các phương pháp và mô hình dự báo kinh tế - xã hội

CÁC PHƯƠNG PHÁP VÀ MÔ HÌNH DỰ BÁO KINH TẾ-XÃ HỘI Đề tài: Lấy ví dụ xây dựng mô hình dự báo bằng phương pháp xu thế. I. Cơ sở lý thuyết. 1. Định nghĩa: Xu thế là sự vận động tăng hoặc giảm của dữ liệu trong một thời gian dài. Sự vận động này có thể được mô tả bằng một đường thằng hay đường cong toán học. Có thể mô hình hóa hàm xu thế bằng cách thực hiện một hàm hồi quy thích hơpk với biến cần dự báo Y và thời gian T. 2. Các dạng hàm xu thế điển hình: Y t = β 1 + β 2 .T + U t Y t = β 1 + β 2 .T + β 3 .T 2 + U t Y t = β 1 + β 2 .T + β 3 .T 2 + β 4 .T 3 + U t Y t = β 1 + β 2 .ln(T) + U t Y t = e β1 + β2.T + Ut Y t = β 1 + β 2 .( 1 T ) + U t ln(Y t ) = β 1 + β 2 .T + U t Dự báo điểm với hàn xu thế 1 2 ˆ ˆ ˆ t Y T β β = + 2 1 2 3 ˆ ˆ ˆ ˆ t Y T T β β β = + + 2 3 1 2 3 4 ˆ ˆ ˆ ˆ ˆ t Y T T T β β β β = + + + ( ) 1 2 ˆ ˆ ˆ ln t Y T β β = + 1 2 1 ˆ ˆ ˆ ln t Y T β β   = +  ÷   ( ) 2 2 2 1 ˆ ˆ ˆ ˆ ˆ ln 2 2 ˆ t T Y t Y e e σ σ β β + + + = = ( ) 1 2 ˆ ˆ ˆ ln t Y T β β = + Để biết được xu thế trong dữ liệu sẽ tuân theo dạng hàm nào cách đơn giản nhất là vẽ đồ thị của biến phụ thuộc Y sau đó nhận dạng đồ thị của hàm số tương ứng với dạng hàm toán học nào. Có khi bằng đồ thị ta chưa phân biệt được dữ liệu có xu thế với dạng hàm nào, khi đó ra phải ước lượng một số mô hình mà mình cho răng có thể phù hợp. Sau đó kiểm định so sánh các chỉ tiêu thống kê để chọn ra mô hình phù hợp nhất. II. Các ví dụ cho mô hình dự báo xu thế và các bước thực hiện với phần mềm Eview. Ví dụ 1: Dự báo tổng sản phẩm quốc nội (GDP) từ những số liệu thu thập được từ năm 1990 đến năm 2010. Năm Tổng sản phẩm quốc nội Tỷ Đồng 1990 131968 1991 139634 1992 151782 1993 164043 1994 178534 1995 195567 1996 213833 1997 231264 1998 244596 1999 256272 2000 273666 2001 292535 2002 313247 2003 336242 2004 362435 2005 393031 2006 425373 2007 461344 2008 490458 2009 516568 Số liệu lấy từ Tổng Cực Thống Kê Việt Nam 2010 Ví Dụ 2: Xây dựng mô hình dự báo số lượng người lao động Mỹ năm 2010 theo phương pháp xu thế. Năm Đội ngũ lao động là công dân Mỹ (nghìn người) 1990 125840 1991 126343 1992 128105 1993 129200 1994 131056 1995 132304 1996 133943 1997 136297 1998 137673 1999 139368 2000 142583 2001 143734 2002 144863 2003 146510 2004 147401 2005 149320 2006 151428 2007 153124 2008 154287 2009 154142 Số liệu lấy từ Cục Tống Kê Nhân Lực Mỹ. Ví dụ 3: Xây dựng mô hình dự báo Tổng vốn đầu tư nước ngoài vào Việt Nam theo phương pháp xu thế. Năm Tổng Vốn Đầu Tư Nước Ngoài Được Thực Hiện (Triệu USD) 1990 187 1991 328 1992 574 1993 1017 1994 2040 1995 2556 1996 2714 1997 3115 1998 2367 1999 2334 2000 2413 2001 2450 2002 2591 2003 2650 2004 2852 2005 3308 2006 4100 2007 8030 2008 11500 2009 10000 Lời nói đầu: - Trong bài chuận bị của nhóm 5 sẽ giới thiệu 1 phương pháp khác nhập dữ liệu cho eview thay vì cách nhập dữ liệu sử dụng Empty Group (Edit Series). Phương pháp đó là Mở Dữ Liệu Ngoại Lai (Files\Open\Open a Foreign as Workfile) - ở đây là Microsoft Exel 2003. Quá trình chuẩn bị phần mềm cùng thiết bị. - Phiên bản Eview được sử dụng là 5.1 đã được mua bản quyền. - File dữ liệu exel chứa nội dung của 3 bảng. Bước 1: Nhập