Thông tin tài liệu
Đề bài: Hãy lựa chọn phương pháp, thu thập liệu phần mềm kinh tế lượng phù hợp để thực dự báo tiêu kinh tế Việt Nam sau đây: GDP Việt Nam giai đoạn 2021-2023 Chỉ số giá tiêu dùng giai đoạn tháng 10-2021 đến tháng 10-2022 Tổng vốn đầu tư xã hội Việt Nam giai đoạn 2021-2023 Vốn đầu tư trực tiếp nước (FDI) Việt Nam giai đoạn 2021-2023 Kim ngạch xuất Việt Nam giai đoạn 2021 -2022 Dân số (gồm cấu giới, độ tuổi) lực lượng lao động Việt Nam giai đoạn 2021-2025 Yêu cầu: - Mỗi sinh viên chọn 01 số 06 tiêu nêu để thực tập - Phương pháp lựa chọn nằm chương trình học việc lựa chọn phương pháp dự báo phải luận giải - Dữ liệu thu thập cần trích dẫn nguồn - Việc xây dựng mơ hình dự báo tính tốn phải thực phần mềm kinh tế lượng phù hợp ( Eviews/ Stata/ SPSS…) Bài làm: Lựa chọn đề tài: Dự báo số giá tiêu dùng (CPI) giai đoạn tháng 10-2021 đến tháng 10-2022 Việt Nam tiến hành sau: Quy trình dự báo thực sau: Thu thập mô tả nguồn số liệu: - Các số liệu thu thập trang web Vietstock ( tin chứng khoán, bất động sản, đầu tư, ): - Chỉ số giá tiêu dùng CPI ( đơn vị: %) Ta có bảng số liệu thu thập: Bảng Thống kê số giá tiêu dùng giai đoạn 2016-2021( ĐVT: %) Tháng Năm 2016 2017 2018 2019 2020 2021 0,46 0,51 0,1 1,23 0,06 0,42 0,23 0,73 0,8 -0,17 1,52 0,57 0,21 -0,27 -0,21 -0,72 -0,27 0,33 0,08 0,31 -1,54 -0,04 0,54 -0,53 0,55 0,49 -0,03 0,16 0,46 -0,17 0,61 -0,09 0,66 0,17 0,13 0,11 -0,09 0,18 0,4 0,62 0,1 0,92 0,45 0,28 0,07 0,25 0,54 0,59 0,59 0,32 0,12 -0,62 10 0,83 0,41 0,33 0,59 0,09 11 0,48 0,13 -0,29 0,96 -0,01 12 0,23 0,21 -0,25 1,4 0,1 Nguồn: d m Lựa chọn mơ hình dự báo Dự báo số giá tiêu dùng (CPI) hoạt động quan trọng phủ doanh nghiệp việc lập kế hoạch cho đơn vị Kết dự báo xác việc hoạch định sách khả thi Theo Daehoon Nahm (2015), tình hình CPI ngày khó dự báo biến động tỉnh hình kinh tế quốc gia giới Vài thập kỷ qua, có nhiều mơ hình sử dụng để dự báo CPI: nhp Các phương pháp dự báo có ưu nhược điểm riêng phụ thuộc vào liệu thống kê T p Vì vậy, tập ứng dụng mơ hình ARIMA để dự báo số giá tiêu dùng Việt Nam từ tháng 10/2021- 10/2022 (sử dụng phần mềm SPSS 25 để tiến hành phân tích liệu) Tiến hành dự báo a Kiểm định tính dừng chuỗi thời gian Nhập số liệu vào SPSS đặt tên biến CPI, ta chọn Analyze → Forecasting → Sequence Charts Ta có liệu sau: Ta đồ thị: Va vaA b Xác định hệ số p q thông qua đồ thị ACF PACF Với sai phân bậc 0, giao diện SPSS, ta chọn Analyze → Forecasting → Autocorrelations Ta có liệu sau: Ta có kết quả: Từ đồ thị ACF, có cột cột cao giới hạn, q=1 q=3 Từ đồ thị PACF, có cột cột cao giới hạn, p= p=2 Ta xác định mơ hình sau: ARIMA (1,0,1) ; ARIMA (1,0,3) ; ARIMA ( 2,0,1) ; ARIMA ( 2,0,3) c Chạy mơ hình ARIMA nói có phần mềm SPSS 25 để ước lượng, kiểm định dự báo Chọn mục Analyze / Forecast/ Creat Models Sau đưa biến CPI vào mục Dependent Variables - Ở thẻ Variables, khung Method chọn ARIMA để dự báo cho phương pháp Trong mục Criteria chọn giá trị p, d, q phần Nonseason (khơng có yếu tố mùa vụ) xác lập để xem mô hình dư báo Cứ mơ hình điền p, d, q tương ứng vào bấm Continute Sau bấm OK để chạy mơ hình Phải tiến hành chạy tất mơ hình để kiểm định mơ hình phù hợp chọn mơ hình tốt để lựa chọn phục vụ cơng tác dự báo Mỗi mơ hình có ln kết dự báo cho bước lấy kết dự báo mơ hình tốt - Tại thẻ Statistics chọn mục sau: - Trong thẻ Plots chọn mục sau: - Tại thẻ Options chọn 82 để dự báo cho 13 tháng từ 70 đến 82 Sau bấm OK Chạy mơ hình ta kết trình bày Trong đó: + Tên mơ hình trình bày bảng Model Description + Các tiêu thống kê hệ số xác định mơ hình R2, hệ số xác định R2 điều chỉnh, sai số dự báo MSE, MAPE, MAE, BIC trình bày bảng Model Fit + Các hệ số ước lượng mơ hình trình bày bảng ARIMA Model Parameters + Giá trị dự báo số mùa vụ cho 13 tháng tiếp (từ quan sát 70 – 82) theo trình bày bảng Forecast + Phần dư mơ hình thể đồ thị Residual ACF Residual PACF + Đồ thị mơ hình vẽ cuối sau đồ thị phần dư Mô hình ARIMA (1,0,1) Trên đồ thị phần dư ACF PACF ta thấy toàn quan sát vượt nằm giới hạn nên phần dư nhiễu trắng Do đó, mơ hình phù hợp Mơ hình ARIMA (1,0,3) Trên đồ thị phần dư ACF PACF ta thấy toàn quan sát vượt nằm giới hạn nên phần dư nhiễu trắng Do đó, mơ hình phù hợp Mơ hình ARIMA ( 2,0,1) Trên đồ thị phần dư ACF PACF ta thấy toàn quan sát vượt nằm giới hạn nên phần dư nhiễu trắng Do đó, mơ hình phù hợp Mơ hình ARIMA ( 2,0,3) Trên đồ thị phần dư ACF PACF ta thấy toàn quan sát vượt nằm giới hạn nên phần dư nhiễu trắng Do đó, mơ hình phù hợp d Lựa chọn mơ hình phù hợp đưa kết dự báo Mơ hình ARIMA (1,0,1) ARIMA (1,0,3) ARIMA (2,0,1) ARIMA (2,0,3) Kiểm định phần dư Phần dư nhiễu trắng Phần dư nhiễu trắng Phần dư nhiễu trắng Phần dư nhiễu trắng MSE 0,449 0,429 0,429 0,434 BIC -1,416 -1,385 -1,449 -1,303 Trong mơ hình bên trên, tất mơ hình phù hợp ARIMA(1,0,1); ARIMA(1,0,3); ARIMA (2,0,1); ARIMA (2,0,3) phù hợp để thực dự báo có tất phần dư đồ thị ACF PACF nhiều trắng Tuy nhiên mơ hình ARIMA (2,0,1) tốt có giá trị MSE BIC nhỏ nên ta sử dụng kết dự báo mô hình - Kết dự báo 13 tháng ứng với giá trị quan sát thứ 70 đến 82 bảng Forecast: ... liệu thống kê T p Vì vậy, tập ứng dụng mơ hình ARIMA để dự báo số giá tiêu dùng Việt Nam từ tháng 10/ 2021- 10/ 2022 (sử dụng phần mềm SPSS 25 để tiến hành phân tích liệu) Tiến hành dự báo a Kiểm...Bảng Thống kê số giá tiêu dùng giai đoạn 2016 -2021( ĐVT: %) Tháng Năm 2016 2017 2018 2019 2020 2021 0,46 0,51 0,1 1,23 0,06 0,42 0,23 0,73 0,8 -0,17 1,52 0,57... 0,59 0,59 0,32 0,12 -0,62 10 0,83 0,41 0,33 0,59 0,09 11 0,48 0,13 -0,29 0,96 -0,01 12 0,23 0,21 -0,25 1,4 0,1 Nguồn: d m Lựa chọn mô hình dự báo Dự báo số giá tiêu dùng (CPI) hoạt động quan trọng
Ngày đăng: 24/11/2021, 20:46
Xem thêm:
