6. Kết cấu của luận văn
3.3.3. Thương mại dịch vụ
Mô hình dự báo tuyến tính có dạng:
ATM = β0+ β1*GDPTM + β2*PTM + β3*DS + εi
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:
Biến phụ thuộc: ATM
Phương pháp: Bình phương tối thiểu Ngày: 07/23/21 Thời gian: 10:19 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê C 2.51E+08 4.86E+08 0.516365 0.6215 GDPTM 11339.32 3198.882 3.544776 0.0094 PTM -26019.03 27430.40 -0.948547 0.3744 DS -203.3765 329.8098 -0.616648 0.5570
R2 0.969283 Trung vị biến phụ thuộc 60499024
R2 hiệu chỉnh 0.956118 S.D. biến phụ thuộc 26684459
S.E. của hồi quy 5589865. Tiêu chuẩn Akaike info 34.18610
Tổng bình phương phần dư 2.19E+14 Têu chuẩn Schwarz 34.33079
Log likelihood -184.0235 Tiêu chuẩn Hannan-Quinn 34.09489
Thống kê kiểm định F 73.62807 Thồng kê Durbin-Watson 0.649183
Ý nghĩa kiểm định F 0.000012
Với mức ý nghĩa a = 0.05 thì Prob (PTM) = 0.3744> α và Prob (DS) = 0.5570> α nên ta loại biến PTM và DS
Như vậy, biến PTM và DS không ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành. Ta tiến hành loại bỏ biến PTM và DS ra khỏi mô hình và xây dựng lại mô hình dự báo bằng phần mềm Eviews:
Biến phụ thuộc: ATM
Phương pháp: Bình phương tối thiểu Ngày: 07/23/21 Thời gian: 10:20 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C -81677235 11326742 -7.211009 0.0001 GDPTM 9288.295 728.9929 12.74127 0.0000 R2 0.947473 Trung vị biến phụ thuộc 60499024 R2 hiệu chỉnh 0.941636 S.D. biến phụ thuộc 26684459 S.E. của hồi quy 6446576. Tiêu chuẩn Akaike info 34.35896 Tổng bình phương phần
dư 3.74E+14 Têu chuẩn Schwarz 34.43131
Log likelihood -186.9743 Tiêu chuẩn Hannan-Quinn 34.31336 Thống kê kiểm định F 162.3399 Thồng kê Durbin-Watson 0.720075 Ý nghĩa kiểm định F 0.000000
dU < D < 4 – dU: không có tự tương quan bậc nhất dL = 0,927; dU = 1,324; 4- dU = 4 – 1,324 = 2,676 D = 0,72 < dL => có tự tương quan dương bậc 1
Cách 1 xử lý: Để khắc phục có tự tương quan dương ta chạy lại mô hình với biến trễ của ATM:
Biến phụ thuộc: ATM
Phương pháp: Bình phương tối thiểu Ngày: 07/23/21 Thời gian: 10:33 Mẫu (adjusted): 2011 2020
Số lượng quan sát: 10 Sau khi điều chỉnh
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C -24971860 58376784 -0.427770 0.6817
GDPTM 3509.676 5836.479 0.601334 0.5666
ATM(-1) 0.587556 0.585502 1.003507 0.3490 R2 0.943736 Trung vị biến phụ thuộc 63949896 R2 hiệu chỉnh 0.927661 S.D. biến phụ thuộc 25409242 S.E. của hồi quy 6834047. Tiêu chuẩn Akaike info 34.55606 Tổng bình phương phần
dư 3.27E+14 Têu chuẩn Schwarz 34.64683
