Khoa Công NGH ThÔng Tin B Môn

!"

#$%#$

Chương 1: TӘNG QUAN Vӄ PHÂN TÍCH VÀ DӴ BÁO KINH Tӂ.........................3:
1.1. Khái niӋm .........................................................................................................3:
1.2.Ý nghĩa và vai trò cӫa phân tích và dӵ báo trong quá trình ra quyӃt đӏnh kinh
doanh .......................................................................................................................3:
Ý Ý .......................................................................................................3:
Ý .........................................................................................................4:
1.3. Các loҥi dӵ báo .................................................................................................4:
Ý Ý !: ...........................................................4:
Ý " # $% # # !: .............................................................5:
Ý &'$( !) ....................................................5:
1.4. Các phương pháp dӵ báo ...................................................................................7:
Ý Ý * $% # # !+ , ....................................................................7:
1.4.1.1. Lҩy ý kiӃn cӫa ban điӅu hành ..............................................................7:
1.4.1.2. Lҩy ý kiӃn cӫa ngưӡi bán hàng ...........................................................7:
1.4.1.3. Phương pháp chuyên gia (Delphi). ......................................................8:
1.4.1.4. Phương pháp điӅu tra ngưӡi tiêu dùng.................................................8:
Ý * $% # # !+ -$( .................................................................8:
1.4.2.1. Dӵ báo ngҳn hҥn .................................................................................9:
1.4.2.2. Dӵ báo dài hҥn .................................................................................. 14:
1.5. Quy trình dӵ báo ............................................................................................. 23:
Chương 2: CÁC PHƯƠNG PHÁP PHÂN TÍCH VÀ DӴ BÁO ................................ 26:
2.1. Dӵ báo tӯ các mӭc đӝ bình quân ..................................................................... 26:
Ý Ý " !./'!0 12 $(& ) .................................................... 26:
Ý 34 0 ! -$( &56)7'!0 12 ............... 27:
Ý 34 0 ! '# 8 !0 12 ................................ 28:
2.2. Mô hình dӵ báo theo phương trình hӗi quy (dӵ báo dӵa vào xu thӃ) ............... 31:
Ý 34 0 91 : ................................................................. 31:
34 0 91; ........................................................... 34:
2.3. Dӵ báo dӵa vào hàm xu thӃ và biӃn đӝng thӡi vө ............................................ 34:
Ý " !64 0 ......................................................................... 35:
" ! 64 0 2 .................................................................. 37:
2.4. Dӵ báo theo phương pháp san bҵng mũ........................................................... 40:
Ý 34 0 % 5 &# $% # #/ !< 6=% 5 ) ......................... 40:
34 0 > ?? , @ 4 A!? B&34 0 / 6=
C-DE :/) ................................................................................................... 44:
34 0 > ?? , !? B ......................................... 46:
2.5. Sӱ dөng chương trình SPSS đӇ dӵ báo theo các mô hình ................................ 49:
Ý " !< 6> ? ......................................................................... 49:
" !< / !< 6= ...................................................................... 50:
1
Chương 3: PHƯƠNG PHÁP HӖI QUY ĐƠN VÀ HӖI QUY BӜI VÀ THӔNG KÊ
HӖI QUY .................................................................................................................. 51:
3.1. Phương pháp hӗi quy đơn ............................................................................... 51:
3.2. Phương pháp hӗi quy bӝi: ............................................................................... 59:
3.3. Phương pháp thӕng kê hӗi quy ........................................................................ 60:
Chương 4: PHƯƠNG PHÁP BOX - JENKINS (ARIMA) ........................................ 67:
4.1. Tính әn đӏnh cӫa mӝt chuӛi ............................................................................. 67:
4.2. Hàm sӕ tӵ tương quan đơn và tӵ tương quan riêng phҫn ................................. 67:
4.3. KiӇm đӏnh nhiӃu trҳng ..................................................................................... 69:
Ý * 2 , 6 $% 1 .................................................................... 69:
6/' ' @FG>H*::IJ H!> ....................................... 69:
4.4. Mô hình AR(P) (Auto Regression) .................................................................. 71:
4.5. Mô hình MA(q) (Moving Average) ................................................................. 73:
4.6. Mô hình ARMA(p,q) ...................................................................................... 75:
4.7. Mô hình ARMA mӣ rӝng: ARIMA, SARIMA ................................................ 77:
4.8. Phương pháp Box - Jenkins ............................................................................. 78:
Chương 5: DÃY SӔ THӠI GIAN ............................................................................. 89:
5.1. Khái niӋm....................................................................................................... 89:
5.2. Các chӍ tiêu phân tích ...................................................................................... 90:
Ý 3 !0 : .............................................................. 90:
5.2.1.1 Đӕi vӟi dãy sӕ thӡi kǤ ........................................................................ 90:
5.2.1.2. Đӕi vӟi dãy sӕ thӡi điӇm ................................................................... 91:
I$( K567' ................................................................ 92:
5.2.2.1. Lưӧng tăng (giҧm) tuyӋt đӕi tӯng kǤ (liên hoàn) ............................... 92:
5.2.2.2. Lưӧng tăng (hoһc) giҧm tuyӋt đӕi đӏnh gӕc ....................................... 92:
5.2.2.3. Lưӧng tăng giҧm tuyӋt đӕi trung bình ............................................... 92:
'# 8 ....................................................................................... 93:
5.2.3.1. Tӕc đӝ phát triӇn tӯng kǤ (liên hoàn ................................................. 93:
5.2.3.2. Tӕc đӝ phát triӇn đӏnh gӕc ................................................................ 93:
5.2.3.2. Tӕc đӝ phát triӇn trung bình .............................................................. 93:
' K56 .............................................................................. 93:
5.2.4.1. Tӕc đӝ tăng (giҧm) liên hoàn (tӯng kǤ) ............................................. 93:
5.2.4.2. Tӕc đӝ tăng giҧm đӏnh gӕc ............................................................... 94:
5.2.4.3. Tӕc đӝ tăng (giҧm) trung bình ........................................................... 94:
+7'FÝ & K56) ..................................................... 94:
5.3.Các phương pháp biӇu hiӋn xu hưӟng phát triӇn cӫa hiӋn tưӧng ...................... 94:
Ý * $% # #6L @ 5 .......................................... 94:
* $% # #/' !0 $( .............................................................. 95:
* $% # # 91 ................................................................................ 96:
* $% # #!8 7 !? B ................................................. 99:
2
&'()*+ ,- !"

Ý Ý
Dӵ báo đã hình thành tӯ đҫu nhӳng năm 60 cӫa thӃ kӍ 20. Khoa hӑc dӵ báo vӟi tư
cách mӝt ngành khoa hӑc đӝc lұp có hӋ thӕng lí luұn, phương pháp luұn và phương pháp hӋ
riêng nhҵm nâng cao tính hiӋu quҧ cӫa dӵ báo. Ngưӡi ta thưӡng nhҩn mҥnh rҵng mӝt
phương pháp tiӃp cұn hiӋu quҧ đӕi vӟi dӵ báo là phҫn quan trӑng trong hoҥch đӏnh. Khi các
nhà quҧn trӏ lên kӃ hoҥch, trong hiӋn tҥi hӑ xác đӏnh hưӟng tương lai cho các hoҥt đӝng mà
hӑ sӁ thӵc hiӋn. Bưӟc đҫu tiên trong hoҥch đӏnh là dӵ báo hay là ưӟc lưӧng nhu cҫu tương
lai cho sҧn phҭm hoһc dӏch vө và các nguӗn lӵc cҫn thiӃt đӇ sҧn xuҩt sҧn phҭm hoһc dӏch vө đó.
Như vұy, dӵ báo là mӝt khoa hӑc và nghӋ thuұt tiên đoán nhӳng sӵ viӋc sӁ xҧy ra
trong tương lai, trên cơ sӣ phân tích khoa hӑc vӅ các dӳ liӋu đã thu thұp đưӧc.
Khi tiӃn hành dӵ báo ta căn cӭ vào viӋc thu thұp xӱ lý sӕ liӋu trong quá khӭ và hiӋn tҥi đӇ
xác đӏnh xu hưӟng vұn đӝng cӫa các hiӋn tưӧng trong tương lai nhӡ vào mӝt sӕ mô hình
toán hӑc.
Dӵ báo có thӇ là mӝt dӵ đoán chӫ quan hoһc trӵc giác vӅ tương lai. Nhưng đӇ cho dӵ
báo đưӧc chính xác hơn, ngưӡi ta cӕ loҥi trӯ nhӳng tính chӫ quan cӫa ngưӡi dӵ báo.
Ngày nay, dӵ báo là mӝt nhu cҫu không thӇ thiӃu đưӧc cӫa mӑi hoҥt đӝng kinh tӃ -
xác hӝi, khoa hӑc - kӻ thuұt, đưӧc tҩt cҧ các ngành khoa hӑc quan tâm nghiên cӭu.
Ý
!"#

Ý Ý

- Dùng đӇ dӵ báo các mӭc đӝ tương lai cӫa hiӋn tưӧng, qua đó giúp các nhà quҧn trӏ
doanh nghiӋp chӫ đӝng trong viӋc đӅ ra các kӃ hoҥch và các quyӃt đӏnh cҫn thiӃt phөc vө
cho quá trình sҧn xuҩt kinh doanh, đҫu tư, quҧng bá, quy mô sҧn xuҩt, kênh phân phӕi sҧn
phҭm, nguӗn cung cҩp tài chính« và chuҭn bӏ đҫy đӫ điӅu kiӋn cơ sӣ vұt chҩt, kӻ thuұt cho
sӵ phát triӇn trong thӡi gian tӟi (kӃ hoҥch cung cҩp các yӃu tӕ đҫu vào như: lao đӝng,
nguyên vұt liӋu, tư liӋu lao đӝng« cũng như các yӃu tӕ đҫu ra dưӟi dҥng sҧn phҭm vұt chҩt
và dӏch vө).
- Trong các doanh nghiӋp nӃu công tác dӵ báo đưӧc thӵc hiӋn mӝt cách nghiêm túc
còn tҥo điӅu kiӋn nâng cao khҧ năng cҥnh tranh trên thӏ trưӡng.
3
- Dӵ báo chính xác sӁ giҧm bӟt mӭc đӝ rӫi ro cho doanh nghiӋp nói riêng và toàn bӝ
nӅn kinh tӃ nói chung.
- Dӵ báo chính xác là căn cӭ đӇ các nhà hoҥch đӏnh các chính sách phát triӇn kinh tӃ
văn hoá xã hӝi trong toàn bӝ nӅn kinh tӃ quӕc dân
- Nhӡ có dӵ báo các chính sách kinh tӃ, các kӃ hoҥch và chương trình phát triӇn kinh
tӃ đưӧc xây dӵng có cơ sӣ khoa hӑc và mang lҥi hiӋu quҧ kinh tӃ cao.
- Nhӡ có dӵ báo thưӡng xuyên và kӏp thӡi, các nhà quҧn trӏ doanh nghiӋp có khҧ năng
kӏp thӡi đưa ra nhӳng biӋn pháp điӅu chӍnh các hoҥt đӝng kinh tӃ cӫa đơn vӏ mình nhҵm thu
đưӧc hiӋu quҧ sҧn xuҩt kinh doanh cao nhҩt.
Ý $
- Dӵ báo tҥo ra lӧi thӃ cҥnh tranh
- Công tác dӵ báo là mӝt bӝ phұn không thӇ thiӃu trong hoҥt đӝng cӫa các doanh
nghiӋp, trong tӯng phòng ban như: phòng Kinh doanh hoһc Marketing, phòng Sҧn xuҩt hoһc
phòng Nhân sӵ, phòng KӃ toán ± tài chính.
Ý % &'(
Ý % Ý &)*!+, +
Dӵ báo có thӇ phân thành ba loҥi
- Dӵ báo dài hҥn: Là nhӳng dӵ báo có thӡi gian dӵ báo tӯ 5 năm trӣ lên. Thưӡng dùng đӇ
dӵ báo nhӳng mөc tiêu, chiӃn lưӧc vӅ kinh tӃ chính trӏ, khoa hӑc kӻ thuұt trong thӡi gian dài
ӣ tҫm vĩ mô.
- Dӵ báo trung hҥn: Là nhӳng dӵ báo có thӡi gian dӵ báo tӯ 3 đӃn 5 năm. Thưӡng phөc
vө cho viӋc xây dӵng nhӳng kӃ hoҥch trung hҥn vӅ kinh tӃ văn hoá xã hӝi« ӣ tҫm vi mô và
vĩ mô.
- Dӵ báo ngҳn hҥn: Là nhӳng dӵ báo có thӡi gian dӵ báo dưӟi 3 năm, loҥi dӵ báo này
thưӡng dùng đӇ dӵ báo hoһc lұp các kӃ hoҥch kinh tӃ, văn hoá, xã hӝi chӫ yӃu ӣ tҫm vi mô
và vĩ mô trong khoҧng thӡi gian ngҳn nhҵm phөc vө cho công tác chӍ đҥo kӏp thӡi.
Cách phân loҥi này chӍ mang tính tương đӕi tuǤ thuӝc vào tӯng loҥi hiӋn tưӧng đӇ quy
đӏnh khoҧng cách thӡi gian cho phù hӧp vӟi loҥi hiӋn tưӧng đó: ví dө trong dӵ báo kinh tӃ,
dӵ báo dài hҥn là nhӳng dӵ báo có tҫm dӵ báo trên 5 năm, nhưng trong dӵ báo thӡi tiӃt, khí
tưӧng hӑc chӍ là mӝt tuҫn. Thang thӡi gian đӕi vӟi dӵ báo kinh tӃ dài hơn nhiӅu so vӟi thang
4
thӡi gian dӵ báo thӡi tiӃt. Vì vұy, thang thӡi gian có thӇ đo bҵng nhӳng đơn vӏ thích hӧp
( ví dө: quý, năm đӕi vӟi dӵ báo kinh tӃ và ngày đӕi vӟi dӵ báo dӵ báo thӡi tiӃt).
Ý % - ./:

Dӵ báo có thӇ chia thành 3 nhóm
- Dӵ báo bҵng phương pháp chuyên gia: Loҥi dӵ báo này đưӧc tiӃn hành trên cơ sӣ tәng
hӧp, xӱ lý ý kiӃn cӫa các chuyên gia thông thҥo vӟi hiӋn tưӧng đưӧc nghiên cӭu, tӯ đó có
phương pháp xӱ lý thích hӧp đӅ ra các dӵ đoán, các dӵ đoán này đưӧc cân nhҳc và đánh giá
chӫ quan tӯ các chuyên gia. Phương pháp này có ưu thӃ trong trưӡng hӧp dӵ đoán nhӳng
hiӋn tưӧng hay quá trình bao quát rӝng, phӭc tҥp, chӏu sӵ chi phӕi cӫa khoa hӑc - kӻ thuұt,
sӵ thay đәi cӫa môi trưӡng, thӡi tiӃt, chiӃn tranh trong khoҧng thӡi gian dài. Mӝt cҧi tiӃn cӫa
phương pháp Delphi ± là phương pháp dӵ báo dӵa trên cơ sӣ sӱ dөng mӝt tұp hӧp nhӳng
đánh giá cӫa mӝt nhóm chuyên gia. Mӛi chuyên gia đưӧc hӓi ý kiӃn và rӗi dӵ báo cӫa hӑ
đưӧc trình bày dưӟi dҥng thӕng kê tóm tҳt. ViӋc trình bày nhӳng ý kiӃn này đưӧc thӵc hiӋn
mӝt cách gián tiӃp ( không có sӵ tiӃp xúc trӵc tiӃp) đӇ tránh nhӳng sӵ tương tác trong nhóm
nhӓ qua đó tҥo nên nhӳng sai lӋch nhҩt đӏnh trong kӃt quҧ dư báo. Sau đó ngưӡi ta yêu cҫu
các chuyên gia duyӋt xét lҥi nhӳng dӵ báo cӫa hӑ trên xơ sӣ tóm tҳt tҩt cҧ các dӵ báo có thӇ
có nhӳng bә sung thêm.
- Dӵ báo theo phương trình hӗi quy: Theo phương pháp này, mӭc đӝ cҫn dӵ báo phҧi
đưӧc xây dӵng trên cơ sӣ xây dӵng mô hình hӗi quy, mô hình này đưӧc xây dӵng phù hӧp
vӟi đһc điӇm và xu thӃ phát triӇn cӫa hiӋn tưӧng nghiên cӭu. ĐӇ xây dӵng mô hình hӗi quy,
đòi hӓi phҧi có tài liӋu vӅ hiӋn tưӧng cҫn dӵ báo và các hiӋn tưӧng có liên quan. Loҥi dӵ báo
này thưӡng đưӧc sӱ dөng đӇ dӵ báo trung hҥn và dài hҥn ӣ tҫm vĩ mô.
- Dӵ báo dӵa vào dãy sӕ thӡi gian: Là dӵa trên cơ sӣ dãy sӕ thӡi gian phҧn ánh sӵ biӃn
đӝng cӫa hiӋn tưӧng ӣ nhӳng thӡi gian đã qua đӇ xác đӏnh mӭc đӝ cӫa hiӋn tưӧng trong
tương lai.
Ý % % &)*+0!1.23

Có thӇ chia dӵ báo thành: Dӵ báo khoa hӑc, dӵ báo kinh tӃ, dӵ báo xã hӝi, dӵ báo tӵ
nhiên, thiên văn hӑc«
- Dӵ báo khoa hӑc: Là dӵ kiӃn, tiên đoán vӅ nhӳng sӵ kiӋn, hiӋn tưӧng, trҥng thái nào đó
có thӇ hay nhҩt đӏnh sӁ xҧy ra trong tương lai. Theo nghĩa hҽp hơn, đó là sӵ nghiên cӭu khoa
hӑc vӅ nhӳng triӇn vӑng cӫa mӝt hiӋn tưӧng nào đó, chӫ yӃu là nhӳng đánh giá sӕ lưӧng và
chӍ ra khoҧng thӡi gian mà trong đó hiӋn tưӧng có thӇ diӉn ra nhӳng biӃn đәi.
5
- Dӵ báo kinh tӃ: Là khoa hӑc dӵ báo các hiӋn tưӧng kinh tӃ trong tương lai. Dӵ báo kinh
tӃ đưӧc coi là giai đoҥn trưӟc cӫa công tác xây dӵng chiӃn lưӧc phát triӇn kinh tӃ - xã hӝi và
dӵ án kӃ hoҥch dài hҥn; không đһt ra nhӳng nhiӋm vө cө thӇ, nhưng chӭa đӵng nhӳng nӝi
dung cҫn thiӃt làm căn cӭ đӇ xây dӵng nhӳng nhiӋm vө đó. Dӵ báo kinh tӃ bao trùm sӵ phát
triӇn kinh tӃ và xã hӝi cӫa đҩt nưӟc có tính đӃn sӵ phát triӇn cӫa tình hình thӃ giӟi và các
quan hӋ quӕc tӃ. Thưӡng đưӧc thӵc hiӋn chӫ yӃu theo nhӳng hưӟng sau: dân sӕ, nguӗn lao
đӝng, viӋc sӱ dөng và tái sҧn xuҩt chúng, năng suҩt lao đӝng; tái sҧn xuҩt xã hӝi trưӟc hӃt là
vӕn sҧn xuҩt cӕ đӏnh: sӵ phát triӇn cӫa cách mҥng khoa hӑc ± kĩ thuұt và công nghӋ và khҧ
năng ӭng dөng vào kinh tӃ; mӭc sӕng cӫa nhân dân, sӵ hình thành các nhu cҫu phi sҧn xuҩt,
đӝng thái và cơ cҩu tiêu dung, thu nhұp cӫa nhân dân; đӝng thái kinh tӃ quӕc dân và sӵ
chuyӇn dӏch cơ cҩu (nhӏp đӝ, tӍ lӋ, hiӋu quҧ); sӵ phát triӇn các khu vӵc và ngành kinh tӃ
(khӕi lưӧng đӝng thái, cơ cҩu, trình đӝ kĩ thuұt , bӝ máy, các mӕi liên hӋ liên ngành); phân
vùng sҧn xuҩt, khai thác tài nguyên thiên nhiên và phát triӇn các vùng kinh tӃ trong nưӟc,
các mӕi liên hӋ liên vùng; dӵ báo sӵ phát triӇn kinh tӃ cӫa thӃ giӟi kinh tӃ. Các kӃt quҧ dӵ
báo kinh tӃ cho phép hiӇu rõ đһc điӇm cӫa các điӅu kiӋn kinh tӃ - xã hӝi đӇ đһt chiӃn lưӧc
phát triӇn kinh tӃ đúng đҳn, xây dӵng các chương trình, kӃ hoҥch phát triӇn mӝt cách chӫ
đӝng, đҥt hiӋu quҧ cao và vӳng chҳc.
- Dӵ báo xã hôi: Dӵ báo xã hӝi là khoa hӑc nghiên cӭu nhӳng triӇn vӑng cө thӇ cӫa mӝt
hiӋn tưӧng, mӝt sӵ biӃn đәi, mӝt qúa trình xã hӝi, đӇ đưa ra dӵ báo hay dӵ đoán vӅ tình hình
diӉn biӃn, phát triӇn cӫa mӝt xã hӝi.
- Dӵ báo tӵ nhiên, thiên văn hӑc, loҥi dӵ báo này thưӡng bao gӗm:
+ Dӵ báo thӡi tiӃt: Thông báo thӡi tiӃt dӵ kiӃn trong mӝt thӡi gian nhҩt đӏnh trên mӝt
vùng nhҩt đӏnh. Trong dӵ báo thӡi tiӃt có dӵ báo chung, dӵ báo khu vӵc, dӵ báo đӏa phương,
v.v. VӅ thӡi gian, có dӵ báo thӡi tiӃt ngҳn (1-3 ngày) và dӵ báo thӡi tiӃt dài (tӟi mӝt năm).
+ Dӵ báo thuӹ văn: Là loҥi dӵ báo nhҵm tính đӇ xác đӏnh trưӟc sӵ phát triӇn các qúa
trình, hiӋn tưӧng thuӹ văn xҧy ra ӣ các sông hӗ, dӵa trên các tài liӋu liên quan tӟi khí tưӧng
thuӹ văn. Dӵ báo thuӹ văn dӵa trên sӵ hiӇu biӃt nhӳng quy luұt phát triӇn cӫa các quá trình,
khí tưӧng thuӹ văn, dӵ báo sӵ xuҩt hiӋn cӫa hiӋn tưӧng hay yӃu tӕ cҫn quan tâm. Căn cӭ
thӡi gian dӵ kiӃn, dӵ báo thuӹ văn đưӧc chia thành dӵ báo thuӹ văn hҥn ngҳn (thӡi gian
không quá 2 ngày), hҥn vӯa (tӯ 2 đӃn 10 ngày); dӵ báo thuӹ văn mùa (thӡi gian dӵ báo vài
tháng); cҩp báo thuӹ văn: thông tin khҭn cҩp vӅ hiӋn tưӧng thuӹ văn gây nguy hiӇm. Theo
mөc đích dӵ báo, có các loҥi: dӵ báo thuӹ văn phөc vө thi công, phөc vө vұn tҧi, phөc vө
phát điӋn,v.v. Theo yӃu tӕ dӵ báo, có: dӵ báo lưu lưӧng lӟn nhҩt, nhӓ nhҩt, dӵ báo lũ, v.v.
6
+ Dӵ báo đӏa lý: Là viӋc nghiên cӭu vӅ hưӟng phát triӇn cӫa môi trưӡng đӏa lí trong
tương lai, nhҵm đӅ ra trên cơ sӣ khoa hӑc nhӳng giҧi pháp sӱ dөng hӧp lí và bҧo vӋ môi trưӡng.
+ Dӵ báo đӝng đҩt: Là loҥi dӵ báo trưӟc đӏa điӇm và thӡi gian có khҧ năng xҧy ra đӝng đҩt.
Đӝng đҩt không đӝt nhiên xҧy ra mà là mӝt quá trình tích luӻ lâu dài, có thӇ hiӋn ra trưӟc bҵng
nhӳng biӃn đәi đӏa chҩt, nhӳng hiӋn tưӧng vұt lí, nhӳng trҥng thái sinh hӑc bҩt thưӡng ӣ đӝng
vұt,v.v. ViӋc dӵ báo thӵc hiӋn trên cơ sӣ nghiên cӭu bҧn đӗ phân vùng đӝng đҩt và nhӳng dҩu
hiӋu báo trưӟc. Cho đӃn nay, chưa thӇ dӵ báo chính xác vӅ thӡi gian đӝng đҩt sӁ xҧy ra.
Ý 4 &./
Ý 4 Ý 5./!"
Các phương pháp này dӵa trên cơ sӣ nhұn xét cӫa nhӳng nhân tӕ nhân quҧ, dӵa theo
doanh sӕ cӫa tӯng sҧn phҭm hay dӏch vө riêng biӋt và dӵa trên nhӳng ý kiӃn vӅ các khҧ năng
có liên hӋ cӫa nhӳng nhân tӕ nhân quҧ này trong tương lai. Nhӳng phương pháp này có liên
quan đӃn mӭc đӝ phӭc tҥp khác nhau, tӯ nhӳng khҧo sát ý kiӃn đưӧc tiӃn hành mӝt cách khoa
hӑc đӇ nhұn biӃt vӅ các sӵ kiӋn tương lai. Dưӟi đây là các dӵ báo đӏnh tính thưӡng dùng:
Ý Ý Ý IMN@? F! O
Phương pháp này đưӧc sӱ dөng rӝng rãi ӣ các doanh nghiӋp. Khi tiӃn hành dӵ báo,
hӑ lҩy ý kiӃn cӫa các nhà quҧn trӏ cҩp cao, nhӳng ngưӡi phө trách các công viӋc, các bӝ
phұn quan trӑng cӫa doanh nghiӋp, và sӱ dөng các sӕ liӋu thӕng kê vӅ nhӳng chӍ tiêu tәng
hӧp: doanh sӕ, chi phí, lӧi nhuұn...Ngoài ra cҫn lҩy thêm ý kiӃn cӫa các chuyên gia vӅ
marketing, tài chính, sҧn xuҩt, kӻ thuұt.
Nhưӧc điӇm lӟn nhҩt cӫa phương pháp này là có tính chӫ quan cӫa các thành viên và
ý kiӃn cӫa ngưӡi có chӭc vө cao nhҩt thưӡng chi phӕi ý kiӃn cӫa nhӳng ngưӡi khác.
Ý Ý IMN@? F $!
Nhӳng ngưӡi bán hàng tiӃp xúc thưӡng xuyên vӟi khách hàng, do đó hӑ hiӇu rõ nhu
cҫu, thӏ hiӃu cӫa ngưӡi tiêu dùng. Hӑ có thӇ dӵ đoán đưӧc lưӧng hàng tiêu thө tҥi khu vӵc
mình phө trách.
Tұp hӧp ý kiӃn cӫa nhiӅu ngưӡi bán hàng tҥi nhiӅu khu vӵc khác nhau, ta có đưӧc
lưӧng dӵ báo tәng hӧp vӅ nhu cҫu đӕi vӟi loҥi sҧn phҭm đang xét.
Nhưӧc điӇm cӫa phương pháp này là phө thuӝc vào đánh giá chӫ quan cӫa ngưӡi bán
hàng. Mӝt sӕ có khuynh hưӟng lҥc quan đánh giá cao lưӧng hàng bán ra cӫa mình. Ngưӧc
lҥi, mӝt sӕ khác lҥi muӕn giҧm xuӕng đӇ dӉ đҥt đӏnh mӭc.
7
Ý Ý * $% # # &":-# )
Phương pháp này thu thұp ý kiӃn cӫa các chuyên gia trong hoһc ngoài doanh nghiӋp
theo nhӳng mүu câu hӓi đưӧc in sҹn và đưӧc thӵc hiӋn như sau:
- Mӛi chuyên gia đưӧc phát mӝt thư yêu cҫu trҧ lӡi mӝt sӕ câu hӓi phөc vө cho viӋc
dӵ báo.
- Nhân viên dӵ báo tұp hӧp các câu trҧ lӡi, sҳp xӃp chӑn lӑc và tóm tҳt lҥi các ý kiӃn
cӫa các chuyên gia.
- Dӵa vào bҧng tóm tҳt này nhân viên dӵ báo lҥi tiӃp tөc nêu ra các câu hӓi đӇ các
chuyên gia trҧ lӡi tiӃp.
- Tұp hӧp các ý kiӃn mӟi cӫa các chuyên gia. NӃu chưa thӓa mãn thì tiӃp tөc quá
trình nêu trên cho đӃn khi đҥt yêu cҫu dӵ báo.
Ưu điӇm cӫa phương pháp này là tránh đưӧc các liên hӋ cá nhân vӟi nhau, không xҧy
ra va chҥm giӳa các chuyên gia và hӑ không bӏ ҧnh hưӣng bӣi ý kiӃn cӫa mӝt ngưӡi nào đó
có ưu thӃ trong sӕ ngưӡi đưӧc hӓi ý kiӃn.
Ý Ý * $% # #O $P
Phương pháp này sӁ thu thұp nguӗn thông tin tӯ đӕi tưӧng ngưӡi tiêu dùng vӅ nhu
cҫu hiӋn tҥi cũng như tương lai. Cuӝc điӅu tra nhu cҫu đưӧc thӵc hiӋn bӣi nhӳng nhân viên
bán hàng hoһc nhân viên nghiên cӭu thӏ trưӡng. Hӑ thu thұp ý kiӃn khách hàng thông qua
phiӃu điӅu tra, phӓng vҩn trӵc tiӃp hay điӋn thoҥi... Cách tiӃp cұn này không nhӳng giúp cho
doanh nghiӋp vӅ dӵ báo nhu cҫu mà cҧ trong viӋc cҧi tiӃn thiӃt kӃ sҧn phҭm. Phương pháp
này mҩt nhiӅu thӡi gian, viӋc chuҭn bӏ phӭc tҥp, khó khăn và tӕn kém, có thӇ không chính
xác trong các câu trҧ lӡi cӫa ngưӡi tiêu dùng.
Ý 4 5./!"'.2
Mô hình dӵ báo đӏnh lưӧng dӵa trên sӕ liӋu quá khӭ, nhӳng sӕ liӋu này giҧ sӱ có liên
quan đӃn tương lai và có thӇ tìm thҩy đưӧc. Tҩt cҧ các mô hình dӵ báo theo đӏnh lưӧng có
thӇ sӱ dөng thông qua chuӛi thӡi gian và các giá trӏ này đưӧc quan sát đo lưӡng các giai
đoҥn theo tӯng chuӛi .
- Tính chính xác cӫa dӵ báo:
Tính chính xác cӫa dӵ báo đӅ cұp đӃn đӝ chênh lӋch cӫa dӵ báo vӟi sӕ liӋu thӵc tӃ.
Bӣi vì dӵ báo đưӧc hình thành trưӟc khi sӕ liӋu thӵc tӃ xҧy ra, vì vұy tính chính xác cӫa dӵ
8
báo chӍ có thӇ đánh giá sau khi thӡi gian đã qua đi. NӃu dӵ báo càng gҫn vӟi sӕ liӋu thӵc tӃ,
ta nói dӵ báo có đӝ chính xác cao và lӛi trong dӵ báo càng thҩp.
Ngưӡi ta thưӡng dùng đӝ sai lӋch tuyӋt đӕi bình quân (MAD) đӇ tính toán:
Tәng các sai sӕ tuyӋt đӕi cӫa n

