DỰ báo mô HÌNH sản LƯỢNG lúa tại một địa PHƯƠNG

DỰ BÁO MÔ HÌNH SẢN LƯỢNG LÚA TẠI MỘT ĐỊA PHƯƠNG XÂY DỰNG VÀ PHÂN TÍCH MÔ HÌNH I Mô hình gồm biến: + + + - Y biến phụ thuộc: Sản lượng lúa (đơn vị tính: giạ) X, Z, T biến độc lập: X: phân bón (đơn vị tính: kg) Z: diện tích (đơn vị tính: công) T: suất (đơn vị tính: giạ/công) β0: tham số chặn β1, β2, β3: tham số biến V yếu tố ngẫu nhiên Mô hình tổng thể: Yi = β0 + β1X + β2Z + β3T + V Mô hình hồi quy mẫu: = + + + + ei (ei ước lượng Vi) Bảng số liệu: Năng suất Tháng Sản lượng (giạ) Phân bón (kg) Diện tích (công) (giạ/công) 1/2013 440 50 17.7 24.8 2/2013 380 65 15.5 24.5 3/2013 450 45 17.2 27.1 4/2013 400 60 16.1 24.8 5/2013 350 65 13.9 25.2 6/2013 380 60 15 25.4 7/2013 420 55 16.8 25 8/2013 440 50 18 24.5 9/2013 420 65 16.6 25.3 10/2013 380 60 14.2 26.6 11/2013 460 55 17.1 26.9 12/2013 400 55 15 26.8 1/2014 390 60 15 24.4 2/2014 420 50 16.2 25.9 3/2014 430 50 17.5 24.6 4/2014 410 55 16 25.7 5/2014 450 45 17.2 26.1 6/2014 400 40 15.5 25.8 7/2014 420 45 15.9 26.4 8/2014 450 50 17.9 25.1 Phân tích kết quả: Mô hình hồi quy: = -265,7682 – 0,067815X + 23,21986Z + 12,03445T + ei Ý nghĩa hệ số hồi quy: = - 0,067815 : Khi diện tích suất lúa không đổi, phân bón tăng lên 1kg sản lượng lúa giảm 0,067815 giạ = 23,21986 : Khi phân bón suất lúa không đổi, diện tích tăng công sản lượng lúa tăng 23,21986 giạ = 12,03445 : Khi phân bón diện tích không đổi, suất tăng giạ/công sản lượng lúa tăng 12,03445 giạ Nhìn vào bảng ta thấy : + + R2 = 0,964323 > 0,8, R2 cao T3 = 16,10656 cao t thực nghiệm lại có xu hướng thấp + P_value(F) = 0,00000 Do ta kết luận mô hình có xảy tượng đa cộng tuyến DỰ BÁO MÔ HÌNH SẢN LƯỢNG LÚA Sau đưa mô hình hồi quy trên, ta khai báo biến dự báo cho biến phụ thuộc Yf , biến sai số SE() để đưa đồ thị hình sau: Ta có giá trị Theil Inequality Coefficient 0,006528 < 0,5 Vậy ta dự báo mô hình sản lượng lúa hiệu Nhập thêm liệu cột X Z T tháng năm 20014 đến tháng 12/2014 để tiến hành dự báo ta bảng Dự báo ta Theil Inequality Coefficient = 0,006528 < 0,5 => Mô hình hiệu Bảng dự báo đến tháng 12 năm 2014: II DỰ BÁO TÌNH HÌNH TIÊU THỤ NỘI ĐỊA ĐẦU DỪA Nghiên cứu tình hình tiêu thụ nội địa dầu dừa 2001-2011 (triệu tấn) Năm 200 2002 Khối lượng 3.23 3.18 (triệu tấn) 200 2004 200 2006 200 2008 200 2010 201 3.24 3.3 3.43 3.31 3.43 3.39 3.88 3.89 3.95 THỰC HIỆN TÍNH TOÁN TRÊN EXCEL Năm Yt yt^ et | et | et2 | et/yt | δi (lượng tăng giảm tuyệt đối liên hoàn) 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 3.23 3.18 3.24 3.3 3.43 3.31 