Môn học phân tích dữ liệu trong kinh tế báo cáo bài tập nhóm phân tích tác Động của fdi Đến nền kinh tế việt nam

 Dự báo trung bình: Bao gồm mô hình dự báo trung bình giản đơn và mô hình dự báo trung bình di động, sử dụng giá trị trung bình của các quan sát trước để dự báo kỳ tiếp theo.. Các mô hì

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT

Môn học: Phân tích dữ liệu trong kinh tế

Báo cáo bài tập nhóm

PHÂN TÍCH TÁC ĐỘNG CỦA FDI ĐẾN NỀN KINH TẾ VIỆT NAM

GVHD: GVC.TS Phạm Văn Chững

Tp Hồ Chí Minh – 07/2024

LỜI NÓI ĐẦU

Để hoàn thành báo cáo cho đề tài lần này, nhóm chúng em xin gửi đến TS.GVC Phạm Văn Chững - người tận tình hướng dẫn và đã giúp đỡ nhóm chúng em trong suốt khoảng

thời gian qua

Vì kiến thức của cả nhóm vẫn còn nhiều hạn chế nên bài làm này sẽ không thể tránh khỏi

những sai sót Kính mong nhận được những ý kiến đóng góp từ phía thầy

Nhóm chúng em xin chân thành cảm ơn

NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN

MỤC LỤC

DANH MỤC HÌNH ẢNH _ i DANH MỤC BẢNG BIỂU ii

MỞ ĐẦU 1

1 Lý do chọn đề tài 1

2 Mục tiêu nghiên cứu 1

3 Đối tượng và phạm vi nghiên cứu: _ 1 3.1 Đối tượng nghiên cứu _ 1 3.2 Phạm vi nghiên cứu _ 1

4 Phương pháp nghiên cứu 2 4.1 Các phương pháp thu thập và xử lý dữ liệu _ 2 4.2 Các phương pháp phân tích dữ liệu _ 2

5 Bố cục của báo cáo _ 3 CHƯƠNG 1 5 1.1 Khái niệm và vai trò của vốn đầu tư nước ngoài FDI _ 5 1.1.1 Khái niệm vốn đầu tư nước ngoài FDI _ 5 1.1.2 Vai trò của vốn đầu tư nước ngoài FDI 5 1.2 Biến quan sát và dữ liệu của báo cáo _ 5 1.2.1 Biến quan sát 5 1.2.2 Dữ liệu của báo cáo _ 5 CHƯƠNG 2 CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN _ 8

1 Mô hình dự báo thô 8 1.1 Mô hình dự báo thô giản đơn _ 8

1.2 Mô hình dự báo thô xu thế 10 1.3 Mô hình dự báo thô mùa vụ _ 13

2 Mô hình dự báo trung bình 15 2.1 Mô hình dự báo trung bình giản đơn _ 15 2.2 Mô hình dự báo trung bình di động 18

3 Mô hình dự báo hàm mũ 21 3.1 Mô hình dự báo san mũ _ 21 3.2 Mô hình dự báo Holt _ 23 3.3 Mô hình dự báo Winters 25 CHƯƠNG 3 CÁC MÔ HÌNH DỰ BÁO XU THẾ _ 28 3.1 Tổng quan về mô hình xu thế 28 3.2 Các loại mô hình xu thế _ 28 3.2.1 Mô hình dự báo xu thế tuyến tính _ 28 3.2.2 Mô hình dự báo xu thế phi tuyến tính 28 3.2.3 Mô hình dự báo mùa vụ _ 29 3.3 Ứng dụng hàm xu thế trong dự báo FDI 29 3.3.1 Mô hình dự báo xu thế tuyến tính _ 29 3.3.2 Mô hình dự báo xu thế phi tuyến tính 30 3.3.3 Mô hình dự báo mùa vụ _ 35 3.4 Ứng dụng dự báo điểm, dự báo khoảng trong dự báo FDI 36 3.4.1 Dự báo điểm 36

