1.3. Yêu cầu đối với nhà giá o
1.7.2. Các phương pháp dự báo định lượng
Các phương pháp dự báo định lượng dựa trên giả định rằng những “yếu tố ảnh hưởng” tạo ra nhu cầu trong quá khứ thì cũng tạo ra nhu cầu tương tự trong tương lai, nghĩa là “lịch sử có xu hướng lặp lại”.
Phân tích và đề xuất một số giải pháp đảm bảo nhu cầu đội ngũ giáo viên, giảng viên...
Phân tích những hình thái nhu cầu trong quá khứ tạo cơ sở cho việc dự
đoán nhu cầu trong tương lai.
Các phương pháp dự báo định lượng chủ yếu dựa trên phân tích chuỗi số liệu theo thời gian (hàm thời gian).
+ Phân tích chuỗi thời gian dựa trên một thứ tự nhất định của tất cả các số liệu quá khứ theo thời gian xảy ra (theo tuần, tháng, quý, năm, ...).
+ Dự báo theo chuỗi thời gian nhấn mạnh rằng các giá trị dự báo tương lai chỉ phụ thuộc vào các giá trị trong quá khứ và bỏ qua các ảnh hưởng của các yếu tố tác động khác.
+ Phân tích chuỗi thời gian hình thành nên xây dựng một phép toán (công thức dự báo).
+ Khi phép toán được thiết lập, nó sẽ được sử dụng để tính toán nhu cầu tương lai.
+ Mô hình phân tích chuỗi thời gian phụ thuộc vào:
• Khoảng thời gian sử dụng.
• Sự sẵn sàng của các số liệu.
• Mức độ chính xác yêu cầu.
• Ngân quỹ cho việc dự báo.
• Sự sẵn sàng của đội ngũ nhân viên làm công tác dự báo.
+ Một chuỗi số liệu theo thời gian thường bao gồm 4 hình thức thay đổi sau: xu hướng, theo mùa, theo chu kỳ và theo yếu tố ngẫu nhiên.
• Yếu tố xu hướng (Trend): là những xu hướng rõ rệt của số liệu theo khoảng thời gian dài, hoặc là tăng lên, hoặc là giảm đi. Xu hướng có thể là tuyến tính (đường thẳng) hoặc là phi tuyến tính (đường cong).
• Yếu tố mùa (Seasonality): là những dãy số liệu có tính lặp lại theo mùa trong một năm hoặc ngắn hơn.
• Yếu tố chu kỳ (Cycles): là những dãy số liệu có tính lặp lại theo một vài n¨m.
Phân tích và đề xuất một số giải pháp đảm bảo nhu cầu đội ngũ giáo viên, giảng viên...
• Yếu tố ngẫu nhiên (Random Variations): là những yếu tố bất quy tắc, những yếu tố tác động mạnh đến số liệu do cơ hội hoặc những điều kiện bất bình thường.
Các phương pháp dự báo định lượng bao gồm các phương pháp sau:
1.7.2.1. Phương pháp bình quân di động giản đơn.
Phương pháp bình quân di động giản đơn giả định rằng giá trị bình quân là một đại lượng ước lượng hiệu quả về số lượng bán trong tương lai.
Công thức tính giá trị dự báo tương lai như sau:
Ft = At-1 + At-2 + At-3 + …+ At-n
n Trong đó:
Ft: Giỏ trị dự báo cho kỳ kế tiếp.
n: Số lượng kỳ lấy trung bình.
At-i: Số lượng bán thực tế trong quá khứ của n kỳ lấy trung bình liền kề trước đó
ưu điểm: Phương pháp này đơn giản, dễ tính toán chỉ cần căn cứ vào nhu cầu giáo viên thực tế ở các năm trước để dự báo cho các năm tiếp theo.
Nhược điểm: Phương pháp dự báo này chỉ căn cứ vào nhu cầu giáo viên ở các năm trước, không căn cứ vào quy mô học sinh tăng lên hàng năm, do vậy kết quả dự báo chưa được chính xác.
1.7.2.2. Phương pháp bình quân di động có trọng số.
Phương pháp này giả định rằng mức độ ảnh hưởng đên kết quả dự báo của các nhu cầu thực trong quá khứ tại mỗi kỳ trước đó có các giá trị khác nhau.
Công thức dự báo nhu cầu cho kỳ kế tiếp là:
Ft = w1At-1+ w2At-2+ w3At-3+ ... + wnAn-1
Ft: Giỏ trị dự báo cho kỳ kế tiếp.
wi: Trọng số theo từng kỳ t trước đó.
At-1: Giá trị thực tế cho kỳ t-i trước đó.
Phân tích và đề xuất một số giải pháp đảm bảo nhu cầu đội ngũ giáo viên, giảng viên...
∑i=n1Wi=1
ưu điểm: Phương pháp này đơn giản, dễ tính toán chỉ cần căn cứ vào nhu cầu giáo viên thực tế ở các năm trước và việc chọn trọng số cho nhu cầu ở các năm để dự báo cho các năm tiếp theo.