3.43 3.39 3.88 3.89 3.95 3.23 3.18 3.24 3.3 3.43 3.31 3.43 3.39 3.88 3.88 -0.05 0.06 0.06 0.13 -0.12 0.12 -0.04 0.49 0.01 0.07 0.72 -0.05 0.06 0.06 0.13 4.2 0.12 -0.04 0.49 0.01 0.07 5.04 0.0025 0.0036 0.0036 0.0169 0.0144 0.0144 0.0016 0.2401 0.0001 0.0049 0.302 -63.6 54 55 26.385 0.7881 28.583 -84.75 7.9184 389 56.429 469.75 -0.05 0.06 0.06 0.13 -0.12 0.12 -0.04 0.49 0.01 0.06 0.72 Tổng 38.22 34.27 Năm 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Yt Tốc độ phát triển định gốc Ti 3.23 3.18 0.9845 3.24 1.0031 3.3 1.0217 3.43 1.0619 3.31 1.0248 3.43 1.0619 3.39 1.0495 3.88 1.2012 3.89 1.2043 3.95 1.2229 38.2 Tổng 10.836 Dự báo đến năm 2015 ∆i (tăng Tốc độ giảm phát định triển liên gốc) hoàn Ti -0.05 0.01 0.07 0.2 0.08 0.2 0.16 0.65 0.66 0.72 2.7 0.9845 1.0189 1.0185 1.0394 0.965 1.0363 0.9883 1.1445 1.0026 1.0154 10.213 Tốc độ tăng giảm liên hoàn Ai Tốc độ tăng giảm định gốc Ai Trị tuyệt đối 1% tăng giảm liên hoàn Gi Dự báo lượng tăng giảm tuyệt đối trung bình Dự báo phương pháp trung bình trượt -0.015 0.0189 0.0185 0.0394 -0.035 0.0363 -0.012 0.1445 0.0026 0.0154 -0.015 0.0031 0.0217 0.0619 0.0248 0.0619 0.0495 0.2012 0.2043 0.2229 0.0323 0.0318 0.0324 0.033 0.0343 0.0331 0.0343 0.0339 0.0388 0.0389 31.335 31.285 31.345 31.405 31.535 31.415 31.535 31.495 31.985 3.2167 3.24 3.3233 3.3467 3.39 3.3767 3.5667 3.72 0.2135 0.8359 0.3428 283.34 27.18 DỰ BÁO BẰNG CÁC MÔ HÌNH XU THẾ Tạo biến xu t: Genr t=@trend(2000) Dự báo biến phụ thuộc Y 2.1 Hàm bậc :Y= β1 + β2 t T+ U 2.2 Hàm bậc 2: Y= β1 + β2 T+ β3 T +U t 2.3 Hàm bậc 3: Y= β1 + β2 T+ β3 T + β4 T +U t 2.4 Hàm Ln : Y= β1 + β2 t ln(T) + U 2.5 Hàm : Y= β1 + β2 T ( )+ U t t 2.6 Hàm Ln: Ln(Y )= β1 + β2 t T+ U 2.7 So sánh giá trị hàm số để xác định hàm hiệu - Xét giá trị R-squared: chọn mô hình có R-squared lớn Xét giá trị Theil Inequality Coeficient : chọn mô hình có Theil Inequality Coeficient nhỏ  Hàm bậc có R-squared = 0,795675 theil Inequality Coeficient = 0,017848  Hàm bậc có R-squared = 0,885640 theil Inequality Coeficient = 0,013351  Hàm bậc có R-squared = 0,886037 theil Inequality Coeficient = 0,013328 β1 t β2 T  Hàm Y= + ( )+U có R-squared = 0,318469 theil Inequality Coeficient = 0,032621  Hàm Hàm Ln : Y= β1 β2 t + ln(T) + U có R-squared = 0,580568 theil Inequality Coeficient = 0,025581  Hàm Hàm Ln: t β1 β2 t Ln(Y )= + T+ U có R-squared 0,806360 theil Inequality Coeficient = 0,017194 Từ kết ta thấy Hàm bậc hiệu 3 DỰ BÁO BẰNG PHƯƠNG PHÁP SAN MŨ 3.1 San mũ giản đơn → → chọn proc chọn Exponential Smoothing ô smoothing → method chọn single Ok Ta bảng: Từ bảng Series Y → Từ bảng workfile click đúp chuột vào ysm (tên biến mà ta đặt ta ô smoothed series bảng Exponential Smoothing) ta bảng 3.2 San mũ không mùa vụ Từ bảng Series Y → chọn proc → chọn Exponential Smoothing → method chọn holt-Winters-No seasonal Ok → ô smoothing Từ bảng workfile click đúp chuột vào yno (tên biến mà ta đặt ta ô smoothed series bảng Exponential Smoothing) ta bảng 3.3 San mũ cộng tính Từ bảng Series Y → chọn proc → chọn Exponential Smoothing → method chọn holt-Winters - Additive Ok → ô smoothing Từ bảng workfile click đúp chuột vào ycong (tên biến mà ta đặt ta ô smoothed series bảng Exponential Smoothing) ta bảng 2.4 San mũ nhân tính Từ bảng Series Y → chọn proc → chọn Exponential Smoothing → method chọn holt-Winters - Multiplicative Ok → ô smoothing Từ bảng workfile click đúp chuột vào ynhan(tên biến mà ta đặt ta ô smoothed series bảng Exponential Smoothing) ta bảng 2.5 So sánh mô hình Xét giá trị mean có giá trị lớn nhất:     San mũ giản đơn có mean = 3,945028 San mũ không mùa vụ có mean = 3,965802 San mũ theo mô hình cộng tính có mean = 3,933803 San mũ theo mô hình nhân tính có mean = 3,932043 Phương pháp san mũ theo mô hình không mùa vụ có mean lớn nên phương pháp san mũ theo mô hình không mùa vụ phù hợp [...]... Smoothing) ta được bảng 2.5 So sánh giữa các mô hình Xét giá trị mean có giá trị lớn nhất:     San mũ giản đơn có mean = 3,945028 San mũ không mùa vụ có mean = 3,965802 San mũ theo mô hình cộng tính có mean = 3,933803 San mũ theo mô hình nhân tính có mean = 3,932043 Phương pháp san mũ theo mô hình không mùa vụ có mean là lớn nhất nên do đó phương pháp san mũ theo mô hình không mùa vụ là phù hợp nhất ... Hàm : Y= β1 + β2 1 T ( )+ U t t 2.6 Hàm Ln: Ln(Y )= β1 + β2 t T+ U 2.7 So sánh giá trị của các hàm số để xác định hàm hiệu quả nhất - Xét giá trị R-squared: chọn mô hình có R-squared lớn nhất Xét giá trị Theil Inequality Coeficient : chọn mô hình có Theil Inequality Coeficient nhỏ nhất  Hàm bậc 1 có R-squared = 0,795675 và theil Inequality Coeficient = 0,017848  Hàm bậc 2 có R-squared = 0,885640 và... theil Inequality Coeficient = 0,025581  Hàm Hàm Ln: t β1 β2 t Ln(Y )= + T+ U có R-squared là 0,806360 và theil Inequality Coeficient = 0,017194 Từ kết quả trên ta thấy Hàm bậc 3 hiệu quả nhất 3 DỰ BÁO BẰNG PHƯƠNG PHÁP SAN MŨ 3.1 San mũ giản đơn → → chọn proc chọn Exponential Smoothing ở ô smoothing → method chọn single Ok Ta được bảng: Từ bảng Series Y → Từ bảng workfile click đúp chuột vào ysm (tên