- Các số liệu, tài liệu thực tế:
3.2.4 Thương mại – Dịch vụ
a. Mô hình tuyến tính:
Mô hình dự báo tuyến tính có dạng:
0 1* 2* 3* i
ATM GDPTM PTM 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 3.19: Kết quả chạy Eviews mô hình tuyến tính của ngành thương mại- dịch vụ
Sau khi chạy ta xây dựng được mô hình tính toán :
ATM = -3163.05091319 + 0.00280926196427*GDPTM - 0.396393018987*PTM + 0.703358458206*DS
Nhận xét:
Từ mô hình ta thấy hệ số của biến GDPTM, DS mang dấu dương, còn hệ số của biến PTM mang dấu âm. Tức là, khi biến GDPTM tăng thêm 1 đơn vị thì biến nhu cầu điện năng của ngành tăng thêm 0.002809đơn vị, còn khi giá điện của ngành PTM tăng thêm 1 đơn vị thì nhu cầu điện năng ngành sẽ giảm đi 0.39693 đơn vị, khi biến DS tăng thêm 1 đơn vị thì biến nhu cầu điện năng của ngành tăng lên 0.703358 đơn vị. Như vậy, mối quan hệ của GDPTM,PTM, DS và lượng tiêu thụ điện năng của ngành công nghiệp phù hợp với lý thuyết kinh tế.
Tuy nhiên, với mức ý nghĩa a = 0.05 thì Prob(PTM) = 0.0351< Prob(GDPTM) = 0.866>
Prob(DS) = 0.0467<
Như vậy, biến GDPTM không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến GDPTM ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Hình 3.20: Kết quả chạy Eviews mô hình tuyến tính của ngành thương mại – dịch vụ khi đã bỏ biến GDPTM
Từ kết quả chạy eviews, ta xây dựng được mô hình dự báo sau:
ATM = -3408.192173 - 0.392862903482*PTM + 0.754940295076*DS Nhận xét:
Hệ số của biến DS mang dấu dương,PTM mang dấu âm, tức là khi DS tăng thêm 1 đơn vị thì nhu cầu điện năng cũng tăng lên 0.75494 đơn vị, khi PTM tăng thêm 1 đơn vị thì nhu cầu điện năng giảm 0.39286 đơn vị. Như vậy, mối quan hệ giữa biến DS với nhu cầu điện năng có quan hệ đồng biến, PTM với ACN quan hệ nghịch biến. Điều này phù hợp với lý thuyết kinh tế.
Hệ số R2 :
R2 = 0.9554 =>95.54% 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(PTM) = 0.0271<
Prob(DS) = 0.0244<
=> Biến PTM,DS 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 a = 0.05, ta thấy Prob(F-statistic) = 0 <
Như vậy, có ít nhất một biến PTM hoặc DS 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=1.4354, 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 =>dL<dU.
Vậy mô hình không xác định được sự tương quan.
Ta dùng mô hình sau để dự báo cho ngành thương mại – dịch vụ:
ATM = -3408.192173 - 0.392862903482*PTM + 0.754940295076*DS
b. Mô hình log tuyến tính
Mô hình dự báo có dạng :
0 1 2 3
ln(ATM) *ln(GDPTM) *ln(PTM) *DSi
Hình 3.21: Kết quả chạy Eviews mô hình log tuyến tính của ngành thương mại – dịch vụ
Ta xây dựng được mô hình dự báo sau :
ln(ATM) = -43.6703573006 + 0.310020071254*ln(GDPTM) - 0.284634934314*ln(PTM) + 5.59422360931*ln(DS) Nhận xét:
Từ mô hình trên ta thấy, hệ số của biến GDPTM,DS mang dấu dương, còn hệ số của biến PTM mang dấu âm. Tức là, khi biến GDPTM tăng thêm 1 đơn vị thì biến nhu cầu điện năng của ngành tăng thêm 0.31002 đơn vị,còn khi giá điện của ngành PTM tăng thêm 1 đơn vị thì nhu cầu điện năng ngành sẽ giảm đi 0.284635 vị, khi biến DS tăng thêm 1 đơn vị thì biến nhu cầu điện năngcủa ngành tăng thêm 5.594223 đơn vị. Như vậy, mối quan hệ của GDPTM, PTM và DS với tiêu thụ điện năng của ngành là phù hợp với lý thuyết kinh tế.
Tuy nhiên ta nhận thấy, với mức ý nghĩa = 0.05 thì : Prob(GDPTM) = 0.4789>
Prob(PTM) = 0.3849> Prob(DS) = 0.0064<
Như vậy, biến GDPTM và PTM không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến GDPTM và PTM ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Hình 3.22: Kết quả chạy Eviews mô hình log tuyến tính của ngành thương mại – dịch vụ sau khi bỏ biến PDS và GDPTM
Mô hình dự báo có dạng :
ln(ATM) = -50.1817263443 + 6.45884824593*ln(DS) Nhận xét:
Hệ số của biến DS mang dấu dương , tức là khi DS tăngthêm 1 đơn vị thì nhu cầu điện năng cũng tăng lên 6.45884 đơn vị. Như vậy, mối quan hệ giữa biến DS với nhu cầu điện năng có quan hệ đồng biến. Điều này phù hợp với lý thuyết kinh tế.
Hệ số R2 :
R2 = 0.9856 => 98.56% 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(DS)= 0<
Biến DS 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<
Như vậy, có ít nhất một biến DS 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 = 1.4114, với số mẫu quan sát n = 14 và số biến độc lập k’= 1 tra bảng giá trị dL, dU của thống kê Durbin-Watson với mức ý nghĩa 5% ta có: dL = 1.045, dU = 1.350 =>4-dU>d > dU.
Vậy mô hình không có tự tương quan. Vậy ta chọn mô hình dưới đây để dự báo :
ln(ATM) = -50.1817263443 + 6.45884824593*ln(DS)