 Câu lệnh STATA: 37 3.4.2 Dự báo khoảng 38

 Câu lệnh STATA: 39 39 _ 39 39 CHƯƠNG 4 CHUỖI THỜI GIAN VÀ TÍNH DỪNG CỦA CHUỖI THỜI GIAN 42 4.1 Chuỗi thời gian và tính dừng của chuỗi thời gian _ 42 4.1.1 Chuỗi thời gian 42 4.1.2 Tính dừng của chuỗi thời gian 42 4.2 Kiểm định nghiệm đơn vị _ 42 4.2.1 Khái niệm của kiểm định nghiệm đơn vị 42 4.2.2 Vai trò của kiểm định nghiệm đơn vị _ 43 2.2 Các bước thực hiện kiểm định nghiệm đơn vị: _ 43 2.2.1 Kiểm định Dickey – Fuller không có hằng số (noconstant) 43 Tiến hành sai phân bậc một của biến FDI với xu hướng: 44 2.2.2 Kiểm định Dickey – Fuller với trôi dạt (drift) 45 2.2.3 Kiểm định Dickey – Fuller với xu hướng (trend) _ 46 2.2.4 Phân tích hồi quy sử dụng chuỗi dừng để xác định tác động của FDI 47 CHƯƠNG 5 CÁC MÔ HÌNH DỰ BÁO THEO PHƯƠNG PHÁP BOX – JENKINS _ 49 5.1 Mô hình ARMA _ 49 5.1.1 Giới thiệu chung về mô hình ARMA(p,q) _ 49 5.1.2 Phân tích tự tương quan và tự tương quan từng phần của FDI _ 49 5.1.3 Dự báo giá trị FDI bằng mô hình ARMA(p,q) trên STATA _ 52 5.2 Mô hình ARIMA 54

5.2.1 Giới thiệu chung về mô hình ARIMA(p,d,q) _ 54 5.1.2 Dự báo giá trị FDI bằng mô hình ARIMA(p,d,q) trên STATA _ 54 CHƯƠNG 6 LỰA CHỌN MÔ HÌNH _ 57 6.1 Mục đích của việc lựa chọn mô hình _ 57 6.2 Tiêu chuẩn lựa chọn mô hình 57 6.2.1 Sai số dự báo 58 6.2.2 Phần trăm sai số _ 59 KẾT LUẬN _ 62

DANH MỤC HÌNH ẢNH

Hình 1 - Giá trị trung bình của biến FDI của STATA _ 16 Hình 2 – Kết quả mô hình dự báo Holt của STATA 25 Hình 3 - Kết quả mô hình dự báo Holt của STATA 27 Hình 4 – Kết quả hồi quy xu thế tuyến tính theo biến t của STATA 29 Hình 5 – Kết quả hồi quy xu thế đa thức theo biến t, t2 của STATA 30 Hình 6 - Kết quả hồi quy xu thế đa thức theo biến t, t2, t³ của STATA 31 Hình 7 - Kết quả hồi quy xu thế logarir theo biến t của STATA 32 Hình 8 - Kết quả hồi quy xu thế logarit theo biến t, t2 của STATA 33 Hình 9 - Kết quả hồi quy xu thế logarit theo biến t, t2, t³ của STATA _ 34 Hình 10 – Kết quả hồi quy mùa vụ của STATA _ 36 Hình 11 – Kết quả kiểm định Dickey – Fuller không có hằng số của STATA 44 Hình 12 - Kết quả kiểm định Dickey – Fuller có sai phân của STATA _ 45 Hình 13 - Kết quả kiểm định Dickey – Fuller với trôi dạt của STATA 46 Hình 14 - Kết quả kiểm định Dickey – Fuller với xu hướng của STATA 47 Hình 15 – Kết quả hồi quy sử dụng chuỗi dừng của STATA _ 48 Hình 16 - Biểu đồ tự tương quan (ACF) _ 50 Hình 17 - Biểu đồ tự tương quan từng phần (PACF) 51 Hình 18 – Kết quả hồi quy ARMA(4,4) của STATA _ 52 Hình 19 - Kết quả hồi quy ARMA(3,3) của STATA 53 Hình 20 - Kết quả hồi quy ARIMA(4,1,0) của STATA 55 Hình 21 - Kết quả hồi quy ARMA(4,1,1) của STATA 56

DANH MỤC BẢNG BIỂU

Bảng 1 – Dữ liệu của báo cáo _ 7 Bảng 2 - Kết quả mô hình dự báo thô giản đơn của STATA 10 Bảng 3 – Kết quả mô hình dự báo thô xu thế của STATA _ 12 Bảng 4 – Kết quả mô hình dự báo thô mùa vụ của STATA 14 Bảng 5 – Kết quả mô hình dự báo trung bình giản đơn của STATA 18 Bảng 6 – Kết quả mô hình dự báo trung bình di động của 20 Bảng 7 – Kết quả mô hình dự báo san mũ của STATA 23 Bảng 8 – Các biến giả tạo bằng STATA _ 35 Bảng 9 – Kết quả dự báo điểm của STATA _ 38 Bảng 10 – Kết quả dự báo khoảng của STATA 40

