Đề Cương Dự Báo KT XH 1 Anh Bằng

ĐỀ CƯƠNG DỰ BÁO KT – XH 1
Mục lục
CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ DỰ BÁO KT - XH ........................................ 1
CHƯƠNG 2: DỮ LIỆU PHỤC VỤ DỰ BÁO .......................................................... 6
CHƯƠNG 3: PHƯƠNG PHÁP NGOẠI SUY XU THẾ ......................................... 9
CHƯƠNG 4: PHƯƠNG PHÁP SAN MŨ ............................................................... 14
CHƯƠNG 5: DỰ BÁO MÙA VỤ ............................................................................ 16
CHƯƠNG 6: MÔ HÌNH ARIMA ............................................................................ 19
CHƯƠNG 7: MÔ HÌNH NHÂN TỐ ....................................................................... 21
CHƯƠNG 8: MÔ HÌNH CÂN ĐỐI LIÊN NGÀNH.............................................. 24
CHƯƠNG 9: PHƯƠNG PHÁP CHUYÊN GIA .................................................... 27

Nguyễn Quý Bằng – CQ530348
CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ DỰ BÁO KT - XH

I. Tổng quan về dự báo
1. Khái niệm về dự báo:
Dự báo là tiên đoán mang tính khoa học về 1 đối tượng nghiên cứu. Đối tượng nghiên cứu là 1 sự vật,
sự việc nào đó trong đời sống xã hội.
Chúng ta thường tiến hành dự báo về 1 sự việc xảy ra trong tương lai hoặc 1 sự việc đã và đang xảy
ra mà không có thông tin về nó. Việc dự báo giúp chúng ta có thể hạn chế được những rủi ro sẽ xảy
ra trong tương lai.
2. Đặc điểm của dự báo:
Dự báo có 3 đặc điểm cơ bản:
- Tính xác suất: khi tiền hành dự báo, chúng ta không phải lúc nào cũng có đầy đủ thông tin về đối
tượng dự báo, do đó dự báo có thể cho kết quả không hoàn toàn chính xác, hay nói cách khác là dự
báo luôn có sai số nhất định.
- Tính tin cậy: Dự báo được tiến hành trên những cơ sở khoa học đã được kiểm chứng => dự báo
mang tính tin cậy.
- Tính đa phương án: dự báo được tiến hành trên tập hợp các giả thiết, chúng ta có thể xây dựng được
nhiều tập hợp giả thiết khác nhau nên có nhiều phương án dự báo khác nhau cho ra kết quả khác nhau.
3. Cơ sở khoa học của dự báo:
- Tiên đoán là yếu tố vốn có trong hoạt động sống của con người. Khi chuẩn bị làm 1 công việc quan
trọng gì đó chúng ta luôn phải tiên đoán những gì sẽ xảy ra để có thể ra quyết định đúng đắn nhằm
thực hiện được mục tiêu đề ra.
- Phép biện chứng duy vật: Thế giới vật chất tồn tại khách quan và biến động có tính quy luật, chúng
ta dựa vào những quy luật đó để tiến hành dự báo về các sự vật, hiện tượng.
- Các lý thuyết khoa học chuyên ngành: Việc dự báo trong 1 lĩnh vực nào đó cần phải dựa trên những
kiến thức về lĩnh vực đó.
- Hệ thống thông tin dữ liệu và công cụ dự báo ngày càng hiện đại: Với sự phát triển của công nghệ thông
tin, việc thu thập, xử lý, lưu trũ thông tin và tiến hành dự báo trở nên dễ dàng và thuận tiện hơn.
4. Phân loại dự báo:
- Phân theo đối tượng dự báo: dự báo kinh tế, dự báo xã hội, dữ báo môi trường, dự báo khoa học –
công nghệ, dự báo chính trị - quân sự, dự báo quan hệ quốc tế,…
- Phân theo tầm xa dự báo: gồm dự báo tác nghiệp (theo giờ, ngày, tuần, tháng), ngắn hạn (1- 3 năm),
trung hạn (từ 3 đến dưới 10 năm), dài hạn (10 năm trở lên). Tầm xa dự báo là thời gian tối đa từ hiện
tại đến thời điểm dự báo cho rằng sự kiện sẽ xảy ra.
- Phân theo biểu hiện của kết quả dự báo: dự báo định tính và dự báo định lượng (gồm dự báo điểm
và dự báo khoảng).
1
II. Dự báo phát triền KT – XH
1. Nội dung của dự báo KT – XH:
a, Dự báo kinh tế: là cơ sở của cho các hoạt động quản lý kinh tế của Nhà nước và doanh nghiệp.
Dự báo kinh tế được chia thành 2 cấp độ:
- Cấp độ vi mô: dự báo về hoạt động sản xuất kinh doanh của 1 doanh nghiệp
- Cập độ vĩ mô: dự báo về những vấn đề kinh tế mang tính chất tổng thể ở tầm quốc gia, địa phương,
ngành nghề. Dự báo cấp độ này được cấu thành bởi 3 bộ phận chủ yếu:
+ Dự báo các điều kiện bên ngoài sự phát triển: biến động dân số, môi trường tự nhiên, sự phát triển
của khoa học kỹ thuật, tình hình chính trị, quan hệ quốc tế
+ Dự báo kết quả của phát triển: tăng trưởng kinh tế, chuyển dịch cơ cấu kinh tế, lạm phát, xuất nhập
khẩu, tỷ giá,…
+ Dự báo chức năng: dự báo về nguồn lực cho phát triển kinh tế như vốn, lao động, sử dụng tài
nguyên, ứng dụng khoa học công nghệ,…
b, Dự báo xã hội: phân tích tác động của các nhân tố đến quá trình biến đổi xã hội như dân số, lao
động, bất bình đẳng xã hội, tôn giáo, sắc tộc, chăm sóc y tế, giáo dục, an sinh xã hội.
Các vấn đề xã hội nói trên có quan hệ mật thiết với quá trình phát triển kinh tế vì vậy dự báo kinh tế
và dự báo xã hội có liên hệ mật thiết và tác động qua lại lẫn nhau.
2, Chức năng và vai trò của dự báo kinh té - xã hội:
a, Chức năng của dự báo kinh tế xã hội:
- Chức năng tham mưu: dự báo phục vụ công tác lập kế hoạch và đưa ra các chính sách quản lý (dự
báo trước kế hoạch)
- Chức năng khuyến nghị/điều chỉnh: dự báo là cơ sở để điều chỉnh việc thực hiện chính sách nhằm
nâng cao hiệu quả của chính sách (dự báo sau kế hoạch).
b, Vai trò của dự báo kinh tế - xã hội:
- Dự báo với quá trình ra quyết định quản lý: Nhờ có công tác dự báo, khả năng quản lý kinh tế xã
hội được cải thiện thể hiện qua các mặt sau:
+ Giúp nhận thức sâu sắc hơn các quy luật khách quan, tránh rơi vào trạng thái chủ quan, duy ý chí
+ Thông qua mô hình hóa, các quan hệ kinh tế xã hội được đề cập 1 cách toàn diện và đầy đủ
+ Cho phép định lượng được các mối quan hệ bằng cách áp dụng các phương pháp khoa học như toán
học, tin học, thống kê,…
- Dự báo với công tác kế hoạch hóa: Dự báo không chỉ tạo cơ sở khoa học cho việc xây dựng kế
hoạch phát triển mà còn cho phép xem xét khả năng thực hiện kế hoạch và hiệu chỉnh kế hoạch.
- Dự báo với hoạch định chính sách: Dự báo cung cấp thông tin cho việc xác định vấn đề, xác định
mục tiêu, giải pháp và công cụ thực hiện mục tiêu của chính sách.
- Dự báo với quản trị doanh nghiệp: dự báo cung cấp thông tin về thị trường sản phẩm và nguồn lực
đầu vào để doanh nghiệp xây dựng kế hoạch kinh doanh và đưa ra các quyết định quản trị đúng đắn
nhằm thực hiện chiến lược kinh doanh của mình.
2
III. Các nguyên tắc dự báo
1, Nguyên tắc liên hệ biện chứng:
Khi phân tích và dự báo các hiện tượng kinh tế - xã hội cần đặt nó trong các mối quan hệ giữa nó với
các hiện tượng khác. Nguyên tắc này đòi hỏi phải quán triệt các quan điểm sau:
- Quan điểm đông bộ: Áp dụng nguyên tắc này đòi hỏi trước hết, khi phân tích và dự báo các hiện
tượng kinh tế - xã hội cần đặt nó trong các mối liên hệ tồn tại giữa sự phát triển của lực lượng sản
xuất và quan hệ sản xuất, giữa cơ sở hạ tầng và kiến trúc thượng tầng, quan hệ giữa kinh tế trong
nước với kinh tế thế giới...
- Quan điểm toàn diện: Quán triệt quan điểm toàn diện nghĩa là khi phân tích và dự báo các quá trình
kinh tế - xã hội không chỉ xem xét quan hệ giữa các quá trình kinh tế - xã hội với nhau mà còn phải
tính đến các mối quan hệ giữa chúng với các hiện tượng khác loại thuộc lĩnh vực chính trị, pháp lý,
dân số, tự nhiên, khoa học - công nghệ và các hiện tượng, quá trình khác.
- Quan điểm cụ thể: Yêu cầu phải xem xét các vấn đề nghiên cứu trong một điều kiện, hoàn cảnh cụ
thể, tính đến sự phụ thuộc lẫn nhau giữa các mặt, các khía cạnh của vấn đề nghiên cứu trong tình
huống cụ thể đó.
- Quan điểm hệ thống: Trong phân tích và dự báo các quá trình kinh tế - xã hội cần có quan điểm hệ
thống, hay nói cách khác là sử dụng phương pháp tiếp cận hệ thống. Theo quan điểm hệ thống, cần
xem bất cứ một quá trình nào cũng là một hệ thống có liên hệ với thế giới bên ngoài, bao gồm các
phân hệ hoặc phần tử, cùng nhiều mối quan hệ qua lại, trong đó có mối quan hệ chính yếu. Các phân
hệ không những phục tùng hệ thống mà còn có tính độc lập tương đối, có nhiệm vụ và mục tiêu riêng,
phục vụ mục tiêu cuối cùng của hệ thống.
2, Nguyên tắc kế thừa lịch sử:
Trong nhiều trường hợp, trạng thái của đối tượng trong tương lai là kết quả của sự vận động và phát
triển theo quy luật của đối tượng trong quá khứ và hiện tại. Vì vậy, nghiên cứu lịch sử phát triển của
đối tượng sẽ giúp ta phát hiện ra xu thế phát triển và có thể dự báo về đối tượng đó trong tương lai.
3, Nguyên tắc về tính đặc thù của đối tượng dự báo:
Nguyên tắc này đòi hỏi khi tiến hành dự báo phải tính đến những đặc thù về bản chất hoặc quy luật
phát triển của đối tượng dự báo.
4. Nguyên tắc về mô tả tối ưu đối tượng dự báo:
Nguyên tắc này đòi hỏi phải giải quyết được các nhiệm vụ dự báo đặt ra như đảm bảo sự xác thực và
độ chính xác đã cho trước với chi phí thấp nhất.
5. Nguyên tắc về tính tương tự của đối tượng dự báo:
Đối với các đối tượng dự báo có những đặc điểm tương tự nhau về cấu trúc, quy luật phát triển thì có
thể áp dụng phương pháp dự báo đối tượng này để dự báo cho đối tượng kia.
IV. Quy trình dự báo
- Bước 1: Xác định vấn đề cần dự báo
- Bước 2: Thu thập thông tin dữ liệu
- Bước 3: Phân tích sơ bộ nguồn dữ liệu
3
- Bước 4: Lựa chọn và xây dựng mô hình dự báo
- Bước 5: Ứng dụng và đánh giá mô hình
V. Các phương pháp dự báo
- Các phương pháp với chuối thời gian: ngoại suy, san mũ, mùa vụ, ARIMA
- Phương pháp mô hình hóa: mô hình kinh tế lượng, mô hình tối ưu hóa, mô hình cân đối liên ngành,
mô hình cân bằng tổng quát,…
- Phương pháp chuyên gia: trưng cầu ý kiến của các chuyên gia về đối tượng dự báo, tổng hợp và đưa
ra kết quả dự báo.
VI. Đánh giá dự báo
Đánh giá dự báo gồm 2 khâu là đánh giá trước dự báo và đánh giá sau dự báo
a, Đánh giá trước dự báo: nhằm kiểm tra các tiền đề, điều kiện cho việc tiến hành dự báo
+ Kiểm tra thông tin dữ liệu về mức độ đầy đủ, tính chính xác, tính phù hợp với mục tiêu dự báo và
cầu hình của chuỗi số liệu.
+ Kiểm tra các biến số và tham số phản ánh mối quan hệ bên trong và bên ngoài của đối tượng dự báo
+ Kiểm tra tính phù hợp của mô hình dự báo được sử dụng.
b, Đánh giá sau dự báo: nhằm xác định độ chính xác của dự báo. Tiêu chuẩn đánh giá độ chính xác
của dự báo là các sai số, sai só càng nhỏ chứng tỏ độ chính xác của dự báo càng cao và kết quả dự
báo càng đáng tin cậy.
̂t
Sai số dự báo tại 1 quan sát (quan sát là vị trí, thời điểm của số liệu được thu thập): et = Yt - 𝐘
Trong đó: t là thứ tự của quan sát
Yt: giá trị thực tế của đối tượng tại quan sát thứ t
𝑌̂t: giá trị dự báo của đối tượng tài quan sát thứ t
Tử đó tính được các chỉ tiêu về sai số dự báo như sau:
𝟏 𝟏
- Sai số dự báo trung bình: ME = ̂ t) =
∑(Yt - 𝒀 ∑ 𝒆𝒕
𝒏 𝒏
Sai số dự báo này có thể mang giá trị âm hoặc dương vì vậy nó không phản ánh mức độ thoát ly của
giá trị dự báo so với giá trị thực tế.
𝟏 𝟏
- Sai số tuyệt đối trung bình: MAE = ̂ 𝒕 |=
∑ | 𝒀𝒕 - 𝒀 ∑ | 𝒆𝒕 |
𝒏 𝒏
Chỉ số này phản ánh mức độ thoát ly của giá trị dự báo so với giá trị thực tế.
𝟏 𝟏
- Sai số bình phương trung bình: MSE = ̂ t)2 =
∑(Yt - 𝒀 ∑ 𝒆𝒕 2
𝒏 𝒏
Sai số này là chỉ số phản ánh mức độ phân tán (đô lệch chuẩn) của các giá trị dự báo quanh giá trị tế.
Nếu 1 đối tượng có thể sử dụng nhiều mô hình dự báo khác nhau, thì mô hình nào có MSE nhỏ nhất
sẽ là mô hình tốt nhất để chọn cho việc dự báo.
4
𝟏𝟎𝟎 ̂𝒕
𝒀𝒕 −𝒀
- Phần trăm sai số tuyệt đối trung bình: MAPE = ∑⌊ ⌋ (%)
𝒏 𝒀𝒕
Sai số này cho biết giá trị dự báo sai khác trung bình bao nhiêu so với giá trị thực tế. Thông thường,
nếu 2 mô hình dự báo cho ra cùng kết quả MSE thì người ta so sánh tiếp MAPE, cái nào thấp hơn sẽ
là mô hình dự báo tốt hơn.
 Lưu ý:
+ Khi tính các chỉ số trên, n là số lượng et = Yt - 𝑌̂t, chứ không phải số lượng quan sát
+ MAPE có đơn vị tính toán là %; còn lại các chỉ số khác là số tuyệt đối, không có đơn vị.
5
CHƯƠNG 2: DỮ LIỆU PHỤC VỤ DỰ BÁO

