D Bao Trong Kinh Doanh Business Forecas

D báo trong kinh doanh
(Business Forecasting)
Khoa Kinh tế Phát triển

1A Hoàng Diệu, Phú Nhuận
Website: www.fde.ueh.edu.vn
Phùng Thanh Bình
1
Phùng Thanh Bình
GIỚI THIỆU D BÁO TRONG KINH

DOANH & KINH TẾ
1. Giới thiệu
2. Lịch sử phát triển của dự báo
3. Nhu cầu dự báo
4. Dự báo trong kinh doanh ngày nay
5. Phân lọai dự báo
6. Lựa chọn ph ơng pháp dự báo
7. Ph ơng pháp luận cho chuỗi thời gian & dự báo
8. Nguồn dữ liệu
9. Đo l ờng độ chính xác dự báo
10. Phần mền dự báo
Phùng Thanh Bình
TÀI LIỆU THAM KHẢO
z Nguyễn Trọng Hoài (2001): Mô hình hóa và Dự

báo chuỗi thời gian trong kinh doanh & kinh tế,
Ch ng 1.
z J.Holton Wilson & Barry Keating, (2007),
Business Forecasting With Accompanying Excel-
Based ForecastXTM Software, 5th Edition,
Chapter 1.
z John E.Hanke & Dean W.Wichern, (2005),
Business Forecasting, 8th Edition, Chapter 1.
2
Phùng Thanh Bình
GIỚI THIỆU
z Dự báo là một yếu tố quan trọng của hầu hết các

quyết định kinh doanh và lập kế hoạch kinh tế
z Dự báo nh một tập hợp các công cụ giúp ng ời
ra quyết định đ a ra các phán đoán tốt nhất về các
sự kiện t ơng lai (dựa vào quá khứ và hiện tại)
z Nhu cầu nhân sự có kiến thức về dự báo đang gia
tăng
Phùng Thanh Bình
LỊCH SỬ PHÁT TRIỂN CỦA D BÁO
z Nhiều kỹ thuật dự báo ngày nay đã phát triển vào

thế kỷ 19
z Nh ng những ph ơng pháp dự báo phổ biến chỉ
đ ợc phát triển gần đây: ph ơng pháp phân tích,
ph ơng pháp san mũ, ph ơng pháp ARIMA
z Cùng với sự phát triển của nhiều ph ơng pháp dự
báo phức tạp và các phần mềm, dự báo ngày càng
nhận đ ợc nhiều sự quan tâm hơn
z Nhiều ph ơng pháp dự báo mới tiếp tục đ ợc phát
triển
3
Phùng Thanh Bình
NHU CẦU D BÁO
z Quyết định hôm nay ảnh h ởng đến t ơng lai

của tổ chức, nh ng t ơng lai là bất định
z Ai cần dự báo? Hầu nh mọi tổ chức: lớn và
nhỏ, t và công đều sử dụng dự báo. Các bộ
phận chức năng nh tài chính, marketing,
nhân sự, sản xuất. Ngoài ra, tổ chức chính
phủ, phi chính phủ, các CLB xã hội, …
Phùng Thanh Bình
D BÁO TRONG KINH DOANH NGÀY NAY
z Dự báo ngày càng trở nên quan trọng vì các công ty

tập trung vào việc gia tăng mức độ hài lòng của khách
hàng trong khi vẫn phải giảm chi phí của việc cung
cấp hàng hóa và dịch vụ
z Hầu nh mọi lĩnh vực chức năng của doanh nghiệp
đều sử dụng một loại dự báo nào đó, ví dụ:
z Kếtoán: dự báo chi phí và doanh thu trong kế
hoạch nộp thuế
4
Phùng Thanh Bình
D BÁO TRONG KINH DOANH NGÀY NAY
z Phòng nhân sự: dự báo nhu cầu tuyển dụng và những thay đổi
trong công sở
z Chuyên gia tài chính: dự báo ngân l u
z Quản đốc sản xuất: dự báo nhu cầu nguyên vật liệu và tồn kho
z Giám đốc marketing: Dự báo doanh số để thiết lập ngân sách
cho quảng cáo
* Dự báo doanh số th ờng là dự báo cơ bản cho các dự báo khác
(ví dụ giữa những năm 1980, 94% sử dụng dự báo doanh số)
Phùng Thanh Bình
PHÂN LOẠI D BÁO
z Ngắn hạn (các chiến l ợc và kế hoạch tức

thì, cấp trung và cấp d ới) và dài hạn
(chiến l ợc dài hạn, cấp cao)
z Vi mô và vĩ mô
z Định tính và định l ợng
5
Phùng Thanh Bình
Jury of executive opinion
Qualitative Sales force composite
Delphi methods
(Subjective) Survey methods
New product forecasting
Univariate time series

Forecast
Naïve method
methods
Regression trends
Exponential smoothing
Decomposition
ARIMA
Quantitative Event models
(Objective) New product models
Casual models
Time series & Cross
sectional regression
Bivariate (simple)
regression
Multi regression
Nguồn: J.Holton Wilson & Barry Keating (2007), p.37
Phùng Thanh Bình
PHÂN LOẠI D BÁO
z Dự báo định l ợng:

o Dựa trên dữ liệu quá khứ để phát hiện xu h ớng vận
động của đối t ợng
o Giả định: giá trị t ơng lai của biến số dự báo phụ thuộc
vào xu h ớng vận động trong quá khứ
o Có 2 loại ph ơng pháp định l ợng:
• Chuỗi thời gian
• Nhân quả
6
Phùng Thanh Bình
PHÂN LOẠI D BÁO
z u điểm của dự báo định l ợng?

o Kết quả dự báo hoàn toàn khách quan
o Có ph ơng pháp đo l ờng độ chính xác dự báo
o Ít tốn thời gian để tìm ra kết quả dự báo
o Có thể dự báo điểm hay dự báo khoảng
Phùng Thanh Bình
PHÂN LOẠI D BÁO
z Dự báo định l ợng ngày càng đ ợc chấp nhận rộng rãi?

o Các ph ơng pháp định l ợng hữu ích hơn trong việc
đ a ra dự đoán về các sự kiện t ơng lai
o Nhờ sự phát triển của các phần mềm máy tính giúp các
ph ơng pháp định l ợng trở nên dễ dàng hơn
o Các phán đoán cá nhân dựa trên kinh nghiệm thực tế
và/hay qua nghiên cứu nên luôn luôn giữ một vai trò
quan trọng trong việc chuẩn bị của bất kỳ dự báo nào
7
Phùng Thanh Bình
PHÂN LOẠI D BÁO
z Dự báo định tính vẫn có vai trò quan trọng?

o Khi không có sẵn/không đủ dữ liệu quá khứ
o Nhân tố không thể l ợng hóa
o Không có sẵn chuyên gia định l ợng
o Các ph ơng pháp th ờng dùng:
• Đánh gá ý kiến ban quản trị (chuyên gia)
• Tổng hợp lực l ợng bán hàng Ph ơng pháp
khảo sát ý kiến khách hàng
• Delphi, …
Phùng Thanh Bình
PHÂN LOẠI D BÁO
z u nh ợc điểm của dự báo định tính?

z u điểm:
o Không đòi hỏi kiến thức về toán
o Đ ợc chấp nhận rộng rãi bởi những ng ời sử dụng
z Nh ợc điểm:
o Nhiều lĩnh vực thực tế không thể dựa vào ph ơng pháp
định tính
o Luôn bị chệch (biased)
o Không chính xác một cách kiên định qua thời gian
o Tốn nhiều năm kinh nghiệm để một ng ời có thể dự báo tốt
đ ợc
8
Phùng Thanh Bình
L A CHỌN PH NG PHÁP D BÁO
z Các kết quả dự báo phải làm cho quá trình ra quyết
định dễ dàng hơn
z Không áp dụng một ph ơng pháp cho mọi tr ờng hợp
z Sản phẩm, mục tiêu, ràng buộc khác nhau phải đ ợc
xem xét khi chọn ph ơng pháp dự báo thích hợp
z Có thể áp dụng nhiều ph ơng pháp cho cùng một
tr ờng hợp
z Ph ơng pháp đ ợc chọn phải dự báo chính xác, kịp
thời, và dễ hiểu
Phùng Thanh Bình
PH NG PHÁP LUẬN CHO CHUỖI

THỜI GIAN & D BÁO
z Dữ liệu lịch sử: YBEG tới YEND

z Giai đoạn mẫu phân tích: Y1, … Yn (Y1 không nhất
thiết trùng với YBEG)
z Giá trị dự báo: Y^1, …..Y^n
z Dự báo hậu nghiệm: Y^n+1 ….. Y^N => cung cấp cơ hội
đánh giá mức độ chính xác của mô hình dự báo
z Dự báo tiền nghiệm: không có giá trị thực tế về đối
t ợng dự báo (dự báo cho t ơng lai)
z Dự báo lùi: nhằm bổ sung dữ liệu cho giai đoạn lịch sử
(nếu cần)
9
Phùng Thanh Bình
Phùng Thanh Bình
NGUỒN DỮ LIỆU
z Tùy vào ph ơng pháp dự báo đ ợc chọn:

o Một số ph ơng pháp chỉ cần chuỗi số liệu sẽ đ ợc dự báo:
nh dự báo thô, phân tích, san mũ, ARIMA
o Các ph ơng pháp hồi qui bội yêu cầu phải có số liệu cho mỗi
biến sử dụng trong mô hình
z Nguồn số liệu chính là các số liệu nội bộ của tổ chức
o Số liệu có thể không thuận lợi cho xây dựng mô hình dự báo
vì thời gian có thể khác nhau, …
o Cách thức l u trữ cũng có ý nghĩa quan trọng
z Số liệu bên ngoài tổ chức
10
Phùng Thanh Bình
ĐO L ỜNG ĐỘ CHÍNH XÁC D BÁO
z Gọi Yt = giá trị thực tại giai đoạn t

Y^t = giá trị dự báo tại giai đoạn t
n = số giai đoạn
z Sai số dự báo: et = Yt – Y^t
Nếu một mô hình được đánh giá là tốt thì sai số dự
báo phải tương đối nhỏ
z Các ph ơng pháp đánh giá: (i) Ph ơng pháp thống
kê; (ii) Ph ơng pháp đồ thị
Phùng Thanh Bình
11
Phùng Thanh Bình
z Ph ơng pháp đồ thị:

z Nếu et dao động ngẫu nhiên theo thời gian thì ta
có mô hình dự báo tốt (xoay quanh trục 0)
z Vẽ giá trị thực và giá trị dự báo lên cùng hệ
trục, nếu 2 giá trị này càng gần nhau thì mô
hình dự báo càng chính xác
z Quan sát b ớc ngoặt: mô hình dự báo tốt là mô
hình dự báo đúng những b ớc ngoặt theo mẫu
dữ liệu thực
Phùng Thanh Bình
12
Phùng Thanh Bình
CÁC PHẦN MỀM D BÁO
z MiniTab, Eviews, SPSS

z Excel add-ins: Crystal Ball, Forecast X
z Forecast X (hiện nay) chiếm 40% thị phần dự
báo trong kinh doanh (J.Holton Wilson &
Barry Keating)
z Ch ơng trình giảng dạy môn dự báo sẽ sử dụng
Excel và Forecast X
13
Dự báo trong kinh doanh

