Về nguyên lý, dự báo xu h-ớng của một nhu cầu thị tr-ờng là dựa vào số liệu thống kê sự vận động, phát triển của hiện t-ợng đó trong quá khứ và dùng các ph-ơng pháp thích hợp để dự đoán hiện t-ợng trong t-ơng lai. Vì
vậy số liệu thống kê có một ý nghĩa vô cùng quan trọng và là yếu tố cần và đủ
để việc phân tích và dự báo thực hiện đ-ợc với kết quả cao. Thực tế cho thấy ở Việt Nam trong nhiều năm qua công tác thống kê ch-a đ-ợc nhận thức và quan tâm đúng mức nên các số liệu thống kê về một số ngành có chính xác ch-a cao.
Để nâng cao chất l-ợng của phân tích dự báo nhu cầu thị tr-ờng, vấn đề quan trọng là phải có đ-ợc nguồn số liệu thống kê tin cậy, trung thực. Nếu các con số thống kê đ-a ra không phản ánh đúng bản chất của hiện t-ợng và đã bị sửa đổi theo ý muốn chủ quan của ng-ời thu thập và công bố số liệu thống kê, thì mọi quá trình phân tích, dự đoán chỉ là hình thức. Xử lý số liệu trong khi phân tích dự đoán không phải là làm lại con số đó mà chỉ nhằm làm cho con số đó chính xác hơn, đúng hơn và loại trừ đ-ợc những sai số ngẫu nhiên. Đó là cách xử lý mang tính chất khoa học thống kê, không phải theo ý muốn chủ quan của ng-ời điều chỉnh. Sau đây là một số cách xử lý số liệu thống kê khi tiến hành phân tích, dự báo.
Đồng nhất số liệu
Đồng nhất đơn vị đo.
Đồng nhất cách tính các chỉ tiêu liên quan đến giá cả.
Đồng nhất khoảng thời gian thu thập số liệu.
Đồng nhất các số liệu liên quan đến từng vấn đề thuộc nhu cầu thị tr-ờng dùng để phân tích.
Đồng nhất cách phân tích các số liệu kinh tế theo một mốc tính toán.
Sử dụng thống nhất một hệ thống các chỉ tiêu để tính toán hay phải chuyển đổi về cùng một hệ thống.
Loại bỏ các sai số do kỹ thuật thu thập số liệu thống kê
Thông th-ờng với các sai số đó do kỹ thuật thu thập số liệu thống kê gây ra, có thể sử dụng nhiều cách khác nhau để xử lý, nh- dùng ph-ơng pháp toán học. Ví dụ xét một tập các số liệu thống kê về một nhu cầu thị tr-ờng theo thời gian là {xi} (i = 1, 2, 3, ..., n). Giả sử số x* là số liệu nghi ngờ có sai số, ta có thể sử dụng công thức tính giá trị tới hạn t* (giá trị t* đ-ợc gọi là giá
trị tới hạn, phụ thuộc vào các xác suất tin cậy và số lần xác định các số liệu thống kê. Nếu giá trị t* lớn hơn giá trị cho sẵn trong bảng cho sẵn, thì số liệu x* có sai số và ta loại bỏ số liệu đó. Bảng giá trị tới hạn đ-ợc tính sẵn và in
phải thay bằng giá trị trung bình của tập xi, tr-ớc hết là tính giá trị t* bằng công thức:
S X t Xi
*
* ( 1.1) Trong đó:
Xlà giá trị trung bình của tập {Xi}
n X X
n
i
i
1 (1.2) S là độ lệch bình ph-ơng và đ-ợc xác định theo công thức:
n
i
i X
n X S
1
2
) 1 (
1 (n >1) (1.3)
Nếu giá trị của t* lớn hơn các giá trị cho trong bảng tới hạn thì giá trị X* bị loại trừ ra khỏi tập các số liệu thống kê.
Loại trừ một số yếu tố ngoài giả thiết: Để đảm bảo tính liên tục của các số liệu đôi khi ta cần phải loại trừ một số yếu tố ngoài giả thiết bằng một trong các ph-ơng pháp sau:
+ Ph-ơng pháp mở rộng khoảng thời gian.
Khi số liệu thống kê thu đ-ợc số liệu chi tiết hoá trong khoảng thời gian khá hẹp, tính qui luật và tính ngẫu nhiên rất khác nhau, ta có thể mở rộng khoảng thời gian thông qua việc tính trung bình các đại l-ợng đó trong khoảng thời gian rộng hơn và coi đó là số liệu đặc tr-ng cho nhu cầu thị tr-ờng đó trong khoảng thời gian đã đ-ợc mở rộng. Ví dụ từ số liệu thống kê sản l-ợng bán đ-ợc từng ngày, tuần ta có thể mở rộng khoảng thời gian theo tháng, quý.
+ Ph-ơng pháp bình quân số tr-ợt.
Việc tính bình quân số tr-ợt có thể giúp cho việc phân bổ các yếu tố ngẫu nhiên tốt hơn. Hay nói cách khác, bình quân số tr-ợt giúp chúng ta tính lại hệ thống số liệu thống kê đã có thành hệ thống số liệu thống kê mới có chứa điều hoà hơn các yếu tố ngẫu nhiên.
Biến đổi số liệu thống kê thô ban đầu sang một số chỉ tiêu khác.
+ Trung bình số học là đại l-ợng xác định giá trị trung bình của một tập các số liệu thống kê có tần suất xuất hiện số liệu đó nh- nhau (thông th-ờng chỉ có một lần). Số trung bình của một tập hợp {xi} (i = 1, 2. 3, ...., n) bao gồm giá trị của x là
X, đ-ợc xác định bằng biểu thức (1. 2).
+ Trung bình số học gia truyền: Trong tr-ờng hợp số liệu thống kê mô
tả một hiện t-ợng nào đó xuất hiện với tần số khác nhau thì trung bình của tập số liệu thống kê {xi} với tần số xuất hiện của xi là mi đ-ợc xác định bằng công thức:
n
i i n
i
i i
m m X X
1 1
.
(1.4)
Đại l-ợng mi đ-ợc gọi là gia quyền số của xi . Nếu nh- tất cả xi đều có giá trị mi nh- nhau thì công thức này trở lại công thức (1. 2).
+ Trung bình điều hoà: là đại l-ợng nghịch đảo của trung bình số đã
đ-ợc tính ở công thức (1.2).
+ Trung bình hình học của một tập số liệu thống kê {Xi} đ-ợc xác định bằng biểu thức:
n n
i i n
n
s X X X X Xn X X
X
1 1
4 3 2
1. . . ... .
(n > 2) (1.5) Trung bình hình học trong một tập hợp {xi} đ-ợc sử dụng chủ yếu để tính toán cho dãy số liệu thống kê nhằm xác định mức độ tăng tr-ởng của dãy số đó. Ví dụ tính tốc độ tăng tr-ởng của dân số, lao động, sản l-ợng, thu nhập quốc dân và một số chỉ tiêu khác nữa.
+ Trung bình của một tập số liệu thống kê theo thứ tự thời gian:
Đ-ợc sử dụng khi ta muốn tính số liệu trung bình của một đại l-ợng nào
đó trong một khoảng thời gian nhất định, chẳng hạn trung bình của tháng, quý
hay năm, song chúng ta lại chỉ có số liệu của từng thời điểm xác định của hiện t-ợng đó. Đại l-ợng trung bình theo thời gian đ-ợc tính theo công thức sau:
1
2 ... 1 2
1
3 2 1
n
X X
X X X
n (1.6) Trong đó:
Xi, Xn là giá trị đầu và cuối của số liệu thống kê tại các thời điểm khác nhau trong khoảng thời gian nghiên cứu.
n là số liệu thống kê đ-ợc ( không có tính chất lặp lại, và là các số tự nhiên ).
+ Các đại l-ợng so sánh: Đó là tỉ số nhằm so sánh giá trị đại l-ợng đ-ợc phân tích tại thời điểm nghiên cứu so với các thời điểm khác (năm gốc hay năm kế hoạch), hoặc so sánh giữa các bộ phận cấu thành khác nhau của hiện t-ợng quan tâm. Có thể sử dụng các chỉ tiêu so sánh sau:
Độ gia tăng tuyệt đối giữa hai thời kỳ:
x = xi – xi-1 (1.7)
Tỷ lệ tăng tr-ởng của đại l-ợng X ở năm thứ (i+1) so với năm thứ i
đ-ợc tính bằng công thức nh- sau:
% 100
1 .
i i
i X
X
(1.8) Tỷ lệ tăng tr-ởng bình quân hình học:
Trong thực tế tỷ lệ bình quân hình học rất hay đ-ợc sử dụng để tính tỷ lệ tăng tr-ởng trung bình của các năm, từ năm thứ nhất cho tới năm thứ n so víi n¨m gèc (n¨m sè 0).
Tỷ lệ này đ-ợc xác định theo công thức:
n n
i n i
n
n
1 1
3 2
1. . ... .
