà phê tại Đắk Lắk cũng nhƣ mô tả đặc điểm chung của hộ sản xuất cà phê tại Đắk

Lắk.

3.4.2. Các yếu tố d kiến đưa v ô hình

3.4.2.1. Yếu tố phụ thuộc

+ Yếu tố Sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của

hộ nông dân tỉnh Đắk Lắk

Việc sẵn l ng tham gia bảo hiểm cây trồng đã đƣợc nghiên cứu bởi Bruce J.

Sherrick (2004), Alexander Sarris và cộng sự (2006), Kong và cộng sự (2011),

Liesivaara và Myyrä (2014), Abraham Falola (2014), Gideon Danso-Abbeam

(2014), Aidoo R. và cộng sự (2014), Lin và cộng sự (2015), Arshad và cộng sự

(2015), Yakubu BalmaIssaka và cộng sự (2016), Elvis Dartey Okoffo và cộng sự

(2016), Rafia Afroz và cộng sự (2017), William M. Fonta và cộng sự (2018),

Yanuarti và cộng sự (2019), Phạm Lê Thông (2013), Nguyễn Quốc Nghi và cộng sự

(2013), Lƣơng Thị Ngọc Hà (2014), Nguyễn Duy Chinh (2016). Đặc biệt, bảo hiểm

cây trồng rất quan trọng để đảm bảo các khoản vay vốn. Các ngân hàng coi chính

sách bảo hiểm cây trồng là tài sản thế chấp trong việc tạo ra một khoản vay có nhiều

rủi ro đối với những hộ nông dân cần huy động vốn (Ray.P.K, 2001). Vì vậy, trong

nghiên cứu này tác giả sẽ đƣa yếu tố sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ

số năng suất của hộ nông dân tỉnh Đắk Lắk xem nhƣ biến phụ thuộc trong mô hình

nghiên cứu.

3.4.2.2. Yếu tố độc lập

+ Yếu tố Tuổi chủ hộ

Tuổi của chủ hộ đƣợc xem là một yếu tố quan trọng có tác động đến việc sẵn

lòng tham gia bảo hiểm cây trồng (Aidoo, R. và cộng sự, 2014; Liesivaara

và Myyrä, 2014; Abraham Falola và cộng sự, 2014; Arshad và cộng sự, 2015; Elvis

Dartey Okoffo và cộng sự, 2016; Rafia Afroz và cộng sự, 2017; William M. Fonta

và cộng sự, 2018; Yanuarti và cộng sự, 2019).

+ Yếu tố Giới tính chủ hộ

Nghiên cứu của W Guo (2016) đã phát hiện ra rằng sự khác biệt về giới tính

có tác động đến việc sẵn sàng tham gia bảo hiểm mùa màng. Bên cạnh đó,

Benjamin Tetteh Anang (2015) và Nguyễn Thị Hải Yến (2016) cho thấy sự khác

biệt về giới tính liên quan đến việc tiếp cận các nguồn tài nguyên. Do đó giới tính

đƣợc cho là có tác động đến việc tiếp cận nguồn vốn vay của ngân hàng cũng nhƣ

quy mô cho vay.

+ Yếu tố Dân tộc của chủ hộ

Tỉnh Đắk Lắk là một trong những tỉnh có sự đa dạng dân tộc trong cả nƣớc với

47 dân tộc khác nhau (Tổng cục thống kê, 2009). Đây là một trong những đặc điểm

xã hội riêng tỉnh Đắk Lắk. Vì vậy, theo nghiên cứu định tính yếu tố dân tộc có thể

xem là có khả năng tác động đến việc sẵn lòng tham gia bảo hiểm cà phê theo chỉ số

năng suất của hộ nông dân tỉnh Đắk Lắk. Tác giả xem đây là yếu tố mới và đƣa vào

mô hình nghiên cứu.

+ Yếu tố Trình độ học vấn chủ hộ

Giáo dục cho thấy nông dân dễ dàng hiểu biết các khái niệm về bảo hiểm và

lợi ích liên quan đến chúng. Các nhà nghiên cứu khảo sát thấy rằng ngƣời nông dân

có trình độ càng cao thì càng sẵn sàng tham gia bảo hiểm. Kết quả các nghiên cứu

trƣớc cho thấy trình độ học vấn của ngƣời nông dân có mối quan hệ đến sự sẵn sàng

tham gia bảo hiểm mùa màng của ngƣời nông dân (Alexander Sarris và cộng sự,

2006; Aidoo, R. và cộng sự, 2014; Danso-Abbeam và cộng sự, 2014; Gideon

Danso-Abbeam và cộng sự, 2014; Abraham Falola và cộng sự 2014; Arshad và

cộng sự, 2015; Yakubu BalmaIssaka và cộng sự, 2016; Elvis Dartey Okoffo và

cộng sự, 2016; Nguyễn Quốc Nghi và cộng sự, 2013). Theo Nunung Nuryartono

(2005) và Trần Kết Ái (2013), trình độ học vấn làm tăng kiến thức về các cơ hội sẵn

có bao gồm các nguồn tài trợ và có thể tác động đến việc tham gia vào các dự án

nông nghiệp cũng nhƣ các lựa chọn mà cá nhân đƣa ra trong nghiên cứu. Theo

Nguyễn Thị Hải Yến (2016) trình độ dân trí ở vùng sâu, vùng xa còn thấp, đội ngũ

cán bộ quản lý, cán bộ có chuyên môn còn thiếu. Đây là rào cản lớn trong việc tiếp

cận với tiến bộ khoa học kỹ thuật mới dẫn tới năng suất kém.

+ Yếu tố Kinh nghiệm sản xuất cà phê của chủ hộ

Theo Lin và cộng sự (2015); Rafia Afroz và cộng sự (2017); William M.

Fonta và cộng sự (2018); Yanuarti và cộng sự (2019); Nguyễn Duy Chinh và cộng

sự (2016), khi hộ nông dân làm nông nghiệp lâu năm, họ tích lũy kinh nghiệm trong

các hoạt động nông nghiệp. Điều này có thể giúp họ ph ng ngừa hoặc giảm thiệt hại

rủi ro bằng cách tham gia bảo hiểm cây trồng và có thể giúp các hộ nâng cao năng

suất mùa màng của họ.

+ Yếu tố chủ hộ tham gia Hội nông dân

Yếu tố chủ hộ tham gia Hội nông dân tác động tích cực đến sự sẵn sàng tham

gia bảo hiểm của nông dân (Gideon Danso-Abbeam và cộng sự 2014; Arshad và

cộng sự, 2015; Elvis Dartey Okoffo và cộng sự, 2016; Rafia Afroz và cộng sự,

2017). Cụ thể, hội nông dân cung cấp thông tin, kinh nghiệm cho nông dân trồng

trọt và giải thích tầm quan trọng của chính sách bảo hiểm nông nghiệp cho hội viên.

Hơn nữa, theo Nunung Nuryartono (2005) và Benjamin Tetteh Anang (2015) thành

viên của hội có nhiều khả năng tiếp cận tín dụng hơn. Điều này có thể là do thực tế

là thành viên của các tổ chức nhƣ vậy có thể tăng liên kết, dòng thông tin và sự tin

tƣởng giữa các công ty thành viên và với những ngƣời khác. Ngoài ra, việc thúc đẩy

xây dựng các nhóm, các hiệp hội nông dân sản xuất cà phê, nhằm tăng năng lực cho

hộ nông dân sản xuất cà phê (Joachim Nyemeck Binam và cộng sự, 2003).

+ Yếu tố Quy mô hộ gia đình

Theo Tổng cục Thống kê (2019), quy mô hộ gia đình là tổng số ngƣời ở trong

cùng một gia đình. Nghiên cứu của Gideon Danso-Abbeam và cộng sự (2014),

Arshad và cộng sự (2015), Elvis Dartey Okoffo và cộng sự (2016), quy mô hộ gia

đình tác động đến việc áp dụng chƣơng trình bảo hiểm cây trồng. Hơn nữa, theo

Benjamin Tetteh Anang và cộng sự (2015), quy mô hộ gia đình là một đặc điểm

quan trọng của hộ gia đình tác động đến nhiều đến quyết định của hộ gia đình.

Ngoài ra, theo Từ Thái Giang (2012) và Nguyễn Văn Hóa (2014), vào mùa thu

hoạch cây cà phê các hộ nông dân đều thuê thêm ngƣời thu hoạch do thiếu lao động.

+ Yếu tố Diện tích trồng cà phê

Theo Gideon Danso-Abbeam và cộng sự (2014); Liesivaara và Myyrä (2014);

Elvis Dartey Okoffo và cộng sự (2016); Rafia Afroz và cộng sự (2017); Yanuarti và

cộng sự (2019); Nguyễn Quốc Nghi và cộng sự (2013); Nguyễn Duy Chinh và cộng

sự (2016) diện tích mùa màng có tác động đến việc việc sẵn l ng tham gia bảo bảo

hiểm cây trồng. Hơn nữa, diện tích cũng đóng vai tr quan trọng trong canh tác và

đƣợc coi là một yếu tố quan trọng trong việc xác định khả năng vay vốn và quy mô

của khoản vay (Olagunju FI và cộng sự, 2010). Theo Nguyễn Văn Hóa (2014) và

Nguyễn Thị Hải Yến (2016) diện tích cà phê trong những năm qua thay đổi liên tục,

có xu hƣớng ngày càng tăng, chủ yếu là do ngƣời dân trồng tự phát, thấy giá tăng

thì trồng thêm mà không theo quy hoạch của tỉnh Đắk Lắk về thổ nhƣỡng, điều kiện

tự nhiên và dự báo xu hƣớng phát triển, do đó diện tích có khả năng tác động xấu

đến năng suất cà phê.

+ Yếu tố Tuổi cây cà phê

Cây cà phê có tuổi thọ lên đến 50 năm. Năm thứ 8 đến năm thứ 15 là giai

đoạn cây sung sức nhất, năng suất đạt đến đỉnh điểm, sau đó giảm dần. Tuy nhiên

ngƣời ta chỉ thu hoạch đến 25-30 năm. Vì sau giai đoạn này cây trở nên già c i và

năng suất cực kém (Nguyễn Ngọc Thắng và cộng sự, 2017). Do đó tác giả dự kiến

đƣa yếu tố tuổi cây cà phê vào mô hình nghiên cứu.

+ Yếu tố Năng suất cây cà phê

Năng suất của cây trồng phụ thuộc vào các yếu tố khác nhau nhƣ điều kiện tự

nhiên (chất lƣợng đất, thời tiết và cung cấp nƣớc), giống, mức độ thâm canh, đặc

điểm của nông dân (nhƣ kinh nghiệm, quy mô trang trại, giáo dục) (Từ Thái Giang,

2012; Nguyễn Văn Hóa, 2014; Nguyễn Thị Hải Yến, 2016; Almeida Silva và cộng

sự, 2019). Năng suất cây trồng của trang trại tác động đến thu nhập nông dân. Đặt

biệt, khi năng suất giảm thì thu nhập của nông dân giảm cũng nhƣ khả năng trả nợ

vốn vay của ngân hàng giảm (Benjamin Tetteh Anang và cộng sự, 2015). Bên cạnh

đó, nghiên cứu của Bruce J. Sherrick (2004) và Nguyễn Duy Chinh (2016) còn cho

thấy năng suất có tác động đến việc sẵn l ng tham gia bảo hiểm mùa màng.

+ Yếu tố Thu nhập của hộ trồng cà phê

Thu nhập từ trang trại có tác động quan trọng đến việc sẵn lòng tham gia bảo

hiểm cây trồng của nông dân (Alexander Sarris và cộng sự, 2006; Gideon Danso-

Abbeam và cộng sự, 2014; Arshad và cộng sự, 2015; Rafia Afroz và cộng sự ,

2017; William M. Fonta và cộng sự, 2018). Đồng thời, thu nhập hộ nông dân cũng

đóng một vai trò quan trọng trong việc ra quyết định có nên tìm kiếm khoản vay để

tái đầu tƣ sản xuất cà phê. (Nunung Nuryartono, 2005; Benjamin Tetteh Anang và

cộng sự, 2015)

+ Yếu tố Sở hữu đất trồng của chủ hộ

Theo Bruce J. Sherrick và cộng sự (2004); Aidoo, R. và cộng sự (2014);

Gideon Danso-Abbeam và cộng sự (2014); Arshad và cộng sự (2015) khả năng

tham gia bảo hiểm cây trồng đƣợc tìm thấy là cao hơn đối với các trang trại thuộc

sở hữu của hộ nông dân. Theo Olagunju FI và cộng sự (2010), Trần Kết Ái và cộng

sự (2013), Nguyễn Thị Hải Yến (2016) khả năng vay vốn đƣợc tìm thấy là cao hơn

đối với các trang trại thuộc sở hữu của hộ nông dân.

+ Yếu tố Chủ hộ vay vốn ngân hàng

Những nghiên cứu của Arshad và cộng sự (2015); Alexander Sarris và cộng sự

(2006); Yakubu BalmaIssaka và cộng sự (2016) và William M. Fonta và cộng sự

(2018) điều tìm thấy mối quan hệ có ý nghĩa thống kê giữa khả năng tiếp cận tín

dụng và sẵn l ng tham gia bảo hiểm. Theo nghiên cứu của Olagunju FI và cộng sự

(2010); Trần Kết Ái và cộng sự (2013); Benjamin Tetteh Anang và cộng sự (2015);

và Nguyễn Thị Hải Yến (2016) thì việc tiếp cận tín dụng nhằm tăng cƣờng các hoạt

động trang trại cũng tăng năng suất cây trồng của những hộ nông dân thiếu vốn sản

xuất hoặc những hộ muốn mở rộng sản xuất. Mặt khác, theo Alexander Sarris và

cộng sự (2006); Yakubu BalmaIssaka và cộng sự (2016) và William M. Fonta và

cộng sự (2018), việc không đƣợc tiếp cận tín dụng để tăng cƣờng các hoạt động sản

xuất cũng hạn chế tăng năng suất nông nghiệp. Do đó, tiếp cận tín dụng có thể giúp

họ duy trì sản xuất cà phê.

+ Yếu tố Tiêu chuẩn

Thực tế cho thấy, cà phê đƣợc sản xuất theo tiêu chuẩn 4C, UTZ đã mang lại

năng suất cao dẫn đến việc tăng thu nhập cho hộ nông dân so với việc cà phê đƣợc

sản xuất theo kiểu truyền thống. Đặc biệt là bảo vệ sức khỏe cộng đồng, bảo vệ môi

trƣờng (Cẩm Lai, 2020).

+ Yếu tố Thị trường

Hiện nay, tại Việt Nam các nông hộ thƣờng có quy mô nhỏ lẻ nên việc thu

gom cà phê rất phức tạp và phụ thuộc chính vào các tiểu thƣơng (Jackie Nguyễn,

2019). Do đó, nhu cầu tiếp cận thị trƣờng bằng các kênh khác nhau đối với nông

dân trồng cà phê là rất quan trọng để khai thác tiềm năng sản xuất cà phê đồng thời

góp phần tăng thu nhập cho các hộ nông dân. Vì vậy, việc xác định các yếu tố thị

trƣờng có thể tác động đến việc tham gia bảo hiểm và cần đƣợc xem xét.

+ Yếu tố Thư ng hiệu

Thƣơng hiệu cà phê Đắk Lắk có lợi thế cạnh tranh và có giá cao hơn so với

các loại cà phê khác do đặc điểm địa lý cũng nhƣ đƣợc đầu tƣ và chăm sóc kỹ

(Nguyễn Ngọc Thắng, 2017). Do đó, để xây dựng thƣơng hiệu cà phê Đắk Lắk ngày

một phát triển thì các hộ nông dân sản xuất cà phê cần đƣợc duy trì ổn định chất

lƣợng và số lƣợng cây cà phê cũng nhƣ tránh đƣợc những rủi ro trong sản xuất. Vì

vậy, ý thức về tầm quan trọng của thƣơng hiệu cây cà phê tỉnh Đắk Lắk của hộ nông

dân cần đƣợc xem xét.

+ Yếu tố Rủi ro thời tiết (hạn hán, ưa thất thường, bã , ũ ụt)

Rủi ro thời tiết là một trong những loại rủi ro ảnh hƣởng đến sản xuất cà phê

nông nghiệp (Ray.P.K, 2001; Ipsard, 2011; World Bank, 2015b). Hộ nông dân dễ bị

tổn thất bởi sự thay đổi về lƣợng mƣa và nhiệt độ hoặc thời tiết khắc nghiệt (bão)

làm giảm năng suất dẫn đến giảm thu nhập (World Bank, 2011; Lin cộng sự, 2015;

Arshad và cộng sự, 2015; Nguyễn Ngọc Thắng và cộng sự, 2017). Bên cạnh đó,

theo Alexander Sarris (2006), Kong và cộng sự (2011) thì sự thiếu hụt đáng kể về

lƣợng mƣa của hộ nông dân dƣờng nhƣ gây ra sự quan tâm trong bảo hiểm dựa trên

lƣợng mƣa. Theo Laux và cộng sự (2010) và IPCC (2014), sự thay đổi theo không

gian và thời gian của lƣợng mƣa đƣợc phản ánh bởi các đợt khô hạn và lũ lụt là yếu

tố quan trọng nhất tác động đến năng suất cây trồng. Cà phê rất dễ bị thiếu nƣớc vì

thời gian cây cà phê ra hoa kết quả từ tháng 11 đến tháng 4. Nông dân phàn nàn về

lƣợng mƣa thất thƣờng và hạn hán kéo dài dẫn đến những tác động nghiêm trọng

trong việc phát triển cây cà phê. Họ cũng chỉ ra rằng, nếu cây cà phê thiếu nƣớc

hoặc quá nhiều trong giai đoạn ra hoa thì sẽ khiến cây ít ra hoa hơn đẫn đến giảm

năng suất. Điều này tác động nghiêm trọng đến thu nhập của ngƣời nông dân khi

năng suất giảm vì các hộ chỉ có nguồn thu nhập chính từ cây cà phê. Vì vậy, có thể

xem yếu tố rủi ro thời tiết là một trong những yếu tố cần thiết có liên quan đến yếu

tố sẵn lòng tham gia bảo hiểm cà phê theo chỉ số năng suất của hộ nông dân tỉnh

Đắk Lắk.

+ Yếu tố Rủi ro sinh học (côn trùng gây hại, sâu bệnh, ô nhi m nguồn

nước, nguồn đất)

Rủi ro sinh học là một trong những loại rủi ro ảnh hƣởng đến sản xuất (cà phê)

nông nghiệp (Ray.P.K, 2001; Ipsard, 2011; World Bank, 2015b). Theo World Bank

(2011), Lin và cộng sự (2015), Nguyễn Ngọc Thắng và cộng sự (2017), cà phê

thƣờng bị côn trùng phá hoại mùa màng làm giảm năng suất dẫn đến giảm thu nhập.

Theo Lin và cộng sự (2015), Yanuarti và cộng sự (2019), thì rủi ro sâu bệnh tác

động đến việc sẵn l ng tham gia bảo hiểm m a màng của hộ nông dân. Thêm vào

đó, do biến đổi khí hậu ngày một nóng lên, sâu đục quả cà phê đã trở nên phổ biến

hơn ở Đông Phi (Jaramillo và cộng sự, 2011) và bệnh gỉ sắt cà phê La Roya đã tấn

công các cây cà phê ở Trung và Nam Mỹ nhiều hơn (Oxfam, 2013). Ở nhiều địa

phƣơng, việc có quá nhiều giếng khoan phục vụ cây cà phê đã làm thủng tầng nƣớc

ngầm, ô nhiễm đất và nguồn nƣớc gây lãng phí, không hiệu quả. Thêm vào đó, sử

dụng phân bón và thuốc bảo vệ thực vật quá mức khiến đất trồng cà phê ngày càng

xuống cấp, thoái hóa trầm trọng là vấn đề đáng báo động hiện nay, không những

ảnh hƣởng xấu tới sản xuất nông nghiệp và chất lƣợng nông sản, mà còn ảnh hƣởng

đến sức khỏe con ngƣời (Thúy Hồng, 2015).

+ Yếu tố Rủi ro kinh tế (c hê ất gi , gi ngu ên vật iệu đầu v

hông ổn định, bị hủ hợ đồng)

Rủi ro về kinh tế nhƣ cà phê mất giá, giá nguyên vật liệu đầu vào không ổn

định là một trong những loại rủi ro ảnh hƣởng đến sản xuất cà phê (Ray.P.K, 2001;

Ipsard, 2011; World Bank, 2015b). Ngoài ra, các hộ nông dân còn có rủi ro bị huỷ

hợp đồng do sự vỡ nợ của đối tác (World Bank, 2015b). Bên cạnh đó, hộ nông dân

có tâm lý trữ cà phê chờ giá cao để bán nhƣng cà phê bị mất giá so với thời điểm

ban đầu hoặc bị các đại lý ép giá dẫn đến tình trạng thua l (Nguyễn Ngọc Thắng và

cộng sự, 2017).

+ Yếu tố Rủi r a động ( a động chết, a động bệnh, a động bị

thư ng)

Theo Nguyễn Thị Thuý Quỳnh (2011), lao động nông nghiệp là một trong ba

ngành sản xuất có hại cho sức khỏe, đứng sau ngành xây dựng và hầm mỏ. Có

khoảng 170.000 ca tử vong do tai nạn lao động (TNLĐ) liên quan đến sản xuất

nông nghiệp. Các loại thƣơng tổn mắc phải chủ yếu là trầy xƣớc, ngộ độc, bong

gân, say nắng/nóng và gãy xƣơng. Các vị trí bị thƣơng tổn chủ yếu là tại tay, chân

và toàn thân (do ngộ độc, say nắng/nóng). Số ngày nghỉ làm trung bình của các nạn

nhân là 16,3 ngày. Khoảng 75% số ngƣời bị thƣơng là thu nhập chính của gia đình

và tai nạn thƣơng tích đã có ảnh hƣởng lớn đến kinh tế của 70,0 gia đình nông

dân. Có thể thấy đƣợc rủi ro lao động là một trong những loại rủi ro ảnh hƣởng đến

sản xuất cà phê nông nghiệp (Ray.P.K, 2001).

Mã hóa các yếu tố :

Bảng 3.2: Tổng hợp các yếu tố sẽ mã hóa được đề xuất

STT Tên yếu tố Kí hiệu biến Đo lƣờng biến (đơn vị)

1 BAOHIEM

Biến BAOHIEM là biến giả, biến BAOHIEM nhận giá trị 1 nếu hộ sẵn lòng tham gia bảo hiểm cà phê theo chỉ số năng suất, nhận giá trị 0 nếu hộ không sẵn lòng tham gia bảo hiểm cà phê theo chỉ số năng suất.

Sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk

2 TUOI

Tuổi của chủ hộ Biến TUOI là biến liên tục và đƣợc đo bằng số tuổi của chủ hộ (năm).

3 Giới tính của GIOITINH

chủ hộ

Biến GIOITINH là biến giả, biến GIOITINH nhận giá trị 1 nếu chủ hộ là nam, nhận giá trị 0 nếu chủ hộ là nữ.

4 Dân tộc của DANTOC

chủ hộ

Biến DANTOC là biến giả, biến DANTOC nhận giá trị 1 nếu chủ hộ là ngƣời dân tộc Kinh, nhận giá trị 0 nếu chủ

hộ không là ngƣời dân tộc Kinh.

5 TDHV

Trình độ học vấn của chủ hộ Biến TDHV là biến liên tục và đƣợc đo bằng số năm đi học của chủ hộ (năm).

6 Kinh nghiệm

KINHNGHIEM Biến KINHNGHIEM là biến liên tục và đƣợc đo bằng số năm sản xuất cà phê của chủ hộ (năm).

sản xuất cà phê của chủ hộ

7 Hội nông dân HOIND

Biến HOIND là biến giả, biến HOIND nhận giá trị 1 nếu chủ hộ tham gia hội nông dân, nhận giá trị 0 nếu chủ hộ không tham gia hội nông dân.

LAODONG

8 Quy mô hộ sản xuất cà phê

Biến LAODONG là biến liên tục và đƣợc đo bằng số ngƣời trong hộ tham gia sản xuất cà phê (ngƣời).

9 Diện tích trồng DIENTICH

cà phê Biến DIENTICH là biến liên tục và đƣợc đo là hecta (ha).

10 Tuổi cây cà TUOICAY

phê Biến TUOICAY là biến liên tục và đƣợc đo là số năm cây sống đƣợc (năm).

11 Năng suất cây NANGSUAT

cà phê Biến NANGSUAT là biến liên tục và đƣợc đo bằng số tạ trên một hecta (tạ/ha).

12 Thu nhập của THUNHAP

hộ

Biến THUNHAP là biến liên tục và đƣợc đo bằng số tiền hộ nông dân thu đƣợc trên một ha cà phê (triệu/ha).

SOHUUDAT

13 Chủ hộ sở hữu trồng cà

đất phê

Biến SOHUUDAT là biến giả, biến SOHUUDAT nhận giá trị 1 nếu chủ hộ là chủ sở hữu đất sản xuất, nhận giá trị 0 nếu chủ hộ không là chủ sở hữu đất sản xuất.

VAYVON

14 Vay vốn ngân hàng của hộ

Biến VAYVON là biến giả, biến VAYVON nhận giá trị 1 nếu chủ hộ có vay vốn ngân hàng, nhận giá trị 0 nếu chủ hộ không có vay vốn ngân hàng.

15 Sản xuất cà TIEUCHUAN Biến TIEUCHUAN là biến giả, biến

phê theo tiêu 4C, chuẩn UTZ

TIEUCHUAN nhận giá trị 1 nếu chủ hộ sản xuất cà phê theo tiêu chuẩn 4C, UTZ, nhận giá trị 0 nếu chủ hộ không chủ hộ sản xuất cà phê theo tiêu chuẩn 4C, UTZ.

16 Chủ hộ bán cà phê cho doanh nghiệp hay đại lý thu mua tại địa phƣơng. THITRUONG Biến THITRUONG là biến giả, biến THITRUONG nhận giá trị 1 nếu chủ hộ bán cà phê cho doanh nghiệp, nhận giá trị 0 nếu chủ hộ bán cà phê cho đại lý thu mua tại địa phƣơng.

17 Chủ hộ quan thƣơng

THUONGHIEU Biến THUONGHIEU là biến giả, biến THUONGHIEU nhận giá trị 1 nếu chủ hộ quan tâm thƣơng hiệu cà phê, nhận giá trị 0 nếu chủ hộ không quan tâm thƣơng hiệu cà phê.

tâm hiệu cà phê

18 Rủi ro hạn hán RRHH

Biến RRHH là biến giả, biến RRHH nhận giá trị 1 nếu hộ nông dân gặp rủi ro hạn hán , nhận giá trị 0 nếu hộ nông dân không gặp rủi ro hạn hán.

19 Rủi ro mƣa RRMTT

thất thƣờng

Biến RRMTT là biến giả, biến RRMTT nhận giá trị 1 nếu hộ nông dân gặp rủi ro mƣa thất thƣờng, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro mƣa thất thƣờng.

20 Rủi ro bão RRB

Biến RRB là biến giả, biến RRB nhận giá trị 1 nếu hộ nông dân gặp rủi ro bão, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro bão.

21 Rủi ro lũ lụt RRLL

Biến RRCT là biến giả, biến RRCT nhận giá trị 1 nếu hộ nông dân gặp rủi ro lũ lụt, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro lũ lụt.

22 Rủi ro côn RRCT

trùng

Biến RRCT là biến giả, biến RRCT nhận giá trị 1 nếu hộ nông dân gặp rủi ro côn trùng, nhận giá trị 0 nếu hộ nông dân

không gặp rủi ro côn trùng.

23 Rủi ro sâu RRSB

bệnh

Biến RRSB là biến giả, biến RRSB nhận giá trị 1 nếu hộ nông dân gặp rủi ro sâu bệnh, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro sâu bệnh.

RRON

24 Rủi ro ô nhiễm , nguồn đất nguồn nƣớc

Biến RRON là biến giả, biến RRON nhận giá trị 1 nếu hộ nông dân gặp rủi ro sâu bệnh, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro sâu bệnh.

25 Rủi ro mất giá RRMG

Biến RRMG là biến giả, biến RRMG nhận giá trị 1 nếu hộ nông dân gặp rủi ro mất giá, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro mất giá.

26 Rủi RRNVL

giá ro nguyên vật liệu đầu vào không ổn định

Biến RRNVL là biến giả, biến RRNVL nhận giá trị 1 nếu hộ nông dân gặp rủi ro giá nguyên vật liệu đầu vào không ổn định, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro giá nguyên vật liệu đầu vào không ổn định.

27 Rủi ro huỷ hợp RRHHD

đồng

Biến RRHHD là biến giả, biến RRHHD nhận giá trị 1 nếu hộ nông dân gặp rủi ro huỷ hợp đồng, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro huỷ hợp đồng.

28 Rủi lao RRLDB

ro động bị bệnh

Biến RRLDB là biến giả, biến RRLDB nhận giá trị 1 nếu hộ nông dân gặp rủi ro lao động bị bệnh, nguồn nƣớc, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro lao động bị bệnh.

29 Rủi RRLDTN

lao ro động bị tai nạn

Biến RRLDTN là biến giả, biến RRLDTN nhận giá trị 1 nếu hộ nông dân gặp rủi ro lao động bị tai nạn, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro lao động bị tai nạn.

30 Rủi lao RRLDC

ro động chết

Biến RRLDC là biến giả, biến RRLDC nhận giá trị 1 nếu hộ nông dân gặp rủi ro lao động chết, nhận giá trị 0 nếu hộ nông dân không gặp rủi ro lao động chết.

N : ợ

3.4.3. Mô hình nghiên cứu đề xuất

Từ các nghiên cứu trƣớc về bảo hiểm cây trồng, tác giả kế thừa 15 yếu tố độc

lập tiêu biểu phù hợp với điều kiện Việt Nam gồm yếu tố tuổi chủ hộ, yếu tố giới

tính chủ hộ, yếu tố kinh nghiệm chủ hộ, yếu tố trình độ học vấn chủ hộ, yếu tố quy

mô lao động, yếu tố diện tích trồng cà phê, yếu tố kết quả vay vốn ngân hàng, yếu

tố năng suất, yếu tố thu nhập của chủ hộ, yếu tố tham gia hội nông dân của chủ hộ,

yếu tố sở hữu đất của chủ hộ, yếu tố rủi ro hạn hán, yếu tố rủi ro côn trùng, yếu tố

rủi ro sâu bệnh, yếu tố rủi ro lũ lụt (Bảng 3.2) để đƣa vào mô hình nghiên cứu của

luận án. Các yếu tố dân tộc chủ hộ, yếu tố tuổi cây cà phê, yếu tố sản xuất cà phê

theo tiêu chuẩn 4C, UTZ, yếu tố chủ hộ bán cà phê cho doanh nghiệp hay đại lý thu

mua địa phƣơng, yếu tố chủ hộ quan tâm thƣơng hiệu cà phê, yếu tố rủi ro mƣa thất

thƣờng, yếu tố rủi ro bão, yếu tố rủi ro mất giá, yếu tố rủi ro giá nguyên vật liệu đầu

vào không ổn định, yếu tố rủi ro huỷ hợp đồng, yếu tố rủi ro ô nhiễm nguồn đất,

nguồn nƣớc, yếu tố rủi ro lao động bị bệnh, yếu tố rủi ro lao động bị tai nạn, yếu tố

rủi ro lao động chết đƣợc xem nhƣ là các yếu tố mới chƣa có công trình nào xem

xét một cách cụ thể. Do yếu tố sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số

năng suất của hộ nông dân trồng cà phê tỉnh Đắk Lắk chỉ nhận có 2 giá trị là “nhận

giá trị 1 khi hộ nông dân sẵn lòng tham gia bảo hiểm cà phê, và nhận giá trị 0 khi

hộ nông dân không sẵn lòng tham gia bảo hiểm cà phênên phƣơng pháp ƣớc lƣợng

sẽ sử dụng hồi quy cho biến phụ thuộc nhị phân để phân tích mô hình.

Các yếu tố liên quan đến việc sẵn l ng tham gia bảo hiểm của hộ nông dân

trồng cà phê đƣợc phân tích bằng cách sử dụng mô hình hồi quy logistic và hồi quy

probit.

Mô hình hồi quy logistic có dạng sau:

) ∑

( ( ) ( )

Mô hình hồi quy probit có dạng sau:

( ( )) ∑

với : là hằng số; là các tham số; u là sai số có phân phối chuẩn

logistic; e là sai số có phân phối chuẩn tắc.

Y là biến BAOHIEM là biến THITRUONG

là biến TUOI là biến THUONGHIEU

là biến GIOITINH là biến RRHH

là biến DANTOC là biến RRMTT

là biến TDHV là biến RRB

là biến KINHNGHIEM là biến RRLL

là biến HOIND là biến RRCT

là biến LAODONG là biến RRSB

là biến DIENTICH là biến RRON

là biến TUOICAY là biến RRMG

là biến NANGSUAT là biến RRNVL

là biến THUNHAP là biến RRHHD

là biến SOHUUDAT là biến RRLDB

là biến VAYVON là biến RRLDTN

là biến TIEUCHUAN là biến RRLDC

3.4.4. Tiêu chuẩn a chọn mô hình

Sau khi sử dụng phƣơng pháp BMA theo hồi quy logistic và phƣơng pháp

BMA hồi quy probit để lựa chọn các biến đƣa vào mô hình, để có đƣợc một số mô

hình phù hợp nhất với dữ liệu. Theo Shirangi và Durlofsky (2016), so sánh mô hình

là công việc lựa chọn một vài mô hình đại diện từ một tập hợp lớn các mô hình cho

mục đích ra quyết định kinh tế. Khi tập hợp các mô hình đại diện đã đƣợc chọn,

phân tích thống kê cho phép chọn ra những mô hình phù hợp nhất trong số các mô

hình này. Tuy nhiên, trong số những mô hình phù hợp nhất đó thì mô hình nào đƣợc

xem là phù hợp hơn Nguyễn Văn Tuấn (2017) đã đƣa ra 3 tiêu chuẩn khi lựa chọn

mô hình nào phù hợp nhƣ sau:

+ Đ : tiêu chuẩn này yêu cầu mô hình có ít biến độc lập. Bởi vì mô hình

có thể thiếu thực tế và trở nên khó khăn khi diễn dịch với quá nhiều biến.

+ Đầ ủ: mô hình đó phải dự đoán càng gần với giá trị thực tế quan sát của

biến phụ thuộc càng tốt.

+ ó ĩ ự ế: đây là một tiêu chuẩn quan trọng, mô hình phải có ý

nghĩa kinh tế và đƣợc củng cố bằng lý thuyết.

Tiêu chuẩn có ý nghĩa thực tế sẽ đƣợc tác giả đề cập đến khi áp dụng vào

những nghiên cứu thực nghiệm cụ thể. Tiêu chí thông tin Akaike (AIC) và Tiêu chí

thông tin Bayesian (BIC) là hai chỉ số quan trọng trong việc chọn lựa mô hình nào

đơn giản và đầy đủ. Hai chỉ số này cân đối tính phức tạp (số biến độc lập) và phản

ánh mô hình gần với dữ liệu quan sát. Chỉ số AIC và BIC càng thấp thì mô hình

càng tốt.