Phùng Thanh Bình
QUY TRÌNH DỰ BÁO, KHẢO SÁT DỮ

LIỆU VÀ LỰA CHỌN MÔ HÌNH
1. Quy trình dự báo

2. Khảo sát dữ liệu chuỗi thời gian
3. Khảo sát dữ liệu bằng phân tích tự t ơng
quan
4. Lựa chọn mô hình dự báo
5. Ôn tập thống kê cơ bản
1
Phùng Thanh Bình

Ch ng 2.
Chapter 2.
Business Forecasting, 8th Edition, Chapter 2 & 3.
Phùng Thanh Bình
QUY TRÌNH DỰ BÁO
B ớc 1: Xác định rõ các mục tiêu

B ớc 2: Xác định dự báo cái gì
B ớc 3: Nhận dạng các khía cạnh thời gian
B ớc 4: Xem xét số liệu
B ớc 5: Lựa chọn mô hình
B ớc 6: Đánh giá mô hình
B ớc 7: Chuẩn bị dự báo
B ớc 8: Trình bày kết quả dự báo
B ớc 9: Theo dõi các kết quả
2
Phùng Thanh Bình
1. Xác định rõ các mục tiêu
z Nói rõ các mục tiêu, kể cả dự báo sẽ đ ợc sử

dụng nh thế nào trong việc ra quyết định
z Các mục tiêu và ứng dụng của dự báo nên đ ợc
thảo luận giữa những cá nhân liên quan trong việc
chuẩn bị dự báo và những ng ời sẽ sử dụng các
kết quả.
Phùng Thanh Bình
2. Xác định dự báo cái gì
z Dự báo doanh số: doanh số đơn vị hay bằng tiền;

tổng doanh số, doanh số theo sản phẩm, hay
doanh số theo vùng; doanh số nội địa hay xuất
khẩu, hay cả hai
z Dự báo số bệnh nhân: số đăng ký khám, xuất
viện, số ngày nằm viện
3
Phùng Thanh Bình
3. Nhận dạng các khía cạnh thời gian

z Độ dài và giai đoạn của dự báo: năm, quý, tuần,
hay ngày
z Mức độ khẩn cấp của dự báo: ảnh h ởng đến việc
chọn ph ơng pháp dự báo.
Phùng Thanh Bình
4. Thu thập và xử lý số liệu

z Số l ợng và loại số liệu sẵn có: nội bộ hay bên ngoài;
số liệu có ở dạng mong muốn hay không; giá trị hay
đơn vị
z Có thể có quá nhiều hoặc quá ít dữ liệu
z Có thể thiếu giá trị cần phải ớc tính
z Có thể phải chuyển đổi đơn vị tính
z Có thể cần đ ợc xử lý tr ớc
z Có thể thích hợp nh ng chỉ trong một vài giai đoạn lịch
sử nhất định
4
Phùng Thanh Bình
5. Lựa chọn mô hình

z Bản chất (pattern) số liệu (xem Bảng 2.1)
z Số l ợng số liệu quá khứ sẵn có
z Độ dài dự báo
z Chọn mô hình phù hợp với dữ liệu đã đ ợc thu thập sao
cho tối thiểu hóa “sai số” dự báo
z Mô hình đơn giản hay phức tạp?
z Ý kiến đánh giá, nhận xét rất cần thiết
Phùng Thanh Bình
5
Phùng Thanh Bình
6. Đánh giá mô hình

z Kiểm định các mô hình trên chuỗi số liệu ta muốn dự
báo
z Phân biệt độ phù hợp và độ chính xác
z Độ phù hợp: so với giá trị quá khứ
z Độ chính xác: so với giá trị dự báo
z Nếu mô hình đ ợc chọn trong b ớc 6 không đạt độ
chính xác chấp nhận đ ợc, quay lại b ớc 5 với một mô
hình khác
Phùng Thanh Bình
7. Chuẩn bị dự báo
z Nếu có thể thì nên sử dụng hơn một ph ơng pháp

dự báo
z Khi có nhiều ph ơng pháp sử dụng thông tin khác
nhau, thì việc kết hợp chúng lại sẽ cho kết quả tốt
hơn so với chỉ dùng một ph ơng pháp
6
Phùng Thanh Bình
8. Trình bày kết quả dự báo

z Cả dạng viết và thuyết trình
z Trình bày kết quả dự báo cho những ai dựa vào
đó để ra quyết định
z Cần phải có sự giao tiếp thảo luận giữa những
ng ời có liên quan
Phùng Thanh Bình
9. Theo dõi kết quả dự báo

z So sánh mức đô chính xác của giá trị dự báo và
giá trị thực tế trong giai đọan dự báo
z Ng ời làm dự báo cần rút ra các bài học từ việc
so sánh này
z Tìm ra nguyên nhân của sự khác biệt
7
Phùng Thanh Bình
KHẢO SÁT DỮ LIỆU CHUỖI

THỜI GIAN
z 4 tiêu chí có thể đ ợc áp dụng để xác định xem

dữ liệu có hữu ích cho việc dự báo hay không:
o Dữ liệu phải đáng tin cậy và chính xác
o Dữ liệu phải phù hợp
o Dữ liệu phải nhất quán
o Dữ liệu phải đúng lúc
z Dữ liệu theo thời gian và dữ liệu chéo; dữ liệu sơ
cấp và dữ liệu thứ cấp
Phùng Thanh Bình

THỜI GIAN
z Xu thế
o Thay đổi dài hạn trong chuỗi dữ liệu thời gian
• Xu thế tăng
• Xu thế giảm
• Chuỗi dừng
z Mùa vụ
o Thay đổi đều đặn trong chuỗi dữ liệu thời gian
tại cùng thời điểm mỗi năm
8
Phùng Thanh Bình

THỜI GIAN
z Chu kỳ
o Xu h ớng vận động lên xuống của dữ liệu quanh
một xú thế trong dài hạn
o Dao động chu kỳ kéo dài hơn và ít đều đặn hơn
dao động mùa vụ
o Th ờng đ ợc đề cập đến nh các chu kỳ kinh
doanh
z Ngẫu nhiên
o Thay đổi không phải do các yếu tố kể trên
Phùng Thanh Bình
KHẢO SÁT DỮ LIỆU BẰNG PHÂN

TÍCH TỰ T NG QUAN
z Tự t ơng quan là t ơng quan giữa một biến trễ

một hoặc nhiều giai đoạn và chính biến đó
∑ (Y
n
rk =
- Y ) (Y t - k - Y )
t = k +1
∑ (Y
t
n
- Y)2
t =1
t
với k = 0, 1, 2, ... khi độ trễ tăng, hệ số tự t ơng

quan giảm
Ví dụ: 3.1 (file Table 3-1)
9
Phùng Thanh Bình

z Giản đồ tự t ơng quan hay hàm tự t ơng quan là một

đồ thị biểu diễn quan hệ giữa các hệ số tự t ơng quan
với độ trễ của một chuỗi thời gian
z Các hệ số tự t ơng quan của các độ trễ khác nhau có
thể cung cấp các thông tin sau:
z Dữ liệu có ngẫu nhiên không?
z Dữ liệu có xu thế không?
z Dữ liệu có dừng không?
z Dữ liệu có yếu tố mùa vụ không?
Phùng Thanh Bình

z Kiểm định hệ số tự t ơng quan có khác 0 một cách có

ý nghĩa hay không (dữ liệu có ngẫu nhiên không)?
z SE(rk) = sai số chuẩn của tự t ơng quan với độ trễ k
k = 1 => SE(r 1) =
1
o
n
1 + 2 ∑ ri2
k -1
o k ≠ 1 => SE(r k ) = i =1
n
10
Phùng Thanh Bình

z Khoảng tin cậy
0 ± t x SE(rk) với t =
rk - ρ k
SE(rk )
z Kiểm định chung (một nhóm các hệ số t ơng
quan đầu tiên khác 0 một cách có ý nghĩa)
Q = n(n + 2)∑
m
rk2
k =1 n − k
Phùng Thanh Bình

oVí dụ 3.2 (Hanke, 65)

o Ví dụ 3.3 (Hanke, 66)
z Dữ liệu có xu thế không?
o Một chuỗi thời gian có xu thế (không dừng): các hệ
số tự t ơng quan của các độ trễ đầu tiên lớn và sau
đó giảm dần bằng 0 khi độ trễ tăng lên.
o Chuỗi dừng: hệ số tự t ơng quan giảm bằng 0 rất
nhanh (sau 2 hoặc 3 độ trễ)
o Ph ơng pháp sai phân (ví dụ 3.4, Hanke, 68)
11
Phùng Thanh Bình

z Dữ liệu có yếu tố mùa vụ không?

o Nếu dữ liệu có yếu tố mùa vụ theo quý, một hệ
số tự t ơng quan sẽ lặp lại tại độ trễ 4
o Nếu dữ liệu có yếu tố mùa vụ theo tháng, một hệ
số tự t ơng quan sẽ lặp lại tại độ trễ 12, …
o Ví dụ 3.5 (file Table 3-5)
Phùng Thanh Bình
LỰA CHỌN MÔ HÌNH DỰ BÁO
z Một số câu hỏi cần phải xem xét tr ớc khi quyết định
chọn ph ơng pháp dự báo phù hợp nhất cho một vấn
đề cụ thể:
o Tại sao cần dự báo?
o Ai sẽ sử dụng kết quả dự báo?
o Đặc điểm của dữ liệu sẵn có là gì?
o Thời đọan của dự báo là gì?
o Đòi hỏi dữ liệu tối thiểu là bao nhiêu?
o Mức độ chính xác bao nhiêu là vừa?
o Chi phí để dự báo là bao nhiêu?
12
Phùng Thanh Bình
z Để chọn một ph ơng pháp dự báo thích hợp, cần phải:

o Xác định bản chất của vấn đề dự báo
o Bản chất của dữ liệu đang xem xét
o Mô tả các khả năng và hạn chế của các ph ơng pháp
dự báo tiềm năng
o Xây dựng các tiêu chí để ra quyết định lựa chọn
o Một nhân tố chính ảnh h ởng đến việc lựa chọn mô
hình dự báo là nhận dạng và hiểu đ ợc bản chất số
liệu lịch sử
Phùng Thanh Bình
z Các ph ơng pháp dự báo đối với dữ liệu dừng

o Đ ợc sử dụng khi:
• Môi tr ờng của đối t ợng dự báo không thay đổi
• Thiếu dữ liệu
• Thực hiện những điều chỉnh đơn giản có thể đạt
đ ợc sự ổn định
• Chuỗi dữ liệu có thể đ ợc chuyển đổi sang một dạng
ổn định
o Gồm có ph ơng pháp dự báo thô, trung bình giản đơn,
trung bình tr ợt, ARMA
13
Phùng Thanh Bình
z Các ph ơng pháp dự báo đối với dữ liệu xu thế

