Professional Documents
Culture Documents
(Đại học Kinh Tế Quốc Dân) Bài 1 - Phương pháp ước lượng cầu
(Đại học Kinh Tế Quốc Dân) Bài 1 - Phương pháp ước lượng cầu
(Đại học Kinh Tế Quốc Dân) Bài 1 - Phương pháp ước lượng cầu
TX KHMI02_Bai 1_v1.0014107222 1
Bài 1: Các phương pháp ước lượng cầu
2 TX KHMI02_Bai 1_v1.0014107222
Bài 1: Các phương pháp ước lượng cầu
A
B
Q
Hình 1.1. Ước lượng trực tiếp co dãn trong một đoạn
Ưu điểm của phương pháp này là nó đơn giản bởi vì việc ước lượng có thể thực hiện
được dựa trên một sự thay đổi giá. Nhược điểm thứ nhất của nó là kết quả về mối
quan hệ giữa giá và lượng cầu có thể không chính xác vì có sự thay đổi số lượng hàng
lưu trong kho khi có sự thay đổi giá. Nếu người bán tin rằng có sự tăng giá thì số
lượng hàng lưu trong kho sẽ tăng lên, ngược lại khi tin rằng có sự giảm giá thì số
lượng hàng lưu trong kho lại ít đi. Nhược điểm thứ hai là không có gì đảm bảo rằng
hai kết hợp giá/lượng quan sát thấy đó nằm trên cùng một đường cầu. Hoàn toàn có
thể xảy ra trường hợp cả đường cung và đường cầu đều dịch chuyển và điểm cân bằng
mới chuyển từ A đến B.
TX KHMI02_Bai 1_v1.0014107222 3
Bài 1: Các phương pháp ước lượng cầu
Phương trình dạng này cho thấy số lượng hàng hoá được cầu là một hàm số của tất cả
các yếu tố ảnh hưởng đến nó, mà không xác định một dạng hàm cụ thể nào cho mối
quan hệ giữa biến phụ thuộc (Qd) và từng biến độc lập (Po, Pc, Ps, Yd, T, Ac, As, I, C,
E). Nếu cần ước lượng các hệ số thì cần phải chọn một dạng hàm cụ thể. Các dạng
phổ biến nhất là hàm cầu tuyến tính và hàm cầu mũ.
Hàm cầu tuyến tính có thể viết như sau:
Qd = a+b1Po+b2Pc+b3Ps+b4Yd+b5T+b6Ao+b7Ac+b8As+b9I+b10C+b11E
Nếu có các số liệu về mỗi biến và các số liệu này là đầy đủ để có thể áp dụng kỹ thuật
thống kê về hồi quy bội thì hệ số tự do (a) và các hệ số biểu thị ảnh hưởng của mỗi
yếu tố đến lượng cầu (từ b1 đến b11) có thể ước lượng được. Khi đã ước lượng được
các hệ số này thì có thể dự đoán lượng cầu nếu có các giá trị của một trong các yếu tố
ảnh hưởng bằng cách thay các giá trị này vào hàm số trên.
Trong trường hợp đặc biệt với đường cầu là đường thẳng thì việc ước lượng các hệ số
của hàm cầu không cho ta ước lượng trực tiếp độ co dãn của cầu. Nhưng việc tính
toán này là đơn giản. Định nghĩa co dãn của cầu theo giá của bản thân hàng hóa mà từ
dQ P
hàm cầu ta thấy: Ep
dP Q
P
Ep b1
Q
Các co dãn khác bao gồm co dãn theo thu nhập, co dãn chéo và co dãn theo quảng cáo
đều có thể tính bằng cách đó.
Việc xác định hàm cầu tuyến tính cho phép ước lượng độ co dãn. Tuy nhiên dạng
tuyến tính này đã dựa trên giả định rằng với bất kỳ một sự thay đổi giá luôn có một
ảnh hưởng như nhau đến lượng cầu bất kể đó là mức giá nào. Giả định đó mâu thuẫn
với phần lớn các tư duy kinh tế, bao gồm cả các lý thuyết về hành vi của người tiêu
dùng. Vì vậy người ta thường sử dụng một cách xác định khác để ước lượng cầu.
