Nghiên cứu ứng dụng các phương pháp dự báo ngắn hạn để dự báo một số chỉ tiêu thống kê kinh tế chủ yếu ở Việt Nam

Trước thực tế đó, Viện Khoa học Thống kê và Vụ Thống kê Tổng hợp, được sự chấp thuận của Lãnh đạo Tổng cục Thống kê và Bộ Khoa học và Công nghệ, đã tiến hành thực hiện đề tài “Nghiên cứ

Ở VIỆT NAM

Đơn vị chủ trì: Viện Khoa học Thống kê

Chủ nhiệm: MSc Lê Văn Dụy Thư ký: CN Trần Thanh Hương

7879

21/4/2010

HÀ NỘI, 2008

LỜI NÓI ĐẦU

Dự báo là một môn khoa học và cũng là một nghệ thuật về tiên đoán Hầu hết các tổ chức thống kê quốc gia và quốc tế đã có quan tâm và ứng dụng môn khoa học này từ rất lâu Ở Việt Nam, công tác dự báo đã được triển khai

từ những năm đầu của thập kỷ 70 Từ năm 1985 trở lại đây, Tổng cục Thống kê

đã có một số đề tài nghiên cứu về phương pháp dự báo ngắn hạn và ứng dụng

dự báo cho một số chỉ tiêu thống kê Tuy nhiên cho đến nay những nghiên cứu này vẫn chưa đạt được tầm tổng quan nhất định Bên cạnh đó nhu cầu của công tác thống kê về ứng dụng dự báo, trong đó có dự báo ngắn hạn các chỉ tiêu thống kê kinh tế xã hội ngày càng trở nên cấp thiết

Trước thực tế đó, Viện Khoa học Thống kê và Vụ Thống kê Tổng hợp, được sự chấp thuận của Lãnh đạo Tổng cục Thống kê và Bộ Khoa học và Công nghệ,

đã tiến hành thực hiện đề tài “Nghiên cứu ứng dụng các phương pháp dự báo ngắn hạn để dự báo một số chỉ tiêu thống kê kinh tế chủ yếu ở Việt Nam”

Mục tiêu nghiên cứu của đề tài là “Đề xuất ứng dụng phương pháp dự báo

ngắn hạn thích hợp cho một số chỉ tiêu kinh tế đã được lựa chọn”

Để đạt được mục tiêu trên, đề tài tập trung vào các nội dung và phương pháp nghiên cứu sau: Nghiên cứu tổng quan các phương pháp dự báo nói chung và

phương pháp dự báo ngắn hạn nói riêng; Khảo sát, đánh giá điều kiện số liệu phục vụ cho dự báo ngắn hạn và lựa chọn một số chỉ tiêu thống kê cho dự báo thử nghiệm Thử nghiệm dự báo ngắn hạn cho một số chỉ tiêu kinh tế chủ yếu Các chỉ tiêu được đánh giá và đưa vào thử nghiệm thuộc các lĩnh vực: thống

kê kinh tế tổng hợp; thống kê công nghiệp và xây dựng; thống kê nông lâm nghiệp và thủy sản; thống kê thương mại, dịch vụ và giá cả

Đề tài cũng sử dụng phần mềm phục vụ cho thử nghiệm dự báo là phần mềm

SPSS version 10.0; ngoài ra đề tài cũng cho xây dựng một chương trình phần mềm riêng cho phương pháp gia quyền điều hòa

Kết cấu báo cáo kết quả của đề tài, ngoài lời nói đầu và kết luận, gồm ba phần

chính và hai phụ lục:

Phần 1: Những vấn đề cơ bản về dự báo và dự báo ngắn hạn;

Phần 2: Lựa chọn chỉ tiêu và phương pháp dự báo

Phần 3: Thử nghiệm dự báo và kết quả

Phụ lục 1 là số liệu và kết quả dự báo chi tiết cho 40 chỉ tiêu thuộc bốn lĩnh vực nêu trên

Phụ lục 2 là hướng dẫn cách sử dụng phần mềm SPSS version 10.0 và phần mềm do đề tài xây dựng cho dự báo ngắn hạn

PHẦN MỘT NHỮNG VẤN ĐỀ CƠ BẢN VỀ DỰ BÁO VÀ DỰ BÁO NGẮN HẠN

Khái niệm về dự báo

Trước khi vào phần nghiên cứu, cần thống nhất về khái niệm về dự báo

Trong tiếng Việt có từ “đoán”, mang nội dung là đưa ra kết luận một

cách có suy xét về đối tượng nào đó đã, đang hoặc sẽ như thế nào Song thực tế

có đúng như vậy hay không thì người đưa ra kết luận không thể khẳng định

trước được, mà chỉ có thể cho biết khả năng xảy ra như thế là bao nhiêu Như

vậy, các trường hợp “đoán” không dựa trên cơ sở suy xét mang tính khoa học

về đối tượng cần đoán không thể coi là dự báo

Với khái niệm đoán, cần phân biệt hai tình huống sau:

- Đoán nhằm đưa ra kết luận về quan hệ với “cái đã qua” trong quá khứ

hoặc “cái hiện có” trong hiện tại, được gọi là chẩn đoán

- Đoán nhằm đưa ra kết luận về quan hệ với “cái sắp tới” trong tương

lai, được gọi là dự báo

Suy xét mang tính khoa học nhằm xác lập mối liên hệ giữa dữ liệu thông

tin về “cái đã qua” trong quá khứ hoặc “cái hiện có” trong thực tại với nội

dung kết luận đưa ra về “cái sắp tới” trong tương lai được gọi là “dự báo”

I CÁC TIÊU CHÍ PHÂN LOẠI DỰ BÁO

Dự báo có thể được phân loại theo nhiều tiêu thức khác nhau Nếu dựa

trên tầm hạn dự báo có dự báo dài hạn, dự báo trung hạn và dự báo ngắn hạn;

Nếu dựa trên cách thức dự báo lợi dụng dữ liệu thông tin có sẵn có dự báo thác

triển, dự báo nhân – quả và dự báo thích nghi; Nếu dựa trên đặc trưng hoặc cấu

trúc đối tượng được dự báo có dự báo đơn giản, dự báo phức tạp; Nếu dựa trên

mức độ chi tiết hóa nội dung dự báo có dự báo đại cương, dự báo chi tiết; Nếu

dựa trên phạm vi nội dung dự báo cần thâu tóm có dự báo toàn cục, dự báo bộ

phận; Nếu dựa trên quy mô lãnh thổ dự báo đề cập đến có dự báo vùng miền

lãnh thổ, dự báo quốc gia, dự báo khu vực lục địa, dự báo toàn cầu; Nếu dựa

trên phương pháp tính toán dự báo có nhiều cách phân loại khác nhau, vì có

nhiều cách tính toán khác nhau Ở trường hợp này có thể có các loại dự báo sau:

+ Dự báo theo phương pháp nội - ngoại suy;

+ Dự báo theo phương pháp phỏng vấn;

+ Dự báo theo phương pháp tương tự;

+ Dự báo theo phương pháp mô hình hóa

Dự báo theo phương pháp mô hình hóa cần phải có thông tin (số liệu) thống kê để xây dựng mô hình Cũng chính vì vậy các mô hình dự báo còn có tên là mô hình trắc lượng Trong lĩnh vực kinh tế, mô hình dự báo được gọi là

mô hình dự báo kinh tế lượng Ngày nay nhờ khả năng xử lý khối lượng thông tin lớn nhanh và chính xác của máy tính điện tử mô hình dự báo kinh tế lượng ngày càng được ứng dụng mạnh mẽ vào dự báo kinh tế

Trên góc độ thực hành, người ta còn có các cách phân loại dự báo sau:

1.1 Phân loại dự báo theo cách thức lợi dụng dữ liệu thông tin có sẵn

về “cái đã qua” trong quá khứ hoặc “cái hiện có” trong thực tại

Căn cứ vào cách thức lợi dụng thông tin có được từ phân tích dữ liệu

thông tin có được về “cái đã qua” trong quá khứ hoặc “cái hiện có” trong hiện tại để đưa ra kết luận về “cái sắp tới” trong tương lai, có thể phân dự báo

ra: dự báo thác triển, dự báo nhân - quả, dự báo thích nghi

A Dự báo thác triển

Loại dự báo này áp dụng với đối tượng được dự báo tồn tại theo nguyên

tắc giữ nguyên quy luật vận động “nguyên trạng động” Nguyên tắc này được

hiểu theo nghĩa, mặc dầu có nhiều nhân tố cùng ảnh hưởng đến đối tượng được

dự báo và thậm chí những ảnh hưởng của các nhân tố riêng biệt bị thay đổi theo thời gian, song những ảnh hưởng đó liên kết lại ở trạng thái cân bằng động đến mức làm cho động thái của đối tượng được dự báo có thể được mô tả bằng hàm số với biến số là thời gian

