Nhiệm Vụ 6
VoHieu
2024-03-16
I. GIỚI THIÊU TỔNG QUAN VỀ BỘ DATASET ĐƯỢC LẤY TỪ WORLDBANK: “CO2 EMISSIONS”
Chỉ số này cho chúng ta biết lượng khí thải CO2 (Carbon Dioxide) tích lũy được ghi nhận cho mỗi quốc gia trong một năm cụ thể. Đây là chỉ số đo lường số lượng khí thải CO2 được sinh ra từ hoạt động con người, chẳng hạn như sản xuất năng lượng, công nghiệp, giao thông và tiêu dùng.
Dữ liệu này được sử dụng để nghiên cứu và đánh giá tình hình môi trường và biến đổi khí hậu toàn cầu.
Bằng cách sử dụng bộ dữ liệu EN.ATM.CO2E.KT, chúng ta có thể phân tích và đánh giá mức độ ô nhiễm môi trường, tác động của khí thải CO2 đến biến đổi khí hậu toàn cầu, và đánh giá hiệu quả các biện pháp giảm thiểu khí thải CO2 của các quốc gia và khu vực.
vh <- WDIsearch("CO2 emissions (kt)")
vh <- WDI(indicator = 'EN.ATM.CO2E.KT', start = 1990, end = 2020)
names(vh) <- c('Country','Iso2c','Iso3c','Year','Value')
datatable(vh)1.PHÂN TÍCH BỘ DỮ LIỆU WORLD BANK:
1.1 Rút trích dữ liệu cần thiết:
Rút trích dữ liệu dựa vào 2 mốc thời gian từ năm 1990-1995 và 2015-2020 của quốc gia Việt Nam.
Đầu tiên ta rút trích dữ liệu từ mốc thời gian 1990-1995.
vh1 <- vh %>% filter(Country == 'Viet Nam', Year >= 1990 & Year <= 1995)%>% select('Country','Iso2c','Iso3c','Year','Value')
datatable(vh1)- Ta rút tiếp dữ liệu trong giai đoạn 2015-2020
vh2 <- vh %>% filter(Country == 'Viet Nam', Year >= 2015 & Year <= 2020)%>%
select('Country','Iso2c','Iso3c','Year','Value')
datatable(vh2)1.2 Phân tích theo từng giai đoạn:
1.2.1 Giai đoạn từ năm 1990-1995 của Việt Nam:
- Ta tiến hành phân tích thông qua biểu đồ để có cái nhìn tổng quát về khi thải của Việt Nam trong giai đoạn 1990-1995.
library(ggplot2)
vh1 <- vh %>%filter(Country == 'Viet Nam', Year >= 1990 & Year <= 1995)%>%
select('Country','Iso2c','Iso3c','Year','Value')
vh1 %>% ggplot(aes(x = Year, y = Value)) +
geom_line(color = "darkgreen") +
geom_point(color = "darkgreen") +
geom_smooth(method = "lm", se = FALSE, color = "brown") +
labs(x = "Năm", y = "Lượng Khí Thải") +
ggtitle("Khí thải của quốc gia VIệt Nam giai đoạn 1990-1995")## `geom_smooth()` using formula = 'y ~ x'
Nhận xét:
Biểu đồ cho thấy xu hướng tăng dần của lượng khí thải CO2 của Việt Nam trong giai đoạn từ 1990 đến 1995. Đường cong và đường hồi quy thể hiện rằng có một sự gia tăng phổ biến trong lượng khí thải CO2 trong thời gian này.
Điểm dữ liệu trên biểu đồ cho thấy biến động và phân tán khá lớn trong lượng khí thải CO2 của Việt Nam trong từng năm. Điều này có thể chỉ ra sự biến đổi trong hoạt động công nghiệp và sự phụ thuộc vào các nguồn năng lượng không tái tạo.