Phương án thay thế phổ biến nhất cho dạng tuyến tính là dạng mũ. Dạng này có thể
viết như sau:
Qd = f(Poa .Pcb .Psc .Acd .Ace .Asf .Ydg .Ih .Ci .Ej)
Ở dạng này các độ co dãn bằng các số mũ (các hệ số từ a đến j) và phương trình có thể
viết dưới dạng tuyến tính bằng việc lấy log hai vế, ta được:
logQd = alogPo + blogPs + clogPc + dlogAo + elogAs + flogAc + hlogI + ilogC + jlogE
Có thể ước lượng phương trình này bằng cách sử dụng các phương pháp hồi quy bội,
ta sẽ được những ước lượng trực tiếp về các độ co dãn khác nhau của cầu. Đây là dạng
hàm cầu được sử dụng phổ biến nhất để ước lượng, nhưng cũng cần phải lưu ý rằng
nó lại dựa trên giả định rằng các độ co dãn là không đổi.
Việc ước lượng hàm cầu như trên là chấp nhận được nhưng vẫn còn tồn tại nhiều vấn
đề thống kê nằm trong việc đạt đến những kết quả ước lượng mà không hề đúng với
bất kỳ độ tin cậy nào. Trước hết, phương pháp hồi quy bội không cho ta một mối quan
hệ chính xác giữa lượng cầu và mỗi một trong các yếu tố ảnh hưởng đến nó. Nó chỉ
biểu thị mối quan hệ "phù hợp nhất" với số liệu đã có. Trong một số trường hợp mối
quan hệ "phù hợp nhất" này chỉ giải thích được một phần rất nhỏ những thay đổi trong
4 TX KHMI02_Bai 1_v1.0014107222
Bài 1: Các phương pháp ước lượng cầu
lượng cầu. Nếu như vậy hàm số đã xác định sẽ có giá trị thấp trong việc ước lượng và
dự đoán cầu.
Thứ hai, các giá trị ước lượng được của các hệ số trong phương trình cầu là những
ước lượng tốt (được gọi là BLUES) nếu những giả định về sai số là đúng (sai số là
hiệu số giữa giá trị cầu ước lượng được bằng phương trình và giá trị thực tế). Nếu
không thì phải thực hiện những sự điều chỉnh khác nhau, nhưng chẳng có sự điều
chỉnh nào là thoả mãn hoàn toàn.
Vấn đề thứ ba là sự xác định đường cầu. Khi các nhà thống kê đã thu nhập được rất
nhiều các quan sát về giá của hàng hoá theo thời gian, và mức cầu ở mỗi mức giá thì
người ta kết luận rằng đường thẳng nối tất cả các tập hợp cuả các quan sát đó là đường
cầu. Trong hình 1.2 đó là đường ABC.
(a)
P
A
Đường cầu
ước lượng
B
C
Q
(b)
P
D1
S1
A D2 S2
B D3 S3
C
Nhưng một tập hợp các quan sát có thể phát sinh theo nhiều cách khác nhau. Nếu biết
là đường cầu giữ nguyên ở vị trí cũ (tức là không có yếu tố nào khác ngoài giá thay
đổi trong khoảng thời gian quan sát) mà chỉ có đường cung dich chuyển thì các tập
hợp đó sẽ nằm trên một đường cầu. Nhưng các tập hợp đó cũng lại có thể phát sinh từ
sự dịch chuyển của cả đường cầu và đường cung như ở hình 1.2(b), trong trường hợp
đó AB không biểu thị đường cầu nào cả.
Vấn đề thứ ba này có thể xử lý được nhưng rất phức tạp và đòi hỏi việc ước lượng một
mô hình được tạo nên từ hệ nhiều phương trình chứ không phải là một phương trình.
TX KHMI02_Bai 1_v1.0014107222 5
Bài 1: Các phương pháp ước lượng cầu
Mặc dù phương pháp ước lượng cầu còn nhiều hạn chế nhưng rất nhiều nỗ lực đã
được thực hiện để ước lượng cầu và co dãn bằng cách sử dụng các phương pháp dựa
trên một phương trình.
6 TX KHMI02_Bai 1_v1.0014107222
Bài 1: Các phương pháp ước lượng cầu
hóa mà doanh nghiệp đang xem xét. Những người tham gia có động cơ mua các
sản phẩm mà họ mong muốn nhất vì họ thường được cho phép giữ lại sản phẩm đã
mua. Như vậy, phân tích người tiêu dùng thực tế hơn là điều tra người tiêu dùng.
