Dự báo bằng mô hình san bằng hàm mũ: Winters

Khi thực hiện dự báo ngắn hạn, số liệu của bạn thường theo từng quý, hoặc theo từng tháng. Nếu
bạn thấy dữ liệu có yếu tố mùa vụ, và xu thế tuyến tính thì mô hình Winters sẽ rất phù hợp.

1. Tình huống
Mai là nhân viên ở bộ phận Kế hoạch của công ty du lịch VT tại TP.HCM. Lúc này đây là đầu
mùa mưa của năm 2007, dịp hè vừa đến, nhiều bạn bè rủ Mai đi du lịch Sa Pa, Trung Quốc; và
cũng là lúc cô phải hoàn thành bản kế hoạch kinh doanh cho 6 tháng cuối năm 2007. Điều mà
Mai lo lắng nhất hiện nay là làm sao dự báo được doanh số của Cty trong quý 3, quý 4 năm 2007
là bao nhiêu.
Số liệu về doanh thu (tỷ đồng) từ quý 1 năm 2003 đến quý 2 năm 2007 đã được Mai thu thập,
nhập vào SPSS 15 và thời gian đã được khai báo như Hình 1.

Hình 1. Dữ liệu

Nguyễn Khánh Duy 1

2. Các bước thực hiện
Bước 1. Nhận diện
Mô hình Winters được sử dụng nếu dữ liệu của bạn có yếu tố mùa vụ kết hợp nhân với
yếu tố xu thế (Mô hình Winters nhân tính, nếu có ai chỉ gọi là Winters thì bạn hiểu là mô hình
Winters nhân tính), hoặc yếu tố mùa vụ kết hợp cộng với yếu tố xu thế (Mô hình Winters cộng
tính).Bằng đồ thị, bạn sẽ dễ dàng nhận diện được dữ liệu của Cty VT có yếu tố mùa vụ hay
không, nếu có thì yếu tố mùa vụ kết hợp nhân hay cộng với yếu tố xu thế, và yếu tố xu thế sẽ là
tuyến tính hay phi tuyến.
Nhìn vào đồ thị (Hình 2), bạn sẽ thấy dữ liệu có yếu tố mùa vụ: có một quy luật được lập
lại sau mỗi năm. Quy luật này như sau: quý 1 thường có doanh thu thấp nhất, sau đó Doanh thu
tăng nhẹ vào quý 2, doanh thu tăng mạnh nhất vào quý 3, và quý 4 lại sụt giảm. Có yếu tố xu thế
tuyến tính. Đồ thị cũng cho thấy, dữ liệu có xu thế tuyến tính tăng dần: doanh thu tăng theo thời
gian với dạng đường thẳng. Đồ thị cũng cho thấy yếu tố xu thế kết hợp nhân với yếu tố mùa vụ.

200.00

184.70

180.00 177.20

160.00
Doanh thu (ty d)

139.30
140.00

125.20
120.00
120.00 117.10

104.30
101.90
100.00 97.60
95.00

84.70

80.00
75.70
69.40
64.20 72.40

60.00 62.00

Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2
2003 2003 2004 2004 2004 2004 2005 2005 2005 2005 2006 2006 2006 2006 2007 2007

Date

Hình 2. Đồ thị biểu diễn Doanh Thu theo thời gian (đã được trang trí thêm)

Nguyễn Khánh Duy 2

Bạn có thể phân biệt Cộng tính, nhân tính thông qua Hình 3a, Hình 3b.

Coäng tính

t
Hình 3a. Yếu tố xu thế kết hợp cộng với yếu tố mùa vụ

Nhaân tính

t
Hình 3b. Yếu tố xu thế kết hợp nhân với yếu tố mùa vụ

Nguyễn Khánh Duy 3

Bước 2. Chọn công cụ san bằng hàm mũ
• Chọn Analyze\Time Series\Create Model (Hình 4) Æ Hộp thoại Time Series Modeler
xuất hiện (Hình 5)

Hình 4. Analyze\Time Series\Create Model

• Trong Hộp thoại Time Series Modeler, tại Tab Variables đưa biến cần dự báo (biến DT)
vào Variables, chọn Exponential Smoothing ở khung Method, chọn Criteria để khai
báo là mô hình nhân tính hay cộng tính; sau đó, lần lượt chọn các Tab và khai báo như
Hình 7, 8, 9; và cuối cùng là nhấp nút OK.

