Dự báo bằng mô hình Winters với SPSS 15 doc

Dự báo bằng mô hình Winters với SPSS 15Khi thực hiện dự báo ngắn hạn, số liệu của bạn thường theo từng quý, hoặc theo từng tháng.. Nếu bạn thấy dữ liệu có yếu tố mùa vụ, và xu thế tuyến

Dự báo bằng mô hình Winters với SPSS 15

Khi thực hiện dự báo ngắn hạn, số liệu của bạn thường theo từng quý, hoặc theo từng tháng Nếu bạn thấy dữ liệu có yếu tố mùa vụ, và xu thế tuyến tính thì mô hìnhWinters sẽ rất phù hợp

1 Tình huống

Mai là nhân viên ở bộ phận Kế hoạch của công ty du lịch VT tại TP.HCM Lúc này đây là đầu mùa mưa của năm 2007, dịp hè vừa đến, nhiều bạn bè rủ Mai đi du lịch Sa Pa, Trung Quốc; và cũng là lúc cô phải hoàn thành bản kế hoạch kinh doanh cho 6 tháng cuối năm 2007 Điều mà Mai lo lắng nhất hiện nay là làm sao dự báo được doanh số của Cty trong quý 3, quý 4 năm 2007

là bao nhiêu

Số liệu về doanh thu (tỷ đồng) từ quý 1 năm 2003 đến quý 2 năm 2007 đã được Mai thu thập, nhập vào SPSS 15 và thời gian đã được khai báo như Hình 1

Hình 1 Dữ liệu

2 Các bước thực hiện

Bước 1 Nhận diện

Mô hình Winters được sử dụng nếu dữ liệu của bạn có yếu tố mùa vụ kết hợp nhân với yếu tố xu thế (Mô hình Winters nhân tính, nếu có ai chỉ gọi là Winters thì bạn hiểu là mô hình Winters nhân tính), hoặc yếu tố mùa vụ kết hợp cộng với yếu tố xu thế (Mô hình Winters cộng tính).Bằng đồ thị, bạn sẽ dễ dàng nhận diện được dữ liệu của Cty VT có yếu tố mùa vụ hay không, nếu có thì yếu tố mùa vụ kết hợp nhân hay cộng với yếu tố xu thế, và yếu tố xu thế sẽ là tuyến tính hay phi tuyến

Nhìn vào đồ thị (Hình 2), bạn sẽ thấy dữ liệu có yếu tố mùa vụ: có một quy luật được lập lại sau mỗi năm Quy luật này như sau: quý 1 thường có doanh thu thấp nhất, sau đó Doanh thu tăng nhẹ vào quý 2, doanh thu tăng mạnh nhất vào quý 3, và quý 4 lại sụt giảm Có yếu tố xu thế tuyến tính Đồ thị cũng cho thấy, dữ liệu có xu thế tuyến tính tăng dần: doanh thu tăng theo thời gian với dạng đường thẳng Đồ thị cũng cho thấy yếu tố xu thế kết hợp nhân với yếu tố mùa vụ 200.00

180.00

160.00

140.00

120.00

100.00

80.00

60.00

177.20

125.20

101.90

184.70

120.00

97.60 84.70

139.30

104.30

69.40 72.40

117.10

75.70 64.20 62.00

95.00

Bạn cĩ thể phân biệt Cộng tính, nhân tính thơng qua Hình 3a, Hình 3b.

Hình 3a Yếu tố xu thế kết hợp cộng với yếu tố mùa vụ

Hình 3b Yếu tố xu thế kết hợp nhân với yếu tố mùa vụ

Cộng tính Y

t

Nhân tính Y

t

Bước 2 Chọn công cụ san bằng hàm mũ

 Chọn Analyze\Time Series\Create Model (Hình 4)  Hộp thoại Time Series Modeler

xuất hiện (Hình 5)

Hình 4 Analyze\Time Series\Create Model

 Trong Hộp thoại Time Series Modeler, tại Tab Variables đưa biến cần dự báo (biến DT) vào Variables, chọn Exponential Smoothing ở khung Method, chọn Criteria để khai

báo là mô hình nhân tính hay cộng tính; sau đó, lần lượt chọn các Tab và khai báo như

Hình 7, 8, 9; và cuối cùng là nhấp nút OK

Hình 5 Hộp thoại Time Series Modeler

Khi bạn chọn nút Criteria, hộp thoại Time Series Modeler: Exponential Smoothing

Criteria (Hình 6) xuất hiện Trong hộp thoại này, bạn hãy chọn Winters’ multipicative vì mô

hình này là mô hình nhân tính Nếu là mô hình cộng tính, thì bạn chọn Winters’ addtive

Nhấp Continue để quay trở về hộp thoại Time Series Modeler: Exponential Smoothing

Criteria (Hình 6)

Hình 6 Hộp thoại Time Series Modeler: Exponential Smoothing Criteria

Chọn Tab Statistics, và đánh dấu Root mean square error để tính RMSE của mô hình, đánh dấu chọn Display forecasts để thể hiện kết quả dự báo trên màn hình Viewer (Hình 7)

Hình 7 Tab Statistics

Hình 8 Tab Plots

Chọn Tab Plots, và đánh dấu Forecasts, Fit values để vẽ đường biểu diễn cả giá trị dự

báo và giá trị thực tế lên cùng một đồ thị nhằm đánh giá độ chính xác (Hình 8)

Hình 9 Tab Options

Chọn Tab Options, Nhấp chọn First case after end of estimation period through a specified date, và nhập 2008 vào ô Year, nhập 4 vào ô Quarter nếu bạn muốn dự báo đến quý 4

năm 2008 (Hình 9) Nếu bạn muốn lưu lại các giá trị dự báo vào file dữ liệu thì tiếp tục bấm Tab Save

3 Xem kết quả

Ở Bảng Model Statistics, bạn thấy RMSE bằng 10.148 Nếu bạn muốn so sánh độ chính

xác giữa các mô hình dự báo, bạn sẽ chọn mô hình nào có RMSE nhỏ hơn Bảng Forecast cho

thấy kết quả dự báo điểm và kết quả dự báo khoảng ở độ tin cậy 95% Ví dụ, Quý 4 năm 2007, Doanh Thu của Cty nếu theo kết quả dự báo điểm, sẽ là 143.4 tỷ đồng; nếu sử dụng dự báo khoảng, doanh thu của Cty có thể đạt ở mức từ 120.93 đến 165.87 tỷ đồng

Model Statistics

Model

DT-Model_1

Number of

Model Fit statistics

Ljung-Box Q(18)

Number of Outliers

Forecast

Forecast UCL LCL

Model

For each model, forecasts start after the last non-missing in the range of the requested estimation

period, and end at the last period for which non-missing values of all the predictors are available or at

the end date of the requested forecast period, whichever is earlier.

400

300

200

100

0

DT-Model_1

Forecast LCL UCL Fit Observed