Xây dựng mô hình dự báo giá hàng xuất khẩu và ứng dụng trong xuất khẩu hải sản đề tài nghiên cứu khoa học và công nghệ cấp bộ

Dùng m ô hình được thiết lập để dự báo với độ tin cậy đủ lòn về kim ngạch xuất khẩu theo sự biến động của tỷ giá đối vói một mặt hàng hoặc một nhóm mặt hàng xuất khẩu.. Nói khác đi, công

Mã số: B 2005 - 40 - 53

H À NỘI, 12.2005

MỤC LỤC

PHAN 1

20

23 2.2 Quy trình dư báo từ mô hình

19

20

23 2.3 Úng đung và kết quả

LỜI MỞ ĐẦU

ì TÍNH CẤP THIẾT CỦA ĐỀ TÀI

L i n h hoạt điều chỉnh đối sách kinh doanh luôn là nhu cầu bức thiết của mọi doanh nghiệp nói riêng; của hoạt động quản lý thương mại nói chung Gắn liền vói điều này, dụ báo về thị trường, dụ báo về giá cả, về sức tiêu thụ, về doanh lãi trở thành những đòi hỏi bức xúc thường xuyên đối với nhà quản lý, quản trị kinh doanh cũng như các nhà nghiên cứu kinh tế

Không thể nói đến hiệu quả hoạt động thương mại nếu không sử dụng dụ báo kinh tế, dụ báo thị truồng Tổng quát hem, có thể khẳng định: nâng cao chất lượng dụ báo thị truồng chính là điều kiện cần thiết để nâng cao hiệu quả kinh tế cho doanh nghiệp nói riêng, cho hoạt động kinh doanh nói chung Đặc biệt, trong thời đại ngày nay, thời đại của sụ bùng nổ thông tin, thòi đại của nền kinh tế số hóa, khoa học dụ báo đang phát triển mạnh

mẽ và trở thành công cụ không thể thiếu đầy hiệu lục cho hoạt động quản lý kinh tế Hơn thế nữa, quá trình hội nhập kinh tế giữa các quốc gia đang diễn

ra đúng như dụ báo của nhân loại; và đến lượt nó, chính quá trình hội nhập kinh tế trên toàn cầu đã góp phần to lớn đến sụ phát triển của hệ thống thông tin, khoa học xử lý thống tin và khoa học dụ báo Không thể không tính đến việc khai thác thông tin, thông tin kinh tế, kinh doanh nhằm dụ báo

để nâng cao hiệu quả hoạt động kinh doanh trong nước và ngoài nước

Vói nhiều lý do và dẫn luận khác nhau nêu trên, đề tài này đã được lụa chọn để góp phần giải quyết nhu cầu bức xúc cùa doanh nghiệp, cũng như của hoạt động quản lý kinh tế, quản lý kinh doanh về dụ báo thị trường

2 TÌNH HÌNH NGHIÊN cứu TRONG VÀ NGOÀI NƯỚC

Các kết quả của khoa học dụ báo đã được sử dụng từ lâu, nhưng chưa

có một tổng quan về các phương pháp luận cho dụ báo Mặt khác các phương pháp dùng trong dụ báo (đặc biệt trong dụ báo kinh tế) mang tính định tính Khoảng mươi năm trở lại đây đã xuất hiện một số kết quả định lượng trong dụ báo tuy còn tản mạn và chưa có phương pháp định lượng rõ ràng

ở nước ngoài có những tác phẩm chính sau:

Ì Box G.E.P & Jenkins G.M Tỉme series analysis - Fỡrecasting and

controì Holden - Day 1970

2 Douglas c Montgomery, Lyn wood A Joknson, John s Gardiner

Forecasting and Tỉme serìes Analysis, Me Graw Hin, 1995

3 Harvey ÁC Econometrìc Anaỉysis of time serỉes John Wileys Son

Inc, NevvYork, 1991

Trong nước, một số kết quả dự báo về cung cầu trong lĩnh vực bưu

chính viễn thông, thị trường dầu mỏ được đăng tải trong một số tạp chí

chuyên ngành

3 MỤC ĐÍCH CệA ĐỀ TÀI

3.1 Tổng quan các phương pháp dự báo định tính và định lượng

3.2 Khai thác phương pháp tiên đề phối hợp với phương pháp m ô hình

để xây dựng dạng định lượng quan hệ giữa kim ngạch xuất khẩu với tỷ giá

3.3 Thiết lập các m ô hình hồi quy ứng với các kịch bản dựa theo các

giả thiết khác nhau về tỷ giá để đối sánh, phân tích, kết luận định lượng

3.4 Phân tích hồi quy với biến giả để đạt gần tới chuẩn "tốt nhất" của

kịch bản xuất khẩu một mặt hàng (hoặc một nhóm mặt hàng)

3.5 Dùng m ô hình được thiết lập để dự báo với độ tin cậy đủ lòn về

kim ngạch xuất khẩu theo sự biến động của tỷ giá đối vói một mặt hàng

(hoặc một nhóm mặt hàng) xuất khẩu Ở đề tài này, mật hàng được lựa

chọn là tôm đông lạnh xuất khẩu

3.6 Khai thác kết quả vào việc đề xuất một số giải pháp để chủ động

nâng cao hiệu quả kinh doanh xuất khẩu trong điều kiện buôn bán chưa có

thay đổi lớn Nói khác đi, công cụ dự báo bằng m ô hình được xây dựng

thích hợp, tốt cho các dự báo ngắn hạn; góp phần ra quyết định cho phương

án kinh doanh xuất khẩu hợp lý nhất, hiệu quả nhất có thể được

3.7 Đ ề tài cũng nêu rõ một số hạn chế cần khắc phục, đặc biệt là vấn

đề số liệu; cần thiết cai tổ hệ thống kinh tế nói chung và hệ thống thông tin

kinh doanh nói riêng với sự hỗ trợ hiệu lực cao của CNTT nhằm làm cho

"chất liệu" của m ô hình, của m ô hình dự báo được nâng cấp, để nâng cao

chất lượng của việc xây dựng m ô hình dự báo

4 ĐỐI TƯỢNG NGHIÊN cứu CỦA ĐỀ TÀI

4.1 Khảo cứu quan hệ về lượng giữa kim ngạch xuất khẩu một mặt hàng (mở rộng cho một nhóm mặt hàng), vói tỷ giá hối đoái

4.2 Tớng hợp và phân tích các mặt mạnh và mặt hạn chế của các phương pháp dự báo nói chung và dự báo kinh tế nói riêng trong và ngoài nước để dùng cho đề tài

4.3 Xác định dạng thức lượng hóa mối quan hệ trên thông qua m ô hình

4.4 Xây dựng các m ô hình, các m ô hình hồi quy cho kim ngạch xuất khẩu với tỷ giá để sử dụng trong dự báo

4.5 Sử dụng số liệu thu thập về mặt hàng tôm đông lạnh xuất khẩu theo chuỗi thời gian của Việt Nam để thiết lập các kịch bản theo các m ô hình định lượng

4.6 Kiểm định các m ô hình được xây dựng; phân tích so sánh các kịch bản và kết luận

4.7 Đ ề xuất một số kiến nghị theo kết quả thu được

5 PHƯƠNG PHÁP NGHIÊN CỨU ĐƯỢC sử DỤNG TRONG ĐỀ TÀI 5.1 Phương pháp điều tra Phương pháp thống kê: Thu thập và lọc số liệu theo thời gian

5.2 Phương pháp tớng hợp và phương pháp phân tích định lượng trên tập số liệu, trên các kết qủa tính toán; (tớng hợp các giải pháp dự báo định tính, phân loại và phân tích)

5.3 Phương pháp tiên đề; phương pháp m ô hình kết hợp phương pháp kinh tế lượng

5.4 Phương pháp tích hợp và phương pháp phân tích hệ thống

6 KẾT CẤU CỦA ĐỀ TÀI

Ngoài phần mở đẩu và kết luận, danh mục tài liệu tham khảo, nội dung

đề tài được dàn trải thành 3 phần sau:

Phần Ì: Cơ sở khoa học của dự báo

Phần 2: Xây dựng m ô hình dự báo cho hàng xuất khẩu và ứng dụng Phần 3: Kết luận và đề xuất

PHẨN 1

Cơ SỞ KHOA HỌC CỦA Dự BẢO

Dự báo kinh tế là một công đoạn quan trọng trong quy trình quản lý hoạt động kinh tế, nhằm thông báo sự "an - nguy - hỷ - lạc" của tình hình kinh doanh thương mại có thể xảy ra trong tương lai; đang góp phần quyết định, hoạch định chính sách hay chiến lưắc, chiến thuật thích hắp

1.1 KHOA HỌC Dự BÁO VÀ Dự BÁO

Thuật ngữ dự báo bắt nguồn từ chữ Hylạp "Prognosis" là sự tiên đoán

về mặt toán học, dự báo hay dự đoán là sự đánh giá các khả năng xảy ra trong tương lai của các đối tưắng đưắc nghiên cứu (cũng tức là đánh giá xác suất của khả năng đó) Từ sự khái quát chặt và gọn này, cần chọn lọc khả năng có xác suất lớn nhất của đối tưắng đưắc nghiên cứu để đánh giá

Lưắc đồ logic tổng quát của quá trình dẫn đến dự báo như sau:

Chỉ đến các thế kỷ gần đây, với sự phát triển mạnh mẽ của khoa học thì những loại hình dự báo mang tính khoa học mới xuất hiện Những dự báo như vậy được thực hiện theo các công thức tính toán có tính chất tiền định trong thiên văn học, hoa học, cơ học, vật lý học cố điển, Đ ể dự báo các hiện tượng thuộc hệ phức tạp, ngẫu nhiên với quan hệ tương quan của

vô số các yếu tố như lĩnh vực sản xuất - kinh doanh phải sử dụng các phương pháp m ô hình gắn với công cụ thống kê - xác suất

Tống quan, có thể khái quát những nhóm phương pháp dự báo lớn sau:

1.2 CÁC PHƯƠNG PHÁP Dự BÁO

1.2.1 Nhóm các phương pháp dự báo "chuyên gia"

Định hướng của các phương pháp thuộc nhóm này là phát hiện những

ý tưởng mói trên cơ sở trực giác của các chuyên gia trong quá trình "tấn công não"

Cơ sở khoa học của nhóm phương pháp này là giả thuyết rằng: trong

số lòn các ý tưởng thuộc lớp người tích lũy nhiều kinh nghiệm, tồn tại ít nhất một số ý tưởng có giá trị

Các giải pháp thông dụng để thực hiện dự báo "chuyên gia" bao gồm:

• Giải pháp xung kích: nhằm đột phá "tấn công não"phát xạ ý tưởng

• Giải pháp "sáng tạo ứng đáp" dành cho "người chủ trì" nhóm chuyên gia tìm kiếm lòi dự báo kỳ vọng hầu chắc chắn

• Giải pháp Delphi: sự phối hợp của các chuyên gia nhằm tạo dựng bức tranh về tương lafcủa hiện tượng cần dự báo, thường là dự báo dài hạn

Giải pháp này phát sinh ở Mỹ "Rend" áp dụng với kết quả công bố vào năm

1964 "Khảo sát các khả năng dự báo dài hạn"

Thông thường, các nhà chuyên môn và các chuyên gia thuộc lĩnh vực khoa học kỹ thuật và khoa học kinh tế - xã hội có liên quan cần giải đáp các câu hỏi vấn đề thuộc 5 nhóm sau:

• Tác động của phát minh công nghệ

• Ả n h hưởng của sự phát triển dân số

• Môi trường và điều chỉnh để thích nghi

• Chính sách và cơ chế

• Các điều kiện riêng cho dự báo cụ thể Chẳng hạn dẫn ra dưới đây một bản hổi đáp dành cho chuyên gia dự báo về thời điểm năm xảy ra các biến cố sau:

• Làm nhạt nước biển có lợi về kinh tế

• Sử dụng phổ cập máy dịch từ ngôn ngữ này sang ngôn ngữ khác

• Dự báo chắc chắn về thời tiết

• Sử dụng nước nước biển đã tẩy mặn để tưới ruộng

• Điều khiển năng lượng nhiệt hạch

• Tạo ra những hình thể sống thô sơ

• Sử dụng đại dương làm nguồn cung cấp một nửa số lượng lương thực, thực phẩm trên thế giới

• Loại trừ những dị tật di chuyền bằng phương pháp sinh hoa

1.2.2 Phương pháp nội suy và ngoại suy

Phép nội suy trong toán học được định nghĩa như sau:

Cho hàm y = f(x) và biết các giá trị y =f(x.) với ỉ = 7,11 thì việc xác

định giá trị của hàm số tại các điểm X được gọi là phép nội suy Trong quá trình nội suy, điều kiện cơ bản đối với hàm đã cho là:

• H à m f liên tục và có dạng tường minh

• H à m f có f • không tăng quá nhanh

• H à m f thoa mãn các điều kiện sử dụng định lý Lagrange hay Xtaclin, Bexxel

Thuật toán nội suy được sử dụng vào việc dự báo những tham số của một đối tượng nào đó với sự điều chỉnh linh hoạt những điều kiện cho phép thực hiện nội suy Chẳng hạn, trong thống kê học nội suy là việc xác định

các chỉ số vắng mặt trong dãy động các hiện tượng, trên cơ sở phát hiện sự tương quan giữa các phần tử của dãy số (thay vì quan hệ hàm nói trên)

Phép ngoại suy trong toán học được hiểu như sau: nếu biết giá trậ của

hàm f tại các điểm x 0 < Xj < < X trong khoảng Ị_x 0 , X 1 thì kỹ thuật xác

đậnh giá trậ hàm f tại các điểm X íể[xớ,jcn] gọi là phép ngoại suy Phép

ngoại suy luôn cho nhưng giá trậ gần đúng của hàm f Nhiều trường hợp dùng công thức nội suy cho ngoại suy Trong nhiều lĩnh vực khoa học không chặt chẽ như toán học, thuật ngữ ngoại suy được

Trong các lĩnh vực mà đối tượng không được xác đậnh đến mức đủ độ chính xác để có thể vận dụns được khái niệm hàm thì thuật ngữ ngoại suy được dùng để biểu diễn thuật toán lôgic chuyển các kết luận nhận được trong khoảng quan sát (trong một tập con nào đó) sang các hiện tượng ngoài khoảng quan sát (sang tập con khác hoặc toàn bộ tập hợp)

Chẳng hạn, dựa trên luận điểm là một khuynh hướng nào đó được hình thành ở quá khứ và hiện tại sẽ tác động cả trong tương lai; nếu không nhận thấy sự thay đổi đáng kể nào của các yếu tố bên trong và bên ngoài gây biến động cho khuynh hướng đấy Cần lưu ý rằng: luận điểm trên có thể không đúng nếu sự biến động của khuynh hướng phụ thuộc trước hết vào tương lai giữa khuynh hướng đó với các khuynh hướng khác, m à sự tương tác này không phải lúc nào cũng có thể thực hiện được

Trong phép ngoại suy khuyng hướng, có thể tổng hợp được bốn nhóm đường cong biểu thậ các khuynh hướng khác nhau

Nhóm thứ nhất: thể hiện sự thay đổi tuyến tính của một thông số nào

đó cùng với sự tắt dần ở cuối giai đoạn nghiên cứu Nhiều hiện tượng kỹ

thuật và các quan hệ tương hỗ trong lĩnh vực kỹ thuật thường được m ô phỏng bởi nhóm một này; chẳng hạn: khuynh hướng cơ khí hóa lao động chân tay thời kỳ 1900-1975

Nhóm thứ hai: thể hiện sự biến động theo cấp số nhân hoặc biến động

theo các hàm mũ có bão hòa Đ ộ tăng cấp nhân thuần túy quan sát thấy ở sự

7

phát triển của rất nhiều thông số thuộc các hệ kỹ thuật thông dụng; chẳng hạn: sự tăng hiệu quả biến đổi năng lượng trong kỹ thuật chiếu sáng với các

đữ thị biểu diễn xu thế tăng là những hàm mũ thuần túy Sự biến động theo dạng hàm mũ có sự bão hòa (đường cong logistic: đường cong chữ S) có thể đối xứng (các m ô hình của Lenxơ và Hatman) hoặc không đối xứng (mô hình Hompetx) Chính loại m ô hình Gompertzx m ô tả nhiều hiện tượng kinh tế dưới dạng:

Xít)-X(t): Nhu cầu về hàng hóa hoặc dịch vụ tại thòi đoạn t

dX(t)/X(t): Mức phần trăm thay đổi của nhu cầu

a,b: Các tham số điều khiển

Dạng đữ thị ( L I ) hoặc (1.2) rất giống với đường logicstic, và có thể chuyển thành dạng tuyến tính nhằm đơn giản hóa việc hữi quy:

Ln(ln(L/X(t))) = lnc -1

Nhóm thứ ba bao gữm những biến động biểu thị bởi đường cong đặc

trưng cho độ tăng giảm hàm mũ kép có kèm bão hòa thời đoạn cuối kỳ nghiên cứu Thuộc các loại khuynh hướng đó là các hiện tượng thuộc lĩnh vực kỹ thuật cao như độ tăng vận tốc cực đại của các hạt cơ bản trong các máy gia tốc hoặc vận tốc tính của các máy vi tính dùng trong ngân hàng

Nhóm thứ tư gữm những đường cong điển hình cho dạng chữ "S" phân

làm 3 giai đoạn: giai đoạn đầu (tăng chậm), giai đoạn phát triển (tăng

nhanh theo hàm mũ) và giai đoạn bão hòa Thí dụ thông thưòng về khuynh hướng này là đường cong phát triển của dịch vụ không có yếu tố cạnh tranh

Đ ộ tin cậy và độ chính xác của các dự báo, của các khuynh hướng tiến

bộ khoa học - kỹ thuật nhận được bằng phương pháp ngoại suy có thể cao hơn nữa nếu phối hợp với phương pháp khác thành tệ hợp phép dự báo (như với phương pháp chuyên gia )

Cần lưu ý: Phương pháp ngoại suy có thể dẫn đến nghịch lý và sai lầm, nếu không hoàn thiện những giới hạn và các điều kiện xác định như là một phép dự báo (mà không phải phép ngoại suy toán học thuần tuy)

1.2.3 Phương pháp mô hình hóa

M ô hình hóa được dùng rộng rãi như là một phương pháp nghiên cứu hiệu lực trong các lĩnh vực khoa học và đời sống rất khác nhau Cơ sở của phương pháp này là xác định sự tương quan giữa các tri thức về đối tượng được xem xét và bản thân các đối tượng đó Những tri thức về đối tượng chính là sự phản ánh chính xác hoặc gần đúng đối tượng chính là hình thức vật chất của tri thức đó Phương pháp khảo sát trong đó không nghiên cứu chính các đối tượng của nhận thức, mà chỉ nghiên cứu các m ô phỏng của chúng (hay cũng vậy, nghiên cứu m ô hình của chúng)

Một trong nhiều điều được lưu ý là việc xác định giá thành và chi phí thời gian cho việc xây dựng m ô hình