3.4.5. C c bước h t triển ô hình

Theo Nguyễn Văn Tuấn (2020), có 5 bƣớc để phát triển mô hình:

Bƣớc 1: Xác định biến độc lập và biến phụ thuộc;

Bƣớc 2: Viết chƣơng trình (trong trƣờng hợp này, sử dụng ngôn ngữ R);

Bƣớc 3: Xác định mô hình và các biến số liên quan;

Bƣớc 4: Ƣớc lƣợng tham số của mô hình (d ng dữ liệu huấn luyện - training)

Bƣớc 5: Kiểm tra mô hình ở bƣớc 3 (d ng dữ liệu kiểm tra - testing);

Trong thực tế việc tìm hai nhóm độc lập là khó. Do đó, chiến lƣợc xây dựng

mô hình thƣờng đƣợc sử dụng khá phổ biến trong thực tế là chia bộ dữ liệu nghiên

cứu thành 2 bộ dữ liệu nhỏ hơn một cách ngẫu nhiên. Cụ thể, dữ liệu ban đầu thu

thập đƣợc sẽ chia thành dữ liệu ƣớc lƣợng (huấn luyện) và dữ liệu kiểm tra. Dữ liệu

huấn luyện đƣợc d ng để ƣớc lƣợng tham số mô hình. Dữ liệu kiểm tra d ng để

kiểm định mô hình đã ƣớc lƣợng với dữ liệu huấn luyện. Ý tƣởng là dành nhiều dữ

liệu huấn luyện ƣớc lƣợng mô hình để có những giá trị tham số ổn định.

Ƣớc lƣợng tham số mô hình Dữ liệu huấn luyện

Dữ liệu đầy đủ

áp dụng mô hình vào dữ liệu kiểm tra Dữ liệu kiểm tra

Hình 3.2: Chiến ược d ng v iể định ô hình

N : N ễ ă ấ 2 2

3.4.6. Kiể định mô hình hồi quy logistic

3.4.6.1. Tiêu chí thông tin Akaike

Tiêu chí thông tin Akaike (Akaike Information Criterion - AIC). Trong mô

hình hồi quy logistic, theo Hastie, T. và cộng sự (2016), AIC đƣợc định nghĩa là:

( ̂)

Trong đó là số mẫu khảo sát, ( ̂) là giá trị lớn nhất cùa hàm likelihood của

mô hình trên tập dữ liệu, log() có cơ số e đƣợc gọi là logarit tự nhiên và là số

tham số trong mô hình.

Để sử dụng tiêu chí AIC cho việc lựa chọn mô hình, chúng tôi chỉ cần chọn

mô hình có AIC nhỏ nhất trong tập hợp các mô hình đƣợc xem xét (Hastie, T. và

cộng sự, 2016)

3.4.6.2. Tiêu chí thông tin Bayesian

Trong thống kê, tiêu chí thông tin Bayesian (BIC) là một tiêu chí để lựa chọn

mô hình; mô hình có BIC thấp nhất đƣợc ƣa thích. Một phần, nó dựa trên hàm

likelihood và nó liên quan chặt chẽ đến tiêu chí AIC. Khi chọn đƣợc mô hình phù

hợp, có thể tăng thêm likelihood bằng cách thêm các tham số, nhƣng làm nhƣ vậy

có thể dẫn đến việc tạo ra một phân tích tƣơng ứng quá chặt chẽ hoặc chính xác với

một tập hợp dữ liệu cụ thể và do đó có thể không phù hợp với dữ liệu bổ sung hoặc

dự đoán các quan sát trong tƣơng lai. Cả BIC và AIC đều cố gắng giải quyết vấn đề

này bằng cách đƣa ra một điều khoản phạt cho số lƣợng tham số trong mô hình;

mức độ phạt trong BIC lớn hơn trong AIC (Murphy, K. P., 2012).

Schwarz (1978) đã phát triển BIC bằng cách ông ta đã đƣa ra một lập luận

Bayesian cho việc áp dụng nó và đƣợc xuất bản trong một tạp chí khoa học.

BIC đƣợc định nghĩa trong hồi quy logistic nhƣ sau (Hastie, T. Và cộng sự,

2016):

( ̂) ( )

Trong đó ( ̂) là giá trị lớn nhất cùa hàm likelihood của mô hình trên tập dữ

liệu, log() có cơ số e đƣợc gọi là logarit tự nhiên, là số số mẫu khảo sát và là số

tham số trong mô hình.

3.4.6.3. Ma trận nhầm lẫn

Làm thế nào chúng ta có thể đo lƣờng hiệu quả mô hình của mình hiệu quả tốt

hơn, hiệu suất tốt hơn Và đó là lí do ma trận nhầm lẫn (Confusion Matrix) ra đời.

Ma trận nhầm lẫn là một phép đo hiệu suất với 4 kết hợp khác nhau của các giá trị

dự đoán và thực tế (Stehman và Stephen, 1997) (xem Bảng 3.3).

Bảng 3.3: Ma trận nhầm lẫn

Kết quả khảo sát thực tế Kết quả

dự báo Hộ sẵn lòng tham gia Hộ không sẵn lòng tham gia

Hộ sẵn lòng tham gia TP FP

Hộ không sẵn lòng tham gia FN TN

Ngu n: Tác gi t ng hợp

1/ TP - True Positive: Dự báo Hộ sẵn lòng tham gia và kết quả thực tế Hộ sẵn

lòng tham gia.

2/ FP - False Positive: Dự báo Hộ sẵn lòng tham gia nhƣng kết quả thực tế Hộ

không sẵn lòng tham gia (Sai số loại 1).

3/ FN - False Negative: Dự báo Hộ không sẵn lòng tham gia nhƣng kết quả

thực tế Hộ sẵn lòng tham gia.

4/ TN - True Negative: Dự báo là Hộ không sẵn lòng tham gia và kết quả thực

tế Hộ không sẵn lòng tham gia (Sai số loại 2).

Ma trận nhầm lẫn cực kỳ hữu ích để đo Độ nhạy, Độ đặc hiệu, Độ chính xác.

+ Độ nhạy (Sensitivity): là tỷ lệ Dự báo hộ sẵn lòng tham gia và kết quả thực

tế Sẵn lòng tham gia (TP) trên tổng số hộ sẵn lòng tham gia đƣợc khảo sát thực tế

( ).

+ Độ đặc hiệu (Specificity): là tỷ lệ Dự báo là Hộ không sẵn lòng tham gia và

kết quả thực tế Hộ không sẵn lòng tham gia (TN) trên tổng số hộ không sẵn lòng

tham gia đƣợc khảo sát thực tế (TN+FP).

+ Độ chính xác (Accuracy): là tỷ lệ của tổng dự báo đúng (TP+TN) trên tổng

số kết quả của khảo sát (TP+FP+TN+FN).

3.4.6.4. Diện tích dưới đường c ng đ c trưng h ạt động của bộ thu nhận

Các thƣớc đo để đánh giá mô hình hồi qui logistic quan trọng nhất gồm độ

nhạy, độ đặc hiệu và chỉ số phân định AUC tức là diện tích dƣới đƣờng cong đặc

trƣng hoạt động của bộ thu nhận (Fawcett, Tom 2006). Một mô hình dự báo tốt phải

có độ nhạy và độ đặc hiệu cao (gần 1). Tuy nhiên, nếu chúng ta điều chỉnh ngƣỡng

xác suất của mô hình dự đoán để tăng độ nhạy thì sẽ làm giảm độ đặc hiệu, hoặc

tăng độ đặc hiệu thì sẽ làm giảm độ nhạy. Do đó, biểu đồ đặc trƣng hoạt động của

bộ thu nhận (ROC) đƣợc xem nhƣ công cụ dung h a độ nhạy và độ đặc hiệu. Biểu

đồ ROC có đồ thị có một tung là Độ nhạy và trục hoành là (1 – Độ đặc hiệu).

ROC là một đƣờng cong xác suất. Đƣờng cong phân phối màu đỏ thuộc nhóm

“Hộ sẵn lòng tham gia” (Kết quả khảo sát) và đƣờng cong phân phối màu vàng

thuộc nhóm “Hộ không sẵn lòng tham gia” (Kết quả khảo sát).

Trƣờng hợp AUC = 1 (Diện tích hình vuông): Khi hai đƣờng cong hoàn toàn

không trùng nhau, mô hình có một số đo lý tƣởng về độ phân tách. Nó hoàn toàn có

thể phân biệt giữa lớp “Hộ sẵn lòng tham gia” và lớp “Hộ không sẵn lòng tham

gia”.

Hình 3.3: Trường hợp AUC = 1

Ngu n: Tác gi t ng hợp

Trƣờng hợp 0.5 < AUC < 1: Khi hai phân phối trùng nhau, sẽ xuất hiện sai số

loại 1 và sai số loại 2. Tùy thuộc vào ngƣỡng, chúng ta có thể giảm thiểu hoặc tối đa

hóa chúng. Khi AUC là 0,7, điều đó có nghĩa là có 70 khả năng mô hình đó sẽ có

thể phân biệt giữa lớp tích cực và lớp tiêu cực.

Hình 3.4: Trường hợp 0.5 < AUC < 1

Ngu n: Tác gi t ng hợp

Trƣờng hợp AUC = 0.5 (Diện tích hình tam giác vuông cân): Đây là tình

huống tồi tệ nhất. Khi AUC xấp xỉ 0,5, mô hình không có khả năng phân biệt đối xử

giữa lớp “Có” và lớp “Không”.

Hình 3.5: Trường hợp AUC = 0.5

Ngu n: Tác gi t ng hợp

Diện tích AUC tối thiểu là 0,5 và tối đa là 1. Một mô hình dự đoán tốt và có

thể áp dụng vào thực tế phải lớn hơn 0,7 (Xem Bảng 3.4). Chỉ số AUC rất có ích

trong việc số sánh 2 hay nhiều mô hình khác nhau. Mô hình nào có chỉ số AUC lớn

hơn thì mô hình đó có độ chính xác hơn.

Bảng 3.4: Ph n ại chỉ số AUC

AUC Đánh giá mô hình

≥ 0,9 Rất tốt

0,8 ≤ 0,9 Tốt

0,7 ≤ 0,8 Trung bình

0,6 ≤ 0,7 Không tốt

0,5 ≤ 0,6 Không d ng đƣợc

Ngu n: Nguyễ ă ấn (2020)

3.4.6.5. Chỉ số Brier

Điểm Brier đƣợc đề xuất bởi Glenn W. Brier vào năm 1950. Nó là một hàm

điểm thích hợp để đo độ chính xác của các dự đoán xác suất và nó đƣợc áp dụng

cho các nhiệm vụ trong đó các dự đoán phải gán xác suất cho một tập hợp các biến

rời rạc loại trừ lẫn nhau. Tập hợp các biến có thể có thể là nhị phân hoặc phân loại

về bản chất và xác suất đƣợc chỉ định cho tập kết quả này phải tổng hợp thành 1.

(trong đó m i xác suất riêng lẻ nằm trong khoảng từ 0 đến 1).

∑( )

Chỉ số Brier đƣợc biểu diễn nhƣ sau:

trong đó là xác suất đƣợc dự đoán, kết quả thực tế của sự kiện tại điểm t (0 nếu

điều đó không xảy ra và 1 nếu điều đó xảy ra), N là số trƣờng hợp dự báo.

Trong thực tế, đó là sai số bình phƣơng trung bình của dự báo. Do đó, điểm

Brier càng thấp đối với một tập hợp các dự đoán thì càng tốt. Lƣu ý rằng điểm Brier

có giá trị giữa 0 và 1 vì xác suất dự đoán luôn nằm giữa 0 và 1 nên ta có thể kết luận

rằng điểm Brier càng gần 0 thì mô hình càng chính xác.

3.4.6.6. Bootstrap

Phƣơng pháp bootstrap (Efron. B, 1979) dựa vào lý thuyết chọn mẫu ngẫu

nhiên có hoàn lại. Phƣơng pháp chọn mẫu này nhằm mục đích tạo ra nhiều mẫu

ngẫu nhiên từ một mẫu, và qua cách chọn này, tập hợp những mẫu có thể đại diện

cho một quần thể. Một ƣu điểm lớn của bootstrap là tính đơn giản của nó. Đây là

một cách đơn giản để lấy đƣợc các ƣớc tính về sai số tiêu và khoản tin cậy cho các

ƣớc lƣợng phức tạp của phân phối, chẳng hạn nhƣ điểm phân vị, tỷ lệ, tỷ lệ chênh

lệch và hệ số tƣơng quan. Bootstrap cũng là một cách thích hợp để kiểm soát và

kiểm tra tính ổn định của kết quả. Mặc d đối với hầu hết các bài toán, không thể

biết khoảng tin cậy thực sự, nhƣng về mặt cơ bản thì bootstrap chính xác hơn các

khoảng tiêu chuẩn thu đƣợc bằng cách sử dụng phƣơng sai mẫu và các giả định về

độ chuẩn (DiCiccio TJ, Efron B, 1996). Bootstrap cũng là một phƣơng pháp thuận

tiện giúp tránh chi phí lặp lại thử nghiệm để lấy các nhóm dữ liệu mẫu khác. Chính

vì thế mà phát triển của phƣơng pháp bootstrap đƣợc xem là một cuộc cách mạng

quan trọng trong khoa học thống kê ở thế kỷ 21. Phƣơng pháp Bootstrap sẽ đƣợc tác

giả sử dụng trong việc tính chỉ số AUC của mô hình hộ nông dân sẵn l ng tham gia

bảo hiểm cây cà phê theo chỉ số năng suất.

3.4.7. Xây d ng t n đồ

Theo Grimes (2008), Kattan và cộng sự (2010), một toán đồ (nomogram)

bao gồm một tập hợp n thang đo, một thang đo tƣơng ứng cho m i biến trong một

phƣơng trình. Khi biết các giá trị của (n-1) biến thì giá trị của biến không xác định

có thể dự đoán đƣợc. Từ biểu đồ sẽ thu đƣợc kết quả dự báo rất nhanh và đáng tin

cậy bằng vài thao tác với máy tính. Ngƣời dùng chỉ cần tra cứu dữ liệu thì có thể thu

đƣợc kết quả dự báo vấn đề quan tâm. Trong luận án này, tác giả sẽ xây dựng toán

đồ của mô hình nghiên cứu việc hộ nông dân sẵn l ng tham gia bảo hiểm cây cà phê

theo chỉ số năng suất. Toán đồ với một mô hình sẽ đƣợc trình bày trong phần kết

quả chƣơng 4.

3.5. Kết luận chư ng 3

Trong chƣơng 3, tác giả trình bày quy trình nghiên cứu, khu vực nghiên cứu.

Đồng thời, tác giả liệt kê các phƣơng pháp nghiên cứu định tính gồm phƣơng pháp

trao đổi tay đôi, phƣơng pháp hội thảo khoa học, phƣơng pháp chuyên gia để có

thêm các bằng chứng đáng tin cậy nhằm củng cố các yếu tố nghiên cứu. Ngoài ra,

tác giả trình bày phƣơng pháp nghiên cứu định lƣợng nhƣ thống kê mô tả, sử dụng

phƣơng pháp BMA theo hồi quy logistic và phƣơng pháp BMA theo hồi quy probit

để xác định mô hình và các biến số liên quan. Bên cạnh đó, tác giả sử dụng sử dụng

kỹ thuật tách dữ liệu cũng nhƣ các chỉ số AIC, BIC, xác suất hậu định, ma trận

nhầm lẫn và AUC để kiểm định và phân tích mô hình. Cuối chƣơng, tác giả trình

bày việc xây dựng toán đồ của mô hình nhằm dự đoán nhanh khả năng tham gia bảo

hiểm cà phê của hộ nông dân.

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

Trong chƣơng 4, tác giả sẽ trình bày các mục chính nhƣ sau: mục 4.1 thực

trạng ngành cây cà phê và mục 4.2 là thực trạng bảo hiểm cây trồng tại Việt Nam,

mục 4.3 kết quả nghiên cứu, mục 4.4 xây dựng toán đồ và mục 4.5 là kết luận.

4.1. Th c trạng sản uất c hê trên địa bàn tỉnh Đắk Lắk

4.1.1. Lịch sử phát triển cây cà phê của tỉnh Đắk Lắk

Gần 100 năm về trƣớc, tại tỉnh Đắk Lắk đồn điền cà phê (Công ty Nông

nghiệp Á Châu - CADA) đƣợc thành lập diện tích ban đầu 2.000 ha, là một trong

những đồn điền ra đời sớm trong quá trình khai thác thuộc địa lần thứ hai của thực

dân Pháp ở Đông Dƣơng vào năm 1922. Sau giải phóng miền Nam thống nhất đất

nƣớc, ngày 12/11/1975, các công ty quốc doanh sản xuất cà phê ra đời. Từ sau 1986

đến nay, cây cà phê luôn đóng vai trò hết sức quan trọng trong đời sống chính trị-

kinh tế của tỉnh Đắk Lắk.

4.1.2. Th c trạng sản xuất, kinh doanh, tiêu thụ cà phê tại tỉnh Đắk Lắk

* Tình hình sản xuất cà phê

Tốc độ tăng diện tích cà phê thu hoạch của tỉnh Đắk Lắk giai đoạn 2009 -

2017 tăng 11.3 . Do diện tích cà phê thu hoạch tăng, nên sản lƣợng cà phê tăng

17,6% và sản lƣợng cà phê trung bình thu hoạch đƣợc là 436.014 tấn/năm. Năng

suất cà phê của tỉnh trong giai đoạn này đạt bình quân 2,33 tấn/ha. Diện tích cà phê

niên vụ 2016-2017 của tỉnh Đắk Lắk là 203,737 ha, chiếm 33% diện tích cà phê

Việt Nam (diện tích cà phê Việt Nam khoản 643,000 ha), tăng 380 ha so với niên vụ

2015-2016, trong đó diện tích cho sản phẩm là 191,483 ha, giảm 1,060 ha so với

niên vụ 2015-2016. Năng suất bình quân đạt 2,336 tấn/ha, sản lƣợng 447,810 tấn,

giảm 14,810 tấn so với niên vụ trƣớc. Niên vụ 2016-2017, diện tích cà phê tăng 308

ha nhƣng diện tích cà phê cho sản phẩm và năng suất bình quân giảm so với dẫn

đến sản lƣợng giảm so với niên vụ 2015-2016.

Hiện nay, trên địa bàn tỉnh Đắk Lắk, diện tích trồng cà phê già c i cho năng

suất thấp hết chu kỳ kinh doanh cần tái canh chiếm tỷ lệ tƣơng đối lớn. Theo kế

hoạch tái canh cà phê trên địa bàn tỉnh Đắk Lắk giai đoạn 2013-2020; diện tích cà

phê cần tái canh cà phê năm 2017-2020 là 27,691 ha. Từ năm 2011 đến năm 2017,

toàn tỉnh đã thực hiện đƣợc 20,541 ha diện tích cà phê tái canh đạt 63,7% kế hoạch.

Đến nay chỉ có khoảng 10% diện tích cà phê sản xuất tƣơng đối tập trung thành

vùng chuyên canh, số diện tích cà phê còn lại khoản 90% do nông dân tự trồng,

chăm sóc và quản lý. Các hộ tham gia sản xuất cà phê theo tiêu chuần 4C, UTZ là

rất thấp, chỉ chiếm khoản 10% sản lƣợng cà phê.

Bảng 4.1: Tình hình sản xuất cà phê tỉnh Đắk Lắk

Sản lƣợng cà phê Diện tích trồng cà phê Diện tích thu hoạch cà phê Năng suất trung bình

Niên vụ Tấn/ha Tấn Quy mô (ha) Quy mô (ha)

Mức tăng trƣởng (%) Mức tăng trƣởng (%) Mức tăng trƣởng (%) Mức tăng trƣởng (%)

181,960 -0.3% 171,977 0.3% 2.21 -8.6% 380,373 -8.5% 2009- 2010

190,765 4.8% 177,890 3.4% 2.24 1.4% 399,098 4.9% 2010- 2011

200,193 4.9% 190,329 7.0% 2.56 14.2% 487,748 22.2% 2011- 2012

202,022 0.9% 189,091 -0.7% 2.18 -14.9% 412,182 -15.5% 2012- 2013

203,561 0.8% 190,208 0.6% 2.43 11.5% 462,433 12.2% 2013- 2014

203,746 0.1% 192,471 1.2% 2.31 -5.1% 444,121 -4.0% 2014- 2015

203,357 -0.2% 192,534 0.0% 2.36 2.4% 454,810 2.4% 2015- 2016

203,737 0.2% 191,483 -0.5% 2.34 -1.1% 447,348 -1.6% 2016- 2017

Ngu n: Cục thống kê tỉ Đắk Lắk

* Tình hình kinh doanh, tiêu thụ cà phê

Trong niên vụ 2016-2017, trên địa bàn tỉnh Đắk Lắk chỉ có 11 doanh nghiệp

xuất khẩu cà phê (Phụ lục 10). Xuất khẩu đạt 201,126 tấn cà phê tăng 2,4 so với

niên vụ trƣớc, chiếm tỷ trọng 13,5% so với cả nƣớc. Kim ngạch xuất khẩu của tỉnh

đạt 445.258 triệu USD tăng 24,9 so với niên vụ trƣớc (Hình 3.1). Xuất khẩu cà

phê h a tan đạt 4,426 tấn, chiếm 2,2% sản lƣợng cà phê xuất khẩu; kim ngạch xuất

khẩu đạt 28.802 triệu USD, chiếm 6,5% tổng kim ngạch xuất khẩu cà phê của tỉnh.

Từ đó có thể thấy đƣợc giá trị xuất khẩu cà phê hòa tan cao gần gấp 3 lần xuất khẩu

cà phê nhân. Tuy nhiên, xuất khẩu cà phê chủ yếu là cà phê nhân mặc dù sản lƣợng

xuất khẩu cà phê h a tan có tăng.

600000

504435

500000

463468

445258

400000

364139

356479

Lƣợng (tấn)

300000

Kim ngạch (1000 USD)

228368

224243

201126

196391

177079

200000

100000

2012-2013 2013-2014 2014-2015 2015-2016 2016-2017

Hình 4.1: Sản ượng và kim ngạch xuất khẩu cà phê tỉnh Đắ Lắ

Ngu n: N ỉ Đắ ắ (2017)

* Tình hình tiêu thụ cà phê

Hiện nay cà phê Đắk Lắk đã xuất khẩu hơn 75 nƣớc trên thế giới (Phụ lục 9).

Đức, Mỹ, Italy, Nhật Bản,.. là những nƣớc có truyền thống nhập khẩu cà phê Đắk

Lắk với sản lƣợng lớn (Bảng 4.2).

Bảng 4.2: Mười thị trường có kim ngạch xuất khẩu nhiều nhất nă 2016-2017

STT Thị trường Số ượng (Tấn) Kim ngạch (1.000 USD)

1 Nhật Bản 34,022 73,511

2 Đức 15,266 34,104

3 Mỹ 15,125 31,173

4 Italy 13,254 28.865

Tây Ban Nha 5 11,412 24,464

6 Thụy Sĩ 9,465 20,112

7 Ấn Độ 8,381 20,273

8 Hàn Quốc 8,03 17,286

9 Mexico 6,935 14,442

10 Thụy Điển 6,797 14,138

Tổng cộng 278,348 128,68 7

Ngu n: N ỉ Đắ ắ (2017)

4.2. Th c trạng bảo hiể c trồng tại Việt Nam

Giai đoạn năm 1982-1983

Lịch sử bảo hiểm nông nghiệp ra đời từ năm 1982, công ty Bảo hiểm Bảo Việt

đã phát động chƣơng trình thí điểm bảo hiểm MPCI cho nông dân trồng lúa ở tỉnh

Nam Định nhƣng chƣơng trình này không thành công và đã bị ngừng năm 1983

(World Bank, 2012).

Giai đoạn năm 1993-1998

Công ty Bảo Việt lại tiếp tục triển khai thí điểm bảo hiểm cây lúa tại 12 tỉnh

trên phạm vi cả nƣớc từ năm 1993 nhƣng không thành công và ngƣng hoạt động

vào năm 1998 (World Bank 2012). Tổng diện tích lúa đƣợc bảo hiểm chỉ chiếm

0.73 diện tích lúa cả nƣớc (Phạm Bảo Dƣơng, 2011).

Giai đoạn năm 2000

Công ty Bảo hiểm Groupama Việt Nam (100% vốn của Pháp) đã thử nghiệm

bảo hiểm MPCI cho cây lúa vào giữa những năm 2000 nhƣng đã rút lại bảo hiểm

này vì nhu cầu thấp, có sự lựa chọn bất lợi nghiêm trọng (severe anti-selection) và

tổn thất tài chính (World Bank 2012).

Giai đoạn năm 2011-2013

Năm 2011, Thủ tƣớng Chính phủ ký Quyết định 315/QĐ-TTg (đƣợc sửa đổi,

bổ sung bởi Quyết định 358/QĐ-TTg) về việc thực hiện thí điểm bảo hiểm nông

nghiệp áp dụng trong giai đoạn 2011-2013. Thực hiện bảo hiểm đối với cây lúa tại

Nam Định, Thái Bình, Nghệ An, Hà Tĩnh, Bình Thuận, An Giang, Đồng Tháp.

Chƣơng trình bảo hiểm cây trồng cho lúa dựa trên chính sách của AYII với

huyện. Đơn vị tính bảo hiểm là diện tích khoảng 10 km x 10 km. Chính sách sẽ bảo

vệ hộ nông dân khỏi sự mất mát năng suất, chống lại các thảm họa nhƣ bão và lũ

lụt, hạn hán và sƣơng giá và các loại sâu bệnh cụ thể và bệnh lúa (ví dụ bệnh phễu

nâu) và mức độ bao phủ năng suất đƣợc bảo hiểm sẽ đƣợc thiết lập ở m i huyện để

đạt tỷ lệ phí bảo hiểm trung bình khoảng 4%.

Hình 4.2: Qui trình h ạt động của chư ng trình thí điể bả hiểm

nông nghiệ Việt Na nă 2011-2013

Ngu n: Quyế 3 5/QĐ-TTg ngày 01/03/2011 của Thủ ng Chính phủ

Cũng trong năm 2011, Tổng công ty cổ phần Bảo Minh thí điểm sản phẩm bảo

hiểm cây cà phê theo chỉ số hạn hán cho hộ nông dân tỉnh Đắk Lắk (Phụ lục 8).

Công ty cổ phần Bảo Minh Đắk Lắk dựa vào điều kiện về thổ nhƣỡng, khí hậu và

phân ra thành 5 cụm v ng hợp đồng bảo hiểm rủi ro hạn hán cho cây cà phê gồm:

thị xã Buôn Hồ, huyện Cƣ M‟Gar, Krông Ana, khu vực H a Phú và thành phố Buôn

Ma Thuột. Tuy nhiên chƣơng trình chỉ hoạt động trong một niên vụ 2011-2012 với

60 hộ mua bảo hiểm.

Giai đoạn năm 2013- hiện nay

Chƣơng trình Bảo hiểm nông nghiệp của Chính phủ đến thời điểm hiện nay

chỉ mới áp dụng thí điểm mà chƣa có những quy định cụ thể. Do đó, để bảo hiểm

nông nghiệp đi vào cuộc sống, thì các ngành chức năng cần phải nghiên cứu và xây

dựng một quy trình phù hợp với điều kiện thực tế. Các chính sách về Bảo hiểm

nông nghiệp tại Việt Nam từ năm 2011 đến nay đƣợc trình bày trong Phụ lục 6. Từ

năm 2012 đến nay, mặc d chính quyền địa phƣơng các tỉnh Tây nguyên cũng nhƣ

các công ty bảo hiểm quan tâm đến bảo hiểm cây cà phê nhƣng vẫn chƣa có sản

phẩm bảo hiểm cà phê nào đƣợc triển khai. Trong công văn góp ý về Dự thảo Đề án

Nâng cao năng lực cạnh tranh hàng hóa xuất khẩu của Việt Nam giai đoạn 2016 -

2030 của Bộ Công Thƣơng, Bộ Tài chính chọn lựa bảo hiểm đối với cây cà phê -

mặt hàng đang chịu tác động trực tiếp từ biến đổi khí hậu và mặt hàng canh tác

nhiều nhất trong nhóm cây xuất khẩu của Việt Nam. Vừa qua vào tháng 8 năm

2018, Bộ Tài Chính gửi công văn tới thủ trƣởng các đơn vị thuộc bộ yêu cầu báo

cáo tình hình giải quyết các kiến nghị còn tồn đọng và cử tri tỉnh Gia Lai đề nghị

Chính phủ có chính sách h trợ bảo hiểm cây trồng đối với cà phê, nhằm giúp nông

dân ứng phó với biến đổi khí hậu, giảm thiểu thiệt hại trong sản xuất nông nghiệp.

Đối với bảo hiểm cây cà phê chƣa có chính sách cụ thể, các đơn vị bảo hiểm thực

hiện bảo hiểm cho cà phê chỉ là tự phát.Điều này xảy ra nhiều bất cập trong hoạt

động bảo hiểm, dẫn đến suy giảm lòng tin của hộ nông dân trồng cà phê.

4.3. Kết quả nghiên cứu

4.3.1. Thống kê mô tả

Theo kết quả của Bảng 4.3, các yếu tố có sự khác biệt tƣơng đối giữa 2 nhóm

nhƣ yếu tố giới tính có tỷ lệ nam và nữ là 98% và 96%; độ tuổi trung bình của hai

nhóm là 42,81 tuổi và 43,72 tuổi; trung bình số lao động của hai nhóm gần 3 ngƣời

m i hộ; số năm kinh nghiệm trung bình của hai nhóm là khoản 17 năm; yếu tố diện

tích gần nhƣ tƣơng đƣơng nhau là 1,29 ha và 1,27 ha; độ tuổi trung bình cây cà phê

của 2 nhóm cũng tƣơng đƣơng nhau là 13.02 tuổi và 13.67 tuổi; cả hai nhóm có tỷ

lệ hộ nông dân tham gia hội nông dân là 97% và 98%; tỷ lệ sở hữu đất giữa 2 nhóm

là 86% và 81%; tỷ lệ hộ nông dân sản xuất cà phê theo tiêu chuẩn và thị trƣờng bán

cây cà phê giữa 2 nhóm đều là 5% và 1%. Có sự khác biệt rõ giữa hai nhóm với các

yếu tố sau: tỷ lệ ngƣời dân tộc Kinh với dân tộc khác là 72 và 47 ; trình độ học

vấn trung bình giữa hai nhóm là lớp 10 và lớp 7; trung bình năng suất chênh nhau

3,2 tạ/ha; thu nhập của hộ sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng

suất là 44,81 triệu/ha hơn nhóm c n lại 2,19 triệu/ha và tỷ lệ vay vốn ngân hàng là

22% so với 4%; tỷ lệ hộ nông dân quan tâm đến thƣơng hiệu giữa 2 nhóm là 77%

và 55%. Đặc biệt, nhóm hộ nông dân sẵn lòng tham gia bảo hiểm cây cà phê theo

chỉ số năng suất gặp nhiều rủi ro thời tiết (rủi ro thời tiết, rủi ro mƣa thất thƣờng, rui

ro bão, rủi ro lũ lụt) và nhóm rủi ro kinh tế (cà phê mất giá, nguyên vật liệu đầu vào

không ổn định, bị huỷ hợp đồng) so với nhóm hộ nông dân không sẵn lòng tham gia

bảo hiểm cây cà phê theo chỉ số năng suất. Mặt khác, nhóm hộ nông dân không sẵn

lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất gặp nhiều rủi ro sinh học

(rủi ro côn trùng, rủi ro sâu bệnh, rủi ro ô nhiễm nguồn nƣớc, đất) và nhóm rủi ro

lao động (lao động bị bệnh, lao động bị tai nạn, lao động chết) so với nhóm hộ nông

dân sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất.

Bảng 4.3: Mô tả dữ liệu nghiên cứu

STT Biến n Trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất

Nhóm h nông dân sẵn lòng tham gia b o hi m cây cà phê theo chỉ số ă ất

26.00 68.00 TUOI 1 256 42.81 7.77

GIOITINH 2 256 0.98 0.15 0.00 1.00

DANTOC 3 256 0.72 0.45 0.00 1.00

TDHV 4 256 9.68 3.16 1.00 16.00

KINHNGHIEM 5 256 16.75 6.70 5.00 40.00

HOIND 6 256 0.98 0.14 0.00 1.00

LAODONG 7 256 2.87 1.19 1.00 7.00

DIENTICH 8 256 1.29 1.43 0.20 16.00

TUOICAY 9 256 13.02 1.78 11.00 17.00

10 NANGSUAT 256 29.97 7.16 15.00 46.00

THUNHAP 11 256 44.81 8.20 17.52 57.14

SOHUUDAT 12 256 0.86 0.34 0.00 1.00

13 VAYVON 256 0.22 0.42 0.00 1.00

TIEUCHUAN 14 256 0.05 0.22 0.00 1.00

THITRUONG 15 256 0.05 0.21 0.00 1.00

THUONGHIEU 16 256 0.77 0.42 0.00 1.00

RRHH 17 256 0.97 0.16 0.00 1.00

RRMTT 18 256 0.88 0.32 0.00 1.00

RRB 19 256 0.66 0.48 0.00 1.00

RRLL 20 256 0.22 0.42 0.00 1.00

RRCT 21 256 0.66 0.47 0.00 1.00

RRSB 22 256 0.69 0.46 0.00 1.00

RRON 23 256 0.30 0.46 0.00 1.00

RRMG 24 256 1.00 0.00 0.00 1.00

RRNVL 25 256 0.87 0.34 0.00 1.00

26 RRHHD 256 0.24 0.43 0.00 1.00

27 RRLDB 256 0.09 0.29 0.00 1.00

28 RRLDTN 256 0.05 0.22 0.00 1.00

29 RRLDC 256 0.04 0.18 0.00 1.00

Nhóm h nông dân Không sẵn lòng tham gia b o hi m cây cà phê theo chỉ số ă suất

25.00 62.00 TUOI 1 224 43.72 8.09

GIOITINH 2 224 0.96 0.19 0.00 1.00

DANTOC 3 224 0.47 0.50 0.00 1.00

KINHNGHIEM

TDHV 4 224 6.93 2.62 1.0 12.00

5 224 17.05 6.35 3.00 40.00

HOIND 6 224 0.97 0.17 0.00 1.00

LAODONG 7 224 2.67 0.98 1.00 6.00

DIENTICH 8 224 1.27 1.18 0.1 14.00

TUOICAY 9 224 13.67 1.89 11.00 18.00

10 NANGSUAT 224 26.77 5.96 16.0 45.00

THUNHAP 11 224 42.62 8.92 16.8 58.71

SOHUUDAT 12 224 0.81 0.39 0.00 1.00

13 VAYVON 224 0.04 0.19 0.00 1.00

TIEUCHUAN 14 224 0.01 0.12 0.00 1.00

THUONGHIEU

THITRUONG 15 224 0.01 0.12 0.00 1.00

16 224 0.55 0.50 0.00 1.00

17 RRHH 224 0.92 0.27 0.00 1.00

18 RRMTT 224 0.84 0.36 0.00 1.00

19 RRB 224 0.54 0.50 0.00 1.00

20 RRLL 224 0.18 0.39 0.00 1.00

21 RRCT 224 0.79 0.41 0.00 1.00

22 RRSB 224 0.79 0.40 0.00 1.00

23 RRON 224 0.25 0.43 0.00 1.00

24 RRMG 224 0.99 0.12 0.00 1.00

25 RRNVL 224 0.86 0.35 0.00 1.00

26 RRHHD 224 0.20 0.40 0.00 1.00

27 RRLDB 224 0.14 0.35 0.00 1.00

28 RRLDTN 224 0.05 0.22 0.00 1.00

29 RRLDC 224 0.05 0.22 0.00 1.00

Ngu n: Kết qu tính toán của tác gi

4.3.2. Chọn l a mô hình hộ nông dân sẵn lòng tham gia bảo hiểm cây cà phê

theo chỉ số năng suất bằng hư ng h BMA

Với 29 biến độc lập, chúng ta có một tập hợp gồm 229 = 536,870,912 (Năm

trăm ba mƣơi sáu triệu tám trăm bảy mƣơi ngàn chín trăm mƣời hai) mô hình

nghiên cứu (Raftery, 1995). Theo cách làm thủ công, để xem xét mô hình một cách

đầy đủ nhất thì ƣớc lƣợng 536,870.912 mô hình rồi so sánh kết quả của chúng với

nhau là việc tốn rất nhiều thời gian, công sức và có thể nói là không khả thi. Tuy

nhiên, phƣơng pháp BMA sẽ giúp chúng ta thực hiện tốt điều này.