I. Khái niệm về dữ liệu
Dữ liệu là những thu nhận khi quan sát hay đo lường các thuộc tính của sự vật, hiện tượng hay mô tả
về sự vật, hiện tượng.
II. Phân loại dữ liệu
1. Theo hình thức biểu hiện:
- Số liệu: là dữ liệu được biểu hiện dưới dạng các con số
+ Chuỗi thời gian: là dãy số các giá trị của 1 đối tượng nghiên cứu được sắp xếp theo thứ tự thời gian.
VD: Chuối số liệu về dân số Việt Nam từ năm 2001 đến năm 2020.
+ Số liệu chéo: là dãy số liệu phản ảnh giá trị của các đối tượng nghiên cứu tại 1 thời điểm nhất định.
VD: Số liệu về dân số các nước Đông Nam Á trong năm 2020.
+ Số liệu mảng: là sự kết hợp giữa chuỗi thời gian và dãy số liệu chéo.
VD: Số liệu về dân só các nước Đông Nam Á giai đoạn 2001 – 2020.
- Các dạng khác: từ ngữ, âm thanh hay hình ảnh.
2, Theo đặc điểm hình thành: dữ liệu sơ cấp và thứ cấp
3, Theo nội dung dữ liệu: dữ liệu về tài nguyên thiên nhiên, dữ liệu về kinh tế - tài chính, dữ liệu về
lĩnh vực xã hội, dữ liệu về ngành nghề kinh tế,…
III. Các nguồn dữ liệu chủ yếu
Nguuồn dữ liệu Sơ cấp Thứ cấp

Khái niêm Thu thập 1 cách trực tiếp thông Dữ liệu đã được công bố hoặc đã được
qua điều tra khảo sát, thí xuất bản
nghiệm,…
Ưu điểm Có thể sử dụng linh hoạt cho Chi phí thu thập thấp
nhiều phương pháp dự báo khác
nhau
Nhược điểm Việc thu thập tốn kém về thời - Thiếu sự đồng nhất và tương thích với
gian và tài chính các nguồn dữ liệu thứ cấp khác nhau
- Không phải lúc nào cũng phù hợp với
mục đích và phương pháp dự báo.
6
IV. Thu thập và xử lý dữ liệu
1, Thu thập dữ liệu:
a, Yêu cầu về dữ liệu:
Dữ liệu được thu thập để phục vụ công tác dự báo phải đáp ứng toán bộ các yêu cầu sau:
- Đầy đủ, chính xác, khách quan
- Phù hợp
- Đồng nhất về nội dung
- Tính liên tục về thời gian.
b, Phương pháp thu thập dữ liệu:
- Đối với dữ liệu sơ cấp: điều tra, quan sát, phỏng vấn, thảo luận nhóm, khảo sát,…
- Đối với dữ liệu thứ cấp: tìm kiếm và tiếp cận dữ liệu trên các nguồn tài liệu sẵn có: sách vở, báo
chí, truyền thanh, truyền hình, mạng Internet,…
2, Xử lý dữ liệu:
a, Mục đích xử lý sơ bộ dữ liệu:
- Phát hiện sai số do thu thập số liệu (sai số thô, sai số hệ thống và sai số ngẫu ngẫu nhiên), xác định
nguyên nhân dẫn đến sai số và tìm biện pháp khắc phục.
- Kiểm tra, đánh giá tính đầy đủ, khách quan, chính xác và phù hợp của dữ liệu, từ đó đưa ra biện
pháp khắc phục bất cập và nâng cao độ tin cậy của dữ liệu.
b, Phân biệt xử lý sơ bộ và phân tích sơ bộ dữ liệu:
Xử lý sơ bộ Phân tích sơ bộ dữ liệu

Nhiệm vụ Khắc phục các sai số do Làm rõ xu thế và quy luật phát triển và quy luật
thu thập số liệu phát triển của đối tượng dự báo, qua đó lựa chọn
mô hình dự báo phù hợp.
c, Các loại sai số do thu thập số liệu:
- Sai số thô: xảy ra ở từng nơi, từng lúc, các sai số phát sinh là khác nhau, không có tính lặp lại
- Sai số hệ thống: là loại sai số xảy ra ở nhiều nơi, nhiều lúc, hình thức và mức độ tương tự nhau.
- Sai số ngẫu nhiên: là sai lệch giữa giá trị quan sát thực tế so với thành phần hệ thống do các tác
động khách quan từ nhiều nhân tố gây nên trong đó có nhân tố ngẫu nhiên.
Xử lý sở bộ dữ liệu chỉ giúp loại bỏ sai số thô và sai số hệ thống, không loại bỏ được sai số ngẫu nhiên.
7
Một số mô hình dự báo đòi hỏi phải xử lý sai số ngẫu nhiên nhưng việc đó không nằm ở khâu xử lý
sơ bộ dữ liệu mà nằm ở khâu xây dựng mô hình dự báo. Để xử lý sai số ngẫu nhiên người ta sử dụng
phương pháo san mũ.
d, Phương pháp xử lý sơ bộ dữ liệu:
Việc xử lý sơ bộ thường được tiến hành thông qua phương pháp sau:
- Phân tích đối chứng kinh tế - kỹ thuật: Dựa vào việc phân tích, so sánh, đối chứng các nội dung
mang bản chất kinh tế , kỹ thuật để phát hiện ra những điểm bất thường, bất hợp lý trong dãy số liệu.
- Phương pháp kiểm định thống kê toán: Sử dụng công cụ thống kê để phát hiện sai số thô.
- Phương pháp nội suy - cắt dán: loại bỏ các yếu tố ngoài giả thiết bằng kỹ thuật cắt dán chuỗi số liệu.
V. Quản lý dữ liệu
a, Mục tiêu quản lý:
- Cung cấp dữ liệu, đảm bảo yêu cầu về dữ liệu cho dự báo.
- Tiết kiệm các nguồn lực và nâng cao hiệu quả trong thu thập dữ liệu
- Khuyến khích và thúc đẩy việc triển khai ứng dụng dự báo trong thực tiễn kinh tế và kinh doanh.
b, Nội dung quản lý:
- Hệ thống hóa cơ sở dữ liệu
- Nhập, lưu trữ và chia sẻ dữ liệu
- Sửa đổi và cập nhật dữ liệu.
8
CHƯƠNG 3: PHƯƠNG PHÁP NGOẠI SUY XU THẾ

