BÀI TOÁN PHÂN TÍCH VÀ DỰ BÁO
Khái niệm
Dự báo là sự kết hợp giữa khoa học và nghệ thuật nhằm tiên đoán các sự kiện tương lai dựa trên phân tích dữ liệu đã thu thập Quá trình này dựa vào việc xử lý số liệu từ quá khứ và hiện tại để nhận diện xu hướng của các hiện tượng tương lai thông qua các mô hình toán học.
Dự báo có thể là một dự đoán chủ quan hoặc dựa trên trực giác về tương lai Để nâng cao độ chính xác của dự báo, cần loại bỏ những yếu tố chủ quan từ người thực hiện dự đoán.
Dự báo hiện nay là nhu cầu thiết yếu trong mọi lĩnh vực kinh tế - xã hội và khoa học - kỹ thuật, thu hút sự quan tâm nghiên cứu từ nhiều ngành khoa học khác nhau.
Ý nghĩa và vai trò của phân tích và dự báo trong quá trình ra quyết định kinh
Dự báo các mức độ tương lai của hiện tượng giúp doanh nghiệp chủ động xây dựng kế hoạch và quyết định cần thiết cho sản xuất, đầu tư, quảng bá và quy mô sản xuất Điều này bao gồm việc lựa chọn kênh phân phối sản phẩm, quản lý nguồn cung cấp tài chính, và chuẩn bị các điều kiện cơ sở vật chất, kỹ thuật Doanh nghiệp cũng cần lên kế hoạch cung cấp các yếu tố đầu vào như lao động, nguyên vật liệu, và các yếu tố đầu ra dưới dạng sản phẩm vật chất và dịch vụ để đảm bảo sự phát triển bền vững trong tương lai.
- Trong các doanh nghiệp nếu công tác dự báo đƣợc thực hiện một cách nghiêm túc còn tạo điều kiện nâng cao khả năng cạnh tranh trên thị trường
- Dự báo chính xác sẽ giảm bớt mức độ rủi ro cho doanh nghiệp nói riêng và toàn bộ nền kinh tế nói chung
Dự báo các chính sách kinh tế giúp xây dựng các kế hoạch và chương trình phát triển có cơ sở khoa học, từ đó nâng cao hiệu quả kinh tế.
Dự báo thường xuyên và kịp thời giúp các nhà quản trị doanh nghiệp điều chỉnh hoạt động kinh tế, từ đó tối ưu hóa hiệu quả sản xuất kinh doanh.
- Dự báo tạo ra lợi thế cạnh tranh
Công tác dự báo đóng vai trò quan trọng trong hoạt động của doanh nghiệp, ảnh hưởng đến từng phòng ban như Kinh doanh, Marketing, Sản xuất, Nhân sự và Kế toán – tài chính.
Phân loại dự báo
1.3.1 Căn cứ vào độ dài thời gian dự báo:
Dự báo dài hạn, kéo dài từ 3 năm trở lên, đóng vai trò quan trọng trong việc lập kế hoạch sản xuất sản phẩm mới, nghiên cứu và ứng dụng công nghệ tiên tiến, cũng như định vị và mở rộng doanh nghiệp.
Dự báo trung hạn: Khoảng thời gian dự báo thường là từ 3 tháng đến 3 năm
Việc lập kế hoạch sản xuất, kế hoạch bán hàng, dự thảo ngân sách, kế hoạch tiền mặt, huy động nguồn lực và tổ chức hoạt động tác nghiệp là cần thiết để đảm bảo hiệu quả trong quản lý doanh nghiệp.
Dự báo ngắn hạn thường kéo dài dưới ba tháng, nhưng có thể lên đến một năm Loại dự báo này chủ yếu được áp dụng trong việc lập kế hoạch mua sắm, điều phối công việc, cân bằng nguồn nhân lực và phân chia nhiệm vụ.
