Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

(Last Updated On: 08/04/2022 by Lytuong.net)

Phương pháp dự báo định tính là các phương pháp dự báo bằng cách phân tích dựa vào suy đoán cảm nhận. Phương pháp này có nhược điểm là phụ thuộc nhiều vào trực giác, kinh nghiệm và sự nhạy cảm của nhà quản trị trong quá trình dự báo, chỉ mang tính phỏng đoán và không định lượng. Tuy nhiên, phương pháp dự báo định tính với ưu điểm đơn giản, dễ thực hiện, thời gian nghiên cứu dự báo nhanh, chi phí dự báo thấp và kết quả dự báo trong nhiều trường hợp rất tin cậy.

Sau đây là một số phương pháp dự báo định tính chủ yếu:

1.1. Phương pháp lấy ý kiến của ban quản lý điều hành

Đây là phương pháp được sử dụng khá rộng rãi. Theo phương pháp này, các cán bộ quản lý cấp cao căn cứ vào kết quả hoạt động sản xuất kinh doanh trong những giai đoạn trước ở đơn vị mình phụ trách và khả năng cảm nhận, phân tích và suy đoán của mình để đưa ra con số dự báo về nhu cầu sản phẩm trong thời gian tới. Ban lãnh đạo sẽ tổ chức các cuộc thảo luận để đi đến thống nhất về kết quả dự báo cho toàn doanh nghiệp.

Phương pháp này sử dụng được trí tuệ và kinh nghiệm của những cán bộ trực tiếp liên quan đến hoạt động thực tiễn. Kết quả dự báo thu được nhanh với chi phí thấp. Tuy nhiên, phương pháp này cũng hạn chế là mang tính chủ quan, phụ thuộc vào khả năng và độ nhạy cảm của các cán bộ quản lý điều hành. Thêm vào đó, kết quả dự báo thường chịu ảnh hưởng của những người có quyền lực và địa vị cao nhất trong doanh nghiệp.

1.2. Phương pháp lấy ý kiến của nhân viên bán hàng trực tiếp

Đây cũng là phương pháp được sử dụng phổ biến. Theo phương pháp này thì nhân viên bán hàng có nhiệm vụ đưa ra con số dự báo về nhu cầu sản phẩm trong giai đoạn tới tại khu vực thị trường mình phụ trách. Doanh nghiệp sẽ tiến hành thẩm định tính chính xác của con các con số dự báo, sau đó tổng hợp các số liệu dự báo của tất cả các khu vực thị trường để hình thành dự báo nhu cầu sản phẩm của toàn bộ thị trường.

Ưu điểm của phương pháp này là cho kết quả nhanh với chi phí thấp. Phương pháp này thường có độ chính xác cao hơn phương pháp lấy ý kiến của cán bộ quản trị điều hành cấp cao. Tuy nhiên, nhược điểm của phương pháp này là kết quả dự báo phụ thuộc vào đánh giá chủ quan của nhân viên bán hàng và nhân viên bán hàng có thể đưa ra con số dự báo thấp hơn so với nhu cầu thực của thị trường để dễ đạt được định mức. Ngược lại, một số nhân viên khác lại dự báo quá cao để giành được sự quan tâm và đầu tư cho khu vực thị trường mình phụ trách nhiều hơn.

1.3. Phương pháp Delphy (Phương pháp chuyên gia)

Thực chất đây là phương pháp chuyên gia. Phương pháp này thu thập và xử lý những đánh giá dự báo bằng cách tập hợp và hỏi các ý kiến chuyên gia giỏi ở những lĩnh vực khác nhau để dự báo. Quá trình dự báo theo phương pháp delphy là một tập hợp các bước được thực hiện lặp đi lặp lại, trong đó các chuyên gia trả lời các câu hỏi đã được soạn thảo sẵn trong các phiếu điều tra một cách độc lập. Quá trình dự báo chỉ dừng lại khi mọi thắc mắc đã được giải đáp rõ ràng.

Để dự báo người ta thành lập nhóm dự báo gồm 3 thành phần chủ yếu như sau:

Thứ nhất là các cán bộ lãnh đạo đóng vai trò phụ trách và đưa ra các quyết định liên quan đến dự báo.

Thứ hai là những nhân viên tổng hợp có nhiệm vụ soạn thảo phiếu điều tra, phát và thu thập, phân tích các ý kiến trả lời từ phiếu điều tra. Nhân viên tổng hợp cần có khả năng phân tích, tổng hợp, am hiểu về sản phẩm và chính sách phát triển sản phẩm của doanh nghiệp, đồng thời cũng phải có kỹ năng xây dựng và soạn thảo phiếu điều tra.

