07/02/2023

TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH
KHOA KINH TẾ VẬN TẢI

BÀI GIẢNG
LÝ THUYẾT DỰ BÁO KINH TẾ
(THEORY OF ECONOMIC
FORECASTING)

Giảng viên: ThS Lê Hà Minh

Mã học phần: 412005
Phone: 0981.648.186
Email: haminh.ktvtb@gmail.com / minh.le@ut.edu.vn
2

1
 07/02/2023

TÀI LIỆU THAM KHẢO

1. KS Trần Anh Dũng (2009), Bài giảng lý thuyết dự báo kinh tế
2. ThS. Nguyễn Văn Huân (2009), Giáo trình phân tích và dự báo kinh
tế
3. Đại học kinh tế quốc dân, Giáo trình dự báo phát triển kinh tế xã hội
4. TS Đinh Bá Hùng Anh (2016), Dự báo trong kinh doanh, NXB Kinh
tế TP HCM
5. PGS.TS. Lê Huy Đức (2019), Giáo trình Dự báo Kinh tế - xã hội,
NXB Đại học Kinh tế Quốc dân.
6. Trịnh Lan Phương (2008), Phương pháp luận dự báo, NXB Thống
kê. 3

MỤC TIÊU MÔN HỌC

- Kiến thức
Thông qua môn học, sinh viên sẽ biết tổng quan về lý thuyết dự báo kinh tế , về
vai trò, chức năng của dự báo, nắm bắt được các phương pháp dự báo phổ biến
hiện nay: PP dự báo chuyên gia, PP phân tích Markov, PP dự báo thống kê và san
bằng hàm mũ, dự báo bằng mô hình cân đối,…
- Kỹ năng
Sinh viên lĩnh hội và sử dụng thành thạo những phương pháp và kỹ thuật dự báo
phổ biến nhất hiện nay. Rèn luyện các kỹ năng thực hành dự báo trên máy tính với
dữ liệu thực tế thu thập được. Từ đó SV đưa ra được những đánh giá dự báo tình
hình SXKD của các doanh nghiệp khai thác cảng, khai thác tàu, các công ty
Logistics qua các số liệu thu thập được.
- Thái độ
Sinh viên chủ động tìm hiểu và thực hành các phương pháp dự báo trên cơ sở
các số liệu thu thập được từ các doanh nghiệp khai thác cảng, khai thác tàu và
các công ty logistics hiện nay.
4

2
 07/02/2023

NỘI DUNG MÔN HỌC

Chương I. Tổng quan về dự báo kinh tế

Chương II. Dự báo bằng phương pháp chuyên gia
Chương III. Dự báo bằng Phân tích Markov
Chương IV. Mô hình dự báo thống kê – San bằng
hàm mũ
Chương V: Dự báo bằng mô hình cân đối

BÀI TẬP LỚN – THUYẾT TRÌNH THEO NHÓM

1.Tìm hiểu về dự báo bằng mô hình cân đối

2.Tìm hiểu về dự báo cầu thị trường

3.Tìm hiểu về dự báo về vốn đầu tư và vốn sản xuất

4.Tìm hiểu về dự báo tốc độ tăng trưởng và chuyển dịch cơ cấu

kinh tế

5.Tìm hiểu về dự báo dân số và nguồn nhân lực

3
 07/02/2023

NỘI DUNG CHƯƠNG I

1.1 Khái niệm

1.2 Phân loại dự báo

1.3. Vị trí và vai trò của dự báo.

1.4. Các nguyên tắc của dự báo.

1.5. Các phương pháp dự báo

4
 07/02/2023

1.1. KHÁI NIỆM

• Dự báo là sự tiên đoán có căn cứ khoa học, mang tính xác suất
về mức độ, nội dung các quan hệ, trạng thái xu hướng phát triển
của đối tượng nghiên cứu hoặc về cách thức và thời hạn đạt được
các mục tiêu nhất định đã đề ra trong tương lai.
• Dự báo là những phương pháp khoa học dựa vào sự phân tích toàn
diện quá khứ và hiện tại để đưa ra những tiên đoán về tương lai
với những giả thuyết.

1.2. PHÂN LOẠI DỰ BÁO

1.2.1. Theo đối tượng dự báo: Dự báo kinh tế, dự báo

tiến bộ khoa học công nghệ, dự báo dân số và nguồn
nhân lực, dự báo xã hội, dự báo môi trường sinh thái.

• Dự báo kinh tế là dự báo những xu thế, khuynh hướng vận động phát
triển của nền kinh tế và các bộ phận, yếu tố cấu thành của nó trong tương
lai.

• Đối tượng của dự báo kinh tế: có thể là mối quan hệ kinh tế đối ngoại dựa
trên những triển vọng phát triển kinh tế khu vực và thế giới, phân bổ sản
xuất công nghiệp, nông nghiệp trong các vùng kinh tế...

10

5
07/02/2023

6
 07/02/2023

1.2. PHÂN LOẠI DỰ BÁO

1.2.2. Theo tầm dự báo:

• dự báo tác nghiệp,
• dự báo ngắn hạn,
• dự báo trung hạn,
• dự báo dài hạn,
• dự báo siêu dài hạn.
•…

13

1.2. PHÂN LOẠI DỰ BÁO

1.2.3. Theo chức năng dự báo: Dự báo định mức, dự báo

nghiên cứu, dự báo tổng hợp.
1.2.4. Theo hình thức biểu hiện của kết quả dự báo: Dự
báo số lượng, dự báo chất lượng
1.2.5. Theo quy mô cấp độ của dự báo: Dự báo vĩ mô, dự
báo vi mô

14

7
 07/02/2023

Dự báo tăng trưởng toàn cầu năm 2021 và 2022 của các tổ chức quốc tế

Source: WB, IMF, OECD, UNDESA. 15

2020-2025

STT Trình độ nghề Tỉ lệ so với tổng số Số chỗ làm việc

việc làm trống (%) (Người/năm)

1 Trên đại học 2 6.000

2 Đại học 18 54.000
3 Cao đẳng 16 48.000
4 Trung cấp 28 84.000
5 Sơ cấp nghề 21 63.000

6 Lao động chưa qua đào tạo 15 45.000

Tổng số nhu cầu về trình độ nghề bình quân

100 300.0
hàng năm

Bảng 1.1. Nhu cầu nhân lực theo trình độ nghề tại TP. Hồ Chí Minh giai đoạn
2018 – 2020 đến năm 2025

16
Source: Trung tâm Dự báo nhu cầu nhân lực và Thông tin thị trường lao động TP. HCM

8
 07/02/2023

1.3. VỊ TRÍ VÀ VAI TRÒ CỦA DỰ BÁO

1.3.1. Chức năng của dự báo
- Chức năng tham mưu
- Chức năng khuyến nghị và điều chỉnh
1.3.2. Vai trò của dự báo
- Dự báo có vai trò quan trọng trong quá trình ra quyết định quản lý.
Sử dụng mô hình dự báo giúp tạo điều kiện không chỉ là cung cấp
thông tin về tương lai mà còn có khả năng làm chủ công tác quản
lý.
- Công tác dự báo cung cấp các thông tin cần thiết nhằm phát hiện và
bố trí các nguồn lực trong tương lai một cách có căn cứ thực tế.
- Các dự báo về thị trường, giá cả tiến bộ về khoa học, công nghệ
nguồn lực, sự thay đổi của các nguồn đầu vào, đầu ra, đối thủ cạnh
tranh có tầm quan trọng đến sự sống còn của doanh nghiệp.

17

MỤC TIÊU CỦA

QUẢN LÝ
Các mục tiêu, mục đích
và các quyết định

Sự phân bổ nguồn lực

và các cam kết
Sự phân bổ nguồn lực
LẬP KẾ HOẠCH và các cam kết
DỰ
BÁO

Các hạn chế Sự thực hiện và các

chính sách điều chỉnh

Sơ đồ: Mối quan hệ DB với công tác lập kế hoạch và ra quyết định quản lý
18

9
 07/02/2023

Vai trò của dự báo trong từng phòng ban của

doanh nghiệp vận tải, logistics,..
• Phòng kinh doanh/ phòng khai thác
– Doanh số trong các g/đ tiếp theo
– D/S những sản phẩm mới
– D/S trong các hđ PR, marketing
– Ngân sách trong các hđ PR, marketing

• Phòng sản xuất

– Nhu cầu nguyên phụ liệu
– Lượng hàng tồn kho…
 Kế hoạch thu mua NVL, vận chuyển, tổ chức giao nhận…

• Phòng nhân sự
- Kế hoạch tuyển dụng
- Kế hoạch huấn luyện đào tạo
19

Vai trò của dự báo trong từng phòng ban của doanh nghiệp
vận logistics,..
• Phòng Kỹ thuật/ Quản lý tàu
– Kế hoạch sửa chữa lớn cho tàu: lên dock định kỳ, sửa chữa hàng
năm,…
– Chi phí sửa chữa tàu trong năm
– Danh mục vật tư cần cấp cho tàu trong kỳ
- Tình hình kỹ thuật của tàu

• Phòng tài chính – kế toán

- Chi phí, lỗ - lãi, doanh thu, lợi nhuận
- Các chỉ số tài chính (ROA, ROE, ROS,…)

20

10
 07/02/2023

“Hãng vận tải biển lớn nhất thế giới AP Moller-Maersk ngày
3/8 dự báo nhu cầu vận tải container đường biển toàn cầu sẽ
chậm lại trong năm 2022. Maersk cho rằng nhu cầu đối với dịch
vụ vận tải container đường biển toàn cầu trong năm 2022 sẽ rơi
vào cận dưới của vùng dự báo dao động từ giảm 1% cho tới
tăng 1%, do lạm phát leo thang và giá năng lượng tăng cao phủ
bóng lên triển vọng kinh tế toàn cầu…”

21

“Maersk dự báo lợi nhuận thuần từ hoạt động kinh doanh đạt kỷ
lục 31 tỷ USD trong năm nay, từ mức 24 tỷ USD đưa ra trong lần dự
báo trước. Lợi nhuận trước thuế được dự báo đạt 37 tỷ USD thay
vì 30 tỷ USD.”

22

11
 07/02/2023

ÁP DỤNG DỰ BÁO TRONG CÁC DOANH NGHIỆP VÀ LUẬN VĂN

• Tại Việt Nam: các công ty lớn có riêng bộ phận DB & sử dụng dự

báo rất nhiều. Các công ty nhà nước, công ty nước ngoài, cty nghiên

cứu thị trường.

• Trong các cơ quan nhà nước: Sở, phòng k/h đầu tư, thống kê, ban

vật giá, sở giao dịch chứng khoán.

• Trong các tổ chức quốc tế tại VN và trên TG: WB, IMF...

• Trong NCKH, đề tài luận văn/luận án tốt nghiệp

23

• Ông Trần Thanh Hải - Cục Xuất nhập khẩu (Bộ Công
Thương) nhận định dự báo kỹ năng có vai trò là kim chỉ
nam trong việc đào tạo nghề, đáp ứng nhu cầu của doanh
nghiệp, từ đó nâng cao năng lực cạnh tranh của ngành
logistics Việt Nam. => Đào tạo kỹ năng nhân lực ngành
logistics: Nhu cầu cấp thiết

24

12
 07/02/2023

BÁO CÁO HOẠT ĐỘNG SXKD CỦA CÔNG TY VÀ DỰ KIẾN NĂM

MỚI
VD: Ứng dụng dự báo khi làm báo cáo hoạt động sản xuất kinh doanh và kế hoạch năm
mới trong doanh nghiệp logistics, doanh nghiệp vận tải, cảng biển….

Kế hoạch sản xuất kinh doanh của Công ty cổ phần Vận tải và thuê tàu biển Việt Nam
25

Dự báo của IMF về tăng trưởng của kinh tế thế giới năm 2022 và 2023 - Nguồn:
IMF.org
26

13
 07/02/2023

DỰ BÁO TĂNG TRƯỞNG KINH TẾ THẾ GIỚI

Source: DR. BILL CONERLY 27

“Trong báo cáo cập nhật mang tên "Triển vọng kinh tế
thế giới," IMF đã hạ dự báo tăng trưởng Tổng sản phẩm
quốc nội (GDP) toàn cầu năm 2022 xuống 3,2%, so với
mức dự báo 3,6% mà tổ chức này đã đưa ra hồi tháng
Tư.”

28

14
 07/02/2023

OECD có trụ sở tại Paris, đại diện cho 38 quốc gia, trong đó hầu hết là
các nước phát triển. Trong báo cáo triển vọng kinh tế mới nhất, OECD
đã hạ dự báo tăng trưởng GDP toàn cầu do tác động của xung đột
khiến giá năng lượng và thực phẩm tăng mạnh.
“Theo đó, tổ chức này dự báo GDP toàn cầu sẽ tăng trưởng 3% trong
năm 2022, giảm mạnh so với mức 4,5% được đưa ra trong dự báo hồi
tháng 12. Bên cạnh đó, OECD còn nâng gấp đôi mức dự báo lạm phát
trong nhóm 38 nước thành viên lên 8,5%, đánh dấu mức cao nhất kể
từ năm 1988.”

