Nghiên cứu ứng dụng mô hình dự báo ngắn hạn để dự báo xu hướng biến động sản xuất tiêu thu tồn khoa ngành công nghiệp

Nghiên cứu phương pháp luận cơ bản về dự báo thống kê ngắn hạn để dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công nghiêp Nghiên cứu các mô hình dự báo knih tế ngắn hạn đang được áp dụng ở trong nước cũng như nước ngoài hiện nay, đồng thời giới thiệu một số mô hình dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công nghiệp của một số nước trong khu vực và trên thế giới Đánh giá thực trạng nguồn thông tin hiện có phục vụ xây dựng mô hình dự báo ở Việt Nam Vận dụng một số phương pháp dự báo thống kê ngắn hạn để dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công nghiệp 6 tháng cuối năm 2010 Đánh giá tính khả thi của các mô hình dự báo và đề xuất mô hình dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công nghiệp hàng tháng.

TỔNG CỤC THỐNG KÊ

BÁO CÁO TỔNG HỢP KẾT QUẢ NGHIÊN CỨU KHOA HỌC

ĐỀ TÀI CẤP CƠ SỞ

ĐỀ TÀI:

NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH DỰ BÁO NGẮN HẠN

ĐỂ DỰ BÁO XU HƯỚNG BIẾN ĐỘNG SẢN XUẤT, TIÊU THỤ,

TỒN KHO NGÀNH CÔNG NGHIỆP

Đơn vị thực hiện: Vụ TK Công nghiệp và Xây dựng Chủ nhiệm : ThS Phí Thị Hương Nga

Thư ký : CN Nguyễn Thu Hương

HÀ NỘI, 2010

2

MỤC LỤC

Trang

Chương I: Một số vấn đề lý luận chung về dự báo 5

I Khái niệm, nguyên tắc và phân loại dự báo 5

II Một số phương pháp và mô hình dự báo ngắn hạn đang được sử dụng 12

Chương II: Vận dụng một số phương pháp dự báo thống kê ngắn hạn

để dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công

I Thực trạng nguồn thông tin hiện có phục vụ xây dựng mô hình dự

báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công

2 Thực trạng số liệu sản xuất, tiêu thụ, tồn kho trong điều tra công

II Vận dụng một số phương pháp dự báo thống kê ngắn hạn để dự

báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công

Chương III: Nhận định kết quả dự báo và đề xuất mô hình dự báo xu

hướng biến động sản xuất, tiêu thụ, tồn kho ngành công nghiệp hàng tháng 55

MỞ ĐẦU

Dự báo đã hình thành từ đầu những năm 60 của thế kỉ 20 Khoa học dự báo với tư cách một ngành khoa học độc lập có hệ thống lý luận, phương pháp luận và phương pháp hệ riêng nhằm nâng cao tính hiệu quả của dự báo Người ta thường nhấn mạnh rằng một phương pháp tiếp cận hiệu quả đối với

dự báo là phần quan trọng trong hoạch định Khi các nhà quản trị lên kế hoạch, trong hiện tại họ định hướng cho các hoạt động mà họ sẽ thực hiện trong tương lai Bước đầu tiên trong hoạch định là dự báo (ước lượng) nhu cầu tương lai cho sản phẩm hoặc dịch vụ và các nguồn lực cần thiết để sản xuất sản phẩm hoặc dịch vụ đó

Phân tích và dự báo ngắn hạn các chỉ tiêu cơ bản của nền kinh tế là một trong những nhiệm vụ quan trọng Chính thông qua công tác này có thể theo dõi sát sao tình hình kinh tế, hiểu rõ cơ chế hoạt động và những mối quan hệ trong nền kinh tế, từ đó dự báo được những khả năng phát triển có thể và đề xuất những chính sách kinh tế ngắn hạn có hiệu quả phục vụ công tác điều hành kinh tế theo mục tiêu của Chính phủ

Tại các nước công nghiệp và nhiều nước đang phát triển, quá trình xây dựng các mô hình đã được thực hiện thường xuyên từ nhiều thập kỷ; các mô hình ngày càng được chuẩn hóa, hình thành nên nhiều mô hình chuẩn và được lưu trữ trong máy tính để mỗi khi Chính phủ muốn áp dụng các chính sách mới thì tiến hành thử nghiệm trên máy, từ đó lựa chọn được những giải pháp tối ưu để áp dụng trong thực tế, hoặc mỗi khi có những thay đổi trong môi trường kinh tế quốc tế thì cũng có thể sử dụng mô hình để phân tích ảnh hưởng của chúng tới nền kinh tế và giúp lựa chọn những quyết sách cần thiết

Tại Việt Nam hiện nay, Tổng cục Thống kê đang tiến hành cuộc điều tra công nghiệp hàng tháng để phân tích và đánh giá thực trạng của quá trình sản xuất, tiêu thụ, tồn kho các sản phẩm công nghiệp Tuy nhiên, các báo cáo mới chỉ dừng lại ở việc phân tích những chỉ số của các sản phẩm và ngành công nghiệp trong quá khứ và hiện tại mà chưa đưa ra được các dự báo cho tương lai Do vậy việc tìm ra một mô hình dự báo thích hợp, áp dụng cho công tác dự báo kinh tế ngắn hạn là rất cần thiết và cấp bách

Đề tài “Nghiên cứu ứng dụng mô hình dự báo ngắn hàn để dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công nghiệp” nhằm mục tiêu:

4

- Nghiên cứu lý luận về dự báo thống kê ngắn hạn, một số phương pháp

và mô hình dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công nghiệp đang được áp dụng ở một số nước trên thế giới

- Đánh giá thực trạng nguồn thông tin hiện có phục vụ xây dựng mô hình dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công nghiệp hàng tháng; vận dụng một số phương pháp dự báo thống kê ngắn hạn

để dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho ngành công nghiệp

6 tháng cuối năm 2010; đánh giá tính khả thi của các mô hình dự báo và đề xuất mô hình dự báo xu hướng biến động sản xuất, tiêu thụ, tồn kho phù hợp với điều kiện thực tế hiện nay

Để có được kết quả nghiên cứu, ngoài tập thể nhóm nghiên cứu, ban chủ nhiệm đề tài còn nhận được sự phối hợp cùng nghiên cứu của 5 chuyên

đề của cán bộ trong Vụ Thống kê Công nghiệp và Xây dựng, một số cán bộ nghiên cứu của Viện Khoa học Thống kê Ban chủ nhiệm đề tài rất trân trọng

và cảm ơn về sự phối hợp giúp đỡ trong suốt quá trình triển khai nghiên cứu của các cộng tác viên, các cán bộ nghiên cứu đã tham gia nghiên cứu, góp ý kiến, góp phần vào kết quả chung của đề tài

Chúng tôi mong nhận được nhiều ý kiến góp ý của các nhà nghiên cứu chuyên môn và những cán bộ quan tâm đến lĩnh vực dự báo thống kê nhằm hoàn thiện lý luận đã nghiên cứu cũng như sớm đưa kết quả nghiên cứu vào ứng dụng thực tiễn

BAN CHỦ NHIỆM ĐỀ TÀI

CHƯƠNG I MỘT SỐ VẤN ĐỀ LÝ LUẬN CHUNG VỀ DỰ BÁO

I KHÁI NIỆM, NGUYÊN TẮC VÀ PHÂN LOẠI DỰ BÁO

1 Khái niệm về dự báo

1.1 Khái niệm

Xuất phát từ yêu cầu thực tiễn của các ngành khoa học khác nhau, dự báo đã ra đời và phát triển Ngày nay, dự báo được sử dụng rộng rãi trong mọi lĩnh vực khoa học - kỹ thuật, kinh tế - chính trị - xã hội với nhiều loại và phương pháp dự báo khác nhau Dự báo kinh tế - xã hội là sự phán đoán có căn cứ khoa học về những trạng thái có thể đạt tới trong tương lai của đối tượng nghiên cứu hoặc về những cách thức và thời hạn đạt được những mục tiêu và hiệu quả nhất định

Do dự báo chỉ cho chúng ta những thông tin có thể có trong tương lai nên nó mang một số đặc điểm riêng biệt:

Thứ nhất, để nghiên cứu một hiện tượng kinh tế xã hội, dự báo có nhiều phương pháp khác nhau, mỗi phương pháp đều có ưu, nhược điểm riêng

Thứ hai, dự báo mang tính xác xuất, nghĩa là nó có độ tin cậy nhất định

và không phải lúc nào kết quả dự báo cũng chính xác Đặc điểm này xuất phát

từ đặc điểm thứ nhất là có nhiều phương pháp khác nhau cùng nghiên cứu về một hiện tượng nên có những kết quả khác nhau

Thứ ba, dự báo mang đặc điểm của dãy số tiền sử, tuân theo quy luật biến động của dãy số tiền sử Dãy số này có đặc điểm gì và biến động như thế nào thì trong tương lai vẫn có thể biến động như vậy (thay đổi không đáng kể)

Trong thống kê, dự báo thống kê ngắn hạn là việc vận dụng các phương pháp dự báo thích hợp để dự báo xu hướng phát triển tiếp theo của các hiện tượng kinh tế - xã hội trong những khoảng thời gian tương đối ngắn (tuần, tháng, quý, năm) trong tương lai bằng việc sử dụng thông tin thống kê về hiện tượng kinh tế - xã hội nghiên cứu

Dự báo thống kê ngắn hạn dựa trên giả định rằng hiện tượng kinh tế - xã hội trong tương lại vẫn tồn tại và phát triển theo những quy luật biến động

6

trong quá khứ Ưu điểm của phương pháp dự báo này là không cần nhiều tài liệu, mô hình dự báo đơn giản, dễ vận dụng và hiệu quả tương đối cao

1.2 Vai trò của dự báo

Vai trò của dự báo hiện tượng kinh tế - xã hội: Kết quả của việc thực hiện những quyết định về chiến lược phát triển kinh tế - xã hội (bất luận của cá nhân hay cộng đồng, ở cấp vĩ mô hay vi mô, ngắn hạn hay dài hạn) chỉ được biểu hiện ra trong tương lai và tương lai sẽ là nhân chứng, người phán quyết những quyết định được lựa chọn ở hiện tại đúng đắn hay sai lầm Nhưng tương lai luôn chứa đựng những yếu tố bất định vì việc đưa ra những quyết định đó thường xuyên ở trạng thái thiếu thông tin, ngay cả khi có đủ thông tin thì yếu tố bất định vẫn ngự trị do bản thân vật chất đã mang trong nó tính ngẫu nhiên Điều đó nói lên rằng trước khi ra quyết định, dù đó là một đường lối, một chiến lược, một chương trình, một dự án hay một kế hoạch lớn, nhỏ đều cần dự báo

Dự báo là đầu vào của quyết định, tạo cơ sở thực tế, tính đúng đắn của quyết định Nhờ đó tránh được các quyết định chủ quan duy ý chí nhằm hạn chế tới mức thấp nhất những rủi ro có thể xảy ra

Vai trò của dự báo thống kê ngắn hạn: Nguồn tài liệu của dự báo thống

kê ngắn hạn là đầu vào của quyết định, tạo cơ sở thực tế giúp cho người quản

lý đưa ra các quyết định đúng đắn Dự báo thống kê ngắn hạn cung cấp những thông tin về sự biến động của hiện tượng kinh tế - xã hội, từ đó có sự điều chỉnh để ra những quyết định phù hợp, là cơ sở để lập kế hoạch ngắn hạn Những kết quả dự báo thống kê ngắn hạn chỉ ra những khả năng cần được khai thác và những thiếu sót cần khắc phục, có tác dụng to lớn trong việc quản lý đặc biệt là ở cấp quản lý vĩ mô

2 Các nguyên tắc của dự báo

2.1 Nguyên tắc liên hệ biện chứng

Các hiện tượng kinh tế - xã hội có liên hệ biện chứng với nhau Những mối liên hệ đó có thể rất khác nhau: bản chất và không bản chất, cố định và tạm thời, trực tiếp và gián tiếp, tất nhiên và ngẫu nhiên, nguyên nhân và kết quả… Nguyên tắc liên hệ biện chứng tạo ra công cụ phương pháp luận rất có hiệu quả để giải thích, phân tích đúng đắn và dự báo các hiện tượng kinh tế -

xã hội

Vận dụng nguyên tắc này có nghĩa là trong phân tích và dự báo không thể không tính đến những mối liên hệ tồn tại giữa sự phát triển lực lượng sản xuất và quan hệ sản xuất, giữa các ngành, các thành phần kinh tế, những quan

hệ quốc tế và những mối liện hệ khác nữa

Nguyên tắc liên hệ biện chứng đòi hỏi khi tiến hành dự báo các hiện tượng kinh tế xã hội phải có quan điểm đồng bộ, nghĩa là phải tính đến mối liên hệ giữa các hiện tượng kinh tế với các vấn đề về chính trị, pháp luật, dân

số và các quan hệ xã hội khác

Nguyên tắc liên hệ biện chức đòi hỏi phải xem xét mọi hiện tượng kinh

tế trong những điều kiện cụ thể có tính đến sự phụ thuộc lẫn nhau giữa các mặt của hiện tượng kinh tế - xã hội

Vận dụng nguyên tắc liên hệ biện chứng đòi hỏi phải có quan điểm hệ thống trong phân tích hiện thực kinh tế Theo quan điểm hệ thống, bất cứ một hiện tượng kinh tế - xã hội nào cũng là một hệ thống có liên hệ với các hiện tượng kinh tế - xã hội khác, gồm nhiều phần tử và phân hệ, trong đó nổi lên các quan hệ chính - phụ, nhân – quả, có tính quyết định của hệ thống Các phân hệ không những phục tùng hệ thống, mà còn có tính độc lập tương đối, có những nhiệm vụ và mục tiêu riêng, phục tùng mục tiêu cuối cùng của hệ thống

2.2 Nguyên tắc tính kế thừa lịch sử

Các hiện tượng và quá trính kinh tế - xã hội vận động và phát triển không ngừng theo thời gian và không gian từ thấp đến cao, từ giản đơn đến phức tạp Trạng thái hiện tại của các hiện tượng kinh tế - xã hội là kết quả hợp quy luật của sự phát triển trước đó, còn trạng thái tương lai của nó là kết quả hợp quy luật của sự vận động trong quá khứ và hiện tại Do đó nghiên cứu đầy đủ và toàn diện sự vận động của các hiện tượng kinh tế - xã hội trong quá khứ và hiện tại sẽ tạo cơ sở cho việc dự báo và đánh giá tác động của các xu hướng trong tương lai Sự nghiên cứu đó không chỉ có ý nghĩa đối với việc phát hiện nguồn gốc của sự phát triển của các hiện tượng kinh tế - xã hội, mà còn có ý nghĩa đối với việc dự báo xu hướng phát triển của các hiện tượng kinh tế - xã hội đó trong tương lai Chỉ có thể dự báo về tương lai và không rơi vào không tưởng với điều kiện nghiên cứu sâu sắc hiện tượng kinh tế xã hội trong quá khứ và hiện tại Những hiện tượng dù chỉ mới bộc lộ ra dưới hình thức phôi thai trong hiện tại cũng đã là căn cứ quan trọng để dự báo một cách khoa học các hiện tượng kinh tế - xã hội trong tương lai

8

2.3 Nguyên tắc tính đặc thù về bản chất của đối tượng dự báo

Nguyên tắc này đòi hỏi khi dự báo phải tính đến đặc thù về bản chất của đối tượng dự báo, tính đặc thù của những quy luật phát triển của nó Nếu vi phạm nguyên tắc này, đặc biệt là nếu ngoại suy hình thức các hiện tượng kinh

tế - xã hội, thì có thể dẫn đến những sai lầm nghiêm trọng trong khi dự báo

2.4 Nguyên tắc mô tả tối ưu đối tượng dự báo

Nguyên tắc này đỏi hỏi thông qua phân tích phải mô tả đối tượng dự báo như thế nào đó để đảm bảo cho việc xây dựng mô hình dự báo cho kết quả dự báo có độ tin cậy cao nhất với chi phí thấp nhất Nguyên tắc này phải được thực hiện với những yêu cầu cụ thể:

Một là, phải mô tả dự báo với mức độ hình thức hóa tối ưu, nghĩa là phải sử dụng các mô hình hình thức kết hợp với các phương pháp mô tả phi hình thức ở mức độ đảm bảo giải quyết được nhiệm vụ dự báo với chi phí thấp nhất

Hai là, phải mô tả đối tượng dự báo bằng một biến số và tham số tối thiểu bảo đảm độ chính xác của dự báo, đánh giá tầm quan trọng của mỗi biến

số khi mô tả và chọn những biến số quan trọng nhất và có thông tin đầy đủ nhất phù hợp với nhiệm vụ dự báo

Ba là, phải chọn thang đo thích hợp cho mỗi chỉ tiêu nhằm đảm bảo thu thập thông tin để dự báo với chi phí thấp nhất

2.5 Nguyên tắc tương tự của đối tượng dự báo

Nguyên tắc này đòi hỏi khi tiến hành dự báo phải thường xuyên so sánh những tính chất của đối tượng dự báo với những đối tượng tương tự đã biết và với các mô hình của các đối tượng đó nhằm tìm ra đối tượng tương tự Từ đó

sử dụng mô hình và một số yếu tố của mô hình để phân tích và dự báo Nguyên tắc này một mặt cho phép tiết kiệm chi phí dự báo bằng cách sử dụng một phần các mô hình dự báo đã có sẵn, mặt khác đảm bảo kiểm tra kết quả dự báo bằng cách so sánh kết quả dự báo đó với dự báo các đối tượng tương tự

Có thể nói, những nguyên tắc dự báo trên chỉ có ý nghĩa phương pháp luận Trong thực tế khi vận dụng các nguyên tắc này vào phân tích và dự báo các đối tượng cụ thể là một vấn đề hết sức phức tạp Tuy nhiên vận dụng càng tốt các nguyên tắc này thì chất lượng phân tích và dự báo càng cao

3 Phân loại dự báo

Các hiện tượng kinh tế - xã hội không chỉ diễn ra ở lĩnh vực sản xuất vật chất mà diễn ra ở tất cả các mặt đời sống xã hội Để có thể vận dụng có hiệu quả các phương pháp dự báo trong việc dự báo xu hướng phát triển của các hiện tượng kinh tế - xã hội trong tương lai thì phải phân loại dự báo theo các tiêu thức khác nhau

3.1 Theo độ dài của thời gian dự báo, dự báo bao gồm

- Dự báo ngắn hạn: Là những dự báo có thời gian dự báo dưới 3 năm, loại dự báo này thường dùng để dự báo hoặc lập các kế hoạch kinh tế, văn hoá, xã hội chủ yếu ở tầm vi mô và vĩ mô trong khoảng thời gian ngắn nhằm phục vụ cho công tác chỉ đạo kịp thời

