Với dữ liệu gốc ban đầu đã có, phần mềm CBA giúp phát hiện các luật kết hợp. Với những tiêu chí khác nhau sẽ có các luật kết hợp khác nhau, phần tiếp theo của luận văn sẽ đi vào phân tích cụ thể một số luật kết hợp này.
3.4.1 Luật kết hợp của 120 mặt hàng với đầy đủ các trạng thái : tăng giá, giảm giá, giữ nguyên giá. giá, giữ nguyên giá.
Chạy phần mềm CBA trên tập dữ liệu phục vụ phát hiện luật kết hợp với việc lựa chọn độ hỗ trợ cực tiểu minSup = 0,90 (hay 90%) và độ tin cậy cực tiểu minConf = 0,8 (80%), đã nhận được 82 luật kết hợp (chi tiết xem Phụ lục 2, mục 1), trong đó 5 luật có độ hỗ trợ cao nhất được trình bầy ở dưới :
Rule 1: DF10 = Y -> DE90 = Y (Điện ->Nước) (82.203% 100.00% 97 97 82.203%)
Luật này chỉ ra rằng 82.203% các tuần trong 2 năm (từ 2008 đến quý 1/2010), giá điện (DF1) giữa nguyên giá thì Nước (DE9) cũng giữ nguyên giá với độ tin cậy là 100%, độ hỗ trợ 82.203%.
Rule 30: DE90 = Y -> DD60 = Y (Nước ->Lavie ) (82.203% 97.94% 97 95 80.508%)
Với luật này thì khi nước không tăng giá kéo theo nước đóng trai Lavie cũng không tăng giá theo với độ tin cậy 97.94%, đây cũng là điều dễ hiểu bởi nước là nguyên liệu chính của nước đóng chai.
Rule 80: DF50 = Y->DF90 = Y (Máy giặt-> Nồi cơm) (84.746% 95.00% 100 95 80.508%)
Thực tế, trong nhóm mặt hàng điện dân dụng thì rõ ràng việc tăng giá, giảm giá hay giữ ổn định giá đều được thể hiện đồng loạt trên các mặt hàng, và luật 80 ở trên thể hiện điều này. Khi máy giặt không tăng giá thì nồi cơm điện cũng ko tăng giá.
Phân tích các luật cho thấy nhiều luật phản ánh đúng tình hình thực tế, tuy nhiên cũng có một số luật khó có thể giải thích được quan hệ kinh tế giữa các mặt hàng, chẳng hạn:
Rule 12: DA50 = Y->DK40 = Y (Ngô-> Đĩa CD) (81.356% 98.96% 96 95 80.508%)
Các luật kết hợp đều biểu diễn mối quan hệ giữ nguyên giá của các mặt hàng, điều đó nói lên rằng hiện tượng giữ nguyên giá trong một vài tuần của mỗi mặt hàng là khá phổ biến (do độ hỗ trợ và độ tin cậy của luật là rất cao). Nếu hạ thấp độ hỗ trợ chúng ta sẽ nhận được nhiều luật ở đó trong phần tiền đề cũng như hệ quả của luật đều có đầy đủ các hiện tượng như: có mặt hàng tăng giá, có mặt hàng giảm giá, có mặt hàng giữ nguyên giá. Tuy nhiên khi đó số lượng các luật là khá lớn. Chẳng hạn với độ hỗ trợ là 50%, độ tin cậy là 80% chúng tôi đã thu được hàng nghìn luật.
Nhận xét cuối đã gợi ý rằng nên loại bỏ hiện tượng giữ nguyên giá khi nghiên cứu mối quan hệ về biến động giá giữa 120 mặt hàng.
3.4.2 Luật kết hợp của 120 mặt hàng khi không tính đến trạng thái giữ nguyên giá giá
Để phát hiện những luật đó, tập dữ liệu đầu vào cần phải hiệu chỉnh bằng cách loại bỏ đi tất cả các thông tin giữ nguyên giá của mỗi mặt hàng so với tuần trước đó. Như vậy ở mỗi tuần, chỉ có những mặt hàng tăng hoặc giảm giá thực sự so với tuần trước mới được đưa vào tập dữ liệu đầu vào.
Với MINSUP = 30% và MICONF = 81% đã tìm được 24 luật kết hợp cho 120 mặt hàng không gồm các thông tin mà giá không thay đổi so với tuần trước đó (chi tiết các luật được nêu ở Phụ lục 2- Mục 2).
Phân tích các luật này cho thấy hầu hết các luật đều phản ánh tương đối trực quan quan hệ kinh tế.
Chẳng hạn các luật sau là ví dụ cho các nhận xét này: Rule 30:
DK61 = Y -> DK71 = Y (53.782% 80.81% 95 77 31.092%)
Luật này chỉ ra rằng 53.782% các tuần trong 2 năm (từ 2008 đến quý 1/2010), giá vàng miếng SJC (DK6) tăng giá thì đồng đô la mỹ (DK7) cũng tăng giá với độ tin cậy là 80.81%.
Hay luật 7 : Rule 7:
CPI1 = Y -> DK61 = Y (51.261% 89.02% 61 56 30.252%)
Cho thấy rằng chỉ số CPI trong 2 năm luôn có quan hệ mật thiết với giá vàng, cụ thể trong luật trên thì thấy có tới 51.261% các tuần trong 2 năm CPI tăng thì giá vàng cũng tăng với độ tin cậy 89.02%
Các mặt hàng nhập khẩu cũng được phản ánh thông qua luật 36 này : Rule 36:
NA41 = Y -> NA31 = Y (44.538% 79.81% 53 42 31.092%)
Trong luật 36 chỉ rõ, nếu Dầu DO nhập khẩu tăng giá thì Xăng RON 92 nhập khẩu cũng tăng giá với độ tin cậy là trên 79%.
- Biến động giá thế giới của các nguyên liệu cơ bản (dầu, gas, đồng) có liên quan nhiều đến biến động giá của một số mặt hàng có tính trao đổi quốc tế cao như: vàng, giá USD, … các luật dưới thể hiện rõ điều này :
Rule 3: WA11 = Y -> DK61 = Y (52.101% 82.68% 62 51 31.092%) Rule 11: WA41 = Y -> DK61 = Y (57.983% 87.97% 69 56 33.613%)
Các luật 3, 11 chỉ rõ rằng trên 50% các tuần trong 2 năm 2008, 2009 và quý 1/2010 mà giá Dầu thô Brent IPE tại London hay giá Đồng tại New York mà tăng giá thì giá vàng trong nước cũng tăng giá với độ tin cậy trên 80%.
- Các luật có độ hỗ trợ và độ tin cậy cao thường lại là các luật liên quan đến các mặt hàng nguyên liệu cơ bản. Nếu hạ thấp hai giá trị về độ hỗ trợ thì số luật rất lớn. Điều đó nói lên rằng trong khoảng thời gian từ năm 2008 đến đầu năm 2010 giá thế giới của một số nguyên liệu cơ bản như nêu trên là biến động rất mạnh, đồng thời nó cũng gợi ý là nếu muốn thuận lợi cho việc nghiên cứu sâu hơn các loại mặt hàng khác thì nên loại bỏ các mặt hàng nguyên liệu cơ bản.
3.4.3 Luật kết hợp theo cho nhóm mặt hàng dân sinh
Tiếp theo chúng ta sẽ đi xem xét riêng nhóm mặt hàng dân sinh để tìm hiểu mối quan hệ biến động về giá của các mặt hàng dân sinh trong 2 năm qua. Tập dữ liệu phục vụ phát hiện luật kết hợp cho nhóm mặt hàng dân sinh sẽ được xây dựng từ tập dữ liệu ban đầu sau đó loại bỏ đi các mặt hàng không phải là nhóm dân sinh, và cũng chỉ xem xét các mặt dân sinh tăng giá hoặc giảm giá so với tuần trước đó.