15
 07/02/2023

31

32

16
 07/02/2023

33

Các ngân hàng quốc tế dự báo về tăng trưởng kinh tế của Việt Nam năm 20223.4

17
 07/02/2023

1.3.3. TÍNH CHẤT CỦA DỰ BÁO

- Dự báo mang tính xác suất

- Dự báo là đáng tin cậy

- Dự báo mang tính đa phương án

35

1.4. CÁC ĐẶC ĐIỂM CHUNG CỦA DỰ BÁO

• Tính nhân - quả trong quá khứ vẫn được giữ nguyên trong
tương lai.
• Các dự báo rất hiếm khi được hoàn hảo. Cần phải tính tới
sai số cho phép.
• Dự báo cho nhóm đối tượng thường chính xác hơn là dự
báo cho từng đối tượng riêng lẻ.
• Độ chính xác của dự báo giảm khi kéo dài thời gian dự
báo.
36

18
 07/02/2023

CÁC NGUYÊN TẮC DỰ BÁO

- Nguyên tắc liên hệ biện chứng

- Nguyên tắc kế thừa lịch sử

- Nguyên tắc tính đặc thù về bản chất của đối tượng dự

báo

- Nguyên tắc mô tả tối ưu đối tượng dự báo

- Nguyên tắc về tính tương tự của đối tượng dự báo

37

Dự báo GDP toàn cầu của các nhà kinh tế ở Morgan Stanley

19
 07/02/2023

Dự báo dân số 40

20
 07/02/2023

Dự báo dân số 41

1.5. CÁC PHƯƠNG PHÁP DỰ BÁO

PHƯƠNG PHÁP DỰ
BÁO

PHƯƠNG PHÁP PHƯƠNG PHÁP

ĐỊNH TÍNH ĐỊNH LƯỢNG

Các mô hình nhân Các mô hình chuỗi

quả thời gian
- Lấy ý kiến của ban lãnh đạo
- Lấy ý kiến của bộ phận bán hàng - Hồi quy - Bình quân đơn
- Phương pháp lấy ý kiến của người - Phân tích tương giản
tiêu dung quan - Bình quân di
- Phương pháp chuyên gia động
- San bằng số mũ
- Chuỗi thời gian
42

21
 07/02/2023

PP1. PHƯƠNG PHÁP ĐỊNH TÍNH

- Lấy ý kiến của ban lãnh đạo

• Theo phương pháp này, ban lãnh đạo sử dụng các số liệu thống kê
của doanh nghiệp, tham khảo ý kiến của các bộ phận marketing, tài
chính và sản xuất để dự báo về nhu cầu sản phẩm trong tương lai.
• Phương pháp trên được sử dụng tương đối rộng rãi, tuy nhiên có
nhược điểm là mang tính chủ quan của cá nhân và những người quản
lý cấp cao thường chi phối ý kiến của thuộc cấp. Hơn nữa việc phân
chia trách nhiệm giữa những người trong ban điều hành về kết quả dự
báo có thể làm giảm động lực xây dựng một dự báo tốt.

43

PP1. PHƯƠNG PHÁP ĐỊNH TÍNH

- Lấy ý kiến của bộ phận bán hàng

• Dự báo về nhu cần sản phẩm được thực hiện dựa trên cơ sở tổng
hợp ý kiến của bộ phận bán hàng ở nhiều khu vực khác nhau.
• Vì lực lượng bán hàng là những người hiểu rõ nhất nhu cầu và thị
hiếu của người tiêu dùng, có thể dự báo về sản phẩm mà họ đang bán
trong tương lai.
• Phương pháp này được nhiều người sử dụng, tuy nhiên nó có nhược
điểm là phụ thuộc vào ý kiến chủ quan của lực lượng bán hàng.

44

22
 07/02/2023

PP1. PHƯƠNG PHÁP ĐỊNH TÍNH

- Phương pháp lấy ý kiến của người tiêu dùng

• Nội dung của phương pháp này là lấy ý kiến của người tiêu dùng hiện
tại và tương lai thông qua nhiều hình thức như: hỏi ý kiến khách
hàng, phỏng vấn trực tiếp, phỏng vấn qua điện thoại, phỏng vấn qua
bưu điện, gửi phiếu điều tra.
• Phương pháp này giúp dự báo được nhu cầu trong tương lai, đồng
thời đánh giá được mức độ thoả mãn của sản phẩm đối với người tiêu
dùng.
Nhược điểm của phương pháp là tốn kém và mất nhiều thời gian.

45

PP1. PHƯƠNG PHÁP ĐỊNH TÍNH

- Phương pháp chuyên gia (phương pháp Delphi)

• Phương pháp thu thập và xử lý những đánh giá dự báo bằng cách
tập hợp và hỏi ý kiến các chuyên gia giỏi thuộc một lĩnh vực hẹp
đang nghiên cứu.
• PP dựa trên cơ sở đánh giá tổng kết kinh nghiệm, khả năng phản
ánh tương lai một cách tự nhiên của các chuyên gia giỏi và xử lý
thống kê các câu trả lời một cách khoa học.

46

23
 07/02/2023

PP1. PHƯƠNG PHÁP ĐỊNH TÍNH

• Nhiệm vụ của PP là đưa ra những dự báo khách quan về tương lai

phát triển của khoa học kỹ thuật hoặc sản xuất dựa trên việc xử lý có
hệ thống các đánh giá dự báo của các chuyên gia.
• Vì thế yêu cầu, lựa chọn các chuyên gia, có thể là các chuyên gia
thuộc các lĩnh vực khác nhau.
• Phiếu câu hỏi phục vụ cho công tác dự báo được phát trực tiếp cho
từng chuyên gia

47

PP1. PHƯƠNG PHÁP ĐỊNH TÍNH

• Phân tích câu trả lời, tổng hợp các ý kiến của các chuyên gia.

• Soạn lại phiếu câu hỏi mới và phát lại cho các chuyên gia.

• Tổng hợp các ý kiến mới của các chuyên gia. Quá trình trên

có thể lặp đi lặp lại cho đến khi thoả mãn yêu cầu đặt ra.

48

24
 07/02/2023

PP1. PHƯƠNG PHÁP ĐỊNH LƯỢNG

Dựa trên cơ sở của toán học và thống kê để dự báo nhu cầu

trong tương lai, bao gồm các mô hình dự báo theo chuỗi thời

gian (chỉ phụ thuộc vào nhân tố thời gian) và mô hình nhân

quả (phụ thuộc vào nhiều nhân tố).

49

LỰA CHỌN PHƯƠNG PHÁP DỰ BÁO

• PP dự báo định tính

• PP dự báo định lượng
• PP dự báo kết hợp
Kết hợp giữa 2 PP dự báo: (PP kết hợp)
• Để có kết quả dự báo chuẩn xác việc kết hợp giữa 2 pp trong
nhiều trường hợp là cần thiết
VD: Trường hớp kết hợp 2 pp định tính và định lượng: Cụ thể
PP chuyên gia và mô hình kt lượng
50

25
 07/02/2023

VÍ DỤ

Đề tài: Đánh giá và dự báo về chất lượng của siêu thị tại
TP.HCM, TS. Nguyễn Đình Thọ thực hiện
Sử dụng phương pháp chuyên gia: Mời các chuyên gia
(người thường xuyên đi siêu thị) đến để lấy ý kiến thăm dò.
Lấy ý kiến từ họ, đối chiếu với hệ thống đã có.
Sử dụng mô hình kt lượng: 5 khoảng cách của Servqual

51

Mô hình 5 khoảng cách chất lượng dịch vụ (Gap Model of Service

Quality)

Source: expertprogrammanagement 52

26
 07/02/2023

ỨNG DỤNG JICA STRADA TRONG DỰ BÁO NHU CẦU GIAO THÔNG VẬN TẢI
GIS Converter (Chươngtrình chuyển đổi GIS)

• Chuyển đổi dữ liệu mạng lưới có format STRADA thành dữ liệu mạng lưới có format của
MapInfor hay ArcGis (và ngược lại).

• Trình bày các kết quả nhận được thông qua các phần mềm GIS hiện hành.

53

Quy trình thực hiện dự báo

Bước 1: Xác định đối tượng

Bước 2: Khảo sát dữ liệu
Bước 3: Chọn mô hình
Bước 4: Thực hiện dự báo
Bước 5: Trình bày kết quả dự báo
Bước 6: Theo dõi kết quả dự báo

54

27
 07/02/2023

Tiêu chí đánh giá dữ liệu dự báo

- Tin cậy và chính xác

- Phù hợp
- Nhất quán
- Thời gian

55

Các loại dữ liệu

1 • Dữ liệu sơ cấp

2 • Dữ liệu thứ cấp

56

1.Thường sử dụng để phỏng vấn, quan sát trực tiếp

2. theo nhiều nguồn sẵn có (xin báo cáo tốt nghiệp) từ nội bộ doanh nghiệp tiêu thụ , từ các website
hoặc doanh nghiệp cung cấp cho , từ tổng cục thống kê của các tỉnh, từ báo từ tạp chí (độ xác thực,
28
 07/02/2023

uy tín), từ thư viện

29
 07/02/2023

57

NỘI DUNG CHƯƠNG II

2.1. Khái niệm về phương pháp chuyên gia.

2.2. Nội dung của các phương pháp dự báo
bằng chuyên gia.
2.3. Trình tự tiến hành dự báo theo phương
pháp chuyên gia.

58

30
 07/02/2023

2.1. KHÁI NIỆM VỀ PHƯƠNG PHÁP CHUYÊN GIA

Phương pháp chuyên gia là phương pháp thu thập và xử lý những

đánh giá dự báo bằng cách tập hợp và hỏi ý kiến các chuyên gia giỏi
thuộc một lĩnh vực hẹp của Khoa học – kỹ thuật hoặc sản xuất kinh
doanh.
Quá trình áp dụng PP chuyên gia chia làm 3 giai đoạn:
1. Lựa chọn chuyên gia
2. Trưng cầu ý kiến chuyên gia
3. Thu thập, xử lý các đánh giá dự báo.

59

CƠ SỞ KHOA HỌC:
Dựa vào trình độ chuyên môn, kinh nghiệm, thâm niên công tác của các chuyên gia ,
khả năng phản ánh trình độ một cách tự nhiên của các chuyên gia về các vấn đề mang tính hội tụ
Mối liên kết giữa các ngành khoa học với vấn đề nghiên cứu
Xử lý hệ thống các câu trả lời của các chuyên gia bằng pp thống kê

2.1.2. CÁC TIÊU CHUẨN ĐỂ LỰA CHỌN CHUYÊN GIA

• Có trình độ hiểu biết chung cao

• Có trình độ chuyên môn sâu trong lĩnh vực cần dự báo
• Có định hướng tâm lý về tương lai
• Công tác lâu năm trong lĩnh vực cần dự báo
• Nắm vững tình hình dự báo trong và ngoài nước
• Có đánh giá ổn định theo thời gian, những thông tin bổ
sung chỉ làm hoàn chỉnh thêm sự đánh giá trước.

60

31
 07/02/2023

Thông tin hình thức

TẬP THỂ CHUYÊN GIA Phán đoán

Thông tin phi hình thức

61

 Dự báo trung và thời hạn

2.1.3. Phạm vi áp dụng về phương pháp chuyên gia

- Khi đối tượng dự báo có tầm bao quát lớn, phụ thuộc nhiều yếu
tố mà hiện tại còn chưa có hoặc thiếu những cơ sở lý luận chắc
chắn để xác định.
- Trong điều kiện còn thiếu thông tin và những thống kê đầy đủ,
đáng tin cậy về đặc tính của đối tượng dự báo.
- Trong điều kiện có độ bất định lớn của đối tượng dự báo.
- Khi dự báo trung hạn và dài hạn những đối tượng thuộc ngành
công nghệ mới, chịu ảnh hưởng lớn bởi những phát minh cơ bản.
- Trong điều kiện thiếu thời gian, hoàn cảnh cấp bách phương pháp
chuyên gia được áp dụng để đưa ra những dự báo kịp thời.
62

2.1.3 ưu điểm : không quá phức tạp,đảm bảo tính khách quan (không xét đến tâm lý của người
khác), tận dụng được những thông tin phản hồi, tận dụng được cho các ngiên cứu khác. Hội tụ câu
trả lời của các chuyên gia => kết quả dự báo đáng tin cậy

32
 07/02/2023

2.1.4. Nhược điểm của phương pháp chuyên gia

• Mang tính chủ quan

• Ý kiến chuyên gia trái ngược nhau
• Nhiều CG đưa ra số liệu dự báo nhưng cơ sở lý luận
không rõ ràng, biên độ dao động lớn, kết quả tin cậy rất
khó khăn…
• Việc tập trung đầy đủ chuyên gia và việc thu hồi phiếu
trả lời đúng hạn không phải việc dễ dàng.

63

2.2. NỘI DUNG CỦA CÁC PHƯƠNG PHÁP DỰ BÁO BẰNG

PHƯƠNG PHÁP CHUYÊN GIA
2.2.1 Xác định chuyên gia và thành lập nhóm chuyên gia:

Cần thành lập nhóm bao gồm:

• Một nhóm CG thường trực: 8-10 người (ban chủ nhiệm 3-4 người,

CG PP luận 1-2 người, còn lại thì mỗi người chịu 1 hướng chính)

• Một nhóm CG lâm thời: sau khi thành lập nhóm CG thường trực, số

lượng nhóm CG LT bằng số lượng vấn đề dự báo chính, SL nhóm khoảng

20-30 người. Các thành viên nhóm TT giới thiệu thành viên nhóm LT

64

1.Những người uy tín có thâm niên trong ngành được nhiều người biết đến
2.Trực tiếp đưa ra kết quả dự báo, cần nhiều người xong đó tuyển chọn
(bằng 2 pp: phương pháp chuyên gia tự đánh giá mình, pp đánh giá chuyên gia theo pp tiêu chuẩn
khách quan)
33
 07/02/2023

PP1. PHƯƠNG PHÁP CHUYÊN GIA TỰ ĐÁNH GIÁ MÌNH

Để tiến hành theo pp này, trước hết CG tt lập ra phiếu điểm cho
điểm theo thang n, mỗi phiếu ghi 1 câu hỏi, chuyên gia tự đánh
giá vào ô tương ứng, khi thu hồi phiếu NTT điền điểm theo
thang định sẵn.
• Nếu gọi Aij là điểm của CG (i) theo phiếu thứ (j), (i=1-m),
(j=1-n). Gọi Aj là thang điểm lớn nhất trong thang của phiếu
(j), ta gọi Ti là điểm chung của CG (i) trong n phiếu hỏi

65

σ
𝑛
𝐴𝑖
𝑗=1 𝑗
Ti = σ
𝑛𝑗=1
𝐴
𝑗

0≤ 𝑇𝑖 ≤ 1

• Chuyên gia có Ti lớn hơn thì đánh giá có năng lực cao hơn

• Việc CG tự đánh giá thiếu khách quan, hoặc CG tự đề cao

mình hơn hay quá khiêm tốn

66

34
 07/02/2023

PP2. PHƯƠNG PHÁP CHUYÊN GIA ĐÁNH GIÁ THEO TIÊU CHUẨN
KHÁCH QUAN

- Nhóm CG thường trực lập ra phiếu điểm cho điểm theo thang
n, nhưng câu hỏi được kèm theo 1 số tiêu chuẩn nhất định,
làm cho CG khó có thể thay đổi được.
- Ngoài ra, còn đưa ra 1 số câu hỏi về kết cục đã biết để ktra
cùng thang điểm KQ trả lời, và pp tính điểm trung bình cũng
giống như PP trên. Tuy nhiên, khá phức tạp, mặc dù mang
tính khách quan.

