Đề tài " phân tích sự ảnh hưởng của các yếu tố trên đến năng suất lúa " pot

Đề tài " phân tích sự ảnh hưởng của
các yếu tố trên đến năng suất lúa "
1
Mục Lục
2
I MỞ ĐẦU
Chuế Lưu là một xã thuần nông của huyện Hạ Hòa, tỉnh Phú Thọ, có
truyền thống canh tác lúa nước từ lâu đời, thu nhập chính là từ trồng lúa.
Năng suất lúa của các hộ trong xã trong những năm gần của xã đang tăng
dần lên do được đầu tư nhiều hơn về các yếu tố đầu vào. Có nhiều yếu tố
ảnh hưởng đến năng suất lúa, như lượng phân bón, công lao động, chất
lượng giống, tính chất đất canh tác, khí hậu, khoa học công nghệ áp dụng….
Năng suất lúa là chỉ tiêu quan trọng để đánh giá hiệu quả trong sản
xuất lúa. Do vậy em tiến hành nghiên cứu mức độ ảnh hưởng của các yếu tố
lượng phân hữu cơ, lượng đạm bón và công lao động đến năng suất lúa để
thấy được ảnh hưởng của các yếu tố này. Từ đó đưa ra các dự đoán, đề xuất
nhằm tăng năng suất lúa tới mức cao nhất có thể. Từ đó nâng cao giá trị sản
xuất và thu nhập cho người trồng lúa.
Đó cũng là lý do em sử dụng mô hình hồi quy toán học để phân tích
sự ảnh hưởng của các yếu tố trên đến năng suất lúa.
II PHƯƠNG PHÁP NGHIÊN CỨU
Bước 1: Thu thập số liệu
Tổng hợp số liệu điều tra từ các hộ nông dân
STT Năng suất lúa Lượng phân hữu cơ Lượng đạm Công lao động
1 180 300 6 5
2 180 350 5 5
3 160 400 6 4
4 190 400 6.5 6
5 200 450 8 6
6 220 500 10 7
3

7 180 350 6.5 4
8 170 350 6 6
9 170 300 5.5 5
10 160 450 6 4
11 230 600 11 9
12 200 500 6 8
13 200 450 7.5 8
14 230 500 12 9
15 180 350 6 5
16 170 400 6 5
17 180 400 8 6
18 160 300 7.5 4
19 210 550 9 8
20 190 500 8 8
21 200 500 7 10
22 150 300 5 4
23 250 400 14 10
24 170 400 7 6
25 160 300 6.5 5
Bước 2: Thiết lập mối quan hệ giữa lượng phân hữu cơ bón, lượng
đạm bón, công lao động với năng suất lúa qua mô hình hồi quy sau, sử dụng
mô hình Cobb – Douglas:
Y
i
= A X
1
a1
X
2
a

X
3
a3
e
ui
Lấy ln hai vế ta được:
lnY
i
= lnA + a
1
lnX
1
+ a
2
lnX
2
+ a
3
lnX
3
+ u
i
Hay : lnY
i
= a
0
+ a
1
lnX
1

+ a
2
lnX
2
+ a
3
lnX
3
+ u
i
Trong đó:
Y
i
: năng suất lúa (kg/ sào)
X
1
: lượng phân hữu cơ bón ( kg/sào)
X
2
: lượng đạm bón (kg/ sào)
X
3
: công lao động (người/ ngày/ sào)
a
0
: hệ số tự do( = lnA)
4
a
1
, a