Dự báo trung hạn và dài hạn có ba đặc trƣng khác với dự báo ngắn hạn:
Dự báo trung hạn và dài hạn cần phải xem xét nhiều vấn đề một cách toàn diện, nhằm hỗ trợ cho các quyết định quản lý liên quan đến việc hoạch định kế hoạch sản xuất sản phẩm và quy trình công nghệ.
Dự báo ngắn hạn thường áp dụng nhiều phương pháp luận hơn so với dự báo dài hạn Các kỹ thuật toán học phổ biến trong dự báo ngắn hạn bao gồm bình quân di động, san bằng mũ và hồi quy theo xu hướng Ngược lại, những phương pháp ít định lượng thường được sử dụng để dự đoán các vấn đề lớn hơn, chẳng hạn như việc có cần đưa một sản phẩm mới vào danh sách hàng hóa của công ty hay không.
Dự báo ngắn hạn thường chính xác hơn so với dự báo dài hạn do các yếu tố ảnh hưởng đến nhu cầu thay đổi hàng ngày Khi thời gian dự báo kéo dài, độ chính xác có thể giảm Vì vậy, việc thường xuyên cập nhật và cải tiến các phương pháp dự báo là cần thiết.
1.3.2 Dựa vào các phương pháp dự báo:
Dự báo có thể chia thành 3 nhóm:
Dự báo bằng phương pháp chuyên gia là một kỹ thuật dựa trên việc tổng hợp ý kiến từ các chuyên gia có kinh nghiệm về hiện tượng được nghiên cứu, giúp đưa ra các dự đoán chính xác hơn Phương pháp này đặc biệt hiệu quả trong việc dự đoán những hiện tượng phức tạp, chịu ảnh hưởng từ nhiều yếu tố như khoa học, kỹ thuật, môi trường và thời tiết trong thời gian dài Một cải tiến nổi bật của phương pháp này là phương pháp Delphi, nơi một nhóm chuyên gia đưa ra đánh giá mà không tiếp xúc trực tiếp để tránh sai lệch do tương tác nhóm Sau khi thống kê các dự đoán, các chuyên gia sẽ xem xét lại và có thể bổ sung thêm ý kiến, từ đó nâng cao độ chính xác của dự báo.
Dự báo theo phương trình hồi quy là phương pháp xây dựng mô hình hồi quy dựa trên đặc điểm và xu thế phát triển của hiện tượng nghiên cứu Để thực hiện, cần có tài liệu về hiện tượng cần dự báo và các hiện tượng liên quan Phương pháp này thường được áp dụng để dự báo trung hạn và dài hạn ở tầm vĩ mô.
1.3.3 Căn cứ vào nội dung (đối tượng dự báo)
Có thể chia dự báo thành: Dự báo khoa học, dự báo kinh tế, dự báo xã hội, dự báo tự nhiên, thiên văn học…
Dự báo khoa học là việc tiên đoán về các sự kiện, hiện tượng hoặc trạng thái có khả năng xảy ra trong tương lai Trong nghĩa hẹp, đây là nghiên cứu khoa học nhằm đánh giá triển vọng của một hiện tượng nào đó, chủ yếu tập trung vào việc định lượng và xác định khoảng thời gian mà hiện tượng có thể trải qua những biến đổi.
- Dự báo kinh tế: Là khoa học dự báo các hiện tượng kinh tế trong tương lai
Dự báo kinh tế là bước quan trọng trong việc xây dựng chiến lược phát triển kinh tế - xã hội và kế hoạch dài hạn Mặc dù không xác định nhiệm vụ cụ thể, nhưng dự báo này cung cấp những thông tin cần thiết để định hình các nhiệm vụ trong tương lai.
Dự báo kinh tế bao gồm sự phát triển kinh tế và xã hội của đất nước, xem xét tình hình thế giới và quan hệ quốc tế Các hướng chính của dự báo này bao gồm dân số, nguồn lao động, năng suất lao động, tái sản xuất xã hội, và sự phát triển công nghệ Nó cũng xem xét mức sống, nhu cầu tiêu dùng, thu nhập của nhân dân, và sự chuyển dịch cơ cấu kinh tế Thêm vào đó, dự báo còn phân tích sự phát triển các khu vực và ngành kinh tế, khai thác tài nguyên thiên nhiên, và mối liên hệ giữa các vùng Kết quả của dự báo giúp xác định các điều kiện kinh tế - xã hội, từ đó xây dựng chiến lược phát triển kinh tế hiệu quả và bền vững.
Dự báo xã hội là một lĩnh vực khoa học chuyên nghiên cứu các triển vọng và biến đổi của các hiện tượng xã hội Mục tiêu của nó là đưa ra những dự đoán chính xác về tình hình phát triển và diễn biến của xã hội trong tương lai.
- Dự báo tự nhiên, thiên văn học, loại dự báo này thường bao gồm:
Dự báo thời tiết là thông báo về điều kiện thời tiết dự kiến trong một khoảng thời gian và khu vực cụ thể Dự báo này bao gồm nhiều loại, như dự báo chung, khu vực và địa phương Thời gian dự báo có thể được chia thành hai loại: dự báo ngắn hạn (1-3 ngày) và dự báo dài hạn (có thể lên tới một năm).
Dự báo thuỷ văn là quá trình dự đoán sự phát triển của các hiện tượng thuỷ văn tại các sông hồ, dựa trên tài liệu khí tượng thuỷ văn Nó yêu cầu hiểu biết về quy luật phát triển của các yếu tố này để xác định sự xuất hiện của hiện tượng cần chú ý Dự báo thuỷ văn được phân loại theo thời gian như hạn ngắn (dưới 2 ngày), hạn vừa (2-10 ngày), mùa (vài tháng) và cấp báo cho các hiện tượng nguy hiểm Ngoài ra, dự báo cũng được phân loại theo mục đích như phục vụ thi công, vận tải, phát điện và theo yếu tố như lưu lượng lớn nhất, nhỏ nhất, hay dự báo lũ.
Dự báo địa lý là nghiên cứu xu hướng phát triển của môi trường địa lý trong tương lai, nhằm đưa ra các giải pháp khoa học để sử dụng hợp lý và bảo vệ môi trường.
Các phương pháp dự báo
1.4.1 Phương pháp dự báo định tính
Phương pháp dự báo định tính tập trung vào doanh số của từng sản phẩm hoặc dịch vụ và dựa trên ý kiến về các yếu tố nhân quả có thể ảnh hưởng trong tương lai Những phương pháp này liên quan đến mức độ phức tạp của các yếu tố và khả năng tương tác giữa chúng.
1.4.1.1 Lấy ý kiến của ban điều hành
Phương pháp thu thập ý kiến từ ban điều hành được áp dụng phổ biến trong các tổ chức, đặc biệt trong quá trình dự báo Các nhà quản trị cấp cao và trưởng các bộ phận sẽ cung cấp ý kiến cùng với các số liệu thống kê về doanh số, chi phí và lợi nhuận Bên cạnh đó, việc tham khảo ý kiến từ các chuyên gia trong lĩnh vực marketing, tài chính, sản xuất và kỹ thuật cũng rất quan trọng để đảm bảo tính chính xác và toàn diện của dự báo.
Nhược điểm lớn nhất của phương pháp này là tính chủ quan của các thành viên, trong đó ý kiến của người có chức vụ cao nhất thường chi phối và ảnh hưởng đến quan điểm của những người khác.
1.4.1.2 Lấy ý kiến của người bán hàng
Những người bán hàng thường xuyên tương tác với khách hàng, giúp họ nắm bắt nhu cầu và thị hiếu của người tiêu dùng Nhờ vào kinh nghiệm này, họ có khả năng dự đoán chính xác lượng hàng tiêu thụ trong khu vực mình phụ trách.
Từ việc thu thập ý kiến của nhiều người bán hàng ở các khu vực khác nhau, chúng ta có thể tạo ra một dự báo tổng hợp về nhu cầu đối với sản phẩm cụ thể.
Phương pháp này có nhược điểm là phụ thuộc vào đánh giá chủ quan của người bán hàng, dẫn đến sự không nhất quán trong việc ước lượng lượng hàng bán ra Một số người bán có xu hướng lạc quan và đánh giá cao doanh số, trong khi những người khác lại có thể đánh giá thấp để dễ dàng đạt được định mức.
1.4.1.3 Phương pháp chuyên gia (Delphi)
Phương pháp này thu thập ý kiến của các chuyên gia trong hoặc ngoài doanh nghiệp theo những mẫu câu hỏi đƣợc in sẵn và đƣợc thực hiện nhƣ sau:
- Mỗi chuyên gia đƣợc phát một thƣ yêu cầu trả lời một số câu hỏi phục vụ cho việc dự báo
- Nhân viên dự báo tập hợp các câu trả lời, sắp xếp chọn lọc và tóm tắt lại các ý kiến của các chuyên gia
- Dựa vào bảng tóm tắt này nhân viên dự báo lại tiếp tục nêu ra các câu hỏi để các chuyên gia trả lời tiếp
Phương pháp tập hợp ý kiến từ các chuyên gia giúp đạt được dự báo chính xác bằng cách tiếp tục thu thập ý kiến cho đến khi đạt yêu cầu Ưu điểm nổi bật của phương pháp này là giảm thiểu sự ảnh hưởng cá nhân, ngăn chặn va chạm giữa các chuyên gia và loại bỏ tác động của những người có ưu thế trong nhóm tham khảo.
1.4.1.4 Phương pháp điều tra người tiêu dùng
Phương pháp thu thập thông tin từ người tiêu dùng về nhu cầu hiện tại và tương lai thường được thực hiện bởi nhân viên bán hàng hoặc nghiên cứu thị trường Họ sử dụng các công cụ như phiếu điều tra, phỏng vấn trực tiếp hoặc qua điện thoại để ghi nhận ý kiến khách hàng Cách tiếp cận này không chỉ hỗ trợ doanh nghiệp trong việc dự báo nhu cầu mà còn giúp cải tiến thiết kế sản phẩm Tuy nhiên, phương pháp này có thể mất nhiều thời gian, yêu cầu chuẩn bị phức tạp và tốn kém, đồng thời có nguy cơ không chính xác trong các câu trả lời từ người tiêu dùng.
1.4.2 Phương pháp dự báo định lượng
Dự báo định lượng dựa trên dữ liệu thống kê trong quá khứ, với giả định rằng những dữ liệu này có liên quan đến tương lai Tất cả các mô hình dự báo định lượng có thể được áp dụng thông qua chuỗi thời gian, trong đó các giá trị được quan sát và đo lường theo từng giai đoạn của chuỗi.
- Tính chính xác của dự báo:
Tính chính xác của dự báo phản ánh độ chênh lệch giữa dự báo và số liệu thực tế Do dự báo được thực hiện trước khi có dữ liệu thực tế, nên việc đánh giá tính chính xác chỉ có thể thực hiện sau khi thời gian trôi qua Nếu dự báo gần gũi với số liệu thực tế, nó được coi là có độ chính xác cao và tỷ lệ lỗi trong dự báo sẽ thấp.
Người ta thường dùng độ sai lệch tuyệt đối bình quân (MAD) để tính toán:
MAD Tổng các sai số tuyệt đối của n giai đoạn n giai đoạn
MAD 1 n i Nhu cầu thực tế - nhu cầu dự báo
Dự báo ngắn hạn là công cụ ước lượng tương lai trong khoảng thời gian ngắn, từ vài ngày đến vài tháng Nó cung cấp thông tin quan trọng cho các nhà quản lý để đưa ra quyết định về nhiều vấn đề khác nhau.
