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

MLE

Maximum Likelihood Estimation	Ước lượng hợp lí cực đại
Mm	Millimetre	Mi-li-mét
MPCI	Multi peril crop insurance	Bảo hiểm mùa màng nhiều rủi ro
NAIPP	National Agricultural Insurance Programme Pilot	Chương trình thí điểm bảo hiểm nông nghiệp quốc gia
NAIS	National Agricultural Insurance Scheme	Chương trình Bảo hiểm Nông nghiệp Quốc gia Ấn Độ
NĐ		Nghị định
NDVI	Normalized Difference Vegetation Index	Chỉ số thực vật khác biệt bình thường hóa
NDVI/SI	NDVI/satellite insurance	Bảo hiểm theo chỉ số NDVI/vệ tinh
NGO	Non-Governmental Organisation	Tổ chức phi chính phủ
NHNN		Ngân hàng Nhà nước
NHTM		Ngân hàng Thương mại
NPCI	Named peril crop insurance	Bảo hiểm cây trồng theo tên gọi của thiệt hại
OLS	Ordinary least squares	Phương pháp bình phương nhỏ nhất
OR	Odds ratio	Tỷ lệ Odds
Pctl(25)	Percentile (25)	Giá trị phân vị 25%
Pctl(75)	Percentile (75)	Giá trị phân vị 75%
PPP	Public Private Partnerships	Quan hệ đối tác công tư
QĐ		Quyết định
RFA	Rainforest Alliance	Tổ chức Rừng mưa nhiệt đới
ROC	Receiver operating characteristic	Đặc trưng hoạt động của bộ thu nhận
SAR	Synthetic-aperture radar	Radar khẩu độ tổng hợp
SL		Sẵn lòng
St.Dev	Standard deviation	Độ lệch chuẩn
TT		Thông tư
TTg		Thủ tướng
UBDT		Ủy ban dân tộc

Có thể bạn quan tâm!

Xem toàn bộ 251 trang tài liệu này.

UBND

	Ủy ban nhân dân
USD	US Dollar	Đô la Mỹ
UTZ	UTZ certification	UTZ là một chương 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	World Bank	Tổ chức ngân hàng thế giới
WII	Weather index insurance	Bảo hiểm theo chỉ số thời tiết

DANH MỤC BẢNG BIỂU

Bảng 2.1: Tổng hợp các nghiên cứu về phương pháp mô hình trung bình Bayes ứng dụng trong kinh tế 23

Bảng 2.2: Các sản phẩm bảo hiểm cây trồng các nước 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 được 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: Mười thị trường 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 được lựa chọn bởi phương pháp BMA theo hồi quy logistic 100

Bảng 4.5: Mô hình nghiên cứu được lựa chọn bởi phương 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 ước lượng tham số và dự đoán với mô hình BMAL1 104

Bảng 4.8: Kết quả ước lượng tham số và dự đoán với mô hình BMAL2 105

Bảng 4.9: Kết quả ước lượng tham số và dự đoán với mô hình BMAL3 106

Bảng 4.10: Kết quả ước lượng tham số và dự đoán với mô hình BMAL4 107

Bảng 4.11: Kết quả ước lượng tham số và dự đoán với mô hình BMAL5 108

Bảng 4.12: Kết quả ước lượng tham số và dự đoán với mô hình BMAL6 109

Bảng 4.13: Kết quả ước lượng tham số và dự đoán với mô hình BMAL1 Split ...111 Bảng 4.14: Kết quả ước lượng tham số và dự đoán với mô hình BMAL2 Split ...112 Bảng 4.15: Kết quả ước lượng tham số và dự đoán với mô hình BMAL3 Split ...113

Bảng 4.16: Kết quả ước lượng tham số và dự đoán với mô hình BMAL4 Split ...114 Bảng 4.17: Kết quả ước lượng tham số và dự đoán với mô hình BMAL5 Split ...115 Bảng 4.18: Kết quả ước lượng 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

DANH MỤC HÌNH VẼ

Hình 3.1: Bản đồ tỉnh Đắk Lắk 59

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

Hình 3.3: Trường hợp AUC = 1 84

Hình 3.4: Trường hợp 0.5 < AUC < 1 85

Hình 3.5: Trường hợp AUC = 0.5 85

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

Hình 4.2: Qui trình hoạt động của chương 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 trường bảo hiểm nông nghiệp 135

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

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 trường bảo hiểm 131

TÓM TẮT

Tính bền vững của chương 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 được lựa chọn bằng phương pháp mô hình trung bình Bayesian (BMA) khi sử dụng dữ liệu huấn luyện để ước lượng tham số là mô hình ph hợp với dữ liệu nhất. Yếu tố dân tộc, yếu tố thương hiệu và yếu tố rủi ro bão là ba yếu tố mới đã được phát hiện trong nghiên cứu này. Phương 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 thương 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 hướng nhu cầu đáp ứng nhu cầu của nông dân. Ngoài ra, nghiên cứu đưa ra những kết luận sâu sắc về bảo hiểm m a màng như 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.