Tiêu chí lựa chọn mô hình phù hợp nhất của phƣơng pháp BMA là so sánh xác

suất hậu định và chỉ số BIC của m i mô hình, mô hình nào có xác suất hậu định cao

nhất và chỉ số BIC thấp nhất là tốt nhất (phù hợp nhất với dữ liệu). Thuật toán

Occam‟s Window sẽ rút gọn số mô hình lại nhƣ sau. Trƣớc tiên, những mô hình có

xác suất hậu định rất bé so với mô hình các xác suất hậu định lớn nhất sẽ bị loại bỏ;

tiếp theo, những mô hình có nhiều biến độc lập hơn những mô hình khác nhƣng xác

suất hậu định lại nhỏ hơn thì những mô hình đó bị thuật toán loại bỏ. Tác giả sử

dụng gói ứng dụng BMA trong phần mềm R để tìm kiếm nhanh chóng tập hợp các

mô hình nói trên. Vì biến phụ thuộc BAOHIEM là biến nhị phân nên tác giả sử

dụng phƣơng pháp BMA cho mô hình nghiên cứu theo hồi quy logistic và hồi quy

probit. Kết quả tác giả thu đƣợc là mô hình đƣợc lựa chọn bằng phƣơng pháp BMA

theo hồi quy logistic là tập hợp gồm 82 mô hình (xem Phụ lục 7.47) và theo hồi quy

probit là tập hợp hợp gồm 84 mô hình (xem Phụ lục 7.48). Các mô hình đƣợc sắp

xếp theo giá trị xác suất hậu định từ cao nhất đến thấp dần, đồng thời chỉ số BIC của

các mô hình đƣợc sắp xếp theo thứ tự từ thấp nhất đến cao dần.

S s nh hư ng h BMA dụng cho mô hình hồi quy logistic và mô

hình hồi quy probit

Từ kết quả trên, tác giả nhận thấy 2 tập hợp các mô hình nghiên cứu bằng

phƣơng pháp BMA theo hồi quy logistic và hồi quy probit có số lƣợng mô hình gần

nhƣ tƣơng đƣơng nhau. Vì số lƣợng mô hình do phƣơng pháp BMA chọn lựa theo 2

cách khá lớn và các mô hình đó gần nhƣ giống nhau (xem Phụ lục 7.47 và Phụ lục

7.48); do đó, tác giả không so sánh tất cả các mô hình do phƣơng pháp BMA chọn

theo 2 cách mà tác giả xin phép lấy 6 mô hình phù hợp với dữ liệu nhất theo m i

cách để so sánh. Đó là 6 mô hình có xác suất hậu định cao nhất và chỉ số BIC thấp

nhất đƣợc phƣơng pháp BMA chọn theo hồi quy logistic; chúng đƣợc ký hiệu là

BMAL1, BMAL2, BMAL3, BMAL4, BMAL5, BMAL6 (xem Bảng 4.4); và 6 mô

hình có xác suất hậu định cao nhất và chỉ số BIC thấp nhất đƣợc phƣơng pháp BMA

chọn theo hồi quy probit; chúng đƣợc ký hiệu là BMAP1, BMAP2, BMAP3,

BMAP4, BMAP5, BMAP6 (xem Bảng 4.5).

Căn cứ vào 6 mô hình phù hợp với dữ liệu nhất do BMA đề xuất theo hồi quy

logistic và 6 mô hình phù hợp với dữ liệu nhất do BMA đề xuất theo hồi quy probit

đều có các biến độc lập giống nhau gồm TUOI, DANTOC, TDHV, NANGSUAT,

VAYVON, THUONGHIEU, RRB; hơn nữa, các biến độc lập này có cùng mức ý

nghĩa thống kê và xác suất tác động đến biến phụ thuộc BAOHIEM gần nhƣ nhau

(xem Bảng 4.4 và Bảng 4.5). Bên cạnh đó, theo nghiên cứu của Gujarati (2011) các

giá trị bằng số của các hệ số hồi quy logistic và probit tuy khác nhau nhƣng về mặt

định tính thì các ý nghĩa kết quả là giống nhau. Từ kết quả trên, tác giả nhận thấy

phƣơng pháp BMA chọn lựa mô hình nghiên cứu theo hồi quy logistic và probit là

tƣơng tự nhau. Vì vậy, tác giả xin chọn 6 mô hình phù hợp nhất với dữ liệu do

phƣơng pháp BMA chọn theo hồi quy logistic để phân tích việc sẵn lòng tham gia

bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk.

100

Bảng 4.4: Mô hình nghiên cứu được a chọn bởi hư ng h BMA

theo hồi quy logistic

Biến Xác suất BMA L1 BMA L2 BMA L3 BMA L4 BMA L5 BMA L6

TUOI 92.7% 0.0469 ** 0.0588 *** 0.0572 *** 0.0492 ** 0.0560 *** 0.0544 ***

DANTOC 28% 0.5890 * 0.5503 *

TDHV 100% 0.4062 *** 0.4354 *** 0.4004 *** 0.3748 *** 0.3967 *** 0.4245 ***

NANGSUAT 24.6% 0.0366 * 0.0375 *

VAYVON 100% 2.5961 *** 2.4439 *** 2.5705 *** 2.7015 *** 2.4805 *** 2.3239 ***

THUONGHIEU 50.3% 0.6623 ** 0.6254 * 0.6474 *

RRB 100% 1.1411 *** 1.1403 *** 1.1544 *** 1.1541 *** 1.0064 *** 0.9997 ***

Số biến độc lập 5 4 5 6 6 5

BIC -2.438 -2.437 -2.437 -2.437 -2.436 -2.436

Xác suất hậu định 9.2% 6.8% 5.5% 5.0% 4.1% 3.6%

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

101

Bảng 4.5: Mô hình nghiên cứu được a chọn bởi hư ng h BMA

theo hồi quy probit

Biến Xác suất BMA P1 BMA P2 BMA P3 BMA P4 BMA P5 BMA P6

TUOI 97% 0.0347 *** 0.0330 *** 0.0290 ** 0.0338 *** 0.0300 ** 0.0354 ***

DANTOC 19% 0.3292 * 0.3118 *

TDHV 100% 0.2580 *** 0.2514 *** 0.2337 *** 0.2206 *** 0.2394 *** 0.2371 ***

NANGSUAT 30% 0.0229 * 0.0227 *

VAYVON 100% 1.3780 *** 1.3157 *** 1.4239 *** 1.4043 *** 1.5029 *** 1.4630 ***

THUONGHIEU 45% 0.3707 * 0.3594 * 0.3754 **

RRB 100% 0.6509 *** 0.6577 *** 0.5683 *** 0.6639 *** 0.5643 *** 0.6578 ***

Số biến độc lập 5 4 5 5 6 6

BIC -2.437 -2.437 -2.436 -2.436 -2.436 -2.435

Xác suất hậu định 8.4% 8% 4.9% 4.8% 4.7% 3.7%

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

Theo Bảng 4.4, tác giả nhận thấy 6 mô hình phù hợp nhất với dữ liệu gồm 7

biến độc lập TUOI, DANTOC, TDHV, NANGSUAT, VAYVON, THUONGHIEU,

RRB và những biến này có xác suất tác động đến biến BAOHIEM cao nhất trong số

29 biến độc lập (xem Bảng 4.6). Đây có thể xem là những biến quang trọng đối với

mô hình nghiên cứu. Đặc biệt, trong các biến này thì có 3 biến DANTOC,

THUONGHIEU, RRB là biến mới. Hơn nữa, trong nghiên cứu định tính thì yếu tố

tuổi, yếu tố trình độ học vấn, yếu tố dân tộc, yếu tố năng suất, yếu tố vay vốn ngân

102

hàng và yếu tố rủi ro bão đều là những yếu tố có khả năng tác động đến yếu tố sẵn

lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk

Lắk. Do đó, tùy vào mục đích nghiên cứu hoặc ứng dụng mà các nhà nghiên cứu

cây cà phê, công ty bảo hiểm, ngân hàng thƣơng mại có sự lựa chọn mô hình phù

hợp với mục tiêu nghiên cứu.

Bảng 4.6: X c suất c c biến độc ậ t c động ên biến hụ thuộc (BAOHIEM)

STT Biến độc ậ c suất STT Biến độc ậ c suất

1 92.7% 16 THUONGHIEU 50.3% TUOI

0.5% 17 RRHH 2 GIOITINH 15.3%

3 18 RRMTT 0.6% DANTOC 28.2%

4 TDHV 100% 19 RRB 100%

5 KINHNGHIEM 6.5% 20 RRLL 5.8%

6 HOIND 0.0% 21 RRCT 1.4%

7 LAODONG 4.5% 22 RRSB 0.5%

8 DIENTICH 0.0% 23 RRON 1.1%

9 TUOICAY 4.4% 24 RRMG 4.2%

25 RRNVL 8.3% 10 NANGSUAT 24.6%

11 THUNHAP 0.6% 26 RRHHD 5.5%

12 SOHUUDAT 0.5% 27 RRLDB 2.1%

28 RRLDTN 0.5% 13 VAYVON 100%

14 TIEUCHUAN 1.1% 29 RRLDC 3.0%

15 THITRUONG 0.5%

Ngu n: Kết qu tính toán của tác gi

103

4.3.3. ết quả ước ượng tha số v hả năng d đ n chính c của ô

hình

Hiện nay, chiến lƣợc xây dựng mô hình thƣờng đƣợc sử dụng khá phổ biến

trong thực tế là chia bộ dữ liệu nghiên cứu thành 2 bộ dữ liệu nhỏ hơn một cách

ngẫu nhiên (phần mềm chọn tự động, Nguyễn Văn Tuấn, 2020). Cụ thể nhƣ sau:

4.3.3.1. Sử dụng t n bộ dữ iệu để ước ượng tham số và d đ n

Trong trƣờng hợp này, tác giả sẽ sử dụng toàn bộ dữ liệu 480 quan sát thu thập

đƣợc để ƣớc lƣợng tham số mô hình BMAL1 (xem Bảng 4.7), BMAL2 (xem Bảng

4.8), BMAL3 (xem Bảng 4.9), BMAL4 (xem Bảng 4.10), BMAL5 (xem Bảng

4.11), BMAL6 (xem Bảng 4.12). Độ chính xác của mô hình sẽ đƣợc tính bằng cách

so sánh kết quả dự đoán của mô hình với kết quả khảo sát thực tế về việc sẵn l ng

tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk.

Cụ thể, tác giả d ng dữ liệu ƣớc lƣợng tham số mô hình để so sánh với kết quả dự

đoán của mô hình nhằm tìm ra độ chính xác của mô hình BMAL1 (xem Bảng 4.7),

BMAL2 (xem Bảng 4.8), BMAL3 (xem Bảng 4.9), BMAL4 (xem Bảng 4.10),

BMAL5 (xem Bảng 4.11), BMAL6 (xem Bảng 4.12).

104

Bảng 4.7: ết quả ước ượng tha số và d đ n với ô hình BMAL1

Biến Ước ượng Sai số chuẩn P-value

(Intercept) -7.19384 1.02293 2.03e-12 ***

TUOI 0.05875 0.01598 0.000236 ***

TDHV 0.40615 0.04760 < 2e-16 ***

VAYVON 2.59613 0.45681 1.32e-08 ***

THUONGHIEU 0.66229 0.25546 0.009527 **

1.14111 0.24479 RRB 3.14e-06 ***

Chỉ số Gi trị

Brier 0.168

AUC 0.828

0.819 AUC (bootstrap 1000 lần)

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (toàn bộ dữ liệu)

Độ chính xác 75.83%

Độ nhạy 77.73%

Độ đặc hiệu 73.66%

Tham khảo

SL Dự đoán KSL Ma trận nhầm lẫn 199 SL 59

57 KSL 165

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

105

Bảng 4.8: ết quả ước ượng tha số v d đ n với ô hình BMAL2

Biến Ước ượng Sai số chuẩn P-value

6.53e-12 (Intercept) -6.89803 1.00443 ***

0.05715 0.01587 TUOI 0.000317 ***

0.43535 0.04635 TDHV < 2e-16 ***

VAYVON 2.44392 0.45497 7.81-08 ***

1.14027 0.24384 RRB 2.92e-06 ***

Chỉ số Gi trị

Brier 0.171

AUC 0.823

AUC (bootstrap 1000 lần) 0.816

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (toàn bộ dữ liệu)

Độ chính xác 75.62%

Độ nhạy 77.34%

Độ đặc hiệu 73.66%

Tham khảo

Dự đoán Dự đoán SL Ma trận nhầm lẫn SL SL 198

KSL KSL 58

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

106

Bảng 4.9: ết quả ước ượng tha số v d đ n với ô hình BMAL3

Biến Ước ượng Sai số chuẩn P-value

1.05e-10 (Intercept) -6.54094 1.01270 ***

TUOI 0.04689 0.01636 0.00415 **

DANTOC 0.58898 0.24578 0.01656 *

TDHV 0.40037 0.04838 < 2e-16 ***

VAYVON 2.57050 0.46730 3.78e-08 ***

1.15442 0.24477 RRB 2.40e-06 ***

Chỉ số Gi trị

Brier 0.168

AUC 0.828

0.820 AUC (bootstrap 1000 lần)

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (toàn bộ dữ liệu)

Độ chính xác 75.42%

Độ nhạy 76.56%

Độ đặc hiệu 74.11%

Tham khảo

SL Dự đoán KSL Ma trận nhầm lẫn 196 SL 58

60 KSL 166

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

107

Bảng 4.10: ết quả ước ượng tha số v d đ n với ô hình BMAL4

Biến Ước ượng Sai số chuẩn P-value

3.37e-11 (Intercept) -6.84445 1.03244 ***

TUOI 0.04921 0.01648 0.00282 **

DANTOC 0.55027 0.24764 0.02628 *

TDHV 0.37482 0.04950 3.67e-14 ***

VAYVON 2.70151 0.46618 6.83e-09 ***

THUONGHIEU 0.62538 0.25684 0.01490 *

1.15413 0.24577 RRB 2.65e-06 ***

Chỉ số Gi trị

Brier 0.166

AUC 0.833

0.822 AUC (bootstrap 1000 lần)

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (toàn bộ dữ liệu)

Độ chính xác 77.29%

Độ nhạy 80.47%

Độ đặc hiệu 73.66%

Tham khảo

SL Dự đoán KSL Ma trận nhầm lẫn 206 SL 59

50 KSL 165

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

108

Bảng 4.11: ết quả ước ượng tha số v d đ n với ô hình BMAL5

Biến Ước ượng Sai số chuẩn P-value

3.70e-13 (Intercept) -7.93230 1.09169 ***

TUOI 0.05601 0.01602 0.000474 ***

TDHV 0.39672 0.04771 < 2e-14 ***

NANGSUAT 0.03662 0.01730 0.034326 *

VAYVON 2.48047 0.46021 7.05e-08 ***

THUONGHIEU 0.64735 0.25594 0.011429 *

1.00635 0.25208 RRB 6.54e-05 ***

Chỉ số Gi trị

Brier 0.167

AUC 0.832

0.820 AUC (bootstrap 1000 lần)

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (toàn bộ dữ liệu)

Độ chính xác 76.46%

Độ nhạy 78.91%

Độ đặc hiệu 73.66%

Tham khảo

SL Dự đoán Dự đoán Ma trận nhầm lẫn 202 SL SL

54 KSL KSL

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

109

Bảng 4.12: ết quả ước ượng tha số v d đ n với ô hình BMAL6

Biến Ước ượng Sai số chuẩn P-value

9.57e-13 (Intercept) -7.65944 1.07326 ***

TUOI 0.05443 0.01591 0.000623 ***

TDHV 0.42451 0.04649 < 2e-16 ***

NANGSUAT 0.03748 0.01711 0.028482 *

VAYVON 2.32388 0.45865 4.05e-07 ***

0.99974 0.25128 RRB 6.93e-05 ***

Gi trị Chỉ số

0.170 Brier

0.827 AUC

0.817 AUC (bootstrap 1000 lần)

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (toàn bộ dữ liệu)

74.58% Độ chính xác

76.952% Độ nhạy

71.88% Độ đặc hiệu

Tham khảo

Dự đoán SL Dự đoán Ma trận nhầm lẫn SL 197 SL

KSL 59 KSL

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

110

4.3.3.2. Sử dụng dữ iệu huấn u ện để ước ượng tham số và d đ n với

hai loại dữ liệu khác nhau.

Dữ liệu ban đầu thu thập đƣợc sẽ chia ngẫu nhiên thành dữ liệu huấn luyện

gồm 385 quan sát (80 ) để ƣớc lƣợng tham số của mô hình và dữ liệu kiểm tra là

95 quan sát (20 ). Ý tƣởng dành nhiều số liệu cho bộ dữ liệu huấn luyện là để có

những giá trị ƣớc lƣợng tham số ổn định (Nguyễn Văn Tuấn, 2020). Các mô hình

nghiên cứu sử dụng dữ liệu huấn luyện để ƣớc lƣợng tham số, đƣợc ký hiệu là

BMAL1_Split, BMAL2_Split, BMAL3_Split, BMAL4_Split, BMAL5_Split,

BMAL6_Split, cùng với bộ dữ liệu này sẽ tạo ra kết quả dự đoán và độ chính xác

cho lần lƣợt từng mô hình. Sau đó với dữ liệu kiểm tra có 95 quan sát, hoàn toàn

độc lập với dữ liệu ƣớc lƣợng sẽ d ng để dự đoán và tính độ chính xác của từng mô

hình mô hình, và so sánh kết quả dự đoán, độ chính xác cho từng mô hình với hai

bộ dữ liệu khác nhau. Xem kết quả Bảng 4.13, Bảng 4.14, Bảng 4.15, Bảng 4.16,

Bảng 4.17 và Bảng 4.18.

111

Bảng 4.13: ết quả ước ượng tha số và d đ n với ô hình BMAL1_Split

Biến Ước ượng Sai số chuẩn P-value

(Intercept) -6.24337 1.09790 1.30e-08 ***

TUOI 0.04399 0.01769 0.01290 *

TDHV 0.36145 0.05096 1.31e-12 ***

VAYVON 2.26013 0.48817 3.66e-06 ***

THUONGHIEU 0.78338 0.27817 0.00486 **

RRB 1.19495 0.26933 9.13e-06 ***

Chỉ số Gi trị

Brier 0.173

AUC 0.819

AUC (bootstrap 1000 lần) 0.808

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (dữ liệu huấn luyện)

Độ chính xác 75.58%

Độ nhạy 76.81%

Độ đặc hiệu 74.16%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 159 46 SL

48 132 KSL

Kết quả dự đoán của mô hình theo dữ liệu độc lập (dữ liệu kiểm tra)

Độ chính xác 80.00%

Độ nhạy 76.67%

Độ đặc hiệu 85.71%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 46 5 SL

14 30 KSL

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

112

Bảng 4.14: ết quả ước ượng tha số v d đ n với ô hình BMAL2_Split

Biến Ước ượng Sai số chuẩn P-value

-5.97869 1.07716 2.85e-08 *** (Intercept)

0.04329 0.01755 0.0136 * TUOI

0.39878 0.04923 5.49e-16 *** TDHV

2.10525 0.48425 1.38-05 *** VAYVON

1.19537 0.26749 7.86e-06 *** RRB

Gi trị Chỉ số

0.178 Brier

0.811 AUC

AUC (bootstrap 1000 lần) 0.801

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (dữ liệu huấn luyện)

74.55% Độ chính xác

75.85% Độ nhạy

73.03% Độ đặc hiệu

Tham khảo

Dự đoán SL KSL Ma trận nhầm lẫn SL 157 48

KSL 50 130

Kết quả dự đoán của mô hình theo dữ liệu độc lập (dữ liệu kiểm tra)

78.95% Độ chính xác

77.19% Độ nhạy

81.58% Độ đặc hiệu

Tham khảo

Dự đoán SL KSL Ma trận nhầm lẫn SL 44 7

KSL 13 31

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

113

Bảng 4.15: ết quả ước ượng tha số v d đ n với ô hình BMAL3_Split

Biến Ước ượng Sai số chuẩn P-value

(Intercept) -5.66681 1.08445 1.74e-7 ***

TUOI 0.03293 0.01800 0.0673 .

DANTOC 0.65596 0.26428 0.0131 *

TDHV 0.36477 0.05102 8.74e-13 ***

VAYVON 2.20035 0.49700 9.54e-06 ***

RRB 1.24120 0.27022 4.36e-06 ***

Chỉ số Gi trị

Brier 0.173

AUC 0.819

AUC (bootstrap 1000 lần) 0.807

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (dữ liệu huấn luyện)

Độ chính xác 75.06%

Độ nhạy 76.59%

Độ đặc hiệu 73.33%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 157 48 SL

48 132 KSL

Kết quả dự đoán của mô hình theo dữ liệu độc lập (dữ liệu kiểm tra)

Độ chính xác 81.05%

Độ nhạy 77.97%

Độ đặc hiệu 86.11%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 46 5 SL

13 31 KSL

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

114

Bảng 4.16: ết quả ước ượng tha số v d đ n với ô hình BMAL4_Split

Biến Ước ượng Sai số chuẩn P-value

(Intercept) -5.93648 1.10621 8.03e-8 ***

TUOI 0.03414 0.01814 0.05982 .

DANTOC 0.63536 0.26754 0.01756 *

TDHV 0.32873 0.05283 4.89e-10 ***

VAYVON 2.34278 0.49774 2.52e-06 ***

THUONGHIEU RRB 0.76483 1.23943 0.28077 0.27222 0.00645 ** 5.29e-06 ***

Chỉ số Gi trị

Brier 0.170

AUC 0.827

AUC (bootstrap 1000 lần) 0.811

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (dữ liệu huấn luyện)

Độ chính xác 75.58%

Độ nhạy 77.07%

Độ đặc hiệu 73.89%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 158 47 SL

47 133 KSL

Kết quả dự đoán của mô hình theo dữ liệu độc lập (dữ liệu kiểm tra)

Độ chính xác 77.89%

Độ nhạy 75.86%

Độ đặc hiệu 81.08%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 44 7 SL

14 30 KSL

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

115

Bảng 4.17: ết quả ước ượng tha số v d đ n với ô hình BMAL5_Split

Biến Ước ượng Sai số chuẩn

-7.06888 1.18816 P-value 2.69e-09 *** (Intercept)

TUOI 0.04257 0.01771 0.016244 *

TDHV 0.35242 0.05110 5.32e-12 ***

NANGSUAT 0.03808 0.01841 0.049749 *

VAYVON 2.11751 0.49273 1.73e-05 ***

THUONGHIEU 0.76466 0.27891 0.006113 **

RRB 1.06591 0.27623 0.000114 ***

Chỉ số

Brier Gi trị 0.171

AUC 0.823

AUC (bootstrap 1000 lần) 0.808

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (dữ liệu huấn luyện) Độ chính xác 75.58%

Độ nhạy 76.81%

Độ đặc hiệu 74.16%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 159 46 SL

48 132 KSL

Kết quả dự đoán của mô hình theo dữ liệu độc lập (dữ liệu kiểm tra) Độ chính xác 76.84%

Độ nhạy 74.58%

Độ đặc hiệu 80.56%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 44 7 SL

15 29 KSL

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

116

Bảng 4.18: ết quả ước ượng tha số v d đ n với ô hình BMAL6_Split

Biến Ước ượng Sai số chuẩn P-value

(Intercept) -6.84008 1.16723 4.63e-09 ***

TUOI 0.04194 0.01756 0.016942 *

TDHV 0.38806 0.04940 3.99e-15 ***

NANGSUAT 0.03934 0.01906 0.039057 *

VAYVON 1.95122 0.48929 6.67e-05 ***

RRB 1.05942 0.27446 0.000113 ***

Chỉ số Gi trị

Brier 0.175

AUC 0.815

AUC (bootstrap 1000 lần) 0.803

Kết quả dự đoán của mô hình theo dữ liệu ước lượng (dữ liệu huấn luyện)

Độ chính xác 74.55%

Độ nhạy 75.85%

Độ đặc hiệu 73.03%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 157 48 SL

50 130 KSL

Kết quả dự đoán của mô hình theo dữ liệu độc lập (dữ liệu kiểm tra) Độ chính xác 77.89%

Độ nhạy 75.00%

Độ đặc hiệu 82.86%

Tham khảo

SL KSL Dự đoán Ma trận nhầm lẫn 45 6 SL

15 29 KSL

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

117

4.3.4. Một số kiể định nhóm ô hình sử dụng toàn bộ dữ liệu và nhó ô

hình sử dụng một phần dữ liệu

Đầu tiên, kiểm tra hiện tƣợng đa cộng tuyến của nhóm mô hình sử dụng toàn

bộ dữ liệu để ƣớc lƣợng mô hình và nhóm mô hình sử dụng dữ liệu huấn luyện để

ƣớc lƣợng mô hình bằng ma trận tƣơng quan. Theo Phụ lục 7.1 và Phụ lục 7.2, 12

mô hình không xảy ra hiện tƣợng đa cộng tuyến vì hệ số tƣơng quan của tất cả các

cặp biến có giá trị tuyệt đối bé hơn hoặc bằng 0.43 (hiển nhiên bé hơn 0.775)

(Gujarati và Porter, 2009).

Kế đến kiểm định giả thuyết rằng tất cả các hệ số đồng thời bằng 0 với

thống kê về tỷ số hợp lý (LR – likelihood ratio statistic). Để đảm bảo các yếu tố trên

có ý nghĩa, theo Gujarati và Porter (2009), kiểm định thống kê LR theo phân phối

Chi bình phƣơng của 12 mô hình đều có giá trị xác suất Pr(> Chi2) < 0.0001. Vì thế

bác bỏ giả thuyết nên các yếu tố đƣa vào 12 mô hình hồi quy logistic là các yếu

tố quan trọng (từ Phụ lục 7.3 đến Phụ lục 7.14).

Sau đó, so sánh chỉ số Brier vá AUC của mô hình. Chỉ số Brier của 12 mô

hình lần lƣợt là 0.168, 0.171, 0.168, 0.166, 0.167, 0.170, 0.173, 0.178, 0.173, 0.170,

0.171, 0.175. Các chỉ số Brier này đều gần bằng nhau và gần bằng 0. Bên cạnh đó,

chỉ số AUC của 12 mô hình lần lƣợt là 0.828, 0.823, 0.828, 0.833, 0.832, 0.827,

0.819, 0.811, 0.819, 0.827, 0.823, 0.815. Các chỉ số AUC này đều gần bằng nhau và

lớn hơn 0.8. Hơn nữa, tác giả đã d ng phƣơng pháp bootstrap để tính trung bình

1000 lần giá trị AUC của 12 mô hình thì kết quả bootstrap trung bình AUC của 12

mô hình cũng đều gần bằng nhau và lần lƣợt là 0.819, 0.816, 0.820, 0.822, 0.820,

0.817, 0.808, 0.801, 0.807, 0.811, 0.808, 0.803. Do đó, 12 mô hình trong 2 nhóm

mô hình đều đƣợc xem là mô hình tốt (Nguyễn Văn Tuấn, 2020).

Theo Bảng 4.19, nhóm mô hình sử dụng toàn bộ dữ liệu để ƣớc lƣợng mô hình

và nhóm mô hình sử dụng dữ liệu huấn luyện để ƣớc lƣợng, cả hai có kết quả dự

đoán với hai bộ dữ liệu là xấp xỉ nhau.

118

Từ các kết quả trên, tác giả có thể kết luận rằng nhóm mô hình sử dụng dữ liệu

huấn luyện để ƣớc lƣợng mô hình có dự báo tốt hơn so nhóm mô hình nhóm mô

hình sử dụng toàn bộ dữ liệu để ƣớc lƣợng mô hình. Đồng thời, các mô hình này

cũng thoả mãn 3 tiêu chí chọn lựa mô hình gồm đơn giản, đầy đủ và có ý nghĩa thực

tế. Cụ thể, các mô hình có từ 4 đến 6 biến độc lập. Đặc biệt, các biến độc lập trong

mô hình do phƣơng pháp BMA chọn lựa đều có ý nghĩa thống kê và có dự báo tốt

hơn. Cuối cùng, các biến trong mô hình đều có ý nghĩa thực tế về mặt lý thuyết, ý

nghĩa kinh tế và rất dễ khảo sát. Nhƣ vậy, các mô hình BMAL1_Split,

BMAL2_Split, BMAL3_Split, BMAL4_Split, BMAL5_Split, BMAL6_Split sẽ là

những mô hình có nhiều ƣu điểm hơn với dữ liệu nghiên cứu.

119

Bảng 4.19: Tổng hợp c c mô hình

MÔ HÌNH

BMAL1 BMAL2 BMAL1 _Split BMAL2 _Split

TUOI *** TUOI * TUOI *** TUOI *

TDHV *** TDHV *** TDHV *** TDHV ***

Biến VAYVON *** VAYVON *** VAYVON *** VAYVON ***

RRB *** RRB *** RRB *** RRB ***

THUONGHIEU ** THUONGHIEU **

Brier 0.168 0.173 0.171 0.178

AUC 0.828 0.819 0.823 0.811

Bootstrap AUC 0.819 0.808 0.816 0.801

480 hộ 385 hộ 480 hộ 385 hộ Dữ liệu ƣớc lƣợng tham số mô hình

75.83% 75.58% 75.62% 74.55% Độ chính xác mô hình

không 95 hộ không 95 hộ Dữ liệu kiểm tra mô hình

không 80.00% không 78.95% Độ chính xác mô hình

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

120

Bảng 4.19 Tổng hợp c c ô hình (tiếp theo)

MÔ HÌNH

BMAL3 BMAL4 BMAL3 _Split BMAL4 _Split

TUOI ** TUOI ** TUOI . TUOI .

TDHV *** TDHV *** TDHV *** TDHV ***

VAYVON *** VAYVON *** VAYVON *** VAYVON *** Biến

RRB *** RRB *** RRB *** RRB ***

DANTOC * DANTOC * DANTOC * DANTOC *

THUONGHIEU * THUONGHIEU **

0.168 0.173 0.166 0.17 Brier

0.828 0.819 0.833 0.827 AUC

0.82 0.807 0.822 0.811 Bootstrap AUC

480 hộ 385 hộ 480 hộ 385 hộ Dữ liệu ƣớc lƣợng tham số mô hình

75.42% 75.06% 77.29% 75.58% Độ chính xác mô hình

không 95 hộ không 95 hộ Dữ liệu kiểm tra mô hình

không 81.05% không 77.89% Độ chính xác mô hình

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

121

Bảng 4.19: Tổng hợp c c ô hình (tiếp theo)

MÔ HÌNH

BMAL5 BMAL6 BMAL6 _Split BMAL5 _Split

TUOI *** TUOI * TUOI *** TUOI *

TDHV *** TDHV *** TDHV *** TDHV ***

VAYVON *** VAYVON *** VAYVON *** VAYVON *** Biến

RRB *** RRB *** RRB *** RRB ***

NANGSUAT * NANGSUAT * NANGSUAT * NANGSUAT *

THUONGHIEU * THUONGHIEU **

Brier 0.167 0.171 0.166 0.175

AUC 0.832 0.823 0.833 0.815

Bootstrap AUC 0.82 0.808 0.817 0.803

480 hộ 385 hộ 480 hộ 385 hộ Dữ liệu ƣớc lƣợng tham số mô hình

76.46% 75.58% 74.58% 74.55% Độ chính xác mô hình

không 95 hộ không 95 hộ Dữ liệu kiểm tra mô hình

không 76.84% không 77.89% Độ chính xác mô hình

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

122

4.3.5. So sánh mô hình hồi quy logistic tần số và hồi quy logistic Bayesian

Trong 6 mô hình BMAL1_Split, BMAL2_Split, BMAL3_Split,

BMAL4_Split, BMAL5_Split, BMAL6_Split phân tích hộ nông dân sẵn lòng tham

gia bảo hiểm cây cà phê theo chỉ số năng suất phù hợp nhất với dữ liệu. Do đó, tác

giả xin phép sử dụng mô hình BMAL5 Split làm mô hình đại diện để so sánh mô

hình hồi quy logistic tần số và hồi quy logistic Bayesian. Dựa vào kết quả thể hiện ở

Bảng 4.17, mô hình BMAL5_Split hồi quy logistic tần số cung cấp cho chúng ta giá

trị P-value và tất cả các biến độc lập điều có ý nghĩa thống kê, mô hình

BMAL5_Split hồi quy logistic Bayesian cung cấp cho chúng ta giá trị trung bình

phân phối hậu định ƣớc lƣợng tham số của các biến độc lập với mức 95% (Quy

trình lấy mẫu cho chu i MCMC 2000 lần, xem Phụ lục 7.45). Đặc biệt, hệ số ƣớc

lƣợng của các biến độc lập theo hồi quy logistic tần số và giá trị trung bình của các

biến độc lập theo hồi quy logistic Bayesian gần bằng nhau (xem Bảng 4.20). Sự

khác biệt là hồi quy logistic tần số không cho biết xác suất xảy ra tại một điểm mà

chỉ cung cấp khoảng tin cậy 95 tại điểm đó (xem Hình 4.3). Trong khi đó, hồi quy

logistic Bayesian cho chúng ta biết xác suất xảy ra tại một điểm thông qua phối xác

suất (Gelman và Hill, 2007) (xem Hình 4.4).

Bảng 4.20: So sánh hồi quy logistic tần số và hồi quy logistic Bayesian

Hồi quy logistic Hồi quy logistic Bayesian

Hệ số P-value Giá trị trung bình Phân phối 95

(Intercept) -7.069 2.69e-09 *** -7.199 (-9.514, -4.852)

TUOI 0.043 0.016244 * 0.043 (0.008, 0.078)

TDHV 0.352 5.32e-12 *** 0.359 (0.258, 0.461)

NANGSUAT 0.038 0.049749 * 0.039 (0.001, 0.078)

VAYVON 2.118 1.73e-05 *** 2.129 (1.246, 3.066)

THUONGHIEU 0.765 0.006113 ** 0.773 (0.223, 1.305)

RRB 1.066 0.000114 *** 1.082 (0.529, 1.649)

Mức ý nghĩa thống kê: 0 „***‟ 0.001 „**‟ 0.01 „*‟ 0.05 „.‟ 0.1 „ ‟ 1

Ngu n: Kết qu tính toán của tác gi

123

Hình 4.3: Kết quả mô hình hồi quy logistic tần số

Ngu n: Kết qu tính toán của tác gi

Hình 4.4: Kết quả mô hình hồi quy logistic Bayesian

Ngu n: Kết qu tính toán của tác gi

124

4.4. Xây d ng t n đồ

Trong luận án này, dựa trên mô hình ƣớc lƣợng tác giả sẽ xây dựng toán đồ

dự đoán nhanh để xem xét việc hộ nông dân có sẵn l ng tham gia bảo hiểm cây cà

phê theo chỉ số năng suất. Toán đồ này sẽ giúp nhà nghiên cứu cây cà phê, công ty

bảo hiểm, ngân hàng thƣơng mại…dễ dàng dự đoán sơ bộ đƣợc khả năng sẵn l ng

tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân. Toán đồ đƣợc

tác giả xây dựng trực tuyến cho một mô hình đại diện (BMAL5_Slipt) theo đƣờng

dẫn liên kết nhƣ sau: https://ledinhthang.shinyapps.io/WTJIC/ (Hình 4.5)

Hình 4.5: T n đồ d đ n hộ nông d n sẵn ng tha gia bả hiể c c hê

the chỉ số năng suất bằng hình ảnh

Ngu n: Kết qu tính toán của tác gi

125

Nhìn vào toán đồ, ta thấy bên trái toán đồ thể hiện những biến độc lập của nh

nghiên cứu và ô “Predict” (dự đoán); bên phải toán đồ thể hiện kết quả dự đoán

bằng hình ảnh (xem Hình 4.5) và bằng số liệu (xem Hình 4.6). Khi ta muốn dự báo

khả năng một hộ nông dân nào đó sẵn lòng tham gia bảo hiểm cây cà phê hiểm cây

cà phê theo chỉ số năng suất thì chúng ta chỉ cần chọn giá trị của biến TUOI, biến

TDHV, biến NANGSUAT, biến VAYVON, biến THUONGHIEU, biến RRB của

hộ nông dân đó sao cho khớp với giá trị của các biến đó trên toán đồ và nhấn nút

“Predict”. Kết quả dự báo sẽ đƣợc toán đồ của mô hình nghiên cứu thể hiện bằng

hình ảnh hoặc bằng số liệu.