Mô hình được sử dụng để dự báo được xây dựng trên cơ sở dữ liệu thông tin gắn với các thời kỳ đơn vị ngắn hơn (tuần, tháng, quý) Dự báo ngắn hạn trước hết phục vụ cho công tác chỉ đạo tác nghiệp Do vậy, chúng phục

vụ cho việc phân biệt tức thời các quá trình kinh tế và cho việc thực hiện các quyết định thông qua người sử dụng chúng Việc tiến hành dự báo ngắn hạn thường được tiến hành thường xuyên, do vậy tạo ra một nguồn thông tin dồi dào Đây là cơ sở để đối chứng giữa kết quả dự báo với thực tế diễn ra của đối tượng cần được dự báo So sánh thường xuyên hơn hai nguồn thông tin này cho phép có cơ hội hoàn thiện phương pháp dự báo

- Dự báo trung hạn: Là những dự báo có thời gian dự báo từ 3 đến 5 năm, thường phục vụ cho việc xây dựng những kế hoạch trung hạn về kinh tế văn hoá xã hội… ở tầm vi mô và vĩ mô Loại dự báo này có các đặc điểm chung là thường sử dụng mô hình dự báo nhân quả nhiều hơn so với dự báo ngắn hạn, tần số dự báo ít hơn so với dự báo ngắn hạn và so với dự báo dài hạn thì thường ít sử dụng mô hình nhân quả hơn và số lần đưa ra kết quả dự báo thì nhiều hơn

- Dự báo dài hạn: Là những dự báo có thời gian dự báo từ 5 năm trở lên, thường dùng để dự báo những mục tiêu, chiến lược về kinh tế chính trị, khoa học kỹ thuật trong thời gian dài ở tầm vĩ mô Đặc trưng của loại dự báo này là tần số dự báo dài hạn nói chung là thấp, nhưng tính đồng bộ ở dự báo dài hạn cao hơn hẳn so với ở dự báo ngắn hạn và dự báo trung hạn Kết quả

dự báo dài hạn có đặc trưng chiến lược, cho nên việc đưa ra liên tiếp kết quả

dự báo có ý nghĩa đặc biệt quan trọng

10

3.2 Theo đối tượng dự báo, dự báo bao gồm:

Dự báo kinh tế: là dự báo có căn cứ khoa học những phương hướng phát triển của nền kinh tế và các yếu tố cơ cấu của nó (ngành, vùng, tổng công

ty, doanh nghiệp)

Những nhiệm vụ chủ yếu của dự báo kinh tế là phát hiện xu thế phát triển của các hiện tượng kinh tế quan trọng nhất trong quá khứ và hiện tại, đánh giá khả năng tác động của những quy luật đã tìm được trong tương lai,

dự báo những tình huống và những vấn đề then chốt có xác suất lớn nhất của

sự phát triển kinh tế sắp tới cũng như trong tương lai xa hơn; nghiên cứu các

xu hướng tăng trưởng kinh tế và tạo cơ sở xây dựng các chiến lược phát triển kinh tế trong tương lai

Dự báo khoa học – công nghệ: tài liệu của dự báo khoa học – công nghệ giúp cho việc hoạch định các phương án phát triển khoa học – công nghệ trong tương lai trên cơ sở phân tích xu thế phát triển của nó trong thời

kỳ hiện tại và những yêu cầu xã hội, định hướng mục tiêu dự kiến trong tương lai Dự báo khoa học – công nghệ cho phép phát hiện ý nghĩa xã hội của các nghiên cứu khoa học, đánh giá khả năng tiềm tàng của việc sáng tạo kỹ thuật

và công nghệ mới, xác định trình độ phát triển công nghệ trong tương lai của nền kinh tế, hoạch định chính sách khoa học – công nghệ thích hợp

Dự báo dân số: là việc dự báo số dân trong tương lai, trong đó chia theo giới, tuổi, địa phương Tài liệu của dự báo dân số là công cụ quan trọng giúp cho việc hoạch định chính sách dân số

Dự báo xã hội: tài liệu của dự báo xã hội giúp cho việc đánh giá cơ cấu

xã hội của xã hội trong tương lai; xác định nhu cầu của các nhóm dân cư khác nhau, lối sống của họ, những điều kiện lao động và sinh hoạt; dự báo những hậu quả xã hội của cuộc cách mạng khoa học – kỹ thuật, xây dựng văn hóa, phát triển y tế

3.3 Theo phương pháp luận được áp dụng, dự báo bao gồm:

Dự báo định mức: có đặc điểm nổi bật là xác định các mục tiêu, kết quả phải đạt được trong tương lai Đối tượng của dự báo định mức là những cách thức, phương hướng phát triển cho phép đạt được mục tiêu đã đề ra

Dự báo nghiên cứu: là dự báo dựa trên cơ sở phát hiện các xu thế thay đổi của đối tượng theo thời gian và kéo dài xu thế đã tìm được sang tương lai

Trong dự báo nghiên cứu người ta giả định rằng các yếu tố của sự phát triển trong tương lai của các hiện tượng được biểu hiện ra qua các số liệu thực tế và những tính quy luật của quá khứ Nếu trạng thái tương lai của đối tượng dự báo nghiên cứu là kết quả cuối cùng của dự báo, thì đối với dự báo định mức lại là điểm xuất phát của dự báo

Dự báo tổng hợp: là sự kết hợp các yếu tố của dự báo nghiên cứu và định mức có thể cho kết quả xác thực nhất về triển vọng tăng trưởng kinh tế Ưu điểm của dự báo tổng hợp là có thể điều chỉnh thường xuyên mô hình các hiện tượng kinh tế và đối chiếu kết quả của dự báo nghiên cứu và dự báo định mức

3.4 Theo hình thức biểu hiện kết quả cuối cùng của dự báo, dự báo bao gồm:

Dự báo định lượng: là dự báo bằng con số trạng thái tương lai của đối tượng nghiên cứu thông qua các thông số của nó hoặc các tỷ lệ tương quan giữa các thông số đó, chẳng hạn như giá trị của các chỉ tiêu phát triển kinh tế, những thay đổi trong cơ cấu dân số của đất nước

Dự báo định tính: tài liệu của dự báo định tính là luận chứng cơ sở của các chiến lược nghiên cứu cơ bản, nghiên cứu triển khai, xác định vai trò của một số loại hình nghệ thuật và văn học trong đời sống tinh thần của xã hội

3.5 Theo tính chất của mối quan hệ giữa dự báo và trạng thái của đối tượng dự báo trong tương lai, dự báo bao gồm:

Dự báo có điều kiện (chủ động): cho phép đánh giá những phương hướng và hậu quả của sự phát triển của hiện tượng kinh tế - xã hội trong tương lai có tính đến tác động của các nhân tố bên ngoài (ngoại sinh) và bên trong (nội sinh) hệ thống được dự báo Thông thường các dự báo có điều kiện mang tính đa phương án, cho phép đánh giá tốc độ tăng trưởng kinh tế trong những sự kết hợp khác nhau giữa các tác động bên ngoài và bên trong

Dự báo không có điều kiện (thụ động): xem sự phát triển trong tương lai như là kết quả của sự vận động theo quán tính, với những quy luật đã hình thành trong quá khứ và hiện tại

3.6 Theo độ tản mạn của các đánh giá dự báo, dự báo bao gồm:

Dự báo điểm: mô tả trạng thái của đối tượng dự báo bằng một đại lượng đơn trị, bằng một số

12

Dự báo khoảng: mô tả trạng thái của đối tượng dự báo dưới hình thức

là một tập hợp giá trị trong một khoảng xác định

3.7 Theo quy mô, cấp độ của đối tượng dự báo, dự báo bao gồm:

Dự báo vĩ mô: là dự báo xu hướng phát triển trong tương lai của toàn

bộ nền kinh tế, các vùng kinh tế, các ngành

Dự báo vi mô: là dự báo xu hướng phát triển của các doanh nghiệp

II MỘT SỐ PHƯƠNG PHÁP VÀ MÔ HÌNH DỰ BÁO NGẮN HẠN ĐANG ĐƯỢC SỬ DỤNG

Có nhiều phương pháp dự báo thống kê ngắn hạn Khi tiến hành dự báo tùy theo điều kiện cụ thể lựa chọn các phương pháp dự báo khác nhau Dưới đây

là một số phương pháp thường được sử dụng trong dự báo thống kê ngắn hạn

1 Các phương pháp dự báo dựa vào dãy số thời gian

Trong thời gian tương đối ngắn các nhân tố ảnh hưởng đến sự biến động của các mức độ trong dãy số thời gian ít có sự thay đổi Do đó phương pháp dự báo dựa vào mô hình hóa dãy số thời gian thường sử dụng trong dự báo ngắn hạn

1.1 Dự báo dựa vào lượng tăng (giảm) tuyệt đối bình quân

Phương pháp dự báo này được áp dụng khi các lượng tăng (giảm) tuyệt đối liên hoàn xi xấp xỉ bằng nhau, nghĩa là các mức độ trong dãy số thời gian tăng theo cấp số cộng

Mô hình dự báo:

h y

yˆnh  n 

Trong đó: h: là tầm xa dự báo

h n

yˆ  : là mức độ dự báo

Phương pháp dự báo dựa vào lượng tăng (giảm) tuyệt đối bình quân có

ưu điểm là cách tính đơn giản, cho kết quả nhanh

Tuy nhiên phương pháp dự báo này cũng có một số hạn chế:

- Thứ nhất là kết quả của phương pháp dự báo này cũng có độ chính xác không cao vì trong thực tế có rất ít trường hợp mày dãy số thời gian dùng để dự báo xu hướng cùng tăng hoặc cùng giảm một lượng giá trị nhất định

- Thứ hai là, với phương pháp dự báo này giá trị dự báo phụ thuộc vào giá trị đầu tiên và giá trị cuối cùng của dãy số thời gian so với việc tính giá trị tăng (giảm) tuyệt đối như các công thức đã trình bày Đặc biệt là đối với dãy

số thời gian có xu hướng biến đổi không cùng xu thế như vừa tăng vừa giảm thì phương pháp này sẽ bỏ qua những yếu tố gây ra sự tăng (giảm) đó Phương pháp này không thể sử dụng đối với dãy số có xu hướng phát triển không theo một xu thế

1.2 Dự báo dựa vào tốc độ phát triển bình quân

Mô hình dự báo:

h n h

n y t

y ˆ   ( )Trong đó: h: là tầm xa dự báo (h=1, 2, 3, …, n)

yn: mức độ cuối cùng của dãy số thời gian

t : tốc độ phát triển bình quân

Phương pháp dự báo này áp dụng khi các tốc độ phát triển liên hoàn ti xấp

xỉ bằng nhau, nghĩa là các mức độ trong dãy số thời gian tăng theo cấp số nhân

Ngoài phương pháp dự báo thống kê ngắn hạn dựa vào tốc độ phát triển bình quân theo năm còn có thể mở rộng cho khoảng cách thời gian dưới 1 năm (quý) Khi đó mô hình dự báo là:

t

j i ij

S

t y y

) 1 (

) ( ˆ

i y y

1

: là tổng các mức độ của các quý i

) 1 ( 2

Hạn chế: kết quả dự báo bằng phương pháp ngoại suy tốc độ phát triển bình quân có độ chính xác không cao vì phương pháp này chỉ sử dụng để dự báo với tầm xa dự báo h=1, 2, 3 và các mức độ trong dãy số được dùng để dự báo phải có cùng xu hướng phát triển

14

1.3 Dự báo dựa vào phương pháp ngoại suy hàm xu thế

So với các phương pháp dự báo đã trình bày, phương pháp ngoại suy hàm xu thế được áp dụng nhiều nhất trong thực tế Phương pháp ngoại suy hàm xu thế được xây dựng dựa trên cơ sở nghiên cứu sự biến động của hiện tượng kinh tế - xã hội trong thời kỳ hiện tại và chuyển tính quy luật đã tìm được (xu thế) sang tương lai Sự nhận thức và hiểu đúng bản chất của quá trình nghiên cứu cũng như sự tồn tại tính ổn định trong tăng trưởng kinh tế phản ánh được xem là điều kiện bắt buộc đối với những việc áp dụng phương pháp ngoại suy trong dự báo Chỉ có như vậy mới có thể đảm bảo tính kế thừa tất yếu trong sự phát triển của đối tượng

Phương pháp ngoại suy hàm xu thế dựa vào hàm hồi quy theo thời gian

để dự báo Trên cơ sở dãy số thời gian người ta tìm một hàm số gọi là phương trình hồi quy phản ánh sự biến động của hiện tượng qua thời gian Phương trình có dạng tổng quát như sau:

), ,,,

Mô hình dự báo:

), ,,,(

y   

Trong đó: h: là tầm xa dự báo (h= 1, 2, 3….)

h t

yˆ : là mức độ dự báo ở thời điểm t+h Phương pháp ngoại suy hàm xu thế là phương pháp dự báo dựa vào hàm xu thế (là hàm được mô hình hóa xu thế phát triển của dãy số) Thông qua số liệu về các mức độ của dãy số theo thời gian ta có thể tính toán và xây dựng được mô hình phát triển của dãy số theo thời gian và sử dụng mô hình này để dự báo Tùy theo xu hướng biến động tăng (giảm) của các mức độ trong dãy số thời gian mà hàm xu thế có thể là một đường thẳng hay một đường cong

Nếu các mức độ của dãy số thời gian (có khoảng cách thời gian đều nhau) tăng với giá trị tuyệt đối theo cấp số cộng thì mô hình sẽ có dạng đường thẳng:

Yt= a+b.t Với dãy số thời gian có khoảng cách thời gian đều nhau mà các mức độ thay đổi tăng (giảm) không đều nhau đến một giá trị nhất định rồi sau đó giảm (tăng) thì dãy số thời gian này có hàm xu thế là đượng cong Parabol:

Yt = a+b.t+c.t2Với dãy số thời gian có khoảng cách thời gian đều nhau, các mức độ giảm dần theo thời gian với các giá trị không đều nhau và theo xu hướng giảm chậm dần thì dãy số thời gian có hàm xu thế là đường cong:

Yt=a+b/t Với dãy số thời gian (khoảng cách thời gian là đều nhau) các mức độ của dãy số tăng dần theo cấp số thì dãy số thời gian này có hàm xu thế dạng hàm mũ:

Yt=a.btNhư vậy qua quan sát xu thế phát triển của các mức độ theo thời gian của dãy số thời gian có thể mô hình hóa xu thế của dãy số thời gian đó Việc xác định các hệ số trong hàm xu thế thường sử dụng phương pháp bình phương nhỏ nhất

Phương pháp ngoại suy hàm xu thế được vận dụng để dự báo các hiện tượng kinh tế - xã hội không quá phức tạp Phương pháp này có một số ưu điểm và hạn chế sau:

Ưu điểm: đơn giản, dễ tính

Nhược điểm: Độ chính xác của các kết quả dự báo theo phương pháp

này phụ thuộc vào độ dài của dãy số thời gian Nếu dãy số thời gian quá ngắn thì hàm xu thế sẽ không chính xác làm cho kết quả dự báo không chính xác Nếu dãy số thời gian có biến động lớn và phức tạp thì việc xác định mô hình hóa hàm xu thế trở nên khó khăn, do đó khó mà cho kết quả chính xác được

1.4 Dự báo dựa vào hàm xu thế tuyến tính và biến động thời vụ

(Dự báo dựa vào bảng Buys-Ballot)

Trong phương pháp dự báo này dãy số thời gian được chia thành 3 phần:

- Xu thế phát triển ft: là xu hướng cơ bản kéo dài thời gian

- Biến động thời vụ St: mang tính chất lặp đi lặp lại trong kỳ

- Biến động ngẫu nhiên Zt: do tác động của các nhân tố ngẫu nhiên

Khi xét mô hình cộng Yt = a + b.t +Cj + Zt

Trong đó, thành phần ảnh hưởng của nhân tố ngẫu nhiên Zt khó xác định Hơn nữa, ảnh hưởng này thường không lớn nên với việc loại bỏ nhân tố này, mô hình sẽ trở nên đơn giản hơn:

Yt = a+b.t+Cj

Xác định a, b, Cj bằng phương pháp bình phương nhỏ nhất Trong thực

tế để thuận tiện trong tính toán thường dùng bảng Buys-Ballot như sau:



 m

j ij

i

T T

T y

.



Cj C1 … Cj … Cm

Trong đó:

Tháng (quý): ký hiệu j (j=1÷m)

Năm: ký hiệu i (i=1÷n)

Thời gian: t = m.(i-1) +j

Như vậy nội dung của phương pháp này là sử dụng hàm xu thế tuyến tính của các hiện tượng nghiên cứu phát triển theo thời gian để tính xu thế phát triển trong tương lai của hiện tượng nghiên cứu, sau đó sử dụng các hệ số thời vụ theo tháng hoặc quý để điều chỉnh lại

Phương pháp dự báo dựa vào hàm xu thế tuyến tính và biến động thời

vụ có một số ưu điểm và nhược điểm sau:

Ưu điểm: Sử dụng phương pháp này có hiệu quả cao khi các hiện tượng

cần dự báo có biến động tăng (giảm) theo mùa vụ vì nó cho kết quả chính xác cao

Nhược điểm: Phương pháp dự báo này có hạn chế là chỉ vận dụng để

dự báo khi hiện tượng kinh tế - xã hội có cùng xu hướng biến động, nghĩa là cùng tăng (giảm) và cùng tốc độ phát triển Hơn nữa, việc tính toán lại phức tạp và việc lập bảng Buys – Ballot không đơn giản

2 Dự báo bằng phương pháp san bằng mũ

Trong các phương pháp dự báo đã trình bày, khi xây dựng mô hình dự báo ta coi các mức độ của dãy số thời gian có vai trò quan trong như nhau Song trong thực tế các mức độ của hiện tượng ở các thời gian khác nhau thì chịu sự tác động của những nhân tố khác nhau Có một số nhân tố mất đi và một số nhân tố khác xuất hiện và cường độ tác động của các nhân tố đó lên hiện tượng kinh tế - xã hội ở thời gian khác nhau là khác nhau Vì vậy để phản ánh sự tác động này đòi hỏi các mức độ của dãy số ở các thời gian khác

S n

n m

2

1

) 1 (





n m

T a

2

1

m j b y y

m j b n m T

18

nhau phải được chú ý khác nhau khi xây dựng mô hình dự báo Cụ thể là mức

độ càng mới (càng cuối dãy số) càng cần phải được chú ý nhiều hơn so với các mức độ trước Đây chính là ý tưởng chủ yếu của một loạt phương pháp thích nghi, là phương pháp xây dựng mô hình tự điều chỉnh để phản ánh được những thay đổi của dãy số thời gian và trên cơ sở đó đưa ra được những dự báo chính xác hơn Một trong những phương pháp cơ bản của phương pháp thích nghi là phương pháp san bằng mũ

Mô hình dự báo bằng phương pháp san bằng mũ được xây dựng dựa trên hai nguyên tắc:

- Trọng số của các mức của dãy số thời gian dự báo sẽ càng giảm nếu

Đặt 1 – α = β ta có:

t t

i

i t

yˆ1  ˆ     ˆ

) ˆ (

Như vậy, để xác định giá trị dự báo chỉ cần tìm được giá trị dự báo trước đó yˆ t, giá trị cuối cùng của chuỗi thời gian yt và tham số san bằng α và giá trị ban đầu y0 có ý nghĩa quan trọng

Việc lựa chọn tham số α tùy thuộc vào tầm quan trọng của các mức độ mới trong dãy số thời gian Nếu α được chọn càng lớn thì các mức độ càng cũ của dãy số thời gian càng ít được chú ý và ngược lại, nếu α được chọn càng nhỏ thì các mức độ cũ càng được chú ý nhiều hơn Để chọn α phải dựa vào việc phân tích đặc điểm biến động của hiện tượng và những kinh nghiệm nghiên cứu đã qua

Dựa vào việc phân tích đặc điểm biến động của hiện tượng, có thể chọn

α theo hai xu hướng: Nếu các biến động gần kề thuận chiều (cùng tăng hoặc cùng giảm) có thể chọn α lớn và ngược lại, nếu các biến động gần kề trái ngược nhau (vừa tăng vừa giảm) có thể chọn α bé Việc lựa chọn α theo cách này có ưu điểm là nếu người làm công tác dự báo có nhiều kinh nghiệm thì việc lựa chọn α theo phương pháp như trên sẽ cho kết quả dự báo có độ tin cậy cao Tuy nhiên việc lựa chọn α thường phụ thuộc vào ý chí chủ quan của người làm công tác dự báo Bằng thực nghiệm, các giá trị α năm trong khoảng 0,1 đến 0,3 là thích hợp Tuy nhiên giá trị α tốt nhất là giá trị α làm cho tổng bình phương các sai số là nhỏ nhất

Đối với việc lựa chọn giá trị ban đầu y0 có nhiều phương pháp khác nhau như: lấy giá trị đầu tiên trong dãy số hoặc là số bình quân của một số giá trị đầu tiên, hoặc các tham số của hàm xu thế… Như vậy, bằng việc lựa chọn

α và y0 hợp lý ta sẽ có một kết quả dự báo tối ưu nhất

20

Mô hình (2) là mô hình không xu thế và không có biến động thời vụ, (2) có thể viết thành:

) (

ˆ 1 a0 t

yt 

Đây là nội dung của phương pháp dự báo bằng phương pháp san bằng

mũ với mô hình đơn giản nhất Trong thực tế được phát triển thành nhiều mô hình khác nhau Tùy thuộc vào đặc điểm biến động của hiện tượng qua thời gian để lựa chọn mô hình cho phù hợp Một trong những mô hình tương đối đơn giản là mô hình tuyến tính không có biến động thời vụ:

)()(

ˆ 1 a0 t a1 t

y t  Trong đó:

a0(t)= α.yt + (1- α).[a0(t-1) + a1(t-1)]

a1(t)= γ.[ a0(t)- a0(t-1)]+(1- γ ).a1(t-1) với 0<α,γ<1

Mô hình xu thế tuyến tính và có biến động thời vụ:

Mô hình cộng: yˆt1 = [a0(t) + a1(t)] + S(t+1)

Mô hình nhân: yˆt1 = [a0(t) + a1(t)] * S(t+1)

Để tính toán theo các mô hình trên thì trước tiên phải chọn giá trị ban đầu a0(0) và a1(0) và các tham số α, γ Việc lựa chọn này về mặt nguyên tắc cũng như đối với mô hình không xu thế và không có biến động thời vụ

Phương pháp này có những ưu điểm sau:

- Phương pháp có thể dễ dàng chương trình hóa vì chỉ phải thực hiện một số phép toán sơ cấp để xác định giá trị dự báo Do ưu điểm trên mà điều kiện vận dụng trong thực tế của phương pháp rất cao vì người sử dụng chương trình không cần phải có kiến thức sâu rộng về lĩnh vực này mà chỉ cần thực hiện một số thao tác đơn giản trên máy cũng có thể cho kết quả dự báo với độ chính xác cao

- Phương pháp dự báo này tiết kiệm được thông tin và các dự báo liên tiếp được tự điều chỉnh nhờ có những thông tin mới, do đó quá trình dự báo sát với thực tế hơn

- Hệ thống dự báo có thể được điều chỉnh thông qua một tham số α duy nhất do bản thân nó có thể thích nghi với sự thay đổi kết cấu của chuỗi thời gian và qua đó tránh được sự can thiệp tùy tiện

Những ưu điểm trên làm cho phương pháp san bằng mũ có những ứng dụng rộng rãi trong thực tế kinh doanh

Tuy nhiên, phương pháp cũng có một số hạn chế nhất định:

- Phương pháp không lưu ý tới những ảnh hưởng nhân quả tới chuỗi thời gian mà chỉ lưu ý tới thời gian Một chuỗi thời gian được dự báo qua bản thân nó, xét về mặt lý thuyết, không tránh khỏi những hạn chế Do vậy phương pháp được thực hiện với sự hiểu biết rất hạn chế về các nhân tố ảnh hưởng về mặt số lượng

- Tham số san α không được xác định một cách khách quan mà ít nhiều không qua trực giác chủ quan

3 Dự báo dựa vào mô hình tuyến tính ngẫu nhiên

(Phương pháp Box – Jenkins)

Trong phương pháp này, giả thiết dãy số thời gian được hình thành từ một quá trình ngẫu nhiên Trên cơ sở đó một số mô hình quan trọng được xây dựng để tiến hành dự báo

3.1 Một số mô hình tuyến tính ngẫu nhiên

a Khái niệm về quá trình ngẫu nhiên

Quá trình ngẫu nhiên là một tập hợp các biến ngẫu nhiên xuất hiện qua thời gian theo một quy luật xác suất nào đó

Quá trình ngẫu nhiên dừng: quá trình ngẫu nhiên Yt1, Yt2, … Ytn được gọi là dừng nếu quy luật phân phối xác suất của nó cũng đồng thời là quy luật phân phối xác suất của Yt1-k, Yt2-k, …, Ytn-k

Về trực giác, đối với một quá trình ngẫu nhiên dừng không có một sự thay đổi có hệ thống về kỳ vọng, về phương sai và không có biến động thời

vụ Việc phân tích những đặc điểm của một quá trình ngẫu nhiên chủ yếu dựa vào hàm tự hiệp phương sai, hàm tự tương quan

Giả sử có quá trình ngẫu nhiên dừng: Yt1, Yt2,…, Ytn

Với: Kỳ vọng: E[Yt] = M

22

Phương sai: Var[Yt] = E[(Yt – M)2] = б2

Trong thực tế, ta chỉ có dãy số thời gian y1, y2, …, yn Do đó tự hiệp phương sai Ck và tự tương quan rk được tính như sau:

( 1

Các toán tử sau thường được sử dụng để mô tả các mô hình:

B: toán tử chuyển dịch về phía trước

Quá trình tự hồi quy bậc p: ký hiệu AR(p)

Dãy { Yt } được gọi là tuân theo quá trình tự hồi quy bậc p nếu:

Yt = 1Yt-1 + 2Yt-2 + … + pYt-p + a Trong đó:

1, 2, …, p: Các tham số hồi quy

at là một quá trình dừng đặc biệt đơn giản và được gọi là quá trình thuần khiết hay tạp âm trắng

Biểu diễn qua toán tử B:

(1 - 1B – 2B2 - … - pBp)Yt = at

Hay:  p(B)Yt = at

Quá trình bình quân trượt bậc q: ký hiệu MA(q)

Dãy {Yt} được gọi là tuân theo quá trình bình quân trượt bậc q nếu ta

có thể biết:

Quá trình tự hồi quy bình quân trượt bậc p, q: ký hiệu ARMA(p,q)

Đó là sự kết hợp giữa AR(p) và MA(q)

Yt = 1Yt-1 +…+ pYt-p + at – θat-1 - … - θqat-q

Hay (B)Yt = θ(B)at

Trong thực tế ARMA(1,1) thường được sử dụng:

Y1= 1Yt-1 + at + θat-1

c Mô hình tuyến tính không dừng

Trong thực tế thường gặp các dãy số thời gian không dừng, để thích ứng với các mô hình của quá trình dừng ta phải chuyển nó về quá trình dừng thông qua toán tử sai phân bậc d (…)

p: là bậc của tự tương quan

d: là bậc của sai phân q: là bậc của toán tử bình quân trượt

Một số mô hình ARIMA thường sử dụng:

Để chọn mô hình người ta dựa vào hàm tự tương quan

- Đối với AR(p): hàm tự tương quan của một quá trình AR giảm theo quy luật mũ khi độ trễ thời gian tăng hoặc giảm dưới dạng dao động hình sin tắt dần tới 0, đồ thị là một hỗn hợp của hàm mũ tắt dẫn và hàm sai tắt dần

- Đối với MA(q): hàm tự tương quan tuân theo quy luật mũ khi độ trễ thời gian tăng hoặc tiến tới 0 dưới dạng dao động hình sin tắt dần, đồ thị bị đứt đoạn tại q (k>q: hàm tự tương quan)

- Đối với ARMA(p,q): đồ thị tắt dần một cách chậm chạp [chậm hơn MA(q)]

b Ước lượng các tham số của mô hình

Có hai loại ước lượng:

Ước lượng sơ bộ (ước lượng thô): Khi tính các tham số, ở đâu có hàm

tự tương quan thì ta thay bằng rk (rk tính được từ dãy số thời gian)

- Đối với AR(p):  ˆ là ước lượng của 

AR(1): ˆ = r1 vùng cho phép -1<<1

AR(2): 2

1

2 1

1

) 1 (

ˆ

r

r r

1

) (

ˆ

r

r r

) ˆ 1 ( ˆ

2 2 2 1

2 1 1

ˆ

2 2 2 1

2 1

) ˆ ˆ ).(

ˆ ˆ 1 (

1 1 2 1

1 1 1 1 1

2 r. ˆ

Vùng cho phép 1<  2 <1

1< θ2 <1 Ước lượng tốt nhất: để xác định được ước lượng tốt nhất ta dùng

phương pháp cực tiểu tổng bình phương các số dư

Giả sử đối với AR(1) có ước lượng sơ bộ  ˆ

a

1 2

Quá trình này được lặp đi lặp lại đối với những giá trị khác nhau  ˆ

1

nằm trong miền xác định của nó (-1< 1 < 1)

=> ˆ1 là ước lượng tốt nhất của  1 khi 



n

t t

Giả sử đối với mô hình ARIMA(1,1,1)

(1-  ˆ

1B)Yt = (1-  ˆ1B)at

[YT-j] = YT-j

[YT+j] = Y ˆ j T( )

[aT-j] = YT-j - YˆTj

[aT+j] = 0 Theo nguyên tắc đó, dự báo ở thời gian l=1 sẽ là:

) 1 (

- Có cơ sở lý thuyết là quá trình ngẫu nhiên, việc nhận biết các hàm tự tương quan được đảm bảo về mặt thống kê và giúp tạo ra các công cụ quản lý có hiệu quả

- Mô hình ARIMA được xây dựng rất tổng quát, do vậy có thể sử dụng cho cả chuỗi thời gian dừng và không dừng với các yếu tố thời vụ San mũ được xem là trường hợp đặc biệt của mô hình tổng quát

- Quá trình thích nghi mô hình với chuỗi thời gian đã cho rất uyển chuyển thông qua vô số cách kết hợp các tham số p, d và q Qua đó có thể rút

ra những tiêu chuẩn kiểm định để xác định mô hình thích hợp

- Các khoảng hội tụ được xác định về mặt thống kê cho phép đánh giá khách quan các kết quả dự báo

Bên cạnh những ưu điểm đó, phương pháp còn một số hạn chế:

- Phương pháp đòi hỏi một kiến thức cao về mặt toán học và rất phức tạp đối với việc nắm vững các thuật toán của phương pháp

- Vận dụng phương pháp đòi hỏi nhiều công sức và thời gian

- Phương pháp đòi hỏi người sử dụng phải có rất nhiều kinh nghiệm cũng như sự nhạy cảm cao, ví dụ như trong việc xác định mô hình thích hợp Chọn sai mô hình thích hợp sẽ rất tai hại do hàm tự tương quan không rõ ràng

- Phương pháp đặc biệt thích hợp cho các dự báo ngắn hạn

- Phương pháp chỉ thích nghi với phân tích chuỗi thời gian đơn biến Bằng phương pháp này không thể phát hiện được các nhân tố ảnh hưởng nhân quả đến các mức của chuỗi thời gian

4 Một số mô hình dự báo đang đƣợc sử dụng

4.1 Sự hình thành chỉ số xu hướng

Khi nghiên cứu và đo lường về mặt định lượng đối với các biến động của hoạt động kinh tế hàng tháng, chúng ta thấy có hai quá trình xuất hiện có tính chu kỳ: quá trình mà trong đó phần lớn các hoạt động kinh tế có xu hướng mở rộng, phát triển từ từ và quá trình gồm phần lớn các hoạt động kinh

tế có xu hướng đi xuống một cách từ từ Điểm đổi hướng của chu kỳ sản xuất kinh doanh không chỉ rõ được xu hướng vận động của các sản phẩm, nghĩa là

nó không phản ánh nền kinh tế có xu hướng đi lên nhiều hơn hay đi xuống nhiều hơn

Để giải quyết vấn đề này, các nhà nghiên cứu kinh tế đã đưa ra “chỉ số

xu hướng” nhằm phân tích tình hình kinh tế hiện tại và cung cấp những thông tin dự báo ngắn hạn về chu kỳ kinh doanh

Chỉ số xu hướng là một chỉ tiêu kinh tế tổng hợp trực tiếp chỉ ra có bao nhiêu hoạt động kinh tế vận động theo xu hướng đi lên hoặc đi xuống trong nền kinh tế Chỉ số xu hướng được biểu hiện bằng tỷ lệ phần trăm của các dãy

số liệu phản ánh tình trạng của nền kinh tế (mà các dãy số liệu này có xu hướng đi lên) Nếu hoạt động kinh tế nào có xu hướng không đổi thì được tính là 0,5

4.2 Cách tính chỉ số xu hướng

Bước 1: Thu thập, điều chỉnh và chuẩn bị số liệu thống kê

Thu thập các dãy số liệu theo thời gian về các chỉ tiêu sản xuất, tồn kho, tiêu thụ, lao động, tài chính, giá cả và một số chỉ tiêu kinh tế khác Sau

đó thực hiện điều chỉnh mùa vụ Nếu một chỉ tiêu không thể hiện rõ biến động

28

mang tính chu kỳ thì dùng tỷ lệ phần trăm thay đổi từng năm được coi là dãy

số liệu gốc thay cho dãy số điều chỉnh mùa vụ Các dãy số liệu để tính chỉ số

xu hướng phải theo tháng, trường hợp không có số liệu theo tháng có thể sử dụng số liệu theo quý

Bước 2: Lựa chọn các dãy số liệu phản ánh biến động kinh doanh

Tính tỷ lệ phần trăm thay đổi bằng cách so sánh với số liệu 3 tháng trước đây để loại những yếu tố thay đổi bất thường từ các dãy số liệu đã điều chỉnh thứ nhất Tính sự khác nhau so với 3 tháng trước Thiết lập một danh sách gồm các dãy số được chọn và điền dấu (+) cho những chỉ tiêu tăng, dấu (-) cho những chỉ tiêu giảm và (0) cho những chỉ tiêu không thay đổi

Bước 3: Lựa chọn số liệu tính chỉ số xu hướng

Lựa chọn các dãy số liệu từ dãy số có biến động kinh doanh được xác định trong bước hai mà thoả mãn những tiêu chí quan trọng sau đây khi tính chỉ số xu hướng:

- Có tầm quan trọng về mặt kinh tế: một dãy số liệu phải có tầm quan trọng, đặc biệt để có thể thấy được tình trạng kinh doanh hoặc có thể đại diện cho một lĩnh vực kinh tế nào đó

- Có khả năng thống kê: dãy số phải có khả năng thống kê hàng tháng

và qua nhiều năm, phải có độ tin cậy cao và phạm vi rộng

- Đáp ứng cho chu kỳ kinh doanh: dãy số phải có cùng các tần số như chu kỳ kinh doanh

- Số liệu phải được làm trơn: trong dãy số có một vài số liệu vận động không đều phải được làm trơn một cách tương đối và không có những biến động lạ

- Số liệu được công bố thường xuyên, kịp thời

Bước 4: Tính chỉ số xu hướng

Công thức tính chỉ số xu hướng cho mỗi dãy số liệu riêng biệt như sau:

Chỉ số xu hướng =

Số những dãy số tăng

x 100 Tổng số dãy số thu được

4.3 Các chỉ tiêu tính chỉ số xu hướng

Dựa vào thời gian dao động của các chỉ tiêu chu kỳ kinh doanh các nhà nghiên cứu kinh tế chia thành ba nhóm:

- Nhóm chỉ tiêu chỉ đạo (chỉ tiêu báo trước) gồm: chỉ tiêu tồn kho hàng

thành phẩm; đơn đặt hàng mới về hàng hoá tiêu dùng và vật tư của ngành công nghiệp chế biến; chỉ số giá nguyên vật liệu; chỉ số tiêu thụ hàng hoá tiêu dùng lâu bền của người sản xuất; chỉ số phản ánh độ tin cậy của người tiêu dùng; chỉ số giá của các mặt hàng tiêu dùng; mức tăng tỷ lệ lợi tức; giá cổ

phiếu; số lao động mới được tuyển dụng Các chỉ số chỉ đạo có chiều hướng biến động trước khi chu kỳ kinh doanh có sự biến động, vì vậy cung cấp trước

thông tin, tín hiệu báo sớm xác định chiều hướng vận động tăng giảm của chu

kỳ kinh doanh

- Nhóm chỉ tiêu trùng hợp (chỉ tiêu báo ngay) gồm: chỉ số sản xuất

công nghiệp khai thác, chế biến; các chỉ số tiêu thụ hàng hoá của người sản xuất ngành công nghiệp khai thác, chế biến; tiêu thụ năng lượng của công nghiệp quy mô lớn; chỉ số sử dụng công suất của công nghiệp chế biến; chỉ

số giờ công lao động không theo kế hoạch; doanh số bán hàng; lợi nhuận hoạt động công nghiệp; chỉ số doanh thu của các doanh nghiệp vừa và nhỏ thuộc công nghiệp chế biến; tỷ lệ cung ứng việc làm… là các chỉ tiêu thống

kê qua đó có thể phân tích đánh giá toàn bộ quá trình hoạt động kinh tế tổng

hợp Các chỉ tiêu này có xu hướng xảy ra đồng thời với chu kỳ kinh doanh còn gọi là chỉ tiêu báo ngay

- Nhóm chỉ tiêu trễ (chỉ tiêu báo sau) gồm: Tỷ lệ hàng hoá tồn kho

trong công nghiệp chế biến và thương mại so với thời gian thất nghiệp trung bình; thay đổi về tiền công, tiền lương tính cho một đơn vị đầu ra của ngành công nghiệp chế biến (%); tỷ lệ lãi gốc trung bình phải trả ngân hàng (%); các khoản nợ tồn đọng của thương nghiệp và công nghiệp; tỷ lệ nợ tín dụng tồn đọng của người tiêu dùng so với thu nhập cá nhân; thay đổi về chỉ số giá tiêu dùng của ngành dịch vụ (%) Các chỉ tiêu này thường xảy ra sau các chỉ tiêu trùng hợp và chúng khẳng định những biến động gần đây của các chỉ số chỉ đạo, chỉ số trùng hợp, điều này sẽ giúp ta có thể phân biệt những điểm thay đổi trong các chuỗi số liệu này từ những dao động khác nhau