Theo thống kê ở Mỹ, (tính đến 1975), m ô hình cỡ 400 phương trình khởi thủy cần thời gian 6 năm với giá íhành dao động từ 25.00 USD đến 2.500.000ƯSD; và chi phí trung bình cho m ô hình kinh tế — xã hội có thể lên đến 50.000 USD (và trong số 28 m ô hình kinh tế lúc đó có 2 m ô hình tính tay, 23 m ô hình sử dụng máy tính điện tử, 3 m ô hình được xây dựng theo trò chơi "người - máy")

ở đây, "lý thuyết trò chơi" đang là một công cụ hiệu lực cho dự báo với trò chơi mở, trò chơi đóng và trò chơi thực dụng (thường được sử dụng

cho dự báo đầu tư, cho m ô hình hoạt động của công ty trong cạnh tranh, cho m ô hình tối ưu hóa lợi nhuận ) Đ ể làm thí dụ ta xét "trò chơi trong tương l a i " của hai nhà dự báo Mỹ là Hordon và Helmer vói sự tham gia của những nhà công nghiệp hàng đầu ở Mỹ như sau: các đấu thủ nhận được bản miêu tả 60 khuynh hưóng trong 20 năm tói (về năng lượng điện được sản xuất gấp đôi, ô tô bổ cấm chạy trong trung tâm thành phố, con người chinh phục được mạt trăng ) Các khuynh hướng này biểu thổ được sự tổng hợp các tri thức về kỹ thuật, kinh tế và xã hội

Người ta chia các đối thủ thành các nhóm M ỗ i người tự xâydựng "thế giới tương l a i " của mình, dựa vào tổ hợp 60 khuynh hướng có thể có m à họ nhận được; nhưng phải làm sao cho đấu thủ cùng nhóm đầu tư cho chương trình của mình, ai nhận được sự ủng hộ lớn nhất cho "thế giới" của mình thì

sẽ thắng Tương tự, có thể vận dụng ý tưởng trên vào các đối tác kinh doanh; trong đó, mỗi bên đều tự xây dựng "chiến lược, chiến thuật kinh doanh" của mình dựa vào thông tin thương mại quốc tế và trong nước m à

họ có được sao cho các đối tác đầu tư cho chương trình đưa ra được nhiều nhất

1.2.4 Các phương pháp lý thuyết xác suất và thống kê toán

Các phương pháp m ô hình hóa thống kê về cơ bản dựa trên sự tồn tại mối quan hệ phụ thuộc qua lại giữa các đối tượng của thế giới hiện thực Khái niệm tương quan có giá trổ thực tiễn rất lớn trong sự nghiên cứu các quá trình và các hiện tượng không liên hệ nhau bằng các mối liên hệ nhân -quả Nếu có liên hệ tương quan thì có thể sử dụng các phương trình hồi quy

để m ô phỏng Chẳng hạn, thể hiện cơ cấu sản sinh ra giá trổ của biến lượng

ngẫu nhiên Y từ tập k-1 biến độc lập Xj (j = 2,k) như sau:

Yj=p1+p2X2 i+ + PhXt ó + Ưl; i = ĩ ^

K h i đánh giá độ tin cậy của các dự báo lập trên cơ sở tương quan thống kê cần đảm bảo 2 yêu cầu:

• Kiểm tra tư liệu thống kê thu được về sự phong phú theo hệ số đại diện cho trưóc

• Đặt cơ sở cho khả năng áp dụng phương pháp xác suất được chọn vào hiện tượng cần nghiên cứu

Ở đây, cần có nhũng giả thiết làm cơ sở xuất phát cho bất kỳ tiên đoán hay dự báo nào Nếu nhờng giả thiết đó đúng, sẽ có được nhờng dự báo chính xác hoặc đủ chính xác Thống kê học giúp ta tiên đoán, nhưng bản thân thống kê học không thể đảm bảo được tính đúng đắn của tiên đoán này Nhờ thống kê học, có thể đạt được nhờng kết quả tốt trong công tác dự báo, nhưng về cơ bản, tất cả phụ thuộc vào nhờng giả thiết ban đầu

Một trong nhờng m ô hình thống kê được sử dụng rỗng rãi là m ô hình sau:

ì: Lượng thông tin có tại thời điểm t

L: Giới hạn trên của thông tin t: Thời gian

a: Hằng số không có bậc b: Hằng số (bậc - thời gian)

M ô hình này giải thích đúng hiện tượng tăng nhu cầu Ì loại hàng hóa theo thời gian và đường cong phát triển đến khi "bão hòa" Nói cách khác, cần thiết ước lượng các tham số cơ bản đặc trưng cho mức độ tăng trưởng của hiện tượng được khảo cứu dựa trên m ô hình với giả thiết là sự tăng trong một đơn vị thời gian phấ thuộc vào lượng của vectơ biến số và giới hạn trên của lượng đó (giới hạn này, được gọi là mức bão hòa)

Chẳng hạn, chọn m ô hình thể hiện doanh thu xuất khẩu tại thời đoạn t theo chi phí xuất khẩu như sau:

— — = qcne

E: doanh thu xuất khẩu

q: tham số đặc trưng cho hiệu quả kinh doanh (thông qua chi phí xuất khẩu)

p: tham số đặc trưng cho xu thế biến động

c0: chi phí xuất khẩu tại thời điểm gốc của thời kỳ nghiên cứu

Biến đổi thông thường, thu được:

E(t) = qc0ĩc"dt = ^ ( e ' " - l )

p

Với T là thòi kỳ nghiên cứu

Trường hợp có mức bão hòa (mức giới hạn) về doanh thu cực đại (doanh thu nhận được trong điều kiện buôn bán thuận lợi nhất và không có biến động lớn về thị trường), dẫn đến:

Đ ồ thị của (1.3) là đường cong logistic

Ở đây, dẫn ra một phương pháp xây dựng hàm dự báo như hàm (1.3) gọi là: phương pháp tiên đề với ý tưởng cơ bản như sau:

T ừ những giả thiết, những kết luận định tính; thiết lập các tiên đề hay

là nhũng thuộc tính bản chất của hiện tượng cần nghiên cứu (nói đến ai cũng hiểu và rất đơn giản); k ế đó, sử dụng các điều kiện biên (thường là những điều kiện gổn với tình huống hay trường hợp phổ cập nhưng đặc thù cho hiện tượng nghiên cứu và lượng hóa được) để xây dựng dạng thức toán học của m ô hình cho hiện tượng nghiên cứu và kết thúc việc thiết lập m ô hình bởi công cụ định lượng nhằm tách lóp các dạng thức m ô phỏng thành một nhóm (thậm chí một cá thể) m ô hình vói các tham số điều khiển Đ ể định ý, xét quan hệ giữa chi phí xuất khẩu X với doanh lãi xuất khẩu y; có thể thấy quan hệ một - một giữa chúng; tức là có cơ sở để thiết lập hàm doanh lãi xuất khẩu dạng y=f(x) H à m doanh lãi xuất khẩu có các thuộc tính sau:

a) f(0) = 0 không có chi phí xuất khẩu thì không có doanh lãi xuất khẩu

b) Trong điều kiện buôn bán bình thường, chi phí xuất khẩu tăng thì doanh lãi xuất khẩu tăng theo (chẳng hạn, tăng doanh lãi xuất khẩu theo quy m ô lượng hàng và chủng loại hàng xuất khẩu), v ề mặt toán học, có nghĩa là f'(x) > 0 với Vx > 0 và đồ thị đường cong doanh lãi xuất khẩu từ

trái sang phải có x u huống đi lên

c) K h i chưa có biến động lớn trên thị trường; l ẽ t ự nhiên, tốc độ doanh lãi xuất khẩu giảm dần theo mức tăng chi phí xuất khẩu x; tức là: đường cong doanh lãi phải quay bề lõm xuống phía dưới trong x u thế đi lên,

hay là f'(x)<0 với Vx > 0

d) Doanh lãi xuất khẩu y không thể tăng vô hạn, và có giới hạn (là mức doanh lãi bão hòa: doanh lãi đạt được trong các điều kiện buôn bán thuận lợi nhất); ký hiệu là L, tức là:

l i m f ( x ) = L

x-»+oo

Nổi cách khác, tới mức nào đó thì chi phí xuất khẩu tăng đem lại sự thay đổi của doanh lãi xuất khẩu không đáng kể

Vậy, đồ thị hàm doanh lãi xuất khẩu y = f(x) có dạng như sau:

a

y=f(x)

0

Hình 2

Rõ ràng, dạng cụ thể của hàm y = f(x) phụ thuộc vào 2 tham số: một là

độ dốc đườns cong (ký hiởu: t£L(X = k và hai là chặn trên của đường cong L;

về mặt kinh tế, điều đó cũns có nghĩa là: mỗi mặt hàng cụ thể, ở một thị trường cụ thể sẽ có một đường cong doanh lãi xuất khẩu xác định

Từ các điều kiởn đặc thù cùa lĩnh vực hoạt động xuất khẩu, dẫn đến:

Theo hướng tiếp cận khác, có thể xét hàm dự báo như sau:

Giả sử đã biết quá trình phát sinh dữ liởu thực tế cùng các thể hiởn trong quá khứ và trong hiởn tại của các dãy { yt} và {ct} Trước hết, cùng xét dự báo từ m ô hình:

y, =a0+a,y,_, +e, (1.5)

Cập nhật một thời kỳ, thu được:

y t + , = a o + a y + e « + i

Nếu ước lượng được các hệ số a0 và a„ có thể dự báo yl + 1 phụ thuộc

vào thông tin có trước tại thời kỳ t như sau:

Tổng quát, Et(yt+j/yt,yt_1, ,et,et_1, )=E1(yt+j)

Lứp lại lập luận này, dự báo của yt + 2 (với yt+2 = a0 +a,y,+I + et + ỉ)

phụ thuộc vào thông tin cho trước tại t

Hệ thức (1.7) gọi là hàm dự báo với nghĩa: dự báo trước bước j cho

mỗi giá trị y1 +j Với điều kiện |a,| < 1; dãy (1.7) cho một dãy hội tụ tới các

dự báo Chuyển qua giới hạn cho Et (yt + i) khi j -» 0 0 ; thu được:

-H+co J l - a 1

Cần lưu ý, dự báo theo hàm (Ì 7) có thể không hoàn thành chính xác

Đứt ft(j) là lượng khác biệt giữa các giá trị thực y t + j và giá trị giữ báo E,(y t + j)

Tức là:

F,(j) = y t + j - Ye t + j (sai số dự báo trước bước j )

Do đó, sai số dự báo trước bước Ì là fị(l) = yt +| - E, y,+l = et

Để lập sai số dự báo trước bước 2, cần thiết lập biểu thức

f|(2) = y,+2 — E, (yI + 2) ^> f,(2) = et + 2 + a i.et + 1 do (1.5) và (Ì.6)

Tương tự, sai số dự báo trước bước j từ m ô hình (Ì 5) được xác định:

F

Hệ thức (1.8) chứng tỏ các dự báo từ (1.7) cho các ước lượng không

chệch của mỗi giá trị y t + j Tuy nhiên, phương sai của sai số dự báo với giả

thiết các phần tử của dãy ị e, Ị" là độc lập đối với phương sai ơ được xác định như sau:

Var[f,(j)] = ơ2 i a ỉ( H ) (1.9) (1.9) chính là dãy phương sai của sai số dự báo ở các bước: ơ2, ơ2(l+a,2);

Với giả thiết dãy ị e, \ tuân chuẩn, có thể thiết lập các khoảng tin cậy

của các 2Ìá trị dự báo; làm tảng độ chính xác của hàm dự báo Chẳng hạn,

với độ tin cậylà 95%, khoảng tin cậy của dự báo trước bước Ì có thể được thiết lập là:

a0 + aj y, ± 1,96 ơ với dự báo trước bước Ì của y, là a0 + a! y, và phương sai là ơ2

Tương tự như vậy, dự báo trước bước 2 là ao(l+aj) + à,2

yt và tư (5) dẫn đến: Var [ft(2)] = ơ2

(1+a,2

) với độ tin cậylà 95%, khoảng tin cậy của dự báo trước bước 2 là:

a0 + a, y, ± 1,96 ơ.ựĩ+ãf Khoản 2 tin cậy cũng sẽ thay đổi theo tham số

Tổng quát lại, xây dựng hàm dự báo (1.7) cho m ô hình (1.5) là dựa vào sự lặp lại qui trình trước đó Kĩ thuật lặp có thể dùng để thu được hàm dự báo cho bất kỳ m ô hình dạng:

Để định ý và đem giản trình bày, xét (1.10) với p = 2, q = l :

y, = a0 + a, y, + a2 y,_, + e,+1 + p,.eM (1.10') Cập nhật một thời kỳ, thu được:

y«+ = a0 + a, yt + a2 y,., + et + 1 + p,.e, (1.10")

Lặp lại các lập luận ở phần trên, dẫn đến:

E, (y,+ 1) = a0 + a, y, + a2 y,_, + p,.et (1.11)

Hệ thức (1.11) là dự báo trước bước Ì của y,+1 Dự báo trước bước 2, cập

nhật (1.10') qua hai thời kỳ:

Các phương trình (1.13), (1.14) cho thụy: dự báo được xây dựng từ

phương trình sai phân cụp 2, với điều kiện các nghiệm đặc trưng của (1.14)

a

thuộc hình tròn đơn vị, thì các dự báo sẽ hội tụ tới

l - a , - a 2

Tổng quát, các phương pháp dự báo thuộc khoa học dự báo gắn liền

với khoa học định lượng kết hợp với khoa học định tính, suy diễn Những

năm gần đây, với sự lên ngôi của côns nghệ thông tin, các khoa học định

lượng được hỗ trợ mạnh mẽ và đang trở thành công cụ hiệu lực cho khoa

học dự báo Đặc biệt, với phương pháp tiên đề và phương pháp xây dựng

hàm dự báo nói chung, có thể sử dụng để thực hiệpảtLbáxMigắỊi hạn với độ

•tin cậy cao trong mọi lĩnh vực xã hội - kinh tế I s uò\e O Ạ I H Ó C

'G.*!Ạ! ỉ HU Ơ N lái

PHẢN 2 XÂY DỰNG MÔ HÌNH Dự BÁO CHO HÀNG

XUẤT KHẨU VÀ ỨNG DỤNG

•

Trong rất nhiều phương pháp dự báo nêu ở phần Ì, đề tài khoa học này tập trung vào phương pháp tiên đề nhằm xây dựng m ô hình hồi quy cho

dự báo hàng xuất khẩu theo kỹ thuật hồi quy cớa kinh tế lượng

Theo đó, dự báo thường dựa trên hai lớp m ô hình chớ yếu: một là lớp

m ô hình nhân quả và hai là lớp m ô hình chuỗi thời gian Trong m ô hình nhân quả, kỹ thuật phân tích hồi quy được sử dụng để thiết lập mối quan hệ giữa biến phụ thuộc và các biến nguyên nhân Giá trị cớa biến phụ thuộc sẽ được dự báo theo giá trị cớa các biến nguyên nhân Đ ố i với các m ô hình chuỗi thời gian, giá trị dự báo sẽ phụ thuộc vào các giá trị qua khứ và tổng

có trọng số cớa các biến ngẫu nhiên hiện tại và các biến ngẫu nhiên có độ trễ Nói khác đi, để m ô tả một chuỗi thời gian trong kinh tế, quá trình giảm nhiễu trắng được thay bởi tổ hợp các nhiễu trắng; hay là cũng vậy chuỗi thời gian được xem như một đa thức phân bố sự trễ cớa quá trình nhiễu trắng

Các tiên đề dùng cho chuỗi thời gian dự báo kinh tế như sau:

sử dụng sai phân cấp d tức là chuỗi không dừng đồng liên kết bậc d hay I(d)

với bước ngẫu nhiên là 1(1)

2 Bất kỳ quá trình ngẫu nhiên dừng nào cũng có thể biểu diễn dưới

dạng tổng thành phần trung bình trượt ngẫu nhiên và tất định

3 Một chuỗi thời gian {x,} là hồi quy trung bình trượt cấp (p, q) thì

hồi quy ARMA(p, q) tới hạn tĩnh và nghịch đốo

4 Các biến trong (1.7) - hàm dự báo cho m ô hình (Ì.5) đều có giá trị

xác định với chỉ số t, t - Ì, t — 2, đồng thời E(et+J.) với j > 0

Với các tiên đề trên, việc xây dựng m ô hình các quá trình ngẫu nhiên

-m ô hình A R I M A - đơn giốn hơn và ứng dụng các -m ô hình được thiết lập

vào dự báo thì trường cho độ tin cậy cao

Dưới đây là những kết quố cụ thể:

2.1 MÔ HÌNH HÀM Dự BÁO

Xét hoạt động kinh doanh f với các tham biến kị tác động đến quá

trình cần dự báo Y; tức là xét cơ chế với nhiều đầu vào và kỳ vọng có dạng

hàm số:

Trong đó:

Y: quá trình cần dự báo

kị các tham số ốnh hưởng đến quá trình Y

Cần khẳng định ngay rằng: cho tới thời điểm này, chưa có một phương

pháp cụ thể nào xác định chính xác tập tham số K = kj, k2, , kn cũng như

định lượng chuẩn xác ốnh hưởng của mỗi tham số đến quá trình Y (chẳng

hạn, quá trình dự báo giá) trong tổng thể (chẳng hạn, trên thị trường)

Đ ể giốm thiểu những khó khăn bao hàm cố lượng hoa nhiều quan hệ

xã hội, định tính; có thể dùng phương pháp tiếp cận chuỗi thời gian theo

nghĩa: xét dãy biến động Y như một tập biểu hiện độc lập và dự báo biến

động tương lai chỉ dựa theo biến động quá khứ

19

Ở đây, mỗi quan sát X, là một giá trị thể hiện của biến lượng ngẫu

nhiên X,; khi này, chuỗi thời gian {X,; t eT0Ị là một họ các biến lượng

ngẫu nhiên (hay cũng vậy, một quá trình ngẫu nhiên) Do thế, tập dữ liệu X

= {Xj, , x n } được gọi là một thể hiện của một quá trình ngẫu nhiên {X,; t

eT > T0} Lưu ý rằng: với một biến lượng ngẫu nhiên x„ khi cứ định t (vói t

€ T) thì X, lại là hàm ngẫu nhiên theo t

Về cơ bản, mỗi giá trị hiện tại của quá trình kinh doanh được xác định

qua các giá trị tương ứng trong quá khứ (họ m ô hình hồi quy AR) và cũng

được xác định thông qua các nhiễu ngẫu nhiên trong quá khứ (họ m ô hình

MA); chẳng hạn hàm dự báo (2.1)

2.2 QUY TRÌNH Dự BÁO TỪ MÔ HÌNH

Giả sử (2.1) là m ô hình dạng cộng tính:

Y = T + S + U hoặc Y = D + Ư (2.2)

ở đây T: tác động của yếu tứ xu hướng

S: tác động của yếu tứ mùa vụ D: thành phần tất định (thành phần thay đổi có luật) U: thành phần ngẫu nhiên

Nhận xét rằng, một quá trình trong đó thành phần tất định chiếm tỷ

trọng càng lớn thì quá trình đó càng có tính ổn định cao Quan sát sự biến

động của thành phần tất định so với giá trị thực tế thu nhập được, có thể

phát hiện và giải thích sự vận động của Y

Tính toán, ưóc lượng thành phần tất định là vấn đề nhất thiết phải giải

quyết trong giai đoạn xử lý thô; và bài toán này được nhiều nhà thứng kê

quan tâm và đưa ra các giải pháp khác nhau để giải quyết dựa trên kỹ thuật

bình phương tứi thiểu

Sau khi ước lượng thành phần tất định, có thể ước lượng thành phần

ngẫu nhiên bằng một sứ phương pháp khác nhau; trong đó thông dụng và có

hiệu qua nhất là m ô hình ARIMA(p; d; q): Auto Regressive Integrated Moving Average

M ô hình ARIMA(p; d; q) với 3 tham biến điều khiển p, d, q cho phép phân tích cơ chế sinh thành giá trị Y, tại thòi điểm t theo số liệu thu thập được

Có thể m ô tả quá trình xây dựng m ô hình dự báo dưới dạng lược đồ khối như sau:

Input: dãy quan sát X,

Kiểm tra ACF và PACF

Quy trình dự báo từ m ô hình gồm các bước sau:

a) Bước đầu tiên: cần định dạng m ô hình phải làm dừng chuỗi (để

xác định d) kế đó tìm các giá trị p và q

• Thuật toán được sử dụng là kiểm định tính dừng theo sai

phân với mức ý nghĩa 5 %

• Tiếp theo, các tham số p và q được xác định từ xây dựng

lược đồ tự tương quan (dùng phần mềm Eviews)

b) Bước hai: Dùng phương pháp bình phương tối thiểu với phần

mềm hỗ trợ Eviews, để ước lượng các tham số trong m ô hình

c) Bước ba: kiểm tra tính phù hợp cệa m ô hình được thiết lập ở bước

trên Thông thường, tiến hành kiểm định tính dừng cệa phần dư thông qua

quan sát lược đồ tự tương quan để nhận xét chuỗi phần dư

d) Bước bốn: Dự báo m ô hình

Với mục đích dự báo tương lai từ số liệu quá khứ, để định ý, xét quan

hệ phụ thuộc cệa trị giá hàng xuất khẩu vào đơn giá hàng và tỷ giá Trước

hết, lý thuyết kinh tế đều khẳng định: tác động cệa đơn giá hàng xuất khẩu

và tỷ giá đến lượng hoặc trị giá hàng xuất khẩu ảnh hưởng rõ rệt trong thời

kỳ ngắn hạn Gắn với điều đó, giả định rằng tác động ngắn hạn xảy ra khi

nền kinh tế còn trong trạng thái "không cân bằng" và sẽ tiến tới một tác

động mang tính dài hạn hơn khi nền kinh tế đạt trạng thái "cân bằng"

Có thể lựa chọn m ô hình thể hiện quan hệ phụ thuộc trên (trong thời

đoạn ngắn) như sau:

TRIGIA = p, + p 2 DONGIA + P 3 TYGIA + u (2.3)

Hoặc

LOG(TRIGIA) = oe, + a 2 LOG( DONGIA) + P 3 LOG(TYGIA) + V (2.4)

Hay cũng chính là:

ở đây, TRIGIA: trị giá; DONGIA: đơn giá; TYGIA: tỷ giá

p,;a, là hệ số chặn

P 2; a2: hệ số co dãn của sự thay đổi trị giá xuất khẩu theo đem giá

(3 3; ot3: hệ số co dãn của sự thay đổi trị giá xuất khẩu theo tỷ giá

Với số liệu cụ thể thu thập cho mặt hàng tôm đông lạnh xuất khẩu (Bừng 1) bao gồm cừ lượng, trị giá, tỷ giá, đơn giá từ 1991 đến nay; theo lược đồ ở phần trên đã xây dựng được 7 phương án (tương ứng với 7 kịch bừn) để dự báo giá cho mặt hàng xuất khẩu này

Ba phương án đầu (từ đây gọi phương án là kịch bừn) được xây dựng theo m ô hình hồi quy 2 biến và 3 biến cùng các kiểm định về tự tương quan, phương sai không đồng đều

LUONG3 (đơn vị trọng lượng)

GIATOM1 (đơn vi tiền

tệ USD)

GIATOM2 (đơn vi tiền

tệ USD)

GIATOM3 đơn vi tiền

tệ USD)

TYGIA (đơn vị tiền tê USD)

TRIGIA (đơn vị tiền tê USD)

a) Kịch bản 1:

Bảng 2 (Kết quả hồi quy mô hình 1)

Biến phụ thuộc : TRIGIA

Phương pháp: Bình phương tối thiểu

Ngày: 11/03/05 Thời gian: 09:53

10.66037 0.008401 57.08802

1.490056 2.966244 -3.895676

0.1671 0.0141 0.0030

Ì 959400 Xác suất (Thống kê F) 0.000025

Nguồn: Từ phần mềm Evỉews

Phương trình hồi quy:

TRIGIA = 15.88455738*GIATOM3 + 0.02491904651*TYGIA - 222.3964219

Hình Ì: Đồ thị biểu diễn giá trị thực, giá trị dự báo và phần dư

K i ể m định phương sai Bảng 3

Kiểm định phương sai thay đổi

Thống kê F 0.118858 Xác suất 0.971917 R* 2

0.729240 Xác suất 0.947675 Biến phụ thuộc : RESIDA

2 Phương pháp: Phương pháp bình

phương tối thiểu

Ngày: 11/03/05 Thời gian: 09:55

TYGIAA

2 -0.000112 0 000195 -0.573840 0.5818

R2 0.056095 Trung bình biến phụ thuộc 828.8749

R2

hiệu chỉnh -0.415857 S.D Phương sai biến phụ thuộc 1071.000

Đô lêch chuẩn hồi quy 1274.380 Tiêu chuẩn Akaike 17.42203

Log - ước lượng hợp lý -108.2432 Thống kê F 0.118858

Thống kê Durbin-Watson 2.562312 Xác suất (Thống kê F) 0.971917

Nguồn: Từ phần mềm Eviews

Bảng 4

Thống kê F 0.019380 Xác suất 0.892349 R*2

0.027933 Xác suất 0.867268

Biến phụ thuộc : RESID

Phương pháp: Phương pháp bình phương tối thiểu

Ngày: 11/03/05 Thơi gian: 09:57

Biến Hê số Độ lệch chuẩn Thống kê t Xác suất

0.002149 Trung bình biến phụ thuộc -1.80E-14

R2 hiệu chỉnh -0.330468 S.D Phương sai biến phụ thuộc 29.96578

Đô lêch chuẩn hồi quy 34.56430 Tiêu chuẩn Akaike 10.17118

Log - ước lượng hợp lý -62.11267 Thống kê F 0.006460

Thống kê Durbin- 1.889199 Xác suất (Thống kê F) 0.999231

Watson

Nguồn: Từ phần mềm Eviews

Kiểm định tính chuẩn của phần dư

Bảng 5

Chuỗi: Phần dư Mẫu: 1991 20003 Quan sát: 13

Trung bình: -1.8E — 14 Phương sai: 3.301666 Lớn nhất: 56.94392 Nhỏ nhất: - 54.63686 Tiêu chuẩn Dev: 29.96578 Skewness: 0.119726 Kurtosis: 2.541128 Jarque — Bera: 0.145113 Xác suất: 0.930013

0.951202 0.939723

Test Equation:

Biến phụ thuộc : TRIGIA

Phương pháp: Phương pháp bình phương tối thiểu

Ngày: 11/03/05 Thời gian: 09:58

Mâu: 1991 2003

GIATOM3 15.34315 14.15075 1.084264 0.3064 TYGIA 0.023698 0.021322 1.111455 0.2952

Log - ước lượng hợp lý -62.12379

Thong kê Durbin- Ì 952260

Watson

Trung bình biến phụ thuộc S.D Phương sai biến phụ thuộc Tiêu chuẩn Akaike

Tiêu chuẩn Schwarz Thống kê F

Xác suất (Thống kê F)

199.1641 86.56987 10.17289 10.34672 22.04925 0.000175

Nguồn : Từ phần mềm Eviews

Kết quả dự báo từ mô hình: Bảng 7

Năm quan sát TRIGIA (đơn vi tiền tê USD) TRIGIAFl(đom vi tiền tệ USD )

b) Kịch bản 2

Bảng 8 (Kết quả hồi quy m ô hình 2)

Biến phụ thuộc : TRIG1A

Phương pháp: Phương pháp bình phương tối thiểu

Ngày: 11/03/05 Thời gian: 10:35

R 2 0.871680 Trung bình biến phụ thuộc 210.1877

R 2 hiệu chỉnh 0.843165 S.D Phương sai biến phụ thuộc 80.32592

Đô lêch chuẩn hồi quy 31.81102 Tiêu chuẩn Akaike 9.969821

Log - ước lượng họp lý -56.81892 Thống kê F 30.56864 Thống kê Durbin-NVatson 2.372283 Xác suất (Thống kê F) 0.000097

Nguồn: Từ phần mềm E\ìews

Phương trình hồi quy:

TRIGIA = 18.83575179*GIATOMl(l) + 0.05768355234*TYGIA

-391.7658799

Kiểm định phương sai không đồng đều của phần dư

Ngày: 11/03/05 Thời gian: 10:37

TYGIA A

2 -9.57E-05 7.62E-05 -1.255786 0.2495

R 2 0.504497 Trung bình biến phụ thuộc 758.9557

R 2

hiệu chỗnh 0.221352 S.D Phương sai biến phụ thuộc 783.9138

Độ lệch chuẩn hồi quy 691.7335 Tiêu chuẩn Akaike 16.21062

Log - ước lượng hợp lý -92.26369 Thống kê F 1.781764

Thống kê Durbin-Watson 2.515166 Xác suất (Thống kê F) 0.236850

Biến phụ thuộc : RESID

Phương pháp: Phương pháp bình phương tối thiểu

Ngày: 11/03/05 Thời gian: 10:38

Biến Hệ số Độ lệch Thốns kê t Xác suất

chuẩn GIATOMl(-l) 1.756092 9.436312 0.186099 0.8576

hiệu chỗnh -0.086694 S.D Phương sai biến phụ thuộc 28.77415

Đô lếch chuẩn hồi quy 29.99550 Tiêu chuẩn Akaike 9.934309

Log - ước lượng hợp lý -54.60585 Thống kê F 0.780612 Thong kê Durbin-XVatson Ị 987452 Xác suất (Thống kẻ F) 0.571915

Nguồn: Từ phần mềm Eviews

0.275007 0.157111

Kiểm định tính chuẩn của phần dư

Bảng l i

Chuỗi: Phần dư Mẫu: 1992 20003 Quan sát: 12

Trung bình: 1.05E —

14 Phương sai: 1.908676 Lớn nhất: 46.75600 Nhỏ nhất: -41.05748 Tiêu chuẩn Dev : 28.77415 Skewness: -0.018440 Kurtosis: 1.977947 Jarque — Bera: 0.522977 Xác suất: 0.769905

Kiểm định dạng hàm

Bảng 12 Kiểm định Ramsay

Log - ưác lượng hợp lý 0.951940 Xác suất 0.329226 Biến phụ thuồc : TRIGIA

Phương pháp: Phương pháp bình phương tối thiểu

Ngày: 11/03/05 Thòi gian: 10:41

Mẫu: 1992 2003

Số lượng quan sát: 12

Biến Hệ số Đồ lệch Thống kê t Xác suất

chuẩn GIATOMl(-l) -30.54396 17.30747 -1.764785 0.1156 TYGIA 0.088449 0.039744 2.225453 0.0567

FITTED A 2 -0.001160 0.001428 -0.812698 0.4399

R 2 0.881466 Trung bình biến phụ thuồc 210.1877

R 2 hiệu chỉnh 0.837016 S.D Phương sai biến phụ thuồc 80.32592

Đô lêch chuẩn hồi quy 32.42858 Tiêu chuẩn Akaike 10.05716

Log - ước lượng hợp lý -56.34295 Thống kê F 19.83046 Thống kê Durbin-Watson 2.821045 Xác suất (Thống kê F) 0.000462

Nguồn: Từ phần mềm Eviews

c) Kịch bản 3

Bảng 14 (Kết quả hồi quy m ô hình 3)

Biến phụ thuộc : TRIGIA

Phương pháp: Phương pháp bình phương tối thiểu

Ngày: 11/03/05 Thời gian: 10:48

-317.6891

8.984479 -1.412853 0.009993 4.801628

81.66941 -3.889940

0.1913 0.0010

Trung bình biến phụ thuộc S.D phương sai biến phụ thuộc Tiêu chuẩn Akaike

Tiêu chuẩn Schwarz Thống kê F

Xác suất (Thống kê F)

210.1877 80.32592 10.13781 10.25904 25.14573

0000207

Nguồn: Từ phần mềm Eviews

Phương trình hồi quy:

TRIGIA = -12.69374778*GIATOM2(-l) + 0.0479835315*TYGIA - 317.6891439

Hình 5: Đồ thị biểu diễn giá trị thực, giá trị dự báo và phần dư

400

92 93 94 95 96 97 98 99 00 01 02 03

Residual — • — Actual — • — Fitted