B Dự báo nhân - quả

Loại dự báo này đưa ra kết luận về “cái sắp tới” trong tương lai dựa vào những quan hệ nhân - quả đã nhận biết được về mặt lượng của “cái đã qua” trong quá khứ hoặc “cái hiện có” trong thực tại Nó được vận dụng trước

hết ở những hoàn cảnh có thể phân biệt được một hoặc một số nhân tố tác động mạnh đến đối tượng được dự báo và ở những hoàn cảnh về nguyên tắc có thể cho rằng, trong tương lai những nhân tố đó được hình thành đến mức mà kết

cấu tác động của chúng bị thay đổi căn bản, đồng thời nguyên tắc “nguyên trạng động” bị vi phạm

C Dự báo thích nghi

Trong khi dự báo thác triển, cũng như dự báo nhân - quả đưa ra kết luận

cho “cái sắp tới” trong tương lai dựa vào quy luật thích hợp mối quan hệ giữa

các biến, quy luật này được biểu thị bằng mô hình xác định được xây dựng từ

những dữ liệu thông tin về “cái đã qua” trong quá khứ hoặc “cái hiện có”

trong thực tại; thì trái lại, loại dự báo thích nghi lại bỏ đi giả thiết về tính ổn định của mô hình và thay thế bằng sự xem xét mềm dẻo hơn Dự báo thích ghi dựa trên dòng thời gian và nguồn thông tin mới được cập nhật Mô hình dùng trong dự báo thích ghi được hiệu chỉnh liên tục Đó là kết quả của sự dung hòa giữa sự trải nghiệm và những nhận thức mới nhất về hiện tượng cần dự báo Tính thích nghi đó, một mặt cho phép mở rộng một cách hệ thống những thử nghiệm mà mô hình dựa vào; mặt khác, là điều kiện quan trọng cho phép phát hiện và xem xét kịp thời sự thay đổi có thể mang quy luật của hiện tượng tại thời điểm gần nhất và thay thế nó bằng quy luật mới

Từ những nhận định như trên, có thể nói rằng, dự báo thích nghi có ưu thế hơn trong việc áp dụng trong những trường hợp khi đối tượng được dự báo khá bất thường theo thời gian

1.2 Phân loại dự báo theo tầm hạn thời gian

Theo tầm hạn thời gian của dự báo, có thể phân dự báo ra: Dự báo ngắn

hạn, dự báo trung hạn, dự báo dài hạn Sự đưa ra kết luận về “cái sắp tới”

trong tương lai giới hạn khoảng 1 hoặc 2 năm trở lại được gọi là dự báo ngắn hạn, trong khoảng từ 3 năm đến dưới 5 năm được gọi là dự báo trung hạn, dự

báo cho khoảng thời gian từ 5 năm trở lên được gọi là dự báo dài hạn Tuy sự phân loại như vậy rất đơn giản, song lại thường phù hợp với hệ thống bắt buộc của các kế hoạch hành động, nhất là với hoạt động kinh tế Tuy nhiên, trong thực tế rất khó biết phân loại như vậy đã là hoàn toàn đúng đắn hay chưa

A Dự báo dài hạn

Đặc trưng của loại dự báo này là mô hình hóa động giữ vai trò lớn Đó là điều tất yếu, vì tính không ổn định của các quan hệ được mô hình hóa Với dự báo dài hạn, mô hình nhân-quả hay được sử dụng Tần số dự báo dài hạn nói chung là thấp

Dự báo dài hạn thường phải liên kết hàng loạt các điều kiện bổ sung cho

khoảng thời gian dài mà kết luận đưa ra về “cái sắp tới” trong tương lai xa

Trong số các điều kiện này, quan trọng nhất là phải tính đến việc dựa vào mô hình động xem xét tính quy luật dài hạn, phải lưu ý đến khả năng xuất hiện sự thay đổi cấu trúc và tính quy luật số lượng thích hợp trong khoảng thời gian giữa khởi đầu xây dựng kết quả dự báo và tiếp sau kỳ được dự báo

Nhìn chung dự báo dài hạn có một số tính chất đáng lưu ý sau:

- Tính đồng bộ ở dự báo dài hạn cao hơn hẳn so với ở dự báo ngắn hạn

và ở dự báo trung hạn Sự đưa ra kết luận về “cái sắp tới” trong tương lai xa thường là hệ thống những “cái sắp tới” có quan hệ với nhau một cách lô gíc và

cả ngẫu nhiên nữa Yêu cầu của tính đồng bộ là do kết luận đưa ra cho tương

lai xa về từng “cái sắp tới” riêng biệt ít bản chất hơn so với về cả hệ thống

những cái sắp tới gắn bó với nhau

- 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 Tính chính xác của chuỗi kết quả dự báo liên tiếp được xem xét trên toàn bộ tầm hạn thời gian mà

kết luận đưa ra về “cái sắp tới” trong tương lai xa đề cập đến quan trọng hơn

nhiều so với được xem xét ở một thời kỳ riêng biệt bất kỳ nào trong toàn bộ tầm hạn thời gian dự báo dài hạn quan tâm đến

- Với dự báo dài hạn, đặc biệt hữu dụng là hai lớp mô hình trắc lượng,

đó là những mô hình nguyên nhân mô tả và những mô hình trong số các mô hình cổ điển về xu hướng phát triển mà chúng chứa cả xu hướng lẫn giao động

thời kỳ dài của đối tượng được dự báo Trái lại, có lẽ ít hữu dụng hơn cả là những lớp mô hình khác, đặc biệt là lớp những mô hình các quá trình ngẫu nhiên hoặc lớp những mô hình thích nghi

Việc thực hiện dự báo dài hạn nói chung thường hay gặp những khó khăn sau:

- Khả năng xuất hiện những thay đổi bất ngờ dạng phân tích các quan hệ được phản ánh qua mô hình dùng cho các mục đích của dự báo

- Tính không chắc chắn về dạng phân tích thực tế các mối quan hệ được phản ánh qua mô hình

- Tính khó so sánh các dữ liệu thống kê dùng để xây dựng mô hình dự báo

- Nhưng thay đổi về giá trị các thông số được dùng vào mô hình trong suốt cả tầm hạn thời gian dự báo đề cập đến

- Những trở ngại trong việc xác định các biến giải thích được hình thành như thế nào của mô hình dùng vào dự báo

B Dự báo trung hạn

Loại dự báo này có các đặc điểm chung sau đây:

- 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;

- 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

C Dự báo ngắn hạn

C.1 Một số đặc trưng đáng lưu ý của dự báo ngắn hạn

Nói chung có thể thống nhất cho rằng, tầm hạn thời gian của loại dự báo này không quá 2 năm Song điều quan trọng hơn là những mô hình được sử dụng cho việc đưa ra kết luận về cái sắp tới trong tương lai gần được xây dựng

trên cơ sở dữ liệu thông tin gắn với các thời kỳ đơn vị ngắn hơn (tuần, tháng, quý)

Các mô hình được ứng dụng ở đây thường khác với lớp mô hình nhân - quả Các mô hình thường được sử dụng trong dự báo ngắn hạn thường là mô hình quan hệ ngẫu nhiên, mô hình thích nghi và cả mô hình xu thế phát triển theo thời gian

Một đặc trưng khác của dự báo ngắn hạn là việc tiến hành dự báo (đưa ra kết quả dự báo) thường được lặp lại Các kết quả dự báo ngắn hạn được quan tâm thường là cho quý, tháng, thậm chí cho cả tuần Việc tiến hành dự báo trong 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 Sự so sánh thường xuyên hơn hai nguồn thông tin này cho phép có cơ hội hoàn thiện phương pháp dự báo

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 Có nhiều ý kiến cho rằng, dự báo ngắn hạn phải được xây dựng cho các đơn vị cấp thấp, ví dụ các xí nghiệp và công ty Điều đó có một phần đúng Tuy nhiên chúng cũng có thể sử dụng để chỉ đạo của cấp cao hơn

C.2 Lựa chọn lớp mô hình dự báo ngắn hạn

Với dự báo ngắn hạn, về mặt lý thuyết có thể sử dụng những phép toán

dự báo dựa vào các loại mô hình kinh tế lượng tùy ý Song xem xét các ứng dụng thực tế thấy có một số loại mô hình rất thích hợp với dự báo ngắn hạn, còn một số khác lại không thích hợp lắm Cũng cần phải lưu ý là với việc đưa

ra kết luận về “cái sắp tới” trong tương lai gần, các mô hình kinh tế lượng

thích hợp được xây dựng dựa vào các số liệu mà thời kỳ nghiên cứu (reference period) của chúng ngắn, thường là số liệu tuần, 10 ngày, tháng, quý, rất ít khi

là năm Đặc điểm này ảnh hưởng quan trọng tới việc lựa chọn loại mô hình sử dụng cho dự báo ngắn hạn