Thứ ba là những chuyên gia giỏi thuộc các lĩnh vực khác nhau có nhiệm vụ trả lời các câu hỏi trong phiếu điều tra.

Các bước thực hiện phương pháp Delphy

  • Bước 1. Chọn các nhà chuyên gia, nhân viên tổng hợp và người lãnh đạo nhóm tiến hành dự báo.
  • Bước 2. Tổ chức xây dựng các câu hỏi điều tra lần đầu, gửi đến chuyên gia.
  • Bước 3. Phát phiếu điều tra cho các chuyên gia trả lời.
  • Bước 4. Thu thập phiếu điều tra và tiến hành phân tích các câu trả lời, tổng hợp và viết lại câu hỏi.
  • Bước 5. Soạn thảo phiếu câu hỏi lần hai gửi tiếp cho các chuyên gia.
  • Bước 6. Thu thập, phân tích bảng trả lời câu hỏi lần thứ hai.
  • Bước 7. Soạn thảo các câu hỏi tiếp, gửi đi và phân tích kết quả điều tra.

Các bước trên được dừng lại khi kết quả dự báo thỏa mãn những yếu cầu đề ra.

Ưu điểm của phương pháp Delphy là thường có độ chính xác cao hơn phương pháp phương pháp lấy ý kiến của ban lãnh đạo cao nhất và lấy ý kiến của nhân viên bán hàng vì tận dụng được kiến thức chuyên môn sâu của các chuyên gia trong từng lĩnh vực. Những ý kiến của họ rất sâu sắc và có giá trị. Ngoài ra, phương pháp này tránh được mối liên hệ trực tiếp giữa các cá nhân, không có các va chạm giữa người này với người khác hoặc bị ảnh hưởng quyền lực của một người nào đó ưu thế hơn.

Nhược điểm của phương pháp này là thời gian dự báo kéo dài hơn hai phương pháp trên. Chí phí cho hoạt động dự báo là tương đối cao do phải dùng tới những chuyên gia giỏi cho hoạt động dự báo.

Phương pháp Delphy có thể áp dụng hiệu quả trong những trường hợp sau đây:

+ Khi mà đối tượng dự báo có tầm bao quát lớn phụ thuộc vào những yếu tố, mà những yếu tố này chưa có cơ sở rõ ràng để xác định.

+ Trong điều kiện thiếu nguồn thông tin và những số liệu thống kê tin cậy về đối tượng dự báo.

+ Khi tiến hành dự báo mang tính dài hạn, đối tượng dự báo chịu ảnh hưởng của nhiều nhân tố khó lượng hóa (Ví dụ, sự phát triển khoa học kỹ thuật, những nhân tố thuộc về tâm lý xã hội như: thị hiếu, thói quen, lối sống, đặc điểm dân cư…).

+ Trong điều kiện có độ bất định lớn của đối tượng của đối tượng dự báo, độ tin cậy thấp về hình thức biểu hiện, về chiều hướng biến thiên và về phạm vi cũng nhưng quy mô và cơ cấu.

1.4. Phương pháp điều tra trực tiếp người tiêu dùng

Đây là phương pháp lấy ý kiến khách hàng hiện tại và tiềm năng cho kế hoạch của doanh nghiệp. Việc nghiên cứu do phòng nghiên cứu thị trường thực hiện bằng nhiều hình thức như tổ chức các cuộc điều tra lấy ý kiến của khách hàng, phỏng vấn trực tiếp, phỏng vấn qua điện thoại, gửi phiếu điều tra tới gia đình hoặc cơ sở tiêu dùng…

Ưu điểm của phương pháp này là không những giúp cho doanh nghiệp chuẩn bị dự báo mà còn có thể hiểu được những đánh giá của khách hàng về sản phẩm của doanh nghiệp, giúp doanh nghiệp cải tiến hoàn thiện sản phẩm cho phù hợp.

Nhược điểm chính của phương pháp này là đòi hỏi sự tốn kém về tài chính, thời gian và cần có sự chuẩn bị thật chu đáo và khoa học trong việc thiết kế và soạn thảo phiếu điều tra. Đôi khi phương pháp này cũng vấp phải những khó khăn là ý kiến của khách hàng không thực sự xác thực hoặc quá tin cậy.

