Giáo trình phân tích và dự báo trong kinh tế phần 1

NGUYẼN VẲN HUÂN - PHẠM VIỆT BÌNH ữ G Ê m f l a n \LG\ EĐỊ7 S ® ìs n ĩc ia c iiỉiD o l NGUYÊN B ộ GIÁO DỤC VÀ ĐÀO TẠO • • • ĐẠI HỌC THÁI NGUYÊN = — o0o—- — NGUYỄN VĂN HUÂN - PHẠM VIỆT BÌNH Giáo trình PHÂN TÍCH VÀ Dự BÁO TRONG KINH TÊ ếâit.iầ km ĐẠI KỌCTiiẤi NGUYÊN _TRUNG _ _ • TÂM*HỌC LIỆU c fc j NHÀ XUẤT BẢN KHOA HỌC VÀ KỸ THUẬT HÀ NỘI - 2011 Chịu trách nhiệm xuất : TS Phạm Văn Diễn Biên tập Quỳnh Anh, M inh Luận Trình bày bìa Trịnh Thị Thuỳ Dương NHÀ XUẤT BẢN KHOA HỌC VÀ KỸ THUẬT 70 T rần Hlrng Đạo - Hà Nội In 200 khổ 15.5 X 22.5 cm Công ty TNHH In Thanh Binh Số ĐKKHXB: -201 l/CXB/388 - 11/KHKT, ngày 14/02/2011 Quyết định XB số: 72/QĐXB-NXBKHKT ngày 20 tháng năm 2011 In xong nộp lưu chiểu tháng 6/2011 M đ ầ u Trong hoạt động kinh tế - xã hội quốc gia, vùng lãnh thổ, đơn vị hoạt động kinh doanh mục đích lợi ích kinh tế, tức mục tiêu lợi nhuận Tuy nhiên, không bó hẹp phạm vi kinh tế mà cịn tất lĩnh vực khác đời sống xã hội, cần phải biết khứ, cà tương lai để từ chủng ta đưa định hướng, định đắn Để làm điều này, nước giới người ta áp dụng phương pháp khác nhau, có phưcmg pháp sử dụng cách hiệu phổ biến, phương pháp Phân tích liệu dự báo kinh tế Lịch sử phát triển Phăn tích liệu dự báo kỉnh tế phát triển từ lâu Cho đến nay, có nhiều phương pháp khác nhau, phương pháp dự báo phổ biến phát triển gần đây: Phương pháp phân tích, phương pháp san mũ, phương pháp ARIMA Cùng với phát triển nhiều phương pháp dự báo phức tạp phần mềm, dự báo ngày nhận nhiều quan tâm hom, nhiều phương pháp dự báo tiếp tục phát triển Dự bảo yếu tố quan trọng hầu hết định kinh doanh lập kế hoạch kinh tế; Dự bảo tập hợp công cụ giúp người định đưa phán đoán tốt kiện tương lai (dựa xào khứ tại); Nhu cầu nhân có kiến thức dự bảo gia tăng Vì định hơm ảnh hưởng đến tương lai tỏ chức, tương lai bất định, nên tổ chức: lớn nhỏ, tu công sử dụng dự bảo Các phận chức tài chính, marketing, nhân sự, sản xuất, ra, tổ chức Chỉnh phủ, phi chỉnh phủ, CLB xã hội, sử dụng dự báo Chúng ta tiến hành dự báo hàng ngày, hàng tháng, hàng quỷ, hàng năm hay vài năm, Vỉ dụ: Dự báo kinh doanh hàng ngày: Dự bảo ngày trở nên quan trọng công ty tập trung vào việc gia tăng mức độ hài lòng khách hàng phải giảm chi p h ỉ việc cung cấp hàng hóa dịch vụ Hầu lĩnh vực chức doanh nghiệp sử dụng loại dự báo đó, ví dụ: Ke tốn: Dự báo chi p hí doanh thu Phịng nhân sự: Dự báo nhu cầu tuyển dụng thay đỏi công sở Quản đốc sản xuất: Dự báo nhu cầu nguyên vật liệu tồn kho Giám đốc marketing: Dự bảo