Chương 2: Dự báo bằng phương pháp ngoại suy

 Những vấn đề chung

 Ngoại suy xu thế tuyến tính
 Ngoại suy xu thế phi tuyến
Những vấn đề
chung Ví dụ: GDP của Việt Nam theo giá thực
tế 1990 41955
1991 76707
1992 110532
1993 140258
1994 178534
Thế nào là chuỗi 1995 228892
thời gian? 1996 272036
1997 313623
1998 361017
1999 399942
2000 441646
2001 481295
2002 535762
2003 613443
2004 715307
2005 914001
2006 1061565
2007 1246769
2008 1616047
2009 1809149
2010 2157828
LÊ QUANG CẢNH-KHOA KẾ
2011 2779880
HOẠCH VÀ PHÁT TRIỂN 2012 3245419
Những vấn đề
chung
Chuỗi thời gian

 Khái niệm: Là tập hợp các giá trị của một biến
ngẫu nhiên hay chỉ tiêu thống kê được sắp xếp
theo thứ tự thời gian.
 Ví dụ về CTG?
 Các thành phần cấu thành:
 Biến động xu thế (X)
 Biến động thời vụ (W)
 Biến động theo chu kỳ (C)
 Biến động ngẫu nhiên (U)
 Dạng tổng quát

LÊ QUANG CẢNH-KHOA KẾ
Yt  f ( X t ,Wt , Ct ,U t )
HOẠCH VÀ PHÁT TRIỂN
Những vấn đề
chung
Các thành phần chuỗi thời gian

Chu kỳ
Xu thế

Biến động
ngẫu nhiên

t t

Thời vụ Xu thế thời vụ

Cầu
t t
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Những vấn đề
chung
Chuỗi thời gian (tiếp theo)

 Phương pháp xây dựng chuỗi thời gian

Bước xử lý này là  Đồng nhất về nội dung kinh tế, có thể so sánh,
một phần việc của  Tuy nhiên, các yêu cầu trên dễ bị vi phạm (do địa giới
đánh giá trước dự
thay đổi, đối tượng dự báo thay đổi, khoảng thời gian
báo.
thu thập số liệu khác nhau, khái niệm không thông
nhất,…)
 Do vậy, phải xử lý sơ bộ chuỗi thời gian (loại bỏ sai
số): sai số thô, sai số hệ thống và sai số ngẫu nhiên:
 Các phương pháp xử lý sơ bộ chuỗi thời gian:
 Phân tích đối chứng kỹ thuật
 Sử dụng kiểm định thống kê
 Loại trừ yếu tố ngoài giả thiết
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Những vấn đề
chung
Phương pháp OLS

Ước lượng các tham  Giả sử có dạng hàm Yt    1t   2t 2  ...   p t p  et

2
số của hàm xu thế n
 p

 Ước lượng tham số sao cho: Z    Yt  (    i t i )     Min
t 1  i 1 
sao cho các tham số
 Lấy đạo hàm riêng phần bậc nhất theo các tham số và giải hệ điều
ước lượng cho tổng
bình phương của các kiện cần này:
sai số là nhỏ nhất.
 n n n n

n  1  t   2  t  ...   p  t   Yt
2 p

 t 1 t 1 t 1 t 1

 n n n n n

  t  1  t   2  t ...   p  t   Yt t
2 3 p 1

 t 1 t 1 t 1 t 1 t 1
.........................................................................

 n p n n n n

 
 t 1
t   1 
t 1
t p 1
  2 
t 1
t p2
...   p t 1
t 2p
 
t 1
Yt t p

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
Những vấn đề
chung
Sai số dự báo và khoảng dự báo

 Khi thành phần ngẫu nhiên tuân theo quy luật phân phối chuẩn
n

 (Y  Yˆ )
t t
2

u  t 1
n  p 1

Trong đó: p là bậc của đa thức mô tả xu thế

Sai số cực đại sẽ là:   k u (k=1, 2, 3)

Yˆt 1  
Khoảng dự báo sẽ là: Yt *1

Yˆt 1  

Yˆt 1    Yt *1  Yˆt 1  

LÊ QUANG CẢNH-KHOA KẾ ht tl t
HOẠCH VÀ PHÁT TRIỂN
Những vấn đề
chung
Sai số dự báo và khoảng dự báo (tiếp theo)

