Đề tài Mối quan hệ giữa GDP với công nghiệp và xây dựng, dịch vụ

y nhiều biến ( một hay nhiều chỉ tiêu ). 1.1.2. Mẫu Mẫu là một bộ phận của tổng thể nghiên cứu được chọn một cách ngẫu nhiên để quan sát và suy rộng cho tổng thể đó. 1.1.3. Bảng thống kê Bảng thống kê là một hình thức trình bày số liệu thống kê và thông tin đã thu thập làm cơ sở phân tích và kết luận. Bảng thống kê cũng là bảng để trình bày kết quả đã được phân tích, nhờ nó các nhà quản trị có thể nhận xét tổng quan về những vấn đề nghiên cứu. 1.2. PHƯƠNG PHÁP HỒI QUY VÀ TƯƠNG QUAN Mục đích của phương pháp hồi quy tương quan là ước lượng mức độ liên hệ (tương quan) giữa các biến độc lập (các biến giải thích) đến biến phụ thuộc (biến được giải thích), hoặc ảnh hưởng của các biến độc lập với nhau (các yếu tố nguyên nhân). Phương pháp này được ứng dụng trong kinh doanh và kinh tế để phân tích mối liên hệ giữa hai hay nhiều biến ngẫu nhiên. 1.2.1. Hệ số tương quan Hệ số tương quan đo lường mức độ quan hệ tuyến tính giữa hai biến; chính xác hơn là quan hệ tuyến tính giữa hai biến, không phân biệt biến này phụ thuộc vào biến kia. Hệ số tương quan mẫu (r): ð Hệ số tương quan (r) luôn luôn biến động trong khoảng 1 (-1 ≤ r ≤ 1), nếu hệ số tương quan (r) dương cho biết X và Y biến động cùng chiều và âm thì ngược lại. Để biểu hiện mức độ chặt chẽ của mối liên hệ giữa các biến ta có các nhận xét sau: r = 1: Mối liên hệ giữa các biến hoàn toàn chặt chẽ. r = 0 : Giữa các biến không có mối liên hệ. 1.2.2. Mô hình hồi quy tuyến tính Mục tiêu phân tích của mô hình này là xét mối liên hệ tuyến tính giữa một hay nhiều biến độc lập Xi (Xi: còn được gọi là biến giải thích) đến một biến phụ thuộc Yi(Y: biến được giải thích). 1.2.2.1. Hồi quy tuyến tính một chiều Phương trình hồi quy tuyến tính một chiều: yi=α +βxi+εi Theo phương pháp bình phương bé nhất thì ước lượng các hệ số α và β là các giá trị a và b sao cho tổng bình phương sai số của phương trình sau đây là bé nhất: Các hệ số a và b được tính như sau: Suy ra: a = Và đường hồi quy tuyến tính mẫu của y trên x là: y = a + bx 1.2.2.2. Hồi quy nhiều chiều (hồi quy tuyến tính bội) Phương trình hồi quy nhiều chiều: y = a + b1x1 + b2x2 +….+ bkxk Phương trình này sẽ được suy rộng cho tổng thể có biến phụ thuộc Y và các biến độc lập X1, X2,…Xk. Hệ số xác định R2: R2 là tỷ lệ (hay phần trăm) biến động của biến phụ thuộc (y) được giải thích bởi các biến độc lập xi. Hệ số xác định được tính như sau: 0 ≤ R2 ≤ 1 : Error Sum of Squares : Regression sum of Squares : Total sum of Squares Hệ số tương quan bội R: R nói lên tính chặt chẽ của mối liên hệ giữa biến phụ thuộc (y) và các biến độc lập (x1): (-1 ≤ R ≤ 1) Tỷ số F = MSR/MSE trong bảng kết quả: Dùng để so sánh với F trong bảng phân phối F ở mức ý nghĩa α. Tuy nhiên, cũng trong bảng kết quả ta có giá trị Significane F, giá trị này cho ta kết luận ngay mô hình hồi qui có ý nghĩa khi nó nhỏ hơn mức ý nghĩa α nào đó (thay vì phải tra bảng phân phối F, và giá trị Sig). F cũng là cơ sở để quyết định bác bỏ hay