4. Phương pháp nghiên cứu:
3.2.4 Xây dựng mô hình dự báo
3.2.4.1 Mô hình tuyến tính
+ Dự báo nhu cầu tiêu thụ điện năng cho ngành công nghiệp:
Mô hình dự báo tuyến tính có dạng:
Acn = βo + β1*GDPcn + β2*Pcn + β3*Acn-năm trước + 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 phân mềm eviews:
Hình 3. 4 Kết quả chạy Eviews mô hình tuyến tính cho ngành công nghiệp
Sau khi chạy eviews, ta xây dựng được mô hình sau:
Acn = 37043439 + 50.56037*GDPcn – 49943.27*Pcn + 0.962521*Acn-năm trước
Theo mô hình ta thấy, hệ số của biến GDP và điện năng tiêu thụ năm trước của ngành công nghiệp mang dấu dương, còn hệ số của biến giá điện năng của ngành mang dấu âm. Tức là, khi biến GDP và điện năng tiêu thụ năm trước của ngành công nghiệp tăng thêm 1 đơn vị thì biến nhu cầu tiêu thụ điện năng của ngành tăng thêm tương ứng là 50.56037 đơn vị và 0.962521 đơn vị, còn khi giá điện năng của ngành công nghiệp tăng thêm 1 đơn vị thì điện năng tiêu thụ của ngành sẽ giảm đi 49943.27 đơn vị. Nên mối quan hệ của GDP và điện năng tiêu thụ năm trước ngành công nghiệp với điện năng tiêu thụ của ngành là mối quan hệ đồng biến, còn giá điện năng của ngành có mối quan hệ nghịch biến với điện năng tiêu thụ của ngành công nghiệp.
Như vậy, mối quan hệ của GDP, điện năng tiêu thụ năm trước và giá điện năng của ngành với tiêu thụ điện năng của ngành là phù hợp với lý thuyết kinh tế.
Hệ số R2:
R2 = 0.9554 95.54% sự thay đổi của các biến độc lập sẽ được giải thích bằng hàm hồi quy đã xây dựng ở trên.
Kiểm định T:
Mệnh đề kiểm định H0 : βj = 0 H1 : βj≠ 0
- Cách 1: Đây là cách kiểm định truyền thống: Dựa vào mức ý nghĩa α cho trước, tra bảng ta sẽ có giá trị phân vị tα/2n-k , từ đó sẽ xác định miền bác bỏ tương ứng. Đến đây, ta chỉ việc so sánh giá trị t quan sát ( t-statistic) tương ứng với giá trị phân vị tα/2n-k , xem có nằm trong miền bác bỏ hay không và đưa ra kết luận cụ thể.
Mệnh đề kiểm định :H0 : βj = 0 H1 : βj≠ 0 Tiêu chuẩn kiểm định:
~ ( ) j n k j t T Se β β ∧ − ∧ = Trong đó: n là số quan sát
k là số biến đưa vào mô hình → tGDPcn = 0.956513 tPcn = -1.065032 tAcn-nămtrước = 4.924609 Với mức ý nghĩa α = 0,05 → tα/2n-3 = t0,02516 = 2.120 Miền bác bỏ Wα: Wα = { t/ |t| > 2.120} → tAcn-nămtrước∈ Wα tGDPcn, tPcn ∉ Wα
→ Biến điện năng tiêu thụ năm trước của ngành công nghiệp ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành, còn GDP và giá điện năng của ngành công nghiệp không ảnh hưởng đến nhu cầu cầu tiêu thụ điện năng của ngành.
- Cách 2: Với mức ý nghĩa α cho trước, ta so sánh trực tiếp α với giá trị Prob là xác suất xảy ra trường hợp |t| > giá trị của kiểm đinh t. Nếu α > Prob thì ta có thể bác bỏ giả thiết H0 : βj= 0. Từ đó kết luận biến độc lập tương ứng với kiểm định t có ảnh hưởng đến biến phụ thuộc.
Với mức ý nghĩa α = 0,05, ta thấy: Prob(tGDPcn) = 0,3550 > α Prob(tPcn) = 0,3049 > α Prob(tAcn-nămtrước)=0,0002 < α
→ Biến điện năng tiêu thụ năm trước của ngành công nghiệp ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành, GDP và giá điện năng của ngành công nghiệp không ảnh hưởng đến nhu cầu cầu tiêu thụ điện năng của ngành.
