8/9/2017
Chương 2: Ước lượng và dự đoán cầu
KINH TẾ HỌC QUẢN LÝ (Managerial Economics)
2.1. Ước lượng cầu 2.2. Dự đoán cầu 2.3. Case study (Nghiên cứu tình huống)
Bộ môn Kinh tế vi mô TRƯỜNG ĐẠI HỌC THƯƠNG MẠI
2
2.1.1. Xác định hàm cầu thực nghiệm
2.1. Ước lượng cầu
Hàm cầu tổng quát
Xác định hàm cầu thực nghiệm Ước lượng cầu của ngành cho hãng chấp nhận giá Ước lượng cầu cho hãng định giá
Q = f (P, M, PR, T, Pe, N) Bỏ qua biến T và Pe do khó khăn trong việc định lượng thị hiếu và việc xác định kỳ vọng về giá cả
Như vậy hàm cầu có dạng:
Q = f(P, M, PR, N) Chú ý về việc thu thập số liệu để ước lượng cầu
3 4
2.1.1. Xác định hàm cầu thực nghiệm
2.1.1. Xác định hàm cầu thực nghiệm
Xác định hàm cầu thực nghiệm tuyến tính
Hàm cầu có dạng
Độ co dãn của cầu theo giá (E)
Q = a + bP + cM + dPR + eN
Phản ánh phần trăm thay đổi trong lượng cầu của một
mặt hàng khi giá của mặt hàng đó thay đổi 1%
e = Q/N
Công thức tính:
E
Ta có b = Q/P c = Q/M d = Q/PR Dấu dự tính của các hệ số
% %
Q P
Giá trị tuyệt đối của E càng lớn thì người mua càng
phản ứng nhiều trước sự thay đổi của giá cả (theo luật cầu )
1
5 6
8/9/2017
2.1.1. Xác định hàm cầu thực nghiệm
2.1.1. Xác định hàm cầu thực nghiệm
Độ co dãn và tổng doanh thu
Khi cầu co dãn, việc tăng giá sẽ làm giảm doanh
Các giá trị độ co dãn của cầu theo giá:
thu và giảm giá sẽ làm tăng doanh thu
Khi cầu kém co dãn, việc tăng giá sẽ làm tăng
│E│ > 1 │ %∆Q│> │%∆P│: cầu co dãn │E│ < 1 │ %∆Q│< │%∆P│: cầu kém co dãn │E│ = 1 │ %∆Q│= │%∆P│: cầu co dãn đơn vị
doanh thu và giảm giá sẽ làm giảm doanh thu
Khi cầu co dãn đơn vị, tổng doanh thu đạt giá trị
lớn nhất
7 8
2.1.1. Xác định hàm cầu thực nghiệm
2.1.1. Xác định hàm cầu thực nghiệm
Xác định hàm cầu thực nghiệm phi tuyến
Dạng thông dụng nhất là mũ
b
e
Các yếu tố tác động đến độ co giãn của cầu theo giá Sự sẵn có của hàng hóa thay thế Phần trăm ngân sách người tiêu dùng chi tiêu cho
Q
c NPMaP
d R
Để ước lựơng hàm cầu dạng này phải chuyển về loga
hàng hóa đó
tự nhiên
Giai đoạn điều chỉnh
lnQ = lna + b lnP + c lnM + d lnPR + e lnN
ˆE ˆE
ˆ ˆ d d
Với dạng hàm cầu này, độ co dãn là cố định ˆ ˆ E E
ˆ ˆ c c
ˆ ˆ ˆE b ˆE b
XR XR
M M
9 10
2.1.1. Xác định hàm cầu thực nghiệm
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
Xác định hàm cầu thực nghiệm tuyến tính
Giá do thị trường quyết định và giá do nhà quản lý quyết định
Q = a + bP + cM + dPR + eN
Các giá trị độ co dãn của cầu được ước lượng là
Đối với hãng “chấp nhận giá”
Giá cả được xác định bằng sự tương tác đồng thời giữa
ˆE b ˆE b
Pˆ Pˆ Q Q
giữa cung và cầu
Giá cả là biến nội sinh của hệ phương trình cung cầu
ˆ ˆ E E
ˆ ˆ c c
M M
Đối với hãng định giá
M M Q Q
Giá cả do người quản lý quyết định Giá cả là biến ngoại sinh
ˆE ˆE
XR XR
Pˆ Pˆ R R d d Q Q
2
11 12
8/9/2017
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
Vấn đề đồng thời
Ví dụ về hàm cung và cầu của một loại hàng hóa
Dữ liệu quan sát được về giá và lượng được xác định một cách đồng thời tại điểm mà đường cung và đường cầu giao nhau.
Cầu: Cung:
Q = a + bP + cM + εd Q = h + kP + lPI + εs
Vấn đề ước lượng cầu của một ngành phát sinh do sự thay đổi trong các giá trị quan sát được của giá và lượng thị trường được xác định một cách đồng thời từ sự thay đổi trong cả cầu và cung.