2. Các phương pháp dự báo định lượng

Phương pháp dự báo định lượng là phương pháp dự báo dựa trên việc sử dụng những số liệu thống kê để tính toán lượng hóa cụ thể kết quả của dự báo. Để dự báo người ta thiết lập các mô hình toán học thể hiện mối quan hệ giữa nhu cầu và các yếu tố ảnh hưởng tới nhu cầu và dùng số liệu thống kê thu được trong các giai đoạn trước để dự báo. Phương pháp dự báo định lượng bao gồm các mô hình dự báo theo chuỗi thời gian và hàm số nhân quả. Sau đây là một số mô hình dự báo định lượng chủ yếu:

2.1. Phương pháp dự báo theo dãy số thời gian (Phương pháp ngoại suy)

Phương pháp dự báo theo dãy số thời gian được xây dựng trên giả thiết các nhân tố ảnh hưởng đến quá khứ và hiện tại sẽ còn ảnh hưởng trong tương lai. Trong phương pháp này đại lượng cần dự báo được xác định trên cơ sở phân tích chuỗi các số liệu về nhu cầu sản phẩm thống kê được trong quá khứ. Để dự báo người ta thể hiện mối quan hệ bằng những công thức toán học với một bên là nhu cầu về sản phẩm và bên kia là thời gian.

Chuỗi thời gian là tập hợp các dữ liệu số cách quãng đều có được bằng cách quan sát biến đáp ứng tại những thời điểm cách đều nhau. Ví dụ, chuỗi số liệu doanh số hàng tháng, quý, hoặc năm.

Các thành phần của chuỗi thời gian bao gồm 4 thành phần chính là chuỗi xu thế (Trend), chuỗi chu kỳ (Cycles), chuỗi mùa vụ (Seasonality) và chuỗi ngẫu nhiên (Random variations).

  • Chuỗi xu thế (T): Tính xu thế của dòng nhu cầu sản phẩm thể hiện sự thay đổi của các dữ liệu theo thời gian (nhìn chung xu thế của dòng sản phẩm có thể đi lên hoặc đi xuống), thời gian của chuỗi xu thế thường diễn ra trong dài hạn thường là lớn hơn 3 năm . Ví dụ, nhu cầu đáp ứng công nghệ.
  • Chuỗi mùa vụ (S): Thể hiện sự dao động hay biến đổi dữ liệu theo thời gian, dữ liệu được lặp đi lặp lại theo những chu kỳ đều đặn do sự tác động của một hay nhiều nhân tố môi trường xung quanh như tập quán sinh hoạt, do thời tiết, hoạt động kinh tế xã hội… Ví dụ, nhu cầu tiêu thụ bia không đồng đều theo các mùa trong năm.
  • Chuỗi chu kỳ (C): Chu kỳ là yếu tố lặp đi lặp lại sau một giai đoạn thời gian nhất định. Ví dụ, chu kỳ sinh học, chu kỳ phục hồi kinh tế…
  • Chuỗi ngẫu nhiên (R): Chính là sự dao động của dòng nhu cầu sản phẩm do các yếu tố ngẫu nhiên gây ra, không mang tính quy luật. Ví dụ, các yếu tố ngẫu nhiên như cuộc đình công của công nhân, thiên tai…

Nhu cầu thay đổi theo thời gian dưới những dạng khác nhau. Một công thức tổng hợp cho kết quả chính xác nhất phải thể hiện được đầy đủ các thay đổi này. Có hai dạng mô hình kết hợp các thành phần của chuỗi số thời gian là môi hình nhân và mô hình cộng.

Mô hình nhân giả định nhu cầu (Y) là tích số của 4 thành phần:

Y = T x S x C x R

Mô hình nhân giả định nhu cầu (Y) là tổng số của 4 thành phần:

Y = T + S + C + R

 Trong phần lớn các mô hình dùng trong thực tế, các nhà dự báo giả thiết các biến số ngẫu nhiên được loại ra trong suốt thời gian dự báo. Do đó, họ chỉ tập trung vào các thành phần theo mùa vụ, xu thế và chu kỳ.

a. Bình quân giản đơn (simple average)

 Phương pháp bình quân giản đơn cho kết quả dự báo là giá trị trung bình của nhu cầu thực trong những giai đoạn đã qua. Bình quân giản đơn dựa trên giả định tác động của tất cả các giai đoạn đến kết quả dự báo là như nhau.

Công thức:

Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

Trong đó:

  • Ft : Nhu cầu dự báo cho giai đoạn t.
  • Ai : Nhu cầu thực của giai đoạn i.
  • n: Số giai đoạn dùng làm căn cứ dự báo (Số giai đoạn quan sát).

Ví dụ 1: Một doanh nghiệp kinh doanh đạm Urê có doanh số bán hàng trong 3 tháng đầu năm lần lượt là 17 tỷ VNĐ; 19 tỷ VNĐ; 21 tỷ VNĐ. Hãy dự báo doanh số của tháng 4 bằng phương pháp bình quân giản đơn.

Theo phương pháp bình quân giản đơn, doanh số dự báo cho tháng 4 là:

Ft = (17+19+21)/3 = 19 (tỷ VNĐ)

 Ưu điểm của phương pháp này đơn giản, dễ tính, cho kết quả nhanh. Tuy nhiên, nhược điểm của phương pháp này là độ chính xác không cao vì bỏ qua nhiều yếu tố do không tính tới những thay đổi của thời gian và ảnh hưởng của những thay đổi đó đến dự báo, đồng thời phương pháp này có tính linh hoạt thấp.

b. Bình quân di động

Trong thực tế khi thời gian thay đổi thì tác động của các giai đoạn đến nhu cầu cũng thay đổi. Phương pháp này vẫn sử dụng công thức trên để tính giá trị trung bình nhưng có tính tới yếu tố trượt về thời gian. Phương pháp bình quân di động dùng kết quả trên cơ sở thay đổi liên tục khoảng thời gian trước đây cho dự báo giai đoạn tiếp theo, công thức:

Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

Phương pháp này có ưu điểm là đã tính tới sự thay đổi về thời gian nhưng vẫn còn hạn chế là dựa trên giả định tác động của tất cả các giai đoạn đến nhu cầu là như nhau, bởi thực tế các giai đoạn gần dự báo có thể ảnh hưởng mạnh hơn những giai đoạn trước đó..

Ví dụ 2: Một công ty có doanh số (triệu VNĐ) bán hàng trong các tháng của năm 2018 được thống kê trong bảng sau. Hãy dự báo bằng phương pháp bình quân di động với số giai đoạn là 4.

Công ty đã sử dụng phương pháp bình quân di động với số giai đoạn là 4 tháng để dự báo cho các tháng, kết quả như sau:

Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

c. Bình quân di động có trọng số

 Hạn chế của phương pháp bình quân di động là vẫn dựa trên giả định là tác động của tất cả các giai đoạn đến nhu cầu là như nhau. Khắc phục hạn chế này người ta sử dụng trọng số để phân biệt mức độ ảnh hưởng của các giai đoạn khác nhau trong quá khứ đến kết quả dự báo. Đây chính là phương pháp bình quân di động có trọng số.

Công thức tổng quát:

Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

Trong đó:

  • Ai : Cầu thực tế của giai đoạn i.
  • Hi : Trọng số của giai đoạn i.
  • n: Số giai đoạn tính bình quân di động.

Trong mô hình trên, mức độ chính xác của dự báo phụ thuộc vào khả năng xác định các trọng số có hợp lý không.

Phương pháp bình quân di động có trọng số có đặc điểm sau:

  • Khi số quan sát tăng lên, khả năng san bằng các dao động tốt hơn, nhưng kết quả dự báo ít nhạy cảm hơn với những biến đổi thực tế của cầu.
  • Dự báo thường không bắt kịp nhu cầu, không bắt kịp xu hướng thay đổi nhu cầu.
  • Đòi hỏi phải ghi chép số liệu đã qua rất chính xác và phải đủ lớn, mới cho kết quả dự báo đúng.
  • Khi dự báo vẫn bỏ qua nhiều giai đoạn không tính toán đến.

Ví dụ 3: Vẫn dựa trên số liệu của ví dụ 2 công ty quyết định áp dụng mô hình dự báo theo phương pháp bình quân di động 4 tháng có trọng số với các trọng số cho các tháng như sau:

Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

d. San bằng mũ giản đơn

Để khắc phục nhược điểm của phương pháp bình quân, người ta sử dụng phương pháp san bằng mũ để dự báo. Phương pháp này đơn giản, cần ít số liệu thống kê.

Công thức:

F(t) = F(t−1) + α*(At−1 − Ft−1) với 0 ≤ α ≤ 1

Trong đó:

  • F(t) : Nhu cầu dự báo cho giai đoạn t; F(t−1) : Nhu cầu dự báo của giai đoạn ngay trước đó (giai đoạn t-1); A(t−1) : Nhu cầu thực trong giai đoạn ngay trước đó (giai đoạn t-1)
  • α: Hệ số san bằng mũ giản đơn

Thực chất là dự báo mới bằng dự báo của giai đoạn trước đó cộng với sai số của dự báo ở giai đoạn đó có điều chỉnh theo hệ số α cho chính xác hơn.

