Tìm hiểu về doanh thu hành khách miles cho US air carrier trong nước và quốc tế, theo lich trình hành khách chuyến bay giai đoạn từ tháng 012000 đến 52016, xây dựng mô hình dự báo tốt nhất

ựng mô hình dự báo tốt nhất.. ựng mô hình dự báo tốt nhất.. ốc tế, theo lich trình hành khách ất... Error t-Statistic Prob... Error t-Statistic Prob... Error t-Statistic Prob... Error t-

BÀI T P NHÓM ẬP NHÓM Môn: KINH T L Ế LƯỢNG TRONG DỰ BÁO VÀ ƯỢNG TRONG DỰ BÁO VÀ NG TRONG D BÁO VÀ Ự BÁO VÀ

PTKT GVHD: TS Nguy n Th D ễn Thị Dương Nga ị Dương Nga ương Nga ng Nga

Đ tài: ề tài: Tìm hi u v doanh thu hành khách Miles cho US Air ểu về doanh thu hành khách Miles cho US Air ề doanh thu hành khách Miles cho US Air Carrier trong n ước và quốc tế, theo lich trình hành khách c và qu c t , theo lich trình hành khách ốc tế, theo lich trình hành khách ế, theo lich trình hành khách chuy n bay giai đo n t tháng 01/2000 đ n 5/2016, xây ế, theo lich trình hành khách ạn từ tháng 01/2000 đến 5/2016, xây ừ tháng 01/2000 đến 5/2016, xây ế, theo lich trình hành khách

d ng mô hình d báo t t nh t ựng mô hình dự báo tốt nhất ựng mô hình dự báo tốt nhất ốc tế, theo lich trình hành khách ất.

Nhóm th c hi n: 14 ực hiện: 14 ện: 14

Danh sách nhóm

1

2

3

4

5

M c l c ục lục ục lục

Ph n I: Gi i thi u s li u 2

1.1 B ng s li u 2

1.2 Mô t s li u 4

Ph n II: Xây d ng mô hình d báo 7

2.1 L a ch n mô hình d báo t t nh t 7ất 7

2.1.1 Mô hình tuy n tính 7

2.1.2 Mô hình phi tuy n tính 8

2.2 Ki m đ nh tính th i v 10

Ph n III: ng d ng mô hình đ d báo 5 quan sát cu i cùng c a mô Ứng dụng mô hình để dự báo 5 quan sát cuối cùng của mô ủa mô hình 13

Ph n IV: K t lu n 14

Ph n I: Gi i thi u s li u ần I: Giới thiệu số liệu ớp ện: 14 ố liệu ện: 14

1.1 B ng s li u: ảng số liệu: ố liệu ện: 14

Nghiên c u v bi n đ ng doanh thu hành khách Miles cho US Air ứu về biến động doanh thu hành khách Miles cho US Air ề biến động doanh thu hành khách Miles cho US Air ến động doanh thu hành khách Miles cho US Air ộng doanh thu hành khách Miles cho US Air

Carrier trong n ước và quốc tế theo lich trình hành khách chuyến bay giai c và qu c t theo lich trình hành khách chuy n bay giai ốc tế theo lich trình hành khách chuyến bay giai ến động doanh thu hành khách Miles cho US Air ến động doanh thu hành khách Miles cho US Air

đo n t tháng 01/2000 đ n 5/2016 ạn từ tháng 01/2000 đến 5/2016 ừ tháng 01/2000 đến 5/2016 ến động doanh thu hành khách Miles cho US Air

38 2003-02-01 45514803 138 2011-06-01 75121815

87 2007-03-01 71497177 187 2015-07-01 88263768

Ngu n: ồn: Mỹ C c Giao thông V n t i Th ng kê ục Giao thông Vận tải Thống kê ận tải Thống kê ải Thống kê ốc tế theo lich trình hành khách chuyến bay giai

Link: https://fred.stlouisfed.org/series/RPM

1.2 Mô t s li u ảng số liệu: ố liệu ện: 14

 Đ th chu i s li u ồ thị chuỗi số liệu ị Dương Nga ỗi số liệu ố liệu ện: 14

30,000,000

40,000,000

50,000,000

60,000,000

70,000,000

80,000,000

90,000,000

RPM

Đ rõ h n trong vi c quan sát, ta sẽ l y s li u t tháng 1/2004 đ n ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến ất 7 ừ tháng 1/2004 đến 12/2016