 Khi thành phần ngẫu nhiên không tuân theo quy luật phân phối
chuẩn, sai số dự báo sẽ được tính   t (n).Sˆ p

trong đó t (n) là tham số T-student với n bậc tự do và mức ý nghĩa 

Su2  (t p  t ) 2 

Sˆ p  1
n  p  1   (ti  t ) 
 2 

t p là giá trị t ở thời điểm dự báo

n
S   ut2
2
u
t 1

LÊ QUANG CẢNH-KHOA KẾ
Khoảng dự báo sẽ là: Yˆt 1    Yt *1  Yˆt 1  
HOẠCH VÀ PHÁT TRIỂN
Những vấn đề
chung Các nhân tố ảnh hưởng tới sai số dự báo

 Tầm xa dự báo (l tăng, khoảng sai số tăng)

 Mức ý nghĩa alpha (alpha tăng, t(alpha) tăng, khoảng sai số

tăng)

 Độ dài chuỗi thời gian (n tăng, khoảng sai số giảm)

 Mô hình và phương pháp ước lượng tham số

 Chú ý: Khi xu thế là một hàm tuyến tính bậc nhất, ta có

1 3(n  2l  1) 2
Sˆ p   u 1  
n n(n 2  1)

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
NGOẠI SUY
Khái niệm về ngoại suy

 Thế nào là ngoại suy?

Dự báo giá trị của đối
tượng dự báo (chuỗi thời
gian) bằng cách mở rộng
xu thế của vận động của
chuỗi thời gian sang tương
lai
“Catch the next
wave before it
catches you !”
Ngoại suy là nghiên cứu tiền sử của đối tượng dự
báo và chuyển tính quy luật đã phát hiện trong
quá khứ, hiện tại sang tương lai với điều kiện:
 Đối tượng dự báo phát triển ổn định
 Những điều kiện chung cho đối tượng dự báo phát triển
được duy trì
 Không có sự phát triển đột biến của đối
Yes
tượng dự báo

 Ngoại suy được tiến hành dựa trên

thành phần xu thế
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
NGOẠI SUY
Thành phần biến động xu thế

Xu thế của chuỗi thời  Khái niệm: Xu thế là một bộ phận của chuỗi
gian có thể là tuyến tính thời gian thể hiện khuynh hướng phát triển dài
hoặc phi tuyến. Trong dự
hạn của chuỗi thời gian đó.
báo bằng phương pháp
xu thế, biến độc lập sẽ  Cách xác định hàm xu thế
phải có biến thời gian
 Dùng đồ thị
 Phân tích thống kê
 Sử dụng phương pháp OLS
 Ước lượng hàm xu thế
 Phương pháp điểm chọn
 Phương pháp nội suy Newton (Thuật toán Gauss-Newton)
 Phương pháp bình phương nhỏ nhất thông thường
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
NGOẠI SUY
Các xu thế chủ yếu của các biến kinh tế-
xã hội

 Xu thế tuyến tính

 Xu thế phi tuyến
 Hàm mũ
 Hàm Logistic

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
Ngoại suy xu thế
tuyến tính
Xu thế tuyến tính

Yt  a  bt   t
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
Ngoại suy xu thế
tuyến tính Ví dụ về ngoại suy xu thế tuyến tính
Y t t2 Yt Ydb et
4.9 1 1 4.9 4.88 0.02
5.2 2 4 10.4 5.23 -0.03
5.6 3 9 16.8 5.58 0.02
5.9 4 16 23.6 5.93 -0.03
6.3 5 25 31.5 6.28 0.02
6.6 6 36 39.6 6.63 -0.03
7 7 49 49 6.98 0.02
7.3 8 64 58.4 7.33 -0.03
7.7 9 81 69.3 7.68 0.02
8 10 100 80 8.03 -0.03
8.4 11 121 92.4 8.37 0.03
8.7 12 144 104.4 8.72 -0.02
9.1 13 169 118.3 9.07 0.03
9.4 14 196 131.6 9.42 -0.02
9.8 15 225 147 9.77 0.03
10.1 16 256 161.6 10.12 -0.02
10.5 17 289 178.5 10.47 0.03
10.8 18 324 194.4 10.82 -0.02
11.2 19 361 212.8 11.17 0.03
LÊ QUANG CẢNH-KHOA KẾ 11.5 20 400 230 11.52 -0.02
HOẠCH VÀ PHÁT TRIỂN
164 210 2870 1954.5
Ngoại suy xu thế
Ví dụ Tìm xu thế của chuỗi thời gian trên

14

12

10

0
0 2 4 6 8 10 12 14 16 18 20 22

Xu thế là một hàm tuyến tính bậc nhất: Yt    t   t

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
Ngoại suy xu thế
Ví dụ
 Các tham số  và  được ước lượng thông qua giải hệ
phương trình sau:  20  210  164
 210  2870  1954.5

 Giải hệ phương trình, ta được:
  4.53   0.35
 Dự báo cho t =21 sẽ là 11.87 đơn vị.
n

 (Y  Yˆ )
t t
2
0.0124
u  t 1
  0.007
n  p 1 18

1 3(n  2l  1) 2 1 3(20  2  1) 2
Sˆ p   u 1   0.007 1    0.0072
n n(n  1)
2
20 20(20  1)
2

  t (n).Sˆ p  2,09 * 0.0072  0.0150

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN  Khoảng dự báo sẽ là: 11.86  Yt *1  11.89
Ngoại suy xu thế
phi tuyến Ngoại suy xu hướng phi tuyến

 Tiếp cận phương pháp dự báo dài hạn cho các đối
tượng dự báo vận động theo hàm tăng trưởng, hoặc
đối tượng dự báo có trạng thái bão hòa.
 Mô hình dự báo bằng mô hình bão hòa cho phép
xác định trạng thái giới hạn phát triển của đối
tượng dự báo. Kết quả này rất hữu ích cho quản lý
vĩ mô cũng như vi mô.
 Phần này đi vào xem xét dự báo cho các đối tượng
dự báo vận động theo 2 dạng hàm tiêu biểu:
 Hàm mũ
 Hàm Logistic

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
Đối tượng dự báo
vận động theo Chuỗi thời gian biến động theo dạng hàm
dạng hàm mũ mũ
 Một CTG biến động theo quy luật hàm số mũ khi có tốc độ tăng
trưởng ổn định theo thời gian.
 Ví dụ: Tiền gửi tiết kiệm hoặc cho vay, sự biến đổi của dân số
 Tốc động tăng trưởng này quyết định giá trị CTG tăng nhanh hay chậm
(nếu không tính tới các yếu tố ảnh hưởng khác).
 Về mặt toán học: Nếu gọi tốc độ tăng trưởng của CTG X là a, khi đó:

X ' (t ) dX
a trong đó X ' (t )   aX (t )
X (t ) dt

1 1
dX  adt   dX   adt  ln X  at  ln c
X X
X  X
at  ln t   e at  t  X t  ce at
 c  c
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
Đối tượng dự báo
vận động theo
dạng hàm mũ
Ước lượng tham số và tiến hành dự báo

 Hàm mũ có thể chuyển thành: ln X  at  ln c

 Các tham số c và a được ước lượng thông qua phương pháp OLS

n ln c  a  t   ln X t
  cˆ, aˆ
ln c  t  a  t   t ln X t
2

 Mô hình dự báo có dạng: Xˆ t  cˆe aˆt

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
Đối tượng dự báo
vận động theo
dạng hàm mũ
Ví vụ minh họa
Năm t Dân số ln(X) t2 t.ln(X) X hat e e2
2005 1 1794 7.492 1 7.49 1794.86 -0.86 0.74
Có số liệu về quy mô 2006 2 1816.5 7.505 4 15.01 1816.45 0.05 0.00
dân số của một tỉnh 2007 3 1838.06 7.516 9 22.55 1838.30 -0.25 0.06
Việt Nam thu được 2008 4 1861.03 7.529 16 30.12 1860.41 0.62 0.38
trong khoảng thời 2009 5 1883.24 7.541 25 37.70 1882.79 0.45 0.20
gian 2005 đến 2014. 2010 6 1905.97 7.553 36 45.32 1905.44 0.53 0.28
Hãy dự báo dân số 2011 7 1929.12 7.565 49 52.95 1928.36 0.76 0.58
của tỉnh ở 2015 và
2012 8 1951.48 7.576 64 60.61 1951.56 -0.08 0.01
tính các sai số dự
2013 9 1974.31 7.588 81 68.29 1975.03 -0.73 0.53
báo.
2014 10 1998.29 7.600 100 76.00 1998.79 -0.50 0.25

55 18952 75.465 385 416.04 18952.01 -0.0017 3.0257

10 ln c  55a  75.46 ln cˆ  7.48073 cˆ  1773.53

  
55 ln c  385a  416.04 â  0.011957 â  0.011957

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
Đối tượng dự báo
vận động theo
dạng hàm mũ
Ví dụ minh họa (tiếp theo)

 Hàm dự báo:

Xˆ t  1773.53 e 0.01196t
 Dân số ở địa phương năm 2014:

Xˆ 2015  1773.53 e 0.01196*11  2022.83

 Sai số dự báo:
 MFE = -0.0017/10 = - 0.0001
 MSE = 3.03/10 = 0.303
 MPAE = 0.254/10 = 0.0254%