Hình 4.6: T n đồ d đ n hộ nông d n sẵn ng tha gia bả hiể c c hê

the chỉ số năng suất bằng số liệu

Ngu n: Kết qu tính toán của tác gi

126

4.5. Kết luận chư ng 4

Phƣơng pháp thống kê BMA đã lựa chọn ra các mô hình phù hợp nhất với dữ

liệu. Các mô hình đó có số biến ít hơn nên tiết kiệm về mặt dữ liệu, dự báo chính

xác hơn và đặc biệt là cung cấp cho chúng ta xác suất hậu định của mô hình.

Phƣơng pháp tách dữ liệu thành hai phần huấn luyện và kiểm tra kết hợp với

phƣơng pháp bootstrap giúp chúng ta xác định đƣợc mô hình đó có thể áp dụng cho

một quần thể độc lập mà vẫn có độ chính xác nhƣ trong quần thể phát triển. Phƣơng

pháp hồi quy logistic Bayesian cũng có ƣu điểm hơn hồi quy logistic là cung cấp

cho chúng ta phân phối hậu định của hệ số hồi quy. Mô hình hộ nông dân sẵn lòng

tham gia bảo hiểm cây cà phê theo chỉ số năng suất mà tác giả nhận thấy là phù hợp

nhất với nghiên cứu này là mô hình BMAL5 Split. Mô hình bao gồm 6 yếu tố: yếu

tố tuổi của chủ hộ, yếu tố trình độ học vấn của chủ hộ, yếu tố năng suất cây cà phê,

yếu tố vay vốn ngân hàng, yếu tố thƣơng hiệu và yếu tố rủi ro bão. Kết quả chƣơng

4 sẽ là nền tảng cho việc chọn lựa hàm ý và chính sách ở chƣơng 5.

127

CHƯƠNG 5: ẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

5.1. Những kết quả nghiên cứu chính

Trong nghiên cứu này, phƣơng pháp thống kê BMA đã cho thấy sự chắc chắn

trong việc xây dựng mô hình hộ nông dân sẵn lòng tham gia bảo hiểm cây cà phê

theo chỉ số năng suất, tất cả 536.870.912 mô hình đƣợc tạo bởi 29 biến độc lập đều

đƣợc xem xét và so sánh bởi giá trị xác suất hậu định và BIC. Vì mô hình nghiên

cứu có biến phụ thuộc là nhị phân, cho nên tác giả đã sử dụng phƣơng pháp BMA

cho mô hình hồi quy logistic và phƣơng pháp BMA cho mô hình hồi quy probit

trong việc lựa chọn mô hình. Kết quả là 2 phƣơng pháp BMA này đã tìm ra những

mô hình nghiên cứu phù hợp nhất với dữ liệu tƣơng đồng nhau.

Một lần nữa, để đảm bảo sự chắc chắn trong việc xây dựng mô hình, phƣơng

pháp BMA đã cung cấp chi tiết thông tin về những mô hình phù hợp nhất với dữ

liệu. Từ đó, các nghiên cứu cần sẽ có cái nhìn tổng quát hơn về biến phụ thuộc

trong mô hình bằng cách xem xét những mô hình đó. Mô hình BMAL1, BMAL2,

BMAL3, BMAL4, BMAL5, BMAL6 là 6 mô hình phù hợp nhất với dữ liệu do

phƣơng pháp BMA chọn đƣợc trong nghiên cứu này. Những mô hình này có xác

suất hậu định cao nhất và có chỉ số BIC thấp nhất, tổng xác suất hậu định của 6 mô

hình này chiếm 34,2% (xem Bảng 4.4).

Sau khi tìm đƣợc 6 mô hình phù hợp nhất với dữ liệu, tác giả sử dụng phƣơng

pháp tách dữ liệu và tạo ra 6 mô hình BMAL1_Split, BMAL2_Split, BMAL3_Split,

BMAL4_Split, BMAL5_Split, BMAL6_Split dự báo việc sẵn lòng tham gia bảo

hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk nhằm mục

đích kiểm tra sự phù hợp của các mô hình trong các bộ dữ liệu độc lập khác. Tuy

nhiên, việc sử dụng phƣơng pháp này sẽ làm giảm cỡ mẫu tức làm giảm độ nhạy

của nghiên cứu do số biến cố ít hơn tham số. Do đó, tác giả đã sử dụng phƣơng

pháp này kết hợp với phƣơng pháp bootstrap nhằm tăng tính ổn định và tăng sự tái

lập của mô hình. Kết quả là khả năng dự báo của 6 mô hình BMAL1_Split,

128

BMAL2_Split, BMAL3_Split, BMAL4_Split, BMAL5_Split, BMAL6_Split với bộ

dữ liệu khác cho độ chính xác khá tốt, từ 76.84 đến 81.05% (xem Bảng 4.19).

Yếu tố thƣơng hiệu, yếu tố rủi ro bão, yếu tố dân tộc là các điểm mới đã đƣợc

phát hiện trong nghiên cứu này. Đây là những yếu tố chƣa từng đƣợc xuất hiện

trong các nghiên cứu thực nghiệm hoặc chỉ đƣợc đề cập trong các nghiên cứu định

tính về việc sẵn lòng tham gia bảo hiểm cây trồng. Những hộ nông dân có tuổi chủ

hộ lớn, có trình độ học vấn cao, dân tộc Kinh, đƣợc vay vốn ngân hàng, năng suất

cây cà phê cao, quan tâm phát triển thƣơng hiệu cây cà phê, bị ảnh hƣởng bởi bão

thì khả năng sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ

nông dân tỉnh Đắk Lắk cao hơn những hộ nông dân còn lại. Những hộ nông dân là

ngƣời dân tộc Kinh có trình độ học vấn cao hơn những hộ nông dân dân tộc tiểu số

tỉnh Đắk Lắk, họ sẽ hiểu đƣợc lợi ích của bảo hiểm và chủ hộ lớn tuổi có kinh

nghiệm sản xuất cà phê nên biết đƣợc sản xuất cà phê có rất nhiều rủi ro. Đồng thời

các ngân hàng thƣơng mại đều muốn đảm khả năng thanh toán nguồn vốn đã cho

vay luôn khuyến khích hộ nông dân tham gia bảo hiểm. Mặt khác hộ nông dân cũng

có nhu cầu tham gia bảo hiểm nhƣ một công cụ để đề phòng rủi ro và dùng phần

tiền bồi thƣờng từ bảo hiểm để chi trả tiền vay cho ngân hàng nếu bị thiệt hại năng

suất do rủi ro gây ra. Cùng với đó, những hộ nông dân có năng suất cao khi gặp rủi

ro có thể dẫn đến tình trạng mất thu nhập do bị đền hợp đồng vì không đảm bảo

chất lƣợng cũng nhƣ số lƣợng cà phê trong hợp đồng. Đây là một thiệt hại kép của

hộ nông dân sản xuất cây cà phê và làm ảnh hƣởng nghiêm trọng đến thƣơng hiệu

cà phê của tỉnh Đắk Lắk.

Ngoài kết quả ƣớc lƣợng hồi quy logistic tần số, chúng ta có thể sử dụng phân

phối xác suất hậu định của mô hình khi dùng hồi quy logistic Bayesian. Phân phối

xác suất của mô hình cho chúng ta cái nhìn tổng quát hơn về sự tác động của các

biến độc lập đến việc sẵn lòng tham gia bảo hiểm cà phê theo chỉ số năng suất của

hộ nông dân tỉnh Đắk Lắk (Hình 4.4).

Đặc biệt, tác giả đã xây dựng đƣợc toán đồ của mô hình nghiên cứu hộ nông

dân sẵn l ng tham gia bảo hiểm cây cà phê theo chỉ số năng suất bằng hình thức

129

trực tuyến (online), điều mà những nghiên cứu trƣớc chƣa đề cập đến hoặc nếu có là

toán đồ bằng hình thức ngoại tuyến (offline). Toán đồ bằng hình thức trực tuyến có

thể nói là một bƣớc đột phá trong việc sử dụng mô hình để dự báo kết quả bởi vì

tính ứng dụng cao trong cuộc sống. Các nhà nghiên cứu cây cà phê, công ty bảo

hiểm, ngân hàng thƣơng mại có thể truy cập toán đồ trực tuyến để nghiên cứu, dự

báo khả năng sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ

nông dân tỉnh Đắk Lắk một cách dễ dàng và nhanh chóng.

5.2. Đóng gó mới của đề tài

Phƣơng pháp thống kê BMA của trƣờng phái thống kê Bayes cho thấy sự chắc

chắn trong việc xây dựng mô hình hộ nông dân sẵn lòng tham gia bảo hiểm cây cà

phê theo chỉ số năng suất mà trƣờng phái thống kê Tần số không đáp ứng đƣợc.

Kết quả nghiên cứu của luận án vừa đóng góp về mặt lý thuyết cũng nhƣ đóng

góp về mặt ý nghĩa thực tiễn đối với ngành cà phê tỉnh Đắk Lắk, Việt Nam.

5.2.1. Ý nghĩa th c ti n của nghiên cứu

Phƣơng pháp BMA đã lựa chọn ra những mô hình nghiên phù hợp nhất với dữ

liệu và loại bỏ sự không chắc chắn trong việc xây mô hình. Bên cạnh đó, phƣơng

pháp tách dữ liệu thành hai phần huấn luyện và kiểm tra kết hợp với phƣơng pháp

bootstrap đã xây dựng đƣợc mô hình hộ nông dân sẵn lòng tham gia bảo hiểm cây

cà phê theo chỉ số năng suất tốt hơn so với sử dụng toàn bộ dữ liệu để xây dựng mô

hình.

Kết quả nghiên cứu của đề tài sẽ giúp cho, các hộ nông dân sản xuất cây cà

phê tỉnh Đắk Lắk, hiệp hội cà phê Buôn Ma Thuột, các ngân hàng thƣơng mại, các

công ty bảo hiểm; cơ quan quản lý nhà nƣớc có liên quan có nhiều thông tin hơn về

sự tác động các yếu tố đến việc sẵn lòng tham gia bảo hiểm cà phê theo chỉ số năng

suất của hộ nông dân tỉnh Đắk Lắk.

Tác giả đã xây dựng toán đồ trực tuyến của mô hình nghiên cứu hộ nông dân

sẵn l ng tham gia bảo hiểm cây cà phê theo chỉ số năng suất nhằm mục đích cung

cấp nhanh thông tin về khả năng tham gia bảo hiểm của hộ nông dân cho các nhà

130

nghiên cứu, các nhà hoạch định chính sách, nghiên cứu thị trƣờng nắm bắt đƣợc nhu

cầu tham bảo hiểm cây cà phê. Từ đó có thể có những giải pháp, đề xuất nhằm xây

dựng sản phẩm bảo hiểm cây cà phê. Nghiên cứu đã thực hiện bƣớc đầu tiên trong

việc phát triển thị trƣờng bảo hiểm cây cà phê bằng việc đánh giá rủi ro của hộ nông

dân sản xuất cà phê (sơ đồ 5.1).

Kết quả nghiên cứu có thể làm tài liệu cho các nhà nghiên cứu, giảng viên và

sinh viên khi nghiên cứu về sự sẵn l ng tham gia bảo hiểm cây trồng của hộ nông

dân nói chung và cây cà phê tại tỉnh Đắk Lắk nói riêng.

5.2.2. Ý nghĩa thu ết của nghiên cứu

Luận án đã so sánh kết quả lựa chọn mô hình hộ nông dân sẵn l ng tham gia

bảo hiểm cây cà phê theo chỉ số năng suất ph hợp nhất với dữ liệu bằng phƣơng

pháp BMA theo hồi quy logistic và phƣơng pháp BMA theo hồi quy probit. Điều

mà các nghiên cứu thực nghiệm trƣớc chƣa thực hiện.

Làm rõ đƣợc ƣu và khuyết điểm của việc sử dụng hồi quy logistic tần số và

hồi quy logistic Bayesian trong mô hình nghiên cứu của đề tài.

Luận án đã đóng góp tích cực về các bằng chứng thực nghiệm nhằm củng cố

thêm cho mô hình lý thuyết nghiên cứu về các yếu tố tác động đến sự sẵn lòng tham

gia bảo hiểm cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk. So với mô

hình lý thuyết của các nghiên cứu trƣớc (Bảng 2.4) thì nghiên cứu này có thêm 3

yếu tố mới đó là yếu tố dân tộc, yếu tố thƣơng hiệu và yếu tố rủi ro bão. Đó là các

điểm mới trong luận án.

Ngoài ra, với nội dung nghiên cứu trong luận án tác giả đã công bố kết quả

trên các tạp chí có uy tín trong nƣớc với hình thức là bài báo khoa học; công bố trên

tạp chí quốc tế (Scopus) và chủ nhiệm 1 đề tài cấp cơ sở.

131

S đồ 5.1: Đ nh gi rủi ro nhằm phát triển thị trường bả hiể

Mô hình phát triển Có Đánh giá rủi ro thị trƣờng Sản phẩm bảo hiểm có thể phát triển trên thị trƣờng ?

Không

Không Có Khởi động lại sau đó Liệu có thể bảo hiểm ở thời điểm sau ?

Phát triển chƣơng trình xã hội Có Liệu giải pháp xã hội có khả thi hơn

Ngu n: GlobalAgRisk (2009)

5.3. Hàm ý chính sách

5.3.1. Đối với các hộ nông dân sản xuất cà phê

Trên cơ sở phát hiện các yếu tố tác động đến năng suất cây cà phê. Tác giả xin

đề xuất một số kiến nghị nhằm tăng kết quả vay vốn của hộ nông dân nhƣ nhƣ sau:

+ Cần thay đổi cách sản xuất cà phê truyền thống bằng cách tham gia sản xuất

cà phê theo tiêu chuẩn UTZ, 4C, Vietgap,...để đƣợc các chuyên gia của tổ chức đó

h trợ, tƣ vấn về kỹ thuật nhƣ không sử dụng phân bón, thuốc bảo vệ thực vật

không rõ nguồn gốc xuất xứ hoặc phân bón, thuốc bảo vệ thực vật rẻ kém chất

lƣợng; không thu hái quả xanh, thực hiện thu hái quả chín, thực hiện tốt việc phơi,

chế biến cà phê sau thu hoạch nhằm nâng cao chất lƣợng cà phê. Từ đó, xây dựng

đƣợc thƣơng hiệu cây cà phê riêng cho mình đem lại lợi ích về mặt kinh tế, xã hội,

bảo vệ môi trƣờng.

132

+ Tạo điều kiện cho lao động trong gia đình học tập nâng cao trình độ văn hoá

nhằm tăng khả năng tiếp thu kiến thức trồng cà phê.

+ Cập nhật thông tin thời tiết thƣờng xuyên nhất là thông tin về bão để có

những chuẩn bị cần thiết nhằm hạn chế rủi ro do bão gây ra.

+ Tiếp cận thông tin thị trƣờng tín dụng nông thôn, nếu có nhu cầu vay vốn thì

tham tín dụng ngân hàng, không tham gia các hoạt động tín dụng đen và hạn chế

các hoạt động tín dụng khác. Khuyến khích hộ nông dân sản xuất cà phê hoàn tất

giấy chứng nhận quyền sử dụng đất. Sử dụng vốn đúng mục đích.

+ Hộ nông dân nên tìm hiểu ý nghĩa bảo hiểm cây cà phê để thấy đƣợc quyền

lợi khi tham gia bảo hiểm của họ. Khi mua bảo hiểm, hộ nông dân sẽ đƣợc vay vốn

ngân hàng với lãi suất ƣu đãi và đƣợc bồi thƣờng thiệt hại nếu hộ gặp rủi ro khi sản

xuất cà phê.

5.3.2. Đối với Hiệp hội cà phê Buôn Ma Thuột

Cần phát huy hiệu quả hoạt động của Hiệp hội cà phê Buôn Ma Thuột là đầu

mối kết nối các tác nhân trong ngành hàng nhƣ:

+ Tập huấn cho hộ nông dân về lợi ích và hạn chế của bảo hiểm m a màng

cây cà phê, là cầu nối giữa hộ nông dân và công ty bảo hiểm.

+ Quảng bá và phát triển thƣơng hiệu cà phê tỉnh Đắk Lắk và tập huấn cho hộ

nông dân hiểu về ý nghĩa tầm quan trọng của thƣơng hiệu cà phê.

+ Tăng cƣờng các lớp tập huấn trồng trọt cũng nhƣ chăm sóc cây cà phê.

5.3.3. Đối với c c ng n h ng thư ng ại

Tác giả xin đề xuất một số kiến nghị nhằm tăng kết quả vay vốn của hộ nông

dân đối với các NHTM tỉnh Đắk Lắk nhƣ sau:

+ Giảm bớt các thủ tục, cung cấp nguồn vốn vay kịp thời đến các hộ, tăng thời

gian cho vay tái canh. Sẵn sàng cung cấp vốn vay nếu hộ nông dân sản xuất cà phê

có tham gia bảo hiểm cây cà phê.

+ Phối hợp với các công ty bảo hiểm nhằm xây dựng quy trình nhận bồi

thƣờng thiệt hại, tránh để xảy ra tình trạng nợ xấu.

133

+ Ngân hàng có giải pháp tiếp cận với khách hàng vùng sâu vùng xa và khách

hàng là ngƣời dân tộc thiểu số bằng cách thức thực hiện các phòng giao dịch lƣu

động. Tăng cƣờng quảng bá thƣơng hiệu của Ngân hàng.

Từ đó các hộ sẽ tiếp cận đƣợc nguồn vốn vay nhiều hơn, thúc đẩy sản xuất

nông nghiệp phát triển đem lại thu nhập cho ngƣời nông dân, ngân hàng và đất

nƣớc.

5.3.4. Đối với các công ty bảo hiểm

Trên cơ sở phát hiện các yếu tố tác động đến sự sẵn lòng tham gia bảo hiểm cà

phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk. Các công ty bảo hiểm cần

thực hiện những mục tiêu sau:

+ Thực hiện giai đoạn đánh giá khả thi với mục đích chính là xây dựng một

sản phẩm và lấy phản hồi của nông dân để đánh giá mối quan tâm của họ tới sản

phẩm.

+ Dự báo thời gian, khu vực và số lƣợng bão xuất hiện. Phân tích phân bố

không gian của các cấu trúc mƣa, xác định phân v ng lƣợng mƣa cho từng chỉ số,

phỏng vấn nhóm đại diện để xác định và điều chỉnh các thông số quan trọng cho sản

phẩm. Ƣớc tính khả năng gây hại của sâu bệnh, côn tr ng đến năng suất cây cà phê.

Từ đó, công ty bảo hiểm ƣớc lƣợng mức thiệt hại tối đa và tính toán mức phí bảo

hiểm cùng với chi phí đền bù thiệt hại của sản phẩm bảo hiểm. Hợp đồng bảo hiểm

đƣợc soạn thảo phải có sự phê chuẩn về pháp lý của Vụ Bảo hiểm (DoI).

+ Sản phẩm bảo hiểm phải hấp dẫn và hiệu quả.

+ Mô hình đại lý bảo hiểm truyền thống về cơ bản cũng không tiết kiệm đƣợc

chi phí khi bán từng hợp đồng bảo hiểm giá trị thấp. Do vậy, phân phối sản phẩm

phải cần đến một tổ chức có mạng lƣới khách hàng rộng lớn và tin cậy, sẵn sàng kết

nối với từng ngƣời nông dân để giảm chi phí phân phối và dịch vụ tới mức thấp

nhất.

134

5.3.5. Đối với c quan sở ngành tỉnh Đắk Lắk

+ Đề xuất với Chính phủ ban hành thí điểm bảo hiểm cây cà phê tại tỉnh Đắk

Lắk và các tỉnh Tây Nguyên.

+ Các sở ngành tỉnh Đắk Lắk cần phối hợp để phát triển thƣơng hiệu cà phê

tỉnh Đắk Lắk.

+ Huy động vốn ngân sách tỉnh, vốn ODA (dự án VnSAT), vốn vay ƣu đãi

giúp hộ nông dân mở rộng sản xuất hoặc tái canh cây cà phê.

+ Phổ cập giáo dục cho các hộ nông dân dân tộc thiểu số v ng sâu v ng xa.

+ Cập nhật, phổ biến thông tin dự báo thời tiết chính xác và kịp thời đến hộ

nông dân

+ Cung cấp phƣơng án ph ng chống bão cũng nhƣ h trợ hộ nông dân hạn chế

rủi ro bão.

5.3.6. Đối với c quan quản lý cấp Nhà nước

+ Ban hành thí điểm điểm bảo hiểm cây cà phê tại tỉnh Đắk Lắk và các tỉnh

Tây Nguyên.

+ Cải thiện pháp lý bảo hiểm nông nghiệp, cần đồng bộ với luật quốc tế để

tiếp cận thị trƣờng tái bảo hiểm.

+ Cải thiện Hệ thống thu thập dữ liệu bằng phƣơng pháp thu thập từ vệ tinh,

định vị GPS từng cây cà phê và đƣợc lƣu trữ để sử dụng trong tƣơng lai khi phát

triển sản phẩm mới. Đặt biệt là không để dữ liệu bị can thiệp.

+ Thành lập Cơ quan quản lý rủi ro nông nghiệp (cây cà phê) với mục đích thu

thập dữ liệu, đánh giá rủi ro và xây dựng sản phẩm bảo hiểm cây cà phê (Hình 5.1).

+ H trợ cho các tổn thất thiên tai nếu gặp những tổn thất quá lớn nhƣ bão.

+ Bổ sung thêm mối quan hệ giữa đơn vị phát triển thị trƣờng bảo hiểm và các

hộ nông dân sản xuất cà phê. Cụ thể là đơn vị phát triển thị trƣờng bảo hiểm cần

nghiên cứu kỹ sự sẵn lòng tham gia bảo hiểm cà phê theo chỉ số năng suất của hộ

nông dân tỉnh Đắk Lắk mà tác giả nghiên cứu trong luận án (Hình 5.2).

135

Cùng với việc thúc đẩy thị trƣờng bảo hiểm cây cà phê phát triển. Tác giả xin

đề xuất với Chính phủ một số nội dung nhƣ sau:

+ Ngân hàng Nhà nƣớc Việt Nam có ý kiến với các ngân hàng thƣơng mại để

chỉ đạo các chi nhánh ngân hàng thƣơng mại trên địa bàn tỉnh Đắk Lắk tạo điều

kiện cho các doanh nghiệp vay vốn thu mua cà phê phục vụ xuất khẩu, nhất là

nguồn vốn để đầu tƣ tái canh cà phê.

Hình 5.1: Các chức năng c bản của C quan quản lý rủi ro nông nghiệp và

liên kết tới Đ n vị phát triển thị trường bảo hiểm nông nghiệp

Cơ quan quản lý rủi ro nông nghiệp

+ Giảm thiểu rủi ro + Thị trƣờng bảo hiểm + Trợ cấp thiên tai

Đơn vị phát triển thị trƣờng bảo hiểm nông nghiệp

Công ty bảo hiểm Công ty bảo hiểm Công ty bảo hiểm Công ty bảo hiểm

Ngu n: GlobalAgRisk (2009)

+ Bộ Công thƣơng hàng năm h trợ cho tỉnh Đắk Lắk kinh phí xúc tiến

thƣơng mại quốc gia để thực hiện công tác xúc tiến, quảng bá sản phẩm cây cà phê.

Tiếp tục h trợ cho tỉnh xây dựng các chính sách liên quan đến sản xuất,chế biến

biến, bảo quản, tiêu thụ cà phê. Cung cấp thông tin cho các cơ quan chức năng của

tỉnh về thị trƣờng xuất khẩu cà phê trên thế giới, nhất là các thị trƣờng xuất khẩu cà

phê mà hiện nay tỉnh Đắk Lắk chƣa xuất khẩu.

136

+ Bộ Tài chính giao cho Cục Quản lý, giám sát bảo hiểm thực hiện chính sách

về chiến lƣợc, quy hoạch, kế hoạch dài hạn, trung hạn và hàng năm về kinh doanh

bảo hiểm, dịch vụ phụ trợ bảo hiểm đối với cây cà phê. Cùng với đó, Bộ không đƣa

cà phê hòa tan vào danh mục sàn phẩm chịu thuế tiêu thụ đặc biệt nhằm thúc đẩy

ngành chế biến, gia tăng giá trị sản phẩm cà phê.

Hình 5.2: Hệ thống phát triển thị trường bảo hiểm nông nghiệp

Giám sát cấp Bộ

Cơ quan đào tạo Vụ bảo hiểm Cơ quan quản lý rủi ro nông nghiệp

Tổng cục thống kê

Đơn vị tập trung rủi ro (NHTM, các công ty đầu vào) Đ n vị phát triển thị trường bảo hiểm nông nghiệp

Hệ thống phân phối

Công ty tái bảo hiểm quốc tế H nông dân s n xuất cà phê Các công ty bảo hiểm

Ngu n: Tác gi xây dựng

5.4. Hạn chế của luận n v hướng nghiên cứu tiếp theo

Nghiên cứu này vẫn còn hạn chế cần đƣợc tiếp tục thực hiện cũng nhƣ mở ra

những hƣớng nghiên cứu mới nhƣ sau: nghiên cứu này mới chỉ xem xét các yếu tố

tác động đến sự sẵn lòng tham gia bảo hiểm cà phê theo chỉ số năng suất của hộ

nông dân tỉnh Đắk Lắk. Các nghiên cứu trong tƣơng lai sẽ xem xét thêm vấn đề liên

quan nhƣ: giá bảo hiểm cây cà phê theo chỉ số năng suất hộ nông dân sẵn lòng chi

trả, đƣa ra những kịch bản giá bảo hiểm để triển khai sản phẩm./.

137

DANH MỤC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ

1. Lê Đình Thắng (2019), Các yếu tố ến kết qu vay vốn của h s n

xuấ a bàn tỉ Đắk Lắk, Tạp chí Tài chính, 06/2019, ISSN 2615 –

8973.

2. Lê Đình Thắng và Nguyễn Văn Sĩ (2020), Ứng dụng mô hình trung bình

x nh các yếu tố ng ế ă ất cà phê tỉ Đắk Lắk, Tạp

chí Công thƣơng, 09/2020, ISSN 0866 – 7756.

3. Lê Đình Thắng và Nguyễn Văn Sĩ (2020), Factors affecting the willing to join

in coffee crop insurance in Dak Lak province, Vietnam: A novel application of

Bayesian Model Averaging approach, Humanities & Social Sciences Reviews

eISSN: 2395-6518, Volume 8, Number 5, 2020, Papers 68-80.

https://doi.org/10.18510/hssr.2020.857

4. Lê Đình Thắng (2019), ế ố ở ế ế ố

ủ x ấ ỉ Đắ ắ , Chủ nhiệm đề tài khoa học cấp trƣờng.

138

TÀI LIỆU THAM HẢO

Danh ục tiếng Việt

1. Chính phủ, 2009. Ngh nh số 59/2 9/NĐ-CP của Chính phủ về chức và

hoạ ng củ ại. Hà Nội, năm 2009.

2. Chính phủ, 2011. Quyế 3 5/QĐ- m b o hi m nông nghi p. Hà

Nội, năm 2011.

3. Chính phủ, 2012. Q ạ ế 2 2 ầ 2 3 Hà

Nội, năm 2012.

4. Chính phủ, 2013. Quyế 358/QĐ-TTg về vi c sử i, b sung m t số ều

của quyế nh số 315/ QĐ-TTg 3 ă 2 ủa Thủ ng Chính

phủ về vi c thực hi m b o hi m nông nghi ạn 2011 – 2013. Hà

Nội, năm 2013.

5. Chính phủ, 2015. Ngh 75/2 5/NĐ-CP ề ế, chính sách b o v và

phát tri n rừng, gắn v i chính sách gi m nghèo nhanh, bền vững và hỗ trợ ng

bào dân t c thi u số ạn 2015 – 2020. Hà Nội, năm 2015.

6. Chính phủ, 2016. Quyế nh số 2 85/QĐ-TTg của Thủ ng Chính phủ

(2016), Phê duy t chính sách ặc thù hỗ trợ phát tri n kinh tế – xã h i vùng dân t c

thi u số và miề ú ạn 2017 – 2020. Hà Nội, năm 2016.

7. Chính phủ, 2018. Ngh nh số 58/2 8/NĐ-CP của Chính phủ về B o hi m

nông nghi p. Hà Nội, năm 2018.

8. Chính phủ, 2019. Quyế nh số 22/2 9/QĐ-TTg của Thủ ng về thực hi n

chính sách hỗ trợ b o hi m nông nghi p. Hà Nội, năm 2019.

9. Cục Thống kê tỉnh Đắk Lắk, 2011-2018. N ố ỉ Đắk Lắ ă

2011-2017. Hà Nội: Nhà xuất bản Thống kê.

10. Cẩm Lai, 2020. Mô hình sản xuất cà phê bền vững theo chứng nhận (4C, UTZ,

Rainforest Alliance…) hiệu quả nhƣng chƣa phát triển nhân rộng. Tại

http://khuyennongdaklak.com.vn/tin-tuc-su-kien/tin-nong-nghiep/6999/mo-hinh-

139

san-xuat-ca-phe-ben-vung-theo-chung-nhan-4c-utz-rainforest-alliance-hieu-qua-

nhung-chua-phat-trien-nhan-rong/.

11. Đào Thế Tuấn, 1997. Kinh tế h nông dân. Hà Nội: Nhà xuất bản Chính trị

quốc gia.

12. France Ellis, 1993. Kinh tế h d n nông nghi p. Hà

Nội: Nhà xuất bản nông nghiệp.

13. Hiệp hội Cà phê - Ca cao Việt nam, 2014. Ngƣời trồng cà phê điêu đứng vì vay

nặng lãi. http://www.vicofa.org.vn/nguoi-trong-ca-phe-dieu-dung-vi-vay-nang-lai-

bid143.html. [Ngày truy cập: 5 tháng 11 năm 2018].

14. Jackie Nguyễn, 2019. Đại lý thu mua cà phê ở địa phƣơng.

https://tasacoffee.com/dai-ly-thu-mua-ca-phe-o-dia-phuong.html

15. Lƣơng Thị Ngọc Hà, 2015. Đánh giá mức độ sẵn sàng chi trả bảo hiểm nông

nghiệp của hộ gia đình nông thôn Việt Nam Trƣờng hợp nghiên cứu ở huyện Tiên

Du, tỉnh Bắc Ninh, Tạp chí Khoa họ ĐHQ HN: ế và Kinh doanh, Tập 31,

Số1 (2015) 41-50.

16. Ngân hàng nhà nƣớc, 2016. số 39/2016/TT-NHNN Q nh về hoạt

ng cho vay của t chức tín dụ ối v i khách

hàng. Hà Nội, năm 2009.

17. Nguyễn Bá Huân, 2014. Thực trạng phát triển thị trƣờng bảo hiểm nông nghiệp

tại Việt Nam. Tạ ọ số 4, trang 126-133.

18. Nguyễn Đình Thọ, 2011. ứu khoa học trong kinh

doanh:Thiết kế và thực hi n. NXB Lao động –Xã hội

19. Nguyễn Duy Chinh, Nguyễn Thanh Sơn và Lại Quốc Duy, 2016. Các yếu tố tác

động đến quyết định việc tham gia bảo hiểm trồng lúa của hộ nông dân huyện Cần

Đƣớc, tỉnh Long An. Tạp chí khoa họ Đại học Mở TP.HCM – số 50 (5).

20. Nguyễn Ngọc Thắng, Nguyễn Tất Thắng và Nguyễn Thành Công, 2017. Phân

tích rủi ro trong sản xuất cà phê của hộ nông dân trên địa bàn tỉnh Đắk Lắk. Tạp chí

Khoa học Nông nghi p Vi t Nam, 2017, tập 15, số 2: 243-252.

140

21. Nguyễn Quốc Nghi, Nguyễn Thị Ngọc Yến và Quan Minh Nhựt, 2013. Nhu

cầu tham gia bảo hiểm nông nghiệp ở huyện Chợ Gạo Tiền Giang. Tạ

ọ , số 4, trang 103-108.

22. Nguyễn Thị Hải Yến, 2016. dụ ố x ấ ở

Đắk Lắk. Luận án tiến sĩ kinh tế năm 2012, Đại học kinh tế Huế.

23. Nguyễn Thị Thuý Quỳnh, 2011. Nghiên cứu thực trạng tai nạn thƣơng tích

trong nông nghiệp tại Việt Nam. Đề N H ấ ở ờ ạ ọ Y ế

24. Nguyễn Văn Hoá, 2014. Phát tri n cà phê bền vữ a bàn tỉ Đắk Lắk,

Luận án tiến sĩ kinh tế năm 2014, trƣờng Đại học Kinh tế Huế.

25. Nguyễn Văn Tuấn, 2017. Phân tích dữ li u v i R. Nhà xuất bản Tổng hợp

Thành phố Hồ Chí Minh.

26. Nguyễn Văn Tuấn, 2020. ọ . Nhà xuất bản

Tổng hợp Thành phố Hồ Chí Minh.

27. Phạm Bảo Dƣơng, 2011. Nghiên cứu chính sách b o hi m nông nghi p ở Vi t

Nam. Đề tài cấp Bộ, Viện chính sách và phát triển nông nghiệp nông thôn.

28. Phạm Lê Thông, 2013. Mức phí sẵn lòng chi trả cho bảo hiểm cây lúa của các

nông hộ ở Cần Thơ. ạ công ngh ngân hàng, số 90 (9/2013).

29. Phạm Thị Định, 2013. Tình hình thực hiện bảo hiểm nông nghiệp theo đề án

315 của thủ tƣớng chính phủ và một số đề xuất. Tạ ế , số

193 tháng 7/2013.

30. Thúy Hồng, 2015. Ô nhiễm môi trƣờng đất nông nghiệp: Vấn đề đáng quan

tâm. http://www.baodaklak.vn/channel/3684/201507/o-nhiem-moi-truong-dat-nong-

nghiep-van-de-dang-quan-tam-2398549/

31. Trần Ái Kết và Huỳnh Trung Thời, 2013. Các yếu tố tác động đến tiếp cận tín

dụng chính thức của nông hộ trên địa bàn tỉnh An Giang. Tạp chí Khoa họ ờng

Đại học Cầ , năm 2013.

141

32. Trần Thị Quỳnh Chi (2007). Kinh nghiệm quản lý rủi ro giá, ứng dụng cho Việt

Nam. Hội thảo triển vọng thị trƣờng và chất lƣợng do Viện Chính sách và Chiến

lƣợc PTNT tổ chức.

33. Triệu Đức Hạnh và Nguyễn Thị Mão, 2012. Một số giải pháp bảo hiểm nông

nghiệp tại tỉnh Thái Nguyên. Tạ ọ , số 98(10).

