D Bao Trong Kinh Doanh Business Forecas PDF

Dự 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 DỰ 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 phương pháp dự báo
7. Phương pháp luận cho chuỗi thời gian & dự báo
8. Nguồn dữ liệu
9. Đo lường 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,
Chương 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 như một tập hợp các công cụ giúp người
ra quyết định đưa ra các phán đoán tốt nhất về các
sự kiện tương 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 DỰ BÁO
z Nhiều kỹ thuật dự báo ngày nay đã phát triển vào

thế kỷ 19
z Nhưng những phương pháp dự báo phổ biến chỉ
được phát triển gần đây: phương pháp phân tích,
phương pháp san mũ, phương pháp ARIMA
z Cùng với sự phát triển của nhiều phương pháp dự
báo phức tạp và các phần mềm, dự báo ngày càng
nhận được nhiều sự quan tâm hơn
z Nhiều phương pháp dự báo mới tiếp tục được phát
triển
3
Phùng Thanh Bình
NHU CẦU DỰ BÁO
z Quyết định hôm nay ảnh hưởng đến tương lai

của tổ chức, nhưng tương lai là bất định
z Ai cần dự báo? Hầu như mọi tổ chức: lớn và
nhỏ, tư và công đều sử dụng dự báo. Các bộ
phận chức năng như tài chính, marketing,
nhân sự, sản xuất. Ngoài ra, tổ chức chính
phủ, phi chính phủ, các CLB xã hội, …
Phùng Thanh Bình
DỰ 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 như 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
DỰ 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 lưu
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 thường 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 DỰ BÁO
z Ngắn hạn (các chiến lược và kế hoạch tức

thì, cấp trung và cấp dưới) và dài hạn
(chiến lược dài hạn, cấp cao)
z Vi mô và vĩ mô
z Định tính và định lượng
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
z Dự báo định lượng:

o Dựa trên dữ liệu quá khứ để phát hiện xu hướng vận
động của đối tượng
o Giả định: giá trị tương lai của biến số dự báo phụ thuộc
vào xu hướng vận động trong quá khứ
o Có 2 loại phương pháp định lượng:
• Chuỗi thời gian
• Nhân quả
6
Phùng Thanh Bình
z Ưu điểm của dự báo định lượng?

o Kết quả dự báo hoàn toàn khách quan
o Có phương pháp đo lường 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
z Dự báo định lượng ngày càng được chấp nhận rộng rãi?
o Các phương pháp định lượng hữu ích hơn trong việc
đưa ra dự đoán về các sự kiện tương lai
o Nhờ sự phát triển của các phần mềm máy tính giúp các
phương pháp định lượng 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
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 lượng hóa
o Không có sẵn chuyên gia định lượng
o Các phương pháp thường dùng:
• Đánh gá ý kiến ban quản trị (chuyên gia)
• Tổng hợp lực lượng bán hàng Phương pháp
khảo sát ý kiến khách hàng
• Delphi, …
Phùng Thanh Bình
z Ưu nhược điểm của dự báo định tính?

z Ưu điểm:
o Không đòi hỏi kiến thức về toán
o Được chấp nhận rộng rãi bởi những người sử dụng
z Nhược điểm:
o Nhiều lĩnh vực thực tế không thể dựa vào phương 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 người có thể dự báo tốt
được
8
Phùng Thanh Bình
LỰA CHỌN PHƯƠNG PHÁP DỰ BÁO
z Các kết quả dự báo phải làm cho quá trình ra quyết
định dễ dàng hơn
z Không áp dụng một phương pháp cho mọi trường hợp
z Sản phẩm, mục tiêu, ràng buộc khác nhau phải được
xem xét khi chọn phương pháp dự báo thích hợp
z Có thể áp dụng nhiều phương pháp cho cùng một
trường hợp
z Phương pháp được chọn phải dự báo chính xác, kịp
thời, và dễ hiểu
Phùng Thanh Bình
PHƯƠNG PHÁP LUẬN CHO CHUỖI

