HƯỚNG DẪN THỰC HÀNH EVIEW TRONG DỰ BÁO
Trang 1HƯỚNG DẪN THỰC HÀNH EVIEW TRONG DỰ BÁO
1.Hoàng Thạch Nguyên_TF01 2.Nguyễn Văn Lương_TF02 3.Lê Thiện Hòa_TF02
4.Nguyễn Duy Thái_TF01 5.Vũ Thư Hoàng_TF01 6.Trần Hồng Loan Thảo_TF02
Nhóm thuyết trình:
Trang 2Các phương pháp san bằng mũ
• San bằng mũ đơn giản
• Phương pháp tuyến tính Holt
• Phương pháp Holt-Winter
Trang 6Dựa vào biểu đồ ta thấy rằng dữ
liệu không có tính mùa vụ
Trang 7Giá trị:
alpha=0.7 beta=0.6
Theo quý: 4 Theo tháng: 12
Chọn mô hình
nào MSE nhỏ
hơn
Trang 8Kết quả của holt-winters 2 tham số
không mùa vụ
Trang 9Kết quả của holt-winters 2 tham số
Trang 10Mô hình ARIMA-Phương pháp
Box-Jenkins
• Ví dụ: các số liệu về chỉ số giá tiêu dùng
tính theo quý của Việt Nam từ quý I/1991 đến quý IV/1997
• Sau đó chạy dự báo cho 4 quý vào năm
1998
• Dữ liệu trên file arima.xls
Trang 11Đưa dữ liệu vào :File/open/Foreign Data
as Workfile… (file excel csv )
Trang 12B1 Xét tính mùa
vụ của
dữ liệu
Trang 13Dựa vào biểu đồ ta thấy rằng dữ
liệu không có tính mùa vụ
Trang 14Nếu có mùa vụ
• Genr: DSY = d(y,0,s)
• S: chu kỳ mùa vụ (4: quý, 12: tháng)
• Genr: DSY2 = d(DSY,0,s)
Tiếp tục cho đến khi hết tính mùa vụ
Trang 15Chạy Correlogram để kiểm tra hết tính mùa vụ chưa
Trang 16B2:
Kiểm định tính dừng theo pp Dickey- Fuller
Trang 17Ở phần test for unit root in -Level: kiểm định bình
thường
-1st difference : sai phân bậc 1 -2nd difference : sai phân bậc 2
Trang 18|T| tính ra
> giá trị kiểm định thì dừng
Trang 19B3: Xét
mô hình ARIMA
Trang 20Sai phân dựa vào bước trên
Trang 21-Ta thấy biểu đồ hàm tự tương quan ACF giảm dần một cách
Trang 22B4 Chạy mô hình ARIMA (1,0,3)
Nhìn số ar, ma theo correlogram ở trên
Không có mùa vụ
có mùa vụ: ARIMA
(2, 2 ,1)(1, 2 ,2)4
D(Y,2) c ar(1) ma(1) ma(2) ma(3)
D(Z,2) C AR(1) AR(2) MA(1) SAR(4) SMA(4) SMA(8)
GENR X = D(Y,0,4)
GENR Z = D(X,0,4)
Z: là biến tạo mùa vụ ở trên
Trang 23Giá trị ar, ma nào có P-value > mức ý nghĩa Thì loại khỏi mô hình
Và chạy lại hàm hồi quy
Trang 24B5 Xác định nhiễu trắng kiểm tra phần dư
Trang 25Sai số của mô hình ARIMA(1,0,3) là một chuỗi dừng và
nó có phânphối chuẩn Sai số này là nhiễu trắng
Từ lược đồ tự tương quan phần dư có p-value >0.1 và
mô hình phù hợp
Trang 26Ta có bảng xác định các tiêu chuẩn đánh giá sau khi đã thử với một vài mô hình khác nhau :
Mô hình R-squared
Log likelihood Akaike info
criterion
Schwarz criterion
ARIMA(1,0,0) 0.985394 26.28905 -1.799189 -1.703201 ARIMA(0,0,3) 0.732152 -15.5026 1.250186 1.345343
Trang 27Thêm thời điểm cần dự báo Proc/ Structure – Resize current…
Trang 28Sai số dự báo
Thời điểm cần dự báo
Trang 29Biểu đồ dự báo
Trang 31Kết quả dự báo