Bằng việc có thể kiểm soát được môi trường, phân tích người tiêu dùng còn có thể
tránh được những khó khăn không ngờ tới của giai đoạn thử nghiệm thị trường
thực sự.
Tuy nhiên phân tích người tiêu dùng cũng có những hạn chế nghiêm trọng:
o Thứ nhất, kết quả thu được là đáng ngờ vì những người tham gia biết rằng họ
đang ở trong một tình huống nhân tạo và họ đang bị quan sát. Vì thế không
chắc là họ đã hành động một cách bình thường như khi họ ở trong một tình
huống thực.
o Thứ hai, mẫu chọn những người tham gia
thường là nhỏ vì chi phí thực hiện thí nghiệm
cao. Do đó việc suy luận về hành vi của thị
trường từ kết quả của một thí nghiệm dựa trên
một mẫu nhỏ là nguy hiểm. Mặc dù có những
hạn chế này, phân tích người tiêu dùng vẫn có
thể cung cấp thông tin hữu ích về cầu đối với
sản phẩm của doanh nghiệp, đặc biệt là phân
tích người tiêu dùng được bổ sung bằng điều tra người tiêu dùng.
Thử nghiệm thị trường
Khác với phân tích người tiêu dùng được thực hiện trong các điều kiện thí nghiệm
nghiêm ngặt, thử nghiệm thị trường được thực hiện trong các thị trường thực. Có
nhiều cách để thực hiện thử nghiệm thị trường. Cách thứ nhất là chọn một số thị
trường với các đặc tính kinh tế xã hội tương tự và thay đổi một số yếu tố ảnh hưởng
đến cầu ở các thị trường đó ví dụ giá hàng hoá, bao bì, số lượng hoặc các phương
pháp xúc tiến bán hàng trong các thị trường hoặc cửa hàng đó. Sau đó lần lượt ghi
chép những phản ứng (mua sắm) của người tiêu dùng trong các thị trường khác
nhau. Bằng việc sử dụng những số liệu hoặc các điều tra thống nhất doanh nghiệp
còn có thể xác định được ảnh hưởng của độ tuổi, giới tính, trình độ học vấn, thu
nhập và quy mô gia đình... đến cầu về một hàng hoá. Cách thứ hai là doanh nghiệp
có thể thay đổi lần lượt một trong số các yếu tố ảnh hưởng đến cầu trong sự kiểm
soát của mình đối với một thị trường cụ thể trong một thời gian và ghi chép các phản
ứng của người tiêu dùng.
Ưu điểm của thử nghiệm thị trường là có thể thực hiện trên quy mô lớn để đảm bảo
tính chính xác của kết quả và người tiêu dùng không biết rằng họ đang thực hiện sự
thử nghiệm. Tuy nhiên, thử nghiệm thị trường cũng có nhược điểm. Một trong các
nhược điểm đó là để cho chi phí của thử nghiệm thấp thì phải thử nghiệm trên một
quy mô rất nhỏ và trong một khoảng thời gian tương đối ngắn, vì thế những suy luận
cho toàn bộ thị trường là đáng ngờ. Những sự kiện bất thường như đình công hoặc
thời tiết quá xấu có thể làm cho kết quả bị sai lệch trong các thử nghiệm không kiểm
soát được. Các đối thủ cạnh tranh cũng có thể ngầm phá huỷ thử nghiệm bằng việc
thay đổi giá và các yếu tố khác ảnh hưởng đến cầu trong sự kiểm soát của họ. Họ
cũng có thể giám sát thử nghiệm và thu được những thông tin rất hữu ích mà doanh
TX KHMI02_Bai 1_v1.0014107222 7
Bài 1: Các phương pháp ước lượng cầu
nghiệp không muốn để lộ. Cuối cùng, doanh nghiệp có thể mất khách hàng thường
xuyên của mình trong quá trình tăng giá ở những thị trường mà doanh nghiệp thử
nghiệm với giá cao.
Mặc dù có những nhược điểm như vậy nhưng thử
nghiệm thị trường vẫn là rất có ích đối với doanh
nghiệp trong việc xác định chiến lược giá tốt nhất
cho mình và trong việc kiểm nghiệm bao bì, các
chiến dịch xúc tiến và chất lượng sản phẩm khác
nhau. Thử nghiệm thị trường là cực kỳ hữu ích
trong quá trình đưa ra một sản phẩm mới ở nơi mà
không có các số liệu khác. Chúng cũng có thể là rất
hữu ích trong việc làm thay đổi các kết quả của các kỹ thuật thống kê sử dụng để
ước lượng cầu.
