Các phương pháp và mô hình dự báo kinh tế xã hội

Các phương pháp và mô hình dự báo kinh tế xã hội

Các PP & MH DB KT - XH NHÓM 4 1

BÀI THẢO LUẬN CÁC PP VÀ MH DỰ BÁO KT-XH

Đề tài: Dùng pp san mũ để dự báo một ….

Nhóm thực hiện: Nhóm 4

Mục lục:

A: Lý thuyết

1 Phương pháp san mũ đơn giản

2 San mũ Holt

3 San mũ Holt –winter

B: Ứng dụng của phương pháp san mũ vào thực tiễn dự

báo bằng –Eviews

Ví dụ 1

Ví dụ 2

NHÓM 4 3 Các PP & MH DB KT - XH

A: Lý thuyết

1 Phương pháp san mũ đơn giản

 Điều kiện áp dụng : Đối với dãy số thời gian không

có xu thế và không có biến động thời vụ rõ rệt

 Công thức San mũ đơn giản là

^ )

1 (

^

Y t   t    t



Y^t+1:Là giá trị dự đoán ở thời điểm (t+1)

Y^t: là giá trị dự đoán ở thời điểm t

Yt: giá trị quan sát được ở thời điểm dự báo

1( L 1 T 1Y

Lt   t    t  t

NHÓM 4 5 Các PP & MH DB KT - XH

Lt: Giá trị san mũ mới ở thời điểm t

Yt : giá trị quan sát ở thời điểm t

α : hệ số san mũ của giá trị trung bình (0<α<1)α<α<1)1)

T : giá trị ước lượng xu thế

Ước lượng xu thế độ dốc

Tt : Giá trị ước lượng xu thế

Lt : giá trị san mũ mới

β: hệ số san mũ của giá trị xu thế (0<β<1)

T L

 Dự báo p trong giai đoạn trong tương lai

T : giá trị ước lượng xu thế

L: giá trị san mũ mới

3: San mũ Holt –winter

liệu có chứa yếu tố mùa.

thuộc dạng cộng tính hoặc nhân tính.

NHÓM 4 7 Các PP & MH DB KT - XH

 Ước lượng giá trị trung bình hiên tại

Lt: giá trị san mũ mới ở thời điểm t

Yt: giá trị quan sát ở thời điểm t

α: hệ số san mũ của giá trị trung bình(0<α<1)

Tt: giá trị ước lượng xu thế

St-1: giá trị ước lượng của chỉ số mùa với độ dài s

 Ước lượng xu thế độ dốc

) )(

Tt: giá trị ước lượng xu thế

Lt: giá trị san mũ mới

β:hệ số san mũ của giá trị xu thế (0<α<1)β<α<1)1)

 Ước lượng giá trị chỉ số mùa

- St: giá trị ước lượng của chỉ số mùa

- Lt: giá trị san mũ mới

- Yt: giá trị quan sát tại thời điểm t

- γ: hệ số san mũ của chỉ số mùa

s

t t

t

L Y

S  (1 ) 

NHÓM 4 9 Các PP & MH DB KT - XH

Y^t+p: giá trị dự báo ở thời điểm t+p

Tt: giá trị ước lượng xu thế

Lt: giá trị san mũ mới

St: giá trị ước lượng chỉ số mùa

p s t t

t p

Y ^  (  )  

B:Ứng dụng của phương pháp san mũ vào thực tiễn

dự báo bằng -Eviews

Ví dụ 1: Lượt khách du lịch từ nước ngoài đến Việt Nam

theo quý từ năm 2005 đến 2009 có số liệu như sau: (đơn vị: nghìn lượt )

NHÓM 4 11 Các PP & MH DB KT - XH

1 Phương pháp san mũ đơn giản

 Các bước thực hành trên Eviews:

 Bước 1: Tạo 1 file làm việc mới: Từ menu chính chọn

File/New/Workfile

- Vào Name và đặt tên cho số liệu

 Bước 3: Vào Quick / Series Statitic / Exponential

Smoothing.

- Trong ô Series Name nhập tên biến vào: Y, nhấn OK.

- Sau đó, xuất hiện hộp thoại Exponential Smoothing, ta

chọn Single, OK.

- Eviews tự tạo một biến dự báo tên ysm như sau:

NHÓM 4 13 Các PP & MH DB KT - XH

Sau khi nhấn OK Eveiws tự tạo một biến dự báo ysm như sau:

NHÓM 4 15 Các PP & MH DB KT - XH

 Nhìn vào bảng trên ta thấy hệ số anpha tối ưu mà

NHÓM 4 17 Các PP & MH DB KT - XH

Với hệ số anpha là 0.192 ta có bảng số liệu dự báo

như sau:

Năm Quý

2 Phương pháp san mũ Holt

 Các bước 1 và 2 làm như ở phương pháp san mũ

 Sau đó, xuất hiện hộp thoại Exponential

Smoothing, ta chọn Holt – winters – No seasonal

NHÓM 4 19 Các PP & MH DB KT - XH

Sau khi nhấn OK Eviews tạo một biến dự báo như sau:

NHÓM 4 21 Các PP & MH DB KT - XH

Bước 4: Vẽ đồ thị

Từ cửa sổ làm việc của Eviews chọn Quick/ Graph, sau đó nhập

tên biến cần vẽ đồ thị ta được đồ thị như hình sau:

 Hệ số beta tìm được rất nhỏ gần bằng 0 nên không có giá trị

xu thế, dự báo lượng khách du lịch trong các quý năm 2010 là;

3 Phương pháp san mũ Holt – Winter

 Sau khi đã nhập số liệu từ bàn phím vào, bước tiếp theo ta

làm như sau:

NHÓM 4 23 Các PP & MH DB KT - XH

Trong phần Smothing method trọn Holt – Winters –

Multiplicative, nhấn OK ta được bảng sau:

NHÓM 4 25 Các PP & MH DB KT - XH

Bước 5: Vẽ đồ thị: chọn Quick/ Graph, nhập tên biến y

và ysm_hw vào ô Series list Nhấn OK chọn đường vẽ

đồ thị ta được đồ thị như sau:

 Kết quả mà Eviews dự báo các quý năm 2010 như sau:

NHÓM 4 27 Các PP & MH DB KT - XH

Ví dụ 2: Khối lượng hành khách vận chuyển theo

đường hàng không có số liệu như sau:

NHÓM 4 29 Các PP & MH DB KT - XH

 San mũ đơn giản

Bước 2 : Nhập số liệu từ bàn phím

 Từ cửa sổ chính của Eviews, chọn Quick/Empty

Group ( Edit Series)

 Nhấn mũi tên lên của bàn phím để nhập tên biến vào hàng thứ nhất: Y

 Vào Quick / Empty group => xuất hiện bảng nhập

số liệu

 Ta nhập số liệu cho các năm từ năm 1995 đến 2009

NHÓM 4 31 Các PP & MH DB KT - XH

Bước 3 : Vào Quick /Series statisics /Emponential smoothing

 Xuất hiện hộp thoại Series Namea nhập tên biến cần dự báo vào ô Series name: Nhập tên biến cần dự báo (Y)

Bước 4 : sau khi chọn OK

 Sau khi nhấn OK Eviews tự tạo biến dự báo ysm, và anpha

tối ưu mà eviews tính được là: 0.9990

NHÓM 4 33 Các PP & MH DB KT - XH

Bước 5 : vẽ đồ thị với Y và YSM bằng cách chọn Quick / Graph

và nhập tên biến Y Và YSM vào ta có đồ thị dạng:

 Theo Eviews dự báo ta có kết quả như sau:

NHÓM 4 35 Các PP & MH DB KT - XH

2 San mũ Holt

thoại

Ta đặt tên cho biến dự báo trong ô Smoothed series là ysm_h (mặc định Eviews luôn đặt là ysm) Sau khi nhấn OK Eviews tạo

ra bảng dự báo như sau:

NHÓM 4 37 Các PP & MH DB KT - XH

Bước 5 : Vẽ đồ thị với Y và ysm_h bằng cách chọn Quick

/Graph và nhập tên biến y và ysm_h vào ta có đồ thị :

 Bằng phương pháp san mũ holt ta được kết quả Eviews dự báo như sau:

NHÓM 4 39 Các PP & MH DB KT - XH

3 San mũ winter

 Các bước trên giống như san mũ đơn giản và

san mũ Holt

 Nếu làm với mô hình nhân tính thì: trong

hộp thoại: Exponential Smoothing chọn

Holt winter –Multiplicative => OK

NHÓM 4 41 Các PP & MH DB KT - XH

C Kết luận

 Tùy từng số liệu cụ thể mà ta lựa chọn làm theo

phương pháp nào cho phù hợp và kết quả dự báo

mang lại ít sai số:

 San mũ đơn giản: áp dụng với những số liệu không

có xu thế và không có biến động thời vụ rõ rệt

 Anpha lớn phù hợp số liệu không có tính ổn định

cao và ngược lại

 San mũ Holt: thường được áp dụng với những số

liệu có xu thế và không có tính thời vụ

 Còn với phương pháp san mũ Holt – Winter:

thường được áp dụng cho những số liệu có tính chất mùa vụ

 Đối với 2 ví dụ trên:

 Ví dụ 1: Số liệu có tính mùa vụ nên ta dùng phương pháp san mũ Holt-Winter để dự báo sẽ mang lại kết quả dự báo chính xác hơn 2 phương pháp kia

 Ví dụ 2: bộ số liệu có tính chất xu thế nên ta nên

dùng phương pháp san mũ Holt là hợp lý nhất

NHÓM 4 43 Các PP & MH DB KT - XH

người ta còn đánh giá thông qua tham số: Root Mean

Squared Error (RMSE) Với cùng một bộ số liệu

RMSE của phương pháp nào nhỏ hơn thì độ chính xác

của phương pháp đó mang lại độ chính xác cao hơn

 Xét ví dụ 1:

SM đơn

RMSE 104521.2 101591.3 66146.02

 Như vậy ta thấy: Ở ví dụ 1 RMSE của phương pháp

san mũ Holt- Winter là bé nhất nên với bộ số liệu như ở

ví dụ 1 thì ta nên chọn phương pháp san mũ Holt –

NHÓM 4 45 Các PP & MH DB KT - XH

 Còn đối với ví dụ 2, RMSE của phương pháp dự báo

san mũ Holt là thấp nhất nên với bộ số liệu như ở ví

dụ 2 ta nên lựa chọn phương pháp san mũ Holt để

mang lại kết quả chính xác hơn