Đề tài Vận dụng phương pháp dãy số thời gian phân tích năng suất lúa tỉnh Trà Vinh giai đoạn 2000-2009 và dự đoán đến năm 2012

Dạng kết hợp nhân phù hợp với biến động thời vụ có biên độ biến đổi tăng: + Dạng kết hợp cộng phù hợp với biến động thời vụ có biến động ít: Biến động thời vụ theo tháng: ( tháng , năm ). Biến động ngẫu nhiên có độ lệch bằng 0: Zt=0 Và ba thành phần được kết hợp theo dạng cộng ta có: Trong thực tế Zt rất khó xác định vì vậy nên ta có: Các tham số a,b,ci được xác định băng phương pháp bình phương nhỏ nhất. Dạng tổng quát: Tháng, quý Năm 1 ...... I ... m j.Tj 1 Y11 ... yil ... ym1 ..... J Y1j ... yij ... ymj ... N y1n ... yin ... ymn Cj Trong đó : 1.4 Dự đoán thống kê . 1.4.1 Khái niệm về dự đoán thống kê 1.4.1.1 Khái niệm Theo nghĩa chung nhất, dự đoán là xây dựng thông tin có cơ sở khoa học về mức độ, trạng thái, các quan hệ, xu hướng phát triển … có trong tương lai của hiện tượng. Dự doán Thống kê là thuật ngữ chỉ một nhóm các phương pháp thống kê để xây dựng các dự đoán số lượng. Đây là sự tiếp tục của quá trình phân tích Thống kê trong đó sự vận dụng các phương pháp sẵn có của thống kê để xây dựng các dự đoán số lượng. Mục đích của dự đoán thống kê ngắn hạn là nhằm đưa ra kết quả từ đó làm căn cứ để tiến hành điều chỉnh lập các hoạt động sản xuất kinh doanh, làm sao cho có hiệu quả nhất và kịp thời nhất. 1.4.1.2 Các loại dư báo, tầm dự báo (thời gian dự báo) Có ba loại: - Dự báo ngắn hạn : dưới 3 năm . - Dự báo trung hạn : từ 3 đến 7 năm . - Dự báo dài hạn : trên 10 năm . Thường thì tầm dự báo càng xa , mức độ chính xác càng kém. Dự đoán thống kê ngắn hạn: là dự đoán quá trình tiếp theo của hiện tượng của những khoảng thời gian tương tương đối ngắn, nối tiếp với hiện tại bằng việc sử dụng những thông tin thống kê và áp dụng những phương pháp thích hợp. 1.4.1.3 Các phương pháp dự đoán Phương pháp chuyên gia: xin ý kiến các chuyên gia về lĩnh vực đó. Trên cơ sở đó sử lý ý kiến và đưa ra dự đoán. Phương pháp hồi qui (phương pháp kinh tế lượng) xác định mô hình hồi qui nhiều biến (x1, x2 ,...,xn ). Phương pháp mô hình hoá dãy số thời gian: 1.4.2 Một số phương pháp dự đoán thống kê ngắn hạn trên cơ sở dãy số thời gian 1.4.2.1 Dự đoán dựa vào lượng tăng hoặc giảm tuyệt đối bình quân Phương pháp này có thể sử dụng khi các lượng tăng (giảm) tuyệt đối liên hoàn xấp xỉ bằng nhau. Mô hình dự đoán tổng quát là: Trong đó: Ŷn+L : giá trị dự đoán ở thời điểm n + L yn : giá trị thực tế ở thời điểm n : lượng tăng (giảm) tuyệt đối trung bình L : tầm xa dự đoán 1.4.2.2 Dự đoán dựa vào tốc độ phát triển trung bình. Phương pháp này được áp dụng khi tốc độ phát triển liên hoàn xấp xỉ nhau. Mô hình của dự đoán theo năm: Trong đó: Ŷn+L: giá trị dự đoán ở thời điểm n + L yn : giá trị thực tế ở thời điểm n : lượng tăng (giảm) tuyệt đối trung bình L : tầm xa dự đoán Trong trường hợp có tài liệu của từng quý ta có thể sử dụng mô hình dự đoán. Trong đó: yi,j: Mức độ dự đoán của quý i(i=) của năm J. Yi : Tổng các mức độ của quý i. 1.4.2.3 Ngoại suy hàm