DBPTKTXH - Ch2 - 2021

CHƯƠNG 2
Các phương
pháp dự báo với
chuỗi thời gian
DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 1
Nội dung chính
I. Chuỗi thời gian
II. Phương pháp ngoại suy xu thế
III. Phương pháp chỉ số thời vụ
IV. Phương pháp san chuỗi thời gian
 Khái niệm
 Phân loại
 Nguyên tắc xây dựng
 Các phương pháp xử lý
 Chuyển tần suất dữ liệu
 Chuyển dạng dữ liệu
 Phương pháp luận

Khái niệm
Dãy những Trạng thái của

quan sát – số đối tượng
Mức của • Tuyệt đối

• Tương đối (t;Yt)
chuỗi • Trung bình
• Xu thế (T)  Mô hình cộng: Yt=T+C+S+I

• Chu kỳ (C)  Mô hình nhân: Yt=TCSI
Thành
• Thời vụ (S)  Mô hình kết hợp: Yt=(T+C)
phần • Ngẫu nhiên (I)
(S+I),…
Phân loại
Đặc điểm biến động

Đặc điểm chỉ tiêu
của đối tượng
(về trị số)
(về thời gian)
• Chuỗi thời kỳ (khoảng) • Chuỗi tuyệt đối

• Chuỗi thời điểm • Chuỗi tương đối
• Chuỗi trung bình

Phân loại
Ví dụ:

Nguyên tắc xây dựng
 Khoảng cách giữa các thời điểm của chuỗi bằng nhau
 Các mức của chuỗi thời gian phải đồng nhất về:
 Đơn vị đo,
 Phương pháp tính,
 Lãnh thổ

Các phương pháp xử lý
a) Bổ sung mức thiếu

(1)
(2) (n là số quan sát của chuỗi)

b) Loại bỏ sai số
Sai số hệ thống: có tính chất toàn cục, ở nhiều trường hợp, sai giống nhau, trong
cùng một khoảng thời gian…
Sai số ngẫu nhiên: do tác

Các loại
động của các yếu tố ngẫu
sai số Sai số thô: do vi phạm các điều kiện
nhiên (thiên tai, dịch bệnh,
chiến tranh, khủng hoảng trong quá trình quan sát, ghi chép,
kinh tế - chính trị - xã hội, không có tính quy luật, không cùng
…) thời điểm, địa điểm, …

(1) Phương pháp phân tích đối chứng kinh tế - kỹ thuật
Các phương
pháp khắc (2) Phương pháp kiểm định thống kê toán
phục
(3) Phương pháp nội suy cắt dán

 Phương pháp phân tích đối chứng kinh tế - kỹ thuật
 Dùng hệ thống định mức hoặc dùng công thức toán học để tính
toán đối chiếu.
 Căn cứ vào mối quan hệ giữa các chỉ tiêu để phát hiện tính bất
hợp lý của chuỗi số liệu.
 Phương pháp kiểm định thống kê toán
 Tính: và
Trong đó: Yt là giá trị thực tế các mức của chuỗi; là giá trị trung bình của chuỗi; n là số
quan sát của chuỗi; Y* là giá trị của mức nghi chứa sai số thô.
 So sánh t* với tn (tn giá trị tra bảng phân phối chuẩn T-Student với bậc tự do n, độ
tin cậy (1 - ) cho trước)
Nếu t*  tn thì kết luận Y* có chứa sai số thô. Khi đó loại bỏ Y* và thay Y* =
Nếu t* < tn thì chưa đủ cơ sở để kết luận Y* chứa sai số thô; Chưa được phép loại bỏ Y *mà phải đi thu
thập thông tin mới về Y* đáng tin cậy hơn.

t Yt
b) Loại bỏ sai số 1 40 -4,82 23,23
 Phương pháp kiểm 2 41 -3,82 14,59
3 48 3,18 10,11
định thống kê toán ( 4 42,5 -2,32 5,38
ví dụ) 5 43,7 -1,12 1,25
6 25,2 - -
7 44,2 -0,62 0,38
8 45,5 0,68 0,46
9 46,5 1,68 2,82
10 47,8 2,98 8,88
11 49 4,18 17,47
 448,2 84,60

 Phương pháp nội suy cắt dán
 Phương pháp sử dụng để loại bỏ sai số ngẫu nhiên.
 Nếu sai số ngẫu nhiên xuất hiện rải rác, là 1 quan sát đơn lẻ trên chuỗi thời
gian thì loại bỏ và dùng phương pháp bổ sung mức thiếu.
 Nếu sai số ngẫu nhiên xuất hiện trên một đoạn gồm nhiều quan sát liên tục
thì áp dụng phương pháp cắt dán: Xác định những đoạn có chứa sai số ngẫu
nhiên, cắt bỏ hẳn những đoạn đó, ghép những đoạn mức còn lại để tạo ra
một chuỗi mới.

b) Loại bỏ sai số Chuỗi thời gian về số lượng gia cầm của Việt Nam
Năm Số lượng gia cầm (Triệu con)
 Phương pháp nội suy cắt dán
(ví dụ) 1990 107,4
1995 151
Số lượng gia cầm năm 2004, 2005 2000 196
và 2006 giảm không phải do trình 2001 218
2002 233
độ chăn nuôi kém mà chủ yếu do 2003 255
ảnh hưởng của nhân tố ngẫu nhiên 2004 218
2005 220
(dịch bệnh). Xử lý bằng cách cắt bỏ 2006 215
2007 226
các số liệu đó, các mức còn lại sẽ 2008 247
tạo thành một chuỗi quan sát mới.
c) San chuỗi thời gian (Làm trơn chuỗi thời gian)

(1) San trung bình trượt giản đơn
(2) San trung bình trượt có bộ trọng số
(3) Ưu điểm và nhược điểm của phương pháp san chuỗi
- Ưu điểm
- Nhược điểm.