34. Từ Thái Giang và Nguyễn Phúc Thọ, 2012 Sử dụng hàm sản xuất Cobb –

Douglass phân tích tác động của các yếu tố đầu vào đến năng suất cà phê tỉnh Đắk

Lắk. ạ ế , số chuyên san, tháng 8 năm 2012, trang 90-93.

35. Uỷ ban nhân dân tỉnh Đắk Lắk, 2017. Báo cáo 293/BC-UBND của UBND tỉnh

Đắk Lắk năm 2017. Đắk Lắk, tháng 11 năm 2017.

36. Vƣơng Minh Giang, Nguyễn Thanh Thiên, 2017. Ứng dụng cách tiếp cận trung

bình hóa mô hình kiểu Bayes (BMA) trong việc xây dựng mô hình chấm điểm rủi

ro tín dụng cho khách hàng SME tại Việt Nam. ạ ế , số

242, tháng 8 năm 2017, tr. 47-58.

Danh ục tiếng Anh

37. Abraham Falola, Opeyemi Eyitayo Ayinde and Babatola Olasunkanmi

Agboola, 2014. Willingness to Take Agricultural Insurance by Cocoa Farmers in

Nigeria. International Journal of Food and Agricultural Economics. Vol.1 No.1

pp. 97-107.

38. Aidoo R, Mensah Osei J, Wie P, Awunyo-Vitor D, 2014. Prospects of crop

insurance as a risk management tool among arable crop farmers in Ghana. Asian

Econ Financ Rev 4(3):341–354

39. Ajzen I., Fishbein M., 1975. Belief, Attitude, Intention and Behavior: An

Introduction to theory and research. Addition-Wesley, Reading, MA.

40. Ajzen, I., & Fishbein, M. 2005. The influence of attitudes on behavior. In D.

Albarracín, B. T. Johnson, & M. P. Zanna (Eds.), The handbook of attitudes (pp.

173-221). Mahwah, NJ: Lawrence Erlbaum.

41. Ajzen, I., 1991. The Theory of Planned Behavior. Organizational Behavior and

Human Decision Processes, vol. 50, no. 2, pp. 179-211.

142

42. Akaike H., 1998. Information Theory and an Extension of the Maximum

Likelihood Principle. In: Parzen E., Tanabe K., Kitagawa G. (eds) Selected

Papers of Hirotugu Akaike. Springer Series in Statisticộng sự (Perspectives in

Statistics). Springer, New York, NY.

43. Ali, A., & Ali, S. I. 2020. Antecedents of the propensity to learn management

practices and their impacts on firm outcomes in emerging markets: A Bayesian

Model Averaging approach. International Business Review,

101706. doi:10.1016/j.ibusrev.2020.101706

44. Almeida Silva, Karita & Rolim, Glauco & Valeriano, Taynara & Moraes, José,

2019. Influence of El Niño and La Niña on coffee yield in the main coffee-

producing regions of Brazil. Theoretical and Applied Climatology. 10.1007/s00704-

019-03039-9.

45. Arreola EV, Wilson JR., 2020. Bayesian multiple membership multiple

classification logistic regression model on student performance with random effects

in university instructors and majors. PLoS One. 2020;15(1):e0227343. Published

2020 Jan 30. doi:10.1371/journal.pone.0227343

46. Arshad, M., Amjath-Babu, T. S., Kächele, H. & Müller, K, 2015. What drives

the willingness to pay for crop insurance against extreme weather events (flood and

drought) in Pakistan? A hypothetical market approach. Climate and Development, 8

(3), 234–244.

47. Babbie, Earl, 2014. The Basics of Social Research (6th ed.). Belmont,

California: Wadsworth Cengage. pp. 303–04. ISBN 9781133594147.

48. BalmaIssaka, Yakubu, Buadu Latif Wumbei, Joy Buckner, and Richard Yeboah

Nartey. Willingness to participate in the market for crop drought index insurance

among farmers in Ghana. African Journal of Agricultural Research 11, no. 14

(2016): 1257-1265.

49. Bandura, A., 1986. Social foundations of thought and action. Englewood Cliffs,

NJ: Prentice-Hall.

143

50. Barnett, B.J.; Barrett, C.B.; Skees, J.R., 2008. Poverty traps and index-based

risk transfer products. World Development 36(10): 1766-1785.

51. Barrett, C. B., and B. M. Swallow, 2006. Fractal Poverty Traps. World

Development 34(2006):1–15.

52. Barrett, C. B., and J. G. McPeak, 2005. Poverty Traps and Safety Nets. Poverty,

Inequality, and Development: Essays in Honor of Erik Thorbecke. A. de Janvry, and

R. Kanbur, eds. Norwell, MA: Kluwer Academic Publishers, 2005.

53. Bauer, R.A., 1960. Consumer Behavior as Risk Taking. In: Hancock, R.S., Ed..

Dynamic Marketing for a Changing World, Proceedings of the 43rd. Conference of

the American Marketing Association, 389-398.

54. Benjamin TA, Timo Sipiläinen, Stefan Bäckman and Jukka Kola, 2015. Factors

influencing smallholder farmers‟ access to agricultural microcredit in Northern

Ghana. African Journal of Agricultural Research, Vol. 10(24), pp. 2460-2469, 11

June, 2015.

55. Bibek Acharya, Shiva Chandra Dhakal, Dinesh Dhakal, Shyam Sundar Pant,

2014. Resource use efficiency of coffee production in Palpa district, Nepal.

International Journal of Social Science and Humanities Research, Vol. 2, Issue 4,

pp: (73-78).

56. Brier, 1950. Verification of Forecasts Expressed in Terms of

Probability (PDF). Monthly Weather Review. 78: 1–3.

57. Buchan, H.F., 2005. Ethical Decision Making in the Public Accounting

Profession: An extension of Ajzen‟s Theory of Planned Behavior. Journal of

Business Ethics, Vol 61, pp. 165-181.

58. Çağlayan-Akay, E., & Sedefoğlu, G., 2017. What does Bayesian probit

regression tell us about Turkish female- and male-headed households poverty?.

Journal of International Studies, 10(1), 46-62. doi:10.14254/2071-8330.2017/10-1

59. Carriquiry, M. and D. Osgood, 2006. Index Insurance, Production Practices,

and Probabilistic Climate Forecasts. Columbia University, IRI. Presented at the

144

American Agricultural Economics Association Annual Meeting, Long Beach,

California, July 23-26.

60. Carter, M. R., and C. B. Barrett, 2006. The Economics of Poverty Traps and

Persistent Poverty: An Asset Based Approach. Journal of Development Studies

42(2006): 178–199.

61. Carter, M. R., P.D. Little, T. Mogues, and W. Negatu, 2007. Poverty Traps and

Natural Disasters in Ethiopia and Honduras. World Development 35(2007): 835–

856.

62. Coffee and climate, 2015. Climate Change Adaptation in Coffee Production: A

step-by-step guide to supporting coffee farmers in adapting to climate

change.https://www.academia.edu/11717715/Climate_adaptation_in_coffee_produc

tion. [Accessed 02 August 2018].

63. Conner, M. and Armitage, C.J., 1998. Extending the theory of planned

behavior: A review and avenues for further research. Journal of Applied Social

Psychology, 28(15), 1429–1464.

64. Cox, D.R., Snell, E.J., 1989. The Analysis of Binary Data, second edition .

Chapman & Hall.

65. Creswell, J. W., 2014. Research design: qualitative, quantitative, and mixed

methods approaches (4th ed). Thousand Oaks, CA: SAGE Publications, Inc.

66. Creswell, John, 2006. Qualitative Inquiry and Research Design: Choosing

among Five Approaches. CA: SAGE Publications, Inc.

67. Creswell, John, 2008. Research Design: Qualitative, Quantitative, and Mixed

Methods Approaches. CA: SAGE Publications, Inc.

68. Choudhary, Vikas, 2015. Agricultural risk management in the face of climate

change (English). Washington, D.C. : World Bank Group.

69. Danso-Abbeam G, Setsoafia ED, Gershon I, Ansah K, 2014. Modelling farmers

investment in agrochemicals: the experience of smallholder cocoa farmers in

Ghana. Res Appl Econ 6(4):1–15. doi:10.5296/rae.v6i4.5977

145

70. De Bock, O. and D.U. Ontiveros, 2013. Literature Review on the Impact of

Micro insurance. Research Paper No. 35, International Labor Office (ILO), Geneva.

71. De Nicola, F. and V.R. Hill., 2012. Interplay among Credit, Weather Insurance

and Savings for Farmers in Ethiopia. Unpublished International Food Policy

Research Institute (IFPRI) Working Paper. Washington, DC.

72. Denzin, Norman K.; Lincoln, Yvonna S., eds., 2005. The Discipline and

Practice of Qualitative Research. The Sage Handbook of Qualitative Research (3rd

ed.). Thousand Oaks, California: SAGE Publications. pp. 3–4. ISBN 978-0-7619-

2757-0.

73. Deng, Xiaohui & Barnett, Barry & Vedenov, Dmitry & West, Joe., 2007.

Hedging dairy production losses using weather-based index insurance. Agricultural

Economics. 36. 271-280. 10.1111/j.1574-0862.2007.00204.x.

74. D'haeze, Dave & Baker, Peter & Tan, Phan. 2017. Vietnam‟s central highlands‟

upland agriculture Under pressure because of the looming effects of climate change

– focus on Robusta coffee. In: Conference: Buon Ma Thuot Coffee Festival. Daklak

March 2017. Vietnam

75. DiCiccio TJ, Efron B, 1996. Bootstrap confidence intervals (with Discussion).

Statistical Science 11: 189–228

76. Dinar, Ariel & Seo, S. & Kurukulasuriya, Pradeep & Mendelsohn, Robert &

Hassan, Rashid & Benhin, James & Deressa, Temesgen & Diop, Mbaye & Eid,

Helmy & Fosu, K. & Gbetibouo, Glwadys & Jain, Suman & Mahamadou, Ali &

Mano, Reneth & Kabubo-Mariara, Jane & El-Marsafawy, Samia & Molua, Ernest

& Ouda, Samiha & Ouedraogo, Mathieu & Maddison, David. (2006). Will African

Agriculture Survive Climate Change?. World Bank Economic Review. 20. 367-388.

10.1093/wber/lhl004.

77. Efron, B., 1979. Bootstrap methods: Another look at the jackknife. The Annals

of Statistics. 7 (1): 1–26. doi:10.1214/aos/1176344552.

78. Efroymson,M. A., 1960. Multiple regression analysis. Mathematical Methods

for Digital Computers, Ralston A. and Wilf,H. S., (eds.), Wiley, New York.

146

79. Elbeck, M. and Tirtiroglu, E., 2008. Qualifying Purchase Intentions Using

Queueing Theory. Journal of Applied Quantitative Methods, Vol. 3, Issue 2, pp.

167-168.

80. FAO, 2012. Insuarance Agricultural in Asian and Pacific region 2012.

Regional Office for Asia and the Pacific publication, 2011/12.

81. Fawcett, Tom, 2006. An Introduction to ROC Analysis (PDF). Pattern

Recognition Letters. 27 (8): 861–874. doi:10.1016/j.patrec.2005.10.010.

82. Fishbein, M. 2008. A reasoned action approach to health promotion. Medical

Decision Making, 28, 834-844.

83. Fonta, W.M., Sanfo, S., Kedir, A.M. et al, 2018. Estimating farmers‟

willingness to pay for weather index-based crop insurance uptake in West Africa:

Insight from a pilot initiative in Southwestern Burkina Faso. Agric Econ 6, 11

(2018). https://doi.org/10.1186/s40100-018-0104-6

84. Garedew MG, Sinkie SO, Handalo DM, Salgedo WB, Yitebarek Kehali K,

Kebene FG, Waldemarium TD, Mengesha MA, 2020. Willingness to Join and Pay

for Community-Based Health Insurance Among Rural Households of Selected

Districts of Jimma Zone, Southwest Ethiopia. Clinicoecon Outcomes Res.

2020;12:45-55 https://doi.org/10.2147/CEOR.S227934

85. Gelman, A., & Hill, J. , 2007. Data analysis using regression and

multilevel/hierarchical models . New York : Cambridge University Press .

86. Gelman, Andrew & Carlin, John & Stern, Hal & Dunson, David & Vehtari, Aki

& Rubin, Donald. 2013. Bayesian Data Analysis. 10.1201/b16018.

87. Genell, A., Nemes, S., Steineck, G. et al, 2010. Model selection in Medical

Research: A simulation study comparing Bayesian Model Averaging and Stepwise

Regression. BMC Med Res Methodol 10, 108. https://doi.org/10.1186/1471-2288-

10-108.

88. Gernát, P., Košťálová, Z., & Lyócsa, Š. 2020. What drives U.S. financial sector

volatility? A Bayesian model averaging perspective. Research in International

Business and Finance, 51, 101095. doi:10.1016/j.ribaf.2019.101095

147

89. Gerrard, M., Gibbons, F. X., Brody, G. H., Murry, V. M., Cleveland, M. J., &

Wills, T. A. 2006. A theory-based dual focus alcohol intervention for

preadolescents: The Strong African American Families Program. Psychology of

Addictive Behaviors, 20, 185-195.

90. GlobalAgRisk, 2009. Designing agricultural index insurance in developing

countries: a GlobalAgRisk market development model handbook for policy and

decision makers. Lexington, KY, GlobalAgRisk.

91. Grimes D A, 2008. The nomogram epidemic: resurgence of a medical relic. Ann

Intern Med, 149(4), pp. 273-275.

92. Gujarati, D. N., & Porter, D. C., 2009. Basic econometrics. Boston, Mass:

McGraw-Hill.

93. Gujarati, D. N., 2011. Econometrics by example. New York : Palgrave

Macmillan.

94. Gibbons, F.X. 2006. Behavioral intentions, expectations, and willingness . In

M. Gerrard & K. D. McCaul (Eds.), Constructs and measures web resource.

National Cancer Institute Internet

95. Given, L. M., ed., 2008. The Sage Encyclopedia of Qualitative Research

Methods. Los Angeles: SAGE Publications. ISBN 978-1-4129-4163-1.

96. Hamza, K., 1995. The smallest uniform upper bound on the distance between

the mean and the median of the binomial and Poisson distributions. Statist. Probab.

Lett. 23 21–25.

97. Hanck, C. and Arnold, M. and Gerber, A. and Schmelzer, M., 2020.

Introduction to Econometrics with R. https://www.econometrics-with-r.org.

98. Hastie, T., Tibshirani, R., & Friedman, J., 2016. The elements of statistical

learning: Data mining, inference and prediction. Second edition, Springer Series in

Statistics.

99. Hill, V. R. and A. Viceisa. 2010. An Experiment on the Impact of Weather

Shocks and Insurance on Risky Investment. International Food Policy Research

Institute (IFPRI) Discussion Paper 00974. Washington, D.C, USA.

148

100.Hocking, R. R. .1976. The Analysis and Selection of Variables in Linear

Regression, Biometrics, 32.

101.Howson C, Urbach P. 1989. Scientific Reasoning: The Bayesian Approach. La

Salle, IL: Open Court, 1989.

102. Huang, X., Huang, G., Yu, C., Ni, S., & Yu, L. 2017. A multiple crop model

ensemble for improving broad-scale yield prediction using Bayesian model

averaging. Field Crops Research, 211, 114–124. doi:10.1016/j.fcr.2017.06.011

103. Humphrey, Albert, 2005. SWOT Analysis for Management Consulting. SRI

Alumni Newsletter (SRI International).

104.IPCC, 2014. Climate change 2014: Impacts, adaptation, and vulnerability.

Working group II contribution to the fifth assessment report of the

Intergovernmental Panel on Climate Change. Technical Report. Cambridge

University Press, Cambridge, UK/New York, USA.

105.Ipsard (2011). Vietnam coffee supply chain risk

assessment.https://www.agriskmanagement.org/sites/agriskmanagementforum.org/f

iles/Documents/Coffee%20supply%20chain%20risk%20assessment%20(Vietnam).

pdf.

106.Iturrioz, Ramiro.2009. Agricultural insurance (English). Primer series on

insurance ; issue no. 12. Washington, D.C. : World Bank Group.

107.Jaffee S., P. Siegel and C. Andrews, 2010. Rapid Agricultural Supply Chain

Risk Assessment: A Conceptual Framework. The World Bank. Washington. D.C.

108.Janzen, A. S. and M.R. Carter. 2013. The Impact of Microinsurance on Assets

Accumulation and Human Capital Investments: Evidence from a Drought in Kenya.

Research Paper, No.31. International Labor Office, Geneva.

109.Jaramillo, J., E. Muchugu, F. E. Vega, A. Davis, C. Borgemeister, A. Chabi-

Olaye, 2011. Some Like It Hot: The Influence and Implications of Climate Change

on Coffee Berry Borer (Hypothenemus hampei) and Coff ee Production in East

Africa. PLoS ONE 6(9): e24528. doi:10.1371/journal.pone.0024528.

149

110.Jaynes, E. T., 1968. Prior Probabilities, IEEE Trans. on Systems Science and

Cybernetics, SSC-4, 227.

111. Jennifer A. Hoeting, David Madigan, Adrian E. Raftery and Chris T. Volinsky,

1999. Bayesian Model Averaging: A Tutorial. Statistical Science, Vol. 14, No. 4,

pp. 382-401

112.Jeremy Haggar and Kathleen Schepp, 2011. Impacts of Climate Change in the

Pilot Country Vietnam the Coffee & Climate Initiative.

113.Jonah Gabry and Ben Goodrich, 2020. Estimating Generalized Linear Models

for Binary and Binomial Data with rstanarm. http://mc-

stan.org/rstanarm/articles/binomial.html

114. Kaplinsky, R., & Fitter, R., 2001. Who gains from product rents as the coffee

market becomes more differentiated? A value-chain analysis. IDS Bulletin, 32(3),

69-82.

115. Karlan, D., E. Kutsoati, M. McMillan and C. Udry, 2010. Crop Price

Indemnified Loans for Farmers: A Pilot Experiment in Rural Ghana. Innovation for

Poverty Action (IPA). Journal of Risk and Insurance 78 (1): 37-55.

116. Karlan, D., R. Osei, I. Osei‑Akoto and C. Udry., 2013. Agricultural Decision

after Relaxing Risk and Credit Constraints. Yale University and University of

Ghana.

117. Kass RE, Raftery AE. Bayes factors, 1995. Journal of the American Statistical

Association 1995; 90:773 –795.

118. Katona, George. Psychological analysis of economic behavior. New York,

McGraw-Hill, 1951 (OCoLC)610289252

119. Kattan M W, Marasco J, 2010. What is a real nomogram. Semin Oncol, 37(1),

pp. 23-26.

120. Ke, W., Z. Qaio, S. Kimura and S. Akter, 2014. Is the Insurance Program

Effective in China? Evidence from Farmers Analysis in Five Provinces. Journal of

Integrative Agriculture 14(10):2109-2120. doi：10.1016/S2095-3119(14)60842-X.

150

121. Koloma,Y., 2015. Crop Microinsurance for Maize Farmers in Burkina Faso:

Access and Agriculture Performance in the Dandé Village. Strategic Change, 24(1),

pp. 115-129.

122. Kong, R., Turvey, C. G., Rong, K., Guangwen, H., Jiujie, M. & Patrick, M.,

2011. Factors influencing Shaanxi and Gansu farmers‟ willingness to purchase

weather insurance. China Agricultural Economic Review, 3 (4), 423–440.

123.Kor, Liew Kee & Ahmad, Abd-Razak & Zanariah, Zanariah & Mansor,

Kamarul Ariffin. (2019). Proceedings of the Third International Conference on

Computing, Mathematics and Statistics (iCMS2017) Transcending Boundaries,

Embracing Multidisciplinary Diversities: Transcending Boundaries, Embracing

Multidisciplinary Diversities. 10.1007/978-981-13-7279-7.

124. Krueger, R., 1994. Focus groups: A practical guide for supplied research.

Newbury Park: Sage.

125. Laux P, Jäckel G, Tingem RM, Kunstmann H, 2010. Impact of climate change

on agricultural productivity under rain fed conditions in Cameroon-A method to

improve attainable crop yields by planting date adaptations. Agricultural and Forest

Meteorology. Volume 150, Issue 9, 2010, Pages 1258-1271, ISSN 0168-1923,

https://doi.org/10.1016/j.agrformet.2010.05.008.

126. Liesivaara, P. and Myyrä, S., 2014. Willingness to pay for agricultural crop

insurance in the northern EU. Agricultural Finance Review, Vol. 74 No. 4, pp. 539-

554. https://doi.org/10.1108/AFR-06-2014-0018

127. Lin, J., Boyd, M., Pai, J., Porth, L., Zhang, Q. and Wang, K., 2015. Factors

affecting farmers‟ willingness to purchase weather index insurance in the Hainan

Province of China. Agricultural Finance Review, Vol. 75 No. 1, pp. 103

https://doi.org/10.1108/AFR-02-2015-0007

128. Lorène Prost, David Makowski, Marie-Hélène Jeuffroy, 2008. Comparison of

stepwise selection and Bayesian model averaging for yield gap analysis. Ecological

Modelling. Volume 219, Issues 1–2, 2008, Pages 66-76, ISSN 0304-3800,

https://doi.org/10.1016/j.ecolmodel.2008.07.026.

151

129. M. Parry, 1990. Climate change and world agriculture. Earthscan Publications

Limited, London. DOI: https://doi.org/10.1017/S0266467400005642

130. Madigan D, Raftery AE, Volinsky CT, Hoeting JA, 1996. Bayesian model

averaging. In Integrating Multiple Learned Models (IMLM-96), Chan P, Stolfo S,

Wolpert D (eds). 1996; 77–83.

131. Madigan, D., Raftery, A.E., 1994. Model selection and accounting for model

uncertainty in graphical models using Occam‟s window. J. Am. Stat. Assoc.

89(428), 1535–1546.

132. Mahul, O. and Skees, J.R., 2007. Managing agricultural risk at the country

level: the case of index-based livestock insurance in Mongolia. World Bank Policy

Research Working Paper No. 4325, World Bank, Washington, DC.

133. Mahul, O., 2001. Optimal insurance against climatic experience. American

Journal of Agricultural Economics, 83, 593–604.

134. Mahul, O., Verma, N. & Clarke, D. J., 2012. Improving Farmers' Access of

agricultural insurance in India. Report to The World Bank, Washington DC

135. Mahul, Olivier; Stutley, Charles J., 2010. Government Support to Agricultural

Insurance : Challenges and Options for Developing Countries. World Bank.

136.Maltritz, D., & Molchanov, A. 2013. Analyzing determinants of bond yield

spreads with Bayesian Model Averaging. Journal of Banking & Finance, 37(12),

5275–5284. doi:10.1016/j.jbankfin.2013.07.007

137. Man, Georg., 2015. Competition and the growth of nations: International

evidence from Bayesian model averaging. Economic Modelling. 51. 491-501.

10.1016/j.econmod.2015.08.012.

138. Martin, S. W., Barnett, B. J., & Coble, K. H., 2001. Developing and pricing

precipitation insurance. Journal of Agricultural and Resource Economics, 26, 261–

274.

139. McIntosh, C., Sarris, A. and Papadopoulos, F., 2013. Productivity, credit, risk,

and the demand for weather index insurance in smallholder agriculture in Ethiopia.

Agricultural Economics, Vol. 44 Nos 4-5, pp. 399-417.

152

140. Millar J, Psychas P, Abuaku B, et al. 2018. Detecting local risk factors for

residual malaria in northern Ghana using Bayesian model averaging. Malaria

Journal. 2018 Sep;17(1):343. DOI: 10.1186/s12936-018-2491-2.

141. Miranda, M. J., & Vedenov, D. V., 2001. Innovations in agricultural and

natural disaster insurance. American Journal of Agricultural Economics. 83, 650–

655.

142. Miranda, M. J., 1991. Area yield insurance reconsidered. American Journal of

Agricultural Economics. 73, 233–242.

143.Moral-Benito, E. 2015. Model averaging in economics: An overview. Journal

of Economic, Surveys, 29(1), 46–75.

144. Morgan, D., 1997. Focus groups as qualitative research (2nd edi.). Thousand

Oaks: Sage.

145. Murphy M, Wang D. Do previous birth interval and maternal education

in_uence infant survival? A Bayesian model averaging analysis of Chinese data.

Population Studies 2001; 55:37– 47.

146. Murphy, K.P, 2012. Machine learning: a probabilistic perspective. Cambridge,

MA: MIT Press.

147. Nepomuscene Ntukamazina, Richard N. Onwonga, Rolf Sommer, Clare M.

Mukankusi, John Mburu & Jean Claude Rubyogo, 2017. Effect of excessive and

minimal soil moisture stress on agronomic performance of bush and climbing bean

(Phaseolus vulgaris L). Cogent Food & Agriculture , 3:1,

DOI: 10.1080/23311932.2017.1373414

148. Newman J. A., 2004. Climate change and cereal aphids: the relative effects of

increasing CO2 and temperature on aphid population dynamics. Global Change

Biol. 10, 5–15. doi:10.1111/j.1365-2486.2003.00709.x

149. Notaro, Vincenza & Liuzzo, Lorena & Freni, Gabriele, 2016. A BMA Analysis

to Assess the Urbanization and Climate Change Impact on Urban Watershed

Runoff. Procedia Engineering. 154. 10.1016/j.proeng.2016.07.461.

153

150. Nunung Nuryartono, Manfred Zeller and Stefan Schwarze, 2005. Credit

Rationing of Farm Households and Agricultural production: Empirical Evidence in

the Rural Areas of Central Sulawesi, Indonesia. Conference on International

Agricultural Research for Development 2005.

151. Nyemeck Binam, Joachim & Kalilou, Kalilou & Diarra, Ibrahim & Nyambi,

Gwendoline, 2003. Factors Affecting Technical Efficiency among Coffee Farmers

in Côte d‟Ivoire: Evidence from the Centre West Region. African Development

Review. 15. 66 - 76. 10.1111/1467-8268.00063.

152. Okoffo, E.D., Denkyirah, E.K., Adu, D.T. et al, 2016. A double-hurdle

model estimation of cocoa farmers‟ willingness to pay for crop insurance in

Ghana”, SpringerPlus (2016) 5: 873.

153. Olagunju FI and A Ajiboye1, 2010. Agricultural lending decision: a tobit

regression analysis. Africa journal of food agriculture nutrition and development,

Vol.10 No.5.

154. Olubiyo, S. O., P. G. Hill and G.P.J. Webster., 2009. Econometric Analysis of

the impact of Agricultural Insurance on Farming Systems in the Middle Belt,

Nigeria. African Journal of Food Agricultural Nutrition and Development 9(6): 7-9.

155. Oxfam. 2013. Growing disruption: Climate change, food, and the fight against

hunger. Oxfam Issue Briefing.

156. Patt, A., Suarez, P. and Hess, U., 2010. How do small-holder farmers

understand insurance, and how much do they want it? Evidence from Africa. Global

Environmental Change, Volume 20, Issue 1,2010, Pages 153-161.

157. Pedace, R. 2013. Econometrics for dummies. John Wiley & Sons Inc.

158. Pomery, E. A., Gibbons, F. X., Reis-Bergan, M., & Gerrard, M. 2009. From

willingness to intention: experience moderates the shift from reactive to reasoned

behavior. Personality & social psychology bulletin, 35(7), 894–908.

159.Radermacher, R and Roth, K, 2014. A Practical Guide to Impact Assessments

in Micro insurance. Micro insurance Network and Micro Insurance Academy, New

Delhi.

154

160. Rafia Afroz, Rulia Akhtar, Puteri Farhana 2017. Willingness to Pay for Crop

Insurance to Adapt Flood Risk by Malaysian Farmers: An Empirical Investigation

of Kedah. International Journal of Economic ng sự and Financial Issues, 2017,

7(4), 1-9.

161. Raftery AE, 1999. Bayes factors and BIC: comment on „A critique of the

Bayesian information criterion for model selection.‟ Sociological Methods and

Research 1999; 27:411– 427.

162. Raftery, A.E., 1996. Approximate Bayes factors and accounting for model

uncertainty in generalised linear models. Biometrika 83 (2), 251–266.

163. Raftery, AE, 1995. Bayesian model selection in social research. In: Marsden,

R.V.(Ed.), Sociological Methodology. Blackwell, Cambridge, Mass.

164. Ray P. K., 2001. Agricultural Insurance: Theory and practice and application

to developing cou ” 2nd edition, Oxford: Pergamon Press.

165. S.L. Klijn, K. Nickel, E. Fenwick, R. Bakker, B. Malcolm, 2019. Bayesian

Model Averaging for extrapolating survival: a pan-tumor perspective on Nivolumab

and Ipilimumab, Value in Health, Volume 22, Supplement 3, 2019, Page S518,

ISSN 1098-3015, https://doi.org/10.1016/j.jval.2019.09.615.

166. Sarris, A. and Karfakis, P., 2006. Producer demand and welfare benefits of

rainfall insurance in Tanzania. Research Working Paper No. 18, FAO.

167. Schwarz, Gideon E., 1978. Estimating the dimension of a model. Annals of

Statistics, 6 (2): 461–464, doi:10.1214/aos/1176344136, MR 0468014.

168. Sheffrin, Steven M., 2003. Economics: Principles in Action. Upper Saddle

River, New Jersey 07458: Pearson Prentice Hall. p. 512.

169. Sherrick, B. J., Barry, P. J., Ellinger, P. N. and Schnitkey, G. D, 2004. Factors

influencing farmers‟ crop insurance decisions. American Journal of Agricultural

Economics, Vol. 86, (2004) pp. 103–114.

170. Shirangi, Mehrdad G.; Durlofsky, Louis J., 2016. A general method to select

representative models for decision making and optimization under

uncertainty. Computers & eosciences. 96:109123. doi:10.1016/j.cageo.2016.08.002.

155

171. Silver, N., 2012. The signal and the noise: Why most predictions fail but some

don't. New York: Penguin Press.

172. Silverman, D., 2001. Interpreting qualitative data: Methods for analyzing talk,

text, and interaction. London: Sage Publications.

173. Silvia Müller, Gaby Ramm & Roland Steinmann, 2014. Agriculture,

Microinsurance, and Rural Development. Microinsurance Network.

174. Skees, J. R., & Enkh-Amgalan, Ayurzana, 2002. Examining the feasibility of

livestock insurance in Mongolia. The World Bank, Policy Research Working Paper

2886, September 2002.

175. Skees, J. R., Black, J. R., & Barnett, B. J., 1997. Designing and rating an area

yield crop insurance contract. American Journal of Agricultural Economics, 79,

430–438.

176. Spyroglou, Ioannis & Spöck, Gunter & Chatzimichail, E. & Rigas, A. &

Paraskakis, Emmanouil, 2018. A Bayesian logistic regression approach in asthma

persistence prediction. Epidemiology Biostatistics and Public Health. 15. e12777-1.

10.2427/12777.

177. Staley J. T.& Johnson S. N., 2008. Climate change impacts on root

herbivores. Root Feeders: an ecosystem perspective. Eds , Johnson S. N.& Murray

P. J. Wallingford, UK: CABI.

178. Stehman, Stephen. V, 1997. Selecting and interpreting measures of thematic

classification accuracy. Remote Sensing of Environment. 62. 77-89.

10.1016/S0034-4257(97)00083-7.

179. Steven S. Henley, Richard M. Golden & T. Michael Kashner, 2020. Statistical

modeling methods: challenges and strategies. Biostatistics & Epidemiology, 4:1,

105-139, DOI:10.1080/24709360.2019.1618653

180. Turvey, C. G. (2001). Weather derivatives for specific event risks in

agriculture. Review of Agricultural Economics, 23, 333–351.

156

181. Thérèse Sandmark, Jean-Christophe Debar & Clémence Tatin-Jaleran,

2013. The Emergence and Development of Agriculture Microinsurance.

Luxembourg: Microinsurance Network.

182. Thomas Bayes, 1763. An Essay towards solving a Problem in the Doctrine of

Chances. Philosophical Transactions of the Royal Society of London, 53.

183. United Nations, 1984. Handbook of Household Surveys, Revised Edition,

Studies in Methods, Series F, No. 31, United Nations, New York, 1984, para. 13.15.

184.Van Empelen, P., & Kok, G. 2006. Condon use in steady and casual sexual

relationships: Planning, preparation and willingness to take risks among

adolescents. Psychology and Health, 21, 165-181.

185.Varadan, J. R. and P. Kumar, 2012. Impact of Crop Insurance on Rice Farming

in Tamil Nadu. Agricultural Economics Research Review 25(2): 291-298.

186.Viallefont, V., Raftery, A.E., Richardson, S., 2001. Variable selection and

Bayesian model averaging in case-control studies. Stat. Med. 20 (21), 3215–3230.

187.Volinsky C, Madigan D, Raftery AE, Kronmal RA. Bayesian model averaging

in proportional hazard models: predicting the risk of a stroke. Applied Statistics

1997; 46:443–448.

188. Wang, D., Zhang, W., & Bakhai, A. 2004. Comparison of Bayesian model

averaging and stepwise methods for model selection in logistic regression. Statistics

in medicine, 23(22), 3451–3467. https://doi.org/10.1002/sim.1930

189. Winkler, Robert L,2003. Introduction to Bayesian Inference and Decision (2nd

ed.). Probabilistic. ISBN 978-0-9647938-4-2. Updated classic textbook. Bayesian

theory clearly presented.

190. Workie MS, Belay DB, 2019. Bayesian model with application to a study of

dental caries. BMC Oral Health. 2019 Jan;19. DOI:10.1186/s12903-018-0687-z.

191. World Bank, 2004, Vietnam - Coffee sector report (English). Washington, DC:

World Bank.

157

192. World Bank, 2006, India: Innovative Rainfall-Indexed Insurance, pp. 61 –

64 in Module 11: Managing Agricultural Risk, Vulnerability and Disaster.

Commodity Risk Management Group: World Bank. Washington, DC: World Bank.

193. World Bank, 2010, Vietnam - Weathering the storm : options for disaster risk

financing in Vietnam (English). Washington, DC: World Bank.

194. World Bank, 2011. Weather index insurance for agriculture : guidance for

development practitioners (English). Agriculture and rural development discussion

paper ; no. 50. Washington, DC: World Bank.

195. World Bank, 2012. Advancing disaster risk financing and insurance in ASEAN

member states : framework and options for implementation (Vol. 2) : Technical

appendices (English). Washington, DC: World Bank.

196. World Bank, 2015a. Agricultural Data and Insurance: Innovations in

agricultural data development for insurance. Washington, DC: World Bank.

197. Worldbank, 2015b. Risk and finance in the coffee sector. Washington, DC:

World Bank.

198. Yanlai Zhou, Fi-John Chang, Hua Chen, Hong Li, 2020. Exploring Copula-

based Bayesian Model Averaging with multiple ANNs for PM2.5 ensemble

forecasts. Journal of Cleaner Production, Volume 263, 2020, 121528, ISSN 0959-

6526, https://doi.org/10.1016/j.jclepro.2020.121528.

199. Yanuarti R., Aji J.M.M., Rondhi M., 2019. Risk aversion level influence on

farmer‟s decision to participate in crop insurance: A review. Agric. Econ. – Czech,

65: 481-489.

200.Zeugner, S. 2011. Bayesian model averaging with BMS. Tutorial to the R-

package BMS.

201. Zhang, Wei & Yang, Jun., 2015. Forecasting natural gas consumption in China

by Bayesian Model Averaging. Energy Reports. 1. 216-220.

Doi:10.1016/j.egyr.2015.11.001.