I. Chuỗi thời gian
1. Khái niệm
Chuỗi thời gian là chuỗi các số liệu lịch sử phản ánh sự biến động của 1 đối tượng nghiên cứu theo
thứ tự thời gian.
2. Cấu tạo chuỗi thời gian
a, Các thành phần của cuỗi thời gian:
- Chuồi thời gian được cấu thành bời 4 thánh phần theo dạng như sau: Y = f(Xt, St, Ct, It).
Trong đó:
+ Thành phần xu thế (Xt): thể hiện khuynh hướng tăng hoặc giảm của đối tượng một cách rõ rệt theo
thời gian.
+ Thành phần mùa vụ (St): thể hiện quy luật lặp đi lặp lại về 1 thuộc tính của đối tượng trong khoảng
thời gian là tuần, tháng. quý, năm.
+ Thành phần chu kỳ (Ct): thể hiện quy luật lặp đi lặp lại về 1 thuộc tính của đối tượng trong khoảng
thời gian lớn hơn 1 năm.
+ Thành phần ngẫu nhiên (It hoặc Ut): là yếu tố bất quy tắc nằm trong chuỗi.
- Một chuỗi thời gian không nhất thiết phải đủ 4 thánh phần đã nêu, nó có thể bị khuyết đi 1 vài thành
phần.
b, Sự kết hợp của các thành phần trong chuỗi:
- Kết hợp dạng cộng: Yt = Xt + Ct + St + It
- Kết hợp dạng nhân: Yt = Xt*Ct*St*It
3, Phân loại
Chuỗi thời gian được chia làm 2 loại là chuỗi tất định và chuỗi ngẫu nhiên, tuy nhiên việc phân loại
này chỉ mang tính chất tương đối.
- Chuối tất định: Các quan sát trong chuỗi tồn tại quan hệ tương quan với nhau: corr(Yt, Yt-i) # 0, tức
là quan sát ở hiện tại chịu sự tác động nhất định của các quan sát trong quá khứ. Chuỗi tất định là
chuỗi có thành phần xu thế nổi bật, và là cơ sở để áp dụng phương pháp ngoại suy xu thế.
- Chuồi ngẫu nhiên: Các quan sát trong chuỗi không tồn tại quan hệ tương quan với nhau, độc lập với
nhau: corr(Yt, Yt-i) ≈ 0.
4. Dự báo bằng chuỗi thời gian
a, Phương pháp dự báo:
Việc dự báo bằng chuỗi thời gian dựa trên đặc điểm nội tại trong sự phát triển của đối tượng dự báo
trong quá khức để đưa ra những dự đoán về đối tượng trong tương lai. Để lựa chọn phương pháp dự
báo hợp lý cần căn cứ vào đặc điểm của chuỗi thời gian, cụ thể như sau:
- Đối với chuỗi thời gian có tính xu thế (chuỗi tất định), cần sử dụng phương pháp ngoại suy xu thế,
phương pháp san mũ xu thế hoặc phương pháp trung bình trượt kép.
9
- Đối với chuỗi thời gian không có tính xu thế, có tính ngẫu nhiên và tính dừng, cần sử dụng phương
pháp trung bình trượt giản đơn hoặc phương pháp san mũ bất biến.
- Đối với chuỗi thời gian có tính mùa vụ, cần sử dụng các phương pháp chuyên dùng cho dự báo mùa
vụ như sử dụng biến giả, mô hình giải tích điều hòa, mô hình chỉ số giản đơn, mô hình Winter.
- Đối với chuỗi thời gian quá ngắn, không đủ số liệu để phân tích quy luật biến động, người ta sử
dụng phương pháp dự báo thô, phương pháp trung bình giản đơn.
b, Độ dài dự báo:
Trong việc dự báo bằng chuỗi thời gian, độ dài dự báo hiệu quả là l ≤ n/3 với n là số quan sát thu thập
được về đối tượng dự báo. Nếu tiến hành dự báo cho những thời điểm vượt qua độ dài nói trên thì kết
quả dự báo có độ tin cậy rất thấp.
II. Phương pháp ngoại suy xu thế
1. Khái niệm
Ngoại suy xu thế là dựa trên những số liệu đã có về đối tượng dự báo trong quá khức để suy đoán về
hành vi hoặc mức độ của đối tượng đó trong tương lai, với giả định rằng quy luật vận động của của
dữ liệu trong quá khứ sẽ còn được tiếp tục duy trì trong tương lai.
2. Điều kiện thực hiện phương pháp
- Đối tượng dự báo phát triển ổn định theo thời gian, nghĩa là chuỗi số liệu lịch sử quan sát được tồn
tại 1 xu thế nào đó.
- Những điều kiện bảo đảm cho sự phát triển của đối tượng cần được duy trì trong 1 khoảng thời gian
trong tương lai.
- Không có những tác động mạnh có thể gây ra những đột biến trong quá trình phát triển của đối
tượng dự báo.
3. Các mô hình ngoại suy xu thế
̂t = Xt = f(t)  Bản chất đây là mô hình 1 nhân tố. nhân tố ở
Dạng chung của mô hình ngoại suy: 𝐘
đây là biền thời gian t.
Trong thực tế, chúng ta thường xuyên gặp những dạng hàm xu thế sau:
Yt = β̂0 + β̂1*t + β̂2*t2 + …+ β̂p*tp
- Mô hình đa thức (bậc p): ̂
Mô hình đa thức bậc p có đặc điểm là chuỗi sai phân bậc p của chuối số liệu ∆pYt có các giá trị khá
đều nhau.
- Mô hình tăng trưởng bão hóa: hàm mũ, hàm Logistic, hàm Gompertz. Các xu thế này thường ap
dụng đối với các đối tượng có 1 mức giới hạn về giá trị (điểm bão hóa) và đang tiền dần tiệm cận với
giá trị đó. Các mô hình này đều phải đưa về dạng tuyến tính để ước lượng các hệ số.
4. Quy trình thực hiện
- Bước 1: Xây dựng chuỗi thời gian: Thu thập số liệu trong quá khứ về đối tượng dự báo. Các số liệu
phải đảm bảo tính đầy đủ, chính xác, khách quan, đồng nhất, liên tục và phù hợp.
- Bước 2: Kiểm định tính ngẫu nhiên của chuỗi, thông qua các đoạn mạch. Nếu chuỗi mang tính ngẫu
nhiên, không thể sử dụng phương pháp ngoại suy xu thế.
10
- Bước 3: Xây dựng hàm xu thế: 𝐘 ̂t = f(t) với Y là đối tượng dự báo, t la biến số về thời gian được
đánh số theo thứ tự các quan sát đã thu thập.
+ Nhận diện dạng xu thế thông qua đồ thị hoặc phân tích số liệu thống kê (sẽ trình bày rõ ở phần bài
tập vận dụng).
+ Ước lượng dạng hàm xu thế bằng phương pháp điểm chọn hoặc phương pháp OLS.
- Bước 4: Thực hiện dự báo
+ Dự báo điểm: Căn cứ vào thứ tự của biến thời gian t tại thời điểm dự báo (tf) để thay vào hàm dự
báo đã xây dựng để tính giá trị dự báo điểm.
+ Dự báo khoảng: Đối với hàm xu thế dạng đa thức bậc p, ta có công thức về khoảng dự báo và
khoảng tin cậy như sau:
Khoảng dự báo: ̂
Y - ∆ < Yf < ̂
Y+∆
S2u 1 (t −̅t)2
n−p−1
Khoảng tin cậy: ∆ = t α/2 ̂ ) = t n−p−1
*se(Y *√ ( + ∑(tf )
α/2
n−p−1 n − t̅)2
Trong đó:
Su2 = ∑(Y − ̂
Y)2 trong bảng tính,
n là số quan sát, p là bậc của xu thế,
tf là giá trị của biến thời gian tại thời điểm dự báo, t̅ là trung bình cộng của các giá trị t trong bảng.
- Bước 5: Đánh giá sau dự báo: Tính các chỉ số về sai số như MSE, MAPE,… để đánh giá về tính
chính xác và độ tin cậy của dự báo.
5. Ưu, nhược điểm của phương pháp ngoại suy
Ưu điểm Nhược điểm
- Đơn giản, dễ thực hiện, vì vậy được sử dụng - Chỉ phù hợp với dự báo ngắn hạn do thiếu tính
rộng rãi. vững chắc trong việc duy trì các giả thiết cơ sở.
- Cho kết quả nhanh, chi phí dự báo thấp, yêu - Các đối tượng dự báo thường chịu tác động của
cầu về dữ liệu và kỹ thuật không phức tạp, dễ nhiều nhân tố, do đó không đảm bảo tính ổn định
điều chỉnh để thích nghi với điều kiện thực tế. như giả thiết mà phương pháp này đặt ra.
- Có thể sử dụng các chương trình thống kê - Đối với mô hình tăng trưởng bão hòa (hàm mũ,
thông dụng như Excel, SPSS, Eviews,… để ước Logistic, Gompertz) thực hiện khá phức tạp và khó
lượng các tham số của mô hình. xác định mức bão hòa phù hợp cho việc dự báo.
6. Đối tượng kinh tế - xã hội có thể áp dụng phương pháp ngoại suy
- Dự báo dân số của 1 quốc gia hoặc 1 địa phương
- Dự báo vòng đời của 1 sản phẩm
11
III. Một số dạng hàm xu thế phổ biến
1. Xu thế bậc 1 (tuyền tính)
̂=𝒂
Dạng hàm dự báo: 𝒀 ̂t
̂+𝒃
Biểu hiện: Sai phân bậc 1 đều nhau: ∆Yt = Yt – Yt-1 ≈ const
Đồ thị: Đường thằng tuyển tính.
𝑛𝑎 + 𝑏 ∑ 𝑡 = ∑ 𝑌
Hệ phương trình xác định các hệ số ước lượng: {
𝑎 ∑ 𝑡 + 𝑏 ∑ 𝑡2 = ∑ 𝑌 ∗ 𝑡
2, Xu thế bậc 2
̂=𝒂
Dạng hàm dự báo: 𝒀 ̂ t + 𝒄̂t2
̂+𝒃
Biểu hiện: Sai phân bậc 2 đều nhau: ∆(∆Yt) = ∆Yt – ∆Yt-1 ≈ const
Đồ thị: Parabol
𝑛𝑎 + 𝑏 ∑ 𝑡 + 𝑐 ∑ 𝑡 2 = ∑ 𝑌
Hệ phương trình xác định các hệ số ước lượng: { 𝑎 ∑ 𝑡 + 𝑏 ∑ 𝑡 2 + 𝑐 ∑ 𝑡 3 = ∑ 𝑌 ∗ 𝑡
𝑎 ∑ 𝑡2 + 𝑏 ∑ 𝑡3 + 𝑐 ∑ 𝑡4 = ∑ 𝑌 ∗ 𝑡2
12
3. Xu thế hàm mũ (hàm Logarit):
̂ = 𝑪*ea*t
Dạng hàm dự báo: 𝒀
Biểu hiện: ∆Yt/Yt-1 ≈ const
Đồ thị: Một đường cong lồi hoặc cong lõm với trục hoành.
Đối với hàm xu thế dạng này chúng ta cần biến đổi về hàm xu thế bậc 1 (tuyến tính), rồi dựa vào đó
̂ = Ĉ*𝑒 𝑎̂𝑡  lnY
để xác định các hệ số trong mô hình: Y ̂ = lnĈ + 𝑎̂*t.
𝑛 ∗ 𝑙𝑛𝐶 + 𝑎 ∑ 𝑡 = ∑ 𝑙𝑛𝑌
Hệ phương trình xác định các hệ số ước lượng: {
𝑙𝑛𝐶 ∗ ∑ 𝑡 + 𝑎 ∑ 𝑡 2 = ∑ 𝑡 ∗ 𝑙𝑛𝑌
Giải phương trình này chúng ta có kết quả ước lượng là nĈ (từ đo tìm được Ĉ ) và â, đó thay số để
viết lại hàm dự báo ban đầu.
4. Xu thế hàm Logistic và hàm Gompertz:
Tiêu chí Hàm Logistic Hàm Gompertz

Dạng hàm dự báo 𝑺 ̂ = S*e-BAt
𝒀
̂=
𝒀
𝟏 + 𝒆−𝒂𝑺𝒕−𝒄
Với S là mức bảo hõa đã được xác định trước hoặc phải ước lượng
∆𝒀𝒕 ∆𝒀𝒕
≈ const ≈ const
Biểu hiện 𝒀𝒕−𝟏 ∗(𝑺 − 𝒀𝒕−𝟏 ) 𝒀𝒕−𝟏 ∗(𝒍𝒏𝑺 − 𝒍𝒏𝒀𝒕−𝟏 )
Có dạng chữ S nghiêng
Đồ thị (giống nhau):
13
CHƯƠNG 4: PHƯƠNG PHÁP SAN MŨ