Có thể sử dụng chỉ số xu hướng để nhận định tình hình kinh tế và dự báo xu thế trong tương lai Khi nhận định tình hình kinh tế, chỉ số này rất

30

quan trọng, người ta thường để ý xem liệu chỉ số trùng hợp có thể vượt 50% hay không ? Một trong 3 tiêu chí thường được đưa ra là “quy luật 3 tháng“ Trong trường hợp nền kinh tế được coi là xu hướng đi lên nếu chỉ số xu hướng vượt quá 50% trong 3 tháng Ngược lại, nếu chỉ số xu hướng nhỏ hơn 50% trong 3 tháng thì nền kinh tế có xu hướng đi xuống Khi dự báo xu hướng cho tương lai, chỉ số chỉ đạo sẽ là công cụ chính cho việc dự báo Tuy nhiên, nếu dựa vào cả chỉ số trùng hợp và chỉ số chỉ đạo để dự báo xu hướng kinh doanh sẽ cho kết quả tốt hơn

4.4 Một số mô hình dự báo ngắn hạn đang được sử dụng

Một số nhà kinh tế cho rằng, chỉ số xu hướng và chỉ số tổng hợp chỉ là các chỉ số được xây dựng trên cơ sở kinh nghiệm, không dựa trên nền tảng lý thuyết vững chắc theo quan điểm thống kê hay kinh tế Để giải quyết vấn đề này, một số nhà kinh tế đã cố gắng tìm ra các chỉ số mới dựa vào mô hình dãy

số thời gian hoặc phân tích nhiều biến Dưới đây xin trình bày tóm tắt cách tiếp cận qua các mô hình:

a Mô hình Neftci

S.Neftci (1982) đã đề xuất cách tiếp cận của ông để dự báo những điểm đổi hướng kinh tế dựa trên xác suất “Z” được sử dụng để thể hiện quá trình từ điểm đổi hướng này sang điểm đổi hướng khác trong chỉ số kinh doanh (X),

“t” đại diện về thời gian Mô hình Neftci tính xác suất mà “Z” trở thành “t” hoặc nhỏ hơn Nói cách khác, mô hình này tính xác suất mà điểm đổi hướng xảy ra trước thời điểm “t” (t: xác suất mà điểm đổi hướng xảy ra trước thời điểm “t”; xt: số liệu của chỉ số kinh doanh trước đây (x) Nếu nền kinh tế là

mở rộng thì điểm cực đại của nền kinh tế sau có thể được dự báo bằng việc tính t cho các điểm thời gian bội mà đến sau cực tiểu lần trước Chỉ số xu hướng kinh doanh có thể được coi là đạt đến điểm đổi hướng khi xác suất vượt quá mức nào đấy, có thể là 0,95 hoặc 0,9 Mô hình này gọi là mô hình Hồi quy xác suất liên tục

b Mô hình Hamilton

Mô hình này cung cấp các thông tin hữu ích để nhận định các giai đoạn

mở rộng hay thu hẹp của nền kinh tế Mô hình này đưa ra các giả thuyết như: (1) nền kinh tế có hai giai đoạn, giai đoạn mở rộng và giai đoạn thu hẹp; (2) tình trạng kinh tế phụ thuộc chặt chẽ vào những gì xảy ra trong các giai đoạn trước và các giai đoạn sau Quá trình chuyển dịch trải qua bước quá độ, những

bước quá độ của nó có thể không chắc chắn; (3) xem xét liệu nền kinh tế sẽ

mở rộng hay thu hẹp

Với các giả thuyết như trên, mô hình này tính toán bằng phương pháp xác suất cực đại, xác suất chuyển dịch (quá độ) và xác suất của giai đoạn mở rộng/ thu hẹp trên cơ sở số liệu kinh tế vĩ mô Cách tiếp cận này cũng tương

tự như mô hình Neftci vì nó cũng giả định thời kỳ mở rộng và thu hẹp của nền kinh tế là có phân bổ xác suất khác nhau Viện Nghiên cứu Kinh tế - Xã hội của Nhật Bản đã đề nghị ứng dụng cách tiếp cận này trong việc biên soạn chỉ số phản ánh xu hướng

c Mô hình Kim-Nelson

Mục đích của mô hình này là để dự báo được chính xác các điểm cực đại, cực tiểu cũng như thấy rõ được khoảng cách của các hoạt động kinh doanh trong từng giai đoạn Mô hình này có nền tảng lý thuyết hoàn toàn hợp

lý Tuy nhiên, để hiểu thấu đáo về chỉ số xu hướng hoặc quá trình chuyển đổi, người ta có xu hướng chỉ lựa chọn các chỉ tiêu, đặc biệt là các chỉ tiêu liên quan đến sản xuất

d Mô hình cộng hoặc mô hình nhân

Mục đích của mô hình này nhằm nghiên cứu sự biến động của dãy số thời gian, cụ thể là sự biến động của các chỉ số sản xuất, tiêu thụ, tồn kho trong sản xuất

Các yếu tố ảnh hưởng đến sự biến động của dãy số thời gian gồm có:

Tính xu hướng: Quan sát số liệu thực tế của hiện tượng trong một thời

gian dài (thường là nhiều năm), ta thấy biến động của hiện tượng theo một chiều hướng (tăng hoặc giảm) rõ rệt Nguyên nhân của loại biến động này là

sự thay đổi trong công nghệ sản xuất, gia tăng dân số, biến động về tài sản,

Tính chu kỳ: Biến động của hiện tượng được lặp lại với một chu kỳ nhất định, thường kéo dài từ 2 - 10 năm, trải qua 4 giai đoạn: phục hồi và phát triển, thịnh vượng, suy thoái và đình trệ Biến động theo chu kỳ là do tác động tổng hợp của nhiều yếu tố khác nhau

Tính thời vụ: Biến động của một số hiện tượng kinh tế - xã hội mang

tính thời vụ, nghĩa là hàng năm, vào những thời điểm nhất định (tháng, quý), biến động của hiện tượng được lặp đi lặp lại

32

Ví dụ: Doanh số bán của các cửa hàng quần áo, vải thường có xu hướng tăng cao vào tháng 12 do nhu cầu mua sắm tăng vào dịp lễ giáng sinh, Tết Nguyên nhân gây ra biến động thời vụ là các điều kiện thời tiết, khí hậu, tập quán xã hội, tín ngưỡng của dân cư

Tính ngẫu nhiên hay bất thường: Biến động không có quy luật và hầu như không thể dự đoán được Loại biến động này thường xảy ra trong một thời gian ngắn và không lặp lại, do ảnh hưởng của các biến cố chính trị, thiên tai, chiến tranh

CHƯƠNG II VẬN DỤNG MỘT SỐ PHƯƠNG PHÁP DỰ BÁO THỐNG KÊ NGẮN HẠN ĐỂ DỰ BÁO XU HƯỚNG BIẾN ĐỘNG SẢN XUẤT, TIÊU THỤ, TỒN KHO NGÀNH CÔNG NGHIỆP 6

THÁNG CUỐI NĂM 2010

III THỰC TRẠNG NGUỒN THÔNG TIN HIỆN CÓ PHỤC VỤ XÂY DỰNG MÔ HÌNH DỰ BÁO XU HƯỚNG BIẾN ĐỘNG SẢN XUẤT, TIÊU THỤ, TỒN KHO NGÀNH CÔNG NGHIỆP HÀNG THÁNG

1 Yêu cầu đối với số liệu phục vụ dự báo thống kê

Trong công tác dự báo thống kê thường sử dụng dãy số liệu phản ánh sự phát triển của hiện tượng theo thời gian Để có thể tiến hành dự báo được và để kết quả dự báo sát thực, các yêu cầu sau đây phải được đảm bảo:

- Phạm vi tính toán của số liệu phải đồng nhất, ví dụ phạm vi tính của dãy số liệu là ở cấp toàn quốc, vậy ở tất cả các thời kỳ nó phải cùng một phạm

vi này

- Thời kỳ nghiên cứu phải đồng nhất, ví dụ số liệu tổng hợp theo tháng, vậy tất cả các số liệu tham gia vào quá trình dự báo phải là số liệu tháng Nếu

là số liệu quý thì tất cả các số liệu đều phải là số liệu quý

- Dãy số liệu phải đảm bảo tính chất so sánh giữa các thời kỳ Điều này đặt biệt quan trọng đối với các chỉ tiêu dự báo chịu ảnh hưởng của giá cả

- Dãy số liệu phải đủ dài và liên tục Điều kiện này đảm bảo để phát hiện được quy luật phát triển của hiện tượng được nghiên cứu Dãy số liệu quá ngắn, không thể phát hiện được xu thế phát triển của hiện tượng Mặt khác, dãy số liệu bị ngắt quãng cũng không thể phát hiện được một cách sát thực xu thế của hiện tượng

Một trong những yêu cầu quan trọng khác đối với dãy số liệu là chúng được thu thập một cách khách quan, không có sự tác động chủ quan của con người Số liệu bị bóp méo theo ý đồ chủ quan của con người không cho phép phát hiện được quy luật phát triển của hiện tượng được nghiên cứu và do vậy không thể dự báo một cách sát thực được

Số liệu tổng hợp phong phú, chi tiết và đa dạng: hàng tháng, chỉ số sản xuất, chỉ số tiêu thụ, chỉ số tồn kho được tính toán đến từng ngành cấp 4, từng sản phẩm hoặc mặt hàng