158

PHỤ LỤC

Phụ lục 1: Bảo hiểm nông nghiệp tại các quốc gia và lãnh thổ trên thế giới

Phụ lục 1.1: Tình trạng bảo hiểm nông nghiệp ở các quốc gia và lãnh thổ trên thế

giới

Lƣu ý: World Bank (2008) chia tất cả các nền kinh tế thành các nhóm thu

nhập dựa trên tổng thu nhập quốc dân năm 2008 trên đầu ngƣời (GNI), đƣợc tính

theo phƣơng pháp Atlas của Ngân hàng Thế giới. Đến ngày 1 tháng 7 năm 2009,

các phân loại nhƣ sau: thu nhập thấp: 975 USD trở xuống; thu nhập trung bình thấp:

976 USD đến 3,855 USD thu nhập trung bình cao: 3,856 USD đến 11,905 USD; thu

nhập cao: 11,906 USD trở lên.

World Bank (2008). World Development Report 2008: Agriculture for

Development. Washington, DC: World Bank.

STT Quốc gia và lãnh thổ Thu nhập Bảo hiểm nông nghiệp

1 Afghanistan Thu nhập thấp Không có

2 Albania Thu nhập trung bình thấp Không biết

3 Algeria Thu nhập trung bình thấp Thí điểm

4 American Samoa Thu nhập trung bình cao Không biết

5 Andorra Thu nhập cao Có

6 Angola Thu nhập trung bình thấp Không có

7 Antigua and Barbuda Thu nhập cao Không có

8 Argentina Thu nhập trung bình cao Có

9 Armenia Thu nhập trung bình thấp Không có

10 Aruba Thu nhập cao Không có

11 Australia Thu nhập cao Có

12 Austria Thu nhập cao Có

13 Azerbaijan Thu nhập trung bình thấp Có

14 Bahamas Thu nhập cao Không có

15 Bahrain Thu nhập cao Không có

16 Bangladesh Thu nhập thấp Có

159

17 Barbados Thu nhập cao Không biết

18 Belarus Thu nhập trung bình cao Không biết

19 Belgium Thu nhập cao Có

20 Belize Thu nhập trung bình cao Không biết

21 Benin Thu nhập thấp Không có

22 Bermuda Thu nhập cao Không có

23 Bhutan Thu nhập trung bình thấp Không có

24 Bolivia Thu nhập trung bình thấp Thí điểm

25 Bosnia and Herzegovina Thu nhập trung bình thấp Không biết

26 Botswana Thu nhập trung bình cao Không có

27 Brazil Thu nhập trung bình cao Có

28 Brunei Darussalam Thu nhập cao Không có

29 Bulgaria Thu nhập trung bình cao Có

30 Burkina Faso Thu nhập thấp Không có

31 Burundi Thu nhập thấp Không có

32 Cambodia Thu nhập thấp Không có

33 Cameroon Thu nhập trung bình thấp Không biết

34 Canada Thu nhập cao Có

35 Cape Verde Thu nhập trung bình thấp Không có

36 Cayman Islands Thu nhập cao Không có

37 Central African Republic Thu nhập thấp Không có

38 Chad Thu nhập thấp Không biết

39 Channel Islands Thu nhập cao Không biết

40 Chile Thu nhập trung bình cao Có

41 China Thu nhập trung bình thấp Có

42 Colombia Thu nhập trung bình thấp Có

43 Comoros Thu nhập thấp Không có

44 Congo, Dem. Rep. Thu nhập thấp Không có

45 Congo, Rep. Thu nhập trung bình thấp Không có

46 Costa Rica Thu nhập trung bình cao Có

47 Côte d‟Ivoire Thu nhập thấp Không biết

48 Croatia Thu nhập trung bình cao Không biết

49 Cuba Thu nhập trung bình cao Có

160

50 Cyprus Có Thu nhập cao

51 Czech Republic Có Thu nhập cao

52 Denmark Có Thu nhập cao

Thu nhập trung bình thấp Không có 53 Djibouti

Thu nhập trung bình cao 54 Dominica Có

55 Dominican Republic Thu nhập trung bình thấp Có

56 Ecuador Thu nhập trung bình thấp Có

57 Egypt, Arab Rep. of Thu nhập trung bình thấp Không biết

58 El Salvador Thu nhập trung bình thấp Thí điểm

59 Equatorial Guinea Thu nhập cao Không biết

60 Eritrea Thu nhập thấp Không biết

61 Estonia Có Thu nhập cao

62 Ethiopia Thu nhập thấp Thí điểm

63 Faeroe Islands Có Thu nhập cao

64 Fiji Thu nhập trung bình cao Không biết

65 Finland Có Thu nhập cao

66 France Có Thu nhập cao

67 French Polynesia Có Thu nhập cao

68 Gabon Thu nhập trung bình cao Không biết

69 Gambia Thu nhập thấp Không biết

70 Georgia Thu nhập trung bình thấp Không biết

71 Germany Có Thu nhập cao

72 Ghana Thu nhập thấp Không biết

73 Greece Có Thu nhập cao

74 Greenland Thu nhập cao Không biết

75 Grenada Có Thu nhập trung bình cao

76 Guam Có Thu nhập cao

77 Guatemala Thu nhập trung bình thấp Thí điểm

78 Guinea Thu nhập thấp Không biết

79 Guinea-Bissau Thu nhập thấp Không biết

80 Guyana Thu nhập trung bình thấp Không có

81 Haiti Thu nhập thấp Không có

82 Honduras Thu nhập trung bình thấp Có

161

83 Hong Kong, China Có Thu nhập cao

84 Hungary Có Thu nhập cao

85 Iceland Có Thu nhập cao

86 India Có Thu nhập trung bình thấp

87 Indonesia Có Thu nhập trung bình thấp

88 Iran, Islamic Rep. Of Thu nhập trung bình thấp Có

Thu nhập trung bình thấp Không có 89 Iraq

90 Ireland Có Thu nhập cao

91 Isle of Man Thu nhập cao Không biết

92 Israel Có Thu nhập cao

93 Italy Có Thu nhập cao

94 Jamaica Có Thu nhập trung bình cao

95 Japan Có Thu nhập cao

96 Jordan Thu nhập trung bình thấp Không biết

97 Kazakhstan Thu nhập trung bình cao Có

98 Kenya Thu nhập thấp Thí điểm

99 Kiribati Thu nhập trung bình thấp Không có

Có 100 Korea, Dem. Rep. Of Thu nhập thấp

101 Korea, Rep. of Có Thu nhập cao

102 Kuwait Thu nhập cao Không biết

103 Kyrgyz Republic Thu nhập thấp Không biết

104 Lao PDR Thu nhập thấp Không có

105 Latvia Thu nhập trung bình cao Có

106 Lebanon Thu nhập trung bình cao Không biết

107 Lesotho Thu nhập trung bình thấp Không có

108 Liberia Thu nhập thấp Không biết

109 Libya Thu nhập trung bình cao Không biết

110 Liechtenstein Thu nhập cao Không biết

111 Lithuania Thu nhập trung bình cao Có

112 Luxembourg Có Thu nhập cao

113 Macao, China Không biết Thu nhập cao

114 Macedonia, FYR Thu nhập trung bình thấp Không biết

115 Madagascar Thu nhập thấp Không có

162

116 Malawi Thu nhập thấp Thí điểm

117 Malaysia Thu nhập trung bình cao Có

118 Maldives Thu nhập trung bình thấp Không có

119 Mali Thu nhập thấp Không có

120 Malta Thu nhập cao Không có

121 Marshall Islands Thu nhập trung bình thấp Không biết

122 Mauritania Thu nhập thấp Không có

123 Mauritius Thu nhập trung bình cao Không có

124 Mayotte Thu nhập trung bình cao Không biết

125 Mexico Thu nhập trung bình cao Có

126 Micronesia, Fed. Sts. Thu nhập trung bình thấp Không có

127 Moldova Thu nhập trung bình thấp Có

128 Monaco Thu nhập cao Không có

129 Mongolia Thu nhập trung bình thấp Thí điểm

130 Montenegro Thu nhập trung bình cao Có

131 Morocco Thu nhập trung bình thấp Có

132 Mozambique Thu nhập thấp Không có

133 Myanmar Thu nhập thấp Không có

134 Namibia Thu nhập trung bình thấp Không biết

135 Nepal Thu nhập thấp Có

136 Netherlands Thu nhập cao Có

137 Netherlands Antilles Thu nhập cao Không biết

138 New Caledonia Thu nhập cao Không biết

139 New Zealand Thu nhập cao Có

140 Nicaragua Thu nhập trung bình thấp Thí điểm

141 Niger Thu nhập thấp Không có

142 Nigeria Thu nhập thấp Có

143 Northern Mariana Islands Thu nhập cao Không biết

144 Norway Thu nhập cao Có

145 Oman Thu nhập cao Có

146 Pakistan Thu nhập thấp Thí điểm

147 Palau Thu nhập trung bình cao Không có

148 Panama Thu nhập trung bình cao Có

163

149 Papua New Guinea Thu nhập thấp Không có

150 Paraguay Thu nhập trung bình thấp Có

151 Peru Thu nhập trung bình thấp Thí điểm

152 Philippines Thu nhập trung bình thấp Có

153 Poland Thu nhập trung bình cao Có

154 Portugal Thu nhập cao Có

155 Puerto Rico Thu nhập cao Có

156 Qatar Thu nhập cao Thí điểm

157 Romania Thu nhập trung bình cao Có

158 Russian Federation Thu nhập trung bình cao Có

159 Rwanda Thu nhập thấp Không có

160 Samoa Thu nhập trung bình thấp Không có

161 San Marino Thu nhập cao Không biết

162 São Tomé and Principe Thu nhập thấp Không biết

163 Saudi Arabia Thu nhập cao Thí điểm

164 Senegal Thu nhập thấp Thí điểm

165 Serbia Thu nhập trung bình cao Có

166 Seychelles Thu nhập trung bình cao Không có

167 Sierra Leone Thu nhập thấp Không có

168 Singapore Thu nhập cao Có

169 Slovak Republic Thu nhập cao Có

170 Slovenia Thu nhập cao Có

171 Solomon Islands Thu nhập thấp Không có

172 Somalia Thu nhập thấp Không có

173 South Africa Thu nhập trung bình cao Có

174 Spain Thu nhập cao Có

175 Sri Lanka Thu nhập trung bình thấp Có

176 St. Kitts and Nevis Thu nhập trung bình cao Không có

Có 177 St. Lucia Thu nhập trung bình cao

Có 178 Thu nhập trung bình cao St. Vincent and the Grenadines

179 Sudan Thu nhập trung bình thấp Có

180 Suriname Thu nhập trung bình cao Không biết

164

Thu nhập trung bình thấp Không biết 181 Swaziland

Thu nhập cao Có 182 Sweden

Thu nhập cao Có 183 Switzerland

184 Syrian Arab Rep Thu nhập trung bình thấp Không biết

Thu nhập thấp Không biết 185 Tajikistan

Thu nhập thấp Thí điểm 186 Tanzania

Thu nhập trung bình thấp Thí điểm 187 Thailand

188 Timor-Leste Thu nhập trung bình thấp Không biết

Thu nhập thấp Không biết 189 Togo

Thu nhập trung bình thấp Không biết 190 Tonga

191 Trinidad and Tobago Thu nhập cao Không biết

Thu nhập trung bình thấp Có 192 Tunisia

Thu nhập trung bình cao Có 193 Turkey

194 Turkmenistan Thu nhập trung bình thấp Không biết

Thu nhập thấp Thí điểm 195 Uganda

Thu nhập trung bình thấp Có 196 Ukraine

197 United Arab Emirates Thu nhập cao Không biết

198 United Kingdom Thu nhập cao Có

199 United States Thu nhập cao Có

200 Uruguay Thu nhập trung bình cao Có

201 Uzbekistan Thu nhập thấp Không biết

202 Vanuatu Thu nhập trung bình thấp Không có

203 Venezuela, R. B. De Thu nhập trung bình cao Có

204 Vietnam Thu nhập thấp Thí điểm

205 Virgin Islands (U.S.) Thu nhập cao Không biết

206 West Bank and Gaza Thu nhập trung bình thấp Không biết

207 Yemen, Rep. Thu nhập thấp Không biết

208 Zambia Thu nhập thấp Không biết

209 Zimbabwe Thu nhập thấp Không biết

Ngu n: World Bank 2008

165

Phụ lục 1.2: Sản phẩm bảo hiểm và phƣơng pháp đánh giá tổn thất ở một số nƣớc

Quốc gia Sản phẩm bảo hiểm nông nghiệp Phƣơng pháp đánh giá tổn thất

Canada Chỉ số

Trung Quốc Đền bù, Chỉ số

Bảo hiểm mùa màng bị thiệt hại do mƣa đá gây ra; bảo hiểm gia súc chết vì tai nạn; bảo hiểm giá cho gia súc và lợn; bảo hiểm nuôi trồng thủy sản; bảo hiểm lâm nghiệp; bảo hiểm nhà kính Bảo hiểm đa rủi ro cho cây lúa; bảo hiểm gia súc chết vì dịch bệnh, tai nạn ; bảo hiểm nuôi trồng thủy sản; bảo hiểm lâm nghiệp; bảo hiểm nhà kính

Ấn Độ Bảo hiểm đơn rủi ro cho mùa màng; bảo hiểm gia súc; bảo hiểm nuôi trồng thủy sản Chỉ số năng suất khu vực, Chỉ số thời tiết

Nhật Bản Đền bù

Philippines Chỉ số

Hàn Quốc

Tây Ban Nha Đền bù, Chỉ số

Mỹ Đền bù, Chỉ số

Bảo hiểm đa rủi ro cho mùa màng; bảo hiểm gia súc chết vì dịch bệnh, tai nạn; bảo hiểm nuôi trồng thủy sản; bảo hiểm lâm nghiệp; bảo hiểm nhà kính Bảo hiểm đa rủi ro cho mùa màng; bảo hiểm gia súc chết vì dịch bệnh, tai nạn; bảo hiểm lâm nghiệp; bảo hiểm nhà kính Bảo hiểm theo tên gọi rủi ro, bảo hiểm mùa màng nhiều rủi ro; bảo hiểm gia súc chết vì dịch bệnh, giết mổ khẩn cấp, tai nạn Bảo hiểm đơn hoặc đa rủi ro (thời tiết bất lợi, bệnh dịch) cho m a màng, chăn nuôi, nuôi trồng thủy sản, rừng Bảo hiểm mùa màng bị thiệt hại do mƣa đá gây ra; bảo hiểm gia súc chết vì tai nạn; bảo hiểm nuôi trồng thủy sản; bảo hiểm lâm nghiệp; bảo hiểm nhà kính; bảo hiểm tỷ suất lợi nhuận gộp, giá cả.

Ngu n: FAO, 2012; Mahul ự, 2012; Mahul Stutley, 2010.

166

Phụ lục 2: Danh sách đối tượng nghiên cứu hư ng h định tính

STT Họ tên Đ n vị Ghi ch

1 ThS. Hồ Hải Đăng Chuyên gia bảo hiểm Phó Tổng Giám đốc Tổng Công ty bảo hiểm Bảo Minh - Phụ trách bảo hiểm nông nghiệp

2 ThS. Hoàng Xuân Điều Chuyên gia bảo hiểm Trƣởng Ban Bảo hiểm Nông nghiệp - Tổng Công ty Bảo hiểm Nông nghiệp Bảo Việt.

3 ThS. Nguyễn Chiến Thắng Chuyên gia bảo hiểm Giám đốc công ty Bảo hiểm Bảo Minh Đắk Lắk - Phụ trách Bảo hiểm nông nghiệp

4 ThS. Trần Quốc Phúc

Phó Giám đốc công ty Bảo hiểm Bảo Minh Đắk Lắk - Phụ trách Bảo hiểm nông nghiệp Chuyên gia bảo hiểm Hộ sản xuất cà phê

5 TS. Nguyễn Văn Đạt Phó Khoa Kinh tế – Trƣờng Đại học Tây Nguyên Nhà nghiên cứu cà phê Hộ sản xuất cà phê

6 TS. Lữ Bá Văn Nhà nghiên cứu cà phê Viện trƣởng Viện nghiên cứu phát triển kinh tế thế giới mới

7 TS. Bạch Ngọc Hoàng Ánh Nhà nghiên cứu cà phê Trƣởng khoa Quản trị kinh doanh – Trƣờng đại học Yersin Đà Lạt

8 ThS. Nguyễn Hắc Hiển Phó Chi cục trƣởng Chi cục trồng trọt - Sở Nông nghiệp & PTNT Đắk Lắk Nhà nghiên cứu cà phê Hộ sản xuất cà phê

9 ThS. Trần Xuân Ninh Giảng viên Đại học Tây Nguyên

Nhà nghiên cứu cà phê Hộ sản xuất cà phê

167

10 ThS. Đ Tấn Xuân Chuyên gia Thống kê

11 ThS. Trần Văn Thành Chuyên gia ngân hàng Cục trƣởng Cục thống kê tỉnh Đắk Lắk Trƣởng phòng tín dụng Ngân hàng Vietcombank tỉnh Đắk Lắk

12 ThS. Cao Chí Thanh Chuyên gia ngân hàng Giám đốc phòng Giao dịch - Ngân hàng NN&PTNT Đắk Lắk

13 Trần Văn Thành Xã Hòa Thắng, Buôn Ma Thuột Hộ sản xuất cà phê

14 Y Thanh Êban Xã Hòa Thắng, Buôn Ma Thuột Hộ sản xuất cà phê

15 Ma Xuân Tranh Xã Ea Tân, huyện Krông Năng Hộ sản xuất cà phê

16 Phan Trọng Hòa Xã Ea Ral, huyện Ea H‟leo Hộ sản xuất cà phê

Ngu n: Tác gi t ng hợp

168

Phụ lục 3: Hội thảo khoa học

BIÊN BẢN HỘI THẢO HOA HỌC

1. Tên đề tài: “ ác đ nh các yếu tố tác động đến việc sẵn lòng tham gia bảo

hiểm cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk”.

2. Địa điểm tổ chức: Hội trƣờng khách sạn Cao Nguyên, 65 Phan Chu Trinh,

phƣờng Thắng Lợi, Thành phố Buôn Ma Thuột, tỉnh Đắk Lắk.

3. Thời gian tổ chức: thứ Sáu, ngày 31 tháng 08 năm 2018

4. Ngƣời báo cáo: ThS. Lê Đình Thắng

5. Danh sách các đại biểu tham dự

STT Họ tên Đ n vị Nhiệ vụ

1 TS. Hà Văn Sơn Chủ trì hội thảo Phó khoa phụ trách Khoa Toán – Thống kê Trƣờng Đại học Kinh tế

viên 2 PGS. TS. Nguyễn Văn Sĩ Khoa Toán – Thống kê Trƣờng Đại học Kinh tế Giảng hƣớng dẫn

3 TS. Nguyễn Văn Trãi Khoa Toán – Thống kê Trƣờng Đại học Kinh tế Thƣ ký hội thảo

4 TS. Lữ Bá Văn Viện trƣởng Viện nghiên cứu phát triển kinh tế thế giới mới

5 TS. Bạch Ngọc Hoàng Ánh Trƣởng khoa Quản trị kinh doanh – Trƣờng đại học Yersin Đà Lạt

6 TS. Nguyễn Văn Đạt Phó Khoa Kinh tế – Trƣờng Đại học Tây Nguyên

7 ThS. Đ Tấn Xuân Cục trƣởng Cục thống kê tỉnh Đắk Lắk

8 ThS. Nguyễn Quang Phƣớc Phó Cục trƣởng Cục thống kê tỉnh Đắk Lắk

9 TS. Trịnh Đức Minh Chủ tịch hiệp hội cà phê Buôn Ma Thuột

10 ThS. Trần Quốc Phúc Phó Giám đốc Công ty Bảo hiểm Bảo Minh Đắk Lắk

169

11 ThS. Nguyễn Hắc Hiển

Phó Chi cục trƣởng Chi cục trồng trọt – Sở Nông nghiệp & PTNT Đắk Lắk Thành viên Ban chỉ đạo tái canh cà phê tỉnh Đắk Lắk

12 ThS. Cao Chí Thanh Giám đốc phòng Giao dịch - Ngân hàng Agribank Đắk Lắk

13 ThS. Trần Hồng Nhật Phó giám đốc Trung tâm phát triển cộng đồng CDC

14 ThS. Trần Xuân Ninh Giảng viên Đại học Tây Nguyên - Hộ sản xuất cà phê

15 Nguyễn Thị Hƣơng Hộ sản xuất cà phê

16 Nguyễn Văn Cƣờng Hộ sản xuất cà phê

17 Y Tiêm Ênuôl Hộ sản xuất cà phê

18 H Briết Ayũn Hộ sản xuất cà phê

19 Nguyễn Trọng Dũng Hộ sản xuất cà phê

20 Hồ Ngọc Quang Hộ sản xuất cà phê

21 Y Nguyên Byă Hộ sản xuất cà phê

22 Y Don Niê Hộ sản xuất cà phê

23 Chu Văn Nƣớc Hộ sản xuất cà phê

24 Ma Văn Gi n Hộ sản xuất cà phê

25 Vƣơng Quốc Đạt Hộ sản xuất cà phê

Hộ sản xuất cà phê

26 Y Hút Niê 27 Y Tam Kbul 28 Hoàng Văn Phƣớc 29 Đoàn Văn Điệp 30 Vũ Thị Tám 31 Hồ Mơ Hộ sản xuất cà phê

Ngu n: Tác gi t ng hợp

6. Nội dung Hội thảo:

6.1. TS. Hà Văn Sơn giới thiệu đại biểu và phát biểu khai mạc.

6.2. Nghiên cứu sinh Lê Đình Thắng trình bày tóm tắt nội dung nghiên cứu:

170

Đƣợc Hiệu trƣởng giao nhiệm vụ thực hiện luận án tiến sĩ, với tên luận án

đăng ký: Nghiên cứu ứng dụng thống kê Bayes phân tích vi c sẵn lòng tham gia

b o hi m cây cà phê theo chỉ số ă ất của h nông dân tỉ Đắk Lắk” Ngƣời

hƣớng dẫn khoa học cho luận án: PGS. TS Nguyễn Văn Sĩ và TS. Nguyễn Thanh

Vân.

Dƣới đây là các yếu tố dự kiến có tác động đến ẵ

” của hộ nông dân sản xuất cà phê tỉnh Đắk Lắk mà tôi dự kiến sẽ chọn lọc đƣa

vào mô hình nghiên cứu:

Nhóm yếu tố nhân khẩu học của chủ hộ sản xuất cà phê: Chủ hộ sản xuất cà

phê là ngƣời có ảnh hƣởng lớn nhất trong các quyết định của hộ nên những yếu tố

về nhân khẩu học của chủ hộ có thể ảnh hƣởng đến việc sẵn l ng tham gia bảo hiểm

cà phê của hộ. Các yếu tố nhân khẩu học của chủ hộ gồm: giới tính, tuổi, trình độ

học vấn, dân tộc, kinh nghiệm sản xuất cà phê, hộ tham gia hội khuyến nông hoặc

hội nông dân,...

Nhóm yếu tố về đặc điểm về vƣờn cây cà phê: Những yếu tố này liên quan

đến năng suất của cây cà phê nhƣ: Diện tích trồng cà phê của hộ, Đất trồng có ph

hợp với cây cà phê không, trồng xen canh cà phê, tuổi của cây cà phê, số lao động

trong hộ tham gia sản xuất cà phê...

Nhóm yếu tố về kinh tế: hộ sản xuất cà phê nhận thức đƣợc tầm quan trọng

và lợi ích của bảo hiểm cà phê tuy nhiên để tham gia bảo hiểm cà phê cần phải có

tài chính. Vì vậy, những yếu tố về tài chính có thể ảnh hƣởng đến việc sẵn l ng

tham gia bảo hiểm của hộ nông dân sản xuất cà phê. Các yếu tố này gồm: thu nhập

của hộ nông dân trồng cà phê, chủ hộ có sở hữu đất sản xuất cà phê, hộ gia đình có

vay vốn từ ngân hàng, hoặc các tổ chức tín dụng,...

Nhóm yếu tố về thời tiết: Thực tế là thời tiết đã tác động đáng kể đến hộ sản

xuất cà phê trong những năm gần đây. Cụ thể là rủi ro thời tiết làm giảm năng suất

cây cà phê dẫn đến làm giảm thu nhập của hộ nông dân sản xuất cà phê. Nhằm giảm

thiểu rủi ro về thởi tiết thì các hộ sản xuất cà phê cần tham gia bảo hiểm để đƣợc

đền b thiệt hại khi gặp phải rủi ro thời tiết. Vì vậy, những yếu tố về thời tiết có thể

171

có tác động đến việc sẵn l ng tham gia bảo hiểm của hộ nông dân sản xuất cà phê

nhƣ: hạn hán, mƣa thất thƣờng,....

6.3.PGS. TS Nguyễn Văn Sĩ giới thiệu mục đích hội thảo

Mục đích buổi hội thảo nhằm có thêm một số yếu tố từ những đóng góp ý

của các đại biểu dành cho luận án của nghiên cứu sinh Lê Đình Thắng. Nghiên cứu

sinh Lê Đình Thắng đã trình bày những yếu tố trên từ việc tổng quan 50 tài liệu

Scopus có liên quan đến bảo hiểm, tín dụng và cà phê. Các bài báo về bảo hiểm cà

phê Việt Nam không có nhiều về cây cà phê, nếu có thì chủ yếu viết về thông tin cà

phê nên không đủ chứng cứ khoa học.

Hội thảo mong muốn nhận đƣợc thêm các yếu tố đặc th của cây cà phê Đắk

Lắk từ các đại biểu.

Tỷ lệ tham gia bảo hiểm cây cà phê chƣa tới 1 có thể thấy đƣợc ngƣời

tham gia bảo hiểm và ngân hàng chƣa đến đƣợc với nhau. Ngân hàng đƣợc xem là

cầu nối trung gian rất quan trọng của hộ nông dân sản xuất cà phê và công ty bảo

hiểm. Vì vậy cần tìm đƣợc tiếng nói chung của ngân hàng và công ty bảo hiểm.

6.4.Ý kiến đóng góp của các đại biểu

5.4.1 Tiến sĩ Lữ Bá Văn

Mô hình của nghiên cứu sinh là ph hợp với nhu cầu bảo hiểm của các hộ

sản xuất cà phê hiện nay. Tuy nhiên, một số yếu tố c n thiếu. Ví dụ: một số yếu tố

về xã hội nhƣ di dân (di dân ra v ng biên giới do ở trung tâm hết đất trồng trọt),

phát triển v ng cà phê mới, yếu tố chính trị (chính phủ coi trọng phát triển v ng

biên giới để giữ đất).

5.4.2 Thạc sĩ Nguyễn Hắc Hiển

Luận án mang ý nghĩa thực tiễn cao.

Vấn đề bảo hiểm cần bổ sung các yếu tố nhƣ:

+ Nhóm nhân khẩu học (47 dân tộc), yếu tố dân tộc quan trọng.

+ Cần làm rõ cho nông dân nhận thức đƣợc vấn đề bảo hiểm.

+ Di dân tự do mất ổn định, nên tập trung v ng trọn điểm, quy hoạch (9 huyện)

172

+ Nhóm vƣờn cây (quy mô diện tích): từ 0.5 ha đến 1 ha, từ 1 ha đến 2 ha,...Với

diện tích nhỏ thì vấn đề bảo hiểm khó.

+ Năng suất trung bình 25,4 tạ/ha (bảo hiểm về năng suất hay thời tiết)

+ Tuổi cây có 3 giai đoạn (Trồng mới, Kinh doanh ổn định từ năm thứ 5 đến dƣới

20, Cây già cho năng suất kém từ 20 năm trở lên)

+ Giống rất quan trọng (thực sinh hoặc giống ghép)

+ Vấn đề kinh tế: cơ cấu cà phê không chỉ đơn thuần là trồng cà phê mà trồng xen

canh.

+ Chính sách: ngƣời dân có nhận đƣợc chính sách gì không Chính sách vay vốn sẽ

ảnh hƣởng đến bảo hiểm nên vấn đề bảo hiểm cần có sự tham gia của nhà nƣớc.

+ Biến đổi khí hậu: nhƣ hạn hán, lũ, mƣa, ảnh hƣởng rất lớn rồi dịch bệnh, nguồn

nƣớc những yếu tố này khó dự đoán. Lúc đó bảo hiểm cây khó trong việc đánh giá

để bán bảo hiểm.

+ Nhật ký nông hộ : phải nắm rõ đầu vào đầu ra.

5.4.3 Tiến sĩ Nguyễn Văn Đạt

Để mang lại hiệu quả, hạn chế rủi ro trong sản xuất cà phê thì hộ dân cần

mua bảo hiểm, tác giả xem lại lợi ích bảo hiểm. Chính sách vĩ mô của chính phủ,

chính phủ có h trợ gì thông qua chính sách tài chính trung gian. Cần có sự liên kết

của bốn nhà: Doanh nghiệp – Nông dân – Nhà nƣớc – Bảo hiểm.

5.4.4 Thạc sĩ Trần Xuân Ninh

Đã sản xuất cà phê trên 30 năm. Tất cả các loại bảo hiểm không ai muốn

nhận vì không ai muốn rủi ro, thực trạng hiện nay của hộ sản xuất cà phê là “Đƣợc

m a thì mất giá – đƣợc giá thì mất m a”. Ngƣời nông dân muốn mua bảo hiểm để

giải quyết vấn đề trên. Cách thức tính giá bảo hiểm gần với nông dân cần hài h a

giữa lợi ích đóng bảo hiểm và kết quả hộ nông dân nhận lại. Cần tuyên truyền tốt

chƣơng trình bảo hiểm. Cần chỉ cho hộ nông dân thấy đƣợc ƣu khi mua bảo hiểm

thì mong muốn của hộ đƣợc đáp ứng. Giúp hộ nông dân nhận thức đƣợc bảo hiểm

có nhiều lợi ích cho hộ (ngoài chất đất hộ nông dân c n bị tác động bởi nhiều yếu tố

173

nhƣ có hạn hán, dịch bệnh, vật tƣ giả,...) Nhà nƣớc nên có những chính sách giúp

đỡ ngƣời nông dân hạn chế rủi ro trên.

5.4.5 Thạc sĩ Cao Chí Thanh

Đã làm việc lâu năm trong lĩnh vực tín dụng với cà phê. Bảo hiểm năng suất

thì quan tâm đến giống cây cà phê (trồng có đúng loại hay không) ngoài ra cần có

bảo hiểm việc tiêu thụ cà phê hoặc bảo hiểm về giá cà phê. Hiện nay có nhiều chủng

loại cà phê, cà phê sạch, cần căn cứ từng loại mới có loại bảo hiểm ph hợp.Để hộ

nông dân sẵn l ng tham gia bảo hiểm cần thêm yếu tố kinh tế, xã hội, kỹ thuật rất

rộng, mức độ hiểu biết về quyền lợi khi mua bảo hiểm, mức đền b thiệt hại khi

tham gia bảo hiểm. Căn cứ bồi thƣờng dựa vào đâu.

Thêm yếu tố: hình thức tổ chức sản xuất (hộ nông dân thì đàm phán bảo hiểm nhƣ

thế nào, hợp tác xã thì nhƣ thế nào,...)

Hiện nay thì bảo hiểm cà phê tại Đắk Lắk cũng nhƣ Việt Nam chƣa có. Nếu

có mua bảo hiểm thì ngân hàng sẵn sàng hơn trong việc cho vay vốn sản xuất cà phê

vì bảo hiểm làm giảm rủi ro thu hồi vốn.

5.4.6 Thạc sĩ Trần Quốc Phúc

Bảo Minh đã thực hiện bảo hiểm cây cà phê theo chỉ số hạn hán. Do hạn hán

tác động đến năng suất ảnh hƣởn đến thu nhập của hộ nông dân sản xuất cà phê. Bồi

thƣờng dựa vào lƣợng mƣa của trạm quan trắc tại tỉnh Đắk Lắk. Tuy nhiên chƣơng

trình bảo hiểm này đã tạm dừng vì ngƣời tham gia rất ít.

Sẵn sàng xây dựng lại chƣơng trình bảo hiểm theo chỉ số hạn hán sao cho ph hợp

với thực tiễn hơn.

5.4.7 Tiến sĩ Bạch Ngọc Hoàng Ánh

Mục tiêu bảo hiểm là b đắp rủi ro cho hộ nông dân sản xuất cà phê.

Các yếu tố rủi ro cần thêm vào nhƣ yếu tố đầu tƣ (h trợ vốn đầu tƣ để tái canh),

yếu tố đầu ra (nhƣ giá bán cà phê nhân, cách bảo quản,...), ngoài các yếu tố rủi ro về

thời tiết nhƣ hạn hán, mƣa thất thƣờng c n có yếu tố lãi suất ngân hàng, yếu tố

chính sách h trợ của địa phƣơng.

5.4.8 Thạc sĩ Đ Tấn Xuân

174

Mô hình tốt thì cần đƣợc xây dựng dựa trên lý thuyết thực tiễn và đặc biệt và

cách chọn mẫu khảo sát sao cho ph hợp nhất.

5.4.9 Anh Nguyễn Văn Cƣờng

Hộ sản xuất cà phê cần thấy đƣợc quyền lợi thực tế nhƣ mong muốn của hộ mà bảo

hiểm đƣa ra.

7. Kết luận của Chủ trì hội thảo

+ Hiện nay chƣa có bảo hiểm năng suất cây cà phê tại Việt Nam.

+ Ngân hàng sẽ linh động cho vay đối với hộ sản xuất cà phê có tham gia bảo hiểm

cây cà phê. Hoạt động cho vay hiện nay chủ yếu là thế chấp tài sản.

+ Bảo hiểm cây cà phê cần xác định rõ là bảo hiểm về năng suất, bảo hiểm về giá,

hoặc bảo hiểm thời tiết,...từ đó đề xuất các yếu tố ph hợp.

+ Cần nghiên cứu yếu tố nhu cầu của hộ nông dân sản xuất cà phê.

Hội thảo kết thúc lúc: 12g15 ngày thứ Sáu, ngày 31 tháng 08 năm 2018.

Thư hội thả Chủ trì hội thả

TS. Nguyễn Văn Trãi TS. Hà Văn Sơn

175

Phụ lục 4: Bảng câu hỏi nghiên cứu

PHIẾU HẢO SÁT HỘ NÔNG D N SẢN UẤT CÀ PHÊ

TẠI TỈNH ĐẮ LẮ

Ngày tháng khảo sát ............ /............ / 2018

Họ và tên ngƣời khảo sát Điện thoại

Kính chào ông (bà) chủ hộ, để có những căn cứ thực tế làm cơ sở cho việc

nghiên cứu, đề xuất các giải pháp nhằm tăng thu nhập và phát triển ngành cà phê tại

tỉnh Đắk Lắk. Kính mong ông (bà) dành chút thời gian trả lời các câu hỏi trong phiếu

khảo sát về niên vụ 2016-2017 nhằm giúp nghiên cứu đƣợc thành công tốt đẹp.