II. Phương pháp san mũ
1, Bản chất của phương pháp san mũ
Phương pháp san mũ là phương pháp dự bào bằng cách tính trung bình trượt theo nguyên tắc trọng
số của các quan sát tăng dần về hiện tại theo quy luật số mũ.
2. Phương pháp san mũ bất biến
a, Điều kiện áp dụng:
San mũ bất biến áp dụng cho chuỗi thời gian dừng theo nghĩa trung bình, nghĩa là các giá trị quan sát
của chuỗi biến động xoay quanh một giá trị cố định
b, Nguyên tắc thực hiện phương pháp san mũ bất biến:
- Trọng số của các quan sát trong chuỗi thời gian giảm đi khi nó càng cách xa hiện tại.
- Giá trị dự báo sau được xác định trên cơ sở giá trị dự báo ở bước trước và có tính đến sai số dự báo
ở bước trước: ̂Yt + 1 = ̂
Yt + α*(Yt - ̂
Yt) = αYt + (1 – α) ̂
Yt
c, Lựa chọn tham số san
Mức độ ảnh hưởng của quan sát thứ i đến kết quả dự báo là: α(1-α)n - i
Do đó:
+ Với một giá trị lớn của tham số san (α), trọng số của các quan sát giảm nhanh về quá khứ, thích
hợp cho những chuỗi thời gian có biến động mạnh ở khoảng thời gian hiện tại.
+ Với một giá trị nhỏ của tham số san (α), trọng số của các quan sát giảm chậm về quá khứ, thích hợp
cho những chuỗi thời gian có tính ổn định cao.
3. Phương pháp san mũ xu thế
Phương pháp san m xu thế áp dụng cho những chuỗi thời gian có yếu tố xu thế, không có biến động
thời vụ và làm giảm biến động ngẫu nhiên. Có hai phương pháp dự báo san m xu thế tuyến tính cơ
bản là phương pháp của Brown và Holt.
a, San mũ xu thể Brown
Phương pháp Brown sử dụng phương pháp san mũ với sự thừa nhận có sự tăng lên của số liệu. Theo
phương pháp này số liệu dự báo đã được san bằng số mũ giản đơn lần thứ nhất sẽ tiếp tục được san
bằng số mĩ lần thứ hai. Phương pháp san m xu thế tuyến tính của Brown sử dụng cùng một trọng số
san cho cả hai lần san. Tuy có tính thực tiễn khá cao song phương pháp Brown chỉ sử dụng một trọng
số san α cho cả mặt mật độ của dữ liệu và độ dốc của đường khuynh hướng.
14
b, San mũ xu thế Holt
Để làm tăng tính linh hoạt trong dự báo, phương pháp Holt sử dụng hai tham số là α và β; với α là
đặc trưng cho khoảng trượt (xác định mật độ của các dữ liệu) và β là tham số tương ứng với độ dốc
của đường xu thế.
c, Lựa chọn tham số san
+ Giá trị α và β lớn được lựa chọn khi chuỗi thời gian có biến động ngẫu nhiên lớn.
+ Giá trị α và β nhỏ được lựa chọn khi chuỗi thời gian không có biến động ngẫu nhiên lớn.
4, Ưu, nhược điểm của phương pháp san mũ
- Ưu điểm:
- Có thể dễ dàng được chương trình hoá vì chỉ phải thực hiện một số phép toán sơ cấp để xác định
giá trị dự báo.
- Nhu cầu lưu trữ thấp, người ta không cần lưu trữ tất cả các mức quá khứ của chuỗi thời gian mà chỉ
cần lưu trữ giá trị hiện tại.
- Hệ thống dự báo có thể được điều chỉnh thông qua một tham số san duy nhất, do bản thân nó có thể
thích nghi với sự thay đổi kết cấu của chuỗi thời gian và qua đó tránh được sự can thiệp tùy tiện.
- Các bước tiến hành dự báo rõ ràng đơn giản rất dễ dàng áp dụng.
- Nhược điểm:
- Phương pháp san mũ chưa tính đến các nhân tố ảnh hưởng tới biến dự báo, mà chỉ quan tâm tới yếu
tố thời gian. Một chuỗi thời gian được dự báo thông qua chính bản thân nó, nếu xét về mặt lý thuyết
khó tránh khỏi những hạn chế, do vậy phương pháp được thực hiện với sự hiểu biết rất hạn chế về
các nhân tố ảnh hưởng về mặt số lượng.
- Một điều không thoả đáng là tham số san không được xác định một cách khách quan mà ít nhiều
thông qua trực giác chủ quan.
- Sự phê phán chủ yếu đối với phương pháp san m nhằm vào hàm mục tiêu, đó là việc cực tiểu hoá
tổng bình phương các sai số ước lượng giao động theo quy luật số mũ . Nếu như sai số ước lượng đó
là những giao động thuần tuý ngẫu nhiên, thì sự đánh giá trọng số trở nên dư thừa vì các ảnh hưởng
ngẫu nhiên được chia đều cho mỗi thời kỳ. Nếu các sai số đó bị ảnh hưởng bởi các nhân tố có hệ
thống thì mô hình sai và trong trường hợp đó phải sử dụng mô hình hồi quy.
5. Đối tượng kinh tế - xã hội có thể áp dụng phương pháp ngoại suy
Phương pháp san mũ có nhiều ứng dụng trong thực tế kinh doanh, đặc biệt là trong dự báo về nhu
cầu vật tư và tiêu thụ sản phẩm của công ty, các xí nghiệp sản xuất công nghiệp,...
15
CHƯƠNG 5: DỰ BÁO MÙA VỤ

I. Dự báo mùa vụ
1. Đối tượng áp dụng
Mô hình dự báo mùa vụ được áp dụng cho các quá trình kinh tế diễn ra trong công nghiệp, nông
nghiệp, vận tải, thương mại xuất hiện những giao động lặp đi lặp lại với độ dài thời gian như: năm,
quý, tháng, tuần…
Ví dụ: Các dap động với độ dài một năm thường thấy ở sản phẩm tiêu dùng như: Bia, đồ uống, nước
hoa quả, thực phẩm khác… và tất cả những sản phẩm được bán vào dịp lễ, tết. Tiền gửi vào ngân
hàng hoặc chu chuyển tiền mặt trong nền kinh tế là những ví dụ về chu kỳ theo tháng. Doanh thu
hoặc giá trị xuất khẩu của doanh nghiệp thường biến động theo quý. Giá trị sản lượng nông nghiệp
thường biến động theo mùa…
2. Nguyên tắc xây dựng mô hình dự báo mùa vụ
Người ta có thể xác định riêng thành phần xu thế và thành phần biến động mùa rồi kết hợp lại theo
dạng nhân hoặc cộng.
+ Để xác định xu thế trước hết cần loại bỏ thành phần biến động mùa ra khỏi chuỗi thời gian bằng
phương pháp trung bình trượt, sau đó sử dụng phương pháp OLS để ước lượng các tham số của hàm
xu thế.
+ Đối với thành phần mũa vụ người ta có thể tiến hành hiệu chỉnh yếu tố mùa vụ bằng nhiều phương
pháp khác nhau.
II. Các phương pháp dự báo mùa vụ
1. Phương pháp chỉ số giản đơn
a, Nội dung mô hình
Phương pháp thời vụ giản đơn dựa trên cơ sở hiệu chỉnh yếu tố thời vụ nhằm tách thành phần thời vụ
và thành phần xu thế. Việc hiệu chỉnh yếu tố thời vụ được thực hiện nhờ sử dụng phương pháp trung
bình trượt với độ dài khoảng trượt thông thường lấy bằng độ dài của một chu kỳ biến động.
b, Điều kiện áp dụng:
Có thể sử dụng cho cả chuỗi thời gian có thành phần xu thế và mùa vụ kết hợp với nhau theo dạng
nhân tính lẫn cộng tính.
16
2. Mô hình Holt – Winter
a, Nội dung mô hình
Phương pháp Holt - Winter dựa trên 3 hệ thức san m : một cho hệ số chặn (thành phần cơ sở), một
cho xu thế và một cho thành phần thời vụ. Tương tự như phương pháp chỉ số thời vụ giản đơn, phương
pháp này bao gồm một xu thế tuyến tính giao thoa với một thành phần thời vụ, chỉ khác là xu thế
tuyến tính và thành phần thời vụ sẽ liên tục được điều chỉnh, cập nhật theo nguyên tắc san mũ.
Có thể sử dụng cho cả chuỗi thời gian có thành phần xu thế và mùa vụ kết hợp với nhau theo dạng
nhân tính lẫn cộng tính.
c, Ưu điểm và nhược điểm của phương pháp
- Ưu điểm
- Do gần gũi với san mũ nên chỉ phải thực hiện những phép tính đơn giản.
+ Phương pháp không đòi hỏi nhiều thời gian tính toán và nhu cầu lưu trữ không lớn, chỉ cần lưu trữ
giá trị quan sát cuối cùng Yt, chỉ số thời vụ,giá trị xu thế và giá trị cơ sở cũng như các them số san
α, β và γ.
+ Ba tham số san tạo cho phương pháp tính linh hoạt và khả năng thích nghi khác nhau với những
thay đổi của xu thế và thời vụ.
- Nhược điểm:
+ Các tham số san thường được xác định theo cách “thử nghiệm và sai lầm". Ảnh hưởng của các giá
trị đó đến sai số dự báo hầu như không được đánh giá một cách tổng thể.
+ Dự báo được tiến hành với một bộ chỉ số thời vụ được tính trước cho m thời kỳ, có nghĩa là một
chu kỳ trọn vẹn, do vậy khó đảm bảo chắc chắn sẽ phù hợp với những thay đổi tính thời vụ trong
tương lai. C ng chính vì vậy, đối tượng dự báo cần phải có tính thời vụ vì nếu thiếu tính thời vụ sẽ
ảnh hưởng tới chất lượng dự báo và có thể đi đến "phá vỡ toàn bộ hệ thống".
3. Phương pháp giải tích điều hòa
a, Nội dung mô hình:
Theo phương pháp này người ta xác định riêng thành phần xu thế và thành phần biến động thời vụ
rồi kết hợp lại theo dạng tổng. Để xác định xu thế, theo nguyên tắc chung đã trình bày trước hết cần
loại bỏ thành phần biến động thời vụ ra khỏi chuỗi thời gian bằng phương pháp trung bình trượt, sau
đó sử dụng phương pháp OLS thông thường để ước lượng các tham số. Thành phần thời vụ được mô
17
tả bởi một hệ thức dạng giải tích phản ánh sự biến động của một bộ phận chuỗi thời gian theo kiểu
giao động điều hòa.
Chỉ áp dụng cho chuỗi thời gian có thành phần xu thế và mùa vụ kết hợp với nhau theo dạng cộng.
4. Mô hình biến giả
a, Nội dung mô hình:
Khác với phương pháp chỉ số thời vụ, trong phương pháp này để thể hiện thành phần thời vụ S(t)
người ta đưa vào các biến giả tương ứng với các mùa trong chu kỳ. Số biến giả trong mô hình luôn
nhỏ hơn số mùa. Biến giả nhận giá trị là 1 đối với mùa mà nó đại diện và bằng 0 ở các mùa khác.
Mô hình này về bản chất chính làm mô hình hồi quy đa nhân tố với 2 nhân tố là biến xu thế (t) và các
biến giả (D)
Phương pháp sử dụng biến giả được áp dụng đối với chuỗi thời gian có biến động thời vụ mà trong
đó các mức tương ứng với các mùa chênh lệch một lượng khác nhau và tương đối ổn định từ chu kỳ
này sang chu kỳ khác, tức là chỉ áp dụng cho chuỗi thời gian có thành phần xu thế và mùa vụ kết hợp
với nhau theo dạng cộng.
18
CHƯƠNG 6: MÔ HÌNH ARIMA