xu hướng Từ chiều hướng biến động thực tế của hiện tượng, xác định hàm số hồi qui: . Căn cứ vào hàm số hồi qui đã xây dựng dự đoán mức độ tương lai của hiện tượng. Công thức dự đoán: 1.4.2.4 Dự đoán dựa vào bảng Buys.Ballot (bảng B.B) Mô hình có dạng: Y=a+b.t+cj Trong đó: a: là tham số tự do. b: hệ số hồi quy cj: hệ số thời vụ 1.4.2.5 Các phương pháp dự báo trung bình Phương pháp này thích hợp với các dự báo cần phải được cập nhật hàng tháng, hàng tuần, hàng ngày đối với hàng trăm, hàng ngàn hạng mục như tồn kho, doanh số. Thường thì rất khó dự báo cho từng hạng mục. Chính vì vậy, các phương pháp dự báo giản đơn, ít tốn kém, và nhanh có thể phát triển các kĩ thuật dự báo phức tạp cho từng hạng mục. Chính vì vậy, các phương pháp dự báo giản đơn, ít tốn kém, và nhanh có thể sẽ hữu hiệu cho mục đích dự báo ngắn hạn này. Trung bình giản đơn Mô hình dự báo trung bình giản đơn có thể được biểu hiện qua công thức đơn giản sau đây: Trong đó, t có thể là quan sát cuối cùng trong mẫu hoặc toàn bộ mẫu dữ liệu quá khứ sẳn có. Khi một quan sát mới được thêm vào, thì giá trị dự báo tiếp theo là , chỉ đơn giản là trung bình của và quan sát mới thêm vào. Cho nên khi cập nhật tin tức thì công thức sẽ được điều chỉnh như sau: Phương pháp này chỉ phù hợp với các chuỗi dữ liệu không có biến động lớn, và thuật ngữ thời gian gọi là có tính dừng. Trung bình di động Phương pháp trung bình di động sử dụng một số quan sát gần nhất làm giá trị dự báo. Phương pháp trung bình động cũng thích hợp với các chuỗi dừng. Với hệ số trượt k, trung bình di động bậc k, ký hiệu là MA(k) được thể hiện theo công thức sau đây: Như vậy, trung bình di động cho giai đoạn là giá trị trung bình số học của k quan sát gần nhất. Trong một giá trị trung bình di động, thì trọng số quan sát của mỗi quan sát đều bằng nhau và bằng 1/k. Trung bình di động kép Phương pháp bình quân di động kép nhằm sử dụng dữ liệu chuỗi thời gian có yếu tố xu thế. Bản thân phương pháp này đã có hàm ý như sau: Bước 1. Tính giá trị bình quân di động cho chuổi dữ liệu gốc (MA). Bước 2. Tính giá trị bình quân di động cho chuỗi bình quân di động thứ nhất (MA’). 1.4.2.6 Dự báo bằng các phương pháp san bằng mũ San mũ đơn Trong khi các phương pháp trung bình di động chỉ quan tâm đến các quan sát gần nhất, thì các phương pháp san mũ đơn lại đưa ra một giá trị trung bình di động với trọng số giảm dần cho tất cả các quan sát trong quá khứ. Mô hình san mũ giản đơn thường phù hợp với loại dữ liệu không thể dự đoán được xu hướng tăng hay giảm. Mục tiêu của phương pháp này là ước lượng giá trị trung bình hiện tại và sử dụng giá trị này làm giá trị dự báo cho tương lai. Phương pháp san mũ vẫn dựa trên cơ sở lấy trung bình tất cả các giá trị quá khứ của chuỗi dữ liệu dưới dạng trọng số giảm dần theo hàm mũ. Quan sát gần nhất (với giá trị dự báo) nhận trọng số anpha ()( với 0<<1) lớn nhất, quan sát tiếp theo nhận trọng số tiếp theo nữa nhận trọng số nhỏ hơn nữa, (1-)2, và cứ tiếp diễn như thế cho đến quan sát cuối cùng trong dữ liệu quá khứ. Cách