Với độ hỗ trợ cực tiểu là 10%, độ tin cậy cực tiểu là 80% nhận được tất cả là 105 luật (chi tiết các luật được nêu ở Phụ lục 2- Mục 3). Khi thực hiện phân tích chỉ các mặt hàng dân sinh thì sẽ thu được một số luật sát với đời sống dân sinh hơn, chẳng hạn luật 1, luật 2 cho thấy rằng thịt bò tăng giá thì sẽ kéo theo thịt gà tăng giá và ngược lại với độ tin cậy trên 82%.
DA91 = Y -> DA81 = Y (30.252% 85.56% 36 28 16.807%) Rule 2:
DA81 = Y -> DA91 = Y (26.891% 82.50% 32 26 16.807%)
Hay trong đời sống dân sinh thì việc biến động giá lương thực, thực phẩm như gạo, thịt sẽ ảnh hưởng rất nhiều tới sự biến động giá của một số mặt hàng như vàng, đô la. Các luật dưới sẽ phản ảnh rõ thực tế này :
Rule 69: DA11 = Y -> DK61 = Y (23.529% 87.86% 28 25 15.966%) Rule 83: DA12 = Y -> DK62 = Y (24.370% 82.07% 29 24 15.126%)
Hai luật trên cho thấy gạo tăng giá hoặc giảm giá thì sẽ kéo theo vàng tăng giá và giảm giá theo.
Phân tích các luật trên cho thấy: đa số các luật phản ánh mối quan hệ về mặt kinh tế là có thể giải thích được, nhưng cũng có một số luật khác phản ánh mối quan hệ khó được giải thích, chẳng hạn các luật:
Rule 6: DA61 = Y -> DH21 = Y (92.373% 98.17% 109 107 90.678%) Rule 8: DA62 = Y -> DK42 = Y (92.373% 98.17% 109 107 90.678%)
là các luật như vậy. Ở đây Rule 6 nói rằng khi giá mì ăn liền tăng thì giá thuốc Ampi sẽ tăng, hay Rule8 nói rằng khi giá mì ăn liền giàm thì giá đĩa CD cũng giảm.
- Qua các luật liên quan tới nhóm mặt hàng dân sinh thì thấy trong rất nhiều luật luôn có sự xuất hiện của mặt hàng vàng, đô la. Điều này được lý giải bởi trong dữ liệu thực tế thì trong một số tuần các mặt hàng không thay đổi giá nhưng vàng, đô la thì gia luôn biến động. Do vậy khi phân tích các luật mà bỏ qua các mặt hàng không thay đổi giá thì vàng, đô la xuất hiện nhiều nhất. Muốn tập trung phân tích mối quan hệ về giá của các mặt hàng khác, chúng ta có thể loại mặt hàng vàng, đô la ra khỏi tập dữ liệu phân tích.
- Chẳng hạn khi phân tích mối quan hệ biến động giá của nhóm mặt hàng dân sinh đã bỏ qua vàng, đô la và để độ hỗ trợ cực tiểu là 10%, độ tin cậy cực tiểu là 75% thì chúng ta có thể thu được 32 luật . Lúc này, luật này đều tập trung nhiều vào một số mặt hàng thiết yếu về lương thực, thực phẩm (cụ thể tham khảo phụ lục 2 – mục 4)
3.4.4 Luật kết hợp cho các mặt hàng dân sinh trong nước và các mặt hàng nhập khẩu : khẩu :
Trên thực tế ở nước ta nhiều mặt hàng còn phải nhập khẩu, do vậy giá nhập khẩu của các mặt hàng này sẽ quyết định trực tiếp tới giá bán trong nước. Sau đây chúng ta đi xem xét các luật thể hiện sự liên quan giữa các mặt hàng nhập khẩu và các mặt hàng dân sinh trong nước. Để phần mềm phân tích luật kết hợp CBA thực hiện theo hai nhóm mặt hàng này, trước hết chúng ta phải loại bỏ các mặt hàng thuộc nhóm xuất khẩu, mặt hàng thế giới và chỉ để lại dữ liệu 2 nhóm mặt hàng dân sinh và nhập khẩu.
