abc

1. HƯỚNG DẪN THỰC HÀNH
EVIEW TRONG DỰ BÁO
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
Nhóm thuyết trình:

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

3. 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

5. San bằng mũ
đơn giản
Holt-winters
2 tham số
không mùa
vụ
Holt-winters
mô hình cộng
3 tham số
Holt-winters
mô hình nhân
3 tham sốLưu 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

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

7. Giá trị:
alpha=0.7
beta=0.6
Theo quý: 4
Theo tháng: 12
hình
E nhỏ

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

9. 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

10. Mô hình ARIMA-Phương pháp Box-
Jenkins
• 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

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

12. B1 Xét
tính mùa
vụ của
dữ liệu

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

14. 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

15. Chạy Correlogram để kiểm tra hết tính mùa vụ chưa

16. B2:
Kiểm
định tính
dừng
theo pp
Dickey-
Fuller

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

18. |T| tính ra
> giá trị kiểm định thì d

19. B3: Xét
mô hình
ARIMA

20. dựa vào bước trên

21. -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
hìn
R (1)
AR (1)

22. B4 Chạy mô hình ARIMA (1,0,3)
Y c ar(1) ma(1) ma(2) ma(3)
Nhìn số ar, ma theo correng có mùa vụ
vụ: ARIMA
1)(1,2,2)4
D(Y,2) c ar(1) ma(1) ma(2) ma(3)
D(Z,2) C AR(1) AR(2) MA(1) SAR(4) SMA(4)
R X = D(Y,0,4)
R Z = D(X,0,4)
tạo mùa vụ ở trên

23. Giá t
P-va
Thì l
Và ch

24. B5 Xác định nhiễu trắng kiểm tra phần dư

25. 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

26. Ta có bảng xác định các tiêu chuẩn đánh giá
sau khi đã thử với một vài mô hình khác nhau :
Mô hình
R-squared
Log
likelihood
Akaike info
criterion
Schwarz
criterion
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

27. Thêm thời điểm cần dự báo
/ Structure – Resize current…

28. Sai số dự báo
Thời điểm
cần dự báo

29. Biểu đồ dự báo

31. Kết quả dự báo