2
, a
3
là các hệ số ảnh hưởng của các Xi đến đến Y
i
tương ứng
u
i:
: sai số của mô hình
III KẾT QUẢ NGHIÊN CỨU
Qua điều tra 25 hộ trên ta thấy năng suất trung bình là 187.6kg/ sào,
lượng phân hữu cơ bón trung bình là 412kg/ sào, phân đạm bón trung bình là
7.44kg/ sào, công lao động đầu tư trung bình là 6.28 người/ngày/ sào.
Kết quả chạy mô hình trên exel với độ tin cậy 95% ta được:
stt y x1 x2 x3 lny lnx1 lnx2 lnx3
1 180 300 6 5 5.192957 5.703782 1.791759 1.609438
2 180 350 5 5 5.192957 5.857933 1.609438 1.609438
3 160 400 6 4 5.075174 5.991465 1.791759 1.386294
4 190 400 6.5 6 5.247024 5.991465 1.871802 1.791759
5 200 450 8 6 5.298317 6.109248 2.079442 1.791759
6 220 500 10 7 5.393628 6.214608 2.302585 1.94591
7 180 350 6.5 4 5.192957 5.857933 1.871802 1.386294
8 170 350 6 6 5.135798 5.857933 1.791759 1.791759
9 170 300 5.5 5 5.135798 5.703782 1.704748 1.609438
10 160 450 6 4 5.075174 6.109248 1.791759 1.386294
11 230 600 11 9 5.438079 6.39693 2.397895 2.197225
12 200 500 6 8 5.298317 6.214608 1.791759 2.079442
13 200 450 7.5 8 5.298317 6.109248 2.014903 2.079442
14 230 500 12 9 5.438079 6.214608 2.484907 2.197225
15 180 350 6 5 5.192957 5.857933 1.791759 1.609438

16 170 400 6 5 5.135798 5.991465 1.791759 1.609438
17 180 400 8 6 5.192957 5.991465 2.079442 1.791759
18 160 300 7.5 4 5.075174 5.703782 2.014903 1.386294
19 210 550 9 8 5.347108 6.309918 2.197225 2.079442
20 190 500 8 8 5.247024 6.214608 2.079442 2.079442
21 200 500 7 10 5.298317 6.214608 1.94591 2.302585
22 150 300 5 4 5.010635 5.703782 1.609438 1.386294
23 250 400 14 10 5.521461 5.991465 2.639057 2.302585
24 170 400 7 6 5.135798 5.991465 1.94591 1.791759
25 160 300 6.5 5 5.075174 5.703782 1.871802 1.609438
tong 4690 10300 186 157
AP 0.45534 25.21505 29.87261
MP 0.021683 5.53273 6.427888
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.92083
R Square 0.847927
Adjusted R
Square 0.826202
5
Standard Error 0.054965
Observations 25
ANOVA
df SS MS F
Significanc
e F
Regression 3 0.353756 0.117919 39.03056 9.06E-09
Residual 21 0.063445 0.003021
Total 24 0.417201

Coefficient
s
Standard
Error t Stat P-value
Lower
95%
Upper
95%
Lower
95.0%
Upper
95.0%
Intercept 4.122012 0.405606 10.1626 1.46E-09 3.278508 4.965516 3.278508 4.965516
lnx1 0.047619 0.07904 0.602468 0.553314 -0.11675 0.211992 -0.11675 0.211992
lnx2 0.219422 0.06036 3.635194 0.001549 0.093895 0.344948 0.093895 0.344948
lnx3 0.215177 0.061995 3.470849 0.002284 0.08625 0.344103 0.08625 0.344103
Sử dụng phương pháp OLS với độ tin cậy 95% ta được kết quả như
sau:
LnY
i
= 4.1220 + 0.0476 lnX
1
+ 0.2194 lnX
2
+ 0.2152 lnX
3
Hay Y
i
= e
4.1220

X
1
0.0476
X
2
0.2194
X
3
0.2152

t
kd
(a
1
) = 0.6025
t
kd
(a
2
) = 3.6352
t
kd
(a
3
) = 3.4708
Hệ số tương quan R
2
= 0.8479
Hệ số tương quan hiệu chỉnh bình phương: 0.8262
Bước 1: Kiểm định các tham số ước lượng của mô hình

1 Kiểm định a1
Giả thuyết H
0
: a
1
= 0
Giả thuyết H
1
: a
1
≠ 0
Ở mức ý nghĩa α = 0.05, số bậc tự do là (n – k – 1) với n =25 là tổng số mẫu,
k = 3 là số biến độc lập trong mô hình, thì t
c
với số bậc tự do là 21 có giá trị:
t
c(1 - α)
= 2.080
Với: t
kd
(a
1
) = 0.6025
6
Ta thấy |t
kd
(a
1
)| < t
c(1 - α)