Chuyển tần suất dữ liệu
a) Chuyển từ dữ liệu thời gian có tần suất cao hơn thành tần suất thấp hơn (mở
rộng khoảng thời gian)
(1) Cộng gộp (từ tháng sang quý, từ quý sang năm, …)
(2) Bình quân cộng giản đơn
(3) Bình quân nhân
(4) Giá trị đầu hay giá trị cuối
b) Chuyển từ dữ liệu thời gian có tần suất thấp hơn thành tần suất cao hơn (thu
hẹp khoảng thời gian), có các cách sau:
(1) Phương pháp Lặp
(2) Phương pháp Bước bằng nhau

Chuyển dạng dữ liệu
a) Sai phân
(1)Sai phân tuyệt đối
(2)Sai phân tương đối
(3)Sai phân mùa vụ
b) Logarit hóa
c) Tỷ lệ tăng trưởng
d) Điều chỉnh mức giá

Phương pháp luận
 Dữ liệu lịch sử Yt : Yđầu Ycuối
 Các giá trị của dữ liệu thu thập được: Y1,Y2,…,YN .
Trong đó:
 Y1,Y2...,Yn: là các quan sát trong mẫu phục vụ cho việc phân tích và dự báo.
 Yn+1 , Yn+2 …., YN: là các quan sát ngoài mẫu
 Các giá trị dự báo , , …, , là các giá trị dự báo trong mẫu.
 Tất cả các giá trị dự báo được tạo ra là các giá trị dự báo ngoài mẫu. Các giá trị
dự báo ngoài mẫu được chia thành hai thời kỳ:
 Dự báo kiểm nghiệm: , , …,
 Dự báo tiên nghiệm: , , …,
Phương pháp luận

(Giới thiệu)
 Khái niệm
 Nghiên cứu lịch sử phát triển của đối tượng Y = f(ti)
 Phát hiện quy luật phát triển của đối tượng
f(tn+h)
 Chuyển tính quy luật từ quá khứ - hiện tại f(tn)
sang tương lai
f(t0)
 Yi = f(ti) tại các thời điểm t0 , t1,. . ., tn
h
trong khoảng t0 ; tn => Yn+h tại thời điểm t0 tn tn+h t
tn+h nằm ngoài khoảng t0 ; tn

(Giới thiệu)
 Cơ sở phương pháp
 Triết học: duy vật biện chứng và duy vật lịch sử
 Tính ì thời gian: Sức ì của những mối liên hệ qua lại và sức ì độc
lập.
 Toán học: Yt = f(t) + e(t); xử lý thành phần ngẫu nhiên e(t) để xác
định thành phần xu thế f(t) phù hợp cho đối tượng.
(Giới thiệu)
 Điều kiện tiến hành

 Đối tượng dự báo phải phát triển tương đối ổn định theo thời gian.
 Những điều kiện chung cho sự phát triển của đối tượng trong quá khứ
vẫn còn được duy trì trong một khoảng thời gian nào đó ở tương lai.
 Không có những tác động mạnh từ bên ngoài gây ra những đột biến,
những bước nhảy vọt lớn trong quá trình phát triển của đối tượng dự
báo.
(Giới thiệu)
Giả định rằng sự phát triển của các
đối tượng kinh tế theo thời gian là
một quá trình ngẫu nhiên, gồm:
 Thành phần hệ thống f(t): kết
quả của sự tác động thường
xuyên, kéo dài của các nhân tố
ảnh hưởng.
 Thành phần ngẫu nhiên (t):
kết quả của sự tác động ngẫu
nhiên của các nhân tố ngẫu
nhiên.

(Giới thiệu)
Yt = f(t) + (t)
f(t) được hiểu là hàm phi ngẫu nhiên của chuỗi thời gian, nó đặc trưng cho
bản chất của quá trình phát triển của đối tượng dự đoán, được gọi là xu thế.
Đại lượng ngẫu nhiên (t) biểu hiện những sai lệch giữa quá trình ngẫu nhiên
so với thành phần xu thế.
 Xu thế là một bộ phận xác định của chuỗi thời gian thể hiện khuynh
hướng phát triển dài hạn của chuỗi thời gian đó.
(Giới thiệu)
 Nhiệm vụ của ngoại suy là phải xử lý thành phần ngẫu nhiên và xác định
thành phần xu thế tương ứng với sự vận động của đối tượng kinh tế. Để xác
định xu thế cần xác định trên 2 mặt:
 Mặt định tính: Phải đi phân tích gạt bỏ những thành phần thứ yếu chỉ giữ
lại thành phần chủ yếu bản chất đó là thiên hướng đặc trưng.
 Mặt định lượng: Đi tìm hàm lý thuyết f(t) - Hàm xu thế là dạng hàm toán
học thể hiện mối quan hệ và sự biến đổi của đối tượng nghiên cứu theo
thời gian.

(Nội dung: các bước tiến hành)
1) Xác định hàm xu thế

2) Xây dựng hàm xu thế (hàm dự báo)
3) Kiểm định hàm xu thế
4) Tính kết quả dự báo

II. 1) Xác định hàm xu thế
Có ba phương pháp chủ yếu và phổ biến:

a) Phương pháp phân tích đồ thị
b) Phương pháp phân tích chuỗi thời gian
c) Phương pháp so sánh sai số

II. 1) a) Phương pháp phân tích đồ thị
 Tiến hành:
 Biểu diễn chuỗi thời gian lên hệ trục toạ độ
 Nối các điểm trên hệ trục thành đường gãy khúc liên tục.
 Nhận xét sự phân bố các điểm và so sánh đường biểu diễn thực
nghiệm với đường biểu diễn các hàm số thường gặp trong kinh
tế
 Từ đó, xác định xu thế và dạng hàm xu thế tương ứng.

