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.
11 trang |
Chia sẻ: oanhnt | Lượt xem: 1725 | Lượt tải: 1
Bạn đang xem nội dung tài liệu Báo cáo Yếu tố ảnh hưởng đến năng suất lúa, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
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
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:
Yi = A X1a1 X2a X3a3 eui
Lấy ln hai vế ta được:
lnYi = lnA + a1 lnX1 + a2 lnX2 + a3 lnX3 + ui
Hay : lnYi = a0 + a1 lnX1 + a2 lnX2 + a3 lnX3 + ui
Trong đó:
Yi: năng suất lúa (kg/ sào)
X1: lượng phân hữu cơ bón ( kg/sào)
X2: lượng đạm bón (kg/ sào)
X3: công lao động (người/ ngày/ sào)
a0: hệ số tự do( = lnA)
a1, a2 , a3 là các hệ số ảnh hưởng của các Xi đến đến Yi tương ứng
ui:: 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
Standard Error
0.054965
Observations
25
ANOVA
df
SS
MS
F
Significance F
Regression
3
0.353756
0.117919
39.03056
9.06E-09
Residual
21
0.063445
0.003021
Total
24
0.417201
Coefficients
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:
LnYi = 4.1220 + 0.0476 lnX1 + 0.2194 lnX2 + 0.2152 lnX3
Hay Yi = e4.1220 X10.0476 X20.2194 X30.2152
tkd(a1) = 0.6025
tkd(a2) = 3.6352
tkd(a3) = 3.4708
Hệ số tương quan R2 = 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 H0 : a1 = 0
Giả thuyết H1 : a1 ≠ 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 tc với số bậc tự do là 21 có giá trị:
tc(1 - α) = 2.080
Với: tkd(a1) = 0.6025
Ta thấy |tkd(a1)| < tc(1 - α) , do đó ta chấp nhận H0, bác bỏ H1 có nghĩa là hệ số hồi quy a1 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 H0 : a2 = 0
Giả thuyết H1 : a2 ≠ 0
Ở mức ý nghĩa α = 0.05, tương tự như trên ta có
tc(1 - α) = 2.080
Với : tkd(a2) = 3.6352
Ta thấy |tkd(a2)| > tc(1 - α), do đó ta chấp nhận H1 và bác bỏ H0. Tức là hệ số hồi quy a2 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 MP2 = 5.53kg ( MP2 = a2*AP2)
( MP là sản phẩm cận biên, AP là sản phẩm bình quân)
3 Kiểm định a3
Giả thuyết H0 : a3 = 0
Giả thuyết H1 : a3 ≠ 0
Ở mức ý nghĩa α = 0.05, tương tự ta có:
tc(1 - α) = 2.080
Với : tkd(a3) = 3.4708
Ta thấy |tkd(a3)| > tc(1 - α), do đó ta chấp nhận H1 và bác bỏ H0. Tức là hệ số hồi quy a3 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 MP3 = 6.43 kg ( MP3 = a3*AP3)
Bước 4: Đánh giá độ chặt chẽ của mô hình
Phân tích bảng ANOVA
Regression = 0.353756
Residual = 0.063445
Total = 0.417201
Hệ số R2 = 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 H0 : R2= 0
Giả thuyết H1 : R2 ≠ 0
Dựa vào bảng kết quả phân tích ta có Fkd = 39.0306
Ta có Fc(1 – α) = 3.07, với số bậc tự do là 3 và 21(số bậc tự do k và n – k – 1)
Ta thấy Fkd > Fc(1 – α), nên ta bác bỏ H0, chấp nhận H1, R2 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 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.
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
Standard Error
0.054965
Observations
25
ANOVA
df
SS
MS
F
Significance F
Regression
3
0.353756
0.117919
39.03056
9.06E-09
Residual
21
0.063445
0.003021
Total
24
0.417201
Coefficients
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
RESIDUAL OUTPUT
Observation
Predicted lny
Residuals
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