MỞ ĐẦU

1 Lý do chọn đề tài

Đầu tư trực tiếp từ nước ngoài (FDI) đóng vai trò quan trọng trong việc thúc đẩy tăng trưởng kinh tế, cải thiện các cơ sở hạ tầng và nâng cao năng lực cạnh tranh của nền kinh tế Việt Nam trên thị trường khu vực và quốc tế Với việc thu hút một lượng lớn FDI trong cả hai thập kỷ vừa qua, Việt Nam đang dần trở thành một điểm đến hấp dẫn cho các nhà đầu tư quốc tế Tuy nhiên, để hiểu rõ hơn về các tác động này của FDI đối với nền kinh tế, chúng ta cần phải có các phân tích và nghiên cứu cụ thể

Việc phân tích và nghiên cứu tác động của FDI đối với nền kinh tế Việt Nam giúp cung cấp các thông tin hữu ích cho các nhà hoạch định chính sách, các doanh nghiệp và các nhà nghiên cứu Điều này không chỉ giúp tối ưu hóa việc thu hút và sử dụng FDI mà còn giúp định hình chiến lược phát triển kinh tế bền vững cho Việt Nam trong tương lai

2 Mục tiêu nghiên cứu

Thứ nhất, báo cáo sẽ đánh giá tác động của FDI đến các chỉ số kinh tế chính của Việt Nam như GDP, tỷ lệ thất nghiệp, tổng sản phẩm xuất khẩu – nhập khẩu và các chỉ

số kinh tế quan trọng khác

Thứ hai, báo cáo sẽ phân tích các thay đổi của các chỉ số kinh tế chính như GDP,

tỷ lệ thất nghiệp, tổng sản phẩm xuất khẩu – nhập khẩu và các chỉ số kinh tế quan trọng khác dựa vào các tác động có liên quan của FDI

3 Đối tượng và phạm vi nghiên cứu:

3.1 Đối tượng nghiên cứu

- Đối tượng nghiên cứu của báo cáo là FDI và các chỉ số kinh tế chính của Việt Nam

3.2 Phạm vi nghiên cứu

- Phạm vi không gian của báo cáo là nước Việt Nam

- Phạm vi thời gian của báo cáo là khoảng thời gian từ năm 2018 đến năm 2022

4 Phương pháp nghiên cứu

4.1 Các phương pháp thu thập và xử lý dữ liệu

Dữ liệu của báo cáo được thu thập từ các nguồn đáng tin cậy như Ngân hàng Thế giới (World Bank), Tổng cục Thống kê Việt Nam (GSO), Vietstock và các báo cáo nghiên cứu khoa học Các bước tiền xử lý dữ liệu bao gồm làm sạch, xử lý giá trị thiếu

và chuẩn hóa dữ liệu để đảm bảo được độ chính xác và nhất quán

4.2 Các phương pháp phân tích dữ liệu

Báo cáo sử dụng nhiều phương pháp dự báo khác nhau để phân tích và dự báo FDI Các phương pháp chính bao gồm:

 Dự báo thô: Sử dụng mô hình dự báo thô giản đơn, mô hình dự báo thô xu thế, và

mô hình dự báo thô mùa vụ Các phương pháp này dựa trên giá trị quan sát gần nhất hoặc các yếu tố mùa vụ để dự báo

 Dự báo trung bình: Bao gồm mô hình dự báo trung bình giản đơn và mô hình dự báo trung bình di động, sử dụng giá trị trung bình của các quan sát trước để dự báo kỳ tiếp theo

 Dự báo hàm mũ: Áp dụng các phương pháp như san mũ, Holt, và Winters Những phương pháp này làm mịn dữ liệu và bao gồm các thành phần xu thế và mùa vụ để dự báo chuỗi thời gian có xu hướng hoặc yếu tố mùa vụ

 Dự báo xu thế: Sử dụng các mô hình xu thế tuyến tính và phi tuyến để xác định và

dự báo sự thay đổi dài hạn trong dữ liệu

 Dự báo chuỗi thời gian: Bao gồm mô hình ARMA và ARIMA, kết hợp hồi quy tự hồi quy và trung bình động để dự báo các chuỗi thời gian không dừng và có tính xu hướng

 Dự báo điểm và dự báo khoảng: Dự báo điểm cung cấp một giá trị cụ thể, trong khi dự báo khoảng cung cấp một khoảng giá trị có khả năng chứa giá trị thực tế với mức

độ tin cậy nhất định, phản ánh sự không chắc chắn và biến động có thể xảy ra

5 Bố cục của báo cáo

Báo cáo được chia thành các chương và phần như sau:

 Chương 1: Khái niệm và vai trò của vốn đầu tư nước ngoài FDI Chương này trình bày khái niệm cơ bản về vốn đầu tư trực tiếp nước ngoài (FDI) và phân tích vai trò của FDI trong nền kinh tế Nó nêu rõ cách FDI đóng góp vào tăng trưởng kinh tế, tạo việc làm và chuyển giao công nghệ cùng với các dữ liệu qua từng quý của FDI từ năm 2018 đến năm 2022