thể hiện đơn giản nhất của phương pháp này được biểu hiện theo công thức sau đây: Trong đó: = giá trị dự báo (mới) ở giai đoạn t+1 = hệ số san mũ = giá trị quan sát hoặc giá trị thực ở giai đoạn t = giá trị dự báo (cũ) ở giai đoạn t Như vậy, ý tưởng của phương pháp san mũ giản đơn cho rằng giá trị dự báo mới là một giá trị trung bình có trọng số thực tế giữa giá trị thực tế và giá trị dự báo ở giai đoạn t. Một khi đã có hệ số san mũ và giá trị dự báo trước đó thì việc ước lượng giá trị dự báo mới trở nên hết sức dễ dàng. San mũ Holt Khác với san mũ đơn, mô hình san mũ Holt được sử dụng đối với dữ liệu có yếu tố xu thế. Hanke (2005) cho rằng bởi vì hầu hết các chuỗi dữ liệu kinh tế và kinh doanh hiếm khi theo một xu thế cố định, nên chúng ta cần xem xét khả năng mô hình hoá các xu thế mang tính cục bộ và có thể được sử dụng cho dự báo tương lai. Khi chuỗi thời gian có yếu tố xu thế (cục bộ), thì chúng ta cần phải dự báo giá trị trung bình (giá trị san mũ) và độ dốc (xu thế) hiện tại để làm cơ sở cho dự báo tương lai. Ý tưởng cơ bản của phương pháp Holt là sử dụng các hệ số san mũ khác nhau để ước lượng giá trị trung bình và độ dốc của chuỗi thời gian (theo mô hình san mũ giản đơn). Trên cơ sở san mũ giản đơn, các hệ số san mũ này sẽ đưa ra các giá trị ước lượng về mức trung bình và độ dốc ngay khi có sẳn một quan sát mới. Nói cách khác, giá trị trung bình hiện tại vẫn là trung bình với các trọng số giảm dần của tất cả các giá trị trung bình quá khứ; và độ dốc hiện tại sẽ là trung bình với trọng số giảm dần của tất cả các độ dốc quá khứ. Phương trình Holt được thể hiện qua ba phương trình sau đây: 1. Ước lượng giá trị trung bình hiện tại: 2. Ước lượng xu thế (độ dốc): 3. Dự báo p giai đoạn trong tương lai: Trong đó: = Giá trị san mũ mới (hoặc giá trị trung bình hiện tại). = Hệ số san mũ của giá trị trung bình (0<<1). = Giá trị quan sát hoặc giá trị thực tế vào thời điểm t. = Hệ số san mũ của giá trị xu thế (0<<1) = Giá trị ước lượng của xu thế. = Thời đoạn dự báo trong tương lai. = Giá trị dự báo p cho giai đoạn trong tương lai. San mũ Winters San mũ Winters là một phương pháp mở rộng của san mũ Holt đổi với các dữ liệu có chứa các yếu tố mùa. Yếu tố mùa trong chuỗi thời gian có thể thuộc dạng phép cộng hoặc phép nhân. Dạng phép cộng có nghĩa là yếu tố mùa ở các năm khác nhau được lặp đi lặp lại một cách đều đặn. Ngược lại, các dạng phép nhân có yếu tố mùa ở năm sau được lặp đi lặp lại nhưng với một cường độ cao hơn hoặc thấp hơn so với từng mùa năm trước. Mô hình san mũ Winters tổng quát nhất là mô hình dạng nhân tính. Mô hình này được ước lượng thông qua bốn phương trình sau đây: 1. Ước lượng giá trị trung bình hiện tại: 2. Ước lượng giá trị xu thế (độ dốc): 3. Ước lượng giá trị chỉ số mùa: 4. Dự báo p giai đoạn trong tương lai: Trong đó: = Giá trị san mũ mới (hoặc giá trị trung bình hiện tại). = Hệ số san mũ của giá trị trung bình (0<<1). = Giá trị quan sát hoặc giá trị thực tế vào thời điểm t. = Hệ số san mũ của giá trị xu thế (0<<1) = Giá trị ước