Chương 16 - Sử dụng phép hồi quy để theo dõi các xu hướng...

[BNTT]

Phỏng dịch từ cuốn Formulas and Functions with Microsoft Office Excel 2007 của Paul McFedries

Phần III: Xây dựng các mô hình kinh doanh

• Chương 13: Phân tích dữ liệu với các Table
  
  
• Chương 14: Phân tích dữ liệu với các PivotTable
  
  
• Chương 15: Sử dụng các công cụ tạo mô hình kinh doanh của Excel
  
  
• Chương 16: Sử dụng phép hồi quy để theo dõi các xu hướng và đưa ra các dự báo
  
  
• Chương 17: Giải các bài toán phức tạp với Solver

---------------------------------------------------------------------------------------


PHẦN III - Xây dựng các mô hình kinh doanh

Chương 16 - Sử dụng phép hồi quy để theo dõi các xu hướng và đưa ra các dự báo

Trong thời đại ngày nay, việc dự đoán hiệu suất kinh doanh ngày càng trở nên quan trọng. Hơn bao giờ hết, các nhà quản lý ở mọi cấp độ cần đưa ra những dự đoán thông minh về doanh số tương lai, mà ở đó, các xu hướng lợi nhuận là một phần rất quan trọng trong toàn bộ chiến lược kinh doanh. Bằng cách dự đoán doanh số trong 6 tháng tới, hoặc 1 năm, thậm chí là 3 năm sắp tới, họ có thể dự tính trước được những nhu cầu liên quan, chẳng hạn như tuyển dụng thêm nhân viên, mở rộng kho bãi, cũng như ở sung nguồn nguyên vật liệu... Tương tự, một bảng dự báo lợi nhuận sẽ cho phép hoạch định việc mở rộng công ty trong tương lai...

Việc dự đoán kinh doanh đã trở nên phổ biến trong những năm gần đây và có nhiều phương pháp khác nhau đã được triển khai, trong đó có những phương pháp thì thành công hơn những phương pháp khác. Phương pháp dự đoán phổ biến nhất là phương pháp định tính "phản ứng theo bản năng" (seat of the pants), trong đó nhà quản lý (hoặc một nhóm các nhà quản lý) sẽ ước tính những xu hướng tương lai dựa vào kinh nghiệm và sự hiểu biết về thị trường. Tuy nhiên, phương pháp này dễ mắc phải một sự chủ quan cố hữu và một sự tập trung ngắn hạn, bởi vì nhiều nhà quản lý có khuynh hướng ngoại suy từ những kinh nghiệm gần đây và bỏ qua các xu hướng dài hạn. Một vài phương pháp khác, chẳng hạn như tính trung bình cho kết quả mà tôi đã trình bày trong những chương trước đây, thì khách quan hơn, nhưng thường chỉ có ích cho việc dự đoán trước một khoảng thời gian ngắn, vài tháng...

Chương này sẽ trình bày một kỹ thuật được gọi là "phân tích hồi quy" (regression analysis). Hồi quy là một thủ tục thống kê mạnh mẽ, và là một trong những công cụ kinh doanh thông dụng. Bạn có thể sử dụng phân tích hồi quy để quyết định mối quan hệ giữa một hiện tượng vốn phụ thuộc vào một hiện tượng khác. Ví dụ, việc bán xe hơi có thể phụ thuộc vào các lãi suất, và doanh số có thể phụ thuộc vào chi phí quảng cáo. Hiện tượng phụ thuộc được gọi là biến phụ thuộc (dependent variable), hay là giá trị y; và hiện tượng mà nó phụ thuộc vào được gọi là biến độc lập (independent variable), hay là giá trị x. Để dễ hiểu, bạn hãy tưởng tượng rằng có một biểu đồ (hay đồ thị) mà ở đó các biến độc lập được vẽ dọc theo trục nằm ngang (trục x) và các biến phụ thuộc được vẽ dọc theo trục đứng (trục y).

Với những biến này, bạn có thể làm hai điều với việc phân tích hồi quy sau đây:

• Quyết định mối quan hệ giữa các giá trị x và y đã biết, sử dụng các kết quả để tính và hình dung ra toàn bộ xu hướng của dữ liệu.
  
• Sử dụng xu hướng hiện có để dự báo các giá trị y mới.

Như bạn sẽ thấy trong chương này, Excel có đầy đủ những công cụ nhằm cho phép bạn vừa tính được xu hướng hiện hành vừa đưa ra được những dự báo, bất kể loại dữ liệu bán xử lý thuộc loại nào.​

Bạn có thể tải về bảng tính với những ví dụ trong chương này tại đây: Example Files

 

[BNTT]

16.1. Chọn một phương pháp hồi quy

Có 3 phương pháp hồi quy thường được sử dụng nhất trong kinh doanh:

1. Hồi quy đơn giản (Simple regression) — Sử dụng loại hồi quy này khi bạn chỉ xử lý một biến độc lập. Ví dụ, biến phụ thuộc là doanh số xe hơi, và biến độc lập là lãi suất. Bạn cũng có thể quyết định xem dữ liệu của bạn là tuyến tính hay phi tuyến tính:
   
   
   • Tuyến tính (Linear) : Nghĩa là, nếu bạn vẽ dữ liệu trên một biểu đồ, các điểm dữ liệu có được sẽ gần giống như là một đường thẳng.
     
     
   • Phi tuyến tính (Nonlinear) : Nghĩa là, nếu bạn vẽ dữ liệu trên một biểu đồ, các điểm dữ liệu có được sẽ tạo thành một đường cong.
   
   
   
2. Hồi quy đa thức (Polynomial regression) — Sử dụng loại hồi quy này khi bạn chỉ xử lý một biến độc lập nhưng dữ liệu của bạn dao động theo một cách mà nếu vẽ trên một biểu đồ, các điểm dữ liệu không giống một đường thẳng mà cũng chẳng giống một đường cong.
   
   
3. Đa hồi quy (Multiple regression) — Sử dụng loại hồi quy này khi bạn phải xử lý nhiều biến độc lập. Ví dụ, doanh số xe hơi phụ thuộc vào lãi suất và mức thu nhập.

Bạn sẽ được học về cả 3 phương pháp trên trong chương này.​