(TIỂU LUẬN) chọn 1 doanh nghiệp hoạt động trong lĩnh vực bất động sản, sử dụng mô hình dự báo hồi quy tuyến tính dựa trên số liệu quá khứ doanh thu từ năm 2010 – 2020 để dự báo cho lượng doanh thu vào năm 2021

TRƯỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƯỜNG HÀ NỘI KHOA KINH TẾ TÀI NGUYÊN VÀ MÔI TRƯỜNG KỲ THI KẾT THÚC HỌC PHẦN HỌC KỲ I; NĂM HỌC 2021 - 2022 Tên chủ đề tập lớn: Chọn doanh nghiệp hoạt động lĩnh vực bất động sản, sử dụng mơ hình dự báo hồi quy tuyến tính dựa số liệu khứ doanh thu từ năm 2010 – 2020 để dự báo cho lượng doanh thu vào năm 2021 doanh nghiệp chọn (Đề số 01) Họ tên sinh viên: Hoàng Ngọc Ánh Mã học viên/ sinh viên: 20111197708 Lớp: ĐH10BĐS3 Tên học phần: Dự báo kinh tế kinh doanh Tên giảng viên hướng dẫn: Nguyễn Thị Thu Hường Hà Nội, ngày 03 tháng 12 năm 2021 MỤC LỤC MỞ ĐẦU .1 I Cơ sở lý luận dự báo: .1 1.1 Phương trình dự báo: 1.2 Các bước dự báo: .3 II Giới thiệu doanh nghiệp: 2.1 Giới thiệu doanh nghiệp bất động sản: 2.2 Loại hình kinh doanh doanh nghiệp bất động sản: III Sử dụng mơ hình dự báo hồi quy tuyến tính để dự báo: .8 Tài liệu tham khảo .10 MỞ ĐẦU I Cơ sở lý luận dự báo: 1.1 Phương trình dự báo: Bắt đầu mơ hình hồi quy bội (multiple regression model, dạng mơ hình hồi quy tổng thể - population regression model) với k -1 biến giải thích có dạng sau: 푌푌 = 푌1 + 푌2 푌2 + 푌3 푌 푌 + 푌푌 (1.1) +…+푌 푌 푌푌 Với Y biến phụ thuộc (dependent variable) gọi regressand; X biến giải thích (explanatory variables) cịn có tên gọi khác predictors, covariates, regressors; u hạng nhiễu ngẫu nhiên (random hay stochastic error term); i ký hiệu cho quan sát thứ i tổng thể [Diễn giải: Hàm ý liệu chéo, với mơ hình tổng thể khơng thể biết có quan sát] Đơi để đơn giản hóa, phương trình (1.1) viết dạng rút gọn sau: 푌푌 = BX + 푌푌 (1.2) với BX 푌1 + 푌2 푌2 푌 + 푌3 푌3 푌 + … + 푌 푌 푌 푌푌 Phương trình (1.1) hình thức rút gọn phương trình (1.2) gọi mơ hình tổng thể (population model) mơ hình thực (true model) Mơ hình gồm hai thành phần: (1) thành phần tất định (deterministic component), BX, (2) thành phần phi hệ thống (nonsystematic component) thành phần ngẫu nhiên (random component), ui BX giải thích trung bình có điều kiện (conditional mean) 푌푌 , tức E(푌푌 |X): giá trị trung bình Y X cho trước Vì thế, phương trình (1.2) phát biểu giá trị 푌푌 cá nhân i giá trị trung bình tổng thể người thành viên cộng trừ số ngẫu nhiên Khái niệm tổng thể (population) có nghĩa tổng quát (general) đề cập đến thực thể xác định rõ (ví dụ người, công ty, thành phố, quốc gia, …) trọng tâm phân tích kinh tế lượng thống kê Trở lại phương trình (1.1), B1 hệ số cắt hay tung độ gốc (intercept), B2, B3, , Bk hệ số độ dốc (slope coefficients) Nói chung, hệ số gọi hệ số hồi quy hay tham số hồi quy tổng thể (regression coefficients or parameters) Trong phân tích hồi quy, mục tiêu yếu nhằm giải thích hành vi trung bình (mean or average behavior) Y theo biến giải thích Nghĩa là, trung bình Y (mean Y) phản ứng theo thay đổi giá trị biến X Một giá trị Y riêng lẻ (individual Y value) xoay quanh giá trị trung bình Cần nhấn mạnh mối quan hệ nhân (causal relationship) Y X, có, nên dựa lý thuyết thích hợp (relevant theory) Mỗi hệ số B2, B3, , Bk hệ số hồi quy riêng (partial coefficient): Hệ số hồi quy riêng đo lường mức độ thay đổi giá trị trung bình Y theo thay đổi đơn vị biến giải thích giữ nguyên giá trị biến giải thích khác *Mơ hình dự báo hồi quy đơn (tuyến tính) có dạng: 푌̂̂= 푌0 + 푌 (2.3.1) 푌 Trong đó: ̂̂: Giá trị dự báo 푌 t: trình tự thời gian (số thời đoạn) (có cách đánh trình tự thời gian: tăng dần, ∑ 푌 = 0) ∑ 푌푌− ∑푌 ∑ 푌 푌 ệ 푌 ố 푌 ó 푌 푌 (∑푌푌)2 (2.3.2) ∑푌 − = 푌 Trong n: số thời đoạn bảng liệu Tung độ gốc b0 ̂̅ ̂̅ 푌 푌 (2.3.3) ∑ 푌=1 푌 푌 푌̂̅== 푌 − trung 푌 푌 bình biến phụ thuộc 푌 ∑푌 푌̂̅= 푌 푌=1 푌 푌 trung bình biến độc lập ĐÁNH GIÁ VÀ KIỂM ĐỊNH MƠ HÌNH DỰ BÁO HỒI QUY TUYẾN TÍNH Lý thuyết đánh giá mơ hình dựa hệ số xác định R2 Hệ số xác định SSE R2 = − SST Sai số tổng tổng bình phương sai lệch trị Yi quanh trị trung bình Y̅ SST ̅ = SSR + SSE = ∑(Y − Y) Sai số ước lượng tổng bình phương sai lệch Yi Ŷi (hay εi 2) ̂ SSE = ∑(Y − Y)2 Trong đó: R2: sai số xác định, SST: Sai số tổng, SSE: Sai số ước lượng ̂̅: Giá trị trung bình biến phụ thuộc Y Y : Giá trị thực tế quan sát ̂̂: Giá trị dự báo tương ứng Y Người ta đánh giá sai số mơ hình hồi quy dựa giá trị hệ số xác định R2 -Khi R2=1: mơ hình hồi quy khơng tồn sai số, có tương quan hồn hảo t Y, mơ hình hồi quy mơ ta 100% chuyển vận liệu - Khi 0