Dự báo chỉ số giá tiêu dùng (CPI) giai đoạn tháng 10 2021 đến tháng 10 2022 của việt nam

Đề bài: Hãy lựa chọn phương pháp, thu thập dữ liệu và phần mềm kinh tế lượng phù hợp để thực hiện dự báo một trong các chỉ tiêu kinh tế của Việt Nam sau đây: 1.. - Phương pháp được lựa c

Đề bài:

Hãy lựa chọn phương pháp, thu thập dữ liệu và phần mềm kinh tế lượng phù hợp để thực hiện dự báo một trong các chỉ tiêu kinh tế của Việt Nam sau đây:

1 GDP Việt Nam giai đoạn 2021-2023

2 Chỉ số giá tiêu dùng giai đoạn tháng 10-2021 đến tháng 10-2022

3 Tổng vốn đầu tư xã hội của Việt Nam giai đoạn 2021-2023

4 Vốn đầu tư trực tiếp nước ngoài (FDI) ở Việt Nam giai đoạn 2021-2023

5 Kim ngạch xuất khẩu của Việt Nam giai đoạn 2021 -2022

6 Dân số (gồm cả cơ cấu giới, độ tuổi) và lực lượng lao động Việt Nam giai đoạn 2021-2025

Yêu cầu:

- Mỗi sinh viên chỉ chọn 01 trong số 06 chỉ tiêu nêu trên để thực hiện bài tập.

- Phương pháp được lựa chọn nằm trong chương trình học và việc lựa chọn phương pháp dự báo phải được luận giải

- Dữ liệu thu thập cần trích dẫn nguồn

- Việc xây dựng mô hình dự báo và tính toán phải được thực hiện bằng các phần mềm kinh tế lượng phù hợp ( Eviews/ Stata/ SPSS…)

Bài làm:

Lựa chọn đề tài: Dự báo chỉ số giá tiêu dùng (CPI) giai đoạn tháng 10-2021 đến tháng 10-2022 của Việt Nam được tiến hành như sau:

Quy trình dự báo được thực hiện như sau:

1 Thu thập và mô tả nguồn số liệu:

- Các số liệu được thu thập trên trang web của Vietstock ( tin chứng khoán, bất động sản, đầu tư, ):

- Chỉ số giá tiêu dùng CPI ( đơn vị: %)

Ta có bảng số liệu được thu thập:

Bảng 1 Thống kê chỉ số giá tiêu dùng giai đoạn 2016-2021( ĐVT: %)

Nguồn: d m

2 Lựa chọn mô hình dự báo

Dự báo chỉ số giá tiêu dùng (CPI) là hoạt động rất quan trọng đối với các chính phủ và các doanh nghiệp trong việc lập kế hoạch cho đơn vị của mình Kết quả dự báo càng chính xác thì việc hoạch định chính sách càng khả thi Theo Daehoon Nahm (2015), tình hình CPI ngày càng khó dự báo do sự biến động của tỉnh hình kinh tế quốc gia và thế giới Vài thập kỷ qua, có nhiều mô hình được sử dụng để

dự báo CPI: nhp

Các phương pháp dự báo trên đều có những ưu và nhược điểm riêng phụ thuộc vào

dữ liệu thống kê T p

Vì vậy, bài tập này sẽ ứng dụng mô hình ARIMA để dự báo chỉ số giá tiêu dùng

của Việt Nam từ tháng 10/2021- 10/2022 (sử dụng phần mềm SPSS 25 để tiến hành phân tích dữ liệu)

3 Tiến hành dự báo

a Kiểm định tính dừng của chuỗi thời gian

Nhập số liệu vào SPSS và đặt tên biến là CPI, ta chọn Analyze → Forecasting → Sequence Charts Ta có dữ liệu như sau:

Ta được đồ thị:

Va vaA

b Xác định hệ số p và q thông qua đồ thị ACF và PACF

Với sai phân bậc 0, tại giao diện chính của SPSS, ta chọn Analyze → Forecasting

→ Autocorrelations Ta có dữ liệu như sau:

Ta có kết quả:

Từ đồ thị ACF, có cột 1 và cột 3 cao quá giới hạn, vì vậy q=1 và q=3

Từ đồ thị PACF, có cột 1 và cột 2 cao quá giới hạn, vì vậy p= 1 và p=2.

