Nghiên cứu ứng dụng một số phương pháp và mô hình dự báo ngắn hạn để dự báo các chỉ tiêu thống kê xã hội chủ yếu

TỔNG CỤC THỐNG KÊ







BÁO CÁO TỔNG HỢP
KẾT QUẢ NGHIÊN CỨU KHOA HỌC
ĐỀ TÀI CẤP BỘ



ĐỀ TÀI: “ NGHIÊN CỨU ỨNG DỤNG MỘT SỐ
PHƢƠNG PHÁP VÀ MÔ HÌNH DỰ BÁO NGẮN
HẠN ĐỂ DỰ BÁO CÁC CHỈ TIÊU THỐNG KÊ XÃ
HỘI CHỦ YẾU”





Đơn vị thực hiện: Viện Khoa học Thống kê
Chủ nhiệm: CN. Lê Văn Dụy
Phó Chủ nhiệm: CN. Phan Thị Ngọc Trâm
Th.S Nguyễn Thị Thu Huyền
Thƣ ký: CN. Đào Ngọc Minh Nhung

HÀ NỘI, NĂM 2010


DBCTTXH12-2010
1
DANH MỤC TỪ VIẾT TẮT


DS HĐKT: Dân số hoạt động kinh tế
HTCTTKQG: Hệ thống chỉ tiêu thống kê quốc gia
KHHGĐ: Kế hoạch hóa gia đình
LHQ: Liên hợp quốc
LHPNVN: Liên hiệp phụ nữ Việt Nam
SAS: Phần mềm thống kê SAS
SPSS: Phần mềm thống kê SPSS
STATA: Phần mềm thống kê STATA
TCTK: Tổng cục Thống kê
THCS: Trung học cơ sở
TP: Thành phố
TV: Ti vi

DBCTTXH12-2010
2
MỤC LỤC

MỞ ĐẦU 4
PHẦN MỘT: TỔNG QUAN VỀ DỰ BÁO THỐNG KÊ VÀ CÁC PHƢƠNG PHÁP DỰ
BÁO CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI 7
I. TỔNG QUAN VỀ DỰ BÁO THỐNG KÊ 7
1.1. Khái niệm, định nghĩa dự báo 7
1.2. Khả năng của dự báo 7
1.3. Mức độ tin cậy của các dự báo 7
1.4. Các cách dự báo 9
1.5. Đo lƣờng mức độ thành công và thất bại của dự báo 111
1.6. Phƣơng pháp phân tích đặc điểm của các phƣơng pháp dự báo 122
1.7. Các tính chất đặc biệt của dữ liệu có ảnh hƣởng nhiều nhất đến kết quả dự báo 133
1.8. Các khó khăn chủ yếu gặp phải trong quá trình dự báo 144
1.9. Các phƣơng án khắc phục khó khăn 144
II. CÁC PHƢƠNG PHÁP DỰ BÁO CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI 188
2.1. Các loại dự báo 188
2.2. Các phƣơng pháp dự báo 199
2.3. Cách tiếp cận kinh tế lƣợng đối với dự báo 26
2.3.1. Các dự báo ngắn hạn 26
2. 3.2. Các dự báo dài hạn 331
2.4. Độ chính xác của dự báo 32
2. 5. Kinh nghiệm dự báo bằng các mô hình kinh tế lƣợng vĩ mô: những bài học tổng quát
39
PHẦN HAI: CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI VÀ LỰA CHỌN CÁC CHỈ TIÊU

THỐNG KÊ XÃ HỘI CHO DỰ BÁO 43
I. TỔNG QUAN VỀ CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI Ở VIỆT NAM 43
II. THỰC TRẠNG SỐ LIỆU CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI Ở VIỆT NAM CŨNG
NHƢ ĐỀ XUẤT DANH SÁCH CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI CHỦ YẾU ĐỂ
TIẾN HÀNH DỰ BÁO NGẮN HẠN 44
III. LỰA CHỌN CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI CHO DỰ BÁO 54
3.1. Nguyên tắc lựa chọn các chỉ tiêu thống kê xã hội cho dự báo 54
3.2. Đề xuất các chỉ tiêu thống kê xã hội chủ yếu để tiến hành dự báo ngắn hạn: 55
PHẦN BA: MỘT SỐ PHƢƠNG PHÁP DỰ BÁO VÀ KẾT QUẢ DỰ BÁO CHO MỘT SỐ
CHỈ TIÊU THỐNG KÊ XÃ HỘI 58
I. DỰ BÁO CHO CÁC CHỈ TIÊU THỐNG KÊ DÂN SỐ 58
1.1. Dự báo dân số theo dãy số thời gian 58
1.2. Phƣơng pháp dự báo thành phần 60
1.3. Quy trình dự báo theo phƣơng pháp thành phần 661
II. CÁC PHƢƠNG PHÁP DỰ BÁO LỰC LƢỢNG LAO ĐỘNG 63
III. CÁC PHƢƠNG PHÁP DỰ BÁO TỶ LỆ THẤT NGHIỆP VÀ SỐ NGƢỜI THẤT
NGHIỆP 64
IV. DỰ BÁO THU NHẬP HỘ GIA ĐÌNH VÀ CHỈ SỐ GIÁ TIÊU DÙNG (TỶ LỆ LẠM
PHÁT) 66
4.1. Dự báo thu nhập hộ gia đình 66
4.2. Dự báo chỉ số giá tiêu dùng 68
V. KẾT QUẢ DỰ BÁO MỘT SỐ CHỈ TIÊU THỐNG KÊ XÃ HỘI 69
DBCTTXH12-2010
3
5.1. Kết quả dự báo dân số năm 2014, 2019 69
5.1.1. Về quy mô và tốc độ tăng dân số 69
5.1.2. Về cơ cấu dân số 771
5.2. Kết qủa dự báo lao động 73
5.2.1. Dự báo lao động đang làm việc hàng năm sử dụng phương pháp dãy số thời gian
73

5.2.2. Dự báo dân số hoạt động kinh tế theo giới tính và nhóm tuổi 75
5.3. Dự báo tỷ lệ và số ngƣời thất nghiệp 77
5.3.1. Dự báo tỷ lệ thất nghiệp 77
5.3.2. Dự báo số người thất nghiệp 79
5.4. Kết qủa dự báo tỷ lệ lạm phát 80
5.5. Kết qủa dự báo thu nhập bình quân một đầu ngƣời 83
5.5.1. Dự báo thu nhập bình quân đầu người theo dãy số thời gian 83
5.5.2. Dự báo thu nhập bình quân một đầu người theo phương pháp kết hợp giữa dự
báo thu thu nhập (GDP) và dự báo dân số (POP) 85
5.5.3. Dự báo thu nhập bình quân đầu người theo phương pháp hồi quy đa biến 87
KẾT LUẬN VÀ KHUYẾN NGHỊ 89
I. Kết luận 89
II. Khuyến nghị 991
III. Đề xuất lộ trình thực hiện 991
TÀI LIỆU THAM KHẢO 92