chấp nhận giả thuyết H0 trong kiểm định bao quát các tham số của mô hình hồi qui. Nói chung F càng lớn, khả năng bác bỏ giả thuyết H0 càng cao – giả thuyết Ho cho rằng tất cả các tham số hồi qui đều bằng 0, nghĩa là các biến độc lập (xi) không liên quan tuyến tính tới biến phụ thuộc y. Ý nghĩa các hệ số hồi quy trong mô hình: Các hệ số hồi quy của từng biến độc lập đo lường sự thay đổi trong giá trị trung bình Y khi Xk thay đổi đơn vị, giữa các biến độc lập còn lại không đổi. Nói cách khác, nó cho biết ảnh hưởng thuần của các thay đổi một đơn vị trong Xk đối với giá trị trung bình của biến phụ thuộc Y khi loại trừ ảnh hưởng của các biến độc lập khác. Trong hồi quy tuyến tính bội, để đánh giá đóng góp thật sự của một biến đối với thay đổi trong Y thì bằng cách nào đó ta phải kiểm soát được ảnh hưởng của các biến khác. Hệ số beta: Vì độ lớn của các hệ số phụ thuộc vào đơn vị đo lường của các biến nên chỉ khi nào tất cả các biến độc lập đều có cùng đơn vị đo lường thì các hệ số của chúng mới có thể so sánh trực tiếp với nhau. Một cách để làm cho các hệ số hồi quy có thể so sánh được với nhau là tính trọng số beta, đó là hệ số của biến độc lập khi tất cả dữ liệu trên các biến được biểu diễn bằng đơn vị đo lường độ lệch chuẩn. Hệ số beta được tính trực tiếp từ hệ số hồi quy như sau: Trong đó Sk là độ lệch chuẩn của biến độc lập thứ k. 1.2.2.3. Kiểm định trênh tất cả các tham số của một mô hình hồi quy Xét mô hình nhiều chiều sau:y=α + β1x1 + β2x2 + β3x3 + ε Giả thuyết: H0: β1 = β2 = βk = 0 (các xi không ảnh hưởng đến y) H1: Có ít nhất một tham số β1 ≠ 0 Giả thuyết H0 có thể kiểm định dựa trên số thống kê: Bác bỏ giả thuyết H0 khi: F >Fk,n-k,α Phần kiểm định ta cũng có thể tính trực tiếp dựa vào hệ số xác định R2 vì: 1.3. DÃY SỐ THỜI GIAN 1.3.1. Khái niệm Các hiện tượng kinh tế - xã hội luôn luôn biến động qua thời gian. Để nghiên cứu sự biến động này người ta dung phương pháp dãy số thời gian. Dãy số thời gian là dãy các trị số của một chỉ tiêu nào đó được sắp xếp theo thứ tự thời gian. 1.3.2. Phân loại Căn cứ vào đặc điểm về mặt thời gian, người ta thường chia dãy số thời gian thành 2 loại: Dãy số thời kỳ: là dãy số biểu hiện sự thay đổi của hiện tượng qua từng thời kỳ nhất định. Dãy số thời điểm: là dãy số biểu hiện mặt lượng của hiện tượng vào một thời điểm nhất định. Một cách chi tiết hơn, dãy số thời điểm còn có thể được chia thành dãy số thời điểm có khoảng cách thời gian bằng nhau và dãy số thời điểm có khoảng cách thời gian không bằng nhau. 1.3.3. Ý nghĩa của việc nghiên cứu dãy số thời gian Phương pháp phân tích một dãy số thời gian dựa trên một giả định căn bản là: sự biến động trong tương lai của hiện tượng nói chung sẽ giống với sự biến động của hiện tượng trong quá khứ và hiện tại, xét về mặt đặc điểm và cường độ biến động. Nói một cách khác, các yếu tố đã ảnh hưởng đến biến động của hiện tượng trong quá khứ và hiện tại được giả định trong tương lai sẽ tiếp tục tác động đến hiện tượng theo xu hướng và cường độ giống hoặc gần giống