In order to view this object you need Flash Player 9+ support!

Get Adobe Flash player

Powered by RS Web Solutions

In bài này

Đề cương Môn học 
Dự báo Kinh tế và Phân tích Dữ liệu

 

1. Tên môn học:  DỰ BÁO KINH TẾ VÀ PHÂN TÍCH DỮ LIỆU

2. Giảng viên:

  • NGUYỄN TRỌNG HOÀI
  • NGUYỄN HOÀNG BẢO
  • PHÙNG THANH BÌNH
  • VÕ ĐỨC HOÀNG VŨ
  • NGUYỄN KHÁNH DUY
  • NGUYỄN NGỌC DANH

3. Bậc đào tạo: Đại học           Hệ đào tạo: Chính quy

4. Thời lượng: 45 tiết

5. Điều kiện tiên quyết

Để học tốt môn Dự báo kinh tế và phân tích dữ liệu, sinh viên phải được trang bị trước các môn học sau đây:

  • Lý thuyết xác suất và thống kê toán
  • Nguyên lý thống kê kinh tế (hoặc Thống kê ứng dụng, Thống kê kinh doanh)
  • Kinh tế lượng
  • Phương pháp nghiên cứu kinh tế

6. Mô tả môn học

Sự phát triển của kinh tế Việt Nam đặt trong bối cảnh đầy biến động của nền kinh tế thế giới đã thúc đẩy các nhà hoạch định chính sách kinh tế và quản trị kinh doanh phải quan tâm nhiều hơn đến việc phân tích dữ liệu và dự báo ở nhiều lĩnh vực khác nhau. Đặc biệt, với sự ra đời của thị trường chứng khoán Việt Nam, kèm theo sự biến động của nhiều chỉ số kinh tế trong và ngoài nước đã và đang thúc đẩy dự báo trở thành một hoạt động quan trọng trong hầu hết các lĩnh vực kinh tế, tài chính, và quản trị. Nhu cầu phân tích, dự báo ở Việt Nam đang có xu hướng gia tăng bởi vì phân tích, dự báo tốt có thể hỗ trợ đáng kể cho việc hình thành chính sách, chiến lược, kế hoạch cũng như nhiều quyết định hàng ngày của các cơ quan quản lý nhà nước và doanh nghiệp. Chính vì thế, các nhà nghiên cứu, nhà hoạch định chính sách và nhà quản trị tương lai cần được trang bị một nền tảng kiến thức cơ bản về các phương pháp dự báo định lượng, các kỹ thuật phân tích thống kê, kỹ năng sử dụng các phần mềm dự báo, phân tích dữ liệu thông dụng hiện nay như Eviews, SPSS... Ngoài ra, đối với sinh viên thuộc các chuyên ngành kinh tế, tài chính và quản trị, môn Dự báo kinh tế và phân tích dữ liệu càng có ý nghĩa thiết thực.  Bởi lẽ, môn học này cung cấp các kỹ thuật phân tích dữ liệu hết sức cần thiết thực hiện nghiên cứu khoa học và làm luận văn tốt nghiệp. 

Sinh viên tiếp cận kiến thức của môn học không chỉ từ góc độ kiến thức nền tảng của các công thức toán học cần thiết nhất, từ các tình huống gần gũi trong thực tế, mà còn dưới dạng ‘ứng dụng’, ‘thực hành’ trên phần mềm Eviews về hầu hết các mô hình dự báo đơn biến và đa biến thông dụng hiện nay. Nhóm mô hình dự báo đơn biến được chia thành hai loại: giản đơn và nâng cao. Các mô hình giản đơn sẽ tập trung vào các phương pháp Holt, Holt-Winters, và ARIMA để dự báo các chỉ số đơn lẻ như doanh số, tồn kho, giá cả hàng hóa, và các chỉ báo kinh tế vĩ mô như GDP, CPI, lãi suất, cung tiền. Các mô hình nâng cao bao gồm các mô hình ARCH, ARCH-M, GARCH, GARCH-M, và TGARCH để dự báo các chuỗi thời gian có tính dao động cao như giá dầu, giá vàng, tỷ giá, và giá chứng khoán. Nhóm mô hình đa biến chủ yếu tập trung vào các mô hình nhân quả Granger để dự báo mối quan hệ giữa các chỉ báo kinh tế nhằm mục đích kiểm định giả thuyết kinh tế vào phân tích chính sách. Do môn kinh tế lượng (căn bản) đã trang bị cho sinh viên các mô hình hồi quy dữ liệu chéo để dự báo hệ số co giãn nên môn Dự báo kinh tế và phân tích dữ liệu sẽ không đề cập lại một cách chi tiết vấn đề này mà chỉ ôn tập lại để ứng dụng vào việc dự báo.