Đối với dự báo ngắn hạn, có ba loại mô hình hay được sử dụng Đó là

mô hình mô tả xu hướng phát triển, mô hình mô tả các quá trình ngẫu nhiên và

mô hình thích nghi

Mô hình mô tả xu hướng phát triển: Đó là các mô hình có dạng là các hàm số toán học mô tả mối quan hệ giữa hiện tượng cần dự báo với biến thời gian Các thông số của hàm được ước lượng dựa vào các số liệu phản ánh quá trình phát triển của hiện tượng và thường các thông số này được coi là không thay đổi thời gian Một điểm cũng cần phải lưu ý ở đây là ngoài sử dụng hàm

số mô tả khuynh hướng đối với các chuỗi số liệu tuần, 10 ngày, tháng, quý có thể xuất hiện những giao động mùa và những giao động chu kỳ ngắn khác Vì vậy trong quá trình dự báo phải đưa các yếu tố này vào mô hình

Mô hình mô tả các quá trình ngẫu nhiên: Đó là mô hình và những phương pháp dự báo phù hợp với chúng có quan hệ với tình huống khi các quá trình dừng xuất hiện Ở loại mô hình này, thường đầu tiên loại đi thành phần

“hệ thống” (thành phần khuynh hướng và biến động mùa) sau đó vận dụng

phương pháp dự báo thích hợp cho thành phần ngẫu nhiên Mô hình quá trình ngẫu nhiên được ứng dụng vào dự báo ngắn hạn khi thành phần ngẫu nhiên chi phối một cách đáng kể sự biến động của hiện tượng được dự báo

Mô hình thích nghi: Đó là mô hình mà các tham số của chúng được xác định nhiều lần mỗi khi có được các thông tin mới Ước lượng mới của các thông số được tính toán dựa vào các giá trị trước đó của chúng và các thông tin mới nhất có được Trong lớp những mô hình thích nghi dùng vào dự báo ngắn hạn, mô hình san số mũ được đơn giản hóa, mô hình san số mũ - tự hồi quy,

mô hình san số mũ theo R-G-Brown được biết đến nhiều nhất

II MÔ HÌNH VÀ PHƯƠNG PHÁP DỰ BÁO

2.1 Mô hình dự báo

Để tiến hành dự báo một hiện tượng kinh tế nào đó, bước đầu tiên người ta thường xây dựng mô hình kinh tế trắc lượng Mô hình kinh tế trắc lượng là một biểu thức toán học mô tả các mối quan hệ, thường là rất phức tạp, trong nền kinh tế Các mối quan hệ này thường được thể hiện dưới dạng các phương trình

toán học1 Các mô hình kinh trắc thường không phải lf các mô hình hoàn hảo, tuy nhiên chúng thường mô tả một cách gần đúng các mối quan hệ đủ cho phép hiểu được bản chất của mối quan hệ và dự báo cho sự phát triển trong tương lai của mối quan hệ này

2.2 Phương pháp dự báo

Trên cơ sở mô hình mô tả mối quan hệ giữa các yếu tố trong nền kinh tế, xác định một phương trình toán học cụ thể mô tả mối quan hệ ấy sau đó ước lượng các thông số của mô hình thì được gọi là phương pháp dự báo Thí dụ,

mô hình dự báo theo dãy số thời gian có dạng:

Có hai loại mô hình dự báo được sử dụng trong dự báo kinh tế Thứ nhất

là mô hình đa nhân tố động thái; thứ hai là mô hìnhdự báo theo dãy số thời gian

2.3 Mô hình dự báo ngắn hạn đa nhân tố

Phương pháp dự báo theo mô hình đa nhân tố động là phương pháp sử dụng hàm số toán học đa biến để mô tả mối quan hệ giữa hiện tượng (yếu tố) cần dự báo với các yếu tố có quan hệ với nó rồi sử dụng số liệu có liên quan ước lượng các thông số của mô hình, kiểm định mô hình nếu mô hình phù hợp

1 Xem từ điển Wikipedia điện tử

sẽ sử dụng để dự báo Do điều kiện số liệu hiện nay ở nước ta có nhiều hạn chế không cho phép sử dụng mô hình này nên ở đây chúng tôi chỉ giới thiệu phương pháp luận và một ví dụ ứng dụng chứ không áp dụng nó Trong phần phương pháp luận trình bày 3 vấn đề :

- Cơ sở lý luận dự báo ngắn hạn đa nhân tố trong dự báo ngắn hạn các chỉ tiêu thống kê kinh tế;

- Một số mô hình dự báo ngắn hạn đa nhân tố;

- Điều kiện về số liệu và khả năng áp dụng mô hình dự báo ngắn hạn ở Việt Nam

A Cơ sở lý luận dự báo ngắn hạn đa nhân tố trong dự báo các chỉ tiêu thống kê kinh tế

Trong lịch sử phát triển của các ngành khoa học, ngành Thống kê được phát triển khá sớm, và được ứng dụng ở nhiều lĩnh vực kinh tế, xã hội, khoa học tự nhiên, Trong quá trình phát triển của ngành Thống kê, với sự kết hợp những thành tựu của toán học, các nhà khoa học đã cho ra đời bộ môn Thống

kê toán học (còn gọi là Toán thống kê) Mục tiêu chính của toán thống kê là nghiên cứu vận dụng các công cụ toán học nói chung và bộ môn xác suất nói riêng để lượng hoá các qui luật mang tính đám đông của công tác thống kê Toán thống kê trong kinh tế, còn có tên gọi khá phổ biến là Kinh tế lượng (tiếng Anh là Econometrics, từ ghép của hai từ Economics và Metric) là một môn khoa học lượng hoá các qui luật thống kê kinh tế Bản thân bộ môn này cũng có 2 phần, phần mô hình kinh tế lượng tập trung nghiên cứu các mô hình kinh tế định lượng trên cơ sở các học thuyết kinh tế; phần phương pháp kinh tế lượng đi sâu nghiên cứu các phương pháp thống kê trong kinh tế Hai phần này

có mối quan hệ mật thiết với nhau, song phát triển tương đối độc lập

Bộ môn thống kê kinh tế có chức năng chính là sưu tầm, xử lý và lưu trữ

số liệu kinh tế; từ đó phân tích những qui luật đã hình thành trong quá khứ Với

sự hỗ trợ của Kinh tế lượng, khả năng lượng hoá các qui luật kinh tế, xem xét hiện tại và dự báo tương lai bằng nhiều cách tiếp cận là hiện thực

Khoa học kinh tế đi sâu nghiên cứu các qui luật của hệ thống kinh tế Các chỉ tiêu kinh tế là những đặc trưng của các phần tử trong hệ thống kinh tế

Thông qua việc thực hiện các chỉ tiêu này theo thời gian, người ta thu được các dãy số liệu thống kê Các phương pháp kinh tế lượng cho phép xem xét kiểm định tính chất thống kê của dãy các số liệu; lượng hoá các quan hệ kinh tế - được thể hiện qua các phương trình tương quan; xem xét tính sát thực của các mối quan hệ này Các mối quan hệ định lượng này cho phép phân tích các qui luật kinh tế trong quá khứ, đánh giá hiện trạng và dự báo cho tương lai

Các phương pháp và mô hình kinh tế lượng là những công cụ, trên thực

tế giá trị của các phân tích và dự báo định lượng lại phụ thuộc nhiều vào dãy số liệu thống kê Chất lượng của dãy số liệu thống kê cao hay thấp phụ thuộc vào việc đáp ứng các nguyên tắc sau đây:

- Nguyên tắc khách quan: đòi hỏi các số liệu thống kê phản ánh đúng hiện thực khách quan, tránh tình trạng các số liệu không được thống kê mà chỉ

do một tổ chức hay cá nhân tính ra, đáp ứng mục tiêu chủ quan

- Nguyên tắc đám đông: dãy số liệu thống kê phản ánh được tính qui luật phổ biến của các mối quan hệ kinh tế, muốn vậy dãy phải đủ dài để thông qua

đó các phương pháp thống kê phát hiện được tính qui luật

- Nguyên tắc hệ thống : Các dãy số liệu thống kê của một hệ thống kinh

tế phải tương thích với nhau, phản ánh sự thống nhất giữa các phần tử trong một hệ thống

B Một số mô hình dự báo ngắn hạn đa nhân tố

Mô hình kinh tế lượng được sử dụng nhiều trong dự báo thống kê ngắn hạn khi các điều kiện về số liệu thống kê có được trong một thời gian tương đối dài, đáp ứng các kiểm định thống kê Cơ sở lý thuyết để xây dựng các mô hình kinh tế lượng là các học thuyết kinh tế, nghiên cứu mối quan hệ giữa các chỉ tiêu kinh tế

Mô hình kinh tế lượng đơn giản nhất là một phương trình hồi qui tương quan, có dạng sau đây:

(1) Y = ∑k

1

ai fi(X) + ε

Ở đây Y và X là các chỉ tiêu kinh tế thống kê được; ai là các tham số và fi là hàm số của X; ε là sai số thống kê

Trong trường hợp đặc biệt fi(X) = Xi , i = 0,1, k; X0 = 1; phương trình (1) có dạng