67

Tìm các chuyên gia lâm thời từ các công ty cùng chuyên ngành cùng lĩnh vực,. Các trung tâm
nghiên cứ viện logistics. Qua các trang tìm việc làm, các trường đại học, viện hàn lâm, các nơi trung
tâm nghiên cứu. Đọc các bài báo từ các trang nghiên cứu và gửi thư để họ giới thiêu CG

Có thể áp dụng 2 pp trên thì ta được điểm chung như sau:

𝑇1𝑖 +2.𝑇2𝑖
T=
i 3

Với T1i , T2i là điểm chung của CG (i) theo pp 1 và 2

Việc tính điểm chung cho nhóm CG:

Dm = 1 𝒊=𝟏 �i
�
σ𝒎 � �

68

35
 07/02/2023

2.2.2. TỔ CHỨC LẤY Ý KIẾN VÀ XỬ LÝ Ý KIẾN CHUYÊN GIA

a. Lập phiếu hỏi:

• Các phiếu hỏi phải dùng thuật ngữ thông dụng, dễ hiểu, tránh đa
nghĩa
• Phiếu in rõ ràng
• Nội dung câu hỏi phải logic với nội dung của đối tượng dự báo
b. Xử lý ý kiến chuyên gia: ý kiến CG nhằm giải quyết 2 vấn đề:
• Đánh giá thời gian xuất hiện sự kiện
• Xác định tầm quan trọng của sự kiện

69

Các dạng câu hỏi: câu hỏi về số lượng (chỉ tiêu, lợi nhuận GDP); câu hỏi về nội dung (mối quan hệ,
biện pháp)=> câu hỏi đóng/ mở (các yếu tố để suy ra, câu hỏi đề nghị có minh chứng kèm minh
chứng)

THANG ĐO

Định tính Định lượng

Định
Quãng
danh

Thứ tự Tỷ lệ
70

36
 07/02/2023

Thang đo định tính

• Gồm 2 loại: thang đo định danh và thứ tự

• Thang đo định danh là thang đo mà số đo dùng để định

danh, không có ý nghĩa về lượng

• VD: Xin cho biết giới tính của bạN

oNam

oNữ

71

 Câu hỏi đóng

Thang đo định danh

Trong các nhãn hiệu nước ngọt có gas sau đây, bạn thường
sử dụng loại nào:

• Cocacola

• Pepsi Cola

• Sprite

• Fanta

• 7-up

72

 Câu hỏi mở

37
 07/02/2023

Thang đo định danh

• Q: Bạn có phải là người chịu trách nhiệm chính trong

việc kiểm soát và đánh giá các báo cáo nội bộ không?

oCó

oKhông

• Q: Công ty bạn đã sử dụng phần mềm quản lý tàu chưa?

oRồi

oChưa

73

 Câu hỏi đóng

Thang đo định danh

Bạn đã từng sử dụng thương hiệu điện thoại nào được liệt
kê dưới đây:

• Iphone

• Samsung

• Bphone

• Xiaomi

• Vivo

74

 Câu hỏi mở

38
 07/02/2023

Thang đo thứ tự

Q: Trong các yếu tố sau đây, anh/chị hay cho biết mức độ quan
trọng nhất/nhì/ ba,… trong việc lựa chọn phương thức vận tải cho
lô hàng A?

• Giá cước vận chuyển ………………………

• Thời gian vận chuyển ………………………

• Điều kiện bảo quản hàng hóa ………………………

• Thái độ của nhân viên CSKH ………………………

75

 Câu hỏi đóng

Thang đo thứ tự

Q: Hãy sắp xếp mức độ quan trọng của các yếu tố sau trong
việc lựa chọn phương thức vận chuyển cho lô hàng A ( quan
trọng: 1, bình thường: 2, không quan trọng,…
Yếu tố Xếp loại mức độ quan
trọng
Giá cước vận chuyển …

Thời gian vận chuyển …

Điều kiện bảo quản hàng hóa …

Thái độ của nhân viên CSKH …

76

39
 07/02/2023

Thang đo thứ tự

Bạn vui lòng sắp xếp theo thứ tự dự báo của bạn về mức độ phổ biến của các

website TMĐT sau đây trong năm 2021 theo quy ước sau: (1) phổ biến nhất;

(2) phổ biến thứ 2; (3) phổ biến thứ 3; (4) phổ biến thứ 4; (5) phổ biến thứ 5

• Shopee

• Lazada

• Tiki

• Sendo

• Voso
77

Thang đo định lượng

• Thang đo định lượng: thang đo khoảng cách/quãng, thang đo tỷ lệ

• Có nhiều loại thang đo quãng/khoảng cách do các nhà khoa học tạo ra: Thanh
đo Likert
VD: Anh/chị vui lòng cho biết mức độ đồng ý cùa anh/chị về các phát biểu sau:
“chất lượng dịch vụ chuyển phát nhanh của công ty Fedex tốt” bằng cách đánh dấu
“X” vào ô mà anh/chị cho là phù hợp nhất theo quy ước như sau:

Hoàn toàn Hoàn toàn

Không đồng ý Không ý kiến Đồng ý
không đồng ý đồng ý

1 2 3 4 5

78

40
 07/02/2023

 Đánh giá thời gian xuất hiện sự kiện:

Sử dụng nhiều số trung vị, mode, tứ phân vị
 Đánh giá tầm quan trọng của sự kiện:
• Khi xét mục tiêu nào đó, người ta đưa ra nhiều phương án.
• Khi lấy ý kiến CG cho PA và đề nghị họ đánh giá bằng cách cho
điểm theo 1 thang điểm nào đó, thông thường PA đánh giá tốt hơn
được cho điểm cao hơn.
• Cuối cùng, thì tổng hợp ý kiến đánh giá của CG về tầm quan trọng
của CG theo bảng sau đây:

79

 Cách trưng cầu CG:khảo sát làm qua công cụ ggform,email ; phỏng vấn trực tuyến và
phỏng vấn trực tiếp; hội thảo (xác định các vấn đề và mời các chuyên gia đến thảo luận và
thống nhất hoặc xem xét lại qua email);

Trình tự Delphi
Câu hỏi Kết quả dự báo khác
biệt ở vòng đầu

2 3 4 - Kết quả được ẩn danh

1 5 - Chỉ có thành viên điều
Vòng đầu a a a a
a phối biết người trả lời

Tổng hợp và trình dự báo mới được

Tổng hợp và trình dự thực hiện bởi thành viên điều phối ẩn
báo mới để thu hẹp khác danh
biệt
Một vài chuyên gia
1 2 3 - Đánh giá nếu đồng ý với
x x x kết quả dự báo mới
- Thu hẹp khác biệt
Tổng hợp và hình thành Tổng hợp và trình dự báo mới được
dự báo mới thực hiện bởi thành viên điều phối ẩn
danh ở trên.
Vòng x
…

…
ĐỒNG THUẬN

41
 07/02/2023

PA 1 2 … n Trọng số pi
CG

1 C11 C12 … C1n P1

2 C21 C22 … C2n P2
.
(1)
.
M Cm1 Cm2 … Cmn Pm
𝑚
෍ 𝐂𝐢𝐣 ෍ 𝑝𝑖
𝑖=1

Cij : Ký hiệu điểm CG (i) theo phương án (j) (i=1-m, j=1-n)

81

 m là số chuyên gia
 n là số phương án
 trọng số pi thể hiện trình độ chuyên môn, tầm quan trọng và mức độ ảnh hưởng của các
chuyên gia
 tổng cij là tổng điểm các chuyên gia cho p.án

Từ bảng (1), tính giá trị trung bình của từng phương án:

σ�
𝑖=1
Cj = �
𝐶𝑖𝑗 (1’)
�𝑗
�

Với mj là số CG cho điểm PA (j)

Vì có những chuyên gia do lý do nào đó không cho điểm ở 1 ô

nào đó, ô đó sẽ được để trống, sau này sẽ thay bằng Cj , thì PA

nào có Cj lớn hơn thì được đánh giá cao hơn 82

42
 07/02/2023

• Trong t/h có sự chuyên lệch về trình độ CG, cần gắn cho mỗi

CG 1 trọng số, gọi là hệ số năng lực Pi , khi đó (1’) sẽ là :

σ�𝑖=1𝑝 𝑖
Cj = �
.𝐶𝑖𝑗 𝑝 (1’’)
σ
𝑚𝑖=1
𝑖

83

VÍ DỤ 1

Giả sử sau khi đưa ra 4 phương án và hỏi 5 chuyên gia, kết quả
PAbảng sau.1 Tính σ 𝐶2𝑖𝑗, Cj (1), C
thể hiện ở 3 j (1’). 4 Pi
1 4 3 2 1 4
2 3 2 1 1 3
3 2 1 2 3 1
4 4 4 2 1 2
5 4 - 2 3 1
Cij 4+3+2+4+ 3+2+1+4= 2+1+2+2+ 1+1+3+1+
4=17 10 2=9 3=9
Cj (1) 17/5 =tổng 9/5=1,8 9/5=1,8
Cij/mj
10/4=2,5
Cj (1’) 39/11=3,55 =tổng pjxCij/ 19/11=1,73 15/11=1,36
tổng pi
(3x4+2x3+1x1
+4x2)x2,5x1/1
1=59/22=2,68

43
 07/02/2023

Hệ số nhất trí W

Trước hết ta đánh số lại các số (cij) từ 1 n’ (n’<n) theo

nguyên tắc sau:
oSố có giá trị cao nhất đánh số 1
oSố có giá trị cao thứ 2 đánh số 2
Như vậy, nếu tất cả n cách đánh giá trị khác nhau thì n’=n,
còn nếu có CG nào đó cho nhiều PA cùng 1 điểm thì n’<n.
Ký hiệu (Rij) là giá trị đánh số của (Cij), nó gọi là hạng của
CG (i), đánh giá theo PA (j)

85

VÍ DỤ: Cij
CG/PA 1 2 3 4
1 1 3 5 2
2 2 3 4 1
3 1 2 4 2
4 2 2 5 1
5 1 2 4 3

W: là chỉ tiêu đo mức độ nhất trí các ý kiến của CG về tầm quan
trọng của tất cả các lượng đánh giá.
Được tiến hành như sau:
Sj = σ𝑚
𝑖= 1
𝑅 ij
σ
𝑛
�
𝑆ҧ =� �
𝑗=1 𝑗
�
S= 𝑗=1 (𝑆j -
σ𝑛 𝑆ҧ )2

86 44
 07/02/2023

W= 12.𝑆
𝑚 𝑛 −𝑛 −𝑚 σ
3
2

TỔNG𝑇𝑖T = t 2 – t
i i i

ti là số các số hạng giống nhau, trong sự sắp xếp

của CG (i)
m: số chuyên gia
n: số phương án

87

W ≈ 1 => nhất trí rất cao

W ≈ 0 => nhất trí rất thấp
W = 0,8 → 0,9: nhất trí cao
W = 0,7 → <0,8: tương đối cao
W = 0,5 → <0,7: trung bình
W = 0,4 → < : thấp

88

45
 07/02/2023

Hệ số biến động Bj

• Bj xác định mức độ nhất trí của CG về 1 hướng

đánh giá nào đó
Bj = 𝑇𝐶𝑗
𝑗

• Trong đó:
Cj : là số điểm trung bình của từng PA xác định ở
trên
Tj : độ lệch bình phương trung bình

89

Hệ số biến động Bj

𝑚
σ 𝑗 𝑚 𝐶 −𝐶𝑗
σ
𝑗 𝑖=1 2 𝑖𝑗
Tj = 𝑑𝑖=1
𝑖𝑗 2
=
� 𝑚𝑗
�

nhỏ => sự nhất trí đánh giá hướng (phương án) j

• Bj càng
càng cao.

90

46
 07/02/2023

2.3. TRÌNH TỰ TIẾN HÀNH DỰ BÁO THEO PHƯƠNG PHÁP CHUYÊN GIA

1. Đặt nhiệm vụ
2. Tổ chức cơ quan chỉ đạo & nhóm CG thường trực
3. Thành lập nhóm CG lâm thời
4. Thu thập, xây dựng tư liệu về lĩnh vực dự báo
5. Xđ xu hướng của đối tượng dự báo
6. Xây dựng biểu câu hỏi & lấy ý kiến CG
7. Cung cấp thông tin cần thiết cho CG
8. Lấy ý kiến chuyên gia
9. Xử lý kết quả
10. Phân tích định tính, định lượng, đánh giá độ tin cậy theo phương án

91

không có Bj thì trình độ như nhau

VÍ DỤ 2. Xử lý ý kiến chuyên gia. Tính Wj, Bj và xếp hạng mức độ nhất trí
theo hướng

PA 1 2 3 4
CG
1 4 3 2 1
2 3 2 1 1
3 2 1 2 3
4 4 4 2 1
5 4 - 2 3

92

47
 07/02/2023

CÁC BƯỚC THỰC HIỆN

Bước 1: Tính σ 𝐶𝑖𝑗, 𝐶𝑗 (bảng 1)

Bước 2: Lập bảng Rij. Đánh số lại các {Cij} theo từng mục tiêu từ 1 →n (n’ ≤ 𝑛), theo nguyên tắc số có
giá trị cao nhất thì gắn giá trị 1, số có giá trị cao thứ hai thì gắn giá trị 2,… cho tới hết. Nếu tất cả n cách
đánh khác nhau thì n’=n, còn nếu có những chuyên gia nào đó cho nhiều phương án cùng 1 điểm thì
n’<n. Đánh số tj – số các số hạng giống nhau trong sự sắp xếp của chuyên gia. (Bảng 2)
Bước 3: Tính W – nhận xét.
Bước 4: Kẻ bảng thứ 3. Xếp hạng mức độ nhất trí theo hướng.
PA 1 2 3 … n
CG
1 dij
dij2
...
m

෍ 𝑑𝑖𝑗 2

σ 𝑑𝑖𝑗 2
𝑚1
Tj
Bj = Tj/Cj
Xếp hạng mức độ
nhất trí theo 93
hướng

Bước 1: kẻ bảng 1
PA 1 2 3 4
1 4 3 2 1
2 3 2 1 1
3 2 1 2 3
4 4 4 2 1
5 4 - 2 3
17 10 9 9
෍ 𝑪𝒊𝒋

Cj 3,4 2,5 1,8 1,8

94

48
 07/02/2023

Bảng 2

Lập ma trận Rij

PA 1 2 3 4
CG
1 1 2 3 4 t=1

2 1 2 3 3 t=2

3 2 3 2 1 t=2

4 1 1 2 3 t=2

5 1 3 4 2 t=1

Sj 6 11 14 13

95

6+11+14+13
𝑆 ҧ
11 = 4 =

ҧ 2 2 2 2
𝑖=1 (𝑆𝑖 − 𝑆 ) = (6-11) + (11-11) + (14-11) + (13-11)
S = σ𝑛 2

= 38

σ 𝑇𝑖 = σ(𝑡𝑖2 − 𝑡𝑖 ) = 2.(12 – 1) + 3. (22 – 2)