giai đoҥn
MAD =
n giai đoҥn

ç
1 Nhu cҫu thӵc tӃ- nhu cҫu
dӵ báo
MAD=
n
Ý Ý " ! Q R
Dӵ báo ngҳn hҥn ưӟc lưӧng tương lai trong thӡi gian ngҳn, có thӇ tӯ vài ngày đӃn vài
tháng. Dӵ báo ngҳn hҥn cung cҩp cho các nhà quҧn lý tác nghiӋp nhӳng thông tin đӇ đưa ra
quyӃt đӏnh vӅ các vҩn đӅ như:
- Cҫn dӵ trӳ bao nhiêu đӕi vӟi mӝt loҥi sҧn phҭm cө thӇ nào đó cho tháng tӟi ?
- Lên lӏch sҧn xuҩt tӯng loҥi sҧn phҭm cho tháng tӟi như thӃ nào ?
- Sӕ lưӧng nguyên vұt liӋu cҫn đһt hàng đӇ nhұn vào tuҫn tӟi là bao nhiêu ?
S" !/%!T
Mô hình dӵ báo sơ bӝ là loҥi dӵ báo nhanh, không cҫn chi phí và dӉ sӱ dөng. Ví dө như:
- Sӱ dөng sӕ liӋu hàng bán ngày hôm nay làm dӵ báo cho lưӧng hàng bán ӣ ngày mai.
- Sӱ dөng sӕ liӋu ngày này ӣ năm rӗi như là dӵ báo lưӧng hàng bán cho ngày ҩy ӣ
năm nay.
Mô hình dӵ báo sơ bӝ quá đơn giҧn cho nên thưӡng hay gһp nhӳng sai sót trong dӵ báo.
S* $% # #!0 12 T
9
S* $% # #!0 12 A1O /'
Trong phương pháp bình quân di đӝng đưӧc đӅ cұp ӣ phҫn trên, chúng ta xem vai trò
cӫa các sӕ liӋu trong quá khӭ là như nhau. Trong mӝt vài trưӡng hӧp, các sӕ liӋu này có ҧnh
hưӣng khác nhau trên kӃt quҧ dӵ báo, vì thӃ, ngưӡi ta thích sӱ dөng quyӅn sӕ không đӗng
đӅu cho các sӕ liӋu quá khӭ. QuyӅn sӕ hay trӑng sӕ là các con sӕ đưӧc gán cho các sӕ liӋu
quá khӭ đӇ chӍ mӭc đӝ quan trӑng cӫa chúng ҧnh hưӣng đӃn kӃt quҧ dӵ báo. QuyӅn sӕ lӟn
đưӧc gán cho sӕ liӋu gҫn vӟi kǤ dӵ báo nhҩt đӇ ám chӍ ҧnh hưӣng cӫa nó là lӟn nhҩt.ViӋc
chӑn các quyӅn sӕ phө thuӝc vào kinh nghiӋm và sӵ nhҥy cҧm cӫa ngưӡi dӵ báo.
Công thӭc tính toán:

ç U @

V 1

ç @
1
Vӟi:Ft - Dӵ báo thӡi kǤ thӭ t
At-i - Sӕ liӋu thӵc tӃ thӡi kǤ trưӟc (i=1,2,...,n)
ki - QuyӅn sӕ tương ӭng ӣ thӡi kǤ i
, BT Giҧ sӱ rҵng ta có quyӅn sӕ cӫa tuҫn gҫn nhҩt là 3, cách 2 tuҫn trưӟc là 2,5;
cách 3 tuҫn trưӟc là 2 ; 4 tuҫn trưӟc là 1,5 ; 5 tuҫn trưӟc là 1. Theo ví dө 2.1, ta tính dӵ báo
nhu cҫu dӵ trӳ cho tuҫn lӉ thӭ 18 cho thӡi kǤ 5 tuҫn như sau:
(115x1)+(120x1,5)+(80x2)+(95x2,5)+(100x3)
F
= 99,25 hay 993 triӋu đӗng
18=
10
Cҧ 2 phương pháp bình quân di đӝng và bình quân di đӝng có quyӅn sӕ đӅu có ưu
điӇm là san bҵng đưӧc các biӃn đӝng ngүu nhiên trong dãy sӕ . Tuy vұy, chúng đӅu có
nhưӧc điӇm sau:
- Do viӋc san bҵng các biӃn đӝng ngүu nhiên nên làm giҧm đӝ nhҥy cҧm đӕi vӟi
nhӳng thay đәi thӵc đã đưӧc phҧn ánh trong dãy sӕ.
- Sӕ bình quân di đӝng chưa cho chúng ta xu hưӟng phát triӇn cӫa dãy sӕ mӝt cách
tӕt nhҩt. Nó chӍ thӇ hiӋn sӵ vұn đӝng trong quá khӭ chӭ chưa thӇ kéo dài sӵ vұn đӝng đó
trong tương lai.
10
S* $% # #O 6=
ĐiӅu hòa mũ đưa ra các dӵ báo cho giai đoҥn trưӟc và thêm vào đó mӝt lưӧng điӅu
chӍnh đӇ có đưӧc lưӧng dӵ báo cho giai đoҥn kӃ tiӃp. Sӵ điӅu chӍnh này là mӝt tӹ lӋ nào đó
cӫa sai sӕ dӵ báo ӣ giai đoҥn trưӟc và đưӧc tính bҵng cách nhân sӕ dӵ báo cӫa giai đoҥn
trưӟc vӟi hӋ sӕ nҵm giӳa 0 và 1. HӋ sӕ này gӑi là hӋ sӕ điӅu hòa.
Công thӭc tính như sau: Ft = Ftí 1+ Į (Atí 1í Ftí 1)
Trong đó : F t - Dӵ báo cho giai đoҥn thӭ t, giai đoҥn kӃ tiӃp.
F t -1 - Dӵ báo cho giai đoҥn thӭ t-1, giai đoҥn trưӟc.
A t -1 - Sӕ liӋu thӵc tӃ cӫa giai đoҥn thӭ t-1
,BT Ông B trong ví dө 2.1, nói vӟi nhà phân tích ӣ công ty mҽ rҵng, phҧi dӵ báo
nhu cҫu hàng tuҫn cho dӵ trӳ trong nhà kho cӫa ông. Nhà phân tích đӅ nghӏ ông B xem xét
viӋc sӱ dөng phương pháp điӅu hòa mũ vӟi các hӋ sӕ điӅu hòa 0,1 ; 0,2 ; 0,3 . Ông B quyӃt
đӏnh so sánh mӭc đӝ chính xác cӫa dӵ báo ӭng vӟi tӯng hӋ sӕ cho giai đoҥn 10 tuҫn lӉ gҫn
đây nhҩt.
KӃt quҧ bài toán:
Chúng ta tính toán dӵ báo hàng tuҫn cho tuҫn lӉq thӭ 8 đӃn tuҫn lӉ thӭ 17. Tҩt cҧ dӵ
báo cӫa tuҫn lӉ thӭ 7 đưӧc chӑn mӝt cách ngүu nhiên, dӵ báo khӣi đҫu thì rҩt cҫn thiӃt trong
phương pháp điӅu hòa mũ. Thông thưӡng ngưӡi ta cho các dӵ báo này bҵng vӟi giá trӏ thӵc
cӫa giai đoҥn.
Tính toán mүu - dӵ báo cho tuҫn lӉ thӭ 8:
F8 = 85 + 0,1(85-85) =0,1 = 85
F9 = 85 + 0,1(102 - 85) = 86,7
F9 = 85 + 0,2(102 - 85) = 88,4 =0,2
Sau đó ta tính đӝ lӋch tuyӋt đӕi bình quân MAD cho 3 dӵ báo nói trên:
11

78*
789
78:
.$/.12
./(%0 2;<= 2;<= 2;<=
34532$36
8 102 85,0 17,0 85,0 17,0 85,0 17,0
9 110 86,7 23,3 88,4 21,6 90,1 19,9
10 90 89,0 1,0 92,7 2,7 96,1 6,1
11 105 89,1 15,9 92,2 12,8 94,3 10,7
12 95 90,7 4,3 94,8 0,2 97,5 2,5
13 115 91,1 23,9 94,8 20,2 96,8 18,2
14 120 93,5 26,5 98,8 21,2 102,3 17,7
15 80 96,2 16,2 103,0 23,0 107,6 27,8
16 95 94,6 0,4 98,4 3,4 99,3 4,3
17 100 94,6 5,4 97,7 2,3 98,0 2,0
Tәng đӝ lӋch tuyӋt đӕi 133,9 124,4 126,0
MAD 13,39 12,44 12,6
HӋ sӕ điӅu hòa Į = 0,2 cho chúng ta đӝ ch nh xác cao hơn Į = 0,1 và Į = 0,3.
Sӱ dөng Į = 0,2 đӇ t nh dӵ báo cho tuҫn thӭ 18 :
F18 = F17 + Į ( A17 - F17)
= 97,7 + 0,2(100 - 97,7)
= 98,2 hay 982 triӋu đӗng.
S* $% # #O 6= :> $W
Chúng ta thưӡng xem xét kӃ hoҥch ngҳn hҥn, thì mùa vө và xu hưӟng là nhân tӕ
không quan trӑng. Khi chúng ta chuyӇn tӯ dӵ báo ngҳn hҥn sang dӵ báo trung hҥn thì mùa
vө và xu hưӟng trӣ nên quan trӑng hơn. KӃt hӧp nhân tӕ xu hưӟng vào dӵ báo điӅu hòa mũ
đưӧc gӑi là điӅu hòa mũ theo xu hưӟng hay điӅu hòa đôi.
Vì ưӟc lưӧng cho sӕ trung bình và ưӟc lưӧng cho xu hưӟng cho sӕ trung bình và hӋ
sӕ điӅu hòa đưӧc điӅu hòa cҧ hai. HӋ sӕ điӅu hòa cho xu hưӟng, đưӧc sӱ dөng trong mô
hình này
Công thӭc tính toán như sau:
FTt = St - 1 + T t - 1(At -FTt )
Vӟi: St = FTt + (FTt - FTt - 1 - Tt - 1 )Tt = Tt - 1
12
Trong đó FTt - Dӵ báo theo xu hưӟng trong giai đoҥn t
St - Dӵ báo đã đưӧc điӅu hòa trong giai đoҥn t
Tt - Ưӟc lưӧng xu hưӟng trong giai đoҥn t
At - Sӕ liӋu thӵc tӃ trong giai đoҥn t
t - Thӡi đoҥn kӃ tiӃp.
t-1 - Thӡi đoҥn trưӟc.
- HӋ sӕ điӅu hòa trung bình có giá trӏ tӯ 0 1
- HӋ sӕ điӅu hòa theo xu hưӟng có giá trӏ tӯ 0 1
,BT Ông A muӕn dӵ báo sӕ lưӧng hàng bán ra cӫa công ty đӇ nhҵm lên kӃ hoҥch
tiӅn mһt, nhân sӵ và nhu cҫu năng lӵc cho tương lai. Ông tin rҵng trong suӕt giai đoҥn 6
tháng qua, sӕ liӋu lưӧng hàng bán ra có thӇ đҥi diӋn cho tương lai. Ông xây dӵ báo điӅu hòa
mũ theo xu hưӟng nӃu cho sӕ =0,3 và sӕ liӋu bán ra trong quá khӭ = 0,2 ; lưӧng hàng
bán ra ӣ tháng thӭ 7 như sau (đơn vӏ: 10 TriӋu đӗng).
<()>3? 1 2 3 4 5 6
=@(A;<(>3? 130 136 134 140 146 150
Chúng ta ưӟc lưӧng dӵ báo bҳt đҫu vào tháng 1q bҵng dӵ báo sơ bӝ, tӭc là bҵng sӕ
liӋu thӵc tӃ. Ta có: FT1 = A1 = 130
Chúng ta ưӟc lưӧng phҫn tӱ xu hưӟng bҳt đҫu.q Phương pháp đӇ ưӟc lưӧng phҫn tӱ
xu hưӟng là lҩy sӕ liӋu thӵc tӃ cӫa tháng cuӕi cùng trӯ sӕ liӋu thӵc tӃ tháng đҫu tiên, sau đó
chia cho sӕ giai đoҥn trong kǤ đang xét.
ø6 q ø1 150 q 130
1 4
5 5
Sӱ dөng dӵ báo sơ bӝ và phҫn tӱ xu hưӟng bҳt đҫuq đӇ tính dӵ báo doanh sӕ bán ra
trong tӯng tháng cho đӃn tháng thӭ 7.
Dӵ báo theo xu hưӟng cho tháng thӭ 2: FT2 = S1 + T1
13
(A1 - FT1 ) = 130 + 0,2( 130 - 130 ) =S1 = FT1 + 130
T1 = 4
FT2 = 130 + 4 = 134
Dӵ báo theo xu hưӟng cho tháng thӭ 3: FT3 = S2 + T2
(A2 - FT2 ) = 134 + 0,2( 136 - 134 ) =S2 = FT2 + 134,4
(FT2 - FT1 - T1 ) = 4 + 0,3 (134 - 130 -T2 = T1 + 4) = 4
FT3 = S2 + T2 = 134,4 + 4 = 138,4
Dӵ báo tương tӵ cho các tháng 4, 5, 6, 7 ta đưӧc bҧng sau:
<()>3? =@(A;<(>3? B3C* 3C* D 3

1 130 - - 130,00
2 136 130,00 4,00 134,00
3 134 134,40 4,00 138,40
4 140 137,52 4,12 141,64
5 146 141,31 3,86 145,17
6 150 145,34 3,76 149,10
7 - 149,28 3,81 153,09
Ý " ! R
Dӵ báo dài hҥn là ưӟc lưӧng tương lai trong thӡi gian dài, thưӡng hơn mӝt năm. Dӵ
báo dài hҥn rҩt cҫn thiӃt trong quҧn trӏ sҧn xuҩt đӇ trӧ giúp các quyӃt đӏnh chiӃn lưӧc vӅ
hoҥch đӏnh sҧn phҭm, quy trình công nghӋ và các phương tiӋn sҧn xuҩt. Ví dө như:
- ThiӃt kӃ sҧn phҭm mӟi.
- Xác đӏnh năng lӵc sҧn xuҩt cҫn thiӃt là bao nhiêu? Máy móc, thiӃt bӏ nào cҫn sӱ
dөng và chúng đưӧc đһt ӣ đâu ?
- Lên lӏch trình cho nhӳng nhà cung ӭng theo cácq hӧp đӗng cung cҩp nguyên vұt
liӋu dài hҥn
Dӵ báo dài hҥn có thӇ đưӧc xây dӵng bҵng cách vӁ mӝt đưӡng thҷng đi xuyên qua
các sӕ liӋu quá khӭ và kéo dài nó đӃn tương lai. Dӵ báo trong giai đoҥn kӃ tiӃp có thӇ đưӧc
vӁ vưӧt ra khӓi đӗ thӏ thông thưӡng. Phương pháp tiӃp cұn theo kiӇu đӗ thӏ đӕi vӟi dӵ báo
14
dài hҥn có thӇ dùng trong thӵc tӃ, nhưng điӇm không thuұn lӧi cӫa nó là vҩn đӅ vӁ mӝt
đưӡng tương ӭng hӧp lý nhҩt đi qua các sӕ liӋu quá khӭ này.
Doanh sӕ Đưӡng xu hưӟng
Thӡi gian
Phân tích hӗi qui sӁ cung cҩp cho chúng ta mӝt phương pháp làm viӋc chính xác đӇ
xây dӵng đưӡng dӵ báo theo xu hưӟng.
S* $% # # 91? ,
Phân tích hӗi qui tuyӃn tính là mӝt mô hình dӵ báo thiӃt lұp mӕi quan hӋ giӳa biӃn
phө thuӝc vӟi hai hay nhiӅu biӃn đӝc lұp. Trong phҫn này, chúng ta chӍ xét đӃn mӝt biӃn đӝc
lұp duy nhҩt. NӃu sӕ liӋu là mӝt chuӛi theo thӡi gian thì biӃn đӝc lұp là giai đoҥn thӡi gian
và biӃn phө thuӝc thông thưӡng là doanh sӕ bán ra hay bҩt kǤ chӍ tiêu nào khác mà ta muӕn
dӵ báo.
Mô hình này có công thӭc:Y = ax + b
a=
ç > q ç >ç
b= ç > ç ç >ç >
2
2
ç > 2 q (ç > ) 2 ç > (ç >) 2
Trong đó : y - BiӃn phө thuӝc cҫn dӵ báo.
x - BiӃn đӝc lұp
a - Đӝ dӕc cӫa đưӡng xu hưӟng
b - Tung đӝ gӕc
n - Sӕ lưӧng quan sát
15
Trong trưӡng hӧp biӃn đӝc lұp x đưӧc trình bày thông qua tӯng giai đoҥn theo thӡi
gian và chúng phҧi cách đӅu nhau ( như : x = 0 . Vì vұy ç2002, 2003, 2004...) thì ta có thӇ
điӅu chӍnh lҥi đӇ sao cho viӋc tính toán sӁ trӣ nên đơn giҧn và dӉ dàng hơn nhiӅu.
NӃu có mӝt sӕ lҿ lưӧng mӕc thӡi gian: chҷng hҥn x = 0 ç là 5, thì giá trӏ cӫa x đưӧc
ҩn đӏnh như sau : -2, -1, 0, 1, 2 và như thӃ giá trӏ cӫa x đưӧc sӱ dөng cho dӵ báo trong năm
tӟi là +3.
NӃu có mӝt sӕ chҹn lưӧng mӕc thӡi gian: chҷng hҥn x = 0 và ç là 6 thì giá trӏ cӫa x
đưӧc ҩn đӏnh là : -5, -3, -1, 1, 3, 5. Như thӃ giá trӏ cӫa x đưӧc dùng cho dӵ báo trong năm
tӟi là +7.
, BT Mӝt hãng sҧn xuҩt loҥi đӝng cơ điӋn tӱ cho các van khӣi đӝng trong ngành
công nghiӋp, nhà máy hoҥt đӝng gҫn hӃt công suҩt suӕt mӝt năm nay. Ông J, ngưӡi quҧn lý
nhà máy nghĩ rҵng sӵ tăng trưӣng trong doanh sӕ bán ra vүn còn tiӃp tөc và ông ta muӕn
xây dӵng mӝt dӵ báo dài hҥn đӇ hoҥch đӏnh nhu cҫu vӅ máy móc thiӃt bӏ trong 3 năm tӟi. Sӕ
lưӧng bán ra trong 10 năm qua đưӧc ghi lҥi như sau:
EF BA%&G();<( EF BA%&G();<(

1 1.000 6 2.000
2 1.300 7 2.200
3 1.800 8 2.600
4 2.000 9 2.900
5 2.000 10 3.200
Ta xây dӵng bҧng tính đӇ thiӃt lұp các giá trӏ:
16
EF H&G();<(>I? JK)K@(>L? L9 LI
1 1.000 -9 81 -9.000
2 1.300 -7 49 -9.100
3 1.800 -5 25 -9.000
4 2.000 -3 9 -6.000
5 2.000 -1 1 -2.000
6 2.000 1 1 2.000
7 2.200 3 9 6.600
8 2.600 5 25 13.000
9 2.900 7 49 20.300
10 3.200 9 81 28.800
Tәng 21.000 0 330 35.600
nxy xy 3.5600

xy
=
a= = 107,8
= =
nx2 ( x)2 330
x2
x2y xxy y 21.000
b= = = = 2.100
nx2 ( x)2 n 10
- Dùng phương trình hӗi qui tuyӃn t nh đӇ dӵ báo hàng bán ra trong tương lai:
Y = ax + b = 107,8x + 2.100
ĐӇ dӵ báo cho hàng bán ra trong 3 năm tӟi ta thay giá trӏ cӫa x lҫn lưӧt là 11, 13, 15
vào phương trình.
Y11 = 107,8 . 11 + 2.100 = 3.285 n 3.290 đơn vӏ
17
Y12 = 107,8 . 13 + 2.100 = 3.501n 3.500 đơn vӏ
Y13 = 107,8 . 15 + 2.100 = 3.717 n 3.720 đơn vӏ
Trưӡng hӧp biӃn đӝc lұp không phҧi là biӃn thӡi gian, hӗi qui tuyӃn tính là mӝt nhóm
các mô hình dӵ báo đưӧc gӑi là mô hình nhân quҧ. Mô hình này đưa ra các dӵ báo sau khi
thiӃt lұp và đo lưӡng các biӃn phө thuӝc vӟi mӝt hay nhiӅu biӃn đӝc lұp.
,BT Ông B, nhà tәng quҧn lý cӫa công ty kӻ nghӋ chính xác nghĩ rҵng các dӏch vө
kӻ nghӋ cӫa công ty ông ta đưӧc cung ӭng cho các công ty xây dӵng thì có quan hӋ trӵc tiӃp
đӃn sӕ hӧp đӗng xây dӵng trong vùng cӫa ông ta. Ông B yêu cҫu kӻ sư dưӟi quyӅn, tiӃn
hành phân tích hӗi qui tuyӃn tính dӵa trên các sӕ liӋu quá khӭ và vҥch ra kӃ hoҥch như sau :
- Xây dӵng mӝt phương trình hӗi qui cho dӵ báo mӭc đӝ nhu cҫu vӅ dӏch vө cӫa
công ty ông.
- Sӱ dөng phương trình hӗi qui đӇ dӵ báo mӭc đӝ nhu cҫu trong 4 quí tӟi. Ưӟc lưӧng
trӏ giá hӧp đӗng 4 quí tӟi là 260, 290, 300 và 270 (ĐVT:10 TriӋu đӗng).
- Xác đӏnh mӭc đӝ chһt chӁ, các mӕi liên hӋ giӳa nhu cҫu và hӧp đӗng xây dӵng
đưӧc đưa ra.
BiӃt sӕ liӋu tӯng quí trong 2 năm qua cho trong bҧng:(đơn vӏ: 10 TriӋu đӗng).
.$/.$N@ 4P)K<GQRS()
EF -MK
$O()3I 32$KT(
1 8 150
2 10 170
1
3 15 190
4 9 170
1 12 180
2 13 190
2
3 12 200
4 16 220

Xây dӵng phương trình hӗi qui.
Ông A xây dӵng bҧng tính như sau:
18
JK)K@( .$/.>I? 4P)K<GQRS()>L? L9 LI I9
1 8 150 22.500 1.200 64
2 10 170 28.900 1.700 100
3 15 190 36.100 2.850 225
4 9 170 28.900 1.530 81
5 12 180 32.400 2.160 144
6 13 190 36.100 2.470 169
7 12 200 40.000 2.400 144
8 16 220 48.400 3.520 256
Tәng 95 1.470 273.300 17.830 1.183
Sӱ dөng công thӭc ta tính toán đưӧc hӋ sӕ a =q 0,1173 ; b = -9,671
Phương trình hӗi qui tìm đưӧc là:Y = 0,1173x q 9,671
Dӵ báo nhu cҫu cho 4 quí tӟi: Ông A dӵ báo nhu cҫu cӫa công ty bҵng cách sӱ dөng
phương trình trên cho 4 quí tӟi như sau:
Y1 = (0,1173 x 260) - 9,671 = 20,827;Y2 = (0,1173 x 290) - 9,671 = 24,346
Y3 = (0,1173 x 300 )- 9,671 = 25,519;Y4 = (0,1173 x 270) - 9,671 = 22,000
Dӵ báo tәng cӝng cho năm tӟi là:
Y = Y1+ Y2 +Y3 +Y4 = 20,827+ 24,346+25,519+22,000= 930triӋu đӗng.n 92,7
Đánh giá mӭc đӝ chһt chӁ mӕi liên hӋ cӫa nhu cҫu vӟi sӕ lưӧng hӧp đӗng xây dӵng
nxyí xy
r=
[nx2í ( x)2][ny2í ( y)2]
8x17.830í 1.470x95 2.990

= = n 0.894
(8x273.300í 14702)(8x1.183í 952) 3.345,8
r2 = 0,799;trong đó r là hӋ sӕ tương quan và r2 là hӋ sӕ xác đӏnh
Rõ ràng là sӕ lưӧng hӧp đӗng xây dӵng có ҧnh hưӣng khoҧng 80% ( r2 = 0,799 ) cӫa
biӃn sӕ đưӧc quan sát vӅ nhu cҫu hàng quí cӫa công ty.
19
HӋ sӕ tương quan r giҧi thích tҫm quan trӑng tương đӕi cӫa mӕi quan hӋ giӳa y và x;
dҩu cӫa r cho biӃt hưӟng cӫa mӕi quan hӋ và giá +1. Dҩu trӏ tuyӋt đӕi cӫa r chӍ cưӡng đӝ
cӫa mӕi quan hӋ, r có giá trӏ tӯ -1 cӫa r luôn luôn cùng vӟi dҩu cӫa hӋ sӕ a. NӃu r âm chӍ ra
rҵng giá trӏ cӫa y và x có khuynh hưӟng đi ngưӧc chiӅu nhau, nӃu r dương cho thҩy giá trӏ
cӫa y và x đi cùng chiӅu nhau.
Dưӟi đây là vài giá trӏ cӫa r:
r = -1. Quan hӋ ngưӧc chiӅu hoàn toàn, khi y tăng lên thì x giҧm xuӕng và ngưӧc lҥi.
r = +1. Quan hӋ cùng chiӅu hoàn toàn, khi y tăng lên thì x cũng tăng và ngưӧc lҥi.
r = 0. Không có mӕi quan hӋ giӳa x và y.
S, M6PB ! X
Loҥi mùa vө thông thưӡng là sӵ lên xuӕng xҧy ra trong vòng mӝt năm và có xu
hưӟng lһp lҥi hàng năm. Nhӳng vө mùa này xҧy ra có thӇ do điӅu kiӋn thӡi tiӃt, đӏa lý hoһc
do tұp quán cӫa ngưӡi tiêu dùng khác nhau...
Cách thӭc xây dӵng dӵ báo vӟi phân tích hӗi qui tuyӃn tính khi vө mùa hiӋn diӋn
trong chuӛi sӕ theo thӡi gian. Ta thӵc hiӋn các bưӟc:
- Chӑn lӵa chuӛi sӕ liӋu quá khӭ đҥi diӋn.
- Xây dӵng chӍ sӕ mùa vө cho tӯng giai đoҥn thӡi gian.
Y
Z
Y
0
Y
Vӟi - Sӕ bình quân cӫa các thӡi kǤ cùng tên
Y0
- Sӕ bình quân chung cӫa tҩt cҧ các thӡi kǤ trong dãy sӕ.
Ii - ChӍ sӕ mùa vө kǤ thӭ i.
- Sӱ dөng các chӍ sӕ mùa vө đӇ hóa giҧi tính chҩt mùa vө cӫa sӕ liӋu.
- Phân tích hӗi qui tuyӃn tính dӵa trên sӕ liӋu đã phi mùa vө.
- Sӱ dөng phương trình hӗi qui đӇ dӵ báo cho tương lai.
- Sӱ dөng chӍ sӕ mùa vө đӇ tái ӭng dөng tính chҩt mùa vө cho dӵ báo.
20
,BT Ông J nhà quҧn lý nhà máy đӝng cơ đһc biӋt đang cӕ gҳng lұp kӃ hoҥch tiӅn
mһt và nhu cҫu nguyên vұt liӋu cho tӯng quí cӫa năm tӟi. Sӕ liӋu vӅ lưӧng hàng bán ra trong
vòng 3 năm qua phҧn ánh khá tӕt kiӇu sҧn lưӧng mùa vө và có thӇ giӕng như trong tương
lai. Sӕ liӋu cө thӇ như sau:
BA%&G();<(U()V.W>*777R'(XP?
EF
Q1 Q2 Q3 Q4
1 520 730 820 530
2 590 810 900 600
3 650 900 1 650
Đҫu tiên ta tính toán các chӍ sӕ mùa vө.
EF -.W* -.W9 -.W: -.WY Z(EF

1 520 730 820 530 2.600
2 590 810 900 600 2.900
3 650 900 1.000 650 3.200
Tәng 1.760 2.440 2.720 1.780 8.700
Trung bình quí 586,67 813,33 906,67 593,33 725
ChӍ sӕ mùa vө 0,809 1,122 1,251 0,818 -
KӃ tiӃp, hóa giҧi tính chҩt mùa vө cӫa sӕ liӋu bҵng cách chia giá trӏ cӫa tӯng quí cho
chӍ sӕ mùa vө tương ӭng. Chҷng hҥn : 520/0,809 = 642,8 ; 730/1,122 = 605,6 ...
Ta đưӧc bҧng sӕ liӋu như sau:
BA%KT.U()V.WR[QKF\@X#
EF -.W* -.W9 -.W: -.WY
1 642,8 650,6 655,5 647,9
2 729,2 721,9 719,4 733,5
3 803,5 802,1 799,4 794,6
Chúng ta phân tích hӗi qui trên cơ sӣ sӕ liӋu phi mùa vө (12 quí) và xác đӏnh phương
trình hӗi qui.
21
-MK I L9 LI
Q11 1 642,8 1 642,8
Q12 2 650,6 4 1.301,2
Q13 3 655,5 9 1.966,5
Q14 4 647,9 16 2.591,6
Q21 5 729,3 25 3.646,5
Q22 6 721,9 36 4.331,4
Q23 7 719,4 49 5.035,8
Q24 8 733,5 64 5.868,0
Q31 9 803,5 81 7.231,5
Q32 10 802,1 100 8.021,0
Q33 11 799,4 121 8.793,4
Q34 12 794,6 144 8.535,2
Tәng 78 8.700,5 650 58.964,9
Xác đӏnh đưӧc hӋ sӕ a = 16,865 và b = 615,421 .
Phương trình có dҥng: Y = 16,865x + 615,421
Bây giӡ chúng ta thay thӃ giá trӏ cӫa x cho 4 quí tӟi bҵng 13, 14, 15, 16 vào phương
trình. Đây là dӵ báo phi mùa vө trong 4 quí tӟi.
Y41 = (16,865 x 13) + 615,421 = 834,666
Y42 = (16,865 x 14) + 615,421 = 851,531
Y43 = (16,865 x 15) + 615,421 = 868,396
Y44 = (16,865 x 16) + 615,421 = 885,261
TiӃp theo, ta sӱ dөng chӍ sӕ mùa vө đӇ mùa vө hóa các sӕ liӋu.
-.W ]AF\@X#>
? 2;<=QKF\@X#>K? 2;<=F\@X#^@>FX?
0,809 834,666 675
1,122 851,531 955
1,251 868,396 1.086
0,818 885,261 724
22

Ý 6 7
Quy trình dӵ báo đưӧc chia thành 9 bưӟc. Các bưӟc này bҳt đҫu và kӃt thúc vӟi sӵ trao
đәi (communication), hӧp tác (cooperation) và cӝng tác (collaboration) giӳa nhӳng ngưӡi sӱ
dөng và nhӳng ngưӡi làm dӵ báo
G$WÝT Xác đӏnh mөc tiêu
- Các mөc tiêu liên quan đӃn các quyӃt đӏnh cҫn đӃn dӵ báo phҧi đưӧc nói rõ. NӃu
quyӃt đӏnh vүn không thay đәi bҩt kӇ có dӵ báo hay không thì mӑi nӛ lӵc thӵc hiӋn dӵ báo
cũng vô ích.
- NӃu ngưӡi sӱ dөng và ngưӡi làm dӵ báo có cơ hӝi thҧo luұn các mөc tiêu và kӃt quҧ
dӵ báo sӁ đưӧc sӱ dөng như thӃ nào, thì kӃt quҧ dӵ báo sӁ có ý nghĩa quan trӑng.
G$WT Xác đӏnh dӵ báo cái gì
- Khi các mөc tiêu tәng quát đã rõ ta phҧi xác đӏnh chính xác là dӵ báo cái gì (cҫn có
sӵ trao đәi)
+ Ví dө: ChӍ nói dư báo doanh sӕ không thì chưa đӫ, mà cҫn phҧi hӓi rõ hơn là:
Dӵ báo doanh thu bán hàng (sales revenue) hay sӕ đơn vӏ doanh sӕ (unit
sales). Dӵ báo theo năm, quý, tháng hay tuҫn.
+ Nên dӵ báo theo đơn vӏ đӇ tránh nhӳng thay đәi cӫa giá cҧ.
G$WT Xác đӏnh khía cҥnh thӡi gian
Có 2 loҥi khía cҥnh thӡi gian cҫn xem xét:
- Thӭ nhҩt: Đӝ dài dӵ báo, cҫn lưu ý:
+ Đӕi vӟi dӵ báo theo năm: tӯ 1 đӃn 5 năm
+ Đӕi vӟi dӵ báo quý: tӯ 1 hoһc 2 năm
+ Đӕi vӟi dӵ báo tháng: tӯ 12 đӃn 18 tháng
- Thӭ hai: Ngưӡi sӱ dөng và ngưӡi làm dӵ báo phҧi thӕng nhҩt tính cҩp thiӃt cӫa dӵ báo
G$WT Xem xét dӳ liӋu
- Dӳ liӋu cҫn đӇ dӵ báo có thӇ tӯ 2 nguӗn: bên trong và bên ngoài

- Cҫn phҧi lưu ý dҥng dӳ liӋu sҹn có ( thӡi gian, đơn vӏ tính,«)
23
- Dӳ liӋu thưӡng đưӧc tәng hӧp theo cҧ biӃn và thӡi gian, nhưng tӕt nhҩt là thu thұp
dӳ liӋu chưa đưӧc tәng hӧp
- Cҫn trao đәi giӳa ngưӡi sӱ dөng và ngưӡi làm dӵ báo
G$WT Lӵa chӑn mô hình
- Làm sao đӇ quyӃt đӏnh đưӧc phương pháp thích hӧp nhҩt cho mӝt tình huӕng
nhҩt đӏnh?
+ Loҥi và lưӧng dӳ liӋu sҹn có
+ Mô hình (bҧn chҩt) dӳ liӋu quá khӭ
+ Tính cҩp thiӃt cӫa dӵ báo
+ Đӝ dài dӵ báo
+ KiӃn thӭc chuyên môn cӫa ngưӡi làm dӵ báo
G$W[T Đánh giá mô hình
- Đӕi vӟi các phương pháp đӏnh tính thì bưӟc này ít phù hӧp hơn so vӟi phương pháp
đӏnh lưӧng
- Đӕi vӟi các phương pháp đӏnh lưӧng, cҫn phҧi đánh giá mӭc đӝ phù hӧp cӫa mô
hình (trong phҥm vi mүu dӳ liӋu)
- Đánh giá mӭc đӝ chính xác cӫa dӵ báo (ngoài phҥm vi mүu dӳ liӋu)
- NӃu mô hình không phù hӧp, quay lҥi bưӟc 5
G$W\T Chuҭn bӏ dӵ báo
- NӃu có thӇ nên sӱ dөng hơn mӝt phương pháp dӵ báo, và nên là nhӳng loҥi phương
pháp khác nhau (ví dө mô hình hӗi quy và san mũ Holt, thay vì cҧ 2 mô hình hӗi quy khác
nhau)
- Các phương pháp đưӧc chӑn nên đưӧc sӱ dөng đӇ chuҭn bӏ cho mӝt sӕ các dӵ báo
(ví vө trưӡng hӧp xҩu nhҩt, tӕt nhҩt và có thӇ nhҩt)
G$W]T Trình bày kӃt quҧ dӵ báo
- KӃt quҧ dӵ báo phҧi đưӧc trình bày rõ ràng cho ban quҧn lý sao cho hӑ hiӇu các con
sӕ đưӧc tính toán như thӃ nào và chӍ ra sӵ tin cұy trong kӃt quҧ dӵ báo
- Ngưӡi dӵ báo phҧi có khҧ năng trao đәi các kӃt quҧ dӵ báo theo ngôn ngӳ mà các
nhà quҧn lý hiӇu đưӧc
24
- Trình bày cҧ ӣ dҥng viӃt và dҥng nói
- Bҧng biӇu phҧi ngҳn gӑn, rõ ràng
- ChӍ cҫn trình bày các quan sát và dӵ báo gҫn đây thôi
- Chuӛi dӳ liӋu dài có thӇ đưӧc trình bày dưӟi dҥng đӗ thӏ (cҧ giá trӏ thӵc và dӵ báo)
- Trình bày thuyӃt trình nên theo cùng hình thӭc và cùng mӭc đӝ vӟi phҫn trình bày viӃt
G$W T Theo dõi kӃt quҧ dӵ báo
- LӋch giӳa giá trӏ dӵ báo và giá trӏ thӵc phҧi đưӧc thҧo luұn mӝt cách tích cӵc, khách
quan và cӣi mӣ
- Mөc tiêu cӫa viӋc thҧo luұn là đӇ hiӇu tҥi sao có các sai sӕ, đӇ xác đӏnh đӝ lӟn cӫa
sai sӕ
- Trao đәi và hӧp tác giӳa ngưӡi sӱ dөng và ngưӡi làm dӵ báo có vai trò rҩt quan
trӑng trong viӋc xây dӵng và duy trì quy trình dӵ báo thành công.
25
&'()9+" _` " !"
Có nhiӅu phương pháp dӵ báo thӕng kê khác nhau ( phương pháp lҩy ý kiӃn chuyên
gia, dӵ báo tӯng mӭc đӝ bình quân, ngoҥi suy hàm xu thӃ«, nhưng không phҧi phương
pháp nào cũng đưӧc sӱ dөng phә biӃn như nhau. Vì vұy, trong phҫn này chӍ trình bày mӝt sӕ
phương pháp thông dөng nhҩt và giӟi thiӋu mӝt sӕ phương pháp đang có xu hưӟng sӱ dөng
nhiӅu trong thӵc tӃ hiӋn nay.
Ý -8*!+
Ý Ý -891.20!+3
Phương pháp sӕ bình quân di đӝng là mӝt trong nhӳng phương pháp biӇu hiӋn xu
hưӟng phát triӇn cơ bҧn cӫa hiӋn tưӧng nghiên cӭu, hay nói cách khác, mô hình hoá sӵ phát
triӇn thӵc tӃ cӫa hiӋn tưӧng nghiên cӭu dưӟi dҥng dãy các sӕ bình quân di đӝng.
Phương pháp bình quân di đӝng còn đưӧc sӱ dөng trong dӵ báo thӕng kê. Trên cơ sӣ
xây dӵng mӝt dãy sӕ bình quân di đӝng, ngưӡi ta xây dӵng mô hình dӵ báo.
Ví dө, có dãy sӕ thӡi gian vӅ sҧn lưӧng thép cӫa doanh nghiӋp A trong 12 tháng theo
bҧng sau:
JK)K@( BZ(%&G() =@(A34.();b(1KRc()
>34KT.3a(?>IK? >34KT.3a(?> K?
1 79 -
2 82 -
3 85 82
4 82 83
5 88 85
6 86 85,3
7 98 90,6
8 105 96,3
9 110 104,3
10 115 110
11 120 115
12 118 117,6
26
Như vұy, ӭng vӟi tháng 3 ta có sӕ bình quân di đӝng là 82 triӋu tҩn, tháng 4 là 83
triӋu tҩn, v.v« và cuӕi cùng tháng 12 là 117,6 triӋu tҩn. Ta gӑi các sӕ bình quân di đӝng
mӟi này là Mi (i = k, k + 1, k + 2,«n), trong đó k là khoҧng cách thӡi gian san bҵng ( ӣ đây
k = 3, bình quân tӯ 3 mӭc đӝ thӵc tӃ).
Mô hình dӵ báo là: ŷn+1 = Mn
Khoҧng dӵ báo sӁ đưӧc xác đӏnh theo công thӭc sau:
1
ŷn+L
^ 1 (2.1)
@
Trong đó
là giá trӏ tra trong bҧng tiêu chuҭn t- Student vӟi (k-1) bұc tӵ do và xác
suҩt tin cұy (1-Į). Đӝ lӋch tiêu chuҭn mүu điӅu chӍnh đưӧc tính theo công thӭc sau:
ç ( q 3 )2
S= (2.2)
@ q1
Theo ví dө trên ta tính đưӧc:
(85 q 82)2 (82 q 83) 2 (88 q 85) 2 (86 q 85,3) 2 (98 q 90, 6) 2 (105 q 96,3) 2
(110 q 104,3) 2 (115 q 110) 2 (120 q 115) 2 (118 q 117, 6) 2
S= = 10,78
3 q1
Trong ví dө trên, dӵ đoán sҧn lưӧng thép cho tháng 1 năm sau là:
Y13 = 117,6 triӋu tҩn
Theo công thӭc trên ta tính đưӧc S = 10,78 nghìn tҩn và
= 2,92 vӟi xác suҩt tin cұy
(1-Į) = 0,95 ( xác suҩt đҥt 95%) và sӕ bұc tӵ do bҵng 2. Do đó khoҧng dӵ đoán vӅ sҧn lưӧng
thép tháng 1 năm sau sӁ nҵm trong khoҧng:
1
117,6 (2,92 x 10,78) 1 ø = 117,6 36,35
3
Ý :; '.2)0<3!1

- Phương pháp này đưӧc sӱ dөng trong trưӡng hӧp lưӧng tăng ( giҧm) tuyӋt đӕi liên
hoàn xҩp xӍ nhau qua các năm (dãy sӕ thӡi gian có dҥng gҫn giӕng như cҩp sӕ công):
1 xҩp xӍ nhau (i= z n).
Mô hình dӵ báo theo phương trình:

&
Y ø I = + º .I (2.3)
AT
27
&
Y : Mӭc đӝ dӵ đoán ӣ thӡi gian (n+L)
: Mӭc đӝ cuӕi cùng cӫa dãy sӕ thӡi gian
º : Lưӧng tăng, giҧm tuyӋt đӕi bình quân

L: Tҫm xa cӫa dӵ đoán ( L=1,2,3,«năm)
AT
ç( q q1 )
º ( 2, )
q1
q 1
=
q1
,BT Giá trӏ sҧn xuҩt (GO)cӫa mӝt doanh nghiӋp A qua các năm như sau:
JK)K@(
2001 2002 2003 2004 2005 2006
]3Kd.
K<34PZ(L.a3>?>3eRS() 32 36 39 41 43 45
45 q 32
Ta có: º = = 2,6 tӹ
6 q1
Dӵ báo GO cӫa doanh nghiӋp cho năm 2007 L=1. Ta có phương trình:
&
Y 2006 1 Y2006 2, 6 *1
&
Y 2007 = 45+ 2,6= 47,6 (tӹ)
Dӵ báo GO cӫa doanh nghiӋp năm 2008
&
Y 2008 = 45+ 2,6x2= 50,2(tӹ)
Tương tӵ, dӵ báo cho GO năm 2011 ( tҫm xa xӫa dӵ báo là 5)
&
Y 2011 = 45+ 2,6x5= 58 (tӹ)
Ý % :; 1!+=
Thưӡng áp dөng trong trưӡng hӧp các mӭc đӝ cӫa dãy sӕ biӃn đӝng theo thӡi gian có
tӝc đӝ phát triӇn ( hoһc tӕc đӝ tăng, giҧm) tӯng kǤ gҫn nhau (dãy sӕ thӡi gian có dҥng gҫn
như cҩp sӕ nhân).
Có hai mô hình dӵ đoán:
28
S" 6 6T&A 8P 8 ! R )
- Phương pháp này đưӧc áp dөng khi tӕc đӝ phát triӇn hoàn toàn xҩp xӍ nhau.
- Mô hình dӵ đoán:
& =I
Y = . (2.4)
&
Y : Mӭc đӝ dӵ đoán ӣ thӡi gian (n+L)
: Mӭc đӝ đưӧc dùng làm kǤ gӕc đӇ ngoҥi suy
L: Tҫm xa cӫa dӵ đoán ( L=1,2,3,«năm)

: Tӕc đӝ phát triӇn bình quân hàng năm

1
1
45
Vӟi ví dө trên ta có: 6 q1 n 1, 071
32
Dӵ đoán cho năm 2007 ( Ta chӑn năm gӕc là năm cuӕi cùng trong dãy sӕ -2006)
Theo công thӭc trên, GO cӫa doanh nghiӋp là:
&
Năm 2007: Y 2007 = 45x (1,071)1= 48,18 (tӹ)
&
Năm 2008: Y 2008 = 45x (1,071)2= 51,5 (tӹ)
&
Tương tӵ GO cӫa năm 2011 là: Y 2011 = 45x (1,071)5= 63,4 (tӹ)
S" 6F@ 5 $WÝ 6&1N
H ! Q R )
1
&
Y ij J
= (2.5)
^
Trong đó:
&
Y i : Là mӭc đӝ cӫa hiӋn tưӧng ӣ thӡi gian j (j=1,m) cӫa năm i

J ç YJ - Tәng các mӭc đӝ cӫa thӡi gian j cӫa năm i (i=1«n)
1

1 : Tӕc đӝ phát triӇn bình quân hàng
1
Sr= 1 + ( ) +( )2 + ( )3 +«+ ( )n-1
29
n: có thӇ là sӕ năm hoһc sӕ lưӧng mӭc đӝ cӫa tӯng năm.
,B: Có tài liӋu vӅ tình hình sҧn xuҩt mӝt loҥi sҧn phҭm cӫa xí nghiӋp A như sau:
-.fg

J ç YJ
EFg 1
2004 20 21,5 22 23,5 86,55

2005 20,04 20,63 21,7 24,28 86,65
2006 21,04 22,83 23,5 25,63 93,03
yj 61,11 64,96 667,2 72,46 266,23
93, 03
Tӯ bҧng sӕ liӋu trên ta có: 3 1 1, 075
86,55
Sr= 1 + ( ) +( )2 = 1+ 1,075 +(1,075)2 = 3,231
- Dӵ đoán sҧn lưӧng cho các quý cӫa năm 2007 ( i=4)
4 1
= =
=1, 075
3
= 0,384
^ 3, 231
Tӹ lӋ này dùng đӇ điӅu tiӃt các khoҧng thӡi gian cӫa năm.
3
&
Y 4.Z =y .
= = 61,11. 0,384= 23,466 ( nghìn tҩn)
I
^
3
&
Y 4.ZZ =y .
= = 64,98. 0,384= 24,952 ( nghìn tҩn)
II
^
3
&
Y 4.ZZZ =yIII .
= = 67,2. 0,384= 25,805 ( nghìn tҩn)
^
3
&
Y 4.Z =yIV .
= = 72,46. 0,384= 27,825 ( nghìn tҩn)
^
30
:;>./?0 @ 3
Tӯ xu hưӟng phát triӇn cӫa hiӋn tưӧng nghiên cӭu ta xác đӏnh đưӧc phương trình hӗi
quy lý thuyӃt, đó là phương trình phù hӧp vӟi xu hưӟng và đһc điӇm biӃn đӝng cӫa hiӋn
tưӧng nghiên cӭu, tӯ đó có thӇ ngoҥi suy hàm xu thӃ đӇ xác đӏnh mӭc đӝ phát triӇn trong
tương lai.
Ý :;?>,
* ,B: Mô hình dӵ báo theo phương trình hӗi quy đưӡng thҷng:
&
Y = a+ bt (2.6)
AT a,b là nhӳng tham sӕ quy đӏnh vӏ trí cӫa đưӡng hӗi quy
Tӯ phương trình này, bҵng phương pháp bình phương nhӓ nhҩt hoһc thông qua viӋc
đһt thӭ tӵ thӡi gian (t) trong dãy sӕ đӇ tính các tham sӕ a,b.
NӃu đһt thӭ tӵ thӡi gian t sao cho ç khác 0 ( ç 0), ta có các công thӭc tính tham
sӕ sau:
q .
b= q .
2 q 2
NӃu đһt thӭ tӵ thӡi gian t sao cho ç khác 0 ( ç =0), ta có các công thӭc tính tham
sӕ sau:
ç ç .
!
2
,BT Hãy dӵ báo vӅ doanh thu tiêu thө cӫa cӱa hàng thương mҥi B trong nhӳng năm
tiӃp theo trên cơ sӣ bҧng sӕ liӋu sau:
JK)K@(
2001 2002 2003 2004 2005 2006
]3Kd.
=@(3.3Kd.3#>3eRS()? 70 98 115 120 136 180
Tӯ nguӗn tài liӋu, ta có bҧng sӕ liӋu sau (đһt thӭ tӵ thӡi gian cho ( ç =0)
31
hKi.jKT(Rk3 ç 7
=@(3.
EF>(?
>3eRS()?IK T t2 y.t
&
Y
2001 70 -5 25 -350 72,045
2002 98 -3 9 -294 91,159
2003 115 -1 1 -115 120,27
2003 120 1 1 120 129,387
2005 136 3 9 408 148,58
2006 180 5 25 900 167,61
N= 6 719 ç =0 ç 2 = 70 ç = 669
Tính các tham sӕ a và b theo điӅu kiӋn đһt ç =0:
ç 719 ç . 669

119,83 ! 9,557
6 2 70
&
Hàm xu thӃ có dҥng: Y = 119,83 +9,55t
Tӯ hàm xu thӃ này ta có thӇ dӵ báo doanh thu cӫa cӱa hàng B trong nhӳng năm tiӃp
theo như sau:
&
Doanh thu cӫa năm 2007 (t=7): Y 2007 119,83 ø 9,557 >7 186, 729
&
Doanh thu cӫa năm 2008 (t=9): Y 2008 119,83 9,557 >9 205,843
&
Doanh thu cӫa năm 2009 (t=11): Y 2009 119,83 9,557 >11 224,957
&
Doanh thu cӫa năm 2010 (t=13): Y 2010 119,83 9,557 >13 244, 071
&
Sӕ liӋu dӵ báo (Y ) và sӕ liӋu thӵc tӃ yi có sӵ chênh lӋch là do có sai sӕ trong dӵ đoán.
+ Sai sӕ dӵ báo là sӵ chênh lӋch giӳa mӭc đӝ thӵc tӃ và mӭc đӝ tính toán theo mô
hình dӵ báo.
+ Sai sӕ dӵ báo phө thuӝc vào 03 yӃu tӕ: đӝ biӃn thiên cӫa tiêu thӭc trong thӡi kǤ
trưӟc, đӝ dài cӫa thӡi gian cӫa thӡi kǤ trưӟc và đӝ dài cӫa thӡi kǤ dӵ đoán.
32
+ Vҩn đӅ quan trӑng nhҩt trong dӵ báo bҵng ngoҥi suy hàm xu thӃ là lӵa chӑn hàm xu
thӃ, xác đӏnh sai sӕ dӵ đoán và khoҧng dӵ đoán:
- Công thӭc tính sai sӕ chuҭn ( ¿ )
& 2

ç q
¿
q #
AT
&
Y - Giá trӏ tính toán theo hàm xu thӃ
n- Sӕ các mӭc đӝ trong dãy sӕ
p- Sӕ các tham sӕ cҫn tìm trong mô hình xu thӃ
n-p- Sӕ bұc tӵ do
Công thӭc này đưӧc dùng đӇ lӵa chӑn dҥng hàm xu thӃ (so sánh các sai sӕ chuҭn tính
đưӧc) sai sӕ nào nhӓ nhҩt chӭng tӓ rҵng hàm tương ӭng vӟi sai sӕ sӁ xҩp xӍ tӕt nhҩt và đưӧc
lӵa chӑn làm hàm xu thӃ đӇ dӵ đoán. Thông thưӡng đӇ viӋc dӵ đoán đưӧc tiӃn hành đơn
giҧn ta vүn chӑn hàm xu thӃ làm hàm tuyӃn tính.
- Công thӭc tính sai sӕ dӵ báo:
1 3( 2 D 1) 2
^¶ # ¿ 1
( 2 1)
AT
N: Sӕ lương các mӭc đӝ
L: Tҫm xa cӫa dӵ báo
Sau đó xác đӏnh khoҧng dӵ đoán theo công thӭc sau;
D
^$ #

- là giá trӏ theo bҧng cӫa tiêu chuҭn t- Student vӟi (n-2) bұc tӵ do và xác suҩt tin
cұy (t-
).
Trӣ lҥi ví dө trên ta đi tính ¿
2
=70 72, 045 (98 91,159) 2 (115 110, 27) 2
(120 129,387) 2 (136 148) 2 (180 167, 61)2
¿ 10,876
6 2
33
Sai sӕ dӵ báo:
1 3(6 ø 21 q 1)2
+ Đӕi vӟi năm 2007 (L=1): ^· # 2007 10,876 1 ø ø 14,856
6 6(62 q 1)
· 1 3(6 ø 22 q 1)2
+ Đӕi vӟi năm 2008 (L=2): ^ # 2008 10,876 1 ø ø 16,93
6 6(62 q 1)
Vӟi xác suҩt tin cұy là 0,95 và sӕ bұc tӵ do (n)= 4 khi đó

=2,132
Ta có dӵ báo cӫa năm 2007 là:186,729 2,132 x14,856= 186,729 31,67
Ta có dӵ báo cӫa năm 2007 là:205,843 2,132 x16,93= 205,843 36...
Như vұy ta đã chuyӇn tӯ dӵ báo điӇm sang dӵ báo khoҧng.
:;?A B*
* Mô hình hӗi quy tuyӃn tính giӳa hai tiêu thӭc
Tӯ viӋc xây dӵng phương trình hӗi quy tuyӃn tính giӳa các tiêu thӭc đã nêu ӣ phҫn
trên, ta có thӇ dӵ đoán các giá trӏ cӫa Y trong tương lai khi các biӃn trong hàm hӗi quy thay
đәi, cө thӇ:
Đӕi vӟi phương trình tuyӃn tính giҧn đơn: Yx= a+ bx
Trong đó:a, b là nhӳng tham sӕ quy đӏnh vӏ trí cӫa đưӡng hӗi quy. Hҵng sӕ a là điӇm
cҳt trөc tung (biӇu hiӋn cӫa tiêu thӭc kӃt quҧ ) khi tiêu thӭc nguyên nhân x bҵng 0. Đӝ dӕc b
chính là lưӧng tăng giҧm cӫa tiêu thӭc kӃt quҧ khi tiêu thӭc nguyên nhân thay đәi.
Tӯ phương trình này, ta sӁ dӵ đoán đưӧc giá trӏ cӫa tiêu thӭc kӃt quҧ trong tương lai
khi có sӵ thay đәi cӫa tiêu thӭc nguyên nhân.
Tương tӵ như trong hӗi quy giҧn đơn, trong hӗi quy bӝi, giá trӏ dӵ đoán cӫa Y có
đưӧc tương ӭng vӟi các giá trӏ cho trưӟc cӫa k biӃn X bҵng các thay các giá trӏ cӫa k biӃn X
vào phương trình hӗi quy bӝi.
Các giá trӏ cho trưӟc cӫa biӃn X lҫn lưӧt là x1,n+1,x2,n+1,«,xk,n+1 thì giá trӏ dӵ đoán
Yn+1 sӁ là:
Yn+1= a+ b1. x1,n+1 + b2 x2,n+1+«+ bkxk,n+1
% - @ !+,C

Phương pháp dӵ báo này áp dөng đӕi vӟi hiӋn tưӧng nghiên cӭu chӏu tác đӝng cӫa nhiӅu
nhân tӕ biӃn đӝng. Như biӃn đӝng thӡi vө, biӃn đӝng xu hưӟng và biӃn đӝng bҩt thưӡng.
- Mô hình dӵ báo sӁ có thӇ dӵa vào hàm xu thӃ kӃt hӧp vӟi biӃn đӝng thӡi vө:
34
Yt= Yµ +tv+bt (2.7)
- Hoһc dӵ báo dӵa vào hàm xu thӃ kӃt hӧp nhân tӕ vӟi biӃn đӝng thӡi vө:
Yt= Yµ x tv xbt (2.8)

AT
Yµ : Mӭc đӝ lý thuyӃt xác đӏnh tӯ hàm xu thӃ ( hoһc các phương pháp nêu trên)
tv: Ҧnh hưӣng cӫa nhân tӕ thӡi vө
bt: Ҧnh hưӣng cӫa nhân tӕ bҩt thưӡng
Nhìn chung, hàm xu thӃ, chӍ sӕ thӡi vө đưӧc xác đӏnh tӯng mô hình còn nhӳng nhân
tӕ biӃn đӝng bҩt thưӡng thưӡng không dӵ báo đưӧc, do vұy mô hình chӍ còn lҥi hai nhân tӕ:
biӃn đӝng xu hưӟng và biӃn đӝng thӡi vө.
% Ý -;+
Ví dө: Có tài liӋu vӅ sҧn lưӧng cӫa doanh nghiӋp A như sau:
EF>3? BZ(%&G()>()b(3a(?
m$Rc ]A
O() 3JKX#
;b(
3l=
V.n(
$\()V.f
3o()V.f
9779 977: 977Y 977p 977q ç J Z

-.f
I 20 25 27 31 29 132 26,4 0,678
II 25 32 30 37 36 160 32 0,82
II 38 38 45 44 47 212 42,4 1,14
IV 40 60 55 62 58 275 55 1,41
Công theo cùng

năm ç J 123 155 157 174 170 779 38,95
ç . 123 310 471 696 850
* Trưӟc tiên xác đӏnh hàm xu thӃ tuyӃn tính sҧn lưӧng doanh nghiӋp có dҥng là:
Yµ = a+ bt
35
AT a, b là các tham sӕ quy đӏnh vӏ trí cӫa hàm xu thӃ tuyӃn tình, đưӧc tính
theo công thӭc sau:
12 ç . ø 1 6 ø1 12 2450 5 ø 1
! 2 q ç J = 2 2 q .779 0, 706
6. ( q 1) 6 26 4.5(5 q 1) 4 2.4
ç J
. 1 779 4.5 ø 1
! = q 0, 706 31,537
. 2 4.5 2
AT
n: Sӕ năm
m: Khoҧng cách thӡi gian trong mӝt năm ( m= 4 đӕi vӟi quý, m=12 đӕi
vӟi năm)
t: Thӭ tӵ thӡi gian trong dãy sӕ (năm)
Do vұy, hàm xu thӃ có dҥng: Y = 31,537 + 0,706t
Mӭc đӝ bình quân mӝt quý tính chung chi 5 năm: = 38,95
* Tính các mӭc đӝ mang tính thӡi vө theo công thӭc sau:

1
tv= - J - b(i- ) vӟi i= 1,2,3,4«
2
Do vұy, mӭc đӝ dӵ báo vӅ thӡi vө cho các quý cӫa năm 2007 như sau:
4 1
- Quý I: (26,4- 38,95) ± 0,706.(1- )= - 11,49
2
4 1
- Quý II: (32- 38,95) ± 0,706.(2- )= - 6,597
2
4 1
- Quý III: (42,4- 38,95) ± 0,706.(3- )= 3,097
2
4 1
- Quý IV: (55- 38,95) ± 0,706.(4- )= 14,99
2
Sau khi xác đӏnh xong hàm xu thӃ và biӃn đӝng thӡi vө thì mô hình dӵ báo kӃt hӧp
cӝng giӳa xu thӃ biӃn đӝng và tính thӡi vө có dҥng: Y Y ø
36
Dӵ báo sҧn lưӧng quý I năm 2007 ( t= 21)
Y1 = 31,537 + 0,706 x 21 ± 11,49= 34,837
Quý II ( t=22): Y2 = 31,537 + 0,706 x 22 ± 6,597= 40,472
Cư tiӃp tөc như vұy cho đӃn các quý tiӃp theo
% - ;
Mô hình dӵ báo theo kӃt hӧp nhân có dҥng:
Yt= Y x tv (2.9)
ĐӇ dӵ báo theo mô hình này, trưӟc hӃt phҧi tính đưӧc hàm xu thӃ, hàm xu thӃ trong
trưӡng hӧp này phҧi đưӧc loҥi trӯ biӃn đӝng thӡi vө bҵng cách xây dӵng dãy sӕ bình quân
trưӧt ( ) vӟi sӕ lưӧng mӭc đӝ bҵng 4 vӟi tài liӋu quý và 12 vӟi tài liӋu tháng.

Tӯ đó ta tính đưӧc , tӯ đó xác đӏnh thành phҫn thӡi vө (tvt) bҵng cách tính các sӕ

bình quân sau đó tính hӋ sӕ điӅu chӍnh H:
6
H= ( vӟi m= 4) đӕi vӟi tài liӋu quý, 12 đӕi vӟi tài liӋu tháng )
ç
Tӯ đó tính chӍ sӕ thӡi vө Itv= x H
Sau khi xác đӏnh đưӧc tvt thì xác đӏnh dãy sӕ ft là dãy sӕ đã loҥi bӓ thành phҫn thӡi vө

như sau: _

Theo ví dө trên ta có thӇ lұp bҧng tính toán sau đây:
37

B 3 3X3 _

1 20 - - 0,7 28,57
2 25 - - 0,838 29,83
3 38 30,75 1,236 1,08 35,19
4 40 32 1,25 1,376 29,07
5 25 33,75 0,74 0,7 35,71
6 32 33,75 0,948 0,838 38,19
7 38 38,75 0,98 1,08 35,19
8 60 39,25 1,529 1,376 43,6
9 27 38,75 0,697 0,7 38,57
10 30 40,5 0,74 0,838 35,8
11 45 39,25 1,146 1,08 41,67
12 55 40,25 1,366 1,376 39,97
13 31 42 0,738 0,7 44,28
14 37 41,75 0,866 0,838 44,15
15 44 43,5 1,011 1,08 40,74
16 62 43 1,441 1,376 45,06
17 29 42,75 678 0,7 41,13
18 36 43,5 827 0,838 42,96
19 47 42,5 1,105 1,08 43,5
20 58 - - 1,376 42,15
Tӯ ft ta lұp bҧng sau:
-.f

EF
2002 - - 1,236 1,25
2003 0,74 0,948 0,98 1,529
2004 0,697 0,74 1,146 1,366
2005 0,738 0,886 1,011 1,441
2006 0,678 0,827 1,105 -
Bình quân quý ( ) 0,713 0,85 1,096 1,396
Vӟi tài liӋu trong bҧng tính ta tính đưӧc các đҥi lưӧng trên như sau:
38
6 4
H= = 0,986
ç 0, 713 ø 0,85 ø 1, 096 ø 1, 036
* Trưӟc tiên, tính các chӍ sӕ thӡi vө: Itv= .H

Quý I= 0,713 x 0,986 = 0,7
Quý II= 0,85 x 0,986 = 0,838
Quý I= 1,906 x 0,986 = 1,08
Quý I= 1,396 x 0,986 = 1,376
* Xây dӵng hàm xu thӃ: Y = a+ bt

ĐӇ tiӋn theo dõi, tӯ (ft) ta lұp bҧng sau:

-.f r()(EF

3I
EF >?

2002 28,57 29,83 35,19 29,07 122,66 122,66
35,71
2003 38,19 35,19 43,6 152,69 305,38
38,57
2004 35,8 41,67 39,97 156,01 468,03
44,28
2005 44,15 40,74 45,06 174,23 696,92
41,43
2006 42,96 43,5 42,15 170,04 850,2
188,56 ç . =
Tәng quý (Q) 190,93 196,29 199,85 755,66
2443,19
37,71
Bình quân quý 38,186 39,26 39,97
Các tham sӕ cӫa hàm xu thӃ đưӧc tính như sau:
12 ç . 1 12 2443,19 5 1
! = .775, 63 0, 727
. ( 2 1) 2 4.5(52 1) 4 2.4
6. ø 1 775, 63 4.5 ø 1
q! = q 0, 727 29, 7
6. 2 4.5 2
39
Hàm xu thӃ có dҥng: Y = 29,7+ 0,727t
Do đó mô hình nhân có dҥng: yt= (29,7+0,727t).Itv
Dӵ báo sҧn lưӧng cӫa doanh nghiӋp năm 2007 theo các quý là:
- Quý I (t=21): Yt1= (29,7+ 0,727 x 21)x 0.7= 31,476
- Quý I (t=22): Yt2= (29,7+ 0,727 x 22)x 0.838= 38,29
- Quý I (t=23): Yt3= (29,7+ 0,727 x 23)x 1,08= 50,13
- Quý I (t=24): Yt4= (29,7+ 0,727 x 24)x 1,376= 64,875
Vӟi hàm kӃt hӧp nhân ta có thӇ dӵ báo cho nhӳng năm tiӃp theo
4 ->./9 DE

Phương pháp san bҵng mũ ( hay còn gӑi là phương pháp dӵ đoán bình quân mũ) là
mӝt phương pháp dӵ đoán thӕng kê ngҳn hҥn hiӋn đưӧc sӱ dөng nhiӅu trong công tác dӵ
đoán thӵc tӃ trên thӃ giӟi.
NӃu như mӝt sӕ phương pháp dӵ đoán thӕng kê đã đӅ cұp ӣ trên coi giá trӏ thông tin
cӫa các mӭc đӝ trong dãy sӕ thӡi gian là như nhau, phương pháp san bҵng mũ lҥi coi giá trӏ
thông tin cӫa mӛi mӭc đӝ là tăng dҫn kӇ tӯ đҫu dãy sӕ cho đӃn cuӕi dãy sӕ. Vì trên thӵc tӃ ӣ
nhӳng thӡi gian khác nhau thì hiӋn tưӧng nghiên cӭu chӏu sӵ tác đӝng cӫa nhӳng nhân tӕ
khác nhau và cưӡng đӝ không giӕng nhau. Các mӭc đӝ ngày càng mӟi (ӣ cuӕi dãy sӕ thӡi
gian) càng cҫn phҧi đưӧc chú ý đӃn nhiӅu hơn so vӟi các mӭc đӝ cũ ( ӣ đҫu dãy sӕ). Hay nói
cách khác, mӭc đӝ càng xa so vӟi thӡi điӇm hiӋn tҥi thì càng ít giá trӏ thông tin, do đó càng ít
ҧnh hưӣng đӃn mӭc đӝ dӵ đoán.
TuǤ thuӝc vào đһc điӇm dãy sӕ thӡi gian ( chuӛi thӡi gian) có biӃn đӝng xu thӃ, biӃn
đӝng thӡi vө hay không mà phương pháp san bҵng mũ có thӇ sӱ dөng mӝt trong các phương
pháp cơ bҧn sau:
4 Ý :;!/<0./9 DE!/<3

ĐiӅu kiӋn áp dөng: đӕi vӟi dãy sӕ thӡi gian không có xu thӃ và không có biӃn đӝng
thӡi vө rõ rӋt.
Trưӟc hӃt, dãy sӕ thӡi gian đưӧc san bҵng nhӡ có sӵ tham gia cӫa các sӕ bình quân
mũ, tӭc là các sӕ bình quân di đӝng gia quyӅn theo quy luұt hàm sӕ mũ. Theo phương pháp
này, ӣ thӡi gian t nào đó dӵa vào các giá trӏ thӵc tӃ đã biӃt đӇ ưӟc lưӧng giá trӏ hiӋn tҥi ( thӡi
40
gian t) cӫa hiӋn tưӧng và giá trӏ hiӋn tҥi này đӇ dӵ toán giá trӏ tương lai (thӡi gian t+1). Mô
hình san bҵng mũ giҧn đơn đưӧc Brown xây dӵng năm 1954 dӵa trên 2 nguyên tҳc:
- Trӑng sӕ cӫa các quan sát trong dãy sӕ thӡi gian càng giҧm đi khi nó càng cách xa
hiӋn tҥi.
- Sai sӕ dӵ báo hiӋn tai ( ký hiӋu et = yt- ) Phҧi đưӧc tính đӃn trong nhӳng dӵ báo
kӃ tiӃp
Giҧ sӱ ӣ thӡi gian t, có mӭc đӝ thӵc tӃ là yt, mӭc đӝ dӵ đoán là Y .

Mӭc đӝ dӵ đoán cӫa hiӋn tưӧng ӣ thӡi gian (t+1) có thӇ viӃt:
)
Y¶ ø1
ø (1 q
)Y ( 2.10)
)
Đһt 1 q
, ta có: Y¶ 1
Y (2.11)

và đưӧc gӑi là các tham sӕ san bҵng vӟi
+ =1 và
, 0;1.
Như vұy mӭc đӝ dӵ đoán Y ø1 là trung bình cӝng gia quyӅn cӫa yt và Y vӟi quyӅn sӕ
tương ӭng là
và
- Mӭc đӝ dӵ đoán cӫa hiӋn tưӧng ӣ thӡi gian t là:
Y
Y q1 ø Y q1 thay vào (2.12) ta có:
Yµ 1

Y 1 2 Yµ 1 (2.11)
- Mӭc đӝ dӵ đoán cӫa hiӋn tưӧng ӣ thӡi gian (t-1) là:
Y q1
Y q 2 ø Y q 2 thay vào ( 2.12)
Ta có: Y ø1
ø
Y q1 ø 2
Y q 2 ø 3Y q 2 (2.13)
- Mӭc đӝ dӵ đoán cӫa hiӋn tưӧng ӣ thӡi gian (t-2) là: Yµ 2
Y 3 Yµ 3 thay
vào (2.13)
Ta có: Y ø1
ø
Y q1 ø
2
Y q 2 ø
3
Y q3 ø
4 Y q 4 ( 2.14)
Bҵng cách tiӃp tөc tương tӵ thay vào các mӭc đӝ dӵ đoán Y q3 , Y q 4.... ta sӁ có công
thӭc tәng quát.

Y ø1
ç q ø ø1Y q (*)
1
AT
41
Y ø1 : Sӕ bình quân mũ tҥi thӡi điӇm t+1
yt-i: Các mӭc đӝ thӵc tӃ cӫa cӫa hiӋn tưӧng tҥi thӡi điӇm (t-i) (i=0d n)
Y q1 : Sӕ bình quân mũ tҥi thӡi điӇm (t-i) ( i=0dn)

và đưӧc gӑi là các tham sӕ san bҵng
(
và là hҵng sӕ vӟi
+ =1 và
, 0;1.)
n: Sӕ lưӧng các mӭc đӝ cӫa dãy sӕ thӡi gian
Vì 0;1nên khi id
1 0 1Y 0

Thì

ç 1
1
Khi đó công thӭc (*) trӣ thành:

Y ø1
ç q
1
Như vұy: mӭc đӝ dӵ đoán Y ø1 là trung bình cӝng gia quyӅn cҧu các mӭc đӝ cӫa dãy
sӕ thӡi gian mà trong đó quyӅn sӕ giҧm dҫn theo dҥng mũ ( khi i=0d n) tuǤ thuӝc vào mӭc đӝ
cũ cӫa dãy sӕ. Vì thӃ, phương pháp này đưӧc gӑi là phương pháp san bҵng mũ.
Có 2 vҩn đӅ quan trӑng nhҩt trong phương pháp san bҵng mũ.
H M: hӋ sӕ san bҵng mũ

là hӋ sӕ san đӇ điӅu chӍnh trong sӕ cӫa các quan sát riêng biӋt cӫa dãy sӕ thӡi gian.
Vì vұy, khi lӵa chӑn
phҧi vӯa đҧm bҧo kӃt quҧ dӵ báo sӁ gҫn vӟi quan sát thӵc tӃ, vӯa
phҧi đҧm bҧo tính linh hoҥt ( nhanh nhҥy vӟi các thay đәi ӣ gҫn hiӋn tҥi).
Vӟi
=1 thì theo phương trình dӵ báo (1). Giá trӏ dӵ báo Y ø1 bҵng giá trӏ thӵc tӃ ӣ
thӡi kǤ ngay liӅn trưӟc (Yt+1) và các mӭc đӝ trưӟc đó không đưӧc tính đӃn.
Vӟi
=0 theo phương trình dӵ báo (1). Giá trӏ dӵ báo Y ø1 bҵng giá trӏ dӵ báo ӣ thӡi
kǤ trưӟc ( Y ) và giá trӏ thӵc tӃ ӣ thӡi kǤ ngay liӅn trưӟc không đưӧc tính đӃn.
NӃu
đưӧc chӑn càng lӟn thì các mӭc đӝ càng mӟi sӁ càng đưӧc chú ý, thích hӧp
vӟi chuӛi thӡi gian không có tính әn đӏnh cao.
Ngưӧc lҥi, nӃu
đưӧc chӑn càng nhӓ thì các mӭc đӝ càng cũ sӁ càng đưӧc chú ý,
thích hӧp vӟi chuӛi thӡi gian có tính әn đӏnh cao.
42
Do đó, phҧi dӵa vào đһc điӇm biӃn đӝng cӫa hiӋn tưӧng qua thӡi gian và kinh nghiӋm
nghiên cӭu đӇ lӵa chon
cho phù hӧp. Nói chung, giá trӏ
tӕt nhҩt là giá trӏ làm cho tәng
bình phương sai sӕ dӵ đoán nhӓ nhҩt.
SSE= ç( $ ) min

Đһt et = yt- là các sai sӕ dӵ đoán ӣ thӡi gian t hay còn gӑi là phҫn dư ӣ thӡi gian t.
Theo kinh nghiӋm cӫa các nhà dӵ báo thì
thích hӧp cho vұn phương pháp san mũ
có thӇ đưӧc chӑn bҵng.
2

: đӝ dài chuӛi thӡi gian
1
H TXác đӏnh giá trӏ ban đҫu ( điӅu kiӋn ban đҫu ) ký hiӋu y0
Phương pháp san bҵng mũ đưӧc thӵc hiӋn theo phép đӋ quy, đӇ tính Y ø1 thì phҧi có
Y , đӇ có Y thì phҧi có Y q1 . Do đó đӇ tính toán cҫn phҧi phҧi xác đӏnh giá trӏ ban đҫu ()
dӵa vào mӝt sӕ phương pháp.
+ Có thӇ lҩy mӭc đӝ đҫu tiên cӫa dãy sӕ.
+ Trung bình cӫa mӝt sӕ các mӭc đӝ cӫa dãy sӕ
,BT Có hai tài liӋu vӅ doanh thu ӣ mӝt cӫa hàng thương mҥi X qua mӝt sӕ năm như
sau:
EF
9779 977: 977Y 977p 977q
]3Kd.
Doanh thu 15 15,3 14,8 15,5 15,2

( tӹ đӗng) y1 y2 y3 y4 y5
Yêu cҫu: Dӵ đoán doanh thu cho năm 2007 cӫa cӱa hàng.
2 2
Vӟi n= 5d
= n 0,3
ø1 5 ø1
15 15 ø 15,3 ø 15,8 ø 15,5 ø 15, 2

y0= ç = 15,16 ( tӹ đӗng)
5 1 5
Công thӭc tәng quát vӟi n= 5
43
5
i=0d5 $ ø1
ç (1 q
) q ø (1 q
) ø1 $ q
1
=1-
$ ø1
( ø q1 ø 2 q2 ø 3 q3 ø 4 q4 ø 5 q5 ) ø 6 $ q5
Vӟi t=5 dӵ báo doanh thu 2007 là:
2 3 4 5 6
$
( 5 ø 4 ø 3 ø 2 ø 1 ø 0 ) ø $
6 0
$ 2007 0,3(15, 2 0, 7.15,5 0, 72.14,8 0, 73.15,3

6
0, 7 4.15 0, 75.15,16) 0, 76.15,16 15,19

* Hoһc thay vào công thӭc (1) ta có thӇ sӵ báo doanh thu hàng năm ( tӹ đӗng) như sau:
Vӟi t=0, ta có: $1

0 (1
) 0 = 0,3 x 15,16+(1-0,3).15,16= 15,16
Vӟi t=1, ta có: $ 2

1 ø (1 q
) $1 = 0,3 x15 +(1-0,3).15,16= 15,112

2 ø (1 q
) $ 2 = 0,3 x 15,3 +(1-0,3).15,112= 15,1684
Vӟi t=3 ta có: $ 4

3 ø (1 q
) $ 3 = 0,3 x 14,8 + (1-0,3).15.1684= 15,05788
Vӟi t=4 ta có: $ 5

4 ø (1 q
) $ 4 = 0,3 x 15,5 + (1-0,3).15,05788= 15,19

5 ø (1 q
) $ 5 = 0,3 x 15,2 + (1-0,3). 15,19= 15,193
Đây là giá trӏ dӵ đoán cho doanh thu cӫa Công ty năm 2007
4 :; @ #; F !+ , C 0 :; 9 E
G'HI>93
Mô hình này thưӡng áp dөng đӕi vӟi sӵ biӃn đӝng cӫa hiӋn tưӧng qua thӡi gian có xu
thӃ là tuyӃn tính và không có biӃn đӝng thӡi vө.
- Giҧ sӱ chúng ta có dãy sӕ thӡi gian y1, y2, y3,«, yn vӟi biӃn đӝng có tính xu thӃ.
G$WÝT Chӑn các hӋ sӕ
, ( 0 <
, < 1)
NӃu chӑn hҵng sӕ san nhӓ tӭc là chúng ta coi các mӭc đӝ hiӋn thӡi cӫa dãy sӕ ít ҧnh
hưӣng đӃn mӭc đӝ dӵ báo. Ngưӧc lҥi nӃu chӑn hҵng sӕ san lӟn tӭc là chúng ta muӕn dãy sӕ
san sӕ mũ phҧn ӭng mҥnh vӟi nhӳng thay đәi hiӋn tҥi.
G$WT TiӃn hành san mũ cho giá trӏ ưӟc lưӧng và xu thӃ cӫa dãy sӕ:
44
Coi giá trӏ cӫa dãy sӕ thӡi gian là tәng cӫa 2 thành phҫn: Thành phҫn trung bình có
trӑng sӕ cӫa các giá trӏ thӵc tӃ (ký hiӋu là St ± giá trӏ ưӟc lưӧng cӫa hiӋn tưӧng ӣ thӡi điӇm t)
và thành phҫn xu thӃ (ký hiӋu là Tt). Ta có mô hình san sӕ mũ:
$ ^ (2.15)
1
Trong đó:
^
ø (1 q
) ^ q1 ø ( q1)

ø (1 q
) ^ (2.16)
Z ( ^ q ^ q1 ) ø (1 q Z ).( q1) (2.17)
Đһt S2 = Y2 T2 = Y2 ± Y1
TiӃn hành san sӕ mũ tӯ thӡi điӇm thӭ 3 trӣ đi, ta có:
^3
Y3 ø (1 q
)( ^ 2 ø 2 )
3 Z (^ 3 q ^ 2 ) ø (1 q Z )2
^4
Y4 ø (1 q
)( ^ 3 ø 3 )
4 Z (^ 4 q ^3 ) ø (1 q Z )3
...
G$WT Sӱ dөng mӭc và xu thӃ đã đưӧc san sӕ mũ tҥi thӡi điӇm đӇ dӵ đoán cho các
thӡi điӇm trong tương lai đӇ dӵ đoán giá trӏ cӫa hiӋn tưӧng ӣ thӡi điӇm tương lai t + 1:
$ ^ ø (2.18)
ø1
Ӣ thӡi điӇm tương lai (t + h) (h=2, 3 «)

$ ^ (2.19)

,BT Theo sӕ liӋu cӫa tәng cөc thӕng kê vӅ GDP theo giá thӵc tӃ cӫa ViӋt Nam qua
thӡi gian như sau:
EF
9779 977: 977Y 977p 977q
]3Kd.
GDP
421295 535762 613443 715307 839211
(tӹ đӗng)
Áp dөng san mũ Holt ± Winters đӇ dӵ đoán cho 5 năm tӟi

G$WÝT Chӑn hӋ sӕ san:
= 0,7; = 0,6
G$WT TiӃn hành san sӕ mũ cho mӭc và cho xu thӃ cӫa dãy sӕ thӡi gian
45
S2 = y2 = 535762
T2 = Y2 ± Y1 = 535762 ± 421295 = 114467
S3 =
Y3 + (1 -
)(S2 + T2)
= 0,7.613443 + (1-0,7)(535.762 + 114467)
= 624478,8
T3 = (S3 ± S2) + (1- )T2
= 0,6(624478,8 ± 535762) + (1-0,6).114467 = 99016,88
S4 =
Y4 + (1-
)(S3 + T3)
= 0,7.715307 + (1-0,7)(624478,8 + 99016,88)
= 717763,6
T4 = (S4 ± S3) + (1- )T3
= 0,6(717763,6 ± 24478,8) + 0,4.99016,88 = 95577,63
S5 =
Y5 + (1 -
)(S4 + T4)
= 0,7.839211 + 0,3(717763,6 + 95577,63) = 831450,07
T5 = (S5 ± S4) + (1 - )T4

= 0,6(831450,07 ± 717763,6) + 0,4.95577,63 = 106442,93
Như vұy, mӭc đӝ dӵ báo GDP cӫa nhӳng năm tiӃp theo sӁ là:
$ = S5 + T5 = 831450,07 + 106442,93 = 937893
6
$ = S5 + 2T5 = 831450,07 + 2.106442,93 = 1044335,93 (tӹ đӗng)

7
$ = S5 + 3T5 = 831450,07 + 3.106442,93 = 1150778,86 (tӹ đӗng)

8
$ = S5 + 4T5 = 831450,07 + 4.106442,93 = 1257221,7 (tӹ đӗng)

9
$ = S + 5T = 831450,07 + 5.106442,93 = 1363664,63 (tӹ đӗng)

10 5 5
4 % :;@ !+,C

Mô hình này thưӡng áp dөng đӕi vӟi dӵ báo thӡi gian mà các mӭc đӝ cӫa nó là tài
liӋu tháng hoһc quý cӫa mӝt sӕ năm mà các mӭc đӝ trong dãy sӕ đưӧc lұp lҥi sau 1 khoҧng
thӡi gian h (h = 4 đӕi vӟi quý, h = 12 đӕi vӟi năm). ViӋc dӵ đoán có thӇ đưӧc thӵc hiӋn theo
mӝt trong hai mô hình sau:
+ Mô hình cӝng $ 1 ^ 1 (2.19)
46
Trong đó:
^
( ) (1
) ^ 1 ( 1)

(2.20)
Z ( ^ q ^ q1 ) ø (1 q Z )( q1) (2.21)
} ( q ^ ) ø (1 q } )( q ) (2.22)
+ Mô hình nhân: $ 1 ( ^ ). 1 (2.23)

Trong đó

^
ø (1 q
)(^ q1 ø ( q1) )
( q )
( ^1 ^ 1 ) (1 ) 1

(1 ).( )

^
Vӟi
, , là các tham sӕ san bҵng nhұn giá trӏ trong đoҥn [0;1].

, , nhұn giá trӏ tӕt nhҩt khi tәng bình phương sai sӕ là nhӓ nhҩt.
^^` ç( q $ ) 2 min
-:Tham sӕ
, , không đưӧc xét mӝt cách khách quan mà ít nhiӅu thông qua trӵc
giác chӫ quan, kӃt quҧ dӵ báo sӁ phө thuӝc vào sӵ lӵa chӑn các tham sӕ này.
-:Vӟi 60 (0) có thӇ là mӭc đӝ đҫu tiên trong dãy sӕ.
-:a1(0) có thӇ là lưӧng tăng (giҧm) tuyӋt đӕi trung bình.
Sj(0): Là các chӍ sӕ thӡi vө ban đҫu (j=1,2,3«,k); k = 4 đӕi vӟi quý; k = 12 đӕi vӟi tháng.
NӃu t = 1, 2, 3, 4, 5,«, n.
Là thӭ tӵ thӡi gian hay tương ӭng vӟi thӭ tӵ các mӭc đӝ theo thӡi ký trong chuӛi thӡi
gian thì yӃu tӕ thӡi vө Vj(0) cӫa các mӭc đӝ trong chuӛi thӡi gian đưӧc tính sӁ tương ӭng
vӟi các giá trӏ t k.
@ J
J (0) J >C ; J ç
J 1 @
J chӍ sӕ bình quân thӡi vө cho mӝt quý hay mӝt tháng cӫa mӛi năm trong chuӛi thӡi gian.

J

Yt mӭc đӝ trong chuӛi thӡi gian ӣ thӡi gian t.
47
Vj chӍ sӕ thӡi vө cӫa tӯng quý hoһc tháng trong tӯng năm nay ӣ thӡi gian t:
Sӕ bình quân trưӧt đӇ loҥi trӯ thành phҫn thӡi vө và thành phҫn ngүu nhiên vӟi sӕ
lưӧng mӭc đӝ bҵng 4 đӕi vӟi tài liӋu quý và bҵng 12 đӕi vӟi tài liӋu tháng.
@

ç J
,BT Trӣ lҥi ví dө ӣ mөc (3.3.1), dӵ đoán doanh thu cӫa các quý theo mô hình nhân
như sau:
,BT Có tài liӋu vӅ sҧn lưӧng cӫa Doanh nghiӋp (A) như sau:
Năm (t) BZ(%&G()>()b(3a(? Cӝng theo

cùng quý
2002 2003 2004 2005 2006 (ç J )
Quý
I 20 25 27 31 29 132
II 25 32 30 37 36 160
III 38 38 45 44 47 212
IV 40 60 55 62 58 275
Cӝng theo cùng
năm (ç J ) 123 155 157 174 170 779
Mӭc đӝ bình
30,75 38,75 39,25 43,5 42,5
quân năm
S(0): Bình quân cӫa 4 mӭc đӝ đҫu tiên (bình quân năm)
20 ø 25 ø 38 ø 40
^ (0) 30, 75
4
T0: Lưӧng tăng tuyӋt đӕi bình quân cӫa quý
58 q 20
0 2
20 q 1
Các chӍ sӕ thӡi vө Itv: ( Đã tính trong phҫn 3.2.2.)
Quý I = 0,713 x 0,986 = 0,7
Quý II = 0,85 x 0,986 = 0,838
48
Quý III = 1,096 x 0,986 = 1,08
Quý IV = 1,396 x 0,986 = 1,376
Vӟi các tham sӕ đã cho
, Z , } lҫn lưӧt là: 0,4; 0,4; 0,8
NӃu phҧi lӵa chӑn mӝt trong hai mô hình đӇ dӵ đoán thì tuǤ thuӝc vào đһc điӇm biӃn
đӝng cӫa hiӋn tưӧng.
Đӕi vӟi hiӋn tưӧng ít biӃn đәi qua thӡi gian thì dùng mô hình cӝng.
Đӕi vӟi hiӋn tưӧng biӃn đәi nhiӅu qua thӡi gian thì dùng mô hình nhân.
* Ưu, nhưӧc điӇm cӫa phương pháp san bҵng mũ:
86T
Đơn giҧn và có kӃt quҧ tương đӕi chính xác phù hӧp vӟi dӵ đoán ngҳn hҥn cho các
nhà kinh doanh cũng như lұp kӃ hoҥch ngҳn hҥn ӣ cҩp vĩ mô.
-:HӋ thӕng dӵ báo có thӇ đưӧc điӅu chӍnh thông qua 1 tham sӕ duy nhҩt (tham sӕ san
bҵng mũ)
-:DӉ dàng chương trình hoá vì chӍ phҧi thӵc hiӋn mӝt sӕ phép toán sơ cҩp đӇ xác đӏnh
giá trӏ dӵ báo.
CR ?T
-:Phương pháp san mũ chӍ bó hҽp trong phҥm vi dӵ báo ngҳn hҥn vì không tính đӃn
sӵ thay đәi cҩu trúc cӫa chuӛi thӡi gian mà phҧi tuân thӫ tính әn đӏnh theo thӡi gian cӫa các
quý trình kinh tӃ - xác hӝi.
6 JKC./J5JJ!=>;

6 Ý -!D@
S a#-7
+ Mӝt cӝt là biӃn theo thӭ tӵ các năm, mӝt cӝt là thӡi gian (Years ± năm; Years,
quarters ± năm, quý; Years, months (năm, tháng) (nӃu là năm ta nhҩp chuӝt vào years, ô nhӓ
sӁ hiӋn sӕ 1900, ta xoá đi và đánh sӕ năm đҫu tiên trong dãy sӕ).
S 6!< 9 +
Sø -b:cd::// c:`/6
- Đưa y vào (Dependent) và Years vào Variable
- Time/ Linear/ Display ANOVA table/ Save/ Predicted values/ Predict throug/ đánh
sӕ năm cҫn dӵ báo vào hình chӳ nhұt đӭng sau year/ continue/ OK
C c3Aj63V.Z
Constant ± tham sӕ a
49
Time ± tham sӕ b
6 -!D9 DE

S34 0 % 5
- Nhұp tài liӋu
- Analyze/ Time Serier/ Exponential Smoothing
- Save/ Do not create/ Continue/ OK
- Đưa Y vào hình vuông bên phҧi
- Simple/ Parameters/ Grid search (nҵm trong hình vuông thӭ nhҩt General)/
Continue/ OK
S34 0 > ?? , @ 4 !? B
- Chӑn Holt/ Parameters/ Grid Search (có chӳ General hình vuông bên trái)/ Grid
Search (hình vuông bên phҧi có chӳ Trend)
- Continue/ OK
- Parameters
- Nhҩp chuӝt vào Value (trái) ± đánh sӕ 0.9
- Nhҩp chuӝt vào Value (phҧi) ± đánh sӕ 0.0
- Continue/ Save/ Predict through/ đánh sӕ năm cҫn dӵ báo vào ô Year/ Continue/
OK/ Đóng cӫa màn hình Output sӁ có kӃt quҧ dӵ báo
S34 0 > ?? , A!? B
- Nhұp tài liӋu
- Define Dates/ Year Quarters/ đánh sӕ năm đҫu tiên trong dãy sӕ vào hình chӳ nhұt
thӭ nhҩt.
- Analyze/ Time Serier/ Exponental Smoothing/ Winters
- Đưa Y vào hình vuông dưӟi chӳ Variables
- Đưa Quarters vào hình chӳ nhұt dưӟi chӳ Seasonal
- Parameters/ Grid Search ӣ trong các hình vuông cӫa General (Alpha), Trend
(Gramma), Seasonal (Delta)/ Continue/ OK./.
50
&'():+ _` " s
-h` s
-

tu s
-
S* $% # # 91

Hӗi quy - nói theo cách đơn giҧn, là đi ngưӧc lҥi vӅ quá khӭ (regression) đӇ nghiên
cӭu nhӳng dӳ liӋu (data) đã diӉn ra theo thӡi gian (dӳ liӋu chuӛi thӡi gian - time series)
hoһc diӉn ra tҥi cùng mӝt thӡi điӇm (dӳ liӋu thӡi điӇm hoһc dӳ liӋu chéo - cross section)
nhҵm tìm đӃn mӝt quy luұt vӅ mӕi quan hӋ giӳa chúng. Mӕi quan hӋ đó đưӧc biӇu diӉn
thành mӝt phương trình (hay mô hình) gӑi là: phương trình hӗi quy mà dӵa vào đó, có thӇ
giҧi thích bҵng các kӃt quҧ lưӧng hoá vӅ bҧn chҩt, hӛ trӧ cӫng cӕ các lý thuyӃt và dӵ báo
tương lai.
Theo thuұt ngӳ toán, phân tích hӗi quy là sӵ nghiên cӭu mӭc đӝ ҧnh hưӣng
cӫa mӝt hay nhiӅu biӃn sӕ (biӃn giҧi thích hay biӃn đӝc lұp - independent
variable), đӃn mӝt biӃn sӕ (biӃn kӃt quҧ hay biӃn phө thuӝc - dependent variable),
nhҵm dӵ báo biӃn kӃt quҧ dӵa vào các giá trӏ đưӧc biӃt trưӟc cӫa các biӃn giҧi thích.
Trong phân tích hoҥt đӝng kinh doanh cũng như trong nhiӅu lĩnh vӵc khác, hӗi quy là
công cө phân tích đҫy sӭc mҥnh không thӇ thay thӃ, là phương pháp thӕng kê toán dùng đӇ
ưӟc lưӧng, dӵ báo nhӳng sӵ kiӋn xҧy ra trong tương lai dӵa vào quy luұt quá khӭ.
% Ý 5./?!/
Còn gӑi là hӗi quy đơn biӃn, dùng xét mӕi quan hӋ tuyӃn tính giӳa 1 biӃn
kӃt quҧ và 1 biӃn giҧi thích hay là biӃn nguyên nhân (nӃu giӳa chúng có mӕi
quan hӋ nhân quҧ). Trong phương trình hӗi quy tuyӃn tính, mӝt biӃn gӑi là: biӃn
phө thuӝc; mӝt biӃn kia là tác nhân gây ra sӵ biӃn đәi, gӑi là biӃn đӝc lұp.
Phương trình hӗi quy đơn biӃn (đưӡng thҷng) có dҥng tәng quát:
Y = a + bX (3.1)
Trong đó:
Y: biӃn sӕ phө thuӝc (dependent variable);
X: biӃn sӕ đӝc lұp (independent variable);
a: tung đӝ gӕc hay nút chһn (intercept);
b: đӝ dӕc hay hӋ sӕ gӕc (slope).
Y trong phương trình trên đưӧc hiӇu là Y ưӟc lưӧng, ngưӡi ta thưӡng viӃt dưӟi
51
^
hình thӭc có nón Y
,BT
Phương trình tәng chi phí cӫa doanh nghiӋp có dҥng:
Y = a + bX
Trong đó:
Y: Tәng chi phí phát sinh trong kǤ;
X: Khӕi lưӧng sҧn phҭm tiêu thө;
a: Tәng chi phí bҩt biӃn;
b: chi phí khҧ biӃn đơn vӏ sҧn phҭm; bX: Tәng chi phí khҧ biӃn.
bX
e9 + Ý f >gF-R # ,

a >h
Vӟi phương trình trên, tәng chi phí Y chӏu ҧnh hưӣng trӵc tiӃp cӫa khӕi lưӧng hoҥt
đӝng X theo quan hӋ tӹ lӋ thuұn. Khi X tăng dүn đӃn Y tăng; khi X giҧm dүn đӃn Y giҧm
Khi X = 0 thì Y = a: Các chi phí như tiӅn thuê nhà, chi phí khҩu hao, tiӅn lương
thӡi gian và các khoҧn chi phí hành chính khác là nhӳng chi phí bҩt biӃn, không chӏu ҧnh
hưӣng tӯ thay đәi cӫa khӕi lưӧng hoҥt đӝng.
Đưӡng biӇu diӉn a song song vӟi trөc hoành. Trӏ sӕ a là hӋ sӕ cӕ đӏnh, thӇ
hiӋn ³chi phí tӕi thiӇu´ trong kǤ cӫa doanh nghiӋp (nút chһn trên đӗ thӏ).
Trӏ sӕ b quyӃt đӏnh đӝ dӕc (tӭc đӝ nghiêng cӫa đưӡng biӇu diӉn chi phí trên
đӗ thӏ)
Đưӡng tәng chi phí Y = a + bX và đưӡng chi phí khҧ biӃn bX song song vӟi
52
nhau vì giӳa chúng có cùng chung mӝt đӝ dӕc b (slope). Xuҩt phát điӇm cӫa
đưӡng tәng chi phí bҳt đҫu tӯ nút chһn a (intercept = a) trên trөc tung; trong khi
đó, đưӡng chi phí khҧ biӃn lҥi bҳt đҫu tӯ gӕc trөc toҥ đӝ vì có nút chһn bҵng 0
(intercept = 0). Hay nói mӝt cách khác, theo nӝi dung kinh tӃ, khi khӕi lưӧng
hoҥt đӝng bҵng 0 (X=0) thì chi phí khҧ biӃn cũng sӁ bҵng 0 (bX=0).
,B ?T
Có tình hình vӅ chi phí hoҥt đӝng (tài khoҧn 641 và tài khoҧn 642: chi phí bán hàng
và chi phí quҧn lý doanh nghiӋp) và doanh thu (tài khoҧn 511) tҥi mӝt doanh nghiӋp đưӧc
quan sát qua các dӳ liӋu cӫa 6 kǤ kinh doanh như sau: (đơn vӏ tính: triӋu đӗng).
vjK(1=@( =@(3.;<(U() KQW=w3Rc()
1 1.510 323
2 1.820 365
3 2.104 412
4 2.087 410
5 1.750 354
6 2.021 403
G5 Ý 0 0 7 # ,F[@i@
Y jT Phân tích cơ cҩu chi phí hoҥt đӝng (bҩt biӃn, khҧ biӃn) cӫa
doanh nghiӋp.
C$W k T
Yêu cҫu cӫa vҩn đӅ là thiӃt lұp phương trình chi phí hoҥt đӝng cӫa doanh
nghiӋp, tӭc đi tìm giá trӏ các thông sӕ a, b vӟi mөc đích phát hiӋn quy luұt biӃn
đәi cӫa chi phí này trưӟc sӵ thay đәi cӫa doanh thu, nhҵm đӃn viӋc dӵ báo chi
phí cho các quy mô hoҥt đӝng khác nhau hoһc cho các kǤ kinh doanh tiӃp theo.
Phương trình chi phí hoҥt đӝng có dҥng:
Y = a + bX
Trong đó:
a: Tәng chi phí bҩt biӃn
b: chi phí khҧ biӃn 1 đơn vӏ doanh thu
53
X: Doanh thu bán hàng
Y: Tәng chi phí hoҥt đӝng
Có nhiӅu phương pháp thӕng kê tính a, b như:
* $% # # +T
Còn gӑi là phương pháp cұn trên - cұn dưӟi (High - low method). Cө thӇ đӇ tìm trӏ sӕ
a, b cӫa phương trình theo ví dө trên bҵng cách sӱ dөng công thӭc và cách tính toán như sau:
HiӋu sӕ cӫa chi phí cao nhҩt và thҩp nhҩt

b =
HiӋu sӕ cӫa doanh thu cao nhҩt và thҩp nhҩt
412 - 323
b = = 0,15
2.104 - 1.510
Trong đó:
Chi phí cӵc đҥi: 412
Chi phí cӵc tiӇu: 323
Doanh thu cӵc đҥi: 2.104
Doanh thu cӵc tiӇu: 1.510
Tӯ phương trình: Y = a +bX, suy ra: a = Y - bX;
Tҥi điӇm đҥt doanh thu cao nhҩt (high), ta có:
a = 412 - 0,15 x 2.104 = 96,4
Tҥi điӇm đҥt doanh thu thҩp nhҩt (low), ta có:
a = 323 - 0,15 x 1.510 = 96,4
Phương trình chi phí kinh doanh đã đưӧc thiӃt lұp:
Y = 96,4 + 0,15X
I$NT
- Phương pháp cӵc trӏ rҩt đơn giҧn, dӉ tính toán nhưng thiӃu chính xác trong nhӳng
trưӡng hӧp dӳ liӋu biӃn đӝng bҩt thưӡng.
- Trưӡng hӧp tұp dӳ liӋu có sӕ quan sát lӟn, viӋc tìm thҩy nhӳng giá trӏ cӵc trӏ gһp
khó khăn và dӉ nhҫm lүn, Microsoft Excel sӁ cung cҩp mӝt cách nhanh chóng và chính
xác các giá trӏ thӕng kê: Max, min, range (=Max-Min) như sau:
LӋnh sӱ dөng trong Microsoft Excel: Tools / Data Analysis«/ Descriptive
Statistics/ OK / Summary Statistics / OK.
54
=%.F(*>1=@(3.? =%.F(9>$KQW? KZK3W$
Mean 1.882,00 Mean 377,83 Giá trӏ trung bình
Standard Error 94,92 Standard Error 14,80 Sai sӕ chuҭn
Median 1.920,50 Median 384,00 Trung vӏ
Mode #N/A Mode #N/A YӃu vӏ
Standard Deviation 232,50 Standard Deviation 36,26 Đӝ lӋch chuҭn
Sample Variance 54.056,40 Sample Variance 1.314,97 Phương sai (mүu)
Kurtosis -0,49 Kurtosis -1,30 Đӝ chóp
Skewness -0,76 Skewness -0,58 Đӝ nghiêng
Range 594,00 Range 89,00 Khoҧng (miӅn)
Minimum 1.510,00 Minimum 323,00 Giá trӏ tӕi thiӇu
Maximum 2.104,00 Maximum 412,00 Giá trӏ tӕi đa
Sum 11.292,00 Sum 2.267,00 Tәng cӝng giá trӏ
Count 6,00 Count 6,00 Sӕ lҫn quan sát
G5 l?15R-$( K$ ' @ 3/_`>:-

NӃu trong Tools không hiӋn hành sҹn Data Analysis, ta dùng lӋnh: Tools / Add -
Ins / Analysis ToolPak / OK.
Giҧi thích các thông sӕ tính đưӧc cө thӇ tҥi cӝt chi phí:
l@( (giá trӏ trung bình): là bình quân sӕ hӑc (Average) cӫa tҩt cҧ các giá trӏ quan
sát. Đưӧc tính bҵng cách lҩy tәng giá trӏ các quan sát (Sum) chia cho sӕ quan sát (Count).

ç m 2 , 267
1
m 377.83
6
55
B3@(1@41x44=4 (sai sӕ chuҭn): dùng đӇ đo đӝ tin cұy cӫa giá trӏ trung bình mүu.
Đưӧc tính bҵng cách lҩy đӝ lӋch chuҭn (Standard Deviation) chia cho căn bұc 2 cӫa sӕ
quan sát.
36 , 26
^ 14 , 80
6
Ta có thӇ nói: có khҧ năng 95% là giá trӏ trung bình nҵm trong khoҧng cӝng trӯ
(+/-) 2 lҫn sai sӕ chuҭn so vӟi giá trӏ trung bình. Theo ví dө trên, đó là khoҧng:
[377,83- (2 x 14,8);377,83 + (2x14,8) tӭc là khoҧng: [348,23 ; 407,43]
Dӵa vào công thӭc trên ta cũng thҩy rҵng: vӟi đӝ lӋch chuҭn s không đәi, n càng
lӟn thì S càng nhӓ. Tӭc khoҧng dao đӝng sӁ hҽp hơn và đӝ chính xác sӁ cao hơn. Ngưӡi ta
cũng dӵa vào công thӭc này đӇ tính sӕ quan sát cҫn thiӃt n.
l1K@( (trung vӏ): là giá trӏ nҵm ӣ vӏ trí trung tâm (khác vӟi giá trӏ trung bình
Mean). Đưӧc tính bҵng cách:
- NӃu sӕ quan sát n là sӕ lӁ: sҳp xӃp các giá trӏ quan sát tӯ nhӓ đӃn lӟn, giá trӏ đӭng
vӏ trí chính giӳa là sӕ trung vӏ.
- NӃu sӕ quan sát n là sӕ chҹn: sҳp xӃp các giá trӏ quan sát tӯ nhӓ đӃn lӟn, trung
bình cӝng cӫa 2 giá trӏ đӭng ӣ vӏ trí chính giӳa là sӕ trung vӏ.
Theo ví dө trên, ta sҳp xӃp các quan sát có giá trӏ tӯ nhӓ đӃn lӟn: 323, 354, 365,
403, 410, 412.
365 + 403
Median = = 384
2
=1l (yӃu vӏ): là giá trӏ xuҩt hiӋn nhiӅu lҫn nhҩt. Theo ví dө trên, ta không có yӃu
vӏ nào cҧ (#N/A)
B3@(1@41 lXK@3K=( (đӝ lӋch chuҭn): Đưӧc xem như là đӝ lӋch trung bình, đҥi
diӋn cho các đӝ lӋch (hiӋu sӕ) giӳa các giá trӏ quan sát thӵc và giá trӏ trung bình (Mean).
Đӝ lӋch chuҭn là đҥi lưӧng dùng đӇ đo mӭc đӝ phân tán (xa hay gҫn) cӫa các giá trӏ quan
sát xung quanh giá trӏ trung bình. Đưӧc tính bҵng cách lҩy căn bұc hai cӫa phương sai 2
( trung bình cӫa phương các đӝ lӋch: đӝ lӋch âm- negative deviation và đӝ lӋch dương ±
positive deviation)
2= = 36,26
( ı đӑc là sagma )
56
B@FQ%l @4K@($l (phương sai mүu): Là trung bình cӫa bình phương các đӝ lӋch.
Giӕng như đӝ lӋch chuҭn, nó cũng dùng đӇ xem mӭc đӝ phân tán các giá trӏ quan sát thӵc
xung quanh giá trӏ trung bình. Đưӧc tính bҵng cách lҩy tәng các bình phương các đӝ lӋch
(tәng các hiӋu sӕ giӳa giá trӏ quan sát thӵc và giá trӏ trung bình) chia cho sӕ quan sát trӯ 1
(n - 1). Theo ví dө trên ta có:

ç ( m q m )2
2 1 1.314,97
q1
2
( đӑc là sigma bình phương )
Kurtosis (đӝ chóp): là hӋ sӕ đһc trưng thӕng kê dùng đӇ đo mӭc đӝ ³đӗng nhҩt´
cӫa các giá trӏ quan sát.
- Đưӡng cong rҩt chóp (very peaked): nhӑn đӭng, kurtosis > 3. NӃu đưӡng biӇu
diӉn dưӟi đây mô tҧ phân phӕi các giá trӏ doanh thu, ta có thӇ nói rҵng đa sӕ các giá trӏ
doanh thu rҩt gҫn vӟi nhau (the same revenue) dù có mӝt sӕ ít mang giá trӏ rҩt nhӓ hoһc
rҩt lӟn.
- Đưӡng cong rҩt bҽt (very flat): phҷng nҵm, kurtosis < 3. NӃu đưӡng biӇu diӉn
dưӟi đây mô tҧ phân phӕi các giá trӏ doanh thu, ta có thӇ nói rҵng đa sӕ các giá trӏ doanh
thu đưӧc trҧi đӅu tӯ nhӓ đӃn lӟn trong mӝt khoҧng rӝng hơn.
Theo ví dө trên, đӝ chóp bҵng: - 1,30

Skewness (đӝ nghiêng): là hӋ sӕ dùng đӇ đo ³đӝ nghiêng´ khi phân phӕi xác suҩt
không cân xӭng theo hình chuông đӅu.
57
- Nghiêng vӅ trái ta còn gӑi là ³nghiêng âm´ (Skewned to the left), skewness < -1:
nghiêng nhiӅu, > 0,5: nghiêng ít. NӃu đưӡng biӇu diӉn dưӟi đây mô tҧ phân phӕi các giá
trӏ doanh thu, ta có thӇ nói rҵng đa sӕ các giá trӏ doanh thu gҫn vӟi doanh thu lӟn nhҩt dù
có mӝt sӕ ít mang giá trӏ nhӓ hơn hoһc rҩt nhӓ (ӣ bên trái).
- Nghiêng vӅ phҧi ta còn gӑi là ³nghiêng dương´ (Skewned to the right), skewness
> 1: nghiêng nhiӅu, < 0,5: nghiêng ít. NӃu đưӡng biӇu diӉn dưӟi đây mô tҧ phân phӕi các
giá trӏ doanh thu, ta có thӇ nói rҵng đa sӕ các giá trӏ doanh thu gҫn vӟi doanh thu nhӓ nhҩt
dù có mӝt sӕ ít mang giá trӏ lӟn hơn hoһc rҩt lӟn (ӣ bên phҧi).
Theo ví dө trên, đӝ nghiêng bҵng: -0,58.

Range (khoҧng) also range width (hay bӅ rӝng cӫa khoҧng): là đӝ dài cӫa khoҧng
quan sát (khoҧng biӃn thiên), đưӧc tính bҵng lҩy giá trӏ quan sát cӵc đҥi Max trӯ đi giá trӏ
quan sát cӵc tiӇu Min.
Range = Max - Min = 412 - 323 = 89
Minimum (giá trӏ quan sát cӵc tiӇu): giá trӏ nhӓ nhҩt trong các quan sát.
Min = 323
Maximum (giá trӏ quan sát cӵc đҥi): giá trӏ lӟn nhҩt trong các quan sát.
Max = 412
Sum (tәng cӝng giá trӏ cӫa các quan sát): là tәng cӝng tҩt cҧ các giá trӏ cӫa tҩt cҧ
các quan sát trong tұp dӳ liӋu.
Theo ví dө trên, ta có:
58

^6 ç m 2 .2 6 7
1
Count (sӕ quan sát): là sӕ đӃm cӫa sӕ lҫn quan sát (n). Theo tұp dӳ liӋu ӣ ví dө
trên, ta có: n = 6
% 5./?+L
Còn gӑi là phương pháp hӗi quy đa biӃn, dùng phân tích mӕi quan hӋ giӳa nhiӅu
biӃn sӕ đӝc lұp (tӭc biӃn giҧi thích hay biӃn nguyên nhân) ҧnh hưӣng đӃn 1 biӃn phө
thuӝc (tӭc biӃn phân tích hay biӃn kӃt quҧ).
Trong thӵc tӃ, có rҩt nhiӅu bài toán kinh tӃ - cҧ lĩnh vӵc kinh doanh và kinh tӃ
hӑc, phҧi cҫn đӃn phương pháp hӗi quy đa biӃn. Chҷng hҥn như phân tích nhӳng nhân
tӕ ҧnh hưӣng đӃn thu nhұp quӕc dân, sӵ biӃn đӝng cӫa tӹ giá ngoҥi hӕi; xét doanh thu
trong trưӡng hӧp có nhiӅu mһt hàng; phân tích tәng chi phí vӟi nhiӅu nhân tӕ tác đӝng;
phân tích giá thành chi tiӃt; nhӳng nguyên nhân ҧnh hưӣng đӃn khӕi lưӧng tiêu thө«
Mӝt chӍ tiêu kinh tӃ chӏu sӵ tác đӝng cùng lúc cӫa rҩt nhiӅu nhân tӕ thuұn chiӅu
hoһc trái chiӅu nhau. Chҷng hҥn như doanh thu lӋ thuӝc và giá cҧ, thu nhұp bình quân
xã hӝi, lãi suҩt tiӅn gӱi, mùa vө, thӡi tiӃt, quҧng cáo tiӃp thӏ« Mһt khác, giӳa nhӳng
nhân tӕ lҥi cũng có sӵ tương quan tuyӃn tính nӝi tҥi vӟi nhau. Phân tích hӗi quy giúp ta
vӯa kiӇm đӏnh lҥi giҧ thiӃt vӅ nhӳng nhân tӕ tác đӝng và mӭc đӝ ҧnh hưӣng, vӯa đӏnh
lưӧng đưӧc các quan hӋ kinh tӃ giӳa chúng. Tӯ đó, làm nӅn tҧng cho phân tích dӵ báo
và có nhӳng quyӃt sách phù hӧp, hiӋu quҧ, thúc đҭy tăng trưӣng.
Phương trình hӗi quy đa biӃn dưӟi dҥng tuyӃn tính:
Y = b0 + b1X1 + b2X2 + « + biXi + bnXn + e (3.2)
AT Y: biӃn sӕ phө thuӝc (kӃt quҧ phân tích);
b0: tung đӝ gӕc;
b1: các đӝ dӕc cӫa phương trình theo các biӃn
Xi; Xi: các biӃn sӕ (các nhân tӕ ҧnh hưӣng);
e: các sai sӕ
I$NT Y trong phương trình trên đưӧc biӇu hiӋn là Y ưӟc lưӧng, ngưӡi ta thưӡng
viӃt dưӟi hình thӭc có nón ( Y )
59
Mөc tiêu cӫa phương pháp hӗi quy đa biӃn là dӵa vào dӳ liӋu lӏch sӱ các biӃn sӕ
Yi, Xi, dùng thuұt toán đӇ đi tìm các thông sӕ b0 và bi xây dӵng phương trình hӗi quy
đӇ dӵ báo cho ưӟc lưӧng trung bình cӫa biӃn Yi.
::&'()Q<Q3A()jdSKV.I
Còn gӑi là thӕng kê hӗi quy đơn giҧn (simple regression statistical) dùng phương
pháp thӕng kê toán đӇ tính các hӋ sӕ a, b cӫa phương trình hӗi quy dӵa trên toàn bӝ quan
sát cӫa tұp dӳ liӋu. Đây là phương pháp đáng tin cұy nhҩt và vì vұy đòi hӓi công phu hơn.
Vүn dùng sӕ liӋu ӣ ví dө trên, lұp bҧng tính các trӏ sӕ cơ sӣ rӗi căn cӭ vào công
thӭc đӇ tính các thông sӕ cӫa phương trình.
Ta có công thӭc trong thӕng kê toán a= -b

ç ( )( Y Y)
1
! 2
ç ( )
1
6 4
Công thӭc trên đưӧc chӭng minh tӯ phương pháp hӗi quy các bình phương tӕi
thiӇu cӫa các hiӋu sӕ (đӝ lӋch : Deviation) giӳa các giá trӏ quan sát và giá trӏ ưӟc lưӧng
cӫa biӃn sӕ phө thuӝc ( Y = a +bXi)
2
Vӟi phương pháp tәng các bình phương tӕi thiӇu, gӑi :$ là bình phương các đӝ
lӋch, ta có:
= = (3.3)
Min (3.4)
Giҧi hӋ phương trình vi phân đӇ tìm giá trӏ các thông sӕ.
Lҩy đҥo hàm riêng phҫn theo a và cho bҵng 0:

=Y q q !m 2
0 (3.5)
ç
1

Lҩy đҥo hàm riêng phҫn theo a và cho bҵng 0:
60

=Y q q !m 2
0 (3.6)
! ç
1

Lҩy đҥo hàm rӗi cùng chia cho -2 ( hay nhân vӟi ½) ta có hӋ phương trình chuҭn
vӟi n quan sát:
ç mY ç m ø !ç m 2 (3.7)
çY ø ! ç m (3.8)
Dùng phương pháp khӱ, giҧi hӋ phương trình có 2 ҭn sӕ, ta lҫn lưӧc có đưӧc giá trӏ
các thông sӕ a, b như các công thӭc (1.3) và (1.4) nên trên.
DӉ dàng thҩy đưӧc ý nghĩa các đӝ lӋch tӕi thiӇu qua đӗ thӏ sau:
Yi Đưӡng hӗi quy bình quân tӕi thiӇu.

^
Đӝ lӋch (deviation): Yi- Y Y ø !m
^
Y

0
Xi X
e9 + e-7 F+1 //W+$W-$(
n5 , 9 +:
Đưӡng hӗi quy Y =a+ bX là đưӡng ưӟc lưӧng tӕt nhҩt, chӭa các giá trӏ ưӟc lưӧng
cӫa Y mà đӝ lӋch trung bình giӳa chúng và giá trӏ quan sát thӵc là nhӓ nhҩt (tӕi thiӇu).
Các đӝ lӋch nҵm phía trên đưӡng ưӟc lưӧng nhìn tӯ gӕc cӫa trөc toҥ đӝ, gӑi
là đӝ lӋch dương (Positive deviation); các đӝ lӋch nҵm phía dưӟi đưӡng ưӟc lưӧng nhìn tӯ
gӕc cӫa trөc toҥ đӝ, gӑi là đӝ lӋch âm (Negative deviation).
Tҥi sao là bình phương tӕi thiӇu?
Mөc đích cuӕi cùng cӫa phương pháp hӗi quy là dùng đӇ giҧi thích hoһc dӵ báo
mӝt đӕi tưӧng cҫn nghiên cӭu. Cө thӇ là đi tìm giá trӏ các thông sӕ a, b đӇ xây dӵng
phương trình hӗi quy tuyӃn tính (đưӡng thҷng) có dҥng tәng quát:
61
Y =a+ bX.
Mӛi giá trӏ ưӟc lưӧng (ưӟc lưӧng điӇm) là giá trӏ ưӟc lưӧng trung bình điӇm
cӫa biӃn kӃt quҧ Yi. Khҧ năng chӍ có thӇ xҧy ra các giá trӏ trong mӝt ³khoҧng
ưӟc lưӧng´ vӟi mӝt ³đӝ tin cұy´ nhҩt đӏnh mà thôi. Vì xác suҩt đӇ giá trӏ thӵc Yi bҵng vӟi
giá trӏ ưӟc lưӧng điӇm i Y là bҵng 0, hay nói cách khác là rҩt khó có khҧ năng xҧy ra.
Ý nghĩa cӫa phương pháp bình phương tӕi thiӇu là làm sao cho đӝ lӋch trung bình
^
giӳa Y và Yi nhӓ nhҩt ( Yi- Y ) 0
Trong đó, Yi là các giá trӏ quan sát thӵc và Y =a+ bX là các giá trӏ ưӟc lưӧng (giá
trӏ trung bình) cӫa Yi.
Khi ҩy, giá trӏ ưӟc lưӧng ³gҫn vӟi´ giá trӏ quan sát thӵc và phương trình hӗi quy
dùng đӇ dӵ báo sӁ trӣ nên khҧ thi, thích hӧp nhҩt và chính xác nhҩt trong điӅu kiӋn có thӇ.

m q m
K K K9 K9 Y Y 2 2

Y Y
=m q m

=Y q Y

1 1.510 323 2.280.100 104.329 487.730 -372 -55 20.398 138.384 3.007
2 1.820 365 3.312.400 133.225 664.300 -62 -13 796 3.844 165
3 2.104 412 4.426.816 169.744 866.848 222 34 7.585 49.284 1.167
4 2.087 410 4.355.569 168.100 855.670 205 32 6.594 42.025 1.035
5 1.750 354 3.062.500 125.316 619.500 -132 -24 3.146 17.424 568
6 2.021 403 4.084.441 162.409 814.463 139 25 3.498 19.321 633
11.292 2.267 21.521.826 863.123 4.308.511 0 0 42.017 270.282 6.575
G5 +/'%/L ' @
2.267
Y 377, 83 n 378
6
62
Trưӟc hӃt, xét mӭc đӝ tương quan (correlation) giӳa biӃn sӕ phө thuӝc và biӃn sӕ
đӝc lұp bҵng công thӭc:

!

ç (
1
)
2
= Y

Y
2 2
ç ( ) ç (Y Y)
1 1
R = +1: tương quan hoàn toàn và đӗng biӃn;

R = -1: tương quan hoàn toàn và nghӏch biӃn;
d
= càng gҫn 1:tương quan càng mҥnh (0,8< d <1);
d
= tӯ 0,4 đӃn 0,8: tương quan trung bình;
d = nhӓ hơn 0,4: tương quan yӃu;
42.017
! 0.993
=270.282 (6.575)
Ý nghĩa cӫa đӝ tương quan nói lên cưӡng đӝ cӫa mӕi quan hӋ tuyӃn tính cӫa hai
biӃn X và Y.
Trӣ lҥi, thay các giá trӏ đã tính ӣ bҧng 3.7 vào công thӭc (3.3) và (3.4) ӣ trên, ta có:
2 2
ç ( ) (Y Y) 42.017
1
! 0.115
2
ç ( ) 270.282
1
Y q !m 377.83 q (0.115 >1882) 86,12

Vұy phương trình hӗi quy có dҥng Y = a + bX sӁ là:
Y = 86,12 + 0,155X
63
C W(34d(Q/(FiF K$4==y3xL$l%+
Có 2 cách thӵc hiӋn trên Excel:
Cách 1: dùng hàm Fx: Paste function
Tìm trӏ sӕ b (slope), sӱ dөng lӋnh: Insert / Fx / Statistical (select a category: chӑn
loҥi hàm) / slope (select a function: lӵa chӑn tên hàm) / OK / quét đánh dҩu khӕi cӝt dӳ
liӋu Y và cӝt dӳ liӋu X / OK.
Tìm trӏ sӕ a (intercept), sӱ dөng lӋnh giӕng như tìm trӏ sӕ a, chӍ thay đәi bҵng tên
hàng Slope bҵng tên hàm Intercept (function name)
Tìm trӏ sӕ R (correlation), dùng lӋnh: Insert / Fx / Statistical (select a category:
lӵa chӑn loҥi hàm) / Correl (select a function: lӵa chӑn tên hàm) / OK / quét đánh dҩu
khӕi cӝt dӳ liӋu X và cӝt dӳ liӋu Y / OK.
Cách 2: Dùng Regression (thưӡng dùng đӇ chҥy hӗi quy đa biӃn) Khi thao tác
trên Microsoft Excel, ta sӱ dөng lӋnh: Tools / Data Analysis / Regression / OK.
Trong phҫn Input (nhұp đҫu vào):
Nhұp dӳ liӋu Y vào ô: Input Y Range;
Nhұp dӳ liӋu X vào ô: Input X Range;
Trong phҫn Output options (vӏ trí đҫu ra) có 2 lӵa chӑn:
Chӑn sheet mӟi: dùng New worksheet ply;
Chӑn sheet hiӋn hành: dùng Output Range.
Chương trình Microsoft Excel sӁ cho bҧng kӃt quҧ sau
64
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.996722138
R Square 0.993455021
Adjusted R
Square 0.991818777
Standard Error 3.27994452
Observations 6
ANOVA
Significance
df SS MS F F
Regression 1 6531.801 6531.801 607.1555 1.6099E-05
Residual 4 43.03214 10.75804
Total 5 6574.833
Upper
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% 95.0%
Intercept 85.26485301 11.94873 7.135891 0.00204 52.08985086 118.4399 52.08985 118.4399
X Variable 1 155.4561532 6.308962 24.64053 1.61E-05 137.9396656 172.9726 137.9397 172.9726
G5 l?15 91% !?

!L3/_`>:-
Giҧi thích bҧng 3.4:
· Multiple R = 0,9967 là đӝ tương quan giӳa Y và X (tương quan mҥnh);
· R square (R2) = 0,9935: là hӋ sӕ xác đӏnh (determination), biӇu hiӋn khҧ năng
giҧi thích cӫa các biӃn đӝc lұp X đӃn biӃn phө thuӝc Y (khҧ năng giҧi thích cao);
65
· Đӑc trӏ sӕ a, b ӣ cӝt Coefficients - các hӋ sӕ: Intercept - tung đӝ gӕc
(a=85,265); X Varible 1 - đӝ dӕc vӟi biӃn đӝc lұp X (b = 0,155)
· Trӏ sӕ thӕng kê t-stat: 7,136 và 24,641 > 1,96, thӇ hiӋn sӵ ³có ý nghĩa vӅ mһt
thӕng kê´ ӣ mӭc ý nghĩa 5% trong khoҧng: cұn trên -Upper, cұn dưӟi - Lower. Cұn trên
và cұn dưӟi cӫa Intercept là (118,44 ; 52,09) và cӫa Slope là (0,17 ; 0,14).
· Mӝt sӕ chӍ tiêu dùng đӇ kiӇm đӏnh, như ANOVA trong bҧng kӃt quҧ hӗi quy
không đӅ cұp hӃt trong phҥm vi môn hӑc này.
66
&'()Y+ _` "Czx
B>{
?
4 Ý MN!" +O
Trưӟc khi xӱ lý mӝt chuӛi thӡi gian nghiӅn cӭu các tính ngүu nhiên cӫa nó là bưӟc
cҫn thiӃt cho phép ta đánh giá mӝt cách tәng quát vӅ sӕ liӋu nghiên cӭu. NӃu kǤ vӑng toán
vô phương sai cӫa nó thay đәi theo thӡi gian, chuӛi đưӧc xem như là không әn +
$ (# $(-R A Xo + mh X
vӅ mһt toán hӑc mӝt chuӛi әn đӏnh
phҧi thӓa các điӅu kiӋn sau:
E(yt) = E(yt+m) = cte @ và m
Var(yt) < @
Cov(yt ;yt+k) = E ((yt - )( yt+k- ) = =hҵng sӕ

Vӟi tính chҩt như vұy ta có thӇ thҩy mӝt nhiӉu trҳng (giӟi thiӋu sau) là mӝt chuӛi әn
đӏnh vì nó thӓa mãn tính chҩt nêu trên. Mӝt chuӛi thӡi gian là әn đӏnh khi nó là đҥi diӋn cӫa
mӝt quá trình nghiên cӭu әn đӏnh. Nói mӝt cách cө thӇ hơn đó là chuӕi không có tính xu thӃ,
không có tính chu kǤ
4 G91./ !/./ BP

G91./ BP- 7/'P 8 1 7; !? @
5 $L F!? !$(-R.
Hàm sӕ tӵ tương quan # k nhҵm xác đӏnh sӵ tương quan cӫa chuӛi và chính nó nhưng lӋch
đi mӝt chu kǤ k bҩt kǤ (xem bҧng sau). Công thӭc xác đӏnh hàm sӕ tương quan # k như sau:
Tính chҩt:
# 0 =1 và # @= # -@
Bҧng sau đây giӟi thiӋu cách tính hàm tӵ tương quan
Khҧo sát chuӛi quan trҳc yt. Các chuӛi lӋch yt-k tương ӭng cũng đưӧc giӟi thiӋu:
67
j 7 * 9 : Y
3 I3 I3C* I3 I3 I3C9
1 123
2 130 123
3 125 130 123
4 138 125 130 123
5 145 138 125 130 123
6 142 145 138 125 130
7 141 142 145 138 125
8 146 141 142 145 138
9 147 146 141 142 145
10 157 147 146 141 142
11 150 157 147 146 141
12 145 150 157 147 146
G5 Ý m+ X-7 H@
KӃt quҧ tính giá trӏ trung bình vô phương sai cӫa các chuӛi và hàm sӕ tӵ tương quan
k đưӧc trình bày trong bҧng sau:
Trung bình yt 140.7 142.3 143.6 145.6 146.6

Trung bình yt-k 140.7 140.3 139.4 137.4 136.2
Phương sai yt 95 72.4 62.8 27.1 22.2
Phương sai yt-k 95 101.8 101.8 74.9 71.4
#k 1 0.77 0.62 0.59 0.55
G5
Vӟi đӏnh nghĩa cӫa hàm sӕ tӵ tương quan trên ta thҩy không tiӋn lӧi trong viӋc tính
toán vì nó đòi hӓi phҧi lùi lҥi khi tính mӛi sӕ hҥng rk Do đó trong thӵc tӃ áp dөng ta thưӡng
tính hàm tӵ tương quan cho mүu bҵng mӝt công thӭc đơn giҧn hơn như sau:
vӟi giá trӏ trung bình cӫa chuӛi tính trên n chu kǤ.
Khi sӕ lưӧng quan trҳc đӫ lӟn, hai cách tính giá trӏ hàm tӵ tương quan trên cho kӃt
quҧ rҩt gҫn nhau ( # k ~ # -k ) Hàm sӕ tӵ tương quan riêng phҫn bҳt nguӗn tӯ khái niӋm
68
tương quan riêng phҫn. Vӟi khái niӋm này cho phép ta đánh giá, ví dө, ҧnh hưӣng cӫa x1 lên
x2 trong bӕi cҧnh loҥi hӃt các ҧnh hưӣng cӫa các biӃn khác x3 x4«xk
Tương tӵ như vұy ta đӏnh nghĩa hàm tӵ tương quan riêng phҫn có mӭc đӝ trӉ k như là
hӋ sӕ tương quan riêng phҫn giӳa yt và yt-k; có nghĩa là trong đó các ҧnh hưӣng cӫa các biӃn
yt-l, yt-2« yk+l đưӧc loҥi bӓ .
4 % =!" Q
4 % Ý 5./
Mөc đích cӫa phân tích hàm tӵ tương quan nhҵm xác đӏnh khҧ năng có tính tӵ tương
quan trong chuӛi khҧo sát (thưӡng là chuӛi sai sӕ) hay không. Khi chúng ta phân tích hàm tӵ
tương quan cӫa mӝt chuӛi thӡi gian, mӝt câu hӓi luôn luôn đһt ra là các hӋ sӕ
# k nào khác 0. Thұt vұy, nӃu ta hoàn toàn không có giá trӏ nào cӫa # k khác 0 ta nói
quá trình nghiên cӭu không có << bӝ nhӟ >>. Nó hoàn toàn không có tính xu thӃ cũng như
không có tính chu kǤ. Ví dө trong trưӡng hӧp nӃu chuӛi có tính chu kǤ theo tháng ta sӁ thҩy
giá trӏ cӫa # 12 sӁ lӟn (tương quan giӳa yt và yt-12) Chuӛi chҳc chҳncó tính chu kǤ. KiӇm đӏnh
cho # k có giá trӏ khác 0 đưӧc thӵc hiӋn dӵa vâo nguyên tҳc kiӇm đӏnh giҧ thiӃt như sau:
H0: # k = 0
H1: # k 0
Trong thӵc hành, tác giҧ Quenouille đã chӭng minh đưӧc rҵng vӟi mӝt mүu có kích
thưӟc tương đӕi lӟn, hӋ sӕ # k tiӃn mӝt cách tiӋm cұn vӅ mӝt phân phӕi chuҭn có giá trӏ
trung bình bҵng 0 và đӝ lӋch chuҭn là
Khoҧng tin cұy cӫa hӋ sӕ # knhư sau:
vӟi n là sӕ lưӧng quan trҳc.
NӃu hӋ sӕ # k tính đưӧc nҵm ngoài khoҧng trên ta kӃt luұn # k@ WF
& $ -M p)
4 % M 911#B R@S5>>TUS@

KiӇm đӏnh cӫa Box-pierce cho phép nhұn biӃt đó là nhiӉu trҳng hay không. Chúng ta
phҧi kiӇm đӏnh Cov(yt,yt-k)=o Và # k=0 vӟi . Mӝt quá trình nhiӉu trҳng bҳt buӝc phҧi có:
µ
# 1= µ
# 2= µ
# 3=«= chúng ta có thӇ kiӇm đӏnh riêng lҿ các giá trӏ cӫa p, tuy nhiên thưӡng ta
h
hay sӱ dөng giá trӏ thӕng kê Q đӏnh nghĩa bӣi Box-Pierce như sau: qp vӟi h sӕ lưӧng cӫa
69
sӵ trӉ, µ# k giá tri tӵ tương quan kinh nghiӋm bұc k và n chӍ sӕ quan trҳc.Giá trӏ thӕng kê Q
tuân theo gҫn như mӝt phân phӕi c2 có bұc tӵ do h. Vӟi mӭc đӝ rӫi ro a% và bұc tӵ do h ta
có giá trӏ co cho tӯ bҧng tra. NӃu c2 >c2 a sӁ .chҩp nhұn giҧ thiӃt H1: đó không phҧi là mӝt
nhiӉu trҳng. Và ngưӧc lҥi ta sӁ kӃt luұn đó là mӝt nhiӉu trҳng.
Đӗ thӏ sau đây cho ta thҩy biӃn đәi cӫa mӝt nhiӉu trҳng. H.4.1
70
BiӇu đӗ tương quan đơn và biӇu đӗ tương quan riêng phҫn tương ӭng cӫa chuӛi này
như sau:
C0
Trong thӵc hành đӇ khҧo sát đó là mӝt nhiӉu trҳng hay không ta sӁ sӱ dөng các kiӇm
đӏnh Bartleu vâ Quenouille. KiӇm đӏnh liên quan đӃn đӝ lӟn cӫa các giá trӏ hӋ sӕ tương quan
và tương quan riêng phҫn.
Khi ta thҩy cưӡng đӝ cӫa nhiӉu toàn bӝ nҵm trong giӟi hҥn cho phép, ta kӃt luұn đó là
mӝt nhiӉu trҳng. Đӕi vӟi trưӡng hӧp hình trên, ta nhұn thҩy ӣ kiӇm đӏnh Quenouílle còn có
giá trӏ vưӧt quá giӟi hҥn, đây chưa phҧi là mӝt nhiӉu trҳng hoàn toàn.
4 4 :;VW0530VW>>993
Trong mӝt quá trình tӵ hӗi quy bұc p, sӕ liӋu quan trҳc tҥi thӡi điӇm hiӋn tҥi yt đưӧc
tҥo ra bӣi mӝt tәng trung bình có trӑng sӕ cӫa các giá trӏ quan trҳc trong quá khӭ tính cho
đӃn giá trӏ quan trҳc quá khӭ thӭ p Công thӭc đӏnh nghĩa như sau:
AR(1): yt = q1*yt-l F:
AR(2): yt = q1*yt-l Fq2*yt-2 +:
--------------------------------------------------------
AR(P): yt = q1*yt-l Fq2*yt-2 +«+qp*yt-p +:
71
Trong đó q1; q2; «; qp là các thông sӕ cҫn phҧi xác đӏnh. et là mӝt nhiӉu trҳng ngүu
nhiên có dҥng Gaussien. Chúng ta cũng có thӇ thêm vào quá trình này mӝt hҵng sӕ mà nó
vүn không ҧnh hưӡng đӃn ưnh chҩt ngүu nhiên cӫa chuӛi. Phương trình trên có thӇ viӃt dưӟi
dҥng đơn giҧn hơn nhӡ vào đӏnh nghĩa toán tӱ lӋch pha D như sau:
( 1- q1*D - q2D2 - .- qpDp)*yt = et
, MT
H$r 6 !89$% 1 % F610 ød&*)$(64
5!L6M#/' 2 A4 ! 4 % Ý& X56)AR T
# k= # -k
HG89$% 1 # j A#/' R j -@

Các ví dө sau đây cho phép chúng ta nhұn biӃt mô hình dҥng AR dӵa trên phân tích
biӇu đӗ tương quan đơn vâ tương quan riêng phҫn. Xét mӝt mô hình AR(L) có dҥng:
yt = 1 F0 9*yt-l+ et
vӟi et là giá trӏ thһng dư.
Các biӇu đӗ tương quan cӫa mô hình trên có dҥng sau:
C0
72
Ta thҩy giá trӏ đҫu tiên cӫa biӇu đӗ tương quan riêng phҫn rҩt lôn so vӟi các giá trӏ
còn lҥi và biӇu đӗ tương quan đơn có giá trӏ giҧm đҫn. Đó là biӇu thӏ đһc thù cho phép chúng
ta nhұn dҥng đó là mӝt mô hình AR(L).
Xét mӝt mô hình AR(2) có dҥng:
yt = 0 9*yt-2+1+ et
C0
So vӟi trưӡng hӧp trưӟc ta thҩy có sӵ khác nhau. Thay vì giá trӏ thӭ 1 như ví dө
trưӟc, trưӡng hӧp này ta thҩy giá trӏ thӭ 2 trong biӇu đӗ tương quan riêng phҫn lӟn trӗi hơn
hҷn so vӟi các giá trӏ còn lҥi. Trong khi đó tính chҩt cӫa biӇu đӗ tương quan đơn cũng giӕng
như trưӟc. ĐiӅu này cho phép ta biӃt đây là mӝt mô hình AR(2). Ta cũng lưu ý thêm vӟi sӕ
hҥng AR(1) là không đáng kӇ.
4 6 :;:V030:V> >3

Trong mӝt quá trình trung bình đӝng bұc q, sӕ liӋu quan trҳc tҥi thӡi điӇm hiӋn tҥi yt
đưӧc tính bӣi tәng trung bình có trӑng sӕ giá trӏ cӫa các nhiӉu ngүu nhiên cho đӃn nhiӉu thӭ
q. Công thӭc đӏnh nghĩa như sau: .
73
MA(1): yt = e- a1*et-1
MA(2): yt = e- a1*et-1- a2*et-2
--------------------------------------------------------------------
MA(q): yt = e- a1*et-1- a2*et-2-«- aq*et-q

Trong đó a1, a3, , ap là các thông sӕ cҫn phҧi xác đӏnh et là mӝt nhiӉu trҳng ngүu nhiên
có dҥng Gaussien. Phương trình trên có thӇ viӃt dưӟi dҥng đơn giҧn hơn nhӡ vào đӏnh nghĩa
mӝt toán tӱ lӋch pha D như sau:
(l -a1D- a2D2 -...- apDp) et = yt
Trong quá trình dҥng nây cũng như tҩt cҧ các mô hình tӵ hӗi quy các nhiӉu ngүu
nhiên đưӧc giҧ thiӃt là đưӧc tҥo ra bӣi mӝt <<nhiӉu trҳng>> Chúng ta có thӇ hiӇu quá trình
trung bình đӝng là mӝt chuӛi thӡi gian dao đӝng ngүu nhiên chung quanh giá trӏ trung
bình cӫa chúng.
, MT
- Chuӛi trung bình đӝng bұc 1 chính là mӝt quá trình tӵ hӗi quy bұc p vô hҥn.
- BiӇu đӗ tương quan đơn cӫa mӝt quá trình trung bình đӝng bұc q, MA(q), đưӧc xác
đӏnh bӣi:
µ# = khi
k
µ# = 0 @ @s1
k
ĐiӅu này có nghĩa là chӍ có q sӕ hҥng đҫu tiên cӫa biӇu đӗ tương quan là khác 0. Đӕi
vӟi biӇu đӗ tương quan riêng phҫn sӁ đưӧc mô tҧ bӣi mӝt chuӛi cҩp sӕ giҧm theo hưӟng các
chұm pha trong quá khӭ. Các ví dө sau đây cho phép chúng ta nhұn biӃt theo kinh nghiӋm,
hình dҥng MA dӵa trên cơ sӣ phân tích biӇu đӗ tương quan đơn và tương quan riêng phҫn.
Xét mӝt mô hình MA(L) có dҥng:
yt = 5 Fet F0.9*et-1
vӟi et là giá trӏ thһng dư ӣ thӡi điӇm t
74
C0

Ta thҩy giá trӏ đҫu tiên cӫa biӇu đӗ tương quan đơn vưӧt trӝi so vӟi các giá trӏ còn
lҥi và biӇu đӗ tương quan riêng phҫn giҧm dҫn dҫn. Đó là dҥng đһc thù cӫa mӝt mô hình MA
có bұc là 1.
Xét trưӡng hӧp cho mӝt mô hình MA(2) có dҥng:
yl = 5 Fet F1 1 et-2
Trong trưӡng hӧp này, thay vì giá trӏ đҫu tiên trên biӇu đӗ tương quan có giá trӏ lӟn
trӝi như trưӟc, ta thҩy giá trӏ thӭ 2 trên biӇu đӗ này lӟn trӝi hơn so vӟi các giá trӏ còn lҥi và
giá trӏ cӫa biӇu đӗ tương quan riêng phҫn giҧm dҫn dҫn; đó là biӇu thӏ đһc thù cӫa mӝt mô
hình MA(2).
4 X :;VW:V0Y3
Mô hình ARMA(p,q) là mӝt quá trình đưӧc tҥo ra bӣi tӯ tә hӧp giӳa các giá trӏ cӫa
chuӛi trong quá khӭ và các giá trӏ cӫa nhiӉu trong quá khӭ. Nó đưӧc xác đӏnh bӣi phương
trình sau đây:
75
Ta có thӇ nói đây là mӝt mô hình có đưӧc tӯ sӵ tәng hӧp cӫa 2 loҥi mô hình AR và MA.
Tính chҩt:
ARMA( 1 ,0)=AR( 1 ) ; ARMA(0, 1 )=MA( 1 )
Ta chú ý trong trưӡng hӧp này, biӇu đӗ tương quan đơn và biӇu đӗ tương quan riêng
phҫn sӁ phӭc tҥp hơn so vӟi 2 trưӡng hӧp trên. Do vұy chúng ta phҧi lưu ý khi xác đӏnh các
thông sӕ p,q cӫa mô hình ARMA tӯ các biӇu đӗ này.
,B
Xét mô hình ARMA(L,l) sau đây:
= 5 F0.8yt-l F1 l
Hình 4.6
Vӟi biӇu đӗ trên ta thҩy đây là mӝt sӵ pha lүn giӳa hai loҥi mô hình AR và MA. Ta
thҩy đӅu có giá trӏ đҫu tiên vưӧt trӝi trong các biӇu đӗ tương quan. Cưӡng đӝ trong các biӇu
đӗ cũng tҳt dҫn.
Dӵ đoán bұc cӫa mô hình đòi hӓi phҧi có mӝt kinh nghiӋm nhҩt đӏnh.
76
4 Z :;VW:V[+LVW\:VYJVW\:V
Trong trưӡng hӧp chuӛi quan trҳc có xu thӃ không әn đӏnh (có xu thӃ tăng hoһc giҧm
theo thӡi gian), ta đӏnh nghĩa mӝt mô hình có dҥng ARMA(p,d,q) vӟi d là bұc cӫa đưӡng xu
thӃ. Nói mӝt cách khác đi, d biӇu thӏ cho sӕ lҫn lҩy << sai biӋt > cҫn thiӃt lên chuӛi quan trҳc
đӇ ta có thӇ nhұn đưӧc mӝt chuӛi nghiên cӭu có tính әn đӏnh theo xu thӃ. Ví dө trong trưӡng
hӧp chuӛi có xu thӃ tuyӃn tính ta có d=l; trong trưӡng hӧp đưӡng xu thӃ là mӝt hàm bұc 2 ta
có d=2.
Thұt vұy giҧ sӯ chuӛi có mӝt xu thӃ tuyӃn tính biӇu thӏ bӣi phương trình sau đây:
pF!
Đӏnh nghĩa sai biӋt bұc 1 Dyt ta có:
Dyt =yt-yt-1 p&F!)H&F!tuÝ)p!p:
Ta thҩy chuӛi sai biӋt bұc 1 có xu thӃ әn đӏnh.
Trong trưӡng hӧp có xu thӃ bұc 2 phương trình có dҥng:
yt =a+bt+ct2
Tính sai biӋt bұc 1 ta có:
Dt=yt-yt-1 = (a+bt+ct2)-(a+b[t-l]+c*[t-1]2)=b-c+2tc
Ta thҩy chuӛi Dt có xu thӃ bұc 1 . ĐӇ có xu thӃ әn đӏnh ta chӍ cҫn tính thêm mӝt lҫn
nӳa cho sӵ khác biӋt như trưӡng hӧp ta đã có trong trưӡng hӧp xu thӃ là tuyӃn tính ӣ trên.
Như vұy ta có hai lҫn lҩy sai biӋt cho trưӡng hӧp bұc 2 này đӇ chuӛi quan trҳc trӣ nên
әn đӏnh vӅ xu thӃ. Tóm lҥi ta có thӇ viӃt chuӛi (l-D)d *yt là mӝt ARMA(p,q) khi yt lâ mӝt
ARIMA(p,d,q); vӟi D đưӧc đӏnh nghĩa là toán tӱ sai biӋt:
D(yt)=yt- yt-l
Mô hình SARIMA cho phép giҧi quyӃt vҩn đӅ sai biӋt liên quan đӃn biӃn đәi mùa. Sӵ
biӃn đәi đưӧc đӏnh nghĩa như sau:
(1 - Ds)Sp - H/
vӟi s biӇu thӏ tính chu kǤ cӫa sӕ liӋu (s=4 cho mӝt chuӛi biӃn đәi theo quý, s=12 cho
chuӛi biӃn đәi theo tháng).
vNT v #B 64 0 ød3ø8 $ o@ 4 A
> ?
77
Y|&'()Q<Q=LCzl(jK(
Dưӟi đây nghiên cӭu mӝt cách có hӋ thӕng các dҥng khác nhau cӫa chuӛi thӡi gian
dӵa vào các tính chҩt cӫa nó. Mөc tiêu là tìm trong sӕ tҩt cҧ các mô hình ARIMA (AR: tӵ
hӗi quy, MA: trung bình đӝng, I: thông sӕ cho biӃt bұc cҫn thiӃt đӇ có thӇ tҥo mӝt chuӛi әn
đӏnh) 1 mô hình thích hӧp nhҩt vӟi sӕ liӋu cӫa hiӋn tưӧng nghiên cӭu.
Phương pháp bao gӗm 3 bưӟc chính sau đây:
G$WÝT Tìm các mô hình thích hӧp nhҩt
Đây là bưӟc quan trӑng và khó nhҩt. Nó cho phép nhұn biӃt đưӧc trong hӑ tҩt cҧ các
mô hình ARLMA mô hình nào là có khҧ năng thích hӧp nhҩt. Phương pháp dӵa vào nghiên
cӭu các biӇu đӗ tương quan đơn và các biӇu đӗ tương quan riêng phҫn. Mӝt vài nguyên tҳc
sau đây cho phép tìm các thông sӕ p,d,q cӫa mô hình ARIMA.
* Khӱ tính chu kǤ
ĐӇ đơn giҧn trong trưӡng hӧp chuӛi nghiên cӭu có chӭa yӃu tӕ biӃn đәi có tính chu
kǤ ta nên << khӱ >> yӃu tӕ này trưӟc khi đi vào các xӱ lý thӕng kê nhҵm đơn giҧn hóa cho
các bưӟc tính sau.
* Khҧo sát và xác đӏnh bұc cӫa xu thӃ nӃu có
Trong trưӡng hӧp biӇu đӗ tương quan đơn giҧm chұm hoһc hoàn toàn không giҧm,
chuӛi có chӭa mӝt xu thӃ. Trong trưӡng hӧp này ta sӁ loҥi tính xu thӃ nó nhӡ vào áp dөng
cӫa toán tӱ sai biӋt lên chuӛi. Trong thӵc tӃ ta có thӇ gһp trưӡng hӧp d=l hoһc 2. Giá trӏ
thích hӧp cӫa d sӁ cho ta mӝt biӇu đӗ tương quan đơn có xu thӃ giҧm nhanh.
* Xác đӏnh p,q cӫa mô hình ARMA nhӡ vào biӇu đә tương quan
- NӃu biӇu đӗ tương quan đơn chӍ có q giá trӏ đҫu tiên là khác 0 (q=3 là lӟn nhҩt) và
các giá trӏ cӫa biӇu đӗ tương quan riêng phҫn giҧm tӯ tӯ ta có thӇ tiên đoán có mӝt MA(q).
- NӃu biӇu đӗ tương quan riêng phҫn chӍ có p giá trӏ đҫu tiên là khác 0 (p=3 là lӟn
nhҩt) và các giá trӏ cӫa biӇu đӗ tương quan đӟn giҧm tӯ tӯ ta có thӇ tiên đoán có mӝt AR(P).
- NӃu biӇu đӗ tương quan đơn và biӇu đӗ tương quan riêng phҫn không có sӵ cҳt ngҳn
như hai trưӡng hӧp trên, ta sӁ có mӝt quá trình ARMA và các thông sӕ cӫa nó tùy thuӝc vào
dҥng cө thӇ cӫa cҩc biӇu đӗ tương quan.
Trong thӵc hành, phương pháp phân tích đӗ thӏ chӍ cho ta tìm đưӧc p q trong các
trưӡng hӧp đơn giҧn mà thôi. Trong trưӡng hӧp tәng quát, ta có thӇ áp dөng các tiêu chuҭn
sau đây đӇ xác đӏnh các thông sӕ p, q trong mӝt mô hình ARMA. Thӵc chҩt chung cӫa các
tiêu chuҭn này là dӵa vào sӵ khҧo sát các giá trӏ liên quan đӃn phương sai cӫa chuӛi sai sӕ
cho bӣi mô hình vӟi thông sӕ đӅ nghӏ.
78
Có 3 tiêu chuҭn thông dөng đưӧc sӱ dөng như sau:
w ø@@:T
ø@@:= I&//)F2
w GZT
GZ= I&//)F(p Fq) *

w CqT
CqpI&//)F&#F1)S
270
vӟi: %rss : tәng các thһng dư bình phương cӫa mô hình đӅ nghӏ
!/T/'-$( 1 Q
Trong trưӡng hӧp lý tưӣng, giá trӏ chӑn cӫa p,q tương ӭng vӟi trưӡng hӧp cho ta các
giá trӏ Akaike, BIC, HQ cӵc tiӇu. Trong áp dөng ta có thӇ có trưӡng hӧp ӣ đó giá trӏ p,q đӅ
nghӏ không làm cho 3 tiêu chuҭn này đӗng thӡi cӵc tiӇu. Tuy vұy thưӡng các tiêu chuҭn này
cho giá trӏ p,q tӕi ưu không khác nhau lӟn. Trong trưӡng hӧp này ta sӁ khҧo sát tӯng tә hӧp
(p,q) cө thӇ đӇ quyӃt đӏnh chӑn mô hình hӧp lý nhҩt.
G$WT Ưӟc lưӧng các hӋ sӕ cӫa mô hình
Trong trưӡng hӧp mô hình AR(P), tác giҧ áp dөng phương pháp bình phương tӕi
thiӇu hay sӱ dөng quan hӋ giӳa tính tӵ tương quan và các hӋ sӕ cӫa mô hình (phương trình
Yule Walker). ưӟc lưӧng các hӋ sӕ cho mô hình MA(Q) tương đӕi phӭc tҥp hơn. Các tác giҧ
đӅ nghӏ sӱ dөng mӝt phương pháp lһp dưӟi dҥng quét mà chúng ta có thӇ hiӇu mӝt cách đơn
giҧn như sau.
Giҧ sӱ ta có 1 mô hình ARMA(2,2) xác đӏnh bӣi:
(l-q1D-q2D2)yt = (l-aD1-a2D2)*et
và Chúng ta có thӇ viӃt dưӟi dҥng:
yt =
Ta đһt:
79
Do đó:
Tӯ đó chúng ta có thӇ khӣi đҫu bҵng cách tính quét vӟi 2 khoҧng giá trӏ chҩp nhұn
đưӧc cho a1 và a2 và vӟi mӝt gia sӕ cho trưӟc. TiӃp theo, cho mӛi cһp giá trӏ cӫa a1 và a2 ta
đһt no = o Và n1 =o và Chúng ta sӁ ưӟc lưӧng giá trӏ cӫa vl theo các bưӟc sau:
n2 = y2
n3 = y3 Fa2 n2
n4 = y4 Fa1 n1+a2 n2
:
sau khi tính tҩt cҧ các giá trӏ cӫa nt ta sӁ ưӟc lưӧng các thông sӕ q1 Và q2 bӣi phương
pháp bình phương tӕi thiӇu áp dөng vào phương trình sau:
nt = q1nt-1 + q2nt-2 + et
và chúng ta sӁ lҩy giá trӏ al, a2 sao cho các tәng bình phương cӫa các thһng dư tӯ
phương trình hӗi quy trên tӕi thiӇu. Chú ý phương pháp này chӍ có giá trӏ trong trưӡng hӧp
sӕ lưӧng các thông sӕ cҫn xác đӏnh không nhiӅu lҳm. Ngoài phương pháp bình phương tӕi
thiӇu ta còn có thӇ áp dөng phương pháp cӵc đҥi hóa các hàm tương thích.
G$WT KiӇm tra giá trӏ cӫa mô hình và dӵ báo
Sau khi các thông sӕ cӫa mô hình đưӧc xác đӏnh, chúng ta sӁ kiӇm đӏnh các kӃt quҧ
cӫa ưӟc lưӧng này.
7/'F64 0 # 5@ &@86+ ^: o8 )
NӃu có mӝt hay nhiӅu hӋ sӕ không thӓa mãn, ta sӁ loҥi bӓ nó ra khӓi mô hình AR
hoһc MA đang xét.
* 2 , + K $$( 7 . w sau:
- Giá trӏ trung bình sӕ hӑc triӋt tiêu, trong trưӡng hӧp ngưӧc lҥi ta nên thêm mӝt hҵng
sӕ vào mô hình.
- Chuӛi giá trӏ thһng dư là mӝt nhiӉu trҳng. Các giá trӏ th.ӕng kê cӫa Box-pierce và cӫa
Ljung-box cho phép kiӇm đӏnh tính chҩt này. NӃu nó không phҧi là mӝt nhiӉu trҳng ta kӃt luұn
mô hình là không hoàn chӍnh và ta phҧi thêm vào mô hình các bұc bә sung cҫn thiӃt.
- Bưӟc kiӇm đӏnh mô hình rҩt quan trӑng? và có thӇ ta phҧi trӣ lҥi bưӟc thӭ 1 nӃu mô
hình đӅ nghӏ không thích hӧp. Mӝt khi mô hình đã đưӧc kiӇm đӏnh, ta có thӇ tiӃn hành dӵ
báo giӟi hҥn trong mӝt vài chu kǤ. Phân tích chuӛi thӡi gian vӟi mô hình SARLMA chӍ cho
80
phép tiӃn hành các dӵ báo ngҫn hҥn. Nó không cho phép mӝt dӵ báo trung hҥn và dài hҥn
vӟi đӝ chính xác cҫn có, vì biӃn đӝ cӫa sai sӕ gia tăng rҩt nhanh trong trưӡng hӧp này.
Chúng ta co thӇ tóm tҳt các bưӟc cơ bҧn cӫa phương pháp Box-Jenkins như sau:
Tìm các thông tin thích hӧp, khӱ

tính chu kǤ, khҧo sát và xác đӏnh
bұc cӫa xu thӃ

Phân tích biӇu đӗ tương quan đơn
và tương quan riêng phҫn: xác đӏnh
biӃn p,q cӫa mô hình AR và MA

KiӇm tra mô hình: Phân tích các hӋ
sӕ và thһng dư

BT
Áp dөng phương pháp Boxӎjenkins Doanh thu cӫa mӝt công ty trong chu kǤ 01/82
đӃn 09/90 đưӧc trình bày bӣi đӗ thӏ sau đây:
81
C0 \
Hãy phân tích chuӛi trên bҵng phương pháp Box-jenkins và dӵ báo cho doanh sӕ
trong 6 tháng tiӃp theo (lo/90 - 3/91).
C$W k &l?15, $( 7 W-:-dø^)
BiӇu đӗ tương quan đơn và biӇu đӗ tương quan riêng phҫn cӫa chuӛi trên như sau:
82
C0 ]
Ta thҩy trên các biӇu đӗ tương quan xuҩt hiӋn 1 << pic >> rҩt rõ khi k=12. Nhұn xét
này cho ta kӃt luұn sӕ liӋu có tính chu kǤ (T=12 tháng). ĐӇ khӱ tính chu kǤ trong chuӛi, ta
sӁ đӏnh nghĩa chuӛi Yt nhӡ vào mӝt biӃn đәi như sau:
Yt = yt - yt-12 ;
BiӇu đӗ tương quan đơn và biӇu đӗ tương quan riêng phҫn cӫa chuӛi Yt trên như sau:
Ta thҩy biӇu đӗ tương quan có cưӡng đӝ giҧm đҫn rҩt chұm, điӅu này có nghĩa là ta
có mӝt xu thӃ trong sӕ liӋu. ĐӇ khӱ xu thӃ ta áp dөng biӃn đәi sau:(D)Yt = Yt - Yt-1 ;
BiӇu đӗ tương quan cӫa D(YT) như sau:
83
Ta thҩy giá trӏ đҫu tiên cӫa biӇu đӗ tương quan đơn lӟn hơn hҷn sơ vӟi các giá trӏ tiӃp
theo, trong khi đó giá trӏ cӫa biӇu đӗ tương quan riêng phҫn giҧm tӯ tӯ; ta có thӇ dӵ đoán
đây là mӝt mô hình có dҥng MA(1). Tóm lҥi mô hình đӅ nghӏ cho chuӛi sӕ liӋu trên như sau
SARIMA(0,1,1) vӟi s=12. KӃt quҧ cho tӯ logiciel RATS như sau:
G? ``HxW-$(!LG>Hy: @ /
Sӕ lҫn lұp 21
X/'-7]TO T
^'1 Q 7B G
C7/'>+ dSS ÝÝC7/'>+ 7 z
n+!? [[ \Ý[Ý\x
e-7 w Fc! [ \',
^/' w AF$W-$( Ý ][
o K $!0 # $% [] \Ý
n+ 4 @"! H{/ Ý \Ý
n+ ' @FIJ H!>q&H) ]]ÝÝ
$% Fq

84

G? C7/'e-7 w H/:
******
******************************************************************
Ýød&Ý)Ý ]Ý[ ] ]
3&Ý) ]]Ý\ [ []HÝ [\

BiӇu đӗ tương quan đơn và biӇu đӗ tương quan riêng phҫn cӫa thһng dư cho bӣi mô
hình đưӧc chӑn tӯ phương pháp
Box Jenkins như sau:
85
ĐӇ đánh giá chҩt lưӧng cӫa mô hình ta phҧi kiӇm tra xem giá trӏ thһng dư trên có
phҧi là mӝt nhiӉu trҳng hay không. Sau đây là kӃt quҧ cӫa kiӇm đӏnh Bartlett và Quenouille:
Ta thҩy cưӡng đӝ cӱa hӋ sӕ tương quan đơn và tương quan riêng phҫn hoàn toàn nҵm
trong giӟi hҥn cho phép trong cҧ 2 loҥi kiӇm đӏnh. Do đó chuӛi giá trӏ thһng dư cho bӣi mô
hình chӑn là mӝt nhiӉu trҳng như mong đӧi.
86
" ! Q R T
TiӃn hành dӵ báo ngҳn hҥn vӅ doanh sӕ cӫa công ty cho bӣi mô hình Box-jenkins
đưӧc trình bày trong bҧng sau:
Thӡi gian 90:10 90:11 90:12 91:01 91:02 91:03 91:04
Dӵ báo 1055.3 1480.7 1901.4 676.1 561.8 561.8 714.6
Đӛ thӏ sau biӇu diӉn tәng hӧp giӳa doanh thu trong quá khӭ và dӵ báo ngҳn hҥn cӫa
công ty như sau:
87
88
&'()p+ }Bt ~

p*<K(KTF
Mһt lưӧng cӫa hiӋn tưӧng thưӡng xuyên biӃn đӝng qua thӡi gian. Trong thӕng kê đӇ
nghiên cӭu sӵ biӃn đӝng này ta thưӡng dӵa vào dãy sӕ thӡi gian.
Dãy sӕ thӡi gian là dãy sӕ các trӏ sӕ cӫa chӍ tiêu thӕng kê đưӧc sҳp xӃp theo thӭ tӵ
thӡi gian.
,BT có sӕ liӋu vӅ doanh thu cӫa Bưu điӋn X tӯ năm 1999 -2003 như sau:
ĐVT: tӹ đӗng.
Năm 1999 2000 2001 2002 2003
Doanh thu 23,9 28,1 37,3 47,2 67,4.
G5 Ý
Ví dө trên đây là mӝt dãy sӕ thӡi gian vӅ chӍ tiêu doanh thu cӫa đơn vӏ Bưu điӋn này
tӯ năm 1999- 2003. Qua dãy sӕ thӡi gian có thӇ nghiên cӭu các đһc điӇm vӅ sӵ biӃn đӝng
cӫa hiӋn tưӧng, vҥch rõ xu hưӟng và tính quy luұt cӫa sӵ phát triӇn, đӗng thӡi đӇ dӵ đoán
các mӭc đӝ cӫa hiӋn tưӧng trong tương lai.
Mӛi dãy sӕ thӡi gian có hai thành phҫn:
- Thӡi gian: có thӇ là ngày, tuҫn, tháng, quí, năm, . . . . Đӝ dài giӳa hai thӡi gian liӅn
nhau đưӧc gӑi là khoҧng cách thӡi gian.
- ChӍ tiêu vӅ hiӋn tưӧng nghiên cӭu: chӍ tiêu này có thӇ là sӕ tuyӋt đӕi, sӕ tương đӕi,
sӕ bình quân. Trӏ sӕ cӫa chӍ tiêu còn gӑi là mӭc đӝ cӫa dãy sӕ.
* Phân loҥi dãy sӕ thӡi gian:
Căn cӭ vào tính chҩt thӡi gian cӫa dãy sӕ, có thӇ phân biӋt thành 2 loҥi:
1. Dãy sӕ thӡi kǤ: là dãy sӕ biӇu hiӋn mһt lưӧng cӫa hiӋn tưӧng qua tӯng thӡi kǤ
nhҩt đӏnh
2. Dãy sӕ thӡi điӇm: là loҥi dãy sӕ biӇu hiӋn mһt lưӧng cӫa hiӋn tưӧng qua các thӡi
điӇm nhҩt đӏnh. Dãy sӕ này còn đưӧc phân biӋt thành 2 loҥi:
- Dãy sӕ thӡi điӇm có khoҧng cách thӡi gian đӅu nhau.
,BT Có giá trӏ và hàng hóa tӗn kho cӫa công ty X vào các ngày đҫu tháng 1, 2, 3, 4
năm 1995, như sau:
89
Ngày 1-1 2-1 3-1 4-1
Giá trӏ hàng tӗn kho (triӋu đӗng) 356 364 370 ¬ :
G5
- Dãy sӕ thӡi điӇm có khoҧng cách thӡi gian không đӅu:

Có sӕ liӋu vӅ sӕ dư tiӅn vay ngân hàng cӫa công ty Y, như sau:
Ngày (thӡi điӇm) 1-1 20-1 15-2 10-3
Sӕ dư tiӅn vay (triӋu đӗng) 400 600 500 700
G5
* Các yӃu tӕ ҧnh hưӣng đӃn biӃn đӝng thӡi gian:
1. BiӃn đӝng có xu hưӟng.
2. BiӃn đӝng theo thӡi vө.
3. BiӃn đӝng theo chu kǤ.
4. BiӃn đӝng bҩt thưӡng.
p9<$$]3Kd.Qn(3W$
ĐӇ phҧn ánh đһc điӇm biӃn đӝng qua thӡi gian cӫa hiӋn tưӧng nghiên cӭu, ngưӡi ta
thưӡng tính các chӍ tiêu sau đây:
6 Ý :*!+>,
ChӍ tiêu này phҧn ánh mӭc đӝ đҥi biӇu cӫa các mӭc đӝ tuyӋt đӕi trong mӝt dãy sӕ
thӡi gian. Mӭc đӝ trung bình theo thӡi gian đưӧc xác đӏnh theo các công thӭc khác nhau, tùy
theo tính chҩt thӡi gian cӫa dãy sӕ.
Ý Ýe'Wr/' @iT
Muӕn tính mӭc đӝ bình quân: ta cӝng các mӭc đӝ trong dãy sӕ rӗi chia cho sӕ các
mӭc đӝ, tӭc là:

1 ø 2 ø 3 ø ... ø ç 1
1

Trong đó:
Yi (i = 1,«, n): các mӭc đӝ cӫa dãy sӕ thӡi kǤ
n: sӕ mӭc đӝ cӫa dãy sӕ
90
Tӯ ví dө trên ta doanh thu bình quân mӛi năm cӫa Đơn vӏ Bưu điӋn X là:
= (23,9 + 28,1 + 37,3 + 47,2 + 67,4)/5 = 40,78 ( tӹ đӗng)
KӃt quҧ đưӧc nói lên trong thӡi kǤ tӯ năm 1996 đӃn 2000, doanh thu trung bình hàng
năm cӫa Bưu điӋn X là 40,78 tӹ đӗng.
Ý e'Wr/' 86T
* Dãy sӕ có khoҧng cách thӡi gian bҵng nhau: mӭc đӝ trung bình đưӧc tính theo công
thӭc sau:
= (y1 /2 + y2 + y3 + « + yn-1 + yn / 2) / (n -1)
Trong đó: yi (i=1,2, . . . ,n) là các mӭc đӝ cӫa dãy sӕ thӡi điӇm. n: sӕ mӭc đӝ cӫa dãy sӕ
Tӯ ví dө (2) ta tính :
= (256 / 2 + 364 + 370 + 352 /2) = 362,666
Có nghĩa là hàng hóa tӗn kho trung bình cӫa quý I là 362,666 triӋu đӗng.
* Dãy sӕ thӡi điӇm có khoҧng cách thӡi gian không bҵng nhau, mӭc đӝ trung bình
đưӧc tính theo công thӭc:

11 ø 2 2 ø 33 ø ... ø ç

1

1 ø 2 ø 3 ø ... ø
ç
1

Trong đó: yi (i=1,2,3, . . ., n): các mӭc đӝ cӫa dãy sӕ thӡi điӇm.
ti (i=1,2, . . . , n): đӝ dài cӫa các khoҧng cách thӡi gian.
Tӯ ví dө (3), đӇ tính y ta lұp bҧng sau:
I

3K>A()UI? IK3

400 19 (1.1 đӃn 19.1) 7.6
600 26 (20.1 đӃn 14.2) 15.6
500 23 (15.2 đӃn 9.3) 11.5
700 22 (10.3 đӃn 31.3) 15.4
Cӝng 90 ngày 50100
G5
KӃt quҧ trên nói lên sӕ dư tiӅn vay trung bình cӫa quý I là 556,7 triӋu đӗng.
91
6 T.2)]<!1
Là chӍ tiêu phҧn ҧnh sӵ thay đәi vӅ trӏ sӕ tuyӋt đӕi cӫa chӍ tiêu giӳa 2 thӡi gian
nghiên cӭu. Tùy theo mөc đích nghiên cӭu ta có:
Ý I$( &56)7'. @i&- )
ChӍ tiêu này cho thҩy lưӧng tăng (hoһc giҧm) tuyӋt đӕi cӫa hiӋn tưӧng qua 2 kǤ liӅn nhau.
Công thӭc tính: ¿ 1
yi : mӭc đӝ cӫa kǤ nghiên cӭu

yi-1 :mӭc đӝ cӫa kǤ đӭng liӅn trưӟc đó.
* Nhұn xét:mӝt dãy sӕ thӡi gian có n mӭc đӝ thì chӍ có thӇ tính đưӧc nhiӅu nhҩt là (n-
1) lưӧng tăng (giҧm) tuyӋt đӕi tӯng kǤ.
Tӯ ví dө (1) ta có:
¿ 1 2 1
¿3 3 q 2
¿3 4 q 3
I$( & K)567'+ '

ChӍ tiêu này phҧn ánh lưӧng tăng (hoһc giҧm) cӫa hiӋn tưӧng nghiên cӭu qua mӝt
thӡi gian dài.
Công thӭc tính: º q 1
yi : mӭc đӝ cӫa kǤ nghiên cӭu.

y1 : mӭc đӝ kǤ gӕc (thưӡng là mӭc đӝ đҫu tiên cӫa dãy sӕ).
+ Mӕi quan hӋ giӳa º và ¿
Tәng đҥi sӕ cӫa các lưӧng tăng (giҧm) tuyӋt đӕi tӯng kǤ bҵng lưӧng tăng (giҧm) tuyӋt
đӕi đӏnh gӕc:
º ç¿
I$( 567' !0

ChӍ tiêu này phҧn ánh lưӧng tăng (giҧm) tuyӋt đӕi điӇn hình cӫa hiӋn tưӧng trong cҧ
thӡi kǤ nghiên cӭu:
¿ ç ¿ / ( 1) / ( 1) ( 1 ) / ( 1)
92
6 % M1!+=
Là mӝt sӕ tương đӕi (thưӡng đưӧc biӇu hiӋn bҵng lҫn hoһc %) phҧn ánh tӕc đӝ và xu
hưӟng biӃn đӝng cӫa hiӋn tưӧng qua thӡi gian. (tuǤ theo mөc đích nghiên cӭu ta có tӕc đӝ
phát triӇn sau đây:)
Ý '# 8 . @i&- )
ChӍ tiêu này phҧn ánh hiӋn tưӧng đã phát triӇn vӟi tӕc đӝ phát triӇn cө thӇ là bao
nhiêu qua 2 kǤ liӅn nhau:
ki = yi / (yi -1) (ĐVT: lҫn hoһc %)
* Nhұn xét: dãy sӕ thӡi gian có n mӭc đӝ, chӍ có thӇ tính đưӧc nhiӅu nhҩt là (n-1) tӕc
đӝ phát triӇn tӯng kǤ.
'# 8 + '
ChӍ tiêu này đánh giá nhӏp đӝ phát triӇn cӫa hiӋn tưӧng nghiên cӭu qua 1 thӡi gian dài.
K = yn / y1 (lҫn)
hoһc K= yn x100/ y1 (%)
Trong đó: yi : mӭc đӝ tӯng kǤ nghiên cӭu (i=2,3, . . . .,n)
yi : mӭc đӝ kǤ gӕc (thưӡng là mӭc đӝ đҫu tiên cӫa dãy sӕ).
* Mӕi quan hӋ giӳa K và k: tích sӕ cӫa các tӕc đӝ phát triӇn tӯng kǤ bҵng tӕc đӝ phát
triӇn đӏnh gӕc.
k1.k2.. . . . . kn-1. = K
'# 8 !0
ChӍ tiêu này phҧn ánh tӕc đӝ phát triӇn điӇn hình cӫa hiӋn tưӧng trong cҧ thӡi kǤ
nghiên cӭu:

@ 1 @1 .@2 .@3 ...@ 1 1

@
1
1
1
(lҫn hoһc %)
6 4 M1!+)]<

Là chӍ tiêu cho thҩy nhӏp đӝ tăng trưӣng cӫa hiӋn tưӧng nghiên cӭu qua thӡi gian.
Ý ' &56)- &. @i)
ChӍ tiêu này phҧn ánh hiӋn tưӧng đã tăng (hoһc giҧm) vӟi tӕc đӝ là bao nhiêu qua 2
thӡi kǤ nghiên cӭu liӅn nhau
93
¿
6 1
@ 1
1 1
hoһc a = @ 100 (%)
' 56+ '
ChӍ tiêu này phҧn ánh hiӋn tưӧng đã tăng (hoһc giҧm) vӟi tӕc đӝ là bao nhiêu qua 1
thӡi gian dài.
1 "
! 1 (lҫn)
1 1
hoһc b = K ± 100 (%)
' &56) !0
ChӍ tiêu này cho thҩy nhӏp đӝ tăng (giҧm) điӇn hình cӫa hiӋn tưӧng trong cҧ thӡi kǤ
nghiên cӭu.
@ q 1 (lҫn)
hoһc @ q 100 (%)
6 6 M"!1 Ý^)0]<3

ChӍ tiêu này dùng đӇ đánh giá trӏ sӕ tuyӋt đӕi tương ӭng vӟi 1% cӫa tӕc đӝ tăng (hoһc
giҧm) tӯng kǤ.
¿ 1 1

6 @ 100 100
(ĐVT trùng vӟi ĐVT cӫa lưӧng biӃn)
p:<$Q&'()Q<Q;K.KT(L.&()Q<334K($N@KT(3&G()
6 % Ý 5./[+#<,
Phương pháp này đưӧc sӱ dөng khi 1 dãy sӕ thӡi kǤ có khoҧng cách thӡi gian tương
đӕi ngҳn và có nhiӅu mӭc đӝ mà qua đó chưa phҧn ánh đưӧc xu hưӟng biӃn đӝng cӫa hiӋn
tưӧng.
,BT Có tài liӋu vӅ sҧn lưӧng hàng tháng cӫa năm 1999 ӣ 1 xí nghiӋp như sau:
94
Tháng Sҧn lưӧng Tháng Sҧn lưӧng
(1.000 tҩn) (1.000 tҩn) :: ::
1 40,4 7 40,8
2 36,8 8 44,8
3 40,6 9 49,4
4 38,0 10 48,9
5 42,2 11 46,2
6 48,5 12 42,2
G5
Dãy sӕ trên cho thҩy sҧn lưӧng các tháng thì tăng, khi thì giҧm thҩt thưӡng, không nói
rõ xu hưӟng biӃn đӝng. Ngưӡi ta có thӇ mӣ rӝng khoҧng cách thӡi gian tӯ tháng sang quý:
Quý Sҧn lưӧng (1.000 tҩn)
1 117,8
2 128,7
3 135,0
4 137,3
G5 [
Do khoҧng cách thӡi gian đưӧc mӣ rӝng (tӯ tháng sang quý), nên trong mӛi
mӭc đӝ cӫa dãy sӕ mӟi chӏu sӵ tác đӝng cӫa các nhân tӕ ngүu nhiên (vӟi chiӅu hưӟng khác
nhau) phҫn nào đã đưӧc bù trӯ (triӋt tiêu) và do đó cho ta thҩy rõ xu hưӟng biӃn đӝng cơ bҧn
là: tình hình sҧn xuҩt cӫa xí nghiӋp tăng dҫn tӯ quý 1 đӃn quý 4 cӫa năm 1999.
6 % 5./91.2

Sӕ trung bình trưӧt (còn gӑi là sӕ trung bình di đӝng) là sӕ trung bình cӝng cӫa 1
nhóm nhҩt đӏnh các mӭc đӝ cӫa dãy sӕ đưӧc tính bҵng cách lҫn lưӧt loҥi dҫn các mӭc đӝ
đҫu, đӗng thӡi, thêm vào các mӭc đӝ tiӃp theo, sao cho tәng sӕ lưӧng các mӭc đӝ tham gia
tính sӕ trung bình không thay đәi.
Giҧ sӱ có dãy thӡi gian y1 ,y2 ,y3, . . . yn-1 ,yn
NӃu tính trung bình trưӧt cho nhóm 3 mӭc đӝ, ta sӁ có:
2 ( 1 ø 2 ø 3 ) / 3
95
3 ( 2 ø 3 ø 4 ) / 3
2 ( 3 4 5 ) / 3

q1 ( q 2 ø 2q1 ø ) / 3
Tӯ đó, ta có 1 dãy sӕ mơi gӗm các sӕ trung bình trưӧt là 2 , 3 ,..., q1

Tӯ ví dө (*), tính sӕ trung bình trưӧt cho nhóm 3 mӭc đӝ, ta có :
<() BZ(%&G() BA34.();b( <() BZ(%&G() BA34.();b(
trưӧt yi trưӧt yi :: :: :: ::
1 40,4 7 40,8 44,7 ::
2 36,8 39,3 8 44,8 45,0
3 40,6 38,5 9 49,4 47,7
4 38,0 40,3 10 48,9 48,2
5 42,2 42,9 11 46,4 45,8
6 48,5 43,8 12 42,2 ::
G5 \
Trung bình trưӧt càng đưӧc tính tӯ nhiӅu mӭc đӝ thì càng có tác dөng san bҵng ҧnh
hưӣng cӫa các nhân tӕ ngүu nhiên. Nhưng mһt khác bӏ làm giҧm sӕ lưӧng các mӭc đӝ cӫa
dãy trung bình trưӧt.
6 % % 5./?
Trên cơ sӣ dãy sӕ thӡi gian, ngưӡi ta tìm mӝt hàm sӕ (gӑi là phương trình hӗi
quy) phҧn ánh sӵ biӃn đӝng cӫa hiӋn tưӧng qua thӡi gian có dҥng tәng quát như sau:
Trong đó:
a0, a1, . . . . ., an : các tham sӕ.
t: thӭ tӵ thӡi gian.
ĐӇ lӵa chӑn đúng đҳn dҥng cӫa phương trình hӗi quy đòi hӓi phҧi dӵa vào sӵ phân
tích đһc điӇm biӃn đӝng cӫa hiӋn tưӧng qua thӡi gian, đӗng thӡi kӃt hӧp vӟi mӝt sӕ phương
pháp đơn giҧn khác (như dӵa vào đӗ thӏ, dӵa vào đӝ tăng (giҧm) tuyӋt đӕi, dӵa vào tӕc đӝ
96
phát triӇn, . . . .)
Các tham sӕ ai (i= 1,2,3, . . . ,n) thưӡng đưӧc xác đӏnh bҵng phương pháp bình
phương nhӓ nhҩt. Tӭc là:
ç ( I q ) 2 min
Sau đây là 1 sӕ dҥng phương trình hӗi quy đơn giҧn thưӡng đưӧc sӱ dөng: _ Phương
trình đưӡng thҷng: y = a0 + a1t
Phương trình đưӡng thҷng đưӧc sӱ dөng khí các lưӧng tăng (hoһc giҧm) tuyӋt đӕi
liên hoàn (còn gӑi là sai phân bұc 1) xҩp sӍ nhau.
ĐӇ xác đӏnh a0 và a1: ta áp dөng phương pháp bình phương nhӓ nhҩt. Tӯ đó a0 và a1
đưӧc xác đӏnh bӣi hӋ phương trình sau:
ç 60 61 ç
1 1

(*)
6
ç
1
0ç
1
61 ç 2
1
,BT Có sӕ liӋu vӅ doanh thu cӫa mӝt đơn vӏ sҧn xuҩt qua các năm như sau:
Năm 1998 1999 2000 2001 2002
Doanh thu (Tӹ đӗng) 30 32 31 34 33
ĐӇ tính a0 và a1 cho ví dө này, ta lұp bҧng sau:
Năm y t t2 ty yLTt
1998 30 1 1 30 30,4
1999 32 2 4 64 31,2
2000 31 3 9 93 32,0
2001 34 4 16 136 32,8
2002 33 5 25 165 33,6
160 15 55 488 :: ::
97
ThӃ các giá trӏ tương ӭng trong bҧng vào hӋ phương trình trên (*) ta đưӧc:
160 50 ø 151

488 150 ø 551
Tӯ đây ta tính đưӧc a0 = 29,6 và a1 = 0,8. ThӃ các giá trӏ t lҫn lưӧt tӯ 1 đӃn 5 tương
ӭng vӟi thӡi gian tӯ năm 1998 đӃn năm 2002 ta tính đưӧc các giá trӏ doanh thu theo đưӡng
hӗi quy lý thuyӃt y= a0 + a1t là các giá trӏ trong cӝt yLTt.
Ta nhұn thҩy rҵng: biӃn t là biӃn thӭ tӵ thӡi gian, ta có thӇ thay t bҵng t' (nhưng vүn
đҧm bҧo tính thӭ tӵ), sao cho ç ,
= 0 thì viӋc tính toán sӁ đơn giҧn hơn. Có 2 trưӡng hӧp:
1. NӃu thӭ tӵ thӡi gian là sӕ lҿ thì lҩy thӡi gian đӭng ӣ giӳa bҵng 0, các thӡi gian
đӭng trưӟc là -1, -2, -3 và t đӭng sau là 1, 2, 3.
2. NӃu thӭ tӵ thӡi gian là sӕ chҹn thì lҩy hai thӡi gian đӭng giӳa là -1 và 1, các thӡi
gian đӭng trưӧc lҫn lưӧt là -3, -5, . . . và đӭng sau lҫn lưӧt là 3, 5, . . .
Vӟi ç =0 thì hӋ phương trình trên sӁ là:
'
ç = na0 => a0 = ç /n
ç = ç
'
1
2
=> a1 = ç /ç' '2
Khi đó: yLT # = a'0 +a'1t'

Vӟi cách chӑn ç '
= 0, ta lұp bҧng sau:
Năm y t' t'2 t'y yLTt
1998 30 -2 4 -60 30,4
1999 32 -1 1 -32 31,2
2000 31 0 0 0 32,0
2001 34 1 1 34 32,8
2002 33 2 4 66 33,6
160 0 10 8 :: ::
G5 ]
a0 = 160 / 5 = 32 ; a1 = 8 /10 = 0,8
yT $ =32 + 0,8t' (*)
98
ĐӇ dӵ đoán sҧn lưӧng cho năm 2003 thӃ t = 3 vào phương trình (*) ta đưӧc
y = 32+0,8*3 = 34,4 (tӹ đӗng)
Vӟi hai cách chӑn ç # 0 và ç = 0, ta thҩy kӃt quҧ vүn như nhau.
6 % 4 5./= !+,C

Sӵ biӃn đӝng cӫa mӝt sӕ hiӋn tưӧng trong kinh tӃ xã hӝi thưӡng có tính thӡi vө, nghĩa
là hàng năm trong tӯng thӡi gian nhҩt đӏnh, sӵ biӃn đӝng đưӧc lһp đi lһp lҥi.
Nghiên cӭu biӃn đӝng thӡi vө nhҵm đӅ ra nhӳng chӫ trương biӋn pháp phù hӧp, kӏp thӡi,
hҥn chӃ nhӳng ҧnh hưӣng cӫa biӃn đӝng thӡi vө đӕi vӟi sҧn xuҩt và sinh hoҥt cӫa xã hӝi.
NhiӋm vө cӫa nghiên cӭu thӕng kê là dӵa vào sӕ liӋu cӫa nhiӅu năm (ít nhҩt là ba
năm) đӇ xác đӏnh tính chҩt và mӭc đӝ cӫa biӃn đӝng thӡi vө. Phương pháp này thưӡng đưӧc
sӱ dөng đӇ tính các chӍ sӕ thӡi vө.
ChӍ sӕ thӡi vө đưӧc tính theo công thӭc:
Z = /
0 >100(%)
Trong đó:
Ii sӕ thӡi vө cӫa thӡi gian i.
: Sӕ bình quân cӫa các mӭc đӝ cùng thӡi gian i.
0 : Sӕ bình quân cӫa tҩt cҧ các mӭc đӝ trong dãy sӕ.
,BT Có sӕ liӋu vӅ sҧn lưӧng điӋn thoҥi đưӡng dài cӫa mӝt đơn vӏ Bưu điӋn qua các
năm như sau:
99
Cӝng các
Bình quân ChӍ sӕ
Sҧn lưӧng điӋn thoҥi tháng
các tháng thӡi vө Ii
Tháng đưӡng dài (cuӝc) cùng tên
cùng tên = (yi
( )
( ) / )x100
1997 1998 1999
A 1 2 3 4 5 6 7
1 137.139 184.326 241.892 563.357 187.785 72.38 361.937
2 130.009 213.218 270.682 613.909 204.636 78.88 394.415
3 159.241 234.3 350.684 744.255 248.075 95.62 478.158
4 147.674 222.667 338.037 708.378 236.125 91.02 455.108
5 148.589 236.26 353.488 738.337 246.112 94.87 474.356
6 162.643 229.976 368.601 761.22 253.74 97.81 489.058
7 160.598 235.483 376.304 772.385 257.461 99.25 496.231
8 172.235 246.789 383.399 802.423 267.474 103.1 515.529
9 180.119 249.628 410.292 840.039 280.013 107.9 539.696
10 181.161 254.651 421.905 857.717 285.905 110.2 551.054
11 185.552 246.818 415.502 847.872 282.624 108.94 544.729
12 197.785 259.143 632.233 1089.16 363.053 139.95 699.748
Cӝng 9.339.023
G5
9.339.023
1.037.669 (cuӝc)
36
Qua kӃt quҧ trình bày ӣ bҧng trên ta thҩy sҧn lưӧng điӋn thoҥi đưӡng dài trong nưӟc
tăng cao nhҩt ӣ nhӳng tháng cuӕi năm (gҫn tӃt) và giҧm thҩp nhҩt ӣ tháng giêng và
tháng hai.
Giҧ sӱ kӃ hoҥch sҧn lưӧng điӋn thoҥi cho năm 2000 là 6 000 000 cuӝc thì ta
dӵ đoán sҧn lưӧng cӫa tӯng tháng cӫa năm 2000 sӁ là: các sҧn lưӧng trong cӝt (7)
100

Khoa Công NGH ThÔng Tin B Môn

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Khoa Công NGH ThÔng Tin B Môn

Uploaded by

Copyright:

Available Formats

  

- Dӵ báo tҥo ra lӧi thӃ cҥnh tranh

Ý % - ./ :

Ý % % &)*+ 0!1.2 3

Ý Ý Ý IMN@? F! O 

Ý Ý IMN@? F $!  

Ý Ý * $% # #O $P 

- Tính chính xác cӫa dӵ báo:

Tәng các sai sӕ tuyӋt đӕi cӫa n

S* $% # #!0 12  T

Công thӭc tính toán:

At-i - Sӕ liӋu thӵc tӃ thӡi kǤ trưӟc (i=1,2,...,n)

ki - QuyӅn sӕ tương ӭng ӣ thӡi kǤ i

Công thӭc tính như sau: Ft = Ftí 1+ Į (Atí 1í Ftí 1)

Trong đó : F t - Dӵ báo cho giai đoҥn thӭ t, giai đoҥn kӃ tiӃp.

F t -1 - Dӵ báo cho giai đoҥn thӭ t-1, giai đoҥn trưӟc.

A t -1 - Sӕ liӋu thӵc tӃ cӫa giai đoҥn thӭ t-1

KӃt quҧ bài toán:

Tính toán mүu - dӵ báo cho tuҫn lӉ thӭ 8:

F9 = 85 + 0,1(102 - 85) = 86,7

F9 = 85 + 0,2(102 - 85) = 88,4 =0,2

Sӱ dөng Į = 0,2 đӇ t nh dӵ báo cho tuҫn thӭ 18 :

F18 = F17 + Į ( A17 - F17)

= 97,7 + 0,2(100 - 97,7)

= 98,2 hay 982 triӋu đӗng.

S* $% # #O 6= :> $W 

Công thӭc tính toán như sau:

FTt = St - 1 + T t - 1(At -FTt )

Vӟi: St = FTt + (FTt - FTt - 1 - Tt - 1 )Tt = Tt - 1

St - Dӵ báo đã đưӧc điӅu hòa trong giai đoҥn t

Tt - Ưӟc lưӧng xu hưӟng trong giai đoҥn t

At - Sӕ liӋu thӵc tӃ trong giai đoҥn t

t - Thӡi đoҥn kӃ tiӃp.

t-1 - Thӡi đoҥn trưӟc.

- HӋ sӕ điӅu hòa trung bình có giá trӏ tӯ 0 1

- HӋ sӕ điӅu hòa theo xu hưӟng có giá trӏ tӯ 0 1

=@(A;<(>3? 130 136 134 140 146 150

KӃt quҧ bài toán:

Dӵ báo theo xu hưӟng cho tháng thӭ 2: FT2 = S1 + T1

FT2 = 130 + 4 = 134

Dӵ báo theo xu hưӟng cho tháng thӭ 3: FT3 = S2 + T2

(A2 - FT2 ) = 134 + 0,2( 136 - 134 ) =S2 = FT2 + 134,4

(FT2 - FT1 - T1 ) = 4 + 0,3 (134 - 130 -T2 = T1 + 4) = 4

FT3 = S2 + T2 = 134,4 + 4 = 138,4

Dӵ báo tương tӵ cho các tháng 4, 5, 6, 7 ta đưӧc bҧng sau:

<()>3? =@(A;<(>3? B3C* 3C* D 3

- ThiӃt kӃ sҧn phҭm mӟi.

Doanh sӕ Đưӡng xu hưӟng

S* $% # # 91? ,

Mô hình này có công thӭc:Y = ax + b

Trong đó : y - BiӃn phө thuӝc cҫn dӵ báo.

x - BiӃn đӝc lұp

a - Đӝ dӕc cӫa đưӡng xu hưӟng

n - Sӕ lưӧng quan sát

EF BA%&G();<( EF BA%&G();<(

Ta xây dӵng bҧng tính đӇ thiӃt lұp các giá trӏ:

nxy xy 3.5600

x2y xxy y 21.000

Y11 = 107,8 . 11 + 2.100 = 3.285 n 3.290 đơn vӏ

Y13 = 107,8 . 15 + 2.100 = 3.717 n 3.720 đơn vӏ

KӃt quҧ bài toán:

Sӱ dөng công thӭc ta tính toán đưӧc hӋ sӕ a =q 0,1173 ; b = -9,671

Phương trình hӗi qui tìm đưӧc là:Y = 0,1173x q 9,671

Ý % - ./:

Ý % % &)*+0!1.23

Ý Ý Ý IMN@? F! O

Ý Ý IMN@? F $!

Ý Ý * $% # #O $P

S* $% # #!0 12 T

S* $% # #O 6= :> $W

=@(A;<(>3? 130 136 134 140 146 150

<()>3? =@(A;<(>3? B3C* 3C* D 3

S* $% # # 91? ,

EF BA%&G();<( EF BA%&G();<(

nxy xy 3.5600

x2y xxy y 21.000

S, M6PB ! X

EF -.W* -.W9 -.W: -.WY Z(EF

G$WÝT Xác đӏnh mөc tiêu

G$WT Xác đӏnh dӵ báo cái gì

G$WT Xác đӏnh khía cҥnh thӡi gian

G$WT Xem xét dӳ liӋu

G$WT Lӵa chӑn mô hình

G$W\T Chuҭn bӏ dӵ báo

G$W]T Trình bày kӃt quҧ dӵ báo

G$W T Theo dõi kӃt quҧ dӵ báo

Ý :; '.2)0<3!1

º : Lưӧng tăng, giҧm tuyӋt đӕi bình quân

Sr= 1 + ( ) +( )2 + ( )3 +«+ ( )n-1

Sr= 1 + ( ) +( )2 = 1+ 1,075 +(1,075)2 = 3,231

Tính các tham sӕ a và b theo điӅu kiӋn đһt ç =0:

ç 719 ç . 669

Vӟi xác suҩt tin cұy là 0,95 và sӕ bұc tӵ do (n)= 4 khi đó

% - @ !+,C

ç . 123 310 471 696 850

Tӯ đó tính chӍ sӕ thӡi vө Itv= x H

* Trưӟc tiên, tính các chӍ sӕ thӡi vө: Itv= .H