1.2.2 Giai đoạn từ năm 2015-2020 của Việt Nam:
- Ta tiếp tục phân tích thông qua biểu đồ để có cái nhìn tổng quát về khi thải của Việt Nam trong giai đoạn 2015-2020.
library(ggplot2)
vh2 <- vh %>%filter(Country == 'Viet Nam', Year >= 2015 & Year <= 2020)%>%
select('Country','Iso2c','Iso3c','Year','Value')
vh2 %>% ggplot(aes(x = Year, y = Value)) +
geom_line(color = "darkgreen") +
geom_point(color = "darkgreen") +
geom_smooth(method = "lm", se = FALSE, color = "brown") +
labs(x = "Năm", y = "Lượng Khí Thải") +
ggtitle("Khí thải của quốc gia VIệt Nam giai đoạn 2015-2020")## `geom_smooth()` using formula = 'y ~ x'
Nhận xét:
Từ biểu đồ ta có thể thấy đường cong và đường hồi quy vân tăng, lượng khí thải qua từng năm không hề có dấu hiệu giảm sút.
Đặc biệt năm 2017-2018 có xu hướng tăng mạnh mẽ vì lý do các công ty nước ngoài bắt đầu đặt nhà máy tại Việt Nam với số lượng nhiều, ngành công nghiệp Việt Nam phát triển mạnh mẽ từ các yếu tố trong nước và ngoài nước, vốn đầu tư từ nước ngoài đổ vào Việt Nam tăng mạnh.
Nhận xét chung:
Qua hai biểu đồ, ta rút ra nhận xét lượng khí thải CO2 của quốc gia Việt Nam vẫn tăng đều qua từng năm và vẫn có dấu hiệu không ngừng tăng trong tương lai.
Các nguyên nhân chủ yếu gây ra khí thải CO2:
1. Sử dụng năng lượng hóa thạch: Sự tiêu thụ đá, dầu, than và khí tự nhiên để sản xuất điện, vận chuyển và công nghiệp là nguồn gốc chính của khí thải CO2.
2. Giao thông vận tải: Sự gia tăng xe cộ cá nhân, hàng hóa và dịch vụ vận chuyển đóng góp đáng kể vào lượng khí thải CO2.
3. Công nghiệp: Quá trình sản xuất công nghiệp, như sản xuất thép, xi măng, hóa chất và vật liệu xây dựng, tạo ra lượng khí thải CO2 đáng kể, sự đầu tư từ các công ty ngoại quốc.
4. Nông nghiệp: Hoạt động như cấy trồng lúa, chăn nuôi gia súc và sử dụng phân bón làm tăng lượng khí thải CO2 từ nông nghiệp.
- Một số hướng khắc phục:
1. Chuyển đổi sang năng lượng tái tạo: Sử dụng nguồn năng lượng tái tạo như năng lượng mặt trời, gió và thủy điện để giảm sự phụ thuộc vào năng lượng hóa thạch.
2. Nâng cao hiệu suất năng lượng: Tăng cường hiệu suất năng lượng trong các ngành công nghiệp, giao thông và hệ thống điện để giảm lượng khí thải CO2.
3. Thúc đẩy giao thông công cộng và xe điện: Đẩy mạnh sử dụng giao thông công cộng hiệu quả và thúc đẩy xe điện để giảm lượng khí thải CO2 từ giao thông vận tải.
4. Cải thiện quản lý rừng và đất: Bảo vệ và khôi phục hệ sinh thái rừng, đồng thời áp dụng phương pháp quản lý đất hiệu quả để giảm khí thải CO2 từ nông nghiệp.
II. GIỚI THIỆU VỀ BỘ DATASET ĐƯỢC LẤY TỪ IMF(INTERNATIONAL MONETARY FUND):
Bộ dữ liệu có tên “Food and non-alcoholic beverages”
PCPIF_IX là viết tắt của Chỉ số giá tiêu dùng cho người tiêu dùng thành thị, bao gồm nhà ở, cho mặt hàng Thực phẩm và đồ uống không cồn.
Đây là thước đo mức độ thay đổi giá cả của các mặt hàng thực phẩm và đồ uống không cồn mà người tiêu dùng thành thị thường mua.
Chỉ số này bao gồm: Giá cả của các loại thực phẩm tươi sống như thịt, cá, rau quả, trái cây.
Giá cả của các loại thực phẩm chế biến sẵn như mì gói, đồ hộp, bánh kẹo.
Giá cả của các loại đồ uống không cồn như nước suối, nước ngọt, sữa.
Chỉ số PCPIF_IX được sử dụng để:
Theo dõi lạm phát trong lĩnh vực thực phẩm và đồ uống không cồn.
