Bài giảng Phân tích và xử lý dữ liệu trong kinh doanh Chương 5: Tài liệu Học viện Ngân hàng

Chương V

PHÂN TÍCH DÃY SỐ THỜI GIAN

NHỮNG CHỦ ĐỀ CHÍNH

• Khái niệm chung về dãy số thời gian

• Phân tích dãy số thời gian

– Các chỉ tiêu phân tích dãy số thời gian

– Những nhân tố cấu thành mô hình dãy số thời

gian

• Dự đoán dựa vào dãy số thời gian

1. Khái niệm chung về dãy số thời gian • Là dãy các trị số của chỉ tiêu thống kê được sắp xếp theo thứ tự thời gian

• Ví dụ

• Tác dụng:

– Phân tích sự biến động của hiện tượng qua

thời gian

– Dự đoán các mức độ của hiện tượng trong

tương lai

1. Khái niêm chung về dãy số thời gian • Kết cấu của dãy số thời gian: 2 thành

phần

– Thời gian

– Chỉ tiêu về hiện tượng nghiên cứu

• Các loại dãy số thời gian

– Dãy số thời kỳ: phản ánh hiện tượng trong

từng khoảng thời gian nhất định

– Dãy số thời điểm: phản ánh hiện tượng tại

những thời điểm nhất định

2. Phân tích dãy số thời gian

• Các chỉ tiêu phân tích dãy số thời gian

5 chỉ tiêu

• Phân tích các thành phần của DSTG

4 thành phần

2.1 Các chỉ tiêu phân tích dãy số thời gian

Các chỉ tiêu phân tích dãy số thời gian

2.1 Các chỉ tiêu phân tích dãy số thời gian

d)Tốc độ tăng(giảm)

– Tốc đô tăng giảm liên hoàn

– Tốc độ tăng (giảm) định gốc

– Tốc độ tăng (giảm) bình quân

2.1 Các chỉ tiêu phân tích dãy số thời gian

e) Giá trị tuyệt đối của 1% tăng (giảm)

• Phản ánh 1% của tốc độ tăng (giảm) liên hoàn tương ứng với trị số tuyệt đối là bao nhiêu

y i

• Công thức: ( =

- - -

)

i (%)

y i 1 100

y i y i

a i

y i

� 100 � �

-� y i � �

2.2 Phân tích các thành phần của dãy số thời gian

a) Thành phần xu thế

• Chỉ theo xu hướng tăng hoặc giảm

• Chỉ biểu hiện khi quan sát dãy số trong

nhiều năm

Doanh thu

X u h ư ớ n g t ă n g

Thời gian

a) Thành phần xu thế

• Mở rộng khoảng cách thời gian

– Ghép một số thời gian liền nhau vào thành

khoảng thời gian dài hơn

VD: ghép 3 tháng vào thành một quý gọi là mở rộng khoảng cách từ tháng sang quý

– Vận dụng: Dãy số có quá nhiều mức độ, khoảng cách thời gian tương đối ngắn và chưa có biểu hiện rõ xu hướng phát triển của hiện tượng

– Hạn chế: số lượng các mức độ trong dãy số

mất đi quá nhiều

a. Thành phần xu thế

• Số bình quân trượt

8

6

4

2

0

93

94

95

96

97

98

Thành phần xu thế

• Bình quân trượt

– Dùng làm trơn số liệu

– Là dãy trung bình số học theo thời gian

– Kết quả phụ thuộc vào sự lựa chọn L – chiều

dài thời kỳ ước tính trung bình

Bình quân trượt

Bạn làm việc trong 1 xưởng sản xuất săm lốp, bạn muộn làm mịn xu hướng của năng suất sản xuất

