BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC UEH

--------

 MÔN DỰ BÁO TRONG KINH TẾ VÀ KINH DOANH

BÀI TẬP 2
KẾT QUẢ DỰ BÁO XU HƯỚNG (TREND) NHÓM 8

Giảng viên: ThS. Trần Hà Quyên

Mã học phần :22C1STA50806301

Nhóm 8:
Phan Tiến Nam
Trần Vạn An
Nguyễn Minh Trí
Huỳnh Tăng Trưởng
Võ Tá Duy Cường
Nguyễn Bùi Trường Vinh
Nhóm sử dụng dữ liệu lấy từ “https://www.gso.gov.vn” về “Lượng mưa trung bình các
tháng trong năm tỉnh Lai Châu”

B1: Vẽ biểu đồ đường nhận diện tính xu hướng và tính mùa của dữ liệu
Đồ thị đường biểu diễn lượng du khách quốc tế đến Việt Nam trong khoảng thời gian cụ
thể từ tháng 1/20016 đến tháng 12/2020. Đồ thị có xu hướng mùa theo thời gian.
Để nhận biết rõ tính mùa của dữ liệu, ta quan sát trong một khoảng thời gian ngắn, từ
tháng 1/2016 đến tháng 12/2017. Ta thấy, vào những tháng đầu năm đồ thị có xu hướng
giảm từ tháng 1- tháng 2. Vào tháng 7 đồ thị có xu hương lên cao và chạm đỉnh, và chạm
đáy khoảng 2 lần là tháng 2 và tháng 11.
B2: Lập tất cả mô hình có thể có dự báo
Dạng tuyến tính: Yt = β 0 + β1TIME + β2.T1 + β3.T2 + β4.T3 + β6.T4 + β6.T5 + β7.T6 + β8.T7 +
β9.T8 + β10.T9 + β11.T10 + β12.T11 + β13.T12 + ut
Dạng bậc 2: Yt = β 0 + β1TIME + β2TIME2 + β3.T1 + β4.T2 + β5.T3 + β6.T4 + β7.T5 + β8.T6 +
β9.T7 + β10.T8 + β11.T9 + β12.T10 + β13.T11 + β14.T12 + ut
Dạng bậc 3: Yt = β 0 + β1TIME + β2TIME2 + β3TIME3 + β4.T1 + β5.T2 + β6.T3 + β7.T4 + β8.T5 +
β9.T6 + β10.T7 + β11.T8 + β12.T9 + β13.T10 + β14.T11 + β15.T12 + ut
Dạng tuyến tính_log: Yt = β0 + β1ln(TIME) + β2.T1 + β3.T2 + β4.T3 + β6.T4 + β6.T5 + β7.T6 +
β8.T7 + β9.T8 + β10.T9 + β11.T10 + β12.T11 + β13.T12 + ut
Dạng log_tuyến tính bậc 2: ln(Yt) = β 0 + β1TIME + β2TIME2 + β3.T1 + β4.T2 + β5.T3 + β6.T4 +
β7.T5 + β8.T6 + β9.T7 + β10.T8 + β11.T9 + β12.T10 + β13.T11 + β14.T12 + ut
Dạng log_tuyến tính bậc 3: ln(Yt) = β 0 + β1TIME + β2TIME2 + β3TIME3 + β4.T1 + β5.T2 + β6.T3
+ β7.T4 + β8.T5 + β9.T6 + β10.T7 + β11.T8 + β12.T9 + β13.T10 + β14 .T11+ β15.T12+ ut

B3: ĐÁNH GIÁ SỰ PHÙ HỢP CỦA TỪNG MÔ HÌNH

Dạng tuyến tính
Call:
lm(formula = log(LaiChau) ~ time + T1 + T2 + T3 + T4 + T5 + T6 +
T7 + T8 + T9 + T10 + T11 + T12 - 1, data = ls)