DBCTTXH12-2010
4

MỞ ĐẦU
1. Giới thiệu
Năm 2007-208 Tổng cục Thống kê cho tiến hành nghiên cứu đề tài
“Nghiên cứu ứng dụng các phương pháp dự báo ngắn hạn để dự báo một số
chỉ tiêu thống kê kinh tế chủ yếu ở Việt Nam”. Kết quả của đề tài này sau đó
đƣợc triển khai áp dụng trong thực tế. Kết quả ứng dụng dự báo đã đƣợc báo
cáo cho lãnh đạo cơ quan để tham khảo. Do đề tài dự báo năm 2007-2008 chỉ
dừng lại ở việc nghiên cứu dự báo các chỉ tiêu thống kê kinh tế mà chƣa nghiên
cứu dự báo cho các chỉ tiêu thống kê xã hội, mặt khác kết quả của đề này cũng
cho thấy có thể ứng dụng dự báo để dự báo cho các chỉ tiêu thống kê xã hội
nên lãnh đạo Tổng cục Thống kê đã quyết định triển khai nghiên cứu đề tài
“Nghiên cứu ứng dụng một số phương pháp và mô hình dự báo ngắn hạn để
dự báo các chỉ tiêu thống kê xã hội chủ yếu”. Đề tài đƣợc giao cho Viện
Khoa học Thống kê chủ trì với sự tham gia của các cán bộ trong và ngoài
ngành thống kê.
2. Mục tiêu của đề tài
Mục tiêu của đề tài là tìm hiểu và thử nghiệm các phƣơng pháp dự đoán
thống kê trong lĩnh vực xã hội. Đề tài có sự tham gia của các chuyên gia dự
đoán trong và ngoài ngành. Báo cáo này trình bày kết quả nghiên cứu tổng hợp
về mặt phƣơng pháp luận cũng nhƣ kết quả thử nghiệm của đề tài. Báo cáo
gồm có ba phần. Phần một tổng quan về dự báo các chỉ tiêu thống kê xã hội.
Phần hai trình bày các chỉ tiêu một số phƣơng pháp dự báo các chỉ tiêu thống
kê xã hội và phần ba trình bày kết quả thử nghiệm dự báo cho một số chỉ tiêu
thống kê xã hội.
DBCTTXH12-2010
5
3. Ý nghĩa của đề tài
Ổn định xã hội, nâng cao mức sống của nhân dân là mục tiêu hàng đầu
của các quốc gia trên thế giới. Để làm đƣợc điều đó phải có sự chung tay góp
sức của toàn dân và đặc biệt là vai trò lãnh đạo và chỉ đạo của các cơ quan

Đảng và Nhà Nƣớc. Để Đảng và Nhà nƣớc ra đƣợc các quyết định quan trọng
trong đời sống xã hội cần phải có thông tin về hiện tại cũng nhƣ xu hƣớng
trong tƣơng lai của các hiện tƣợng xã hội. Với lý do này, dự báo mức độ của
các chỉ tiêu thống kê xã hội có một ý nghĩa thực tiễn lớn.
4. Nội dung của đề tài
Theo kết quả xét duyệt đề cƣơng nghiên cứu của Hội đồng xét duyệt đề
cƣơng nghiên cứu, đề tài cần tập trung vào nghiên cứu các nội dung chủ yếu
sau:
a. Xác định và lựa chọn các chỉ tiêu thống kê xã hội chủ yếu để tiến hành
dự báo ngắn hạn
b. Nghiên cứu và lựa chọn một số phƣơng pháp và mô hình dự báo ngắn hạn;
c. Đánh giá thực trạng công tác dự báo và thực trạng số liệu dùng cho dự
báo ngắn hạn về các chỉ tiêu thống kê xã hội ở Việt Nam
d. Thử nghiệm dự báo các chỉ tiêu thống kê xã hội chủ yếu
e. Đánh giá khả năng và lộ trình áp dụng một số phƣơng pháp và mô
hình dự báo lựa chọn
5. Phƣơng pháp nghiên cứu của đề tài
Phƣơng pháp nghiên cứu của đề tài đƣợc xác định là kết hợp phƣơng
pháp nghiên cứu lý thuyết với khảo sát thực tiễn, cụ thể nhƣ sau:
- Nghiên cứu các tài liệu trong và ngoài nƣớc về lĩnh vực dự báo và dự
báo ngắn hạn;
DBCTTXH12-2010
6
- Hội thảo với các chuyên gia am hiểu về lĩnh vực này;
- Khảo sát thực tiễn để tính toán, phân tích, đánh giá, tổng kết.
6. Kết quả nghiên cứu của đề tài
Kết quả nghiên cứu của đề tài là đã đƣa ra đƣợc các chuyên đề nghiên
cứu và một báo cáo tổng hợp, một báo cáo tóm tắt cho đề tài. Báo cáo tổng hợp
ngoài phần mở đầu còn gồm: Phần một “Tổng quan về dự báo Thống kê và các
phƣơng pháp dự báo các chỉ tiêu thống kê xã hội”; Phần hai “Các chỉ tiêu

thống kê xã hội và lựa chọn các chỉ tiêu thống kê xã hội cho dự báo”; Phần ba
“Một số phƣơng pháp dự báo và kết quả dự báo cho một số chỉ tiêu thống kê xã
hội”; và cuối cùng là phần “Kết luận và khuyến nghị”.










DBCTTXH12-2010
7
PHẦN MỘT
TỔNG QUAN VỀ DỰ BÁO THỐNG KÊ VÀ CÁC PHƢƠNG PHÁP DỰ
BÁO CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI
I. TỔNG QUAN VỀ DỰ BÁO THỐNG KÊ
Dự báo thống kê đã đƣợc đƣa vào ứng dụng trong thực tế ở Việt Nam từ
những năm 1970. Tuy nhiên, dự báo trong thời gian đó chỉ tập trung chủ yếu
vào dự tính dân số và lao động cũng nhƣ ƣớc tính một số chỉ tiêu thống kê cơ
bản. Do chƣa thấy rõ đƣợc vai trò của dự báo cũng nhƣ phƣơng pháp sử dụng
các kết quả dự báo nên dự báo các chỉ tiêu thống kê kinh tế, đặc biệt là các chỉ
tiêu thống kê xã hội chƣa đƣợc quan tâm đúng mức. Trong thời gian gần đây,
do đã thấy đƣợc vai trò của dự báo trong đời sống kinh tế, xã hội nên đã có
nhiều cơ quan, bộ ngành quan tâm đến vấn đề dự báo.
Mục tiêu của phần này là nhằm tổng quan nội dung của dự báo các chỉ
tiêu thống kê xã hội. Tuy nhiên, để dễ theo dõi các kết quả của đề tài, một số
vấn đề chung về dự báo đƣợc đề cập. Cụ thể là:

+ Khái niệm, định nghĩa dự báo;
+ Khả năng của dự báo và mức độ tin cậy đối với các kết quả dự báo;
+ Các cách dự báo;
+ Đo lƣờng mức độ thành công và thất bại của các dự báo;
+ Khó khăn chủ yếu gặp phải trong quá trình dự báo.
1.1. Khái niệm, định nghĩa dự báo
Theo từ điển bách khoa toàn thƣ, Dự báo là quá trình thu thập, xử lý số
liệu trong quá khứ và hiện tại để xác định xu hƣớng vận động của các hiện tƣợng
trong tƣơng lai nhờ vào một số mô hình toán học và thống kê
DBCTTXH12-2010
8
Trong lý thuyết cũng nhƣ thực tế của công tác dự báo, dự báo thƣờng
đƣợc hiểu theo nghĩa là dự đoán các giá trị của một biến nào đó ngoài mẫu số
liệu sẵn có, tức là dự đoán cho các giá trị của biến đó ở những thời gian hoặc
không gian khác. Trong thực tế dự báo là một chủ đề rất rộng.
Trong lịch sử, hầu hết các phƣơng pháp con ngƣời ngày nay nghĩ ra đều
đã đƣợc thử nghiệm, và ngƣời ta đã sử dụng trên 36 từ khác nhau trong tiếng
Anh để nói về hoạt động “tiên đoán” theo nghĩa rộng, đó là tƣơng lai có thể
mang lại điều gì. Dự báo có liên quan mật thiết với đánh giá chính sách. Thực
tế, hầu hết các phƣơng pháp đánh giá chính sách đều dựa trên một loại dự báo
đặc biệt nào đó.
1.2. Khả năng của dự báo
Do dự báo chỉ đơn giản là một nhận định về tƣơng lai nên ngƣời ta có
thể dự báo về bất kỳ điều gì, từ chỉ số giá tiêu dùng của tháng tới cho đến tình
hình thời tiết ngày mai, từ mực nƣớc biển tính bình quân dâng cao thêm bao
nhiêu vào cuối thiên niên kỷ thứ ba, cho tới dân số của trái đất vào ngày hôm
đó, và giá trị của chỉ số VN index tại thời điểm đầu năm 2012. Ngƣời ta cũng
không khẳng định các kết quả dự báo nhất thiết phải là hữu ích. Nhƣ vậy việc
dự báo các chỉ tiêu thống kê - xã hội cũng không nằm ngoài quan niệm nêu
trên.

1.3. Mức độ tin cậy của các dự báo
Mức độ tin cậy của dự báo phụ thuộc vào mức độ tốt xấu của cơ sở xây
dựng dự báo. Những dự đoán đơn giản không mang lại độ tin cậy cao, những
dự báo dựa trên các cách tiếp cận đã đƣợc kiểm định đúng đắn có thể mang lại
kết quả tốt hơn. Tuy nhiên, ngay cả khi nó đƣợc dựa trên các cách tiếp cận này
thì nó dƣờng nhƣ vẫn chƣa thể đảm bảo cho một kết quả sát với thực tế. Tƣơng
lai quá bất định chính là khó khăn gặp phải trong qúa trình dự báo.
DBCTTXH12-2010
9
Con ngƣời gần nhƣ không thể khống chế đƣợc sự bất định. Tuy nhiên,
trong chừng mực nhất định, ngƣời ta có thể hiểu đƣợc tính ngẫu nhiên của các
kết cục. Trong trƣờng hợp này, ngƣời ta gọi đó là “những bất định có thể đo
lƣờng đƣợc”. Điều này khá có ích cho ngƣời sử dụng kết quả dự báo. Nó cho
phép xây dựng khoảng dự báo xung quanh một điểm dự báo: điểm dự báo đƣợc
xem là xu thế trung tâm hoặc kết cục có nhiều khả năng xảy ra nhất. Dạng
trình bày phức tạp hơn về yếu tố bất định có thể đo lƣờng đƣợc là dự báo theo
mật độ; tức là ƣớc lƣợng phân phối xác suất của các kết cục tƣơng lai có thể
xảy ra.
1.4. Các cách dự báo
Có nhiều cách để đƣa ra dự báo. Một trong cách, đó là dựa trên các mô
hình chính thống tiến hành phân tích thống kê để từ đó tìm ra quy luật của hiện
tƣợng để dự báo; đó là tiến hành các phân tích thống kê không dựa trên các mô
hình tham số; đó là những tính toán không chính thức; đó là phƣơng pháp nội
suy giản đơn, tung đồng xu, đoán, và “linh cảm”; Rất khó để đánh giá tần
suất sử dụng của mỗi phƣơng pháp trong thực tế, nhƣng hầu hết các phƣơng
pháp này đều đƣợc thực hiện trong cuộc sống hàng ngày của chúng ta. Tuy
nhiên, nghiên cứu này sẽ tập trung vào các cách tiếp cận thống kê chính thống.
Trong thực tiễn công tác dự báo, các nhà khoa học thƣờng sử dụng các
phƣơng pháp dự báo nhƣ đoán, đánh giá của chuyên gia, ngoại suy, các chỉ số
dự báo sớm, các cuộc điều tra, các mô hình chuỗi thời gian và các hệ phƣơng

trình kinh tế lƣợng.
Đoán chủ yếu dựa vào may mắn. Đây là phƣơng pháp đòi hỏi ít giả thiết
nhất so với các phƣơng pháp khác, nhƣng lại không phải là một phƣơng pháp
có mức độ tin cậy cao. Thƣờng khi đoán “đúng”, ngƣời ta mới công bố kết quả,
còn đoán sai lại bị lờ đi. Đoán thƣờng có mức độ bất định cao nên không thể
DBCTTXH12-2010
10
đánh giá mức độ sai số. Nếu nhiều ngƣời cùng đoán, một số sẽ đúng một cách
ngẫu nhiên, nhƣng nó khó có thể đƣợc coi là một cách tiếp cận khoa học.
Đánh giá chuyên gia là dựa trên ý kiến của các chuyên gia để tiếp cận dự
báo. Tuy nhiên, nó ít có giá trị nếu đƣợc sử dụng một cách đơn độc. Ngay cả
khi những thành công mang tính hệ thống của phƣơng pháp chuyên gia cũng
không ai có thể dự đoán liệu chuyên gia có thành công trong lần dự đoán tiếp
theo hay không.
Ngoại suy sẽ rất tốt nếu nhƣ xu thế vẫn tiếp diễn, nhƣng điều này cũng
không chắc chắn, bởi thƣờng thấy là xu thế của hiện tƣợng ở các thời điểm
khác nhau thƣờng khác nhau. Ngoài ra, các dự báo cho kết qủa sát thực nhất
khi chúng dự báo sự thay đổi trong xu thế và điều này thì phƣơng pháp ngoại
suy thƣờng không làm đƣợc.
Dự báo dựa trên các chỉ số dự báo sớm đòi hỏi một mối quan hệ ổn định
giữa các biến dự báo sớm và các biến sẽ diễn ra sau đó. Khi có thông tin về
yếu tố đi trƣớc, chẳng hạn có thong tin về đơn đặt hàng khi tiến hành sản xuất,
thì khi đấy các chỉ số dự báo sớm sẽ hữu ích. Tuy nhiên, nếu không có các
thông tin này, việc dự báo dựa vào các chỉ số dự báo sớm sẽ cho thông tin sai
lầm.
Điều tra ngƣời tiêu dùng và các doanh nghiệp có thể mang lại thông tin
về các sự kiện trong tƣơng lai, nhƣng nó phải bị phụ thuộc vào việc kế hoạch
có đƣợc thực hiện không. Một lần nữa lại thấy rằng những thay đổi bất lợi
trong môi trƣờng kinh doanh có thể khiến ngƣời ta phải đánh giá lại các kế
hoạch một cách căn bản bởi vì điều chỉnh lại kế hoạch sẽ đỡ tốn kém hơn.