I, Tổng quan về mô hình ARIMA
1. Nội dung dự báo bằng phương pháp Box-Jenkins (Mô hình ARIMA)
Phương pháp dự báo Box-Jenkins khác với hầu hết các phương pháp khác do nó không cần giả định
về một mô hình cụ thể nào đối với dữ liệu lịch sử của đối tượng dự báo. Phương pháp này vận dụng
quá trình lặp để nhận dạng mô hình tiềm năng từ một tập hợp rất nhiều mô hình. Mô hình này sau đó
được vận dụng với dữ liệu quá khứ để kiểm định xem liệu nó có mô tả chính xác sự vận động của đối
tượng dự báo hay không. Mô hình được gọi là phù hợp nếu như sai số là nhỏ, phân bố ngẫu nhiên, và
không chứa đựng thông tin quan trọng nào về đối tượng dự báo.
Nếu mô hình được xác định là không phù hợp, quá trình này được lặp lại sử dụng một mô hình mới
cải tiến từ mô hình ban đầu. Quá trình lặp này tiếp tục cho tới khi tìm được một mô hình thỏa mãn
điều kiện về tính phù hợp đặt ra ban đầu. Lúc này, mô hình có thể được sử dụng để dự báo.
Như vậy, phương pháp Box-Jenkins bao gồm một tập hợp các bước nhận dạng, ước lượng và kiểm
định các mô hình ARIMA mô tả sự vận động của chuỗi thời gian hay đối tượng dự báo. Sau đó mô
hình phù hợp nhất sẽ được sử dụng trực tiếp để dự báo trạng thái của đối tượng dự báo tại thời điểm
nhất định trong tương lai
2. Quy trình thực hiện dự báo bằng mô hình ARIMA
- Bước 1: Nhận dạng mô hình
+ Kiểm tra tính dừng của đối tượng Dự báo:
Xác định xem liệu chuỗi thời gian là dừng hay không, tức là liệu chuỗi thời gian có biến động quanh
mức cố định hay không. Nếu chuỗi thời gian là không dừng, có thể biến đổi thành chuỗi dừng bằng
phƣơng pháp lấy sai phân. Nghĩa là, chuỗi thời gian ban đầu đƣợc thay thế bởi một chuỗi các sai
phân. Mô hình ARMA sau đó đƣợc xây dựng từ chuỗi các sai phân.
+ Nhận dạng mô hình sử dụng
Dựa vào số lần lấy sau phân để xác định tham số d của mô hình. Nếu chuối thời gian dừng ngay từ
đầu thì d = 0, nếu phải lấy sai phân n lần mới dừng thì d = n.
Dựa vào đồ thị tự tương quan ACF để xác định bậc của q
Dựa vào đồ thị tương quan riêng PACF để xác định bậc của p.
- Bước 2: Ước lượng mô hình
Ước lượng tất cả các mô hình có thể xây dựng được từ các bộ số p, d, q đã xây dựng được ở bước
trước bằng phương pháp OLS.
- Bước 3: Kiểm định mô hình
Kiểm định tất cả các mô hình có được bằng đồ thị phần dư. Nếu các phần dư là nhiễu trằng thì mô
hình ARIMA đó là phù hợp và có thể sử dụng cho dự báo.
19
- Bước 4: Lựa chọn mô hình
Trong các mô hình phù hợp có được sẽ chọn ra mô hình tốt nhất để tiến hành dự báo. Để lựa chọn
mô hình, có thể sử dụng các tiêu chuẩn thông tin như AIC, SIC, RMSE,…
- Bước 5: Dự báo
Sử dụng mô hình tốt nhất có được ở bước 4 để xác định giá trị dự báo điểm và dự báo khoảng. Việc
dự báo thường được thực hiện trên các phần mềm máy tính.
3. Ưu, nhược điểm của mô hình ARIMA
- Ưu điểm:
Phương pháp Box-Jenkins áp dụng để phân tích và dự báo cho các chuỗi thời gian và đây là một
phương pháp được sử dụng rất phổ biến trong dự báo các đối tượng kinh tế, tài chính một cách chính
xác trong ngắn hạn. Các mô hình ARIMA khá linh động và có thể mô tả nhiều đặc điểm khác nhau
của chuỗi dữ liệu thực tế. Các chỉ tiêu kiểm định tính phù hợp của mô hình đều được xây dựng và
tích hợp trong các phần mềm thống kê và dễ dàng vận dụng trong thực tế. Hơn nữa, các giá trị dự báo
và khoảng dự báo được ước tính trực tiếp từ các mô hình ước lượng này một cách nhanh chóng và
chính xác.
- Hạn chế:
- Mô hình đòi hỏi một khối lượng dữ liệu tương đối lớn. Nói một cách khái quát, đối với chuỗi phi
mùa vụ, khoảng hơn 50 quan sát được yêu cầu cho một mô hình ARIMA. Đối với chuỗi biến động
thời vụ trong năm thì cần khoảng 6 đến 10 năm số liệu, phụ thuộc vào độ dài của mùa vụ trong chu
kỳ, để xây dựng một mô hình ARIMA thời vụ thích hợp.
- Việc cập nhật dữ liệu cho việc ước lượng tham số c ng khó khăn. Thật không dễ dàng để cập nhật
các tham số của mô hình ARIMA khi có thêm số liệu mới. Chẳng hạn, đối với các mô hình trung bình
trượt, cập nhật các tham số ước lượng có nghĩa là phải ước lượng lại hoàn toàn theo giai đoạn và đôi
khi cần phải phát triển một mô hình mới phù hợp với sự thay đổi của đối tượng dự báo.
- Việc xây dựng mô hình ARIMA phù hợp thường đòi hỏi đầu tư lớn về thời gian và nguồn lực khác.
Chi phí phát triển mô hình ARIMA, thời gian chạy mô hình, và yêu cầu lưu trữ có thể cao hơn đáng
kể so với các kỹ thuật dự báo truyền thống như phương pháp trung bình trượt hoặc san m , hay các
yêu cầu về sự sẵn có của số liệu chẳng hạn.
4. Đối tượng kinh tế xã hội có thể áp dụng áp dụng mô hình ARIMA.
- Dự báo các đối tượng là biến kinh tế tài chính vĩ mô trong ngắn hạn như tỷ giá, lạm phát, lãi suất,
chỉ số chứng khoán,…
- Trường hợp dự báo các biến tài chính vi mô như: giá cả của hàng hóa dịch vụ, giá cổ phiếu, dòng
tiền, doanh thu bán hàng cho các hàng hóa và dịch vụ,..…
- Dự báo việc làm: số lượng lao động làm việc, thất nghiệp,… trên thị trường lao động;
- Dự báo tiêu dùng sản phẩm dịch vụ chủ yếu,…

20
CHƯƠNG 7: MÔ HÌNH NHÂN TỐ

I. Tổng quan về mô hình nhân tố
1. Khái niệm và phân loại:
a, Khái niệm:
Mô hình được xây dựng trên mối quan hệ nhân – quả giữa đối tượng dự báo (kết quả) và các yếu tố
có ảnh hưởng đến đối tượng dự báo (nguyên nhân). Nghĩa là, đối tượng dự báo chịu sự tác động của
các nhân tố ảnh hưởng và được giải thích bởi chúng.
Mô hình nhân tố có dạng tổng quát như sau: Y = f(X1, X2,…, Xn) + u
Với Y là biến số biểu thị đối tượng dự báo, còn gọi là biến phụ thuộc.
X1, X2,…, Xn là các nhân tố ảnh hưởng, còn gọi là biến độc lập
u là sai số của mô hình
 Mô hình nhân tố chính là mô hình kinh tế lượng hồi quy.
b, Phân loại: tùy theo số lượng nhân tố ảnh hưởng đến đối tượng dự báo mà người ta chia thành mô
hình 1 nhân tố và mô hình đa nhân tố (có từ 2 nhân tố ảnh hưởng trở lên).
2. Điều kiện áp dụng
- Các mô hình này phải được xây dựng trên 1 cơ sở lý thuyết vững chắc: phải phù hợp với các lý
thuyết khoa học đã được kiểm chứng.
- Giá trị của các nhân tố (biến độc lập) ở thời kỳ dự báo phải được biết trước.
3. Một số mô hình nhân tố phổ biến
- Dạng tuyến tính:
+ Hàm hồi quy tổng thể: Y = β0 + β1X1 + β2X2 + … + βnXn + u
Y = β̂0 + β̂1X1 + β̂2 X2 + … + β̂n Xn
+ Hàm hồi quy mẫu (hàm dự báo): ̂
Mối quan hệ giữa biến phụ thuộc Xi với Y: khi Xi thay đổi 1 đơn vị thì Y thay đổi βi đơn vị.
- Dạng lũy thừa:
+ Hàm hồi quy tổng thể: Y = β0*X1 β1 *X2 β2 …Xn βn + u
̂ ̂ ̂
Y = β̂0 *X1 β1 * X2 β2 …Xn βn
+ Hàm hồi quy mẫu: ̂
Dạng này có biến đổi về dạng tuyến tính bằng cách lấy logarit 2 vế (ln).
Mối quan hệ giữa biến phụ thuộc Xi với Y: khi Xi thay đổi 1% thì Y thay đổi βi%
4. Nguyên tắc lựa chọn nhân tố và dạng của mô hình nhân tố
Xây dựng một mô hình hồi quy nhân tố phản ánh đúng thực tế tình huống kinh tế và kinh doanh có ý
nghĩa quyết định đến chất lượng dự báo. Bất kể một đối tượng kinh tế hoặc kinh doanh nào đều có
những nhân tố ảnh hưởng, trong đó có những nhân tố biểu hiện rõ nhưng c ng có những nhân tố tiềm
ẩn. Vấn đề là phải tìm ra các nhân tố tác động chính, chủ yếu đến đối tượng nghiên cứu. Trong thực
tế việc lựa chọn biến độc lập được tiến hành theo trình tự như sau: hình thành một danh sách các nhân
21
tố ảnh hưởng, sau đó rút gọn lại còn các nhân tố chính, chủ yếu và có dữ liệu để thực hiện việc ước
lượng và dự báo.
Các bước tiến hành lựa chọn nhân tố ảnh hưởng và dạng hàm mô tả mối quan hệ đó có thể được
tóm tắt như sau:
- Trước hết, cần xác định các biến có thể tác động tới đối tượng nghiên cứu/dự báo. Căn cứ để xác
định các nhân tố ảnh hưởng là thông qua cơ sở lý thuyết, những kết quả nghiên cứu thực nghiệm đã
được kiểm chứng hoặc c ng có thể là những yếu tố mang tính giả thuyết. Thông thường, các nhà dự
báo thường mong muốn mô hình dự báo bao gồm được càng nhiều yếu tố tác động càng tốt. Tuy
nhiên, vì những giới hạn về chi phí, giới hạn về số liệu,... nên chỉ có một số lượng yếu tố ảnh hưởng
nhất tới đối tượng dự báo được đưa vào mô hình. Một mô hình đơn giản thường là một mô hình tốt
được lựa chọn.
- Tiếp theo, sử dụng các công cụ phân tích, các lý thuyết, và thực tiễn,... để tìm ra các nhân tố ảnh
hưởng chính tới sự thay đổi của đối tượng nghiên cứu/dự báo. Trong bước này có thể sử dụng các hệ
số tương quan của biến độc lập với biến phụ thuộc để xác định mức độ ảnh hưởng; hoặc có thể làm
các hồi quy đơn giản sau đó kiểm định sự ảnh hưởng của nhân tố tới đối tượng nghiên cứu.
- Xác định dạng hàm mô tả mối quan hệ của các nhân tố ảnh hưởng chính tới đối tượng nghiên cứu/dự
báo. Trong mô hình một phương trình, nhìn chung có 2 dạng tổng quát là tuyến tính hoặc phi tuyến.
Căn cứ để xây dựng hàm đa nhân tố là cơ sở lý thuyết và thực tế đã tiến hành hoặc những tình huống
mong muốn kiểm định.
5. Quy trình dự báo bằng mô hình nhân tố
- Bước 1: Xây dựng mô hình dựa trên 1 cơ sở lý thuyết khoa học (kinh tế, kỹ thuật,…)
+ Chỉ ra các nhân tố (biến độc lập) có ảnh hưởng đến đối tượng dự báo (biến phụ thuộc), chiều hướng
tác động của chúng.
+ Lập mô hình nhân tố phù hợp (dạng hàm hồi quy tổng thể, kỳ vọng về ý nghĩa các hệ số hối quy)
- Bước 2: Thu thập số liệu về các biến độc lập và phụ thuộc phù hợp với mô hình dự báo
- Bước 3: Ước lượng mô hình: ước lượng các hệ số của mô hình bằng phương pháp OLS, từ đó tìm
ra hàm dụ báo.
- Bước 4: Kiểm định mô hình: kiểm tra xem mô hình có bị mắc các khuyết tật không: các hệ số không
có ý nghĩa, hàm hồi quy không phù hợp, thừa/thiếu biến, đa cộng tuyến, tự tương quan, phương sai
sai số thay đồi. Nếu có khuyết tật phải khắc phục và điều chỉnh mô hình.
- Bước 5: Thực hiện dự báo (bao gồm dự báo điểm và dự báo khoảng)
+ Dự báo điểm: thay các giá trị của biến độc lập tại thời điểm dự báo vào hàm dự báo đã tìm được, ta
̂)
có giá trị dự báo điểm (ký hiệu: Y
+ Dự báo khoảng: xác định khoảng tin cậy theo công thức: ∆ = t n−k ̂
α *se(Y)
Giá trị dự báo khoảng (ký hiệu Yf): ̂

Y - ∆ < Yf < ̂
Y +∆
̂) tùy thuộc vào từng mô hình, sẽ trình bày ở phần bài tập vận dụng.
Cách tính giá trị se(Y
- Bước 6: Đánh giá dự báo: tính các chỉ số vè sai số dự báo như ME, MAE, MSE, MAPE để phản
ánh độ chính xác của mô hình và độ tin cậy của dự báo.
22
6. Ưu, nhược điểm của mô hình nhân tố:
Ưu điểm Hạn chế
- Được xây dựng trên cơ sở lý thuyết khoa học, - Được tiến hành trên nhiều giả thiết, việc duy
đã được kiểm nghiệm thực tế nên có độ tin cậy trì các giả thiết khá tốn kém và làm giảm khả
cao và được ưa chuộng. năng vận dụng phương pháp để dự báo cho các
- Cho phép dự báo biến động của đối tượng dự đối tượng khác nhau.
báo thông qua biến động của các biến khác có - Việc xây dựng mô hình nhân tố mang tính chủ
liên hệ với đối tượng dự báo. quan, phụ thuộc vào kinh nghiệm của người làm
- Không cần quan tâm đến xu thế phát triển và dự báo.
quy luật vận động của các biến số trong mô hình, - Chì phát huy được tác dụng khi xác định được
chỉ cần vạch ra môi quan hệ nhân – quả giữa giá trị của biến độc lập tại thời điểm dự báo. (nếu
chúng. không có sẵn, chúng ta phải đi dự báo giá trị của
- Những trở ngại trong mô hình nhân tố đều biến độc lập trước khi tiến hành dự báo về giá trị
được phát hiện và giải quyết 1 cách dễ dàng đối tượng nghiên cứu.
7. Đối tượng kinh tế - xã hội có thể dự báo bằng mô hình nhân tố
Mô hình hồi quy nhân tố được áp dụng 1 cách phổ biến, rộng rãi trong dự báo kinh tế-xã hôi. Chúng
ta có thể liệt kê 1 số đối tượng dự báo có thể áp dụng mô hình này:
- Dự báo cầu về 1 sản phẩm theo các yếu tố như giá cả, thu nhập, giá hàng hóa có liên quan,…
- Dự báo doanh thu của doanh nghiệp theo giá sản phẩm, chi phí quảng cáo,…
- Dự báo sản lượng kinh tế theo các yếu tố đầu vào: vốn, lao động,…
- Dự báo nhập khẩu theo tỷ giá, GDP, giá các mặt hàng nhập khẩu chủ lực
- Dự báo thu ngân sách nhà nước theo GDP của nền kinh tế
23
CHƯƠNG 8: MÔ HÌNH CÂN ĐỐI LIÊN NGÀNH

I. Tổng quan về mô hình cân đối liên ngành
1. Cơ sở của mô hình
Mô hình cân đối liên ngành được xây dựng trên cơ sở mối quan hệ hữu cơ giữa các ngành nghề trong
nền kinh tế quốc dân, trong đó sản phẩm ngành này sẽ làm đầu vào để sản xuất ra sản phẩm của ngành
kia.
Theo quan điểm hệ thống, trong quá trình tái sản xuất, nền kinh tế cần đảm bảo các mối quan hệ cân
đối chủ yếu giữa các bộ phận cấu thành nên nó, ví dụ cân đối giữa sản xuất và tiêu dùng, giữa tiêu
dùng và tích lũy, giữa các ngành và lĩnh vực, giữa sản xuất trong nước và kinh tế nước ngoài... Sẽ là
một cách tiếp cận tốt khi chúng ta đặt dự báo các chỉ tiêu kinh tế vĩ mô trong các mối quan hệ cân đối
của nền kinh tế, trước hết là mối quan hệ giữa các ngành kinh tế với nhau, giữa kinh tế trong nước
với kinh tế nước ngoài. Sử dụng mô hình cân đối liên ngành (Mô hình I/O) trong dự báo sẽ giúp thực
hiện được yêu cầu đó.
2. Các thuật ngữ trong mô hình cân đối liên ngành
a, Các hệ số chi phí:
- Hệ số chi phí trực tiếp: cho biết để sản xuất ra 1 đơn vị sản phẩm ngành này cần bao nhiêu đơn vị
sản phẩm ngành kia làm đầu vào trực tiếp. Hệ số chi phí trực tiếp có thể bị thay đổi do tiến bộ khoa
học công nghệ, tương quan về giá cả giữa các mặt hàng, thay đổi trong công tác quản lý sản xuất,…
Người ta có thế xây dựng hệ số chi phí trực tiếp bằng các phương pháp như ngoại suy, mô hình nhân
tố, chuyên gia.
- Hệ số chi phí toàn bộ: cho biết để sản xuất ra 1 đơn vị sản phẩm cuối cùng ngành này cần toàn bộ
bao nhiêu đơn vị sản phẩm ngàng kia làm đầu vào
b, Sản phẩm trung gian và sản phẩm cuối cùng:
- Sản phẩm cuối cùng là sản phẩm được tiêu dùng mà không tạo ra bất kỳ sản phẩm nào mới.
- Sản phẩm trung gian là sản phẩm được sử dụng sản xuất ra 1 sản phẩm khác.
c, Giá trị gia tăng và giá trị sản xuất
Giá trị gia tăng (VA) là giá trị mới trong các sản phẩm được sản xuất ra trong 1 năm không bao gồm
giá trị của những sản phẩm trung gian
Giá trị sản xuất (GO) là tổng của giá trị sản phẩm được sản xuất trong 1 năm bao gồm cả giá trị của
sản phẩm trung gian lẫn giá trị mới: GO = IC + VA.
24
d, Cơ cấu kinh tế và hệ số chuyển dịch cơ cấu kinh tế:
- Cơ cấu ngành kinh tế: tại thời điểm dự báo, xét về mặt số lượng được hiểu là tỷ trọng của các
ngành kinh tế trong tổng thể nền kinh tế quốc dân.
- Hệ số chuyển dịch cơ cầu kinh tế: hệ số phản ánh sự thay đổi về cơ cấu các ngành kinh tế, từ đó
có thể tính được tốc độ chuyển dịch cơ cấu kinh tế.
e, Độ nhạy và độ lan tỏa:
- Độ nhạy: thể hiện mức độ quan trọng của 1 ngành trong việc cung cấp sản phẩm cho các ngành
khác. Độ nhạy thể hiện mối liên kết xuôi.
- Độ lan tỏa: thể hiện mức độ quan trọng của 1 ngành trong việc sử dụng các sản phẩm đầu vào từ
các ngành còn lại trong nền kinh tế. Độ lan tỏa thể hiện mối liên kết ngược.
4. So sánh mô hình CĐLN tĩnh và động.
Mô hình CĐLN dạng động có một số đặc điểm khác biệt so với mô hình CĐLN tĩnh:
+ Đặc điểm nổi bật của mô hình CĐLN động làm cho nó khác với các mô tả tĩnh quá trình sản xuất
và phân phối sản phẩm là ở chỗ trong các mô hình này thể hiện được sự liên kết giữa các chỉ tiêu
phản ánh mức độ hoạt động sản xuất trong các thời kỳ trước và sau.
+ Mô hình này có tách riêng phần vốn đầu tư cho mục đích tái sản xuất mở rộng. Do đó trong ÔI của
bảng CĐLN động, bên cạnh các luồng liên ngành về chi phí hiện tại còn ghi thêm các luồng liên
ngành về vốn đầu tư để tăng thêm vốn cố định (Fij).
5. Đánh giá về đặc điểm của mô hình
- Mô hình cân đối liên ngành (I-O) xét về bản chất là một mô hình toán học phản ánh quan hệ trao
đổi sản phẩm giữa các ngành hay các doanh nghiệp trong nội bộ ngành. Dữ liệu cơ bản của nó là ma
trận liên hệ liên ngành và nội bộ ngành. Mô hình thể hiện được tư tưởng của lý thuyết cân bằng tổng
quát, nghĩa là các đầu vào, đầu ra và các mối liên hệ trong nền kinh tế được xem là một tổng thể, và
cho phép tính toán được rất nhiều chỉ tiêu phục vụ cho việc hoạch định kế hoạch phát triển kinh tế -
xã hội. Nói cách khác, dự báo bằng mô hình I-O có ưu điểm là phản ánh được mối quan hệ giữa các
ngành, định lượng được trên cơ sở một mô hình toán học vững chắc.
- Việc sử dụng mô hình cân đối liên ngành (I - O) vào việc dự báo các chỉ tiêu kinh tế vĩ mô thể hiện
phương pháp dự báo theo cách tiếp cận từ phía tổng cầu của nền kinh tế. Phương án dự báo cho biết
nền kinh tế cúng như các ngành cần tăng trưởng như thế nào để đáp ứng mục tiêu sử dụng cuối cùng
của nền kinh tế trên cơ sở đảm bảo các quan hệ cân đối trong sản xuất và tiêu dùng sản phẩm. Muốn
vậy, điều quan trọng là phải xác định đúng nhu cầu sử dụng cuối cùng của nền kinh tế cũng như cơ
cấu của nó trong thời kỳ dự báo. Vì vậy, để đảm bảo độ tin cậy của dự báo cần phối hợp với các
phương pháp khác nhằm xác định cầu sử dụng cuối cùng với độ tin cậy cao.
25
- Việc xây dựng mô hình và tính các chỉ tiêu theo mô hình nói chung tương đối đơn giản về mặt lý
thuyết, dễ dàng ứng dụng trên máy tính, và cho phép dự báo đáng tin cậy khi nguồn dữ liệu được thu
thập đầy đủ và chính xác. Trong bảng cân đối liên ngành, các chỉ tiêu hoặc các tham số bất kỳ nào đó
đều chứa đựng nội dung kinh tế và thường xuyên thay đổi do tác động của tiến bộ công nghệ trong
các ngành, biến động giá cả, quan hệ phân phối giữa các ngành... Vì thế để đảm bảo độ tin cậy cho
dự báo đòi hỏi các dữ liệu đưa vào mô hình phải thường xuyên được cập nhật.
- Ngoài ra, một trong những hạn chế của việc vận dụng phương pháp này trên thực tế là thiếu tính
linh hoạt, mô hình khó phản ứng kịp những biến động của thị trường, bởi vì việc điều chỉnh các hệ
số chi phí trực tiếp trong mô hình theo quan hệ thị trường không phải bao giờ c ng thực hiện được
trong thời gian ngắn. Chính vì vậy, phương pháp dự báo bằng mô hình I - O nói chung phù hợp với
dự báo trong điều kiện nền kinh tế tương đối ổn định.
6. Ứng dụng của mô hình
Mô hình dự báo này có thể được áp dụng trên phạm vi toàn nền kinh tế, cho một hay nhiều vùng lãnh
thổ, thậm chí trong phạm vi một doanh nghiệp. Mục tiêu của mô hình là xác định sản lượng của các
ngành và từ đó xác định được sản lượng chung của nền kinh tế với cách tổng hợp các sản phẩm ngành.
Bên cạnh đó, trên cơ sở xác lập mối liên hệ giữa khối ngành sản phẩm với ngành kinh tế trên giác độ
phân ngành kinh tế quốc dân, sẽ dự báo được chuyển dịch cơ cấu ngành của nền kinh tế trong thời kỳ
kế hoạch. Do có mối liên hệ giữa các chỉ tiêu kinh tế, thông qua mô hình I-O, người ta có thể dự báo
được các chỉ tiêu kinh tế vĩ mô khác như nhu cầu vốn đầu tư, nhu cầu lao động cũng như xác định
được độ lan tỏa và độ nhạy của các ngành trong nền kinh tế.
26
CHƯƠNG 9: PHƯƠNG PHÁP CHUYÊN GIA

