HƯỚNG DẪN THỰC HÀNH EVIEWS

Buổi 1: Yêu cầu

1. Các thao tác cơ bản: nhập số liệu từ bàn phím/ mở tập số liệu có sẵn/
/chỉnh sửa số liệu, tên biến/ lưu giữ file/ tạo biến mới từ các biến có sẵn/
xem các thống kê cơ bản của số liệu (matrận tương quan, giá trị trung
bình, trung vị, v.v)
2. Thực hiện hồi quy bằng phương pháp OLS/ hiểu và biết giải thích bản
báo cáo bao gồm: hệ số ước lượng/ KTC, sai số chuẩn, tỷ số t và P-value/
hệ số xác định
Thực hiện:
Giới thiệu cách mở chương trình Eviews/ một số lựa chọn chính trên menu
Nhập số liệu từ bàn phím: Cho tập số liệu
Tiêu dùng: 12 15 18 14 16 20
Thu nhập: 15 20 25 20 18 30
Một số thao tác cơ bản:
Tạo Workfile trong Eviews
File → New → Workfile  Cửa sổ Workfile Range: chọn dạng số liệu: structure
type:unstructured; observations: 6 → O.K
Cửa sổ Workfile
c Ngầm định cho hệ số chặn (β0)
resid Ngầm định là Phần dư (ei) , mỗi khi thực hiện hồi quy máy sẽ tự
update lại giá trị của các phần dư.
1. Nhập số liệu theo 2 biến trên:
Cách 1: Trong ô gõ lệnh: genr tieudung thunhap/ chọn các biến này + nháy đúp chuột/ gõ
số vào
Cách 2: Quick → Empty Group => điền tên biến và số liệu vào
2. Chỉnh sửa biến
Nếu vào nhầm và muốn đổi tên: chọn biến/ bấm chuột phải → rename ( tên phải được gõ
liền nhau, không nên quá 16 chữ)
Nếu muốn sửa số liệu: chọn biến+ đúp chuột/ edit và thay giá trị cần sửa
Thêm biến mới:
Object → New Object→series / đặt tên biến mới → O.K/ chọn biến+ đúp chuột/ nhập
giá trị
3. Lưu giữ file: File → Save as : đặt tên file với đuôi .wf
4. Tạo biến mới:
 1. Biến mới hoàn toàn, chẳng hạn với tên “tài sản”:
gõ ở cửa sổ lệnh: genr taisan/ nháy đúp chuột vào biến này trong màn hình
workfile và nhập số liệu vào
2. Biến tạo từ các biến đã có sẵn trong mô hình:
gõ ở cửa sổ lệnh: genr taisan2 = taisan^2; genr lnthunhap =log(thunhap),.. ( sử
dụng các hàm có sẵn trong Eviews để tạo biến mới)
5. Xem các thống kê cơ bản của các biến số:
a. Quick → group statistics → Descriptive statistics →
common sample/ trên cửa số serial list gõ tên các biến muốn
xem xét

Thu nhập tài sản giải thích cột 1

Mean 50.20 1323.07 Trung bình
Median 41.65 965.35 Trung vị
Maximum 113.80 3422.30 Lớn nhất
Minimum 10.80 254.00 Nhỏ nhất
Std. Dev. 31.60 976.95 Độ lệch chuẩn
Skewness 0.48 0.64 Hệ số bất đối xứng
Kurtosis 1.70 2.05 Độ nhọn

Thống kê J-B dùng để kiểm định về tính

Jarque-Bera 15.78 15.51 chuẩn của biến
Probability 0.00 0.00 P-value tương ứng cho thống kê J-B

Sum 7328 193168 Tổng các giá trị của biến

Sum Sq. Tổng bình phương các sai lệch so với giá trị
Dev. 144762 138000000 mean

Observation
s 146 146 Số quan sát

b. Tìm ma trận phương sai-hiệp phương sai

Quick → group statistics → Covariances/ trên cửa số serial list gõ tên các biến muốn
xem xét
c. Tìm ma trận hệ số tương quan
Quick → group statistics → Correlations/ trên cửa số serial list gõ tên các biến muốn
xem xét tương quan
6. Mở file số liệu dạng wf có sẵn
File → New → Workfile/ chọn file muốn mở (hồi quy bội)

I. Ước lượng và đọc kết quả ước lượng

 1. Thực hiện hồi quy
Mở file số liệu
Quick → Estimate equation/ trên màn hình tiếp theo gõ tên biến phụ thuộc trước, tiếp
theo là c và các biến độc lập, mỗi biến cách nhau 1 dấu cách
Nhớ đảm bảo:
1. Chọn phương pháp LS
2. Chọn mẫu (nếu không nói gì thì sẽ chọn toàn bộ mẫu có sẵn trong số liệu)
2. Đọc kết quả ước lượng:
1. Các kết quả ước lượng có phù hợp với lý thuyết không?
2. Các ước lượng của β1; β2 ;..; βk bằng bao nhiêu
3. Khi X2 tăng 1 đơn vị thì trung bình của Y tăng bao nhiêu đơn vị?
4. Giá trị của β2 có thực sự khác 0 không?
5. Sai số chuẩn của ước lượng cho β2 là bao nhiêu?
6. Hệ số xác định =? RSS = , độ lệch chuẩn mẫu của hàm hồi quy =
7. Tìm ma trận phương sai-hiệp phương sai của các hệ số ước lượng? (View
→ covariance matrix)

Buổi 2:
Yêu cầu: 1. Biết dùng kiểm định t để xem hệ số trong hàm hồi quy tổng thể có bằng 0 hay
không
2. Biết cách dùng kiểm định Wald về giá trị của hệ số hồi quy - nhắc học viên
đây là dạng hồi quy có điều kiện ràng buộc/ hồi quy thu hẹp
3. Biết thực hiện hồi quy phụ để kiểm tra đa cộng tuyến
4. Biết thực hiện các kiểm định: White (có và không có tích chéo),
kiểm định B-G, Ramsey-Reset, tính chuẩn của SSNN
Thực hiện: Mở file ch6bt6, thực hiện ước lượng như đã học ở buổi 1 thu được bảng kết
quả ở màn hình Equation

Dependent Variable: Q
Method: Least Squares
Date: 11/18/07 Time: 20:47
Sample (adjusted): 1 16
Included observations: 16 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C -22336.50 31041.66 -0.719565 0.4845

K 2615.988 424.8504 6.157434 0.0000
L 6.117142 15.82129 0.386640 0.7053

R-squared 0.824510 Mean dependent var 98446.75

Adjusted R-squared 0.797512 S.D. dependent var 29910.63
S.E. of regression 13459.40 Akaike info criterion 22.02010
Sum squared resid 2.36E+09 Schwarz criterion 22.16496
Log likelihood -173.1608 F-statistic 30.53916
Durbin-Watson stat 0.337815 Prob(F-statistic) 0.000012

1. Kiểm định xem hệ số β3 có khác 0 hay không? đọc tỷ số t, đọc P-value

2. Kiểm định xem cả K và L đều không ảnh hưởng đến Q? (đọc F-statistic, hoặc P value
3. Kiểm định xem β2 =2600?
View→ coefficient tests→ Wald restrictions
4. Kiểm tra đa cộng tuyến cao? Hồi quy phụ K theo L và hệ số chặn
(Quick → estimate equation→ gõ phương trình mới bao gồm: biến phụ thuộc là một
biến giải thích và vế phải là các biến giải thích còn lại và hệ số chặn/ đọc độ phù hợp của
hàm hồi quy. Nếu hàm hồi quy phụ này có phù hợp: có hiện tượng đa cộng tuyến trong
mô hình gốc)
View → estimate equation/ gõ phương trình: K c L , mô hình này có phù hợp không?
kết luận như thế nào về mô hình trong câu trên
3. Thừa biến: Kiểm tra xem biến L có thừa không?
View → Coefficient tests-> redundant variable/ gõ tên biến muốn kiểm tra L
Biến L có thừa không?
4. Sau khi bỏ biến L ra khỏi mô hình, ước lượng lại Q theo C và K
Kiểm định xem mô hình có PSSS thay đổi không?
5. Kiểm định xem mô hình có PSSS thay đổi không? kiểm định White
Trong cửa sổ Equation: View→ residual tests→White-heteroscedasticity
Trường hợp 1: có tích chéo: chọn (cross terms)/ xem mô hình phụ+cách đọc kết quả
Trường hơp 2: không có tích chéo: chọn (np cross-terms)/xem mô hình phụ+cách đọc kết
quả
Nhắc lại công thức tính Khi-bình phương = nx R2 của hàm hồi quy phụ
Kết luận ra sao?
6. Kiểm định tự tương quan: kiểm định B-G- dùng để kiểm định tự tương quan dạng tổng
quát:
ut = ρ1ut-1+..+ρput-p+vt
Thực hiện:
View→ residual tests→serial correlation LM test/ chọn bậc trễ:1 (để kiểm tra TTQ bậc
1) hoặc 2 để kiểm tra TTQ bậc 2
Giới thiệu cách tính giá trị của Khi bình phương =(n-p)R2
*) Tìm ước lượng cho hệ số tự tương quan bậc nhất:
C1: ρˆ =1 − d / 2 =?
C2: ước lượng phần dư et theo et-1: trước hết tạo biến “phandu”
Proc → make residual series/ đặt tên “phandu”
Quick → estimate equation/ phandu phandu(-1) để thu được ρ̂
7. Hãy chỉ ra một cách khắc phục TTQ bậc nhất nói trên
*) Biến đổi biến: Q* = Q – ρ̂Q(-1) ; K* = K – ρ̂K(-1), chạy Q* theo K
8. Kiểm định dạng hàm sai: Ramsey Reset: quay về mô hình Q c K
View → stability tests →Ramsey RESET test/ chọn số biến mới sẽ đưa vào (1 hoặc 2)
9. Biến đổi biến lnQ=log(Q); lnK=log(K); lnL=log(L) và chạy hàm hồi quy:
lnQ c lnK lnL, đọc kết quả

Bài tập: Mở tập số liệu ch5bt5

1. Chạy OLS Y theo X2, X3, X4 và hệ số chặn.
2. Biến X2 có ảnh hưởng đến Y không?
3. Kết quả ước lượng có phù hợp với lý thuyết kinh tế không?
4. Hàm hồi quy trên có phù hợp không?
5. Các biến X2, X3, X4 giải thích được bao nhiêu phần trăm sự biến đổi của Y?
6. Có dấu hiệu nghi ngờ gì về đa cộng tuyến trong mô hình không?
7. Chạy hồi quy phụ để kiểm tra đa cộng tuyến, kết luận?
8. Mô hình có khuyết tật PSSS thay đổi? Tự tương quan?
9. Bỏ bớt biến (nên bỏ biến nào), ước lượng lại với mô hình mới
10. Mô hình mới có PSSS thay đổi không?
11. Mô hình mới có TTQ bậc 1 không?
12. Hệ số ước lượng của hệ số tương quan là?

Buổi 3
Nội dung:
1. Mô hình có trễ phân phối
2. Tính tác động ngắn hạn, dài hạn trong mô hình động
3. ước lượng hệ phương trình bằng 2SLS

Thực hiện
I. Mô hình có trễ phân phối: Mở tập số liệu : ch9bt1, trong đó: M là cầu danh nghĩa về
tiền; IPD: chỉ số giảm phát; Y: tổng thu nhập quốc gia theo giá danh nghĩa; NNI: thu
nhập dòng.

Hồi quy các mô hình

M/IPD = α1 +α2NNI/IPD +α3NNI(-1)/IPD(-1) +u (1)
M/IPD = α1 +α2NNI/IPD +α3NNI(-1)/IPD(-1) + α4NNI(-2)/IPD(-2)+u (2)
a. M/IPD có phụ thộic vào các giá trị trễ của NNI/IPD?
b. Mô hình có khuyết tật đa cộng tuyến?

II. Tác động ngắn hạn, dài hạn trong mô hình động: Mở tập số liệu : ch9bt1.
Giả sử mô hình cầu thực tế ngắn hạn về tiền sau được xây dựng từ mô hình hiệu chỉnh
từng phần:
M/IPD = α1 +α2Y/IPD +α3M(-1)/IPD +u (3)
Kết quả ước lượng bằng OLS:
Dependent Variable: M/IPD
Method: Least Squares
Date: 11/21/07 Time: 23:09
Sample (adjusted): 1949 1964
Included observations: 16 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C -0.061004 0.020860 -2.924499 0.0118

Y/IPD 14.71238 3.773938 3.898417 0.0018
M(-1)/IPD 0.585735 0.164220 3.566768 0.0034

a. Tính hệ số hiệu chỉnh trong mô hình hiệu chỉnh từng phần: (1- 0.585)
b. Tính tác động của thu nhập quốc dân theo giá thực tế lên cầu tiền trong ngắn hạn:
14.71
c. Tác động của thu nhập quốc dân lên cầu tiền trong dài hạn: 14.71/(1-0.585)

III. Uớc lượng hệ phương trình bằng 2SLS

Mở tệp số liệu ch10bt14
Mô hình cân bằng thị trường hàng hóa, đường IS: Y= β 1+β 2*R+β 3*I+
U1 (4)
Kết quả ước lượng bằng OLS:
Dependent Variable: Y
Method: Least Squares
Date: 11/21/07 Time: 23:42
Sample: 1959 1990
Included observations: 32

Variable Coefficient Std. Error t-Statistic Prob.

C 197.0355 105.2668 1.871773 0.0714

R -42.11000 18.33679 -2.296477 0.0291
I 6.292901 0.197595 31.84753 0.0000

R-squared 0.983960 Mean dependent var 2132.692

Adjusted R-squared 0.982854 S.D. dependent var 1581.342
S.E. of regression 207.0662 Akaike info criterion 13.59301
Sum squared resid 1243416. Schwarz criterion 13.73043
Log likelihood -214.4882 F-statistic 889.4921
Durbin-Watson stat 1.055802 Prob(F-statistic) 0.000000

a. Đọc mô hình: hệ số UL của I là 6.29:

b. Kiểm tra xem mô hình có tự tương quan không?
View→ residual tests → serial correlation LM
Kết luận: mô hình có tự tương quan.
Mô hình trên không đứng độc lập mà cùng trong hệ thống với mô hình cân bằng thị
trường tiền tệ, đường LM: R= β 4+β 5*M+β 3*Y+ U2 (5)
Trong hệ (4)+(5) có I và M là biến ngoại sinh
Ước lượng cả hệ phương trình bằng 2SLS như sau:
Trên cửa số lệnh gõ: system IS_LM ( = đặt tên cho hệ phương trình là IS-LM)
Xuất hiện màn hình của system, gõ vào:
inst c m i ( khai báo biến công cụ là c m i)
y = c(1) +c(2)*R +c(3)*I
R= c(4)+c(5)*M+c(6)*Y
Estimate → two-stage-least Squares/ O.K
System: M1
Estimation Method: Two-Stage Least Squares
Date: 11/22/07 Time: 23:07
Sample: 1959 1990
Included observations: 32
Total system (balanced) observations 64

Coefficient Std. Error t-Statistic Prob.

C(1) 658.5370 203.4192 3.237339 0.0020

C(2) -141.9612 39.59763 -3.585095 0.0007
C(3) 7.041547 0.358999 19.61441 0.0000
C(4) 10.38851 1.079811 9.620673 0.0000
C(5) -0.086402 0.015291 -5.650438 0.0000
C(6) 0.013236 0.002149 6.159581 0.0000

Determinant residual
covariance 157642.5

Equation: Y=C(1)+C(2)*R+C(3)*I
Instruments: C I M
Observations: 32
R-squared 0.967559 Mean dependent var 2132.692
Adjusted R-
squared 0.965322 S.D. dependent var 1581.342
S.E. of
regression 294.4783 Sum squared resid 2514807.
Durbin-
Watson stat 0.711789

Equation: R=C(4)+C(5)*M+C(6)*Y
Instruments: C I M
Observations: 32
R-squared 0.722019 Mean dependent var 7.294063
Adjusted R-
squared 0.702848 S.D. dependent var 2.823746
S.E. of
regression 1.539269 Sum squared resid 68.71117
Durbin-
Watson stat 0.641020

So sánh các hệ số ước lượng cho phương trình (4) bằng 2 phương pháp? Tại sao chúng
rất khác nhau? (Giáo viên hướng dẫn: Không thực hiện kiểm định Hausman, nhưng có
thông báo với học viên là kiểm định Hausman cho thấy có tương quan giữa biến giải
thích và ssnn trong hệ phương trình hành vi=> UL OLS là các ước lượng chệch và không
vững).

Bài tập: mở file ch3bt7.wf1.

Biến nội sinh: Q, P: lượng và giá thịt bò
Biến ngoại sinh: PS: giá thịt lợn, PF: giá đầu vào, DI: thu nhập khả dụng
Cho m« h×nh : Hµm cÇu: Pt = β11 + β12 Qt + β13 PS t + β14 DI t + U 1t
Hµm cung: Qt = β21 + β22 Pt + β23 PF t + U 2t
1. Thực hiện OLS cho phương trình hàm cầu
Khi giá của thịt lợn tăng 1 đơn vị thì giá thịt bò tăng lên bao nhiêu đơn vị?
Giá thịt lợn có ảnh hưởng đến giá thịt bò không?
Khi cầu thịt bò tăng thì giá thịt bò có thay đổi không?

2. Thực hiện ước lượng bằng phương pháp 2SLS

Khi giá thịt lợn tăng 1 đơn vị thì giá thịt bò tăng bao nhiêu đơn vị?
Khi cầu thịt bò tăng thì giá thịt bò có thay đổi không?
Khi giá thịt lợn tăng 1 đơn vị thì trung bình giá thịt bò tăng bao nhiêu đơn vi?
Khi gía thịt bò tăng 1 đơn vị thì cung thịt bò tăng lên bao nhiêu đơn vị?

(các thầy cô nhắc lại cho học viên cách đọc các chỉ số trong bảng OLS về các giá trị:
R2; F-statistic, cách kiểm định PSSS thay đổi và tự tương quan)
Buổi 4: Mô hình với biến phụ thuộc là biến chất: Mô hình xác suất
tuyến tính/ Mô hình logit/ Mô hình Probit
I. Mở tệp số liệu: ch11bt2
a. Ước lượng bằng mô hình logit: pi = exp(β1+ β2Xi)/(1+exp(β1+ β2Xi))
X: thu nhập (đơn vị: triệu đồng); Y: =1 nếu có xe riêng; =0 nếu không có xe riêng
Quick→ Estimate→ Logit , thu được
Std. z-
Variable Coefficient Error Statistic Prob.
C -6.552 1.960 -3.343 0.001
X 0.381 0.110 3.454 0.001

1. ước lượng của hệ số β1 là: -6.552; của β2 là: 0.381

2. Xác suất để một người có thu nhập 10triệu/tháng không có xe riêng:
ˆ +β
ˆ i = exp( β
p ˆ X ) /[1 + exp( β
ˆ +β
ˆ X )]
1 2 i 1 2 i

= exp( −6.552 + 0.381 x10 ) /[1 + exp( −6.552 +0.381 x10 )] = 0.06

3. Nếu thu nhập người đó tăng thêm 1 triệu đồng thì xác suất tăng thêm:

ˆ i (1 − p
p ˆ = 0.06 (1 − 0.06 )0.381 = 0.02
ˆ i )β2

b. Ước lượng bằng mô hình Probit

pi = F( β1+ β2 Xi )

Std. z-
Variable Coefficient Error Statistic Prob.
C -3.571 0.936 -3.817 0.000
X 0.209 0.053 3.940 0.000

1. ước lượng của hệ số β1 là: --3.571; của β2 là: 0.209

2. Xác suất để một người có thu nhập 10triệu/tháng không có xe riêng là
ˆ i = F ( −3.571 + 0.209 x10 ) = F ( −1.48 ) = 0.07
p

3. Nếu thu nhập người đó tăng thêm 1 triệu thì xác suất đó tăng thêm:
f ( βˆ1 + βˆ 2 X ) βˆ 2 = f ( −1.48 ) x0.209 = ( 2π ) −0.5 exp[ −(1.48 ) 2 / 2]x 0.209 = 0.028
II. Bài tập: mở tệp ch11bt1. Trong đó: Y=1 nếu một người là đi làm bằng phương tiện
cá nhân, =0 nếu đi bằng phương tiện công cộng. X: chênh lệch giữa thời gian đi làm bằng
phương tiện công cộng so với phương tiện cá nhân
1. Uớc lượng môhình Y theo X có hệ số chặn bằng môhình logit
2. ước lượng của hệ số chặn là:
3. Tính xác suất để một người chọn phương tiện công cộng nếu thời gian chênh lệch của
anh ta là X = 20
4. Nếu chất lượng phục vụ của các phương tiện công cộng được cải tiến, thể hiện qua
việc giảm được thời gian là 1 phút thì tại mức X = 20, khả năng lựa chọn phương tiện
công cộng thay đổi là
5. Thực hiện các điều 1-4 trên cho mô hình Probit

