- Hiện tượng tương quan chuỗi.
3.4.Dự báo nhu cầu Diesel của Việt Nam giai đoạn 2011 – 2015 bằng phương pháp chuỗi thời gian
DỰ BÁO NHU CẦU DẦU DIESEL CỦA VIỆT NAM GIAI ĐOẠN 2011 –
3.4.Dự báo nhu cầu Diesel của Việt Nam giai đoạn 2011 – 2015 bằng phương pháp chuỗi thời gian
phương pháp chuỗi thời gian
Ta dựa vào các số liệu của tổng nhu cầu Diesel trong quá khứ từ năm 1995 đến 2010 để tiến hành hồi quy giữa các giá trị này với các biến trễ của nó và các giá trị sai số.
Hình 3.26. Kết quả xét tính dừng của chuỗi YDO
Ta thấy SAC của hàm tự tương quan không tắt dần về 0 nên chuỗi YDO là chuỗi chưa dừng.
Ta xét hàm tự tương quan cho sai phân bậc 1 của chuỗi YDO, ta kí hiệu chuỗi này là D(YDO).
Hình 3.27. Kết quả xét tính dừng của chuỗi D(YDO)
Như vậy sai phân của chuỗi YDO là chuỗi dừng vì hàm SAC và SPAC trong bảng tự tương quan đều tắt nhanh về 0 nên giá trị d trong mô hình ARIMA(p,d,q) bằng 1. Hàm SAC và SPAC giảm nhanh về 0 sau độ trễ thứ 1 nên giá trị p và q cũng bằng 1. Vậy dạng mô hình tương quan của chuỗi này là ARIMA(1,1,1).
• Hồi quy cho chuỗi sai phân bậc 1 của chuỗi YDO
Từ hình 3.26, Ta thấy R2 của mô hình chỉ là 0,32 nên mô hình chỉ giải thích được 32% sự thay đổi của biến phụ thuộc qua biến độc lập. Ngoài ra các ra trị P-value đều lớn hơn 0,05 nên các biến trễ và sai số không có tác động đến sai phân bậc 1 của chuỗi YDO. Như vậy là không thể dùng mô hình ARIMA(1,1,1) để dự báo.
Hình 3.28. Kết quả hồi quy chuỗi D(YDO)
• Xét tính dừng cho chuỗi sai phân bậc 2 của chuỗi YDO, kí hiệu chuỗi này là D(YDO,2)
Như vậy sai phân bậc 2 của chuỗi YDO là chuỗi dừng vì hàm SAC và SPAC trong bảng tự tương quan đều tắt nhanh về 0 nên giá trị d trong mô hình ARIMA(p,d,q) bằng 2. Hàm SAC và SPAC giảm nhanh về 0 sau độ trễ thứ 1 nên giá trị p và q cũng bằng 1. Vậy dạng mô hình tương quan của chuỗi này là ARIMA(1,2,1)
• Hồi quy cho chuỗi sai phân bậc 2 của chuỗi YDO
Hình 3.30. Kết quả hồi quy chuỗi D(YDO,2)
Ta thấy R2 của mô hình là 0,80 nên mô hình giải thích được 80% sự thay đổi của biến phụ thuộc qua biến độc lập. Mô hình giải thích không phải quá cao nhưng có thể chấp nhận được để dự báo. Như vậy có thể thể dùng mô hình ARIMA(1,2,1) để dự báo nhu cầu Diesel của cả nước.
Hình 3.31. Kết quả dự báo nhu cầu Diesel bằng phương pháp chuỗi thời gian