Cơ sở dữ liệu đầy đủ, hoàn chỉnh, dễ khai thác: Toàn bộ số liệu về sản xuất, tiêu thụ, tồn kho của từng cơ sở sản xuất sản phẩm được cập nhật hàng tháng, đáp ứng kịp thời nhu cầu số liệu của mọi đối tượng dùng tin một cách nhanh chóng, thuận tiện

Dãy số liệu ổn định, tương đối sát với tốc độ tăng trưởng giá trị tăng thêm ngành công nghiệp, độ tin cậy cao, có thể sử dụng làm căn cứ tính GDP

Phản ánh chính xác xu hướng phát triển ngành công nghiệp toàn quốc nói chung và của các tỉnh, thành phố nói riêng

Chương trình phần mềm và phương pháp tính đảm bảo tính khách quan của số liệu thống kê

Kết quả tổng hợp trung ương và của tỉnh thống nhất một nguồn số liệu gốc từ cơ sở, do vậy khắc phục sự khác biệt về số liệu giữa trung ương và địa phương

Tuy nhiên hiện nay số liệu về tiêu thụ và tồn kho mới chỉ tính cho ngành công nghiệp chế biến ở cấp cho toàn quốc, chưa được tính cho các tỉnh, thành phố

BẢNG 1: CHỈ SỐ SẢN XUẤT, TIÊU THỤ, TỒN KHO

NGÀNH CÔNG NGHIỆP CHẾ BIẾN SO VỚI NĂM GỐC 2005

(Quyền số là giá trị sản xuất)

Từ tháng 01/2007 đến tháng 06/2010

sản xuất

Chỉ số tiêu thụ

Chỉ số tồn kho

Tháng 1 năm 2007 99.31 152.05 682.16 Tháng 2 năm 2007 72.88 115.72 696.85 Tháng 3 năm 2007 102.50 141.39 743.41 Tháng 4 năm 2007 102.32 136.02 768.08 Tháng 5 năm 2007 106.11 141.72 765.05 Tháng 6 năm 2007 105.61 139.08 785.64 Tháng 7 năm 2007 113.24 145.01 895.01 Tháng 8 năm 2007 109.55 144.64 824.60 Tháng 9 năm 2007 109.09 144.69 851.10 Tháng 10 năm 2007 115.20 149.90 908.52 Tháng 11năm 2007 113.10 154.80 914.66 Tháng 12 năm 2007 121.09 165.99 932.78 Tháng 1 năm 2008 117.52 162.88 915.22 Tháng 2 năm 2008 92.83 117.52 951.27 Tháng 3 năm 2008 119.72 152.39 1027.58 Tháng 4 năm 2008 117.96 155.89 1079.91 Tháng 5 năm 2008 123.22 168.31 1128.55 Tháng 6 năm 2008 118.64 172.24 1172.89 Tháng 7 năm 2008 117.70 146.03 1165.25 Tháng 8 năm 2008 119.47 184.99 1268.84

36

sản xuất

Chỉ số tiêu thụ

Chỉ số tồn kho

Tháng 9 năm 2008 115.79 179.48 1339.13 Tháng 10 năm 2008 113.48 126.28 1389.19 Tháng 11năm 2008 107.59 126.17 1412.94 Tháng 12 năm 2008 116.27 139.51 1426.30 Tháng 1 năm 2009 93.25 107.03 1456.80 Tháng 2 năm 2009 101.74 118.67 1502.78 Tháng 3 năm 2009 116.56 137.17 1513.54 Tháng 4 năm 2009 117.09 138.67 1501.70 Tháng 5 năm 2009 121.67 141.31 1536.01 Tháng 6 năm 2009 122.07 146.99 1523.58

Tháng 7 năm 2009 128.45 150.25 1517.91 Tháng 8 năm 2009 128.63 158.09 1561.60 Tháng 9 năm 2009 125.52 152.48 1601.46 Tháng 10 năm 2009 126.52 151.49 1603.60 Tháng 11năm 2009 130.79 158.51 1643.12 Tháng 12 năm 2009 137.37 169.47 1654.61 Tháng 1 năm 2010 130.17 156.98 1658.73 Tháng 2 năm 2010 98.64 115.07 1725.62 Tháng 3 năm 2010 128.97 151.29 1829.80 Tháng 4 năm 2010 127.48 150.78 1889.63 Tháng 5 năm 2010 130.68 157.00 1925.80 Tháng 6 năm 2010 132.10 155.19 2002.15

Nguồn: Điều tra sản phẩm công nghiệp tháng

Dựa vào số liệu về sản xuất, tiêu thụ, tồn kho hàng tháng, có thể đưa ra một số nhận định sau:

Dựa vào dãy số liệu sản xuất, tiêu thụ tồn kho ta có thế biết được diễn biến của nền kinh tế qua các thời kỳ rất rõ rệt Càng ngày số liệu sản xuất, tiêu thụ, tồn kho càng tăng mạnh Đây cũng là kịch bản của nhiều năm nền kinh tế

ở vào tình trạng phát triển bình thường

Chỉ số tồn kho hơi cao nên hiểu là khi nền kinh tế bắt đầu phục hồi, các doanh nghiệp sẽ kỳ vọng thời gian tới khả năng tiêu thụ ngày càng phục hồi

và ổn định hơn, nên đã thực hiện kế hoạch sản xuất nhiều hơn, dự trữ hàng hóa cho tiêu thụ tốt hơn

Ngoài ra, theo chu kỳ, thường là các tháng đầu năm hầu hết các doanh nghiệp, nhất là khu vực doanh nghiệp có vốn đầu tư nước ngoài chưa ký được nhiều đơn hàng, chỉ từ các tháng giữa năm trở đi, đơn hàng tiêu thụ hàng hóa, đặc biệt là xuất khẩu ngày càng ổn định và nhiều hơn cũng là yếu tố kích thích sản xuất và tồn kho tăng hơn

Từ tháng 5 trở đi, nhiều doanh nghiệp sẽ bước vào giai đoạn sản xuất tối đa công suất, có thể chưa tiêu thụ nhưng họ đã tập trung năng lực cho sản xuất để tiêu thụ vào những tháng cuối năm Cho nên, có thể sản xuất tăng nhanh nhưng tiêu thụ chưa đến thời điểm thì tồn kho có thể cao hơn tiêu thụ là bình thường

Ngoài ra, doanh nghiệp cũng còn kỳ vọng vào khả năng tiêu thụ của thị trường trong nước sẽ tăng lên sau khi nền kinh tế vượt qua giai đoạn suy giảm, nên các doanh nghiệp sản xuất, dự trữ hàng hóa nhiều hơn và kỳ vọng

để tiêu thụ nhiều hơn trong thời gian tới Nếu lúc thị trường có nhu cầu mới bắt đầu sản xuất thì không kịp, nên họ cũng phải có kế hoạch tăng sản xuất và

38

II VẬN DỤNG MỘT SỐ PHƯƠNG PHÁP DỰ BÁO THỐNG KÊ NGẮN HẠN ĐỂ DỰ BÁO XU HƯỚNG BIẾN ĐỘNG SẢN XUẤT, TIÊU THỤ, TỒN KHO NGÀNH CÔNG NGHIỆP 6 THÁNG CUỐI NĂM 2010

1 Tiêu chuẩn lựa chọn phương pháp dự báo

Để dự báo một hiện tượng kinh tế - xã hội nào đó trong tương lai, có 5 tiêu chuẩn để lựa chọn phương pháp dự báo thích hợp Đó là:

- Độ chính xác của dự báo: độ chính xác của dự báo được đo bằng thước đo thống kê Độ chính xác của dự báo đề cập đến độ chênh lệch của dự báo với số liệu thực tế Bởi vì dự báo được hình thành trước khi số liệu thực

tế xảy ra, vì vậy tính chính xác của dự báo chỉ có thể đánh giá sau khi thời gian đã qua đi Nếu dự báo càng gần với số liệu thực tế, ta nói dự báo có độ chính xác cao và lỗi trong dự báo càng thấp

- Chi phí dự báo: bao gồm các chi phí soạn thảo phần mềm và chi phí

để tính toán dữ liệu

- Tính tổng hợp và tính khả dụng của phương pháp: tính tổng hợp của phương pháp dự báo là một tiêu chuẩn không chỉ được xem xét về phương diện chi phí Chi phí cho một phương pháp dự báo càng cao thì những người không có khả năng chuyên môn càng ít có khả năng kiểm định các kết quả dự báo cũng như sử dụng các kế quả đó để ra quyết định Do vậy sẽ là tốt hơn khi chọn một phương pháp ít phức tạp hơn và do đó chấp nhận một độ chính xác thấp hơn để có thể giảm được mâu thuẫn mà người có quyền ra quyết định phải gặp trước các phương pháp lượng hóa

- Thời gian dự báo (tầm xa dự báo): không nên dài quá 1/3 dãy số dùng

để dự báo

- Cơ sở dữ liệu để dự báo:

+ Các số liệu hoặc các đánh giá của chuyên gia

+ Một dãy số thời gian về hiện tượng kinh tế - xã hội cần dự báo: dãy số thời gian phải chính xác, phải đảm bảo tính chất có thể so sánh được giữa các mức độ trong dãy số, phải phản ánh được quy luật biến động của hiện tượng

+ Độ dài của dãy thời gian: độ dài của dãy số thời gian dung để dự báo cần phải hợp lý và tuy thuộc vào đặc điểm của dãy số Nếu một dãy số thời gian có quá nhiều mức độ được sử dụng, mô hình dự báo sẽ không phản ánh