 Đánh giá:
 Đơn giản, dễ làm,...
 Kết quả hoàn toàn phụ thuộc vào suy đoán và kinh nghiệm của
người nghiên cứu. Do vậy, rủi ro của việc lựa chọn chủ quan rất
lớn.
 Dựa vào cùng một đồ thị, những người nghiên cứu khác nhau sẽ đi
đến những kết luận khác nhau về dạng phù hợp của hàm xu thế.

 Một số dạng đồ thị phổ biến:

 Ví dụ: Tổng sản phẩm trong nước (GDP) của Việt Nam theo giá so sánh
2010 (Đơn vị: tỷ VNĐ)
Năm 2011 2012 2013 2014 2015 2016 2017 2018
t 1 2 3 4 5 6 7 8
GDP 2292483 2412778 2543596 2695796 2875856 3054470 3262548 3493399
Nguồn: Tổng cục thống kê Việt Nam (gso.gov.vn)

 Ví dụ:
Chọn hàm tuyến tính
(linear) có dạng:
= a 0 + a 1t

 Ví dụ:
Chọn hàm đa thức
(Polynomial) bậc 2 có
dạng:
= a 0 + a 1 t + a 2 t2

 Ví dụ:
Chọn hàm mũ
(Exponential) có dạng:

II. 1) b) Phương pháp phân tích chuỗi thời gian
 Nội dung:
 Nếu các giá trị t sắp xếp theo qui luật cấp số cộng và các giá trị Y t cũng theo
qui luật cấp số cộng, thì hàm xu thế có dạng tuyến tính:
 Nếu các giá trị t sắp xếp theo qui luật cấp số cộng, còn các giá trị Y t sắp xếp
theo qui luật cấp số nhân, thì hàm xu thế có dạng hàm mũ:
 Nếu logarit của t và logarit của Yt có quan hệ tuyến tính, thì hàm xu thế có
dạng:
 Nội dung (tiếp theo):

 Nếu sai phân bậc 1 giảm đều, hàm xu thế có dạng Hypebole:
 Nếu sai phân bậc 1 thay đổi dần đều dẫn đến điểm bão hoà, hàm xu thế có
dạng Logistic:
 Nếu các giá trị t sắp xếp theo cấp số cộng và sai phân bậc p của Yt là một đại
lượng không đổi, thì xu thế được mô tả là đa thức bậc p:

 Nội dung (tiếp theo):

Sai phân được định nghĩa như sau:
 Sai phân bậc 1: (1)Yt = Yt - Yt-1
 Sai phân bậc 2: (2)Yt = (1)Yt - (1)Yt-1
.....................
 Sai phân bậc p: (p)Yt = (p-1)Yt - (p-1)Yt-1

 Ví dụ:
t Yt (1)Yt (2)Yt (3)Yt
Sai phân bậc 3 của chuỗi
1 2 - - -
thời gian không đổi.
2 4 2 - -
Vậy hàm xu thế có dạng:
3 9 5 3 -
4 19 10 5 2
5 36 17 7 2
6 62 26 9 2
7 99 37 11 2

II. 1) c) Phương pháp so sánh sai số
 Tiến hành:
 Xây dựng một loạt hàm tương ứng với các khả năng có thể xảy ra.
 Tính sai số trung bình của từng hàm theo công thức sau:
Trong đó: Yt là giá trị các mức của chuỗi của chuỗi thời gian; là giá trị tính toán
theo hàm xu thế đã xây dựng; n là số quan sát của chuỗi; p là số tham số của hàm
xu thế
 Chọn hàm xu thế có sai số trung bình tương ứng nhỏ nhất.

II. 1) c) Phương pháp so sánh sai số
 Đánh giá:
 Ưu điểm: kết quả có độ tin cậy cao...
 Nhược điểm: tốn kém thời gian, công sức...

II. 2) Xây dựng hàm xu thế (hàm dự báo)
Đây là bước đi ước lượng giá trị của các tham số của hàm xu thế.
Có các phương pháp phổ biến sau:
a) Phương pháp bình phương bé nhất thông thường (OLS)
b) Phương pháp điểm chọn
c) Phương pháp sử dụng công thức nội suy Newton

II. 2) a) Phương pháp bình phương bé
nhất thông thường (OLS)
 Cơ sở của phương pháp:

  Min
 Các giả thiết cơ bản về (t):

 Nội dung của phương pháp:

 Trường hợp hàm xu thế tuyến tính:
 S = Yt - (a0 + a1t )2  Min.
 S’(a0) = S’(a1) = 0.
 Ta có hệ phương trình chuẩn:

 Nội dung của phương pháp (tiếp theo):

 Trường hợp tổng quát, hàm xu thế có dạng đa thức bậc p:
  Min
 S’(a0) = S’(a1) = ... = S’(ap) = 0.


 Trường hợp tổng quát, hàm xu thế có dạng đa thức bậc p:
 Ta có hệ phương trình chuẩn:


 Những trường hợp khác, muốn áp dụng phương pháp OLS,
phải tuyến tính hóa hàm xu thế.
 Phương pháp bình phương bé nhất giản đơn:
o Đặt ẩn phụ t' theo t sao cho t' = 0
o Nếu số quan sát n là lẻ:
o Nếu số quan sát n là chẵn : t' = 2t - (n + 1)

 Ví dụ:
Sử dụng chuỗi GDP của Việt Nam theo giá so sánh 2010 giai đoạn 2011 -
2018, giả sử hàm xu thế có dạng tuyến tính
Đơn vị: nghìn tỷ VNĐ
Năm 2011 2012 2013 2014 2015 2016 2017 2018
t 1 2 3 4 5 6 7 8
GDP 2292,483 2412,778 2543,596 2695,796 2875,856 3054,470 3262,548 3493,399
Nguồn: Tổng cục thống kê Việt Nam (gso.gov.vn)