Residuals:
Min 1Q Median 3Q Max
-3.6351 -0.3789 0.1648 0.4991 2.2293

Coefficients:
Estimate Std. Error t value Pr(>|t|)
time -0.01186 0.00827 -1.434 0.158
T1 3.75967 0.52830 7.117 5.44e-09 ***
T2 3.51778 0.53159 6.617 3.11e-08 ***
T3 4.72395 0.53499 8.830 1.51e-11 ***
T4 5.52131 0.53850 10.253 1.42e-13 ***
T5 6.06910 0.54210 11.195 7.39e-15 ***
T6 6.65368 0.54581 12.190 3.69e-16 ***
T7 6.47442 0.54962 11.780 1.25e-15 ***
T8 6.18085 0.55353 11.166 8.09e-15 ***
T9 5.83152 0.55753 10.460 7.36e-14 ***
T10 4.96046 0.56162 8.832 1.50e-11 ***
T11 3.88291 0.56581 6.863 1.32e-08 ***
T12 2.86105 0.57008 5.019 7.90e-06 ***
 ---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.087 on 47 degrees of freedom

Multiple R-squared: 0.9619, Adjusted R-squared: 0.9514
F-statistic: 91.39 on 13 and 47 DF, p-value: < 2.2e-16

Kiểm định sự phù hợp của mô hình

H0: Mô hình không phù hợp
Nhận xét: p-value < 2.2e-16 < 0.01 < 0.05 < 0.1, bác bỏ H0. Kết luận, hàm hồi quy phù hợp ở cả
3 mức ý nghĩa phổ biến 1%, 5%, 10%.
Kiểm định ý nghĩa của biến độc lập
H0: Biến độc lập không có ý nghĩa trong mô hình
Nhận xét: Có 12 biến độc lập có ý nghĩa thống kê ở mức ý nghĩa 5% (Pr(>|t|)<0.05), còn lại
Pr(>|t|) của 1 biến độc lập >0.05, không thể bác bỏ H0, 1 biến này không có ý nghĩa trong mô
hình hồi quy ở mức ý nghĩa 5%.
 Loại mô hình dạng tuyến tính
Dạng bậc 2
Call:
lm(formula = log(LaiChau) ~ time + I(time^2) + T1 + T2 + T3 +
T4 + T5 + T6 + T7 + T8 + T9 + T10 + T11 + T12 - 1, data = ls)

Residuals:
Min 1Q Median 3Q Max
-3.6070 -0.3684 0.0786 0.5375 1.8922

Coefficients:
Estimate Std. Error t value Pr(>|t|)
time 0.0595303 0.0315402 1.887 0.06542 .
I(time^2) -0.0011703 0.0005006 -2.338 0.02379 *
T1 3.0434432 0.5905323 5.154 5.24e-06 ***
T2 2.7898564 0.5958235 4.682 2.53e-05 ***
T3 3.9866573 0.6006874 6.637 3.20e-08 ***
T4 4.7769958 0.6051146 7.894 4.23e-10 ***
T5 5.3201042 0.6090998 8.734 2.51e-11 ***
T6 5.9023452 0.6126417 9.634 1.31e-12 ***
T7 5.7230867 0.6157432 9.295 3.95e-12 ***
T8 5.4318558 0.6184109 8.784 2.13e-11 ***
T9 5.0872067 0.6206551 8.197 1.52e-10 ***
 T10 4.2231735 0.6224902 6.784 1.92e-08 ***
T11 3.1549851 0.6239343 5.057 7.27e-06 ***
T12 2.1448320 0.6250091 3.432 0.00128 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.039 on 46 degrees of freedom

Multiple R-squared: 0.966, Adjusted R-squared: 0.9556
F-statistic: 93.32 on 14 and 46 DF, p-value: < 2.2e-16

Kiểm định sự phù hợp của mô hình

H0: Mô hình không phù hợp
Nhận xét: p-value <2.2e-16 < 0.01 < 0.05 < 0.1, bác bỏ H0. Kết luận, hàm hồi quy phù hợp ở cả
3 mức ý nghĩa phổ biến 1%, 5%, 10%.
Kiểm định ý nghĩa của biến độc lập
H0: Biến độc lập không có ý nghĩa trong mô hình
Nhận xét: Có 13 biến độc lập có ý nghĩa thống kê ở mức ý nghĩa 5% (Pr(>|t|)< 0.05), còn lại
Pr(>|t|) của 1 biến độc lập > 0.05, không thể bác bỏ H0, 1 biến này không có ý nghĩa trong mô
hình hồi quy ở mức 5%.
 Loại mô hình dạng bậc 2
Dạng bậc 3
Call:
lm(formula = log(LaiChau) ~ time + I(time^2) + I(time^3) + T1 +
T2 + T3 + T4 + T5 + T6 + T7 + T8 + T9 + T10 + T11 + T12 -
1, data = ls)

Residuals:
Min 1Q Median 3Q Max
-3.5708 -0.2305 0.0848 0.5088 1.7659

Coefficients:
Estimate Std. Error t value Pr(>|t|)
time -7.021e-04 8.465e-02 -0.008 0.99342
I(time^2) 1.262e-03 3.210e-03 0.393 0.69598
I(time^3) -2.659e-05 3.465e-05 -0.767 0.44692
T1 3.318e+00 6.927e-01 4.790 1.84e-05 ***
T2 3.075e+00 7.047e-01 4.364 7.38e-05 ***
T3 4.282e+00 7.160e-01 5.981 3.33e-07 ***
T4 5.082e+00 7.266e-01 6.995 1.04e-08 ***
 T5 5.635e+00 7.366e-01 7.649 1.12e-09 ***
T6 6.226e+00 7.462e-01 8.344 1.10e-10 ***
T7 6.056e+00 7.555e-01 8.016 3.27e-10 ***
T8 5.774e+00 7.645e-01 7.552 1.56e-09 ***
T9 5.438e+00 7.735e-01 7.031 9.16e-09 ***
T10 4.584e+00 7.825e-01 5.858 5.07e-07 ***
T11 3.526e+00 7.918e-01 4.453 5.53e-05 ***
T12 2.527e+00 8.015e-01 3.153 0.00288 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.044 on 45 degrees of freedom

Multiple R-squared: 0.9664, Adjusted R-squared: 0.9552
F-statistic: 86.36 on 15 and 45 DF, p-value: < 2.2e-16

Kiểm định sự phù hợp của mô hình

H0: Mô hình không phù hợp
Nhận xét: P-value < 2.2e-16 << 0.01 < 0.05 < 0.1, bác bỏ H0. Kết luận, hàm hồi quy phù hợp ở cả
3 mức ý nghĩa phổ biến 1%, 5% và 10%.
Kiểm định ý nghĩa của biến độc lập
H0: Biến độc lập không có ý nghĩa trong mô hình
Nhận xét: Có 12 biến độc lập có ý nghĩa thống kê ở mức ý nghĩa 5% (Pr(>|t|)< 0.05), còn lại
Pr(>|t|) của 3 biến độc lập > 0.05, không thể bác bỏ H0, 1 biến này không có ý nghĩa trong mô
hình hồi quy ở mức 5%.
 Loại mô hình dạng bậc 3
Dạng tuyến tính log
Call:
lm(formula = log(log(LaiChau)) ~ time + T1 + T2 + T3 + T4 + T5 +
T6 + T7 + T8 + T9 + T10 + T11 + T12 - 1, data = ls)

Residuals:
Min 1Q Median 3Q Max
-0.88776 -0.09481 0.01962 0.11982 0.45723

Coefficients:
Estimate Std. Error t value Pr(>|t|)
logtime -0.004197 0.001896 -2.213 0.032 *
T1 1.554542 0.124662 12.470 3.35e-16 ***
T2 1.272337 0.117580 10.821 4.14e-14 ***
 T3 1.588358 0.118388 13.417 < 2e-16 ***
T4 1.759605 0.119220 14.759 < 2e-16 ***
T5 1.864387 0.120077 15.527 < 2e-16 ***
T6 1.965676 0.120957 16.251 < 2e-16 ***
T7 1.938835 0.121861 15.910 < 2e-16 ***
T8 1.889487 0.122787 15.388 < 2e-16 ***
T9 1.827819 0.123735 14.772 < 2e-16 ***
T10 1.639936 0.124705 13.151 < 2e-16 ***
T11 1.292482 0.125696 10.283 2.16e-13 ***
T12 1.233608 0.143480 8.598 4.73e-11 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.2387 on 45 degrees of freedom