Dự báo kinh tế và phân tích dữ liệu là một môn học có tính thực tế cao, thú vị, nhưng cũng tiềm ẩn nhiều thách thức. Hiểu các khái niệm và áp dụng vào việc giải đáp các bài tập khác nhau có ý nghĩa hết sức quan trọng. Điều này đòi hỏi sinh viên phải dành nhiều thời gian luyện tập, đặc biệt là thực hành trên máy tính. Bên cạnh giờ thực hành chính thức tại phòng máy tính của trường, làm các bài tập thực hành ở nhà, nếu có thể, chúng tôi khuyến khích sinh viên tự trang bị máy tính xách tay (tối thiểu mỗi nhóm khoảng 5 sinh viên/máy tính xách tay) để tự thực hành các bài tập tại lớp (trong giờ học lý thuyết) nhằm nắm bắt nội dung bài giảng một cách hiệu quả nhất.

7. Mục tiêu

Sau khi học xong môn học, nhóm giảng viên kỳ vọng sinh viên sẽ có khả năng tốt hơn về:

(1) Thực hiện được các kỹ thuật phân tích thống kê mô tả với các loại dữ liệu khác nhau;

(2) Nhận biết được chuỗi dừng và không dừng thông qua phương pháp giản đồ tự tương quan cũng như phương pháp kiểm định nghiệm đơn vị;

(3) Nhận diện, đánh giá và lựa chọn mô hình dự báo tốt cho một chuỗi dữ liệu sẵn có;

(4) Thực hiện được các mô hình dự báo đơn biến theo phương pháp Holt, Holt-Winters, và Box-Jenkins;

(5) Thực hiện được các mô hình dự báo theo phương pháp ARCH, GARCH, TGARCH;

(6) Ứng dụng được kiến thức về phân tích nhân quả thông qua các mô hình nhân quả Granger giản đơn, mô hình hiệu chỉnh sai số (ECM) của Granger, mô hình hiệu chỉnh sai số (VECM) của Pesaran, mô hình nhân quả Granger mở rộng của Toda-Yamamoto;

(7) Giải thích được ý nghĩa và thực hiện được các phương pháp kiểm định đồng liên kết;

(8) Áp dụng được kỹ thuật phân tích nhân tố khám phá, kiểm định độ tin cậy của thang đo;

(9) Sử dụng thành thạo phần mềm Eviews và/hoặc SPSS. 

8. Phương pháp giảng dạy

Môn học được chia làm mười một buổi, trong đó có tám buổi lý thuyết và ba buổi thực hành trên máy vi tính. Các buổi học thực hành sẽ được tổ chức xen kẽ với các buổi học lý thuyết. Bên cạnh đó, người học sẽ được cung cấp thêm các bài tập tình huống để thực hành  thêm ngoài giờ học vì thời gian thực hành chính thức trên lớp không thể bao quát hết tất cả các nội dung của môn học.

Các buối học lý thuyết sẽ không trình bày thuần túy lý thuyết mà sẽ tập trung hướng dẫn thực hành, phân tích và thảo luận các ví dụ để minh họa cho từng mô hình để giúp sinh viên hiểu rõ hơn nội dung các bài giảng. Điều này yêu cầu sinh viên phải đọc lý thuyết trước khi lên lớp thì mới nắm bắt được ý tưởng của các ví dụ minh họa. Các buổi học thực hành sẽ hướng dẫn sinh viên sử dụng phần mềm để thực hành các phương pháp dự báo, phân tích dữ liệu cụ thể. Để có thể hiểu bài và theo kịp tốc độ hướng dẫn thực hành, sinh viên cần phải tìm hiểu kỹ các bài tập được giao trước khi tham dự các buổi thực hành.