• Tăng năng suất hay công nghệ mới làm thay đổi lối
sống
• Dân số tăng làm tăng nhu cầu hàng hóa và dịch vụ
• Lạm phát
• Mức độ chấp nhận của thị tr ờng gia tăng
o Gồm có ph ơng pháp trung bình tr ợt, san mũ bậc 1
(Holt), hồi quy đơn, đ ờng tăng tr ởng, mô hình mũ,
ARIMA
Phùng Thanh Bình
z Các ph ơng pháp dự báo đối với dữ liệu mùa vụ

• Thời tiết ảnh h ởng đến biến đang xem xét
• Niên lịch ảnh h ởng đến biến đang xem xét
o Gồm có ph ơng pháp phân tích, san mũ
Winter, hồi quy bội, và ARIMA
14
Phùng Thanh Bình
z Các ph ơng pháp dự báo đối với dữ liệu chu kỳ

• Chu kỳ kinh doanh ảnh h ởng đến biến đang
xem xét
• Dịch chuyển trong sở thích chung
• Dịch chuyển trong dân số
• Dịch chuyển trong chu kỳ vòng đời sản phẩm
o Gồm có ph ơng pháp phân tích, chỉ số kinh tế, mô
hình kinh tế l ợng, hồi quy bội, và ARIMA
Phùng Thanh Bình
15
Phùng Thanh Bình
ÔN TẬP THỐNG KÊ CĂN BẢN
z Mô tả dữ liệu bằng số
o Mô tả độ lớn chung của một biến sử dụng các
th ớc đo mức độ tập trung: Trung bình, Trung
bị, và mode
• Xem c2t2.xls
o Hai th ớc đo mức độ phân tán: Ph ơng sai và
Độ lệch chuẩn (nhắc lại bậc tự do)
• Xem c2t3.xls
Phùng Thanh Bình
z Mô tả dữ liệu bằng đồ thị

o Đồ thị điểm (dot plot)
o Đồ thị hộp (box plot)
o Đồ thị tần suất (histogram)
o Đồ thị phân tán (scatter diagrams), …
o Đồ thị chuỗi thời gian (time series plot) th ờng
đ ợc sử dụng nhất, và đ ợc biểu diễn bằng:
• Hệ trục tọa độ đơn
• Hệ trục tọa độ kép
16
Phùng Thanh Bình
z Chỉ số
o Chỉ số đơn giản không trọng số
It = ×100
Yt
Y0
∑
o Chỉ số gộp không trọng số đơn giản
It =
n
∑
i =1
Y i ,t
n
i =1
Y i ,0
Phùng Thanh Bình
z Chỉ số
∑
o Chỉ số gộp có trọng số (Laspreyres)
= ×100
n
∑
i =1
P i ,t Qi , 0
It n
i =1
P i ,0Qi , 0
17
Phùng Thanh Bình
z Chỉ số
∑
o Chỉ số gộp có trọng số (Paasche)
= ×100
n
∑
i =1
P i ,t QT
It n
i =1
P i , 0QT
Phùng Thanh Bình
z Chuyển hóa dữ liệu

o San bằng chuỗi thời gian
• Ph ơng pháp bình quân di động giản đơn
(SMA)
• Ph ơng pháp bình quân di động trung tâm
(CMA)
Khoảng tr ợt L lẻ
Khoảng tr ợt L chẵn
18
Phùng Thanh Bình

o Chuyển dữ liệu tháng, quý, nữa năm thành dữ
liệu năm bằng cách nhân giá trị với tần suất
(tháng x 12, quý x 4, nữa năm x 2)
o Chuyển đổi tần xuất dữ liệu
• Từ tần suất cao đến tần suất thấp:
Ph ơng pháp gộp
Ph ơng pháp trung bình số học
Ph ơng pháp trung bình hình học
Phùng Thanh Bình

o Chuyển đổi tần xuất dữ liệu
• Từ tần suất thấp đến tần suất cao:
Ph ơng pháp lặp
Ph ơng pháp sai phâns
- Có 3 b ớc:
∆ = (YII − YI ) ∆ = ∆ L
Y1' = YI
Y2' = Y1' + ∆'
'
Y3' = Y2' + ∆'
19
Phùng Thanh Bình

o Ph ơng pháp sai phân
∆Yt = Yt − Yt −1
∆2Yt = ∆Yt − ∆Yt −1
• Ý nghĩa:
Sai phân bậc 1 Æ hằng số: dữ liệu gốc có xu
h ớng đ ờng thẳng
Sai phân bậc 2 Æ hằng số: dữ liệu gốc có xu
h ớng đ ờng cong
Phùng Thanh Bình
Yt = Y0 e rt
o Ph ơng pháp ln
• Ý nghĩa:
R là tỷ lệ tăng tr ởng mũ (không đổi cho mỗi
giai đoạn trong suốt thời kỳ nghiên cứu)
Tùy vào t đ ợc tính theo tháng, quý hay năm
20
Phùng Thanh Bình
z Phân phối xác suất

o Phân phối xác suất của một biến rời rạc
• Là liệt kê tất cả các giá trị có thể có của biến
số đó, cùng với xác suất của mỗi giá trị đó
• E(X) = Σ[X × P(X)]
o Đối với một phân phối liên tục, thì xác suất để có
một giá trị nhất định gần bằng 0. Một phân phối
quan trọng trong tr ờng hợp này là phân phối
chuẩn
Phùng Thanh Bình
z Phân phối xác suất

o Phân phối chuẩn của một biến ngẫu nhiên liên tục
đ ợc định nghĩa với 2 đặc điểm: Trung bình và Độ
lệch chuẩn của biến số đó
• µ ± 1σ chiếm ~ 68% diện tích
o Phân phối chuẩn chuẩn tắc
Z=
X -µ
σ
21
Phùng Thanh Bình
z Phân phối mẫu

o Phân phối mẫu là tập hợp tất cả các giá trị có thể
n
có của một thống kê mẫu có thể đ ợc rút ra từ một
tổng thể với một cỡ mẫu nhất định
o Theo định lý giới hạn trung tâm, khi cỡ mẫu càng
tiến về phân phối chuẩn, và trung bình là µ và độ

lớn, thì phân phối mẫu của các trung bình mẫu sẽ
lệch chuẩn là: σ

n
Phùng Thanh Bình
z Phân phối mẫu

o Student’s t-Distribution
• Phân phối chuẩn cung cấp nền tảng cho nhiều
lọai phân tích dữ liệu, nh ng nó không thích
hợp với dữ liệu mẫu, nên ta sử dụng t-dist
• Khi không biết σ, hoặc khi cỡ mẫu nhỏ, thì nên
sử dụng t-dist
• Vì t-dist phụ thuộc vào số bậc tự do, nên có rất
X −µ
t=
nhiều t-dist
S/ n
22
Phùng Thanh Bình
z Thống kê suy luận từ mẫu

o ớc l ợng điểm của một hệ số tổng thể (pop
parameter) là một giá trị riêng lẻ đ ợc tính từ số
liệu mẫu
o ớc l ợng khoảng là một khoảng mà hệ số tổng
thể có thể nằm trong đó:
µ =X± t×
s
n
s đ ợc gọi là sai số chuẩn của trung bình mẫu và đo l ờng độ phân tán
n của các trung bình mẫu
Phùng Thanh Bình
z Kiểm định giả thuyết, gồm các b ớc sau:

o B ớc 1: Xây dựng giả thuyết (H0, và H1)
o B ớc 2: Thu thập một mẫu ngẫu nhiên và tính
toán các thống kê kiểm định mẫu
o B ớc 3: Giả định H0 là đúng và xác định phân
phối mẫu của thống kê kiểm định
o B ớc 4: Tính xác suất (giá trị thống kê)
o B ớc 5: So sánh xác suất (giá trị thống kê tính
toán) và quyết định chấp nhận hay bác bỏ giả
thuyết
23
Phùng Thanh Bình
Phùng Thanh Bình
z Phân tích t ơng quan

o Giản đồ phân tán (scatter diagrams): xét quan hệ
giữa 2 biến
• Tuyến tính
D ơng
Âm
• Phi tuyến
• Mức độ quan hệ giữa 2 biến
24
Phùng Thanh Bình
z Hệ số t ơng quan
o Đo l ờng mức độ quan hệ tuyến tính giữa hai
∑ (X - X)(Y − Y)
biến số
r= ∑ ZX ZY =
∑ (X − X) ∑ (Y − Y)
1
n -1 2 2
n ∑ XY - (∑ X)(∑ Y)
=
n ∑ X 2 − (∑ X) 2 n ∑ Y 2 − (∑ Y) 2
25

Phùng Thanh Bình
TRUNG BÌNH DI ĐỘNG & CÁC

PH NG PHÁP SAN MŨ
1. Giới thiệu
2. Mô hình dự báo thô
3. Trung bình giản đơn
4. Trung bình di động đơn
5. Trung bình di động kép
6. San mũ giản đơn
7. San mũ Holt
8. San mũ Winter
1
Phùng Thanh Bình

Ch ng 4.
Chapter 3.
Phùng Thanh Bình
GIỚI THIỆU
2
Phùng Thanh Bình
GIỚI THIỆU
Một chiến l ợc tốt để đánh giá các ph ơng pháp dự

báo gồm các b ớc sau:
1. Một ph ơng pháp dự báo đ ợc chọn dựa trên
phân tích và cảm nhận của ng ời làm dự báo về
bản chất của dữ liệu
2. Bộ dữ liệu đ ợc chia thành 2 phần - phần đầu và
phần kiểm định
3. Ph ơng pháp dự báo đ ợc chọn nhằm tìm ra các
giá trị phù hợp cho phần đầu của dữ liệu
Phùng Thanh Bình
GIỚI THIỆU
Một chiến l ợc tốt để đánh giá các ph ơng pháp dự

báo gồm các b ớc sau:
4. Ph ơng pháp đ ợc sử dụng dự báo phần kiểm
định của dữ liệu, và sai số dự báo đ ợc xác định
và đánh giá
5. Ra quyết định
3
Phùng Thanh Bình
DỰ BÁO THÔ
z Khi có rất ít dữ liệu gần đây, thì Naïve có thể là một giải
pháp
z Dự báo thô giả định rằng các giai đoạn gần nhất là ớc
l ợng tốt nhất cho t ơng lai, mô hình đơn giản là:
∧
Y t +1 = Yt
z Đ ợc gọi là dự báo thô cấp 1 (Naïve forecast 1),
100% trọng số đ ợc gán cho giá trị gần nhất của
chuỗi thời gian
Phùng Thanh Bình
DỰ BÁO THÔ
z Bên cạnh xem xét quan sát gần nhất, ta có thể

xem xét thêm xu h ớng của nó, đây là mô hình
dự báo thô cấp 2:
∧
Y t +1 = Yt + P(Yt − Yt -1 )
z Xem ví dụ ở Table 1.3 (Holton, p30)
4
Phùng Thanh Bình
Phùng Thanh Bình
TRUNG BÌNH GIẢN Đ N
z Công thức:
Y t +1 = ∑ Yi
∧ 1 t
t i =1
∧
∧ t Y t +1 + Yt +1
Y t +2 =
t +1
5
Phùng Thanh Bình
TRUNG BÌNH GIẢN Đ N
z Ph ơng pháp trung bình giản đơn phù hợp khi các
nhân tố ảnh h ởng đến đối t ợng dự báo có tính ổn
định, và môi tr ờng liên quan đến chuỗi dữ liệu là
không đổi
z Ph ơng pháp trung bình giản đơn sử dụng giá trị
trung bình của tất cả các quan sát quá khứ làm giá
trị dự báo cho giai đoạn tiếp theo
Phùng Thanh Bình
6
Phùng Thanh Bình
TRUNG BÌNH DI ĐỘNG Đ N
z Quan tâm đến một số cố định các quan sát gần nhất
z Khi có thêm một quan sát mới, ta có một giá trị
trung bình mới
∧ Yt + Yt -1 + ... Yt -k +1
Y t +1 =
k
Y^t+1 = giá trị dự báo giai đoạn tiếp theo
Yt = giá trị thực tại thời điểm t
k = hệ số tr ợt
Phùng Thanh Bình
z Ví dụ 4.3 (Table 4-30
7
Phùng Thanh Bình
z Chọn hệ số tr ợt bao nhiêu tùy vào độ dài của chu

kỳ hay bản chất của dữ liệu
z Để so sánh và chọn mô hình tốt, nên dựa vào các
tiêu chí thống kê (RMSE)
z Th ờng dùng đối với dữ liệu quý hoặc tháng để làm
trơn các thành phần trong chuỗi thời gian
z Th ờng dùng với chuỗi dừng
Phùng Thanh Bình
TRUNG BÌNH DI ĐỘNG KÉP
z Một cách dự báo chuỗi thời gian có xu thế tuyến

tính là dùng ph ơng pháp bình ph ơng di động kép
∧ Yt + Yt -1 + ... Yt -k +1
M t = Y t +1 =
k
M t + M t -1 + ... M t - k +1
M 't +1 =
k
8
Phùng Thanh Bình
TRUNG BÌNH DI ĐỘNG KÉP
a t = M t + ( M t − M 't ) = 2M t - M 't
bt = ( M t − M 't )
2
k -1
∧
Yt +p = a t + bt p
z Ví dụ 4.4 (Table 4-5)
Phùng Thanh Bình
9
Phùng Thanh Bình
Phùng Thanh Bình
SAN MŨ GIẢN Đ N
z Giống trung bình di động, đ ợc sử dụng khi dữ liệu

không có yếu tố xu thế và mùa vụ
z Giá trị dự báo tại bấy kỳ thời điểm nào là giá trị trung
bình có trọng số của tất cả các giá trị sẵn có tr ớc đó
z Giá trị càng xa hiện tại thì trọng số càng giảm (khác
trung bình di động cho rằng các trọng số bằng nhau).
Các quan sát gần nhất chứa đ ng thông tin thích hợp
nhất, và có ảnh h ởng lớn hơn các quan sát quá khứ
z Khi có ít dữ liệu quá khứ và không có yếu tố xu thế và
mùa vụ
10
Phùng Thanh Bình
SAN MŨ GIẢN Đ N
z Quan sát gần nhất có trọng số α (0< α<1), quan sát kế

tiếp là α(1- α), quan sát tiếp theo nữa là α(1- α)2, …
z α đ ợc gọi là hằng số mũ
z Mô hình san mũ giản đơn có thể đ ợc viết nh sau:
Yt+1 =αYt + (1-α) Yt

∧ ∧
Phùng Thanh Bình
SAN MŨ GIẢN Đ N
z Ph ơng trình này có thể đ ợc viết lại nh sau:
= α Y t + (1 - α ) Y
∧ ∧
Y t +1 t
= α Yt + Y t - α Y
∧ ∧
t
= Y + α (Yt - Y t )
∧ ∧
t
= Y + αet
∧
t
11
Phùng Thanh Bình
SAN MŨ GIẢN Đ N
Yt = αYt-1 + (1- α ) Yt-1

∧ ∧
Yt+1 = αYt + (1- α ) Yt

∧ ∧
= αYt + (1- α )[αYt-1 + (1- α ) Yt-1]

∧
= αYt + α (1- α )Yt-1 + (1- α )2 Yt-1

∧
...
= αYt + α (1- α )Yt-1 + α (1- α )2 Yt-2 + α (1- α )3 Yt-3 + ...
Phùng Thanh Bình
SAN MŨ GIẢN Đ N
z Chọn giá trị α là vấn đề quan trọng nhất của

ph ơng pháp này
Nếu các dự đoán ổn định và biến đổi ngẫu nhiên
ít, thì chọn α nhỏ, ng ợc lại nên chọn α lớn
o
o Một cách phổ biến để ớc l ợng α là dựa vào

một quy trình lặp đi lặp lại sao cho tối thiểu hóa
MSE (hoặc RMSE)
z Ví dụ 4.5 (H, Table 4-7)
12
Phùng Thanh Bình
Phùng Thanh Bình
13
Phùng Thanh Bình
SAN MŨ HOLT
z Khi chuỗi thời gian có yếu tố xu thế (và không có

yếu tố mùa vụ)
z Là một mở rộng của ph ơng pháp san mũ giản đơn
bằng việc đ a thêm một thừa số tăng tr ởng
(growth factor) hay thừa số xu thế (trend factor) và
ph ơng trình san mũ để điều chỉnh yếu tố xu thế
z 3 ph ơng trình và 2 hằng số san mũ đ ợc sử dụng
trong mô hình Holt
Phùng Thanh Bình
SAN MŨ HOLT
z Chuỗi thời gian đã đ ợc san mũ hay giá trị ớc l ợng
Y t +1 = αYt + (1 - α )( Y t + Tt )
hiện hành (L u ý: cũng có thể là Y^t, và Tt):
∧ ∧
(a)
z
Tt +1 = γ (Yt +1 − Yt ) + (1- γ )Tt )

∧ ∧
ớc l ợng xu thế:
(b)
z Dự báo p giai đoạn trong t ơng lai:
∧
(c) H t + m = Y t +1 + mTt +1
14
Phùng Thanh Bình
SAN MŨ HOLT
∧
Yt+1 = giá trị san mũ cho giai đoạn t+1
= giá trị thực ở hiện tại (giai đoạn t)
∧
Yt
Y t = giá trị san mũ cho giai đoạn t
Tt+1 = ớc l ợng xu thế
α = hằng số san mũ của mức giá trị hiện tại
γ = hằng số san mũ của ớc l ợng xu thế
m = số giai đoạn dự báo
Ht+m = giá trị dự báo theo ph ơng pháp Holt ở giai đoạn t+m
Phùng Thanh Bình
SAN MŨ HOLT
z α và γ có thể đ ợc chọn theo chủ quan hoặc tối thiểu

hóa sai số dự báo nh MSE
o Khi có thay đổi lớn trong giá trị các thành phần thì
sử dụng trọng số lớn, và ng ợc lại
z Chọn giá trị ban đầu cho Y^:
o Lấy quan sát thứ nhất, và xu thế bằng 0
o Trung bình của 5 hoặc 6 quan sát đầu tiên và xu thế
là hệ số gốc của đ ờng xu thế của các quan sát này
z Ví dụ 4.9 (H, Table 4- 8)
15
Phùng Thanh Bình
SAN MŨ WINTER
z Chuỗi thời gian đã đ ợc san mũ:

(a) Y t = α + (1 - α )(Y t -1 + Tt -1 )
∧ Yt ∧
St - s
z ớc l ợng xu thế:
(b) Tt = γ (Yt − Yt -1) + (1- γ )Tt -1)
∧ ∧
z ớc l ợng mùa vụ:

(c) S t = β + (1 - β )S t - s )
Yt
∧
z
Yt
Dự báo m giai đoạn trong t ơng lai:
∧
(d) Wt +m = (Yt + mTt )St -s +p
Phùng Thanh Bình
SAN MŨ WINTER
Y^t = giá trị san mũ mới

Tt = ớc l ợng xu thế
St = ớc l ợng mùa vụ
α = hằng số san mũ của mức giá trị hiện tại
γ = hằng số san mũ của ớc l ợng xu thế
β = hằng số san mũ của ớc l ợng mùa vụ
m = số giai đoạn dự báo
s = độ dài mùa vụ
Wt+m = giá trị dự báo theo ph ơng pháp Winter ở giai đoạn t+m
16
Phùng Thanh Bình
SAN MŨ WINTER
z α, γ, và β có thể đ ợc chọn theo chủ quan hoặc tối thiểu

hóa sai số dự báo nh MSE
z Chọn giá trị ban đầu cho Y^:
o Lấy quan sát thứ nhất, xu thế bằng 0, và chỉ số mùa vụ
bằng 1
o Hồi qui Y = f(t), hằng số sẽ là ớc l ợng ban đầu của
giá trị san mũ, hệ số dốc là ớc l ợng ban đầu cho xu
thế. Giá trị ban đầu của thành phần mùa vụ từ các hệ số
hồi qui của các biến giả
z Ví dụ 4.10 (H, Table -4 )9
Phùng Thanh Bình
17

Phùng Thanh Bình
HỒI QUY Đ N &

XU THẾ TUYẾN TÍNH
1. Mô hình hồi quy đơn

2. Phân tích kết quả hồi quy
3. Đánh giá mô hình hồi quy
4. Qui trình dự báo bằng hồi quy
5. Chuyển đổi dạng biến
6. Dự báo bằng hàm xu thế
7. Dự báo bằng mô hình nhân quả
8. Dự báo với dữ liệu chéo
9. Dự báo điểm & Dự báo khoảng
1
Phùng Thanh Bình