Lượng bán
8 TX KHMI02_Bai 1_v1.0014107222
Bài 1: Các phương pháp ước lượng cầu
Các điểm chấm rải rác ở hình 1.3 biểu thị lượng bán trong các thời kỳ gần đây và
đường thẳng nét liền được xem như tập hợp tốt nhất cho các điểm này. Sự mở rộng xu
hướng này trong tương lai được đánh dấu bằng đường nét đứt cho ta dự đoán về lượng
bán trong các thời kỳ tương lai. Nhược điểm cơ bản của phương pháp này là nó không
đưa ra những suy luận về các nhân tố ảnh hưởng cầu mà chỉ giả định rằng yếu tố duy
nhất cần phải tính đến là thời gian. Nó cũng giả định rằng mối quan hệ giữa thời gian
và biến đang dự đoán là mối quan hệ đơn giản và tồn tại cả trong dài hạn.
Một kiểu phức tạp hơn của ngoại suy là phân tích dãy số thời gian. Nó bao gồm rất
nhiều các kỹ thuật giải thích khác nhau. Có thể kỹ thuật được nhiều người biết đến
nhất là phương pháp phân ly. Trong phương pháp này người ta giả định rằng bất kỳ
dãy số thời gian nào cũng được hợp thành bởi các dãy số bộ phận. Bộ phận thứ nhất là
sự vận động mùa vụ (S) trong phạm vi của năm. Bộ phận thứ hai là sự vận động bất
thường (I) bao gồm những thay đổi không tái diễn và không dự đoán được. Bộ phận
thứ ba là xu hướng (T) biểu thị những thay đổi dài hạn trong biến đang xem xét. Các
sách giáo khoa về dự đoán thường bao gồm cả bộ phận thứ tư là sự vận động chu kỳ
(C) được hợp thành bởi những thay đổi lặp đi lặp lại và được mở rộng trong một vài
năm. Chẳng có gì là rõ ràng rằng các ngành có thực sự là đối tượng của những vận
động chu kỳ thường xuyên hay không. Dù áp dụng phương pháp nào đi nữa thì mỗi
một quan sát có thể được tạo thành bởi các bộ phận này và có thể gắn với nhau bằng
phép cộng:
Xt = Tt + Ct + St + It
Trong đó: Xt là quan sát của thời kỳ t
Tt là giá trị xu hướng của thời kỳ t
Ct là bộ phận chu kỳ của thời kỳ t
St là bộ phận thời vụ của thời kỳ t
It là bộ phận bất thường của thời kỳ t
Mối quan hệ giữa các bộ phận cũng có thể là phép nhân:
Xt = Tt . Ct . St . It
Để sử dụng được dãy số thời gian cho phân tích, các số liệu ban đầu phải được phân
tích thành các bộ phận cấu thành. Công việc này có thể thực hiện bằng nhiều cách.
Một ví dụ đơn giản sau sẽ minh họa cho cách phân tích này. Trong ví dụ bộ phận chu
kỳ không được đưa vào (lý do đã nêu trên).
Thứ nhất, yếu tố xu hướng trong số liệu được tách ra, hoặc bằng cách lấy trung bình
của số liệu ban đầu hoặc bằng cách lấy đường thẳng áp dụng vào số liệu ban đầu cho
phù hợp (sử dụng phân tích hồi quy).
Dãy số mới được tạo ra biểu thị ảnh hưởng của xu hướng. Lấy giá trị thực tế trừ đi giá
trị tính được ta được bộ phận mùa vụ và bất thường gộp lại. Để tách riêng bộ phận
mùa vụ ra, phải lấy trung bình của các bộ phận mùa vụ cộng bất thường cho mỗi mùa
của năm. Khi bộ phận bất thường cho mỗi mùa đã được tính trung bình thì kết quả thu
được là bộ phận mùa vụ, cho ta giá trị cho mỗi mùa. Vì các bộ phận mùa vụ cộng lại
bằng 0 nên cần có một sự điều chỉnh kết quả nào đó.
Một khi bộ phận xu hướng và mùa vụ đã được xác định việc xây dựng dự đoán cho
tương lai bao gồm việc sử dụng phương trình hồi quy để tính giá trị xu hướng cho thời
TX KHMI02_Bai 1_v1.0014107222 9
Bài 1: Các phương pháp ước lượng cầu
kỳ tương lai đang xem xét và cộng thêm bộ phận mùa vụ vào. Có thể thấy rõ quá trình
này bằng việc làm ví dụ.