 Ví dụ:
 Áp dụng phương pháp OLS:
o Hệ phương trình chuẩn:
o Lập bảng tính, thế các giá trị tính được vào hệ phương trình chuẩn, ta
được hệ phương trình cụ thể:
(1)

 Ví dụ:
 Áp dụng phương pháp OLS:
o Giải hệ phương trình (1), ta được:
o Vậy, hàm xu thế (hàm dự báo) được xác định:

 Ví dụ:
 Áp dụng phương pháp OLS đơn giản hóa:
o Đặt t’ = 2t - 9
o Hệ phương trình chuẩn:
o Lập bảng tính, ta được hệ phương trình cụ thể:
(2)

 Ví dụ:
 Áp dụng phương pháp OLS đơn giản hóa:
o Giải hệ phương trình (2), ta được:
o Do đó, hàm xu thế (hàm dự báo) là:
o Kết quả giống như ở phương pháp OLS

 Đánh giá:
 Ưu điểm :
o Xác định các tham số trong hầu hết các dạng hàm xu thế; độ chính xác
cao, kết quả thu được là duy nhất.
o Sử dụng toàn bộ thông tin trong chuỗi thời gian, do đó nó mang tính
logic.
 Nhược điểm :
o Không thể xác định các tham số có các dạng hàm bị chặn ;
o Chưa quan tâm đến mức độ ảnh hưởng của thông tin, các mức càng gần
thời điểm nghiên cứu thì mức độ ảnh hưởng càng cao và ngược lại.
II. 2) b) Phương pháp điểm chọn
 Tiến hành:
 Với dạng hàm xu thế đã được xác định ở bước 1, ta chọn một số điểm mà
đường cong xu thế, với các điều kiện:
 Tổng số điểm chọn bằng tổng số tham số cần ước lượng;
 Khoảng cách giữa các điểm chọn bằng nhau;
 Chọn những điểm đường cong có khả năng đi qua cao nhất.
 Thay các điểm đã chọn vào hàm xu thế, được hệ phương trình.
 Giải hệ phương trình sẽ được giá trị các tham số phải tìm và hàm xu thế
cụ thể.

 Ví dụ: sử dụng số liệu ở phần 2) a)

 Chọn các điểm (3; 2543,596); (5; 2875,856) và (7; 3262,548)
 Thay vào hàm xu thế ta được hệ phương trình sau:
(3)
 Giải hệ phương trình (3) ta đươc: a0 = 2147,266; a1 = 111,698; a2 = 6,804
 Hàm xu thế cụ thể là:

 Đánh giá:
 Ưu điểm: giải quyết được cho những dạng hàm đặc biệt mà các
phương pháp không thực hiện được hoặc nếu có thì hết sức tốn
kém.
 Nhược điểm: lãng phí thông tin, mỗi cách chọn điểm khác nhau sẽ
cho kết quả các bộ tham số khác nhau, nên độ chính xác không
cao.
II. 2) c) Phương pháp sử dụng công thức
nội suy Newton
 Điều kiện áp dụng:
 Chuỗi thời gian có qui luật sắp xếp của t theo cấp số cộng và sai phân bậc
p của Yt là một hằng số, hàm xu thế là một đa thức bậc p.
 Tiến hành:
 Các tham số của đa thức được xác định theo công thức nội suy Neuton:
a0 = y1; ; …;
Trong đó: h = t2 - t1 = t3 - t2 =…
 Khi đó, hàm xu thế (hàm dự báo) được xây dựng:

nội suy Newton
 Ví dụ:
Xây dựng hàm xu thế của chuỗi thời gian.
t 1 2 3 4 5 6 7
Yt 2 4 9 19 36 62 99

nội suy Newton
 Ví dụ: t Yt (1)yt (2)yt (3)yt
 Lập bảng tính như bên.
 h=1 1 2 - - -
 a0 = 2; ; ;
2 4 2 - -

3 9 5 3 -

4 19 10 5 2
5 36 17 7 2
6 62 26 9 2
7 99 37 11 2

II. 3) Kiểm định hàm xu thế
Có hai tiêu chuẩn chủ yếu sau để kiểm định hàm xu thế:
a) Tiêu chuẩn hệ số biến phân
b) Tiêu chuẩn lô (Tiêu chuẩn phi tham số)

II. 3) a) Tiêu chuẩn hệ số biến phân
 Nội dung:
 Tính sai số trung bình: (p là số tham số trong hàm xu thế)
 Tính hệ số biến phân: với
 Trường hợp chỉ xác định được một khả năng về hàm xu thế = f(t), thì lựa
chọn hàm để dự báo, nếu:  10%
 Trường hợp xác định được nhiều khả năng về hàm xu thế thì sẽ lựa chọn
hàm để dự báo, thỏa mãn: Min(, , …)  10%

II. 3) a) Tiêu chuẩn hệ số biến phân
 Ví dụ: sử dụng số liệu ở các bước trước (GDP của Việt Nam giai đoạn 2011
– 2018), giả định hàm xu thế là hàm đa thức bậc 2:
 Tính sai số trung bình:

 Tính hệ số biến phân:
 Nhận xét:
 Vậy hàm xu thế này được chọn để dự báo

II. 3) b) Tiêu chuẩn lô (phi tham số)
 Nội dung:
Với độ tin cậy 95%, hàm xu thế phải thoả mãn điều kiện:
Trong đó:
o Vn là tổng số các lô tính được (lô là dãy các (t) = Yt - có cùng dấu, đứng liền nhau)
o n là số quan sát của chuỗi thời gian.
o Kmax là độ dài của lô dài nhất (lô có số quan sát lớn nhất)
o K0n là một giá trị tra bảng. Trường hợp chuỗi có số quan sát n  26 thì K0n = 5; Nếu 26 <
n < 153 thì K0n = 6

II. 3) b) Tiêu chuẩn lô (phi tham số)
 Ví dụ: Sử dụng số liệu như ở các ví dụ trước (GDP của Việt Nam 2011 – 2018)
 Lập bảng tính ta xác định được:
Vn = 6; ; ;
 Nhận xét: hàm xu thế thỏa mãn điều kiện:

II. 4) Tính kết quả dự báo
Kết quả dự báo bao gồm các chỉ tiêu sau:

a) Giá trị dự báo điểm: Yn+h = (Với h là độ dài khoảng cách dự báo)
b) Sai số mô tả:
c) Sai số dự báo:
 Với hàm xu thế tuyến tính:
 Với các dạng hàm khác:
Lưu ý: để bảo đảm độ chính xác của dự báo thường lấy hmax  1/3n

d) Sai số cực đại:  = tnSp

 Trong đó tn là giá trị tham số T- Student với bậc tự do n và mức ý nghĩa  hay
độ tin cậy (1- ).
 Để đơn giản trong quá trình dự báo, ta xem kết quả dự báo tuân theo qui luật phân
phối chuẩn, khi đó:
 Nếu 1-  = 0,6848 thì giá trị tn = 1
 Nếu 1-  = 0,9545 thì giá trị tn = 2
 Nếu 1-  = 0,9973 thì giá trị tn = 3.
e) Giá trị dự báo khoảng:
YDB = Yn+h - ; Yn+h + 

 Ví dụ: Sử dụng số liệu ở các phần trước (GDP của Việt Nam 2011 – 2018),
dự báo GDP (theo giá so sánh 2010) của Việt Nam ở năm 2020.
 Giá trị dự báo điểm: YDB2020 = Yn+2 = (nghìn tỷ VNĐ)
 Sai số mô tả:
 Sai số dự báo: 4,238

 Ví dụ: (tiếp theo)

 Sai số cực đại:  = tnSp
o Với độ tin cậy 90% (tức mức ý nghĩa α = 10%, và n = 8 – 3 = 5), tn =
2,015. Suy ra,  = tnSp = 2,0154,238 = 8,54
o Với độ tin cậy 95% (tức mức ý nghĩa α = 5%, và n = 8 – 3 = 5), tn = 2,571.
Suy ra,  = tnSp = 2,5714,238 = 10,90
o Với độ tin cậy 99% (tức mức ý nghĩa α = 1%, và n = 8 – 3 = 5), tn = 4,032.
Suy ra,  = tnSp = 4,0324,238 = 17,09
 Ví dụ: (tiếp theo)

 Dự báo khoảng: YDB = Yn+h - ; Yn+h + 
o Với độ tin cậy 90%: YDB =

(Giới thiệu)
 Tính chu kỳ trong sự phát triển của các đối tượng kinh tế - xã hội.
• Tính chu kỳ thể hiện xu thế vận động của đối tượng lặp đi lặp lại …
• Tính chu kỳ xuất hiện trong sự phát triển của các đối tượng KT-XH do những nguyên
nhân sau: ảnh hưởng bởi mùa vụ; ảnh hưởng bởi tập quán tiêu dùng; và ảnh hưởng
bởi các nhân tố liên quan đến quá trình kinh doanh.
 Trình tự chung để dự báo chuỗi thời gian có tính chu kỳ.
• Bước 1: Thu thập thông tin về đối tượng dự báo
• Bước 2: Phát hiện tính chu kỳ và nguyên nhân gây ra chu kỳ
• Bước 3: Dự báo đối tượng bằng các phương pháp thích hợp.

(Nội dung)
1) Đối với chuỗi thời gian có tính chu kỳ ổn định.
 Đặc điểm
 Các bước tiến hành dự báo
 Ví dụ
2) Đối với chuỗi thời gian có tính chu kỳ phát triển.
 Đặc điểm
 Các bước tiến hành dự báo
 Ví dụ

III. 1) Đối với chuỗi thời gian
có tính chu kỳ ổn định
a) Đặc điểm của chuỗi thời gian có
tính chu kỳ ổn định.
+ Trong từng năm (thời đoạn) có sự biến
động lặp đi lặp lại giống nhau nghĩa là
có tính chu kỳ
+ Tổng giá trị các quan sát so sánh giữa
các năm (thời đoạn) với nhau biến động
không lớn (theo kinh nghiệm chênh
lệch không quá 5% qua các năm)
Có thể mô tả trên đồ thị như bên:

b) Các bước tiến hành dự báo
 Quy ước tên gọi:
• k = 1  m: là điểm thứ k của chu kỳ
• t = 1  n :là năm thứ t của chuỗi số liệu.
• Yk, t : là giá trị thực tế của đối tượng tại điểm thứ k năm t
• : là giá trị trung bình của đối tượng ở điểm chu kỳ k
• : là giá trị trung bình của đối tượng ở tất cả các điểm chu kỳ.
• Ik : là chỉ số thời vụ ở điểm chu kỳ k.