- Cần dự trữ bao nhiêu đối với một loại sản phẩm cụ thể nào đó cho tháng tới ?
- Lên lịch sản xuất từng loại sản phẩm cho tháng tới nhƣ thế nào ?
- Số lƣợng nguyên vật liệu cần đặt hàng để nhận vào tuần tới là bao nhiêu ?
Mô hình dự báo sơ bộ là loại dự báo nhanh, không cần chi phí và dễ sử dụng
- Sử dụng số liệu hàng bán ngày hôm nay làm dự báo cho lƣợng hàng bán ở ngày mai
- Sử dụng số liệu ngày này ở năm rồi nhƣ là dự báo lƣợng hàng bán cho ngày ấy ở năm nay
Mô hình dự báo sơ bộ quá đơn giản cho nên thường hay gặp những sai sót trong dự báo
* Phương pháp bình quân di động có quyền số
Phương pháp bình quân di động coi trọng các số liệu quá khứ như nhau, nhưng trong một số trường hợp, các số liệu này có thể ảnh hưởng khác nhau đến kết quả dự báo Do đó, người ta thường sử dụng quyền số không đồng đều cho các số liệu quá khứ Quyền số, hay trọng số, là các giá trị được gán cho các số liệu để thể hiện mức độ quan trọng của chúng trong việc dự báo Các số liệu gần với kỳ dự báo sẽ được gán quyền số lớn hơn, phản ánh ảnh hưởng lớn hơn của chúng Việc lựa chọn quyền số phụ thuộc vào kinh nghiệm và sự nhạy cảm của người dự báo.
Với: Ft - Dự báo thời kỳ thứ t
At-i - Số liệu thực tế thời kỳ trước (i=1,2, ,n) ki - Quyền số tương ứng ở thời kỳ i
Phương pháp bình quân di động có quyền số giúp làm mượt các biến động ngẫu nhiên trong dữ liệu Tuy nhiên, phương pháp này cũng tồn tại một số nhược điểm cần lưu ý.
- Do việc san bằng các biến động ngẫu nhiên nên làm giảm độ nhạy cảm đối với những thay đổi thực đã đƣợc phản ánh trong dãy số
Số bình quân di động không cung cấp cái nhìn rõ ràng về xu hướng phát triển của dãy số, mà chỉ phản ánh sự biến động trong quá khứ mà thôi Nó không thể dự đoán hay kéo dài xu hướng này trong tương lai.
Phương pháp điều hòa mũ là một kỹ thuật dự báo cho giai đoạn tiếp theo bằng cách kết hợp dự báo trước đó với một lượng điều chỉnh Lượng điều chỉnh này được xác định dựa trên sai số của dự báo trước, tính bằng cách nhân dự báo trước với một hệ số điều hòa nằm trong khoảng từ 0 đến 1 Hệ số này đóng vai trò quan trọng trong việc cải thiện độ chính xác của dự báo.
Công thức tính nhƣ sau: Ft = Ft−1+ α (At−1−Ft−1)
Trong đó : F t - Dự báo cho giai đoạn thứ t, giai đoạn kế tiếp
F t -1 - Dự báo cho giai đoạn thứ t-1, giai đoạn trước
A t -1 - Số liệu thực tế của giai đoạn thứ t-1
HỆ THỐNG PHÂN TÍCH VÀ DỰ BÁO
Dự báo từ các mức độ bình quân
2.1.1 Dự báo từ số bình quân trượt (di động)
Phương pháp số bình quân di động là một công cụ quan trọng trong việc phân tích xu hướng phát triển của hiện tượng nghiên cứu Phương pháp này giúp mô hình hóa sự phát triển thực tế thông qua việc sử dụng các dãy số bình quân di động, từ đó cung cấp cái nhìn rõ ràng về sự biến đổi của hiện tượng theo thời gian.
Phương pháp bình quân di động là một công cụ quan trọng trong dự báo thống kê, cho phép xây dựng một dãy số bình quân di động để phát triển mô hình dự báo hiệu quả.
Mô hình dự báo là: ŷ n+1 = M n
Khoảng dự báo sẽ đƣợc xác định theo công thức sau: ŷ n+L ± t S 1 1 k
Giá trị t được tra trong bảng tiêu chuẩn t-Student với (k-1) bậc tự do và xác suất tin cậy (1-α) Để tính độ lệch tiêu chuẩn mẫu điều chỉnh, ta sử dụng công thức sau:
2.1.2 Mô hình dự báo dựa vào lượng tăng (giảm) tuyệt đối bình quân
Phương pháp này áp dụng khi lượng tăng hoặc giảm tuyệt đối liên tục gần như giống nhau qua các năm, tạo thành một dãy số thời gian có hình thức tương tự như cấp số cộng, tức là xấp xỉ nhau (i = z n).
Mô hình dự báo theo phương trình:
Y n L : Mức độ dự đoán ở thời gian (n+L) y n : Mức độ cuối cùng của dãy số thời gian y : Lƣợng tăng, giảm tuyệt đối bình quân
L: Tầm xa của dự đoán ( L=1,2,3,…năm)
2.1.3 Mô hình dự báo dựa vào tốc độ phát triển bình quân
Trong các trường hợp mà các mức độ của dãy số biến động theo thời gian với tốc độ phát triển gần nhau, thường áp dụng phương pháp phân tích dãy số thời gian có dạng gần như cấp số nhân.
Có hai mô hình dự đoán:
* Dự đoán mức độ hàng năm: (có thể dùng để dự báo trong dài hạn)
- Phương pháp này được áp dụng khi tốc độ phát triển hoàn toàn xấp xỉ nhau
Y n L : Mức độ dự đoán ở thời gian (n+L) t: Tốc độ phát triển bình quân hàng năm
*Dự đoán mức độ của khoảng thời gian dưới 1 năm (quý, tháng- dự báo ngắn hạn) ij j
Y ij: Là mức độ của hiện tƣợng ở thời gian j (j=1,m) của năm i
1 n j ij i y Y - Tổng các mức độ của thời gian j của năm i (i=1…n)
1 1 n y n t y : Tốc độ phát triển bình quân hàng
S r = 1 + (t) +(t) 2 + (t ) 3 +…+ (t ) n-1 n: có thể là số năm hoặc số lƣợng mức độ của từng năm
2.2 Mô hình dự báo theo phương trình hồi quy (dự báo dựa vào xu thế)
Dựa vào xu hướng phát triển của hiện tượng nghiên cứu, chúng ta có thể xác định phương trình hồi quy lý thuyết phù hợp với đặc điểm biến động của hiện tượng đó Từ phương trình này, có thể ngoại suy hàm xu thế nhằm xác định mức độ phát triển trong tương lai.
2.2.1 Mô hình hồi quy theo thời gian
* Ví dụ: Mô hình dự báo theo phương trình hồi quy đường thẳng: Ŷ = a+ bt
Trong đó: a,b là những tham số quy định vị trí của đường hồi quy
Từ phương trình này, bằng phương pháp bình phương nhỏ nhất hoặc thông qua việc đặt thứ tự thời gian (t) trong dãy số để tính các tham số a,b
Nếu đặt thứ tự thời gian t sao cho t khác 0 ( t 0), ta có các công thức tính tham số sau:
Nếu đặt thứ tự thời gian t sao cho t khác 0 ( t=0), ta có các công thức tính tham số sau: a y y n 2
2.2.2 Mô hình hồi quy giữa các tiêu thức
* Mô hình hồi quy tuyến tính giữa hai tiêu thức
Bằng cách xây dựng phương trình hồi quy tuyến tính giữa các tiêu thức đã đề cập, chúng ta có thể dự đoán giá trị của Y trong tương lai khi các biến trong hàm hồi quy thay đổi Cụ thể, đối với phương trình tuyến tính giản đơn, công thức được biểu diễn là Y = a + bx.
Trong phương trình hồi quy, tham số a đại diện cho điểm cắt trục tung, phản ánh giá trị của tiêu thức kết quả khi tiêu thức nguyên nhân x bằng 0 Trong khi đó, độ dốc b cho biết mức độ thay đổi của tiêu thức kết quả tương ứng với sự biến động của tiêu thức nguyên nhân.
Từ phương trình này, ta sẽ dự đoán được giá trị của tiêu thức kết quả trong tương lai khi có sự thay đổi của tiêu thức nguyên nhân
Trong hồi quy bội, giá trị dự đoán của Y được xác định dựa trên các giá trị đã cho của k biến X bằng cách thay thế các giá trị này vào phương trình hồi quy bội, tương tự như trong hồi quy giản đơn.
Các giá trị cho trước của biến X lần lượt là x 1,n+1 ,x 2,n+1 ,…,x k,n+1 thì giá trị dự đoán Y sẽ là:
Dự báo dựa vào hàm xu thế và biến động thời vụ
Phương pháp dự báo này được áp dụng cho các hiện tượng nghiên cứu chịu ảnh hưởng từ nhiều yếu tố biến động, bao gồm biến động thời vụ, biến động xu hướng và biến động bất thường.
- Mô hình dự báo sẽ có thể dựa vào hàm xu thế kết hợp với biến động thời vụ:
- Hoặc dự báo dựa vào hàm xu thế kết hợp nhân tố với biến động thời vụ:
Y t = Ŷx tv xbt, trong đó Ŷ đại diện cho mức độ lý thuyết được xác định từ hàm xu thế hoặc các phương pháp liên quan Tham số tv thể hiện ảnh hưởng của yếu tố thời vụ, trong khi bt phản ánh tác động của các yếu tố bất thường.
Hàm xu thế và chỉ số thời vụ được xác định theo từng mô hình, trong khi các yếu tố biến động bất thường thường không thể dự đoán Do đó, mô hình chỉ còn lại hai yếu tố chính: biến động xu hướng và biến động thời vụ.
2.3.1 Dự báo dựa vào mô hình cộng
* Trước tiên xác định hàm xu thế tuyến tính sản lượng doanh nghiệp có dạng là: Ŷ = a + bt
Trong đó: a, b là các tham số quy định vị trí của hàm xu thế tuyến tình, đƣợc tính theo công thức sau:
Trong đó: n: Số năm m: Khoảng cách thời gian trong một năm (m= 4 đối với quý, m đối với năm) t: Thứ tự thời gian trong dãy số (năm)
* Tính các mức độ mang tính thời vụ theo công thức sau: tv= y i - y j - b(i- 1
Sau khi xác định hàm xu thế và biến động thời vụ, mô hình dự báo kết hợp giữa xu thế biến động và tính thời vụ có thể được biểu diễn dưới dạng: Y t = Ŷ + tv.
2.3.2 Dự báo dựa vào mô hình nhân
Mô hình dự báo theo kết hợp nhân có dạng:
Để dự báo theo mô hình Y t = Ŷ x tv, trước tiên cần tính toán hàm xu thế Trong trường hợp này, hàm xu thế phải được loại trừ biến động thời vụ bằng cách xây dựng dãy số bình quân trượt (y t), sử dụng số lượng mức độ là 4 cho dữ liệu quý và 12 cho dữ liệu tháng.
Từ đó ta tính đƣợc t t y y , từ đó xác định thành phần thời vụ (tv t ) bằng cách tính các số bình quân tv t sau đó tính hệ số điều chỉnh H:
H t m tv ( với m= 4) đối với tài liệu quý, 12 đối với tài liệu tháng )
Từ đó tính chỉ số thời vụ I tv = tv t x H
Sau khi xác định đƣợc tv t thì xác định dãy số f t là dãy số đã loại bỏ thành phần thời vụ nhƣ sau: y t f
THỰC NGHIỆM CÁC BÀI TOÁN DỰ BÁO
Phần mềm IBM SPSS Modeler
SPSS Modeler của IBM là một công cụ khai thác dữ liệu mạnh mẽ, giúp người dùng xây dựng nhanh chóng các mô hình dự báo và ứng dụng chúng vào hoạt động thương mại để cải thiện quyết định kinh doanh Phần mềm hỗ trợ toàn bộ quy trình khai thác dữ liệu, từ việc thu thập dữ liệu đến việc tạo ra kết quả kinh doanh tốt hơn SPSS Modeler cung cấp nhiều phương pháp mô hình hóa dựa trên học máy, trí tuệ nhân tạo và thống kê, cho phép người dùng chuyển hóa dữ liệu thành thông tin mới và phát triển các mô hình dự báo hiệu quả.
3.1.2 Các chức năng trong SPSS Modeler
Nguồn dữ liệu đa dạng với nhiều định dạng như Excel, SPSS, SQL, giúp người dùng dễ dàng nhập dữ liệu của mình để xử lý.
Nguồn dữ liệu, hay còn gọi là dữ liệu thô, là loại dữ liệu chưa được tinh chỉnh và là nguồn gốc, nguồn dữ liệu ban đầu.
Hình 3.1.2 2 Trích chọn dữ liệu
Chọn nguồn dữ liệu phù hợp là bước quan trọng để đáp ứng yêu cầu bài toán Dữ liệu cần phải đầy đủ và liên quan đến yêu cầu cụ thể, đồng thời phải đáp ứng các tiêu chí nhất định.
Biến đổi dữ liệu là quá trình chuẩn hóa và làm mịn thông tin, giúp đơn giản hóa dữ liệu để giải quyết vấn đề một cách hiệu quả và nhanh chóng.
Hình 3.1.2 3 Biến đổi dữ liệu
Biến đổi dữ liệu ban đầu thành dữ liệu chuẩn nhất bằng cách thêm các trường cần thiết và loại bỏ các trường không cần thiết.
Hình 3.1.2 4 Lọc các trường dữ liệu
Biến đổi dữ liệu thành các dữ liệu mới với những thuộc tính mới và các trường dữ liệu mới
Hình 3.1.2 5 Biến đổi trường và thuộc tính dữ liệu
Có thể biến đổi thành các loại dữ liệu sau: Range (khoảng cách, hàng), Default (mặc định), Flag (dạng cờ), Set (tập hợp), Ordered Set, Typeless, Discrete …
4 Xử lý dữ liệu Đây được xem là bước quan trọng và tốn nhiều thời gian nhất của toàn quá trình
Hình 3.1.2 6 Xử lý dữ liệu
Trong quá trình xử lý dữ liệu, các thuật toán phân hoạch và phân cụm phân cấp như K-means, PAM, CLARA và BIRCH được sử dụng để tối ưu hóa hiệu quả phân tích.
5 Đánh giá và biểu diễn kết quả Đây là kết quả của toàn bộ quá trình Kết quả được thể hiện dưới các dạng khác nhau như bảng biểu (Exel, Table, ) hay dưới dạng đồ thị (Graphboard, Plot, Distribution, histogram, collection, multiplot, Web, Timelot, Evaluation,…) giúp đƣa ra kết quả gần gũi với người sử dụng, có cái nhìn trực quan hơn đối với yêu cầu được
Hình 3.1.2 7 Đánh giá và biểu diễn kết quả
Sau khi công bố kết quả, cần đánh giá xem kết quả đó có đáp ứng yêu cầu của bài toán hay không, cũng như có thỏa mãn các tiêu chí hoặc điều kiện nhất định hay không.