doanh sổ để thiết lập ngân sách cho quảng cáo Dự báo doanh số thường dự báo cho dự báo khác (ví dụ năm 1980, 94% sử dụng dự báo doanh sổ) Như vậy, phân tích liệu dự báo kinh tế có vai trò quan trọng hoạt động đơn vị, quốc gia, Cuốn giáo trình nhằm cung cấp cho sinh viên, nhà quản lý, nhà hoạch định, nhà kình tế, phương pháp phân tích liệu dự báo kinh tế để phần hỗ trợ cho cơng việc Cuốn giáo trình trình bày cách chi tiết ỉỷ thuyết thực hành ứng dụng, giúp cho người học dễ tiếp cận kiến thức Giáo trình gồm có năm chương: Chương 1: TỔNG QUAN VỀ PHÂN TÍCH VÀ D ự BÁO KINH TỂ Chương 2: CÁC PHƯƠNG PHÁP PHÂN TÍCH VÀ D ự BÁO Chương 3: PHƯƠNG PHÁP HỒI QUY ĐƠN VÀ HỒI QUY BỘI VÀ THỐNG KÊ HỒI QUY Chương 4: PHƯƠNG PHÁP BOX - JENKINS (ARIMA) Chương 5: DÃY s ố THỜI GIAN Tác giả xin chân thành cảm Ơ1Ĩ TS Trương Văn Tủ - Trường Đại học Kinh tế Quốc dân Hà Nội, PGS TS Đỗ Năng Tồn —Trưởng phịng Thực ảo — Viện Công nghệ thông tin — Viện KH&CN Việt Nam, KS Vũ Xuân Nam - Trường Đại học Công nghệ thông tin truyền thông - ĐH Thái Nguyên dành nhiều thời gian đọc kỹ thảo cho nhiều ỷ kiến quỷ báu trình tác giả biên soạn giáo trình Tác giả bày tỏ lòng biết ơn đổi với Ban Lãnh đạo Trường Đại học Công nghệ thông tin truyền thông - Đại học Thải Nguyên, Hội đồng Khoa học - Đào tạo, Bộ môn HTTT Kỉnh tế tạo điều kiện để giáo trình mắt bạn đọc Tuy cổ gắng giảo trình khơng thể tránh khỏi thiếu sót Rất mong nhận ý kiến đóng góp độc giả để lần tái sau, giáo trình hồn chỉnh hom Thư góp ỷ xin gửi về: Nguyễn Văn Huân: Trường Đại học Công nghệ thông tin truyền thông - Đại học Thái Nguyên - X ã Quyết Thắng, Tp Thải Nguyên Điện thoại: 0987118 623; Email: nvhuan(ã).ictu.edu.vn Các tác giả ục lục M đầu Chương TỔNG QUAN VÈ PHÂN TÍCH VÀ D ự BÁO KINH TÉ 1.1 Khái niệm 11 1.2 Ý nghĩa vai trị phân tích dự báo trình định kinh doanh 12 1.2 Ý nghĩa 12 1.2.2 Vai trò 13 1.3 Các loại dự báo 13 1.3.1 Căn vào độ dài thời gian dự báo 13 1.3.2 Dựa vào phương pháp dự báo 14 1.3.3 Căn vào nội dung (đối tượng dự báo) 15 1.4 Các phương pháp dự báo 17 1.4.1 Phương pháp dự báo định tính 17 1.4.2 Phương pháp dự báo định lượng 20 1.5 Quy trình dự báo 36 Chương CÁC PHƯƠNG PHÁP PHÂN TÍCH VÀ D ự BÁO 2.1 Dự báo từ mức độ bình quân 42 2.1.1 Dự báo từ số bình quân trượt (di động) 42 2.1.2 Mơ hình dự báo dựa vào lượng tăng (giảm) tuyệt đổi bình quân 44 2.1.3 Mơ hình dự báo dựa vào tốc độ phát triển bình qn 46 2.2 Mơ hinh dự báo theo phương trinh hồi quy (dự báo dựa vào xu thế) 49 2.2.1 Mơ hình hồi quy theo thời gian 49 2.2.2 Mơ hình hồi quy tiêu thức 