Chư ng 3.
Chapter 4.
Phùng Thanh Bình
MÔ HÌNH HỒI QUY Đ N
z Một khi đã thiết lập đ ợc mối quan hệ tuyến tính giữa 2

biến, thì thông tin về biến độc lập có thể đ ợc sử dụng để
dự báo giá trị của biến phụ thuộc
z Y = f(X) => Y = β0 + β0X + ε
– Y là giá trị cần dự báo
– X có thể là một chuỗi thời gian
– X có thể là t (1, …, n)
2
Phùng Thanh Bình
z Đ ờng thẳng phù hợp nhất với tập hợp các điểm
X-Y là đ ờng tối thiểu hóa tổng các bình ph ơng
khoảng cách từ các điểm đến đ ờng thẳng đó.
Đ ờng thẳng này đ ợc gọi là đ ờng hồi quy hay
đ ờng tổng bình ph ơng bé nhất, có dạng nh
sau:
Y^ = b0 + b1X
b0 = hệ số cắt (intercept)
b1 = hệ số dốc (slope)
Phùng Thanh Bình
z Ph ơng pháp bình ph ơng bé nhất chọ giá trị b0

và b1 sao cho tối thiểu hóa tổng sai số bình
ph ơng:
SSE = ∑(Y – Y^)2 = ∑(Y – b0 – b1X)2
3
Phùng Thanh Bình
PHÂN TÍCH KẾT QUẢ HỒI QUY
z Sai số chuẩn của ớc l ợng
o Đo mức chênh lệch giữa giá trị thực Y với giá

trị ớc l ợng Y^, đối với mẫu lớn thì:
• 67% chênh lệch Y – Y^ nằm trong sY,X
• 95% chênh lệch Y – Y^ nằm trong 2 sY,X
Phùng Thanh Bình
z Phân tích ph ơng sai
4
Phùng Thanh Bình
Phùng Thanh Bình
5
Phùng Thanh Bình
z Hệ số xác định:
ExplainedVariation SSR ∑ (Y − Y)
∧
R = = =
SST ∑ (Y - Y) 2
2
2
Total Variation
∑ ( Y − Y) 2
∧
=1- =1- =1-

∑ ( Y - Y)
Unexplained Variation SSE
2
Total Variation SST
Phùng Thanh Bình
6
Phùng Thanh Bình
z Phân tích phần d

o Các giả định của mô hình hồi quy OLS:
• Tuyến tính
• Các sai số độc lập
• Các sai số có ph ơng sai không đổi
• Các sai số có phân phối chuẩn
Phùng Thanh Bình

o Kiểm tra phần d tr ớc hết dựa vào đồ thị:
• Vẽ đồ thị histogram
• Vẽ phần d theo Y^
• Vẽ phần d theo X
• Vẽ phần d theo thời gian
7
Phùng Thanh Bình

o Kiểm định hiện t ợng ph ơng sai không
đồng nhất
o Kiểm định hiện t ợng t ơng quan chuỗi
o Khi nào cần đến AIC?
Phùng Thanh Bình
z AIC & SIC: dùng để so sánh lựa chọn giữa các

mô hình có số biến khác nhau
∑e
N
2
AIC = exp(
∑e
2k n =1 n
) N
N N
⎛k⎞
2
SIC = N
⎜ ⎟
⎝ N ⎠ n =1
n
8
Phùng Thanh Bình
z AIC & SIC: Th ờng các phần mền kinh tế l ợng

tính AIC & SIC theo công thức sau:
Nguồn: Green, W.H., (2003), Econometric Analysis, 5th Edition, P.160
Phùng Thanh Bình
z T ơng quan chuỗi
Yt =β0 +β1Xt +εt
ε t = ρεt-1 + vt
9
Phùng Thanh Bình

o Tự t ơng quan âm
o Tự t ơng quan d ơng (xem Figure 8.1)
o Không làm chệch các hệ số ớc l ợng, nh ng
làm cho ớc l ợng của sai số chuẩn nhỏ hơn
sai số chuẩn thật sự => t-stat, F-stat lớn
Phùng Thanh Bình
10
Phùng Thanh Bình

o Xử lý hiện t ợng t ơng quan chuỗi tùy thuộc vào
nguyên nhân gây ra hiện t ợng t ơng quan chuỗi: Sai
dạng mô hình (thiếu biến) hay các sai số độc lập có liên
quan với nhau cho dù mô hình đ ợc chọn là phù hợp
• Đ a thêm biến bỏ sót vào mô hình (ví dụ 8.3)
• Hồi quy sai phân (ví dụ 8.5)
• Mô hình tự hồi quy (ví dụ 8.6)
Phùng Thanh Bình
ĐÁNH GIÁ MÔ HÌNH HỒI QUY
z Thứ nhất, kiểm tra xem ‘dấu’ của hệ số dốc có ý

nghĩa hay không
z Thứ hai, kiểm tra xem hệ số dốc có ý nghĩa thống
kê hay không (dùng t-stat)
z Thứ ba, kiểm tra xem thay đổi trong biến độc lập
giải thích bao nhiêu phần trăm cho thay đổi trong
biến phụ thuộc
z Thứ t , kiểm tra phần d (dùng DW)
11
Phùng Thanh Bình
QUY TRÌNH DỰ BÁO BẰNG HỒI QUY
z Thứ nhất, xem xét dữ liệu (nên dùng đồ thị) của cả

biến phụ thuộc và biến độc lập để xác định dạnh mô
hình hồi quy
z Dự báo biến độc lập
z ớc l ợng mô hình
z Đánh giá mức độ phù hợp và chính xác của mô
hình và chọn ra mô hình tốt nhất
Phùng Thanh Bình
CHUYỂN ĐỔI DẠNG BIẾN
z L u ý: mô hình hồi quy tuyến tính đơn giản nghĩa

là tuyến tính đối với các hệ số β
z Sau khi vẽ đồ thị một biến X nào đó theo thời
gian, hoặc giữa Y và X thì X có thể đ ợc chuyển
sang các dạng sau: 1/X, log(X), X2, √X, …
z Ví dụ 6-10 (Hanke, 234)
12
Phùng Thanh Bình
DỰ BÁO BẰNG HÀM XU THẾ
z Y^ = b0 + b1(T)
o T = 1 cho quan sát đầu tiên của chuỗi thời gian
và tăng lên theo thứ tự 1 đơn vị cho quan sát
tiếp theo
z Vẽ đồ thị giữa Yt và T để chọn dạng mô hình hồi
quy thích hợp nhất
z Cũng có thể ta dự báo X^ = c0 + c1(T)
Phùng Thanh Bình
DỰ BÁO BẰNG MÔ HÌNH NHÂN QUẢ
z Y^ = b0 + b1(X)
o Y và X là 2 chuỗi thời gian khác nhau và đ ợc
kỳ vọng có quan hệ vớn nhau
z Vẽ đồ thị giữa Yt và Xt để chọn dạng mô hình hồi
quy thích hợp nhất
z Th ờng phải dựa vào lý thuyết và kinh nghiệm để
xác định mối quan hệ nhân quả
13
Phùng Thanh Bình
DỰ BÁO VỚI DỮ LIỆU CHÉO
z Trong khi hầu hết dự báo dựa trên dữ liệu chuỗi

thời gian, tuy nhiên có một số tr ờng hợp phân
tích dữ liệu chéo cũng rất hữu ích. Trong phân
tích dữ liệu chéo, tất cả các dữ liệu đ ợc thu thập
cùng một thời điểm
z Ví dụ: doanh số và dân số ở các thành phố, l ợng
cầu và giá của một hàng hóa, …
Phùng Thanh Bình
DỰ BÁO ĐIỂM & DỰ BÁO KHOẢNG
z Dự báo điểm
z Hai nguồn không chắc chắn liên quan đến dự báo
điểm từ ph ơng trình hồi quy:
o Do sự phân tán của các điểm dữ liệu so với
đ ờng hồi quy mẫu
o Do sự phân tán của đ ờng hồi quy mẫu so với
đ ờng hồi quy tổng thể
14
Phùng Thanh Bình
z Dự báo khoảng có tính đến 2 nguồn không chắc

chắn này
z Sai số chuẩn của dự báo, sf, đo mức độ thay đổi
của Y^ so với Y tại X cho tr ớc:
Y^ ± tsf
15

Phùng Thanh Bình
HỒI QUY BỘI
1. Mô hình hồi quy bội

2. Chọn biến độc lập
3. Phân tích kết quả hồi quy
4. Đánh giá mô hình hồi quy
5. Biến giả
6. Lựa chọn phương trình hồi quy
7. Dự báo điểm & Dự báo khoảng
1
Phùng Thanh Bình

Ch ng 9.
Chapter 5.
Phùng Thanh Bình
MÔ HÌNH HỒI QUY BỘI
z Y = f(X1, X2, X3, …, Xn)

= b0 + b1X1 + b2X2 + . . . bkXk + ε
z Trong đó:
o b0 = hệ số cắt
o bi = là các hệ số dốc tương ứng
o ε = sai số tổng thể
2
Phùng Thanh Bình
Phùng Thanh Bình
z Y = b0 + b1X1 + b2X2 + . . . bkXk + ε

Y = b0 + b1X1 + b2X2 + . . . bkXk + e
z Trong đó:
o b0 = hệ số cắt
o bi = là các hệ số dốc tương ứng
o e = sai số mẫu
3
Phùng Thanh Bình
CHỌN BIẾN ĐỘC LẬP
Phùng Thanh Bình
∧ ∧
Y = Y + (Y - Y)
∧
Y = b 0 + b1X1 + b 2 X 2 + ... + b k X k
∑ (Y - Y) = ∑ (Y - Y) + ∑ (Y - Y)
∧ ∧ ∧
2 2
SST = SSR + SSE
df: n-1 = k + n–k-1
4
Phùng Thanh Bình
z Sai số chuẩn của ước lượng:
∑ (Y - Y)
∧
s y.x's = = = MSE
2
SSE
n - k -1 n - k -1
z Ví dụ 7.4, Hanke, 275
Phùng Thanh Bình
z Ý nghĩa của hồi quy
5
Phùng Thanh Bình
Phùng Thanh Bình
z Hệ số xác định:
ExplainedVariation SSR ∑ (Y − Y)
∧
R = = =
SST ∑ (Y - Y) 2
2
2
Total Variation
=1- ∑
∧
( Y − Y)
=1- =1-
∑ ( Y - Y) 2
2
Unexplained Variation SSE
Total Variation SST
6
Phùng Thanh Bình
z Đối với hồi quy bội:
Phùng Thanh Bình
z Kiểm định các hệ số hồi quy

H0: βj = 0
H0: βj ≠ 0
t=
bj -0
sbj
7
Phùng Thanh Bình
z Phân tích phần dư

o Kiểm tra phần dư trước hết dựa vào đồ thị:
• Vẽ đồ thị histogram
• Vẽ phần dư theo Y^
• Vẽ phần dư theo X
• Vẽ phần dư theo thời gian
Phùng Thanh Bình
z Phân tích phần dư

o Kiểm định hiện tượng phương sai không
đồng nhất
o Kiểm định hiện tượng tương quan chuỗi
o Khi nào cần đến AIC?
8
Phùng Thanh Bình
z Tương quan chuỗi

o Tự tương quan âm
o Tự tương quan dương (xem Figure 8.1)
o Không làm chệch các hệ số ước lượng, nhưng
làm cho ước lượng của sai số chuẩn nhỏ hơn
sai số chuẩn thật sự => t-stat, F-stat lớn
Phùng Thanh Bình
9
Phùng Thanh Bình

o Xử lý hiện tượng tương quan chuỗi tùy thuộc vào
nguyên nhân gây ra hiện tượng tương quan chuỗi: Sai
dạng mô hình (thiếu biến) hay các sai số độc lập có liên
quan với nhau cho dù mô hình được chọn là phù hợp
• Đưa thêm biến bỏ sót vào mô hình (ví dụ 8.3)
• Hồi quy sai phân (ví dụ 8.5)
• Mô hình tự hồi quy (ví dụ 8.6)
Phùng Thanh Bình
ĐÁNH GIÁ MÔ HÌNH HỒI QUY
z Thứ nhất, kiểm tra xem ‘dấu’ của hệ số dốc có ý

nghĩa hay không
z Thứ hai, kiểm tra xem hệ số dốc có ý nghĩa thống
kê hay không (dùng t-stat)
z Thứ ba là đánh giá hệ số xác định
z Thứ tư, kiểm tra phần dư (dùng DW)
10
Phùng Thanh Bình
BIẾN GIẢ
z Biến giả được sử dụng để xác định mối quan hệ giữa

các biến độc lập định tính và một biến phụ thuộc
z Ví dụ 7.6, Hanke, 283 (Table 7-9)
Y^ = β0 + β1X1 + β2X2
X1: test score
X2 = 0 đối với nữ
= 1 đối với nam
y = (β0 + β2) + β1x

Phùng Thanh Bình
X2 = 1
slope = β1
β2 { X2 = 0
y = β0 + β1x
} β0
x
11
Phùng Thanh Bình
Phùng Thanh Bình
BIẾN GIẢ
z Khi chuỗi thời gian có yếu tố mùa vụ, có thể sử dụng

hồi quy với biến giả như sau:
Yt = b0 + b1t + b2S2 + b3S3 + b4S4 + e
Quý 1: S2 = S3 = S4 = 0
Quý 2: S1 = S3 = S4 = 0
Quý 3: S1 = S2 = S4 = 0
Quý 4: S1 = S2 = S3 = 0
z Ví dụ 8.8 (Table 8.9, Hanke, 350)
12
Phùng Thanh Bình
LỰA CHỌN PH NG TRÌNH HỒI QUY
z Bước 1: Lựa chọn một tập hợp đầy đủ các biến giải
thích (cân nhắc giữa mức độ chính xác & chi phí)
z Bước 2: Loại bỏ các biến không thích hợp
o Biến không quan trọng
o Tạo ra sai số lớn
o Có quan hệ với các biến khác (đa cộng tuyến)
o Khó đo lường một cách chính xác
z Bước 3: Rút lại danh sách các biến tốt nhất cho mô hình
Phùng Thanh Bình
z Hồi quy từng bước (stepwise)

o Xem xét tất cả các hồi quy giản đơn, biến nào giải
thích nhiều nhất cho thay đổi củ Y sẽ là biến đầu
tiên đưa vào mô hình
o Biến thứ 2 được đưa vào mô hình là biến đóng góp
lớn nhất vào SSR (xác định bằng F test)
o Đưa theo biến tiếp theo và xem xét biến này có ý
nghĩa hay không bằng cách sử dụng F test
13
Phùng Thanh Bình
z F test
o Mô hình không giới hạn: SSEUR
o Mô hình giới hạn: SSER
(SSER − SSEUR ) (R 2
− R 2R )
F= F=
UR
m m
SSEUR 1 - R 2UR
(n - k) (n - k)
Phùng Thanh Bình
z Dự báo khoảng có tính đến 2 nguồn không chắc

chắn này
z Sai số chuẩn của dự báo, sf, đo mức độ thay đổi
của Y^ so với Y tại X cho trước:
Y^ ± tsf
14

Phùng Thanh Bình
PHÂN TÍCH THÀNH TỐ
1. Giới thiệu
2. Các bước thực hiện
3. Mô hình cộng tính
4. Mô hình nhân tính
1
Phùng Thanh Bình

Ch ơng 5.
Chapter 6.
Phùng Thanh Bình
GIỚI THIỆU
z Thành phần của một chuỗi thời gian:

o Xu thế (Trt)
o Chu kỳ (Clt)
o Mùa vụ (Snt)
o Ngẫu nhiên (It)
2
Phùng Thanh Bình
GIỚI THIỆU
z Mô hình hóa Yt theo các thành phần Trt, Clt, Snt,

và It:
o Mô hình cộng tính: Xem chuỗi thời gian như tổng của
các thành phần
z Yt = Trt + Clt + Snt + It
o Mô hình nhân tính: Xem chuỗi thời gian như tích của
các thành phần
• Yt = Trt × Clt × Snt × It
Phùng Thanh Bình
GIỚI THIỆU
z Rất khó xử lý yếu tố chu kỳ của một chuỗi thời

gian vì các chu kỳ có thể được xác định từ dữ liệu
lịch sử cả về độ dài (năm) và độ lớn
z Để đơn giản người ta thường giả định chu kỳ là
một phần của yếu tố xu thế
z Thường chỉ xét 3 yếu tố Trt, Snt, và It
3
Phùng Thanh Bình
CÁC B ỚC THỰC HIỆN
z Khảo sát dữ liệu và nhận dạng mô hình thích hợp

z Xác định L (khoảng trượt, ví dụ L = 4 nếu dữ liệu
theo quý)
z Lọai bỏ dao động ngắn hạn để nhận dạng xu thế dài
hạn
z So sánh giá trị thực Yt với giá trị đã lọai bỏ yếu tố
mùa vụ (CMAt)
Phùng Thanh Bình
CÁC B ỚC THỰC HIỆN
z Tìm chỉ số mùa vụ

z Xác định yếu tố xu thế
z Xây dựng hàm dự báo xu thế
z Đo lường yếu tố chu kỳ (nếu có)
z Tiến hành dự báo từ các thành tố
4
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH
z Nhận dạng mô hình cộng tính

o Cường độ của sự di chuyển có tính mùa vụ không đổi
theo thời gian (xem đồ thị)
z Giả sử ta có mô hình cộng tính như sau:
Yt = Trt + Sn t + Cl t + ε t
Phùng Thanh Bình
5
Phùng Thanh Bình
z Các bước thực hiện

o Bước 1: Loại bỏ dao động ngắn hạn bằng cách tính
MAt và CMAt
• Nếu L lẻ: Chỉ cần tính MAt
• Nếu L chẵn: Tính CMAt
CMAt = Trt + Clt
o Bước 2: Tính Snt + εt
• Snt + εt = Yt – Trt - Clt
Phùng Thanh Bình
6
Phùng Thanh Bình

o Bước 3: Loại bỏ εt trong Snt + εt bằng cách tính trung
bình cho mỗi mùa (quý, tháng, …)
o Bước 4: Tính hệ số điều chỉnh A. Tổng những ước
lượng mùa vụ trung bình này phải bằng 0. Nếu chưa
∑ Sn
thỏa mãn thì cần phải điều chỉnh để chúng bằng 0.
Sn j = Sn j - A
L
A =
j
j=1
Phùng Thanh Bình

o Bước 5: Tách yếu tố mùa vụ ra khỏi dữ liệu gốc bằng
cách lấy dữ liệu gốc Yt trừ đi ước lượng mùa vụ tương
Y t' = Y t - Sn tj
ứng Snjt
o Bước 6: Hồi quy hàm xu thế đối với Y’t (lưu ý việc
chọn dạng hàm hồi quy thích hợp nhất với chuỗi Y’t)
7
Phùng Thanh Bình

o Bước 7: Tiến hành dự báo cho Y^t+1
∧
Y t +1 = Yt'+1 + Sn t +1 + Cl t +1
o Bước 8: Đánh giá mô hình
Phùng Thanh Bình
z Đánh giá mô hình

o Thứ nhất: Tất cả các kiểm định thống kê của mô
hình hồi quy Y’t phải được thỏa mãn
o Thứ hai: Đồ thị của Yt phải gần với Y’t
o Thứ ba: Tính chỉ số Theil U
o Ngoài ra, có thể so sánh với các mô hình dự báo
khác thông qua các tiêu chí thống kê đ lường độ
chính xác dự báo
8
Phùng Thanh Bình
z Khoảng tin cậy

Sử dụng sai số của mô hình hồi quy Y’t để xác định
khoảng tin cậy cho εt
o
Ŷ t ± t α/2 S e × (He so dieu chinh)
(t − t)
( t)
He so dieu chinh = 1 + +
∑ t − ∑n
2
1 p
2
n 2
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH
z Nhận dạng mô hình cộng tính

o Cường độ của sự di chuyển có tính mùa vụ
tăng/giảm theo thời gian (xem đồ thị)
z Giả sử ta có mô hình nhân tính như sau:
Yt = Trt × Sn t × Cl t × ε t
9
Phùng Thanh Bình
Phùng Thanh Bình
z CÁCH 1: Chuyển sang dạng mô hình cộng tính và

thực hiện như các bước vừa trình bày
ln(Yt ) = ln(Trt × Sn t × Cl t × ε t )
= ln(Trt ) + ln(Sn t ) + ln(Cl t ) + ln(ε t )
10
Phùng Thanh Bình
z CÁCH 2:
o Bước 1: Loại bỏ dao động ngắn hạn bằng cách tính
MAt và CMAt
• Nếu L lẻ: Chỉ cần tính MAt
• Nếu L chẵn: Tính CMAt
CMAt = Trt×Clt
o Bước 2: Tính Snt×εt
• Snt×εt = Yt ÷ Trt×Clt
Phùng Thanh Bình
z CÁCH 2:
o Bước 3: Loại bỏ εt trong Snt×εt bằng cách tính trung bình
cho mỗi mùa (quý, tháng, …)
o Bước 4: Tính hệ số điều chỉnh A. Tổng những ước
lượng mùa vụ trung bình này phải bằng L. Nếu chưa
thỏa mãn thì cần phải điều chỉnh bằng cách nhân với hệ
số điều chỉnh:
A= Sn j = Sn j × A
∑ Sn
L
L
j
j=1
11
Phùng Thanh Bình
z CÁCH 2:
o Bước 5: Tách yếu tố mùa vụ ra khỏi dữ liệu gốc bằng
cách lấy dữ liệu gốc Yt chia cho ước lượng mùa vụ
Yt' = Yt ÷ Sn tj
tương ứng Snjt
o Bước 6: Hồi quy hàm xu thế đối với Y’t (lưu ý việc
chọn dạng hàm hồi quy thích hợp nhất với chuỗi Y’t)
Phùng Thanh Bình
z CÁCH 2:
o Bước 7: Tiến hành dự báo cho Y^t+1
∧
Y t +1 = Yt'+1 × Sn t +1 × Cl t +1
o Bước 8: Đánh giá mô hình
12
Phùng Thanh Bình
z CÁCH 3:
o Bước 1: Tính MAt & CMAt
o Bước 2: CMAT (CMA trend)
CMA = f(TIME)
= a + b(TIME) = CMAT
o Bước 3: Tính hệ số mùa vụ SFt (seasonal factor)
SFt =
Yt
CMA t
Phùng Thanh Bình
z CÁCH 3:
o Bước 4: Tính hệ số chu kỳ CFt
CFt =
CMA t
CMATt
∑ SF
o Bước 5: Tính chỉ số mùa SI (Seasonal index)
n
j
SI tj = t =1
t
nj
13
Phùng Thanh Bình
z CÁCH 3:
o Bước 6: Dự báo Y^t+1
∧
Y t +1 = CMATt +1 × SI t +1 × CFt +1
Phùng Thanh Bình
14
Phùng Thanh Bình
Phùng Thanh Bình
15
Phùng Thanh Bình
16

Phùng Thanh Bình
MÔ HÌNH ARIMA
1. Giới thiệu
2. Ph ơng pháp luận của Box-Jenkins
3. Mô hình tự hồi quy
4. Mô hình bình quân di động
5. Mô hình bình quân di động tự hồi quy
6. Chiến l ợc xây dựng mô hình ARIMA
1
Phùng Thanh Bình

báo chuỗi th i gian trong kinh doanh & kinh tế,
Ch ng 7 & 8.
Chapter 7.
Phùng Thanh Bình
GIỚI THIỆU
z Ph ơng pháp BOX-JENKINS sử dụng các mô hình

ARIMA để dự báo một biến bằng cách chỉ xem xét
mô hình (pattern) của chuỗi dữ liệu quá khứ đó
z Ph ơng pháp BOX-JENKINS đ ợc phát triển b i 2
nhà thống kê G.E.P Box và G.M. Jenkins
z ARIMA = Autoregressive Integrated Moving
Average
2
Phùng Thanh Bình
GIỚI THIỆU
z Phù hợp cho cả chuỗi dừng hay không dừng

z Phù hợp nhất với dự báo dài hạn hơn là dự báo
ngắn hạn
z Có nhiều điểm u việc hơn các mô hình dự báo
khác, ít tốn kém và linh hoạt
Phùng Thanh Bình
PH NG PHÁP LUẬN BOX-

JENKINS
z Khác các ph ơng pháp khác chổ nó không giả

định bất kỳ mô hình cụ thể nào trong chuỗi dữ liệu
quá khứ sẽ đ ợc dự báo
z Nó sử dụng ph ơng pháp lặp đi lặp lại để nhận
dạng một mô hình thỏa mãn nhất từ nhiều mô hình
z Mô hình đ ợc chọn sẽ đ ợc kiểm chứng với dữ
liệu quá khứ để xem có chính xác hay không
3
Phùng Thanh Bình
Phùng Thanh Bình
PH NG PHÁP LUẬN BOX-

JENKINS
z Lựa lần đầu một mô hình ARIMA dựa trên việc

phân tích đồ thị chuỗi th i gian và các hệ số tự
t ơng quan của một số độ trễ
z Ph ơng pháp luận BOX-JENKINS đề cập đến một
số các quy trình nhận dạng, làm cho phù hợp, và
kiểm tra các mô hình ARIMA với chuỗi dữ liệu
th i gian. Dự báo sẽ suy ra trực tiếp từ mô hình
phù hợp (fitted model)
4
Phùng Thanh Bình
MÔ HÌNH TỰ HỒI QUY
z Mô hình tự hồi quy bậc p có dạng nh sau:
Yt = φ 0 + φ1Yt -1 + φ 2 Yt -2 + ... + φ p Yt -p + ε t
o Yt = biến phản ứng (phụ thuộc) tại th i điểm t
o Yt-1, Yt-2, … = biến phản ứng tại các độ trễ t- 1, -t 2,
o φ0, φ1, φ2 = các hệ số sẽ đ ợc ớc l ợng
o εt = phần sai số tại th i điểm t thể hiện ảnh h ng của
các biến không đ ợc giải thích trong mô hình
Yt = Y
Phùng Thanh Bình
MÔ HÌNH TỰ HỒI QUY
z Ký hiệu: AR(p)
z Phù hợp với các chuỗi th i gian dừng và hệ số φ0 thể hiện
mức cố định của chuỗi dữ liệu (Nếu dữ liệu xoay quanh giá
trị 0 hoặc đ ợc thể hiện bằng các độ lệch Yt = Y, thì không
cần hệ số φ0
z Các hệ số tự t ơng quan giảm từ từ xuống giá trị 0
z Các hệ số tự t ơng quan riêng sẽ giảm xuống giá trị 0 ngay
sau khi độ trễ p
5
Phùng Thanh Bình
Phùng Thanh Bình
MÔ HÌNH BÌNH QUÂN DI ĐỘNG
z Mô hình trung bình di động bậc q có dạng nh sau:

Yt = µ + ε t − ω1ε t -1 − ω 2 ε t -2 − ... − ω q ε t -q
o Yt = biến phản ứng (phụ thuộc) tại th i điểm t
o µ = giá trị trung bình cố định
o ω1, ω2, ω3 = các hệ số sẽ đ ợc ớc l ợng
o εt = phần sai số tại th i điểm t thể hiện ảnh h ng của
các biến không đ ợc giải thích trong mô hình
o εt-1, εt-2 = các sai số các th i điểm tr ớc
6
Phùng Thanh Bình
z Ký hiệu: MA(q)
z Không nên nhằm lẩn giữa trung bình di động đây với
các quy trình tính trung bình di động đã trình bày tr ớc
đây. đây trung bình di động nghĩa là độ lệch Yt – µ là
một kết hợp tuyến tính của sai số hiện hành và sai số quá
Yt - µ = ε t − ω1ε t-1 − ω2ε t-2 − ... − ωqε t-q

khứ
Yt+1 - µ = ε t+1 − ω1ε t − ω2ε t-1 − ... − ωqε t-q+1
Phùng Thanh Bình
7
Phùng Thanh Bình

TỰ HỒI QUY
z Mô hình kết hợp giữa tự t ơng quan với trung bình di

động
z Ký hiệu ARMA(p,q)
Yt = φ 0 + φ1Yt -1 + φ 2 Yt -2 + ... + φ p Yt -p
+ ε t − ω1ε t -1 − ω 2 ε t -2 − ... − ω q ε t -q
Phùng Thanh Bình
8
Phùng Thanh Bình
CHIẾN L ỢC XÂY DỰNG MÔ

HÌNH ARIMA
z B ớc 1: Xác định mô hình

o Phần 1: Xác định xem có phải là chuỗi dừng hay
không
• Một chuỗi không dừng nếu nó tăng hoặc giảm theo
th i gian và các hệ số tự t ơng quan giảm từ từ
(xem hình 8.2 và 8.3)
• Nếu chuỗi không dừng, th ng đ ợc chuyển sang
chuỗi dừng bằng cách lấy sai phân và sử dụng mô
hình ARMA
Phùng Thanh Bình
9
Phùng Thanh Bình

HÌNH ARIMA

Giả sử mô hình ARMA(1,1):
∆Yt = φ1Yt -1 + ε t - ω1ε t -1

(Yt - Yt -1 ) = φ1 (Yt -1 - Yt -2 ) + ε t - ε t -1
o Trong một số tr ng hợp cần phải lấy sai phân của
sai phân để có chuỗi dừng
Phùng Thanh Bình

HÌNH ARIMA

o Các mô hình cho các chuỗi không dừng đ ợc gọi là
mô hình ARIMA, ký hiệu là ARIMA(p,d,q)
• p = số độ trễ của phần tự t ơng quan
• d = số lần lấy sai phân
• q = số sai số quá khứ
Nếu d = 0, thì mô hình ARIMA sẽ thành mô hình
ARMA
10
Phùng Thanh Bình

HÌNH ARIMA

o Phần 2: Khi đã có chuỗi dừng, cần phải xác định
dạng mô hình sẽ đ ợc sử dụng
• So sánh các hệ số tự t ơng quan và các hệ số tự
t ơng quan riêng của dữ liệu các hệ số lý thuyết
Nếu các hệ số tự t ơng quan giảm đều theo
dạng mũ và các hệ số tự t ơng quan riêng
giảm đột ngột, thì phải có phần tự hồi quy
Phùng Thanh Bình

HÌNH ARIMA

o Nếu các hệ số tự t ơng quan giảm đột ngột và
các hệ số tự t ơng quan riêng giảm đều theo
dạng mũ, thì phải có phần bình quân di động
o Nếu cả các hệ số tự t ơng quan và các hệ số tự
t ơng quan riêng giảm đều theo dạng mũ, thì
phải có cả phần tự hồi quy và phần bình quân di
động
11
Phùng Thanh Bình

HÌNH ARIMA
z B ớc 2: ớc l ợng mô hình
o Khi đã chọn mô hình, các hệ số của mô hình sẽ
đ ợc ớc l ợng theo ph ơng pháp tối thiểu tổng
bình ph ơng các sai số
o Kiểm định các hệ số φ và ω bằng thống kê t
o ớc l ợng sai số bình ph ơng trung bình của phần
d (residual mean square error): s2
Phùng Thanh Bình

HÌNH ARIMA
∑e ∑ (Y - Y )
B ớc 2: ớc l ợng mô hình
n n ∧
2 2
s2 = =
t
t =1 t =1
t t
n-r n−r
o et = Yt – Y^t = phần d tại th i điểm t
o n = số phần d
o r = tổng số hệ số ớc l ợng
12
Phùng Thanh Bình

HÌNH ARIMA
z B ớc 2: ớc l ợng mô hình
o s2 dùng để:
• Đánh giá mức độ phù hợp của mô hình
• So sánh các mô hình khác nhau
• Tính toán các giới hạn sai số dự báo
Phùng Thanh Bình

HÌNH ARIMA
z B ớc 3: Kiểm tra mô hình

o Các đồ thị phần d dùng để kiểm tra phần d có
phân phối chuẩn hay không; đồ thị theo th i gian
để kiểm tra xem có hiện t ợng outlier hay không
o Các hệ số tự t ơng quan riêng lẻ của phần d
phải nhỏ và th ng trong khoảng ±2/√n
13
Phùng Thanh Bình

HÌNH ARIMA
z B ớc 3: Kiểm tra mô hình

o Sử dụng kiểm định thống kê Ljung-Box Q để
Q m = n(n + 2)∑
kiểm tra tổng thể mức độ phù hợp của mô hình
m
rk2 (e)
k =1 n − k
Nếu p-value nhỏ (ví dụ < 0.05), thì mô hình

không phù hợp, nên phải xác định mô hình mới
Phùng Thanh Bình

HÌNH ARIMA
z B ớc 4: Dự báo
o Sau khi có một mô hình phù hợp có thể thực hiện
dự báo cho một hoặc một số giai đoạn t ơng lai
o Khi có thêm nhiều dữ liệu, thì có thể sử dụng
cùng mô hình ARIMA để dự báo
o Nếu mẫu dự liệu thay đổi cần phải ớc l ợng lại
mô hình hoặc xây dựng một mô hình mới
14

Phùng Thanh Bình
THỰC HIỆN DỰ BÁO
1. Chìa khóa để có các dự báo tốt hơn

2. Quy trình dự báo
3. Lựa chọn phương pháp dự báo
1
Phùng Thanh Bình

Chapter 9.

Phùng Thanh Bình
CHÌA KHÓA ĐỂ CÓ CÁC DỰ BÁO

TỐT HƠN
z Nên đánh giá cả thông tin định tính và định lượng; và khi
có thể, nên kết hợp để dự báo
z Không nên lẫn lộn giữa dự báo, kế hoạch và mục tiêu. Dự
báo nên là một mãng thông tin khách quan đóng vai trò như
một phần trong quá trình xây dựng kế hoạch và mục tiêu
z Nỗ lực dự báo sẽ thành công nếu như tăng cường trao đổi,
hợp tác, cộng tác giữa những người liên quan
2
Phùng Thanh Bình
z Quy trình dự báo được chia thành 9 bước (như

ở hình 9.1). Các bước này bắt đầu và kết thúc
với sự trao đổi (communication), hợp tác
(cooperation) và cộng tác (collaboration) giữa
những người sử dụng và những người làm dự
báo
Phùng Thanh Bình
3
Phùng Thanh Bình
z Bước 1: Xác định mục tiêu

o Các mục tiêu liên quan đến các quyết định cần đến
dự báo phải được nói rõ. Nếu quyết định vẫn không
thay đổi bất kể có dự báo hay không, thì mọi nỗ lực
thực hiện dự báo cũng vô ích
o Nếu người sử dụng và người làm dự báo có cơ hội
thảo luận các mục tiêu, và kết quả dự báo sẽ được
sử dụng như thế nào, thì kết quả dự báo sẽ có ý
nghĩa quan trọng
Phùng Thanh Bình
z Bước 2: Xác định dự báo cái gì

o Khi các mục tiêu tổng quát đã rõ, ta phải xác định
chính xác là dự báo cái gì (cần có sự trao đổi)
• Ví dụ chỉ nói dự báo doanh số không thì chưa đủ,
mà cần phải hỏi rõ hơn là: Dự báo doanh thu bán
hàng (sales revenue) hay số đơn vị doanh số (unit
sales); Dự báo theo năm, quý, tháng, hay tuần.
• Nên dự báo theo đơn vị để tránh những thay đổi
của giá cả
4
Phùng Thanh Bình
z Bước 3: Xác định khía cạnh thời gian

o Có 2 loại khía cạnh thời gian cần xem xét:
• Thứ nhất: Độ dài dự báo, cần lưu ý:
Đối với dự báo theo năm: từ 1 đến 5 năm
Đối với dự báo quý: từ 1 hoặc 2 năm
Đối với dự báo tháng: từ 12 đến 18 tháng
• Thứ 2: Người sử dụng và người làm dự báo phải
thống nhất tính cấp thiết của dự báo
Phùng Thanh Bình
z Bước 4: Xem xét dữ liệu

o Dữ liệu cần để dự báo có thể từ 2 nguồn: bên trong và
bên ngoài
o Cần phải lưu ý dạng dữ liệu sẵn có (thời gian, đơn vị
tính, …)
o Dữ liệu thường được tổng hợp theo cả biến và thời
gian, nhưng tốt nhất là thu thập dữ liệu chưa được
tổng hợp
o Cần trao đổi giữa người sử dụng và người làm dự báo
5
Phùng Thanh Bình
z Bước 5: Lựa chọn mô hình

o Làm sao để quyết định được phương pháp thích hợp
nhất cho một tình huống nhất định?
• Loại và lượng dữ liệu sẵn có
• Mô hình (bản chất) dữ liệu quá khứ
• Tính cấp thiết của dự báo
• Độ dài dự báo
• Kiến thức chuyên môn của người làm dự báo
Phùng Thanh Bình
z Bước 6: Đánh giá mô hình

o Đối với các phương pháp định tính, thì bước này ít
phù hợp hơn so với phương pháp định lượng
o Đối với các phương pháp định lượng, cần phải đánh
giá mức độ phù hợp của mô hình (trong phạm vi
mẫu dữ liệu)
o Đánh giá mức độ chính xác của dự báo (ngoài phạm
vi mẫu dữ liệu)
o Nếu mô hình không phù hợp, quay lại bước 5
6
Phùng Thanh Bình
z Bước 7: Chuẩn bị dự báo

o Nếu có thể nên sử dụng hơn một phương pháp dự
báo, và nên là những loại phương pháp khác nhau
(ví dụ mô hình hồi quy và san mũ Holt, thay vì cả 2
mô hình hồi quy khác nhau)
o Các phương pháp được chọn nên được sử dụng để
chuẩn bỉ cho một số các dự báo (ví dụ trường hợp
xấu nhất, tốt nhất và có thể nhất
Phùng Thanh Bình
z Bước 8: Trình bày kết quả dự báo

o Kết quả dự báo phải được trình bày rõ ràng cho ban
quản lý sao cho họ hiểu các con số được tính toán
như thế nào và chỉ ra sự tin cậy trong kết quả dự báo
o Người dự báo phải có khả năng trao đổi các kết quả
dự báo theo ngôn ngữ mà các nhà quản lý hiểu được
o Trình bày cả ở dạng viết và dạng nói
7
Phùng Thanh Bình
z Bước 8: Trình bày kết quả dự báo

o Bảng biểu phải ngắn gọn, rõ ràng
o Chỉ cần trình bày các quan sát và dự báo gần đây
thôi
o Chuỗi dữ liệu dài có thể được trình bày dưới dạng
đồ thị (cả giá trị thực và dự báo)
o Trình bày thuyết trình nên theo cùng hình thức và
cùng mức độ với phần trình bày viết
Phùng Thanh Bình
z Bước 9: Theo dõi kết quả dự báo

o Lệch giữa giá trị dự báo và giá trị thực phải được
thảo luận một cách tích cực, khách quan và cởi mở
o Mục tiêu của việc thảo luận là để hiểu tại sao có các
sai số, để xác định độ lớn của sai số
o Trao đổi và hợp tác giữa người sử dụng và người
làm dự báo có vai trò rất quan trọng trong việc xây
dựng và duy trình quy trình dự báo thành công
8
Phùng Thanh Bình
Phùng Thanh Bình
LỰA CHỌN CÁC PHƯƠNG PHÁP

DỰ BÁO THÍCH HỢP
z Đánh giá các phương pháp dự báo đã được trình bày

ở các bài giảng trước theo các điều kiện cơ bản mà
mỗi phương pháp có thể áp dụng
z Tập trung vào 3 khía cạnh:
o Dữ liệu
o Thời gian
o Nhân sự
9
Phùng Thanh Bình
Phùng Thanh Bình
10
Phùng Thanh Bình
11
Thank you for evaluating AnyBizSoft PDF
Merger! To remove this page, please
register your program!
Go to Purchase Now>>
AnyBizSoft
PDF Merger
 Merge multiple PDF files into one
 Select page range of PDF to merge
 Select specific page(s) to merge
 Extract page(s) from different PDF
files and merge into one

D Bao Trong Kinh Doanh Business Forecas

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

D Bao Trong Kinh Doanh Business Forecas

Uploaded by

Copyright:

Available Formats

D báo trong kinh doanh

Khoa Kinh tế Phát triển

Phùng Thanh Bình

GIỚI THIỆU D BÁO TRONG KINH

Phùng Thanh Bình

TÀI LIỆU THAM KHẢO

z Nguyễn Trọng Hoài (2001): Mô hình hóa và Dự

z Dự báo là một yếu tố quan trọng của hầu hết các

Phùng Thanh Bình

LỊCH SỬ PHÁT TRIỂN CỦA D BÁO

z Nhiều kỹ thuật dự báo ngày nay đã phát triển vào

NHU CẦU D BÁO

z Quyết định hôm nay ảnh h ởng đến t ơng lai

Phùng Thanh Bình

D BÁO TRONG KINH DOANH NGÀY NAY

z Dự báo ngày càng trở nên quan trọng vì các công ty

D BÁO TRONG KINH DOANH NGÀY NAY

Phùng Thanh Bình

PHÂN LOẠI D BÁO

z Ngắn hạn (các chiến l ợc và kế hoạch tức

Univariate time series

Nguồn: J.Holton Wilson & Barry Keating (2007), p.37

Phùng Thanh Bình

PHÂN LOẠI D BÁO

z Dự báo định l ợng:

PHÂN LOẠI D BÁO

z u điểm của dự báo định l ợng?

Phùng Thanh Bình

PHÂN LOẠI D BÁO

z Dự báo định l ợng ngày càng đ ợc chấp nhận rộng rãi?

PHÂN LOẠI D BÁO

z Dự báo định tính vẫn có vai trò quan trọng?

Phùng Thanh Bình

PHÂN LOẠI D BÁO

z u nh ợc điểm của dự báo định tính?

L A CHỌN PH NG PHÁP D BÁO

Phùng Thanh Bình

PH NG PHÁP LUẬN CHO CHUỖI

z Dữ liệu lịch sử: YBEG tới YEND

Phùng Thanh Bình

z Tùy vào ph ơng pháp dự báo đ ợc chọn:

ĐO L ỜNG ĐỘ CHÍNH XÁC D BÁO

z Gọi Yt = giá trị thực tại giai đoạn t

Phùng Thanh Bình

ĐO L ỜNG ĐỘ CHÍNH XÁC D BÁO

z Ph ơng pháp đồ thị:

Phùng Thanh Bình

ĐO L ỜNG ĐỘ CHÍNH XÁC D BÁO

CÁC PHẦN MỀM D BÁO

z MiniTab, Eviews, SPSS

Khoa Kinh tế Phát triển

Phùng Thanh Bình

QUY TRÌNH DỰ BÁO, KHẢO SÁT DỮ

1. Quy trình dự báo

TÀI LIỆU THAM KHẢO

z Nguyễn Trọng Hoài (2001): Mô hình hóa và Dự

Phùng Thanh Bình

QUY TRÌNH DỰ BÁO

B ớc 1: Xác định rõ các mục tiêu

QUY TRÌNH DỰ BÁO

1. Xác định rõ các mục tiêu

z Nói rõ các mục tiêu, kể cả dự báo sẽ đ ợc sử

Phùng Thanh Bình