lượng của xu thế. = Thời đoạn dự báo trong tương lai. S = Độ dài của yếu tố mùa = Giá trị dự báo p cho giai đoạn trong tương lai. CHƯƠNG 2. ĐÁNH GIÁ NĂNG SUẤT LÚA TRÀ VINH GIAI ĐOẠN 2000 - 2009 2.1 Đánh giá khái quát năng suất lúa Trà Vinh trong giai đoạn 2000 - 2009 2.1.1 Hệ thống chỉ tiêu thống kê năng suất lúa Năng suất lúa là lượng sản phẩm lúa thu được tính bình quân trên một đơn vị diện tích gieo trồng trong một thời gian nhất định. Đây là chỉ tiêu chất lượng tổng hợp cho phép đánh giá trình độ thâm canh và khả năng mở rộng diện tích gieo trồng. Gồm những chỉ tiêu cơ bản sau: Năng suất tính cho một ha diện tích gieo trồng trong từng thời vụ. Năng suất tính cho một ha diện tích gieo trồng bình quân trong cả năm. Năng suất tính cho một ha diện tích canh tác trong một năm (năng suất đất). Năng suất tính cho một ha diện tích gieo trồng thực tế có thu hoạch: dùng để xác định năng suất cho chu kỳ sản xuất sau. 2.1.2 Điều tra năng suất lúa Do sản xuất lúa trãi trên diện tích rộng nên muốn nắm bắt được kết quả sản xuất ta phải tiến hành điều tra thống kê bằng phương pháp điều tra chọn mẫu như: - Điều tra chọn mẫu điển hình. - Điều tra chọn mẫu máy móc. - Điều tra chọn mẫu theo hộ. Tổng cục Thống kê chủ trương điều tra năng suất và sản lượng lúa theo phương pháp chọn mẫu thống nhất trong cả nước dưới hình thức “Điều tra thực thu hộ gia đình”. 2.1.3 Công thức tính năng suất lúa Với nguồn số liệu về diện tích gieo trồng và sản lượng lúa đầy đủ ta có thể tính được năng suất lúa theo công thức: Sản lượng lúa cả năm (tạ) Diện tích gieo trồng (ha) Năng suất lúa bình quân cả năm (tạ/ha)= Bảng 2.1 Bảng năng suất lúa cả năm phân theo địa phương (đơn vị:tạ/ha) Năm 2000 2001 2002 2003 2004 2005 2006 2007 2008 Sơ bộ 2009 ĐB sông Cửu Long 42,3 42,2 46,2 46,3 48,7 50,4 48,3 50,7 53,6 52,9 Long An 34,7 36,9 40,1 41,8 43,9 45,1 40,8 45,5 47,7 46,6 Tiền Giang 46,1 46,6 48,5 48,6 50,7 51,7 49,0 52,9 53,9 53,1 Bến Tre 35,2 37,7 39,4 39,9 40,7 40,9 40,6 38,2 45,6 44,7 Trà Vinh 39,9 37,5 42,7 44,3 43,9 44,3 44,3 41,5 47,9 46,4 Vĩnh Long 45,1 42,1 45,9 45,2 46,3 47,9 47,4 51,2 50,5 51,6 Đồng Tháp 46,0 48,1 51,1 50,8 53,4 55,7 53,0 56,9 58,1 58,8 An Giang 46,9 46,0 54,4 53,3 57,5 59,3 58,1 60,4 62,2 60,7 Kiên Giang 42,2 39,7 44,8 44,2 48,0 49,4 46,1 51,1 55,6 54,6 Cần Thơ 45,5 44,3 48,5 47,3 52,0 53,2 51,8 54,4 54,8 54,5 Hậu Giang 47,1 48,6 46,8 45,7 50,3 52,0 Sóc Trăng 43,7 43,7 46,3 46,1 48,4 50,8 49,4 49,2 54,0 53,2 Bạc Liêu 41,1 40,8 40,9 41,7 44,7 46,8 47,0 46,2 49,3 48,5 Cà Mau 34,3 31,8 32,2 33,0 30,7 35,3 34,9 34,1 36,3 36,2 Nguồn: Tổng cục thống kê Qua số liệu bảng 2.1 ta thấy năng suất lúa (2000 – 2009) của các tỉnh An Giang, Đồng Tháp, Cần Thơ, Sóc Trăng, Tiền Giang luôn cao hơn mức bình quân của Đồng bằng sông Cửu Long từ 0,1 tạ đến 9,8 tạ/ha. Có thể nói đây là các tỉnh sản xuất lúa tiêu biểu của Đồng bằng sông Cửu Long. Ngoài ra, ta cũng có thể thấy tỉnh Kiên Giang đang thực sự tăng trưởng vượt bậc, năng suất lúa của tỉnh Kiên Giang cao hơn năng suất lúa bình quân của Đồng bằng sông Cửu Long từ 0,4 – 0,7 tạ/ha trong những năm gần đây (2007 – 2009). Hậu Giang, Vĩnh Long là hai tỉnh có năng suất lúa đạt mức gần như trung bình tương đương với mức năng suất bình quân của cả Đồng bằng sông Cửu Long. Hai tỉnh có mức năng suất lúa đạt thấp nhất so với mức bình quân của Đồng bằng sông Cửu Long có thể nói đến là Cà Mau và Bến Tre mức dao động kém từ 4,5 đến 16,7 tạ/ha. Kế đến là tỉnh Bạc Liêu mức dao động kém từ 1,2 đến 4,4 tạ/ha. Trà Vinh và Long An là hai tỉnh có mức năng suất đạt gần như tương đương nhau. Trong đó, mức dao động kém về năng suất của Long An so với mức bình quân năng suất của Đồng bằng sông Cửu Long từ 4,5 – 7,6 tạ/ha, còn mức dao động kém của Trà Vinh là từ 2 – 9,2 tạ/ha. Như vậy, khi nhìn một cách tổng quát trong giai đoạn từ năm 2000 – 2009, có thể thấy được về năng suất lúa đạt được, Trà Vinh kém hơn so 11 tỉnh trong tổng số 13 tỉnh của Đồng bằng sông Cửu Long. Nguyên nhân có thể là do điều kiện tự nhiên không thuận lợi, trình độ canh tác thấp kém chưa có sự tiến bộ vượt bậc trong sản xuất nông nghiệp. Điều này thực sự đòi hỏi tỉnh Trà Vinh nên có những biện pháp thích hợp nhằm cải thiện tình hình năng suất lúa cho những năm tiếp theo. Hình 2.1 Biểu đồ thể hiện năng suất lúa của tỉnh Trà Vinh so với mức bình quân của Đồng bằng sông Cửu Long 2.2 Phân tích sự biến động của năng suất lúa theo thời gian (2000 – 2009) 2.2.1 Phân tích các chỉ tiêu dãy số thời gian Từ số liệu năng suất lúa tỉnh Trà Vinh ta tính được các chỉ tiêu sau: Bảng 2.2 Các chỉ tiêu dãy số thời gian Năm Năng suất lúa Lượng tăng giảm tuyệt đối liên hoàn Lượng tăng giảm tuyệt đối định gốc Tốc độphát triểnliên hoàn (%) Tốc độphát triểnđịnh gốc (%) Tốc độtăng giảmliên hoàn (%) Tốc độtăng giảmđịnh gốc (%) Giá trịtuyệt đốicủa 1%tăng giảm Yi δi ∆i ti Ti ai Ai gi 2000 39,9 2001 37,5 (2,40) (2,40) 93,98 93,98 (6,02) 92,98 0,40 2002 42,7 5,20 2,80 113,87 107,02 13,87 106,02 0,38 2003 44,3 1,60 4,40 103,75 111,03 3,75 110,03 0,43 2004 43,9 (0,40) 4,00 99,10 110,03 (0,90) 109,03 0,44 2005 44,3 0,40 4,40 100,91 111,03 0,91 110,03 0,44 2006 44,3 0,00 4,40 100,00 111,03 0,00 110,03 0,44 2007 41,5 (2,80) 1,60 93,68 104,01 (6,32) 103,01 0,44 2008 47,9 6,40 8,00 115,42 120,05 15,42 119,05 0,42 Sơ bộ 2009 46,4 (1,50) 6,50 96,87 116,29 (3,13) 115,29 0,48 Từ số liệu trên ta có thể tính các trị số trung bình: Năng suất bình quân 43,27 Lượng tăng giảm tuyệt đối bình quân = 0,72 Tốc độ phát triển bình quân = 1,017 Tốc độ tăng (giảm) trung bình = 0,017 Qua kết quả tính toán trên ta có thể thấy năng suất lúa tỉnh Trà Vinh trong giai đoạn 2000 – 2009 có biến động phức tạp. Hình 2.2 Biểu đồ thể hiện sự biến động của năng suất lúa tỉnh Trà Vinh 2000 - 2009 Năng suất lúa qua các năm có sự biến động liên tục nhưng tỷ lệ tăng (giảm) không đều. Từ hình 2.2 ta có thể thấy năng suất lúa năm 2001 đột ngột giảm so với năm 2000, giảm 2,4 tạ/ha tỉ lệ giảm 6,02%, nhưng vào năm 2002 năng suất lại tăng lên đến 42,7 tạ/ha, tỉ lệ tăng 13,87% và tiếp tục tăng trong năm 2003 (tỷ lệ tăng 3,75% so với năm 2002). Từ hình 2.2 ta dễ dàng thấy từ năm 2003 đến 2006 sự biến động của năng suất lúa trong giai đoạn này là không đáng kể. Có thể nói giai đoạn này năng suất của tỉnh Trà Vinh khá ổn định. Để có thể thấy rõ hơn ta có thể phân tích lượng tăng giảm tuyệt đối định gốc trong giai đoạn này, lượng tăng giảm tuyệt đối định gốc vào năm 2003 là 4,4 tạ/ha, năm 2004 là 4,0 tạ/ha, năm 2005 là 4,4 tạ/ha, năm 2006 là 4,4 tạ/ha, như vậy trong giai đoạn này năng suất lúa rất ổn định. Nhưng vào năm 2007 năng suất lúa đột ngột giảm chỉ còn 41,5 tạ/ha, nhưng nó lại tăng mạnh vào năm sau (tăng 6,4 tạ/ha, tỷ lệ tăng 15,42%). Vào năm 2009 năng suất lúa là 46,4 tạ/ha, giảm nhẹ so với năm 2008 (giảm 3,13%). Về chỉ tiêu tốc độ phát triển ta có thể thấy tốc độ phát triển liên hoàn của các năm khá đều nhưng vào các năm 2000, 2004, 2007 và 2009 tốc độ phát triển rất thấp so với tốc độ phát triển bình quân. Nguyên nhân của tình trạng này có thể do cơ sở vật chất, trình độ chuyên môn của nông dân còn hạn chế. Việt Nam chưa cải thiện được tình hình sản xuất lạc hậu của nước ta, sử dụng sức lao động của con người là chính, còn phụ thuộc quá nhiều nhiều vào thiên nhiên. Để tăng năng suất ta cần hiện đại hóa sản xuất, sử dụng những thiết bị hiện đại vào sản suất, nâng cao trình độ chuyên môn cho nông dân, hạn chế đến mức thấp nhất sự ảnh hưởng của thời tiết đến sản xuất. 2.2.2 Biểu diễn xu hướng phát triển năng suất lúa tỉnh Trà Vinh bằng hàm xu hướng Dùng phần mềm SPSS ta tìm mô hình xu hướng phù hợp nhất: Năm Yi t 2000 39,9 1 2001 37,5 2 2002 42,7 3 2003 44,3 4 2004 43,9 5 2005 44,3 6 2006 44,3 7 2007 41,5 8 2008 47,9 9 Sơ bộ 2009 46,4 10 Với mô hình , ta có kết quả: Model Summary R R Square Adjusted R Square Std. Error of the Estimate 0,760 0,577 0,525 2,093 The independent variable is time. ANOVA Sum of Squares df Mean Square F Sig. Regression 47,880 1 47,880 10,931 0,011 Residual 35,041 8 4,380 Total 82,921 9 The independent variable is time. Coefficients Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta t 0,762 0,230 0,760 3,306 0,011 (Constant) 39,080 1,430 27,334 0,000 Từ kết quả trên ta xây dựng được mô hình đường thẳng sau: Ŷ = 39,08 + 0,762t Sai số chuẩn: SE = 2,093 Sig (b1)=0,011 (nhỏ hơn 0,05), do đó hệ số hồi quy b1 có ý nghĩa thống kê ở độ tin cậy 95%. Hệ số xác định: R2 = 0,577. Điều này cho thấy trong 100% sự biến động của năng suất thì có 57,7% biến động của biến năng suất Y là được giải thích bởi mô hình Ŷ = 39,08 + 0,762t; 42,3% còn lại là do các yếu tố ngẫu nhiên và các yếu tố khác không có trong mô hình. Thống kê F bằng 10,931 với Sig. bằng 0,011 (nhỏ hơn 0,05), điều này cho ta kết luận rằng mô hình này phù hợp với dữ liệu. v Với mô hình , ta có kết quả: Model Summary R R Square Adjusted R Square Std. Error of the Estimate 0,772 0,596 0,480 2,188 The independent variable is time. ANOVA Sum of Squares Df Mean Square F Sig. Regression 49,408 2 24,704 5,160 0,042 Residual 33,513 7 4,788 Total 82,921 9 The independent variable is