54 2.3 Dự báo dựa vào hàm xu biến động thời v ụ 55 2.3.1 Dự báo dựa vào mơ hình cộng 55 2.3.2 Dự báo dựa vào mơ hình nhân 58 2.4 Dự báo theo phương pháp san mũ 62 2.4.1 Mơ hình đơn giản (phương pháp san mũ đơn giản) 62 2.4.2 Mơ hình xu tuyến tính khơng có biến động thời vụ (Mơ hình san mũ Holt - Winters) 68 2.4.3 Mơ hình xu tuyến tính biến động thời v ụ 71 2.5 Sử dụng chương trình SPSS để dự báo theo mơ hình 75 2.5.1 Dự đoán bàng hàm xu th ế 75 2.5.2 Dự đoán san m ũ 76 Chương PHƯƠNG PHÁP HÒI QUY ĐƠN VÀ HÒI QUY BỘI VÀ THỐNG KÊ HÒI QUY 3.1 Phương pháp hồi quy đơn 79 3.2 Phương pháp hồi quy b ộ i 89 3.3 Phương pháp thống kê hồi q u y 90 Chương PHƯƠNG PHÁP BOX - JENKINS (ARI MA) 4.1 Tính ổn định chuỗi 98 4.2 Hàm số tự tương quan đơn tự tương quan riêng phần 98 4.3 Kiểm định nhiễu trắng 101 4.3.1 Phân tích hàm tự tương quan .101 4.3.2 Tham số thống kê Box-Pierce Ljung-Box 102 4.4 Mơ hình AR(p) (Auto Regression) 104 4.5 Mơ hình MA(q) (Moving Average) 107 4.6 Mơ hình ARMA(p, q) 109 4.7 Mô hình ARMA mờ rộng: ARIMA, SARIMA 111 4.8 Phương pháp Box - Jenkins .112 Chương DÃY SỐ THỜI GIAN 5.1 Khái niệm 125 5.2 Các tiêu phân tích 127 5.2.1 Mức độ trung bình theo thời gian 127 5.2.2 Lượng tăng giảm tuyệt đ ố i 129 5.2.3 Tốc độ phát triển 131 5.2.4 Tốc độ tăng giảm 132 5.2.5 Trị tuyệt đối 1% tăng (hoặc giảm) 133 5.3 Các phương pháp biểu xu hướng phát triển tượng 133 5.3.1 Phương pháp mở rộng khoảng cách thời gian 133 5.3.2 Phương pháp số trung bĩnh trượt 134 5.3.3 Phương pháp hồi quy .136 5.3.4 Phương pháp biểu biến động thời v ụ 139 Tài liệu tham kh ảo .145 lai (thòi gian t+1) Mơ hình san bàng mũ giản đơn Brown xây dựng năm 1954 dựa hai nguyên tắc: - Trọng số quan sát dãy số thời gian giảm cách xa Sai số dự báo (ký hiệu et = yt- ỳ , ) Phải tính đến dự báo Giả sử thời gian t, có mức độ thực tế yt, mức độ dự đoán ỹ đ Mức độ dự đoán tượng thời gian (t+1) viết: ?«■!“* yt +(i-°0Pt Đặt - a = Ẳ , ta có:ỳtÝl =oe yt + Àýt (2-10) (2.11) a Ẳ gọi tham số san với a +Ằ=Ỉ a ,Ả e [0;l] Như vậy, mức độ dự đốn ỹtỶịlà trung bình cộng gia quyền yt ỷ t với quyền số tương ứng a Ẳ - Mức độ dự đoán tượng thờigian t là: V = «yt_i -r Ầyt_1 thay vào(2.11) ta có: ỹt4 = «yt + Ằa>Tt- i + Ấ% -1 (2 12) - Mức độ dự đoán tượng thời gian (t-1) là: ỹt- i = oyt-2 + Ằỹt_2thay vào (2.12) 63 Ta có: - ỹt+1 = ayt -r Ằayt_1 + Ằ2ay t _2 -r x3ỳ t_2 (2.13) Mức độ dự đoán tượng thời gian (t-2) là: ỷ Ị - “ aỵ t - + *■%-3 thay vào (2.13) Ta có: = ayt -f Aayt_j + x2ay t_2 + A3ỹt _3 + Ằ4ỹt_4 (2.14) Bằng cách tiếp tục tương tự thay vào mức