You are on page 1of 46

BÀI THẢO LUẬN

CÁC PP VÀ MH DỰ
BÁO KT-XH
Đề tài: Dùng pp san mũ để dự báo
một ….
Nhóm thực hiện: Nhóm 4

Các PP & MH DB KT - XH NHÓM 4 1


Mục lục:
A: Lý thuyết
1. Phương pháp san mũ đơn giản
2. San mũ Holt
3. San mũ Holt –winter
B: Ứng dụng của phương pháp san mũ vào thực tiễn dự
báo bằng –Eviews
Ví dụ 1
Ví dụ 2

Các PP & MH DB KT - XH NHÓM 4 2


A: Lý thuyết
1. Phương pháp san mũ đơn giản
 Điều kiện áp dụng : Đối với dãy số thời gian không
có xu thế và không có biến động thời vụ rõ rệt .
 Công thức San mũ đơn giản là

^
  ^
Y t 1 Y t
  (1  ) Y t

Các PP & MH DB KT - XH NHÓM 4 3


Y^t+1:Là giá trị dự đoán ở thời điểm (t+1)
Y^t: là giá trị dự đoán ở thời điểm t
Yt: giá trị quan sát được ở thời điểm dự báo
α: là hệ số san mũ
2. San mũ Holt
 Mô hình san mũ được thể hiện qua các phương
trình sau :
• Ước giá trị trung bình hiện tại :

L   Y  (1   )(L  T
t t t 1
)
t 1

Các PP & MH DB KT - XH NHÓM 4 4


Lt: Giá trị san mũ mới ở thời điểm t
Yt : giá trị quan sát ở thời điểm t
α : hệ số san mũ của giá trị trung bình (0<α<1)
T : giá trị ước lượng xu thế
Ước lượng xu thế độ dốc
Tt   ( Lt  Lt 1)  (1   ) T t 1
Tt : Giá trị ước lượng xu thế
Lt : giá trị san mũ mới
β: hệ số san mũ của giá trị xu thế (0<β<1)
Các PP & MH DB KT - XH NHÓM 4 5
 Dự báo p trong giai đoạn trong tương lai
Y^t+p= Lt + pTt
Y^t+p:giá trị dự đoán ở thời điểm t+p
T : giá trị ước lượng xu thế
L: giá trị san mũ mới
3: San mũ Holt –winter
 Là mở rộng của san mũ Holt đối với các dữ
liệu có chứa yếu tố mùa.
 Yếu tố mùa trong chuỗi thời gian có thể
thuộc dạng cộng tính hoặc nhân tính.

Các PP & MH DB KT - XH NHÓM 4 6


 Ước lượng giá trị trung bình hiên tại
Yt
Lt    (1   )( Lt 1  T t 1)
St 1
Lt: giá trị san mũ mới ở thời điểm t
Yt: giá trị quan sát ở thời điểm t
α: hệ số san mũ của giá trị trung bình(0<α<1)
Tt: giá trị ước lượng xu thế
St-1: giá trị ước lượng của chỉ số mùa với độ dài s
 Ước lượng xu thế độ dốc

Tt   ( Lt  Lt 1)  (1   )Tt 1

Các PP & MH DB KT - XH NHÓM 4 7


Tt: giá trị ước lượng xu thế
Lt: giá trị san mũ mới
β:hệ số san mũ của giá trị xu thế (0<β<1)
 Ước lượng giá trị chỉ số mùa
Yt
S t    (1   ) S t  s
Lt
- St: giá trị ước lượng của chỉ số mùa
- Lt: giá trị san mũ mới
- Yt: giá trị quan sát tại thời điểm t
- γ: hệ số san mũ của chỉ số mùa

Các PP & MH DB KT - XH NHÓM 4 8


 Dự báo p giai đoạn trong tương lai
Y ^
t p  ( Lt  pTt ) St  s  p

Y^t+p: giá trị dự báo ở thời điểm t+p


Tt: giá trị ước lượng xu thế
Lt: giá trị san mũ mới
St: giá trị ước lượng chỉ số mùa

Các PP & MH DB KT - XH NHÓM 4 9


B:Ứng dụng của phương pháp san mũ vào thực tiễn
dự báo bằng -Eviews

Ví dụ 1: Lượt khách du lịch từ nước ngoài đến Việt Nam


theo quý từ năm 2005 đến 2009 có số liệu như sau:
(đơn vị: nghìn lượt )
2005 2006 2007 2008 2009
1 987,453 1,006,202 1,026,762 1,052,641 992,130
2 904,882 868,148 957,000 995,389 886,913
3 864,880 865,570 990,726 1,140,000 877,422
4 977,454 992,081 1,111,353 1,285,954 1,016,402

Các PP & MH DB KT - XH NHÓM 4 10


1. Phương pháp san mũ đơn giản
 Các bước thực hành trên Eviews:
 Bước 1: Tạo 1 file làm việc mới: Từ menu chính chọn
File/New/Workfile

Các PP & MH DB KT - XH NHÓM 4 11


 Bước 2; Nhập số liệu từ bàn phím
- Từ cửa sổ chính của Eviews, chọn Quick/Empty Group
(Edit Series)
- Nhấn mũi tên lên của bàn phím để nhập tên biến vào hàng
thứ nhất: Y, sau đó nhập số liệu từng tháng của các năm
tương ứng.
- Vào Name và đặt tên cho số liệu
 Bước 3: Vào Quick / Series Statitic / Exponential
Smoothing.
- Trong ô Series Name nhập tên biến vào: Y, nhấn OK.
- Sau đó, xuất hiện hộp thoại Exponential Smoothing, ta
chọn Single, OK.
- Eviews tự tạo một biến dự báo tên ysm như sau:

Các PP & MH DB KT - XH NHÓM 4 12


Các PP & MH DB KT - XH NHÓM 4 13
Sau khi nhấn OK Eveiws tự tạo một biến dự báo ysm như sau:

Các PP & MH DB KT - XH NHÓM 4 14


 Nhìn vào bảng trên ta thấy hệ số anpha tối ưu mà
eviews tính được là: 0.192
Bước 4: Vẽ đồ thị
 Để vẽ đồ thị cho biến y và ysm ta làm các thao tác
như sau:
 Từ cửa sổ làm việc chính của eviews chọn Quick/
Grap.
 Trong mục Series List nhập tên biến cần vẽ đồ thị: y
ysm, nhấn OK, ta được đồ thị như sau:

Các PP & MH DB KT - XH NHÓM 4 15


Các PP & MH DB KT - XH NHÓM 4 16
Với hệ số anpha là 0.192 ta có bảng số liệu dự báo
như sau:

Năm Yt Y^t
Quý
2010:1 1,002,129
2010:2 1,002,129
2010:3 1,002,129
2010:4 1,002,129

Các PP & MH DB KT - XH NHÓM 4 17


2. Phương pháp san mũ Holt
 Các bước 1 và 2 làm như ở phương pháp san mũ
đơn giản
 Bước 3: Vào Quick/Series Statitic/Exponential
Smoothing.
 Trong ô Series Name nhập tên biến vào: Y, nhấn
OK.
 Sau đó, xuất hiện hộp thoại Exponential
Smoothing, ta chọn Holt – winters – No seasonal

Các PP & MH DB KT - XH NHÓM 4 18


Các PP & MH DB KT - XH NHÓM 4 19
Sau khi nhấn OK Eviews tạo một biến dự báo như sau:

Các PP & MH DB KT - XH NHÓM 4 20


Bước 4: Vẽ đồ thị
Từ cửa sổ làm việc của Eviews chọn Quick/ Graph, sau đó nhập
tên biến cần vẽ đồ thị ta được đồ thị như hình sau:

Các PP & MH DB KT - XH NHÓM 4 21


 Hệ số beta tìm được rất nhỏ gần bằng 0 nên không có giá trị
xu thế, dự báo lượng khách du lịch trong các quý năm 2010
là;
• Q1: 2010 = 994,000
• Q2: 2010 = 994,326
• Q3: 2010 = 994,654
• Q4: 2010 = 994,681
3. Phương pháp san mũ Holt – Winter
 Sau khi đã nhập số liệu từ bàn phím vào, bước tiếp theo ta
làm như sau:
 Bước 3: Vào Quick/Series Statitic/Exponential Smoothing.
 Trong ô Series Name nhập tên biến vào: Y, nhấn OK.
 Sau đó, xuất hiện hộp thoại Exponential Smoothing

Các PP & MH DB KT - XH NHÓM 4 22


Các PP & MH DB KT - XH NHÓM 4 23
Trong phần Smothing method trọn Holt – Winters –
Multiplicative, nhấn OK ta được bảng sau:

Các PP & MH DB KT - XH NHÓM 4 24


Bước 5: Vẽ đồ thị: chọn Quick/ Graph, nhập tên biến y
và ysm_hw vào ô Series list. Nhấn OK chọn đường vẽ
đồ thị ta được đồ thị như sau:

Các PP & MH DB KT - XH NHÓM 4 25


 Kết quả mà Eviews dự báo các quý năm 2010
như sau:
 Q1: 2010 = 959200 (triệu khách)
 Q2: 2010 = 871803 ( triệu khách)
 Q3: 2010 = 891,803 ( triệu khách)
 Q4: 2010 = 1,017,639 ( triệu khách)

Các PP & MH DB KT - XH NHÓM 4 26


Ví dụ 2: Khối lượng hành khách vận chuyển theo
đường hàng không có số liệu như sau:
STT Năm Hành khách
1 1995
2 1996
3 1997
4 1998
5 1999
6 2000
7 2001

Các PP & MH DB KT - XH NHÓM 4 27


8 2002 4,4
9 2003 4,5
10 2004 5,5
11 2005 6,5
12 2006 7,4
13 2007 8,9
14 2008 10,2
15 2009 10,7

Các PP & MH DB KT - XH NHÓM 4 28


 San mũ đơn giản
 Bước 1 : Tạo 1 file eviews mới
 Vào File / New / Wordfile
 Xuất hiện hộp thoại Wordfile Creat

Các PP & MH DB KT - XH NHÓM 4 29


Bước 2 : Nhập số liệu từ bàn phím

 Từ cửa sổ chính của Eviews, chọn Quick/Empty


Group ( Edit Series)
 Nhấn mũi tên lên của bàn phím để nhập tên biến vào
hàng thứ nhất: Y.
 Vào Quick / Empty group => xuất hiện bảng nhập
số liệu.
 Ta nhập số liệu cho các năm từ năm 1995 đến 2009

Các PP & MH DB KT - XH NHÓM 4 30


Bước 3 : Vào Quick /Series statisics /Emponential smoothing
 Xuất hiện hộp thoại Series Namea nhập tên biến cần dự báo
vào ô Series name: Nhập tên biến cần dự báo (Y)
Bước 4 : sau khi chọn OK
 Xuất hiện bảng : Exponential Smoothing
 Trong bảng chọn Exponential smoothing chọn Single => OK

Các PP & MH DB KT - XH NHÓM 4 31


 Sau khi nhấn OK Eviews tự tạo biến dự báo ysm, và anpha
tối ưu mà eviews tính được là: 0.9990

Các PP & MH DB KT - XH NHÓM 4 32


Bước 5 : vẽ đồ thị với Y và YSM bằng cách chọn Quick / Graph
và nhập tên biến Y Và YSM vào ta có đồ thị dạng:

Các PP & MH DB KT - XH NHÓM 4 33


 Theo Eviews dự báo ta có kết quả như sau:

Năm Yt Y^t
2008 10.2 8.9
2009 10.7 10.2
2010 10.7

Các PP & MH DB KT - XH NHÓM 4 34


2. San mũ Holt
 Các bước ban đầu tương tự san mũ đơn giản.
 Bước 4: chọn Holt –winter – No seasonal như trong hộp
thoại

Các PP & MH DB KT - XH NHÓM 4 35


Ta đặt tên cho biến dự báo trong ô Smoothed series là ysm_h
(mặc định Eviews luôn đặt là ysm). Sau khi nhấn OK Eviews tạo
ra bảng dự báo như sau:

Các PP & MH DB KT - XH NHÓM 4 36


Bước 5 : Vẽ đồ thị với Y và ysm_h bằng cách chọn Quick
/Graph và nhập tên biến y và ysm_h vào ta có đồ thị :

Các PP & MH DB KT - XH NHÓM 4 37


Bằng phương pháp san mũ holt ta được kết quả Eviews dự báo
như sau:

Năm Yt Y^t
2005 6.5 6.1
2006 7.4 7.2
2007 8.4 8.2
2008 10.2 10.0
2009 10.7 11.4
2010 11.6

Các PP & MH DB KT - XH NHÓM 4 38


3. San mũ winter
 Các bước trên giống như san mũ đơn giản và
san mũ Holt.
 Nếu làm với mô hình nhân tính thì: trong
hộp thoại: Exponential Smoothing chọn
Holt winter –Multiplicative => OK

Các PP & MH DB KT - XH NHÓM 4 39


Các PP & MH DB KT - XH NHÓM 4 40
C. Kết luận
 Tùy từng số liệu cụ thể mà ta lựa chọn làm theo
phương pháp nào cho phù hợp và kết quả dự báo
mang lại ít sai số:
 San mũ đơn giản: áp dụng với những số liệu không
có xu thế và không có biến động thời vụ rõ rệt.
 Anpha lớn phù hợp số liệu không có tính ổn định
cao và ngược lại.
 San mũ Holt: thường được áp dụng với những số
liệu có xu thế và không có tính thời vụ.
 Còn với phương pháp san mũ Holt – Winter:
thường được áp dụng cho những số liệu có tính chất
mùa vụ.

Các PP & MH DB KT - XH NHÓM 4 41


 Đối với 2 ví dụ trên:

 Ví dụ 1: Số liệu có tính mùa vụ nên ta dùng phương


pháp san mũ Holt-Winter để dự báo sẽ mang lại kết
quả dự báo chính xác hơn 2 phương pháp kia.
 Ví dụ 2: bộ số liệu có tính chất xu thế nên ta nên
dùng phương pháp san mũ Holt là hợp lý nhất.

Các PP & MH DB KT - XH NHÓM 4 42


 Để đánh giá độ chính xác của phương pháp dự báo
người ta còn đánh giá thông qua tham số: Root Mean
Squared Error (RMSE). Với cùng một bộ số liệu
RMSE của phương pháp nào nhỏ hơn thì độ chính xác
của phương pháp đó mang lại độ chính xác cao hơn.
 Xét ví dụ 1:

SM đơn SM Holt SM Holt


giản -Winter
RMSE 104521.2 101591.3 66146.02

Các PP & MH DB KT - XH NHÓM 4 43


 Như vậy ta thấy: Ở ví dụ 1 RMSE của phương pháp
san mũ Holt- Winter là bé nhất nên với bộ số liệu như ở
ví dụ 1 thì ta nên chọn phương pháp san mũ Holt –
winter
 Đối với ví dụ 2:

SM đơn SM Holt SM Holt


giản -Winter
RMSE 0.778602 0.452314 0.807601

Các PP & MH DB KT - XH NHÓM 4 44


 Còn đối với ví dụ 2, RMSE của phương pháp dự báo
san mũ Holt là thấp nhất nên với bộ số liệu như ở ví
dụ 2 ta nên lựa chọn phương pháp san mũ Holt để
mang lại kết quả chính xác hơn.

Các PP & MH DB KT - XH NHÓM 4 45


Các PP & MH DB KT - X NHÓM 4 46
H

You might also like