THỜI GIAN & DỰ 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
tượng dự báo (dự báo cho tương 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 phương pháp dự báo được chọn:

o Một số phương pháp chỉ cần chuỗi số liệu sẽ được dự báo:
như dự báo thô, phân tích, san mũ, ARIMA
o Các phương 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 lưu trữ cũng có ý nghĩa quan trọng
z Số liệu bên ngoài tổ chức
10
Phùng Thanh Bình
ĐO LƯỜNG ĐỘ CHÍNH XÁC DỰ 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 phương pháp đánh giá: (i) Phương pháp thống
kê; (ii) Phương pháp đồ thị
Phùng Thanh Bình
11
Phùng Thanh Bình
z Phương 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 bước ngoặt: mô hình dự báo tốt là mô
hình dự báo đúng những bước ngoặt theo mẫu
dữ liệu thực
Phùng Thanh Bình
12
Phùng Thanh Bình
CÁC PHẦN MỀM DỰ 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 Chương trình giảng dạy môn dự báo sẽ sử dụng
Excel và Forecast X
13

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 tương
quan
4. Lựa chọn mô hình dự báo
5. Ôn tập thống kê cơ bản
1
Phùng Thanh Bình

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

Bước 2: Xác định dự báo cái gì
Bước 3: Nhận dạng các khía cạnh thời gian
Bước 4: Xem xét số liệu
Bước 5: Lựa chọn mô hình
Bước 6: Đánh giá mô hình
Bước 7: Chuẩn bị dự báo
Bước 8: Trình bày kết quả dự báo
Bước 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 được sử

dụng như thế nào trong việc ra quyết định
z Các mục tiêu và ứng dụng của dự báo nên được
thảo luận giữa những cá nhân liên quan trong việc
chuẩn bị dự báo và những người 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 hưởng đến việc
chọn phương pháp dự báo.
Phùng Thanh Bình
4. Thu thập và xử lý số liệu

z Số lượng 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 ước tính
z Có thể phải chuyển đổi đơn vị tính
z Có thể cần được xử lý trước
z Có thể thích hợp nhưng 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 lượng số liệu quá khứ sẵn có
z Độ dài dự báo
z Chọn mô hình phù hợp với dữ liệu đã được 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 được chọn trong bước 6 không đạt độ
chính xác chấp nhận được, quay lại bước 5 với một mô
hình khác
Phùng Thanh Bình
7. Chuẩn bị dự báo
z Nếu có thể thì nên sử dụng hơn một phương pháp

dự báo
z Khi có nhiều phương pháp sử dụng thông tin khác
nhau, thì việc kết hợp chúng lại sẽ cho kết quả tốt
hơn so với chỉ dùng một phương 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
người 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 Người 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 được 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 hướng 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 Thường được đề cập đến như 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 TƯƠNG QUAN
z Tự tương quan là tương quan giữa một biến trễ

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

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

z Giản đồ tự tương quan hay hàm tự tương quan là một

đồ thị biểu diễn quan hệ giữa các hệ số tự tương quan
với độ trễ của một chuỗi thời gian
z Các hệ số tự tương 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 tương 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 tương quan với độ trễ k
1
o k = 1 => SE(r 1) =
n
k -1
1 + 2 ∑ ri2
o k ≠ 1 => SE(r k ) = i =1
n
10
Phùng Thanh Bình

z Khoảng tin cậy

rk - ρ k
0 ± t x SE(rk) với t =
SE(rk )
z Kiểm định chung (một nhóm các hệ số tương
quan đầu tiên khác 0 một cách có ý nghĩa)
m
rk2
Q = n(n + 2)∑
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 tương 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 tương quan giảm bằng 0 rất
nhanh (sau 2 hoặc 3 độ trễ)
o Phương 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 tương quan sẽ lặp lại tại độ trễ 4
o Nếu dữ liệu có yếu tố mùa vụ theo tháng, một hệ
số tự tương 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 trước khi quyết định
chọn phương 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 phương 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 phương pháp
dự báo tiềm năng
o Xây dựng các tiêu chí để ra quyết định lựa chọn
o Một nhân tố chính ảnh hưởng đến việc lựa chọn mô
hình dự báo là nhận dạng và hiểu được bản chất số
liệu lịch sử
Phùng Thanh Bình
z Các phương pháp dự báo đối với dữ liệu dừng