Bảng 1. Phân tích dãy số thời gian về lượng bán
Bước 1: Tính yếu tố xu hướng
Số liệu sau đây biểu thị lượng xe đạp bán ra mỗi mùa trong thời kỳ 1980 – 1985.
Thời kỳ t Quan sát thực
1980
Mùa xuân 1 2419
Mùa hè 2 2947
Mùa thu 3 3396
Mùa đông 4 3515
1981
Mùa xuân 5 2742
Mùa hè 6 3127
Mùa thu 7 3978
Mùa đông 8 2439
1982
Mùa xuân 9 2686
Mùa hè 10 3493
Mùa thu 11 4185
Mùa đông 12 3920
1983
Mùa xuân 13 2690
Mùa hè 14 3598
Mùa thu 15 4317
Mùa đông 16 4035
1984
Mùa xuân 17 3069
Mùa hè 18 3337
Mùa thu 19 4439
Mùa đông 20 4242
1985
Mùa xuân 21 2910
Mùa hè 22 3923
Mùa thu 23 4809
Mùa đông 24 4570
Hồi quy đơn giản lượng bán theo thời gian ta được:
Tt = 2787,9 + 59,6t
Trong đó: Tt là giá trị xu hướng của lượng bán, t là khoảng thời gian.
10 TX KHMI02_Bai 1_v1.0014107222
Bài 1: Các phương pháp ước lượng cầu
Mùa hè 40
–19
109
–24 –99
–524
–176
TX KHMI02_Bai 1_v1.0014107222 11
Bài 1: Các phương pháp ước lượng cầu
Nếu cộng các giá trị mùa vụ này lại ta được tổng là –4. Nhưng tổng các yếu tố mùa vụ
trong một năm cộng lại phải bằng không, và hiệu số khác không là không đáng kể. Vì
thế không cần có sự điều chỉnh nào cho các yếu tố mùa vụ. Bây giờ có thể dự đoán
cho bất kỳ thời kỳ nào trong tương lai bằng việc tính giá trị xu hướng cho thời kỳ đó
và cộng thêm yếu tố mùa vụ vào. Ví dụ, nếu ta muốn dự đoán lượng bán cho mùa
đông năm 1986, thì trước hết phải lưu ý rằng mùa đông năm 1986 là thời kỳ 28. Giá
trị xu hướng được cho bởi phương trình hồi quy sau:
Tt = 2787,9 + 59,6t khi t = 28 thì Tt = 4456,7
Yếu tố mùa vụ cho mùa đông là 165, do đó giá trị dự đoán là:
Dự đoán cho mùa đông 1986 = 4456,7 + 165 = 4621,7
Cần phải lưu ý rằng ví dụ trên vận dụng phương pháp đơn giản nhất do đó nó có thể
không phải là phương pháp thích hợp nhất cho một tập hợp số liệu đang xem xét. Một
mô hình phức tạp hơn, (ví dụ mô hình đưa thêm yếu tố chu kỳ), hoặc các phương pháp
khác có thể hoàn thiện được chất lượng dự đoán. Có thể thử bằng rất nhiều phương
pháp khác nhau và độ chính xác của chúng đo được bằng "dự báo ngược trở lại". Có
nghĩa là sử dụng mô hình dự đoán vừa xác định được để dự đoán số liệu đã có xem có
chính xác không. Việc đo độ chính xác của dự đoán có thể đạt được bằng việc sử dụng
các kỹ thuật khác nhau.
12 TX KHMI02_Bai 1_v1.0014107222
Bài 1: Các phương pháp ước lượng cầu
cũng thường cần biết về lượng bán của bản thân họ. Lượng bán của doanh nghiệp
phụ thuộc nhiều vào mức độ chung của hoạt động kinh tế và lượng bán của cả
ngành, và chúng còn phụ thuộc vào nhiều chính sách của doanh nghiệp. Doanh
nghiệp có thể dự đoán lượng bán của mình bằng việc thăm dó ý kiến của các
chuyên gia trong và ngoài doanh nghiệp. Có một số cách thăm dò ý kiến:
o Thăm dò ý kiến người lãnh đạo: Doanh nghiệp
có thể thăm dò ý kiến của ban quản lý cao nhất
từ các bộ phận bán hàng, tài chính và bộ phận
tổ chức về lượng bán hàng của doanh nghiệp
trong quý hoặc năm tới. Mặc dù sự nhìn nhận
cá nhân của những người này mang tính chủ
quan ở mức độ cao nhưng bằng việc lấy trung
bình các ý kiến của các chuyên gia có khả năng hiểu biết nhiều nhất về doanh
nghiệp và sản phẩm cuả doanh nghiệp thì doanh nghiệp có thể hy vọng có được
một dự đoán tốt hơn so với dự đoán do các cá nhân chuyên gia cung cấp. Cũng
có thể thăm dò ý kiến của các chuyên gia bên ngoài. Để tránh ảnh hưởng bắt
chước có thể sử dụng phương pháp Delphi. Các chuyên gia được hỏi ý kiến
riêng và sau đó cung cấp câu trả lời mà không chỉ ra ai là người chịu trách
nhiệm về một ý kiến cụ thể. Hy vọng ở đây là thông qua quá trình trả lời các
chuyên gia có thể có được một dự đoán thống nhất.
o Thăm dò ý kiến lực lượng bán hàng: Đây là dự đoán về lượng bán của doanh
nghiệp ở mỗi vùng và mỗi dòng sản phẩm dựa trên lực lượng bán hàng của
doanh nghiệp ở khu vực đó. Lực lượng này là những người tiếp xúc gần nhất
với người tiêu dùng và ý kiến của họ sẽ cung cấp những thông tin có giá trị cho
những người quản lý cấp cao của doanh nghiệp.
o Thăm dò những dự định của người tiêu dùng: Các công ty bán ô tô, đồ gỗ, các
đồ dùng gia đình đôi khi thăm dò ý kiến của những người mua tiềm năng về dự
định mua sắm của họ. Sau đó doanh nghiệp có thể dự đoán mức bán hợp lý cho
các mức thu nhập được sử dụng khác nhau trong tương lai của người tiêu dùng.
Quan tâm đến triển vọng nước ngoài
Phần sản phẩm bán được ở nước ngoài của các doanh nghiệp ngày càng tăng và
doanh nghiệp gặp phải sự cạnh tranh cả ở trong nước và cả với các doanh nghiệp
nước ngoài. Vì thế sẽ rất quan trọng nếu dự đoán những thay đổi trong các thị
trường ngoài nước vì nó ảnh hưởng không chỉ đến thị trường sản phẩm xuất khẩu
của doanh nghiệp mà nó còn ảnh hưởng đến cả sự cạnh tranh trong nước. Để có
được tầm nhìn quốc tế cần phải hình thành các bộ phận tư vấn về thiết kế mẫu mã
cho nước ngoài và những doanh gia nước ngoài. Ưu điểm của những ban tư vấn
nước ngoài là họ không phải mất thời gian nghiên cứu các nhiệm vụ khác như lập
kế hoạch mà có thể dành toàn tâm toàn ý vào các vấn đề quốc tế có ảnh hưởng
đến tương lai của doanh nghiệp và các đối thủ của doanh nghiệp. Ban giám đốc
của doanh nghiệp thường phải quan tâm đến các vấn đề trước mắt vì thế thường
thiếu sự hiểu biết sâu sắc về sự phát triển mới ở bên ngoài và không thể đánh giá
ảnh hưởng của những sự phát triển này đến sự cạnh tranh của doanh nghiệp trong
nước và trên thế giới. Vì thế đầu tư vào ban tư vấn nước ngoài là một công cụ vô
TX KHMI02_Bai 1_v1.0014107222 13
Bài 1: Các phương pháp ước lượng cầu
giá để đạt đến tầm nhìn toàn cầu và kế hoach hoá những chiến lược trong nước và
ngoài nước trong khoảng thời gian dài hơn cho doanh nghiệp.
RMSE
(A t Ft ) 2
n
Trong đó: At là giá trị thực tế của dãy số thời gian thời kỳ t
Ft là giá trị dự đoán và n là số thời kỳ hoặc số quan sát.
Hiệu số dự đoán hoặc sai số (nghĩa là A – F) được lấy bình phương để đạt những
sai số lớn so với các sai số nhỏ.