như trước. Do vậy, mục tiêu chính của việc phân tích dãy số thời gian là chỉ ra và tách biệt các yếu tố đã ảnh hưởng đến dãy số. Điều đó có ý nghĩa trong việc dự đoán cũng như nghiên cứu quy luật biến động của hiện tượng. Tất nhiên, giả định nói trên có nhược điểm, nó thường bị phê bình là quá ngây thơ và máy móc vì đã không xem xét đến sự thay đổi về kỹ thuật, thói quen, nhu cầu hoặc sự tích lũy kinh nghiệm trong kinh doanh…. Phương pháp phân tích dãy số thời gian cung cấp những thông tin hữu ích cho các nhà kinh doanh trong việc dự đoán cũng như xem xét chu kỳ biến động của hiện tượng. Nếu biết kết hợp các phương pháp phân tích thống kê khác cộng với bản lĩnh, kinh nghiệm và sự nhạy bén trong kinh doanh, phương pháp dãy số thời gian sẽ là một công cụ đắc lực cho các nhà quản lý trong việc ra quyết định. Các yếu tố ảnh hưởng đến biến động của dãy số thời gian Biến động của một dãy số thời gian: x1, x2,…, xn thường được xem như là kết quả hợp thành của các yếu tố sau đây: Tính xu hướng Quan sát số liệu thực tế của hiện tượng trong một thời gian dài, ta thấy biến động của hiện tượng theo một chiều hướng rõ rệt. Nguyên nhân của loại biến động này là sự thay đổi trong công nghệ sản xuất, gia tăng dân số,biến động về tài sản,…. Tính chu kỳ Biến động của hiện tượng được lặp lại với một chu kỳ nhất định, thường kéo dày từ 2 – 10 năm, trải qua 4 giai đoạn: phục hồi và phát triển, thịnh vượng, suy thoái và đình truệ. Biến động của chu kỳ là do tác động tổng hợp của nhiều yếu tố khác nhau. Tính thời vụ Biến động của một số hiện tượng kinh tế - xã hội mang tính thời vụ, nghĩa là hàng năm, vào những thời điểm nhất định, biến động của hiện tượng được lặp di lặp lại. Tính ngẫu nhiên hay bất thường (Irregular component) Biến động không có quy luật và hầu như không thể dự đoán được. Loại biến động này thường xảy ra trong một thời gian ngắn và không lặp lại, do ảnh hưởng của các biến cố chính trị, thiên tai, chiến tranh… Một cách tổng quát, giá trị xi trong dãy số thời gian x1, x2,…,xn có thể được diễn tả bằng công thức như sau: Xi = Ti . Ci .Si . Ii Xi : giá trị thứ i của dãy số thời gian. Ti : giá trị của yếu tố xu hướng. Ci : giá trị của yếu tố chu kỳ. Si : giá trị của yếu tố thời vụ. Ii : giá trị của yếu tố ngẫu nhiên (bất thường). 1.3.5. Các chỉ tiêu cơ bản dùng để phân tích dãy số thời gian a. Mức độ trung bình theo thời gian Là số trung bình của các mức độ trong dãy số. Chỉ tiêu này biểu hiện mức độ chung nhất của hiện tượng trong thời kỳ nghiên cứu. Ký hiệu : x1, x2,…,xn : Dãy số thời gian. : Mức độ trung bình. Mức độ trung bình của dãy số thời kỳ Mức độ trung bình của dãy số thời điểm: Có hai trường hợp: Khoảng cách thời gian giữa các thời điểm bằng nhau: Nếu khoảng cách thời gian giữa các thời điểm không bằng nhau: Tùy theo đặc điểm của thông tin ta áp dụng một trong hai công thức: xi : mức độ thứ i. ti : độ dài thời gian có mức độ xi. hoặc : : giá trị trung bình thứ i. b. Lượng tăng (giảm) tuyệt đối Là chỉ tiêu biểu hiện sự thay đổi về giá trị