 Chương 2: Các mô hình dự báo giản đơn Chương này giới thiệu các mô hình dự báo giản đơn như dự báo thô, dự báo trung bình, và dự báo hàm mũ Các mô hình này được áp dụng để dự báo giá trị tương lai của FDI dựa trên các quan sát trước đó, cung cấp nền tảng cho các phương pháp phức tạp hơn

 Chương 3: Các mô hình dự báo xu thế Chương này tập trung vào các mô hình xu thế, bao gồm xu thế tuyến tính và phi tuyến Giải thích cách sử dụng các mô hình này để xác định và dự báo xu hướng dài hạn của FDI, giúp đưa ra các dự đoán chính xác hơn về tương lai

 Chương 4: Chuỗi thời gian và tính dừng của chuỗi thời gian Chương này giới thiệu về chuỗi thời gian và tính dừng của chuỗi thời gian, cùng với các phương pháp kiểm định nghiệm đơn vị Việc hiểu rõ tính dừng của chuỗi thời gian là cần thiết để áp dụng các mô hình dự báo phù hợp và đáng tin cậy

 Chương 5: Các mô hình dự báo theo phương pháp Box – Jenkins Chương này trình bày chi tiết các mô hình ARMA và ARIMA theo phương pháp Box-Jenkins Giải thích cách sử dụng các mô hình này để phân tích và dự báo chuỗi thời gian FDI, bao gồm

cả việc xử lý các chuỗi không dừng và có tính xu hướng

 Chương 6: Lựa chọn mô hình Chương cuối cùng thảo luận về mục đích và tiêu chuẩn lựa chọn mô hình dự báo phù hợp nhất Nó cung cấp các tiêu chí để đánh giá và chọn lựa mô hình dự báo, đảm bảo tính chính xác và hiệu quả của các dự đoán FDI Thảo luận về mục đích và tiêu chuẩn lựa chọn mô hình phù hợp nhất để dự báo FDI

 Kết luận: Phần kết luận tóm tắt các kết quả nghiên cứu, nhấn mạnh những phát hiện chính và đưa ra các đề xuất hướng nghiên cứu trong tương lai Phần kết luận cũng cung cấp các khuyến nghị chính sách dựa trên các kết quả phân tích để hỗ trợ việc ra quyết định chiến lược liên quan đến FDI

CHƯƠNG 1

1.1 Khái niệm và vai trò của vốn đầu tư nước ngoài FDI

1.1.1 Khái niệm vốn đầu tư nước ngoài FDI

Vốn đầu tư nước ngoài FDI (Foreign Direct Investment) là một hình thức đầu tư trực tiếp từ một quốc gia này vào một quốc gia khác, trong đó nhà đầu tư nước ngoài có quyền kiểm soát hoặc ảnh hưởng đáng kể đến hoạt động của công ty mục tiêu ở quốc gia tiếp nhận đầu tư FDI thường được thể hiện qua các hình thức như đầu tư vào phương tiện hoạt động, mua cổ phần trong những doanh nghiệp, xây dựng các cơ sở sản xuất hoặc kinh doanh

1.1.2 Vai trò của vốn đầu tư nước ngoài FDI

Thu hút vốn đầu tư trực tiếp từ nước ngoài (FDI) được xem là một trong những điểm sáng hay thành tựu nổi bật nhất của Việt Nam kể từ khi đổi mới đến nay FDI đã góp phần làm gia tăng năng lực cạnh tranh của nền kinh tế Việt Nam, tạo thêm nhiều việc làm cho người dân và tăng nguồn thu ngân sách nhà nước

Bên cạnh đó, việc thúc đẩy tăng trưởng kinh tế FDI mang lại nguồn vốn đầu tư, công nghệ mới, và kỹ năng quản lý hiện đại, góp phần vào sự phát triển của nền kinh tế địa phương Các dự án FDI thường tạo ra nhiều cơ hội việc làm mới, từ đó giúp cải thiện thu nhập cho người lao động địa phương FDI cũng giúp chuyển giao công nghệ và các kiến thức mới cho đất nước, thúc đẩy cải tiến sản xuất và đổi mới sáng tạo vì nhà đầu tư nước ngoài thường mang theo công nghệ tiên tiến và các bí quyết quản lý hiện đại, giúp nâng cao trình độ sản xuất và quản lý tại quốc gia tiếp nhận đầu tư

1.2 Biến quan sát và dữ liệu của báo cáo

1.2.1 Biến quan sát

Vốn đầu tư nước ngoài – FDI (ĐVT: tỷ USD)

1.2.2 Dữ liệu của báo cáo

Bảng 1 – Dữ liệu của báo cáo

Nguồn: Vietstock Finance

CHƯƠNG 2 CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN

1 Mô hình dự báo thô

Mô hình dự báo thô nhằm mục đích tạo ra các dự báo giản đơn, nhanh chóng bằng cách sử dụng các giá trị lịch sử mà không cần nhiều tính toán phức tạp Mô hình này sẽ hữu ích trong những tình huống cần dự báo tạm thời hoặc không có đủ thông tin chi tiết

về xu hướng hay yếu tố mùa vụ Mô hình dự báo thô bao gồm:

1.1 Mô hình dự báo thô giản đơn

1.1.1 Giới thiệu chung về mô hình dự báo thô giản đơn

Mô hình dự báo thô giản đơn là một mô hình dự báo cơ bản, được sử dụng khi không có dữ liệu lịch sử phong phú hoặc không có thông tin đầy đủ về các yếu tố ảnh hưởng đến biến được dự báo Mục tiêu của mô hình này là đưa ra một dự báo đơn giản

và nhanh chóng, thường là dựa vào giá trị quan sát gần nhất Mô hình dự báo thô giản đơn hữu ích trong các trường hợp không cần độ chính xác cao hoặc cần dự báo tạm thời

Công thức mô hình dự báo thô giản đơn:

Trong đó:

 là các giá trị được dự báo cho kỳ tiếp theo

 là các giá trị quan sát được ở kỳ hiện tại

Có thể thấy rằng, mô hình này giả định rằng giá trị của biến dự báo sẽ không thay đổi nhiều so với giá trị hiện tại, giá trị của kỳ tiếp theo được dự báo bằng giá trị hiện tại

1.1.2 Ứng dụng mô hình dự báo thô giản đơn trong dự báo FDI

STT QUY FDI FDI_tho_gian_don

Bảng 2 - Kết quả mô hình dự báo thô giản đơn của STATA

Nhận xét: Kết quả danh sách cho thấy giá trị của biến FDI và giá trị trễ của nó (FDI_tho_gian_don) Các giá trị trễ được căn chỉnh với các giá trị hiện tại Ví dụ, tại hàng thứ 2, giá trị của FDI là 4.49 và giá trị trễ là 3.88 (bằng giá trị của FDI ở hàng thứ 1)

1.2 Mô hình dự báo thô xu thế

1.2.1 Giới thiệu chung về mô hình dự báo thô xu thế

Mô hình dự báo thô xu thế là một phương pháp dự báo đơn giản nhằm nắm bắt về

xu hướng thay đổi của dữ liệu theo thời gian Mô hình này thích hợp khi dữ liệu có một

xu hướng nhất định, chẳng hạn như tăng hoặc giảm dần theo thời gian Mô hình dự báo thô xu thế sử dụng sự thay đổi của dữ liệu qua các kỳ trước để dự báo cho kỳ tiếp theo, giúp nhận diện và dự báo những xu hướng chung trên toàn dữ liệu

Công thức mô hình dự báo thô xu thế: ( ) Trong đó:

 là giá trị được dự báo cho kỳ tiếp theo

 là giá trị quan sát được ở kỳ hiện tại

 là giá trị quan sát được ở kỳ trước

Có thể thấy rằng công thức này dựa trên dự thay đổi giữa hay kỳ gần nhất để điều chỉnh dự báo cho kỳ tiếp theo Mô hình giả định rằng sự thay đổi này sẽ tiếp tục ở kỳ tiếp theo, do dó dự báo được điều chỉnh theo mức thay đổi quan sát được của Yn và Yn-1

1.2.2 Ứng dụng mô hình dự báo thô xu thế trong dự báo FDI

 Câu lệnh STATA:

(hoặc: )

Lệnh này sẽ tạo ra biến FDI_tho_xu_the dựa trên công thức dự báo thô xu thế Công thức này là một dạng mô hình dự báo đơn giản trong đó giá trị dự báo hiện tại dựa trên giá trị trước đó và giá trị trước một giai đoạn nữa, nhằm bắt chước xu hướng trong

dữ liệu

 Kết quả của STATA:

Bảng 3 – Kết quả mô hình dự báo thô xu thế của STATA

Nhận xét: Các giá trị dự báo cho thấy biến FDI_tho_xu_the được tính toán bằng cách sử dụng giá trị FDI trong hai giai đoạn trước đó Ví dụ, giá trị FDI_tho_xu_the cho

hàng 3 là 5.1, dựa trên giá trị FDI của hàng 2 (4.49) và hàng 1 (3.88), tuân theo công thức

dự báo thô xu thế

1.3 Mô hình dự báo thô mùa vụ

1.3.1 Giới thiệu chung về mô hình dự báo thô mùa vụ

Mô hình dự báo thô mùa vụ được sử dụng để dự báo những biến động có tính chu

kỳ hoặc theo mùa trong dữ liệu Mô hình này hữu ích khi dữ liệu có các mẫu lặp lại theo một khoảng thời gian nhất định Mục tiêu của mô hình là nắm bắt những thay đổi định kỳ này, giúp chuẩn bị tốt hơn cho các biến động dự đoán được trong tương lai

1.3.2 Ứng dụng mô hình dự báo thô mùa vụ trong dự báo FDI

 Câu lệnh STATA:

 Kết quả của STATA:

Bảng 4 – Kết quả mô hình dự báo thô mùa vụ của STATA

Nhận xét: Các giá trị dự báo FDI_tho_mua_vu cho thấy rằng việc áp dụng mô hình mùa vụ có thể giúp nắm bắt đƣợc các yếu tố mùa vụ trong dữ liệu Chẳng hạn, nếu

có sự lặp lại theo mùa trong dữ liệu, mô hình này có thể giúp điều chỉnh dự báo để phản ánh các biến động theo mùa

2 Mô hình dự báo trung bình

2.1 Mô hình dự báo trung bình giản đơn

2.1.1 Giới thiệu chung về mô hình dự báo trung bình giản đơn

Mô hình dự báo trung bình giản đơn được sử dụng khi các nhân tố ảnh hưởng đến đối tượng dự báo có tính ổn định và môi trường liên quan đến chuỗi dữ liệu không thay đổi Khi đó, giá trị trung bình của tất cả các quan sát quá khứ được dùng làm trị dự báo cho giai đoạn tiếp theo

Công thức mô hình dự báo trung bình giản đơn:

- Cho thời điểm t + 1: ∑

Trong đó:

 là giá trị được dự báo cho thời điểm t + 1

 là giá trị quan sát được tại thời điểm i, và t là số lượng quan sát có sẵn

- Cho thời điểm t + 2: ̂

Trong đó:

 là giá trị được dự báo cho thời điểm t + 2

 là giá trị quan sát được tại thời điểm t + 1

Mô hình dự báo trung bình giản đơn thường được sử dụng khi các điều kiện không thay đổi nhiều và khi không có xu hướng hoặc biến động lớn trong dữ liệu Mô hình này đơn giản nhưng có thể không chính xác nếu có các yếu tố xu hướng hoặc mùa vụ ảnh hưởng đến dữ liệu Độ chính xác của dự báo phụ thuộc vào tính ổn định của dữ liệu trong quá khứ và không phản ánh được sự thay đổi trong tương lai

2.1.2 Ứng dụng mô hình dự báo trung bình giản đơn trong dự báo FDI

- Bước 1: Tính toán giá trị trung bình của biến FDI

 Câu lệnh STATA:



 ( )

Giá trị trung bình của FDI là 5.19875 Đây là giá trị được dự báo cho tất cả các thời điểm trong mô hình dự báo trung bình giản đơn Trong mô hình này, chúng ta sẽ giả định rằng giá trị của FDI trong tương lai sẽ bằng giá trị trung bình của nó trong quá khứ

 Kết quả của STATA:

Hình 1 - Giá trị trung bình của biến FDI của STATA

- Bước 2: Tạo biến dự báo sử dụng giá trị trung bình của FDI

 Câu lệnh STATA:

 Kết quả của STATA:

Bảng 5 – Kết quả mô hình dự báo trung bình giản đơn của STATA

Nhận xét: FDI_TB_gian_don có giá trị cố định là 5.19875 cho tất cả các hàng trong dữ liệu, như mong đợi từ mô hình dự báo trung bình giản đơn Điều này có nghĩa là

mô hình dự đoán giá trị của FDI trong tương lai sẽ bao gồm giá trị trung bình của FDI trong quá khứ Dữ liệu cho thấy giá trị thực tế của FDI dao động từ 3.85 đến 7.28, trong khi giá trị dự đoán bằng giá trị trung bình là 5.19875 cho tất cả các thời điểm Mô hình dự báo trung bình giản đơn không thay đổi dự đoán bất kể giá trị thực tế của FDI, do đó, không phản ánh sự biến động của dữ liệu

2.2 Mô hình dự báo trung bình di động

2.2.1 Giới thiệu chung về mô hình dự báo trung bình di động

Mô hình dự báo trung bình di động được sử dụng khi có dữ liệu ít, không có xu hướng rõ rệt, hoặc khi cần làm mượt dữ liệu để loại bỏ các biến động ngắn hạn Phương pháp này được sử dụng để tạo ra một chuỗi các giá trị trung bình được tính toán từ các tập hợp con của dữ liệu thời gian, giúp làm phẳng dữ liệu và dễ dàng theo dõi các xu hướng dài hạn hơn

Công thức của mô hình dự báo trung bình di động:

Trong đó:

 là giá trị được dự báo cho thời điểm t + 1

 k là hệ số trượt (số thời đoạn) hay số lượng các quan sát được sử dụng

Mô hình trung bình di động là một trong những mô hình đơn giản nhất và thường được sử dụng như một phương pháp cơ bản trong dự báo và phân tích chuỗi thời gian Tuy nhiên, mô hình này không thể dự báo được các giá trị ngoài khoảng dữ liệu quan sát được (ngoài kỳ dữ liệu) Bên cạnh đó, mô hình cũng không tính đến các yếu tố xu hướng

hoặc mùa vụ trong dữ liệu, do đó có thể không phù hợp nếu dữ liệu có các yếu tố này

2.2.2.Ứng dụng mô hình dự báo trung bình trượt trong dự báo FDI

- Bước 1: Tính toán giá trị trung bình của biến FDI

(tương tự giống như mô hình dự báo trung bình giản đơn)

- Bước 2: Tạo biến trung bình di động với

Câu lệnh STATA: ( )

Lệnh này áp dụng mô hình trung bình di động với cửa sổ 3 kỳ cho biến FDI, tạo ra biến FDI_TB_di_dong Mô hình trung bình di động được áp dụng với trọng số 1/3 cho các giá trị của FDI ở ba kỳ trước đó và không có trọng số cho giá trị hiện tại

- Bước 3: Dự báo GDP dựa trên giá trị trung bình di động

 Câu lệnh STATA:

 Kết quả của STATA:

Bảng 6 – Kết quả mô hình dự báo trung bình di động của

Nhận xét: Biến FDI_TB_di_dong cung cấp dự đoán cho FDI dựa trên trung bình

di động của ba kỳ trước đó Cửa sổ di động 3 kỳ tạo ra giá trị dự đoán cho từng kỳ dựa

trên các giá trị trước đó, làm mượt dữ liệu hơn so với mô hình trung bình giản đơn Biến FDI_TB_di_dong_db dự đoán giá trị của FDI trong kỳ hiện tại dựa trên giá trị của FDI_TB_di_dong từ kỳ trước

3 Mô hình dự báo hàm mũ

3.1 Mô hình dự báo san mũ

3.1.1 Giới thiệu chung về mô hình dự báo san mũ

Mô hình dự báo san mũ là một phương pháp dùng để dự báo các chuỗi thời gian, đặc biệt hiệu quả khi dữ liệu không có xu hướng rõ ràng hoặc tính mùa vụ Phương pháp này sử dụng trọng số giảm dần cho các quan sát trong quá khứ, với các quan sát gần nhất được đặt trọng số cao hơn, từ đó ước lượng giá trị trung bình hiện tại Đây là một trong những phương pháp dự báo đơn giản nhưng mạnh mẽ, đặc biệt phù hợp khi cần phản ứng nhanh với các thay đổi ngắn hạn trong dữ liệu Công thức của mô hình dự báo san mũ tại thời điểm t + 1:

Công thức của mô hình dự báo san mũ tại thời điểm t + 1:

( ) ̂ hoặc tương đương ̂ ( ̂) Trong đó:

● ̂ là giá trị được dự báo cho thời điểm t + 1

● là giá trị được dự báo cho thời điểm t

● ̂ là giá trị được dự báo cho thời điểm t (trước đó)

● là hệ số san mũ ( ), xác định mức độ mượt mà của dữ liệu Hệ số này quyết định mức độ mà các giá trị quan sát mới nhất ảnh hưởng đến dự báo Khi α càng lớn, dự báo càng nhạy với các thay đổi mới nhất trong dữ liệu

3.1.2 Ứng dụng mô hình dự báo san mũ trong dự báo FDI

- Bước 1: Thực hiện mô hình dự báo san mũ

 Câu lệnh STATA:

 Kết quả của STATA:

Mô hình dự báo san mũ sử dụng hệ số mũ tối ưu là 0.1195, được tính toán để giảm thiểu sai số dự đoán Tổng bình phương sai số và sai số chuẩn căn bậc hai cho biết mức

độ phù hợp của mô hình với dữ liệu Sai số chuẩn căn bậc hai nhỏ hơn cho thấy mô hình

dự đoán gần với giá trị thực tế

- Bước 2: Dự báo FDI dựa trên mô hình san mũ

 Câu lệnh STATA:

 Kết quả của STATA:

Bảng 7 – Kết quả mô hình dự báo san mũ của STATA

3.2 Mô hình dự báo Holt

3.2.1 Giới thiệu chung về mô hình dự báo Holt

Mô hình dự báo Holt (hay còn đƣợc gọi là mô hình san mũ Holt) là một mở rộng

của mô hình san mũ đơn giản Mô hình này được sử dụng để dự báo chuỗi thời gian có

xu hướng tuyến tính Khác với mô hình san mũ đơn giản, mô hình Holt bao gồm hai thành phần chính: cấp độ (level) và xu hướng (trend)

Mô hình này không chỉ giúp dự báo giá trị trung bình hiện tại mà còn dự báo sự thay đổi trong tương lai bằng cách ước tính xu hướng Mô hình Holt được sử dụng khi có

sự tồn tại của xu hướng tuyến tính trong dữ liệu, giúp cải thiện độ chính xác của dự báo bằng cách tính đến cả cấp độ hiện tại và xu hướng thay đổi Nó phù hợp với các chuỗi thời gian có xu hướng rõ ràng và không có tính mùa vụ

Quy trình của mô hình dự báo Holt:

 Bước 1: Tính giá trị trung bình ( )( )

 Bước 2: Tính giá trị xu thế ( ) ( )

 Bước 3: Tính giá trị dự báo ̂

Trong đó:

 là giá trị ước lượng trung bình tại thời điểm t

 là hệ số san mũ cho giá trị trung bình ( )

 là giá trị ước lượng xu thế tại thời điểm t

 là giá trị quan sát thực tế tại thời điểm t

 là hệ số san mũ cho giá trị xu thế ( )

 là giá trị dự báo tại thời điểm t + h (với h là khoảng thời gian trong tương lai)

3.2.2 Ứng dụng mô hình dự báo Holt trong dự báo FDI

- Bước 1: Chạy mô hình Holt

 Câu lệnh STATA:

 Kết quả của STATA:

Hình 2 – Kết quả mô hình dự báo Holt của STATA

Nhận xét: Mô hình dự báo Holt được áp dụng để phân tích biến FDI, với các trọng

số tối ưu là α = 0.0425 và β = 0.2016 Các trọng số này được xác định thông qua quá trình tối ưu hóa, cho phép mô hình điều chỉnh cả mức độ dự đoán (α) và xu hướng (β) của

dữ liệu Kết quả cho thấy tổng bình phương sai số là 19.9330 và sai số chuẩn căn bậc hai (RMSE) đạt 0.9113, cho thấy mô hình dự đoán có mức độ chính xác tốt

3.3 Mô hình dự báo Winters

3.3.1 Giới thiệu chung về mô hình dự báo Winters

Mô hình dự báo Winters (còn được gọi là mô hình san mũ Holt – Winters) là một phương pháp dự báo mở rộng của mô hình san mũ đơn giản và mô hình Holt Mô hình này được sử dụng để xử lý các chuỗi thời gian có xu hướng và tính mùa vụ Mô hình Winters kết hợp ba thành phần chính: cấp độ (level), xu hướng (trend), và mùa vụ (seasonality)

Mô hình Winters được sử dụng để dự báo các chuỗi thời gian có cả xu hướng và tính mùa vụ rõ ràng Mô hình này thích hợp cho các tình huống mà dữ liệu có chu kỳ lặp lại theo mùa (như hàng quý, hàng năm) và xu hướng tăng hoặc giảm theo thời gian

Quy trình của mô hình dự báo Winters:

 Bước 1: Tính giá trị dự báo hàm mũ (

) ( )( )

 Bước 2: Tính giá trị thừa số điều hướng ( ) ( )

 Bước 3: Tính giá trị hệ số mùa vụ hàm mũ ( ) ( )

 Bước 4: Tính giá trị dự báo ̂ ( )

Trong đó:

 là hệ số san mũ của giá trị trung bình

 là hệ số san mũ của giá trị xu thế

 là hệ số san mũ của chỉ số mùa vụ

 là giá trị dự báo của hàm mũ Winters cho thời điểm t + 1

 là dự báo hàm mũ

 là hệ số xu thế

 là hệ số mùa vụ

 p là số thời đoạn dự báo cho tương lai sau thời điểm t

 s là số mùa trong một chu kỳ (trong năm)

3.3.2 Ứng dụng mô hình dự báo Winters trong dự báo FDI

- Bước 1: Chạy mô hình Winters

 Câu lệnh STATA:

 Kết quả của STATA: