- Các số liệu, tài liệu thực tế:
3.2.5 Ngành Khác
a. Mô hình tuyến tính:
Mô hình dự báo tuyến tính có dạng:
0 1* 2* 3* i
AK GDPK PK 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 3.23: Kết quả chạy Eviews mô hình tuyến tính của ngành Khác
Sau khi chạy ta xây dựng được mô hình tính toán :
AK = -969.983211131 - 0.00191387637844*GDPK + 0.140991180303*PK + 0.213825929433*DS
Nhận xét:
Từ mô hình ta thấy hệ số của biến PK, DS mang dấu dương, còn hệ số của biến GDPK mang dấu âm. Tức là, khi biến GDPK tăng thêm 1 đơn vị thì biến nhu cầu điện năng của ngành giảm đi 0.001914 đơn vị, còn khi giá điện của ngành PK tăng thêm 1 đơn vị thì nhu cầu điện năng ngành sẽ tăng thêm 0.140992 đơn vị, khi biến DS tăng thêm 1 đơn vị thì biến nhu cầu điện năng của ngành tăng lên 0.21383
đơn vị. Như vậy, mối quan hệ của GDPK, PK, DS và lượng tiêu thụ điện năng của ngành công nghiệp không phù hợp với lý thuyết kinh tế.
Tuy nhiên, với mức ý nghĩa a = 0.05 thì Prob(PK) = 1.882> Prob(GDPK) = 0.866>
Prob(DS) = 0.1771<
Như vậy, biến GDPK, PK không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến GDPK, PK ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Hình 3.24: Kết quả chạy Eviews mô hình tuyến tính của ngành khác đã loại bỏ biến GDPK và PK
Từ kết quả chạy eviews, ta xây dựng được mô hình dự báo sau: AK = -1022.51029806 + 0.233645516685*DS Nhận xét:
Hệ số của biến DS mang dấu dương, tức là khi DS tăng thêm 1 đơn vị thì nhu cầu điện năng cũng tăng lên 0.2336 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 = 0.9534 => 95.34% 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(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 a = 0.05, ta thấy Prob(F-statistic) = 0 <
Như vậy, có ít nhất một biến DSảnh 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=1.4877, 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 =>dU<d<4-dU.
Vậy mô hình không có sự tương quan.
Ta dùng mô hình sau để dự báo cho ngành khác :
AK = -1022.51029806 + 0.233645516685*DS
b. Mô hình log tuyến tính
Mô hình dự báo có dạng :
0 1 2 3
ln(AK) *ln(GDPK) *ln(PK) *DSi
Hình 3.25: Kết quả chạy Eviews mô hình log tuyến tính của ngành khác
Ta xây dựng được mô hình dự báo sau :
ln(AK) = -13.0885817091 + 0.207704186607*ln(GDPK) + 0.217276330845*lm(PK) + 1.75138619764*ln(DS) Nhận xét:
Từ mô hình trên ta thấy, hệ số của biến GDPK,PK,DS mang dấu dương. Tức là, khi biến GDPK tăng thêm 1 đơn vị thì biến nhu cầu điện năngcủa ngành tăng thêm 0.207704 đơn vị, còn khi giá điện của ngành PK tăng thêm 1 đơn vị thì nhu cầu điện năng ngành sẽ tăng lên 0.21727 vị, khi biến DS tăng thêm 1 đơn vị thì biến nhu cầuđiện năng của ngành tăng thêm 1.751386 đơn vị. Như vậy, mối quan hệ của GDPNN và DS với tiêu thụ điện năng của ngành công nghiệp phù hợp với lý thuyết kinh tế, còn biến PK không phù hợp.
Tuy nhiên ta nhận thấy, với mức ý nghĩa = 0.05 thì : Prob(GDPK) = 0.8276>
Prob(PK) = 0.5485> Prob(DS) = 0.7290>
Như vậy, biến GDPK,DS và PTM không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến PK và DS ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Hình 3.26: Kết quả chạy Eviews mô hình log tuyến tính của ngành khác khi bỏ biến DS và PK
Mô hình dự báo có dạng :
ln(AK) = -1.86060867689 + 0.722285488336*ln(GDPK) Nhận xét:
Hệ số của biến GDPK mang dấu dương, tức là khi DS tăngthêm 1 đơn vị thì nhu cầu điện năng cũng tăng lên 0.722285 đơn vị. Như vậy, mối quan hệ giữa biến GDPK với nhu cầu điện năng có quan hệ đồng biến. Điều này phù hợp với lý thuyết kinh tế.
Hệ số R2 :
R2 = 0.9395 =>93.95% 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 GDPK 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 GDPK 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 = 1.4694, 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(AK) = -1.86060867689 + 0.722285488336*ln(GDPK)
Như vậy, qua quá trình nhập dữ liệu đầu vào, chạy phầm mềm EVIEWS cũng như kiểm tra các kiểm định ta đi đến bảng tổng kết các mô hình đã tính toán được như sau:
Bảng 3.27 :Các mô hình dự báo đã lập được bằng phần mềm EVIEWS:
Ngành Mô hình tuyến tính R2 Mô hình log tuyến tính R2
Công nghiệp ACN = -93.0916532188 + 0.0528185114154*GDPCN + 0.494812298696*ACN(-1) 0.9976 ln(ACN) = -11.5986912115 + 0.915488293567*ln(GDPCN) + 1.14355372999*ln(DS) 0.9992 Nông nghiệp ANN = -84.6563219003 + 0.0566171130971*GDPNN - 0.07848090082*PNN 0.8091 ln(ANN) = -13.4014083226 + 2.75593419584*ln(GDPNN) - 0.763406781773*ln(PNN) 0.7998 Dân dụng sinh hoạt ADS = -960.207934499 + 321.217708176*GDPDS + 1.68526199619*PDS 0.9857 LOG(ADS) = 3.78236369157 + 0.959813875426*LOG(GDPDS) + 0.329040811871*LOG(PDS) 0.9853 Thương mại – Dịch vụ ATM = -3408.192173 - 0.392862903482*PTM + 0.754940295076*DS 0.9554 ln(ATM) = -50.1817263443 + 6.45884824593*ln(DS) 0.9856 Khác AK = -1022.51029806 + 0.233645516685*DS 0.9534 ln(AK) = -1.86060867689 + 0.722285488336*ln(GDPK) 0.9395