(2 observations deleted due to missingness)
Multiple R-squared: 0.9821, Adjusted R-squared: 0.9769
F-statistic: 189.7 on 13 and 45 DF, p-value: < 2.2e-16

Kiểm định sự phù hợp của mô hình

H0: Mô hình không phù hợp
Nhận xét: P-value = < 2.2e-16 < 0.01 < 0.05 < 0.1, bác bỏ H0. Kết luận, hàm hồi quy phù hợp ở cả
3 mức ý nghĩa phổ biến 1%, 5% và 10%.
Kiểm định ý nghĩa của biến độc lập
H0: Biến độc lập không có ý nghĩa trong mô hình
Nhận xét: Có 13 biến độc lập trong mô hình, tất cả đều có Pr(>|t|) < 0.05, bác bỏ H 0, các biến
đều có nghĩa trong mô hình hồi quy ở mức ý nghĩa 5%.
Kiểm định giả thiết của ước lượng OLS
Giả thiết 1: Tuyến tính theo tham số
Vì các hệ số beata đều đang ở dạng bậc 1.
 Giả thiết 1 thỏa mãn
Giả thiết 2: Không có cộng tuyến hoàn hảo
> vif(mh4)
logtime T1 T2 T3 T4 T5 T6 T7
4.499053 1.091162 1.213384 1.230114 1.247475 1.265467 1.284091 1.303346
T8 T9 T10 T11 T12
 1.323232 1.343750 1.364899 1.386679 1.445455
Nhận xét: Mô hình có 13 biến độc lập, tất cả biến đều có VIF < 10 giữa các biến có hiện tượng
đa cộng tuyến, nhưng không bị đa cộng tuyến nghiêm trọng.
 Giả thuyết 2 thỏa mãn
Giả thiết 3: Phương sai thuần nhất
H0: Sai số ut có phương sai không đổi
Kiểm định Breusch-Pagan
studentized Breusch-Pagan test

data: mh4
BP = 28.103, df = 12, p-value = 0.005344

Nhận xét: p-value = 0.005344 < 0.05, bác bỏ H0.Kết luận, sai số ut có phương sai thay đổi ở mức
ý nghĩa 5%
 Giả thiết 3 thỏa mãn
Giả thiết 4: Không có tương quan chuỗi (tự tương quan)
Các sai số trong hai kỳ khác nhau không tương quan với nhau, tức là:
Corr(ut, us) = 0 với mọi t ≠ s
H0: Không tồn tại tương quan chuỗi
H1: Tồn tại tương quan chuỗi
Kiểm định Durbin- Watson
Durbin-Watson test

data: mh4
DW = 1.0387, p-value = 0.0001858
alternative hypothesis: true autocorrelation is greater than 0

Nhận xét: p-value= 0.0001858, bác bỏ H0. Kết luận, mô hình tồn tại sự tương quan chuỗi với
mức ý nghĩa 5%
 Giả thiết 5 không thỏa mãn
Giả thiết 5: Phân phối chuẩn
H0: Sai số ut có phân phối chuẩn
Cách 1: Kiểm định Jarque – Bera
Title:
 Jarque - Bera Normalality Test

Test Results:
STATISTIC:
X-squared: 66.8629
P VALUE:
Asymptotic p Value: 0.2998
Nhận xét: p-value = 0.2998 > 0.05, bác bỏ H0. Kết luận, sai số ut không có phân phối chuẩn ở
mức ý nghĩa 5%.
Cách 2: Kiểm định Shapiro-Will
Shapiro-Wilk normality test

data: mh4$residuals
W = 0.90164, p-value = 0.0001939

Nhận xét: p-value = 0.0001939 < 0.05, bác bỏ H0. Kết luận, sai số ut không có phân phối chuẩn
ở mức ý nghĩa 5%.
Cách 3: Kiểm định Anderson-Darling
Anderson-Darling normality test

data: mh4$residuals
A = 1.2839, p-value = 0.002233
Nhận xét: p-value= 0.002233 < 0.05, bác bỏ H 0. Kết luận, sai số ut không có phân phối chuẩn ở
mức ý nghĩa 5%.
Cách 4: Kiểm định Kolmogorov-Smirnov
Lilliefors (Kolmogorov-Smirnov) normality test

data: mh4$residuals
D = 0.12936, p-value = 0.01698
Nhận xét: p-value= 0.01698< 0.05, bác bỏ H0. Kết luận, sai số ut không có phân phối chuẩn ở
mức ý nghĩa 5%.
 Giả thiết 5 thỏa mãn
 Chọn mô hình tuyến tính log
Dạng log tuyến tính bậc 2
Call:
lm(formula = log(log(LaiChau)) ~ time + I(time^2) + T1 + T2 +
T3 + T4 + T5 + T6 + T7 + T8 + T9 + T10 + T11 + T12 - 1, data = ls)
 Residuals:
Min 1Q Median 3Q Max
-0.68151 -0.07668 -0.01203 0.11067 0.35299

Coefficients:
Estimate Std. Error t value Pr(>|t|)
time 0.0183506 0.0064521 2.844 0.006733 **
I(time^2) -0.0003696 0.0001021 -3.620 0.000757 ***
T1 1.3261121 0.1273909 10.410 1.91e-13 ***
T2 1.0424286 0.1221812 8.532 7.04e-11 ***
T3 1.3554932 0.1232189 11.001 3.25e-14 ***
T4 1.5245226 0.1241691 12.278 8.29e-16 ***
T5 1.6278255 0.1250309 13.019 < 2e-16 ***
T6 1.7283756 0.1258041 13.739 < 2e-16 ***
T7 1.7015343 0.1264894 13.452 < 2e-16 ***
T8 1.6529254 0.1270881 13.006 < 2e-16 ***
T9 1.5927362 0.1276025 12.482 4.70e-16 ***
T10 1.4070710 0.1280355 10.990 3.36e-14 ***
T11 1.0625738 0.1283909 8.276 1.62e-10 ***
T12 1.0051783 0.1421436 7.072 8.98e-09 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.2119 on 44 degrees of freedom

(2 observations deleted due to missingness)
Multiple R-squared: 0.9862, Adjusted R-squared: 0.9818
F-statistic: 224.5 on 14 and 44 DF, p-value: < 2.2e-16

^ 2
log ⁡(LaiChau)=0.0183506 TIME+−0.0003696 ×TIM E +1.3261121 x T 1+1.0424286 x T 2+1.3554932 x T 3+1

Kiểm định sự phù hợp của mô hình

H0: Mô hình không phù hợp
Nhận xét: P-value < 2.2e-16 << 0.01 < 0.05 < 0.1, bác bỏ H0. Kết luận, hàm hồi quy phù hợp ở cả
3 mức ý nghĩa phổ biến 1%, 5% và 10%.
Kiểm định ý nghĩa của biến độc lập
H0: Biến độc lập không có ý nghĩa trong mô hình
Nhận xét: Có 13 biến độc lập trong mô hình, tất cả đều có Pr(>|t|) < 0.05, bác bỏ H 0, các biến
đều có nghĩa trong mô hình hồi quy ở mức ý nghĩa 5%.
Kiểm định giả thiết của ước lượng OLS
Giả thiết 1: Tuyến tính theo tham số
Vì các hệ số beta đều ở dạng bậc 1.
 Giả thiết 1 thỏa mãn
Giả thiết 2: Không có cộng tuyến hoàn hảo

time I (time^2) T1 T2 T3 T4 T5
66.083810 36.295988 1.445954 1.662634 1.690994 1.717176 1.741095
T6 T7 T8 T9 T10 T11 T12
1.762696 1.781951 1.798860 1.813451 1.825780 1.835929 1.800247

Nhận xét: Mô hình 14 biến độc lập, trong đó 2 biến có VIF > 10, tức bị đa cộng tuyến hoàn hảo,
12 biến còn lại có VIF < 10, giữa các biến có hiện tượng đa cộng tuyến, nhưng không bị đa cộng
tuyến nghiêm trọng (cộng tuyến hoàn hảo).
 Giả thiết 2 thỏa mãn
Giả thiết 3: Phương sai thuần nhất
H0: Sai số ut có phương sai không đổi
Kiểm định Breusch-Pagan
studentized Breusch-Pagan test

data: mh5
BP = 33.767, df = 13, p-value = 0.1306

Nhận xét: P-value = 0.1306 < 0.05, bác bỏ H0. Kết luận, sai số ut có phương sai không đổi ở mức
ý nghĩa 5%.
 Giả thuyếth3 thỏa mãn
Giả thiết 4: Không có tương quan chuỗi(tự tương quan)
Các sai số trong hai kỳ khác nhau không tương quan với nhau, tức là:
Corr(ut, us) = 0 với mọi t ≠ s
H0: Không tồn tại tương quan chuỗi
H1: Tồn tại tương quan chuỗi
Kiểm định Durbin-Watson
Durbin-Watson test

data: mh5
DW = 1.3325, p-value = 0.005215
alternative hypothesis: true autocorrelation is greater than 0
Nhận xét: p-value= 0.005215 < 0.05, bác bỏ H0. Kết luận, mô hình tồn tại sự tương quan chuỗi
với mức ý nghĩa 5%.
 Giả thuyết 4 không thỏa mãn
Giả thiết 5: Phân phối chuẩn
H0: Sai số ut có phân phối chuẩn
Cách 1: Kiểm định Jarque – Bera
Title:
Jarque - Bera Normalality Test

Test Results:
STATISTIC:
X-squared: 16.3004
P VALUE:
Asymptotic p Value: 0.0002887
Nhận xét: p-value= 0.0002887 < 0.05, bác bỏ H0. Kết luận, sai số ut không có phân phối chuẩn ở
mức ý nghĩa 5%.
Cách 2: Kiểm định Shapiro-Will
Shapiro-Wilk normality test

data: mh5$residuals
W = 0.94559, p-value = 0.1147
Nhận xét: p-value= 0.1147 > 0.05, bác bỏ H0. Kết luận, sai số ut có phân phối chuẩn ở mức ý
nghĩa 5%.
Cách 3: Kiểm định Anderson-Darling
Anderson-Darling normality test

data: mh5$residuals
A = 0.70062, p-value = 0.06385
Nhận xét: p-value=0.06385 > 0.05, không thể bác bỏ H0. Kết luận, sai số ut có phân phối chuẩn
ở mức ý nghĩa 5%.
Cách 4: Kiểm định Kolmogorov-Smirnov
Lilliefors (Kolmogorov-Smirnov) normality test
 data: mh5$residuals
D = 0.10324, p-value = 0.1291
Nhận xét: p-value= 0.1291 > 0.05, không thể bác bỏ H 0. Kết luận, sai số ut có phân phối chuẩn ở
mức ý nghĩa 5%.
 Giả thiết 5 thỏa mãn
 Chọn mô hình dạng log_tuyến tính bậc 2

Dạng log_tuyến tính bậc 3

Call:
lm(formula = log(log(LaiChau)) ~ time + I(time^2) + I(time^3) +
T1 + T2 + T3 + T4 + T5 + T6 + T7 + T8 + T9 + T10 + T11 +
T12 - 1, data = ls)

Residuals:
Min 1Q Median 3Q Max
-0.56678 -0.07568 0.00575 0.07817 0.34773

Coefficients:
Estimate Std. Error t value Pr(>|t|)
time -1.255e-02 1.664e-02 -0.754 0.4550
I(time^2) 8.812e-04 6.323e-04 1.394 0.1706
I(time^3) -1.367e-05 6.826e-06 -2.003 0.0515 .
T1 1.470e+00 1.428e-01 10.299 3.50e-13 ***
T2 1.187e+00 1.386e-01 8.567 7.57e-11 ***
T3 1.506e+00 1.408e-01 10.692 1.09e-13 ***
T4 1.680e+00 1.429e-01 11.752 5.15e-15 ***
T5 1.788e+00 1.449e-01 12.337 1.02e-15 ***
T6 1.893e+00 1.468e-01 12.893 2.27e-16 ***
T7 1.870e+00 1.486e-01 12.585 5.20e-16 ***
T8 1.826e+00 1.504e-01 12.142 1.74e-15 ***
T9 1.771e+00 1.522e-01 11.636 7.14e-15 ***
T10 1.590e+00 1.540e-01 10.327 3.22e-13 ***
T11 1.251e+00 1.558e-01 8.028 4.32e-10 ***
T12 1.194e+00 1.668e-01 7.160 7.55e-09 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.205 on 43 degrees of freedom

(2 observations deleted due to missingness)
Multiple R-squared: 0.9874, Adjusted R-squared: 0.983
F-statistic: 224.1 on 15 and 43 DF, p-value: < 2.2e-16
Kiểm định sự phù hợp của mô hình
H0: Mô hình không phù hợp
Nhận xét: p-value < 2.2e-16 < 0.01 < 0.05 < 0.1, bác bỏ H0. Kết luận, hàm hồi quy phù hợp ở cả
3 mức ý nghĩa phổ biến 1%, 5%, 10%.
Kiểm định ý nghĩa của biến độc lập
H0: Biến độc lập không có ý nghĩa trong mô hình
Nhận xét: Có 15 biến độc lập có ý nghĩa thống kê ở mức ý nghĩa 5% (Pr(>|t|)<0.05), còn lại
Pr(>|t|) của 3 biến độc lập >0.05, không thể bác bỏ H0, 3 biến này không có ý nghĩa trong mô
hình hồi quy ở mức ý nghĩa 5%.
 Loại mô hình dạng log_tuyến tính bậc 3
B4: So sánh các tiêu chí đánh giá sự phù hợp mô hình
Qua 3 bước ở trên, ta thấy có 2 mô hình ước lượng tốt là: log tuyến tính và log tuyến tính bậc 2.
Để chọn được mô hình dự báo tốt nhất, ta tiến hành so sánh các mô hình trên, dựa vào
các tiêu chí: AIC, AICc, BIC, LogLikelihood và R2 hiệu chỉnh.
Log tuyến tính Log tuyến tính bậc 2
AIC 11.69306 29.47987
BIC 40.53926 -1.42677
LogLikelihood 8.15347 15.71339
R2 hiệu chỉnh 0.9769 0.9818

Cả 2 mô hình khác nhau không có ngưỡng cụ thể của các chỉ số, nhưng mô hình tốt hơn là mô
hình có các chỉ số AIC, BIC càng nhỏ càng tốt, LogLikelihood càng lớn càng tốt
 Mô hình dạng log tuyến tính bậc 2 có nhiều tiêu chí nổi trội hơn
 Chọn mô hình dạng log tuyến tính bậc 2 để dự báo
Dạng log_tuyến tính bậc 2: ln(Yt) = β0 + β1TIME + β2TIME2 + β3.T1 + β4.T2 + β5.T3 +
β6.T4 + β7.T5 + β8.T6 + β9.T7 + β10.T8 + β11.T9 + β12.T10 + β13.T11 + β14.T12 + ut
^ 2
log ⁡(LaiChau)=0.0183506 TIME+−0.0003696 ×TIM E +1.3261121 x T 1+1.0424286 x T 2+1.3554932 x T 3+1
B5: Dự báo cho nhiều kì tiếp theo

Dựa trên các yếu tố trên ta sẽ dùng mô hình dạng tuyến tính bậc 2 để dự báo xu hướng tính mùa
của lượng mưa trung bình các tháng trong năm tại Lai Châu trong 3 năm (2021-2023). Nhận thấy
trong năm 2021,2022 và 2023 thấp nhất vào khoảng tháng 2 và tháng 11, cao nhất vào khoảng
tháng 6. Nhận thấy dữ liệu có tính mùa trong 1 năm.
Đạt đỉnh, lượng mưa cao nhất vào tháng 11
Chạm đáy, lượng mưa thấp nhất vào tháng 2 và tháng 11