(2) Y = a0 + a1X1 + + akXk

Ở đây Y là chỉ tiêu cần dự báo; X1, , Xk là các yếu tố ảnh hưởng đến Y,

Thông qua các dãy số liệu về Y và Xi (i=1, ,k), người ta ước lượng các tham số ai (i=0,1, ,k) Sử dụng phương trình hồi qui này có thể tính toán các

dự báo về Y cho các năm tiếp theo bằng cách thay các giá trị Xi tươngứng

Trường hợp đặc biệt Xi = ti, t là biến thời gian, ta có phương trình thể hiện xu thế của chỉ tiêu cần dự báo theo thời gian, có dạng một đa thức bậc k sau đây:

(3) Y = a0 + a1t + a2t2 +…+ aktk

Trong trường hợp đơn giản nhất, khi k=1 , ta có một phương trình tuyến tính theo thời gian t, dạng

(4) Y = a0 + a1t

Thông qua các phần mềm thống kê có sẵn, người ta ước lượng hai tham

số ao và a1; Phương trình tuyến tính theo thời gian này cho biết chỉ tiêu cần dự báo đồng biến hoặc nghịch biến theo thời gian (tương ứng với a1> 0 hoặc a1 < 0) Khi thay giá trị t cho thời điểm cần dự báo vào phương trình đã ước lượng, người ta có giá trị dự báo của chỉ tiêu Y

Theo kinh nghiệm số năm dự báo thường nhỏ hơn 1/3 số năm có số liệu thống kê trong quá khứ Để ước lượng các tham số ai (i=0,1, ,k), có thể dùng các phần mềm thống kê như EVIEWS hay EXELS

Mô hình kinh tế lượng dạng tổng quát có thể biểu diễn như sau:

(5) Y = AY + BZ + Å

Ở đây Y là véc tơ m chiều của các biến nội sinh (Y1, Y2, , Ym)’; biến nội sinh là biến được xác định giá trị qua mô hình

A là ma trận bậc m x m

Z là véc tơ l chiều của các biến ngoại sinh (Z1, Z2, , Zl)’; biến ngoại sinh là biến được xác định giá trị ngoài mô hình

B là ma trận bậc m x l

Å là véc tơ sai số ngẫu nhiên

Trong các phương trình của (19) người ta phân ra các phương trình định nghĩa (mô tả các định nghĩa của các mối quan hệ trọng kinh tế) và các phương trình hành vi hay phương trình tương quan (xác định mối tương quan giữa các chỉ tiêu kinh tế)

Thông qua các dãy số thống kê các biến của véc tơ Y , Z tại n thời điểm

t1, t2, …, tn; các giá trị quan sát này được ký hiệu là Y1, Y2, , Yn ; Z1, Z2, , Znngười ta ước lượng các tham số của các phương trình tương quan bằng các phương pháp bình phương tối thiểu, (các phương pháp này đã được chương trình hoá trong một số phần mềm thống kê như EVIEWS, rất tiện dụng) Sau khi kiểm định lại tính sát thực của mô hình và dãy số liệu, người ta tiến hành

dự báo theo hai bước :

- Bước 1 : Xác định các giá trị của biến ngoại sinh tại thời điểm dự báo

- Bước 2 : Thay các giá trị của biến ngoại sinh vào mô hình (5), ta có một hệ phương trình đại số tuyến tính của các biến nội sinh; giải hệ phương trình này, ta có giá trị dự báo của các biến nội sinh

Thí dụ sau đây thể hiện các mối quan hệ giữa một số chỉ tiêu kinh tế phổ biến thể hiện dưới dạng của mô hình (5)

PTĐN (8) mô tả tiêu dùng nội địa bằng tổng tiêu dùng chính phủ và tiêu dùng tư nhân

(9) LOG(CPR) = C(1) + C(2) * LOG(GDPR-GREV/PGDP) + C(3) * LOG(M2(-1) / PGDP(-1)) + C(4) * (T-1996) * (T>=1996) * (T<=2001) + C(5) * (T=2002)

(10) DLOG(IR) = C(1) + C(2) * DLOG(GDPR(-1)) + C(3) * LOG((IR(-1) + IR(-2)) / (GDPR(-1) + GDPR(-2))) + C(4) * DLOG(DCRE/PGDP) + C(5) * (T-1993) * (T>=1986) * (T<=1993) + C(6) * T * (T=1999)

(11) DLOG(XR) = C(1) + C(2) * DLOG(WD) + C(3) * DLOG(PW*ER/PX) + C(4) * LOG(XR(-1)/WD(-1)) + C(5) * LOG(PW(-1) * ER(-1)/PX(-1)) + C(6) * (T-1996) * (T>=1996) + C(7) * (T=1999)

(12) LOG(MR) = C(1) + C(2) * LOG(FDR + 0.7 * XR) + C(3) * LOG(PW * ER/PM) + C(4) * (T=2005)

(13) LOG(GREV) = C(1) + C(2) * LOG(GDP) + C(3) * LOG(M) + C(4) * (T-1986) * (T>=1986) * (T<=1991) + C(5) * (T=1995)

(14) GEXP = GREV + r_def * GDP

PT§N (14) mô tả mối quan hệ giữa thu và chi ngân sách

(15) LOG(DCRE) = C(1) + C(2) * LOG(GDP) + C(3) * (RH-@PCH(PCPI) * 100) + C(4) * (T-1986) * (T>=2000) + C(5) * (T=1988)

(16) LOG(M2) = C(1) + C(2) * LOG(GDP) + C(3) * RH + C(4) * (T=1988) + C(5) * (T-1990) * (T>=1990) * (T<2000)

(17) LOG(PCPI) = C(1) + C(2) * LOG(PM) + C(3) * RH + C(4) * LOG(GDPR) + C(5) * (T-1986) * (T>=1986) * (T<=1991)

(18) DLOG(PGDP) = C(1) + C(2) * DLOG(PCPI) + C(3) * 1)/PCPI(-1)) + C(4) * (T * (T<=2003) + 2003 * (T>2003))

LOG(PGDP(-(19) DLOG(PCP) = C(1) + C(2) * DLOG(PCPI) + C(3) * 1)/PCPI(-1)) + C(5) * (T * (T<=2003) + 2003 * (T>2003))

LOG(PCP(-(20) DLOG(PI) = C(1) + C(2) * DLOG(PGDP) + C(3) * 1))

LOG(PI(-1)/PGDP(-(21) DLOG(PX) = C(1) + C(2) * DLOG(PGDP) + C(3) * DLOG(PW*ER) - 0.6 * (LOG(PX(-1)) - C(4) * LOG(PGDP(-1))-(1-C(4)) * LOG(PW(-1)*ER(-1))) +

STT Tên biến Đơn vị Định nghĩa

1 GDPR tỉ đồng Tổng sản phẩm nội địa, giá cố định

STT Tên biến Đơn vị Định nghĩa

19 EMP ngh.người Tổng cầu lao động của nền kinh tế

26 ER đồng Tỉ giá VND và USD

28 GDP tỉ đồng Tổng sản phẩm nội địa, giá hiện hành

STT Tên biến Đơn vị Định nghĩa

Các phương trình hành vi (20) đến (24); từ (26) đến (32) sau khi được xem xét trong điều kiện của Việt Nam có dạng như sau:

1 Phương trình tiêu dùng tư nhân (9)

Trong mô hình lý thuyết, phương trình tiêu dùng tư nhân có dạng:

CPR(t) = cpr(1) * (GDPR(t)-GREV(t)) + cpr(2) * CPR(t-1) + cpr(3) *

(M2(t)) + cpr(4) * (RH(t)-CPI(t))

- Trong đó:

+ GDPR: Tổng sản phẩm nội địa;

+ CPR: Tiêu dùng tư nhân;

+ GREV: Tổng thu ngân sách;

+ M2: Lượng cung tiền tệ;

+ RH: Lãi suất huy động vốn;

+ CPI: Chỉ số giá tiêu dùng;

Các thử nghiệm ước lượng phương trình này theo mô hình lý thuyết với điều kiện số liệu của Việt nam đã cho thấy chất lượng các chỉ tiêu thống kê không đảm bảo nên dạng của phương trình cần phải được điều chỉnh bằng cách

bỏ bớt một số biến giải thích không có ý nghĩa thống kê như lãi suất huy động vốn RH và chỉ số giá tiêu dùng CPI

2 Phương trình tổng đầu tư của nền kinh tế (10)

Mô hình lý thuyết đã lựa chọn dạng phương trình đầu tư như sau:

IR(t) = ir(1) * GDPR(t-1) + ir(2) * DCRE(t) + ir(3) * LR(t) + ir(4) * CPI(t) + ir(5)

- Trong đó:

+ IR: Tổng đầu tư của nền kinh tế;

+ GDPR(t-1): Biến đại diện cho nhu cầu của thị trường;

+ DCRE: Lượng cung tín dụng nội địa;

+ LR: Lãi suất cho vay;