Đánh giá tác động của biến động giá cả thực phẩm đối với đời sống của người tiêu dùng.
So sánh mức giá thực phẩm giữa các quốc gia và khu vực.
1. Rút trích dữ liệu:
library(tidyverse)
library(imf.data)## Warning: package 'imf.data' was built under R version 4.3.3hv <- load_datasets('CPI')
view(hv$dimensions$indicator)
hv0 <- hv$get_series(freq='M', ref_area = 'VN', indicator = 'PCPIF_IX')
hv1 <- na.omit(hv0)
names(hv1) <- c("year","baseyear","value")
datatable(hv1)2, Phân tích dữ liệu theo từng giai đoạn:
2.2.1 Giai đoạn 6 tháng đầu năm 2023 của Việt Nam:
hv2 <- hv1 %>% filter(year == "2023-01" | year == "2023-02" | year == "2023-03" | year == "2023-04" | year == "2023-05" | year == "2023-06")
ggplot(hv2, aes(x = year, y = value)) +
geom_bar(stat = "identity", fill = "lightpink") +
labs(title = "Sự thay đổi giá cả của các mặt hàng thực phẩm và đồ uống không cồn ở Việt Nam trong 6 tháng đầu năm 2023", x = "Năm", y = "(%)")
Nhận xét: * Biểu đồ thể hiện sự thay đổi giá cả của các mặt hàng thực phẩm và đồ uống không cồn ở Việt Nam trong 6 tháng đầu năm 2023.
Mức độ tăng giảm giá:
Giá cả tăng trong các tháng 1, 2, 4 và 5.
Giá cả giảm trong tháng 3 và 6.
Mức độ biến động:
Biến động lớn nhất trong tháng 1 (tăng 12.5%) so với tháng trước.
Biến động nhỏ nhất trong tháng 6 (giảm 2.5%).
Mức độ tăng giảm trung bình: Tăng 5.83% trong 6 tháng.
Ta rút ra được giá cả thực phẩm và đồ uống không cồn biến động mạnh trong 6 tháng đầu năm 2023.
Các nguyên nhân: Tết Nguyên Đán, nhu cầu tiêu dùng, giá xăng, mùa mưa lũ, mùa thu hoạch
2.2.2. Giai đoạn 6 tháng cuối năm 2023 của Việt Nam:
hv3 <- hv1 %>% filter(year == "2023-07" | year == "2023-08" | year == "2023-09" | year == "2023-10"| year == "2023-11"| year == "2023-12" )
ggplot(hv3, aes(x = year, y = value)) +
geom_bar(stat = 'identity', fill = "lightblue" ) +
labs(tittle= "Sự thay đổi giá cả của các mặt hàng thực phẩm và đồ uống không cồn ở Việt Nam trong 6 tháng cuối năm 2023", x = "Năm", y = "(%)")
Nhận xét:
Biểu đồ thể hiện sự thay đổi giá cả của các mặt hàng thực phẩm và đồ uống không cồn ở Việt Nam trong 6 tháng cuối năm 2023.
Mức độ tăng giảm giá:
Giá cả tăng trong các tháng 7, 8, 10 và 11.
Giá cả giảm trong tháng 9 và 12.
Mức độ biến động:
Biến động lớn nhất trong tháng 10 (tăng 10%).
Biến động nhỏ nhất trong tháng 12 (giảm 2%).
Mức độ tăng giảm trung bình:
Tăng 4.5% trong 6 tháng.
So sánh với 6 tháng đầu năm:
Mức độ biến động giảm trong 6 tháng cuối năm.
Mức độ tăng giảm trung bình cao hơn trong 6 tháng cuối năm.
Nguyên nhân:
Giá xăng tăng cao trong cả năm.
Nhu cầu tiêu dùng cao trong dịp Tết Nguyên Đán.
NHẬN XÉT CHUNG:
- Giá cả của các mặt hàng thực phẩm và đồ uống không cồn trong năm 2023 nhìn chung tăng mạnh, tuy nhiên duy nhất 2 tháng là giảm do sự biến đổi khí hậu các vùng miền. Giá cả tăng phần lớn do nền kinh tế dần ổn định trở lại, sự khan hiếm của các mặt hàng,…