Do biến GDPcn, Pcn không ảnh hưởng tới nhu cầu điện năng của ngành công nghiệp, nên ta loại bỏ biến GDPcn, Pcn ra khỏi mô hình dự báo và xây dựng lại mô hình bằng phần mềm eviews:
Hình 3. 5 Kết quả chạy Eviews mô hình tuyến tính cho ngành công nghiệp sau khi loại biến
Sau khi chạy eviews, ta xây dựng được mô hình sau: Acn = 3989872 + 1.013651* Acn-năm trước
Theo mô hình ta thấy, hệ số của biến điện năng tiêu thụ ngành công nghiệp năm trước mang dấu dương. Tức là, khi biến điện năng tiêu thụ năm trước của ngành công nghiệp tăng thì biến nhu cầu tiêu thụ điện năng của ngành cũng tăng.
Như vậy, mối quan hệ giữa điện năng tiêu thụ năm trước của ngành công nghiệp và tiêu thụ điện năng của ngành là phù hợp với lý thuyết kinh tế.
Hệ số R2:
R2 = 0.9519 95.19% sự thay đổi của các biến độc lập sẽ được giải thích bằng hàm hồi quy đã xây dựng ở trên.
Kiểm định T:
H1 : βj≠ 0
Với mức ý nghĩa α = 0,05, ta thấy: Prob(tAcn-nămtrước)=0,0000 < α
→ Biến điện năng tiêu thụ điện năng năm trước của ngành công nghiệp ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành.
Kiểm định F:
Giả thiết Ho: β2 = . . . = βk = 0 H1: có ít nhất một βj≠ 0
Với mức ý nghĩa α cho trước, ta so sánh trực tiếp α với giá trị Prob tương ứng của kiểm định F. Nếu α > Prob thì ta có thể bác bỏ giả thiết H0. Từ đó, ta đưa ra kết luận cụ thể.
Với mức ý nghĩa α = 0,05, ta thấy Prob(F-statistic) = 0,0000 < α
Như vậy, biến điện năng tiêu thụ năm trước của ngành công nghiệp ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành công nghiệp.
Như vậy, mô hình đã xây dựng được ở trên đã thỏa mãn các kiểm định nên ta chấp nhận mô hình trên là:
Acn = 3989872 + 1.013651* Acn-năm trước
+ Dự báo nhu cầu tiêu thụ điện năng cho ngành Nông, lâm và thuỷ sản:
Mô hình dự báo tuyến tính có dạng:
Ann = βo + β1*GDPnn + β2*Pnn + β3*Ann-năm trước + 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 phân mềm eviews:
Hình 3. 6 Kết quả chạy Eviews mô hình tuyến tính cho ngành nông nghiệp
Sau khi chạy eviews, ta xây dựng được mô hình sau:
Ann = -404520.8 – 0.096262*GDPnn + 718.6484*Pnn + 0.648318*Ann-năm trước
Theo mô hình ta thấy, hệ số của biến giá điện năng và điện năng tiêu thụ năm trước của ngành nông nghiệp mang dấu dương, còn hệ số của biến GDP của ngành mang dấu âm. Tức là, khi biến giá điện năng và điện năng tiêu thụ năm trước của ngành nông nghiệp tăng thêm 1 đơn vị thì biến nhu cầu tiêu thụ điện năng của ngành tăng thêm tương ứng là 718.6484đơn vị và 0.648318 đơn vị, còn khi GDP của ngành nông nghiệp tăng thêm 1 đơn vị thì điện năng tiêu thụ của ngành sẽ giảm đi 0.096262 đơn vị. Nên mối quan hệ của giá điện năng và điện năng tiêu thụ năm trước ngành nông nghiệp với điện năng tiêu thụ của ngành là mối quan hệ đồng biến, còn GDP của ngành có mối quan hệ nghịch biến với điện năng tiêu thụ của ngành nông nghiệp.
Như vậy, mối quan hệ giữa điện năng tiêu thụ năm trước của ngành nông nghiệp với tiêu thụ điện năng của ngành là phù hợp với lý thuyết kinh tế, còn mối quan hệ của GDP và giá điện năng của ngành với tiêu thụ điện năng của ngành là không phù hợp với lý thuyết kinh tế.
Vậy trước tiên ta loại bỏ biến Pnn ra khỏi mô hình dự báo và xây dựng lại mô hình bằng phần mềm eviews:
Hình 3. 7 Kết quả chạy Eviews mô hình tuyến tính cho ngành nông nghiệp sau khi loại biến
Sau khi chạy eviews, ta xây dựng được mô hình sau:
Ann = – 240860.3 + 0.297719*GDPnn + 0.875255*Ann-năm trước
Theo mô hình ta thấy, hệ số của biến GDP và điện năng tiêu thụ ngành nông nghiệp năm trước mang dấu dương. Tức là, khi biến GDP và điện năng tiêu thụ năm trước của ngành nông nghiệp tăng thì biến nhu cầu tiêu thụ điện năng của ngành cũng tăng.