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Dạng Logistic
Một vài ví dụ về CTG biến động theo dạng
logistic

 Trong thực tế có rất nhiều CTG biến động theo dạng hàm
Logistic:
 Quy mô dân số của một quốc gia hoặc toàn cầu
 Sự tăng trưởng trên thị trường hàng hóa lâu bền
 Sự tăng trưởng của một sản phẩm theo chu kỳ sống
 Xác định được xu thế tăng trưởng của các CTG này và dự báo
được mức bão hòa có ý nghĩa quan trọng trong xây dựng chiến
lược phát triển quốc gia, và chiến lược và kế hoạch kinh doanh
của doanh nghiệp.
 Hàm logistic là sự kết hợp của dạng hàm mũ và hàm tăng
trưởng bão hòa
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Dạng Logistic
Xuất phát của phương trình logistic

 Hàm tăng trưởng bão hòa có tốc độ tăng giảm dần và đạt trạng
thái bão hòa. Nếu gọi tốc độ tăng trưởng là g, ta có
X' dX
g trong đó X '   aX ( S  X )
X dt
dX dX dX
 adt    aSdt
X (S  X ) X SX
 Đặt Z=S-X  dZ = -dX
dX dZ
 X  Z   aSdt  ln X  ln Z  aSt  c


SX SX
ln  aSt  c   e  aSt c
X X
 Phương trình logistic có dạng:
S
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN X
1  e  aSt c
 Dạng Logistic
Ước lượng tham số của hàm logistic

 Ta phải ước lượng 2 tham số a và S, vì c có thể tính toán được

SX
từ giá trị ước lượng của a và S. Ví dụ khi t = 1, e c 
Xe  aS
 Trường hợp 1: S đã biết S = S0
 S có thể được xác định ngoài mô hình dựa trên thông tin về đối
tượng dự báo, hoặc từ kinh nghiệm (nghiên cứu khác).
 Ta có, ln X  aS 0t  c
S0  X

X
 Đặt ln  Y  Y  bt  c trong đó b  aS 0
S0  X

 Khi đó ta có thể sử dụng OLS để ước lượng tham số.

nc  b t   Y cˆ  cˆ 
  
c  t  b t   tY b 
ˆ aˆ 
LÊ QUANG CẢNH-KHOA KẾ 2
HOẠCH VÀ PHÁT TRIỂN
 Dạng Logistic
Ước lượng tham số của hàm logistic (tiếp theo)

 Hàm dự báo sẽ là: Xˆ t 1 

S0
1  e  aˆS0 (t 1) cˆ

 Trường hợp 2: S chưa biết (ĐỌC THÊM)

 Đặt

1 1  e  aSt-c
yt  
xt S
1 1  e aSt-aS-c 1  e aSt-c e aS  e aS  e aS
zt   
x t 1 S S


  
e aS 1  e aSt-c

1  e aS 
S S
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Dạng Logistic
Trường hợp S Ước lượng tham số của hàm logistic (tiếp theo)
chưa biết

 aS 1  e  aS
 Đặt e  b1 ,  b0
S

 Phương trình ước lượng sẽ là: z t  b 0  b1 y t

 Sử dụng OLS ước lượng các tham số b0 và b1

 ˆ 1 bˆ1
nb0  b1  yt   zt b0 
   S
b0  yt  b1  yt   yt zt  ˆ
2
aS
1
b  e
 Từ đó tính được a, S
 1 bˆ1  1 bˆ1
Sˆ  ˆ Sˆ  ˆ
 b0  b0
 
 ln bˆ1  ˆ bˆ0 ln bˆ1
aˆ  ˆ a  1 bˆ
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 S  1
 Dạng Logistic
Trường hợp S Ước lượng tham số của hàm logistic (tiếp theo)
chưa biết

 Làm thế nào để ước lượng tham số c? Có hai cách

 Dùng phương pháp điểm chọn

 Khi đã ước lượng được S thì quay lại ước lượng các tham số như
trong trường hợp S đã biết.

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Dạng Logistic Ví dụ minh họa bằng mô hình logistic
Ví dụ minh họa
Năm t xt Y t2 t. Y xhat et e2 e/x*100
2001 1 2 -3.78 1 -3.78 1.94 0.06 0.00 3.16
2002 2 3.6 -3.18 4 -6.36 3.00 0.60 0.36 16.58
Số liệu về tỷ lệ hộ gia 2003 3 5.4 -2.75 9 -8.25 4.63 0.77 0.60 14.34
đình có sử dụng may
2004 4 7.2 -2.44 16 -9.77 7.05 0.15 0.02 2.03
giặt ở địa phương A thu
2005 5 9.1 -2.18 25 -10.92 10.60 -1.50 2.25 16.47
được trong bảng.
Người ta dự tính rằng 2006 6 10.9 -1.98 36 -11.89 15.59 -4.69 22.00 43.03

số hộ gia đình sử dụng 2007 7 20.6 -1.21 49 -8.50 22.27 -1.67 2.80 8.12
máy giặt có thể đạt tới 2008 8 30.4 -0.67 64 -5.39 30.64 -0.24 0.06 0.79
90% trong tương lai 2009 9 42.8 -0.10 81 -0.88 40.28 2.52 6.35 5.89
bởi lẽ có khoảng 10% 2010 10 51.5 0.29 100 2.91 50.38 1.12 1.25 2.17
hộ gia đình không có 2011 11 59.7 0.68 121 7.46 59.96 -0.26 0.07 0.43
cầu về máy giặt. Hãy
2012 12 69.8 1.24 144 14.88 68.22 1.58 2.49 2.26
bự báo tỷ lệ hộ sử dụng
2013 13 75.4 1.64 169 21.34 74.79 0.61 0.37 0.81
máy giặt, và bao giờ thì
tỷ lệ hộ sử dụng máy 91 388.4 -14.46 819 -19.16 389.35 -0.95 38.61 116.07

giặt đạt trạng thái bão 2014 14 79.68

hòa. 2019 19 87.08
2024 24 89.68
2029 29 89.97
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN 2032 32 90.00
 Dạng Logistic
Ví dụ minh họa Ước lượng tham số và dự báo

 Trong trường hợp này, giá trị bão hòa S đã được biết trước
13c  91b  14.46 cˆ  4.2678
 
91c  819b  19.16 bˆ  aS  0.4508
90
 Phương trình dự báo sẽ là: Xˆ t 1 
1  e 0.451(t 1)  4.268

 Giá trị dự báo (trong bảng)

 Các sai số dự báo
 MFE = -0.95/13 = -0.073
 MSE = 38.61/13 = 2.9697
 MAPE = 116.07/13 = 8.93%

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Dạng Logistic
Ví dụ minh họa Giá trị thực tế và dự báo

100
Dự báo Thực tế
90

80

70

60

50

40

30

20

10

0
1999 2001 2003 2005 2007 2009 2011 2015 2025
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Phân tích số liệu thống kê

Đây chỉ là các nhận biết

 Nếu t và X tăng theo cấp số cộng, xu thế có dạng tuyến
xu thế vận động của tính: X t     t
CTG mang tính lý thuyết.
 Nếu t tăng theo cấp số cộng, Xt tăng theo cấp số nhân, xu
Thực tế thì việc nhân biết
thế có dạng hàm mũ: X t   t
xu thế cho các CTG kinh
tế sẽ khó khăn hơn rất  Nếu logt và logX có quan hệ tuyến tính, xu thế có dạng
nhiều. như sau: X t  t 
 Nếu t tăng theo cấp số cộng, sai phân bậc p của Xt là hằng
số, xu thế có dạng đa thức bậc p: X t    1t   2t 2  ...   p t p
 Nếu t tăng theo cấp số cộng, sai phân bậc nhất của Xt giảm

đều, xu thế có dạng Hypebole: X t   
t
 Nếu t tăng theo cấp số cộng, sai phân bậc nhất của Xt thay
đổi dần tới điểm bão hòa, xu thế có dạng Logistic: S
LÊ QUANG CẢNH-KHOA KẾ
Xt 
(1  eSt c )
HOẠCH VÀ PHÁT TRIỂN
 Kiểm định thống kê

 Nếu trong chuỗi tồn tại giá trị x* lớn hơn hoặc nhỏ hơn
một cách bất thường thì kiểm định bằng thống kê.

x*  x 1 n
 Tính giá trị t*: t *  trong đó S 
n  1 t 1
(x i  x) 2
S

 Tra bảng phân phối T-Student, nếu t* > tα(n) thì kết luận
x* chứa sai số thô và thay thế x*  x

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Số liệu tiêu thụ Dầu Gội đầu hàng
năm của công ty XYZ

800

700

600

500

400

300

200

100

0
1970 1975 1980 1985 1990 1995 2000 2005 2010
LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN
 Dạng Logistic
Đồ thị hàm Logistic

Hàm mũ Tăng trưởng bão hòa Hàm logistic

LÊ QUANG CẢNH-KHOA KẾ
HOẠCH VÀ PHÁT TRIỂN