+ CPI: Chỉ số đại diện cho mức độ ổn định vĩ mô

3 Phương trình xuất khẩu (11)

Dạng của phương trình như sau:

XR (t) = xr(1) * WD(t) + xr(2) * (PGDP(t)/PW(t)) + xr(3)

- Trong đó:

+ XR: Kim ngạch xuất khẩu;

+ WD: Nhu cầu nhập khẩu của các đối tác thương mại;

+ PGDP: Giảm phát GDP đại diện cho giá sản xuất nội địa;

+ PW: Giá cả ở nước ngoài, gọi tắt là giá thế giới

+ FDR: Tổng cầu nội địa;

+ XR: Kim ngạch xuất khẩu;

+ PGDP: Giảm phát GDP đại diện cho giá sản xuất nội địa;

+ PW: Giá thế giới

5 Phương trình tổng cầu tín dụng (15)

Phương trình lý thuyết về tổng cầu tín dụng như sau:

DCRE(t) = cre(1) * GDP + cre(2) * RH + cre(3)

- Trong đó:

+ DCRE: Lượng cầu tín dụng;

+ GDP: Tổng sản phẩm nội địa;

+ RH: Lãi suất huy động vốn;

6 Phương trình về thu ngân sách (13)

Phương trình lý thuyết về thu ngân sách được viết như sau:

GREV = grev(1) * GDP + grev(2) * POIL + grev(3) * M + grev(4)

- Trong đó:

+ GDP: Tổng sản phẩm nội địa;

+ GREV: Tổng thu ngân sách;

+ POIL: Giá dầu thô xuất khẩu;

+ M: Tổng kim ngạch nhập khẩu

7 Phương trình về cầu tiền (16)

Phương trình lý thuyết về hàm cầu tiền tệ như sau:

Trong mô hình lý thuyết, phương trình lạm phát được viết như sau:

CPI(t) = cpi(1) * M2(t) + cpi(2) * PW(t) + cpi(3) * RH(t) + cpi(4) * ER(t) + cpi(5) * GDPR

- Trong đó:

+ M2: Lượng cung tiền;

+ CPI: Tỉ lệ lạm phát;

+ PW: Giá nhập khẩu;

+ RH: Lãi suất huy động vốn;

+ ER: Tỉ giá hối đoái;

+ GDPR: Tổng sản phẩm nội địa

9 Phương trình về giảm phát GDP(18)

Các phương trình được viết như sau:

PGDP(t) = pgdp(1) * CPI(t) + pgdp(2)

- Trong đó:

+ PGDP: Giảm phát GDP;

+ CPI: Chỉ số giá tiêu dùng;

10 Giảm phát tiêu dùng tư nhân (19)

Giảm phát của tiêu dùng tư nhân cũng được giải thích bằng chỉ số giá tiêu dùng (CPI)

PCP(t) = pcp(1) * CPI(t) + pcp(2)

- Trong đó:

+ PCP: Giảm phát tiêu dùng của tư nhân;

+ CPI: Chỉ số giá tiêu dùng;

11 Giảm phát đầu tư (20)

Giảm phát đầu tư được giải thích bằng giảm phát GDP

PI(t) = pi(1) * PGDP(t) + pi(2)

- Trong đó:

+ PI: Giảm phát đầu tư

+ PGDP: Giảm phát GDP

12 Các giảm phát xuất nhập khẩu (21)(22)

Dạng của các phương trình giá xuất nhập khẩu như sau:

+ ER: Tỉ giá hối đoái VND/USD

13 Phương trình giảm phát của tổng cầu (23)

Giảm phát của tổng cầu được giải thích bởi giảm phát GDP Phương trình được viết như sau:

PD(1) = α * PGDP(t) + θ

- Trong đó:

+ PD: Giảm phát của tổng cầu;

+ PGDP: Giảm phát PGDP đại diện cho giá bán ở thị trường nội địa;

14 Phương trình cầu lao động (24)

Cầu lao động trong ngắn hạn phụ thuộc vào tăng trưởng và xu thế tăng lao động của quá khứ Phương trình lý thuyết được biểu diễn như sau:

EMP(t) = emp(1) * GDPR(t) + emp(2) * EMP(t-1)

Để có thông tin tính toán các dự báo, một số biến ngoại sinh sẽ được tính toán trước để làm đầu vào cho mô hình Có nhiều phương pháp để dự kiến giá trị các biến ngoại sinh, trong đó những phương pháp được sử dụng rộng rãi là các mô hình toán học, tham khảo các ý kiến chuyên gia và ngoại suy theo xu

thế Trong đó cách tiến hành theo hai phương pháp đầu thường được ưu tiên

sử dụng Phương pháp thứ ba thường chỉ được sử dụng đối với các biến ngoại sinh không quan trọng

Trong thực tế, phương pháp áp dụng mô hình toán học rất ít được sử dụng ở nước ta vì điều kiện số liệu Việc xây dựng các mô hình để tính toán các biến ngoại sinh rất phức tạp đối với người lập mô hình kinh tế lượng vĩ mô Trong khi ở các nước khác, tồn tại sẵn nhiều mô hình dự báo cho các lĩnh vực khác nhau nên có thể trực tiếp sử dụng kết quả dự báo của các mô hình khác (ví dụ dự báo lãi suất được lấy từ mô hình của Ngân hàng Nhà nước, dự báo dân số và nguồn lao động được lấy từ mô hình dự báo của Bộ Lao động, dự báo giá xuất nhập khẩu được lấy từ mô hình của Bộ Thương mại )

Việc sử dụng phương pháp chuyên gia cũng rất hạn chế vì thông thường kinh phí dành cho mục tiêu xây dựng mô hình đều rất hạn hẹp nên không có đủ kinh phí trả cho các chuyên gia; hơn nữa thông tin dự báo thay đổi rất nhanh nên cần có sự phối hợp rất tốt giữa các chuyên gia và đội ngũ làm mô hình, mà điều này đến nay ở nước ta rất khó thực hiện

Do đặc điểm công tác mô hình hoá kinh tế lượng ở nước ta, các phương pháp thứ hai và thứ ba trong tính toán các biến ngoại sinh cho mô hình có thể kết hợp thực hiện Đối với một số chỉ tiêu quan trọng, nên kết hợp dự báo xu thế với sử dụng ý kiến chuyên gia, trong đó coi trọng ý kiến chuyên gia Đối với các chỉ tiêu khác, có thể chọn kỹ thuật ngoại suy xu thế làm công cụ chính xác định các biến ngoại sinh

Xác định các biến ngoại sinh thuần túy

Trong mô hình có coi một số biến sau đây là biến ngoại sinh thuần tuý (tức là các biến mà khả năng can thiệp của Nhà nước làm thay đổi giá trị của chúng rất thấp): (i) Thay đổi giá nhập khẩu năm sau so với năm trước (PW), tăng trưởng GDP của 22 nước đối tác thương mại chính, sai số trong cân đối sử dụng GDP theo giá cố định (SDR)

Nhìn vào danh sách các biến được coi là ngoại sinh thuần tuý ở trên, có thể thấy phần lớn chúng đều phụ thuộc vào môi trường kinh tế quốc tế, do đó việc

dự báo chúng phải căn cứ vào dự báo biến động của kinh tế thế giới

Xác định các biến ngoại sinh chính sách

Bên cạnh các biến ngoại sinh thuần tuý nêu trên, mô hình còn chứa những biến ngoại sinh chính sách tức là những biến mà Nhà nước có thể can thiệp làm thay đổi giá trị của chúng, từ đó tác động tới các chỉ tiêu kinh tế vĩ

mô khác và toàn nền kinh tế, điều chỉnh nền kinh tế phát triển theo định hướng mong muốn Các biến ngoại sinh chính sách trong mô hình là lãi suất huy động vốn (RH), lãi suất cho vay (RL), tỉ giá hối đoái VND/USD, tỉ lệ thâm hụt ngân sách trên GDP, và rất nhiều các tỉ trọng, tỉ lệ khác,

Tiến hành dự báo

Khâu thực hiện dự báo gồm ba bước cuối của quy trình mô hình hoá: Xây dựng các kịch bản phát triển; sử dụng mô hình để tính giá trị các biến nội sinh; và phân tích kết quả, lựa chọn phương án dự báo hợp lý nhất

Trong phân tích và dự báo, người ta thường xây dựng ba loại kịch bản về khả năng phát triển tương lai của các biến ngoại sinh; gồm kịch bản nền hay kịch bản trung tâm, kịch bản bi quan và kịch bản lạc quan Trong khâu chuẩn

bị thông tin cho quá trình dự báo ở trên, chúng ta đã xác định được giá trị xu thế của tất cả các biến ngoại sinh; tập hợp chúng lại sẽ tạo thành kịch bản cơ bản hay kịch bản trung tâm để dự báo Để xây dựng kịch bản bi quan, điều chỉnh giảm tốc độ tăng trưởng kinh tế thế giới và giảm khả năng thực hiện một

số chính sách kích cung hoặc kích cầu Tương tự, kịch bản lạc quan được xây dựng trên cơ sở môi trường kinh tế quốc tế thuận lợi hơn và chính sách kích cung hoặc cầu được thực hiện theo đúng kế hoạch với hiệu quả cao hơn Những kịch bản này sẽ được đưa vào làm đầu vào dự báo

