HÀM SUMPRODUCT

Công dụng: hàm Sumproduct dùng để tính tổng của các tích của các mảng dữ liệu.
Cú pháp: Sumproduct(array 1,[array 2], [array 3],…)
Trong đó:
- Array 1: đối số mảng đầu tiên
- Array 2: đối số mảng thứ 2
- Array n: đối số mảng thứ n.
Note: số lượng dữ liệu của các mảng phải bằng nhau (mảng 1 có n số thì mảng 2,3,4..
cũng phải có n số.
Ví dụ: Công ty A có 4 loại sản phẩm, số lượng mỗi sản phẩm bán được trong tháng và
mức giá bán, giá thành tương ứng như sau:
STT Tên sản phẩm số lượng bán Giá bán Giá thành
1 Áo thun 1,000 100 80
2 Áo sơmi 800 150 120
3 Quần jean 600 200 150
4 Quần tây 500 180 160
Tính doanh thu của tháng, tổng giá vốn hàng bán của tháng.
ĐS:
Doanh thu: 430.000
Tổng giá vốn: 346.000
HÀM TRANSPOSE: hàm Transpose dùng để chuyển tìm ma trận nghịch đảo của 1
ma trận.
Ví dụ: ma trận nghịch đảo của ma trận 2 dòng 3 cột là một ma trận có 3 dòng 2 cột
HÀM MMULT: hàm Mmult dùng để tìm kết quả nhân 2 ma trận với nhau.
Lưu ý: đối với 2 ma trận nhân nhau, số cột của ma trận thứ nhất phải bằng với số dòng
của ma trận thứ 2. Ma trận kết quả là ma trận có số dòng bằng số dòng của ma trận thứ
nhất và số cột bằng số cột của ma trận thứ 2
HÀM DỰ BÁO: LINEST, LOGEST, GROWTH
Hồi quy đa bội: y=b+m1*x1 +m2*x2+…+ mnxn
Giá chứng khoán Lợi nhuận công ty (tỷ) Chỉ số ngành
45 14.80 134
47 15.00 142
48 16.40 148
51 16.80 150
55 18.00 163
 60 20.80 178
52 17.00 158
45 15.00 130
37 12.00 115
30 10.70 88
27 8.90 78
35 11.20 118
38 12.40 118
45 14.70 137
50 13.00 147

Hàm LINEST
Công dụng: tính các hệ số trong hồi quy tuyến tính đơn bội và đa bội như các hệ số, hệ
số F, mức ý nghĩa ….
Cú pháp: Linest(known_y’s,known_x’s,[const], [stats])
Trong đó:
- Known_ys: chuỗi dữ liệu biến phụ thuộc đã biết trong quá khứ.
- Known_xs: chuỗi dữ liệu biến độc lập đã biết trong quá khứ.
- Const: lựa chọn TRUE (mặc định là TRUE) thì hệ số b vẫn được tính bình
thường, nếu lựa chọn FALSE thì bỏ qua hệ số b.
- Stats: nếu chọn TRUE thì tại vùng trả kết quả sẽ trả về đầy đủ các hệ số gồm
các m, b, sen, r2…..; nếu chọn FALSE hoặc bỏ qua thì tại vùng trả kết quả sẽ
trả về kết quả các hệ số m và b, đầu tiên là m n rồi đến mn-1,…. và cuối cùng là
b.
Note:
- Kết quả của hàm Linest là 1 vùng.
- Thứ tự kết quả nhận được: mn, mn-1, mn-2, ....,b,.... nên phải quét khối vùng
muốn thể hiện kết quả.
- Kết thúc hàm là tổ hợp phím: Ctrl + Shift + Enter.
Ngoài ra, công cụ DATA ANALYSIS: data/data analysis/regression
Ví dụ:
Sử dụng dữ liệu đã cho phía trên.
a. Viết mô hình hồi quy đa biến thể hiện sự phụ thuộc giá chứng khoán vào lợi
nhuận công ty và chỉ số ngành (bằng hàm Linest và công cụ data analysis).
b. Dự báo giá chứng khoán kỳ tới nếu lợi nhuận công ty đạt 18 tỷ và chỉ số ngành
là 150.
ĐS:
a. Dùng hàm Linest
 Chỉ số ngành Lợi nhuận b
m2 m1 b
0.278796699 0.555725666 -0.942289105

Dùng công cụ data analysis

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.989
R Square 0.978
Adjusted R
Square 0.975
Standard Error 1.476
Observations 15

