Mạnh mẽ là một trong hai lĩnh vực quan trọng trong việc chăm sóc sức khỏe của họ. Một phần của chúng tôi, một trong những tài sản của chúng tôi sức mạnh và làm việc ở nước ta

Trong trọng lượng của chúng tôi, bạn có thể quan tâm và quan trọng. Tối nay, bạn có thể sử dụng NPK, là một trong những vấn đề quan trọng. Tuy nhiên, nhu cầu, sức khỏe, sức mạnh, sức mạnh, sức mạnh, sức mạnh

Mạnh mẽ, bạn có thể sử dụng NPK.

II. PHƯƠNG PHÁP

2.1. Phương pháp

– trên mạng

– Thông tin điều tra:

Cầu và giá rẻ NPK cho lúa, thu thập, chăn nuôi, chăn nuôi.

Đẹp

Trong lòng có một phần của họ, phần còn lại, phần thưởng, phần thưởng, phần thưởng, phần thưởng, phần thưởng của bạn 4 4, một phần lớn

2.2. Phương pháp văn hóa

Tôi nhận được một số thứ khác nhau.

Voi: Y _i là cầu hôn NPK của nam tính (kg)

X ₁ là thu khách và thú tính (triệu đồng / năm)

X ₂ là NPK (giá đồng / kg)

X ₃ là tích phục

Ta có mô hình tổng hợp:

Yi = β₀+ β₁X₁ + β₂ X₂ + β₃ X₃ + U_i

III. KẾT QUẢ NGHIÊN CỨU

3.1. Tình hình chung

Sau khi trực tiếp điều tra, nghiên cứu đề tài tôi nhận thấy:

Cầu về phân NPK trung bình là 14.32 kg, thu nhập trung bình của các hộ nghiên cứu là 8.132 triệu đồng/ năm, giá phân NPK trung bình là 3.5 nghìn đồng/ kg.

3.2. Kết quả và giải thích mô hình

Bảng 3.1 Các thông tin điều tra được

STT	Yi	X1	X2	X3
1	9.4	4.3	4.7	4.2
2	9.7	5.2	4.5	4.6
3	10.3	5.6	4.6	5.2
4	10.5	4.9	4.4	5.5
5	10.9	6.4	4.3	5.8
6	11.7	6.8	4	6
7	12.1	6.5	4.1	6.2
8	12.4	7	4.2	6.3
9	12.2	7.2	3.9	6.1
10	12.9	7.5	3.6	6.4
11	13.4	7.8	3.8	6.9
12	13.7	7.6	3.7	7
13	13.9	8.1	3.5	7.2
14	14.9	8.3	3.4	7.6
15	14.2	8.6	3.3	7.4
16	15.3	8.9	3.1	7.9
17	15.8	9.3	3.2	8.2
18	16.3	9.7	2.9	8.6
19	17.5	9.5	3	9.1
20	16.9	9.8	2.8	8.9
21	18.7	10.2	2.3	9.5
22	18.1	10.5	2.6	9.1
23	18.6	10.8	2.5	9.4
24	18.9	11.2	2.7	9.8
25	19.7	11.6	2.4	10.2

Sau khi chạy mô hình trên phần mềm excel ta có kết quả sau:

SUMMARY OUTPUT

Regression Statistics
Multiple R	0.9957504
R Square	0.9915188
Adjusted R Square	0.9903072
Standard Error	0.3095768
Observations	25

ANOVA

	df	SS	MS	F	Significance F
Regression	3	235.2874062	78.4291354	818.35283	6.68667E-22
Residual	21	2.012593808	0.0958378
Total	24	237.3

	Coefficients	Standard Error	t Stat	P-value	Lower 95%	Upper 95%	Lower 95.0%	Upper 95.0%
Intercept	6.9449215	2.711499803	2.561284161	0.0181912	1.306048988	12.58379401	1.306048988	12.58379401
X1	0.0532633	0.187956968	0.283380083	0.7796603	-0.33761465	0.444141173	-0.33761465	0.444141173
X2	-0.9242324	0.413411223	-2.23562481	0.0363651	-1.783968087	-0.064496687	-1.78396809	-0.06449669
X3	1.3895078	0.229648716	6.050579381	5.272E-06	0.911927138	1.867088432	0.911927138	1.867088432

Sau khi chạy mô hình trên phần mềm excel ta có kết quả sau:

SUMMARY OUTPUT

Regression Statistics
Multiple R	0.9957504
R Square	0.9915188
Adjusted R Square	0.9903072
Standard Error	0.3095768
Observations	25

ANOVA

	df	SS	MS	F	Significance F
Regression	3	235.2874062	78.4291354	818.35283	6.68667E-22
Residual	21	2.012593808	0.0958378
Total	24	237.3

Nhìn vào kết quả chạy mô hình trên excel ta có mô hình:

Yi = 6.945 + 0.053 X1 – 0.924 X2 + 1.389 X3

* Thống kê hồi quy

– Hệ số tương quan của mô hình: R² = 0.9915188 dần tiến tới + 1 ta có thể nói mô hình có độ chặt chẽ cao.

– Sai số chuẩn của mô hình: Se = 0.3095768 là nhỏ, chứng tỏ sự tác động của các yếu tố khác ngoài các biến của mô hình tới cầu phân NPK là nhỏ.

* Bảng phân tích phương sai

– Giả thuyết H₀ : mô hình không có ý nghĩa thống kê tại α = 5 %

Giả thuyết H₁ : mô hình có ý nghĩa thống kê tại α = 5 %

Ta có F_qs = 818.35283

F_c= 3.072

Ta có F_qs > F_c chấp nhận giả thuyết H₁, bác bỏ giả thuyết H₀

Vậy, mô hình có ý nghĩa thống kê tại α = 5 %.

* Kiểm định các hệ số của mô hình

– Kiểm định β₀

Giả thuyết H₀ : hệ số β₀ không có ý nghĩa tại α = 5 %.

Giả thuyết H₁ : hệ số β₀có ý nghĩa tại α = 5 %.

T_kd = 2.561

T_{0.025, 21} = 2.08

Ta có T_kd> T_c chấp nhận giả thuyết H₁, bác bỏ giả thuyết H₀

Vậy, β₀có ý nghĩa thống kê tại α = 5 %.

– Kiểm định β₁

Giả thuyết H₀ : hệ số β₁ không có ý nghĩa tại α = 5 %.

Giả thuyết H₁ : hệ số β₁có ý nghĩa tại α = 5 %.

T_kd= 0.283

T_{0.025, 21} = 2.08

Ta có T_kd < T_c chấp nhận giả thuyết H₀, bác bỏ giả thuyết H₁

Vậy, β₁ không có ý nghĩa thống kê tại α = 5 %.

– Kiểm định β₂

Giả thuyết H₀ : hệ số β₂ không có ý nghĩa tại α = 5 %.

Giả thuyết H₁ : hệ số β₂có ý nghĩa tại α = 5 %.

T_kd= | – 2.236| = 2.236

T_{0.025, 21} = 2.08

Ta có T_kd> T_c chấp nhận giả thuyết H₁, bác bỏ giả thuyết H₀

Vậy, β₂có ý nghĩa thống kê tại α = 5 %.

– Kiểm định β₃

Giả thuyết H₀ : hệ số β₃ không có ý nghĩa tại α = 5 %.

Giả thuyết H₁ : hệ số β₃có ý nghĩa tại α = 5 %.

T_kd = 6.051

T_{0.025, 21} = 2.08

Ta có T_kd> T_c chấp nhận giả thuyết H₁, bác bỏ giả thuyết H₀

Vậy, β₃có ý nghĩa thống kê tại α = 5 %.

* Giải thích ý nghĩa các tham số của mô hình

Mô hình hồi quy: Y_i = 6.945 + 0.053 X1 – 0.924 X2 + 1.389 X3

Ta có β₀ = 6.945 nghĩa là các yếu tố bên ngoài không được đưa vào mô hình có ảnh hưởng tới mức cầu phân NPK.

β₂ = – 0.924 nghĩa là khi giá phân NPK tăng lên 1 nghìn đồng/ kg thì cầu về phân NPK của hộ giảm đi 0.924 kg.

β₃ = 1.389 nghĩa là khi diện tích trồng lúa của hộ điều tra tăng lên 1 sào thì cầu về phân NPK của hộ tăng lên 1.389 kg.

IV. KẾT LUẬN

Qua kết quả nghiên cứu đề tài ta thấy diện tích trồng lúa của hộ nông dân là yếu tố ảnh hưởng nhiều nhất, thu nhập của hộ là yếu tố ảnh hưởng ít nhất đến cầu về phân NPK. Hộ nào có diện tích trồng lúa càng nhiều thì cầu về phân NPK sẽ càng cao, tuy nhiên, hộ có thu nhập cao thì cầu về phân NPK cũng không tăng hơn nhiều so với hộ có thu nhập thấp hơn.

Tuy nhiên, khi sử dụng phân NPK cần chú ý sử dụng hợp lý, tránh sử dụng lãng phí phân bón, vừa làm tăng chi phí sản xuất vừa làm ô nhiễm môi trường.