D Điều kiện về số liệu và khả năng áp dụng mô hình dự báo ngắn hạn đa nhân tố ở Việt Nam

Đối với các dự báo thống kê, mô hình kinh tế lượng là công cụ phù hợp nhất Tuy nhiên, điều kiện Việt Nam, các số liệu còn có một số yếu điểm sau đây:

- Thiếu tính hệ thống: Từ năm 1993, hệ thống thống kê của nước ta chính thức chuyển từ hệ MPS sang hệ SNA Tuy nhiên do mạng lưới thống kê

từ cơ sở vật chất đến đội ngũ cán bộ vẫn dựa trên nền tảng sẵn có nên trong thực tế các chỉ tiêu thống kê kinh tế không được điều tra một cách hệ thống

Một số chỉ tiêu không được thống kê thường xuyên, một số lại được những cơ quan khác nhau tiến hành công tác thống kê Do vậy toàn bộ các số liệu thông

kê hiện có thiếu đi tính chất hệ thống Một số chỉ tiêu ít được công bố

- Thiếu tính tương thích: Sự tương thích giữa các chỉ tiêu thống kê nhiều khi không được đảm bảo, do vậy khi sử dụng các mối quan hệ kinh tế để kiểm tra các số liệu, thường không đảm bảo các cân đối Trong mô hình kinh tế lượng, các phương trình định nghĩa thường không đảm bảo khi thay các số liệu thống kê quá khứ

- Độ dài của các chuỗi thời gian bị giới hạn: Thực tế từ 1993 đến nay, chiều dài của chuỗi thời gian chỉ có 13 năm Tổng cục thống kê đã tính toán thêm số liệu một số chỉ tiêu từ năm 1986 (như vậy khoảng được 20 năm) Tuy nhiên giữa các dãy số liệu nhiều khi không đồng bộ, điều này ảnh hưởng nhiều đến việc xử lý số liệu xây dựng mô hình kinh tế lượng

Các yếu điểm nêu trên về mặt số liệu là tình trạng chung ở các nước đang phát triển ảnh hưởng nhiều đến chất lượng dự báo bằng mô hình kinh tế lượng Khó khăn này lại càng trầm trọng hơn ở các nước có nền kinh tế chuyển đổi như Việt Nam Để khắc phục tình trạng này, người ta có ba cách cơ bản sau đây:

a- Sản xuất ra những dãy số liệu hợp lý: Cách làm này trên thực tế đã

được Tổng cục thống kê tiến hành trong thời gian vừa qua Đến trước năm

1993, Việt Nam chỉ có số liệu thống kê theo hệ MPS Bắt đầu từ 1993 hệ SNA mới chính thức được sử dụng ở các cơ quan nhà nước Để tạo điều kiện cho công tác nghiên cứu kinh tế, Tổng cục thống kê đã tính toán và công bố chính thức các số liệu kinh tế theo SNA cho thời kỳ từ 1996 (năm bắt đầu có chủ trương đổi mới) Các số liệu cho những năm này được xem xét từ nhiều giác

độ khác nhau, từ việc so sánh với các chỉ tiêu tương ứng của hệ MPS, so sánh quốc tế, tham khảo ý kiến chuyên gia

b- So sánh số liệu quốc tế: Đây cũng là một cách mà các chuyên gia

quốc tế khi xử lý số liệu của các nước đang phát triển hay dùng với cả hai mục tiêu: hiệu chỉnh lại những số liệu đã có nhưng kém chính xác hoặc không phù hợp và xây dựng những số liệu mới Tùy theo ý nghĩa mà người ta có thể lấy một nước hay trung bình nhiều nước làm khuôn mẫu so sánh Cũng cần lưu ý

rằng, phương pháp so sánh quốc tế không chỉ để phân tích số liệu quá khứ mà còn để xem xét động thái và xu thế trong tương lai Có thể đơn cử một vài khía cạnh so sánh quốc tế đã được sử dụng:

- Một số quan hệ tỷ lệ vĩ mô: Đầu tư/GDP, tích luỹ/GDP, hàm lượng vốn

và lao động trong một đơn vị giá trị gia tăng, hệ số ICOR, TFP, cơ cấu của các ngành, năng suất lao động

- Hỗ trợ cho việc xây dựng mô hình: Trong trường hợp không đủ số liệu

để xây dựng mô hình, người ta có thể sử dụng số liệu trung bình của các nước đang phát triển thậm chí sử dụng các tham số đã dùng ở các nước đang phát triển cho mô hình của Việt Nam

- So sánh về động thái, hành vi và xu thế của các quá trình kinh tế, so sánh sự tương tác giữa các yếu tố kinh tế,

c- Kỹ thuật Proxy: là một công cụ hay được sử dụng nhằm khắc phục

việc thiếu các chuỗi thời gian để phân tích kinh tế Ý tưởng chính của kỹ thuật này là dùng một dãy số liệu tương tự thay thế cho dãy số liệu không có Dãy số liệu được lựa chọn thay thế này phải không làm sai lệch ý nghĩa kinh tế của mô hình và có động thái tương tự như dãy số liệu bị khiếm khuyết

Hiện nay có rất nhiều cơ quan nghiên cứu xây dựng các mô hình kinh tế lượng để phân tích và dự báo kinh tế Một số đơn vị của Tổng cục Thống kê hiện đang hợp tác với các cơ sở của Pháp (trong khuôn khổ Diễn đàn Việt – Pháp) để kết hợp việc xây dựng mô hình kinh tế và hoàn thiện hệ thống thống

kê Nhu cầu khách quan đặt ra là sự hợp tác giữa các đơn vị này để có được một cơ sở dữ liệu chuyên dụng đủ tốt cho việc xây dựng các mô hình kinh tế lượng ở Việt Nam

Do điều kiện số liệu còn nhiều bất cập nên ở đề tài này không sử dụng

mô hình dự báo đa nhân tố để thử nghiệm dự báo Đề tài chỉ sử dụng phương pháp dãy số thời gian để tiến hành thử nghiệm dự báo cho một số chỉ tiêu thống kê cơ bản

2.4 Mô hình dự báo theo dãy số thời gian

Phương pháp dự báo theo dãy số thời gian dựa vào việc nghiên cứu quy luật phát triển của hiện tượng theo thời gian rồi sử dụng chuỗi số liệu phản ánh sự phát triển này để thể hiện và dự báo Để mô tả quy luật phát triển theo thời gian của hiện tượng được nghiên cứu, người ta sử dụng các hàm số toán học thích hợp và dựa vào số liệu phản ánh sự biến động theo thời gian của hiện tượng để ước lượng các thông số của nó sau đó kiểm định và dự báo nếu hàm

số được chọn phù hợp Hàm số được xác định các thông số được gọi là mô hình dự báo theo dãy số thời gian

Thông thường, phương pháp hay được sử dụng để dự báo ngắn hạn (dự báo cho tháng, quý và cho một hoặc hai năm) là mô hình dự báo theo dãy số thời gian Dưới đây trình bày cơ sở phương pháp luận và một số mô hình hay được sử dụng trong quá trình dự báo theo dãy số thời gian

Mô hình và giả thiết của dự báo

Giả sử có dãy số liệu động thái phản ánh sự phát triển theo thời gian của một chỉ tiêu kinh tế nào đó, ký hiệu nó như sau:

(30) { }n

t t

x =1, trong đó x ký hiệu chỉ tiêu thống kê, t biểu thị thời gian, còn

n chỉ độ dài của dãy số này; t chạy từ 1 đến n

Dãy số liệu này được coi là sự thể hiện của một quá trình ngẫu nhiên, ví

dụ Xt, nào đó Quá trình này một mặt phụ thuộc vào yếu tố (biến) thời gian t, một mặt chịu sự chi phối của ba thành phần là: thành phần khuynh hướng f(t), thành phần biến động thời vụ ϕ(t) và thành phần ngẫu nhiên z(t) Giữa ba thành phần này có mối quan hệ cộng tính hoặc nhân tính

Thành phần khuynh hướng f(t) về mặt bản chất nó do nội lực của hiện

tượng được nghiên cứu tác thành Nó phát triển một cách có hệ thống và theo một quy luật nhất định tùy theo điều kiện nội và ngoại cảnh quyết định

Thành phần biến động thời vụ ϕ(t) được giả thiết là phát triển có hệ thống và theo một chu kỳ k nhất định Điều đấy có nghĩa là cứ sau khoảng k thời gian hiện tượng lại được lặp lại: ϕ(t)= ϕ(t+mk), trong đó k được gọi là chu kỳ dao động mùa vụ

Thành phần ngẫu nhiên z(t) là thành phần phản ánh sự tác động của

các yếu tố ngẫu nhiên lên sự phát triển của hiện tượng được nghiên cứu Ví dụ,

sự cố đột nhiên mất điện hoặc đột nhiên có bão làm ảnh hưởng tới sản xuất,

Thành phần ngẫu nhiên có đặc trưng sau:

+ Có kỳ vọng toán bằng 0: E(z(t))=0

+ Không phụ thuộc vào biến thời gian t

Với các điều kiện trên có:

A Tách thành phần khuynh hướng và dự báo theo phương pháp xấp

xỉ đoạn (Gia Quyền Điều Hoà – GQĐH)

Có nhiều phương pháp để tách thành phần khuynh hướng ra khỏi dãy số

động thái Ở đây chúng tôi sẽ giới thiệu phương pháp tách thành phần

khuynh hướng bằng phương pháp xấp xỉ đoạn Nội dung của phương pháp

như sau:

Ở phương pháp này người ta coi mỗi giá trị của thành phần khuynh hướng là một đại lượng ngẫu nhiên Nó được xác định bằng một phương trình đường thẳng mà mỗi thông số của phương trình đường thẳng này lại là một đại lượng phụ thuộc vào thời gian t Phương trình mô tả giá trị của từng điểm của khuynh hướng có dạng:

(34) P it =a i t+b i , với i= 1,2,…,n-K+1, t=1,2,…,n Công thức (34) biểu thị các đoạn gấp khúc của đường khuynh hướng Có

nhiều phương pháp để ước lượng các thông số ai và bi của các phương trình

này Ở đây giới thiệu cách ước lượng các thông số a và b bằng phương pháp

i i i

t t

X X a

m

với ∀ (t> t−i ) và m là số lượng t

Khi đã có các thông số của các đoạn thẳng ta ước lượng thông số của từng thời điểm t Do số liệu ở từng thời kỳ (điểm) của dãy số thời gian tham gia vào mô tả các đoạn thẳng khác nhau nên việc tính các thông số của phương trình mô tả các sự biến động của dãy số thời gian ở từng thời kỳ (điểm) sẽ được tính dựa vào số lần tham gia vào mô tả các đoạn thẳng khác nhau Công thức tính

−

+

− +

, , 2

;

1 1

1 , ,

1

;

1

, , 2 , 1

;

1

K n K t i i

t K t

t i i

t

n K

n t a t

n

K n K

t a K

K t

a t a

−

+

− +

, , 2

;

1 1

1 , ,

1

;

1

, , 2 , 1

;

1

K n K t i i

t K t i i

t

i i t

n K

n t b t

n

K n K

t b K

K t

b t b

Ước lượng giá trị khuynh hướng từng thời điểm t

Các giá trị khuynh hướng ở từng thời điểm t được ước lượng dựa vào công thức:

(38) P∧t =a−t t+b−t , với t= 1,2,…,n

Thành phần khuynh hướng tách được sẽ là cơ sở để dự báo sự phát triển của hiện tượng được nghiên cứu ở phương pháp dự báo gia quyền điều hoà và mức độ gia tăng của thành phần khuynh hướng là thành tố quan trọng xác định mức độ gia tăng của nó trong tương lai

B Tách thành phần khuynh hướng và dự báo bằng phương pháp san

số mũ

Trong dự báo theo dãy số thời gian, thông thường người ta đi xác định dạng của thành phần khuynh hướng Trong thực tế, rất khó xác định dạng của hàm mô tả khuynh hướng của hiện tượng được nghiên cứu, vì vậy thường người ta sử dụng đa thức bậc p để mô tả sự biến động của nó Đa thức bậc p có đặc điểm là mô tả rất uyển chuyển sự biến động "thất thường" của hiện tượng nghiên cứu Theo quan điểm này mô hình khuynh hướng có dạng:

3

2 2 1

Mô hình sử dụng trong phương pháp san số mũ

Do ở phương pháp san số mũ cho phép các thông số của đa thức dự báo thay đổi theo thời gian nên mô hình (39) được thay bằng mô hình sau:

3

2 2 1

pt t

t t t

Mô hình (41) khác với mô hình (39) ở chỗ là các thông số có thêm chỉ

số t để biểu thị là chúng thay đổi theo thời gian

Trong phương pháp san số mũ, dự báo được tiến hành theo một phương pháp đặc biệt do vậy người ta biểu diễn mô hình (41) ở dạng:

!

1

! 3

1

! 2

3

2 2 1

p t

a t

a t a a

pt t

t t

t

Trong đó, λ0t =a0t, λ1t =a1t, 2t a2t

! 2

it i i

( , ở đây (i) biểu thị vi phân bậc i

C Tách thành phần khuynh hướng và dự báo bằng phương pháp tự hồi quy

Để định nghĩa mô hình AR phải xuất phát từ phương trình (34) và lưu ý luôn phải thoả mãn điều kiện µ = 0 (hay µ’ = 0), điều này có nghĩa các mức ý nghĩa của chuỗi thời gian được biểu diễn là các sai lệch so với giá trị trung bình

Khi p trọng số đầu tiên trong phương trình (34) khác 0 còn tất cả các trọng số còn lại trong mô hình bằng 0 thì Box-Jenkins gọi đó là quá trình tự hồi quy bậc p, được ký hiệu AR(p) tại thời điểm t

Xt = b1Xt-1 + b2Xt-2 + b3Xt-3 + … + bpXt-p + Ut

D Tách thành phần mùa vụ

Sau khi đã ước lượng được giá trị khuynh hướng ta tiến hành tách thành phần mùa vụ Để việc tính toán sau này được thuận tiện, chúng tôi tách thành phần mùa vụ theo dạng chỉ số Cách làm đó như sau:

Đầu tiên tính tỷ số (M) giữa giá thực tế và giá trị khuynh hướng đã tách được:

(43)

t

j t j t

P

x

M = ∧ , với t= 1,2,…,n; j=1, 2, ,k và k là số thời vụ

E Các giả thiết cơ bản của dự báo

Khi tiến hành dự báo, thường xuất hiện các tình huống sau:

a) Trong thời gian từ t đến t+τ (thời kỳ dự báo), các hệ số của mô hình

dự báo thay đổi

b) Trong thời gian từ t đến t+τ, bậc của đa thức thay đổi, và

c) Phương sai của thành phần ngẫu nhiên là một hàm tăng theo thời gian d) Chu kỳ biến động thời vụ không thay đổi theo thời gian

Trường hợp a) và b) dẫn chúng ta đến tình huống là các giá trị dự báo sẽ không được xác định bằng kỳ vọng toán của biến được dự báo Và như vậy dự báo của chúng ta là dự báo chệch

Trong trường hợp thành phần ngẫu nhiên là một hàm tăng theo thời gian,

dự báo vẫn cho kết quả không chệch song lại mắc sai số hệ thống Điều này làm cho hiệu quả dự báo giảm đi đáng kể

Thông thường khi tiến hành dự báo, người ta giả thiết rằng các trường

hợp a), b), c) không xảy ra Các giả thiết như vậy được gọi là các giả thiết cơ

bản của dự báo

PHẦN HAI LỰA CHỌN MỘT SỐ CHỈ TIÊU KINH TẾ VÀ PHƯƠNG PHÁP DỰ

BÁO NGẮN HẠN

I XÁC ĐỊNH, LỰA CHỌN MỘT SỐ CHỈ TIÊU THỐNG KÊ CHỦ YẾU ĐỂ

DỰ BÁO NGẮN HẠN

1.1 Nguyên tắc xác định các chỉ tiêu cần dự báo

Thông thường các nhà quản lý muốn biết trước cái gì sẽ xảy ra cho tất cả

các chỉ tiêu thống kê kinh tế, xã hội Tuy nhiên, trong thực tế việc làm này

không dễ dàng, bởi các nguyên nhân sau đây:

+ Không thể nắm bắt được quy luật của tất cả các hiện tượng, vì vậy đối

với các hiện tượng không nắm được quy luật phát triển của nó ta không thể dự

báo khả năng và mức độ xảy ra của nó trong tương lai;

+ Nhiều hiện tượng ta không lưu trữ được thông tin về chúng trong quá

khứ và hiện tại, vì vậy không có cơ sở thông tin để phân tích, tìm hiểu quy luật

phát triển của chúng để mà dự báo;