độ dự đoán yf_3, yf_ ta có cơng thức tổng qt n i=í Trong đó: ỹtỶ1: Số bình qn mũ thời điểm t+1 yc_j: Các mức độ thực tế của tượng thời điểm (t-i) (1=0-+ n) ỹ^ịi Số bình quân mũ thời điểm (t-i) ( i=0->n) a Ẳ gọi tham số san ( a Ẳ số với a +Ả=l a ,Ẳ e [0;l]) n: Số lượng mức độ dãy số thời gian Vì X e[0;l]nênkhi i-*co DC 64 1=1 Khi cơng thức (*) trở thành: n 5Wi ĩ=1 Như vậy: mức độ dự đoán ỷ trung bình cộng gia quyền mức độ dãy số thịi gian mà ừong quyền số giảm dần theo dạng mũ (khi i=0->n) tuỳ thuộc vào mức độ cũ dãy số Vì thế, phương pháp gọi phương pháp san mũ Có hai vấn đề quan trọng phương pháp san mũ - Thứ nhất: hệ số san mũ a a hệ số san để điều chỉnh trọng số quan sát riêng biệt dãy số thời gian Vì vậy, lựa chọn a phải vừa đảm bảo kết dự báo gần với quan sát thực tế, vừa phải đảm bảo tính linh hoạt (nhanh nhạy với thay đổi gần tại) Với a = theo phương trình dự báo (1) Giá trị dự báo giá trị thực tế thời kỳ liền trước (yt+i) mức độ trước khơng tính đến Với a =0 theo phương trình dự báo (1) Giá trị dự báo ỹĩ+1 giá trị dự báo thời kỳ trước (ỹ j giá trị thực tế thời kỳ liền trước khơng tính đến Nấu Cí chọn lớn mức độ iược ý, thích hợp với chuỗi thời gian khơng có tính ổn định cao Ngược lại, a chọn nhỏ mức độ cũ ~àng ý, thích hợp với chuỗi thời gian có tính ổn định cao 65 Do đó, phải dựa vào đặc điểm biến động tượng qua thời gian kinh nghiệm nghiên cứu để lựa chon a cho phù hợp Nói chung, giá trị a tốt giá trị làm cho tổng bình phương sai số dự đoán nhỏ SSE = £ (y t - ỹ c) -*min Đặt et = yt- ỳ, sai số dự đoán thời gian t hay gọi phần dư thời gian t Theo kinh nghiệm nhà dự báo a thích họp cho vận dụng phương pháp san mũ chọn bằng: a = —— n+1 (n: đô dài chuôi thời gian) - Thứ hai: Xác định giá trị ban đầu (điều kiện ban đầu) ký hiệu yo Phương pháp san mũ thực theo phép đệ quy, để tính ỹĨÝ1 thi phải có ỹ , để có ỹ phải có y J Do đó,để tính tốncần phải phải xác định giá trị ban đầu ịyò) dựa vào số phương pháp + Có thể lấy mức độ dãy sổ + Trung bình số mức độ dãy số Ví dụ: Có hai tài liệu doanh thu hàng thương mại X qua số năm sau: Năm Chỉ t i e u ^ \ ^ Doanh thu (tỷ đông) 66 2002 2003 2004 2005 2006 15 15,3 14,8 15,2 yi y2 y3 15,5 Y4 ys Yêu cầu: Dự đoán doanh thu cho năm 2007 cửa hàng Với n = 5-* a = Vữ “ n+1 = — «0, 5+ IV * ,3 + ,8 * ,5 + 15,2 ^ yi = ® 15,16 (tỳ đồng) Í=1 Cơng thức tổng quát vói n= 5: t = -* s> ỹ „ , = « £ ( - r t)'V í-ỉ + ( - « ) '* * & - ! (-1 Ẳ = l - a => 5W = « t + *yt- i + A2yt-2 + *3yt-5 + *T t-4 + *syt-s ) + ẰỄỹt-5 Với t = 5, dự báo doanh thu 2007 là: ỹỂ = « (y + }*A + * 2y + Ầ3y + x 4y i -r Ằs y ữ) + Ằốỳ c ỹé = 0,3(15,2 + 0,7 X 15,s -f 0,72 X 14,8 -f Q,73 X 15,3 -f 0,74 X 15 4- 0,7s X 15,16) + 0,7Ể X 15,16 - 15,19 * Hoặc thay vào công thức (1) ta dự báo doanh thu hàng năm (tỷ đồng) sau: Với t=0, ta có: ỹ\ — a yữ T ( ĩ —«)yo-0,3 X 15,16+(l-0,3) X l5,16=15,16 Với t=l, ta có: ỷ, = a y x -f (1 —a)ỹị=0,3 X 15+(l-0,3) x l5 ,16=15,112 67 Vói t=2, ta có: % = «>h + (1 - *)&=0,3 X 15,3+(l-0,3) X l5,112=15,1684 Với t=3 ta có: % = «y3 + ( l - a ) ỹ 3=0,3 X 14,8+(l-0,3) X l5,1684=15,05788 Với t=4 ta có: ỹ5 = «y4 + (1 - «).V4=0,3 X 15,5+(l-0,3) Xl5,05788=15,19 Với t=5, ta có: ỹẾ a a y - + ( l - a ) ỹ s=0,3 X 15,2+(l-0,3) X l5 ,19=15,193 Đây giá trị dự đốn cho doanh thu Cơng ty năm 2007 2.4.2 Mơ hình xu tuyến tính khơng có biến động thời vụ (Mơ hình san mũ Holt - Winters) Mơ hình thường áp dụng biến động tượng qua thời gian có xu tuyến tính khơng có biến động thời vụ - Giả sử có dãy số thời gian yi, y2, y3, , yn với biến động có tính xu Bước 1: Chọn hệ số a ,p (0 < a,Ị3 < 1) Nếu chọn số san nhỏ tức coi mức độ thời dãy số ảnh hưởng đến mức độ dự báo Ngược lại, chọn số san lớn tức muốn dãy số san số mũ phản ứng mạnh với thay đổi 68 Bước 2: Tiến hành san mũ cho giá trị ước lượng xu dãy số: Coi giá trị dãy số thời gian tổng hai thành phần: Thành phần trung bình có trọng số giá trị thực tế (ký hiệu St - giá trị ước lượng tượng thời điểm t) thành phần xu (ký hiệu Tt) Ta có mơ hình san số mũ: ? „ ,= s ,+ ; (2.15) S t= « y ,+ (1 -« )[S ,.1 + T (,.1 )] (2.16) Trong đó: T, = g(St - s , , ) + (1 - P)T(t_ „ (2.17) ĐặtS2 = Y2 T2 = Y j - Y, Tiến hành san số mũ từ thời điểm thứ trở đi, ta cỏ: s3 =«y3 + (l-°0(S2+ Tj) T = ( s - s , ) + ( - g )T s4 =«y4+ ( _ K ) ( s + T s ) T4 = P(S4 - s , ) + (1 - p)Tj Bước 3: Sử dụng mức xu san số mũ thời điểm để dự đoán cho thời điểm tương lai để dự đoán giá trị tượng thời điểm tương lai t + 1: y l+ỉ= st +T' (2.18) 69 Ở thời điểm tương lai (t + h) (h=2, ) k > = S , +hT, (2.19) Ví dụ: Theo số liệu tổng cục thống kê GDP, giá thực tế Việt Nam qua thời gian sau: Chỉ GDP (tỷ đồng) 2002 2003 2004 2005 2006 421295 535762 613443 715307 839211 Áp dụng san mũ Holt - Winters để dự đoán cho năm tới: Bước 1: Chọn hệ số san: a = 0,7; p = 0,6 Bước 2: Tiến hành san số mũ cho mức cho xu dãy số thời gian s = y2 = 535762 T2 = y2 - yi = 535762 - 421295 = 114467 s3 = a y3 + (1 - a )(S2 + T2) = 0,7x613443 + (1-0,7X535.762 + 114467) = 624478,8 T3 = / ? ( S - S 2) + ( l- P) t = 0,6(624478,8 - 535762) + (l-0,6)xl 14467 = 99016,88 s = a y + ( l - a ) ( S + T3) = 0,7x715307 + (l-0,7)(624478,8 + 99016,88) = 717763,6 T4 = ì3(S4- S 3) + (1- 70 jỡ)T3 = 0,6(717763,6 - 24478,8) + 0,4x99016,88 = 95577,63 s = a y + (l - a)(S + T4) = 0,7.839211 + 0,3(717763,6 + 95577,63) = 831450,07 Ts = 0(S - s 4) + (1 -/?) T4 = 0,6(831450,07 - 717763,6) + 0,4x95577,63 =106442,93 Như vậy, mức độ dự báo GDP năm là: y = s + T5 = 831450,07 + 106442,93 = 937893 y = s + 2T5 = 831450,07 + 2x106442,93 = 1044335,93 (tỷ đồng) y s =S5 + 3T5= 831450,07 + 3x106442,93 = 1150778,86 (tỷ đồng) y9 = s + 4T5 = 831450,07 + 4x106442,93 = 1257221,7 (tỷ đồng) ỹ l0= s + 5Ts = 831450,07 + 5x106442,93 = 1363664,63 (tỷ đồng) 2.4.3 Mồ hình xu tuyến tỉnh biến động thời vụ Mơ hình thường áp dụng dự báo thời gian mà mức độ tài liệu tháng quý số năm mà mức độ dãy số lập lại sau khoảng thòi gian h (h = quý, h = 12 năm) Việc dự đốn thực theo hai mơ hình sau: + Mơ hình cộng: y l+l =S' +T' +Vl+] (2.19) Trong đó: s, =«b/-^ơ-A)]+(1-«)[s,M+2|,-i)] (2.20) T ^ p i s - s ^ +ạ - p ) ^ (2.21) 71 V ^ X iy -S ^ -W ^ (2.22) + Mơ hình nhân: y l+ì =(S'+T' ).Vl+l (2.23) Trong đó: S' = a — — + (1- a)(5,_, + T(l_n) '1 vự -h) (' 1} 7; = /?(.?,-*,-.) + ( l - W - i v = x ệ + ( l - x ) v ự_h) Òl Với a ,P ,Ả tham số san nhận giá trị đoạn [0;1] a,Ị3,Ả nhận giá trị tốt tổng bình phương sai số nhỏ SSE = Y j (yl - y , ) Tham số a , p , x không xét cách khách quan mà nhiều thơng qua trực giác chủ quan, kết dự báo phụ thuộc vào lựa chọn tham số Với a0(0) mức độ dãy số ai(0) lượng tăng (giảm) tuyệt đối trung bình Sj(0): Các số thời vụ ban đầu (j=l, 2, k); k = đối vói quý; k = 12 tháng Nếu t = 1, 2, 3, 4, 5, , n: 72 Là thứ tự thời gian hay tương ứng với thứ tự mức độ theo thời ký chuỗi thời gian yếu tố thời vụ Vj(0) mức độ chuỗi thời gian tính tương ứng với giá trị t < k 7=1 K Vj : Chỉ số bình quân thời vụ cho quý hay tháng năm chuỗi thời gian y, Yt : Mức độ chuỗi thời gian thời gian t Vj : Chỉ số thời vụ quý tháng năm thời gian t: y, : Số bình quân trượt để loại trừ thành phần thời vụ thành phần ngẫu nhiên với số lượng mức độ tài liệu quý 12 tài liệu tháng ZT _ * Z K Vỉ dụ: Trở lại ví dụ mục (2.3.1), dự đốn doanh thu q theo mơ hình nhân sau: Có tài liệu sản lượng doanh nghiệp A sau: Sản iượng (nghìn tấn) Năm (t) 2002 Quý \ 2003 2004 2005 2006 Cộng theo quý (È b I 20 25 27 31 29 132 73 II 25 32 30 37 36 160 ni 38 38 45 44 47 212 IV 40 60 55 62 58 275 Cộng theo năm C ^yj) 123 155 157 174 170 779 Mức độ bình quân năm 30,75 38,75 39,25 43,5 42,5 S(0): Bình quân mức độ (bình quân năm): 5(0) = ———— —— ——————= 