Do các giá trị quan sát được của giá và lượng (giá và lượng cân bằng) được xác định một cách đồng thời bởi cung và cầu nên PE = f(M, PI, εd, εs) và QE = g(M, PI, εd, εs)
13 14
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
Vấn đề đồng thời
Vấn đề đồng thời
PE = f(M, PI, εd, εs) và QE = g(M, PI, εd, εs)
Như vậy:
Mỗi giá trị quan sát được của P và Q được xác định bởi
tất cả các biến ngoại sinh và các sai số ngẫu nhiên trong cả phương trình cầu và phương trình cung Các giá trị quan sát được của giá tương quan với các
sai số ngẫu nhiên trong cả cầu và cung
15 16
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
Phương pháp bình phương nhỏ nhất hai bước
Các bước ước lượng cầu của ngành
Bước 1: Tạo một biến đại diện cho biến nội sinh, biến
Bước 1: Xác định phương trình cung và cầu của
này tương quan với biến nội sinh nhưng không tương
quan với SSNN
ngành Ví dụ có thể xác định phương trình cung và cầu như
sau:
Bước 2: Thay thế biến nội sinh bằng biến đại diện và
áp dụng phương pháp OLS để ước lượng các tham số
Cầu: Q = a + bP + cM + dPR Cung: Q = h + kP + lPI
của hàm hồi quy
3
17 18
8/9/2017
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
Các bước ước lượng cầu của ngành
Các bước ước lượng cầu của ngành
Bước 2: Kiểm tra về định dạng cầu của ngành
Bước 3: Thu thập dữ liệu của các biến trong cung và cầu
Hàm cầu được định dạng khi hàm cung có ít nhất một biến ngoại sinh không nằm trong phương trình hàm cầu
Bước 4: Ước lượng cầu của ngành bằng phương pháp
2SLS
Phải xác định rõ biến nội sinh và biến ngoại sinh
19 20
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
Ước lượng cầu cho hãng Pizza
Ước lượng cầu cho hãng Pizza
Bước 1: Xác định hàm cầu của hãng
Bước 2: Thu thập dữ liệu về các biến có trong
Q = a + bP + cM + dPAl + ePBMac
hàm cầu của hãng
Trong đó:
Bước 3: Ước lượng cầu của hãng định giá bằng
phương pháp OLS
Q = doanh số bán pizza tại Checkers Pizza P = giá một chiếc bánh pizza tại Checkers Pizza M = thu nhập trung bình trong năm của hộ gia đình ở
Westbury
PAl = giá một chiếc bánh pizza tại Al’s Pizza Oven PBMac = giá một chiếc Big Mac tại McDonald’s
21 22
2.1.3. Ước lượng cầu đối với hãng định giá
2.1.2. Ước lượng cầu của ngành đối với hãng chấp nhận giá
Ước lượng cầu cho hãng Pizza
Đối với hãng định giá, vấn đề đồng thời không tồn
tại và đường cầu của hãng có thể được ước lượng
bằng phương pháp OLS
4
23 24
8/9/2017
2.1.3. Ước lượng cầu đối với hãng định giá
2.2. Dự đoán cầu
Bước 1: Xác định hàm cầu của hãng định giá Bước 2: Thu thập dữ liệu về các biến có trong
hàm cầu của hãng
Dự đoán theo chuỗi thời gian Dự đoán theo mùa vụ - chu kỳ Sử dụng mô hình kinh tế lượng
Bước 3: Ước lượng cầu của hãng định giá bằng
phương pháp OLS
25 26
2.2.1. Dự đoán theo chuỗi thời gian
2.2.1. Dự đoán theo chuỗi thời gian
Dự đoán bằng xu hướng tuyến tính:
Một chuỗi thời gian đơn giản là một chuỗi các quan sát của một biến được sắp xếp theo trật tự thời gian
Là phương pháp dự đoán chuỗi thời gian đơn giản nhất Cho rằng biến cần dự đoán tăng hay giảm một cách
tuyến tính theo thời gian
Mô hình chuỗi thời gian sử dụng chuỗi thời gian trong quá khứ của biến quan trọng để dự đoán các giá trị trong tương lai
tQ a b t .
27 28
2.2.1. Dự đoán theo chuỗi thời gian
2.2.1. Dự đoán theo chuỗi thời gian
Sử dụng phân tích hồi quy để ước lượng các giá
Dự đoán bằng xu hướng tuyến tính
trị của a và b
ˆ ˆ ˆ Q a bt
t
Nếu b > 0 biến cần dự đoán tăng theo thời gian Nếu b < 0 biến cần dự đoán giảm theo thời gian Nếu b = 0 biến cần dự đoán không đổi theo thời gian Ý nghĩa thống kê của xu hướng cũng được xác định bằng cách thực hiện kiểm định t hoặc xem xét p-value.
