BÀI THI HỌC PHẦN: KINH TẾ LƯỢNG TRONG DỰ BÁO & PTKT

1. Phần thông tin

Họ và tên: Đào Tuyết Nhung MSSV: 635059 Lớp: K63KTB

Ca thi: Tiết 8,9 ngày 13/07/2021 Tổng số trang: 9

Điểm (số) Điểm (chữ)

Chữ ký của GV coi thi, chấm thi 1 Chữ ký của GV coi thi, chấm thi 2

2. Phần bài làm

Phần 1: Câu hỏi (4đ)

a. Không chắc chắn. Vì nó phụ thuộc vào cấu trúc của chuỗi số liệu, để dự
báo nếu nó có tính mùa vụ thì nên thêm các biến giả, còn nếu nó có tính chu kỳ thì
chưa chắc việc thêm các biến giả đã tốt.
b. Đúng. Vì biến giả không có ý nghĩa thống kê khi Prob (F-statistic) lớn hơn
hoặc bằng 0,05; với Prob >= 0,05 tức là chấp nhận H0, mô hình không có tính thời
vụ.
c. Đúng. Vì AR và MA là các chuỗi dừng có thể kiểm tra chuỗi số liệu có
tính dừng hay không và có thể mô hình hóa được các sai số. Theo lý thuyết các sai
số này là không thể dự báo trước được, nếu các sai số có hiện tượng tự tương quan
(có thể dự báo được) thì các con số dự báo sẽ không tốt.
d. Đúng. Vì để đánh giá và lựa chọn mô hình, ta sử dụng tiêu chuẩn AIC nếu
giá trị AIC càng nhỏ thì mô hình càng phù hợp với tập số liệu. Ngoài ra, người ta
thường sử dụng hệ số xác định là thước đo để đánh giá chất lượng hay là sự phù hợp
của mô hình.

1
 Phần 2: Bài tập (6đ)

a. Chuỗi số liệu: Chỉ số giá tiêu dùng theo tháng so với cùng kỳ năm trước
của nhóm hàng bưu chính viễn thông giai đoạn 2010-2019

Nguồn số liệu: Tổng cục thống kê. Truy cập https://www.gso.gov.vn/px-web-

2/?pxid=V0833&theme=Th%C6%B0%C6%A1ng%20m%E1%BA%A1i%2C%20
gi%C3%A1%20c%E1%BA%A3

Đơn vị tính: %

2
 Đồ thị và mô tả chuỗi số liệu:

Hình 1. Đồ thị dạng chuỗi của số liệu

Đồ thị cho thấy rằng chỉ số giá tiêu dùng theo tháng của nhóm hàng bưu chính
viễn thông tăng mạnh vào năm 2012 và có sự tăng giảm không đáng kể qua các năm
tiếp theo ở mức giữa 99% và 100%.

Hình 2. Đồ thị tần suất mô tả chuỗi số liệu

*Nhận xét:

- Giá trị trung bình (mean): 98.71617

3
- Số trung vị (median): 99.38500

- Giá trị lớn nhất (maximum): 100.5100

- Giá trị nhỏ nhất (minimum): 93.57000

- Độ lệch chuẩn (Std. Dev.): 1.756924

- Độ bất đối xứng (Skewness): -1.826891< 0 => Phân phối bất đối xứng.

- Độ nhọn (Kurtosis): 5.166277 >3 => Mẫu có phân phối chuẩn.

b. Lựa chọn mô hình tốt nhất và dự báo

➢ Xây dựng mô hình và lựa chọn mô hình dự báo xu thế tốt nhất

Mô hình xu thế tuyến tính

Y = C(1) + C(2)*TIME

Mô hình xu thế bậc hai

Y = C(1) + C(2)*TIME + C(3)*TIME2

Mô hình hàm mũ

Y = C(1)*EXP(C(2)*TIME)

Trong đó:

Y: Chỉ số giá tiêu dùng của nhóm hàng bưu chính viễn thông

TIME: biến thời gian

Mô hình xu thế tuyến tính

Dạng mô hình: Y = B0 + B1*TIME

Trong đó: B0, B1 là các hệ số.

Y là chỉ số giá tiêu dùng của nhóm hàng bưu chính viễn thông trong
tháng.

4
 Kết quả

* Phương trình: Y = 96.84124 + 0.030990*TIME

Với B0 = 96.84124, nếu TIME nhận giá trị bằng 0 thì dự báo tốt nhất cho chỉ
số giá là 96.84124.

Với B1 = 0.030990, giả sử điều kiện các yếu tố khác không đổi, khi biến
TIME tăng một đơn vị thì chỉ số giá tăng lên 0.030990 đơn vị. Hệ số của biến
TIME mang dấu dương thể hiện tính xu thế tăng.

* Kiểm định hệ số của mô hình tại mức α = 5%

Prob của hệ số hai biến đều bằng 0 < 0.05 => các hệ số có ý nghĩa thống kê
ở mức 5%.

Mô hình xu thế bậc hai

Dạng mô hình: Y = B0+ B1*TIME + B2*TIME2

Trong đó: B0, B1, B2 là các hệ số.

Y là chỉ số giá tiêu dùng của nhóm hàng bưu chính viễn thông trong
tháng.

5
Kết quả

* Phương trình: Y = 94.61473+ 0.140491*TIME – 0.000905*TIME2

* Kiểm định hệ số của mô hình:

T(B0) = 341.4038 > t(0.025,120) => hệ số B0 có ý nghĩa thống kê ở mức 5%.

T(B1) = 13.28731 > t(0.025,120) => hệ số B1 có ý nghĩa thống kê ở mức 5%.

T(B2) = -10.69035 > t(0.025,120) => hệ số B2 không có ý nghĩa thống kê ở

mức 5%.

Fqs = 126.9646 > F0.052,120 => Mô hình có ý nghĩa thống kê ở mức 5%.

Mô hình xu thế hàm mũ

Dạng mô hình: Y = C(1)*EXP(C(2)*TIME)

6
 Kết quả

* Phương trình: 0.140480*EXP(-0.000905*TIME)

Bảng so sánh lựa chọn mô hình dự báo

Mô hình xu thế Mô hình xu thế Mô hình xu thế hàm

tuyến tính bậc hai mũ
R2 0.376475 0.684576 -3174.927029
̅̅̅
R2 0.371191 0.679184 -3201.841665
AIC 3.517605 2.852801 12.05333
Kết luận mô hình xu thế bậc 2 là mô hình tốt nhất

Ta có: Hệ số xác định của mô hình xu thế bậc hai là lớn nhất và có giá trị
AIC nhỏ nhất là 2.852801. Do đó, ta lựa chọn mô hình xu thế bậc hai làm mô hình
dự báo tốt nhất.

➢ Xây dựng mô hình và dự báo tính thời vụ cho chuỗi số liệu

Mô hình có ràng buộc

7
* Phương trình: Y = 94.61473+ 0.140491*TIME – 0.000905*TIME2

Mô hình không có ràng buộc

Kiểm định giả thuyết

• H0: Y1=Y2, Y2=Y3,..., Y11=Y12 (số ràng buộc m=11).

• H1: Ít nhất hai trong số các hệ sộ trên khác nhau.

8
 * Phương trình: Y = 0.140480*TIME – 0.000905*TIME2 + 94.60994*D1 +
94.67091*D2 + 94.62468*D3 + 94.58426*D4 + 94.37066*D5 + 94.70286*D6 +
94.70687*D7 + 94.67669*D8 + 94.65133*D9 + 94.61877*D10 + 94.59202*D11
+ 94.57208*D12

Kiểm định mô hình xu thế bậc hai có tính thời vụ hay không

(𝑆𝑆𝑅𝑅 − 𝑆𝑆𝑅𝑈𝑅 )/𝑚

𝐹𝑞𝑠 =
𝑆𝑆𝑅𝑈𝑅 /(𝑇 − 𝑘)

SSRR 115.8638 tử số 0.0796

SSRUR 114.9882 mẫu số 1.08479
k 14
m 11
T 120
Fαm,T-k 1.86929 > Fqs 0.07338

Kết luận: Bác bỏ H0. Mô hình không có tính thời vụ.

c. Dự báo cho 3 thời kỳ kế tiếp

Phương trình dự báo

𝒄𝒉𝒊𝒔𝒐𝒈𝒊𝒂 = 94.61473 + 0.140491 ∗ 𝑻𝒊𝒎𝒆 − 0.00091 ∗ 𝑻𝒊𝒎𝒆𝟐

thoigian Time Time2 Ydb C 94.61473

1-Jan-20 121 14641 98.364 TIME 0.140491

1-Feb-20 122 14884 98.2846 TIME2 -0.00091

1-Mar-20 123 15129 98.2034 S.E of regression 0.995133