Xin trân trọng cám ơn

A. Thông tin chủ hộ

Họ và tên Nam Nữ

Tuổi Dân tộc Trình độ văn hóa

Xã Huyện

Thôn

B. C u hỏi hả s t niên vụ 2016-2017

Câu hỏi Trả lời

1. Có bao nhiêu ngƣời trong hộ tham gia sản xuất cà phê (ngƣời)

2. Số năm kinh nghiệm sản xuất cà phê của hộ (năm)

3. Diện tích trồng cà phê của hộ là bao nhiêu (ha)

4. Năng suất cà phê nhân của hộ là bao nhiêu (tấn/ha)

5. Hộ có tham gia hội khuyến nông hoặc hội nông dân Có Không

6. Giá bán cà phê nhân trung bình là bao nhiêu (đồng/kg)

7. Hộ có thu nhập trung bình trên 1 ha cà phê là bao nhiêu (triệu/ha)

8. Hộ có vay tiền ngân hàng để sản xuất cà phê Có Không

176

9. Hộ là chủ sở hữu đất sản xuất cà phê Chủ đất Trƣờng hợp khác

10. Hộ sản xuất cà phê theo tiêu chuẩn nào 4C, UTZ Khác

11. Hộ bán cà phê cho đối tƣợng nào (thị trƣờng)?

Doanh nghiệp Đại lý thu mua tại địa phƣơng

Hạn hán Có Không

Mƣa thất thƣờng Có Không

Rủi ro Thời tiết Lũ lụt Có Không

Bão Có Không

Cây bị côn tr ng hại Có Không

Cây bị dịch bệnh Có Không Rủi ro Sinh học Có Không Nguồn đất, nguồn nƣớc bị ô nhiễm

Có Không Cà phê bị mất giá

Giá nguyên vật liệu đầu vào không ổn định Có Không Rủi ro Kinh tế Bị hủy hợp đồng Có Không

Hộ có ngƣời lao động bị bệnh Có Không 12. Nhữ ng rủi ro nào xảy ra trong niên vụ

Hộ có ngƣời lao động bị tai nạn Có Không Rủi ro Lao động Hộ có ngƣời lao động bị chết Có Không

13. Rủi ro nào gây ra cho hộ nhiều thiệt hại về thu nhập nhiều nhất?

1/ Rủi ro Thời tiết 2/ Rủi ro Sinh học 3/ Rủi ro Kinh tế 4/ Rủi ro Lao động

Có Không

14. Hộ có sẵn ng tha gia Bả hiể năng suất c c hê? (Khi gặ ủ ẽ ợ o hi m b ề ứ ạ ủ

Có Không 15. Thƣơng hiệu cà phê có quan trọng đối với hộ không?

ự ó ó ế ủ !

177

Phụ lục 5: Danh sách hộ nông dân trồng c hê được khảo sát trong nghiên

cứu định ượng chính thức

STT Họ tên chủ hộ Thôn ã

Y Dhiê Ênuôl Buôn Dhă Prong Cƣ Êbur Hu ện, Th nh hố Buôn Ma Thuột 1

2 Y Hin Ênuôl Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

3 Y Guôl Byă Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

4 Y Na Êban Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

5 Y Rin Ênuôl Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

Y Nguyên Byă Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột 6

7 Y Cil Ênuôl Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

8 Y Knet Êban Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

9 Y Grik Ênuôl Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

10 Y Bay Êban Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

11 Y Blak Ênuôl Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

12 Y Kuan Ênuôl Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột

Nguyễn Tiên Thành Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột 13

Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột 14 Y Thanh Êban

Buôn Dhă Prong Cƣ Êbur Buôn Ma Thuột 15 Y Tiêm Ênuôl

16 H Biai Ênuôl Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

17 Y Kring Êban Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

18 Y Nguôn Êban Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

19 Y Yum Êban Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

20 Y Then Ênuôl Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

21 Y Djao Êban Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

22 Y Don Niê Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

23 H Nay Ênuôl Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

24 Cƣ Êbur Buôn Ma Thuột Y Ngăm Ênuôl Buôn Ea Bông

25 Y Wăm Byă Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

26 Y Duê Ênuôl Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

27 Y Dring Êban Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

28 Y Lim Êban Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột

178

H Liêm Ênuôl Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột 29

Y Pen Byă Buôn Ea Bông Cƣ Êbur Buôn Ma Thuột 30

31 Trƣơng Tuấn Đoàn 5 Hoà Thắng Buôn Ma Thuột

32 Nguyễn Đức Kế 5 Hoà Thắng Buôn Ma Thuột

33 B i Ngọc 5 Hoà Thắng Buôn Ma Thuột

34 Trần Văn Thành 5 Hoà Thắng Buôn Ma Thuột

35 Mai Thị Cúc 5 Hoà Thắng Buôn Ma Thuột

36 Phan Văn Tuyết 5 Hoà Thắng Buôn Ma Thuột

37 Nguyễn Tấn Phục 5 Hoà Thắng Buôn Ma Thuột

38 Trƣơng Văn Bút 5 Hoà Thắng Buôn Ma Thuột

39 Trƣơng Phi H ng 5 Hoà Thắng Buôn Ma Thuột

40 Lê Thị Cửu Nhàn 5 Hoà Thắng Buôn Ma Thuột

41 Đặng Văn Sửu 5 Hoà Thắng Buôn Ma Thuột

42 Nguyễn Tấn H ng 5 Hoà Thắng Buôn Ma Thuột

43 Trần Ngọc Cƣờng 5 Hoà Thắng Buôn Ma Thuột

44 Nguyễn H ng 5 Hoà Thắng Buôn Ma Thuột

45 Nguyễn Đức Sỹ 5 Hoà Thắng Buôn Ma Thuột

46 Đinh Thị Minh Hiền 4 Hoà Thắng Buôn Ma Thuột

47 Lê Đăng 4 Hoà Thắng Buôn Ma Thuột

48 Nguyễn Minh Vũ 4 Hoà Thắng Buôn Ma Thuột

49 Trần Mạnh Hinh 4 Hoà Thắng Buôn Ma Thuột

50 Lê Đoàn 4 Hoà Thắng Buôn Ma Thuột

51 Lê Quang Đoài 4 Hoà Thắng Buôn Ma Thuột

52 Nguyễn Tiến Công 4 Hoà Thắng Buôn Ma Thuột

53 Nguyễn Thị Minh 4 Hoà Thắng Buôn Ma Thuột

54 Trần Văn Hoà 4 Hoà Thắng Buôn Ma Thuột

55 Trƣơng Thanh Tuấn 4 Hoà Thắng Buôn Ma Thuột

56 Lê Sỹ 4 Hoà Thắng Buôn Ma Thuột

57 Dƣơng Thái 4 Hoà Thắng Buôn Ma Thuột

58 Nguyễn Văn Bảy 4 Hoà Thắng Buôn Ma Thuột

59 Tăng Ngọc Chu 4 Hoà Thắng Buôn Ma Thuột

60 Võ Thị Năm 4 Hoà Thắng Buôn Ma Thuột

61 Hứa Văn Sáng 1A Ea Siên Buôn Hồ

179

62 Hoàng Thị Cản 1A Ea Siên Buôn Hồ

63 Hoàng Văn Ngà 1A Ea Siên Buôn Hồ

64 Hứa Văn Niệm 1A Ea Siên Buôn Hồ

65 Lƣu Văn Nắn 1A Ea Siên Buôn Hồ

66 Mông Trung Tâm 1A Ea Siên Buôn Hồ

67 Luân Văn Pản 1A Ea Siên Buôn Hồ

68 Hứa Văn Pồi 1A Ea Siên Buôn Hồ

69 Vi Văn Định 1A Ea Siên Buôn Hồ

70 Lý Thanh Đức 1A Ea Siên Buôn Hồ

71 Mông Văn Len 1A Ea Siên Buôn Hồ

72 Linh Văn Hợp 1A Ea Siên Buôn Hồ

73 Hoàng Quốc Khoang 1A Ea Siên Buôn Hồ

74 Hoàng Quốc Phong 1A Ea Siên Buôn Hồ

75 Hoàng Văn Đội 1A Ea Siên Buôn Hồ

76 Triệu Văn Lịch 1B Ea Siên Buôn Hồ

77 Triệu Văn Vựng 1B Ea Siên Buôn Hồ

78 Lý Văn Bé 1B Ea Siên Buôn Hồ

79 Chu Văn Bằng 1B Ea Siên Buôn Hồ

80 Hứa Văn Hƣớng 1B Ea Siên Buôn Hồ

81 Triệu Văn Nga 1B Ea Siên Buôn Hồ

82 Nông Văn Tá 1B Ea Siên Buôn Hồ

83 Triệu Văn Nguyện 1B Ea Siên Buôn Hồ

84 Triệu Văn Nghiêm 1B Ea Siên Buôn Hồ

85 Hoàng Văn Cai 1B Ea Siên Buôn Hồ

86 Hứa Văn Lồm 1B Ea Siên Buôn Hồ

87 Hoàng Văn Dịch 1B Ea Siên Buôn Hồ

88 Trần Thị Hiệp 1B Ea Siên Buôn Hồ

89 Hoàng Văn Háo 1B Ea Siên Buôn Hồ

90 Chu Văn Nƣớc 1B Ea Siên Buôn Hồ

91 Lê Minh Tuấn Thôn 8 Cƣ Bao Buôn Hồ

92 Lê Anh Tuấn Thôn 8 Cƣ Bao Buôn Hồ

93 Nguyễn Ngọc Ánh Thôn 8 Cƣ Bao Buôn Hồ

94 Đào Nhƣ Toán Thôn 8 Cƣ Bao Buôn Hồ

180

95 Nguyễn Lành Thôn 8 Cƣ Bao Buôn Hồ

96 Nguyễn Khắc H a Thôn 8 Cƣ Bao Buôn Hồ

97 Nguyễn Văn Hiền Thôn 8 Cƣ Bao Buôn Hồ

98 Trần Trung Quyết Thôn 8 Cƣ Bao Buôn Hồ

99 Lê Thị Xuân Thôn 8 Cƣ Bao Buôn Hồ

100 Hoàng Văn Điền Thôn 8 Cƣ Bao Buôn Hồ

101 Dƣơng Chí Hƣớng Thôn 8 Cƣ Bao Buôn Hồ

102 Nguyễn Văn Khoan Thôn 8 Cƣ Bao Buôn Hồ

Thôn 8 103 Nguyễn Văn Bắc Cƣ Bao Buôn Hồ

Thôn 8 104 Cù Huy Hào Cƣ Bao Buôn Hồ

Thôn 8 105 Nguyễn Văn Thát Cƣ Bao Buôn Hồ

Krum B 106 Y Đũt Niê Cƣ Bao Buôn Hồ

Krum B 107 Y Wap Bkrông Cƣ Bao Buôn Hồ

Krum B 108 Y Sin Arul Cƣ Bao Buôn Hồ

Krum B 109 Y Pril Ayun Cƣ Bao Buôn Hồ

Krum B 110 Y Pũr Niê Cƣ Bao Buôn Hồ

Krum B 111 Y D n Êban Cƣ Bao Buôn Hồ

Krum B 112 Arul Khiêm Cƣ Bao Buôn Hồ

Krum B 113 Y Suen Ayun Cƣ Bao Buôn Hồ

Krum B 114 Y Dhĩ Niê Cƣ Bao Buôn Hồ

Krum B 115 Y Siăm Niê Cƣ Bao Buôn Hồ

Krum B 116 Y Son Arul Cƣ Bao Buôn Hồ

Krum B 117 Y Men Bkrông Cƣ Bao Buôn Hồ

Krum B 118 Y Phon Niê Cƣ Bao Buôn Hồ

Krum B 119 Y Ngi Krông Cƣ Bao Buôn Hồ

Krum B 120 Y Blin Krông Cƣ Bao Buôn Hồ

121 Hà Thanh Quyết Đoàn Kết Ea Tân Krông Năng

122 Lê Đăng Khoa Đoàn Kết Ea Tân Krông Năng

123 Đặng Kim Khánh Đoàn Kết Ea Tân Krông Năng

124 Đặng Ngọc Đại Đoàn Kết Ea Tân Krông Năng

125 Hà Văn Đông Đoàn Kết Ea Tân Krông Năng

126 Đặng Thanh Thảo Đoàn Kết Ea Tân Krông Năng

127 Nguyễn Văn Huy Đoàn Kết Ea Tân Krông Năng

181

128 Trƣơng Văn Hải Đoàn Kết Ea Tân Krông Năng

129 Trần Ngọc Lực Đoàn Kết Ea Tân Krông Năng

130 Nguyễn Văn Cƣơng Đoàn Kết Ea Tân Krông Năng

131 Nguyễn Ngọc Anh Đoàn Kết Ea Tân Krông Năng

132 Đặng Văn Lƣơng Đoàn Kết Ea Tân Krông Năng

133 B i Văn Phƣơng Đoàn Kết Ea Tân Krông Năng

134 Nguyễn Doãn Tính Đoàn Kết Ea Tân Krông Năng

135 Nguyễn Đức H ng Đoàn Kết Ea Tân Krông Năng

136 Ma Xuân Tranh Ea Blông Ea Tân Krông Năng

137 Ma Văn Gi n Ea Blông Ea Tân Krông Năng

138 Ma Văn Khôi Ea Blông Ea Tân Krông Năng

139 Ma Văn Luyện Ea Blông Ea Tân Krông Năng

140 Ma Văn Phiền Ea Blông Ea Tân Krông Năng

141 Ma Văn Hữu Ea Blông Ea Tân Krông Năng

142 Ma Văn Chữ Ea Blông Ea Tân Krông Năng

143 Ma Văn H ng Ea Blông Ea Tân Krông Năng

144 Ma Văn Cảnh Ea Blông Ea Tân Krông Năng

145 Nông Văn Cao Ea Blông Ea Tân Krông Năng

146 Ma Văn Quán Ea Blông Ea Tân Krông Năng

147 Ma Văn Pả Ea Blông Ea Tân Krông Năng

148 Ma Văn mạnh Ea Blông Ea Tân Krông Năng

149 Ma văn Tình Ea Blông Ea Tân Krông Năng

150 Nguyễn văn An Ea Blông Ea Tân Krông Năng

151 Nguyễn Hoài Chức Tân Phú Ea Tóh Krông Năng

152 Phan Đợi Tân Phú Ea Tóh Krông Năng

153 Hoàng Ẩn Tân Phú Ea Tóh Krông Năng

154 Hoàng sáu Tân Phú Ea Tóh Krông Năng

155 Nguyễn DĐức Rô Tân Phú Ea Tóh Krông Năng

156 Phan Châu Tân Phú Ea Tóh Krông Năng

157 Trần Đình Dƣ Tân Phú Ea Tóh Krông Năng

158 Phạm Văn Cang Tân Phú Ea Tóh Krông Năng

159 Nguyễn Lực Tân Phú Ea Tóh Krông Năng

160 Phạm Văn Tạo Tân Phú Ea Tóh Krông Năng

182

161 Đ Văn Ánh Tân Phú Ea Tóh Krông Năng

162 Nguyễn Thanh Long Tân Phú Ea Tóh Krông Năng

163 Nguyễn Ngọc ký Tân Phú Ea Tóh Krông Năng

164 Trịnh Quý Dâu Tân Phú Ea Tóh Krông Năng

165 Nguyễn Hiền Tân Phú Ea Tóh Krông Năng

166 Nguyễn Hữu Hân Tân Phƣơng Ea Tóh Krông Năng

167 Trần Đính Tân Phƣơng Ea Tóh Krông Năng

168 Trần Văn Lý Tân Phƣơng Ea Tóh Krông Năng

169 Trần Vinh Tân Phƣơng Ea Tóh Krông Năng

170 Trần Văn Hải Tân Phƣơng Ea Tóh Krông Năng

171 Tô Đình Tiệp Tân Phƣơng Ea Tóh Krông Năng

172 Nguyễn Viết Vân Tân Phƣơng Ea Tóh Krông Năng

173 Phạm Văn Tuyên Tân Phƣơng Ea Tóh Krông Năng

174 Nguyễn Doãn Mậu Tân Phƣơng Ea Tóh Krông Năng

175 Trần Văn Vệ Tân Phƣơng Ea Tóh Krông Năng

176 Nguyễn Văn Minh Tân Phƣơng Ea Tóh Krông Năng

177 Tân Phƣơng Ea Tóh Krông Năng Nguyễn Chính Phƣơng

178 Nguyễn Văn Thảo Tân Phƣơng Ea Tóh Krông Năng

179 Nguyễn Vinh Yến Tân Phƣơng Ea Tóh Krông Năng

180 Nguyễn Văn Khoái Tân Phƣơng Ea Tóh Krông Năng

181 Huỳnh Thành Đô 6A Cƣ Mốt Ea H'leo

182 Hồ Văm Sâm 6A Cƣ Mốt Ea H'leo

183 Trần Ngọc Thành 6A Cƣ Mốt Ea H'leo

184 Trần Văn Quỳ 6A Cƣ Mốt Ea H'leo

185 Võ Lang 6A Cƣ Mốt Ea H'leo

186 Phan Văn Toàn 6A Cƣ Mốt Ea H'leo

187 Ung Nho Lam 6A Cƣ Mốt Ea H'leo

188 lê Thái bảo 6A Cƣ Mốt Ea H'leo

189 Dƣơng Xuân Ban 6A Cƣ Mốt Ea H'leo

190 Nguyễn Văn Bá 6A Cƣ Mốt Ea H'leo

191 Nguyễn Ngọc Xuyến 6A Cƣ Mốt Ea H'leo

192 Nguyễn Trọng Tài 6A Cƣ Mốt Ea H'leo

183

193 Đ Thành Trung 6A Cƣ Mốt Ea H'leo

194 Võ Thanh Huyền 6A Cƣ Mốt Ea H'leo

195 Võ Thanh Điệp 6A Cƣ Mốt Ea H'leo

196 Vƣơng Quốc Đƣợc 3 Cƣ Mốt Ea H'leo

197 Vƣơng Quốc Đạt 3 Cƣ Mốt Ea H'leo

198 Trần Thanh Vân 3 Cƣ Mốt Ea H'leo

199 Nguyễn Công Minh 3 Cƣ Mốt Ea H'leo

200 Nguyễn Trung Ánh 3 Cƣ Mốt Ea H'leo

201 Lê Ngọc Quốc 3 Cƣ Mốt Ea H'leo

202 Võ Thành Long 3 Cƣ Mốt Ea H'leo

203 Trần Văn Ngọc 3 Cƣ Mốt Ea H'leo

204 Nguyễn Ngọc Long 3 Cƣ Mốt Ea H'leo

205 Trần Thái H a 3 Cƣ Mốt Ea H'leo

206 Phan Văn Mỹ 3 Cƣ Mốt Ea H'leo

207 Phạm Văn Tín 3 Cƣ Mốt Ea H'leo

208 Lê Đình Sáng 3 Cƣ Mốt Ea H'leo

209 Lê Văn Thạch 3 Cƣ Mốt Ea H'leo

210 Nguyễn Lƣ 3 Cƣ Mốt Ea H'leo

211 Nguyễn Hoàng Lân 8 Ea Ral Ea H'leo

212 Nguyễn Văn Minh 8 Ea Ral Ea H'leo

213 Phan Thúc Định 8 Ea Ral Ea H'leo

214 Nguyễn Tiến Sỹ 8 Ea Ral Ea H'leo

215 Lê Thị Ánh Trâm 8 Ea Ral Ea H'leo

216 Mai Văn Cƣờng 8 Ea Ral Ea H'leo

217 Lê Tấn Phụng 8 Ea Ral Ea H'leo

218 Nguyễn Văn Long 8 Ea Ral Ea H'leo

219 Lý Hợp Thành 8 Ea Ral Ea H'leo

220 Nguyễn Tấn Công 8 Ea Ral Ea H'leo

221 Nguyễn Văn Tuấn 8 Ea Ral Ea H'leo

222 Nguyễn Văn Khanh 8 Ea Ral Ea H'leo

223 Phan Bình Phƣơng 8 Ea Ral Ea H'leo

224 TRần Văn Ngọ 8 Ea Ral Ea H'leo

225 Nguyễn Văn Đô 8 Ea Ral Ea H'leo

184

226 Đ Quang Trung 5 Ea Ral Ea H'leo

227 Nguyễn Văn Đạt 5 Ea Ral Ea H'leo

228 Lâm Đức Minh 5 Ea Ral Ea H'leo

229 Lê VĂn Mạnh 5 Ea Ral Ea H'leo

230 Phan Trọng Dung 5 Ea Ral Ea H'leo

231 Phan Trọng H a 5 Ea Ral Ea H'leo

232 Nguyễn Văn Phƣơng 5 Ea Ral Ea H'leo

233 Ph ng Tiến sự 5 Ea Ral Ea H'leo

234 Lê Trọng Lân 5 Ea Ral Ea H'leo

235 5 Ea Ral Ea H'leo Nguyễn Trọng Huyên

236 Nguyễn Văn Ất 5 Ea Ral Ea H'leo

237 Nguyễn Thế BẢy 5 Ea Ral Ea H'leo

238 PHạm VĂn Cần 5 Ea Ral Ea H'leo

239 Nguyễn Văn Hội 5 Ea Ral Ea H'leo

240 Trần VĂn Phƣơng 5 Ea Ral Ea H'leo

241 Y Đíp Niê Dhia 1 Cƣ Né Krông Búk

242 Y Hrot Mlô Dhia 1 Cƣ Né Krông Búk

243 Y Wong Niê Dhia 1 Cƣ Né Krông Búk

244 Y Chô Niê Dhia 1 Cƣ Né Krông Búk

245 Y Nghiệp Niê Dhia 1 Cƣ Né Krông Búk

246 Y Blong Niê Dhia 1 Cƣ Né Krông Búk

247 Y Noat Ksơr Dhia 1 Cƣ Né Krông Búk

248 Y Jỡ Niê Dhia 1 Cƣ Né Krông Búk

249 Y Bida Niê Dhia 1 Cƣ Né Krông Búk

250 Y Ngâp Niê Dhia 1 Cƣ Né Krông Búk

251 Y Diel Niê Dhia 1 Cƣ Né Krông Búk

252 Y Blô Niê Dhia 1 Cƣ Né Krông Búk

253 Y Klol Mlô Dhia 1 Cƣ Né Krông Búk

254 Y Yông Mlô Dhia 1 Cƣ Né Krông Búk

255 Y Hin Kpá Dhia 1 Cƣ Né Krông Búk

256 Y Thanh Niê Dhia 2 Cƣ Né Krông Búk

257 Y Chun Mlô Dhia 2 Cƣ Né Krông Búk

185

258 Y Vi Niê Dhia 2 Cƣ Né Krông Búk

259 Y Got Mlô Dhia 2 Cƣ Né Krông Búk

260 Tlơh Mlô Dhia 2 Cƣ Né Krông Búk

261 Y Thông Niê Dhia 2 Cƣ Né Krông Búk

262 Y Đức Niê Dhia 2 Cƣ Né Krông Búk

263 Y Miêu Niê Dhia 2 Cƣ Né Krông Búk

264 Y Blăng Niê Dhia 2 Cƣ Né Krông Búk

265 Y Hút Niê Dhia 2 Cƣ Né Krông Búk

266 Y Tlông Niê Dhia 2 Cƣ Né Krông Búk

267 Y Phơk Mlô Dhia 2 Cƣ Né Krông Búk

268 Y Chiêu Mlô Dhia 2 Cƣ Né Krông Búk

269 Y Kleo Ayun Dhia 2 Cƣ Né Krông Búk

270 Y Khoan Mlô Dhia 2 Cƣ Né Krông Búk

271 Nguyễn Thái Sơn Dray Huê Cƣ Pơng Krông Búk

272 Đinh Văn Ngọc Dray Huê Cƣ Pơng Krông Búk

273 TRần Quốc Sỹ Dray Huê Cƣ Pơng Krông Búk

274 Lê Xuân Hùng Dray Huê Cƣ Pơng Krông Búk

275 Nguyễn Đức Đàn Dray Huê Cƣ Pơng Krông Búk

276 Lê Xuân Nam Dray Huê Cƣ Pơng Krông Búk

277 Cao Ngọc Lựu Dray Huê Cƣ Pơng Krông Búk

278 Nguyễn Ngọc Luân Dray Huê Cƣ Pơng Krông Búk

279 Nguyễn Thế Công Dray Huê Cƣ Pơng Krông Búk

280 Cao Khắc Vƣơng Dray Huê Cƣ Pơng Krông Búk

281 Nguyễn Văn Đông Dray Huê Cƣ Pơng Krông Búk

282 Nguyễn VĂn Yên Dray Huê Cƣ Pơng Krông Búk

283 Phạm VĂn Bảo Dray Huê Cƣ Pơng Krông Búk

284 Trịnh Hồng Phúc Dray Huê Cƣ Pơng Krông Búk

285 Nguyễn VĂn Hiệu Dray Huê Cƣ Pơng Krông Búk

286 Trần Đình Lĩnh Cƣ Bang Cƣ Pơng Krông Búk

287 TRần T ng Lâm Cƣ Bang Cƣ Pơng Krông Búk

288 Trần Văn Sơn Cƣ Bang Cƣ Pơng Krông Búk

289 Hoàng Minh Hƣng Cƣ Bang Cƣ Pơng Krông Búk

290 Phan Phong Thừa Cƣ Bang Cƣ Pơng Krông Búk

186

291 Lê Thị sen Cƣ Bang Cƣ Pơng Krông Búk

292 Phạm Văn Chín Cƣ Bang Cƣ Pơng Krông Búk

293 Nguyễn Xuân Biên Cƣ Bang Cƣ Pơng Krông Búk

294 Nguyễn Khắc Hiến Cƣ Bang Cƣ Pơng Krông Búk

Cƣ Bang 295 Võ Quốc Tân Cƣ Pơng Krông Búk

Cƣ Bang 296 Võ Thị Nhâm Cƣ Pơng Krông Búk

Cƣ Bang 297 Nguyễn Sỹ Sáu Cƣ Pơng Krông Búk

Cƣ Bang 298 Trịnh văn Tĩnh Cƣ Pơng Krông Búk

Cƣ Bang 299 Lại Văn Bình Cƣ Pơng Krông Búk

Cƣ Bang 300 Trần Văn Chung Cƣ Pơng Krông Búk

301 Lê Văn Hát 2 Hòa An Krông Pắc

302 Nguyễn Tân 2 Hòa An Krông Pắc

303 Nguyễn Văn Cả 2 Hòa An Krông Pắc

304 Trần Công Thảo 2 Hòa An Krông Pắc

305 Phan Thị Oanh 2 Hòa An Krông Pắc

306 Võ Hồng Vinh 2 Hòa An Krông Pắc

307 Đặng Thanh H ng 2 Hòa An Krông Pắc

308 Phan Đức H a 2 Hòa An Krông Pắc

309 Nguyễn Nhiên 2 Hòa An Krông Pắc

310 Hồ Mơ 2 Hòa An Krông Pắc

311 Nguyễn Đình Luôn 2 Hòa An Krông Pắc

312 Hồ Sỹ Ph 2 Hòa An Krông Pắc

313 Nguyễn Quốc Hƣơng 2 Hòa An Krông Pắc

314 Trịnh Xuân Hƣơng 2 Hòa An Krông Pắc

315 Nguyễn Đình Lào 2 Hòa An Krông Pắc

316 B i Ngọc Truyền 1b Hòa An Krông Pắc

317 Châu Quang Ngọc 1b Hòa An Krông Pắc

318 Châu Văn Quang 1b Hòa An Krông Pắc

319 Phạm Ngọc Chỉnh 1b Hòa An Krông Pắc

320 Châu Văn Xiêm 1b Hòa An Krông Pắc

321 B i Quang Nghĩa 1b Hòa An Krông Pắc

322 Phan Văn Chim 1b Hòa An Krông Pắc

323 Ngô Ngọc Tam 1b Hòa An Krông Pắc

187

324 Lê Quang Phát 1b Hòa An Krông Pắc

325 Châu Quang Tuấn 1b Hòa An Krông Pắc

326 Châu Quang Lợi 1b Hòa An Krông Pắc

327 Hồ Văn Thông 1b Hòa An Krông Pắc

328 Đoàn Quang Dũng 1b Hòa An Krông Pắc

329 Trần Quang Phát Đạt 1b Hòa An Krông Pắc

330 Nguyễn Văn Tƣ 1b Hòa An Krông Pắc

331 Trịnh Viết Tánh Tân Tiến Ea K Nuếc Krông Pắc

332 Phạm Xuân Diệu Tân Tiến Ea K Nuếc Krông Pắc

333 Lê Thanh Huê Tân Tiến Ea K Nuếc Krông Pắc

334 Vũ Thị Tám Tân Tiến Ea K Nuếc Krông Pắc

335 Võ Đăng Dũng Tân Tiến Ea K Nuếc Krông Pắc

336 Võ Xuân Trị Tân Tiến Ea K Nuếc Krông Pắc

337 Nguyễn Xuân Độ Tân Tiến Ea K Nuếc Krông Pắc

338 Nguyễn Trƣờng Lĩnh Tân Tiến Ea K Nuếc Krông Pắc

339 Nguyễn Xuân Pha Tân Tiến Ea K Nuếc Krông Pắc

340 Võ Đức Dũng Tân Tiến Ea K Nuếc Krông Pắc

341 Lê văn Linh Tân Tiến Ea K Nuếc Krông Pắc

342 Huỳnh Thu Tân Tiến Ea K Nuếc Krông Pắc

343 Nguyễn Vĩnh Hoàng Tân Tiến Ea K Nuếc Krông Pắc

344 Nguyễn Thị Huyền Tân Tiến Ea K Nuếc Krông Pắc

345 Nguyễn Quang Ảnh Tân Tiến Ea K Nuếc Krông Pắc

346 Nguyễn Ngọc h ng Buôn Nhái Ea K Nuếc Krông Pắc

347 Y Khem Ê Nuôl Buôn Nhái Ea K Nuếc Krông Pắc

348 Y Thiêm Byă Buôn Nhái Ea K Nuếc Krông Pắc

349 Y Khia Ayun Buôn Nhái Ea K Nuếc Krông Pắc

350 Y M Lô Niê Buôn Nhái Ea K Nuếc Krông Pắc

351 H Bƣng Ayun Buôn Nhái Ea K Nuếc Krông Pắc

352 Y Luê Ksor Buôn Nhái Ea K Nuếc Krông Pắc

353 Y Uôn Kpơr Buôn Nhái Ea K Nuếc Krông Pắc

354 Y Lơi Ê Nuôl Buôn Nhái Ea K Nuếc Krông Pắc

355 Y Sem ADRơng Buôn Nhái Ea K Nuếc Krông Pắc

356 Y Hƣơng Niê Buôn Nhái Ea K Nuếc Krông Pắc

188

357 Y Dlok ARul Buôn Nhái Ea K Nuếc Krông Pắc

358 Y Bhit Ayun Buôn Nhái Ea K Nuếc Krông Pắc

359 Y Mĩn Ê Nuôl Buôn Nhái Ea K Nuếc Krông Pắc

360 Y B Hăm ADRong Buôn Nhái Ea K Nuếc Krông Pắc

361 Y Thát Niê Kna B CƣMgar CƣMgar

362 Y Bliang Ayũn Kna B CƣMgar CƣMgar

363 Y Hoang Êban Kna B CƣMgar CƣMgar

364 Y Men Niê Kna B CƣMgar CƣMgar

365 Y Biăp Niê Kna B CƣMgar CƣMgar

366 H Briết Ayũn Kna B CƣMgar CƣMgar

367 Y Puk Ayũn Kna B CƣMgar CƣMgar

368 Y Sing Mlô Kna B CƣMgar CƣMgar

369 Y Sut Niê Kna B CƣMgar CƣMgar

370 Y Guốt Ksơr Kna B CƣMgar CƣMgar

371 Y Yan Ayũn Kna B CƣMgar CƣMgar

372 Y Ben Êban Kna B CƣMgar CƣMgar

373 Y Nhiăm Ayũn Kna B CƣMgar CƣMgar

374 Y Brễn Niê Kna B CƣMgar CƣMgar

375 Y Thêm Niê Kna B CƣMgar CƣMgar

376 Lƣơng Văn Đoán 2 CƣMgar CƣMgar

377 Đoàn Văn Điệp 2 CƣMgar CƣMgar

378 Trần Văn Xuân 2 CƣMgar CƣMgar

379 Võ Kim Sơn 2 CƣMgar CƣMgar

380 Trần Văn Quyết 2 CƣMgar CƣMgar

381 Võ Quốc Cúc 2 CƣMgar CƣMgar

382 Hồ Văn Thái 2 CƣMgar CƣMgar

383 Hồ Thế Kiểm 2 CƣMgar CƣMgar

384 Hoàng Thị Ƣớc 2 CƣMgar CƣMgar

385 Nguyễn Nhật Dụng 2 CƣMgar CƣMgar

386 Trần Văn Ấn 2 CƣMgar CƣMgar

387 Lê Văn Kiểm 2 CƣMgar CƣMgar

388 Đoàn Văn Thông 2 CƣMgar CƣMgar

389 Hồ Ngọc Sơn 2 CƣMgar CƣMgar

189

390 Nguyễn Văn Hiếu 2 CƣMgar CƣMgar

391 Lý A Tài Jarai Ea Kuêh CƣMgar

392 Nay Wet Jarai Ea Kuêh CƣMgar

393 Ksor Hneh Jarai Ea Kuêh CƣMgar

394 Y Wong Êban Jarai Ea Kuêh CƣMgar

395 Y Mrăp Byă Jarai Ea Kuêh CƣMgar

396 Y Toan Êban Jarai Ea Kuêh CƣMgar

397 Y Phi Êban Jarai Ea Kuêh CƣMgar

398 Phạm Hồng Châu Jarai Ea Kuêh CƣMgar

399 Nguyễn Hữu Chuyền Jarai Ea Kuêh CƣMgar

400 Y Ngun Niê Jarai Ea Kuêh CƣMgar

401 Lý Sinh Trung Jarai Ea Kuêh CƣMgar

402 Y Rot Niê Jarai Ea Kuêh CƣMgar

403 Y Nƣơng Niê Jarai Ea Kuêh CƣMgar

404 Y Sin Byă Jarai Ea Kuêh CƣMgar

405 Hoàng Văn Phƣớc Jarai Ea Kuêh CƣMgar

406 Lê Công Lƣơng Jarai Ea Kuêh CƣMgar

407 Đậu Thế Nho Jarai Ea Kuêh CƣMgar

408 Hồ Xuân Nguyên Jarai Ea Kuêh CƣMgar

409 Trần Minh Lầu Thác Đá Ea Kuêh CƣMgar

410 Nguyễn Văn Thƣơng Thác Đá Ea Kuêh CƣMgar

411 Hoàng Đình Thắng Thác Đá Ea Kuêh CƣMgar

412 Văn Minh Trí Thác Đá Ea Kuêh CƣMgar

413 Nguyễn Văn Nam Thác Đá Ea Kuêh CƣMgar

414 Trần Thị Lan Thác Đá Ea Kuêh CƣMgar

415 Hồ Phi Bình Thác Đá Ea Kuêh CƣMgar

416 Cao Khả Sơn Thác Đá Ea Kuêh CƣMgar

417 Hồ Phi Dũng Thác Đá Ea Kuêh CƣMgar

418 Hồ Phi Vân Thác Đá Ea Kuêh CƣMgar

419 Nguyễn Bá Long Thác Đá Ea Kuêh CƣMgar

420 Hồ Văn Thắng Thác Đá Ea Kuêh CƣMgar

421 Trần Văn Vũ Nam Hòa Dray B Hăng Cƣ Kƣin

422 Phạm Văn Sơn Nam Hòa Dray B Hăng Cƣ Kƣin

190

423 Nguyễn Hoàng Tình Nam Hòa Dray B Hăng Cƣ Kƣin

424 Nguyễn Thị Long Nam Hòa Dray B Hăng Cƣ Kƣin

425 Lê Công Kiều Nam Hòa Dray B Hăng Cƣ Kƣin

426 Lê Trung tĩnh Nam Hòa Dray B Hăng Cƣ Kƣin

427 Trần Văn Nam Nam Hòa Dray B Hăng Cƣ Kƣin

428 Nguyễn văn Trung Nam Hòa Dray B Hăng Cƣ Kƣin

429 Phạm Đình Tuấn Nam Hòa Dray B Hăng Cƣ Kƣin

430 Nguyễn Hồng Hà Nam Hòa Dray B Hăng Cƣ Kƣin

431 Trần Khắc Quảng Nam Hòa Dray B Hăng Cƣ Kƣin

432 Nguyễn Đình Châu Nam Hòa Dray B Hăng Cƣ Kƣin

433 Trần Thị thi Nam Hòa Dray B Hăng Cƣ Kƣin

434 Trƣơng Hữu Đức Nam Hòa Dray B Hăng Cƣ Kƣin

435 Y Thur Byă Nam Hòa Dray B Hăng Cƣ Kƣin

436 Y Si Ăng Niê Buôn Ea Tla Dray B Hăng Cƣ Kƣin

437 Y Sik Niê Buôn Ea Tla Dray B Hăng Cƣ Kƣin

438 Y Diêk Byă Buôn Ea Tla Dray B Hăng Cƣ Kƣin

439 Y T n Ê ban Buôn Ea Tla Dray B Hăng Cƣ Kƣin

440 Y Ngũa Hmok Buôn Ea Tla Dray B Hăng Cƣ Kƣin

441 Y Wang Ayun Buôn Ea Tla Dray B Hăng Cƣ Kƣin

442 Y Krông Ê Nuôl Buôn Ea Tla Dray B Hăng Cƣ Kƣin

443 Y Sáp Byă Buôn Ea Tla Dray B Hăng Cƣ Kƣin

444 Y Rơk MĐrăng Buôn Ea Tla Dray B Hăng Cƣ Kƣin

445 Y Khĩa Ayun Buôn Ea Tla Dray B Hăng Cƣ Kƣin

446 Y Drăm H Mok Buôn Ea Tla Dray B Hăng Cƣ Kƣin

447 Y Dial Hlong Buôn Ea Tla Dray B Hăng Cƣ Kƣin

448 Y Nãn H Mok Buôn Ea Tla Dray B Hăng Cƣ Kƣin

449 Y Đin Niê Buôn Ea Tla Dray B Hăng Cƣ Kƣin

450 y Gum BĐắp Buôn Ea Tla Dray B Hăng Cƣ Kƣin

451 Hà Xuân Trào Thôn 14 Ea Ktur Cƣ Kƣin

452 Bùi Thanh Long Thôn 14 Ea Ktur Cƣ Kƣin

453 Nguyễn Thị Hiền Thôn 14 Ea Ktur Cƣ Kƣin

454 Phan Văn Diện Thôn 14 Ea Ktur Cƣ Kƣin

455 Ngô Xuân Xu Thôn 14 Ea Ktur Cƣ Kƣin

191

456 Nguyễn Khắc Xu Thôn 14 Ea Ktur Cƣ Kƣin

457 Nguyễn Khắc Sơn Thôn 14 Ea Ktur Cƣ Kƣin

458 Trịnh Đăng Thái Thôn 14 Ea Ktur Cƣ Kƣin

459 Đ Ngọc Hà Thôn 14 Ea Ktur Cƣ Kƣin

460 Nguyễn văn Liên Thôn 14 Ea Ktur Cƣ Kƣin

461 Ngô Xuân Lập Thôn 14 Ea Ktur Cƣ Kƣin

462 Hoàng Văn Son Thôn 14 Ea Ktur Cƣ Kƣin

463 Nguyễn Văn Trọng Thôn 14 Ea Ktur Cƣ Kƣin

464 Trần Đình Hồng Thôn 14 Ea Ktur Cƣ Kƣin

465 Nguyễn Văn Hóa Thôn 14 Ea Ktur Cƣ Kƣin

466 Y Bắc Bđap Buôn Pu Huê Ea Ktur Cƣ Kƣin

467 Y Cuat M Lô Buôn Pu Huê Ea Ktur Cƣ Kƣin

468 Y Mễn Niê Buôn Pu Huê Ea Ktur Cƣ Kƣin

469 Y Hôr Bya Buôn Pu Huê Ea Ktur Cƣ Kƣin

470 Y Kua BTô Buôn Pu Huê Ea Ktur Cƣ Kƣin

471 Y Tam Kbul Buôn Pu Huê Ea Ktur Cƣ Kƣin

472 Y Dút Bya Buôn Pu Huê Ea Ktur Cƣ Kƣin

473 Y Ni Knul Buôn Pu Huê Ea Ktur Cƣ Kƣin

474 Y Pũn Ê Ban Buôn Pu Huê Ea Ktur Cƣ Kƣin

475 Y Knhuai Niê Buôn Pu Huê Ea Ktur Cƣ Kƣin

476 Y Buôl Ê Ban Buôn Pu Huê Ea Ktur Cƣ Kƣin

477 Y Ngan BTô Buôn Pu Huê Ea Ktur Cƣ Kƣin

478 Y Sen Btô Buôn Pu Huê Ea Ktur Cƣ Kƣin

479 Y Đhoàn Knul Buôn Pu Huê Ea Ktur Cƣ Kƣin

480 Y Reo Bya Buôn Pu Huê Ea Ktur Cƣ Kƣin

Ngu n: Tác gi t ng hợp

192

Phụ lục 6: Danh mục các chính sách về Bảo hiểm nông nghiệp tại Việt Nam

Thời gian Đ n vị Số văn bản Nội dung

3/2011

Thủ tƣớng Quyết định về việc thực hiện thí điểm nông nghiệp giai đoạn 2011-2013 Quyết định 315/QĐ-TTg

4/2011

Bộ NN và PTNT Quyết định 739/QĐ-NN- KTHT

Thành lập ban chỉ đạo của Bộ Nông nghiệp và Phát triển nông thôn chịu trách nhiệm triển khai các hoạt động Chƣơng trình thí điểm bảo hiểm nông nghiệp quốc gia (NAIPP), đã đƣợc Thủ tƣớng Chính phủ giao.