5
29 30
8/9/2017
2.2.1. Dự đoán theo chuỗi thời gian
2.2.2. Dự đoán theo mùa vụ - chu kỳ
Dự đoán doanh số bán cho hãng Terminator Pest
Control
Dữ liệu theo chuỗi thời gian: thể hiện sự biến động đều đặn có tính mùa vụ hoặc có tính chu kỳ qua thời gian Ước lượng theo xu hướng tuyến tính thông thường sẽ
dẫn đến sự sai lệch trong dự báo
Sử dụng biến giả để tính đến sự biến động này
Khi đó, đường xu hướng có thể bị đẩy lên hoặc hạ
xuống tùy theo sự biến động
Ý nghĩa thống kê của sự biến động mùa vụ cũng được xác định bằng kiểm định t hoặc sử dụng p-value cho tham số ước lượng đối với biến giả
32 31
2.2.2. Dự đoán theo mùa vụ - chu kỳ
2.2.2. Dự đoán theo mùa vụ - chu kỳ
Biến động doanh thu theo mùa vụ
Biến giả
Nếu có N giai đoạn mùa vụ thì sử dụng (N-1) biến giả Mỗi biến giả được tính cho một giai đoạn mùa vụ
Nhận giá trị bằng 1 nếu quan sát rơi vào giai đoạn đó Nhận giá trị bằng 0 nếu quan sát rơi vào giai đoạn khác
Dạng hàm:
Qt = a + bt + c1D1 + c2D2 + … cn-1Dn-1 Hệ số chặn nhận các giá trị khác nhau cho mỗi giai đoạn
2005
2006
2007
2004
33 34
2.2.3. Dự đoán cầu bằng mô hình kinh tế lượng
2.2.2. Dự đoán theo mùa vụ - chu kỳ
Dự đoán giá và doanh số bán của ngành trong tương
Tác động của sự thay đổi mùa vụ
Qt
lai Bước 1: Ước lượng các phương trình cầu và cung của
Qt = a’ + bt
ngành
Qt = a + bt
Bước 2: Định vị cung và cầu của ngành trong giai đoạn dự
đoán
u h t h n a o D
c
Bước 3: Xác định giá của cung và cầu trong tương lai
a’
a
t
Thời gian
6
35 36
8/9/2017
Một số cảnh báo khi dự đoán
2.3.3. Dự đoán cầu bằng mô hình kinh tế lượng
Dự đoán cầu tương lai cho hãng định giá
Càng xa tương lai thì khoảng biến thiên hay miền
không chắc chắn càng lớn
Bước 1: ước lượng hàm cầu của hãng Bước 2: dự đoán giá trị tương lai của biến làm dịch
chuyển cầu
Bước 3: Tính toán vị trí của hàm cầu trong tương lai
Nếu: thiếu biến quan trọng, sử dụng dạng hàm không thích hợp thì mô hình dự đoán được xác định sai và giảm độ tin cậy.
Dự đoán thường thất bại khi xuất hiện những “điểm ngoặt” – sự thay đổi đột ngột của biến được xem xét.
37 38
2.3. Nghiên cứu tình huống thực tế
2.3. Nghiên cứu tình huống thực tế
Ví dụ minh họa về biến giả
Dự báo doanh số bán hàng cho 04 quý năm 2005 Sử dụng 3 biến giả D1, D2 và D3 Phương trình ước lượng
Qt = a + bt + c1D1 + c2D2 + c3D3
39 40
2.3. Nghiên cứu tình huống thực tế
2.3. Nghiên cứu tình huống thực tế
Ví dụ về thị trường kim loại đồng
Hãng chấp nhận giá Ước lượng cầu thế giới đối với kim loại đồng
Ước lượng phương trình cung của ngành
Bước 1: Xác định phương trình cung và cầu của
ngành
Cầu: Qđồng = a + bPđồng + cM + dPnhôm Cung: Qđồng = e + fPđồng + gT + hX Bước 2: Kiểm tra về định dạng cầu của ngành Bước 3: Thu thập dữ liệu của các biến trong cung và
cầu
Bước 4: Ước lượng cầu của ngành bằng phương pháp
2SLS
7
41 42
8/9/2017
2.3. Nghiên cứu tình huống thực tế
Hãng chấp nhận giá Ước lượng cầu thế giới đối với kim loại đồng Dependent Variable: QC Method: Two-Stage Least Squares Date: 09/15/08 Time: 00:32 Sample (adjusted): 2 26
Included observations: 25 after adjustments
Instrument list: C M PA X T
Variable Coefficient -6837.833 C -66.49503 PC 13997.74 M 107.6624 PA
Std. Error 1264.456 31.53377 1306.344 44.50984
t-Statistic -5.407729 -2.108693 10.71520 2.418845
Prob. 0.0000 0.0472 0.0000 0.0247
R-squared 0.942143 Adjusted R-squared 0.933878 S.E. of regression 429.3333 Durbin-Watson stat 1.465392
Mean dependent var S.D. dependent var Sum squared resid Second-stage SSR
5433.632 1669.629 3870869. 1634042.
8
43