I, Tổng quan về phương pháp chuyên gia
1. Các khái niệm
a, Chuyên gia
Chuyên gia là người có trình độ cao và có nhiều kinh nghiệm trong lĩnh vực chuyên môn của họ.
b, Phương pháp chuyên gia
Phương pháp chuyên gia là phương pháp thu thập và xử lý những đánh giá dự báo bằng cách tập hợp
và hỏi ý kiến các chuyên gia giỏi thuộc các lĩnh vực có liên quan đến tương lai phát triển của đối
tượng dự báo.
2. Cơ sở khoa học của phương pháp chuyên gia
- Kiến thức và kinh nghiệm đã được tích lũy trong quá trình hoạt động ở 1 số lĩnh vực chuyên môn
là cơ sở vững chắc để các chuyên gia đưa ra các nhận định và phán đoán tương lai với độ tin cậy cao.
- Khả năng phản ánh tương lai 1 cách tự nhiên của các chuyên gia giỏi về các vấn đề thực tiễn mang
tính thời sự là 1 căn cứ quan trọng đảm bảo độ tin cậy của phương pháp này.
- Sự liêt kết của các ngành khoa học liên quan đến vấn đề cần nghiên cứu được thực hiện thông qua
quy trình thực hiện phương pháp chuyên gia đã tạo cơ hội liên kết tri thức của nhiều ngành khoa học
trong công tác dự báo qua đó nâng cao tính tin cậy của dự báo.
- Trong phương pháp này, các câu trả lời của các chuyên gia được xử lý thống kê 1 cách khoa học.
3. Điều kiện áp dụng phương pháp:
Phương pháp chuyên gia được khuyến nghị áp dụng cho các trường hợp sau đây:
- Khi các đối tượng dự báo có tầm bao quát lớn phụ thuộc nhiều yếu tố mà hiện tại chưa có hoặc thiếu
những cơ sở lý luận chắc chắn để xác định.
- Trong điều kiện thiếu thông tin và những thống kê đầy đủ, đáng tin cậy về đối tượng dự báo.
- Trong điều kiện có độ bất định lớn về chức năng của đối tượng dự báo, các kiến thức về cơ chế vận
hành của đối tượng còn rất hạn chế mà không thể thực hiện bằng các phương pháp định lượng.
- Khi dự báo các chỉ tiêu thuộc các lĩnh vực mới mà bản thân nó chịu tác động mạnh của tiền bộ
KHCN.
- Trong điều kiện thiếu thời gian, do hoàn cảnh cấp bách.
- Áp dụng trong trường hợp xác định vấn đề xuất phát và các mục tiêu cơ bản của 1 chương trình
nghiên cứu nào đó.
27
4, Quy trình dự báo bằng phương pháp chuyên gia (nói chung):
- Bước 1: Xác định vấn đề cần dự báo
- Bước 2: Thành lập nhóm chuyên gia phân tích và cơ quan chỉ đạo
- Bước 3: Thành lập nhóm chuyên gia sơ bộ
- Bước 4: Thu thập, xây dựng các dữ liệu về lĩnh vực dự báo
- Bước 5: Xác định xu hướng của đối tượng dự báo
- Bước 6: Xây dựng hệ thống câu hỏi để trưng cầu ý kiến
- Bước 7: Cung cấp thông tin cần thiết cho các chuyên gia
- Bước 8: Trưng cầu ý kiến
- Bước 9: Xử lý ý kiến đánh giá cuả các chuyên gia
- Bước 10: Đưa ra kết quả dự báo
5. Đối tượng kinh tế - xã hội có thể áp dụng áp dụng Phương pháp chuyên gia.
- Dự báo thời gian xảy ra 1 sự kiện.
- Đánh giá tầm quan trọng của các sự kiện hoặc nguyên nhân xảy ra sự kiện.
- Dự báo về cầu 1 sản phẩm tiêu dùng..
II. Nhiệm vụ của mỗi nhóm chuyên gia:
Trong phương pháp chuyên gia, sử dụng 2 nhóm chuyên gia có nhiệm vụ khác nhau là chuyên gia
phân tích và chuyên gia dự báo. Nhiệm vụ của họ sẽ được làm rõ dưới đây.
1. Nhóm chuyên gia phân tích
+ Tuyển chọn các chuyên gia tham gia nhóm chuyên gia đánh giá, đồng thời xác định số chuyên gia
tối ưu cho từng lĩnh vực và căn cứ vào đó xác định tổng số chuyên gia cần thiết theo ràng buộc về
các nguồn tài chính.
+ Xây dựng các danh mục những sự kiện cần lấy ý kiến và xác định những nhân tố đặc trưng cho
những sự kiện đó.
+ Cung cấp thông tin khách quan có liên quan tới vấn đề dự báo, thông báo cho các chuyên gia đánh
giá về nguồn gốc xuất hiện, các vấn đề tương tự và phương pháp giải quyết các vấn đề đó trong quá
khứ.
+ Nghiên cứu đưa ra mô hình trưng cầu ý kiến và phân tích ý kiến. Đồng thời họ là những người tổng
hợp, xử lý những ý kiến dự báo và đưa ra kết luận thể hiện ý kiến chung của tập thể chuyên gia.
28
+ Lập hồ sơ và trình kết quả cuộc trưng cầu ý kiến có tính đến vai trò của mỗi lĩnh vực kiến thức
trong việc giải quyết vấn đề. Đề xuất phương án dự báo tối ưu cho các nhà quản lý lựa chọn để ra
quyết định quản lý.
2. Nhóm chuyên gia dự báo
Đưa ra các ý kiến đánh giá dự báo, tham gia vào quá trình thảo luận nhằm đặt được sự thống nhất về
đánh giá dự báo tương lai để các nhà phân tích tổng hợp chung thành kết quả dự báo của tập thể
chuyên gia.
III. Phương pháp đánh giá của chuyên gia

- Xếp hạng: Là thủ tục sắp xếp thứ tự của đối tượng dự báo do một chuyên gia thực hiện. Dựa trên
những kiến thức và kinh nghiệm của mình, chuyên gia sắp xếp các đối tượng theo một chỉ tiêu hoặc
một số chỉ tiêu so sánh. Tùy theo loại quan hệ giữa các đối tượng dự báo, có thể có những cách sắp
xếp khác nhau.
- So sánh từng đôi một: Là thủ tục thiết lập thứ tự ưu tiên cho các đối tượng khi so sánh tất cả các
cặp đối tượng với nhau. Khi so sánh một cặp đối tượng có thể xuất hiện những quan hệ thứ tự hoặc
cả quan hệ thứ tự và quan hệ tương đương.
- Đánh giá trực tiếp cho điểm: Là thủ tục gán cho các đối tượng các giá trị bằng số theo một thang
điểm cụ thể. Tùy thuộc vào mức độ ưa thích của mình đối với các đối tượng, mỗi chuyên gia phải xác
định cho mỗi đối tượng một điểm trên trục số liên tục. Các đối tượng tương đương phải xác định có
cùng một số điểm.
- So sánh liên tiếp: Là thủ tục tổng hợp đo bằng hạng cũng như bằng đánh giá trực tiếp.
IV. Các phương pháp trưng cầu ý kiến chuyên gia

a) Phỏng vấn là hình thức trưng cầu mà các nhà phân tích đặt ra các câu hỏi cho các chuyên gia đánh
giá theo một chương trình đã định trước. Các câu hỏi này được trả lời ngay mà không có chuẩn bị và
nó phụ thuộc rất nhiều vào câu trả lời của chuyên gia đánh giá.
b) Hội thảo được tiến hành để giải quyết những vấn đề không đòi hỏi đánh giá chính xác về mặt
lượng của những đối tượng, những tham số hay những phương án…
c) Hội nghị được triệu tập để thông tin cho nhau và định hướng cho những người tham gia trao đổi ý
kiến, vạch kế hoạch và phối hợp kế hoạch, đưa ra chủ trương hành động hợp lý và có liên quan với
nhiều nhiệm vụ khác mà việc giải quyết đòi hỏi phải tập hợp một nhóm người để trao đổi thông tin,
thảo luận, nhận chỉ thị ra quyết định…
d) Tấn công não là phương pháp trưng cầu cho phép thu được từ những tư tưởng mới, những quyết
định về một vấn đề nào đó nhờ sự sáng tạo của tập thể hoặc của một nhóm người trong quá trình một
kỳ hội nghị được tiến hành theo các nguyên tắc nhất định.
Một đặc điểm có tính nguyên tắc của phương pháp là loại trừ sự phê phán và bất kỳ sự đánh giá nào
đối với tư tưởng đang được nêu ra. Phương pháp này giải quyết hai nhiệm vụ chính:
29
+ Đề xuất những tư tưởng mới
+ Phân tích và đánh giá tư tưởng đã nêu

Phương pháp này được tiến hành để giải quyết các tình huống có tính gay cấn, thiếu những quyết
định sáng tạo, những tư tưởng mới, những quan điểm mới… Đây là giai đoạn tìm ra con đường giải
quyết vấn đề đã đặt ra.
V. Phương pháp “Tấn công não”

1, Khái niệm
Tấn công não là phương pháp trưng cầu cho phép thu được từ những tư tưởng mới, những quyết định
về một vấn đề nào đó nhờ sự sáng tạo của tập thể hoặc của một nhóm người trong quá trình một kỳ
hội nghị được tiến hành theo các nguyên tắc nhất định.
2, Đặc điểm của phương pháp

Một đặc điểm có tính nguyên tắc của phương pháp là loại trừ sự phê phán và bất kỳ sự đánh giá nào
đối với tư tưởng đang được nêu ra. Phương pháp này giải quyết hai nhiệm vụ chính:
+ Đề xuất những tư tưởng mới
+ Phân tích và đánh giá tư tưởng đã nêu

Phương pháp này được tiến hành để giải quyết các tình huống có tính gay cấn, thiếu những quyết
định sáng tạo, những tư tưởng mới, những quan điểm mới… Đây là giai đoạn tìm ra con đường giải
quyết vấn đề đã đặt ra.