Với độ hỗ trợ cực tiểu là 15%, độ tin cậy cực tiểu là 81% nhận được tất cả là 187 luật (chi tiết các luật được nêu ở Phụ lục 2- Mục 5). Khi thực hiện phân tích chỉ các mặt hàng dân sinh và các mặt hàng nhập khẩu thì chúng ta sẽ thu được một số luật sát với mối quan hệ của hai nhóm mặt hàng này, tuy nhiên cũng có một số luật không thể hiện được đúng với thực tế.
Rule 6: NA41 = Y -> DB81 = Y (44.538% 81.94% 53 42 22.689%)
Phân tích luật 6 này cho thấy, khi giá giầu nhập khẩu tăng sẽ kéo theo giá tôm biển tăng. Điều này cũng phù hợp với thực tế, bởi giá nguyên liệu đầu vào như xăng, dầu,… tăng giá thì sẽ kéo theo hàng loạt các mặt hàng liên quan cũng tăng giá theo. Hay khi giá nhập khẩu của một số mặt hàng cơ bản như sắt thép, xăng giầu tăng thì cũng có thể dẫn tới giá vàng trong nước cũng tăng theo. Luật 19, 20 thể hiện được điều này :
Rule 19: NA21 = Y -> DK61 = Y (42.017% 84.00% 50 42 22.689%) Rule 20: NA41 = Y -> DK61 = Y (44.538% 86.60% 53 44 25.210%)
Tuy nhiên, cũng giống như các luật liên quan tới mặt hàng dân sinh, trong khi phân tích các luật với sự kết hợp của nhóm mặt hàng dân sinh với mặt hàng nhập khẩu cũng có một số luật khó được giải thích bằng thực tế, chẳng hạn luật 1:
Rule 1:
DB11 = Y -> NA92 = Y (36.134% 88.14% 43 36 21.008%)
Ở đây Rule 1 nói rằng khi giá thịt gà công nghiệp trong nước tăng thì giá nhập khẩu Nhựa DOP Malaysia giảm.
Hay luật 12 : Rule 12:
NB61 = Y -> DB81 = Y (46.218% 82.73% 55 42 24.370%)
thì khi giá nhập khẩu Bột Vitamin B1 tăng giá thì giá bán Tôm biển loại 20-30 con/kg tăng giá.
Thực tế thì cũng rất khó để giải thích được mối quan hệ của hai luật 1 và luật 12. - Để phát hiện thêm nhiều quan hệ khác về biến động giá cả giữa các mặt hàng xuất, nhập khẩu chủ đạo và những mặt hàng thiết yếu của đời sống dân sinh ta có thể cho giá trị các độ hỗ trợ và tin cậy cực tiểu nhỏ hơn.
3.4.5 Luật kết hợp cho các mặt hàng nhập khẩu, xuất khẩu và một số mặt hàng trên thế giới trên thế giới
Để tập trung phân tích mối quan hệ giữa các mặt hàng thuộc 3 nhóm này, trước hết chúng ta phải loại bỏ các mặt hàng thuộc nhóm dân sinh và chỉ để lại dữ liệu 3 nhóm mặt hàng nhập khẩu, xuất khẩu, mặt hàng thế giới.
Với độ hỗ trợ cực tiểu là 35%, độ tin cậy cực tiểu là 75% nhận được tất cả là 64 luật (chi tiết các luật được nêu ở Phụ lục 2- Mục 6). Hầu hết các luật thể hiện đúng với thực tế của nền kinh tế, điển hỉnh nhất là một số luật dưới đây :
Với hai luật : Rule 3: XA21 = Y -> NA51 = Y (55.932% 73.64% 66 48 35.593%) Rule 4: NA51 = Y -> XA21 = Y (50.847% 80.00% 60 48 35.593%)
Cho thấy rằng giá dầu FO nhập khẩu tăng thì kéo theo giá than cục 3A xuất khẩu cũng tăng theo và ngược lại.
Đặc biệt trong các luật kết hợp của các nhóm mặt hàng này còn xuất hiện một số luật mà giá của một mặt hàng thay đổi sẽ kéo theo giá của một số mặt hàng khác thay đổi theo và ngược lại, chẳng hạn ở luật 15 và luật 26.