time. Coefficients Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta t 1,353 1,075 1,350 1,259 0,248 t ** 2 -0,054 0,095 -0,606 -0,565 0,590 (Constant) 37,897 2,573 14,726 0,000 Từ kết quả thu được trên ta thu được mô hình sau: Ŷ = 37,897 + 1,353t – 0,054t2 Sai số chuẩn: SE = 2,188 Sig (b1)=0,248 (lớn hơn 0,05), do đó hệ số hồi quy b1 không có ý nghĩa thống kê ở độ tin cậy 95%. Sig (b2)=0,590 (lớn hơn 0,05), cho nên hệ số hồi quy b2 không có ý nghĩa thống kê ở độ tin cậy 95%. Hệ số xác định: R2 = 0,596. Điều này cho thấy trong 100% sự biến động của năng suất thì có 59,6% biến động của biến năng suất Y là được giải thích bởi mô hình Ŷ = 37,897 + 1,353t – 0,054t2; 40,4% còn lại là do các yếu tố ngẫu nhiên và các yếu tố khác không có trong mô hình. Thống kê F = 5,160 với Sig.= 0,042 (nhỏ hơn 0,05), cho thấy mô hình này vẫn phù hợp với dữ liệu. Tuy nhiên, mức độ phù hợp thực sự rất thấp. v Với mô hình Model Summary R R Square Adjusted R Square Std. Error of the Estimate 0,796 0,634 0,451 2,249 The independent variable is t. ANOVA Sum of Squares df Mean Square F Sig. Regression 52,566 3 17,522 3,463 0,091 Residual 30,355 6 5,059 Total 82,921 9 The independent variable is t. Coefficients Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta T 3,787 3,272 3,777 1,157 0,291 t ** 2 -0,581 0,675 -6,545 -0,861 0,422 t ** 3 0,032 0,040 3,621 0,790 0,460 (Constant) 35,153 4,365 8,053 0,000 Ta có mô hình hàm bậc 3 như sau: Ŷ = 35,153 + 3,787t – 0,581t2 + 0,032t3 Sai số chuẩn: SE = 2,249 Sig (b1)=0,291 (lớn hơn 0,05), do đó hệ số hồi quy b1 không có ý nghĩa thống kê ở độ tin cậy 95%. Sig (b2)=0,422 (lớn hơn 0,05), nên hệ số hồi quy b2 không có ý nghĩa thống kê ở độ tin cậy 95%. Sig (b3)=0,46 (lớn hơn 0,05), nên hệ số hồi quy b3 cũng không có ý nghĩa thống kê ở độ tin cậy 95%. Điều này có thể kết luận, mô hình hàm bậc ba Ŷ = 35,153 + 3,787t – 0,581t2 + 0,032t3 không có ý nghĩa thống kê kinh tế. Hệ số xác định: R2 = 0,634. Điều này cho thấy trong 100% sự biến động của năng suất thì có 63,4% biến động của biến năng suất Y là được giải thích bởi mô hình Ŷ = 35,153 + 3,787t – 0,581t2 + 0,032t3; 36,6% còn lại là do các yếu tố ngẫu nhiên và các yếu tố khác không có trong mô hình. Tuy nhiên, ta thấy thống kê F = 3,463 với Sig.= 0,91 (lớn hơn 0,05), cho thấy mô hình này thực sự không phù hợp với dữ liệu được sử dụng cho đề tài. v Mô hình dạng ,ta có kết quả: Model Summary R R Square Adjusted R Square Std. Error of the Estimate 0,767 0,588 0,536 0,049 The independent variable is t. ANOVA Sum of Squares df Mean Square F Sig. Regression 0,027 1 0,027 11,411 0,010 Residual 0,019 8 0,002 Total 0,046 9 The independent variable is t. Coefficients Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta ln(t) 0,075 0,022 0,767 3,378 0,010 (Constant) 38,561 1,420 27,164 0,000 The dependent variable is ln(Yi). Ta có mô hình hàm xu hướng dạng lũy thừa như sau: Ŷ = 38,561.t0,075 Sai số chuẩn: SE = 0,049 Hệ số b1 có ý nghĩa thống kê ở độ tin cậy 95%, vì Sig.