Nhược điểm: Phương pháp dự báo này chỉ căn cứ vào nhu cầu giáo viên ở các năm trước và việc đặt trọng số một cách ngẫu nhiên, không căn cứ vào quy mô học sinh tăng lên hàng năm, do vậy kết quả dự báo chưa được chính xác.
1.7.2.3. Phương pháp san bằng số mũ giản đơn.
Phương pháp này giả định rằng các giá trị quan sát gần nhất sẽ có mức độ
ảnh hưởng cao nhất tới kết quả dự báo. Do vậy chúng ta phải đặt nhiều trọng số hơn vào những kỳ gần với kỳ dự báo hơn.
Công thức dự báo nhu cầu cho kỳ kế tiếp là:
Ft = Ft-1+ α (At-1 - Ft-1)
Ft: Giỏ trị dự báo cho kỳ thứ t.
Ft-1: Giá trị dự báo cho kỳ thứ t-1 trước đó.
At-1: Giá trị thực tế cho kỳ t-1 trước đó.
α: Hệ số san bằng mũ được ước lượng.
α = 0 ÷1
ưu điểm: Phương pháp này đơn giản, dễ tính toán chỉ cần căn cứ vào nhu cầu giáo viên thực tế ở các năm trước và việc chọn trọng số cho nhu cầu ở các năm để dự báo cho năm kế tiếp.
Nhược điểm: Phương pháp dự báo này chỉ căn cứ vào nhu cầu giáo viên ở các năm trước và việc đặt trọng số một cách ngẫu nhiên, không căn cứ vào quy mô học sinh tăng lên hàng năm, do vậy kết quả dự báo chưa được chính xác. Mặt khác, chỉ dự báo được cho một năm kế tiếp.
Phân tích và đề xuất một số giải pháp đảm bảo nhu cầu đội ngũ giáo viên, giảng viên...
1.7.2.4. Phương pháp phân tích hồi quy tuyến tính.
Sử dụng hàm số toán học phản ánh mối quan hệ của cầu nhân lực với các biến số như: doanh số bán ra; sản lượng sẽ sản xuất kỳ kế hoạch, năng suất lao
động,... để dự đoán cầu nhân lực của tổ chức trong thời kỳ kế hoạch. Để áp dụng phương pháp này cần thu thập số liệu phản ánh mối quan hệ giữa cầu nhân lực theo thời gian và các yếu tố theo sốliệu thống kê.
Chẳng hạn: y = f(X1,X2,X3,...)
Chuỗi số liệu thống kê thu thập được.
Theo phương pháp này giả định rằng:
- Y: là giá trị dự báo theo phương pháp hồi quy tuyến tính - a: là hằng số của đường hồi quy.
- b: là giá trị hệ số góc của đường hồi quy.
x: là giá trị tác động đến kết quả dự báo.
VËy ta cã:
Y = a + bX Trơng đó:
( )( ) ( )
∑
∑
=
=
−
−
−
= n
i i
i n
i i
X X
Y Y X X b
1
2 1
và: a =Y −bX
Bảng 1. 1. Bảng tính các trị số cơ sở thống kê
n X Y X2 Y2 XiYi X X
i− Yi −Y (Xi −X)( )Yi −Y (Xi−X)2 ( )Yi −Y 2
1 2 3 4
…
∑
Phân tích và đề xuất một số giải pháp đảm bảo nhu cầu đội ngũ giáo viên, giảng viên...
Phương pháp này cố gắng hồi quy các giá trị thực tế trong quá khứ theo một đồ thị tuyến tính:
Xét mức độ tương quan giữa biến phụ thuộc và biến độc lập bằng công thức:
( )( ) ( ) ( )
∑ ∑
∑
= =
=
−
−
−
= n −
i
n
i i i
n
i
i i
Y Y X
X
Y Y X X R
1 1
2 2
1
R= + 1: tươngquan hoàn toàn và đồng biến.
R= - 1: tương quan hoàn toàn và nghịch biến.
R càng gần 1, tương quan càng mạnh (0,8< R <1).
R từ 0,4 đến 0,8: tương quan trung bình.
R < 0,4: tương quan yếu.
Ngoài ra, ta có thể sử dụng chương trình Exel với công cụ Data Analysis
để nhanh chóng đưa ra kết quả của hồi quy:
a
0 1 2 3 4 X
Y
Y = ax + b
Phân tích và đề xuất một số giải pháp đảm bảo nhu cầu đội ngũ giáo viên, giảng viên...
SUMMARY OUTPUT
Regression Statistics Các thông số thống kê hồi quy Multiple R Mức độ tương quan
R Square R bình phương
Adjusted R Square R bình phương điều chỉnh Standard Error Sai sè chuÈn
Observations Số quan sát
ANOVA Phân tích phương sai
df SS MS F Significance F
Regression
Residual
Total
Coefficients Standard
Error t Stat P- value
Lower 95%
Upper 95%
Lower 95.0%
Upper 95.0%
Intercept a
Ưu điểm của phương pháp: Phương pháp này căn cứ vào nhu cầu giáo viên hàng năm tương ứng với quy mô học sinh, sinh viên từng năm. Do vậy kết quả dự báo tương đối chính xác.
Nhược điểm của phương pháp: Việc tính toán tương đối phức tạp và cần phải dựa trên nhiều căn cứ.