III. Chữa bài tập buổi trước

VI. Ôn tập
Mở tập số liệu: ch5bt6. Hồi quy Y(sản lượng) theo lao động (L), vốn (K) và hệ số chặn:
Y = a1 +a2 L + a3 K + u
1. Khi vốn tăng 1 đơn vị thì trung bình sản lượng tăng bao nhiêu đơn vị?
3. Các ước lượng có phù hợp với lý thuyết không?
4. Vốn có thực sự ảnh hưởng đến sản lượng không?
5. Hàm hồi quy có phù hợp không?
6. Biến vốn và sản lượng giải thích được bao nhiêu phần trăm sự biến đổi trong sản
lượng?
7. Dùng hồi quy phụ để kiểm tra xem trong mô hình có dấu hiệu của đa cộng tuyến
không?
8. Dùng kiểm định White để kiểm định mô hình có hiện tượng PSSS thay đổi không?
9. Giá trị của thống kê Khi-bình phương trong kiểm định trên là?
10. Mô hình có hiện tượng tự tương quan bậc nhất không?
11. Mô hình động: Cho mô hình hiệu chỉnh
Y*t = a + bXt+ ut
Trong đó Y là sản lượng cân bằng dài hạn, Xt là giá. Quá trình hiệu chỉnh:
 Yt − Yt −1 = δ (Yt * − Yt −1 )

dẫn đến mô hình tự hồi quy: Yt = α1 + α2Xt + α3Yt-1 +vt

C 0.002553 0.001229 2.076825 0.0482

Xt 0.403818 0.056287 7.174307 0.0000
Y(-1) 0.236507 0.106048 2.230192 0.0349

- Tìm hệ số hiệu chỉnh

- Tác động ngắn hạn của X lên sản lượng:
- Tác động của X lên sản lượng cân bằng dài hạn
Buổi 5. Chuỗi thời gian
I. San mũ không có yếu tố thời vụ: Mở tệp số liệu ch12bt5

Y*t = αYt+ (1-α)(Y*t-1 + Tt-1 )

T*t = β(Y*t-Y*t-1 )+ (1-β)Tt-1

Nháy đúp chuột vào biến y→ Procs→ Exponential smoothing→ Holt-winters- no
seasonal/ Ok

Forecast Series: YSM

Parameters: Alpha 0.1800

Beta 0.5501
Sum of Squared Residuals 122.6026
Root Mean Squared Error 2.021572

End of Period Levels: Mean 104.8669

Trend 1.338392

Giải thích: alpha: hằng số san trong phương trình của giá trị trung bình, beta: hằng số
san trong phương trình của giá trị xu thế
Mean (104.8669): giá trị của Y* tại thời điểm quan sát cuối cùng
Trend (1.338392): giá trị Tn ( xu thế tại quan sát cuối cùng)
 Dự báo: Y*n+h = Y*n + hTn với h = 1, 2,...
 Y*n+1 = 104.8669+ 1.338392
 Y*n+10 = 104.8669+ 10* 1.338392
II. San mũ có yếu tố thời vụ: Mở tệp số liệu ch12bt4 (có 32 quan sát)
Nháy đúp chuột vào biến y→ Procs→ Exponential smoothing→ Holt-winters- no
seasonal/ Ok

Parameters: Alpha 0.3300

Beta 0.5300
Gamma 0.0000
Sum of Squared Residuals 0.142967
Root Mean Squared Error 0.066841
 End of Period Levels: Mean 1.665869
Trend 0.096199
Seasonals: 1972M09 0.632136
1972M10 0.926388
1972M11 0.747986
1972M12 1.647470
1973M01 0.690726
1973M02 1.011925
1973M03 0.721417
1973M04 1.718887
1973M05 0.601425
1973M06 0.954923
1973M07 0.751810
1973M08 1.594908
Giải thích: Mean = y*32; Trend = T32; Seasonals: chỉ số thời vụ cho 12 tháng cuối tập
quan sát (từ quan sát 21 đến 32)
Dự báo
Y*32 = 1.67; T32 =0.1;s=12
F(32-11)=0.63;.;F(32-0) = 1.59
Công thức
Y*n+1= (Y*n +1x Tn )F(n+1-12)
Y*n+12 = (Y*n +12x Tn )F(n+12-12)
Y*n+13 = (Y*n +13x Tn )F(n+12-2*12)=>

Y*32+1 = (Y*32 +1x T32 )F(32+1-12)

Y*32+12 = (Y*32 +12x T32 )F(32+12-12)