Home | KTL nâng cao | Phương pháp dự báo

Phương pháp dự báo

Có 2 phương pháp dự báo được sử dụng chủ yếu là phương pháp dự báo định tính (qualitative research methods) và phương pháp dự báo định lượng (quantitative research methods). Mỗi phương pháp đều có những điểm mạnh và hạn chế riêng. Tùy theo mục đích dự báo (điểm/khoảng) hoặc khoảng cách dự báo (ngắn hạn, trung hạn, dài hạn) mà chúng ta lựa chọn phương pháp phù hợp hoặc có thể kết hợp 2 phương pháp để nâng cao hiệu quả dự báo. Bài viết này sẽ giới thiệu và phân tích ưu và nhược điểm của 2 phương pháp.
Phương pháp định lượng vs định tính

1. Phương pháp dự báo định tính

Phương pháp dự báo định tính đôi khi còn được gọi là phương pháp chuyên gia. Phương pháp dự báo định tính thường được sử dụng khi phân tích những dữ liệu không sẳn có hoặc có nhưng không đầy đủ. Nó thường được sử dụng trong trường hợp đối tượng dự báo bị tác động bởi những yếu tố không thể lượng hóa được, chẳng hạn như sự thay đổi tiến bộ kỹ thuật, tâm lí người tiêu dùng…

Nguyên tắc thực hiện của phương pháp là sử dụng những ý kiến đánh giá, những kinh nghiệm của một hay nhiều chuyên gia trong lĩnh vực liên quan. Một số kỹ thuật dự báo trong phương pháp định tính thường được sử dụng bao gồm:

  • Tổng hợp thông tin: có 2 cách để tổng hợp thông tin là tổng hợp từ dưới lên (bottom-up) hoặc đánh giá từ trên xuống (top-down).
  • Đánh giá ý kiến chuyên gia.
  • Kỹ thuật Delphi: thực hiện lặp lại việc trưng cầu và đánh giá ý kiến của các chuyên gia (được giấu tên) ở các ý kiến trái ngược, cực đoan về một vấn đề đến khi có sự thống nhất ý kiến ở các chuyên gia.

Nhận xét: điểm mạnh của phương pháp dự báo định tính là sử dụng tối đa các thông tin có được (có thể lượng hóa hoặc không thể lượng hóa) để tiến hành dự báo. Tuy nhiên, phương pháp này sẽ có 2 hạn chế sau: (i) không có một phương pháp hệ thống để để cải thiện độ chính xác của kết quả dự báo; (ii) có thể bị thiên chệch do ý kiến chủ quan của các chuyên gia.

2. Phương pháp dự báo định lượng

Phương pháp dự báo định lượng sử dụng các dữ liệu quá khứ hoặc thu thập số liệu của các đối tượng ở hiện tại để dự báo các đối tượng. Cách tiếp cận của phương phương pháp dự báo định lượng dựa trên giả định cho rằng giá trị tương lai của biến số dự báo sẽ phụ thuộc vào xu thế vận động của đối tượng đó trong quá khứ.

Có 2 loại kỹ thuật trong phương pháp định lượng thường được sử dụng là dự báo theo chuỗi thời gian (phương pháp chuỗi thời gian) và mô hình nhân quả.

  • Phương pháp chuỗi thời gian sẽ phân tích chuỗi quan sát của một biến duy nhất theo biến số độc lập là thời gian. Giả định chủ yếu của phương pháp là biến số kinh tế dự báo sẽ giữ nguyên chiều hướng phát triển đã xảy ra trong quá khứ và hiện tại. Có bốn phương pháp dự báo kinh tế dựa vào dữ liệu chuỗi thời gian: (1) mô hình hồi quy đơn phương trình, (2) mô hình hồi quy phương trình đồng thời, (3) mô hình trung bình trượt kết hợp tự hồi quy (ARIMA), và (4) mô hình tự hồi quy véctơ (VAR).
  • Mô hình nhân quả giả định rằng biến số dự báo có thể được giải thích bởi tác động của những biến số khác (biến độc lập). Mục đích của mô hình nhân quả là tìm ra những mô hình toán mô tả mối quan hệ giữa biến dự báo và các biến độc lập.

Nhận xét: điểm mạnh của phương pháp định lượng là phương pháp phân tích phụ thuộc khách quan vào dữ liệu thu thập, có thể đo lường độ chính xác của dự báo, cũng như có thể cho kết quả dự báo rất nhanh. Tuy nhiên, kết quả dự báo của phương pháp có giá trị dự báo trong ngắn hạn (dưới 3 tháng) và trung hạn (từ 3 tháng đến 2 năm).

SỰ KẾT HỢP GIỮA 2 PHƯƠNG PHÁP
ĐỊNH TÍNH VÀ ĐỊNH LƯỢNG

Phương pháp dự báo định lượng rất dễ mắc phải sai lầm khi giả định những sự kiện tương lai sẽ phản ánh những hành vi trong quá khứ, do vậy, hầu hết những phương pháp định lượng sẽ rất cần những ý kiến của chuyên gia trong lĩnh vực nghiên cứu. Sự kết hợp giữa phương pháp định lượng và phương pháp định tính sẽ nâng cao hiệu quả giải thích, cũng như độ tin cậy của mô hình.

 

Tài liệu tham khảo:
Nguyễn Trọng Hoài, 2001. Mô hình hóa và dự báo chuỗi thời gian trong kinh doanh & Kinh tế. TpHCM: Nxb Đại học Quốc gia Tp.HCM, trang 5 – 10.