o Được sử dụng khi:
• Môi trường của đối tượng dự báo không thay đổi
• Thiếu dữ liệu
• Thực hiện những điều chỉnh đơn giản có thể đạt
được sự ổn định
• Chuỗi dữ liệu có thể được chuyển đổi sang một dạng
ổn định
o Gồm có phương pháp dự báo thô, trung bình giản đơn,
trung bình trượt, ARMA
13
Phùng Thanh Bình
z Các phương 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 trường gia tăng
o Gồm có phương pháp trung bình trượt, san mũ bậc 1
(Holt), hồi quy đơn, đường tăng trưởng, mô hình mũ,
ARIMA
Phùng Thanh Bình
z Các phương pháp dự báo đối với dữ liệu mùa vụ

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

• Chu kỳ kinh doanh ảnh hưởng 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 phương pháp phân tích, chỉ số kinh tế, mô
hình kinh tế lượng, 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
thước đo mức độ tập trung: Trung bình, Trung
bị, và mode
• Xem c2t2.xls
o Hai thước đo mức độ phân tán: Phương 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) thường
được sử dụng nhất, và được 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
Yt
It = ×100
Y0
o Chỉ số gộp không trọng số đơn giản
∑
n
i =1
Y
It = i ,t
∑
n
i =1
Y i ,0
Phùng Thanh Bình
z Chỉ số
o Chỉ số gộp có trọng số (Laspreyres)
∑
n
i =1
P i ,t Qi , 0
It = ×100
∑
n
i =1
P i ,0Qi , 0
17
Phùng Thanh Bình
z Chỉ số
o Chỉ số gộp có trọng số (Paasche)
∑
n
i =1
P i ,t QT
It = ×100
∑
n
i =1
P i , 0QT
Phùng Thanh Bình
z Chuyển hóa dữ liệu

o San bằng chuỗi thời gian
• Phương pháp bình quân di động giản đơn
(SMA)
• Phương pháp bình quân di động trung tâm
(CMA)
Khoảng trượt L lẻ
Khoảng trượt 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:
Phương pháp gộp
Phương pháp trung bình số học
Phương pháp trung bình hình học
Phùng Thanh Bình

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

o Phương 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
hướng đường thẳng
Sai phân bậc 2 Æ hằng số: dữ liệu gốc có xu
hướng đường cong
Phùng Thanh Bình

o Phương pháp ln
Yt = Y0 e rt
• Ý nghĩa:
R là tỷ lệ tăng trưởng mũ (không đổi cho mỗi
giai đoạn trong suốt thời kỳ nghiên cứu)
Tùy vào t được 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 trường 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
được 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
X -µ
Z=
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 được rút ra từ một
tổng thể với một cỡ mẫu nhất định
o Theo định lý giới hạn trung tâm, khi cỡ mẫu càng
lớn, thì phân phối mẫu của các trung bình mẫu sẽ
tiến về phân phối chuẩn, và trung bình là µ và độ
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, nhưng 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
nhiều t-dist X −µ
t=
S/ n
22
Phùng Thanh Bình
z Thống kê suy luận từ mẫu

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

o Bước 1: Xây dựng giả thuyết (H0, và H1)
o Bước 2: Thu thập một mẫu ngẫu nhiên và tính
toán các thống kê kiểm định mẫu
o Bước 3: Giả định H0 là đúng và xác định phân
phối mẫu của thống kê kiểm định
o Bước 4: Tính xác suất (giá trị thống kê)
o Bước 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 tương quan