=6

W= 12 .38
= 0.31 => Nhất trí thấp
52. 43−4 −5.6

96

49
 07/02/2023

BẢNG 3: XẾP HẠNG MỨC ĐỘ NHẤT TRÍ THEO HƯỚNG

PA 1 2 3 4
CG
1 0.6 0.5 0.2 -0.8
0.36 0.25 0.04 0.64
2 -0.4 -0.5 -0.8 -0.8
0.16 0.25 0.64 0.64
3 -1.4 -1.5 0.2 1.2
1.96 2.25 0.04 1.44
4 0.6 1.5 0.2 -0.8
0.36 2.25 0.04 0.64
5 0.6 0.2 1.2
0.36 0.04 1.44
3.2 5 0.8 4.8
෍ 𝑑𝑖𝑗 2

σ 𝑑𝑖𝑗 2 0.64 (3,2/5) 1.25 (5/4) 0.16 (0,8/5) 0.96

𝑚𝑗
Tj 0.8 1.118 0.4 0.9798

Bj = Tj/Cj 0.2353 0.4472 0.2222 0.5443

Xếp hạng mức độ nhất 2 3 1 (nhỏ nhất đứng thứ nhất) 4

trí theo hướng 97

BÀI TẬP

Bài 1: Xử lý ý kiến chuyên gia. Tính Wj, Bj và xếp hạng mức độ nhất trí theo
hướng
PA 1 2 3 4 5
CG
1 2 4 3 6 5
2 2 3 2 5 4
3 3 5 2 4 6
4 2 3 4 5 -
5 3 5 2 6 4

98

50
 07/02/2023

BÀI TẬP

Bài 2: Xử lý ý kiến chuyên gia. Tính Wj, Bj và xếp hạng mức độ nhất trí theo
hướng
PA 1 2 3 4 5
CG
1 1 3 2 4 5
2 1 2 3 5 4
3 2 4 3 5 3
4 1 3 2 - 4
5 2 4 4 3 5

99

BÀI TẬP

Bài 3: Xử lý ý kiến chuyên gia. Tính Wj, Bj và xếp hạng mức độ nhất trí theo
hướng
PA 1 2 3 4 5
CG
1 4 6 5 8 7
2 4 5 4 7 6
3 5 7 4 6 8
4 4 5 6 7 -
5 5 7 4 8 6

100

51
 07/02/2023

BÀI TẬP

Bài 4: Xử lý ý kiến chuyên gia. Tính Wj, Bj và xếp hạng mức độ nhất trí theo
hướng
PA 1 2 3 4 5
CG
1 6 7 6 8 -
2 6 6 5 6 7
3 7 8 5 7 7
4 6 6 8 7 8
5 7 8 5 9 9

101

102

52
 07/02/2023

NỘI DUNG CHƯƠNG III

3.1. Khái niệm Phân tích Markov

3.2. Nội dung phương pháp dự báo Phân tích
Markov
3.3. Ứng dụng phân tích Markov trong dự báo
3.3.1. Dự báo phân chia thị trường vận tải.
3.3.2. Dự báo trong vận hành thiết bị tại doanh
nghiệp vận tải
103

3.1. Khái niệm phân tích Markov ( xích Markov)

Trong toán học, một xích Markov hay chuỗi Markov (thời gian rời
rạc), đặt theo tên nhà toán học người Nga Andrei Andreyevich
Markov, là một quá trình ngẫu nhiên thời gian rời rạc với tính chất
Markov. Trong 1 quá trình như vậy, quá khứ không liên quan đến
việc tiên đoán tương lai mà việc đó chỉ phụ thuộc theo kiến thức
về hiện tại.

104

Được ứng dụng trong qtkd, kế toán (phân tích thị phần, xem xét máy móc hư tổn trong tương lai)

53
 07/02/2023

3.2. Nội dung phân tích Markov (xích Markov)

Khái niệm: Giả sử ta NC sự tiến triển theo thời gian của 1

hệ vật lý hoặc trạng thái nào đó; ký hiệu X(t), là vị trí của
hệ tại thời điểm t. Thì tập hợp các vị trí có thể của hệ được
gọi là không gian trạng thái.
Giả sử trước thời điểm s hệ ở trạng thái nào đó. Còn ở thời
điểm (s) hệ ở trạng thái (i), ta cần biết tại thời điểm t trong
tương lai (t>s) hệ ở trạng thái j, với xác suất bao nhiêu?

105

Không gian trạng thái: trong một khu vực nào đó có một số doanh nghiệp cung cấp 1 dịch vụ
Vd : trong bán kính 20km thì có dnA, DNB, DNC
E={DNA;DNB;DNC}
E={1;2;3}
VD 10 tàu (100%) có 9 cái tốt(90%), 1 cái kh tốt (10%)
E={tốt; không tốt}
 rời rạc

- Nếu xác xuất này chỉ phụ thuộc vào s, t, i , j thì điều đó có nghĩa
là sự tiến triển của hệ trong tương lai chỉ phụ thuộc vào hiện tại
& độc lập với quá khứ, đó chính là tính Markov của hệ, và hệ có
tính trên gọi là quá trình Markov.

106
54
 07/02/2023

Nội dung phân tích Markov:

Giả sử ta đang nghiên cứu 1 hệ vật lý/ 1 trạng thái nào đó, ký hiệu là X(b), là vị trí của hệ tại thời điểm b. Ta có:

- Tại thời điểm n (quá khứ): hệ ở trạng thái m

- Tại thời điểm s (hiện tại): hệ ở trạng thái i
- Tại thời điểm t (tương lai): hệ ở trạng thái j
(n<s<t)
Tại thời điểm t: hệ ở trạng thái j với xác suất là bao nhiêu? (a%)

Tính Markov

a% chỉ phụ thuộc vào s,t,i,j (không phụ thuộc vào n,m – chỉ phụ thuộc vào hiện tại và độc
lập với quá khứ)

VD: Giả sử, nếu gọi X(t) là dân số của 1 vùng tại thời
điểm t trong tương lai, E được gọi là không gian trạng
thái của X(t). Nếu X(t) có tính Markov và E đánh số
được (đếm được) thì X(t) được gọi là xích Markov,
thêm vào đó nếu t=0,1,2,… thì ta có khái niệm với xích
Markov với thời gian rời rạc. Nếu t€[0,+ȸ) → xích
Markov liên tục theo thời gian.

108

55
 07/02/2023

Phân tích Markov rời rạc và thuần nhất

a. Ma trận xác xuất chuyển:

Giả sử (Xn) n=0,1,2… là xích Markov rời rạc, thuần nhất

Xn là biến ngẫu nhiên nhận giá trị trong tập E

E là không gian trạng thái-các phần tử của nó ký hiệu là i, j, k…

Tính Markov thuần nhất (Xn ) có nghĩa:

Pij = P(Xn+1=j/ Xn =i) = P(Xn+1=j/ X0 =i0, X1 =i1,Xn =in )

109

• Không phụ thuộc vào n

• P=(Pij) gọi là ma trận xác suất chuyển sau 1 bước
• Pij: là xác suất có điều kiện để hệ tại thời điểm n (hiện tại) ở
trạng thái (i) chuyển sang trạng thái j tại thời điểm n+1 (tương
lai)

110

56
 07/02/2023

• Xác suất chuyển sau n bước được định nghĩa như sau:

P(n) ij = P(Xn+m=j/ Xm=i) = P (Xn =j/ X0 =i)

Đây là xs để hệ tại thời điểm bắt đầu ở trạng thái i sau n bước chuyển

sang trạng thái j thì : P(1) ij = P ij Quy ước: P(0) ij = 1 nếu i=j, 0 nếu i≠j

→ P(n) = (P(n) ij) ma trận xs chuyển sau n bước.

→ Người ta CM được rằng, mtr xs chuyển sau n bước: P(n) = Pn

111

b. PHÂN PHỐI BAN ĐẦU

• ᴫ(0) = ᴫ: phân phối ban đầu của hệ

• Quy ước ᴫ(n) = (Pj (n), j€ E): phân phối của hệ tại thời điểm n

ᴫ(n) = ᴫ . P(n) hoặc ᴫ(n+1) = ᴫ(n) . P

ᴫ(n+m) = ᴫ(n) . ᴫ(m)

• Phân phối ban đầu được gọi là dừng
ᴫ(n) : không phụ thuộc vào n

ᴫ(n) = ᴫ (n+1) ≈ ᴫ => pi cân bằng

57
 07/02/2023

3.3 Ứng dụng phân tích Markov trong dự báo

3.3.1 Dự báo phân chia thị trường vận tải

Giả sử có N cửa hàng, cùng bán 1 sp, khách hàng có thể mua hàng trong
N cửa hàng trên, Việc lựa chọn cửa hàng hoặc bỏ đi của khách hàng
tùy theo sở thích của họ, các cửa hàng cạnh tranh để lôi kéo khách
hàng.
Mô hình: Tất cả KH được đồng nhất như 1 chất điểm vật chất, chuyển
động trong n trạng thái (ứng với N cửa hàng) Đây là xích Markov trong
n trạng thái, xác suất chuyển Pij, có nghĩa là kh hiện tại mua hàng tại
cửa hàng i, sau 1 chu kỳ chuyển sang mua ở cửa hàng j Ta gọi x0 là sự
phân chia KH ở giai đoạn đầu, cụ thể tháng 1.
113

Xét 1 khu vực có 3 cửa hàng (E=(1,2,3)) với 1000 khách hàng
P(X0=1)=20%, P(X0=2)=50%, P(X0=3)=30%. Điều đó có nghĩa là:
Cửa hàng 1 chiếm 20% thị phần-200 khách hàng
Cửa hàng 2 chiếm 50% thị phần-500 khách hàng
Cửa hàng 3 chiếm 30% thị phần-300 khách hàng
Sau chu kỳ thời gian (1 tháng), tình hình thay đổi: mỗi cửa hàng có thể
giữ được khách, thêm khách, mất khách.

114

58
 07/02/2023

Gọi X1 là sự phân chia thị trường ở gđ kế tiếp

(tháng 2) P(X1=1)=22%, P(X1=2)=49%,
P(X1=3)=29%. Điều đó có nghĩa là:
Cửa hàng 1 chiếm 22% thị phần-220 khách hàng
Cửa hàng 2 chiếm 49% thị phần-490 khách hàng
Cửa hàng 3 chiếm 29% thị phần-290 khách hàng

115

Tiến hành điều tra, ta thấy được

Cửa hàng Khách Khách Khách bớt Khách

tháng 1 thêm tháng 2

1 200 60 40 220

2 500 40 50 490

3 300 35 45 290

116

59
 07/02/2023

Cửa Khách Thêm từ cửa hàng Mất cho cửa hàng Khách
hàng tháng 1 1 2 3 1 2 3 tháng 2

1 200 0 35 25 0 20 20 220
2 500 20 0 20 35 0 15 490
3 300 20 15 0 25 20 0 290

Không gian trạng thái E= {1,2,3}

Trạng thái ban đầu ᴫ(0) = ( 0,2 0,5 0,3)

𝑃11 𝑃12 𝑃13

P= 𝑃21 𝑃22 𝑃23
𝑃31 𝑃32 𝑃33

117

P11 = 160/200 = 0,8 P21 = 35/500 = 0,07 P31 = 25/300 = 0,083

P12 = 20/200 = 0,1 P22 = 450/500 = 0,9 P32 = 20/300 = 0,067

P13 = 20/200 = 0,1 P23 = 15/500 = 0,03 P33 = 255/300 = 0,85

0,8 0,1 0,1

P = 0,07 0,9 0,03
0,083 0,067 0,85

118

60
 07/02/2023

VD: ᴫ(n+1) = ᴫ(n) . P

(0)
•ᴫ = (0,2 0,5 0,3), E = (1,2,3)
(1) (0)
→ᴫ = ᴫ . P = (0,22 0,49 0,29)
(2) (1)
→ᴫ = ᴫ . P = (0,224 0,483 0,283)
Cửa hàng 1: 22,4% thị phần - 224kh - (có xu hướng tăng)
Cửa hàng 2: 48,3% thị phần - 483kh - (có xu hướng giảm)
Cửa hàng 3: 28,3% thị phần - 283kh - (có xu hướng giảm)

119

• Vấn đề đặt ra là đến 1 lúc nào đó lượng khách hàng ở

các cửa hàng ổn định thì ta có hệ cân bằng: ᴫ(n+1) ≈ ᴫ(n)
• Gọi trạng thái cân bằng ᴫ = (ᴫ 1 ᴫ 2 ᴫ 3)
ᴫ = ᴫ. P (0≤ ᴫ i ≤1)
∑ ᴫ i= 1
 (ᴫ 1 ᴫ 2 ᴫ 3) = (ᴫ 1 ᴫ 2 ᴫ 3). P
ᴫ1+ ᴫ2+ ᴫ3=1
0.8ᴫ 1 + 0,07ᴫ 2 + 0,083 ᴫ 3 = ᴫ 1
0.1ᴫ 1 + 0,9ᴫ 2 + 0,067 ᴫ 3 = ᴫ 2
0.1ᴫ 1 + 0,03ᴫ 2 + 0,85 ᴫ 3 = ᴫ 3
ᴫ1+ ᴫ2+ ᴫ3 =1
120

61
 07/02/2023

 -0.2ᴫ 1 + 0,07ᴫ 2 + 0,083 ᴫ 3 = 0

0.1ᴫ 1 - 0,1ᴫ 2 + 0,067 ᴫ 3 = 0
ᴫ 1+ ᴫ 2 + ᴫ 3 = 1
 ᴫ 1 = 0,272
ᴫ 2 = 0,455
ᴫ 3 = 0,273

ᴫcb = ( 0,272 0,455 0,273)

121

Bài tập 1: Một khu vực có 3 cảng A,B,C

Biết hiện nay cảng A nắm giữ 55% tp,
cảng B nắm giữ 25% tp, cảng C nắm giữ 20% thị phần.
Theo số liệu thống kê tình hình khách hàng qua các năm như sau:
- Đối với cảng A: 60%KH cũ vẫn ở cảng A, 30% chuyển sang
cảng B, còn lại chuyển sang cảng C.
- Đối với cảng B: 40%KH chuyển sang cảng A, 50% vẫn ở lại,
còn lại chuyển sang cảng C.
- Đối với cảng C: 45%KH chuyển sang cảng A, còn lại ở cảng C.
Hãy dự báo thị phần của các cảng trong 2 năm tới? Tìm thị
phần cân bằng (nếu có)?

