You are on page 1of 46

÷ { 

    ÷


ĐӅ tài: Dùng pp san mũ đӇ dӵ báo


mӝt «.
Nhóm thӵc hiӋn: Nhóm 4

| 
   @

ü 

   



 !"
# $%&'( )*+',%+
--./)! 
01%&
01%&

| 
    
ü 

   
$ ĐiӅu kiӋn áp dөng : Đӕi vӟi dãy sӕ thӡi gian không
có xu thӃ và không có biӃn đӝng thӡi vө rõ rӋt .
$ Công thӭc San mũ đơn giҧn là

^
}  1
 ß }   (1 ß ) } ^


| 
   Ë
}^t+1:Là giá trӏ dӵ đoán ӣ thӡi điӇm (t+1)
}^t: là giá trӏ dӵ đoán ӣ thӡi điӇm t
}t: giá trӏ quan sát đưӧc ӣ thӡi điӇm dӵ báo
Į: là hӋ sӕ san mũ
  

$ „    
  

    
 d 

   
 


ß}
(1 ß)( 1
1
)

| 
   2
Lt: Giá trӏ san mũ mӟi ӣ thӡi điӇm t
}t : giá trӏ quan sát ӣ thӡi điӇm t
Į : hӋ sӕ san mũ cӫa giá trӏ trung bình (0<Į<1)
T : giá trӏ ưӟc lưӧng xu thӃ
d ' 234%5'
6   (   )  (1  ) 6 
 1 1

6 7"8 ' 23


 "8 
9 :5'("83;<=9= >
| 
   
$ Dӵ báo p trong giai đoҥn trong tương lai
}^t+p= Lt + pTt
}^t+p:giá trӏ dӵ đoán ӣ thӡi điӇm t+p
T : giá trӏ ưӟc lưӧng xu thӃ
L: giá trӏ san mũ mӟi
3: San mũ Holt ±winter
$ Là mӣ rӝng cӫa san mũ Holt đӕi vӟi các dӳ
liӋu có chӭa yӃu tӕ mùa.
$ }Ӄu tӕ mùa trong chuӛi thӡi gian có thӇ
thuӝc dҥng cӝng tính hoһc nhân tính.

| 
   í
$ d ' 2"8"-?@A
}
   (1 «  )(  «1 « 6  «1)
 «1
 "8 BCD
} "8EBCD
F :5'("8"-?;<=F= >
6 "8 ' 23
G "8 ' 2'('H5I) 4%*
$ d ' 234%5'

   (  « ) (1 «  ) «1
 «1

| 
   Ž
Tt: giá trӏ ưӟc lưӧng xu thӃ
Lt: giá trӏ san mũ mӟi
ȕ:hӋ sӕ san mũ cӫa giá trӏ xu thӃ (0<ȕ<1)
$ d ' 2"8'H5I
}
  a  (1 a )  

G  "8 ' 2'('H5I
G  "8 
G } "8EACD
G J :5'('H5I

| 
   
$ Dӵ báo p giai đoҥn trong tương lai
^
}   (  6 )  «  

}^t+p: giá trӏ dӵ báo ӣ thӡi điӇm t+p


Tt: giá trӏ ưӟc lưӧng xu thӃ
Lt: giá trӏ san mũ mӟi
St: giá trӏ ưӟc lưӧng chӍ sӕ mùa

| 
   /
÷ !"#   $%
&
'
!&()*$+,

-.!"/  2K'%8'L '*0:M


!ELN<<O<<P'Q5:  
; )8 ? 2>
              
               
        
          
           

| 
   @
@  
 
$ Các bưӟc thӵc hành trên Eviews:
$ Bưӟc 1: Tҥo 1 file làm viӋc mӟi: Tӯ menu chính chӑn
Ö 


| 
   @@
 Bưӟc 2; Nhұp sӕ liӋu tӯ bàn phím
- Tӯ cӱa sә chính cӫa Eviews, chӑn ¶   
   
- Nhҩn mũi tên lên cӫa bàn phím đӇ nhұp tên biӃn vào hàng
thӭ nhҩt: }, sau đó nhұp sӕ liӋu tӯng tháng cӫa các năm
tương ӭng.
- Vào   và đһt tên cho sӕ liӋu
$ Bưӟc 3: Vào ¶      
  .
- Trong ô    nhұp tên biӃn vào: }, nhҩn .
- Sau đó, xuҩt hiӋn hӝp thoҥi    , ta
chӑn  , .
- Eviews tӵ tҥo mӝt biӃn dӵ báo tên ysm như sau:

| 
   @ 
| 
   @Ë
$Sau khi nhҩn  Eveiws tӵ tҥo mӝt biӃn dӵ báo ysm như sau:

| 
   @2
$ Nhìn vào bҧng trên ta thҩy hӋ sӕ anpha tӕi ưu mà
eviews tính đưӧc là: 0.192
Bưӟc 4: VӁ đӗ thӏ
$ ĐӇ vӁ đӗ thӏ cho biӃn y và ysm ta làm các thao tác
như sau:
$ Tӯ cӱa sә làm viӋc chính cӫa eviews chӑn ¶ 
.
$ Trong mөc    nhұp tên biӃn cҫn vӁ đӗ thӏ: y
ysm, nhҩn , ta đưӧc đӗ thӏ như sau:

| 
   @
| 
   @í
$Vӟi hӋ sӕ anpha là 0.192 ta có bҧng sӕ liӋu dӵ báo
như sau:

  

       
        
       
       

| 
   @Ž
   !"# $%
$ Các bưӟc 1 và 2 làm như ӣ phương pháp san mũ
đơn giҧn
$ Bưӟc 3: Vào ¶      
  .
$ Trong ô    nhұp tên biӃn vào: }, nhҩn
.
$ Sau đó, xuҩt hiӋn hӝp thoҥi  
  , ta chӑn %&  & 

| 
   @
| 
   @/
Sau khi nhҩn  Eviews tҥo mӝt biӃn dӵ báo như sau:

| 
    
Bưӟc 4: VӁ đӗ thӏ
Tӯ cӱa sә làm viӋc cӫa Eviews chӑn ¶ , sau đó nhұp
tên biӃn cҫn vӁ đӗ thӏ ta đưӧc đӗ thӏ như hình sau:

| 
    @
$ HӋ sӕ beta tìm đưӧc rҩt nhӓ gҫn bҵng 0 nên không có giá trӏ
xu thӃ, dӵ báo lưӧng khách du lӏch trong các quý năm 2010
là;
 1: 2010 = 994,000
 2: 2010 = 994,326
 3: 2010 = 994,654
 4: 2010 = 994,681
3. Phương pháp san mũ Holt ± Winter
$ Sau khi đã nhұp sӕ liӋu tӯ bàn phím vào, bưӟc tiӃp theo ta
làm như sau:
$ Bưӟc 3: Vào uick/Series Statitic/Exponential Smoothing.
$ Trong ô Series Name nhұp tên biӃn vào: }, nhҩn OK.
$ Sau đó, xuҩt hiӋn hӝp thoҥi Exponential Smoothing

| 
     
| 
    Ë
Trong phҫn     trӑn %&  &
'    (, nhҩn  ta đưӧc bҧng sau:

| 
    2
Bưӟc 5: VӁ đӗ thӏ: chӑn ¶ , nhұp tên biӃn y
và ysm_hw vào ô   . Nhҩn  chӑn đưӡng vӁ
đӗ thӏ ta đưӧc đӗ thӏ như sau:

| 
    
$ KӃt quҧ mà Eviews dӵ báo các quý năm 2010
như sau:
1: 2010 = 959200 (triӋu khách)
2: 2010 = 871803 ( triӋu khách)
3: 2010 = 891,803 ( triӋu khách)
4: 2010 = 1,017,639 ( triӋu khách)

| 
    í
Ví) : Khӕi lưӧng hành khách vұn chuyӇn theo
đưӡng hàng không có sӕ liӋu như sau:
´

  
 
  
 
 
 
  
   

| 
    Ž
     4,4
    4,5
    5,5
    6,5
     7,4
    8,9
    10,2
    10,7

| 
    
$  $*" +
$ Bưӟc 1 : Tҥo 1 file eviews mӟi
$ Vào Ö 

$ Xuҩt hiӋn hӝp thoҥi 
,

| 
    /
Bưӟc 2 : Nhұp sӕ liӋu tӯ bàn phím

$ Tӯ cӱa sә chính cӫa Eviews, chӑn ¶  


     
$ Nhҩn mũi tên lên cӫa bàn phím đӇ nhұp tên biӃn vào
hàng thӭ nhҩt: }.
$ Vào ¶    => xuҩt hiӋn bҧng nhұp
sӕ liӋu.
$ Ta nhұp sӕ liӋu cho các năm tӯ năm 1995 đӃn 2009

| 
   Ë
Bưӟc 3 : Vào ¶        
$ Xuҩt hiӋn hӝp thoҥi    nhұp tên biӃn cҫn dӵ báo
vào ô   : Nhұp tên biӃn cҫn dӵ báo (})
Bưӟc 4 : sau khi chӑn 
$ Xuҩt hiӋn bҧng ½    
$ Trong bҧng chӑn     chӑn   => 

| 
   Ë@
$ Sau khi nhҩn  Eviews tӵ tҥo biӃn dӵ báo ysm, và anpha tӕi
ưu mà eviews tính đưӧc là: 0.9990

| 
   Ë 
Bưӟc 5 : vӁ đӗ thӏ vӟi } và }SM bҵng cách chӑn ¶ 
và nhұp tên biӃn } Và }SM vào ta có đӗ thӏ dҥng:

| 
   ËË
$ Theo Eviews dӵ báo ta có kӃt quҧ như sau:

  
       
       
    

| 
   Ë2
   $%
$ Các bưӟc ban đҫu tương tӵ san mũ đơn giҧn.
$ Bưӟc 4: chӑn %& &  như trong hӝp
thoҥi

| 
   Ë
$Ta đһt tên cho biӃn dӵ báo trong ô    là ysm_h
(mһc đӏnh Eviews luôn đһt là ysm). Sau khi nhҩn  Eviews tҥo
ra bҧng dӵ báo như sau:

| 
   Ëí
Bưӟc 5 : VӁ đӗ thӏ vӟi } và ysm_h bҵng cách chӑn ¶ 
 và nhұp tên biӃn y và ysm_h vào ta có đӗ thӏ :

| 
   ˎ
$Bҵng phương pháp san mũ holt ta đưӧc kӃt quҧ Eviews dӵ báo
như sau:

  
      
       
       
      
      
    

| 
   Ë
Ë  $ 
$ Các bưӟc trên giӕng như san mũ đơn giҧn và
san mũ Holt.
$ NӃu làm vӟi mô hình nhân tính thì: trong
hӝp thoҥi:     chӑn
% &'    ( => 

| 
   Ë/
| 
   2
| 
$ Tùy tӯng sӕ liӋu cө thӇ mà ta lӵa chӑn làm theo
phương pháp nào cho phù hӧp và kӃt quҧ dӵ báo
mang lҥi ít sai sӕ:
San mũ đơn giҧn: áp dөng vӟi nhӳng sӕ liӋu không
có xu thӃ và không có biӃn đӝng thӡi vө rõ rӋt.
Anpha lӟn phù hӧp sӕ liӋu không có tính әn đӏnh
cao và ngưӧc lҥi.
San mũ Holt: thưӡng đưӧc áp dөng vӟi nhӳng sӕ
liӋu có xu thӃ và không có tính thӡi vө.
Còn vӟi phương pháp san mũ Holt ± Winter:
thưӡng đưӧc áp dөng cho nhӳng sӕ liӋu có tính chҩt
mùa vө.

| 
   2@
$ Đӕi vӟi 2 ví dө trên:

 Ví dө 1: Sӕ liӋu có tính mùa vө nên ta dùng phương


pháp san mũ Holt-Winter đӇ dӵ báo sӁ mang lҥi kӃt
quҧ dӵ báo chính xác hơn 2 phương pháp kia.
 Ví dө 2: bӝ sӕ liӋu có tính chҩt xu thӃ nên ta nên
dùng phương pháp san mũ Holt là hӧp lý nhҩt.

| 
   2 
$ ĐӇ đánh giá đӝ chính xác cӫa phương pháp dӵ báo
ngưӡi ta còn đánh giá thông qua tham sӕ: Root '
-  .' . Vӟi cùng mӝt bӝ sӕ liӋu
.' cӫa phương pháp nào nhӓ hơn thì đӝ chính xác
cӫa phương pháp đó mang lҥi đӝ chính xác cao hơn.
$ Xét ví dө 1:

SM đơn SM Holt SM Holt -


giҧn Winter
RMSE 104521.2 101591.3 66146.02

| 
   2Ë
$ Như vұy ta thҩy: Ӣ ví dө 1 .' cӫa phương pháp
san mũ Holt- Winter là bé nhҩt nên vӟi bӝ sӕ liӋu như ӣ
ví dө 1 thì ta nên chӑn phương pháp san mũ Holt ±
winter
 Đӕi vӟi ví dө 2:

SM đơn SM Holt SM Holt -


giҧn Winter
RMSE 0.778602 0.452314 0.807601

| 
   22
$ Còn đӕi vӟi ví dө 2, .' cӫa phương pháp dӵ báo
san mũ Holt là thҩp nhҩt nên vӟi bӝ sӕ liӋu như ӣ ví
dө 2 ta nên lӵa chӑn phương pháp san mũ Holt đӇ
mang lҥi kӃt quҧ chính xác hơn.

| 
   2
Các PP & MH DB KT - NHÓM 4 46
XH