55,000,000

60,000,000

65,000,000

70,000,000

75,000,000

80,000,000

04M01 04M07 05M01 05M07 06M01 06M07

RPM

sẽ đông h n ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến

 Đ th t n su t ồ thị chuỗi số liệu ị Dương Nga ần I: Giới thiệu số liệu ất

0

4

8

12

16

20

24

40000000 50000000 60000000 70000000 80000000 90000000

Series: RPM Sample 2000M01 2016M05 Observations 197

Std Dev 9266004 Skewness -0.132731 Kurtosis 2.743320 Jarque-Bera 1.119241 Probability 0.571426

- Kurtosis (đ nh n): 2.743320 < 3 cho th y các giá tr phân ph i ộ lệch chuẩn): 9266004 ất 7 này xu t hi n hai bên ít h n ất 7 ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến

- Probability : 0.571426 > 0.05 ch ng t chu i có phân ph i chu nứng tỏ chuỗi có phân phối chuẩn ỏ chuỗi có phân phối chuẩn ỗi có phân phối chuẩn hay không ẩn): 9266004

Ph n II: Xây d ng mô hình d báo ( b 5 s li u quan sát cu i cùng) ần I: Giới thiệu số liệu ực hiện: 14 ực hiện: 14 ỏ 5 số liệu quan sát cuối cùng) ố liệu ện: 14 ố liệu 2.1 L a ch n mô hình d báo t t nh t ực hiện: 14 ọ và tên ực hiện: 14 ố liệu ất

2.1.1 Mô hình xu th tuy n tính (mô hình b c 1) ế tuyến tính (mô hình bậc 1) ế tuyến tính (mô hình bậc 1) ậc 1)

Trong đó:

RPM : doanh thu hành khách ( đ n v : ngàn d m )ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến ặm

β0 : h s c t, cho bi t giá tr c a xu th t i th i đi m t=0ắt, cho biết giá trị của xu thế tại thời điểm t=0 ủa mô ạng:

β1 : h s đ d c c a mô hìnhộ lệch chuẩn): 9266004 ủa mô

Dependent Variable: RPM

Method: Least Squares

Date: 09/13/16 Time: 22:24

Sample: 2000M01 2015M12

Included observations: 192

Variable Coefficient Std Error t-Statistic Prob.

C 54570431 1043514 52.29488 0.0000 TIME 104119.7 9377.019 11.10371 0.0000

R-squared 0.393538 Mean dependent var 64617980

Adjusted

R-squared 0.390346 S.D dependent var 9223130.

S.E of regression 7201453 Akaike info criterion 34.42783

Sum squared

resid 9.85E+15 Schwarz criterion 34.46176

Log likelihood -3303.071 Hannan-Quinn criter 34.44157

F-statistic 123.2923 Durbin-Watson stat 0.872828

Prob(F-statistic) 0.000000

T mô hình trên ta có phừ tháng 1/2004 đến ươn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến ng trình:

RPM = 54570431.2087 + 104119.675029*TIME

Đánh giá s b mô hình:ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến ộ lệch chuẩn): 9266004

- P-value c a các bi n đ u bé h n 0.05 => các bi n đ u có ý nghĩa ủa mô ều so ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến ều so

th ng kê

bi n đ ng c a bi n ph thu c RPMộ lệch chuẩn): 9266004 ủa mô ộ lệch chuẩn): 9266004

-20,000,000

-10,000,000

0 10,000,000

20,000,000

30,000,000 40,000,000 50,000,000 60,000,000 70,000,000 80,000,000 90,000,000

2000 2002 2004 2006 2008 2010 2012 2014

Residual Actual Fitted

sai s dao đ ng l n, cho th y đây là mô hình d báo không t tộ lệch chuẩn): 9266004 ất 7

2.1.2 Mô hình xu th phi tuy n tính (mô hình b c 2) ế tuyến tính (mô hình bậc 1) ế tuyến tính (mô hình bậc 1) ậc 1)

Trong đó:

RPM : doanh thu hành khách ( đ n v : ngàn d m )ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến ặm

β0 : h s c t, cho bi t giá tr c a xu th t i th i đi m t=0ắt, cho biết giá trị của xu thế tại thời điểm t=0 ủa mô ạng:

β1 : h s đ d c c a mô hìnhộ lệch chuẩn): 9266004 ủa mô

B ng k t qu mô hình xu th phi tuy n tính:

T mô hình trên ta có phừ tháng 1/2004 đến ươn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến ng trình:

RPM = 53228541.848 + 145621.407833*TIME - 215.034884997*

Đánh giá s b mô hình:ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến ộ lệch chuẩn): 9266004

kê

- R2 = 0.397662 => mô hình ư c lược tính bằng ngàn dặmng gi i thích được tính bằng ngàn dặmc 39.7662%

bi n đ ng c a bi n ph thu c RPMộ lệch chuẩn): 9266004 ủa mô ộ lệch chuẩn): 9266004

Dependent Variable: RPM

Method: Least Squares

Date: 09/13/16 Time: 22:26

Sample: 2000M01 2015M12

Included observations: 192

Variable Coefficient Std Error t-Statistic Prob.

TIME 145621.4 37664.02 3.866327 0.0002 TIME2 -215.0349 189.0152 -1.137659 0.2567

R-squared 0.397662 Mean dependent var 64617980 Adjusted

R-squared 0.391288 S.D dependent var 9223130 S.E of regression 7195883 Akaike info criterion 34.43142 Sum squared resid 9.79E+15 Schwarz criterion 34.48232 Log likelihood -3302.416 Hannan-Quinn criter 34.45203 F-statistic 62.38877 Durbin-Watson stat 0.878765 Prob(F-statistic) 0.000000

-10,000,000

0 10,000,000

20,000,000

30,000,000 40,000,000 50,000,000 60,000,000 70,000,000 80,000,000 90,000,000

2000 2002 2004 2006 2008 2010 2012 2014

Residual Actual Fitted

Nh n xét: So sánh hai mô hình xu th trên, ta có

Mô hình xu th tuy n tính có

- R2 tuy th p h n xu th b c 2 nh ng các h s đ u có ý nghĩa ất 7 ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến ư ều so

th ng kê

- AIC th p h n ất 7 ơn trong việc quan sát, ta sẽ lấy số liệu từ tháng 1/2004 đến

K t lu n: S d ng mô hình xu th tuy n tính t t h n trong d báo ế tuyến tính (mô hình bậc 1) ậc 1) ử dụng mô hình xu thế tuyến tính tốt hơn trong dự báo ục lục ế tuyến tính (mô hình bậc 1) ế tuyến tính (mô hình bậc 1) ố liệu ơng Nga ực hiện: 14 2.2 Ki m đ nh tính th i v ểm định tính thời vụ ị Dương Nga ời vụ ục lục

Mô hình có bi n xu th v i s = 12

12

1 i it

i

D







+ ε t

Ki m đ nh gi thi t:

v

H1: có ít nh t hai h s ất 7 γ i trong mô hình khác nhau

12 1

i it i

D







+ ε t

Dependent Variable: RPM

Method: Least Squares

Date: 09/14/16 Time: 02:37

Sample: 2000M01 2015M12

Included observations: 192

Variable Coefficient Std Error t-Statistic Prob.

TIME 103243.7 4644.100 22.23116 0.0000 D1 48211278 985173.3 48.93685 0.0000 D2 44111792 987174.4 44.68490 0.0000 D3 57298340 989193.3 57.92431 0.0000 D4 54136216 991229.8 54.61520 0.0000 D5 56907679 993283.8 57.29246 0.0000 D6 61620004 995355.3 61.90755 0.0000 D7 65648174 997444.1 65.81639 0.0000 D8 63460514 999550.1 63.48908 0.0000 D9 49793182 1001673 49.71001 0.0000 D10 53081581 1003813 52.87993 0.0000 D11 49020697 1005970 48.72976 0.0000 D12 52570084 1008144 52.14541 0.0000