Log likelihood -169.7803 Tiêu chuẩn Hannan-Quinn 34.45648 Thống kê kiểm định F 58.70710 Thồng kê Durbin-Watson 0.915830 Ý nghĩa kiểm định F 0.000042
Ta nhận thấy tất cả các biến không có ý nghĩa thống kê do đó ta không dùng cách này được
Cách 2: Lấy số liệu từ mô hình loại biến PTM, DS
D = 0,720075 => D/2 = 0,3600375 => 1- D/2 = 1 – 0,3600375 = 0,6399625
Tạo các biến:
atm1 = atm – 0,6399625*atm (-1)
Biến phụ thuộc: ATM1
Phương pháp: Bình phương tối thiểu Ngày: 09/15/21 Thời gian: 20:56 Mẫu (adjusted): 2011 2020
Số lượng quan sát: 10 Sau khi điều chỉnh
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C -23700535 10712750 -2.212367 0.0579 GDPTM1 8251.219 1720.126 4.796869 0.0014 R2 0.742018 Trung vị biến phụ thuộc 27040403 R2 hiệu chỉnh 0.709771 S.D. biến phụ thuộc 9944924. S.E. của hồi quy 5357623. Tiêu chuẩn Akaike info 34.00280 Tổng bình phương phần dư 2.30E+14 Têu chuẩn Schwarz 34.06331 Log likelihood -168.0140 Tiêu chuẩn Hannan-Quinn 33.93641 Thống kê kiểm định F 23.00995 Thồng kê Durbin-Watson 0.930399 Ý nghĩa kiểm định F 0.001361
dU < D < 4 – dU: không có tự tương quan bậc nhất Do còn 10 quan sát nên:
dL = 0,879; dU = 1,320; 4- dU = 4 – 1,320 = 2,68
dL < D = 1.1429 < dU => không kết luận được có tự tương quan hay không;
Có thể dùng mô hình này
Ta xây dựng được mô hình dự báo:
ATM1 = -23.700.535 + 8.251,219 GDPTM 1 ATM1 = ATM – 0,6399625* ATM1 (-1)
-23.700.535 + 8.251,219 GDPTM 1 = ATM – 0,6399625*ATM (-1) ATM = -23.700.535 + 8.251,219 GDPTM1 + 0,6399625* ATM1 (-1)
b. Mô hình log tuyến tính
Mô hình dự báo có dạng:
ln(ATM) = β0 + β1* ln(GDPTM) + β2 * ln(PTM) + β3 * DS + εi
Biến phụ thuộc: LOG(ATM)
Phương pháp: Bình phương tối thiểu Ngày: 07/23/21 Thời gian: 10:50 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê C 7.314852 156.5920 0.046713 0.9640 LOG(GDPTM) 3.307467 1.066941 3.099954 0.0173 LOG(PTM) -1.130066 1.369960 -0.824890 0.4366 LOG(DS) -0.884613 10.97838 -0.080578 0.9380
R2 0.952105 Trung vị biến phụ thuộc 17.81618
R2 hiệu chỉnh 0.931579 S.D. biến phụ thuộc 0.490164 S.E. của hồi quy 0.128214 Tiêu chuẩn Akaike info -0.994940 Tổng bình phương phần dư 0.115072 Têu chuẩn Schwarz -0.850251 Log likelihood 9.472170 Tiêu chuẩn Hannan-Quinn -1.086146 Thống kê kiểm định F 46.38466 Thồng kê Durbin-Watson 0.588734 Ý nghĩa kiểm định F 0.000055
Với mức ý nghĩa a = 0.05 thì Prob LOG (PTM) = 0.4366> α và Prob LOG(DS)= 0.9380>α nên ta loại biến PTM và DS
Biến phụ thuộc: LOG(ATM)
Phương pháp: Bình phương tối thiểu Ngày: 07/23/21 Thời gian: 10:51 Mẫu: 2010 2020
Số lượng quan sát: 11
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C -7.297385 2.110331 -3.457934 0.0072