Như vậy, mối quan hệ giữa GDP và điện năng tiêu thụ năm trước của ngành nông nghiệp và tiêu thụ điện năng của ngành là phù hợp với lý thuyết kinh tế.
Hệ số R2:
R2 = 0.7926 79.26% sự thay đổi của các biến độc lập sẽ được giải thích bằng hàm hồi quy đã xây dựng ở trên.
Kiểm định T:
Mệnh đề kiểm định H0 : βj = 0 H1 : βj≠ 0
Với mức ý nghĩa α cho trước, ta so sánh trực tiếp α với giá trị Prob là xác suất xảy ra trường hợp |t| > giá trị của kiểm đinh t. Nếu α > Prob thì ta có thể bác bỏ giả thiết H0 :
βj= 0. Từ đó kết luận biến độc lập tương ứng với kiểm định t có ảnh hưởng đến biến phụ thuộc.
Với mức ý nghĩa α = 0,05, ta thấy: Prob(tGDPnn)=0,0479 < α Prob(tAnn-nămtrước)=0,0002 < α
→ Biến GDP và điện năng tiêu thụ năm trước của ngành nông nghiệp ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành.
Kiểm định F:
Giả thiết Ho: β2 = . . . = βk = 0 H1: có ít nhất một βj≠ 0
Với mức ý nghĩa α cho trước, ta so sánh trực tiếp α với giá trị Prob tương ứng của kiểm định F. Nếu α > Prob thì ta có thể bác bỏ giả thiết H0. Từ đó, ta đưa ra kết luận cụ thể.
Với mức ý nghĩa α = 0,05, ta thấy Prob(F-statistic) = 0,0007 < α
Như vậy, có ít nhất một trong hai biến GDP và điện năng tiêu thụ năm trước của ngành nông nghiệp ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành.
Kiểm định d _ Durbin-Watson:
Theo kết quả chạy eviews, ta có giá trị d = 1,691054
Với số mẫu quan sát n = 19 và số biến độc lập k’ = 2 , tra bảng giá trị dU và dL của thống kê Durbin-Watson với mức ý nghĩa 5%, ta có dL= 1.074 và dU=1,536
d ∈ [dU ; 4-dU]
Mô hình trên không xảy ra hiện tượng tương quan giữa các biến.
Như vậy, mô hình đã xây dựng được ở trên đã thỏa mãn các kiểm định nên ta chấp nhận mô hình trên là:
Ann = – 240860.3 + 0.297719*GDPnn + 0.875255*Ann-năm trước
+ Dự báo nhu cầu tiêu thụ điện năng cho ngành Thương mại – dịch vụ:
Mô hình dự báo tuyến tính có dạng:
Atm = βo + β1*GDPtm + β2*Ptm + β3*Atm-năm trước + 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 phân mềm eviews:
Hình 3. 8 Kết quả chạy Eviews mô hình tuyến tính cho ngành thương mại dịch vụ
Sau khi chạy eviews, ta xây dựng được mô hình sau:
Atm = - 1901335 – 0.213743*GDPtm + 1831.903*Ptm + 0.968806*Atm-năm trước
Theo mô hình ta thấy, hệ số của biến giá điện năng và điện năng tiêu thụ năm trước của ngành thương mại dịch vụ mang dấu dương, còn hệ số của biến GDP của ngành mang dấu âm. Tức là, khi biến giá điện năng và điện năng tiêu thụ năm trước của ngành thương mại dịch vụ tăng thêm 1 đơn vị thì biến nhu cầu tiêu thụ điện năng của ngành tăng thêm tương ứng là 1831.903 đơn vị và 0.968806 đơn vị, còn khi GDP của ngành thương mại dịch vụ tăng thêm 1 đơn vị thì điện năng tiêu thụ của ngành sẽ giảm đi 0.213743 đơn vị. Nên mối quan hệ của giá điện năng và điện năng tiêu thụ năm trước ngành thương mại dịch vụ với điện năng tiêu thụ của ngành là mối quan hệ đồng biến, còn GDP của ngành có mối quan hệ nghịch biến với điện năng tiêu thụ của ngành thương mại dịch vụ.
Như vậy, mối quan hệ giữa điện năng tiêu thụ năm trước của ngành thương mại dịch vụ với tiêu thụ điện năng của ngành là phù hợp với lý thuyết kinh tế, còn mối quan hệ của GDP và giá điện năng của ngành với tiêu thụ điện năng của ngành là không phù hợp với lý thuyết kinh tế.