6/2011

Bộ NN và PTNT

Thông tƣ 47/TT- BNNPTNT

Hƣớng dẫn thực hiện NAIPP cho các ngành trồng trọt, chăn nuôi và thủy sản. Ban hành các tiêu chí quy định về quy mô sản xuất, quy trình sản xuất, các loại thảm họa, dịch bệnh và đánh giá thiệt hại cho lúa; trâu và b (để lấy thịt, chăn nuôi hoặc cày) và bò sữa; lợn (lợn v béo, lợn nái, heo rừng); gà, vịt (gà thịt, trứng); thủy sản (cá da trơn Shutchi, tôm sú, tôm chân trắng), sản phẩm bảo hiểm có hình dạng ban đầu.

7/2011

Quyết định 1653/QĐ-BTC

Thành lập Ban chỉ đạo của Bộ Tài chính triển khai thực hiện thí điểm bảo hiểm nông nghiệp giai đoạn 2011-2013 Bộ Tài chính

8/2011

Bộ Tài chính

Thông tƣ 121/2011/TT- BTC

Hƣớng dẫn thực hiện chƣơng trình thí điểm bảo hiểm nông nghiệp, quy định các quy tắc về Đăng ký, quyết định thực hiện các công ty trong NAIPP; phê duyệt quy định, bảng phí bảo hiểm; hoa hồng bảo hiểm trách nhiệm; cơ chế tài chính và chính sách h trợ để thực hiện các công ty bảo hiểm và thực hiện h trợ; hồ sơ, thủ tục và quy trình h trợ để thực hiện bảo hiểm nông nghiệp.

Bộ Tài Quyết định 9/2011 Quyết định 2176/QĐ-BTC cho phép Bảo

193

chính 2174/QĐ-BTC, 2175/QĐ-BTC

hiểm Bảo Việt, Bảo Minh thực hiện thí điểm bảo hiểm nông nghiệp; Vinare thực hiện thu xếp tái bảo hiểm nông nghiệp.

12/2011

Quyết định 3035/QĐ-BTC

Bộ Tài chính

Phê duyệt quy định, bảng phí bảo hiểm; phƣơng pháp đánh giá tổn thất và chịu trách nhiệm của các bên liên quan trong việc thực hiện NAIPP.

Quyết định 305/QĐ-BTC

Bộ Tài chính

5/2012

Xuất bản thủ tục hành chính về việc thực hiện NAIPP giai đoạn 2011-2013 về bảo hiểm trong các nhiệm vụ của Bộ Tài chính, hƣớng dẫn đăng ký thủ tục mua bảo hiểm nông nghiệp; thủ tục cho phép thực hiện các doanh nghiệp của NAIPP; thủ tục điều chỉnh khu vực thực hiện; thủ tục phê duyệt dự toán ngân sách giai đoạn và giải quyết.

6/2012 .

Bộ Tài chính Thông tƣ 101/2012/TT- BTC

Quy định về các vấn đề tài chính cho các công ty bảo hiểm và tái bảo hiểm đang triển khai NAIPP. Quy định về hóa đơn chi phí bảo hiểm nông nghiệp của các công ty bảo hiểm, chi phí của các công ty bảo hiểm, chi phí quản lý và chi phí bán hàng cho hoạt động của các công ty tái bảo hiểm để thực hiện NAIPP

Thông tƣ 43/TT-NNPTNT

Bộ NN và PTNT

8/2012

Điều chỉnh một số điều trong Thông tƣ 47. Mở rộng diện tích thực hiện một số sản phẩm (Bò sữa ở Vĩnh Phúc, tôm ở Trà Vinh, thêm một số thảm họa (lốc xoáy) và một số bệnh trên tất cả các sản phẩm bảo hiểm, loại bỏ một số quy định về vùng trồng lúa và cho phép mở rộng bảo hiểm nông nghiệp trong các tỉnh; Ủy ban nhân dân tỉnh địa phƣơng ban hành quy trình sản xuất tiêu chuẩn cho khu vực của họ.

194

Thủ tƣớng Quyết định 358/QĐ-TTg

2/2013

Điều chỉnh và thêm một số điều vào Quyết định 315/QĐ-TTg. Điều chỉnh mức h trợ cho ngƣời thụ hƣởng, cơ chế h trợ còn lại cho các hộ gia đình đƣợc bảo hiểm khi thảm họa và dịch bệnh xảy ra theo nghị định quy định, bổ sung hoạt động đánh giá trong chƣơng trình.

5/2013

Bộ Tài chính Thông tƣ 57/2013/TT-BTC

Điều chỉnh Thông tƣ 121 và Quyết định 1042/QĐ-BTC điều chỉnh Quyết định 3035/QĐ-BTC, để thay đổi mức h trợ và duy trì cơ chế h trợ trừ khi tham gia bảo hiểm

7/2013

Thông tƣ 96/2013/TT-BTC

Điều chỉnh thông tƣ 121 cho ph hợp với Nghị định 358 về chi phí bán hàng, quản lý và hoa hồng cho các công ty bảo hiểm. Bộ Tài chính

10/2013

Thủ tục 1846/BVTV-TV Ban hành quy trình xác định và thông báo các bệnh về lúa, chăn nuôi và thủy sản. Bộ NN và PTNT

4/2018 Nghị định về bảo hiểm nông nghệp Chính phủ Nghị Định 58/2018/NĐ-CP

6/2019

Thủ tƣớng Quyết định 22/QĐ-TTg Quyết định về thực hiện chính sách h trợ bảo hiểm nông nghiệp.

Ngu n: Tác gi t ng hợp

195

Phụ lục 7: Kết quả nghiên cứu định ượng

Phụ lục 7.1: Ma trận tƣơng quan nhóm mô hình sử dụng toàn bộ dữ liệu để xây

dựng mô hình

Ngu n: Kết qu tính toán của tác gi

196

Phụ lục 7.2: Ma trận tƣơng quan nhóm mô hình sử dụng dữ liệu huấn luyện để xây

dựng mô hình

Ngu n: Kết qu tính toán của tác gi

197

Phụ lục 7.3: Kết quả mô hình BMAL1

Ngu n: Kết qu tính toán của tác gi Phụ lục 7.4: Kết quả mô hình BMAL2

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.5: Kết quả mô hình BMAL3

Ngu n: Kết qu tính toán của tác gi

198

Phụ lục 76: Kết quả mô hình BMAL4

Ngu n: Kết qu tính toán của tác gi Phụ lục 7.7: Kết quả mô hình BMAL5

Ngu n: Kết qu tính toán của tác gi Phụ lục 7.8: Kết quả mô hình BMAL6

Ngu n: Kết qu tính toán của tác gi

199

Phụ lục 7.9: Kết quả mô hình BMAL1_Split

Ngu n: Kết qu tính toán của tác gi Phụ lục 7.10: Kết quả mô hình BMAL2_Split

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.11: Kết quả mô hình BMAL3_Split

Ngu n: Kết qu tính toán của tác gi

200

Phụ lục 7.12: Kết quả mô hình BMAL4_Split

Ngu n: Kết qu tính toán của tác gi Phụ lục 7.13: Kết quả mô hình BMAL5_Split

Ngu n: Kết qu tính toán của tác gi Phụ lục 7.14: Kết quả mô hình BMAL6_Split

Ngu n: Kết qu tính toán của tác gi

201

Phụ lục 7.15: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL1 khi sử dụng toàn bộ dữ liệu

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.16: Kết quả bootstrap của mô hình BMAL1

Ngu n: Kết qu tính toán của tác gi

202

Phụ lục 7.17: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL2 khi sử dụng toàn bộ dữ liệu

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.18: Kết quả bootstrap của mô hình BMAL2

Ngu n: Kết qu tính toán của tác gi

203

Phụ lục 7.19: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL3 khi sử

dụng toàn bộ dữ liệu

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.20: Kết quả bootstrap của mô hình BMAL3

Ngu n: Kết qu tính toán của tác gi

204

Phụ lục 7.21: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL4 khi sử

dụng toàn bộ dữ liệu

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.22: Kết quả bootstrap của mô hình BMAL4

Ngu n: Kết qu tính toán của tác gi

205

Phụ lục 7.23: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL5 khi sử

dụng toàn bộ dữ liệu

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.24: Kết quả bootstrap của mô hình BMAL5

Ngu n: Kết qu tính toán của tác gi

206

Phụ lục 7.25: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL6 khi sử

dụng toàn bộ dữ liệu

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.26: Kết quả bootstrap của mô hình BMAL6

Ngu n: Kết qu tính toán của tác gi

207

Phụ lục 7.27: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL1_Split khi

sử dụng dữ liệu huấn luyện

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.28: Kết quả bootstrap của mô hình BMAL1_Split

Ngu n: Kết qu tính toán của tác gi

208

Phụ lục 7.29: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL2_Split khi

sử dụng dữ liệu huấn luyện

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.30: Kết quả bootstrap của mô hình BMAL2_Split

Ngu n: Kết qu tính toán của tác gi

209

Phụ lục 7.31: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL3_Split khi

sử dụng dữ liệu huấn luyện

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.32: Kết quả bootstrap của mô hình BMAL3_Split

Ngu n: Kết qu tính toán của tác gi

210

Phụ lục 7.33: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL4_Split khi

sử dụng dữ liệu huấn luyện

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.34: Kết quả bootstrap của mô hình BMAL4_Split

Ngu n: Kết qu tính toán của tác gi

211

Phụ lục 7.35: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL5_Split khi

sử dụng dữ liệu huấn luyện

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.36: Kết quả bootstrap của mô hình BMAL5_Split

Ngu n: Kết qu tính toán của tác gi

212

Phụ lục 7.37: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL6_Split khi

sử dụng dữ liệu huấn luyện

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.38: Kết quả bootstrap của mô hình BMAL6_Split

Ngu n: Kết qu tính toán của tác gi

213

Phụ lục 7.39: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL1_Split khi sử dụng dữ liệu kiểm tra

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.40: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL2_Split khi

sử dụng dữ liệu kiểm tra

Ngu n: Kết qu tính toán của tác gi

214

Phụ lục 7.41: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL3_Split khi sử dụng dữ liệu kiểm tra

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.42: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL4_Split khi sử dụng dữ liệu kiểm tra

Ngu n: Kết qu tính toán của tác gi

215

Phụ lục 7.43: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL5_Split khi sử dụng dữ liệu kiểm tra

Ngu n: Kết qu tính toán của tác gi

Phụ lục 7.44: Ma trận nhầm lẫn và kết quả dự đoán của mô hình BMAL6_Split khi sử dụng dữ liệu kiểm tra

Ngu n: Kết qu tính toán của tác gi

216

Phụ lục 7.45: Kết quả mô hình BMAL5_Split bằng hồi quy logistic Bayesian

Ngu n: Kết qu tính toán của tác gi

217

Phụ lục 7.46: Kết quả 6 chu i MCMC từ mô hình BMAL5_Split

Ngu n: Kết qu tính toán của tác gi

218

Phụ lục 7.47: Kết quả lựa chọn mô hình của phƣơng pháp BMA theo hồi quy

logistic

Mô hình do BMA chọn lựa

219

220

Xác suất hậu nghiệm của mô hình

BIC của mô hình

Xác suất biến độc lập tác động lên biến phụ thuộc

Ngu n: Kết qu tính toán của tác gi

221

Phụ lục 7.48: Kết quả lựa chọn mô hình của phƣơng pháp BMA theo hồi quy probit

Mô hình do BMA chọn lựa

222

223

Xác suất hậu nghiệm của mô hình

BIC của mô hình

Xác suất biến độc lập tác động lên biến phụ thuộc

Ngu n: Kết qu tính toán của tác gi

224

Phụ lục 8: Bảo hiể đối với rủi r hạn h n ch hộ nông d n trồng cà phê tại

Đắ Lắ

1. ụ ủ : Bảo hiểm gián đoạn kinh doanh nông nghiệp theo

chỉ số hạn hán cho ngƣời trồng cà phê là sản phẩm bảo hiểm bồi thƣờng cho ngƣời

đƣợc bảo hiểm khi xảy ra sự kiện hạn hán đƣợc bảo hiểm gây thiệt hại về mặt tài

chính và thiệt hại này không những có thể tác động nghiêm trọng đến công việc làm

ăn, nuôi dƣỡng và chăm sóc con cái mà c n ảnh hƣởng ngay cả đến việc chi tiêu

cho cuộc sống hàng ngày của ngƣời trồng cà phê.

2. N ờ ợ : Ngƣời đƣợc bảo hiểm là cá nhân trồng cà phê trên

Thửa đất đƣợc bảo hiểm và có quyền lợi đối với cà phê trồng trên thửa đất đƣợc bảo

hiểm đó.

3. ờ ạ : Thời hạn tham gia bảo hiểm và đóng phí bảo hiểm: trƣớc

19 giờ ngày 07 tháng 03 hàng năm. Thời hạn bảo hiểm: từ 19 giờ ngày 31 tháng 03

đến 19 giờ ngày 10 tháng 05 hàng năm.

4. Rủ ợ : Rủi ro đƣợc bảo hiểm theo hợp đồng bảo hiểm này là

xảy ra Sự kiện Hạn hán đƣợc bảo hiểm tại khu vực đƣợc bảo hiểm (V ng bảo hiểm)

trong suốt Thời hạn Bảo hiểm. Sự kiện Hạn hán đƣợc bảo hiểm xảy ra

khi Tổng lƣợng nƣớc mƣa tích lũy trong suốt Thời hạn bảo hiểm đo đƣợc

tại Trạm khí tƣợng chỉ định thấp hơn Điểm Ngƣỡng áp dụng đối với V ng bảo hiểm

đó.

5. ờ ấ Đ ạ

Khi xảy ra sự kiện bảo hiểm, Số tiền bồi thƣờng tổn thất gián đoạn kinh

doanh đƣợc tính toán nhƣ sau:

Số tiền bồi thƣờng SI x Tỉ lệ Bồi Thƣờng

Trong đó:

(a) SI là Số Tiền Bảo Hiểm;

(b) PR là tỷ lệ bồi thƣờng, đƣợc xác định theo Bảng tỷ lệ bồi thƣờng.

225

6. ờ :

V ng đƣợc bảo hiểm

I II III IV V Tỷ lệ bồi thƣờng Tổng lƣợng mƣa tích lũy trong thời hạn bảo hiểm (mm)

> 51,00 > 35,00 > 42,50 > 71,50 > 56,00 0%

46,0 – 51,0 31,6 – 35,0 38,3 - 42,5 64,4 - 71,5 50,5 – 56,0 10%

40,9 - 45,9 28,1 - 31,5 34,0 - 38,2 57,3 - 64,3 44,9 - 50,4 20%

35,8 - 40,8 24,6- 28,0 29,8 – 33,9 50,1 - 57,2 39,3 - 44,8 30%

30,7 - 35,7 21,1 - 24,5 25,6 - 29,7 43,0 - 50,0 33,7 - 39,2 40%

25,6 - 30,6 17,6 – 21,0 21,3 - 25,5 35,8 - 42,9 28,1 - 33,6 50%

20,5 - 25,5 14,1- 17,5 17,1 - 21,2 28,7 - 35,7 22,5 – 28,0 60%

15,4 - 20,4 10,6 – 14,0 12,8 – 17,0 21,5 - 28,6 16,9 - 22,4 70%

10,3 - 15,3 07,1 - 10,5 08,6 - 12,7 14,4 - 21,4 11,3 - 16,8 80%

05,2 - 10,2 03,6 – 07,0 04,3 - 08,5 07,2 - 14,3 05,7 - 11,2 90%

100% 00,0 - 05,1 00,0 - 03,5 00,0 - 04,2 00,0 - 07,1 00,0 - 05,6

Ngƣời Bảo hiểm: TỔNG CÔNG TY CỔ PHẦN BẢO MINH – CÔNG TY BẢO

MINH ĐẮK LẮK

226

Bìa quảng cáo của tổng công ty cổ phần Bảo Minh năm 2011

227

Phụ lục 9: Biểu thống kê xuất khẩu c hê sang c c nước trên thế giới các niên

vụ gần đ

(Kèm theo báo cáo số 293/BC– N 23 ă 2 7 ủa UBND tỉnh

Đắk Lắk)

Đ : ợng tấn

Giá tr : 1.000 USD

Niên vụ 2014- 2015 Niên vụ 2015- 2016 Niên vụ 2016-2017 STT Thị trường

Lượng Giá trị Lượng Giá trị Lượng Giá trị

1 Ả Rập Xê Út 19 45

2 Algeria 2.736 2.434 4.253 1.395 556 1.058

3 Australia 2.623 245 554 1.294 1.471 3.265

4 Ai Cập 231 2.340 3.724 117 1.669 3.211

5 Ấn Độ 6.947 13.814 7.513 15.664 8.381 20.273

6 Anh 3.649 6.287 2.776 3.468 6.555 6.373

7 Albania 729 1.556 863 1.907 479 928

8 Armenia 38 106 6 34 245 442

9 Argentina 1.473 3.131 849 1.446

10 Ba Lan 1.328 4.597 1.217 5.091 1.157 4.095

11 Bỉ 4.963 10.754 4.739 10.130 5.394 9.912

12 Bồ Đào Nha 1.025 2.153 430 798 724 1.277

13 Bulgary 1.010 2.026 130 271 934 1.666

14 Brazil 38 77

15 Campuchia 30 77 35 69

16 Canada 400 792 181 414 285 503

17 Chile 75 157 545 1.654 263 438

18 Croatia 99 212 354 754 159 313

19 Đan Mạch 22 49

20 Đài Loan 123 316 152 273

21 Đức 19.724 38.966 22.085 37.551 15.266 34.104

22 Ecuador 592 1.182 1.600 2.621 3.714 7.394

228

46 182 38 61 23 Estonia

19 26 38 64 38 77 24 Georgia

22 40 25 Genoa

57 84 26 Genova

58 106 77 151 27 Gruzia

356 504 28 Guatemala

4.666 9.643 3.723 6.896 3.343 7.498 29 Hà Lan

4.921 9.659 5.425 9.267 8.030 17.286 30 Hàn Quốc

10 20 10 21 31 Hồng Kông

1.925 3.583 2.065 3.434 1.421 3.087 32 Hy Lạp

2.828 9.328 2.890 5.583 3.233 7.215 Indonesia 33

775 1.449 427 986 34 Iran

878 2.658 1.675 1.800 11.223 8.285 35 Israel

12.992 26.759 12.789 21.682 13.254 28.865 36 Italy

690 1.545 96 184 75 176 37 Kuwait

134 261 115 201 230 526 38 Lebanon

58 103 39 Libang

40 78 40 67 176 416 40 Latvia

19 32 115 245 79 176 41 Litva

358 711 1.704 3.068 3.366 7.175 42 Malaysia

1.167 2.132 3.330 5.227 6.935 14.422 43 Mexico

164 339 399 647 19 41 44 Morocco

19 40 45 Myanmar

46 Montenegro 19 33 19 30

47 Mỹ 5.283 10.128 13.818 23.040 15.125 31.173

19 43 48 New Zealand

34.047 64.392 32.249 56.598 34.022 73.511 49 Nhật Bản

173 272 50 Nicaragua

4.222 7.950 6.013 10.709 4.400 9.014 51 Nga

500 937 130 265 836 1.356 52 Nam Phi

77 130 53 Panama

229

54 Philippines 2.666 5.178 865 1.387 3.549 7.730

55 Phần Lan 22 41 77 147

56 Pháp 3.129 6.101 7.671 3.634 7.535 4.691

57 Rumani 2.651 6.856 5.498 2.294 6.334 2.348

58 Romania 903 485

59 Serbia 15 97

60 Singapore 460 907 1.485 599 1.267 544

61 Slovenia 498 963 31 173 382 19

62 Syria 38 83 1.429 956 2.143 775

63 Sverige 42 82

64 Tây Ban Nha 9.970 19.263 5.425 11.255 11.412 24.464

65 Thái Lan 1.218 2.241 296 2.185 4.789 136

66 Thổ Nhĩ Kỳ 333 685 912 497 1.126 503

67 Thụy Điển 329 614 575 6.797 14.138 336

68 Thụy Sĩ 16.110 31.193 23.180 41.043 9.465 20.112

69 Trung Quốc 1.357 2.448 8.733 15.373 2.372 5.464

214 60 152 114 70 U.A.E 65 147

512 77 160 287 71 Ukraine 131 271

5.954 72 Kho Ngoại Quan 1.562 3.053 9.475 13.308 28.192

2.501 73 Thị trƣờng khác 18.286 44.853 7.072 3.568 7.476

74 Tổng

177.097 364.139 196.391 356.479 201.162 445.258

230

Phụ lục 10: Thống kê các doanh nghiệp xuất khẩu cà phê tỉnh Đắk Lắk niên vụ

2016 – 2017

(Kèm theo báo cáo số 293/BC- N 23 ă 2 7 ủa UBND tỉnh

Đắk Lắk)

STT Tên doanh nghiệp xuất khẩu Số ượng (Tấn) Kim nghạch (1.000 USD)

Công ty TNHH MTV XNL 2-9 102.028 217.897 1

Công ty TNHH Cà phê Hà Lan – Việt Nam 33.361 69.063 2

Công ty TNHH Dakman Việt Nam 28.239 61.940 3

Chi nhánh Công ty CP XNK Intimex -BMT 26.982 54.980 4

Công ty TNHH Cà phê Ngon 4.745 28.550 5

Công ty TNHH MTV Cà phê Phƣớc An 2.982 6.033 6

Công ty TNHH MTV Cà phê Thắng Lợi 1.643 3.534 7

Công ty CP XNK Cà phê Đức Nguyên 591 1.180 8

Công ty CP Đầu tƣ &Phát triển An Thái 225 1.301 9

10 Công ty TNHH MTV Cà phê Ea Pốk 345 739

11 Công ty CP Đầu tƣ XNK Đắk Lắk 21 41

Tổng 201.162 445.258

Luận án Tiến sĩ Kinh tế: Nghiên cứu ứng dụng thống kê Bayes phân tích việc sẵn lòng tham gia bảo hiểm cây cà phê theo chỉ số năng suất của hộ nông dân tỉnh Đắk Lắk

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH ------------------------------------

Lê Đình Thắng

NGHIÊN CỨU ỨNG DỤNG THỐNG KÊ BAYES PHÂN TÍCH VIỆC SẴN LÒNG THAM GIA BẢO HIỂM CÂY CÀ PHÊ THEO CHỈ SỐ NĂNG SUẤT CỦA HỘ NÔNG DÂN TỈNH ĐẮK LẮK

LUẬN ÁN TIẾN SĨ KINH TẾ

Tp. Hồ Chí Minh - Năm 2021

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH ------------------------------------

Lê Đình Thắng

NGHIÊN CỨU ỨNG DỤNG THỐNG KÊ BAYES PHÂN TÍCH VIỆC SẴN LÒNG THAM GIA BẢO HIỂM CÂY CÀ PHÊ THEO CHỈ SỐ NĂNG SUẤT CỦA HỘ NÔNG DÂN TỈNH ĐẮK LẮK

Chuyên ngành: Thống kê

Mã số: 9460201

LUẬN ÁN TIẾN SĨ KINH TẾ

NGƢỜI HƢỚNG DẪN KHOA HỌC:

1. PGS. TS. NGUYỄN VĂN SĨ 2. TS. NGUYỄN THANH VÂN

Tp. Hồ Chí Minh - Năm 2021

LỜI CAM ĐOAN

LỜI CẢM ƠN

MỤC LỤC

DANH MỤC TỪ VIẾT TẮT

DANH MỤC BẢNG BIỂU

DANH MỤC HÌNH VẼ

DANH MỤC SƠ ĐỒ

TÓM TẮT

ABTRACT

CHƯƠNG 1: GIỚI THIỆU VẤN ĐỀ NGHIÊN CỨU

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC

NGHIÊN CỨU LIÊN QUAN

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

CHƯƠNG 5: ẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

DANH MỤC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ

TÀI LIỆU THAM HẢO

PHỤ LỤC

Có thể bạn quan tâm

Tóm tắt Luận án Tiến sĩ: Cơ sở lý luận và thực tiễn kiểm sát việc giải quyết các vụ án kinh doanh, thương mại về tranh chấp hợp đồng tín dụng theo thủ tục giám đốc thẩm của Viện kiểm sát nhân dân ở Việt Nam

Luận án Tiến sĩ: Cơ sở lý luận và thực tiễn kiểm sát việc giải quyết các vụ án kinh doanh, thương mại về tranh chấp hợp đồng tín dụng theo thủ tục giám đốc thẩm của Viện kiểm sát nhân dân ở Việt Nam

Tóm tắt Luận án Tiến sĩ: Chất lượng công chức quản lý nhà nước về kinh tế cấp huyện ở thành phố Hà Nội

Luận án Tiến sĩ: Chất lượng công chức quản lý nhà nước về kinh tế cấp huyện ở thành phố Hà Nội

Luận án Tiến sĩ: Xây dựng đội ngũ giảng viên trẻ theo tư tưởng Hồ Chí Minh ở các trường sĩ quan quân đội hiện nay

Tóm tắt Luận án Tiến sĩ: Xây dựng đội ngũ giảng viên trẻ theo tư tưởng Hồ Chí Minh ở các trường sĩ quan quân đội hiện nay

Tóm tắt Luận án Tiến sĩ: Các điều kiện thúc đẩy sự ra đời tiền kỹ thuật số (CBDC) của Ngân hàng Nhà nước Việt Nam

Luận án Tiến sĩ: Các điều kiện thúc đẩy sự ra đời tiền kỹ thuật số (CBDC) của Ngân hàng Nhà nước Việt Nam

Tóm tắt Luận án Tiến sĩ: Xây dựng lối sống cho sinh viên các trường đại học ở Đồng bằng sông Cửu Long hiện nay theo tư tưởng Hồ Chí Minh

Luận án Tiến sĩ: Xây dựng lối sống cho sinh viên các trường đại học ở Đồng bằng sông Cửu Long hiện nay theo tư tưởng Hồ Chí Minh

Tóm tắt Luận án Tiến sĩ: Hoàn thiện pháp luật về quyền thành lập tổ chức của người lao động tại doanh nghiệp ở Việt Nam

Luận án Tiến sĩ: Hoàn thiện pháp luật về quyền thành lập tổ chức của người lao động tại doanh nghiệp ở Việt Nam

Luận án Tiến sĩ: Nghiên cứu đặc điểm lâm sàng, cận lâm sàng và kết quả điều trị ở bệnh nhân tổn thương mạn tính động mạch đùi - khoeo bằng phương pháp can thiệp nội mạch qua da

Luận án Tiến sĩ: Biến đổi sinh kế của người Sán Dìu huyện Sơn Dương, tỉnh Tuyên Quang

Luận án Tiến sĩ: Nghiên cứu hình ảnh cộng hưởng từ sức căng khuếch tán, tưới máu thận ghép và mối quan hệ với lâm sàng và siêu âm Doppler

Luận án Tiến sĩ: Phát triển suy luận và thái độ thống kê cho sinh viên sư phạm toán qua dạy học thống kê

Luận án Tiến sĩ: Nghiên cứu lựa chọn dung dịch lôi cuốn sử dụng trong công nghệ màng thẩm thấu chuyển tiếp để xử lý nước nhiễm mặn thành nước sinh hoạt

Luận án Tiến sĩ: Nghiên cứu phương pháp nâng cao độ chính xác phát hiện và nhận dạng tiếng Việt trong ảnh căn cước công dân và ảnh ngoại cảnh

Luận án Tiến sĩ: Biến đổi của hát Xoan tại các làng Xoan gốc tỉnh Phú Thọ (qua nghiên cứu trường hợp làng Xoan Phù Đức và An Thái)

Luận án Tiến sĩ: Bồi dưỡng năng lực thực hành cho học sinh qua sử dụng thí nghiệm tự tạo trong dạy học chương “Từ trường” Vật lí 12 trung học phổ thông CHDCND Lào

Tài liêu mới

Luận án Tiến sĩ: Nghiên cứu xây dựng thuật toán thích nghi và học tăng cường cấu trúc Actor - Critic điều khiển bám quỹ đạo cho robot di động đa hướng mecanum

Luận án Tiến sĩ: Cơ cấu bệnh tim mạch và chất lượng cuộc sống của người cao tuổi mắc suy tim, rung nhĩ điều trị tại Bệnh viện Thống Nhất, thành phố Hồ Chí Minh

Tóm tắt Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

Tóm tắt Luận án Tiến sĩ: Nghiên cứu xây dựng giải pháp đảm bảo an toàn thông tin cho quá trình học liên kết dựa trên mật mã

Tóm tắt Luận án Tiến sĩ: Phát triển năng lực đánh giá công nghệ cho học sinh trong dạy học môn Công nghệ 11 ở trường trung học phổ thông

Tóm tắt Luận án Tiến sĩ: Nghiên cứu phân loại chi cầu diệp – Bulbophyllum Thouars (Orchidaceae) ở vùng Tây Nguyên bằng phương pháp hình thái và phân tử

Tóm tắt Luận án Tiến sĩ: Nghiên cứu đặc điểm phân bố và dinh dưỡng của các loài lưỡng cư ở Vườn Quốc gia Bến En và Khu bảo tồn thiên nhiên Pù Luông, tỉnh Thanh Hóa

Luận án Tiến sĩ: Tổng hợp luật dẫn và điều khiển cho một lớp tên lửa đối hải trên cơ sở ứng dụng mạng nơ ron và hệ mờ

Luận án Tiến sĩ: Nghiên cứu tổng hợp hệ điều khiển góc Pitch tua bin gió trong điều kiện có nhiễu tác động

Luận án Tiến sĩ: Nghiên cứu hóa học lipid của hai loài san hô thủy tức Millepora dichotoma và Millepora platyphylla ở Việt Nam

Luận án Tiến sĩ: Nghiên cứu kiểm soát phân phối công suất kéo trên cầu chủ động của ô tô con bằng ABS

Luận án Tiến sĩ: Ứng dụng phản ứng Domino vào tổng hợp các dẫn xuất Podophyllotoxin, Pyrimidine và đánh giá hoạt tính sinh học của các chất tổng hợp được

Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và một số hoạt tính sinh học của cây chùm ngây (Moringa oleifera)

Tóm tắt Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và ứng dụng ức chế ăn mòn cho thép của cao chiết xuất từ cây Lộc vừng thuộc họ Lecythidaceae

Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

AI tóm tắt

Giới thiệu tài liệu

Đối tượng sử dụng

Từ khoá chính

Nội dung tóm tắt

Giới thiệu

Về chúng tôi

Việc làm

Quảng cáo

Liên hệ