LOG(GDPTM) 2.610294 0.219311 11.90223 0.0000
R2 0.940264 Trung vị biến phụ thuộc 17.81618
R2 hiệu chỉnh 0.933627 S.D. biến phụ thuộc 0.490164 S.E. của hồi quy 0.126281 Tiêu chuẩn Akaike info -1.137648 Tổng bình phương phần dư 0.143522 Têu chuẩn Schwarz -1.065304 Log likelihood 8.257065 Tiêu chuẩn Hannan-Quinn -1.183251 Thống kê kiểm định F 141.6632 Thồng kê Durbin-Watson 0.629325 Ý nghĩa kiểm định F 0.000001
Ta thấy có tự tương quan dương bậc 1 Dùng cách 1 xử lý tự tương quan:
Biến phụ thuộc: LOG(ATM)
Phương pháp: Bình phương tối thiểu Ngày: 07/23/21 Thời gian: 10:54 Mẫu (đã điều chỉnh): 2011 2020 Số lượng quan sát: 10 đã điều chỉnh
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C 3.411312 4.737666 0.720041 0.4948
LOG(GDPTM) -0.393285 1.263075 -0.311371 0.7646
LOG(ATM(-1)) 1.028461 0.435069 2.363905 0.0501 R2 0.956723 Trung vị biến phụ thuộc 17.89047 R2 hiệu chỉnh 0.944358 S.D. biến phụ thuộc 0.446647 S.E. của hồi quy 0.105358 Tiêu chuẩn Akaike info -1.419582 Tổng bình phương phần
dư 0.077702 Têu chuẩn Schwarz -1.328807
Log likelihood 10.09791 Tiêu chuẩn Hannan-Quinn -1.519163 Thống kê kiểm định F 77.37384 Thồng kê Durbin-Watson 1.458567 Ý nghĩa kiểm định F 0.000017
Ta thấy biến LOG(GDPTM) đổi dấu và không còn ý nghĩa thống kê, chính vì vậy không dùng cách này.
Cách 2:
D = 0.629325 => D/2 = 0.3146625 => 1 – D/2 = 0.6853375
Tạo các biến:
LOG(ATM1) = LOG(ATM) - 0.6853375*LOG(ATM (-1))
Biến phụ thuộc: ATM1L
Phương pháp: Bình phương tối thiểu Ngày: 09/16/21 Thời gian: 09:06 Mẫu (đã điều chỉnh): 2011 2020 Số lượng quan sát: 10 đã điều chỉnh
Tên biến Hệ số hồi quy Độ lệch chuẩn Thồng kê t
Mức ý nghĩa thông kê
C -0.144805 0.773394 -0.187234 0.8561 GDPTM1L 1.968908 0.579746 3.396158 0.0094 R2 0.590455 Trung vị biến phụ thuộc 2.481395 R2 hiệu chỉnh 0.539262 S.D. biến phụ thuộc 0.060193 S.E. của hồi quy 0.040858 Tiêu chuẩn Akaike info -3.380593 Tổng bình phương phần
dư 0.013355 Têu chuẩn Schwarz -3.320076
Log likelihood 18.90297 Tiêu chuẩn Hannan-Quinn -3.446980 Thống kê kiểm định F 11.53389 Thồng kê Durbin-Watson 1.141886 Ý nghĩa kiểm định F 0.009414
dU < D < 4 – dU: không có tự tương quan bậc nhất Do còn 10 quan sát nên:
dL = 0,879; dU = 1,320; 4- dU = 4 – 1,320 = 2,68
dL <D = 1.1418 < dU nên không kết luận được có hiện tượng tự tương quan hay không.
Ta xây dựng được mô hình dự báo:
LOG(ATM1) = -0,144805 + 1,968908*LOG (GDPTM 1) LOG(ATM1) = LOG(ATM) – 0,6853375*LOG(ATM (-1))
-0,144805 + 1,968908*LOG (GDPTM 1) = LOG(ATM) – 0,6853375*LOG(ATM (-1))
LOG(ATM) = -0,144805 + 1,968908*LOG (GDPTM 1) + 0,6853375*LOG(ATM (-1))