, do đó ta chấp nhận H
0
, bác bỏ H
1
có nghĩa là hệ số
hồi quy a
1
không có ý nghĩa thống kê ở độ tin cậy 95%. Hay trong mô hình
này thì lượng bón phân hữu cơ không ảnh hưởng đến năng suất lúa.
2 Kiểm định a2
Giả thuyết H
0
: a
2
= 0
Giả thuyết H
1
: a
2
≠ 0
Ở mức ý nghĩa α = 0.05, tương tự như trên ta có
t
c(1 - α)
= 2.080
Với : t
kd
(a
2
) = 3.6352
Ta thấy |t

kd
(a
2
)| > t
c(1 - α)
, do đó ta chấp nhận H
1
và bác bỏ H
0
. Tức là hệ số hồi
quy a
2
có ý nghĩa thống kê ở độ tin cậy 95%.
Hệ số này có ý nghĩa rằng khi tăng 1kg đạm bón thì năng suất sẽ tăng lên
lượng MP
2
= 5.53kg ( MP
2
= a
2
*AP
2
)
( MP là sản phẩm cận biên, AP là sản phẩm bình quân)
3 Kiểm định a3
Giả thuyết H
0
: a
3
= 0

Giả thuyết H
1
: a
3
≠ 0
Ở mức ý nghĩa α = 0.05, tương tự ta có:
t
c(1 - α)
= 2.080
Với : t
kd
(a
3
) = 3.4708
Ta thấy |t
kd
(a
3
)| > t
c(1 - α)
, do đó ta chấp nhận H
1
và bác bỏ H
0
. Tức là hệ số hồi
quy a
3
có ý nghĩa thống kê ở độ tin cậy 95%.
Hệ số này có ý nghĩa rằng khi tăng 1 công lao động thì năng suất sẽ
tăng lên lượng MP

3
= 6.43 kg ( MP
3
= a
3
*AP
3
)
Bước 4: Đánh giá độ chặt chẽ của mô hình
Phân tích bảng ANOVA
Regression = 0.353756
Residual = 0.063445
7
Total = 0.417201
Hệ số R
2
= Regression / Total = 0.353756/0.417201 = 0.847927,mô hình khá
chặt chẽ.
Bước 5: Kiểm định mô hình hồi quy (kiểm định R2)
Giả thuyết H
0
: R
2
= 0
Giả thuyết H
1
: R
2
≠ 0
Dựa vào bảng kết quả phân tích ta có F

kd
= 39.0306
Ta có F
c(1 – α)
= 3.07, với số bậc tự do là 3 và 21(số bậc tự do k và n – k – 1)
Ta thấy F
kd
> F
c(1 – α)
, nên ta bác bỏ H
0
, chấp nhận H
1
, R
2
là ước lượng tin cậy
hay có ý nghĩa thống kê ở độ tin cậy 95%.
Mô hình được giải thích rằng 84.79% sự biến động của năng suất lúa
là do sự biến động của các yếu tố là lượng phân đạm bón và công lao động,
15.21% sự biến động của năng suất là do các yếu tố khác, hay tỷ lệ sai số
của mô hình là 15.21%.
IV KẾT LUẬN VÀ ĐỀ NGHỊ
Qua phân tích mô hình ở trên có thể thấy năng suất lúa chịu ảnh
hưởng khá lớn và rõ rệt của hai yếu tố là lượng đạm bón và công lao động.
Còn lượng phân hữu cơ thì không có ảnh hưởng. Tuy nhiên lượng mẫu
thống kê còn chưa đủ lớn nên chưa thể khẳng định chính xác sự ảnh hưởng
của các yếu tố này trong mô hình. Vì ngoài những yếu tố này ra năng suất
lúa còn chịu ảnh hưởng rất nhiều yếu tố như rủi ro thời tiết, thiên tai, bệnh
dịch hại, tính chất đất canh tác, chế đô chăm sóc, các áp dụng khoa học kỹ
thuật trong canh tác, và ngay cả trong khâu thu hoạch…

Và tùy thuộc vào mục tiêu của người nông dân trồng lúa ở đây là tối
đa hóa lợi nhuận hay tối đa hóa sản lượng, cùng với giá các yếu tố đầu vào
và đầu ra mà có lựa chọn cho phù hợp, đó là tăng đầu tư về đạm hay tăng
công lao động. Tuy nhiên chỉ nên đầu tư tới một mức cụ thể mà ở đó có thể
8
tối ưu hóa được lợi nhuận hay sản lượng vì mô hình có dạng đồ thị là sản
phẩm cận biên có xu hướng giảm khi đầu tư tăng.
9
stt y x1 x2 x3 lny lnx1 lnx2 lnx3
1 180 300 6 5 5.192957 5.703782 1.791759 1.609438
2 180 350 5 5 5.192957 5.857933 1.609438 1.609438
3 160 400 6 4 5.075174 5.991465 1.791759 1.386294
4 190 400 6.5 6 5.247024 5.991465 1.871802 1.791759
5 200 450 8 6 5.298317 6.109248 2.079442 1.791759
6 220 500 10 7 5.393628 6.214608 2.302585 1.94591
7 180 350 6.5 4 5.192957 5.857933 1.871802 1.386294
8 170 350 6 6 5.135798 5.857933 1.791759 1.791759
9 170 300 5.5 5 5.135798 5.703782 1.704748 1.609438
10 160 450 6 4 5.075174 6.109248 1.791759 1.386294
11 230 600 11 9 5.438079 6.39693 2.397895 2.197225
12 200 500 6 8 5.298317 6.214608 1.791759 2.079442
13 200 450 7.5 8 5.298317 6.109248 2.014903 2.079442
14 230 500 12 9 5.438079 6.214608 2.484907 2.197225
15 180 350 6 5 5.192957 5.857933 1.791759 1.609438
16 170 400 6 5 5.135798 5.991465 1.791759 1.609438
17 180 400 8 6 5.192957 5.991465 2.079442 1.791759
18 160 300 7.5 4 5.075174 5.703782 2.014903 1.386294
19 210 550 9 8 5.347108 6.309918 2.197225 2.079442
20 190 500 8 8 5.247024 6.214608 2.079442 2.079442
21 200 500 7 10 5.298317 6.214608 1.94591 2.302585

22 150 300 5 4 5.010635 5.703782 1.609438 1.386294
23 250 400 14 10 5.521461 5.991465 2.639057 2.302585
24 170 400 7 6 5.135798 5.991465 1.94591 1.791759
25 160 300 6.5 5 5.075174 5.703782 1.871802 1.609438
tong 4690 10300 186 157
AP 0.45534 25.21505 29.87261
MP 0.021683 5.53273 6.427888
10
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.92083
R Square 0.847927
Adjusted R
Square 0.826202
Standard Error 0.054965
Observations 25
ANOVA
df SS MS F
Significanc
e F
Regression 3 0.353756 0.117919 39.03056 9.06E-09
Residual 21 0.063445 0.003021
Total 24 0.417201

Coefficient
s
Standard
Error t Stat P-value Lower 95%
Upper
95%

Lower
95.0%
Upper
95.0%
Intercept 4.122012 0.405606 10.1626 1.46E-09 3.278508 4.965516 3.278508 4.965516
lnx1 0.047619 0.07904 0.602468 0.553314 -0.11675 0.211992 -0.11675 0.211992
lnx2 0.219422 0.06036 3.635194 0.001549 0.093895 0.344948 0.093895 0.344948
lnx3 0.215177 0.061995 3.470849 0.002284 0.08625 0.344103 0.08625 0.344103
11
RESIDUAL OUTPUT
Observatio
n
Predicted
lny
Residual
s
1 5.133086 0.059871
2 5.100421 0.092536
3 5.09877 -0.0236
4 5.203579 0.043445
5 5.254749 0.043569
6 5.341898 0.05173
7 5.109974 0.082983
8 5.179658 -0.04386
9 5.113994 0.021805
10 5.104378 -0.0292
11 5.42557 0.012509
12 5.258545 0.039773
13 5.30249 -0.00417
14 5.43598 0.002099

15 5.140426 0.052531
16 5.146785 -0.01099
17 5.24914 -0.05618
18 5.134033 -0.05886
19 5.352051 -0.00494
20 5.321668 -0.07464
21 5.340384 -0.04207
22 5.045065 -0.03443
23 5.481849 0.039611
24 5.21984 -0.08404
25 5.150649 -0.07547
12
13