Công thức trên tuy đơn giản nhưng trong kết quả của dự báo đã tính tới tác động của tất cả các giai đoạn trước đó và trọng số của giai đoạn càng gần càng lớn lên theo cấp số nhân. Hệ số α trong mô hình dự báo thể hiện mức độ quan trọng và ảnh hưởng của số liệu hiện tại đến đại lượng dự báo. Hệ số α càng lớn mô hình càng nhạy bén với sự biến động của dòng nhu cầu, ngược lại, hệ số α càng nhỏ mô hình dự báo càng kém nhạy bén hơn với sự biến đổi của dòng nhu cầu. Các hệ số α khác nhau sẽ cho kết quả dự báo khác nhau. Có thể kiểm tra độ chính xác của từng kết quả dự báo bằng các công cụ thích hợp như: Độ lệch tuyệt đối trung bình MAD hay sai số dự báo bình quân MSE mà chúng ta có thể nghiên cứu trong bài sau.

Ví dụ 4: Trong 8 quý qua cảng biển Baltimore đã bốc dỡ một lượng lớn ngũ cốc cho trong bảng thống kê dưới đây. Dự báo cho quý 1 là 175 nghìn tấn. Hệ số san bằng mũ α = 0,10. Hãy dự báo lượng ngũ cốc cần bốc dỡ cho cho quý thứ 9 bằng phương pháp san bằng mũ giản đơn?

Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

Hệ số α có thể thay đổi để xét đến trọng số lớn hơn của những số liệu ở các giai đoạn gần hơn. Lúc này công thức dự báo sẽ là:

Ft =α.At−1 + α.(1− α).At−2 + α.(1− α)2.At−3 +… +… α.(1− α)t−1.A0

 Qua công thức trên ta có thể thấy khi α tăng thì tầm quan trọng của các số liệu quá khứ càng xa càng nhỏ dần. Quan sát bảng số liệu tính toán dưới đây ứng với giá trị α = 0,1 và α = 0,5 ta cũng nhận rõ điều đó.

Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

Hệ số α = 0,5 thì các thời kỳ 3; 4 vẫn còn tác động, nhưng thời kỳ 5 tác động không còn đáng kể nữa. Ngược lại, khi α = 0,1 thì các thời kỳ 4; 5 vẫn còn tác động, thậm chí thời kỳ 6 cũng vẫn còn tác động, tức là lúc này ta phải xét đến nhiều số liệu trong quá khứ hơn.

e. San bằng mũ có điều chỉnh xu hướng

Phương pháp san bằng mũ giản đơn không phản ánh được xu hướng biến thiên của cầu, do đó người ta đề xuất sử dụng mô hình san bằng mũ giản đơn có kết hợp điều chỉnh cho phù hợp với sự biến đổi của nhu cầu. Cách làm như sau: đầu tiên tiến hành dự báo theo san bằng mũ giản đơn sau đó sẽ thêm vào một lượng điều chỉnh (âm hoặc dương).

Theo đó, mức dự báo có điều chỉnh xu hướng được xác định theo công thức:

FITt = +Ft + Tt

Trong đó:

  • Tt : Mức điều chỉnh xu hướng cho giai đoạn t; Tt = Tt−1 + β*(Ft −Ft−1)
  • Ft : Mức dự báo theo san bằng mũ giản đơn cho giai đoạn t;
  • Ft−1 : Mức dự báo theo san bằng mũ giản đơn cho giai đoạn t-1;
  • Tt−1 : Mức điều chỉnh xu hướng cho giai đoạn t-1;
  • β: Hệ số điều chỉnh xu hướng (0 ≤ β ≤ 1).

Để tính toán FITt ta tiến hành theo các bước sau:

Bước 1. Tính dự báo nhu cầu theo phương pháp san bằng mũ giản đơn Ft ở thời kỳ thứ t.

Bước 2. Tính mức điều chỉnh xu hướng (về mặt lượng).

Để tiến hành bước 2 cho lần tính toán đầu tiên, giá trị xu hướng ban đầu phải được xác định và đưa vào công thức. Giá trị này có thể được đề xuất bằng phán đoán hoặc bằng những số liệu đã quan sát được trong quá khứ. Sau đó sử dụng số liệu để tính Tt.

Trong tính toán, để đơn giản người ta thường gán giá trị mức điều chỉnh xu hướng cho giai đoạn đầu T1 = 0.

Bước 3. Tính toán dự báo nhu cầu theo phương pháp san bằng mũ có điều chỉnh xu hướng FITt = Ft + Tt .

Hệ số điều chỉnh xu hướng β ở trên cũng giống như hệ số san bằng mũ α, trong đó β càng lớn thì càng đáp ứng nhiều đối với những thay đổi gần nhất trong xu hướng. Giá trị của hệ số β thấp thì ít gây ảnh hưởng đến những xu hướng xảy ra gần nhất và có khuynh hướng san bằng xu hướng hiện tại. Để xác định β có thể dùng cách thử đúng sai cùng với việc lấy MAD hoặc MSE làm tiêu chuẩn so sánh tính β.

Phương pháp san bằng mũ là san bằng cấp 1 và san bằng mũ có điều chỉnh xu hướng được gọi là san bằng mũ cấp 2. Các mô hình san bằng mũ có kết hợp với cả điều chỉnh mùa vụ thì được gọi là san bằng mũ cấp 3.

f. Hoạch định theo xu hướng (dự báo theo đường xu hướng)

Hoạch định theo xu hướng hay còn gọi là dự báo theo xu hướng giúp ta dự báo cầu trong tương lai dựa trên một tập hợp các dữ liệu có tính xu hướng trong quá khứ. Theo phương pháp này thì cần phải vẽ một đường (hay một hàm số) phù hợp với các số liệu quá khứ, rồi dựa vào đường đó dự báo nhu cầu của giai đoạn kế tiếp theo xu hướng của các số liệu thống kê thu được. Để đơn giản trong dự báo thông thường hàm tuyến tính được sử dụng. Hai yếu tố trong hàm tuyến tính là nhu cầu (y) và thời gian (x) được cụ thể hóa mối quan hệ giữa chúng bằng một phương trình toán học có dạng:

yt = a + b.x

Trong đó:

yt là biến phụ thuộc (giá trị của đại lượng cần dự báo); x là biến độc lập; b hệ số góc của đường tuyến tính; a giá trị của y khi x = 0 (hệ số chặn trục tung).

Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

Các phương pháp dự báo trung bình thích hợp với dạng dữ liệu nào?

g. Dự báo nhu cầu biến đổi theo mùa

Có nhiều loại mặt hàng có cầu biến đổi theo mùa trong năm như quần áo, quạt máy, lò sưởi, thuốc chữa bệnh, nước giải khát, máy nông nghiệp… Để đảm bảo độ chính xác trong dự báo nhu cầu của những mặt hàng này phải tính đến yếu tố mùa vụ.

2.2. Phương pháp dự báo nhân quả (Phương pháp hồi quy tương quan)

Mô hình dự báo nhân quả đề cập đến nhiều nhân tố khác nhau liên quan đến nhu cầu một loại hàng hóa hay dịch vụ nào đó như giá cả, thị hiếu, chất lượng, thu nhập, giá cả hàng hóa thay thế, thời tiết… Ta cần xác định mối quan hệ giữa các nhân tố này với nhu cầu và lập một hàm số thể hiện mối tương quan giữa nhu cầu và các nhân tố này. Như vậy, hàm số dự báo trong mô hình nhân quả có thể gồm nhiều biến số khác nhau. Trong đó, nhu cầu là biến phụ thuộc, còn các nhân tố ảnh hưởng kể trên là biến số độc lập. Mức độ ảnh hưởng của các biến số độc lập tới nhu cầu thể hiện bằng các hệ số. Khi hàm dự báo bao gồm nhiều biến số sẽ là một mặt cong. Tuy nhiên, trong chương trình môn học nghiên cứu để đơn giản hóa thì mô hình được sử dụng phổ biến nhất là “Mô hình phân tích hồi quy tuyến tính”.

Phương trình dự báo có dạng: y = a + b.x

Trong đó:

  • y: Nhu cầu đóng vai trò là biến phụ thuộc. a: Hằng số của đường hồi quy.
  • b: Hệ số độ dốc của đường hồi quy và phản ánh mức độ tương quan giữa biến số phụ thuộc và biến số độc lập.
  • x: Biến số độc lập, là một trong những nhân tố tác động đến nhu cầu, chú ý biến x bây giờ không phải là biến số thời gian như trong mô hình dự báo xu hướng.

Nguồn: Tài liệu học tập Quản trị sản xuất, Trường Đại học kinh tế kỹ thuật công nghiệp, 2019