Ta xác định được các mô hình sau: ARIMA (1,0,1) ; ARIMA (1,0,3) ; ARIMA ( 2,0,1) ; ARIMA ( 2,0,3)

c Chạy các mô hình ARIMA nói trên có được trên phần mềm SPSS 25 để ước lượng, kiểm định và dự báo

Chọn mục Analyze / Forecast/ Creat Models Sau đó đưa biến CPI vào mục Dependent Variables.

- Ở thẻ Variables, trong khung Method chọn ARIMA để dự báo cho phương pháp này Trong mục Criteria chọn các giá trị p, d, q ở phần Nonseason (không có yếu

tố mùa vụ) đã xác lập để xem các mô hình dư báo Cứ mỗi mô hình thì điền p, d, q tương ứng vào rồi bấm Continute Sau đó bấm OK để chạy mô hình Phải tiến hành chạy tất cả các mô hình để có thể kiểm định được mô hình nào là phù hợp và chọn

ra mô hình tốt nhất để có thể lựa chọn phục vụ công tác dự báo Mỗi mô hình chúng ta sẽ có được luôn kết quả dự báo cho các bước tiếp theo nhưng chỉ lấy kết quả dự báo của mô hình tốt nhất

- Tại thẻ Statistics chọn các mục như sau:

- Trong thẻ Plots chọn các mục như sau:

- Tại thẻ Options chọn 82 để dự báo cho 13 tháng tiếp theo từ 70 đến 82

Sau đó bấm OK Chạy lần lượt các mô hình ta được các kết quả được trình bày ở

dưới Trong đó:

+ Tên mô hình được trình bày trong bảng Model Description.

+ Các chỉ tiêu thống kê như hệ số xác định của mô hình R2, hệ số xác định R2 điều chỉnh, các sai số dự báo như MSE, MAPE, MAE, BIC được trình bày trong bảng Model Fit

+ Các hệ số ước lượng của mô hình được trình bày trong bảng ARIMA Model Parameters

+ Giá trị dự báo chỉ số mùa vụ cho 13 tháng tiếp (từ quan sát 70 – 82) theo được

trình bày trong bảng Forecast.

+ Phần dư của mô hình được thể hiện bởi đồ thị Residual ACF và Residual PACF + Đồ thị của mô hình được vẽ cuối cùng sau đồ thị về phần dư

Mô hình ARIMA (1,0,1)

Trên đồ thị phần dư của ACF và PACF ta thấy toàn bộ các quan sát vượt nằm trong giới hạn nên phần dư này là nhiễu trắng Do đó, mô hình này là phù hợp

Mô hình ARIMA (1,0,3)

Trên đồ thị phần dư của ACF và PACF ta thấy toàn bộ các quan sát vượt nằm trong giới hạn nên phần dư này là nhiễu trắng Do đó, mô hình này là phù hợp

Mô hình ARIMA ( 2,0,1)

Trên đồ thị phần dư của ACF và PACF ta thấy toàn bộ các quan sát vượt nằm trong giới hạn nên phần dư này là nhiễu trắng Do đó, mô hình này là phù hợp

Mô hình ARIMA ( 2,0,3)

Trên đồ thị phần dư của ACF và PACF ta thấy toàn bộ các quan sát vượt nằm trong giới hạn nên phần dư này là nhiễu trắng Do đó, mô hình này là phù hợp

d Lựa chọn mô hình phù hợp và đưa ra kết quả dự báo

ARIMA (1,0,1) Phần dư là nhiễu trắng 0,449 -1,416

ARIMA (1,0,3) Phần dư là nhiễu trắng 0,429 -1,385

ARIMA (2,0,1) Phần dư là nhiễu trắng 0,429 -1,449

ARIMA (2,0,3) Phần dư là nhiễu trắng 0,434 -1,303

Trong các mô hình bên trên, tất cả mô hình phù hợp là ARIMA(1,0,1); ARIMA(1,0,3); ARIMA (2,0,1); ARIMA (2,0,3) đều phù hợp để thực hiện dự báo

do có tất cả phần dư trên đồ thị ACF và PACF là nhiều trắng

Tuy nhiên mô hình ARIMA (2,0,1) là tốt nhất do có giá trị MSE và BIC nhỏ nhất

nên ta sẽ sử dụng kết quả dự báo của mô hình này

- Kết quả dự báo 13 tháng tiếp theo ứng với giá trị của các quan sát thứ 70 đến

82 trên bảng Forecast: