- Các số liệu, tài liệu thực tế:
3.2.2Nông nghiệp
a. Mô hình tuyến tính:
Mô hình dự báo tuyến tính có dạng:
0 1* 2* 3* i
ANN GDPNN PNN DS
Với những số liệu được tổng hợp từ phân tích ở những phần trước, ta sử dụng làm dữ liệu đầu vào để xây dựng mô hình dự báo bằng phần mềm eviews:
Hình 3.11: Kết quả chạy Eviews mô hình tuyến tính của ngành nông nghiệp
Sau khi chạy ta xây dựng được mô hình tính toán :
ANN = -132.425508007 + 0.029832791477*GDPNN - 0.0941649735434*PNN + 0.0275180965009*DS
Nhận xét:
Từ mô hình ta thấy hệ số của biến GDPNN, DS mang dấu dương, còn hệ số của biến PNN mang dấu âm. Tức là, khi biến GDPNN tăng thêm 1 đơn vị thì biến nhu cầu điện năng của ngành tăng thêm 0.029832đơn vị, còn khi giá điện của ngành nông nghiệp PNN tăng thêm 1 đơn vị thì nhu cầu điện năng ngành nông nghiệp sẽ giảm đi 0.09416 đơn vị, khi biến DS tăng thêm 1 đơn vị thì biến nhu cầu điện năng của ngành tăng lên 0.02752 đơn vị. Như vậy, mối quan hệ của GDPNN, PNN, DS và lượng tiêu thụ điện năng của ngành nông nghiệp phù hợp với lý thuyết kinh tế.
Tuy nhiên, với mức ý nghĩa a = 0.05 thì Prob(PNN) = 0.0089< Prob(GDPNN) = 0.1504>
Prob(DS) = 0.1117>
Như vậy, biến GDPNN và DS không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến DS ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Hình 3.12: Kết quả chạy Eviews mô hình tuyến tính của ngành nông nghiệp khi đã bỏ biến DS
Từ kết quả chạy eviews, ta xây dựng được mô hình dự báo sau:
ANN = -84.6563219003 + 0.0566171130971*GDPNN - 0.07848090082*PNN Nhận xét:
Hệ số của biến GDPNN mang dấu dương, PNN mang dấu âm, tức là khi GDPNN tăng thêm 1 đơn vị thì nhu cầu điện năng cũng tăng lên 0.056617 đơn vị, khi PNN tăng thêm 1 đơn vị thì nhu cầu điện năng giảm 0.07848 đơn vị. Như vậy, mối quan hệ giữa biến GDPCN, với nhu cầu điện năng có quan hệ đồng biến, PNN với ACN quan hệ nghịch biến. Điều này phù hợp với lý thuyết kinh tế.
Hệ số R2 :
R2 = 0.809172 =>80.92% sự thay đổi của biến độc lập sẽ được giải thích bằng hàm hồi quy đã xây dựng ở trên.
Kiểm định T:
Với mức ý nghĩa a = 0.05, từ bảng kết quả ta thấy: Prob(GDPNN) = 0.0008<
Prob(PNN) = 0.0244<
=> Biến GDPNN , PNNcó ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Mô hình trên thỏa mãn kiểm định T.
Kiểm định F:
Với mức ý nghĩa a = 0.05, ta thấy Prob(F-statistic) =0.00011<
Như vậy, có ít nhất một biến GDPNN hoặc PNN ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Mô hình trên thỏa mãn kiểm định F.
Kiểm định d_Durbin-Watson:
Theo kết quả chạy Eviews, ta có d = 2.077695, với số mẫu quan sát n = 14 và số biến độc lập k’= 2 tra bảng giá trị dL, dU của thống kê Durbin-Watson với mức ý nghĩa 5% ta có: dL = 0.905, dU = 1.551 =>4-dU>d > dU.
Vậy mô hình không có sự tương quan.