9. Phương pháp đánh giá

Kết quả môn học được đánh giá như sau:

(1) Cá nhân: 20%

(2) Bài tập nhóm:  30%

(3) Thi cuối khóa:  50%

Trong bài thi cuối khóa, sinh viên sẽ làm trên giấy dưới dạng phân tích các kết quả đã được thực hiện trên Eviews và/hoặc SPSS

10. Tài liệu đọc

Tài liệu đọc bắt buộc

+ Hoài, N.T., Bình, P.T & Duy, N.K. (2009), Dự Báo và Phân Tích Dữ Liệu trong Kinh Tế và Tài Chính, NXB Thống Kê. (Giáo trình)

+ Hill, R.C., Griffiths, W.E. & Lim, G.C. (2008), Using Eviews for Principles of Econometrics, 3rd Edition, John Wiley & Sons.

+ Bình, P.T. (2011), Bài Giảng Dự Báo Kinh Tế và Phân Tích Dữ Liệu, Lưu hành nội bộ,Trường ĐH Kinh tế TPHCM. (Lecture Notes)

+ Duy, N.K. (2011), Bài Giảng Dự Báo Kinh Tế và Phân Tích Dữ Liệu, Lưu hành nội bộ, Trường ĐH Kinh tế TPHCM. (Lecture Notes)

+ Trọng, H. & Ngọc, C.N.M. (2008a). Phân Tích Dữ Liệu Nghiên Cứu với SPSS. NXB Hồng Đức.

Tài liệu khuyến khích tham khảo

+ Asteriou, D., Hall, S.G. (2007), Applied Econometrics: A Modern Approach Using Eviews and Microfit, Revised Edition, Palgrave Macmillan.

+ Devellis, R.F. (2003), Scale Development: Theory and Applications, 2nd Edition, Sage Publications.

+ Gujarati, D. (2009), Basic Econometrics, 5th Edition, McGraw-Hill.

+ Hair, Jr.J.F., Black, W.C., Babin, B.J., Anderson, R.E. & Tatham,R.L. (2006). Multivariate Data Analysis. 6th Edition. Pearson Prentice Hall.

+ Hanke, J.E. & Wichern, D.W. (2005), Business Forecasting, 8th Edition, Pearson Prentice Hall.

+ Hoài, N.T. (2003), Mô Hình Hóa Chuỗi Thời Gian trong Kinh Doanh và Kinh Tế, Ấn bán lần 2, NXB Đại học Quốc Gia TPHCM.

+ Holton, W.J. & Keating, B. (2007). Business Forecasting With Accompanying Excel-Based ForecastXTM Software, 5th Edition, McGraw-Hill.

+ Schumacker, R.E., Lomax, R.G. (2004), A Beginner’s Guide to Structural Equation Modelling, 2nd Edition, Lawrence Erlaum Associates.

+ Trọng, H., Ngọc, C.N.M. (2008b), Thống Kê Ứng Dụng trong Kinh Tế - Xã Hội, NXB Thống Kê.

+ Thọ, N.Đ (2011), Phương Pháp Nghiên Cứu Khoa Học trong Kinh Doanh, NXB Lao động – Xã hội

+ Ramanathan, R. (2002), Introductory Econometrics with Applications, 5th  Edition, Harcourt College Publisher.

11. Nội dung môn học


Ngày

(số tiết)

Nội dung giảng dạy

(phương pháp giảng dạy)

Tài liệu đọc

(chương, phần)

Sinh viên

chuẩn bị

Ghi

chú

Ngày 1.

(4 tiết)

Tổng quan về phân tích dự báo

§  Vai trò của dự báo trong quá trình ra quyết định 

§  Phương pháp luận của dự báo

§  Tổng quan về các mô hình dự báo chuỗi thời gian

§  Quy trình thực hiện dự báo

§  Các tiêu chí đánh giá mức độ chính xác của dự báo

 

§  Giáo trình, Chương 1

§  Bình, P.T., Lecture notes 1

 

 

 

 

Ngày 2.