ANOVA
Significanc
df SS MS F eF
270.0
Regression 2 1177.2 588.6 5 1.05E-10
Residual 12 26.2 2.2
Total 14 1203.3

Coefficien Standard P- Lower Upper Lower Upper

ts Error t Stat value 95% 95% 95.0% 95.0%
-
Intercept -0.942 1.991 0.473 0.645 -5.281 3.396 -5.281 3.396
Lợi nhuận
công ty (tỷ) 0.556 0.359 1.549 0.147 -0.226 1.338 -0.226 1.338
Chỉ số ngành 0.279 0.042 6.692 0.000 0.188 0.370 0.188 0.370

Mô hình hồi quy:

Giá chứng khoán = 0,556*lợi nhuận công ty + 0,279* chỉ số ngành – 0,942
b. Nếu kỳ tới công ty đạt lợi nhuận 18 tỷ và chỉ số ngành là 150 thì giá chứng
khoán:
Giá chứng khoán = 0,556*18 + 0,279*150 – 0,942 = 50,92.

Hồi quy phi tuyến dạng: y = b*mx

Dùng hàm GROWTH để dự báo cho nhiều giá trị của biến phụ thuộc dựa vào giá trị
các biến độc lập.
Cú pháp: Growth(known_y’s,known_x’s,[new_x’s],[const])
Trong đó:
Known_y’s: chuỗi dữ liệu biến phụ thuộc đã biết trong quá khứ.
Known_x’s: chuỗi dữ liệu biến độc lập đã biết trong quá khứ.
New_x’s: vùng các giá trị biến độc lập để dự báo các giá trị biến phụ thuộc
tương ứng.
Const: lựa chọn TRUE (mặc định là TRUE) thì hệ số b vẫn được tính bình
thường, nếu lựa chọn FALSE thì bỏ qua hệ số b.
Note:
- Xác định biến độc lập, biến phụ thuộc.
- Growth là hàm khối nên phải quét khối vùng muốn xuất ra dữ liệu, kết thúc
hàm bằng tổ hợp phím Ctrl + Shift + Enter.
Ví dụ:
Cho dữ liệu:
Tháng Đơn vị
1 11
2 13
3 14
4 15
5 17
6 19
7 22

Dự báo cho tháng 8,9,10,11,12

ĐS:
Tháng Giá trị dự báo
8 23.88
9 26.61
10 29.66
11 33.05
12 36.83

Hồi quy phi tuyến dạng: y = b*m1x1 * m2x2 * m3x3...

Dùng hàm LOGEST để tìm giá trị các hệ số b, m1, m2 ....
Cú pháp: Logest(known_y’s,known_x’s,[const],[stats])
Trong đó:
 - Known_ys: chuỗi dữ liệu biến phụ thuộc đã biết trong quá khứ.
- Known_xs: chuỗi dữ liệu các biến độc lập đã biết trong quá khứ.
- Const: lựa chọn TRUE (mặc định là TRUE) thì hệ số b vẫn được tính bình
thường, nếu lựa chọn FALSE thì bỏ qua hệ số b.
- Stats: nếu chọn TRUE thì tại vùng trả kết quả sẽ trả về đầy đủ các hệ số gồm
các m, b, sen, r2…..; nếu chọn FALSE hoặc bỏ qua thì tại vùng trả kết quả sẽ
trả về kết quả các hệ số m và b, đầu tiên là m n rồi đến mn-1,…. và cuối cùng là
b.
Note:
- Kết quả của hàm Logest là 1 vùng.
- Thứ tự kết quả nhận được: mn, mn-1, mn-2, ....,b,.... nên phải quét khối vùng
muốn thể hiện kết quả.
- Kết thúc hàm là tổ hợp phím: Ctrl + Shift + Enter
Ví dụ:
Cho dữ liệu như sau:
y x1 x2
250 29 13
220 25 10
210 20 9
200 19 8
270 32 15
300 35 16
? 27 12

Dự báo giá trị của y trong trường hợp x1 = 27 và x2 = 12.
ĐS:
m2 m1 b
1.0376 1.0053 134.0474
Hoặc
1.0376 1.0053 134.0474
0.0193 0.0099 0.0545
 0.9865 0.0236 #N/A
109.5756 3.0000 #N/A
0.1222 0.0017 #N/A
Giá trị dự báo: y = 134,047*1,0053^27*1,037^12 = 241,06