tuyệt đối của hiện tượng giữa hai thời kỳ hoặc thời điểm nghiên cứu. Tùy theo mục đích nghiên cứu, ta có: Lượng tăng (giảm) tuyệt đối từng kỳ (liên hoàn): Biểu hiện lượng tăng (giảm) tuyệt đối giữa hai thời kỳ kế tiếp nhau. Lượng tăng (giảm) tuyệt đối định gốc: Biểu hiện lượng tăng (giảm) tuyệt đối giữa kỳ nghiên cứu và kỳ được chọn làm gốc. Giữa lượng tăng (giảm) tuyệt đối từng kỳ và định gốc có mối quan hệ sau. Tổng đại số các lượng tăng (giảm) tuyêt đối từng kỳ bằng lượng tăng (giảm) tuyệt đối định gốc, nghĩa là: Lượng tăng (giảm) tuyệt đối trung bình : Chỉ tiêu này biểu hiện một cách chung nhất lượng tăng (giảm) tuyệt đối, tính trung bình cho cả thời kỳ nghiên cứu. Chỉ tiêu này chỉ có ý nghĩa khi các lượng tăng (giảm) tuyệt đối từng kỳ xấp xỉ nhau. c. Tốc độ phát triển (lần, %) Là chỉ tiêu biểu hiện sự biến động của hiện tượng xét về mặt tỷ lệ. Tùy theo mục đích nghiên cứu, ta có các loại tốc độ phát triển sau đây: Tốc độ phát triển từng kỳ (liên hoàn) : Biểu hiện sự biến động về mặt tỷ lệ của hiện tượng giữa hai kỳ liền nhau. Tốc độ phát triển định gốc : Biểu hiện sự biến động về mặt tỷ lệ của hiện tượng giữa kỳ nghiên cứu với kỳ được chọn làm gốc. x1 : kỳ được chọn làm gốc. Mối quan hệ giữa tốc độ phát triển từng kỳ và định gốc. + Tích các tốc độ phát triển từng kỳ bằng tốc độ phát triển định gốc. + Thương của hai tốc độ phát triển định gốc liền nhau bằng tốc độ phát triển từng kỳ. Tốc độ phát triển trung bình : Là chỉ tiêu biểu hiện mức độ chung nhất sự biến động về mặt tỷ lệ của hiện tượng trong suốt thời kỳ nghiên cứu, chỉ tiêu này được tính bằng cách căn bậc (n-1) tích cực tốc độ phát triển liên hoàn mà trong đó n là số mức độ của dãy số. Chỉ tiêu này chỉ có ý nghĩa khi các tốc độ phát triển từng kỳ xấp xỉ nhau, tức là trong suốt thời kỳ nghiên cứu hiện tượng phát triển với một tốc độ tương đối đều. d. Tốc độ tăng (giảm) Thực chất, tốc độ tăng ( giảm) bằng tốc độ phát triển trừ đi 1 (hoặc trừ 100 nếu tính bằng %). Tốc độ tăng (giảm) từng kỳ (hay liên hoàn) Vì Tốc độ tăng (giảm) định gốc: Suy ra: hay Vì : Suy ra : hay Tốc độ tăng (giảm) trung bình : e. Gía trị tuyệt đối của 1% tăng giảm Chỉ tiêu này biểu hiện mối quan hệ giữa chỉ tiêu lượng tăng (giảm) tuyệt đối với chỉ tiêu tốc độ tăng (giảm), nghĩa là tính xem 1% tăng (giảm) của chỉ tiêu ứng với một lượng giá trị tuyệt đối tăng (giảm) là bao nhiêu. Từ công thức ta có: Chỉ tiêu này không tính cho tốc độ tăng (giảm) định gốc vì kết quả luôn luôn bằng x1/100. 1.3.6. Nghiên cứu biến động chu kỳ của dãy số thời gian. Như đã đề cập, dãy các số trung bình di động bao hàm 2 yếu tố: xu hướng và chu kỳ(TC). Do đó, ta có thể xác định chỉ số biến động chu kỳ đối với dãy số bằng cách đem chia các giá trị của dãy số trung bình di động cho các giá trị của yếu tố biến động xu hướng được tính toán từ hàm số. Tuy nhiên, không giống như biến động thời vụ, biến động chu kỳ xảy ra khá phức tạp – đôi khi thất thường – cả về biên độ lẫn chu kỳcuar biến động. Điều đó gây nhiều khó khăn cho việc dự đoán. 1.3.7. Dự đoán biến động của dãy số thời gian. Dự đoán là xác định mức độ có thể xảy ra trong tương lai của hiện tượng. Biết được tương lai của hiện tượng sẽ giúp các nhà quản trị chủ động cũng như có những quyết định đúng trong kinh doanh. Hoạt động trong nền kinh tế thị trường cùng với sự phát triển mạnh mẽ của tiến bộ kỹ thuật khiến cho công tác dự đoán gặp nhiều khó khăn: biến động bất thường, thiếu thong tin,thong tin không đáng tin cậy hoặc không có thông tin…Do vậy, tùy từng vấn đề dự đoán cụ thể, nguồn thong tin cũng như mục tiêu của dự đoán mà chon lựa phương pháp dự đoán thích hợp. Có nhiều phương pháp dự đoán khác nhau. Tuy vậy, nội dung cơ bản của dự đoán thống kê là dựa trên các giá trị đã biết (x1, x2,…, xn). Dự đoán dựa vào dãy số thời gian để phân tích các yếu tố ảnh hưởng đến sự biến động của hiện tượng, thừa nhận rằng những yếu tố đã và đang tác động sẽ vẫn còn tiếp tục tác động đến hiện tượng trong tương lai, xây dựng mô hình để dự đoán các giá trị tương lai chưa biết xn + 1, xn+2,…. a. Dự báo bằng hàm xu hướng Tùy theo tính chất của hiện tượng nghiên cứu hoặc kết hợp với kinh nghiêm ta có thể xây dựng hoặc chọn một hàm số phù hợp biểu hiện sự biến động của hiện tượng qua thời gian. Giả sử ta có một mô hình hồi quy tổng thể có dạng tổng quát như sau: (i=1,2,…,n+1) Có một số mô hình hàm xu hướng sau: Mô hình hàm xu hướng hàm bậc 4: . Hàm xu hướng dạng bậc 3: . Hàm xu hướng dạng bậc 2(Parabol): . Hàm xu hướng dạng bậc 1(hàm tuyến tính): . Hàm xu hướng dạng hàm mũ: . Hàm xu hướng dạng hàm Logarithmic: . Hàm xu hướng dạng hàm lũy thừa: b. Dự đoán vào lượng tăng giảm tuyệt đối trung bình Phương pháp này được sử dụng khhi hiện tượng biến động với một lượng tuyệt đối tương đối đều, nghĩa là các lượng tăng giảm tuyệt đối từng kỳ xấp xỉ bằng nhau. Công thức dự đoán: : Gía trị dự đoán ở thời điểm n+L.(tỷ đồng). yn : giá trị thực tế ở thời điểm n.(tỷ đồng). L: tầm xa dự đoán.(năm). : lượng tăng giảm tuyệt đối trung bình. c. Dự đoán dựa vào tốc độ phát triển trung bình: Phương pháp này thường được sử dụng khi hiện tượng biến động với một nhịp độ tương đối ổn định, nghĩa là tốc độ phát triển từng kỳ xấp xỉ nhau. : Gía trị dự đoán ở thời điểm n+L. yn : giá trị thực tế ở thời điểm n. L: tầm xa dự đoán. : tốc độ phát triển trung bình. CHƯƠNG 2 XÂY DỰNG MÔ HÌNH HỒI QUY XỬ LÝ VÀ PHÂN TÍCH SỐ LIỆU 2.1. BẢNG SỐ LIỆU ĐƯỢC THU THẬP Bảng số liệu được thu thập từ phòng kế toán chi nhánh Mobifone Trà Vinh. Trong đó: Y: Lợi Nhuận thu được X1:Tổng chi phí bán hàng. X2: Tổng chi phí quảng cáo X3: Tổng chi phí quảng lý doanh nghiệp Số liệu nghiên cứu (đơn vị: triệu đồng ): Năm Y X1 X2 X3 2003 1545 135 245 180 2004 1873 155 270 168 2005 1995 195 327 135 2006 1790 140 310 150 2007 2310 210 344 126 2008 2495 220 358 120 2009 2980 255 390 114 2.2. XÂY DỰNG MÔ HÌNH HỒI QUY 2.2.1. Mô hình tổng quát Y = b0 + b1X1 + b2X2 + b3X3 2.2.2. Ý nghĩa các biến Y : là biến phụ thuộc X1, X2, X3 : là biến giải thích. b0 : hệ số chặn b1, b2 , b3 : hệ số góc 2.3. SỰ TƯƠNG QUAN TUYẾN TÍNH 2.3.1. Biểu đồ thể hiện sự tương quan giữa các biến * Biểu đồ thể hiện sự tương quan giữa Y và X1: => Biểu đồ thể hiện mối liên hệ thuận chiều giữa Y và X1, nghĩa là khi X1 tăng thì Y tăng. * Biểu đồ thể hiện mối liên hệ giữa Y và X2: => Biểu đồ thể hiện mối liên hệ tuyến tính và thuận chiều giữa 2 biến Y và X2. Nghĩa là, khi X2 tăng thì Y tăng. 2.3.2. Hệ số tương quan (r): Correlations Y X1 X2 Y Pearson Correlation 1 .997(**) .999(**) Sig. (2-tailed) .000 .000 N 17 17 17 X1 Pearson Correlation .997(**) 1 .993(**) Sig. (2-tailed) .000 .000 N 17 17 17 X2 Pearson Correlation .999(**) .993(**) 1 Sig. (2-tailed) .000 .000 N 17 17 17 ** Correlation is significant at the 0.01 level (2-tailed). Qua phân tích ta thấy rằng: Hệ số tương quan giữa Y và chính nó là 1. Như vậy GDP với chính nó có mối quan hệ rất chặt chẽ. Hệ số tương quan giữa X1 và Y là 0.997. Giá trị này cho thấy rằng giữa GDP và tổng giá trị ngành thu nhập có mối liên hệ thuận khá chặt chẽ. Hệ số tương quan giữa X2 và Y là 0.999. Có nghĩa là giữa GDP và giá trị ngành dịch vụ có mối liên hệ thuận rất chặt chẽ và chặt chẽ nhiều hơn mối quan hệ giữa X1 và Y. Hệ số tương quan tính được từ mẫu là 0.997 và 0.999 trong khi trên thực tế không có mối liên hệ tuyến tính nào trong tổng thể giữa giá trị ngành công nghiệp, xây dựng và GDP,giá trị ngành dịch vụ và GDP là 0.000 nhỏ hơn 0.01. Như vậy nếu ta sử dụng mức ý nghĩa 1% (tức là xác suất chấp nhận giả thuyết sai là 1%) thì giả thuyết hệ số tương quan của tổng thể bằng 0 bị bác bỏ. Tức là Y có liên quan với X1 và X2. 2.2. MÔ HÌNH HỒI QUY BỘI TUYẾN TÍNH Variables Entered/Removed(b) Model Variables Entered Variables Removed Method 1 X2, X1(a) . Enter a All requested variables entered. b Dependent Variable: Y Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 0.9998(a) 0.9997 0.9997 4179.464 a Predictors: (Constant), X2, X1 =0.99989647 => = 0.999792996 Từ bảng Model Summary ta thấy: Hệ số tương quan bội R = 0.99979296 cho thấy sự liên kết giữa GDP với giá trị ngành công nghiệp và dịch vụ và giá thịt là chặt chẽ. Hệ số xác định R2 = 0.99989647 có nghĩa là 99.98% sự thay đổi của GDP là do ảnh hưởng bởi giá trị ngành công nghiệp và dịch vụ. So sánh giữa 2 giá trị R Square và Adjusted R Square ở bảng trên ta thấy Adjusted R Square = 0.99976338 nhỏ hơn, dùng nó đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. ANOVA(b) Model Sum of Squares Df Mean Square F Sig. 1 Regression 1180960310664.752 2 590480155332.376 33803.689 .000(a) Residual 244550887.483 14 17467920.535 Total 1181204861552.235 16 a Predictors: (Constant), X2, X1 b Dependent Variable: Y Đặt giả thuyết H0 là β1 = β2 = 0 (các X1 và X2 không ảnh hưởng đến Y). Từ bảng ANOVA ta thấy giá trị Sig. rất nhỏ cho thấy sẽ an toàn khi bác bỏ giả thuyết H0 cho rằng tất cả hệ số hồi quy bằng 0 (ngoại trừ hằng số), mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được. Nghĩa là, nói chung các biến độc lập có ảnh hưởng tới sự thay đổi của biến phụ thuộc. Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. 95% Confidence Interval for B B Std. Error Beta Lower Bound Upper Bound 1 (Constant) 12497.863 3043.207 4.107 .001 5970.832 19024.894 X1 .952 .073 .413 13.073 .000 .796 1.108 X2 1.572 .084 .588 18.603 .000 1.390 1.753 a Dependent Variable: Y a Dependent Variable: Y Từ bảng trên ta có phương trình hồi quy tuyến tính như sau: Y = 12497.863 + 0.952X1 + 1.572X2 Dấu của hàm hồi quy cho thấy: Kết quả hồi quy phù hợp với lý thuyết kinh tế. Tổng giá trị của nghành công nghiệp và xây dựng tăng thì làm cho GDP tăng. Tổng giá trị của nghành dịch vụ tăng cũng làm cho GDP tăng. Giải thích phương trình: Khi cố định giá (X1), giá trị ngành công nghiệp tăng 1 tỷ đồng dẫn đến GDP tăng 0.952 tỷ đồng/năm. Khi cố định thu nhập (X2), giá trị ngành dịch vụ tăng 1 tỷ đồng dẫn đến GDP tăng 1.572 tỷ đồng/năm. Ngoài hai nhân tố trên, các nhân tố khác làm tăng nhu cầu thịt là 12497.863 tỷ đồng/năm. Giá trị Sig. của biến X1 rất nhỏ cho thấy nó có ý nghĩa trong mô hình, giá trị Sig. của biến X2 khá nhỏ và nhỏ hơn X1 cho thấy nó có ý nghĩa trong mô hình. Nghĩa là X2 ảnh hưởng đến Y nhiều hơn X1. Khoảng tin cậy là 95% cho tỷ lệ tổng thể GDP nói chung trong nền kinh tế quốc dân bị ảnh hưởng bởi ngành công nghiệp, xây dựng và ngành dịch vụ là nằm trong khoảng từ 79,6%. 2.3. PHÂN TÍCH DÃY SỐ THỜI GIAN VÀ DỰ BÁO 2.3.1. Phân tích dãy số thời gian và dự báo giá trị công nghiệp và dich vụ ở nước ta Để xác định hàm số mô tả một cách gần đúng nhất biến động của hiện tượng được thể hiện bằng đồ thị về hàm số xu hướng. Quan sát đồ thị hàm xu hướng bậc 3 ta thấy có hiện tượng tăng dần của ngành công nghiệp và xây dựng. Hàm xu hướng bậc 3 có dạng: yt = b3t3 + b2t2 + b1t + b0 Trong đó: yt: là giá trị dự đoán của ngành công nghiệp và xây dựng trong nước. b0, b1, b2, b3: là tham số. t: là thời gian. Bảng số liệu cảu ngành công nghiệp và xây dựng trong nước từ năm 1990 – 2006 như sau: Năm Gía trị công nghiệp và xây dựng trong nước (tỷ đồng) 1990 9,513 1991 18,252 1992 30,135 1993 40,535 1994 51,540 1995 65,820 1996 80,876 1997 100,595 1998 117,299 1999 137,959 2000 162,220 2001 183,515 2002 206,197 2003 242,126 2004 287,616 2005 344,224 2006 404,753 Năm yi ti ti2 ti3 yi ti y ti2 y ti3 1,990 9,513 -8 64 -512 -76,104 608,832 -4,870,656 1,991 18,252 -7 49 -343 -127,764 894,348 -6,260,436 1,992 30,135 -6 36 -216 -180,810 1,084,860 -6,509,160 1,993 40,535 -5 25 -125 -202,675 1,013,375 -5,066,875 1,994 51,540 -4 16 -64 -206,160 824,640 -3,298,560 1,995 65,820 -3 9 -27 -197,460 592,380 -1,777,140 1,996 80,876 -2 4 -8 -161,752 323,504 -647,008 1,997 100,595 -1 1 -1 -100,595 100,595 -100,595 1,998 117,299 0 0 0 0 0 0 1,999 137,959 1 1 1 137,959 137,959 137,959 2,000 162,220 2 4 8 324,440 648,880 1,297,760 2,001 183,515 3 9 27 550,545 1,651,635 4,954,905 2,002 206,197 4 16 64 824,788 3,299,152 13,196,608 2,003 242,126 5 25 125 1,210,630 6,053,150 30,265,750 2,004 287,616 6 36 216 1,725,696 10,354,176 62,125,056 2,005 344,224 7 49 343 2,409,568 16,866,976 118,068,832 2,006 404,753 8 64 512 3,238,024 25,904,192 207,233,536 Tổng cộng 2,483,175 0 408 0 9,168,330 70,358,654 408,749,976 y = 104t3 + 1,388.3t2 + 17,999t + 112,749 => b3 = 104 b2 = 1,388.3 b1 = 17,999 b0 = 112,749 Hàm số trên có thể dùng để dự đoán được giá trị công nghiệp và cây dựng ở những năm sắp tới. Chẳng hạn như, giá trị công nghiệp và xây dựng trong nước ở năm 2010, 2011, 2012, 2013, 2014, 2015 được dự đoán như sau: Năm Dự đoán dựa vào hàm xu hướng y = 104t3 + 1,388.3t2 + 17,999t + 112,749 Dự đoán dựa vào tốc độ phát triển trung bình Dự đoán dựa vào lượng tăng giảm tuyệt đối trung bình 2010 708,364.2 1,033,185.7 503,563.0 2011 809,846.7 1,305,946.7 528,265.5 2012 922,217.8 1,650,716.6 552,968.0 2013 1,046,101.5 2,086,505.8 577,670.5 2014 1,182,121.8 2,637,343.3 602,373.0 2015 1,330,902.7 3,333,602.0 627,075.5 2.3.2. Phân tích dãy số thời gian và dự báo giá trị dịch vụ Để xác định hàm số mô tả một cách gần đúng nhất biến động của hiện tượng được thể hiện bằng đồ thị về hàm số xu hướng. Quan sát đồ thị hàm xu hướng bậc 3 ta thấy có hiện tượng tăng dần của ngành dịch vụ trong nước. Hàm xu hướng bậc 3 có dạng: yt = b3t3 + b2t2 + b1t + b0 Trong đó: yt: là giá trị dự đoán của ngành công nghiệp và xây dựng trong nước. b0, b1, b2, b3: là tham số. t: là thời gian. Bảng số liệu của ngành công nghiệp và xây dựng trong nước từ năm 1990 – 2006 như sau: Năm Gía trị dịch vụ trong nước (tỷ đồng) 1990 16,190 1991 27,397 1992 42,884 1993 57,828 1994 78,026 1995 100,853 1996 115,646 1997 132,202 1998 150,645 1999 160,260 2000 171,070 2001 185,922 2002 206,182 2003 233,032 2004 271,699 2005 319,003 2006 370,771 Năm yi ti ti2 ti3 yi ti y ti2 y ti3 1990 16,190 -8 64 -512 -129,520 1,036,160 -8,289,280 1991 27,397 -7 49 -343 -191,779 1,342,453 -9,397,171 1992 42,884 -6 36 -216 -257,304 1,543,824 -9,262,944 1993 57,828 -5 25 -125 -289,140 1,445,700 -7,228,500 1994 78,026 -4 16 -64 -312,104 1,248,416 -4,993,664 1995 100,853 -3 9 -27 -302,559 907,677 -2,723,031 1996 115,646 -2 4 -8 -231,292 462,584 -925,168 1997 132,202 -1 1 -1 -132,202 132,202 -132,202 1998 150,645 0 0 0 0 0 0 1999 160,260 1 1 1 160,260 160,260 160,260 2000 171,070 2 4 8 342,140 684,280 1,368,560 2001 185,922 3 9 27 557,766 1,673,298 5,019,894 2002 206,182 4 16 64 824,728 3,298,912 13,195,648 2003 233,032 5 25 125 1,165,160 5,825,800 29,129,000 2004 271,699 6 36 216 1,630,194 9,781,164 58,686,984 2005 319,003 7 49 343 2,233,021 15,631,147 109,418,029 2006 370,771 8 64 512 2,966,168 23,729,344 189,834,752 Tổng cộng 2,639,610 0 408 0 8,033,537 68,903,221 363,861,167 y = 132t3 + 716.28t2 + 14,014t + 138,081 => b3 = 132 b2 = 716.28 b1 = 14,014 b0 = 138,081 Hàm số trên có thể dùng để dự đoán được giá trị dịch vụ trong nước ở những năm sắp tới. Chẳng hạn như, giá trị dịch vụ trong nước ở năm 2010, 2011, 2012, 2013, 2014, 2015 được dự đoán như sau: Năm Dự đoán dựa vào hàm xu hướng y = 132t3 + 716.28t2 + 14,014t + 138,081 Dự đoán dựa vào tốc độ phát triển trung bình Dự đoán dựa vào lượng tăng giảm tuyệt đối