30,75 To: Lượng tăng tuyệt đối bình quân quý: Các sổ thời vụ Itv (Đã tính phần 2.3.2.) Quý = 0,713x0,986 = 0,7 Quý II = 0,85 X 0,986 = 0,838 Quý III = 1,096 X 0,986 = 1,08 Quý IV = 1,396x0,986 = 1,376 Với tham số cho a , P, Ẳ là: 0,4;0,4; 0,8 Nếu phải lựa chọn hai mơ hình để dự đốn thi tuỳ thuộc vào đặc điểm biến động tượng Đối vói tượng biến đổi qua thời gian dùng mơ hình cộng 74 Đối với tượng biến đổi nhiều qua thời gian dùng mơ hình nhân * Ưu, nhược điểm phương pháp san mũ: ưu điểm: - Đơn giản có kết tương đối xác, phù hợp với dự đoán ngắn hạn cho nhà kinh doanh lập kế hoạch ngắn hạn cấp vĩ mơ - Hệ thống dự báo điều chỉnh thông qua tham số (tham số san mũ) Dễ dàng chương trình hố phải thực số phép tốn sơ cấp để xác định giá trị dự báo Hạn chế: - Phương pháp san mũ bó hẹp phạm vi dự báo ngắn hạn khơng tính đến thay đổi cấu trúc chuỗi thời gian mà phải tuân thủ tính ổn định theo thời gian trình kinh tế - xác hội 2.5 Sử dụng chương trình SPSS để dự báo theo mơ hình 2.5.1 D ự đoản hàm xu * Nhập tài liệu + Một cột biến theo thứ tự năm, cột thời gian (Years - năm; Years, quarters - năm, quý; Years, months - năm, tháng) (nếu năm ta nhấp chuột vào Years, ô nhỏ số 1900, ta xoá đánh số năm dãy số) * Thăm dò đồ thị 75 Analyze/ Regression/ Curve Estimation - Đưa y vào Dependent Years vào Variable - Time/ Linear/ Display ANOVA table/ Save/ Predicted values/ Predict throug/ đánh số năm càn dự báo vào hình chữ nhật đứng sau year/ continue/ OK * Một sỗ kết Constant - tham số a Time - tham số b 2.5.2 D ự đốn san mũ * Mơ hình đơn giản - Nhập tài liệu - Analyze/ Time Serier/ Exponential Smoothing - Save/ Do not create/ Continue/ OK - Đưa Y vào hình vng bên phải - Simple/ Parameters/ Grid search (nằm bình vng thứ General)/ Continue/ OK * Mơ hình xu tuyến tính khơng biến động thời vụ - Chọn HolƯ Parameters/ Grid Search (có chữ General hình vng bên trái)/ Grid Search (hình vng bên phải có chữ Trend) - Continue/ OK - Parameters - Nhấp chuột vào Value (trái) - đánh số 0.9 - Nhấp chuột vào Value (phải) - đánh số 0.0 - Continue/ Save/ Predict through/ đánh số năm cần dự báo vào Year/ Continue/ OYJ Đóng hình Output có kết dự báo * Mơ hình xu tuyến tỉnh có biến động thời vụ - Nhập tài liệu - Define Dates/ Year Quarters/ đánh số năm dãy số vào hình chữ nhật thứ - Analyze/ Time Serier/ Exponental Smoothing/ Winters - Đưa Y vào hình vng chữ Variables - Đua Quarters vào hình chữ nhật chữ Seasonal - Parameters/ Grid Search hình vng General (Alpha), Trend (Gramma), Seasonal (Delta)/ Continue/ OK 77