1995 20,000 1996 24,000 1997 22,000 1998 26,000 1999 25,000

Số bình quân trượt ( giải pháp

Year Sales MA(3) in 1,000

199520,000 NA

1996 24,000 (20+24+22)/3 = 22

199722,000 (24+22+26)/3 = 24

199826,000 (22+26+25)/3 = 24

199925,000 NA

ượ

Trung bình tr

t bình quân

Year Response Moving

Ave 1994 2

Sales NA

8 1995 5 3

6 1996 2 3

4 1997 2 3.67

2 1998 7 5

0 1999 6 NA

94 95 96 97 98 99

Thành phần xu thế

• San bằng mũ

– Là bình quân trượt có trọng số

– Sử dụng để làm trơn dữ liệu và dự đoán ngắn

hạn

– Trọng số:

• Được chọn một cách chủ quan

• Trong khoảng từ 0-1

San bằng mũ [Ví dụ]

Bạn tổ chức một buổi meeting kỉ niệm ngày lễ hội văn hóa các dân tộc và bạn muốn dự đoán số người tham dư dựa vào số liệu tới năm 1999 và sử dụng hàm san bằng mũ ((cid:0)

= .20). Past attendance (00) is:

1995 1996 1997 1998 1999

4 6 5 3 7

San bằng mũ

Time Yi

Ei = W·Yi + (1 - W)·Ei-1 Smoothed Value, Ei (W = .2)

Forecast ^ Yi + 1

1995

4

4.0 NA

1996

6 (.2)(6) + (1-.2)(4.0) = 4.4

4.0 1997

5 (.2)(5) + (1-.2)(4.4) = 4.5

4.4 1998

3 (.2)(3) + (1-.2)(4.5) = 4.2

4.5 1999

7 (.2)(7) + (1-.2)(4.2) = 4.8

4.2

4.8 2000 NA

NA

San bằng mũ [Graph]

Attendance

Actual

8

6

4

2

0

93

96

98

99 97 Year

Thành phần xu thế

• Hàm xu thế

– Mô hình xu thế tuyến tính

a) Thành phần xu thế

• Hàm xu thế

– Mô hình xu thế bậc 2 (parabol)

ˆ Y i

b 0

b X 1

i 1

b X 11

ế ậ

Mô hình xu th b c 2

(cid:0) (cid:0) (cid:0) Year Coded Sales

Yˆ i

i

2 i

b 0

Xb 1

Xb 2

94 0 2

95 1 5

96 2 2

97 3 2

98 4 7

Coefficients 2.85714286 Intercept -0.3285714 X Variable 1 X Variable 2 0.21428571 Excel Output

99 5 6

(cid:0) (cid:0) (cid:0)

X. .

X

. 2

857

330

214

Yˆ i

i

2 i

a) Thành phần xu thế

• Hàm xu thế

– Mô hình xu thế mũ

ˆ Y i

b 0

b X 1

i 1

b X 11

iX

(cid:0) (cid:0) (cid:0)

log

X

log

Yˆ i

Hàm xu th mũế Yˆ log i b 0

bb 10

b 1

Year Coded Sales

94 0 2

Coefficients 0.33583795 Intercept X Variable 10.08068544

95 1 5

96 2 2

97 3 2

98 4 7

99 5 6

iX

(cid:0)

.(

).

)(

172

Excel Output of Values in logs antilog(.33583795) = 2.17 1.2 antilog(.08068544) = Yˆ i

Hàm xu th mũế [Example Graph]

Sales 8

Data

2 Smoothed

94 95 96 97 98 99 Year

a) Thành phần xu thế

• Tự tương quan

– Các mức độ trong dãy số thời gian có liên hệ

tương quan với nhau

– Có thể có các mô hình tự tương quan bậc 1,

bậc 2, …, bậc p

A Y

+ + ...

Y i

p i p

A 0

AY i 1

A Y i 2

- - -

Sai số ngẫu nhiên

Mô hình tự hồi quy

Một doanh nghiệp thống kê số toàn nhà văn chung cư họ đã xây trong 8 năm như số liệu bên dưới, hãy dùng mô hình hồi quy mũ bậc 2 để dự đoán số lượng toàn nhà họ sẽ xây dựng vào năm tiếp theo