R-squared 0.860399 Mean dependent var 64617980 Adjusted

R-squared 0.851040 S.D dependent var 9223130 S.E of regression 3559696 Akaike info criterion 33.07356 Sum squared resid 2.27E+15 Schwarz criterion 33.29412 Log likelihood -3162.061 Hannan-Quinn criter 33.16288 Durbin-Watson

UR: RPM = 103243.712571*TIME + 48211277.656*D1 +

44111791.5059*D2 + 57298340.4809*D3 + 54136215.5183*D4 +

56907678.8057*D5 + 61620003.9056*D6 + 65648173.7556*D7 + 63460513.793*D8 + 49793181.7679*D9 + 53081580.6179*D10 + 49020697.2803*D11 + 52570083.9427*D12

Dependent Variable: RPM

Method: Least Squares

Date: 09/13/16 Time: 22:24

Sample: 2000M01 2015M12

Included observations: 192

Variable Coefficient Std Error t-Statistic Prob.

C 54570431 1043514 52.29488 0.0000 TIME 104119.7 9377.019 11.10371 0.0000 R-squared 0.393538 Mean dependent var 64617980 Adjusted

R-squared 0.390346 S.D dependent var 9223130 S.E of regression 7201453 Akaike info criterion 34.42783 Sum squared

resid 9.85E+15 Schwarz criterion 34.46176 Log likelihood -3303.071 Hannan-Quinn criter 34.44157 F-statistic 123.2923 Durbin-Watson stat 0.872828 Prob(F-statistic) 0.000000

R: RPM = 54570431.2087 + 104119.675029*TIME

s: s th i v trong 1 năm (s=12)

k: s tham s trong mô hình UR

Ta th y ất 7 Fqs = 54.338 > Ftra b ng = 1,8

=> Bác b H ỏ 5 số liệu quan sát cuối cùng) 0 , mô hình có tính th i v ời vụ ục lục

 Mô hình t t nh t là mô hình xu th có tính th i v ố liệu ất ế tuyến tính (mô hình bậc 1) ời vụ ục lục

-15,000,000

-10,000,000

-5,000,000

0

5,000,000

10,000,000

30,000,000 40,000,000 50,000,000 60,000,000 70,000,000 80,000,000 90,000,000

2000 2002 2004 2006 2008 2010 2012 2014

Residual Actual Fitted

các sai s dao d ng trong m t kh ng nh t đ nh, mô hình xu th tuy n tính ộ lệch chuẩn): 9266004 ộ lệch chuẩn): 9266004 ất 7

có tính th i v d báo t t

Ph n III ng d ng mô hình đ d báo 5 quan sát cu i cùng c a mô ần I: Giới thiệu số liệu Ứng dụng mô hình để dự báo 5 quan sát cuối cùng của mô ục lục ểm định tính thời vụ ực hiện: 14 ố liệu ủa mô hình

48211277.656*D1 + 44111791.5059*D2 + 57298340.4809*D3 +

54136215.5183*D4 + 56907678.8057*D5 + 61620003.9056*D6 +

65648173.7556*D7 + 63460513.793*D8 + 49793181.7679*D9 +

53081580.6179*D10 + 49020697.2803*D11 + 52570083.9427*D12

- D báo đi m: RPMT+h=TIMET+h*103243.712571 +

Ta có b ng k t qu

Đ th mô t k t qu trên excel ồ thị chuỗi số liệu ị Dương Nga ảng số liệu: ế tuyến tính (mô hình bậc 1) ảng số liệu:

-0

1-01

2001

-0

3-01

2002

-0 5-01

2003 -0 7-01

2004 -0 9-01

2005 -1 1-01

2007 -0 1-01

2008 -0 3-01

2009 -0 5-01

2010 -0 7-01

2011 -0 9-01

2012 -1 1-01

2014 -0 1-01

2015 -0 3-01

2016 -0 5-01

0

10000000

20000000

30000000

40000000

50000000

60000000

70000000

80000000

90000000

100000000

Th c t

d báo

c n d ư i

c n trên

Ta th y các giá tr d báo g n v i giá th th c t , giá tr th c n m ất 7 ằng ngàn dặm trong kho ng d báo  mô hình d báo t t

Ph n IV: K t lu n ần I: Giới thiệu số liệu ế tuyến tính (mô hình bậc 1) ậc 1)