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

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

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

13 200 450 7.5 8

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:

SUMMARY OUTPUT

Regression Statistics

Adjusted R

ANOVA

df SS MS F Significanc e F

Coefficient

s

Standard Error t Stat P-value

Lower 95%

Upper 95%

Lower 95.0%

Upper 95.0%

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 R 2 )

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

SUMMARY OUTPUT

Regression Statistics

Adjusted R

ANOVA

Significanc

e F

Coefficient

s Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% 95.0% Upper

RESIDUAL OUTPUT

Observatio

n Predicted lny Residual s

lnx1 Line Fit Plot

lnx1

Predicted lny

lnx2 Line Fit Plot

lnx2

lny Predicted lny

lnx3 Line Fit Plot

lnx3

Predicted lny