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

PHƯƠNG 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

Chương 4.
Chapter 3.
Phùng Thanh Bình
GIỚI THIỆU
2
Phùng Thanh Bình
GIỚI THIỆU
Một chiến lược tốt để đánh giá các phương pháp dự

báo gồm các bước sau:
1. Một phương pháp dự báo được chọn dựa trên
phân tích và cảm nhận của người làm dự báo về
bản chất của dữ liệu
2. Bộ dữ liệu được chia thành 2 phần - phần đầu và
phần kiểm định
3. Phương pháp dự báo được chọn nhằm tìm ra các
giá trị phù hợp cho phần đầu của dữ liệu
Phùng Thanh Bình
GIỚI THIỆU
Một chiến lược tốt để đánh giá các phương pháp dự

báo gồm các bước sau:
4. Phương pháp được sử dụng dự báo phần kiểm
định của dữ liệu, và sai số dự báo được 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 ước
lượng tốt nhất cho tương lai, mô hình đơn giản là:
∧
Y t +1 = Yt
z Được gọi là dự báo thô cấp 1 (Naïve forecast 1),
100% trọng số được 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 hướng 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 ĐƠN
z Công thức:
∧ 1 t
Y t +1 = ∑ Yi
t i =1
∧
∧ t Y t +1 + Yt +1
Y t +2 =
t +1
5
Phùng Thanh Bình
TRUNG BÌNH GIẢN ĐƠN
z Phương pháp trung bình giản đơn phù hợp khi các
nhân tố ảnh hưởng đến đối tượng dự báo có tính ổn
định, và môi trường liên quan đến chuỗi dữ liệu là
không đổi
z Phương 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 ĐƠN
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 trượt
Phùng Thanh Bình
z Ví dụ 4.3 (Table 4-30
7
Phùng Thanh Bình
z Chọn hệ số trượt 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 Thường dùng đối với dữ liệu quý hoặc tháng để làm
trơn các thành phần trong chuỗi thời gian
z Thường 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 phương pháp bình phương 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
2
bt = ( M t − M 't )
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 ĐƠN
z Giống trung bình di động, được 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 trước 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 đưng thông tin thích hợp
nhất, và có ảnh hưởng 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
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 được gọi là hằng số mũ
z Mô hình san mũ giản đơn có thể được viết như sau:
∧ ∧
Yt+1 =αYt + (1-α) Yt
Phùng Thanh Bình
z Phương trình này có thể được viết lại như sau:

∧ ∧
Y t +1 = α Y t + (1 - α ) Y t
∧ ∧
= α Yt + Y t - α Y t
∧ ∧
= Y t + α (Yt - Y t )
∧
= Y t + αet
11
Phùng Thanh Bình
∧ ∧
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
z Chọn giá trị α là vấn đề quan trọng nhất của

phương pháp này
o Nếu các dự đoán ổn định và biến đổi ngẫu nhiên
ít, thì chọn α nhỏ, ngược lại nên chọn α lớn
o Một cách phổ biến để ước lượng 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 phương pháp san mũ giản đơn
bằng việc đưa thêm một thừa số tăng trưởng
(growth factor) hay thừa số xu thế (trend factor) và
phương trình san mũ để điều chỉnh yếu tố xu thế
z 3 phương trình và 2 hằng số san mũ được sử dụng
trong mô hình Holt
Phùng Thanh Bình
SAN MŨ HOLT
z Chuỗi thời gian đã được san mũ hay giá trị ước lượng
hiện hành (Lưu ý: cũng có thể là Y^t, và Tt):
∧ ∧
(a) Y t +1 = αYt + (1 - α )( Y t + Tt )
z Ước lượng xu thế: ∧ ∧
(b) Tt +1 = γ (Yt +1 − Yt ) + (1- γ )Tt )
z Dự báo p giai đoạn trong tương 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
Yt = giá trị thực ở hiện tại (giai đoạn t)
∧
Y t = giá trị san mũ cho giai đoạn t
Tt+1 = ước lượng xu thế
α = hằng số san mũ của mức giá trị hiện tại
γ = hằng số san mũ của ước lượng xu thế
m = số giai đoạn dự báo
Ht+m = giá trị dự báo theo phương pháp Holt ở giai đoạn t+m
Phùng Thanh Bình
SAN MŨ HOLT
z α và γ có thể được chọn theo chủ quan hoặc tối thiểu

hóa sai số dự báo như MSE
o Khi có thay đổi lớn trong giá trị các thành phần thì
sử dụng trọng số lớn, và ngược 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 đường 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 được san mũ:

∧ Yt ∧
(a) Y t = α + (1 - α )(Y t -1 + Tt -1 )
St - s
z Ước lượng xu thế:
∧ ∧
(b) Tt = γ (Yt − Yt -1) + (1- γ )Tt -1)
z Ước lượng mùa vụ:
Yt
(c) S t = β ∧
+ (1 - β )S t - s )
Yt
z Dự báo m giai đoạn trong tương lai:
∧
(d) Wt +m = (Yt + mTt )St -s +p
Phùng Thanh Bình
SAN MŨ WINTER
Y^t = giá trị san mũ mới

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

hóa sai số dự báo như 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 ước lượng ban đầu của
giá trị san mũ, hệ số dốc là ước lượng 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 ĐƠN &

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

Chương 3.
Chapter 4.
Phùng Thanh Bình
MÔ HÌNH HỒI QUY ĐƠN
z Một khi đã thiết lập được mối quan hệ tuyến tính giữa 2
biến, thì thông tin về biến độc lập có thể được 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 Đường thẳng phù hợp nhất với tập hợp các điểm
X-Y là đường tối thiểu hóa tổng các bình phương
khoảng cách từ các điểm đến đường thẳng đó.
Đường thẳng này được gọi là đường hồi quy hay
đường tổng bình phương bé nhất, có dạng như
sau:
Y^ = b0 + b1X
b0 = hệ số cắt (intercept)
b1 = hệ số dốc (slope)
Phùng Thanh Bình
z Phương pháp bình phương bé nhất chọ giá trị b0

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

trị ước lượng 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 phương sai
4
Phùng Thanh Bình
Phùng Thanh Bình
5
Phùng Thanh Bình
z Hệ số xác định:
∧
ExplainedVariation SSR ∑ (Y − Y)
2
R =
2
= =
Total Variation SST ∑ (Y - Y) 2
=1-
Unexplained Variation
=1-
SSE
=1- ∑ ( Y − Y) 2
Total Variation SST ∑ ( Y - Y) 2
Phùng Thanh Bình
6
Phùng Thanh Bình
z Phân tích phần dư

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

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
7
Phùng Thanh Bình

o Kiểm định hiện tượng phương sai không
đồng nhất
o Kiểm định hiện tượng tương 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
N
∑e
2k n =1
2
n
AIC = exp( ) N
N N
⎛k⎞
⎜ ⎟ ∑e 2
n
SIC = N ⎝ N ⎠ n =1
N
8
Phùng Thanh Bình
z AIC & SIC: Thường các phần mền kinh tế lượng

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

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
10
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, kiểm tra xem thay đổi trong biến độc lập
giải thích bao nhiêu phần trăm cho thay đổi trong
biến phụ thuộc
z Thứ tư, kiểm tra phần dư (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 Ước lượng 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 Lưu 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 được 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 được
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 Thường 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 trường hợp phân
tích dữ liệu chéo cũng rất hữu ích. Trong phân
tích dữ liệu chéo, tất cả các dữ liệu được thu thập
cùng một thời điểm
z Ví dụ: doanh số và dân số ở các thành phố, lượng
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 phương trình hồi quy:
o Do sự phân tán của các điểm dữ liệu so với
đường hồi quy mẫu
o Do sự phân tán của đường hồi quy mẫu so với
đường 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 trước:
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

Chương 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:

∧
s y.x's =
∑ (Y - Y) 2
=
SSE
= MSE
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)
2
R =
2
= =
Total Variation SST ∑ (Y - Y) 2
=1- ∑
Unexplained Variation SSE ( Y − Y) 2
=1- =1-
Total Variation SST ∑ ( Y - Y) 2
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
bj -0
t=
sbj
7
Phùng Thanh Bình