Nguyễn Khánh Duy 4

Hình 5. Hộp thoại Time Series Modeler
Khi bạn chọn nút Criteria, hộp thoại Time Series Modeler: Exponential Smoothing
Criteria (Hình 6) xuất hiện. Trong hộp thoại này, bạn hãy chọn Winters’ multipicative vì mô
hình này là mô hình nhân tính. Nếu là mô hình cộng tính, thì bạn chọn Winters’ addtive. Nhấp
Continue để quay trở về hộp thoại Time Series Modeler: Exponential Smoothing Criteria
(Hình 6)

Nguyễn Khánh Duy 5

Hình 6. Hộp thoại Time Series Modeler: Exponential Smoothing Criteria

Nguyễn Khánh Duy 6

 Chọn Tab Statistics, và đánh dấu Root mean square error để tính RMSE của mô hình,
đánh dấu chọn Display forecasts để thể hiện kết quả dự báo trên màn hình Viewer. (Hình 7)

Hình 7. Tab Statistics

Nguyễn Khánh Duy 7

 Hình 8. Tab Plots
Chọn Tab Plots, và đánh dấu Forecasts, Fit values để vẽ đường biểu diễn cả giá trị dự
báo và giá trị thực tế lên cùng một đồ thị nhằm đánh giá độ chính xác (Hình 8).

Nguyễn Khánh Duy 8

 Hình 9. Tab Options

Chọn Tab Options, Nhấp chọn First case after end of estimation period through a
specified date, và nhập 2008 vào ô Year, nhập 4 vào ô Quarter nếu bạn muốn dự báo đến quý 4
năm 2008 (Hình 9). Nếu bạn muốn lưu lại các giá trị dự báo vào file dữ liệu thì tiếp tục bấm Tab
Save.
3. Xem kết quả
Ở Bảng Model Statistics, bạn thấy RMSE bằng 10.148. Nếu bạn muốn so sánh độ chính
xác giữa các mô hình dự báo, bạn sẽ chọn mô hình nào có RMSE nhỏ hơn. Bảng Forecast cho
thấy kết quả dự báo điểm và kết quả dự báo khoảng ở độ tin cậy 95%. Ví dụ, Quý 4 năm 2007,
Doanh Thu của Cty nếu theo kết quả dự báo điểm, sẽ là 143.4 tỷ đồng; nếu sử dụng dự báo
khoảng, doanh thu của Cty có thể đạt ở mức từ 120.93 đến 165.87 tỷ đồng.

Nguyễn Khánh Duy 9

 Model Statistics

Model Fit statistics Ljung-Box Q(18)

Number of Stationary Number of
Model Predictors R-squared RMSE Statistics DF Sig. Outliers
DT-Model_1 0 .663 10.148 . 0 . 0

Forecast

Model Q3 2007 Q4 2007 Q1 2008 Q2 2008 Q3 2008 Q4 2008

DT-Model_1 Forecast 237.19 143.40 165.92 223.14 311.12 184.87
UCL 259.11 165.87 191.09 256.32 365.61 229.45
LCL 215.26 120.93 140.75 189.96 256.63 140.29
For each model, forecasts start after the last non-missing in the range of the requested estimation
period, and end at the last period for which non-missing values of all the predictors are available or at
the end date of the requested forecast period, whichever is earlier.

Observed
400 Fit
UCL
LCL
Forecast

300
Number

DT-Model_1
200

100

0
Q3 2003
Q4 2003
Q1 2004
Q2 2004
Q3 2004
Q4 2004
Q1 2005
Q2 2005
Q3 2005
Q4 2005
Q1 2006
Q2 2006
Q3 2006
Q4 2006
Q1 2007
Q2 2007
Q3 2007
Q4 2007
Q1 2008
Q2 2008
Q3 2008
Q4 2008

Date

Nguyễn Khánh Duy 10