(4 tiết)

Xây dựng cơ sở dữ liệu và phân tích dữ liệu

§ Các tiêu chí để xác định nguồn dữ liệu đáng tin cậy

§ Các thành phần cơ bản trong chuỗi thời gian

§ Khảo sát dữ liệu bằng phân tích giản đồ tự tương quan

§ Bản chất một chuỗi dữ liệu có tính dừng/không dừng

§ Khái niệm bước ngẫu nhiên

§ Các kiểm định nghiệm đơn vị

§ Các tiêu chí lựa chọn mô hình dự báo thích hợp

§ Hướng dẫn sử dụng Eviews

 

 

§  Giáo trình, Chương 2 và 3

§  Bình, P.T., Lecture notes 2

 

 

 

Cài đặt phần mềm Eviews,

SPSS

 

 

 

Ngày 3.

(4 tiết)

Thực hành phòng máy

§ Ôn tập thống kê, kinh tế lượng với Eviews (và/hoặc SPSS)

§ Thực hành kiểm định tính dừng bằng giản đồ tự tương quan

§ Thực hành kiểm định tính dừng của chuỗi thời gian bằng kiểm định nghiệm đơn vị

Hill, Griffiths & Lim (2008)

 

 

Ngày 4.

(4 tiết)

Các mô hình dự báo giản đơn

§ Mô hình dự báo trung bình giản đơn

§ Mô hình dự báo trung bình di động

§ Mô hình dự báo san mũ giản đơn

§ Mô hình dự báo Holt, mô hình dự báo Winter

§ Mô hình dự báo phân tích thành phần chuỗi thời gian

§ Thực hiện dự báo bằng các mô hình dự báo giản đơn trên Crystal Ball và ForecastX

§ Ứng dụng dự báo doanh số và giá cả

 

§  Giáo trình, Chương 4, 5, và 6

§  Bình, P.T., Lecture notes 3

 

 

 

Ngày 5.

(4 tiết)

Dự báo bằng phân tích hồi quy

§ Ý nghĩa của phân tích hồi quy

§ Phương pháp hồi quy bình phương bé nhất thông thường

§ Giải thích ý nghĩa thống kê của các kết quả hồi quy

§ Thực hiện các kiểm định giả thiết quan trọng

§ Giải thích ý nghĩa kinh tế của hệ số hồi quy ứng với từng dạng hàm cụ thể 

§ Hồi quy biến giả

§ Nhận biết và khắc phục một số vấn đề thường gặp trong phân tích hồi quy (đa cộng tuyến, phương sai thay đổi, tương quan chuỗi)

§ Hồi quy biến trễ

§ Một số ứng dụng của phân tích hồi quy trong dự báo

§  Giáo trình, Chương 7

§  Bình, P.T., Lecture notes 4

§  Trọng & Ngọc (2008a), chương 1, 3, 9

§  Duy, N.K, Lecture notes 4

 

 

 

Ngày 6.

(4 tiết)

Các mô hình dự báo ARIMA

§ Giới thiệu mô hình ARIMA

§ Quy trình thực hiện dự báo bằng phương pháp Box-Jenkins

§ Tiêu chí đánh giá, lựa chọn mô hình ARIMA phù hợp

§ Thực hiện các mô hình ARIMA trên Eviews

§ Thực hiện các mô hình ARIMA với phần mềm ForecastX

§ Mô hình SARIMA

§ Ứng dụng mô hình ARIMA trong việc dự báo các biến kinh tế vĩ mô và giá cả

§ Ứng dụng mô hình ARIMA và SARIMA trong dự báo doanh số

§ Kinh nghiệm xác định mô hình ARIMA hiệu quả, nhanh chóng

 

§  Giáo trình, Chương 8

§  Bình, P.T., Lecture notes 5

 

 

 

 

 

Ngày 7.