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

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

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
Phùng Thanh Bình
y y = (β0 + β2) + β1x
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 PHƯƠNG 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
UR − R 2R )
F= m F= 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

Chương 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 BƯỚC 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 BƯỚC 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
thỏa mãn thì cần phải điều chỉnh để chúng bằng 0.
L
∑ Sn j
A =
j=1
Sn j = Sn j - A
L
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
ứng Snjt
Y t' = Y t - Sn tj
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

o Sử dụng sai số của mô hình hồi quy Y’t để xác định
khoảng tin cậy cho εt
Ŷ t ± t α/2 S e × (He so dieu chinh)
1
He so dieu chinh = 1 + +
(t p − t)
2
( t)
∑ t − ∑n
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:
L
A= L Sn j = Sn j × A
∑ Sn
j=1
j
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
tương ứng Snjt
Yt' = Yt ÷ Sn tj
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)
Yt
SFt =
CMA t
Phùng Thanh Bình
z CÁCH 3:
o Bước 4: Tính hệ số chu kỳ CFt
CMA t
CFt =
CMATt
o Bước 5: Tính chỉ số mùa SI (Seasonal index)
n
∑ SF t
j
SI tj = t =1
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. Phương 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 lược xây dựng mô hình ARIMA
1
Phùng Thanh Bình

Chương 7 & 8.
Chapter 7.
Phùng Thanh Bình
GIỚI THIỆU
z Phương 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 Phương pháp BOX-JENKINS được phát triển bởi 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 ưu việc hơn các mô hình dự báo
khác, ít tốn kém và linh hoạt
Phùng Thanh Bình
PHƯƠNG PHÁP LUẬN BOX-

JENKINS
z Khác các phương pháp khác ở chổ nó không giả

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

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

phân tích đồ thị chuỗi thời gian và các hệ số tự
tương quan của một số độ trễ
z Phương 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
thời 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 như sau:
Yt = φ 0 + φ1Yt -1 + φ 2 Yt -2 + ... + φ p Yt -p + ε t
o Yt = biến phản ứng (phụ thuộc) tại thời 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 được ước lượng
o εt = phần sai số tại thời điểm t thể hiện ảnh hưởng của
các biến không được 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 thời gian dừng và hệ số φ0 thể hiện
mức cố định của chuỗi dữ liệu (Nếu dữ liệu xoay quanh giá
trị 0 hoặc được thể hiện bằng các độ lệch Yt = Y, thì không
cần hệ số φ0
z Các hệ số tự tương quan giảm từ từ xuống giá trị 0
z Các hệ số tự tương 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 như 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 thời điểm t
o µ = giá trị trung bình cố định
o ω1, ω2, ω3 = các hệ số sẽ được ước lượng
o εt = phần sai số tại thời điểm t thể hiện ảnh hưởng của
các biến không được giải thích trong mô hình
o εt-1, εt-2 = các sai số ở các thời điểm trước
6
Phùng Thanh Bình
z Ký hiệu: MA(q)
z Không nên nhằm lẩn giữa trung bình di động ở đây với
các quy trình tính trung bình di động đã trình bày trước
đây. Ở 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
khứ
Yt - µ = ε t − ω1ε t-1 − ω2ε t-2 − ... − ωqε t-q

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 tương 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 LƯỢC XÂY DỰNG MÔ

HÌNH ARIMA
z Bước 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
thời gian và các hệ số tự tương quan giảm từ từ
(xem hình 8.2 và 8.3)
• Nếu chuỗi không dừng, thường được 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 trường 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 được gọi là
mô hình ARIMA, ký hiệu là ARIMA(p,d,q)
• p = số độ trễ của phần tự tương 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 được sử dụng
• So sánh các hệ số tự tương quan và các hệ số tự
tương quan riêng của dữ liệu các hệ số lý thuyết
Nếu các hệ số tự tương quan giảm đều theo
dạng mũ và các hệ số tự tương quan riêng
giảm đột ngột, thì phải có phần tự hồi quy
Phùng Thanh Bình