122

62
 07/02/2023

Bài tập 2: Một khu vực có 3 cảng A,B,C Biết

hiện nay cảng A nắm giữ 62% thị phần, cảng
B nắm giữ 21% tp, còn lại là cảng C.
Theo số liệu thống kê tình hình khách hàng qua các năm như sau:
- Đối với cảng A: 65% KH cũ năm trước vẫn tới A, 18% chuyển
sang cảng B, còn lại chuyển sang cảng C.
- Đối với cảng B: 45% KH cũ vẫn tới B trong năm sau, 29% KH
tới cảng A, còn lại chuyển sang cảng C.
- Đối với cảng C: 51% khách cũ vẫn ở lại cảng C, còn lại chuyển
sang cảng A.
Hãy dự báo thị phần của các cảng năm tới? Tìm điểm cân
bằng (nếu có)?
123

3.3.2 Dự báo trong vận hành thiếtbị tại doanh nghiệp

vận tải

VD1. Một chủ doanh nghiệp theo dõi sự vận hành của thiết bị
trong xưởng trong một thời gian dài. Số liệu quan sát trong quá
khứ cho thấy 80% thời gian thiết bị sẽ vận hành tốt trong tháng
nếu thiết bị này đã vận hành tốt ở tháng trước đó. Điều này cũng
có nghĩa là 20% thời gian thiết bị sẽ hoạt động không tốt nếu
trong tháng trước thiết bị chạy tốt. Chỉ có 10% thời gian thiết bị
chạy tốt trong tháng tới nếu trước đó thiết bị chạy không tốt.

Dự báo tình hình trạng thái thiết bị năm tới và tìm điểm cân bằng?
124

63
 07/02/2023

Quy ước:

- Trạng thái 1 là trạng thái vận hành thiết bị tốt

- Trạng thái 2 là trạng thái vận hành thiết bị không tốt

Không gian trạng thái E={1,2}

Ma trận xác xuất chuyển:

p11 p12
P = p21 p22
125

0,8 0,2
P = 0,1 0,9
Trong đó:
- P11= 0,8 - xác suất thiết bị sẽ vận hành tốt trong tháng nếu nó đã vận hành tốt ở
tháng trước là 80%.
- P12=0,2 – xác suất thiết bị sẽ vận hành không tốt trong tháng nếu nó đã vận
hành tốt ở tháng trước là 20%.
- P21=0,1 – xác suất thiết bị sẽ vận hành tốt trong tháng nếu nó đã vận hành
không tốt ở tháng trước là 10%.
- P22=0,9 – xác suất thiết bị sẽ vận hành không tốt trong tháng nếu nó đã vận
hành không tốt ở tháng trước là 90%.

126

64
 07/02/2023

• ᴫ(0) = ( 1 0) 0,8 0,2

• ᴫ(1) = ᴫ(0) . P = (1 0) 0,1 0,9 = ( 0,8 0,2)

0,8 0,2
= ( 0,66 0,34)
• ᴫ(2) = ᴫ(1) . P = (0,8 0,2)
0,1 0,9
Sau 2 tháng, xác suất thiết bị hoạt động tốt là 66% và nó sẽ hoạt động
không tốt với xác suất là 34%

127

Tìm điểm cân bằng

(ᴫ1 ᴫ2) = (ᴫ1 ᴫ2) .P

ᴫ1 + ᴫ2 = 1

 ᴫ1 = 0,8 ᴫ1 + 0,1 ᴫ2 ᴫ2
= 0,2 ᴫ1 + 0,9 ᴫ2 ᴫ1 +
ᴫ2 = 1

 Điểm cân bằng (0,3333 0,6667)

128

65
 07/02/2023

3.3.2 Dự báo trong vận hành thiếtbị tại

doanhnghiệp
vận tải

VD2: Tình trạng hđ của thiết bị ở 1 xưởng(X) như

sau:
Năm 2015: 60T 40X
Năm 2016: (40T + 20X) (16T+24X)
Dự báo trạng thái thiết bị năm 2017?
Không gian trạng thái E = {T,X} = {1,2}
ᴫ(0) = ( 0,6 0,4)
p11 pp12
P = p21 22

129

P11 = 40/60 = 0,667 P21 = 16/40 = 0,4

P12 = 20/60 = 0,333 P22 = 24/40 = 0,6
0,667 0,333
 P = 0,4 0,6

ᴫ(2) = ᴫ(1) . P
C1: ᴫ(1) = ᴫ(0) . P C2:
T=40+16=56
X=20+24=44
(1)
ᴫ = (0, 56 0,44)
 ᴫ(2) = ᴫ(1) . P= (0, 56 0,44). P = (0,55 0,45)

130

66
 07/02/2023

Tìm điểm cân bằng

(ᴫ1 ᴫ2) = (ᴫ1 ᴫ2) .P

ᴫ1 + ᴫ2 = 1

 ᴫ1 = 0,667 ᴫ1 + 0,4 ᴫ2 ᴫ2
= 0,333 ᴫ1 + 0,6 ᴫ2 ᴫ1 +
ᴫ2 = 1

 Điểm cân bằng (0,5457 0,4543)

131

Bài tập 3: Một doanh nghiệp có tình trạng thiết bị năm ngoái như sau:

• 64% hoạt động tốt

• 20% sửa chữa nhỏ

• Còn lại là sửa chữa lớn

Theo số liệu thống kê qua nhiều năm:

• Đối với loại hoạt động tốt: 68% vẫn hoạt động tốt vào năm sau, 17% sửa chữa nhỏ,
còn lại là sửa chữa lớn.

• Đối với loại sửa chữa nhỏ: 30% vẫn sửa chữa nhỏ vào năm sau, 58% hoạt động tốt,
còn lại là sửa chữa lớn.

• Đối với loại sửa chữa lớn: 42% vẫn phải sửa chữa lớn, còn lại hoạt động tốt.

Dự báo: Tình hình thiết bị trong năm tới và tìm điểm cân bẳng (nếu có)
132

67
 07/02/2023

Bài tập 4: Một xí nghiệp X có tình trạng thiết bị như sau:

Biết năm ngoái có 64% thiết bị tốt, 18% sửa chữa nhỏ, và phần còn lại sửa chữa
lớn.

Theo thống kê qua các năm:

-Trong số thiết bị tốt của năm trước có 67% vẫn tốt, 17% phải sc nhỏ, còn lại sc
lớn

-Trong số thiết bị sc nhỏ của năm trước có 67% tốt, 20% sc nhỏ,13% sc lớn

-Trong số thiết bị sc lớn của năm trước có 60% tốt, 40% sc lớn

Hãy dự báo tình trạng thiết bị của 2 năm tới? Tìm điểm cân bằng tình trạng
thiết bị (nếu có)?

133

Bài tập 5: Một xí nghiệp X có tình trạng thiết bị như sau:

Biết năm ngoái có 50 thiết bị tốt,

18 tb sửa chữa nhỏ, 15 sửa chữa lớn, 5 tb hỏng toàn bộ.

Theo thống kê qua các năm:

-Trong số thiết bị tốt của năm trước có 45 tb vẫn tốt, 2 tb phải sc nhỏ, 3 tb sc lớn

-Trong số thiết bị sc nhỏ của năm trước có 10 tb tốt, 5 tb sc nhỏ, 3 tb sc lớn

-Trong số thiết bị sc lớn của năm trước có 1 tb tốt, 10 tb s/c nhỏ, 3 tb sc lớn, 1tb hư hỏng toàn
bộ

-Trong số thiết bị hỏng toàn bộ của năm trước có 2 tb s/c nhỏ, 1 tb sc lớn, 2tb hư hỏng toàn bộ

Hãy dự báo tình trạng thiết bị của 2 năm tới? Tìm tình trạng cân bằng của thiết bị tại xí nghiệp
(nếu có)?

134

68
 07/02/2023

Bài tập 6: G/s thị trường VTB ở HCM có 4 dn A,B,C, D

Biết hiện nay dn A nắm giữ 45% tp, dn B nắm giữ
25% tp, dn C nắm giữ 15% thị phần, còn lại thị
phần của dn D.
Theo số liệu thống kê tình hình khách hàng qua các năm như sau:
- Đối với dn A: 50% kh cũ vẫn ở dn, 30% chuyển sang dn B, 10%
chuyển sang dn C, còn lại chuyển sang dn D.
- Đối với dn B: 40% kh chuyển sang dn A, 40% vẫn ở lại, còn lại chuyển
sang dn C.
- Đối với dn C: 45% kh chuyển sang dn A, 25% chuyển sang dn B, còn
lại chuyển sang dn D.
- Đối với dn D: 45% kh cũ, 15% chuyển sang dn B, 25% chuyển sang C,
còn lại chuyển sang dn A.
Hã1y35dự báo thị phần của các cảng trong 3 năm tới? Tìm thị phần
cân bằng (nếu có)?

69
 07/02/2023

4.1. Các khái niệm chung

4.1.1 Ngoại suy
4.1.2 Chuỗi thời gian
4.1.3 Xu thế
4.2 Mô hình dự báo thống kê
4.3. Mô hình dự báo san bằng hàm mũ.
4.3.1. Dự báo chuỗi thời gian không xu thế
4.3.2. Dự báo chuỗi thời gian có xu thế đường thẳng
4.3.3 Ưu nhược điểm của dự báo san bằng hàm mũ.

137

4.1 Các khái niệm chung

4.1.1 Ngoại suy

a. Khái niệm: Ngoại suy là dựa trên những số liệu đã có về một đối
tượng dự báo để đưa ra những suy đoán hoặc tiên đoán về hành vi hay
mức độ của đối tượng đó trong tương lai.

b. Điều kiện:
• Đối tượng dự báo phát triển 1 cách ổn định theo thời gian

• Điều kiện chung cho sự phát triển của đt dự báo trong quá khứ phải duy
trì sang tương lai

• Không có những tác động gây ra những đột biến trong quá trình phát
triển của đối tượng dự báo.
138

70
 07/02/2023

Phương pháp dự báo chuỗi thời gian

Mục tiêu dự Biến cần dự Thời gian dự Thu thập số

báo báo báo liệu

Khảo sát số liệu

Chọn mô hình dự
báo

Dự báo các giai

đoạn quá khứ

Dự báo các giai đoạn trong

Khảo sát lại dữ liệu Đánh tương lai
quá khứ Không tốt giá
Kiểm tra độ chính xác dự báo

Tốt Đánh
giá

Khảo sát dạng dữ liệu bằng các

dữ liệu cập nhật 139
Nguồn: Hanken, 2005

4.1.2 Chuỗi thời gian

• Chuỗi thời gian là chuỗi các số liệu lịch sử phản ánh sự biến đổi của
một biến số kinh tế, xã hội được sắp xếp theo thứ tự thời gian.
• Chuỗi số liệu này được thu thập theo thời điểm hoặc theo 1 thời kỳ hay
theo 1 khoảng thời gian được gọi là đơn vị thời gian:
ngày/tuần/tháng/năm….
• Các chuỗi thời gian có thể được ký hiệu bằng các chữ cái: Y t, Xt, Zt.
Các giá trị của chuỗi thời gian Y t được ký hiệu theo tuần tự thời gian:
Y1 , Y2 , Y3 …
• Yt: Giá trị quan sát tại thời kỳ t. Các giá trị của chuỗi thời gian được gọi
là các mức của chuỗi và được sắp xếp theo trật tự thời gian xuất hiện.
140

71
 07/02/2023

Khối lượng hàng hóa vận chuyển của Việt Nam

ĐVT: Nghìn Tấn
Đường hàng
Năm Đường sắt Đường bộ Đường sông Đường biển
không

2010 7861,5 587014,2 144227 61593,2 190,1

2011 7285,1 654127,1 160164,5 63904,5 200,3

2012 6952,1 717905,7 174385,4 61694,2 191

2013 6525,9 763790 181212,7 58701,6 183,7

2014 7178,9 821700 190600 58900 202

2015 6707 877628,4 201530,7 60800 229,6

2016 5209 969721 215768,2 64474,4 285,6

2017 5611 1074450,9 232813,8 70019,2 317,9

2018 5717,7 1207682,8 251904,6 73562,2 404,4

2019 5100 1340527,9 266011,2 77902,4 448,1

141
Nguồn: Tổng cục Thống kê

Phân loại chuỗi thời gian

Chuỗi điểm và chuỗi khoảng

Chuỗi tuyệt đối và chuỗi tương

đối

Chuỗi tất định và chuỗi ngẫu

nhiên

142

72
 07/02/2023

4.1.3. Xu thế
Chuỗi thời gian khi được phân tích để làm rõ cấu trúc bằng cách sử
dụng các phương pháp thống kê khác nhau , cho thấy chuỗi thời
gian gồm 4 thành phần sau đây:
1. Thành phần biến động xu thế, ký hiệu là Xt.
2. Thành phần mùa vụ (thời vụ), ký hiệu là St.
3. Thành phần biến động chu kỳ, ký hiệu Ct.
4. Thành phần ngẫu nhiên, ký hiệu Ut.
Dưới dạng tổng quát có thể mô tả chuỗi thời gian như sau:

Yt = f (Xt, St, Ct, Ut)

143

• Xu thế là 1 bộ phận của CTG thể hiện khuynh hướng phát triển
dài hạn của chuỗi thời gian đó.
• Cách xác định hàm xu thế:
 Dùng đồ thị
 Phân tích thống kê
 Cực tiểu sai số
• Ước lượng hàm xu thế
 Phương pháp điểm chọn
 Phương pháp nội suy Newton
 Phương pháp bình quân nhỏ nhất thông thường

144

73
 07/02/2023

Mô hình xu thế đơn

• Đườnggiản
xu thế: yt  a  b 
t
• Hypecbol:
b
yt  a abt
• Đường số mũ: yt  e t hoặc yt  a  t

b b
• Hàm luỹ thừa: yt  a 
t
• Đa thức với các bậc lũy thừa khác nhau:
y t  a  b1  t  b2  t 2  ... m b 
tm
145

Các phương pháp dự báo đơn giản

• PHƯƠNG PHÁP DỰ BÁO ĐƠN GIẢN - PP DỰ BÁO

THÔ (NAÏVE MODEL)
1. Lấy kết quả trong giai đoạn tới bằng kết quả trong
giai đoạn hiện tại:
𝑌𝑡෣ = Yt (4.1)
+
1
Trong đó: 𝑌 ෣𝑡 + 1 là giá trị dự báo cho thời kỳ (t+1) được
tạo ra ở thời điểm hiện tại t (thời điểm gốc)

146

74
 07/02/2023

Các công thức Naïve mở rộng

𝑌𝑡෣ = Yt + ( Yt – Y t-1) (4.2)

+
1
𝑌𝑡
𝑌𝑡෣ = Yt .
𝑌𝑡−
(4.3)
+
1 1

𝑌𝑡෣ = Yt - 3 (4.4)
+
1 là chuỗi số liệu theo thời gian)
(Chuỗi thời gian thu thập được

𝑌𝑡 −𝑌 𝑡−1 + …+ 𝑌 𝑡−3 −𝑌
𝑌𝑡෣ = Yt-3 + 𝑡−4
+
1 4
= Yt-3 + 4
147
(4.5)

PHƯƠNG PHÁP DỰ BÁO TRUNG BÌNH ĐỘNG

• Trung bình đơn giản (simple average):

thực hiện bằng cách tìm ra giá trị trung bình (mean) của tất
cả các giá trị trong quá khứ và sau đó dùng giá trị trung bình
này làm giá trị dự báo cho giai đoạn tiếp theo
• Trung bình động (moving average) gồm có PP trung
bình trượt giản đơn và PP trung bình trượt kép
• TB động tại thời điểm t là trung bình số học của n giá trị
gần nhất:
• TB động chỉ tính giá trị t/b cho 1 số lượng giai đoạn cố
định
• Sẽ thay đổi khi có giá trị mới xuất hiện
148

75
 07/02/2023

Ta gọi Yt ( t=1;n) là chuỗi thời gian bao gồm các quan sát của đối tượng
dự báo tại các thời điểm t, khi đó giá trị dự báo tại thời kỳ (t+1) được xác
định như sau:

𝑌𝑡෣ = 1 𝑖=1 𝑌
+ �
σ1 � 𝑖

Trong đó:
𝑌𝑡෣ 1: giá trị dự báo cho giai đoạn
+
t+1
Y(t): giá trị thực tế tại thời điểm t
n: tổng số lượng giai đoạn có trong thực tế
Nói cách khác: PP này sử dụng trung bình của toàn bộ dãy số
để dự báo cho giai đoạn tiếp theo
149

• Mô hình t/b động có dạng:

Y^(t+1)=(Y(t)+Y(t-1)+ Y(t-2)+….+ Y(t-n+1))/k
Trong đó:
Y^(t+1): giá trị dự báo cho gđ t+1
Y(t): giá trị thực tế tại thời điểm t
k: tổng số lượng giai đoạn lấy làm trung bình động (còn gọi
là hệ số t/b động)

150

76
 07/02/2023

Áp dụng PP dự báo trung bình đơn giản:

• AD dữ liệu từ tuần 1 đến tuần 10:

^
1 10
Y 11  Yi
10 i1


Áp dụng PP dự báo trung bình đơn giản:

• AD dữ liệu từ tuần 1 đến tuần 10:

^
1 4, 25  4,1 ...  3,88 

10
Y 11 Y   3, 99
3,85
10 i1 i
10
 (Tấn)

77
 07/02/2023

Áp dụng PP dự báo trung bình trượt giản đơn:

• Ta có: m=4 (m: khoảng trượt)

^ Y7  Y8  Y9  Y10 3, 75  3, 79  3,88 
Y 11   3,818 (Tấn)
3,85 4 4

Giả sử, t có giá trị thực tế Y11= 4,5 (T), khi đó AD PP trung bình trượt
đơn với m vẫn bằng 4 dự báo cho 𝑌12
giản ෢ , chỉ lấy 4 giá trị tiếp theo, bỏ giá trị
Y7
^ Y8  Y9  Y10 
Y 12  3, 79  3,88  3,85  4, 5  4, 005
 Y11 (Tấn)

PHƯƠNG PHÁP TRUNG BÌNH TRƯỢT KÉP

Cách tiến hành:
Bước 1: Xác định chuỗi trung bình trượt bậc 1 – MA(m)
^ Yt  Yt 1  Yt 2  ...  t (m1)
MA(m) t  Yt 1 
mY
Bước 2: Xác định chuỗi trung bình trượt bậc 2 –
MA’(m)
MA(m)t  MA(m)t 1  ...  MA(m)t
MA '(m)t 
m
Bước 3: Xác định vị trí trung bình của chuỗi dữ liệu khi có yếu tố xu thế
(at) và độ dốc (bt):
a𝑡 = 2 MA(m)t – MA’(m)t
2
bt = MA(m)t  MA
m 1
'(m) ^
Bước 4: Dự báo cho giai đoạn tiếp: Yt  p  at  bt (p: số giai đoạn cần dự báo)
p

78
 07/02/2023

4.2 Mô hình dự báo thống kê

4.2.1 Khái niệm

Mô hình là sự diễn đạt các thuộc tính của đối tượng theo
sự nhận thức của con người về đối tượng đó nhằm phản
ánh mối quan hệ của đối tượng, việc xây dựng mô hình
trên cơ sở phân tích các mqh của đối tượng gọi là mô hình
hóa.

155

• Mô hình hóa thống kê:

Công cụ chủ yếu để phân tích dự báo và lập kế hoạch phát

triển kinh tế, trên cơ sở các số liệu thống kê ở quá khứ và
hiện tại. Người ta tiến hành xây dựng các mô hình thuật
toán, nhằm miêu tả các đối tượng nổi bật, các tính quy luật
phát triển, các mối liên hệ chủ yếu của các hiện tượng và các
quá trình phát triển kinh tế.

156

79
 07/02/2023

Đặc điểm của dự báo thống kê

• Chỉ thực hiện trên 1 mô hình cụ thể: mô hình dãy số thời gian
(chuỗi thời gian) & mô hình nhân quả.
• Nguyên tắc cơ bản để xác định mô hình dự báo: tính kế thừa
lịch sử, tính quy luật phát triển…
• Tính khả thi của mức độ dự báo: mang tính xác suất.
• Dự báo thống kê thường dùng trong dự báo ngắn hoặc trung
hạn
• Dự báo thống kê mang tính đa phương án
• Dự báo tk là các thuật toán, kỹ thuật tính toán phân tích, với
kinh nghiệm quản lý, phương tiện sử dụng để tính toán.

157

Các bước thực hiện

1. Phân tích thực trạng biến động của hiện tượng nghiên cứu:
bằng phương pháp thống kê để đánh giá bản chất của mqh
nội tại của đối tượng nghiên cứu.
2. Xác định mô hình dự báo, tính tham số để định lượng
chiều hướng, dáng điệu biến thiên của quy luật.
3. Kiểm định việc lựa chọn mô hình dự báo
4. Sau khi dự báo, theo dõi các yếu tố nguyên nhân, đk đã và
đang xảy ra, tham khảo ý kiến chuyên gia để chỉnh lại mô
hình.

158

80
 07/02/2023

4.2.2 Mô hình hồi quy

• Hồi quy - nói theo cách đơn giản, là đi ngược lại về quá khứ
(regression) để nghiên cứu những dữ liệu (data) đã diễn ra theo
thời gian (dữ liệu chuỗi thời gian - time series) hoặc diễn ra tại
cùng một thời điểm (dữ liệu thời điểm hoặc dữ liệu chéo
- cross section) nhằm tìm đến một quy luật về mối quan hệ
giữa chúng. Mối quan hệ đó được biểu diễn thành một phương
trình (hay mô hình) gọi là: phương trình hồi quy

159

• Hồi quy là công cụ cơ bản để đo lường kt; Còn phân tích hồi
quy là nghiên cứu các mối liên hệ phụ thuộc của một biến
(gọi là biến phụ thuộc hay biến được giải thích) với 1 hay nhiều
biến khác (được gọi là biến độc lập hay biến giải thích)

• Trong phân tích hoạt động kinh doanh cũng như trong nhiều lĩnh
vực khác, hồi quy là công cụ phân tích đầy sức mạnh không
thể thay thế, là phương pháp thống kê toán dùng để ước lượng,
dự báo những sự kiện xảy ra trong tương lai dựa vào quy
luật quá khứ.
160

81
 07/02/2023

Phương trình hồi quy đơn biến (đường thẳng) có dạng

tổng quát:
Y = a + b.t
Trong đó:
Y: biến số phụ thuộc (dependent variable)
t: biến số độc lập (independent variable)
a: tung độ gốc hay nút chặn (intercept)
b: độ dốc hay hệ số gốc (slope).

161

Đường hồi qui đơn

162

82
 07/02/2023

Các giá trị thực tế

163

Đường hồi qui ước lượng

83
 07/02/2023

Phần dư

165

Sự khác nhau giữa đường hồi qui lý thuyết và ước lượng

166

84
 07/02/2023

4.2.3 Dự báo thống kê theo mô

hình chuỗi thời gian

• Mô hình chuỗi thời gian được biểu hiện bằng hàm

xu thế sau đây:
Yt = a + ∑bi *ti
a , bi : (i=1-k) là các tham số được xác định trong từng
chuỗi số của quá khứ.
t: biến số phản ánh thứ tự thời gian (t=1,2,3…)
k: bậc của đa thức

167

Hệ số biến thiên V để đo độ
phù hợp của hàm xu thế

( y  y ^ )2
np S
V y  ye

85
 07/02/2023

• V = Se/ Y ≤ 10% (0,1)hàm xu thế phù hợp

Trong đó:
n: số các mức độ trong chuỗi thời gian - Yt
P: số các tham số a , b
Se: sai số ngẫu nhiên
Giá trị dự báo điểm: t’ = e
Y^(e) = a + b*(e)
Giá trị dự báo khoảng: Y^(e) + - tα/2 *Se
với tα/2 : được tra từ bảng T (Phân phối Student)
 Y^(e) - tα/2 *Se ≤ Ydb ≤ Y^(e) + tα/2 *Se
169

Chú ý: Trong thực tế để đơn giản, ta tính cách đánh

số lại các t’  t , cụ thể là:
- Nếu số mốc n là lẻ, thì ta chọn số chính giữa là 0,
trước nó là -1,-2,-3.., sau nó là 1,2,3,,,
- Nếu n chẵn, ta chọn 2 số chính giữa là -1,1, trước nó -
3,-5,-7, sau là 3,5,7..
Với cách tính này ∑t = 0
a = ∑Yt/n
b = ∑Yt*t/∑t2

170

86
 07/02/2023

VD: Cho dãy thống kê

t' 1 2 3 4 5 6 7 8 9
yt 28.5 27.49 27.39 27.18 26.9 26.7 26.61 26.49 26.39

Biết xu thế đường thẳng, tα/2 = 1,96, với mức tin cậy
85%. Hãy dự báo điểm và khoảng tại t’=10.
Hàm xu thế có dạng: y abt
t

171

yt  a  b 
t σ𝑦 243,65
•a= 𝑖= =
� 9
27,07
σ�𝑦
• b =𝑡σ 𝑖 2𝑖 = −13,48
60 = −0,22
𝑡𝑖

=> Y^t = 27,07 – 0,22.t

87
 07/02/2023

ti2 ei2
T’ yi ti yiti ei
1 28,5 -4 16 -114 27,95 0,55 0,3025
2 27,49 -3 9 -82,47 27,73 -0,24 0,0576
3 27,39 -2 4 -54,78 27,51 -0,12 0,0144
4 27,18 -1 1 -27,18 27,29 -0,11 0,0121
5 26,9 0 0 0 27,07 -0,17 0,0289
6 26,7 1 1 26,7 26,85 -0,15 0,0225
7 26,61 2 4 53,22 26,63 -0,02 0,0004
8 26,49 3 9 79,47 26,41 0,08 0,0064
9 26,39 4 16 105,56 26,19 0,2 0,04
Tổng 243,65 0 60 -13,48 243,63 0,02 0,4848

• Kiểm tra tính phù hợp của mô hình:

( y  y^ )2

V np S
y  ye

88
 07/02/2023

Bài tập 1: Thống kê sản lượng hàng thông qua cảng A

trong 9 năm.
Biết xu thế đường thẳng, tα/2 = 1,96, với mức tin cậy
85%.
Hãy dự báo sản lượng hàng thông qua cảng A năm thứ
10:
t' 1 2 3 4 5 6 7 8 9

yt (104
109 125 143 165 179 197 220 241 257
T)

176

89
 07/02/2023

Bài tập 2: Cho dãy thống kê

t' 1 2 3 4 5 6 7 8 9
yt 107 123 140 160 175 192 219 240 253

Biết xu thế đường thẳng, tα/2 = 1,96, với mức tin cậy
85%. Hãy dự báo điểm và khoảng tại t’=11.
Hàm xu thế có dạng: y abt
t

177

Bài tập 3: Cho dãy thống kê

t' 1 2 3 4 5 6 7 8
yt 107 123 140 160 175 192 219 240

Biết xu thế đường thẳng, tα/2 = 1,96, với mức độ tin cậy
85%. Hãy dự báo điểm và khoảng tại t’=10.
Hàm xu thế có dạng: yt  a  b 
t

178

90
 07/02/2023

4.3 Mô hình san bằng hàm số mũ

Những dự báo của các phần trước đều dựa trên giả thiết các
tham số không thay đổi theo thời gian, tuy nhiên trong thực tế
các tham số thay đổi theo thời gian cần điều chỉnh chúng: có rất
nhiều phương pháp điều chỉnh, ở đây ta xét phương pháp san
bằng hàm mũ, là phương pháp có khả năng thích nghi cao cho dự
đoán khá chính xác. Ngoài ra, nó còn tương đối đơn giản.

179

Nội dung cơ bản

- Trước tiên dãy số thời gian được san bằng nhằm loại bỏ
ảnh hưởng của nhân tố ngẫu nhiên & làm lộ xu hướng
phát triển cơ bản của hiện tượng nghiên cứu.

- Để san bằng ta sử dụng các số bình quân mũ, mỗi số bình

quân mũ vừa phản ánh mức độ của phương trình nghiên
cứu ở cuối khoảng san bằng, đồng thời lại mang thông tin
nhất định về tất cả các mức độ đứng trước nó.

180

91
 07/02/2023

Đây là 1 pp khôi phục liên tục giá trị ước lượng hay dự báo
bằng cách tính những gía trị thay đổi gần nhất hoặc dao động
mới của dữ liệu. Những dao động này có thể là sai số ngẫu
nhiên hay sự kiện ngoài tầm dự báo

Phương pháp:

Uớc lượng giá trị mới = cách lấy giá trị ước lượng ở thời điểm
hiện tại + phần sai số ngẫu nhiên

෢ + α. t
𝒀𝒕෣+ = 𝒀�
181
𝟏 e �

• et = yt -
𝒀𝒕෣𝑡 = 𝒀෢� + α. t
• ��ෝ
+
e 𝟏
Đặt S =
�
t 𝒕+
𝟏
St =෣St-1 + α.(yt - St-1)
𝒀
St =(1-α).St-1 + α. yt
Trong đó:
St ; St-1 là số bình quân san bằng mũ của các gía trị dự báo tại
thời điểm kế tiếp và hiện tại
Yt : gía trị thực tế tại thời điểm hiện tại
α : tham số san bằng 0< α<1
182

92
 07/02/2023

• Đối với phương pháp san bằng hàm mũ tồn tại 2 vấn đề cần
phải giải quyết, đó là lựa chọn α, và điều kiện ban đầu s0
• Lựa chọn α: α=0,3 và α=2/n+1
• Điều kiện ban đầu s0
C1: S0 = y0 : tức là bằng mức độ đầu tiên của dãy số
C2: S0 = ∑Yi /K
• Hàm xu thế tuyến tính : yt  a  b  thì lúc đó
s0 (1) = a0 – 𝟏−𝜶
. b0
� t
� 𝟏−𝜶
s0(2) = a0 – 2. . 0
�
b
với a0 =a , b0=b� là hệ số hồi quy của phương trình:

183 yt  a  b  t

• Trong nhiều trường hợp, người ta tính các số bình quân

mũ bậc cao hơn.
Công thức tính bq mũ bậc cao hơn như sau:
St (k) =α.St(k-1) + (1- α).St-1(k)
St (k) : số bq mũ bậc k tại thời điểm t
St(k-1) : số bq mũ bậc k-1 tại thời điểm t
St-1 (k) : số bq mũ bậc k tại thời điểm t-1

184

93
 07/02/2023

4.3.1 Dự báo chuỗi thời gian

không có xu thế

• Là hiện tượng dừng.

• Hiện tượng dừng có thế được xác định bằng phương
pháp đồ thị hay hệ số tương quan y & t. Thì chuỗi thời
gian không có xu thế được biểu diễn như sau:
Yt = A + et
Trong đó:
A: tham số trục tung
et : sai số ngẫu nhiên

185

San bằng hàm số mũ đơn

181686

94
 07/02/2023

VD: Số liệu ngành sx ô tô Mỹ

104 chiếc, α=0,96,tính gtr 1981

Năm t Yt (104) y^t et = yt - y^t

1968 0 86,46
1969 1 92,04 86,46 5,58
1970 2 81,44 91,82 -10,38
1971 3 84,71 81,86 2,85
1972 4 88,61 84,596
1973 5 96,92 88,449
1974 6 91,12 96,58
1975 7 78,75 91,338
1976 8 87,82 79,25
1977 9 95,39 87,477
1978 10 100,88 95,073
1979 11 100,09 100,647
1980 12 79,89 100,11
187

• Cụ thể như sau:

• y^t+1 = St = α. Yt + (1-α).S t-1
• 69: y^1 = S0 = 86,46
• 70: y^2 = S1 = 0,96*92,04+(1-0,96)*86,46=91,82
• 71: y^3 = S2 = 0,96*81,44+(1-0,96)*91,82=81,86
• 72 y^4 = S3 = 0,96*84,71+(1-0,96)*81,86=84,6
• 73…

• 81 y^13 = S12 = 0,96*79,89+(1-0,96)*100,11=80,7

188

95
 07/02/2023

Xác định trọng số α thích hợp

α = 0,01 1
• α>0,3: sai số không còn ngẫu nhiên, tuy nhiên người ta
vẫn chấp nhận α >0,3
• α=2/(n+1) , trong đó n: số quan sát thống kê
Xác định α: sao cho SSE=∑(Yt – Y^t)2 min
Dùng phương pháp thử và làm: cho α lần lượt biến đổi từ α
= 0,01- 0,96  chọn được α khi SSE min

189

Xây dựng khoảng dự báo

• Sai số tuân theo quy luật phân phối chuẩn, thì có thể xây
dựng 1 khoảng tin cậy đối với bất kỳ một ước lượng san
bằng đơn nào, theo công thức sau:
St ± ʎα/2 .MAEt .(dt )
St giá trị dự báo ở thời điểm kế tiếp
ʎα/2 hệ số tin cậy đối với α/2 (tra từ bảng pp chuẩn)
dt hằng số = 1,25
MAEt = ∑І yt – y^t І / t

190

96
 07/02/2023

4.3.2 Dự báo chuỗi thời gian

có xu thế đường thẳng

• Đã đề cập đến xu thế với phương trình hồi quy là

đường thẳng

yt  a  b  t
• Với tham số ước lượng là a,b, nếu các tham số này
không có khả năng thay đổi đáng kể thì có thể thay đổi
chúng bằng cách sử dụng phương pháp san bằng hàm
số mũ bậc 2

191

San bằng hàm số mũ bậc 2

• Cũng giống như san bằng hàm số mũ đơn, về lý luận cũng
như kỹ thuật tính toán, ta sử dụng phương trình san bằng
như sau:
y^t+1 = St = α. Y t + (1-α).S t-1
Đặt y^t+1 = at + bt .T : là giá trị ước lượng, ở đây ta
chọn T=1
(1) at = 2.St – St(2)
bt = (α/(1- α)). (St – St(2))
St , St(2) những giá trị thống kê san bằng

192

97
 07/02/2023

(2) St = α. Yt + (1-α).St-1
St (2) =α.St + (1- α).St- 1(2)
Để tiến hành sbm bậc 2, thì trước hết có những giá trị ước
lượng đầu tiên và chúng được lấy từ những hàm hồi quy:

yt  a  b  t
Tính so , s 0(2) từ các phương trình
(3) s0 = a0 – b0 .(1- α)/ α
s0(2) = a 0 – 2.b 0 .(1- α)/ α

193

THỜI ĐOẠN ĐẦU TIÊN

Xác định a0 : a0 = a yt  a  b 
b0 : b0 = b
t
 y^1 = a0 + b 0
Ta tính s 0 = a0 – b0 .(1- α)/ α
s0 (2) = a0 – 2.b0 .(1- α)/ α

194

98
 07/02/2023

THỜI ĐOẠN THỨ HAI

S1 = α. Y1 + (1-α).S0
S1 (2) =α.S1 + (1- α).S0 (2)
a1 = 2.S1 – S1 (2)
b1= (α/(1- α)). (S1 – S1 (2))
y^ 2 = a1 + b 1

195

THỜI ĐOẠN (k+1)

4 = α. Yk + (1-α).Sk-1
Sk (2) =α.Sk + (1- α).Sk-1 (2)
ak = 2.Sk – Sk(2)
bk = α/(1- α). (Sk – Sk(2))
y^ k+1 = ak + b k

196

99
 07/02/2023

Xác định trọng số thích hợp

• Đối với san bằng hsm bậc 2, việc tìm α thích hợp cũng
giống như sbhsm bậc 1, giá trị α tối ưu khi tổng sai số dự
báo bình phương SSE  min
• α =0,01 SSE SSE=∑(Yt – Y^t)2
• α =0,06 SSE
• ------
• α =0,96 SSE
• Gía trị α nào cho SSE min, chính là tham số san bằng cần
chọn

197

Xây dựng khoảng dự báo

St ± ʎα/2 .MAEt .(dt )

y^t+1 = St giá trị dự báo ở thời điểm t+1
ʎα/2 hệ số tin cậy đối với α/2 (tra từ bảng pp chuẩn)
dt hằng số = 1,25
MAEt = ∑І yt – y^t І / t

198

100
 07/02/2023

Ưu - nhược điểm
của dự báo san
bằng hàm mũ?

4.3.3 Ưu - nhược điểm của dự

báo san bằng hàm mũ
Ưu điểm Nhược điểm
- Tương đối chính xác trong thời - Thời điểm bắt đầu đòi hỏi phải tìm
gian ngắn hạn. ra giá trị α tốt nhất và kiểm tra,
- Đơn giản hiệu chỉnh nhiều lần giá trị của α.
- Chi phí thấp - San bằng hàm mũ không tính đến
- Việc tính toán khá thuận lợi nhờ những biến số khác có ảnh hưởng
các phần mềm chuyên dụng đã tới dự báo.
có sẵn.
- Dễ dàng trong việc hiệu chỉnh
giá trị ước lượng
=> Sử dụng trong dự báo ngắn hạn

101
 07/02/2023

Vd: Cho hàm hồi quy yt^ =28,17-0,22.t, α=0,16, dự báo

t=3 và cho bảng số liệu sau:

t Yt at bt y^t et
1 28,5
2 27,49
3

201

Bài giải

Thời đoạn đầu tiên

Ta có a0 = 28,17
b0 = -0,22
 y^1 = a0 + b0 = 27,95
s 0 = a0 – b0 *(1- α)/ α
= 28,17 –(-0,22)*(1-0,16)/0,16
= 29,325
s0(2) = a0 – 2.b0 *(1- α)/α =30,48

202

102
 07/02/2023

Bài giải (tt)

Thời đoạn 2
S1 = α. Y1 + (1-α).S0
= 0,16x28,5+(1-0,16).29,325 =29,193
S1 (2) =α.S1 + (1- α).S0 (2)
= 0,16x29,193+(1-0,16)x30,48 = 30,274
 a1 = 2.S1 – S1 (2) = 2x29,193-30,274=28,112
b1= (α/(1- α)). (S1 – S1 (2)) = -0,206
 y^2 = a1 + b 1 = 27,906

203

Bài giải (tt)

Thời đoạn 3
S2 = α. Y2 + (1-α).S1 =28,921
S2 (2) =α.S2 + (1- α).S1 (2) = 30,058
 a2 = 2.S2 – S2 (2) =27,784
b2= (α/(1- α)). (S2 – S2 (2)) = -0,217
 y^3 = a2 + b 2 = 27,567

204

103
 07/02/2023

Bài tập 4: Cho phương trình hồi quy

yt^ =187,2+19,75.t, α=0.16, dự báo t=3 và cho bảng
số liệu như sau:

t Yt at bt y^ t et
1 245
2 260
3

205

Thời gian làm bài: 8h57 – 9h20

Bài tập 5: Cho hàm hồi quy

yt^ =185,5+19,8.t, α=0.21, dự báo t=3 và cho bảng số
liệu như sau:

t Yt at bt y^t et
1 147
2 165
3

206

104
 07/02/2023

Bài tập 6: Cho dãy thống kê về tình hình

doanh thu của 1 công ty vận tải biển:
t' 1 2 3 4 5 6 7 8 9
yt 112 125 134 140 158 170 182 196 219

a/ Biết xu thế đường thẳng, tα/2 = 2,365, với mức tin

cậy 95%. Hãy dự báo điểm và khoảng tại t’=11?
b/ Với hàm hồi quy lập được hãy SBHM đối với 2
dữ liệu cuối để dự báo cho T’=10, α=0,21?
207

Kết quả
a) Se= 4,832
• Hàm xu thế: Y^t = 159,556 + 12,783.t
• DB điểm: 236,254
• DB khoảng: (224,826 ; 247,682)
b) 218,94

208

105
 07/02/2023

Thời gian làm bài: 14h17 đến 14h45

Bài tập 7: Cho dãy thống kê về tình hình
doanh thu của 1 DN cảng biển ở KV TP.HCM:

t' 1 2 3 4 5 6 7 8
yt 105 120 130 145 155 165 175 180

a/ Biết xu thế đường thẳng, với tα/2 = 1,96, với mức

tin cậy 85%. Hãy viết pt xu thế và dự báo điểm và
khoảng tại t’=10?
b/ Với hàm hồi quy lập được hãy SBHM đối với 2
dữ liệu cuối để dự báo cho T’=9, α=0,25?
209

Kết quả
a) Se= 3,25
• Hàm xu thế: Y^t = 146,875 + 5,446.t
• DB điểm: 206,781
• DB khoảng: (200,411 ; 213,781)
b) 181,471

210

106
 07/02/2023

Bài tập 8: Cho chuỗi thời gian:

T’ 1 2 3 4 5 6 7 8 9

Y(103) 28,5 27,49 27,39 27,18 26,90 26,70 26,61 26,49 26,39

Biết quy luật đường thẳng, t 0,025 7 = 2,365 với xác

suất tin cậy 95%.
a) Dự báo điểm và khoảng tại t’=11
b) Với hàm hồi quy trên, SBHM 2 dữ liệu cuối để dự
báo tại t’= 10 cho α=0,21

107
 07/02/2023

5.1.Khái niệm và phân loại mô hình cân đối

5.2 Nội dung mô hình cân đối
5.3 Ứng dụng mô hình cân đối trong dự báo liên ngành
5.4 Ưu-Nhược điểm của dự báo bằng mô hình cân đối

213

5.1.Khái niệm và phân loại mô hình cân đối

5.1.1 Khái niệm

Dự báo muốn có căn cứ khoa học đòi hỏi phải có sự phối
hợp chặt chẽ các chỉ tiêu phát triển của tất cả các khâu
trong nền KTQD, thì mô hình kt toán dạng cân đối có vai
trò lớn trong việc phân định các tỷ lệ cân đối của nền
ktxh, xác định cơ cấu kinh tế của nó.

108
 07/02/2023

• Các mô hình cân đối cho phép x/đ tỷ lệ vật chất lao động và giá
trị trong sự phát triển của hệ thống kt. Xác định nhu cầu về
nguồn nhân lực. Nhờ các mô hình cân đối thì có thể tính được
tất cả các chỉ tiêu hđ chủ yếu của DN, từng ngành, từng vùng
lãnh thổ và cả nền KTQD. Trong qtr mô hình hóa sẽ hình thành
các bảng cân đối liên ngành, liên vùng sx, và phân phối sản
phẩm trong nền KTQD, các bảng p/tr kt ngành, vùng lãnh thổ,
rồi các bảng cân đối hđsxkd của các DN.

5.1.2 Phân loại mô hình cân đối

• Tất cả các bảng cân đôi chia thành:

• Bảng cân đối giá trị
• Bảng cân đối hiện vật
• Bảng cân đối hiện vật-giá trị
• Mỗi loại bảng cân đối có thể được xây dựng theo các số
liệu báo cáo (bảng cân đối báo cáo), theo số liệu kế hoạch
(bảng cân đối kế hoạch), theo số liệu dự báo (bảng cđ dự
báo)

109
 07/02/2023

• Tùy thuộc vào độ dài thời kỳ dự báo có thể chia tất cả các
mhcđ thành 2 loại: bảng cân đối tĩnh và bảng cân đối động:
• Bảng cân đối tĩnh: được lập riêng trong khoảng thời gian 1
năm, có thể gồm nhiều mqh liên ngành, và nội bộ ngành. Tuy
nhiên, việc chia qtrkt liên tục thành các giai đoạn biệt lập nhau
dẫn đến không cho phép xđ các mqh nhân quả giữa quá khứ-
hiện tại-tương lai. Chính vì vậy, loại mh này được áp dụng để
giải quyết các vđ dự báo ngắn hạn và trung hạn.