Kỹ thuật Smoothing mũ:
Nhược điểm nghiêm trọng của lấy trung bình giản đơn là trong việc dự đoán, nó
cho tất cả các quan sát một hệ số như nhau trong việc tính trung bình mặc dù có
thể thấy các quan sát gần đây có tầm quan trọng lớn hơn. Smoothing mũ khắc phục
nhược điểm này và được sử dụng phổ biến hơn trong dự đoán.
Bằng Smoothing mũ, dự đoán cho thời kỳ t + 1 (nghĩa là Ft+1) là trung bình hệ số
của các giá trị dự đoán và giá trị thực của dãy số thời gian trong thời kỳ t. Giá trị
của dãy số thời gian ở thời kỳ t (nghĩa là At) được cho một hệ số (w) giữa 0 và 1
và dự đoán cho thời kỳ t được cho hệ số 1 – w. w càng lớn thì hệ số gắn cho giá trị
của dãy số thời gian ở thời kỳ t càng cao so với các thời kỳ trước. Như vậy giá trị
dự đoán của dãy số thời gian ở thời kỳ t+1 là:
Ft+1 = wAt + (1–w)Ft
Cần phải ra hai quyết định trong việc sử dụng kỹ thuật Smoothing. Thứ nhất, cần
phải gán một giá trị cho dự đoán ban đầu (nghĩa là Ft) để cho sự phân tích bắt đầu.
Một cách có thể làm điều này là cho Ft bằng giá trị trung bình của cả dãy số thực tế
quan sát được. Ta cũng phải quyết định giá trị w (hệ số gán cho At). Nói chung,
phải thử các giá trị khác nhau của w và giá trị nào dẫn đến RMSE nhỏ nhất thì
được sử dụng trong dự đoán.
Các kỹ thuật dự đoán Barometric
Dự đoán Barometric sử dụng các chỉ dẫn về các hoạt động hiện thời để cung cấp
các dự đoán về tương lai. Có thể kỹ thuật Barometric phổ biến nhất là sử dụng các
14 TX KHMI02_Bai 1_v1.0014107222
Bài 1: Các phương pháp ước lượng cầu
chỉ dẫn đi trước. Chỉ dẫn đi trước là một biến đã biết hoặc tin là có liên quan đến
hành vi tương lai của một biến sẽ cần dự đoán. Ví dụ, nếu ta muốn dự đoán về số
trẻ em sẽ đi học lần đầu sau năm năm thì số trẻ em sinh ra năm nay sẽ cung cấp
một chỉ dẫn đi trước rất hữu ích. Trong ví dụ này mối quan hệ giữa chỉ dẫn đi
trước và biến sẽ dự đoán là rất chặt chẽ. Trong các trường hợp khác có thể không
có mối quan hệ nhân quả giữa chỉ dẫn và biến dự đoán. Chẳng hạn người ta cho
rằng hoạt động thể thao ngoài trời có quan hệ chặt chẽ với chu kỳ kinh doanh (một
lý do khác có thể là đáng ngờ về giá trị của bộ phận chu kỳ).
Tầm quan trọng của người kinh doanh là phải có khả năng dự đoán những sự vận
động tổng quát về mức độ của hoạt động kinh tế, có rất nhiều các chỉ dẫn đi trước
được sử dụng để xác định những thay đổi trong tổng chi tiêu, thu nhập và việc làm.
Đó là các đơn đặt hàng mới về máy móc thiết bị, những cái đó thường phát sinh
trước sự tăng của hoạt động kinh tế, độ dài của tuần làm việc và sự hoạt động của
thị trường tài chính.
TX KHMI02_Bai 1_v1.0014107222 15
Bài 1: Các phương pháp ước lượng cầu
Hiểu được phương pháp ước lượng cầu bằng phân tích hồi quy có lợi thế gì so với ước lượng
cầu bằng các phương pháp nghiên cứu Marketing.
Các nhà nghiên cứu xác định mô hình ước lượng cầu như thế nào? Làm thế nào một nhà nghiên
cứu có được các dữ liệu cho việc ước lượng cầu bằng phương pháp phân tích hồi quy?
Các nhà nghiên cứu làm thế nào xác định được dạng của hàm cầu cần ước lượng? Các độ dốc
ước lượng của hai dạng hàm cầu phổ biến nhất được biểu diễn như thế nào?
16 TX KHMI02_Bai 1_v1.0014107222
Bài 1: Các phương pháp ước lượng cầu
TX KHMI02_Bai 1_v1.0014107222 17