2. DỰ BÁO
Dự báo là tiên đoán những hiện tượng trong tương
lai hay một số các giá trị (mà chúng ta không thể
đo được trong quá trình điều tra số liệu).
Dự báo dựa trên kinh nghiệm, những ý kiến đánh
giá của các chuyên gia hay dựa trên những mô hình
toán học và các quan hệ thống kê mô tả xu hướng
vận động của dữ liệu.
Trong dự báo thông thường các biến dự báo phụ
thuộc vào một hay nhiều biến khác mà ta còn gọi là
các biến giải thích.
3. PHÂN LOẠI KIỂU SỐ LIỆU
Chuỗi thời gian (Time series): là các số liệu thu
thập tại từng thời điểm nhất định ( Năm, quý,
tháng, ...).
Số liệu chéo (Cross-sectional data): là số liệu thu
thập tại một thời điểm ở nhiều nơi, địa phương,
đơn vị, khác nhau.
4. PHÂN LOẠI KIỂU SỐ LIỆU
Ví dụ: Bảng số liệu điều tra về thu nhập khả dụng
(CONS), và Doanh số bán lẻ (SALES)
7. CÁC THÀNH PHẦN CỦA
CHUỖI THỜI GIAN
Xu thế
(T)
Mùa (S)
Chu kỳ (C)
8. CÁC THÀNH PHẦN CỦA
CHUỖI THỜI GIAN
Xu thế
(T)
Chu kỳ (C)
Mùa (S)
Ngẫu nhiên (I)
9. PHÂN LOẠI DỰ BÁO
Theo kết quả dự báo
- Dự báo điểm
- Dự báo khoảng
Theo khoảng cách dự báo (đối với chuỗi thời
gian)
- Ngắn hạn (Từ 3 tháng)
- Trung hạn (Từ 3 tháng đến 2 năm)
- Dài hạn (Từ 2 năm)
Theo khoảng cách dự báo (đối với số liệu chéo)
- Giá trị dự báo nội suy
- Giá trị dự báo ngoại suy
10. PHÂN LOẠI DỰ BÁO
Theo phương pháp dự báo
- Phương pháp định tính:
+ Được sử dụng khi dữ liệu không có sẵn, hay không
đầy đủ.
+ Dựa vào kinh nghiệm, các ý kiến, sự hiểu biết của
các chuyên gia.
11. PHÂN LOẠI DỰ BÁO
- Phương pháp định lượng (PPĐL):
+ Được sử dụng khi dữ liệu có sẵn.
12. PHÂN LOẠI DỰ BÁO
- Phương pháp định lượng (PPĐL):
+ Dựa vào số liệu điều tra và phương pháp thống kê.
13. PHÂN LOẠI DỰ BÁO
- Phương pháp định lượng (PPĐL):
PHƯƠNG PHÁP DỰ BÁO
ĐỊNH LƯỢNG
14. PHÂN LOẠI DỰ BÁO
- Phương pháp định lượng (PPĐL):
PHƯƠNG PHÁP DỰ BÁO
ĐỊNH LƯỢNG
Mô hình
chuỗi thời gian
15. PHÂN LOẠI DỰ BÁO
- Phương pháp định lượng (PPĐL):
PHƯƠNG PHÁP DỰ BÁO
ĐỊNH LƯỢNG
Mô hình
chuỗi thời gian
Mô hình
nhân quả
16. PHÂN LOẠI DỰ BÁO
- Phương pháp định lượng (PPĐL):
PHƯƠNG PHÁP DỰ BÁO
ĐỊNH LƯỢNG
Mô hình
chuỗi thời gian
PP Dự báo
Naive
PP Trung
bình trượt
PP San bằng
hàm mũ
Mô hình
nhân quả
PP Mô hình
xu thế
17. PHÂN LOẠI DỰ BÁO
- Phương pháp định lượng (PPĐL):
PHƯƠNG PHÁP DỰ BÁO
ĐỊNH LƯỢNG
Mô hình
chuỗi thời gian
PP Dự báo
Naive
PP Trung
bình trượt
PP San bằng
hàm mũ
Mô hình
nhân quả
PP Mô hình
xu thế
PP Hồi quy
18. ĐÁNH GIÁ SAI SỐ DỰ BÁO
1. Định nghĩa. Với Yt là giá trị quan sát và Ft giá trị dự báo
tương ứng với thởi điểm t. thì sai số của dự báo được xác định
et = Yt − Ft , t = 1, n
(1)
Khi đó, ta có
+ Sai số trung bình
1 n
ME = ∑ et
n t =1
(2)
19. ĐÁNH GIÁ SAI SỐ DỰ BÁO
1. Định nghĩa. Với Yt là giá trị quan sát và Ft giá trị dự báo
tương ứng với thởi điểm t. thì sai số của dự báo được xác định
et = Yt − Ft , t = 1, n
(1)
Khi đó, ta có
+ Sai số tuyệt đối trung bình
1 n
MAE = ∑ et
n t =1
(3)
20. ĐÁNH GIÁ SAI SỐ DỰ BÁO
1. Định nghĩa. Với Yt là giá trị quan sát và Ft giá trị dự báo
tương ứng với thởi điểm t. thì sai số của dự báo được xác định
et = Yt − Ft , t = 1, n
(1)
Khi đó, ta có
+ Sai số bình phương trung bình
1 n 2
MSE = ∑ et
n t =1
(4)
21. ĐÁNH GIÁ SAI SỐ DỰ BÁO
1. Định nghĩa. Với Yt là giá trị quan sát và Ft giá trị dự báo
tương ứng với thởi điểm t. thì sai số của dự báo được xác định
et = Yt − Ft , t = 1, n
(1)
Khi đó, ta có
+ Sai số bình phương trung bình gốc
1 n 2
RMSE =
∑ et
n t =1
(5)
22. ĐÁNH GIÁ SAI SỐ DỰ BÁO
1. Định nghĩa. Với Yt là giá trị quan sát và Ft giá trị dự báo
tương ứng với thởi điểm t. thì sai số của dự báo được xác định
et = Yt − Ft , t = 1, n
(1)
Khi đó, ta có
+ Phần trăm sai số
Yt − Ft
PEt =
Yt
÷× 100
(6)
23. ĐÁNH GIÁ SAI SỐ DỰ BÁO
1. Định nghĩa. Với Yt là giá trị quan sát và Ft giá trị dự báo
tương ứng với thởi điểm t. thì sai số của dự báo được xác định
et = Yt − Ft , t = 1, n
(1)
Khi đó, ta có
+ Sai số phần trăm trung bình
1 n
MPE = ∑ PEt
n t =1
(7)
24. ĐÁNH GIÁ SAI SỐ DỰ BÁO
1. Định nghĩa. Với Yt là giá trị quan sát và Ft giá trị dự báo
tương ứng với thởi điểm t. thì sai số của dự báo được xác định
et = Yt − Ft , t = 1, n
(1)
Khi đó, ta có
+ Sai số phần trăm tuyệt đối
1 n
MAPE = ∑ PEt
n t =1
(8)
25. ĐÁNH GIÁ SAI SỐ DỰ BÁO
+ Hệ số không ngang bằng Theil U
n −1
U=
∑ ( FPE
t =1
t +1
n −1
∑ ( APE )
t =1
trong đó
− APEt +1 )
2
2
(9)
t +1
Ft +1 − Yt
FPEt +1 =
Yt
(10)
Yt +1 − Yt
APEt +1 =
Yt
(11)
26. ĐÁNH GIÁ SAI SỐ DỰ BÁO
Khi đó U có thể viết lại dưới dạng
2
Ft +1 − Yt +1
∑ Y ÷
t =1
t
U=
2
n −1
Yt +1 − Yt
∑ Y ÷
t =1
t
n −1
(12)
30. MỘT SỐ VÍ DỤ
Ví dụ 2. Giả sử chúng ta có 2 mô hinh sau đây
31. LỰA CHỌN CÁC THAM SỐ DỰ BÁO
Khi tồn tại một số sai số lớn khi đó ta dùng MAE
Khi các sai số tương đương nhau ta dùng MSE
Khi các giá trị sai số MAE, MSE, RMSE được tính
đồng thời việc lựa chọn sẽ dựa vào công thức có giá trị
nhỏ nhất
Khi so sánh các mô hình ta cũng lựa chọn dựa vào
những mô hình có sai số bé nhất
Lưu ý: Không so sánh trên những mô hình có dữ liệu đã
chuẩn hoá, hay dữ liệu không cùng tần suất.
32. LỰA CHỌN CÁC THAM SỐ DỰ BÁO
Hệ số Theil U được sử dụng để so sánh các mô hình dự
báo khác so với mô hình dự báo thô (Naive). Cụ thể
RMSE (M oâhình DB )
U=
RMSE (M oâhình N ai ve)
Khi đó, ta có một số đánh giá sau
•
•
•
•
•
U càng tiến về 0 thì dự báo càng chính xác.
Trong thực tế khi U < 0.55 thì mô hình dự báo là tốt.
U = 1 : Mô hình Naive được sử dụng tốt nhất
U < 1 : Các mô hình dự báo khác được chọn
U > 1 : Mô hình Naive được lựa chọn
(13)
33. CÁC PHƯƠNG PHÁP
DỰ BÁO ĐƠN GIẢN
Dự báo thô (Naive): Giá trị dự báo bằng với giá trị
trước đó
Ft +1 = Yt , t = 1, n
Ưu điểm: Áp dụng cho những quan sát ít thay đổi theo thời
gian
Phương pháp bình quân di động (Moving averages)
Ft +1 =
Yt + Yt −1 + ... + Yt −( k −1)
k
, k = 1, n
Ưu điểm: Áp dụng cho những chuỗi có giao động đáng kể.
34. CÁC PHƯƠNG PHÁP
DỰ BÁO ĐƠN GIẢN
Dự báo xu thế (Trend models):
Y = α + β t + ε t , t = 1, n
Ft = a + bt
Dự báo nhân quả (Causal models or regression)
Yt = α + β X t + ε t , t = 1, n
Ft = a + bX t
35. CÁC PHƯƠNG PHÁP
DỰ BÁO ĐƠN GIẢN
Ví dụ: Ta có số liệu về Doanh số báng (SALES) và thu nhập
khả dụng (CONS).
