Tổng quan về giáo trình

Giáo trình Phân tích và Dự báo trong Kinh tế do TS. Nguyễn Văn Huân và PGS. TS. Phạm Việt Bình biên soạn, được Nhà xuất bản Khoa học và Kỹ thuật ấn hành năm 2011 theo Quyết định xuất bản số 72/QĐXB-NXBKHKT. Công trình được biên soạn phục vụ công tác giảng dạy và học tập tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên, trực thuộc Bộ môn Hệ thống thông tin Kinh tế, đồng thời là tài liệu tham khảo cho các khối ngành kinh tế, quản trị và phân tích dữ liệu ở bậc đại học và sau đại học.

Mục tiêu học tập của giáo trình là trang bị cho người học hệ thống lý luận khoa học, phương pháp luận và các mô hình toán học – thống kê phục vụ phân tích dữ liệu quá khứ, lượng hóa xu thế vận động của hiện tượng kinh tế và thiết lập các dự báo định lượng phục vụ công tác quản trị, lập kế hoạch. Người học được trang bị khả năng phân biệt giữa các nhóm phương pháp định tính và định lượng, nắm vững quy trình dự báo 9 bước chuẩn hóa và làm chủ kỹ thuật đo lường sai số dự báo.

Về cấu trúc và cách tiếp cận, giáo trình gồm 5 chương được tổ chức từ tổng quan lý thuyết, các phương pháp dự báo cơ bản, mô hình hồi quy, đến phương pháp hiện đại Box-Jenkins (ARIMA) và lý thuyết dãy số thời gian. Nội dung kết hợp giữa việc diễn giải công thức toán học với các bảng tính mẫu và hướng dẫn xử lý số liệu trên phần mềm chuyên dụng SPSS. Điểm đặc thù của giáo trình là việc sử dụng trực tiếp các số liệu chuỗi thời gian cụ thể (sản lượng thép, giá trị sản xuất GO, doanh số động cơ điện tử, hợp đồng xây dựng) để minh họa cho từng thuật toán tính toán.

Nội dung kiến thức cốt lõi

Các chương và chủ đề chính

Nội dung giáo trình được triển khai qua 5 chương chuyên đề:

  • Chương 1: Tổng quan về phân tích và dự báo kinh tế. Giới thiệu khái niệm khoa học dự báo hình thành từ đầu thập niên 1960; vai trò của dự báo trong các bộ phận doanh nghiệp (kế toán, nhân sự, sản xuất, marketing); phân loại theo độ dài thời gian (ngắn hạn dưới 3 năm, trung hạn 3–5 năm, dài hạn từ 5 năm trở lên); phân loại theo đối tượng (dự báo khoa học, kinh tế, xã hội, tự nhiên); trình bày 4 phương pháp định tính (lấy ý kiến ban điều hành, lấy ý kiến người bán hàng, phương pháp Delphi, điều tra người tiêu dùng); 5 tiêu chí đo lường sai số dự báo ($ME, MAD, MPE, MAPE, MSE$); quy trình dự báo 9 bước và các thành phần dữ liệu (xu thế, chu kỳ, mùa vụ, ngẫu nhiên).
  • Chương 2: Các phương pháp phân tích và dự báo. Trình bày kỹ thuật dự báo từ mức độ bình quân và số bình quân trượt (di động) có khoảng tin cậy $t$-Student; mô hình dựa vào lượng tăng (giảm) tuyệt đối bình quân $\bar{\Delta}y$; mô hình dựa vào tốc độ phát triển bình quân $\bar{t}$; mô hình hồi quy xu thế thời gian; mô hình cộng và mô hình nhân đối với dữ liệu có biến động thời vụ thông qua chỉ số mùa vụ $I_i$; phương pháp san bằng mũ đơn giản, san mũ tuyến tính Holt và san mũ Holt-Winters; quy trình thao tác dự báo bằng hàm xu thế và san bằng mũ trên phần mềm SPSS.
  • Chương 3: Phương pháp hồi quy đơn và hồi quy bội và thống kê hồi quy. Trình bày cơ sở lý thuyết của mô hình hồi quy tuyến tính một biến và nhiều biến; phương pháp ước lượng tham số; các chỉ tiêu thống kê kiểm định mô hình, hệ số tương quan tuyến tính $r$ và hệ số xác định $r^2$ để đo lường mức độ giải thích của biến độc lập đối với biến phụ thuộc.
  • Chương 4: Phương pháp Box - Jenkins (ARIMA). Trình bày điều kiện tính ổn định (tính dừng) của chuỗi thời gian; hàm tự tương quan đơn (ACF) và hàm tự tương quan riêng phần (PACF); kiểm định nhiễu trắng; thống kê Box-Pierce và Ljung-Box; cấu trúc các mô hình tự hồi quy $AR(p)$, mô hình trung bình trượt $MA(q)$, mô hình kết hợp $ARMA(p, q)$, và các dạng mở rộng $ARIMA(p, d, q)$, $SARIMA$.
  • Chương 5: Dãy số thời gian. Hệ thống hóa các chỉ tiêu phân tích dãy số thời gian: mức độ trung bình theo thời gian, lượng tăng (giảm) tuyệt đối liên hoàn và định gốc, tốc độ phát triển, tốc độ tăng (giảm), trị tuyệt đối của 1% tăng (giảm); các phương pháp biểu hiện xu hướng phát triển (mở rộng khoảng cách thời gian, trung bình trượt, hàm hồi quy, phân tích biến động thời vụ).

Progression logic của giáo trình đi từ việc nhận diện đặc điểm dữ liệu và bản chất hiện tượng kinh tế (Chương 1), tiếp cận các công cụ tính toán cơ bản và trung cấp (Chương 2, Chương 3), nâng cấp lên các mô hình chuỗi thời gian ngẫu nhiên phức tạp (Chương 4), và tổng kết bằng hệ thống chỉ tiêu thống kê nền tảng của dãy số thời gian (Chương 5).

Kiến thức nền tảng được xây dựng

Giáo trình xây dựng hệ thống lý thuyết dựa trên:

  • Lý thuyết thống kê toán và xác suất: Nguyên lý ước lượng tham số theo phương pháp bình phương nhỏ nhất (OLS), lý thuyết phân phối $t$-Student để xác định khoảng dự báo $\bar{y}{n+1} \pm t\alpha s \sqrt{1 + 1/k}$, lý thuyết tương quan tuyến tính và kiểm định giả thuyết thống kê.
  • Lý thuyết chuỗi thời gian (Time Series Theory): Phân tích 4 thành phần cấu thành chuỗi số kinh tế gồm thành phần xu thế dài hạn ($T$), thành phần chu kỳ ($C$), thành phần biến động mùa vụ ($S$), và thành phần ngẫu nhiên ($E$). Khái niệm chuỗi dừng (stationary process) và quá trình nhiễu trắng (white noise).
  • Hệ thống nguyên tắc dự báo: Nguyên tắc lựa chọn mô hình dựa trên đặc tính chuỗi dữ liệu (dữ liệu dừng áp dụng trung bình di động hoặc ARIMA; dữ liệu có xu thế áp dụng Holt, hồi quy; dữ liệu mùa vụ áp dụng Winter, SARIMA).

Kỹ năng phát triển

  • Kỹ năng kỹ thuật (Technical skills): Tính toán thủ công các tham số hồi quy $a, b$ bằng cách đặt biến thứ tự thời gian đối xứng ($\sum t = 0$); thiết lập công thức điều hòa mũ đơn giản $F_t = F_{t-1} + \alpha(A_{t-1} - F_{t-1})$ và điều hòa kép có xu thế; khử tính chất mùa vụ bằng cách chia dữ liệu gốc cho chỉ số mùa vụ $I_i = \bar{y}_i / \bar{y}_0$ và tái lập mùa vụ sau khi hồi quy; nhận diện cấu trúc mô hình qua đồ thị ACF và PACF; thực thi phân tích dữ liệu trên phần mềm SPSS.
  • Kỹ năng phân tích (Analytical skills): Đánh giá độ tin cậy và mức độ chính xác của các mô hình dự báo thông qua so sánh các chỉ số sai số ($ME, MAD, MPE, MAPE, MSE$); giải thích ý nghĩa kinh tế của hệ số hồi quy, hệ số tương quan $r$ và hệ số xác định $r^2$.
  • Kỹ năng thực hành (Practical competencies): Chuyển dịch yêu cầu quản trị thành bài toán dự báo cụ thể; phân tích nguồn số liệu sơ cấp và thứ cấp; lựa chọn dạng mô hình phù hợp với độ dài thời gian dự báo; trình bày và theo dõi kết quả sai số thực tế phục vụ điều chỉnh kế hoạch sản xuất - kinh doanh.

Phương pháp giảng dạy và học tập

Giáo trình áp dụng phương pháp sư phạm kết hợp chặt chẽ giữa diễn giải giải thuật toán học và giải quyết các bài toán kinh tế cụ thể. Mỗi phương pháp tính toán đều đi kèm công thức tổng quát, diễn giải ký hiệu, quy tắc áp dụng và một ví dụ số liệu thực nghiệm hoàn chỉnh từ khâu lập bảng tính đến khâu đưa ra kết luận số học.

Hệ thống bài tập và nghiên cứu tình huống trong giáo trình được xây dựng trực tiếp từ các dữ liệu kinh tế giả định và thực tế:

  • Bài toán dự báo sản lượng thép (12 tháng): Minh họa phương pháp bình quân di động ($k=3$), tính toán độ lệch tiêu chuẩn mẫu điều chỉnh $s = 10,78$, tra bảng $t$-Student với 2 bậc tự do để đưa ra khoảng dự báo tháng 13 là $117,6 \pm 36,35$ triệu tấn.
  • Bài toán dự báo giá trị sản xuất (GO) của doanh nghiệp A (giai đoạn 2001–2006): Áp dụng lượng tăng giảm tuyệt đối bình quân $\bar{\Delta}y = 2,6$ tỷ đồng để dự báo GO năm 2007 đạt 47,6 tỷ đồng; áp dụng tốc độ phát triển bình quân $\bar{t} = 1,071$ để dự báo theo cấp số nhân.
  • Bài toán phân tích nhu cầu dự trữ kho hàng (10 tuần): So sánh mức độ chính xác của phương pháp san bằng mũ với 3 hệ số điều hòa $\alpha = 0,1; 0,2; 0,3$; chứng minh hệ số $\alpha = 0,2$ cho sai số $ME = 12,44$ là tối ưu để tính dự báo cho tuần thứ 18 đạt 98,2 (982 triệu đồng).
  • Bài toán hồi quy doanh số động cơ điện tử (10 năm): Đặt biến thời gian đối xứng từ $-9$ đến $+9$ ($\sum t = 0$) để thiết lập phương trình xu thế $y = 107,8x + 2100$, từ đó dự báo nhu cầu các năm tiếp theo.
  • Bài toán phân tích mối quan hệ giữa nhu cầu dịch vụ kỹ nghệ và trị giá hợp đồng xây dựng (8 quý): Thiết lập phương trình hồi quy $y = 0,1173x - 9,671$, xác định hệ số tương quan $r = 0,894$ và hệ số xác định $r^2 = 0,799$, lượng hóa tác động 80% của hợp đồng xây dựng lên nhu cầu dịch vụ.
  • Bài toán mùa vụ doanh số bán hàng (12 quý): Tính chỉ số mùa vụ cho 4 quý ($0,809; 1,122; 1,251; 0,818$), thực hiện kỹ thuật phi mùa vụ hóa số liệu, chạy phương trình hồi quy $y = 16,865x + 615,421$ và tái áp dụng tính chất mùa vụ để dự báo cho năm thứ 4.

Phương pháp đánh giá người học tập trung vào khả năng tính toán chuẩn xác các chỉ số, năng lực biện luận việc chọn lựa mô hình dựa trên đặc tính chuỗi dữ liệu (dừng, xu thế, mùa vụ), và kỹ năng đọc hiểu bảng kết quả từ phần mềm SPSS.

Về định hướng tự học, giáo trình cung cấp quy trình dự báo 9 bước chuẩn hóa:

  1. Xác định mục tiêu
  2. Xác định đối tượng dự báo
  3. Xác định khía cạnh thời gian
  4. Xem xét và xử lý dữ liệu
  5. Lựa chọn mô hình
  6. Đánh giá mức độ phù hợp của mô hình
  7. Chuẩn bị các kịch bản dự báo
  8. Trình bày kết quả
  9. Theo dõi và đánh giá sai số

Điểm nổi bật và cập nhật

Giáo trình thể hiện tính hệ thống và giá trị học thuật thông qua việc tích hợp các nội dung chuyên sâu:

  • Tích hợp đầy đủ hai nhánh phương pháp định tính và định lượng: Không chỉ dừng lại ở các mô hình toán học, giáo trình hệ thống hóa chi tiết các phương pháp dự báo định tính bao gồm: lấy ý kiến ban điều hành, tổng hợp ý kiến lực lượng bán hàng, phương pháp chuyên gia Delphi (với quy trình nhiều vòng khảo sát gián tiếp để loại trừ áp lực tương tác nhóm), và điều tra người tiêu dùng.
  • Cập nhật phương pháp chuỗi thời gian hiện đại Box-Jenkins: Giáo trình dành trọn vẹn Chương 4 để trình bày phương pháp Box-Jenkins với các mô hình $AR(p), MA(q), ARMA(p, q), ARIMA$ và $SARIMA$. Đây là nhóm phương pháp dự báo chuỗi thời gian hiện đại dựa trên phân tích tính dừng, hàm tự tương quan (ACF), hàm tự tương quan riêng phần (PACF) và kiểm định nhiễu trắng qua thống kê Box-Pierce và Ljung-Box.
  • Ứng dụng công cụ tin học trong phân tích thống kê: Giáo trình trực tiếp hướng dẫn ứng dụng phần mềm SPSS vào công tác dự báo kinh tế (dự đoán bằng hàm xu thế và dự đoán bằng phương pháp san bằng mũ), giúp người học kết nối lý thuyết thống kê với việc xử lý dữ liệu tự động.
  • Gắn kết trực tiếp với dữ liệu điều hành doanh nghiệp: Các ví dụ và bài toán mẫu trong giáo trình gắn liền với các chức năng quản trị thực tế như: lập ngân sách doanh thu và chi phí trong kế toán; dự báo nhu cầu tuyển dụng trong nhân sự; hoạch định tồn kho và nguyên vật liệu trong quản trị sản xuất; và dự báo doanh số để phân bổ ngân sách quảng cáo trong marketing.
  • Hội đồng phản biện và thẩm định chuyên môn: Bản thảo giáo trình được đóng góp ý kiến chuyên môn bởi các nhà khoa học: TS. Trương Văn Tú (Trường Đại học Kinh tế Quốc dân Hà Nội), PGS. Đỗ Năng Toàn (Trưởng phòng Thực tại ảo – Viện Công nghệ Thông tin – Viện Khoa học và Công nghệ Việt Nam), và KS. Vũ Xuân Nam (Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên).

Đối tượng sử dụng giáo trình

  • Sinh viên đại học: Giáo trình được thiết kế cho sinh viên từ năm thứ hai hoặc năm thứ ba thuộc ngành Hệ thống thông tin Kinh tế, Công nghệ thông tin kinh doanh, Quản trị kinh doanh, Kinh tế học, Thống kê kinh tế, Kế toán và Tài chính – Ngân hàng.
  • Học viên cao học: Là tài liệu học tập và nghiên cứu các học phần Kinh tế lượng ứng dụng, Phân tích dữ liệu kinh doanh và Dự báo chuỗi thời gian trong các chương trình đào tạo thạc sĩ quản lý kinh tế, quản trị kinh doanh (MBA).
  • Kiến thức tiên quyết (Prerequisites): Để tiếp thu hiệu quả nội dung giáo trình, người học cần có kiến thức nền tảng về Toán cao cấp (đại số tuyến tính, giải tích), Lý thuyết xác suất và Thống kê toán, cùng các nguyên lý cơ bản của Kinh tế học vi mô và vĩ mô.
  • Giảng viên và nhà nghiên cứu: Dùng làm tài liệu giảng dạy chính khóa cho học phần Phân tích và dự báo kinh tế, hoặc làm tài liệu tham khảo để biên soạn đề cương, thiết kế bài tập thực hành thống kê và nghiên cứu định lượng.
  • Nhà quản lý và chuyên viên phân tích: Cán bộ kế hoạch, nhân viên phân tích kinh doanh (Business Analyst), chuyên viên tài chính và nhà hoạch định chính sách tại các tổ chức kinh tế – xã hội cần tài liệu chuẩn hóa về phương pháp phân tích số liệu quá khứ phục vụ lập kế hoạch ngắn hạn, trung hạn và dài hạn.

Câu hỏi thường gặp

1. Giáo trình này phù hợp với đối tượng người học nào?

Giáo trình được biên soạn phục vụ sinh viên đại học, học viên cao học chuyên ngành Hệ thống thông tin Kinh tế, Quản trị kinh doanh, Kinh tế học, Thống kê, cùng các cán bộ phân tích dữ liệu, kế hoạch và tài chính tại các doanh nghiệp và cơ quan quản lý nhà nước.

2. Người học cần chuẩn bị những kiến thức nền tảng nào trước khi học?

Người học cần hoàn thành các học phần Toán cao cấp, Xác suất và Thống kê toán, nắm vững phương pháp bình phương nhỏ nhất (OLS), các chỉ tiêu thống kê mô tả (số trung bình, độ lệch chuẩn), và kiến thức kinh tế học cơ sở.

3. Điểm khác biệt về cấu trúc nội dung của giáo trình này là gì?

Giáo trình bao quát đồng thời ba trụ cột: hệ thống chỉ tiêu dãy số thời gian truyền thống (Chương 5), các mô hình dự báo thống kê ứng dụng và kỹ thuật san bằng mũ (Chương 2, Chương 3), cùng phương pháp chuỗi thời gian hiện đại Box-Jenkins ARIMA (Chương 4), đồng thời có phần hướng dẫn thực hành trên phần mềm SPSS.

4. Làm sao để tự học và nắm vững các mô hình trong giáo trình hiệu quả?

Người học nên tiếp cận theo quy trình 3 bước: (1) Nắm vững lý thuyết và tự giải lại các bài toán mẫu tính tay (sản lượng thép, chỉ số mùa vụ, hệ số san mũ $\alpha$) được trình bày từng bước trong sách; (2) Tuân thủ quy trình dự báo 9 bước để tổ chức dữ liệu; (3) Sử dụng phần mềm SPSS chạy lại các bộ số liệu thực hành để kiểm tra và đối chiếu sai số ($ME, MAD, MSE$).

5. Giáo trình có tích hợp hướng dẫn công cụ phần mềm bổ trợ nào không?

Giáo trình có phần hướng dẫn cụ thể về việc sử dụng chương trình SPSS để thực hiện các dự báo theo mô hình hàm xu thế và phương pháp san bằng mũ, kèm theo danh mục tài liệu tham khảo chuyên ngành tại trang 145.

Kết luận

Giáo trình Phân tích và Dự báo trong Kinh tế của TS. Nguyễn Văn Huân và PGS. TS. Phạm Việt Bình là tài liệu học thuật hoàn chỉnh, cung cấp hệ thống phương pháp luận và công cụ toán – thống kê từ cơ bản đến nâng cao phục vụ phân tích dữ liệu kinh tế. Lộ trình học tập được thiết kế khoa học: khởi đầu từ việc chuẩn hóa quy trình dự báo 9 bước và nhận diện các thành phần chuỗi thời gian (xu thế, mùa vụ, chu kỳ, ngẫu nhiên); tiến tới làm chủ các kỹ thuật tính toán trung bình di động, san bằng mũ Holt-Winters, mô hình hồi quy; ứng dụng phần mềm thống kê SPSS; và nâng cao năng lực phân tích với phương pháp Box-Jenkins (ARIMA/SARIMA). Người học có thể mở rộng nghiên cứu thông qua hệ thống tài liệu tham khảo và các bài tập tình huống thực nghiệm được tích hợp trong giáo trình.