Rule 15: WA21 = Y WA41 = Y -> WA11 = Y (44.068% 86.54% 52 45 38.136%) Rule 26: WA21 = Y -> WA31 = Y WA11 = Y
( 56.780% 78.66% 67 49 38.98%)
Trong luật 15 cho thấy, giá Dầu thô nhẹ và giá Đồng tại New York tăng giá sẽ kéo theo giá Dầu thô Brent IPE tại London tăng theo. Còn luật 26 thì khi giá Dầu thô nhẹ tại New York tăng giá sẽ kéo theo giá Dầu thô Brent IPE tại London và giá Gasoline, 92 RON tại Singapore tăng theo. Đây cũng là điều dễ hiểu bởi trên thực tế giá của các mặt hàng Dầu thô Brent IPE tại London, Dầu thô nhẹ tại New York, Gasoline, 92 RON tại Singapore, Đồng tại New York luôn ảnh hưởng với nhau.
3.5 Kết luận chương
Trong chương cuối này luận văn đã thực hiện được việc chuyển đổi biểu diễn dữ liệu từ thực tế thu thập được thành dữ liệu có định dạng để phần mềm phát hiện luật kết hợp CBA có thể sử dụng được. Cũng trong chương này, luận văn đã phân tích được một số kết quả chính nhằm làm rõ mối quan hệ về sự biến động giá của một số mặt hàng dân sinh trong nước, mặt hàng nhập khẩu, xuất khẩu và một số mặt hàng điển hỉnh trên thế giới.
Kết luận
Việc ứng dụng phát hiện luật kết hợp đang được quan tâm đặc biệt để nghiên cứu các hiện tượng biến động giá của các mặt hàng dân sinh trong ít năm gần đây. Vì vậy phân tích các hiện tượng biến động giá cả của các mặt hàng dân sinh trong luận văn này có một ý nghĩa hết sức quan trọng, góp phần bước đầu nhận diện được sự biến động giá của một số mặt hàng dân sinh.
Do dữ liệu về biến động giá mới chỉ được thu thập theo tuần từ năm 2008 đến đầu năm 2010 và số lượng các mặt hàng thu thập được dữ liệu giá cả theo tuần như trong luận văn này chưa thực sự lớn nên ý nghĩa của các luật kết hợp không tránh khỏi hạn chế. Phát hiện luật kết hợp là kỹ thuật phát hiện thông tin, tri thức trên tập dữ liệu lớn hoặc rất lớn nên ý nghĩa và độ tin cậy của các luật này càng cao nếu tập dữ liệu càng lớn, nói cách khác số lượng các mặt hàng được lựa chọn càng nhiều và dữ liệu về biến động giá càng dài về mặt thời gian càng tốt. Tuy nhiên sự hạn chế về thời gian luận văn không thể đáp ứng được đòi hỏi như vậy.
Số lượng các luật kết hợp nói chung là khá lớn và không tránh khỏi có một số luật kết hợp dư thừa. Cho đến nay có rất nhiều nghiên cứu đề xuất giải pháp nhằm hạn chế sự dư thừa của luật nhưng có thể nói chưa có giải pháp nào triệt để và cũng chưa có phần mềm nào hỗ trợ tốt về vấn đề này. Nếu phân tích kỹ các luật kết hợp theo các phương án chúng ta sẽ nhận thấy điều này. Mặc dù rằng có thể kết ghép một số luật thành một luật nhằm hạn chế bớt luật kết hợp nhưng luận văn này đã không thực hiện kỹ thuật này bởi lẽ nó không phải là mục tiêu mà luận văn hướng tới.
Người ta có thể khắc phục số lượng các luật kết hợp bằng cách tăng độ hỗ trợ cực tiểu và độ tin cậy cực tiểu và luận văn đã thực hiện theo hướng này.
Các luật kết hợp nói chung có độ hỗ trợ không cao (điều đó là tự nhiên) nhưng độ tin cậy rất cao. Điều đó ngầm định rằng các quan hệ về biến động giá được tìm thấy thông qua luật kết hợp là rất đáng tin cậy.
Việc nghiên cứu, phân tích các hiện tượng biến động giá cả không chỉ những hướng đến việc phân tích biến động giá của các mặt hàng dân sinh mà còn mở ra một số