TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
KHOA KINH TẾ QUỐC TẾ
_________o0o_________

TIỂU LUẬN
DỰ BÁO KINH TẾ
Đề tài
DỰ BÁO DOANH THU THUẦN CỦA CÔNG TY
CỔ PHẦN SỮA VIỆT NAM TỪ QUÝ 3 – 2018 ĐẾN
QUÝ 4 – 2020
Nhóm sinh viên thực hiện: K55
1. Đào Mai Anh

1614410003

2. Dương Ngọc Ánh

1614410018

3. Đào Thị Thanh Huyền

1614410081

4. Bùi Ngọc Quỳnh

1614410151

5. Đinh Văn Thành

1614410161

Lớp: KTE418(1-1819).1_LT
Giảng viên hướng dẫn: TS. Chu Thị Mai
Phương

Hà Nội, tháng 9 - 2018

LUAN VAN CHAT LUONG download : add


MỤC LỤC

LỜI MỞ ĐẦU.................................................................................................................... 3
NỘI DUNG........................................................................................................................ 4
PHẦN 1:

MÔ TẢ SỐ LIỆU...........................................................................................4

PHẦN 2:

DỰ BÁO DOANH THU CỦA VINAMILK.................................................6

2.1

Các phương pháp dự báo giản đơn.......................................................................6

2.1.1

Dự báo bằng phương pháp san mũ........................................................................6

2.1.2


Dự báo bằng phương pháp san mũ Holt................................................................8

2.1.3

Dự báo bằng phương pháp san mũ Winters........................................................10

2.2

Dự báo bằng phương pháp phân tích..................................................................13

2.3

Dự báo bằng mơ hình ARIMA...........................................................................24

PHẦN 3:

KẾT LUẬN..................................................................................................34

PHỤ LỤC........................................................................................................................ 37

2

LUAN VAN CHAT LUONG download : add


LỜI MỞ ĐẦU
Ngày nay, với sự phát triển không ngừng của thế giới, kinh tế là một lĩnh vực có
tầm quan trọng rất lớn đối với các quốc gia nói chung, các doanh nghiệp nói riêng. Hiểu
được sự quan trọng và cấp thiết ấy, bên cạnh việc tìm hiểu, phân tích, đánh giá thị trường,

thì việc dự báo các chỉ số kinh tế cũng là một tiêu chí được quan tâm đối với các doanh
nghiệp.
Để hiểu được tại sao phải dự báo kinh tế, trước hết cần hiểu được dự báo là gì? Dự
báo là sự tiên đốn tổng hợp có căn cứ khoa học về nội dung và những xu hướng chính
của sự phát triển tự nhiên, kinh tế, xã hội và tư duy của con người trong tương lai. Dự
báo mang tính xác suất song đáng tin cậy.
Dự báo có căn cứ khoa học bắt nguồn từ quan điểm triết học Mác về mối liên hệ
phổ biến và sự phát triển của xã hội cũng như về khả năng nhận thức thế giới của con
người. Giữa các sự vật và hiện tượng ln ln có sự tác động lẫn nhau, dựa vào nhau và
chuyển hố cho nhau, vì thế sự vận động và phát triển của sự vật trong khơng gian và
thời gian khơng phải hồn tồn là hỗn loạn mà tuân theo những quy luật nhất định. Qua
những hoạt động thực tiễn, con người có thể nhận thức được các quy luật vận động của
thiên nhiên, của xã hội và trên cơ sở đó tiến hành các dự đốn của mình.
Các yếu tố trong mỗi hoạt động sản xuất kinh doanh ln có mối liên hệ mật thiết
với nhau. Xác định tính chất mạnh mẽ của mối liên hệ giữa các yếu tố và sử dụng các số
liệu đã biết để dự báo sẽ giúp nhà quản lí rất nhiều trong việc hoạch định các kế hoạch
sản xuất kinh doanh hiện tại cũng như trong tương lai. Ngày nay dự báo đã được sử dụng
rất rộng rãi trong mọi lĩnh vực đời sống xã hội với nhiều loại và phương pháp dự báo
khác nhau như lấy ý kiến ban điều hành, phương pháp điều tra người tiêu dùng, phương
pháp Delphi,… Trong thống kê người ta dùng nhiều phương pháp khác nhau như phương
pháp trung bình giản đơn, phương pháp trung bình dài hạn, phương pháp san mũ,…
Đế làm rõ hơn về phương pháp dự báo trong kinh tế, trong tiểu luận này, nhóm thực
hiện sử dụng phần mềm kinh tế lượng Eviews để chạy các mơ hình lượng để dự báo
doanh thu của Công ty cổ phần Sữa Việt Nam Vinamilk trong 10 quý tới (từ quý 3 năm

3

LUAN VAN CHAT LUONG download : add



2018 đến quý 4 năm 2020) dựa trên dữ liệu doanh thu thu thập được từ quý 1 năm 2006
đến quý 2 năm 2018.

NỘI DUNG
PHẦN 1: MÔ TẢ SỐ LIỆU
Số liệu được sử dụng là doanh thu thuần của Vinamilk từ quý 1 – 2006 đến quý 2 2018 (đơn vị: triệu VND), được nhóm tổng hợp từ trang . 
Nhấn đúp vào chuỗi rev để mở cửa sổ Series: REV
Trên cửa sổ Series: REV vào View/ Descriptive Statistics & Tests/ Stats Table,

ta có bảng mơ tả thống kê như sau:
Một số mô tả thống kê quan trọng:


Số quan sát

(Observations): 50


Giá trị trung

bình

(Mean):

6533686


Giá trị lớn

nhất


(Maximum):

13702481
 Giá trị nhỏ nhất (Minimum): 1284717
 Độ lệch chuẩn (Std. Dev.): 4038195

Trên cửa sổ Series: REV vào View/ Graph,

4

LUAN VAN CHAT LUONG download : add


ta có biểu đồ mơ tả số liệu
rev
14,000,000
12,000,000
10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0
06

07

08


09

10

11

12

13

14

15

16

17

18

19

20

5

LUAN VAN CHAT LUONG download : add


PHẦN 2: DỰ BÁO DOANH THU CỦA VINAMILK

Trong bài tiểu luận này, nhóm tiểu luận dùng phần mềm Eviews để dự báo chuỗi
rev (chuỗi số liệu doanh thu thuần của Vinamilk) từ quý 3 năm 2018 đến quý 4 năm 2020
(2018Q3 2020Q4) bằng nhiều phương pháp khác nhau.
2.1

Các phương pháp dự báo giản đơn
2.1.1 Dự báo bằng phương pháp san mũ

San mũ là việc loại bỏ các yếu tố ngẫu nhiên để nhìn thấy bản chất của chuối giúp
việc dự báo trở nên dễ dàng hơn.
Phương pháp san mũ đơn loại bỏ yếu tố ngẫu nhiên và dự báo giá trị mẫu (predict)
nhưng khơng thể giúp dự báo ngồi mẫu (forecast).
Phương pháp san mũ kép là việc lặp lai 2 lần của san mũ đơn. Phương pháp này có
thể dự báo ngoài mẫu.
Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential
Smoothing:

6

LUAN VAN CHAT LUONG download : add


Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn Double.
Chuỗi san kép là chuỗi revd.

Ta thu được kết quả dự báo sau:
Date: 09/26/18 Time: 21:16
Sample: 2006Q1 2018Q2
Included observations: 50
Method: Double Exponential

Original Series: REV
Forecast Series: REVD
Parameters: Alpha
Sum of Squared Residuals
Root Mean Squared Error

0.2140
1.66E+13
576001.6

End of Period Levels:

13367301
254639.4

Mean
Trend

 Hằng số san kép: α=0 ,2140
 Chỉ số căn bậc hai của sai số bình phương trung bình là RMSE = 576001,6.

7

LUAN VAN CHAT LUONG download : add


Trên cửa sổ Command dùng lệnh line rev revd có biểu đồ sau
20,000,000

16,000,000


12,000,000

8,000,000

4,000,000

0
06

07

08

09

10

11

12
rev

13

14

15

16


17

18

19

20

REVD

2.1.2 Dự báo bằng phương pháp san mũ Holt
a. Tổng quan về phương pháp
Phương pháp san mũ Holt dùng để dự báo chuỗi có yếu tố xu thế T bằng cách loại
bỏ được yếu tố xu thế T.
Ký hiệu:

Tt

là ước lượng của phần xu thế ở thời kỳ t

¿

Yt

là ước lượng giá trị trung bình hiện tại của Y ở thời kì t

¿

Y n+h


là giá trị dự báo của Y sau h giai đoạn trong tương lai

Ta có
¿

¿

Y t =αY t +(1−α )(Y t−1 +T t−1 )
¿

¿

T t =β (Y t −Y t−1)+(1−β )T t−1
¿

¿

Y n+h =Y n +hT n
Với α , β là hằng số san sao cho RMSE nhỏ nhất.
b. Áp dụng
Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential
Smoothing.
8

LUAN VAN CHAT LUONG download : add


Trên cửa sổ Exponential Smoothing trong phần Smoothing method, chọn HoltWinters-No seasonal.
Chuỗi san Holt là chuỗi revh


Ta thu được kết quả dự báo sau:
Date: 09/26/18 Time: 21:23
Sample: 2006Q1 2018Q2
Included observations: 50
Method: Holt-Winters No Seasonal
Original Series: REV
Forecast Series: REVH
Parameters:

Alpha
Beta
Sum of Squared Residuals
Root Mean Squared Error

0.2100
1.0000
1.51E+13
550318.9

End of Period Levels:

13006364
-48916.19

Mean
Trend

 Hằng số san : α = 0,2100; β = 1,0000
 Chỉ số căn bậc hai của sai số bình phương trung bình RMSE = 550318,9.

Trên cửa sổ Command dùng lệnh line rev revh có biểu đồ sau

9

LUAN VAN CHAT LUONG download : add


14,000,000
12,000,000
10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0
06

07

08

09

10

11

12
rev


13

14

15

16

17

18

19

20

REVH

2.1.3 Dự báo bằng phương pháp san mũ Winters
a. Tổng quan về phương pháp
Phương pháp san mũ Winters dùng để dự báo các chuỗi có chứa cả yếu tố xu thế và
yếu tố mùa vụ.
Ký hiệu:

Tt

là ước lượng của phần xu thế ở thời kỳ t

¿


Yt

là ước lượng giá trị trung bình hiện tại của Y ở thời kì t

¿

Y n+h

St

là giá trị dự báo của Y sau h giai đoạn trong tương lai
là yếu tố thời vụ tại thời điểm t (Chỉ số mùa vụ qua các năm là không

đổi)
k

là số thời vụ trong một năm

S t−k .

yếu tố thời vụ tại thời điểm t của thời kỳ trước

Đầu tiên chúng ta phải xác định dạng mơ hình của chuỗi:
Mơ hình nhân: Y t =T . S.C . I
Mơ hình cộng: Y t =T +S +C+ I
Từ đó, ta có giá trị ước lượng trung bình hiện tại là:

10

LUAN VAN CHAT LUONG download : add



¿

Mơ hình nhân:

Y t =α

Yt
St−k

¿

+(1−α )(Y t−1 +T t−1 )

¿

¿

Mơ hình cộng: Y t =α (Y t −St−k )+(1−α )(Y t−1 +T t−1 )
Ước lượng giá trị xu thế T là:
¿

¿

T t =β(Y t −Y t−1 )+(1−β)T t−1
Ước lượng giá trị chỉ số mùa vụ là:
S t =γ

Mơ hình nhân:


Yt

+( 1−γ )S t −k

¿

Yt

¿

Mơ hình cộng: S t =γ(Y t −Y t−1 )+(1−γ )S t−k
Như vậy, ta có dự báo h giai đoạn trong tương lai là
¿

¿

¿

¿

Mơ hình nhân: Y n+h =(Y n +hT n )Si
Mơ hình cộng: Y n+h =(Y n +hT n )Si
(với S i là chỉ số mùa vụ của năm cần dự báo)
b. Áp dụng

Từ đồ thị của chuỗi rev, ta thấy chuỗi có xu hướng tăng dần dốc lên theo thời gian.
Vậy ta sử dụng mơ hình nhân.
Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential
Smoothing.

11

LUAN VAN CHAT LUONG download : add


Trên cửa sổ Exponential Smoothing trong phần Smoothing method, chọn HoltWinters – Muliplicative.
Chuỗi san Winters là chuỗi revw

Ta thu được kết quả dự báo:
Date: 09/19/18 Time: 21:38
Sample: 2006Q1 2018Q2
Included observations: 50
Method: Holt-Winters Multiplicative Seasonal
Original Series: REV
Forecast Series: REVW
Parameters:

Alpha
Beta
Gamma
Sum of Squared Residuals
Root Mean Squared Error

0.3700
0.8101
0.0300
4.65E+12
305032.7

End of Period Levels:


12948329
-8995.349
1.026821
0.977690
0.940517
1.054971

Mean
Trend
Seasonals: 2017Q3
2017Q4
2018Q1
2018Q2

 Hằng số san: α = 0,3700; β = 0,8100; γ = 0,0300
 Chỉ số căn bậc hai của sai số bình phương trung bình RMSE = 305032,7.
 Chỉ số mùa vụ qua các năm không đổi và bằng:
0,940517

S1
12

LUAN VAN CHAT LUONG download : add


S2

1,054971


S3

1,026821

S4

0,977690

Trên cửa sổ Command dùng lệnh line rev revw có biểu đồ sau:
14,000,000
12,000,000
10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0
06

07

08

09

10

11

12


13

14

rev

2.2

15

16

17

18

19

20

REVW

Dự báo bằng phương pháp phân tích

a. Quy trình: gồm 4 bước:
Bước 1: Nhận dạng dữ liệu
Xác định chuỗi thuộc mơ hình nhân hay mơ hình cộng.
Tính CMA4 (nếu số liệu theo quý) hoặc CMA12 (nếu số liệu theo tháng)
Bước 2: Tách yếu tố mùa vụ

Tách yếu tố mùa vụ ra khỏi chuỗi thu được chuỗi mới là Y SA
Yt

Đối với mơ hình nhân:

tính các tỉ số

Đối với mơ hình cộng:

tính các hiệu Yt - YMA
t

MA

Yt

Phương pháp MA có thể tách ảnh hưởng của cả 2 yếu tố chu kỳ (C) và (I) để chuỗi
chỉ còn phụ thuộc yếu tố xu thế (T) để dễ dàng ước lượng.
13

LUAN VAN CHAT LUONG download : add


Bước 3: Ước lượng chuỗi Y SA bằng hàm xu thế và dự báo chuỗi hiệu chỉnh.
Tính giá trị trung bình chênh lệch:
Đối với mơ hình nhân: tính Q i =

Y( j) i
1
x ∑ MA

m-1
Y( j) i

Đối với mơ hình cộng: tính Q i=¿

1
x (Y - YMA
t )
m-1 ∑ t

Tính chỉ số mùa vụ:
Đối với mơ hình nhân: SR i =

Qi
( Q 1 + Q2 + Q3 +Q 4 )/4

Đối với mơ hình cộng: SD i = Q i - ( Q1 + Q2 + Q3 + Q 4 )/4
Bước 4: Dự báo chuỗi gốc
Nhân hoặc cộng chuỗi hiệu chỉnh với chỉ số mùa vụ để dự báo chuỗi gốc
SAR
Đối với mơ hình nhân: Y ( j) i =

Y ( j) i
SR i

SAD
Đối với mơ hình cộng: Y ( j) i = Y ( j ) i - SD i

b. Áp dụng
Bước 1: Xác định dạng chuỗi

Ta đã xác định được chuỗi thuộc dạng mơ hình nhân (như đã kết luận ở phần III)
b, Bước 2: Tách yếu tố mùa vụ
Trên cửa sổ Series: REV, vào Seasonal Adjustment/ Moving Average Methods

14

LUAN VAN CHAT LUONG download : add


Trên cửa sổ Seasonal Adjustment trong phần Adjustment methods chọn Ratio to
moving average-Multiplicative
Chuỗi đã tách yếu tố mùa vụ là revsa, chỉ số mùa vụ là sr.

Ta có kết quả chỉ số mùa vụ như sau:
Date: 09/26/18 Time: 22:31
Sample: 2006Q1 2020Q4
Included observations: 50
Ratio to Moving Average
Original Series: REV
Adjusted Series: REVSA
Scaling Factors:
1
2
3
4

0.915859
1.053087
1.037259
0.999585


Kết quả thu được ở phần Scaling Factors là chỉ số mùa vụ sr qua từng quý.
Bước 3: Ước lượng chuỗi revsa theo hàm xu thế
Ước lượng revsa theo biến T
Trên cửa sổ Command
Gõ lệnh genr t=@trend(2006Q1) để tạo biến xu thế t
Gõ lệnh LS revsa c t để ước lượng revsa theo biến t
15

LUAN VAN CHAT LUONG download : add


Dependent Variable: REVSA
Method: Least Squares
Date: 09/26/18 Time: 22:33
Sample (adjusted): 2006Q1 2018Q2
Included observations: 50 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
T


-144357.5
272360.0

179250.0
6304.043

-0.805342
43.20403

0.4246
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.974929
0.974407
643275.0
1.99E+13
-738.6428
1866.588
0.000000

Mean dependent var
S.D. dependent var

Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

6528463.
4021020.
29.62571
29.70219
29.65483
0.330894

ev = -144357,5 + 272360,0 t
Ta có mơ hình hồi quy: r^

Kiểm định giả thuyết thống kê về hệ số hồi quy
H0 : β j = 0

{

Cặp giả thuyết: H : β ≠ 0
1
j
Với mức ý nghĩa α cho trước, nếu P-value < α thì bác bỏ H0
Theo kết quả ước lượng, với α = ta thấy:
Hệ số chặn của t có P-value ( Prob. ) = 0 ,0000 < α = 0,05
 Bác bỏ H0, chấp nhận H1
 Hệ số hồi quy của T có ý nghĩa thống kê
 Mơ hình có ý nghĩa thống kê tại mức ý nghĩa α = 0,05
(vì mơ hình chỉ có biến độc lập duy nhất T)

Kiểm định bỏ sót biến
H0 : Mơ hình khơng bỏ sót biến

{

Cặp giả thuyết: H : Mơ hình thiếu biến
1

Trên cửa sổ ước lượng vào Stability Diagnostics/ Ramsey RESET Test

16

LUAN VAN CHAT LUONG download : add


Ta có kết quả
Ramsey RESET Test
Equation: UNTITLED
Specification: REVSA C T
Omitted Variables: Squares of fitted values

t-statistic
F-statistic
Likelihood ratio

Value
6.390303
40.83598
31.26618


df
47
(1, 47)
1

Probability
0.0000
0.0000
0.0000

Theo kết quả kiểm định ta thấy P-value (Probability) = 0,0000 < α = 0,05
 Bác bỏ H0, thừa nhận H1.
 OLS bị vi phạm, mơ hình bị bỏ sót biến.
Ước lượng lại revsa theo t, t2, t3
Trên cửa số Command gõ lệnh LS revsa c t t^2 t^3

17

LUAN VAN CHAT LUONG download : add


Dependent Variable: REVSA
Method: Least Squares
Date: 09/26/18 Time: 22:58
Sample (adjusted): 2006Q1 2018Q2
Included observations: 50 after adjustments
Variable

Coefficient


Std. Error

t-Statistic

Prob.

C
T
T^2
T^3

1583024.
-52955.46
13244.91
-148.7933

164182.0
29312.69
1398.158
18.74674

9.641880
-1.806571
9.473113
-7.937025

0.0000
0.0774
0.0000
0.0000


R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.994338
0.993969
312265.5
4.49E+12
-701.4428
2692.983
0.000000

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

6528463.
4021020.
28.21771
28.37068
28.27596
1.350956


2
3
Mơ hình: r^
ev = 1583024 - 52955.46 + 1324491 t - 148.7933 t

Kiểm định giả thuyết thống kê về hệ số hồi quy
H0 : β j = 0

{

Cặp giả thuyết: H : β ≠ 0
1
j
Với mức ý nghĩa α cho trước, nếu P-value < α thì bác bỏ H0.
Theo kết quả ước lượng, với α = 0,05 ta thấy:
Biến

p-value

Ho

Kết luận

t

0.0774 > 0,05

Khơng bác bỏ


Khơng có ý nghĩa thống kê

t2

0.000 < 0,05

Bác bỏ

Có ý nghĩa thống kê

t3

0.00 < 0,05

Bác bỏ

Có ý nghĩa thống kê

Hệ số hồi quy của biến t không có ý nghĩa thống kê nhưng khơng có cơ sở để loại
biến t khỏi mơ hình.
Mơ hình có ý nghĩa thống kê tại mức ý nghĩa α = 0,05 vì có hai hệ số hồi quy của
biến độc lập khác 0.
Kiểm định bỏ sót biến
H0 : Mơ hình khơng bỏ sót biến

{

Giả thuyết thống kê: H : Mơ hình thiếu biến
1
18


LUAN VAN CHAT LUONG download : add


Trên cửa sổ ước lượng vào Stability Diagnostics/ Ramsey RESET Test
Ramsey RESET Test
Equation: UNTITLED
Specification: REVSA C T T^2 T^3
Omitted Variables: Squares of fitted values
Value
0.566738
0.321192
0.355612

t-statistic
F-statistic
Likelihood ratio

df
45
(1, 45)
1

Probability
0.5737
0.5737
0.5510

Theo kết quả kiểm định ta thấy P-value ( Probability ) = 0,5737 > α = 0,05
 Khơng có cơ sở bác bỏ H0.

 OLS khơng bị vi phạm, mơ hình khơng bị bỏ sót biến.
Kiểm định phân phối chuẩn của nhiễu.
H 0 : Nhiễu phân phối chuẩn

{

Cặp giả thuyết: H : Nhiễu không phân phối chuẩn
1
Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Histogram Normality Test
12

Series: Residuals
Sample 2006Q1 2018Q2
Observations 50

10
8
6
4

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

3.13e-09
11062.21

936041.9
-827674.2
302555.4
0.238853
4.111550

Jarque-Bera
Probability

3.049472
0.217679

2
0
-800000

-400000

0

400000

800000

Theo kết quả kiểm định ta thấy
P-value (Probability) = 0,217679 > α = 0,05

 Khơng có cơ sở bác bỏ H0  Nhiễu phân phối chuẩn.
Kiểm định phương sai sai số thay đổi


19

LUAN VAN CHAT LUONG download : add


H 0 : Phương sai sai số không đổi

{

Cặp giả thuyết: H : Phương sai sai số thay đổi
1

Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Heteroskedasticity Test

Trên cửa sổ Heteroskedasticity Test chọn White

20

LUAN VAN CHAT LUONG download : add


Ta có kết quả:
Heteroskedasticity Test: White
Null hypothesis: Homoskedasticity
F-statistic
Obs*R-squared
Scaled explained SS

0.838119
5.235114

6.893640

Prob. F(6,43)
Prob. Chi-Square(6)
Prob. Chi-Square(6)

0.5475
0.5140
0.3308

Theo kết quả kiểm định ta thấy:
P-value (Prob.F(6,43)) = 0 ,5475 > α = 0,05

 Khơng có cơ sở bác bỏ H0.
 Mơ hình khơng có phương sai sai số thay đổi tại mức ý nghĩa α = 0,05.
Kiểm định tự tương quan
Cặp giả thuyết:

H0 : Mơ hình khơng có tự tương quan
H1 : Mơ hình có tự tương quan

{

Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Serial Correlation LM test

Ta có kết quả sau

21

LUAN VAN CHAT LUONG download : add



Breusch-Godfrey Serial Correlation LM Test:
Null hypothesis: No serial correlation at up to 2 lags
F-statistic
Obs*R-squared

4.292170
8.162449

Prob. F(2,44)
Prob. Chi-Square(2)

0.0198
0.0169

Theo kết quả kiểm định ta thấy
P-value ( Prob.F ( 2,24 ) ) = 0,0198 < α = 0,05

 Bác bỏ H0, chấp nhận H1
 Mơ hình mắc khuyết tật tự tương quan tại mức ý nghĩa α = 0,05 .
Trên cửa sổ ước lượng chọn Estimate

Trên cửa sổ Estimate Equation trong phần Methods chọn ROBUSTLS - Robust least
squared

Lúc này, ta đã dùng hồi quy Robust để kiểm soát khuyết tật phương sai sai số thay
đổi.
22


LUAN VAN CHAT LUONG download : add


Dependent Variable: REVSA
Method: Robust Least Squares
Date: 09/27/18 Time: 00:21
Sample (adjusted): 2006Q1 2018Q2
Included observations: 50 after adjustments
Method: M-estimation
M settings: weight=Bisquare, tuning=4.685, scale=MAD (median centered)
Huber Type I Standard Errors & Covariance
Variable

Coefficient

Std. Error

z-Statistic

Prob.

C
T
T^2
T^3

1580711.
-54787.58
13419.90
-152.1858


158549.3
28307.03
1350.190
18.10357

9.969839
-1.935476
9.939269
-8.406395

0.0000
0.0529
0.0000
0.0000

Bước 4: Dự báo chuỗi gốc

Trên cửa sổ ước lượng, ta chọn Forecast.

Trên cửa sổ Forecast
trong phần Forecast Sample chọn mẫu từ 2006Q1 2018Q2
trong phần Output/ Graph chọn Forecast & Actuals

Ta có kết quả sau:
23

LUAN VAN CHAT LUONG download : add



14,000,000
14,000,000

Forecast: REVSAF
Forecast: REVSAF
Actual: REVSA
Actual: REVSA
Forecast sample: 2006Q1 2018Q2
Forecast sample: 2006Q1 2018Q2
10,000,000
10,000,000
Included observations: 50
Included observations: 50
Root Mean Squared Error 300176.3
8,000,000
Root Mean Squared Error 300176.3
8,000,000
Mean
Abs olute Error
235812.9
Mean Absolute Error
235812.9
6,000,000
Mean
Abs
.
Percent
Error
6,000,000
Mean Abs. Percent Error 4.877383

4.877383
Theil
Inequality
Coef.
Theil
Inequality
Coef.0.019651
0.019651
4,000,000
4,000,000
Bias
Proportion
0.000630
Bias
Proportion
0.000630
Variance
Proportion
0.004967
Variance
Proportion
0.004967
2,000,000
2,000,000
Covariance
Proportion
Covariance
Proportion 0.994403
0.994403
Theil

U2U2
Coefficient
0.769027
0 0
Theil
Coefficient
0.769027
06 06 07 07 08 08 09 09 10 10 11 11 12 12 13 13 14 14 15 15 16 16 17 1718 18 Sym metric MAPE
4.884195
Sym metric MAPE
4.884195
12,000,000
12,000,000

REVSAF
REVSAF

Actuals
Actuals

± 2 ±S.E.
2 S.E.

Nhìn vào kết quả dự báo trong mẫu ta thấy:
Mean Abs. Percent Error = 4.877383 < 5
Tức là sai số dự báo < 5%,  Có thể sử dụng mơ hình này để dự báo ngồi mẫu.
Mở lại cửa sổ Forecast
Trong phần Forecast sample chọn mẫu 2018Q3 2020Q4.
Ta thu được chuỗi dự báo revsaf.
Ta lấy chuỗi revsaf nhân với chỉ số mùa vụ sr sẽ được chuỗi dự báo revf.

Trên cửa sổ Command gõ lệnh genr revf=revsaf*sr
Trên cửa sổ Command gõ lệnh line revf rev thu được kết quả:

24

LUAN VAN CHAT LUONG download : add


16,000,000
14,000,000
12,000,000
10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0
06

07

08

09

10

11

12


13

rev

2.3

14

15

16

17

18

19

20

REVF

Dự báo bằng mơ hình ARIMA

a. Tổng quan về mơ hình
Mơ hình ARIMA bậc p, d, q là mơ hình với:
AR(p) là mơ hình tự tương quan bậc p
Y(d) là chuỗi dừng khi lấy sai phân bậc d
MA(q) là mô hình trung bình trượt bậc q

có phương trình là:
Y ( d ) = c + Φ1 Y(d) t-1 + … + Φ p Y ( d ) t-p + θ 1 u t-1 + … + θq u t-q + ut

b. Các bước tiến hành
Bước 1: Kiểm tra tính dừng của chuỗi cần dự báo
 Đối với chuỗi thường: kiểm tra tính dừng của chuỗi gốc và tiến hành dự báo
ARIMA với chuỗi gốc.
 Đối với chuỗi có tính mùa vụ: tách yếu tố mùa vụ khỏi chuỗi gốc, sau đó kiểm tra
tính dừng của chuỗi tách và tiến hành dự báo ARIMA với chuỗi tách.
 Đối với chuỗi có tính xu thế: kiểm tra tính dừng của chuỗi gốc Yt=β^ 1 + β^ 2 t + e t (với
e t là phần dư), sau đó kiểm tra tính dừng của chuỗi e t và tiến hành dự báo ARIMA với

chuỗi e t .
Bước 2: Xác định độ trễ p, q.
25

LUAN VAN CHAT LUONG download : add