Ta dùng mô hình sau để dự báo cho ngành nông nghiệp:
ANN = -84.6563219003 + 0.0566171130971*GDPNN - 0.07848090082*PNN (adsbygoogle = window.adsbygoogle || []).push({});
b. Mô hình log tuyến tính
Mô hình dự báo có dạng :
0 1 2 3
ln(ANN) *ln(GDPNN) *ln(PNN) *DSi
Hình 3.13: Kết quả chạy Eviews mô hình log tuyến tính của ngành
nông nghiệp
Ta xây dựng được mô hình dự báo sau :
ln(ANN) = -18.5594525748 + 1.71331371303*ln(GDPNN) - 0.88590762909*ln(PNN) + 1.67792739896*ln(DS) Nhận xét:
Từ mô hình trên ta thấy, hệ số của biến GDPNN,DS mang dấu dương, còn hệ số của biến PNN mang dấu âm. Tức là, khi biến GDPNN tăng thêm 1 đơn vị thì biến nhu cầu điện năng của ngành tăng thêm 1.71331 đơn vị, còn khi giá điện của ngành nông nghiệp PNN tăng thêm 1 đơn vị thì nhu cầu điện năng ngành nông nghiệp sẽ giảm đi 0.885907 vị, khi biến DS tăng thêm 1 đơn vị thì biến nhu cầu điện năng của ngành tăng thêm 1.67793 đơn vị. Như vậy, mối quan hệ của GDPNN, PNN và DS với tiêu thụ điện năng của ngành công nghiệp là phù hợp với lý thuyết kinh tế.
Tuy nhiên ta nhận thấy, với mức ý nghĩa = 0.05 thì : Prob(GDPNN) = 0.1004>
Prob(PNN) = 0.0134< Prob(DS) = 0.1877>
Như vậy, biến GDPNN và DS không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến DS ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Hình 3.14: Kết quả chạy Eviews mô hình log tuyến tính của ngành nông nghiệp sau khi bỏ biến DS
Mô hình dự báo có dạng :
ln(ANN) = -13.4014083226 + 2.75593419584*ln(GDPNN) - 0.763406781773*ln(PNN)
Nhận xét:
Hệ số của biến GDPNN mang dấu dương, PNN mang dấu âm, tức là khi GDPNN tăng thêm 1 đơn vị thì nhu cầu điện năng cũng tăng lên 2.755934 đơn vị, khi PNN tăng thêm 1 đơn vị thì nhu cầu điện năng cũng giảm 0.763406 đơn vị. Như vậy, mối quan hệ giữa biến GDPNN và ANN có quan hệ đồng biến, PNN với ANN có quan hệ nghịch biến. Điều này phù hợp với lý thuyết kinh tế.
Hệ số R2 :
R2 = 0.7998 => 79.98% sự thay đổi của biến độc lập sẽ được giải thích bằng hàm hồi quy đã xây dựng ở trên.
Kiểm định T:
Với mức ý nghĩa =0.05 từ bảng kết quả ta thấy : Prob(GDPNN)= 0.001<
Prob(PNN)= 0.0252<
Biến GDPNN,PNN có ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Mô hình trên thỏa mãn kiểm định T.
Kiểm định F :
Với mức ý nghĩa =0.05, ta thấy Prob(F-statistic)=0.000144<
Như vậy, có ít nhất một biến GDPNN hoặc PNN ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Mô hình trên thỏa mãn kiểm định F.
Kiểm định d_Durbin-Watson:
Theo kết quả chạy Eviews, ta có d = 2.331, với số mẫu quan sát n = 14 và số biến độc lập k’= 2 tra bảng giá trị dL, dU của thống kê Durbin-Watson với mức ý nghĩa 5% ta có: dL = 0.095, dU = 1.551 =>4-dU>d > dU.
Vậy mô hình không có tự tương quan. Vậy ta chọn mô hình dưới đây để dự báo :
ln(ANN) = -13.4014083226 + 2.75593419584*ln(GDPNN) - 0.763406781773*ln(PNN) (adsbygoogle = window.adsbygoogle || []).push({});