• Bảng cân đối động: Khác với bảng cđ tĩnh, thì bảng cđ động
cho phép tính đến sự thay đổi của các qtrkt quan trọng nhất
trong thời kỳ dài, vì nó tạo đk phát hiện được mlh giữa giá
trị của các tham số trong thời kỳ trước và cả thời kỳ sau,
nhờ đó bảng cân đối động có thể đảm bảo tìm được những
đánh giá đạt tin cậy.
• Các bảng cân đối có đặc điểm chung: hình thức biểu diễn các
thông tin kt, trong đó tất cả các số liệu cần thiết được đưa vào
ma trận gồm 4 ô vuông và tất cả các tính toán được tiến
hành theo quy tắc của ma trận.

110
 07/02/2023

Các ngành sx Sử dụng cuối cùng Output

(Tổng sử dụng)
F
Y
Các ngành
sản phẩm
Tiêu dùng
trung gian
X
Ô2
Ô1

VA
Gía trị tăng
thêm
Ô3

Tổng đầu tư vào

X

• Ô 1: Thể hiện c/p trung gian của các ngành, bao gồm các
ngành sx ra s/p vật chất và các ngành sx ra s/p dịch vụ
• Ô 2: những s/p vật chất và dịch vụ được sử dụng cho nhu
cầu sử dụng cuối cùng: tích lũy tài sản và xuất khẩu
• Ô 3: thể hiện giá trị tăng thêm của các ngành bao gồm:
thuế xk, khấu hao tài sản cố định và thặng dư sản xuất

111
 07/02/2023

5.2 Nội dung Mô hình cân đối tĩnh (I/O)

Ngành sản xuất Ngành tiêu dùng sản Sản phẩm cuối cùng Sản lượng đầu ra
phẩm trung gian

1 X11 X12... X1j .. X1n Y1 X1

2 X21 X22… X2j.. X2n Y2 X2
;
i Xi1 Xi2 Xij Xin Yi Xi
;
n Xn1 Xn2 Xnj Xnn Yn Xn

Tiền lương V1 V2 Vj Vn
Thu nhập ròng m1 m2 m3 mn

Tổng đầu vào X1 X2 Xj Xn

• Giả định 1: các ngành sx vật chất trong nền kt bao

gồm 1 số ngành lớn: công nghiệp, nông nghiệp,
thương mại, dịch vụ…
• Giả định 2: mỗi ngành sx chỉ sx ra 1 loại hàng hóa
nào đó
• Giả định 3: công nghệ áp dụng không thay đổi (tức là
lao động quá khứ kết tinh trong 1đv sp là không thay
đổi)
• Giả định 4: nền sx không có lợi nhuận siêu ngạch

112
 07/02/2023

• Xij là giá trị sx ngành i cung ứng cho ngành j

• Yi là giá trị s/p ngành i cung ứng cho tiêu dùng cuối
cùng
• Xi là giá trị tổng s/p ngành i
• Vj là giá trị tăng thêm của ngành i

Đối với dòng i

Xi = Xi1 + Xi2 + ..+ Xij + ..+ Xin + Yi (i=1-n)
Xi = ∑Xij + Yi (1) (i=1-n)
∑Xij tổng mức tiêu dùng s/p của ngành i
Ở đây tổng số p/trình bằng số ngành được đưa vào cân
đối và tập hợp các biểu thức (1), gọi là mô hình toán
của bảng cân đối liên ngành sx và phân phối s/p

113
 07/02/2023

Xi =Xi1 .X1 + Xi2 .X2 + ..+ Xij .Xj + ..+ Xin Xn + Yi (2)
X1 X2 Xj Xn
Đặt aij = xij / xj  xij = aij.xj
aij : hệ số cp trực tiếp
Bản chất kt của các hệ số này được q/đ bởi hình thức bảng c/đ
ngành trong mô hình c/đ giá trị. Các hệ số này cho ta biết
c/p trực tiếp để tạo nên 1 giá trị sản lượng của nó.
Còn trong bảng c/đ hiện vật, thì các hệ số c/p trực tiếp là định
mức tiêu hao s/p của ngành i, để sx 1 đv sp j

• Ta có (2)  Xi = ∑aij .Xj + Yi (3)

• Đặt a11 a12 …a1j … a1n
A = a21 a22 …a2j … A: Ma trận hscp trực
a2n tiếp
ai1 ai2 ….aij …. ain
an1 an2 …anj …
X = X1 Y = Y1
X2 Y2
Xj Yi
Xn Y
n

114
 07/02/2023

Ta có X= A.X + Y
X-A.X=Y
E.X – A.X = Y
(E-A).X= Y  X =(E-A)-1 .Y
Đặt B = (E-A)-1
Trong đó: E là ma trận đơn vị
Ma trận B có ý nghĩa kt: xđ mqh tỷ lệ sản lượng giữa
giá trị sản lượng và sp cuối cùng của ngành KTQD
Mỗi phần tử bij của mtr B thể hiện tổng k/l sp ngành i
cần để sx 1 đvsp cuối cùng trong ngành j và các phần
tử của nó được gọi là hệ số cp toàn bộ.

5.3 Ứng dụng mô hình cân đối trong dự

báo liên ngành

BT: Cho ma trận hscp trực tiếp A, nhu cầu tiêu dùng cuối cùng
Y; Tìm ma trận sản lượng đầu ra X và xđ tỷ lệ đóng góp của
các ngành?

0,1 0,2 0,2

A = 0,3 0,4 0,2
0,2 0,2 0,3
40
Y = 17
50

115
 07/02/2023

Bài giải

0,9 -0,2 - 0,2

(E-A)= -0,3 0,6 -0,2
-0,2 -0,2 0,7
1,48 0,7 0,63
(E-A)-1 = 0,97 2,3 0,94
0,7 0,86 1,88
102,57
 X = 125,11
136,48

Bảng cân đối giữa 3 ngành

Sản
Ngành sản Ngành tiêu dùng Nhu cầu tiêu dùng lượng
xuất 1 2 3 cuối cùng X
1 10,3 25,2 27,4 40 103
2 30,9 50,4 27,4 17 126
3 20,6 25,2 41,1 50 137
Tiền lương 41,2 25,2 41,1
Sản lượng 103 126 137

116
 07/02/2023

5.4 Ưu-Nhược điểm của dự báo bằng mô

hình cân đối?

• Ưu điểm:
- Phương pháp có cơ sở lý thuyết vững chắc.
- Có các phần mềm ứng dụng để giải toán.

• Nhược điểm: Tốn kém thời gian, tăng chi

phí

5.5 DỰ BÁO CẦU THỊ TRƯỜNG

• Cầu là hàng hóa hay DV mà người mua có khả năng

mua và sẵn sàng mua ở các mức giá khác nhau trong 1
thời gian nhất định
• Cầu về hh hay dv không những phụ thuộc vào giá cả
của chính bản thân hh đó mà phụ thuộc rất nhiều yếu
tố: thu nhập của người tiêu dùng, giá cả các loại hh liên
quan, thị hiếu, các kỳ vọng,
QXid =f(Px, Yi, Pr, T, E)

117
 07/02/2023

5.6 DỰ BÁO VỐN ĐẦU TƯ VÀ VỐN SX

• Dự báo giá trị theo thời gian của tiền

Trong nền kttt. giá trị được biểu hiện ra bên ngoài
thông qua giá cả thị trường. Dưới gốc độ nhà đầu tư,
bất cứ PASXKD nào sau 1 thời gian đều có khả năng
sinh lời. Từ đó, phát sinh nhu cầu phải dự báo giá trị
theo thời gian của tiền, nhằm:

 Đánh giá hiệu quả PASXKD theo các mốc thời gian
khác nhau
 So sánh được các giá trị tương quan giữa các PA để có cơ
sở lựa chọn
 Dự báo sự vận động của vốn đầu tư trong tương lai
 Đối với sx là tỷ suất sinh lời được tính bằng tỷ số
của thu nhập qua tiết kiệm tiêu dùng so với tổng số tiền
người tiêu dùng phải hy sinh hôm nay mà dành cho ngày
mai
• Dự báo nhu cầu vốn cố định và vốn lưu động bằng mô
hình cân đối liên ngành

118
 07/02/2023

5.7 DỰ BÁO TỐC ĐỘ TĂNG TRƯỞNG VÀ

CHUYỂN DỊCH CƠ CẤU KINH TẾ

• Bất cứ nền kt nào muốn tồn tại và ptr phải đảm bảo tăng
trưởng kt, thực hiện tái sx mở rộng
• Tăng trưởng kt là sự mở rộng quy mô sản lượng của nền
kt trong 1 tg nhất định( thường 1 năm) để biểu thị tăng
trưởng kt có thể dùng số tuyệt đối, hoặc tương đối tính
theo GDP, GNP... Trong phân tích kt và dự báo để nói
lên trình độ mở rộng quy mô của nền kt, người ta dùng
khái niệm tốc độ tăng trưởng kt đó là tỉ lệ (%) giữa mức
sản lượng tăng thêm của thời kỳ nghiên cứu so với mức
sl ở thời kỳ gốc.

• Cơ cấu kt là tổng thể các bộ phận hợp thành của nền kt

cùng các mối quan hệ chủ yếu về định tính và định
lượng, ổn định và ptr giữa các bộ phận ấy với nhau hay
toàn bộ hệ thống trong những đk của 1 nền sx xh với
hoàn cảnh kt xh nhất định.
• Cơ cấu kt bao gồm nhiều lĩnh vực( sx, phân phối, lưu
thông, tiêu dùng) các ngành ktqd ( cn, nn, gtvt...), các
thành phần kt ( NN, cá nhân, tập thể) và các vùng kt

119
 07/02/2023

5.8 DỰ BÁO DÂN SỐ VÀ NGUỒN NHÂN

LỰC

• Là xác định ds và nguồn nhân lực tương lai thông qua việc
phân tích xu hướng biến động và các nhân tố ảnh hưởng
đến sinh số, số chết và các luồng di dân.
• Dự báo ds và nguồn nhân lực có nhiệm vụ vạch ra tương
lai của qtr tái sinh sản ds và nguồn lđ phạm vi QG,vùng
lãnh thổ.
• Những thông tin này là tài liệu cho việc hoạch định các
mục tiêu và giải pháp trong chiến lược và k/h phát triển
ktxh, là căn cứ để ban hành chính sách quản lý ktxh trong
từng thời kỳ nhất định

ÔN TẬP CUỐI KỲ
Bài 1: Xử lý ý kiến chuyên gia,
Tính W, Bj, xếp hạng nhất trí theo hướng?
PA 1 2 3 4 5
CG
1 5 7 6 8 9
2 5 6 5 6 7
3 7 8 5 7 7
4 6 6 8 7 8
5 7 8 5 6 8

120
 07/02/2023

Bài 2: Một xí nghiệp Cơ giới xếp dỡ có tình trạng thiết bị như

sau:
Biết năm ngoái có 70% thiết bị tốt, 15% sửa chữa nhỏ, và phần
còn lại sửa chữa lớn. Theo
thống kê qua các năm:
-Trong số thiết bị tốt của năm trước có 68% vẫn tốt, 10% phải sc
nhỏ, còn lại sc lớn
-Trong số thiết bị sc nhỏ của năm trước có 80% tốt, 10% sc
nhỏ,10% sc lớn
-Trong số thiết bị sc lớn của năm trước có 70% tốt, 30% sc lớn
Hãy dự báo tình trạng thiết bị của 3 năm tới? Tìm tình trạng thiết
bị cân bằng (nếu có)?

239

Bài 3: Giả sử khu vực TP.HCM có 3 cảng A,B,C

Biết hiện nay (2016) cảng A nắm giữ 60% tp, cảng B nắm giữ 25% tp,
cảng C nắm giữ 15% thị phần.
Theo số liệu thống kê tình hình khách hàng qua các năm như sau:
- Đối với cảng A: 70%KH cũ vẫn ở cảng A, 20% chuyển sang cảng B,
còn lại chuyển sang cảng C.
- Đối với cảng B: 20%KH chuyển sang cảng A, 60% vẫn ở lại, còn lại
chuyển sang cảng C.
- Đối với cảng C: 35%KH chuyển sang cảng A, còn lại ở cảng C.
Hãy dự báo thị phần của các cảng trong 2 năm tới? Tìm thị phần cân
bằng (nếu có)?

240

121
 07/02/2023

Bài 4: Cho dãy thống kê về doanh thu của 1 cảng biển

tại khu vực Tp.HCM
t' 1 2 3 4 5 6 7 8
yt 110 125 140 160 175 195 215 240

Biết xu thế đường thẳng, tα/2 = 1,96, với mức độ tin cậy
85%. Hãy dự báo điểm và khoảng tại t’=10.

241

Bài 5: Cho hàm hồi quy yt^ =29,15-0,22.t, α=0,16, dự báo

t=3 và cho bảng số liệu sau:

t Yt at bt y^t et
1 29.5
2 30.25
3

242

122
 07/02/2023

Bài 6: Cho số liệu thống kê về tình hình lợi nhuận của 1 doanh nghiệp
vận tải biển X như sau:
ĐVT: tỷ đồng

t 0 1 2 3 4 5 6 7 8 9
Yt 215 225 210 235 265 203 195 176 205 230

Sử dụng phương pháp san bằng hàm số mũ, hãy dự báo tình hình lợi
nhuận của Doanh nghiệp X trên vào giai đoạn t=10, với tham số san
bằng α =0,8?

243

Đáp án
Bài 1: W = 0,233 – Mức độ nhất trí thấp
XH mức độ nhất trí theo hướng: 4-3-5-2-1
Bài 2:
Năm 1: (0,701 0,085 0,214)
Năm 2: (0,695 0,079 0,226)
Năm 3: (0,694 0,077 0,229)
Bài 3:
Năm 1: (0,523 0,270 0,207)
Năm 2: (0,492 0,267 0,241)
Bài 4: Hàm xu thế: Y^t = 170 + 9,167.t ; Se = 3,727
DB điểm: 270, 837 ; DB khoảng: (263,532 ; 278,142)
Bài 5: 29,121
244

123
 07/02/2023

THANK YOU
245

124