Các mô hình chuỗi thời gian mô tả đặc điểm của dữ liệu trong quá khứ
là phương pháp dự báo khá phổ biến, đây là phương pháp được sử dụng bên
cạnh phương pháp hệ phương trình kinh tế lượng (cụ thể là ở dạng đa biến).
DBCTTXH12-2010
11
Hệ phƣơng trình kinh tế lƣợng là công cụ chính để dự báo kinh tế.
Những phƣơng trình này nhằm tìm cách mô hình hóa hành vi của các nhóm tác
nhân kinh tế có thể quan sát đƣợc (ngƣời tiêu dùng, nhà sản xuất, ngƣời lao
động, nhà đầu tƣ,…) với giả định về mức độ hợp lý trong hành động của các
tác nhân này ở một mức độ vừa phải dựa theo kinh nghiệm lịch sử. Lợi thế của
các nhà kinh tế khi sử dụng các hệ phƣơng trình kinh tế lƣợng cho cả nền kinh
tế là kết hợp thống nhất đƣợc các kiến thức thực nghiệm và lý thuyết về cách
vận hành của nền kinh tế, nó làm cơ sở cho khung phân tích các chiến lƣợc
nghiên cứu nhằm nâng cao hiểu biết của chúng ta, nó giúp giải thích cho những
thất bại của chúng ta, cũng nhƣ đƣa ra đƣợc các dự báo và lời khuyên về chính
sách. Các mô hình kinh tế lƣợng và chuỗi thời gian là những phƣơng pháp dự
báo chính trong kinh tế, nhƣng “các đánh giá”, “các chỉ số dự báo sớm”, và
thậm chí cả những tiên đoán cũng có thể thay đổi các kết quả dự báo.
Trong dự báo các chỉ tiêu thống kê xã hội, các mô hình kinh trắc và dãy
số thời gian cũng hay đƣợc sử dụng và nhiều khi đem lại kết quả tƣơng đối sát
so với thực tế.
1.5. Đo lường mức độ thành công và thất bại của dự báo
Một dự báo có thể đƣợc đánh giá là thành công nếu nó gần sát với kết
cục thực tế, nhƣng đánh giá này còn tuỳ thuộc vào việc đo lƣờng thế nào là gần.
Đối với ngƣời không làm chuyên môn, một dự báo chi tiết mà không chính xác
có thể đƣợc xem là thất bại. Mặt khác, một dự báo rất chính xác nhƣng không
cụ thể cũng vậy. Các chuyên gia tán thành quan điểm – “tiêu chuẩn vàng” cho
một dự báo thành công là kết quả dự báo phải chính xác, chi tiết và kịp thời.
Dự báo thất bại, nhìn chung rất dễ nhận ra: một dự báo đƣợc coi là thất bại nếu
mức độ không chính xác của nó tƣơng đối lớn so với mức độ chi tiết mà nó đã

đặt ra. Do vậy, các nhà dự báo bị ép vào thế vừa phải dự báo chính xác và vừa
DBCTTXH12-2010
12
phải dự báo chi tiết, vì vậy họ cũng sẽ không dự báo với mức độ chi tiết quá
cao để tránh thƣờng xuyên có kết quả dự báo không đạt tiêu chuẩn.
Trong đánh giá kết quả dự báo, còn dung hai khái niệm khác là “Dự báo
không chệch” và dự báo có “phƣơng sai nhỏ”. Khái niệm dự báo “không
chệch” đồng nghĩa với kết quả dự báo có giá trị trung tâm giống nhƣ kết cục
đƣợc dùng trong cách phân tích kỹ thuật để đo lƣờng độ chính xác, còn khái
niệm phƣơng sai nhỏ, chỉ một phạm vi tƣơng đối hẹp xung quanh kết cục đo
lƣờng mức độ chi tiết.
Ngoài vấn đề về độ chệch và phƣơng sai, các dự báo điểm thƣờng đƣợc
đánh giá trên nhiều tiêu chí khác nhƣ sử dụng thông tin một cách hiệu quả. Các
dự báo cũng thƣờng bao gồm cả khoảng dự báo, và đôi khi là mật độ hoàn
chỉnh của kết quả dự báo. Trong trƣờng hợp nhƣ vậy, dự báo đƣợc coi là đƣợc
xác định một cách đầy đủ. Do trong thực tế hiếm khi xảy ra trường hợp chỉ
cần một phương pháp dự báo duy nhất có thể dự báo cho mọi hiện tượng được
quan tâm nên các phƣơng pháp dự báo khác nhau thƣờng đƣợc đƣa ra để so
sánh với nhau sau khi đã có kết quả thực tế. Một câu hỏi đƣợc đặt ra là liệu
việc kết hợp một hoặc một số dự báo lại có tốt hơn một dự báo duy nhất hay
không, hay liệu một dự báo có thể bao quát tất cả các thông tin hữu ích có
trong các dự báo khác không.
1.6. Phương pháp phân tích đặc điểm của các phương pháp dự báo
Các đặc điểm của các phƣơng pháp dự báo có thể đƣợc tìm hiểu trong cả
thực nghiệm và những ví dụ mô phỏng. Ngƣời ta thƣờng sử dụng giải tích toán
và các phƣơng pháp số học hoặc sử dụng máy tính để làm việc này. Ngƣời ta
cũng có thể thử nghiệm với các ý tƣởng đƣợc bàn luận ở trên để đo lƣờng mức
độ thành công hoặc thất bại của các dự báo bằng cách kiểm định các kết hợp
của các mô hình dự báo về tính chất bao hàm. Các phƣơng pháp dự báo có thể
DBCTTXH12-2010

13
đƣợc so sánh bằng phƣơng pháp Monte Carlo (hay mô phỏng ngẫu nhiên),
trong đó ngƣời ta sẽ tạo ra dữ liệu ảo và theo đó các mô hình đƣợc so sánh với
nhau trong các phép thử lặp lại, để từ đó tính ra đƣợc những phƣơng pháp này
hoạt động ra sao trong một môi trƣờng có kiểm soát về lựa chọn. Tuy nhiên,
tính phù hợp về mặt thực nghiệm của những kết quả này lại tùy thuộc vào việc
các dữ liệu nhân tạo có giống với các đặc điểm của thế giới thực hay không, do
vậy nó có thể bị nghi ngờ. Phƣơng pháp phân tích này rất hữu ích khi biết đặc
điểm thống kê của mẫu lớn và muốn tìm hiểu tính hữu dụng của các kết quả
cho các mẫu phù hợp với các nhà nghiên cứu ứng dụng. Đây là một ví dụ đơn
giản về việc sử dụng phƣơng pháp Monte Carlo trong kinh tế lƣợng, nó đƣợc
gọi là tính toán phân phối mẫu nhỏ của các hệ số ƣớc lƣợng và kiểm định xem
hành vi của hệ số nào đã đƣợc biết.
So sánh các phƣơng pháp dự báo bằng thực nghiệm thƣờng dựa vào
quan sát các kết quả của các phƣơng pháp trong nhiều chuỗi thời gian. Bởi vì
quá trình tạo dữ liệu không nằm trong sự kiểm soát của ngƣời nghiên cứu nên
ngƣời ta biết về nó chƣa thật sâu sắc. Kết quả của các phƣơng pháp dự báo dựa
vào bất kỳ một chuỗi thong tin nào đều có thể phụ thuộc vào đặc điểm riêng
của chúng, và do vậy sẽ hạn chế khả năng ứng dụng mang tính khái quát. Vì lý
do này nên nhiều chuỗi có thể đƣợc so sánh với nhau, và thƣờng các chuỗi
đƣợc lựa chọn có những đặc điểm chung. Điều này có thể dẫn đến một hạn chế
là các kết quả có thể không còn đúng nhƣ kỳ vọng khi áp dụng với các chuỗi
có các đặc điểm khác nhau.
1.7. Các tính chất đặc biệt của dữ liệu có ảnh hưởng nhiều nhất đến
kết quả dự báo
Nhiều chuỗi thời gian có những đặc điểm rất đặc thù nhƣ tính mùa, dao
động theo chu kỳ, tăng trƣởng xu thế, tính phụ thuộc kế tiếp nhau, thay đổi
mức độ dao động. Việc không xem xét những đặc điểm này (ví dụ tính mùa) có
DBCTTXH12-2010
14

thể dẫn đến kết quả dự báo không sát thực (ví dụ điểm ngoặt hay một xu thế)
nếu nhƣ những đặc điểm này có liên hệ với nhau. Một số đặc điểm này có thể
cần phải đặc biệt chú ý khi dự báo. Vì vậy, các mô hình đƣợc xây dựng luôn cố
gắng nắm bắt những đặc điểm này, và có nhiều cách tiếp cận đã đƣợc đƣa ra.
Nếu nhƣ chúng ta có thể mô hình hóa tính không dừng hoặc đƣa nó vào
trong dự báo theo một cách có hệ thống thì việc thay đổi giá trị bình quân hay
phƣơng sai theo thời gian có thể không còn là vấn đề. Do đó, tính không dừng
“nghiệm đơn vị” (dẫn tới việc thay đổi phƣơng sai xu thế) là trọng tâm của
nhiều nghiên cứu dù rằng những khái quát quan trọng đã đƣợc tìm ra. Tuy
nhiên, một số nguyên nhân thay đổi khác, ví dụ thay đổi giá trị bình quân, vẫn
chƣa đƣợc mô hình hóa và điều “chúng ta chƣa biết rằng chúng ta chƣa biết”
có thể vẫn chƣa đƣợc đƣa vào trong một mô hình nào.
1.8. Các khó khăn chủ yếu gặp phải trong quá trình dự báo
Một trong những khó khăn chính khi dự báo hiện tƣợng liên tục phát
triển theo thời gian là nó thỉnh thoảng gặp phải những trục trặc, và đôi khi có
thể là các cú sốc lớn không thể dự đoán trƣớc đƣợc. Do vậy, những mối quan
hệ ổn định trƣớc đây giữa các biến sử dụng cho dự báo có thể bị thay đổi, và
nếu dùng chúng để dự báo thì có thể dẫn tới những sai lầm dự báo lớn và kéo
dài.
1.9. Các phương án khắc phục khó khăn
Các khoảng dự báo cho biết mức độ bất định của dự báo, nhƣng nó chỉ
có thể phản ánh sự bất định đã biết – rút ra từ ƣớc lƣợng mô hình, giả định các
cú sốc tƣơng lai giống với các cú sốc trong quá khứ - trong khi đó các thành
phần xác định có thể thay đổi ngoài dự kiến. Nhƣ đã đề cập, do không biết
những yếu tố không biết nên rất khó có thể tính đến yếu tố bất định chƣa biết
này.
DBCTTXH12-2010
15
Một ví dụ đơn giản có thể làm sáng tỏ vấn đề này. Giả sử một biến cần
dự báo trong thực tế đƣợc tạo ra bằng phƣơng trình sau:

(1)
Trong đó là một chuỗi các biến ngẫu nhiên phân phối chuẩn và độc
lập với trung bình bằng 0 và phƣơng sai , đƣợc viết là . Tại
thời kỳ T, ngƣời ta biết giá trị biến này sẽ nhận trong thời kỳ tiếp theo (T+1) sẽ
là cộng với giá trị thực tế của cú sốc ngẫu nhiên. Ở đây, chúng
ta biết phân phối của cú sốc đó, do vậy chúng ta biết sẽ phân phối chuẩn
xung quanh giá trị bình quân là với phƣơng sai là . Do vậy, chúng
ta có thể xây dựng khoảng tin cậy cho giá trị dự báo trung tâm
( . Dƣới dạng công thức xác suất, kết cục sẽ nằm
trong khoảng tin cậy sau:
,
Trong đó là giá trị để cho xác suất mà biến phân phối chuẩn nhỏ hơn
nó bằng . Khoảng này cho biết nếu có R trƣờng hợp { } xảy ra, khi đó
sẽ có (1-)×R trƣờng hợp trong số đó, giá trị thực tế xảy ra sẽ nằm trong
khoảng quanh giá trị dự báo. Do mức độ bất định trong dự báo điểm
đƣợc biết chính xác, vậy vấn đề nằm ở đâu?
Thứ nhất, trong thực tế, không bao giờ biết giá trị của các tham số trong
mô hình, {,, }, do vậy chúng sẽ đƣợc thay thế bằng cách hệ số ƣớc lƣợng.
Tuy nhiên, tính bất định tăng thêm ở bƣớc này là một phần trong tính bất định
đã đƣợc biết: do biết rằng sẽ xuất hiện bất định này nên có thể tính chúng vào
trong dự báo. Thứ hai, có thể không biết chắc chắn về dạng mô hình vì vậy có
thể có những phản ứng trễ xa hơn so với những gì đƣợc đƣa vào trong (1), hoặc
DBCTTXH12-2010
16
có thể cần sử dụng dạng log thay vì giá trị tuyệt đối,… Vấn đề bất định có thể
nảy sinh từ việc chƣa biết dạng chỉ định mô hình khó khắc phục hơn. Vấn đề
thứ ba là trƣờng hợp tƣơng lai không còn giống với quá khứ, chẳng hạn nhƣ
với t > T, trong đó hoặc   0 và/hoặc . Lƣu ý rằng  
0 tƣơng đƣơng với việc thay đổi  thành  + . Tất nhiên, không có lý do xác
đáng nào để giả định rằng dạng phân phối của cú sốc này sẽ không thay đổi.

Thay đổi giá trị bình quân sẽ ảnh hƣởng tới tính chính xác của dự báo, và thay
đổi phƣơng sai của nhiễu có nghĩa là sẽ hoặc ƣớc lƣợng quá cao hoặc ƣớc
lƣợng quá thấp mức độ bất định xung quanh dự báo điểm. Thay đổi phân phối
sai số sẽ gây ra tính không chính xác trong dự báo mật độ.
Tuy nhiên, có một số cách để tránh gặp phải những sai lầm dự báo mang
tính hệ thống trong các nền kinh tế gặp phải các cú sốc lớn, đột ngột ngoài dự
kiến. Khi các cú sốc không đƣợc dự kiến trƣớc, có một mẹo để tránh những sai
số lớn trong dự báo đã đƣợc công bố trƣớc khi xảy ra các cú sốc này. Cụ thể là
với việc không thể dự báo trƣớc cú sốc thì cần phải phỏng theo nếu cú sốc xảy
ra để tránh hệ quả là những dự báo sai lầm. Một số mô hình có khả năng thích
ứng nhanh hơn so với các mô hình khác. Ở đây không thể giải thích chi tiết tất
cả các mô hình có liên quan trong phần này, nhƣng có thể đƣa ra một ví dụ
minh hoạ nhƣ sau: những thay đổi trong giá trị bình quân của các kết hợp dừng
của các biến dƣờng nhƣ là một nguyên nhân chính cho việc dự đoán sai trong
phần lớn nhóm mô hình “cơ chế hiệu chỉnh cân bằng véctơ” đƣợc sử dụng khá
rộng rãi, trong khi đó véctơ tự hồi quy sai phân bậc nhất (và thậm chí bậc hai)
vững hơn với những thay đổi xác định, và thích ứng với môi trƣờng thay đổi
hơn. Ngay cả khi một dạng mô hình đã cho không thể tự điều chỉnh nhanh thì
cũng có những công cụ để đẩy nhanh quá trình này: ví dụ “hiệu chỉnh hệ số
chặn” có thể đƣợc sử dụng để đƣa mô hình trở lại xu thế và do vậy sẽ làm giảm
DBCTTXH12-2010
17
bớt sai lầm hệ thống. Do vậy, sẽ có một số cách để khắc phục ít nhất một phần
nào đó những vấn đề nêu trên.
Để làm sáng tỏ những vấn đề này, giả sử rằng trong (1), hệ số chặn 
thay đổi thành  +  tại T+1, và để đơn giản hóa,  = 0, nhƣ vậy quá trình này
sẽ thành:
Yt =  + 1(t>T) + at (2)
Trong đó 1(t>T) nhận giá trị bằng 1 khi t > T và không trong trƣờng hợp
còn lại. Thời kỳ dự báo T+2 tại thời điểm T+1 mà không nhận ra giá trị bình

quân đã thay đổi, tính trung bình chúng ta sẽ mắc sai lầm bằng  trong khi đó
nếu chúng ta sử dụng “chỉ số dự báo bƣớc ngẫu nhiên”, tức là
thì sai số bình quân sẽ bằng không! Ngƣợc lại, nếu chúng ta đánh giá lại dự báo
vào T+2 đúng bằng sai lầm mà chúng ta mắc phải khi dự báo thời kỳ T+1 thì
sai số bình quân sẽ lại bằng không. Nhƣng cái giá phải trả là tăng đƣợc mức
độ chính xác sẽ làm giảm mức độ chi tiết. Đơn giản nhƣ sau: khoảng tin cậy sẽ
bao quát kết cục thực sự diễn ra trong (1-)×100% số lần sẽ xấp xỉ








^
2
1/2


zy
TT
, nó lớn gấp hai lần so với dự báo trƣớc 1 thời kỳ khi sử dụng
mô hình hiệu chỉnh và không có sự thay đổi của giá trị bình quân.
Có nhiều nghiên cứu về các tín hiệu cảnh bảo sớm. Các nghiên cứu này
cố gắng đƣa ra các phƣơng pháp dự doán trƣớc những thay đổi bằng cách quan
sát nó trong những khu vực thƣờng đi tiên phong, hoặc nghiên cứu với các hiện
tƣợng có tần suất xuất hiện cao (ví dụ dữ liệu tuần khi tần suất thông thƣờng là
quý). Tuy nhiên, nhiều vấn đề cũng bắt đầu nảy sinh trong khoa học xã hội.
DBCTTXH12-2010

18
Thứ nhất, IMF có thể dự đoán việc xuất hiện các cuộc khủng hoảng tiền
tệ, và sau đó có các hành động ngăn chặn và nhƣ vậy sẽ giúp cho các kết quả
dự báo không xảy ra.
Thứ hai, ví dụ ngƣời ta có thể dự báo sẽ có một cuộc khủng hoảng và
giữ bí mật về nó. Khi đó bạn sẽ tạo ra một cỗ máy kiếm tiền: hành động của
bạn có thể thay đổi kết cục không giống nhƣ những gì đƣợc dự đoán ban đầu,
nhƣng có thể cũng gây ra một cuộc khủng hoảng đúng nhƣ ƣớc nguyện bằng
hành động của mình, mà đáng lẽ cuộc khủng hoảng này cũng có thể không xảy
ra. Do vậy có những hạn chế về những yếu tố mà chúng ta kỳ vọng có thể dự
báo đƣợc.
II. CÁC PHƢƠNG PHÁP DỰ BÁO CÁC CHỈ TIÊU THỐNG KÊ
XÃ HỘI
2.1. Các loại dự báo
Trên các góc độ khác nhau ngƣời ta phân dự báo ra thành các loại khác
nhau. Dựa vào thời kỳ nghiên cứu và tầm dự đoán ngƣời ta chia dự báo ra
thành hai loại. Loại thứ nhất là dự báo ngắn hạn và loại thứ hai là dự báo dài
hạn.
Dự báo ngắn hạn thƣờng đƣợc coi là dự báo cho các chuỗi số liệu có thời
kỳ nghiên cứu dƣới một năm (tuần, tháng, quý,…) hoặc có tầm dự báo từ 1 đến
5 thời kỳ tiếp theo. Tuy nhiên, các quy định này cũng chỉ là tƣơng đối, vì vậy
không câu nệ khi có ngƣời gọi khác đi so với cách xác định loại dự báo trên.
Trên một góc độ khác, có thể chia các phƣơng pháp để thực hiện dự báo
thành 2 nhóm chính:
(i) Nhóm thứ nhất, dự báo trên cơ sở giả định về sự phụ thuộc của biến
dự báo vào số liệu quá khứ với các phƣơng pháp thƣờng sử dụng nhƣ ngoại
DBCTTXH12-2010
19
suy dựa trên phát hiện xu hƣớng theo thời gian, AR, MA, ARMA, ARIMA,
ARDL v.v…;

(ii) Nhóm thứ hai, dự báo dựa trên cơ sở sử dụng các mô hình mô tả các
quan hệ cơ cấu.
Nhóm phƣơng pháp thứ nhất đơn giản hơn về kỹ thuật tính toán cũng
nhƣ yêu cầu về số liệu song không cho phép dự báo đƣợc tác động của các thay
đổi chính sách tạo nên sự thay đổi về các quan hệ cơ cấu.
2.2. Các phƣơng pháp dự báo
Nhiều chỉ tiêu thống kê vừa có đặc trƣng là chỉ tiêu thống kê kinh tế và
vừa có đặc trƣng là chỉ tiêu thống kê xã hội. Vì vậy nhiều phƣơng pháp dự báo
không những đƣợc áp dụng trong lĩnh vực thống kê kinh tế mà còn đƣợc áp
dụng cả cho lĩnh vực thống kê xã hội và ngƣợc lại. Dƣới đây là các phƣơng
pháp dự báo cơ bản đƣợc áp dụng cho dự báo các chỉ tiêu thống kê nói chung.
Trong phần tổng quan ở trên đã điểm qua các phƣơng pháp dự báo chính:
1. Đoán, “quy tắc ngón tay cái” hoặc “các mô hình không chính thức”; 2.
Đánh giá của chuyên gia; 3. Ngoại suy; 4. Các chỉ số dự báo sớm; 5. Các cuộc
điều tra; 6. Các mô hình chuỗi thời gian và; 7. Các hệ kinh tế lƣợng
Trong mục này sẽ tập trung vào trình bày về các phƣơng pháp dự báo và
một số nội dung cơ bản của dự báo theo phƣơng pháp kinh tế lƣợng.
2. 2.1. Dự báo điểm và dự báo khoảng
Giả sử cần dự báo véc tơ các biến y (có thể gồm một hệ thống các chỉ
tiêu thống kê xã hội nào đó), bài toán dự báo điển hình là bài toán dự đoán các
giá trị đối với y tại thời gian tƣơng lai T+h, khi cho T quan sát y
1
, y
2
,…, y
T
, và
có thể các quan sát của một vài biến khác. Thời gian thƣờng đƣợc lấy là hiện
tại và khoảng thời gian dƣơng h đƣợc gọi là tầm dự báo. Một dự báo điểm là:
DBCTTXH12-2010

20
y
T+h
(3)
Biểu thị một dự đoán các giá trị của y tại thời điểm T+h. Trong chừng
mực mà các giá trị đúng của các biến tại thời gian này, y
T+h
, đƣợc xác định theo
một phân phối xác suất thì dự báo điểm (3) nói chung đƣợc lấy là giá trị kỳ
vọng của phân phối nhƣ đã ƣớc lƣợng tại thời gian T từ các số liệu y
1
, y
2
,…, y
T
.
Giá trị kỳ vọng này có thể đặt trong ngoặc nếu ta dự báo bằng khoảng dự báo
với mức độ (khoảng) tin cậy nào đó – thí dụ, khoảng tin cậy 90%:

 
90,0
ˆ
,
ˆ
hThT
yy

(4)
đƣợc định nghĩa bằng:

 


9,0
ˆˆ

 hThThT
yyyP
(5)
Khoảng dự báo này đƣợc minh họa trong Hình 1 cho trƣờng hợp vô
hƣớng của dự đoán một biến đơn y. Do tầm dự báo càng xa, mức độ không
chắc chắn càng cao, nên khoảng dự báo cũng rộng ra theo thời gian. Độ mở
rộng của khoảng dự báo sẽ tạo nên một dự báo “ngắn hạn” hoặc “dài hạn”: dự
báo dài hạn có độ mở lớn hơn dự báo ngắn hạn. Nhƣ vậy, một dự báo ngắn hạn
có thể gắn với tầm dự báo một quý hoặc một năm, còn một dự báo thời tiết
ngắn hạn có thể gắn với tầm dự báo một ngày. Tƣơng tự, một dự báo dài hạn
có thể có bậc 5 năm. Thang thời gian dự báo đƣợc đo bằng những đơn vị thích
hợp (thí dụ, quý của năm đối với các dự báo kinh tế và ngày đối với các dự báo
thời tiết). Khi đã cho các đơn vị này, dự báo ngắn hạn ngắn nhất là y
T+1
, trong
khi y
T+h
đối với h đủ lớn biểu thị một dự báo dài hạn.



DBCTTXH12-2010
21
Hình 1. Dự báo điểm và dự báo khoảng

Một loại dự báo khác dựa trên phân phối xác suất của y
T+h
là dự báo xác
suất, nó nêu ra xác suất của một phát biểu nào đó về giá trị tƣơng lai của biến.
Một thí dụ là




)(
0
yyP
hT
(6)
Ở đây y
0
đƣợc chỉ định và  là xác suất xảy ra của sự kiện. Một thí dụ là
dự báo thời tiết dựa vào xác suất mƣa. Loại dự báo này không đƣợc sử dụng
trong kinh tế học rộng rãi nhƣ các dự báo điểm và dự báo khoảng, nhƣng

chúng có thể đƣợc sử dụng rộng rãi hơn trong tƣơng lai khi phƣơng pháp luận
để xây dựng và đánh giá chúng đƣợc phát triển.
Ngƣời ta thƣờng nghĩ rằng, dự báo là kiểm định một mô hình kinh tế
lƣợng cụ thể. Tuy nhiên, trong vài chục năm gần đây, ngƣời ta công nhận rằng,
khoảng dự báo
dự báo theo
đƣờng hoành
(tầm dự báo)
y
hT
y

ˆ

hT
y

ˆ

y
T

y
T+h

0
t
DBCTTXH12-2010
22
ít nhất dự báo cũng bao hàm nhiều nghệ thuật nhƣ khoa học, cho nên khó mà

đặt những tiêu chuẩn tới hạn cho việc chấp thuận hay bác bỏ một mô hình kinh
tế lƣợng chỉ trên khả năng dự báo của nó. Hơn nữa, luận điểm này đƣợc củng
cố thêm khi ngƣời ta công nhận rằng không có sự thoả thuận chính xác nào về
thƣớc đo khả năng dự báo nếu các mục tiêu của ngƣời đánh giá không duy nhất.
Có một vài cách tiếp cận khác nhau đối với dự báo. Mục này giới thiệu
những cách tiếp cận khác với cách tiếp cận kinh tế lƣợng, và mục tiếp theo
trình bày cách tiếp cận kinh tế lƣợng. Tuy nhiên, dễ thấy là cách tiếp cận kinh
tế lƣợng bao quát hơn nên một số trong các cách tiếp cận trình bày ở đây đƣợc
coi nhƣ những trƣờng hợp đặc biệt của nó.
Cách tiếp cận lâu đời nhất của dự báo là cách tiếp cận theo ý kiến
chuyên gia, trên cơ sở những đánh giá am hiểu của các chuyên gia am tƣờng về
hiện tƣợng đƣợc nghiên cứu. Một ví dụ điển hình của cách tiếp cận này là dựa
vào kết quả của các cuộc điều tra về dự tính, ví dụ nhƣ những cuộc điều tra về
dự tính đầu tƣ tƣ bản, dự tính về tiêu dùng, trong đó ngƣời ta yêu cầu chính
những ngƣời ra quyết định dự báo những hành động tƣơng lai của họ. Nhìn
chung, những nhân tố liên quan đến dự báo nhƣ ngân sách và lƣợng hàng hoá
bán đƣợc, và những điều kiện tín dụng, thƣờng không đƣợc xét đến một cách
cụ thể trong cách tiếp cận dự báo này mà thƣờng chỉ đƣợc cân nhắc và đánh giá
chủ quan bởi chuyên gia.
Một biến thể hiện đại của phƣơng pháp tiếp cận dự báo chuyên gia là
phƣơng pháp Delphi. Ở phƣơng pháp nay ngƣời ta tập hợp đánh giá của một
nhóm chuyên gia để đƣa ra kết quả dự báo. Mỗi chuyên gia đƣợc hỏi ý kiến và
rồi những dự báo của họ đƣợc trình bày dƣới dạng thống kê tóm tắt cho mọi
ngƣời. Việc trình bày những ý kiến trả lời này thƣờng đƣợc tiến hành giấu tên
không có sự tiếp xúc mặt đối mặt (chẳng hạn thông qua câu hỏi bằng thƣ) để
tránh những vấn đề tƣơng tác trong nhóm nhỏ có thể tạo nên những sai lệch
DBCTTXH12-2010
23
nhất định trong kết quả. Sau đó ngƣời ta yêu cầu các chuyên gia duyệt xét lại
những dự báo của họ trên cơ sở tóm lƣợc của tất cả các dự báo và có thể những

thông tin bổ sung thêm. Quá trình này đƣợc lặp lại cho đến khi nhóm chuyên
gia đạt đƣợc sự thống nhất ý kiến.
Một cách tiếp cận hình thức hơn là dự báo dựa trên tính ỳ: dựa trên giả
thiết hệ thống có một động lƣợng nào đó, với tƣơng lai là bản sao của quá khứ.
Loại đơn giản nhất là dự báo theo nguyên trạng: dự báo giá trị hiện tại của biến
số sẽ tiếp tục đƣợc chuyển qua tƣơng lai. Giả sử cần dự báo một biến đơn theo
cách tiếp cận dự báo theo nguyên trạng và dự báo này là dự báo điểm. Ta sẽ có:
y
T+1
= y
T
(7)
Cách tiếp cận dự báo này còn đƣợc gọi là dự báo “ngây thơ I”. Một thí
dụ về loại dự báo này là ta dự báo rằng thời tiết ngày mai trùng với thời tiết
hôm nay. Dự báo này có xu hƣớng đúng với một tỷ lệ thời gian rất cao.
Một loại đơn giản khác của dự báo dựa trên tính ỳ là dự đoán có sự thay
đổi nhƣ nhau từ thời kỳ này sang thời kỳ tiếp theo, tức là:

1111
2
ˆ
,
ˆ


TTTTTTT
yyyhayyyyy
(8)
Cách tiếp cận dự báo này còn đƣợc gọi là dự báo “ngây thơ II”. Một
dạng dự báo dựa trên tính ì khác là dự đoán có sự thay đổi tỷ lệ nhƣ nhau, cụ

thể là:
)(
ˆ
,/)(/)
ˆ
(
1
1
1111 



TT
T
T
TTTTTTTT
yy
y
y
yyhayyyyyyy
(9)
Một dạng tổng quát của dự báo dựa trên tính ỳ là mô hình tự hồi quy,
với phƣơng trình dự báo sau:

jT
j
jT
yay







0
1
ˆ
(10)
DBCTTXH12-2010
24
Ở đây giá trị dự báo thu đƣợc từ một tổ hợp tuyến tính có trọng số của
tất cả các giá trị quá khứ của biến. Các hệ số a
j
có thể đƣợc chỉ định tiên
nghiệm nhƣ trong (7) và (8) hoặc chúng có thể đƣợc ƣớc lƣợng bằng thống kê.
Một cách tiếp cận dự báo khác là ngoại suy xu thế dựa trên cơ sở những
hàm đơn giản của thời gian, thí dụ hàm xu thế tuyến tính:
(11)
Dựa vào hàm này, giá trị dự báo tại T+1 là:

)1(
ˆ
1


Tbay
T
(12)
Ở đây a và b hoặc là đƣợc mặc nhiên công nhận hoặc là đƣợc ƣớc lƣợng
bằng thống kê. Thực tế, mô hình này là một trƣờng hợp đặc biệt của dự báo

dựa trên tính ỳ (8) trên cơ sở lƣợng thay đổi tuyệt đối không đổi từ thời kỳ này
sang thời kỳ khác, ở đây:

byyyy
TTTT

 11
ˆ
(13)
Tƣơng tự, xu thế hàm mũ

t
t
Aey


, (14)
Cho kết quả dự báo:

)1(
1
ˆ



T
T
Aey

, (15)

là một trƣờng hợp đặc biệt của (9), trong đó dự đoán trên cơ sở thay đổi
tƣơng đối không đổi, bởi:
1
)()
ˆ
(
1
11







e
y
yy
y
yy
T
TT
T
TT
(16)
Lấy logarit của (14) có:

tAy
t


lnln
(17)