Vậy ta loại bỏ biến GDPtm, Ptm ra khỏi mô hình dự báo và xây dựng lại mô hình bằng phần mềm eviews:
Hình 3. 9 Kết quả chạy Eviews mô hình tuyến tính cho ngành thương mại dịch vụ sau khi loại biến
Sau khi chạy eviews, ta xây dựng được mô hình sau: Atm = 198106.7 + 1.099621* Atm-năm trước
Theo mô hình ta thấy, hệ số của biến điện năng tiêu thụ ngành thương mại dịch vụ năm trước mang dấu dương. Tức là, khi biến điện năng tiêu thụ năm trước của ngành thương mại dịch vụ tăng thì biến nhu cầu tiêu thụ điện năng của ngành cũng tăng.
Như vậy, mối quan hệ giữa điện năng tiêu thụ năm trước của ngành thương mại dịch vụ và tiêu thụ điện năng của ngành là phù hợp với lý thuyết kinh tế.
Hệ số R2:
R2 = 0.9872 98.72% sự thay đổi của các biến độc lập sẽ được giải thích bằng hàm hồi quy đã xây dựng ở trên.
Kiểm định T:
Mệnh đề kiểm định H0 : βj = 0 H1 : βj≠ 0
Với mức ý nghĩa α = 0,05, ta thấy: Prob(tAcn-nămtrước)=0,0000 < α
→ Biến điện năng tiêu thụ điện năng năm trước của ngành thương mại dịch vụ ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành.
Giả thiết Ho: β2 = . . . = βk = 0 H1: có ít nhất một βj≠ 0
Với mức ý nghĩa α cho trước, ta so sánh trực tiếp α với giá trị Prob tương ứng của kiểm định F. Nếu α > Prob thì ta có thể bác bỏ giả thiết H0. Từ đó, ta đưa ra kết luận cụ thể.
Với mức ý nghĩa α = 0,05, ta thấy Prob(F-statistic) = 0,0000 < α
Như vậy, biến điện năng tiêu thụ năm trước của ngành thương mại dịch vụ ảnh hưởng đến nhu cầu tiêu thụ điện năng của ngành.
Kiểm định d _ Durbin-Watson:
Theo kết quả chạy eviews, ta có giá trị d = 1.788915
Với số mẫu quan sát n = 19 và số biến độc lập k’ = 1 , tra bảng giá trị dU và dL của thống kê Durbin-Watson với mức ý nghĩa 5%, ta có dL= 1.180 và dU=1.1401
d ∈ [dU ; 4-dU]
Mô hình trên không xảy ra hiện tượng tương quan giữa các biến.
Như vậy, mô hình đã xây dựng được ở trên đã thỏa mãn các kiểm định nên ta chấp nhận mô hình trên là:
Atm = 198106.7 + 1.099621* Atm-năm trước
+ Dự báo nhu cầu tiêu thụ điện năng cho Dân dụng sinh hoạt:
Mô hình dự báo tuyến tính có dạng:
Ash = βo + β1*GDPsh + β2*DS + β3* Psh + 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 phân mềm eviews:
Hình 3. 10 Kết quả chạy Eviews mô hình tuyến tính cho Dân dụng sinh hoạt
Sau khi chạy eviews, ta xây dựng được mô hình sau:
Ash = – 352024388 + 4.361590*GDP + 400.6798*DS + 36767.11* Psh
Theo mô hình ta thấy, hệ số của biến GDP toàn tỉnh, dân số của tỉnh và giá điện năng của dân dụng sinh hoạt đều mang dấu dương, Tức là, khi GDP toàn tỉnh, dân số của tỉnh và giá điện của dân dụng sinh hoạt tăng thì điện năng tiêu thụ dùng cho dân dụng sinh hoạt cũng tăng.
Như vậy, mối quan hệ giữa GDP toàn tỉnh, dân số với điện năng tiêu thụ của dân dụng sinh hoạt là phù hợp với lý thuyết kinh tế, còn mối quan hệ của giá điện năng với tiêu thụ điện năng của dân dụng sinh hoạt là không phù hợp với lý thuyết kinh tế.
Vậy trước tiên ta loại bỏ biến Psh ra khỏi mô hình dự báo và xây dựng lại mô hình bằng phần mềm eviews:
Hình 3. 11 Kết quả chạy Eviews mô hình tuyến tính cho Dân dụng sinh hoạt sau khi loại biến
Sau khi chạy eviews, ta xây dựng được mô hình sau: Ash = – 352000000 + 8.527055*GDP + 416.2326*DS
Theo mô hình ta thấy, hệ số của biến GDP và dân số toàn tỉnh mang dấu dương. Tức là, khi biến GDP và dân số toàn tỉnh tăng thì nhu cầu tiêu thụ điện năng của ngành cũng tăng.
Như vậy, mối quan hệ giữa GDP và dân số toàn tỉnh và tiêu thụ điện năng của