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

TỔNG CỤC THỐNG KÊ












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



NGHIÊN CỨU ỨNG DỤNG CÁC PHƯƠNG PHÁP
DỰ ĐOÁN NGẮN HẠN ĐỂ DỰ BÁO MỘT SỐ
CHỈ TIÊU THỐNG KÊ KINH TẾ CHỦ YẾU
Ở VIỆT NAM




Đơn vị chủ trì: Viện Khoa học Thống kê
Chủ nhiệm: MSc Lê Văn Dụy
Thư ký: CN Trần Thanh Hương

7879
21/4/2010



HÀ NỘI, 2008


LỜI NÓI ĐẦU
Dự báo là một môn khoa học và cũng là một nghệ thuật về tiên đoán.
Hầu hết các tổ chức thống kê quốc gia và quốc tế đã có quan tâm và ứng dụng
môn khoa học này từ rất lâu. Ở Việt Nam, công tác dự báo đã được triển khai
từ những năm đầu của thập kỷ 70. Từ năm 1985 trở lại đây, Tổng cục Thống kê
đã có mộ
t số đề tài nghiên cứu về phương pháp dự báo ngắn hạn và ứng dụng
dự báo cho một số chỉ tiêu thống kê. Tuy nhiên cho đến nay những nghiên cứu
này vẫn chưa đạt được tầm tổng quan nhất định. Bên cạnh đó nhu cầu của
công tác thống kê về ứng dụng dự báo, trong đó có dự báo ngắn hạn các chỉ
tiêu thống kê kinh tế xã hội ngày càng trở nên cấp thiết.
Trước thự
c tế đó, Viện Khoa học Thống kê và Vụ Thống kê Tổng hợp, được sự
chấp thuận của Lãnh đạo Tổng cục Thống kê và Bộ Khoa học và Công nghệ,
đã tiến hành thực hiện 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”.

Mục tiêu nghiên cứu của đề tài là “Đề xuất ứng dụng phương pháp dự báo
ngắn hạn thích hợp cho một số chỉ tiêu kinh tế đã được lựa chọn”.
Để đạt được mục tiêu trên, đề tài tập trung vào các nội dung và phương pháp
nghiên cứu sau: Nghiên cứu tổng quan các phương pháp dự báo nói chung và
phương pháp dự báo ngắn hạn nói riêng; Khảo sát, đánh giá điều kiện số liệu
phụ
c vụ cho dự báo ngắn hạn và lựa chọn một số chỉ tiêu thống kê cho dự báo
thử nghiệm. Thử nghiệm dự báo ngắn hạn cho một số chỉ tiêu kinh tế chủ yếu.
Các chỉ tiêu được đánh giá và đưa vào thử nghiệm thuộc các lĩnh vực: thống
kê kinh tế tổng hợp; thống kê công nghiệp và xây dựng; thống kê nông lâm
nghiệp và thủy sản; thống kê thương mại, dịch v
ụ và giá cả.
Đề tài cũng sử dụng phần mềm phục vụ cho thử nghiệm dự báo là phần mềm
SPSS version 10.0; ngoài ra đề tài cũng cho xây dựng một chương trình phần
mềm riêng cho phương pháp gia quyền điều hòa.
Kết cấu báo cáo kết quả của đề tài, ngoài lời nói đầu và kết luận, gồm ba phần
chính và hai phụ lục:
Phần 1:
Những vấn đề cơ bản về dự báo và dự báo ngắn hạn;
Phần 2:
Lựa chọn chỉ tiêu và phương pháp dự báo

Phần 3:
Thử nghiệm dự báo và kết quả.
Phụ lục 1 là số liệu và kết quả dự báo chi tiết cho 40 chỉ tiêu thuộc bốn
lĩnh vực nêu trên.
Phụ lục 2 là hướng dẫn cách sử dụng phần mềm SPSS version 10.0 và
phần mềm do đề tài xây dựng cho dự báo ngắn hạn.

PHẦN MỘT
NHỮNG VẤN ĐỀ CƠ BẢN VỀ DỰ BÁO VÀ DỰ BÁO NGẮN HẠN
Khái niệm về dự báo

Trước khi vào phần nghiên cứu, cần thống nhất về khái niệm về dự báo.
Trong tiếng Việt có từ “đoán”, mang nội dung là đưa ra kết luận một
cách có suy xét về đối tượng nào đó đã, đang hoặc sẽ như thế nào. Song thực tế
có đúng như vậy hay không thì người đưa ra kết luận không thể khẳng định
trước được, mà chỉ có thể cho biết khả nă
ng xảy ra như thế là bao nhiêu. Như
vậy, các trường hợp “đoán” không dựa trên cơ sở suy xét mang tính khoa học

về đối tượng cần đoán không thể coi là dự báo.
Với khái niệm đoán, cần phân biệt hai tình huống sau:
- Đoán nhằm đưa ra kết luận về quan hệ với “cái đã qua” trong quá khứ
hoặc “cái hiện có” trong hiện tại, được gọi là chẩn đoán.
- Đoán nhằm
đưa ra kết luận về quan hệ với “cái sắp tới” trong tương
lai, được gọi là dự báo.
Suy xét mang tính khoa học nhằm xác lập mối liên hệ giữa dữ liệu thông
tin về “cái đã qua” trong quá khứ hoặc “cái hiện có” trong thực tại với nội
dung kết luận đưa ra về “cái sắp tới” trong tương lai được gọi là “dự báo”.
I. CÁC TIÊU CHÍ PHÂN LOẠI DỰ BÁO
Dự báo có thể
được phân loại theo nhiều tiêu thức khác nhau. Nếu dựa
trên tầm hạn dự báo có dự báo dài hạn, dự báo trung hạn và dự báo ngắn hạn;
Nếu dựa trên cách thức dự báo lợi dụng dữ liệu thông tin có sẵn có dự báo thác
triển, dự báo nhân – quả và dự báo thích nghi; Nếu dựa trên đặc trưng hoặc cấu
trúc đối tượng được dự báo có dự báo đơn giản, dự báo phức tạp; Nếu dựa trên
mức độ chi tiết hóa nội dung dự báo có dự báo đại cương, dự báo chi tiết; Nếu
dựa trên phạm vi nội dung dự báo cần thâu tóm có dự báo toàn cục, dự báo bộ
phận; Nếu dựa trên quy mô lãnh thổ dự báo đề cập đến có dự báo vùng miền
lãnh thổ, dự báo quốc gia, dự báo khu vực lục địa, dự báo toàn cầu; Nếu dựa
trên phương pháp tính toán dự báo có nhiều cách phân loại khác nhau, vì có

nhiều cách tính toán khác nhau. Ở trường hợp này có thể có các loại dự báo
sau:
+ Dự báo theo phương pháp nội - ngoại suy;
+ Dự báo theo phương pháp phỏng vấn;
+ Dự báo theo phương pháp tương tự;
+ Dự báo theo phương pháp mô hình hóa.
Dự báo theo phương pháp mô hình hóa cần phải có thông tin (số liệu)

thống kê để xây dựng mô hình. Cũng chính vì vậy các mô hình dự báo còn có
tên là mô hình trắc lượng. Trong lĩnh vực kinh tế, mô hình dự báo được gọi là
mô hình dự báo kinh tế lượng. Ngày nay nhờ kh
ả năng xử lý khối lượng thông
tin lớn nhanh và chính xác của máy tính điện tử mô hình dự báo kinh tế lượng
ngày càng được ứng dụng mạnh mẽ vào dự báo kinh tế.
Trên góc độ thực hành, người ta còn có các cách phân loại dự báo sau:
1.1. Phân loại dự báo theo cách thức lợi dụng dữ liệu thông tin có sẵn
về “cái đã qua” trong quá khứ hoặc “cái hiện có” trong thực tại
Căn cứ vào cách thức lợi dụng thông tin có được từ phân tích dữ liệu
thông tin có được về “cái đã qua” trong quá khứ hoặc “cái hiện có” trong
hiện tại để đưa ra kết luận về “cái sắp tới” trong tương lai, có thể phân dự báo
ra: dự báo thác triển, dự báo nhân - quả, dự báo thích nghi.
A. Dự báo thác triển
Loại dự báo này áp dụng với đối tượng được dự báo tồn tại theo nguyên
tắc giữ nguyên quy luật vận động “nguyên trạng động”. Nguyên tắc này được
hiểu theo nghĩa, mặc dầu có nhiều nhân tố cùng ảnh hưởng đến đối tượng được
dự báo và thậm chí những ảnh hưởng của các nhân tố riêng biệt bị thay đổi
theo thời gian, song những ảnh hưởng đó liên kết lại ở trạng thái cân bằng động
đến mức làm cho động thái của đối tượ
ng được dự báo có thể được mô tả bằng
hàm số với biến số là thời gian.



B. Dự báo nhân - quả
Loại dự báo này đưa ra kết luận về “cái sắp tới” trong tương lai dựa
vào những quan hệ nhân - quả đã nhận biết được về mặt lượng của “cái đã
qua” trong quá khứ hoặc “cái hiện có” trong thực tại. Nó được vận dụng trước
hết ở những hoàn cảnh có thể phân biệt được một hoặc một số nhân tố

tác động
mạnh đến đối tượng được dự báo và ở những hoàn cảnh về nguyên tắc có thể
cho rằng, trong tương lai những nhân tố đó được hình thành đến mức mà kết
cấu tác động của chúng bị thay đổi căn bản, đồng thời nguyên tắc “nguyên
trạng động” bị vi phạm.
C. Dự báo thích nghi
Trong khi dự báo thác triển, cũng như dự báo nhân - quả đưa ra kết luận
cho “cái sắp tới” trong tương lai dựa vào quy luật thích hợp mối quan hệ giữa
các biến, quy luật này được biểu thị bằng mô hình xác định được xây dựng từ
những dữ liệu thông tin về “cái đã qua” trong quá khứ hoặc “cái hiện có”
trong thực tại; thì trái lại, loại dự báo thích nghi lại bỏ đi giả thiết về tính ổn
định của mô hình và thay thế bằng sự xem xét mềm dẻ
o hơn. Dự báo thích ghi
dựa trên dòng thời gian và nguồn thông tin mới được cập nhật. Mô hình dùng
trong dự báo thích ghi được hiệu chỉnh liên tục. Đó là kết quả của sự dung hòa
giữa sự trải nghiệm và những nhận thức mới nhất về hiện tượng cần dự báo.
Tính thích nghi đó, một mặt cho phép mở rộng một cách hệ thống những thử
nghiệm mà mô hình dựa vào; mặt khác, là điề
u kiện quan trọng cho phép phát
hiện và xem xét kịp thời sự thay đổi có thể mang quy luật của hiện tượng tại
thời điểm gần nhất và thay thế nó bằng quy luật mới.
Từ những nhận định như trên, có thể nói rằng, dự báo thích nghi có ưu
thế hơn trong việc áp dụng trong những trường hợp khi đối tượng được dự báo
khá bất thường theo thời gian.
1.2. Phân loại dự báo theo t
ầm hạn thời gian
Theo tầm hạn thời gian của dự báo, có thể phân dự báo ra: Dự báo ngắn
hạn, dự báo trung hạn, dự báo dài hạn. Sự đưa ra kết luận về “cái sắp tới”
trong tương lai giới hạn khoảng 1 hoặc 2 năm trở lại được gọi là dự báo ngắn
hạn, trong khoảng từ 3 năm đến dưới 5 năm được gọi là dự báo trung hạn, dự

báo cho khoảng thời gian từ 5 năm trở lên được gọi là dự báo dài hạn. Tuy sự
phân loại như vậy rất đơn giản, song lại thường phù hợp với hệ thống bắt buộc
của các kế hoạch hành động, nhất là với hoạt động kinh tế. Tuy nhiên, trong
thực tế rất khó biết phân loại như vậy đã là hoàn toàn đúng đắn hay chưa.
A. Dự báo dài hạn
Đặc trư
ng của loại dự báo này là mô hình hóa động giữ vai trò lớn. Đó là
điều tất yếu, vì tính không ổn định của các quan hệ được mô hình hóa. Với dự
báo dài hạn, mô hình nhân-quả hay được sử dụng. Tần số dự báo dài hạn nói
chung là thấp.
Dự báo dài hạn thường phải liên kết hàng loạt các điều kiện bổ sung cho
khoảng thời gian dài mà kết luận đưa ra về “cái sắp tới” trong tương lai xa.
Trong số các điều kiện này, quan trọng nhất là phải tính đến việc dựa vào mô
hình động xem xét tính quy luật dài hạn, phải lưu ý đến khả năng xuất hiện sự
thay đổi cấu trúc và tính quy luật số lượng thích hợp trong khoảng thời gian
giữa khởi đầu xây dựng kết quả dự báo và tiếp sau kỳ được dự báo.
Nhìn chung dự báo dài hạn có một số tính chất đáng lưu ý sau:
- Tính đồ
ng bộ ở dự báo dài hạn cao hơn hẳn so với ở dự báo ngắn hạn
và ở dự báo trung hạn. Sự đưa ra kết luận về “cái sắp tới” trong tương lai xa
thường là hệ thống những “cái sắp tới” có quan hệ với nhau một cách lô gíc và
cả ngẫu nhiên nữa. Yêu cầu của tính đồng bộ là do kết luận đưa ra cho tương
lai xa về từng “cái sắp tớ
i” riêng biệt ít bản chất hơn so với về cả hệ thống
những cái sắp tới gắn bó với nhau.
- Kết quả dự báo dài hạn có đặc trưng chiến lược, cho nên việc đưa ra
liên tiếp kết quả dự báo có ý nghĩa đặc biệt quan trọng. Tính chính xác của
chuỗi kết quả dự báo liên tiếp được xem xét trên toàn bộ tầm hạn thời gian mà
kết luận đưa ra về

“cái sắp tới” trong tương lai xa đề cập đến quan trọng hơn
nhiều so với được xem xét ở một thời kỳ riêng biệt bất kỳ nào trong toàn bộ
tầm hạn thời gian dự báo dài hạn quan tâm đến.
- Với dự báo dài hạn, đặc biệt hữu dụng là hai lớp mô hình trắc lượng,
đó là những mô hình nguyên nhân mô tả và những mô hình trong số các mô
hình cổ điển về xu hướng phát triển mà chúng chứa cả
xu hướng lẫn giao động

thời kỳ dài của đối tượng được dự báo. Trái lại, có lẽ ít hữu dụng hơn cả là
những lớp mô hình khác, đặc biệt là lớp những mô hình các quá trình ngẫu
nhiên hoặc lớp những mô hình thích nghi.
Việc thực hiện dự báo dài hạn nói chung thường hay gặp những khó
khăn sau:
- Khả năng xuất hiện những thay đổi bất ngờ dạng phân tích các quan hệ
được phản ánh qua mô hình dùng cho các mục đích của d
ự báo.
- Tính không chắc chắn về dạng phân tích thực tế các mối quan hệ được
phản ánh qua mô hình.
- Tính khó so sánh các dữ liệu thống kê dùng để xây dựng mô hình dự
báo.
- Nhưng thay đổi về giá trị các thông số được dùng vào mô hình trong
suốt cả tầm hạn thời gian dự báo đề cập đến.
- Những trở ngại trong việc xác định các biến giải thích được hình thành
như thế nào của mô hình dùng vào dự báo.
B. Dự báo trung hạn
Loại dự báo này có các đặc điểm chung sau đây:
- Thường sử dụng mô hình dự báo nhân quả nhiều hơn so với dự báo
ngắn hạn;
- Tần số dự báo ít hơn so với dự báo ngắn hạn;
- So với dự báo dài hạn thì thường ít sử dụng mô hình nhân quả hơn và

số lần đưa ra kết quả dự báo thì nhiều hơn.
C. Dự báo ngắn hạn
C.1. Một số đặ
c trưng đáng lưu ý của dự báo ngắn hạn
Nói chung có thể thống nhất cho rằng, tầm hạn thời gian của loại dự báo
này không quá 2 năm. Song điều quan trọng hơn là những mô hình được sử
dụng cho việc đưa ra kết luận về cái sắp tới trong tương lai gần được xây dựng

trên cơ sở dữ liệu thông tin gắn với các thời kỳ đơn vị ngắn hơn (tuần, tháng,
quý).
Các mô hình được ứng dụng ở đây thường khác với lớp mô hình nhân -
quả. Các mô hình thường được sử dụng trong dự báo ngắn hạn thường là mô
hình quan hệ ngẫu nhiên, mô hình thích nghi và cả mô hình xu thế phát triển
theo thời gian.
Một đặc trưng khác của dự báo ngắn hạn là việc tiến hành dự báo (đư
a ra
kết quả dự báo) thường được lặp lại. Các kết quả dự báo ngắn hạn được quan
tâm thường là cho quý, tháng, thậm chí cho cả tuần. Việc tiến hành dự báo
trong dự báo ngắn hạn thường được tiến hành thường xuyên, do vậy tạo ra một
nguồn thông tin dồi dào. Đây là cơ sở để đối chứng giữa kết quả dự báo với
thực tế diễn ra của đố
i tượng cần được dự báo. Sự so sánh thường xuyên hơn
hai nguồn thông tin này cho phép có cơ hội hoàn thiện phương pháp dự báo.
Dự báo ngắn hạn trước hết phục vụ cho công tác chỉ đạo tác nghiệp. Do
vậy, chúng phục vụ cho việc phân biệt tức thời các quá trình kinh tế và cho
việc thực hiện các quyết định thông qua người sử dụng chúng. Có nhiều ý kiến
cho rằng, dự báo ngắn hạn phải được xây dự
ng cho các đơn vị cấp thấp, ví dụ
các xí nghiệp và công ty. Điều đó có một phần đúng. Tuy nhiên chúng cũng có
thể sử dụng để chỉ đạo của cấp cao hơn.

C.2. Lựa chọn lớp mô hình dự báo ngắn hạn
Với dự báo ngắn hạn, về mặt lý thuyết có thể sử dụng những phép toán
dự báo dựa vào các loại mô hình kinh tế lượng tùy ý. Song xem xét các ứng
dụng thực t
ế thấy có một số loại mô hình rất thích hợp với dự báo ngắn hạn,
còn một số khác lại không thích hợp lắm. Cũng cần phải lưu ý là với việc đưa
ra kết luận về “cái sắp tới” trong tương lai gần, các mô hình kinh tế lượng
thích hợp được xây dựng dựa vào các số liệu mà thời kỳ nghiên cứu (reference
period) của chúng ngắn, thường là số liệu tuần, 10 ngày, tháng, quý, rấ
t ít khi
là năm. Đặc điểm này ảnh hưởng quan trọng tới việc lựa chọn loại mô hình sử
dụng cho dự báo ngắn hạn.

Đối với dự báo ngắn hạn, có ba loại mô hình hay được sử dụng. Đó là
mô hình mô tả xu hướng phát triển, mô hình mô tả các quá trình ngẫu nhiên và
mô hình thích nghi.
Mô hình mô tả xu hướng phát triển
: Đó là các mô hình có dạng là các
hàm số toán học mô tả mối quan hệ giữa hiện tượng cần dự báo với biến thời
gian. Các thông số của hàm được ước lượng dựa vào các số liệu phản ánh quá
trình phát triển của hiện tượng và thường các thông số này được coi là không
thay đổi thời gian. Một điểm cũng cần phải lưu ý ở đây là ngoài sử dụng hàm
số mô tả khuynh hướng đố
i với các chuỗi số liệu tuần, 10 ngày, tháng, quý có
thể xuất hiện những giao động mùa và những giao động chu kỳ ngắn khác. Vì
vậy trong quá trình dự báo phải đưa các yếu tố này vào mô hình.
Mô hình mô tả các quá trình ngẫu nhiên
: Đó là mô hình và những
phương pháp dự báo phù hợp với chúng có quan hệ với tình huống khi các quá
trình dừng xuất hiện. Ở loại mô hình này, thường đầu tiên loại đi thành phần

“hệ thống” (thành phần khuynh hướng và biến động mùa) sau đó vận dụng
phương pháp dự báo thích hợp cho thành phần ngẫu nhiên. Mô hình quá trình
ngẫu nhiên được ứng dụng vào dự báo ngắn hạn khi thành phần ngẫu nhiên chi
phối một cách đáng kể sự
biến động của hiện tượng được dự báo.
Mô hình thích nghi
: Đó là mô hình mà các tham số của chúng được xác
định nhiều lần mỗi khi có được các thông tin mới. Ước lượng mới của các
thông số được tính toán dựa vào các giá trị trước đó của chúng và các thông tin
mới nhất có được. Trong lớp những mô hình thích nghi dùng vào dự báo ngắn
hạn, mô hình san số mũ được đơn giản hóa, mô hình san số mũ - tự hồi quy,
mô hình san số mũ theo R-G-Brown được biết đến nhiều nhất.
II. MÔ HÌNH VÀ PHƯƠNG PHÁP DỰ BÁO
2.1. Mô hình d
ự báo
Để tiến hành dự báo một hiện tượng kinh tế nào đó, bước đầu tiên người ta
thường xây dựng mô hình kinh tế trắc lượng. Mô hình kinh tế trắc lượng là một
biểu thức toán học mô tả các mối quan hệ, thường là rất phức tạp, trong nền
kinh tế. Các mối quan hệ này thường được thể hiện dưới dạng các phương trình

toán học
1
. Các mô hình kinh trắc thường không phải lf các mô hình hoàn hảo,
tuy nhiên chúng thường mô tả một cách gần đúng các mối quan hệ đủ cho phép
hiểu được bản chất của mối quan hệ và dự báo cho sự phát triển trong tương lai
của mối quan hệ này.
2.2. Phương pháp dự báo
Trên cơ sở mô hình mô tả mối quan hệ giữa các yếu tố trong nền kinh tế,
xác định một phương trình toán học cụ thể mô tả mối quan hệ
ấy sau đó ước

lượng các thông số của mô hình thì được gọi là phương pháp dự báo. Thí dụ,
mô hình dự báo theo dãy số thời gian có dạng:
(a) X
t
= f(t) +
)(t
ϕ
+ z(t) hoặc (b) X
t
= f(t)
)(t
ϕ
z(t)
Trong đó f(t) là thành phần khuynh hướng;
)(t
ϕ
- thành phần biến động
thời vụ và z(t)- thành phần ngẫu nhiên.
Việc xác định cụ thể dạng phương trình của các thành phần trên xác lập
nên các phương pháp dự báo khác nhau.
Trong nền kinh tế thị trường, dự báo giữ vai trò quan trọng trong công
tác quản lý kinh tế và hoạch định chính sách phát triển. Thực tiễn cho thấy, với
sự phát triển năng động và biến đổi nhanh chóng của thị trường, các dự báo
ngắn hạn đượ
c quan tâm nhiều hơn, được nhiều cơ quan, tổ chức và cá nhân
nghiên cứu.
Có hai loại mô hình dự báo được sử dụng trong dự báo kinh tế. Thứ nhất
là mô hình đa nhân tố động thái; thứ hai là mô hìnhdự báo theo dãy số thời
gian.
2.3. Mô hình dự báo ngắn hạn đa nhân tố

Phương pháp dự báo theo mô hình đa nhân tố động là phương pháp sử
dụng hàm số toán học đa biến để mô tả mối quan hệ giữa hiệ
n tượng (yếu tố)
cần dự báo với các yếu tố có quan hệ với nó rồi sử dụng số liệu có liên quan
ước lượng các thông số của mô hình, kiểm định mô hình nếu mô hình phù hợp


1
Xem từ điển Wikipedia điện tử

sẽ sử dụng để dự báo. Do điều kiện số liệu hiện nay ở nước ta có nhiều hạn chế
không cho phép sử dụng mô hình này nên ở đây chúng tôi chỉ giới thiệu
phương pháp luận và một ví dụ ứng dụng chứ không áp dụng nó. Trong phần
phương pháp luận trình bày 3 vấn đề :
- Cơ sở lý luận dự báo ngắn hạn đa nhân tố trong dự báo ngắn hạn các
ch
ỉ tiêu thống kê kinh tế;
- Một số mô hình dự báo ngắn hạn đa nhân tố;
- Điều kiện về số liệu và khả năng áp dụng mô hình dự báo ngắn hạn ở
Việt Nam
A. Cơ sở lý luận dự báo ngắn hạn đa nhân tố trong dự báo các chỉ tiêu
thống kê kinh tế
Trong lịch sử phát triển của các ngành khoa học, ngành Thống kê được
phát triển khá sớm, và được ứng d
ụng ở nhiều lĩnh vực kinh tế, xã hội, khoa
học tự nhiên, Trong quá trình phát triển của ngành Thống kê, với sự kết hợp
những thành tựu của toán học, các nhà khoa học đã cho ra đời bộ môn Thống
kê toán học (còn gọi là Toán thống kê). Mục tiêu chính của toán thống kê là
nghiên cứu vận dụng các công cụ toán học nói chung và bộ môn xác suất nói
riêng để lượng hoá các qui luật mang tính đám đông của công tác thống kê.

Toán thống kê trong kinh tế, còn có tên gọ
i khá phổ biến là Kinh tế lượng
(tiếng Anh là Econometrics, từ ghép của hai từ Economics và Metric) là một
môn khoa học lượng hoá các qui luật thống kê kinh tế. Bản thân bộ môn này
cũng có 2 phần, phần mô hình kinh tế lượng tập trung nghiên cứu các mô hình
kinh tế định lượng trên cơ sở các học thuyết kinh tế; phần phương pháp kinh tế
lượng đi sâu nghiên cứu các phương pháp thống kê trong kinh tế. Hai phần này
có mối quan hệ mật thiết với nhau, song phát triể
n tương đối độc lập.
Bộ môn thống kê kinh tế có chức năng chính là sưu tầm, xử lý và lưu trữ
số liệu kinh tế; từ đó phân tích những qui luật đã hình thành trong quá khứ. Với
sự hỗ trợ của Kinh tế lượng, khả năng lượng hoá các qui luật kinh tế, xem xét
hiện tại và dự báo tương lai bằng nhiều cách tiếp cận là hiện thực.
Khoa học kinh tế đ
i sâu nghiên cứu các qui luật của hệ thống kinh tế.
Các chỉ tiêu kinh tế là những đặc trưng của các phần tử trong hệ thống kinh tế.

Thông qua việc thực hiện các chỉ tiêu này theo thời gian, người ta thu được các
dãy số liệu thống kê. Các phương pháp kinh tế lượng cho phép xem xét kiểm
định tính chất thống kê của dãy các số liệu; lượng hoá các quan hệ kinh tế -
được thể hiện qua các phương trình tương quan; xem xét tính sát thực của các
mối quan hệ này. Các mối quan hệ định lượng này cho phép phân tích các qui
luật kinh tế trong quá khứ, đánh giá hiện trạng và dự báo cho tương lai.
Các phương pháp và mô hình kinh tế lượng là nhữ
ng công cụ, trên thực
tế giá trị của các phân tích và dự báo định lượng lại phụ thuộc nhiều vào dãy số
liệu thống kê. Chất lượng của dãy số liệu thống kê cao hay thấp phụ thuộc vào
việc đáp ứng các nguyên tắc sau đây:
- Nguyên tắc khách quan: đòi hỏi các số liệu thống kê phản ánh đúng
hiện thực khách quan, tránh tình trạng các số liệu không được thống kê mà chỉ

do một tổ ch
ức hay cá nhân tính ra, đáp ứng mục tiêu chủ quan.
- Nguyên tắc đám đông: dãy số liệu thống kê phản ánh được tính qui luật
phổ biến của các mối quan hệ kinh tế, muốn vậy dãy phải đủ dài để thông qua
đó các phương pháp thống kê phát hiện được tính qui luật.
- Nguyên tắc hệ thống : Các dãy số liệu thống kê của một hệ thống kinh
tế phải tương thích với nhau, phản ánh sự thống nhấ
t giữa các phần tử trong
một hệ thống.
B. Một số mô hình dự báo ngắn hạn đa nhân tố
Mô hình kinh tế lượng được sử dụng nhiều trong dự báo thống kê ngắn
hạn khi các điều kiện về số liệu thống kê có được trong một thời gian tương đối
dài, đáp ứng các kiểm định thống kê. Cơ sở lý thuyết để xây dựng các mô hình
kinh tế lượng là các h
ọc thuyết kinh tế, nghiên cứu mối quan hệ giữa các chỉ
tiêu kinh tế.
Mô hình kinh tế lượng đơn giản nhất là một phương trình hồi qui tương
quan, có dạng sau đây:
(1) Y =
∑
k
1
a
i
f
i
(X) + ε

Ở đây Y và X là các chỉ tiêu kinh tế thống kê được; a
i

là các tham số và f
i
là
hàm số của X; ε là sai số thống kê.
Trong trường hợp đặc biệt f
i
(X) = X
i
, i = 0,1, k; X
0
= 1; phương trình
(1) có dạng
(2) Y = a
0
+ a
1
X
1
+ + a
k
X
k

Ở đây Y là chỉ tiêu cần dự báo; X
1
, , X
k
là các yếu tố ảnh hưởng đến Y,
Thông qua các dãy số liệu về Y và X
i

(i=1, ,k), người ta ước lượng các
tham số a
i
(i=0,1, ,k). Sử dụng phương trình hồi qui này có thể tính toán các
dự báo về Y cho các năm tiếp theo bằng cách thay các giá trị X
i
tương

ứng.
Trường hợp đặc biệt X
i
= t
i
, t là biến thời gian, ta có phương trình thể
hiện xu thế của chỉ tiêu cần dự báo theo thời gian, có dạng một đa thức bậc k
sau đây:
(3) Y = a
0
+ a
1
t + a
2
t
2
+…+ a
k
t
k

Trong trường hợp đơn giản nhất, khi k=1 , ta có một phương trình tuyến tính

theo thời gian t, dạng
(4) Y = a
0
+ a
1
t
Thông qua các phần mềm thống kê có sẵn, người ta ước lượng hai tham
số a
o
và a
1
; Phương trình tuyến tính theo thời gian này cho biết chỉ tiêu cần dự
báo đồng biến hoặc nghịch biến theo thời gian (tương ứng với a
1
> 0 hoặc a
1
<
0). Khi thay giá trị t cho thời điểm cần dự báo vào phương trình đã ước lượng,
người ta có giá trị dự báo của chỉ tiêu Y.
Theo kinh nghiệm số năm dự báo thường nhỏ hơn 1/3 số năm có số liệu
thống kê trong quá khứ. Để ước lượng các tham số a
i
(i=0,1, ,k), có thể dùng
các phần mềm thống kê như EVIEWS hay EXELS.
Mô hình kinh tế lượng dạng tổng quát có thể biểu diễn như sau:
(5) Y
= AY + BZ + Å
Ở đây Y
là véc tơ m chiều của các biến nội sinh (Y
1

, Y
2
, , Y
m
)’; biến
nội sinh là biến được xác định giá trị qua mô hình.
A là ma trận bậc m x m

Z
là véc tơ l chiều của các biến ngoại sinh (Z
1
, Z
2
, , Z
l
)’; biến ngoại
sinh là biến được xác định giá trị ngoài mô hình.
B là ma trận bậc m x l
Å
là véc tơ sai số ngẫu nhiên
Trong các phương trình của (19) người ta phân ra các phương trình định
nghĩa (mô tả các định nghĩa của các mối quan hệ trọng kinh tế) và các phương
trình hành vi hay phương trình tương quan (xác định mối tương quan giữa các
chỉ tiêu kinh tế).
Thông qua các dãy số thống kê các biến của véc tơ Y
, Z tại n thời điểm
t
1
, t
2

, …, t
n
; các giá trị quan sát này được ký hiệu là Y
1
, Y
2
, , Y
n
; Z
1
, Z
2
, , Z
n

người ta ước lượng các tham số của các phương trình tương quan bằng các
phương pháp bình phương tối thiểu, (các phương pháp này đã được chương
trình hoá trong một số phần mềm thống kê như EVIEWS, rất tiện dụng). Sau
khi kiểm định lại tính sát thực của mô hình và dãy số liệu, người ta tiến hành
dự báo theo hai bước :
- Bước 1 : Xác định các giá trị của biến ngoại sinh tại thời điểm dự báo
- Bước 2 : Thay các giá trị của biến ngoại sinh vào mô hình (5), ta có
một hệ phương trình đại số tuyến tính của các biến nội sinh; giải hệ phương
trình này, ta có giá trị dự báo của các biến nội sinh.
Thí dụ sau đây thể hiện các mối quan hệ giữa một số chỉ tiêu kinh tế phổ
biến thể hiện dưới dạng của mô hình (5).
C. Danh mục các phương trình
(6) GDPR = CGR + CPR + IR + XR - MR
Phương trình (6) là một phương trình định ngh
ĩa (PTĐN); mô tả mối

quan hệ giữa GDP và các chỉ tiêu tiêu dùng nhà nước, tiêu dùng tư nhân, đầu
tư, xuất khẩu và nhập khẩu.
(7) FDR = CR + IR
PTĐN (7) mô tả Tổng cầu nội địa, bằng tổng tiêu dùng và đầu tư.
(8) CR = CGR + CPR

PTĐN (8) mô tả tiêu dùng nội địa bằng tổng tiêu dùng chính phủ và tiêu
dùng tư nhân.
(9) LOG(CPR) = C(1) + C(2) * LOG(GDPR-GREV/PGDP) + C(3) *
LOG(M2(-1) / PGDP(-1)) + C(4) * (T-1996) * (T>=1996) * (T<=2001) + C(5) *
(T=2002)
(10) DLOG(IR) = C(1) + C(2) * DLOG(GDPR(-1)) + C(3) * LOG((IR(-1) +
IR(-2)) / (GDPR(-1) + GDPR(-2))) + C(4) * DLOG(DCRE/PGDP) + C(5) * (T-
1993) * (T>=1986) * (T<=1993) + C(6) * T * (T=1999)
(11) DLOG(XR) = C(1) + C(2) * DLOG(WD) + C(3) * DLOG(PW*ER/PX)
+ C(4) * LOG(XR(-1)/WD(-1)) + C(5) * LOG(PW(-1) * ER(-1)/PX(-1)) + C(6) * (T-
1996) * (T>=1996) + C(7) * (T=1999)
(12) LOG(MR) = C(1) + C(2) * LOG(FDR + 0.7 * XR) + C(3) * LOG(PW *
ER/PM) + C(4) * (T=2005)
(13) LOG(GREV) = C(1) + C(2) * LOG(GDP) + C(3) * LOG(M) + C(4) *
(T-1986) * (T>=1986) * (T<=1991) + C(5) * (T=1995)
(14) GEXP = GREV + r_def * GDP
PT§N (14) mô tả mối quan hệ giữa thu và chi ngân sách.
(15) LOG(DCRE) = C(1) + C(2) * LOG(GDP) + C(3) * (RH-@PCH(PCPI) *
100) + C(4) * (T-1986) * (T>=2000) + C(5) * (T=1988)
(16) LOG(M2) = C(1) + C(2) * LOG(GDP) + C(3) * RH + C(4) * (T=1988) +
C(5) * (T-1990) * (T>=1990) * (T<2000)
(17) LOG(PCPI) = C(1) + C(2) * LOG(PM) + C(3) * RH + C(4) *
LOG(GDPR) + C(5) * (T-1986) * (T>=1986) * (T<=1991)
(18) DLOG(PGDP) = C(1) + C(2) * DLOG(PCPI) + C(3) * LOG(PGDP(-

1)/PCPI(-1)) + C(4) * (T * (T<=2003) + 2003 * (T>2003))
(19) DLOG(PCP) = C(1) + C(2) * DLOG(PCPI) + C(3) * LOG(PCP(-
1)/PCPI(-1)) + C(5) * (T * (T<=2003) + 2003 * (T>2003))
(20) DLOG(PI) = C(1) + C(2) * DLOG(PGDP) + C(3) * LOG(PI(-1)/PGDP(-
1))
(21) DLOG(PX) = C(1) + C(2) * DLOG(PGDP) + C(3) * DLOG(PW*ER) -
0.6 * (LOG(PX(-1)) - C(4) * LOG(PGDP(-1))-(1-C(4)) * LOG(PW(-1)*ER(-1))) +

C(5) * (T=2000) + C(6) * (T=2005)
(22) LOG(PM) = C(1) + C(2) * LOG(PW*ER) + C(3) * LOG(PM(-1)) + C(4)
* (T=2005)
(23) DLOG(PD) = C(1) + C(2) * DLOG(PGDP) + C(3) * LOG(PD(-
1)/PGDP(-1))
(24) LOG(EMP) = C(1) + C(2) * LOG(GDPR) + C(3) * LOG(EMP(-1)) +
C(4) * (T=1988)
(25) GDP = GDPR * PGDP
PTĐN (25) mô tả mối quan hệ giữa GDP theo giá hiện hành và giá cố định.
(26) I = IR * PI
PTĐN (26) mô tả mối quan hệ giữa đầu tư theo giá hiện hành và giá cố định.
(27) CP = CPR * PCP
PTĐN (27) mô tả mối quan hệ giữa tiêu dùng theo giá hiện hành và giá cố
định.
(28) X = XR * PX
PTĐN (28) mô tả mối quan hệ giữa kim ngạch xuất khẩu theo giá hiện hành
và giá cố định.
(29) M = MR * PM
PTĐN (29) mô tả mối quan hệ giữa kim ngạch nhập khẩu theo giá hiện
hành và giá cố định.
Danh mục các biến

STT Tên biến Đơn vị Định nghĩa
1 GDPR tỉ đồng Tổng sản phẩm nội địa, giá cố định
2 FDR - Tổng cầu nội địa, giá cố định
3 CR - Tổng tiêu dùng nội địa, giá cố định
4 CGR* - Tiêu dùng chính phủ, giá cố định
5 CPR - Tiêu dùng tư nhân, giá cố định
6 IR - Tích luỹ gộp TSCĐ, giá cố định
7 XR - Xuất khẩu hàng hoá và dịch vụ, giá cố định

STT Tên biến Đơn vị Định nghĩa
8 XOIL - Xuất khẩu dầu thô, giá cố định
9 XMANU - Xuất khẩu hàng chế tác
10 MR - Nhập khẩu hàng hoá và dịch vụ, giá cố định
11 AGRIR - Giá trị gia tăng khu vực I, giá cố định
12 MANUR - Giá trị gia tăng khu vực II, giá cố định
13 SERR - Giá trị gia tăng khu vực III, giá cố định
14 DCRE - Cung tín dụng nội địa, giá hiện hành
15 GREV - Tổng thu ngân sách, giá hiện hành
16 GEXP - Tổng chi ngân sách, giá hiện hành
17 SR - Tiết kiệm của nền kinh tế, giá cố định
18 M2 - Lượng cung tiền tệ, giá hiện hành
19 EMP ngh.người Tổng cầu lao động của nền kinh tế
20 LPT tr. đồng Năng suất lao động
21 CPI % Chỉ số giá tiêu dùng
22 RH* % Lãi suất huy động vốn
23 LR* % Lãi suất cho vay
24 PW* Giá thế giới
25 PGDP Giảm phát GDP
26 ER đồng Tỉ giá VND và USD
27 TREND Biến xu thế

28 GDP tỉ đồng Tổng sản phẩm nội địa, giá hiện hành
29 GDPA - Giá trị gia tăng khu vực I, giá hiện hành
30 GDPI - Giá trị gia tăng khu vực II, giá hiện hành
31 GDPS - Giá trị gia tăng khu vực III, giá hiện hành
32 CP - Tiêu dùng tư nhân, giá hiện hành
33 I - Tổng đầu tư, giá hiện hành
34 X - Xuất khẩu, giá hiện hành
35 M - Nhập khẩu, giá hiện hành
36 CG - Tiêu dùng chính phủ, giá hiện hành
37 TC - Tổng tiêu dùng, giá hiện hành

STT Tên biến Đơn vị Định nghĩa
38 PGDPA Giảm phát GDP khu vực I
39 PGDPI Giảm phát GDP khu vực II
40 PD Giảm phát của tổng cầu
41 PCP Giảm phát của tiêu dùng tư nhân
42 PI Giảm phát của đầu tư
43 PX Giảm phát của xuất khẩu
44 PM Giảm phát của nhập khẩu
45 SER Giảm phát GDP khu vực III
46 POIL* đôla Giá dầu thô xuất khẩu
47 QOIL* tr. thùng Sản lượng dầu xuất khẩu
48 Alpha* % Hệ số điều tiết tiền tệ
49 r_def* - Tỉ lệ thâm hụt ngân sách
50 r_i - Tỉ lệ đầu tư trên GDP
51 r_ trbal - Tỉ lệ thâm hụt ngoại thương
52 CRV - Tỉ lệ xuất trên nhập theo giá cố định
53 CRVOL - Tỉ lệ xuất trên nhập theo giá hiện hành
54 TTRAD - Tỉ lệ trao đổi thương mại
55 r_tc - Tỉ lệ tiêu dùng trên GDP

56 r_sr - Tỉ lệ tiết kiệm trên GDP theo giá cố định
57 r_s - Tỉ lệ tiết kiệm trên GDP theo giá hiện hành
58 r_x - Tỉ lệ xuất khẩu theo giá hiện hành
59 r_xr - Tỉ lệ xuất khẩu theo giá cố định
60 r_m - Tỉ lệ nhập khẩu theo giá hiện hành
61 r_mr - Tỉ lệ nhập khẩu theo giá cố định
62 TRBAL tỉ đồng Thâm hụt ngoại thương, giá hiện hành
Các phương trình hành vi (20) đến (24); từ (26) đến (32) sau khi được
xem xét trong điều kiện của Việt Nam có dạng như sau:
1. Phương trình tiêu dùng tư nhân (9)
Trong mô hình lý thuyết, phương trình tiêu dùng tư nhân có dạng:
CPR(t) = cpr(1) * (GDPR(t)-GREV(t)) + cpr(2) * CPR(t-1) + cpr(3) *

(M2(t)) + cpr(4) * (RH(t)-CPI(t))
- Trong đó:
+ GDPR: Tổng sản phẩm nội địa;
+ CPR: Tiêu dùng tư nhân;
+ GREV: Tổng thu ngân sách;
+ M2: Lượng cung tiền tệ;
+ RH: Lãi suất huy động vốn;
+ CPI: Chỉ số giá tiêu dùng;
Các thử nghiệm ước lượng phương trình này theo mô hình lý thuyết với
điều kiện số liệu của Việt nam đã cho thấy chất lượng các chỉ tiêu thống kê
không đảm bảo nên dạng của phương trình cần phải được đi
ều chỉnh bằng cách
bỏ bớt một số biến giải thích không có ý nghĩa thống kê như lãi suất huy động
vốn RH và chỉ số giá tiêu dùng CPI.
2. Phương trình tổng đầu tư của nền kinh tế (10)
Mô hình lý thuyết đã lựa chọn dạng phương trình đầu tư như sau:
IR(t) = ir(1) * GDPR(t-1) + ir(2) * DCRE(t) + ir(3) * LR(t) + ir(4) *

CPI(t) + ir(5)
- Trong đó:
+ IR: Tổng đầu tư của nền kinh tế;
+ GDPR(t-1): Biến đại diện cho nhu cầu của thị tr
ường;
+ DCRE: Lượng cung tín dụng nội địa;
+ LR: Lãi suất cho vay;
+ CPI: Chỉ số đại diện cho mức độ ổn định vĩ mô.
3. Phương trình xuất khẩu (11)
Dạng của phương trình như sau:
XR (t) = xr(1) * WD(t) + xr(2) * (PGDP(t)/PW(t)) + xr(3)
- Trong đó:

+ XR: Kim ngạch xuất khẩu;
+ WD: Nhu cầu nhập khẩu của các đối tác thương mại;
+ PGDP: Giảm phát GDP đại diện cho giá sản xuất nội địa;
+ PW: Giá cả ở nước ngoài, gọi tắt là giá thế giới.
4. Phương trình nhập khẩu (12)
Phương trình lý thuyết về nhập khẩu là:
MR(t) = mr(1)*(FDR(t) + 0.5*XR(t)) + mr(2)*(PGDP(t)/PW(t)) + mr(3)
- Trong đó:
+ MR: Kim ngạch nhập khẩu;
+ FDR: Tổng cầu nội địa;
+ XR: Kim ngạch xuất khẩu;
+ PGDP: Giả
m phát GDP đại diện cho giá sản xuất nội địa;
+ PW: Giá thế giới.
5. Phương trình tổng cầu tín dụng (15)
Phương trình lý thuyết về tổng cầu tín dụng như sau:
DCRE(t) = cre(1) * GDP + cre(2) * RH + cre(3)

- Trong đó:
+ DCRE: Lượng cầu tín dụng;
+ GDP: Tổng sản phẩm nội địa;
+ RH: Lãi suất huy động vốn;
6. Phương trình về thu ngân sách (13)
Phương trình lý thuyết về thu ngân sách được viết như sau:
GREV = grev(1) * GDP + grev(2) * POIL + grev(3) * M + grev(4)
- Trong đó:
+ GDP: Tổng sản phẩm nộ
i địa;

+ GREV: Tổng thu ngân sách;
+ POIL: Giá dầu thô xuất khẩu;
+ M: Tổng kim ngạch nhập khẩu.
7. Phương trình về cầu tiền (16)
Phương trình lý thuyết về hàm cầu tiền tệ như sau:
M2 = f(GDP/PGDP, RH)
- Trong đó:
+ M2: Tổng cầu về tiền;
+ GDP: Tổng sản phẩm nội địa;
+ PGDP: Giảm phát GDP;
+ RH: Lãi suất huy động vốn.
8. Phương trình về lạm phát (17)
Trong mô hình lý thuyết, phương trình lạm phát được viết như sau:
CPI(t) = cpi(1) * M2(t) + cpi(2) * PW(t) + cpi(3) * RH(t) + cpi(4) *
ER(t) + cpi(5) * GDPR
- Trong
đó:
+ M2: Lượng cung tiền;
+ CPI: Tỉ lệ lạm phát;

+ PW: Giá nhập khẩu;
+ RH: Lãi suất huy động vốn;
+ ER: Tỉ giá hối đoái;
+ GDPR: Tổng sản phẩm nội địa.
9. Phương trình về giảm phát GDP(18)
Các phương trình được viết như sau:
PGDP(t) = pgdp(1) * CPI(t) + pgdp(2)

- Trong đó:
+ PGDP: Giảm phát GDP;
+ CPI: Chỉ số giá tiêu dùng;
10. Giảm phát tiêu dùng tư nhân (19)
Giảm phát của tiêu dùng tư nhân cũng được giải thích bằng chỉ số giá
tiêu dùng (CPI).
PCP(t) = pcp(1) * CPI(t) + pcp(2)
- Trong đó:
+ PCP: Giảm phát tiêu dùng của tư nhân;
+ CPI: Chỉ số giá tiêu dùng;
11. Giảm phát đầu tư (20)
Giảm phát đầu tư được giải thích bằng giảm phát GDP.
PI(t) = pi(1) * PGDP(t) + pi(2)
- Trong đó:
+ PI: Giảm phát đầu tư.
+ PGDP: Giảm phát GDP.
12. Các giảm phát xuất nhập khẩu (21)(22)
Dạng của các ph
ương trình giá xuất nhập khẩu như sau:
PX = px(1) * PGDP + px(2) * PW * ER + px(3)
PM = pm(1) * PGDP + pm(2) * PW * ER + pm(3)
- Trong đó:

+ PX: Giảm phát xuất khẩu;
+ PM: Giảm phát nhập khẩu;
+ PGDP: Giảm phát PGDP đại diện cho giá bán ở thị trường nội địa;
+ PW: Giá thế giới;

+ ER: Tỉ giá hối đoái VND/USD.
13. Phương trình giảm phát của tổng cầu (23)
Giảm phát của tổng cầu được giải thích bởi giảm phát GDP. Phương
trình được viết như sau:
PD(1) = α * PGDP(t) + θ
- Trong đó:
+ PD: Giảm phát của tổng cầu;
+ PGDP: Giảm phát PGDP đại diện cho giá bán ở thị trường nội địa;
14. Phương trình cầu lao động (24)
Cầu lao động trong ngắn hạn phụ thuộc vào tăng tr
ưởng và xu thế tăng
lao động của quá khứ. Phương trình lý thuyết được biểu diễn như sau:
EMP(t) = emp(1) * GDPR(t) + emp(2) * EMP(t-1)
- Trong đó:
+ GDPR: Tổng sản phẩm nội địa;
+ EMP: Cầu lao động trong ngắn hạn.
Quy trình áp dụng
Để tiến hành dự báo, cần phải thu thập thông tin và ước lượng tham số
của hệ thống các mô hình trên. Sau khi đã ước lượng được các tham số trong
các phương trình hành vi trên, ta có một mô hình đại số tuyến tính với 24
Phươ
ng trình, tương ứng số biến nội sinh của mô hình. Để dự báo phải xác
định giá trị của các biến ngoại sinh; thay giá trị các biến này vào các phương
trình, từ đó có một mô hình đại số tuyến tính với số biến bằng số phương trình,
phần mềm EVIEWS cho phép giải hệ phương trình đại số này, kết quả giải cho

các giá trị dự báo của các biến nội sinh.
Để có thông tin tính toán các dự báo, một số biế
n ngoại sinh sẽ được tính
toán trước để làm đầu vào cho mô hình. Có nhiều phương pháp để dự kiến giá
trị các biến ngoại sinh, trong đó những phương pháp được sử dụng rộng rãi là
các mô hình toán học, tham khảo các ý kiến chuyên gia và ngoại suy theo xu

thế. Trong đó cách tiến hành theo hai phương pháp đầu thường được ưu tiên
sử dụng. Phương pháp thứ ba thường chỉ được sử dụng đối với các biến ngoại
sinh không quan trọng.
Trong thực tế, phương pháp áp dụng mô hình toán học rất ít được sử
dụng ở nước ta vì điều kiện số liệu. Việc xây dựng các mô hình để tính toán
các biến ngoại sinh rất phức tạp
đối với người lập mô hình kinh tế lượng vĩ mô.
Trong khi ở các nước khác, tồn tại sẵn nhiều mô hình dự báo cho các lĩnh vực
khác nhau nên có thể trực tiếp sử dụng kết quả dự báo của các mô hình khác
(ví dụ dự báo lãi suất được lấy từ mô hình của Ngân hàng Nhà nước, dự báo
dân số và nguồn lao động được lấy từ mô hình dự báo của Bộ Lao động, dự
báo giá xuất nhập khẩu
được lấy từ mô hình của Bộ Thương mại ).
Việc sử dụng phương pháp chuyên gia cũng rất hạn chế vì thông thường
kinh phí dành cho mục tiêu xây dựng mô hình đều rất hạn hẹp nên không có đủ
kinh phí trả cho các chuyên gia; hơn nữa thông tin dự báo thay đổi rất nhanh
nên cần có sự phối hợp rất tốt giữa các chuyên gia và đội ngũ làm mô hình, mà
điều này đến nay ở nước ta rất khó thực hiện.
Do đặc đi
ểm công tác mô hình hoá kinh tế lượng ở nước ta, các phương
pháp thứ hai và thứ ba trong tính toán các biến ngoại sinh cho mô hình có thể
kết hợp thực hiện. Đối với một số chỉ tiêu quan trọng, nên kết hợp dự báo xu
thế với sử dụng ý kiến chuyên gia, trong đó coi trọng ý kiến chuyên gia. Đối

với các chỉ tiêu khác, có thể chọn kỹ thuật ngoại suy xu thế làm công cụ chính
xác định các biến ngoại sinh.
Xác định các biến ngoạ
i sinh thuần túy
Trong mô hình có coi một số biến sau đây là biến ngoại sinh thuần tuý
(tức là các biến mà khả năng can thiệp của Nhà nước làm thay đổi giá trị của
chúng rất thấp): (i) Thay đổi giá nhập khẩu năm sau so với năm trước (PW),
tăng trưởng GDP của 22 nước đối tác thương mại chính, sai số trong cân đối sử
dụng GDP theo giá cố định (SDR).
Nhìn vào danh sách các biến được coi là ngoại sinh thuần tuý ở trên, có thể
thấ
y phần lớn chúng đều phụ thuộc vào môi trường kinh tế quốc tế, do đó việc
dự báo chúng phải căn cứ vào dự báo biến động của kinh tế thế giới.