Phương pháp tấn công não đƣợc thực hiện với nhóm chuyên gia gồm 6-10 người và được tiến hành
qua các bước sau:
- Bước 1: Sắp xếp công việc
Người đầu nhóm có nhiệm vụ điều khiển buổi làm việc, thư ký có nhiệm vụ ghi lại tất cả các ý kiến
thảo luận, trong khi đó các chuyên gia sẽ phát biểu ý kiến của mình.
- Bước 2: Xác định vấn đề
Người đầu nhóm có thể nêu ra một vài vấn đề xuất phát, gợi ý các tình huống mở rộng vấn đề trên cơ
sở các tồn tại và bế tắc hiện tại.
- Bước 3: Thiết lập các nguyên tắc làm việc
+ Loại trừ sự chỉ trích, phê bình: Những người tham gia phải từ bỏ các ý kiến phê bình trong suốt
quá trình tìm và phát triển ý tưởng của nhóm.
+ Duy trì bầu không khí hoàn toàn tự do: Các ý tưởng được đưa ra trong bầu không khí càng thoải
mái tự do, cởi mở càng tốt. Đồng thời người đề xuất ý tưởng không bị hạn chế về nội dung và không
phải chứng minh tính chất đúng đắn c ng như tính hiện thực của ý tưởng. Có nhiều ý tưởng ban đầu
trông có vẻ ngớ ngẩn, dị thường nhưng khi thực hiện lại đem đến kết quả vượt trên sự mong đợi.
30
+ Số lượng ý tưởng càng nhiều càng tốt: Khi càng có nhiều ý tưởng thì càng có nhiều khả năng tìm
được những giải pháp hữu ích.
+ Kết hợp và phát huy ý tưởng của người khác: Trong quá trình phát triển ý tưởng, thành viên có thể
đưa ra các ý tưởng riêng dựa trên sự phát triển ý tưởng của người khác hoặc có thể kết hợp nhiều ý
tưởng thành một ý tưởng mới
- Bước 4: Bắt đầu tập kích não
+ Người lãnh đạo chỉ định hay lựa chọn thành viên chia sẻ ý kiến trả lời.
+ Người thư kí phải ghi lại tất cả các câu trả lời.
- Bước 5: Đánh giá các câu trả lời
+ Tập hợp những ý kiến trùng lặp hay tương tự lại với nhau.
+ Tổng hợp các câu trả lời có tính tương tự hay tương đồng về nguyên tắc hay nguyên lí.
+ Xóa bỏ những ý kiến hoàn toàn không thích hợp.
+ Thảo luận thêm về câu trả lời chung.
4. Ưu nhược điểm của phương pháp
- Ưu điểm:
Dễ thực hiện khi giải quyết các tình huống có tính gay cấn, thiếu những quyết định sáng tạo, những
tư tưởng mới, những quan điểm mới. Phương pháp tạo điều kiện khuyến khích tư duy sáng tạo trên
cơ sở phát huy tối đa tính dân chủ, thời gian tiến hành trưng cầu không quá dài.
- Nhược điểm
Sẽ khó khăn đối với những người có thói quen hướng nội, chú ý đến số lượng nhiều hơn là chất lượng,
đồng thời khi số lượng chuyên gia trong nhóm quá lớn sẽ làm cho các vấn đề bị phân tán.
VI. Phương pháp Delphi
1. Đặc điểm
Phương pháp Delphi có 4 đặc điểm cơ bản sau:
- Đánh giá vắng mặt: Trưng cầu ý kiến bằng cách gửi phiếu trưng cầu tới các chuyên gia
- Có tính khuyết danh: Trưng cầu thông qua bản tự khai khuyết danh, ý kiến thông báo cho các chuyên
gia cũng không nêu rõ là ai. Biện pháp này nhằm loại trừ ảnh hưởng của yếu tố tâm lý qua đó tăng
độ khách quan trong đánh giá của các chuyên gia
- Sử dụng tích cực các mỗi quan hệ ngược để điều chỉnh câu trả lời, trưng cầu được tiens hành qua
nhiều giai đoạn, kết quả trưng cầu của giai đoạn trước được thông báo cho giai đoạn sau, cho phép
các chuyên gia được điều chỉnh câu trả lời của mình ở giai đoạn sau.
31
- Trả lời theo nhóm: Khi tả lời theo nhóm, người ta có thể sử dụng phương pháp thống kê để xác định
câu trả lời theo nhóm, phản ánh tương đối tập trung ý kiến của mỗi người và xác định độ tản mạn của
các câu trả lời.
Phương pháp Delphi được thực hiện trong 4 giai đoạn
- Giai đoạn 1: Các chuyên gia phải đánh giá diwi náp các sự kiện theo danh mục đã được các nhà
phân tích chuẩn bị sẵn. Các chuyên gia dự báo cũng có thể bổ sung hoặc gạch bớt các sự kiện trong
danh mục đó. Sau khi nhận lại phiếu trưng cầu, các nhà phân tích xử lý đánh giá dự báo bằng cách
tính trung vị và tứ phân vị.
- Giai đoạn 2: Các nhà phân tích phải xây dựng lại phiếu câu hỏi nếu cách nêu câu hỏi chưa rõ ràng
làm ảnh hưởng đến sự thống nhất ý kiến đánh giá. Trong phiếu câu hỏi gửi tới các chuyên gia, các
nhà phân tích thông báo cho họ giá trị trung vị và khoảng tứ phân vị đồng thời đề nghị chuyên gia
có ý kiến khác với đa số phải tự lập luận cho mình. Các nhà phân tích lại xử lý đánh giá dự báo bằng
cách tính trung vị và tứ phân vị 1 lần nữa.
- Giai đoạn 3: Quá trình trưng cầu ý kiến được tiến hành như quy trình của giai đoạn 2, Nếu kết quả
trưng cầu đã đạt được độ thống nhất cao thì quá trình trưng câu sẽ dừng lại. Ngược lại nếu chưa đạ
được sự thống nhất sẽ tiếp tục giai đoạn 4.
- Giai đoạn 4: Những người có ý kiến khác với ý kiến đa số thuyết minh quan diểm luận chứng về ý
kiến của mình và các thuyết minh này lại được thông báo tới tất cả các chuyên gia teong nhòm để họ
xem xét lại và tiến hành điều chỉnh, bổ sung lần cuối những câu trả lời của bản thân. Trung vị được
tính toán ở lần cuối này này được coi là ý kiến của tập thể chuyên gia.
3. Ưu, nhược điểm của phương pháp
- Ưu điểm:
Không quá phức tạp, đảm bảo tính khách quan, tận dụng được những thông tin phản hổi, cho phép
hội tụ được các ý kiến trả lời của các chuyên gia, nhờ đó kết quả dự báo đáng tín cậy.
- Nhược điểm
+ Chi phí cho cuộc trưng cầu khá lớn, thời gian kéo dài có thể làm thay đổi thành phần của nhóm
chuyên gia, chất lượng chuyên gia không đồng dều.
+ Do yêu cầu các chuyên gia phải xem xét lại và điều chỉnh các ý kiến của mình nên có thể gây ra
ảnh hưởng không tích cực ở các chuyên gia ảnh hưởng đến chất lượng trưng cầu và làm giảm độ tin
cậy của phương pháp.
32

Đề Cương Dự Báo KT XH 1 Anh Bằng

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Đề Cương Dự Báo KT XH 1 Anh Bằng

Uploaded by

Copyright:

Available Formats

ĐỀ CƯƠNG DỰ BÁO KT – XH 1

CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ DỰ BÁO KT - XH ........................................ 1

CHƯƠNG 2: DỮ LIỆU PHỤC VỤ DỰ BÁO .......................................................... 6

CHƯƠNG 3: PHƯƠNG PHÁP NGOẠI SUY XU THẾ ......................................... 9

CHƯƠNG 4: PHƯƠNG PHÁP SAN MŨ ............................................................... 14

CHƯƠNG 5: DỰ BÁO MÙA VỤ ............................................................................ 16

CHƯƠNG 6: MÔ HÌNH ARIMA ............................................................................ 19

CHƯƠNG 7: MÔ HÌNH NHÂN TỐ ....................................................................... 21

CHƯƠNG 8: MÔ HÌNH CÂN ĐỐI LIÊN NGÀNH.............................................. 24

CHƯƠNG 9: PHƯƠNG PHÁP CHUYÊN GIA .................................................... 27

CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ DỰ BÁO KT - XH

CHƯƠNG 2: DỮ LIỆU PHỤC VỤ DỰ BÁO

II. Phân loại dữ liệu

1. Theo hình thức biểu hiện:

- Số liệu: là dữ liệu được biểu hiện dưới dạng các con số

- Các dạng khác: từ ngữ, âm thanh hay hình ảnh.

2, Theo đặc điểm hình thành: dữ liệu sơ cấp và thứ cấp

III. Các nguồn dữ liệu chủ yếu

Nguuồn dữ liệu Sơ cấp Thứ cấp

1, Thu thập dữ liệu:

a, Yêu cầu về dữ liệu:

- Đầy đủ, chính xác, khách quan

- Đồng nhất về nội dung

- Tính liên tục về thời gian.

b, Phương pháp thu thập dữ liệu:

a, Mục đích xử lý sơ bộ dữ liệu:

b, Phân biệt xử lý sơ bộ và phân tích sơ bộ dữ liệu:

Xử lý sơ bộ Phân tích sơ bộ dữ liệu

c, Các loại sai số do thu thập số liệu:

d, Phương pháp xử lý sơ bộ dữ liệu:

a, Mục tiêu quản lý:

b, Nội dung quản lý:

- Hệ thống hóa cơ sở dữ liệu

- Nhập, lưu trữ và chia sẻ dữ liệu

- Sửa đổi và cập nhật dữ liệu.

CHƯƠNG 3: PHƯƠNG PHÁP NGOẠI SUY XU THẾ

- Dự báo dân số của 1 quốc gia hoặc 1 địa phương

- Dự báo vòng đời của 1 sản phẩm

1. Xu thế bậc 1 (tuyền tính)

Đồ thị: Đường thằng tuyển tính.

Biểu hiện: ∆Yt/Yt-1 ≈ const

Tiêu chí Hàm Logistic Hàm Gompertz

Có dạng chữ S nghiêng

Đồ thị (giống nhau):

CHƯƠNG 4: PHƯƠNG PHÁP SAN MŨ

1, Bản chất của phương pháp san mũ

2. Phương pháp san mũ bất biến

a, Điều kiện áp dụng:

b, Nguyên tắc thực hiện phương pháp san mũ bất biến:

c, Lựa chọn tham số san

3. Phương pháp san mũ xu thế

a, San mũ xu thể Brown

c, Lựa chọn tham số san

4, Ưu, nhược điểm của phương pháp san mũ

CHƯƠNG 5: DỰ BÁO MÙA VỤ

1. Đối tượng áp dụng

2. Nguyên tắc xây dựng mô hình dự báo mùa vụ

II. Các phương pháp dự báo mùa vụ

1. Phương pháp chỉ số giản đơn

a, Nội dung mô hình

b, Điều kiện áp dụng:

a, Nội dung mô hình

b, Điều kiện áp dụng: