biz forecasting lecture5

Dự báo trong kinh doanh(Business Forecasting)

Khoa Kinh tế Phát triển

1A Hoàng Diệu, Phú Nhuận

Website: www.fde.ueh.edu.vn

Phùng Thanh Bình

1. Mô hình hồi quy bội2. Chọn biến độc lập3. Phân tích kết quả hồi quy4. Đánh giá mô hình hồi quy5. Biến giả6. Lựa chọn phương trình hồi quy7. Dự báo điểm & Dự báo khoảng

HỒI QUY BỘI

Phùng Thanh Bình

Nguyễn Trọng Hoài (2001): Mô hình hóa và Dự báo chuỗi thời gian trong kinh doanh & kinh tế, Chương 9.

J.Holton Wilson & Barry Keating, (2007), Business Forecasting With Accompanying Excel-Based ForecastXTM Software, 5th Edition, Chapter 5.

John E.Hanke & Dean W.Wichern, (2005), Business Forecasting, 8th Edition, Chapter 7 & 8.

TÀI LIỆU THAM KHẢO

Phùng Thanh Bình

MÔ HÌNH HỒI QUY BỘI

Y = f(X1, X2, X3, …, Xn)

= b0 + b1X1 + b2X2 + . . . bkXk + ε

Trong đó: o b0 = hệ số cắt

o bi = là các hệ số dốc tương ứng

ο ε = sai số tổng thể

Phùng Thanh Bình


Phùng Thanh Bình


Y = b0 + b1X1 + b2X2 + . . . bkXk + ε

Y = b0 + b1X1 + b2X2 + . . . bkXk + e

Trong đó:

o b0 = hệ số cắt

o bi = là các hệ số dốc tương ứng

o e = sai số mẫu

Phùng Thanh Bình

CHỌN BIẾN ĐỘC LẬP

Phùng Thanh Bình

PHÂN TÍCH KẾT QUẢ HỒI QUY

)Y - (Y Y Y∧∧

+=

kk22110 Xb ... Xb Xb b Y ++++=∧

)Y - (Y )Y - Y( )Y - (Y 22 ∑∑∑∧∧∧

+=

SST = SSR + SSE

df: n-1 = k + n – k - 1

Phùng Thanh Bình


Sai số chuẩn của ước lượng:

Ví dụ 7.4, Hanke, 275

MSE 1-k-n

SSE

1-k-n

)Y-(Y s

2

sy.x' === ∑∧

Phùng Thanh Bình


Ý nghĩa của hồi quy

Phùng Thanh Bình

Phùng Thanh Bình

Hệ số xác định:


∑∑ −

===

∧

2

22

)Y - Y(

)YY(

SST

SSR

Variation Total

Variation Explained R

∑∑

∧−

===2

2

)Y - Y(

)YY( - 1

SST

SSE - 1

Variation Total

Variation dUnexplaine - 1

Phùng Thanh Bình

Đối với hồi quy bội:


Phùng Thanh Bình

Kiểm định các hệ số hồi quy

H0: βj = 0

H0: βj ≠ 0


jb

j

s

0 - b t =

Phùng Thanh Bình

Phân tích phần dư

o Kiểm tra phần dư trước hết dựa vào đồ thị:

• Vẽ đồ thị histogram

• Vẽ phần dư theo Y^

• Vẽ phần dư theo X

• Vẽ phần dư theo thời gian


Phùng Thanh Bình

Phân tích phần dư

o Kiểm định hiện tượng phương sai không

đồng nhất

o Kiểm định hiện tượng tương quan chuỗi

o Khi nào cần đến AIC?


Phùng Thanh Bình

Tương quan chuỗi

o Tự tương quan âm

o Tự tương quan dương (xem Figure 8.1)

o Không làm chệch các hệ số ước lượng, nhưng

làm cho ước lượng của sai số chuẩn nhỏ hơn

sai số chuẩn thật sự => t-stat, F-stat lớn


Phùng Thanh Bình



Phùng Thanh Bình


o Xử lý hiện tượng tương quan chuỗi tùy thuộc vào

nguyên nhân gây ra hiện tượng tương quan chuỗi: Sai

dạng mô hình (thiếu biến) hay các sai số độc lập có liên

quan với nhau cho dù mô hình được chọn là phù hợp

• Đưa thêm biến bỏ sót vào mô hình (ví dụ 8.3)

• Hồi quy sai phân (ví dụ 8.5)

• Mô hình tự hồi quy (ví dụ 8.6)


Phùng Thanh Bình

ĐÁNH GIÁ MÔ HÌNH HỒI QUY

Thứ nhất, kiểm tra xem ‘dấu’ của hệ số dốc có ý

nghĩa hay không

Thứ hai, kiểm tra xem hệ số dốc có ý nghĩa thống

kê hay không (dùng t-stat)

Thứ ba là đánh giá hệ số xác định

Thứ tư, kiểm tra phần dư (dùng DW)

Phùng Thanh Bình

BIẾN GIẢ

Biến giả được sử dụng để xác định mối quan hệ giữa các biến độc lập định tính và một biến phụ thuộc

Ví dụ 7.6, Hanke, 283 (Table 7-9)

Y^ = β0 + β1X1 + β2X2

X1: test score

X2 = 0 đối với nữ

= 1 đối với nam

Phùng Thanh Bình

x

y

{β2

} β0

y = (β0 + β2) + β1x

y = β0 + β1x

slope = β1

X2 = 0

X2 = 1

Phùng Thanh Bình

Phùng Thanh Bình

BIẾN GIẢ

Khi chuỗi thời gian có yếu tố mùa vụ, có thể sử dụng hồi quy với biến giả như sau:

Yt = b0 + b1t + b2S2 + b3S3 + b4S4 + e

Quý 1: S2 = S3 = S4 = 0Quý 2: S1 = S3 = S4 = 0

Quý 3: S1 = S2 = S4 = 0Quý 4: S1 = S2 = S3 = 0

Ví dụ 8.8 (Table 8.9, Hanke, 350)

Phùng Thanh Bình

LỰA CHỌN PHƯƠNG TRÌNH HỒI QUY

Bước 1: Lựa chọn một tập hợp đầy đủ các biến giải thích (cân nhắc giữa mức độ chính xác & chi phí)

Bước 2: Loại bỏ các biến không thích hợp

o Biến không quan trọng

o Tạo ra sai số lớn

o Có quan hệ với các biến khác (đa cộng tuyến)

o Khó đo lường một cách chính xác

Bước 3: Rút lại danh sách các biến tốt nhất cho mô hình

Phùng Thanh Bình


Hồi quy từng bước (stepwise)

o Xem xét tất cả các hồi quy giản đơn, biến nào giải thích nhiều nhất cho thay đổi củ Y sẽ là biến đầu tiên đưa vào mô hình

o Biến thứ 2 được đưa vào mô hình là biến đóng góp lớn nhất vào SSR (xác định bằng F test)

o Đưa theo biến tiếp theo và xem xét biến này có ý nghĩa hay không bằng cách sử dụng F test

Phùng Thanh Bình


F test

o Mô hình không giới hạn: SSEUR

o Mô hình giới hạn: SSER

k)-(nSSE

m)SSE (SSE

FUR

URR −

=

k)-(nR-1m

)R (R

F 2UR

2R

2UR −

=

Phùng Thanh Bình

DỰ BÁO ĐIỂM & DỰ BÁO KHOẢNG

Dự báo khoảng có tính đến 2 nguồn không chắc chắn này

Sai số chuẩn của dự báo, sf, đo mức độ thay đổi

của Y^ so với Y tại X cho trước:

Y^ ± tsf

biz forecasting lecture5

Education