HƯỚNG DẪN THỰC HÀNH EVIEW TRONG DỰ BÁO

HƯỚNG DẪN THỰC HÀNH EVIEW TRONG DỰ BÁO Nhóm thuyết trình: 1.Hoàng Thạch Nguyên_TF01 2.Nguyễn Văn Lương_TF02 3.Lê Thiện Hòa_TF02 4.Nguyễn Duy Thái_TF01 5.Vũ Thư Hoàng_TF01 6.Trần Hồng Loan Thảo_TF02

Các phương pháp san bằng mũ • San bằng mũ đơn giản • Phương pháp tuyến tính Holt • Phương pháp Holt-Winter

Ví dụ: • Dữ liệu về số học sinh của Mỹ đã được tính với mức alpha=0.7 và beta=0.6 Dữ liệu trên file excel: hw.xls

San bằng mũ đơn giản Holt-winters mô hình cộng 3 tham số

Holt-winters 2 tham số không mùa vụ

Lưu ý ?!! Các bạn có thề ko thêm alpha,beta để cho máy tự tính hoặc tính giá trị alpha beta trên excel và đánh vào

Holt-winters mô hình nhân 3 tham số

Dựa vào biểu đồ ta thấy rằng dữ liệu không có tính mùa vụ

hình E nhỏ

Giá trị: alpha=0.7 beta=0.6

Theo quý: 4 Theo tháng: 12

Kết quả của holt-winters 2 tham số không mùa vụ

Kết quả của holt-winters 2 tham số không mùa vụ • • • • •

Dự báo: Genr: YDB = (YMU+T)*S YMU: Mean T: Trend S: Chi so mua vu

• Không có chỉ số mùa vụ thì không nhân

Mô hình ARIMA-Phương pháp BoxJenkins • Ví dụ: các số liệu về chỉ số giá tiêu dùng tính theo quý của Việt Nam từ quý I/1991 đến quý IV/1997. • Sau đó chạy dự báo cho 4 quý vào năm 1998. • Dữ liệu trên file arima.xls

Đưa dữ liệu vào :File/open/Foreign Data as Workfile… (file excel . csv )

B1 Xét tính mùa vụ của dữ liệu

Dựa vào biểu đồ ta thấy rằng dữ liệu không có tính mùa vụ

Nếu có mùa vụ • Genr: DSY = d(y,0,s) • S: chu kỳ mùa vụ (4: quý, 12: tháng)

• Genr: DSY2 = d(DSY,0,s) Tiếp tục cho đến khi hết tính mùa vụ

Chạy Correlogram để kiểm tra hết tính mùa vụ chưa

B2: Kiểm định tính dừng theo pp DickeyFuller

Ở phần test for unit root in -Level: kiểm định bình thường -1st difference : sai phân bậc 1 -2nd difference : sai phân bậc 2

|T| tính ra > giá trị kiểm định thì d

B3: Xét mô hình ARIMA

dựa vào bước trên

hìn

R (1)

AR (1)

-Ta thấy biểu đồ hàm tự tương quan ACF giảm dần một cách từ từ về 0, chuỗi đã dừng. -ACF tắt nhanh về 0 sau 3 độ trễ : q=3 -PAC giảm nhanh về 0 sau 1 độ trễ: p=1

ng có mùa vụ

Nhìn số ar, ma theo corre

Y c ar(1) ma(1) ma(2) ma(3) D(Y,2) c ar(1) ma(1) ma(2) ma(3)

vụ: ARIMA 1)(1,2,2)4

R X = D(Y,0,4) R Z = D(X,0,4) tạo mùa vụ ở trên

D(Z,2) C AR(1) AR(2) MA(1) SAR(4) SMA(4)

B4 Chạy mô hình ARIMA (1,0,3)

Giá t P-va Thì l Và ch

B5 Xác định nhiễu trắng kiểm tra phần dư

Sai số của mô hình ARIMA(1,0,3) là một chuỗi dừng và nó có phânphối chuẩn. Sai số này là nhiễu trắng. Từ lược đồ tự tương quan phần dư có p-value >0.1 và không có thanh nào vượt quá 2 đường biên suy ra mô hình phù hợp

Ta có bảng xác định các tiêu chuẩn đánh giá sau khi đã thử với một vài mô hình khác nhau :

R-squared

Log likelihood

ARIMA(1,0,3) 0.989405

30.62232

-2.046097

-1.902116

ARIMA(1,0,0) 0.985394

26.28905

-1.799189

-1.703201

ARIMA(0,0,3) 0.732152

-15.5026

1.250186

1.345343

Mô hình

Akaike info criterion

Schwarz criterion

/ Structure – Resize current…

Thêm thời điểm cần dự báo

Sai số dự báo

Thời điểm cần dự báo

Biểu đồ dự báo

Kết quả dự báo