(1.9) Nếu thay giá trị của tính theo công thức (1.8) ta có:
Tốc độ gia tăng tuyệt đối: Tốc độ gia tăng tuyệt đối của giá trị tại năm thứ (i+1) so với năm thứ i đ-ợc xác định bằng biểu thức sau:
n n
X X
0
(1.10)
Cũng có thể sử dụng một năm nào đó (ví dụ năm gốc) để xác định độ gia tăng tuyệt đối của các năm thứ i so với năm gốc.
% 100
1 .
1
i i i
X X X
i i
(1.11)
% 100 .
0 0
1 X
X Xi
i i
(1.12) Các ph-ơng pháp dự báo nhu cầu thị tr-ờng.
Theo thống kê ch-a đầy đủ, hiện nay có khoảng 130 ph-ơng pháp hay cách tiếp cận để dự báo nhiều lĩnh vực khác nhau của đời sống kinh tế - xã hội của loài ng-ời, trong đó có rất nhiều ph-ơng pháp dự báo nhu cầu của thị tr-ờng. Tuỳ theo lĩnh vực cụ thể mà ng-ời ta lựa chọn ph-ơng pháp dự báo thích hợp để nhận đ-ợc kết quả tin cậy. Nhìn chung chất l-ợng của kết quả dự báo phụ thuộc vào cách lựa chọn ph-ơng pháp dự báo. Tuy nhiên việc phân chia các loại dự báo cũng chỉ là t-ơng đối, nh-ng về nguyên tắc có thể chia thành những nhóm ph-ơng pháp sau:
Ph-ơng pháp dự báo bằng mô hình hoá thống kê.
Ph-ơng pháp trọng số điều hoà.
Ph-ơng pháp dự báo t-ơng tự hay còn gọi là ph-ơng pháp kịch bản.
Ph-ơng pháp dự báo bằng ý kiến chuyên gia - Gọi tắt là ph-ơng pháp chuyên gia.
Ph-ơng pháp nội suy và ngoại suy.
Ph-ơng pháp dự báo sử dụng phần mềm tin học.
Với bất kỳ ph-ơng pháp nào, kết quả dự báo chỉ là t-ơng đối. Kết quả
dự báo phụ thuộc rất nhiều vào các yếu tố tác động mà trong một ph-ơng pháp
ph-ơng pháp mô hình hoá thống kê và ph-ơng pháp chuyên gia để dự báo thị tr-ờng tiêu thụ thiết bị điện lạnh tại Hải Phòng trong giai đoạn tới.
Ph-ơng pháp mô hình hoá thống kê: là loại mô hình đ-ợc sử dụng nhiều nhất trong dự báo, đó là công cụ chủ yếu để phân tích và dự báo. Dựa trên cơ
sở các số liệu thống kê về quá khứ và hiện tại, ng-ời ta tiến hành xây dựng các mô hình toán kinh tế nhằm miêu tả các đặc tr-ng nổi bật, xu h-ớng vận động và phát triển của hiện t-ợng để từ đó xác định đ-ợc các số liệu dự báo về sự vận động và phát triển của hiện t-ợng trong t-ơng lai. Nhiều mô hình toán thống kê có sử dụng hàm sản xuất của Cobb-Douglass, của Klein đã đ-ợc áp dụng thành công trong nhiều n-ớc kinh tế phát triển nh- Mỹ, các n-ớc Tây
¢u.
Trong ph-ơng pháp mô hình hoá thống kê, vấn đề chọn hàm dự báo có ý nghĩa rất quan trọng. Giả sử cần phải dự báo sự thay đổi của chỉ tiêu Y đặc tr-ng cho nhu cầu thị tr-ờng (l-ợng khách quốc tế, sản l-ợng khai thác than hay số tấn vận tải, sản l-ợng hàng hoá tiêu thụ v.v...) trong t-ơng lai. Thông qua số liệu thống kê có đ-ợc của nhu cầu này (số đo các chỉ tiêu nói trên) có thể cho thấy chỉ tiêu quan tâm Y phụ thuộc vào một số yếu tố đ-ợc đặc tr-ng bằng các biến số độc lập X1, X2, X3,.., Xn. Trên nguyên tắc mối quan hệ giữa chỉ tiêu Y và tập biến {Xi} đ-ợc mô tả bằng hàm số:
Y = F (X1, X2, X3,..., Xn ) + (1.13) Trong đó:
Y: là đại l-ợng quan tâm dự báo trong mối quan hệ phụ thuộc vào tập các biến {Xi} ( i=1 đến n ).
: là sai số của dự báo. Trong đó mức độ sai số quyết định mức độ chính xác của hàm dự báo.
Các tiêu chuẩn để lựa chọn hàm dự báo:
Sai số chuẩn của hàm là nhỏ nhất, nghĩa là hàm dự báo với các giá trị tính đ-ợc và số liệu thống kê thu đ-ợc có độ lệch nhỏ nhất. Để xác định tiêu chuẩn này, trong thống kê có sử dụng công thức:
n
n
i i
u Y Y
S n
2
2
*) 2 (
1 (n > 2) (1.14) Giá trị của Su phải đạt giá trị nhỏ nhất, trong đó:
Yi là giá trị thống kê.
*
Yi là giá trị tính theo lý thuyết.
n là số giá trị thống kê có đ-ợc.
Hệ số t-ơng quan bội đủ lớn, nghĩa là mối quan hệ giữa Y và {Xi} phải
đủ chặt chẽ để nó thể hiện đúng mối quan hệ của hàm số Y và tập {Xi}. Hệ số t-ơng quan r đ-ợc xác định bằng công thức:
1 22
y u
S
r S (1.15) Trong đó: Su đ-ợc xác định bằng công thức (1.14)
Sy đ-ợc xác định bằng công thức sau:
n
i
i Y
n Y Sy
1
)2
2 (
1 (1.16)
Hàm t-ơng quan Y là hàm phụ thuộc theo thời gian. Hàm số mô tả sự vận động và phát triển của hiện t-ợng kinh tế - xã hội theo thời gian có dạng:
Yi* f(t) (1.17)
Y: là giá trị trung bình của tập số liệu thống kê đã có và đ-ợc tính nh- sau:
n
Y Y
n
i
i
1
Việc xác định dạng cụ thể xu thế vận động phát triển của hiện t-ợng tuỳ thuộc vào số liệu thống kê thu thập đ-ợc, hay nói cách khác đi phụ thuộc vào bản chất của hiện t-ợng. Trong tr-ờng hợp đơn giản, với sự phụ thuộc của Y theo t là sự tăng dần đều đặn (hay giảm đều đặn), ta có thể chọn sự phụ thuộc
này là sự phụ thuộc tuyến tính, nếu ch-a tính đến sai số thì ph-ơng trình biểu diễn có dạng:
Yt* ab.t (1.18)
Các tham số a, b đ-ợc xác định theo ph-ơng pháp độ lệch bình ph-ơng nhỏ nhất, tức là:
n
i
i
i Y
Y S
1
2
*)
( và S tiến tới cực tiểu .
Trong đó: Yi là giá trị thực nghiệm (thống kê) tại thời điểm t = i.
Yi*là giá trị tính theo (1.18) cũng tại thời điểm đó.
Từ công thức (1.18) ta có công thức tính S nh- sau:
S Yi(abti)2 tiÕn tíi cùc tiÓu (1.19)
Trong đó {Yi} và {ti} là các tập số liệu thống kê của biến số Y và t.
Hàm S đạt giá trị cực tiểu khi đạo hàm riêng bậc nhất của S theo các biến số a, b bằng 0 (khi đó coi t và Y là tham số, không đổi theo a, b). Bằng các phép tính, ta có thể tính đ-ợc hệ số a, b của ph-ơng trình (1.19):
2 1
2 1
) (
. ) . (
t n t
Y nt Y t
b n
i n
i i i
(1.20)
Y bt a
Thay giá trị của a, b vào công thức (1.18), tính đ-ợc giá trị của lý thuyết của mối t-ơng quan Y = f(t). Giá trị lý thuyết này đ-a vào bảng trên để so sánh với giá trị thống kê của hàm số đó.
Thông th-ờng nếu lựa chọn hàm số này, ta có thể mô tả tập các giá trị thống kê thành bảng để dễ dàng xác định các hệ số a, b của (1.18).
Chỉ số (i) ti Yi Ti.Yi t2 Y
t Yi*
1 2 ...
i ...
N
ti Yi ti.Yi ti2 a b
Để kiểm tra lại độ phù hợp của giá trị tính toán theo hàm số (1.18) với giá trị thống kê của hiện t-ợng đã có, ta sử dụng hệ số hồi qui 2đ-ợc xác
định bằng biểu thức:
n
i i n
i
i i
Y Y
Y Y
1
2 1
2
* 2
) (
) (
(1.21)
Giá trị của2đ-ợc xác định trong khoảng từ 0 đến 1, thì mức độ ph ù hợp của hàm (1.18) với thống kê càng sai lệch. Trong tr-ờng hợp đó, cần tìm hàm số khác và làm lại từ đầu nh- đã nêu ở trên.
Để xác định chính xác khoảng giá trị dự báo, cần tính toán thêm giá trị sai số của giá trị dự báo. Hiện nay có khá nhiều công thứ c để tính sai số dự báo, một trong số đó nh- sau:
2 2 2
* ,
) (
) 1 (
) 2 )(
1 (
) (
t t
t t n
n Y t Y
S
i t p
t n
e
(1.22)
Hoặc
2
2 .
n
t Y b Y a Se Y
(1.23)
Trong đó tn là giá trị biến Student, phụ thuộc vào độ tin cậy cũng nh- số lần quan sát (giá trị này đ-ợc tra bảng Student). Các đại l-ợng khác nh- đã chỉ dẫn ở trên.
Giá trị chỉ tiêu dự báo đ-ợc xác định trong khoảng cho phép sau:
Yt** Yi* Se (1.24)
Từ công thức (1.24) dễ dàng suy ra rằng, hàm dự báo càng chính xác nếu giá trị Se càng nhỏ. Mặt khác, từ công thức (1.19) cũng có thể suy ra:
Nếu tầm dự báo tp càng lớn thì độ sai số càng cao, mức độ chính xác của dự báo thấp.
Nếu số liệu thống kê thu đ-ợc ít (thời điểm ngắn), thì xác suất độ tin cậy càng lớn, sai số càng cao.
Khi cố định, nếu số liệu thống kê thu đ-ợc nhiều (khoảng thời gian rộng) thì càng cho kết quả cao, sai số thấp.
Nếu hàm số chọn càng sát với hệ thống số liệu thống kê (t-ơng quan chặt) thì kết quả dự báo càng độ chính xác càng cao.
Sau khi tính toán những giá trị trên, muốn biết đ-ợc độ phù hợp của kết quả dự báo với thực tế, chúng ta phải tính độ t-ơng quan r, kiểm tra sự t-ơng quan của các biến, kiểm tra sai số chuẩn để khẳng định hàm số chọn là thích hợp với hiện t-ợng đang dự báo.
Trong tr-ờng hợp hàm số đ-ợc chọn không phải là hàm tuyến tính nh-
đã mô tả mà có thể là hàm : Y = ln (a+bt) ; Y = e(abt), v.v...thì cần phải chuyển (hay dùng các thuật toán để chuyển ) các dạng hàm đó về dạng tuyến tính bằng cách nâng lên luỹ thừa, Logarit hoá cả hai về , v.v... Sau khi đã tính
toán giống nh- trên, ta đ-a các kết quả về giá trị của chỉ tiêu nghiên cứu bằng phép logarit hoá hay đổi logarit.
Khi áp dụng ph-ơng pháp mô hình hoá, ng-ời ta th-ờng chú ý đến các nhân tố chủ yếu của hiện t-ợng, còn những lệ thuộc và phụ thuộc không quan trọng khác có thể bỏ qua. Đây cũng là những hạn chế cơ bản của ph-ơng pháp, do vậy khi sử dụng ph-ơng pháp này chúng ta cần tìm thêm các kết quả
dự báo bằng các ph-ơng pháp khác để so sánh kiểm chứng và điều chỉnh thì
kết luận đ-a ra mới mang tính chính xác cao. Sau đây, chúng ta tiến hành nghiên cứu ph-ơng pháp chuyên gia.
Ph-ơng pháp chuyên gia: Dự báo bằng ph-ơng pháp chuyên gia là ph-ơng pháp đ-ợc ứng dụng từ lâu trong hoạt động quản lý Nhà n-ớc và trong việc ban hành các quyết định quản lý liên quan đến các hiện t-ợng kinh tế - xã
hội cũng nh- nhiều tr-ờng hợp khác. Ngày nay ph-ơng pháp chuyên gia đ-ợc sử dụng d-ới nhiều hình thức khác nhau nh- : Hội nghị t- vấn; ph-ơng pháp thăm dò ý kiến; thăm dò d- luận; ph-ơng pháp lấy ý kiến các chuyên gia.
Nhiều quyết định quản lý của Nhà n-ớc đã đ-ợc đ-a ra trên cơ sở thăm dò ý kiến của các chuyên gia và đã rất thành công trên nhiều lĩnh vực.
Quốc gia nào trên thế giới cũng tôn trọng các ý kiến chuyên gia, ý kiến của các nhà hoạt động quản lý trên các lĩnh vực khác nhau để đ-a ra các quyết
định quản lý đúng. Nguyên tắc chung của ph-ơng pháp dự báo dựa trên ý kiến chuyên gia đ-ợc mô tả bằng sơ đồ hình 1.3.