b) Các bước tiến hành dự báo (tiếp theo)
 Tính giá trị trung bình cho mỗi điểm chu kỳ :
( được tính cho m điểm chu kỳ)
 Tính giá trị trung bình cho tất cả các quan sát (chuỗi thời gian) :
( về cơ bản là không đổi hoặc biến động rất nhỏ)
 Tính giá trị chỉ số thời vụ cho mỗi điểm chu kỳ :

b) Các bước tiến hành dự báo (tiếp theo)
 Giá trị dự báo cho một bước trong tương lai tại 1 điểm k của chu kỳ được tính như
sau:

c) Ví dụ: Dự báo mức tiêu thụ một loại hàng hoá X ở năm 2021 dựa vào số liệu sau:
Năm 2018 2019 2020 Yk, t Ik YDBk, 2021
Quý
I 200 210 205 615 0,8065 204,98
II 400 390 410 1200 1,5737 399,98
III 100 110 110 320 0,4197 106,57
IV 300 310 305 915 1,200 304,99
 1000 1020 1030 Yk.t = 3050

có tính chu kỳ phát triển
a) Đặc điểm của chuỗi thời gian có
tính chu kỳ phát triển.
+ Trong từng năm (thời đoạn) có sự biến
động lặp đi lặp lại giống nhau nghĩa là
có tính chu kỳ
+ Tổng giá trị các quan sát so sánh giữa
các năm (thời đoạn) với nhau có sự biến
động đáng kể (có thể tạo nên tính xu
hướng)
Có thể mô tả trên đồ thị như bên:

 Đối với cách 1 – tách thành phần xu thế trước.
 Gọi T là số thứ tự từ điểm chu kỳ đầu của năm đầu tiên đến điểm chu kỳ
cuối của năm cuối cùng.
T = 1÷N; N = m.n
 Thiết lập hàm xu thế bằng cách sử dụng chuỗi thời gian {T,Y k,t} để xác định
các tham số của hàm xu thế bằng phương pháp ngoại suy.
 Tính chỉ số thời vụ Ik
(Xác định cho m điểm chu kỳ)

 Đối với cách 1 – tách thành phần xu thế trước (tiếp theo)
 Tính chỉ số thời vụ hiệu chỉnh (nếu )
 Tính giá trị dự báo hiệu chỉnh (kết hợp hai thành phần xu thế và mùa/thời
vụ) cho mỗi điểm chu kỳ ở mỗi thời đoạn:

 Đánh giá kết quả ngoại suy bằng tiêu chuẩn biến phân:
(yêu cầu )
Trong đó:
(p là số tham số trong hàm xu thế)

 Dự đoán mức phát triển theo xu thế:
 Dự đoán đối tượng, mức phát triển tại các điểm chu kỳ ở thời đoạn t+l:

 Đối với cách 2 – tách thành phần mùa trước.
 San chuỗi thời gian bằng trung bình trượt giản đơn không trọng số, ta được
chuỗi [San cấp 1 nếu số mùa lẻ (Độ dài m = Số mùa). Số mùa chẵn, san cấp 1
độ dài m = Số mùa, sau đó san cấp 2, m = 2  tính trung tâm].
 Tính chỉ số thời vụ:
 Tính chỉ số thời vụ hiệu chỉnh:

 Đối với cách 2 – tách thành phần mùa trước (tiếp theo)
 Xác định chuỗi thời gian loại bỏ thành phần thời vụ/mùa:
(T = 1 N, N = nm)
 Thiết lập hàm xu thế của của chuỗi theo T:

 Xác định giá trị dựa trên sự kết hợp thành phần xu thế và mùa vụ:
 Đánh giá kết quả bằng tiêu chuẩn biến phân:

(yêu cầu )
Trong đó: (p là số tham số trong hàm xu thế) và

 Dự đoán sự phát triển của xu thế:
 Dự đoán đối tượng: Mức phát triển tại các điểm chu kỳ k ở thời đoạn t+l

c) Ví dụ
Có số liệu tiêu thụ hàng hoá Y qua 3 năm như sau, yêu cầu dự báo năm 2021
Đơn vị: Tấn/quý
Năm 2018 2019 2020
Quý
I 175 247 400
II 263 298 441
III 326 366 453
IV 297 341 420
 1.061 1.252 1.714

c) Ví dụ
 Với n = 3, m = 4, ta có T = 112.
 Thiết lập hàm xu thế dựa trên chuỗi {YT, T}:
 Giả định hàm xu thế của đối tượng có dạng tuyến tính, ta xác định được hàm xu
thế (tính các tham số):

c) Ví dụ
Thời đoạn t (năm)
1 (2018) 2 (2019) 3 (2020)
Điểm chu kỳ k Yk,t Yk,t Yk,t
T T T
(Quý) (YT) (YT) (YT)
1 (I) 1 175 218.761 5 247 303.725 9 400 388.689
2 (II) 2 263 240.002 6 298 324.966 10 441 409.93
3 (III) 3 326 261.243 7 366 346.207 11 453 431.171
4 (IV) 4 297 282.484 8 341 367.448 12 420 452.412

c) Ví dụ
 Tính chỉ số thời vụ theo công thức:
 Tính chỉ số thời vụ hiệu chỉnh:

c) Ví dụ
1 (2018) 2 (2019) 3 (2020)
Điểm chu kỳ Yk,t/ Ik Ik* Yk,t/ Ik Ik* Yk,t/ Ik Ik*
k (Quý)
1 (I) 0.8000 0.8808 0.8812 0.8132 0.8808 0.8812 1.0291 0.8808 0.8812
2 (II) 1.0958 1.0295 1.0300 0.9170 1.0295 1.0300 1.0758 1.0295 1.0300
3 (III) 1.2479 1.1186 1.1191 1.0572 1.1186 1.1191 1.0506 1.1186 1.1191
4 (IV) 1.0514 0.9693 0.9697 0.9280 0.9693 0.9697 0.9284 0.9693 0.9697

c) Ví dụ
1 (2018) 2 (2019) 3 (2020)
Điểm chu kỳ k (Ykt - )2 (Ykt - )2 (Ykt - )2
(Quý)
1 (I) 192.767 315.681 267.636 425.837 342.504 3305.762
2 (II) 247.209 249.362 334.724 1348.661 422.239 351.959
3 (III) 292.353 1132.133 387.435 459.444 482.516 871.223
4 (IV) 273.928 532.339 356.318 234.640 438.708 350.004

c) Ví dụ
 Đánh giá kết quả ngoại suy bằng tiêu chuẩn biến phân:

c) Ví dụ
4 (2021)
Điểm chu kỳ k Ik*
T+L () ()
(Quý)
1 (I) 13 473.653 0.8812 417.3727
2(II) 14 494.894 1.0300 509.7547
3 (III) 15 516.135 1.1191 577.5983
4 (IV) 16 537.376 0.9697 521.0988

c) Ví dụ
 Đối với cách 2 – tách thành phần mùa (thời vụ) trước.
 Vì số chu kỳ là chẵn (m = 4), nên ta thực hiện san chuỗi trung bình trượt giản đơn hai
cấp, khoảng san cấp 1 bằng m, và khoảng san cấp 2 bằng m/2, ta được .
 Tính chỉ số thời vụ Ik và chỉ số thời vụ hiệu chỉnh
 Tách thành phần mùa, ta được
 Thiết lập hàm xu thế của của chuỗi theo T, với giả định hàm xu thế là hàm tuyến tính,
ta có
 Kết hợp hai thành phần mùa và xu thế, ta được:

c) Ví dụ
Thời đoạn t (năm) Điểm chu kỳ k (Quý) T Yk,t San lần 1

1 (I) 1 175
2 (II) 2 263 265.250
1 (2018)
3 (III) 3 326 283.250 274.250
4 (IV) 4 297 292.000 287.625
1 (I) 5 247 302.000 297.000
2 (II) 6 298 313.000 307.500
2 (2019)
3 (III) 7 366 351.250 332.125
4 (IV) 8 341 387.000 369.125

c) Ví dụ
Thời đoạn t (năm) Điểm chu kỳ k (Quý) T Yk,t

1 (I) 9 400 408.750 397.875
2 (II) 10 441 428.500 418.625
3 (2020)
3 (III) 11 453
4 (IV) 12 420

c) Ví dụ
1 (2018) 2 (2019) 3 (2020)
Điểm
chu kỳ k Yk,t/ Ik Ik* Yk,t/ Ik Ik* Yk,t/ Ik Ik*
(Quý)
1 (I) 0.9185 0.9064 0.8316 0.9185 0.9064 1.0053 0.9185 0.9064
2 (II) 1.0113 0.9980 0.9691 1.0113 0.9980 1.0534 1.0113 0.9980
3 (III) 1.1887 1.1453 1.1303 1.1020 1.1453 1.1303 1.1453 1.1303
4 (IV) 1.0326 0.9782 0.9653 0.9238 0.9782 0.9653 0.9782 0.9653

c) Ví dụ
1 (2018) 2 (2019) 3 (2020)
Điểm
chu kỳ
k (Quý)
1 (I) 193.069 221.395 200.675 272.503 304.015 275.563 441.300 386.635 350.451
2 (II) 263.534 242.050 241.560 298.605 324.670 324.012 441.895 407.290 406.465
3 (III) 288.424 262.705 296.930 323.814 345.325 390.314 400.786 427.945 483.697
4 (IV) 307.666 283.360 273.537 353.246 365.980 353.293 435.083 448.600 433.048

c) Ví dụ
 Đánh giá kết quả bằng tiêu chuẩn biến phân:

c) Ví dụ
4 (2021)
Điểm chu kỳ k Ik*
T
(Quý)
1 (I) 13 0.906 469.255 425.339
2 (II) 14 0.998 489.910 488.918
3 (III) 15 1.130 510.565 577.081
4 (IV) 16 0.965 531.220 512.804

(Giới thiệu)
 Phương pháp được áp dụng: cho những chuỗi thời gian… tham số
của hàm xu thế thay đổi theo thời gian.
 Phương pháp coi giá trị thông tin của các mức tăng dần.
 Mức càng xa thời điểm nghiên cứu (dự báo) có giá trị thông tin càng
thấp, và ngược lại.

(Nội dung)
1) San chuỗi trung bình trượt giản đơn
 Giới thiệu
 Trình tự tiến hành
 Ví dụ
2) San hàm số mũ
 Giới thiệu
 Dạng của mô hình, phương trình tổng quát
 Ví dụ
 Ý nghĩa của hệ số san, và phương pháp chọn hệ số san
IV. 1) San chuỗi trung bình trượt giản đơn
Giới thiệu:
 Phương pháp áp dụng cho đối tượng: sự biến động ở thời kỳ tiền sử
không lớn.
 Phương pháp giúp làm lộ rõ hơn xu thế phát triển của đối tượng.
 Phương pháp đạt được độ chính xác cao nếu khoảng tin cậy nhỏ.

(Tiếp theo)
Trình tự tiến hành:
B1) Chọn khoảng san m
Thường lấy m lẻ: m = 2p + 1 (m càng lớn, xu thế càng rõ và phẳng)
B2) Tính giá trị trung bình trong khoảng san
B3) Mô hình dự báo có dạng:

(Tiếp theo)
Trình tự tiến hành:
B4) Sai số mô tả:
B5) Sai số dự báo:
B6) Sai số cực đại:
B7) Khoảng tin cậy:

(Tiếp theo)
Tháng Sản lượng Lt Yi - Lt (Yi - Lt)2
Ví dụ: (1000 tấn) (Yi)
1 40,4 - - -
Có số liệu về sản lượng tiêu 2 36,8 - - -
3 40,6 39,3 1,3 1,69
thụ một loại sản phẩm qua 12 4 38,0 38,5 -0,5 0,25
5 42,2 40,3 1,9 3,61
tháng như sau. San chuỗi với 6 48,5 42,9 5,6 31,36
7 40,8 43,8 -3,8 14,44
khoảng san m=3 (ứng với 1 8 44,8 44,7 0,1 0,01
quý). 9 49,4 45,0 4,4 19,36
10 48,9 47,7 1,2 1,44
11 46,4 48,2 -1,8 3,24
12 42,2 45,8 -3,6 12,96
 - - - 88,36

(Tiếp theo)
Ví dụ:
+ Sai số mô tả:
+ Sai số dự đoán:
+ Sai số cực đại:
Nếu độ tin cậy 90%, bậc tự do là n = 10 thì tn = 1,812
 = tn . Sp = 1,812  3,834 = 6,95
+ Dự đoán điểm:
+ Khoảng tin cậy: YDĐ = L*n+1   = (36,62 ; 50,52)

IV. 2) San hàm số mũ
Phương pháp dựa trên hai nguyên tắc cơ bản:
+ Mỗi quan sát được gắn một trọng số sao cho quan sát sau có trọng số lớn hơn quan sát
trước.
+ Sai số dự báo ở hiện tại phải được tính đến trong những dự báo kế tiếp. Do đó giá trị ước
lượng mới là sự kết hợp của giá trị ước lượng hiện tại với sai số ngẫu nhiên:
Trong đó: (Lt+1) là giá trị ước lượng mới hay giá trị dự đoán của thời kỳ tiếp theo.
(Lt) là giá trị ước lượng hay giá trị dự đoán cho thời kỳ hiện tại.
Yt là giá trị thực tế tại thời kỳ hiện tại.
(Yt - ) là sai số ước lượng hay sai số dự đoán của thời kỳ hiện tại.
 là trọng số (Hằng số san) 0 <  < 1
(Tiếp theo)
Mô hình có dạng:
.......................
Phương trình tổng quát có dạng:

(Tiếp theo)
t Yt (Lt)
Ví dụ: Có số liệu về 1 103 103,00
2 86
doanh thu hàng năm của 3 84
4 84
một doanh nghiệp. 5 92 90,81
6 92 91,17
Áp dụng phương pháp san 7 94 91,42
hàm số mũ giản đơn với 8
9
102
103
92,19
95,13
hệ số  = 0,3 ta được: 10 103 97,49
11 82 99,15
12 123 94,00
13 106 102,70
14 103 103,69
15 103,48

(Tiếp theo)
Ý nghĩa của hệ số α:
 Hệ số san  được sử dụng để điều chỉnh trọng số của các quan sát của chuỗi thời gian.
  = 1 thì giá trị dự báo Lt+1 bằng giá trị thực tế Yt ở thời kỳ ngay liền trước, mà không
tính đến các mức trước đó.
  = 0 thì giá trị dự báo Lt+1 bằng giá trị dự báo Lt ở thời kỳ trước, và các giá trị thực tế
trước đó không được tính đến.
  càng nhỏ sẽ làm các mức quá khứ có trọng số lớn hơn so với hiện tại, nên chỉ thích
hợp cho đối tượng có tính ổn định cao.
  càng lớn, trọng số của các mức giảm nhanh về quá khứ, chuỗi số mới san càng gần
với chuỗi gốc.

(Tiếp theo)
Hai phương pháp hỗ trợ chọn hệ số α:
 Xem xét đồ thị thực nghiệm của chuỗi thời gian, nếu đồ thị phẳng thì nên chọn  tương đối
cao với những quan sát gần nhất, nếu chuỗi thời gian biến động thất thường nên chọn 
thấp cho các quan sát sau cùng. Theo kinh nghiệm, với các hiện tượng kinh tế - xã hội nên
chọn  = 0,1; 0,3
 Thử với nhiều hằng số san  khác nhau, mỗi hằng số san sẽ tính được sai số dự đoán, chọn
hằng số san nào có sai số dự đoán nhỏ nhất. (Si là sai số dự đoán)
 Thực tế ở Việt nam, thường chọn theo công thức:
(Với n là số quan sát của chuỗi thời gian)

DBPTKTXH - Ch2 - 2021

Uploaded by

Document Information

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

DBPTKTXH - Ch2 - 2021

Uploaded by

Copyright:

Available Formats

CHƯƠNG 2

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 3

Dãy những Trạng thái của

Mức của • Tuyệt đối

• Xu thế (T)  Mô hình cộng: Yt=T+C+S+I

Đặc điểm biến động

• Chuỗi thời kỳ (khoảng) • Chuỗi tuyệt đối

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 5

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 6

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 7

a) Bổ sung mức thiếu

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 8

Sai số ngẫu nhiên: do tác

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 9

(1) Phương pháp phân tích đối chứng kinh tế - kỹ thuật

(3) Phương pháp nội suy cắt dán

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 10

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 12

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 13

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 14

c) San chuỗi thời gian (Làm trơn chuỗi thời gian)

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 16

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 17

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 18

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 20

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 21

 Điều kiện tiến hành

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 24

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 26

1) Xác định hàm xu thế

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 27

Có ba phương pháp chủ yếu và phổ biến:

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 28

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 29

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 30

 Một số dạng đồ thị phổ biến:

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 31

Năm 2011 2012 2013 2014 2015 2016 2017 2018

GDP 2292483 2412778 2543596 2695796 2875856 3054470 3262548 3493399

Nguồn: Tổng cục thống kê Việt Nam (gso.gov.vn)

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 32

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 33

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 34

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 35

 Nội dung (tiếp theo):

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 37

 Nội dung (tiếp theo):

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 38

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 39

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 40

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 41

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 42

 Cơ sở của phương pháp:

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 43

 Nội dung của phương pháp:

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 44

 Nội dung của phương pháp (tiếp theo):

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 45

 Nội dung của phương pháp (tiếp theo):

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 46

 Nội dung của phương pháp (tiếp theo):

DBPTKTXH - Th.S Nguyễn Mạnh Hiếu 47

Năm 2011 2012 2013 2014 2015 2016 2017 2018

GDP 2292,483 2412,778 2543,596 2695,796 2875,856 3054,470 3262,548 3493,399