Bài Tập Nhóm Kinh Tế Lượng Trong Dự Báo Và Ptkt Đề Tài Xây Dựng Mô Hình Dự Báo Tốt Nhất Về Tỷ Lệ Sử Dụng Điều Hòa Của Hà Nội Từ Quý.pdf

HỌC VIỆN NÔNG NGHIỆP VIỆT NAMKHOA KINH TẾ & PTNT BÀI TẬP NHÓM MÔN: KINH TẾ LƯỢNG TRONG DỰ BÁO VÀ PTKT ĐỀ TÀI: XÂY DỰNG MÔ HÌNH DỰ BÁO TỐT NHẤT VỀ TỶ LỆ SỬ DỤNG ĐIỀU HÒA CỦA HÀ NỘI TỪ QUÝ

HỌC VIỆN NÔNG NGHIỆP VIỆT NAM

KHOA KINH TẾ & PTNT

BÀI TẬP NHÓM MÔN: KINH TẾ LƯỢNG TRONG DỰ BÁO VÀ PTKT

ĐỀ TÀI: XÂY DỰNG MÔ HÌNH DỰ BÁO TỐT NHẤT

VỀ TỶ LỆ SỬ DỤNG ĐIỀU HÒA CỦA HÀ NỘI TỪ QUÝ

II/2008 ĐẾN QUÝ I/2023

Nhóm thực hiện: 04 GV: TS Nguyễn Thị Dương Nga

Hà Nội, 2023

DANH SÁCH NHÓM

1 Nguyễn Tiến Bình 653839 K65QLKTA 20%

2 Bùi Quang Quý 653940 K65QLKTA 20%

3 Nguyễn Phương Tuấn 653941 K65QLKTA 20%

4 Nguyễn Thắng Thành 653158 K65QLKTA 20%

5 Ngô Văn Thế 650755 K65QLKTA 20%

MỤC LỤC

I Giới thiệu số liệu 4

II Xây dựng mô hình dự báo (để lại 5 quan sát) 5

2.1 Lựa chọn xu thế dự báo tốt nhất 5

2.1.1 Mô hình xu thế tuyến tính 5

2.1.2 Mô hình xu thế bậc 2 7

2.1.3 Mô hình xu thế dạng mũ 8

2.2 Kiểm định tính thời vụ 10

2.3 Lựa chọn mô hình 11

III Dự báo cho 5 quan sát cuối 11

I Giới thiệu số liệu

Tỷ lệ hộ dân nội thành Hà Nội sử dụng điều hòa nhiệt độ theo quý từ 2008 – 2023 (%)

Thời gian Tỷ lệ (%) Thời gian Tỷ lệ (%) Thời gian Tỷ lệ (%)

2008 II 15.07 2013 II 30.7 2018 II 58.02

2008 III 17.3 2013 III 32.9 2018 III 63.38

2008 IV 12.7 2013 IV 34.1 2018 IV 64.21

2009 I 11.9 2014 I 31.7 2019 I 56.91

2009 II 12.5 2014 II 36 2019 II 62.61

2009 III 12.5 2014 III 37.1 2019 III 69.98

2009 IV 13.3 2014 IV 38.8 2019 IV 67.55

2010 I 12.4 2015 I 34.1 2020 I 57.48

2010 II 16.5 2015 II 40.4 2020 II 60.53

2010 III 17.8 2015 III 41.4 2020 III 80.05

2010 IV 18.5 2015 IV 40.1 2020 IV 77.04

2011 I 17.6 2016 I 36.3 2021 I 75.74

2011 II 21.5 2016 II 42.7 2021 II 78.69

2011 III 26.1 2016 III 44.4 2021 III 81.29

2011 IV 24.7 2016 IV 46.1 2021 IV 94.13

2012 I 22.9 2017 I 42.1 2022 I 86.98

2012 II 26.46 2017 II 55.2 2022 II 95.76

2012 III 28.7 2017 III 52.4 2022 III 94.98

2012 IV 29.6 2017 IV 57.67 2022 IV 87.73

2013 I 28.1 2018 I 52.71 2023 I 77.57

Nguồn: - https://www.statista.com/statistics/909711/vietnam-ac-demand-units/?

fbclid=IwAR02cLRuxPcMXtxlEKrcUW0_j60bDDPsCQnqurvqnhtyO1g5BCkzyrJjMMg

- https://www.jraia.or.jp/english/World_AC_Demand.pdf

- File Excel số liệu đính kèm

Đồ thị chuỗi số liệu:

10

20

30

40

50

60

70

80

90

100

DIEUHOA

Nhận xét: Dựa vào đồ thị trên, ta có thể nhận thấy tỉ lệ hộ dân sử dụng điều hóa có xu

hướng tăng dần theo thời gian, tiệm cận 100% Vào quý II và quý III hàng năm, tỉ lệ sử dụng điều hòa sẽ cao hơn quý I và quý IV, vì nhu cầu sử dụng của người dân sẽ dựa vào tình hình thời tiết thời điểm đó

II Xây dựng mô hình dự báo (để lại 5 quan sát)

II.1 Lựa chọn xu thế dự báo tốt nhất

II.1.1 Mô hình xu thế tuyến tính

Trong đó:

TIME: biến thời gian được tạo ra

β : hệ số cắt, cho biết giá trị của xu thế tại thời điểm t=00

β : hệ số độ dốc của mô hình1

Bảng kết quả:

Dependent Variable: DIEUHOA

Method: Least Squares

Date: 05/31/23 Time: 01:18

Sample: 2008Q2 2021Q4

Included observations: 55

Phương trình: DIEUHOA = 4.194909+ 1.318117*TIME

- Kiểm định tính xu thế:

H0: β0 = 0: Mô hình không có tính xu thế

H1: β1 0: Mô hình có tính xu thế

Ta có: β =1.318117> 0, chấp nhận H1 1

 Mô hình có tính xu thế tuyến tính tăng

Đồ thị dự báo mô hình xu thế tuyến tính

-5

5

15

0

20

40

60

80

Residual Actual Fitted

II.1.2 Mô hình xu thế bậc 2

Bảng kết quả:

Dependent Variable: DIEUHOA

Method: Least Squares

Date: 05/30/23 Time: 22:42

Sample: 2008Q2 2021Q4

Included observations: 55

F-statistic 767.8149 Durbin-Watson stat 1.515716

Phương trình: DIEUHOA = 11.84129+ 0.513234*TIME + 0.014373*TIME2

Kiểm định tính xu thế:

β1= 0.513234 0 , β =0.014373 0 2

 Mô hình có tính xu thế phi tuyến tính

Đồ thị dự báo mô hình xu thế bậc 2:

-15

-10

-5

0

5

10

15

0

20

40

60

80

100

Residual Actual Fitted

II.1.3 Mô hình xu thế dạng mũ

Bảng kết quả:

Dependent Variable: DIEUHOA

Method: Least Squares (Gauss-Newton / Marquardt steps)

Date: 05/31/23 Time: 23:59

Sample: 2008Q2 2021Q4

Included observations: 55

Convergence achieved after 15 iterations

Coefficient covariance computed using outer product of gradients

Phương trình: DIEUHOA = 14.51711*EXP(0.032633*TIME)

Đồ thị dự báo mô hình xu thế dạng mũ:

-15

-10

-5

0

5

10

0

20

40

60

80

100

Residual Actual Fitted

II.2 Kiểm định tính thời vụ

Kiểm định cho mô hình xu thế bậc 2 với biến s = 4

Dạng mô hình:

- Mô hình không ràng buộc UR:

DIEUHOA = β *TIME+ β1 2*TIME2 + + ε

t

Bảng kết quả:

Dependent Variable: DIEUHOA

Method: Least Squares

Date: 05/31/23 Time: 01:30

Sample: 2008Q2 2021Q4

Included observations: 55

Phương trình:

13.57213*D3 + 13.18493*D4

Mô hình có ràng buộc R:

Y = β + β0 1TIMEt + β2TIME2

t

Kiểm định giả thiết:

H : các hệ số γ trong mô hình bằng nhau, mô hình không có tính thời vụ0 i

H : có ít nhất hai hệ số γ trong mô hình khác nhau1 i

Áp dụng công thức:

Fqs =

Thay số liệu:

Fα, k-1, n-k = F0.05,5,54 = 2.38607< Fqs

2.3 Lựa chọn mô hình

Chỉ tiêu so

sánh

Mô hình xu thế

tuyến tính

Mô hình xu thế bậc 2

Mô hình xu thế dạng mũ

Mô hình thời vụ

R-squared 0.944626 0.967247 0.963736 0.978290

Adjusted

R-squared 0.943582 0.965987 0.963052 0.976075 Akaike info

criterion 6.155756 5.667017 5.732480 5.364870

Từ bảng so sánh kết quả hồi quy ở trên chúng ta rút ra kết luận như sau:

=> Như vậy mô hình thời vụ là tốt nhất nên ta chọn mô hình này để dự báo

III Dự báo cho 5 quan sát cuối

2022Q1 81.46241 88.04946 74.87535 86.98

0

20

40

60

80

100

120

Chart Title

 Mô hình dự báo không tốt