+ Nhiều hiện tượng lưu trữ được thông tin nhưng lại không đủ nhiều để

cho phép nghiên cứu và rút ra được các kết luận thống kê từ đó tiến hành dự

báo

+ Nhiều hiện tượng xảy ra rất thất thường nên không thể tìm ra quy luật

phát triển của nó để mà dự báo

+ Khối lượng công việc cần tiến hành trong quá trình dự báo rất lớn nên

không thể tiến hành dự báo cho tất cả các hiện tượng kinh tế, xã hội được

Lý luận và thực tiễn cho thấy khi tiến hành lựa chọn các chỉ tiêu để dự

báo cần theo các nguyên tắc sau đây:

a Các chỉ tiêu được chọn phải là các chỉ tiêu quan trọng, cần thiết cho

chỉ đạo tác nghiệp của các cơ quan của Đảng và Nhà nước cũng như các bộ,

các ngành

Nguyên tắc này được đặt ra nhằm hạn chế lựa chọn các chỉ tiêu để dự

báo tràn lan làm ảnh hưởng tới công tác dự báo chung

b Các chỉ tiêu được chọn để dự báo phải có đủ thông tin thống kê đáng tin cậy để việc dự báo được tiến hành có hiệu quả Nguyên tắc này được đặt ra nhằm loại bỏ các chỉ tiêu thống kê có số liệu rời rạc, được thu thập thiếu hệ thống và có chất lượng thông tin thấp

1.2 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 cần phải 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 (reference period) phải đồng nhất, ví dụ số liệu được tổng hợp theo năm, vậy tất cả các số liệu tham gia vào quá trình dự báo phải là số liệu năm Nếu số liệu là số liệu quý, vậy tất cả các số liệu đều phải là

số liệu bị ngắt quãng cũng không thể phát hiện được một cách sát thực xu thế phát triển 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 Ví dụ, thực chất chỉ tiêu X nào đó (chỉ tiêu cần dự báo) đạt mức at ở thời kỳ t vậy nó phải được ghi nhận là at chứ không thể mô-đi-phê thành mức

bt theo ý chủ quan của ai đó 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

1.3 Khảo sát các dãy số liệu phục vụ dự báo

Trong đời sống kinh tế, xã hội có nhiều lĩnh vực Đảng và Nhà nước quan tâm Ở đây chỉ hạn chế ở lĩnh vực dự báo kinh tế, vì vậy khi khảo sát thông tin nhằm lựa chọn các chỉ tiêu để tiến hành dự báo chỉ dừng lại ở các chỉ tiêu thống kê phản ánh các quá trình kinh tế Trên bình diện kinh tế, các chỉ tiêu thống kê được phân ra thành các lĩnh vực sau:

+ Lĩnh vực thống kê kinh tế tổng hợp;

+ Lĩnh vực thống kê công nghiệp và xây dựng;

+ Lĩnh vực thống kê nông, lâm nghiệp và thủy sản;

+ Lĩnh vực thống kê thương mại, dịch vụ và giá cả

Trong mục II sẽ tiến hành khảo sát điều kiện thông tin của các lĩnh vực này

Dự báo ngắn hạn được hiểu chủ yếu theo một trong hai nghĩa sau:

+ Dự báo kết quả đạt được của một chỉ tiêu kinh tế nào đó của một hoặc hai năm tiếp theo (dự báo năm);

+ Dự báo kết quả đạt được của một chỉ tiêu kinh tế nào đó ở các quý, tháng, tiếp theo (dự báo quý, tháng, )

Để dự báo năm cần có số liệu phản ánh kết quả đạt được của chỉ tiêu ở các năm, còn để dự báo cho quý, tháng, cần có số liệu phản ánh kết quả đạt được của chỉ tiêu ở các quý, tháng,

Trong lĩnh vực kinh tế tổng hợp Nhà nước quan tâm đến nhiều chỉ tiêu thống kê khác nhau Các chỉ tiêu này thường được chia ra theo các nhóm như:

+ Các chỉ tiêu phản ánh kết quả sản xuất;

+ Các chỉ tiêu phản ánh đầu vào;

+ Các chỉ tiêu phản ánh về lực lượng lao động; và

+ Các chỉ tiêu phản ánh về thu, chi ngân sách

Ở từng nhóm chỉ tiêu này lại có những chỉ tiêu được quan tâm khác nhau cần được lựa chọn trong quá trình tiến hành dự báo

Đối với các nhóm chỉ tiêu trên các cơ quan Nhà nước thường quan tâm tới kết quả đạt được ở từng năm, do vậy Tổng cục Thống kê cũng thường tổng hợp số liệu cho các nhóm chỉ tiêu này theo năm Với nhu cầu và điều kiện như vậy dự báo ngắn hạn ở đây là dự báo kết quả đạt được của các chỉ tiêu kinh tế cho một tới hai năm tới

Để phục vụ cho công tác dự báo, dưới đây là kết quả khảo sát nguồn thông tin của các nhóm chỉ tiêu đó được nêu ở trên

A Lĩnh vực thống kê kinh tế tổng hợp

A.1 Các chỉ tiêu phản ánh kết quả sản xuất

Trong nhóm chỉ tiêu phản ánh kết quả sản xuất có hai chỉ tiêu được quan tâm đặc biệt, đó là:

1) Tổng giá trị sản xuất: Đây là chỉ tiêu kinh tế tổng hợp phản ánh toàn

bộ giá trị của sản phẩm vật chất và dịch vụ được sản xuất ra trong một thời kỳ nhất định

Nhìn chung các nhà quản lý rất muốn biết trước giá trị của chỉ tiêu này theo quý, thậm chí theo cả tháng Tuy nhiên, hiện nay do hạn chế về nhân lực

và tiền tài nên chỉ tiêu này chỉ được tổng hợp theo năm Vì vậy, cũng chỉ có thể

dự báo độ lớn của nó theo năm

2) Tổng sản phẩm trong nước (GDP): Là chỉ tiêu kinh tế tổng hợp phản

ánh giá trị mới của hàng hoá và dịch vụ được toàn bộ nền kinh tế tạo ra trong một thời kỳ nhất định

Chỉ tiêu GDP là một chỉ tiêu rất quan trọng của một quốc gia Nó phản ánh thực trạng phát triển kinh tế của một quốc gia Mặt khác nó cũng cho thấy tiềm lực của nền kinh tế của đất nước Với lý do như vậy nó là một chỉ báo quan trọng của nền kinh tế Vì vậy các nhà quản lý luôn luôn muốn biết hiện tại

và tương lai phát triển của nó như thế nào Hơn thế nữa, họ còn muốn biết giá trị GDP theo quý Thực tế nhiều nước như Thái lan, In đô nê xia, đó tính chỉ tiêu này hàng quý Ở nước ta chỉ tiêu này hiện nay cũng được tính toán cho quý

và cho năm theo hai loại giá thực tế và so sánh (giá cố định năm 1994)

Chỉ tiêu GDP năm được phân tổ chi tiết theo thành phần kinh tế, theo khu vực và ngành kinh tế Với thực tế số liệu như vậy có thể tiến hành dự báo năm và quý cho chỉ tiêu này

A.2 Các chỉ tiêu phản ánh kết quả huy động đầu vào

Đầu vào của quá trình sản xuất ở cấp vĩ mô được quan tâm nhiều nhất chính là vốn đầu tư và tích lũy tài sản Vốn đầu tư và tích lũy tài sản càng lớn, khả năng tăng GDP càng cao Với lý do đó hai chỉ tiêu này thường được các nhà quản lý quan tâm và mong biết trước xu thế phát triển của chúng Tức là muốn biết giá trị dự báo của chúng trong tương lai

1) Vốn đầu tư: Là chỉ tiêu phản ánh toàn bộ chi tiêu để làm tăng hoặc

duy trì tài sản vật chất trong một thời kỳ nhất định

Hiện nay chỉ tiêu này được tính theo hai loại giá là giá thực tế và giá so sánh Nó cũng được tổng hợp theo các phân tổ chính là theo thành phần kinh

tế, theo khu vực và ngành kinh tế

Từ năm 1986 trở lại đây vốn đầu tư được tổng hợp liên tục hàng năm Tuy nhiên, việc tổng hợp chỉ tiêu này theo quý hiện vẫn còn bị hạn chế Từ năm 1995 trở lại đây, vốn đầu tư được tổng hợp theo ngành, như vậy có cơ sở

để dự báo ngắn hạn cho chỉ tiêu này

2) Tích luỹ tài sản: Là chỉ tiêu kinh tế tổng hợp phản ánh chi tiêu cho

đầu tư tài sản cố định, đầu tư tài sản lưu động và đầu tư tài sản quý hiếm trong một thời kỳ nhất định

Hiện nay chỉ tiêu Tích luỹ tài sản được tính toán hàng năm và theo 2 loại giá, có phân tổ theo loại tài sản Số liệu về chỉ tiêu này có được từ năm 1986 trở lại đây Đây là điều kiện tốt để tiến hành dự báo ngắn hạn theo năm cho nó

A.3 Các chỉ tiêu phản ánh về lao động

Lao động là một trong hai yếu tố quan trọng nhất của một nền kinh tế

Số lượng, chất lượng (thể hiện qua trình độ học vấn, trình độ tay nghề của lao động) và sự phân bố của lao động có ảnh hưởng rất lớn tới kết quả sản xuất của nền kinh tế Vì vậy, biết trước được quy mô, chất lượng và sự phân bố của nó

là một điều mong muốn của các nhà quản lý Các chỉ tiêu về lao động hiện nay