(4 tiết)

Các mô hình ARCH/GARCH

§ Hạn chế của mô hình ARIMA

§ Giới thiệu mô hình ARCH

§ Kiểm định ảnh hưởng ARCH

§ Mô hình ARCH(q)

§ Đánh giá các mô hình ARCH

§ Mô hình GARCH(p,q)

§ Đánh giá các mô hình ARCH/GARCH

§ Mô hình ARCH-M, GARCH-M

§ Mô hình TGARCH

§ Mô hình hóa các nhân tố ảnh hưởng rủi ro

§ Ứng dụng mô hình ARCH, GARCH trong việc dự báo các biến kinh tế vĩ mô và giá cả

 

§  Giáo trình, Chương 9

§  Bình, P.T., Lecture notes 6

 

 

 

 

Ngày 8.

(4 tiết)

Thực hành phòng máy

§ Các mô hình dự báo giản đơn

§ Các mô hình ARIMA

§ Các mô hình ARCH

§ Phân tích hồi quy

 

 

 

 

 

Ngày 9.

(4 tiết)

Các mô hình nhân quả

§ Giới thiệu các mô hình dự báo nhân quả 

§ Quy trình thực hiện các mô hình nhân quả

§ Khái niệm hồi quy giả mạo

§ Khái niệm đồng liên kết và kiểm định đồng liên kết 

§ Xác định độ trễ tối ưu

§ Mô hình nhân quả Granger giản đơn

§ Mô hình ECM về nhân quả Granger 

§ Mô hình VECM về nhân quả Granger

Đo lường khái niệm nghiên cứu và đánh giá độ tin cậy của thang đo

§ Tổng quan về đo lường khái niệm nghiên cứu

§ Tính chất của đo lường

§ Xây dựng thang đo cho các khái niệm nghiên cứu

§ Cronbach’s Alpha và đánh giá độ tin cậy của thang đo

§ Thao tác trên SPSS

§  Bình, P.T., Lecture notes 8

§  Duy, N.K., Lecture notes 8

§  Thọ (2011), chương  8, 10

§  Trọng & Ngọc (2008a), chương 11

§  Devellis (2003)

 

 

 

Chọn một trong hai chủ đề: Các mô hình nhân quả

HOẶC

Đánh giá độ tin cậy của thang đo với Cronbach Alpha

Ngày 10.

(4 tiết)

Các mô hình nhân quả (tiếp theo)

§ Ứng dụng các mô hình nhân quả Granger trong chứng khoán/tài chính

§ Ứng dụng các mô hình nhân quả Granger trong phân tích các mối quan hệ kinh tế vĩ mô

§ Ứng dụng các mô hình nhân quả Granger trong lĩnh vực khác.

 

Phân tích nhân tố khám phá

§ EFA và đánh giá giá trị thang đo

§ Mô hình EFA

§ Ví dụ đánh giá thang đo

§ Các dạng phân tích EFA và ứng dụng

§ Điều kiện để phân tích EFA

§ Đánh giá giá trị thang đo bằng EFA

§ Phân tích EFA với SPSS

§ Tình huống nghiên cứu và ứng dụng

§ Giới thiệu những phân tích khác thường thực hiện sau EFA: thống kê mô tả, T-test, ANOVA, Regression, CFA, SEM…

 

§  Bình, P.T., Lecture notes 9

§  Duy, N.K., Lecture notes 9

§  Thọ (2011), chương 11

§  Trọng & Ngọc (2008b), chương 12

§  Hair (2006), chương 3, 10, 11, 12

 

 

 

Chọn một trong hai chủ đề: Các mô hình nhân quả

HOẶC

Phân tích nhân tố khám phá

Ngày 11.

(4 tiết)

Thực hành phòng máy

§ Các mô hình nhân quả Granger

Hoặc

§ Kiểm định độ tin cậy của thang đo (với Cronbach’s Alpha) và đánh giá giá trị của thang đo (với phân tích nhân tố khám phá)

§ Thực hành các tình huống trong kinh tế, quản trị nguồn nhân lực, hành vi tổ chức, marketing…

§ Ôn tập

 

 

 

Tổng  cộng: 45 tiết

Biên soạn
(1) Phùng Thanh Bình
(2) Nguyễn Khánh Duy

Tải Đề cương Môn học Dự báo Kinh tế và Phân tích Dữ liệu

Đầu trang

 

Copyright © 2014 Khoa Kinh Tế - Đại Học Kinh Tế Tp.HCM. Designed by vietweb247.com