HÌNH ARIMA

o Nếu các hệ số tự tương quan giảm đột ngột và
các hệ số tự tương quan riêng giảm đều theo
dạng mũ, thì phải có phần bình quân di động
o Nếu cả các hệ số tự tương quan và các hệ số tự
tương 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 Bước 2: Ước lượng mô hình

o Khi đã chọn mô hình, các hệ số của mô hình sẽ
được ước lượng theo phương pháp tối thiểu tổng
bình phương các sai số
o Kiểm định các hệ số φ và ω bằng thống kê t
o Ước lượng sai số bình phương trung bình của phần
dư (residual mean square error): s2
Phùng Thanh Bình

HÌNH ARIMA

n n ∧
∑e 2
t ∑ (Y - Y )
t t
2
s2 = t =1
= t =1
n-r n−r
o et = Yt – Y^t = phần dư tại thời điểm t
o n = số phần dư
o r = tổng số hệ số ước lượng
12
Phùng Thanh Bình

HÌNH ARIMA

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 Bước 3: Kiểm tra mô hình

o Các đồ thị phần dư dùng để kiểm tra phần dư có
phân phối chuẩn hay không; đồ thị theo thời gian
để kiểm tra xem có hiện tượng outlier hay không
o Các hệ số tự tương quan riêng lẻ của phần dư
phải nhỏ và thường trong khoảng ±2/√n
13
Phùng Thanh Bình

HÌNH ARIMA
z Bước 3: Kiểm tra mô hình

o Sử dụng kiểm định thống kê Ljung-Box Q để
kiểm tra tổng thể mức độ phù hợp của mô hình
m
rk2 (e)
Q m = n(n + 2)∑
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 Bước 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 tương 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 ước lượng 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 PDF

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 PDF

Uploaded by

Copyright:

Available Formats

Dự báo trong kinh doanh

Khoa Kinh tế Phát triển

Phùng Thanh Bình

GIỚI THIỆU DỰ 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 DỰ BÁO

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

NHU CẦU DỰ BÁO

z Quyết định hôm nay ảnh hưởng đến tương lai

Phùng Thanh Bình

DỰ BÁO TRONG KINH DOANH NGÀY NAY

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

DỰ BÁO TRONG KINH DOANH NGÀY NAY

Phùng Thanh Bình

PHÂN LOẠI DỰ BÁO

z Ngắn hạn (các chiến lược và kế hoạch tức

Univariate time series

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

Phùng Thanh Bình

PHÂN LOẠI DỰ BÁO

z Dự báo định lượng:

PHÂN LOẠI DỰ BÁO

z Ưu điểm của dự báo định lượng?

Phùng Thanh Bình

PHÂN LOẠI DỰ BÁO

PHÂN LOẠI DỰ BÁO

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

Phùng Thanh Bình

PHÂN LOẠI DỰ BÁO

z Ưu nhược điểm của dự báo định tính?

LỰA CHỌN PHƯƠNG PHÁP DỰ BÁO

Phùng Thanh Bình

PHƯƠNG PHÁP LUẬN CHO CHUỖI

z Dữ liệu lịch sử: YBEG tới YEND

Phùng Thanh Bình

z Tùy vào phương pháp dự báo được chọn:

ĐO LƯỜNG ĐỘ CHÍNH XÁC DỰ BÁO

z Gọi Yt = giá trị thực tại giai đoạn t

Phùng Thanh Bình

ĐO LƯỜNG ĐỘ CHÍNH XÁC DỰ BÁO

z Phương pháp đồ thị:

Phùng Thanh Bình

ĐO LƯỜNG ĐỘ CHÍNH XÁC DỰ BÁO

CÁC PHẦN MỀM DỰ 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

Bước 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 được sử

Phùng Thanh Bình

QUY TRÌNH DỰ BÁO