và tinh chỉnh số liệu. - Vì sử dụng phương pháp Open a Foreign as Workfile nên việc nhập dữ liệu trở lên rất nhanh chóng và đơn giản, nhóm chúng tôi quyết định cùng 1 lúc nhập toàn bộ số liệu cho 3 bảng. - Trong giao diện ban đầu của Eview 5.1 Chọn Files\Open\Open a Foreign as Workfile… Hộp thoại Open hiện ra, tìm đến file số liệu dạng exel đã chuẩn bị sẵn chọn Open. Lúc này Eview sẽ tự động tìm kiếm tên biến, dạng số liệu của biến, tần suất. Cửa sổ SpreadSheet Read Step 1 hiện ra - Lựa chọn đầu tiên được mặc định là tự động duyệt toàn bộ trang Exel. - Custom Range: Tùy biến khoảng duyệt - đưa ra các tùy chọn điểm bắt đầu và kết thúc duyệt, số lượng ô dữ liệu được đưa vào. Vì bảng dữ liệu trong exel đã được nhập đúng cách nên không cần phải chọn chế độ custom range nữa mà chúng ta chọn Next luôn. Trong bước 2: - Mục Column headers dùng để tinh chỉnh độ dài của tên cột. Trong ví dụ này trước các số liệu có 2 đầu đề là Tên biến và Đơn vị. Chính vì vậy số trog Header Lines là 2. - Chính vì khả năng rất cao tên biến quá dài không phù hợp cho sử dụng trong eview lên chúng ta nhấp chuột để chọn các biến như Nam, GDP … Tương ứng với đó ta có thể thay đổi tên biến, cũng như thêm các đoạn miêu tả trong Column Info và Description. Sau khi tinh chỉnh tên biến xong nhấn Finish. + Ta được Workfile mới như sau. Chú Ý: Eview tự động lấy 1 biến có tần số giống với tần số trong bộ nhớ để làm biến quan sát – OBS. Trong trường hợp này là biến Nam, tần số là Annual – Năm. + Tinh Chỉnh số liệu: Thêm xóa thay đổi cấu trục dữ liệu sao cho phù hợp với yêu cầu. Như trong hình trên chúng ta thấy thiếu 1 quan sát năm 2010 để dự báo. Vậy để thêm 1 quan sát là năm 2010 thì phải làm thế nào? Có 2 cách nhưng nhanh nhất vẫn là nháy đúp chuột vào chữ Range trong cửa sổ Workfile. Cửa sổ Workfile structure hiện ra chúng ta giờ có thể điều chỉnh Loại, dạng tần số của dữ liệu. Khởi Đầu và kết thúc các quan sát. Như ở trên chúng ta thay đổi End Date từ 2009 thành 2010. Bước 2: Vẽ biểu đồ cho từng biến. Cách làm tương tự như nhau nên nhóm chúng tôi làm 1 lần. Trên thanh công cụ chọn Quick\Graph\ Sau đó nhận vào dạng biểu đồ mà bạn muốn, để dễ cho việc nhận diện dạng đồ thị nhóm chúng tôi chọn biểu đồ đường – Line Graph. Cửa sổ Series List hiện ra chúng ta muốn vẽ biến nào và số lượng ra sao tùy theo yêu cầu. Trong các ví dụ này FDI, GDP, LF không liên quan đến nhau và đơn vị khác nhau nên chúng ta lập đồ thị riêng. Sau khi nhập tên biến xong nhấn OK và chúng ta được đồ thị. [...]... Coefficiet Std Error t-Statistic Prob C T T^2 1825.477 -3 42.1967 35.70654 1145.730 251.2764 11.62271 1.593287 -1 .361834 3.072136 0.1295 0.1910 0.0069 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.767228 0.739843 1539.998 40317078 -1 73.5443 0.646872 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)... Coefficiet Std Error t-Statistic Prob C T T^2 122887.1 1734.634 -5 .050296 534.9091 117.3138 5.426314 229.7346 14.78627 -0 .930705 0.0000 0.0000 0.3650 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.995043 0.994460 718.9815 8787884 -1 58.3103 1.079095 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 140376.1... Coefficiet Std Error t-Statistic Prob C T 11.72758 0.011641 0.002670 0.000223 4391.652 52.22189 0.0000 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.993443 0.993079 0.005749 0.000595 75.85066 0.819484 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 11.84982 0.069099 -7 .385066 -7 .285492 2727.126... phù hợp nhất Xét giá trị R-squared: chọn mô hình nào có R-squared lớn nhất Hàm bậc ba có R-squared là 0.911779 Hàm bậc hai có R-squared là 0.767228 Hàm loganêpe có R-squared là 0.756999 Vậy hàm bậc 3 phù hợp nhất, từ bảng kết quả của hàm bậc 3 ta chọn Forecast Cửa sổ Forecast hiện ra, tat hay đổi tên chuỗi giá trị dự báo là fdif Trong đó Root Mean Squared Error: Sai số bình phương trung bình Mean Absolute... adjustments Variable Coefficiet Std Error t-Statistic Prob C T 78608.58 20001.05 9972.327 832.4738 7.882672 24.02604 0.0000 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.969761 0.968081 21467.50 8.30E+09 -2 26.8111 0.136479 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 288619.6 120158.5 22.88111... Coefficiet Std Error t-Statistic Prob C T T^2 129422.9 6142.588 659.9267 4599.200 1008.676 46.65597 28.14032 6.089755 14.14453 0.0000 0.0000 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.997632 0.997353 6181.872 6.50E+08 -2 01.3411 0.374140 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 288619.6... adjustments Variable Coefficiet Std Error t-Statistic Prob C T 123276.0 1628.578 332.7460 27.77710 370.4808 58.63025 0.0000 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.994791 0.994502 716.3045 9235659 -1 58.8073 1.037325 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 140376.1 9659.991 16.08073... bậc 3 Phương pháp dự báo là LS – Bình Phương Nhỏ Nhất Xét các quan sát: 1990 – 2010 Ta được kết quả Dependent Variable: FDI Method: Least Squares Date: 11/14/10 Time: 17:24 Sample (adjusted): 1990 2009 Included observations: 20 after adjustments Variable Coefficiet Std Error t-Statistic Prob C T T^2 T^3 -2 176.476 1699.831 -2 01.5634 7.532379 1067.477 429.5131 46.92326 1.471111 -2 .038898 3.957577 -4 .295596... adjustments Variable Coefficiet Std Error t-Statistic Prob C T 6.153335 0.239510 0.149719 0.019994 25.69137 7.488246 0.0000 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.756999 0.743499 0.515594 4.785075 -1 4.07647 0.314070 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 7.725387 1.018037 1.607647... 1.471111 -2 .038898 3.957577 -4 .295596 5.120198 0.0583 0.0011 0.0006 0.0001 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.911779 0.895238 977.2457 15280148 -1 63.8421 1.735690 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 3356.300 3019.270 16.78421 16.98336 55.12118 0.000000 b Hàm bậc 2 . CÁC PHƯƠNG PHÁP VÀ MÔ HÌNH DỰ BÁO KINH TẾ-XÃ HỘI Đề tài: Lấy ví dụ xây dựng mô hình dự báo bằng phương pháp xu thế. I. Cơ sở lý thuyết. 1 lượng mô t số mô hình mà mình cho răng có thể phù hợp. Sau đó kiểm định so sánh các chỉ tiêu thống kê để chọn ra mô hình phù hợp nhất. II. Các ví dụ cho mô hình dự báo. trong mô t thời gian dài. Sự vận động này có thể được mô tả bằng mô t đường thằng hay đường cong toán học. Có thể mô hình hóa hàm xu thế bằng cách thực hiện mô t hàm