|
 Thuật ngữ VietnamBiz
Kiến thức Kinh tế

Sai số dự báo (Forecast Error) là gì?

15:36 | 20/11/2019
Chia sẻ
Sai số dự báo (tiếng Anh: Forecast Error) là chênh lệch giữa giá trị thực (dữ liệu) và giá trị dự báo nhằm đánh giá chất lượng hay sự phù hợp của mô hình dự báo tại cùng một thời điểm.
sai số dự báo

Sai số dự báo

Khái niệm

Sai số dự báo trong tiếng Anh là forecast error.

Sai số dự báo là chênh lệch giữa giá trị thực (dữ liệu) và giá trị dự báo nhằm đánh giá chất lượng hay sự phù hợp của mô hình dự báo tại cùng một thời điểm. Sai số dự báo cũng nhằm giúp điều chỉnh các thông số của mô hình dự báo.

Công thức

1

Một mô hình dự báo được đánh giá tốt khi sai số dự báo nhỏ. Ngoài ra tính ngẫu nhiên của sai số cũng là một tham số quan trọng để đánh giá độ chính xác của dự báo. 

Thật vậy, khi tiến hành dự báo người ta thường giả định dữ liệu ban đầu ngẫu nhiên; các tính toán, đánh giá, kiểm định cũng đều dựa trên giả định này (ngẫu nhiên, phân phối chuẩn) nên nếu mô hình đúng thì sai số cũng phải không theo một chiều hướng nào cả.

Tiêu chí đánh giá

4 tiêu chí đánh giá sai số thường được sử dụng trong thực tế dự báo như sau:

Sai số tuyệt đối trung bình MAE (Mean Absolute Error)

1

Sai số bình phương trung bình MSE (Mean Squared Error)

2'

Sai số tương đối trung bình MAPE (Mean Absolute Percent Error)

3

Căn của sai số bình phương trung bình RMSE (Root Mean Squared Error)

4

Các tiêu chí MAE và MSE và RMSE có đặc tính, công năng như nhau và thường cho cùng một kết quả khi đánh giá. Tuy nhiên, chuyên gia khuyến cáo rằng nếu giá trị sai số εt đều nhau thì nên chọn tiêu chí MSE để đánh giá. 

Ngược lại, nếu các giá trị sai số εquá khác biệt thì nên chọn tiêu chí MAE để đánh giá. Tiêu chí RMSE là căn bậc 2 của tiêu chí MSE nên hai tiêu chí về bản chất là một; điều khác biệt là giá trị của tiêu chí RMSE bé hơn. 

Tiêu chí MAPE giúp đánh giá sai số một cách tương đối. Giả sử sai số trung bình là 1 đơn vị so với giá trị của dữ liệu là 100 thì vẫn là nhỏ (1%). Ngược lại, sai số trung bình 1 đơn vị so với giá trị của dữ liệu là 10 thì được xem là lớn (10%). Vậy nên khi đánh giá sai số dự báo với những bộ số liệu khác nhau thì nên sử dụng tiêu chí MAPE.

Ngược lại, với cùng một bộ số liệu nhưng áp dụng nhiều phương pháp dự báo khác nhau thì không nên áp dụng tiêu chí MAPE vì tính phức tạp trong tính toán. 

(Theo Giáo trình Thống kê Doanh nghiệp, NXB Đại học Kinh tế quốc dân)

T.D