(b1)= 0,01(nhỏ hơn 0,05). Hệ số xác định: R2 = 0,588. Điều này cho thấy trong 100% sự biến động của năng suất thì có 58,8% biến động của biến năng suất Y là được giải thích bởi mô hình Ŷ = 38,561.t0,075; 41,2% còn lại là do các yếu tố ngẫu nhiên và các yếu tố khác không có trong mô hình. Ta thấy mô hình hàm hồi quy có dạng: Ŷ = 38,561.t0,075 Qua dạng hàm trên ta thấy năng suất lúa có xu hướng tăng nhưng tốc độ tăng sẽ giảm dần. Điều này cũng phù hợp với thực tế vì năng suất lúa có giới hạn nhất định do chịu ảnh hưởng của các yếu tố sinh học và điều kiện tự nhiên. Thống kê F = 11,411 với Sig.= 0,01 (nhỏ hơn 0,05), cho thấy mô hình này thực sự phù hợp với dữ liệu. v Mô hình dạng , ta có kết quả: Model Summary R R Square Adjusted R Square Std. Error of the Estimate 0,767 0,589 0,537 2,065 The independent variable is t. ANOVA Sum of Squares Df Mean Square F Sig. Regression 48,822 1 48,822 11,454 0,010 Residual 34,099 8 4,262 Total 82,921 9 The independent variable is t. Coefficients Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta ln(t) 3,177 0,939 0,767 3,384 0,010 (Constant) 38,471 1,561 24,643 0,000 Ta xây dựng được mô hình Logarithmic sau: Ŷ = 38,471 + 3,177lnt Sai số chuẩn: SE = 2,065 Hệ số b1 có ý nghĩa thống kê ở độ tin cậy 95%, vì Sig.(b1)= 0,01(nhỏ hơn 0,05). Hệ số xác định: R2 = 0,589. Điều này cho thấy trong 100% sự biến động của năng suất thì có 58,9% biến động của biến năng suất Y là được giải thích bởi mô hình Ŷ = 38,471 + 3,177lnt; 41,1% còn lại là do các yếu tố ngẫu nhiên và các yếu tố khác không có trong mô hình. Thống kê F = 11,454 với Sig.= 0,01 (nhỏ hơn 0,05), cho thấy mô hình này thực sự phù hợp với dữ liệu. v Mô hình dạng , ta có kết quả sau: Model Summary R R Square Adjusted R Square Std. Error of the Estimate 0,754 0,569 0,515 0,050 The independent variable is t. ANOVA Sum of Squares df Mean Square F Sig. Regression 0,026 1 0,026 10,547 0,012 Residual 0,020 8 0,002 Total 0,046 9 The independent variable is t. Coefficients Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta t 0,018 0,005 0,754 3,248 0,012 (Constant) 39,144 1,332 29,391 0,000 The dependent variable is ln(Yi). Ta xây dựng hàm xu hướng dạng hàm mũ: Ŷ = 39,144 .e0,018t Sai số chuẩn: SE = 0,05 Hệ số b1 có ý nghĩa thống kê ở độ tin cậy 95%, vì Sig.(b1)= 0,012 (nhỏ hơn 0,05). Hệ số xác định: R2 = 0,569. Điều này cho thấy trong 100% sự biến động của năng suất thì có 56,9% biến động của biến năng suất Y là được giải thích bởi mô hình Ŷ = 39,144 .e0,018t; 41,1% còn lại là do các yếu tố ngẫu nhiên và các yếu tố khác không có trong mô hình. Thống kê F = 10,547 với Sig.= 0,01 (nhỏ hơn 0,05), cho thấy mô hình này thực sự phù hợp với dữ liệu. Bảng 2.3 Tóm tắt kết quả các hàm xu hướng Tên hàm Mô hình SE 1. Hàm xu hướng bậc 1 Ŷ = 39,08 + 0,762t 2,093 2. Hàm xu hướng bậc 2 Ŷ = 37,897 + 1,353t – 0,054t2 2,188 3. Hàm xu hướng bậc 3 Ŷ = 35,153 + 3,787t – 0,581t2 + 0,032t3 2,249 4. Hàm xu hướng dạng lũy thừa Ŷ = 38,561. t0,075 0,049 5. Hàm xu hướng dạng Logarithmic Ŷ = 38,471 + 3,177lnt 2,065 6. Hàm xu hướng dạn