Dự báo bằng mô hình Winters với SPSS 15

Chia sẻ: Ha Trong Quang Quang | Ngày: | Loại File: DOC | Số trang:10

Thêm vào BST

Báo xấu

442
lượt xem 37
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Khi thực hiện dự báo ngắn hạn, số liệu của bạn thường theo từng quý, hoặc theo từng tháng. Nếu bạn thấy dữ liệu có yếu tố mùa vụ, và xu thế tuyến tính thì mô hìnhWinters sẽ rất phù hợp. 1. Tình huống Mai là nhân viên ở bộ phận Kế hoạch của công ty du lịch VT tại TP.HCM. Lúc này đây là đầu mùa mưa của năm 2007, dịp hè vừa đến, nhiều bạn bè rủ Mai đi du lịch Sa Pa, Trung Quốc; và cũng là lúc cô phải hoàn thành bản kế hoạch kinh doanh cho 6...

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Dự báo bằng mô hình Winters với SPSS 15

Kế hoạch kinh doanh Dự báo bằng mô hình Winters với SPSS 15 Khi thực hiện dự báo ngắn hạn, số liệu của bạn thường theo từng quý, ho ặc theo t ừng tháng. Nếu bạn thấy dữ liệu có yếu tố mùa vụ, và xu thế tuyến tính thì mô hìnhWinters s ẽ r ất phù hợp. 1. Tình huống Mai là nhân viên ở bộ phận Kế hoạch của công ty du lịch VT tại TP.HCM. Lúc này đây là đầu mùa mưa của năm 2007, dịp hè vừa đến, nhiều bạn bè rủ Mai đi du lịch Sa Pa, Trung Quốc; và cũng là lúc cô phải hoàn thành bản kế hoạch kinh doanh cho 6 tháng cuối năm 2007. Đi ều mà Mai lo lắng nhất hiện nay là làm sao dự báo được doanh số c ủa Cty trong quý 3, quý 4 năm 2007 là bao nhiêu. Số liệu về doanh thu (tỷ đồng) từ quý 1 năm 2003 đ ến quý 2 năm 2007 đã đ ược Mai thu th ập, nhập vào SPSS 15 và thời gian đã được khai báo như Hình 1. Hình 1. Dữ liệu Khánh Duy 1
Kế hoạch kinh doanh 2. Các bước thực hiện Bước 1. Nhận diện Mô hình Winters được sử dụng nếu dữ liệu của bạn có yếu t ố mùa v ụ k ết h ợp nhân với yếu tố xu thế (Mô hình Winters nhân tính, n ếu có ai chỉ gọi là Winters thì b ạn hi ểu là mô hình Winters nhân tính), hoặc yếu tố mùa vụ kết hợp c ộng với yếu tố xu th ế (Mô hình Winters cộng tính).Bằng đồ thị, bạn sẽ dễ dàng nhận di ện được dữ liệu c ủa Cty VT có y ếu tố mùa vụ hay không, nếu có thì yếu tố mùa vụ kết hợp nhân hay cộng với yếu tố xu th ế, và yếu tố xu thế sẽ là tuyến tính hay phi tuyến. Nhìn vào đồ thị (Hình 2), bạn sẽ thấy dữ liệu có yếu tố mùa vụ: có m ột quy luật được lập lại sau mỗi năm. Quy luật này như sau: quý 1 thường có doanh thu th ấp nh ất, sau đó Doanh thu tăng nhẹ vào quý 2, doanh thu tăng mạnh nhất vào quý 3, và quý 4 l ại s ụt gi ảm. Có yếu tố xu thế tuyến tính. Đồ thị cũng cho thấy, dữ liệu có xu thế tuyến tính tăng d ần: doanh thu tăng theo thời gian với dạng đường thẳng. Đồ thị cũng cho th ấy yếu t ố xu th ế k ết h ợp nhân với yếu tố mùa vụ. 200.00 184.70 180.00 177.20 160.00 Doanh thu (ty d) 139.30 140.00 125.20 120.00 120.00 117.10 104.30 101.90 97.60 100.00 95.00 84.70 80.00 75.70 69.40 72.40 64.20 60.00 62.00 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 2003 2003 2004 2004 2004 2004 2005 2005 2005 2005 2006 2006 2006 2006 2007 2007 Date Hình 2. Đồ thị biểu diễn Doanh Thu theo thời gian (đã được trang trí thêm) Khánh Duy 2
Kế hoạch kinh doanh Bạn có thể phân biệt Cộng tính, nhân tính thông qua Hình 3a, Hình 3b. Y Coäng tính t Hình 3a. Yếu tố xu thế kết hợp cộng với yếu tố mùa vụ Y Nhaân tính t Hình 3b. Yếu tố xu thế kết hợp nhân với yếu tố mùa vụ Khánh Duy 3
Kế hoạch kinh doanh Bước 2. Chọn công cụ san bằng hàm mũ • Chọn Analyze\Time Series\Create Model (Hình 4)  Hộp thoại Time Series Modeler xuất hiện (Hình 5) Hình 4. Analyze\Time Series\Create Model • Trong Hộp thoại Time Series Modeler, tại Tab Variables đưa biến cần dự báo (biến DT) vào Variables, chọn Exponential Smoothing ở khung Method, chọn Criteria để khai báo là mô hình nhân tính hay cộng tính; sau đó, lần lượt chọn các Tab và khai báo như Hình 7, 8, 9; và cuối cùng là nhấp nút OK. Khánh Duy 4
Kế hoạch kinh doanh Hình 5. Hộp thoại Time Series Modeler Khi bạn chọn nút Criteria, hộp thoại Time Series Modeler: Exponential Smoothing Criteria (Hình 6) xuất hiện. Trong hộp thoại này, bạn hãy chọn Winters’ multipicative vì mô hình này là mô hình nhân tính. Nếu là mô hình cộng tính, thì bạn chọn Winters’ addtive. Nhấp Continue để quay trở về hộp thoại Time Series Modeler: Exponential Smoothing Criteria (Hình 6) Khánh Duy 5
Kế hoạch kinh doanh Hình 6. Hộp thoại Time Series Modeler: Exponential Smoothing Criteria Khánh Duy 6
Kế hoạch kinh doanh Chọn Tab Statistics, và đánh dấu Root mean square error để tính RMSE của mô hình, đánh dấu chọn Display forecasts để thể hiện kết quả dự báo trên màn hình Viewer. (Hình 7) Hình 7. Tab Statistics Khánh Duy 7
Kế hoạch kinh doanh Hình 8. Tab Plots Chọn Tab Plots, và đánh dấu Forecasts, Fit values để vẽ đường biểu diễn cả giá trị dự báo và giá trị thực tế lên cùng một đồ thị nhằm đánh giá độ chính xác (Hình 8). Khánh Duy 8
Kế hoạch kinh doanh Hình 9. Tab Options Chọn Tab Options, Nhấp chọn First case after end of estimation period through a specified date, và nhập 2008 vào ô Year, nhập 4 vào ô Quarter n ếu bạn mu ốn d ự báo đ ến quý 4 năm 2008 (Hình 9). Nếu bạn muốn lưu lại các giá trị dự báo vào file dữ liệu thì tiếp tục bấm Tab Save. 3. Xem kết quả Ở Bảng Model Statistics, bạn thấy RMSE bằng 10.148. Nếu bạn muốn so sánh đ ộ chính xác giữa các mô hình dự báo, bạn sẽ chọn mô hình nào có RMSE nhỏ hơn. Bảng Forecast cho thấy kết quả dự báo điểm và kết quả dự báo khoảng ở độ tin cậy 95%. Ví d ụ, Quý 4 năm 2007, Doanh Thu của Cty n ếu theo kết qu ả d ự báo đi ểm, s ẽ là 143.4 t ỷ đ ồng; n ếu sử dụng dự báo khoảng, doanh thu của Cty có thể đạt ở mức từ 120.93 đến 165.87 tỷ đồng. Khánh Duy 9
Kế hoạch kinh doanh Model Statistics Model Fit statistics Ljung-Box Q(18) Number of Stationary Number of Model Predictors R-squared RMSE Statistics DF Sig. Outliers DT-Model_1 0 .663 10.148 . 0 . 0 Forecast Model Q3 2007 Q4 2007 Q1 2008 Q2 2008 Q3 2008 Q4 2008 DT-Model_1 Forecast 237.19 143.40 165.92 223.14 311.12 184.87 UCL 259.11 165.87 191.09 256.32 365.61 229.45 LCL 215.26 120.93 140.75 189.96 256.63 140.29 For each model, forecasts start after the last non-missing in the range of the requested estimation period, and end at the last period for which non-missing values of all the predictors are available or at the end date of the requested forecast period, whichever is earlier. Observed 400 Fit UCL LCL Forecast 300 Number DT-Model_1 200 100 0 Q3 2003 Q4 2003 Q1 2004 Q2 2004 Q3 2004 Q4 2004 Q1 2005 Q2 2005 Q3 2005 Q4 2005 Q1 2006 Q2 2006 Q3 2006 Q4 2006 Q1 2007 Q2 2007 Q3 2007 Q4 2007 Q1 2008 Q2 2008 Q3 2008 Q4 2008 Date Khánh Duy 10