TỔNG CỤC THỐNG KÊ
BÁO CÁO TỔNG HỢP
KẾT QUẢ NGHIÊN CỨU KHOA HỌC
ĐỀ TÀI CẤP TỔNG CỤC
NGHIÊN CỨU ỨNG DỤNG CÁC PHƯƠNG PHÁP
DỰ ĐOÁN NGẮN HẠN ĐỂ DỰ BÁO MỘT SỐ
CHỈ TIÊU THỐNG KÊ KINH TẾ CHỦ YẾU
Ở VIỆT NAM

Đơn vị chủ trì: Viện Khoa học Thống kê
Chủ nhiệm: MSc Lê Văn Dụy
Thư ký: CN Trần Thanh Hương

Mục tiêu nghiên cứu của đề tài là “Đề xuất ứng dụng phương pháp dự báo
ngắn hạn thích hợp cho một số chỉ tiêu kinh tế đã được lựa chọn”.
Để đạt được mục tiêu trên, đề tài tập trung vào các nội dung và phương pháp
nghiên cứu sau: Nghiên cứu tổng quan các phương pháp dự báo nói chung và
phương pháp dự báo ngắn hạn nói riêng; Khảo sát, đánh giá điều kiện số liệu
phụ
c vụ cho dự báo ngắn hạn và lựa chọn một số chỉ tiêu thống kê cho dự báo
thử nghiệm. Thử nghiệm dự báo ngắn hạn cho một số chỉ tiêu kinh tế chủ yếu.
Các chỉ tiêu được đánh giá và đưa vào thử nghiệm thuộc các lĩnh vực: thống
kê kinh tế tổng hợp; thống kê công nghiệp và xây dựng; thống kê nông lâm
nghiệp và thủy sản; thống kê thương mại, dịch v
ụ và giá cả.
Đề tài cũng sử dụng phần mềm phục vụ cho thử nghiệm dự báo là phần mềm
SPSS version 10.0; ngoài ra đề tài cũng cho xây dựng một chương trình phần
mềm riêng cho phương pháp gia quyền điều hòa.
Kết cấu báo cáo kết quả của đề tài, ngoài lời nói đầu và kết luận, gồm ba phần
chính và hai phụ lục:
Phần 1:
Những vấn đề cơ bản về dự báo và dự báo ngắn hạn;
Phần 2:
Lựa chọn chỉ tiêu và phương pháp dự báo

Phần 3:
Thử nghiệm dự báo và kết quả.
Phụ lục 1 là số liệu và kết quả dự báo chi tiết cho 40 chỉ tiêu thuộc bốn
lĩnh vực nêu trên.
Phụ lục 2 là hướng dẫn cách sử dụng phần mềm SPSS version 10.0 và
phần mềm do đề tài xây dựng cho dự báo ngắn hạn.
về đối tượng cần đoán không thể coi là dự báo.
Với khái niệm đoán, cần phân biệt hai tình huống sau:
- Đoán nhằm đưa ra kết luận về quan hệ với “cái đã qua” trong quá khứ
hoặc “cái hiện có” trong hiện tại, được gọi là chẩn đoán.
- Đoán nhằm
đưa ra kết luận về quan hệ với “cái sắp tới” trong tương
lai, được gọi là dự báo.
Suy xét mang tính khoa học nhằm xác lập mối liên hệ giữa dữ liệu thông
tin về “cái đã qua” trong quá khứ hoặc “cái hiện có” trong thực tại với nội
dung kết luận đưa ra về “cái sắp tới” trong tương lai được gọi là “dự báo”.
I. CÁC TIÊU CHÍ PHÂN LOẠI DỰ BÁO
Dự báo có thể
được phân loại theo nhiều tiêu thức khác nhau. Nếu dựa
trên tầm hạn dự báo có dự báo dài hạn, dự báo trung hạn và dự báo ngắn hạn;
Nếu dựa trên cách thức dự báo lợi dụng dữ liệu thông tin có sẵn có dự báo thác
triển, dự báo nhân – quả và dự báo thích nghi; Nếu dựa trên đặc trưng hoặc cấu
trúc đối tượng được dự báo có dự báo đơn giản, dự báo phức tạp; Nếu dựa trên
mức độ chi tiết hóa nội dung dự báo có dự báo đại cương, dự báo chi tiết; Nếu
dựa trên phạm vi nội dung dự báo cần thâu tóm có dự báo toàn cục, dự báo bộ
phận; Nếu dựa trên quy mô lãnh thổ dự báo đề cập đến có dự báo vùng miền
lãnh thổ, dự báo quốc gia, dự báo khu vực lục địa, dự báo toàn cầu; Nếu dựa
trên phương pháp tính toán dự báo có nhiều cách phân loại khác nhau, vì có

nhiều cách tính toán khác nhau. Ở trường hợp này có thể có các loại dự báo
sau:
+ Dự báo theo phương pháp nội - ngoại suy;
+ Dự báo theo phương pháp phỏng vấn;
+ Dự báo theo phương pháp tương tự;
+ Dự báo theo phương pháp mô hình hóa.
Dự báo theo phương pháp mô hình hóa cần phải có thông tin (số liệu)

tác động
mạnh đến đối tượng được dự báo và ở những hoàn cảnh về nguyên tắc có thể
cho rằng, trong tương lai những nhân tố đó được hình thành đến mức mà kết
cấu tác động của chúng bị thay đổi căn bản, đồng thời nguyên tắc “nguyên
trạng động” bị vi phạm.
C. Dự báo thích nghi
Trong khi dự báo thác triển, cũng như dự báo nhân - quả đưa ra kết luận
cho “cái sắp tới” trong tương lai dựa vào quy luật thích hợp mối quan hệ giữa
các biến, quy luật này được biểu thị bằng mô hình xác định được xây dựng từ
những dữ liệu thông tin về “cái đã qua” trong quá khứ hoặc “cái hiện có”
trong thực tại; thì trái lại, loại dự báo thích nghi lại bỏ đi giả thiết về tính ổn
định của mô hình và thay thế bằng sự xem xét mềm dẻ
o hơn. Dự báo thích ghi
dựa trên dòng thời gian và nguồn thông tin mới được cập nhật. Mô hình dùng
trong dự báo thích ghi được hiệu chỉnh liên tục. Đó là kết quả của sự dung hòa
giữa sự trải nghiệm và những nhận thức mới nhất về hiện tượng cần dự báo.
Tính thích nghi đó, một mặt cho phép mở rộng một cách hệ thống những thử
nghiệm mà mô hình dựa vào; mặt khác, là điề
u kiện quan trọng cho phép phát
hiện và xem xét kịp thời sự thay đổi có thể mang quy luật của hiện tượng tại
thời điểm gần nhất và thay thế nó bằng quy luật mới.
Từ những nhận định như trên, có thể nói rằng, dự báo thích nghi có ưu
thế hơn trong việc áp dụng trong những trường hợp khi đối tượng được dự báo
khá bất thường theo thời gian.
1.2. Phân loại dự báo theo t
ầm hạn thời gian
Theo tầm hạn thời gian của dự báo, có thể phân dự báo ra: Dự báo ngắn
hạn, dự báo trung hạn, dự báo dài hạn. Sự đưa ra kết luận về “cái sắp tới”
trong tương lai giới hạn khoảng 1 hoặc 2 năm trở lại được gọi là dự báo ngắn
hạn, trong khoảng từ 3 năm đến dưới 5 năm được gọi là dự báo trung hạn, dự

“cái sắp tới” trong tương lai xa đề cập đến quan trọng hơn
nhiều so với được xem xét ở một thời kỳ riêng biệt bất kỳ nào trong toàn bộ
tầm hạn thời gian dự báo dài hạn quan tâm đến.
- Với dự báo dài hạn, đặc biệt hữu dụng là hai lớp mô hình trắc lượng,
đó là những mô hình nguyên nhân mô tả và những mô hình trong số các mô
hình cổ điển về xu hướng phát triển mà chúng chứa cả
xu hướng lẫn giao động

thời kỳ dài của đối tượng được dự báo. Trái lại, có lẽ ít hữu dụng hơn cả là
những lớp mô hình khác, đặc biệt là lớp những mô hình các quá trình ngẫu
nhiên hoặc lớp những mô hình thích nghi.
Việc thực hiện dự báo dài hạn nói chung thường hay gặp những khó
khăn sau:
- Khả năng xuất hiện những thay đổi bất ngờ dạng phân tích các quan hệ
được phản ánh qua mô hình dùng cho các mục đích của d
ự báo.
- Tính không chắc chắn về dạng phân tích thực tế các mối quan hệ được
phản ánh qua mô hình.
- Tính khó so sánh các dữ liệu thống kê dùng để xây dựng mô hình dự
báo.
- Nhưng thay đổi về giá trị các thông số được dùng vào mô hình trong
suốt cả tầm hạn thời gian dự báo đề cập đến.
- Những trở ngại trong việc xác định các biến giải thích được hình thành
như thế nào của mô hình dùng vào dự báo.
B. Dự báo trung hạn
Loại dự báo này có các đặc điểm chung sau đây:
- Thường sử dụng mô hình dự báo nhân quả nhiều hơn so với dự báo
ngắn hạn;
- Tần số dự báo ít hơn so với dự báo ngắn hạn;
- So với dự báo dài hạn thì thường ít sử dụng mô hình nhân quả hơn và

C.2. Lựa chọn lớp mô hình dự báo ngắn hạn
Với dự báo ngắn hạn, về mặt lý thuyết có thể sử dụng những phép toán
dự báo dựa vào các loại mô hình kinh tế lượng tùy ý. Song xem xét các ứng
dụng thực t
ế thấy có một số loại mô hình rất thích hợp với dự báo ngắn hạn,
còn một số khác lại không thích hợp lắm. Cũng cần phải lưu ý là với việc đưa
ra kết luận về “cái sắp tới” trong tương lai gần, các mô hình kinh tế lượng
thích hợp được xây dựng dựa vào các số liệu mà thời kỳ nghiên cứu (reference
period) của chúng ngắn, thường là số liệu tuần, 10 ngày, tháng, quý, rấ
t ít khi
là năm. Đặc điểm này ảnh hưởng quan trọng tới việc lựa chọn loại mô hình sử
dụng cho dự báo ngắn hạn.

Đối với dự báo ngắn hạn, có ba loại mô hình hay được sử dụng. Đó là
mô hình mô tả xu hướng phát triển, mô hình mô tả các quá trình ngẫu nhiên và
mô hình thích nghi.
Mô hình mô tả xu hướng phát triển
: Đó là các mô hình có dạng là các
hàm số toán học mô tả mối quan hệ giữa hiện tượng cần dự báo với biến thời
gian. Các thông số của hàm được ước lượng dựa vào các số liệu phản ánh quá
trình phát triển của hiện tượng và thường các thông số này được coi là không
thay đổi thời gian. Một điểm cũng cần phải lưu ý ở đây là ngoài sử dụng hàm
số mô tả khuynh hướng đố
i với các chuỗi số liệu tuần, 10 ngày, tháng, quý có
thể xuất hiện những giao động mùa và những giao động chu kỳ ngắn khác. Vì
vậy trong quá trình dự báo phải đưa các yếu tố này vào mô hình.
Mô hình mô tả các quá trình ngẫu nhiên
: Đó là mô hình và những
phương pháp dự báo phù hợp với chúng có quan hệ với tình huống khi các quá
trình dừng xuất hiện. Ở loại mô hình này, thường đầu tiên loại đi thành phần

lượng các thông số của mô hình thì được gọi là phương pháp dự báo. Thí dụ,
mô hình dự báo theo dãy số thời gian có dạng:
(a) X
t
= f(t) +
)(t
ϕ
+ z(t) hoặc (b) X
t
= f(t)
)(t
ϕ
z(t)
Trong đó f(t) là thành phần khuynh hướng;
)(t
ϕ
- thành phần biến động
thời vụ và z(t)- thành phần ngẫu nhiên.
Việc xác định cụ thể dạng phương trình của các thành phần trên xác lập
nên các phương pháp dự báo khác nhau.
Trong nền kinh tế thị trường, dự báo giữ vai trò quan trọng trong công
tác quản lý kinh tế và hoạch định chính sách phát triển. Thực tiễn cho thấy, với
sự phát triển năng động và biến đổi nhanh chóng của thị trường, các dự báo
ngắn hạn đượ
c quan tâm nhiều hơn, được nhiều cơ quan, tổ chức và cá nhân
nghiên cứu.
Có hai loại mô hình dự báo được sử dụng trong dự báo kinh tế. Thứ nhất
là mô hình đa nhân tố động thái; thứ hai là mô hìnhdự báo theo dãy số thời
gian.
2.3. Mô hình dự báo ngắn hạn đa nhân tố

Toán thống kê trong kinh tế, còn có tên gọ
i khá phổ biến là Kinh tế lượng
(tiếng Anh là Econometrics, từ ghép của hai từ Economics và Metric) là một
môn khoa học lượng hoá các qui luật thống kê kinh tế. Bản thân bộ môn này
cũng có 2 phần, phần mô hình kinh tế lượng tập trung nghiên cứu các mô hình
kinh tế định lượng trên cơ sở các học thuyết kinh tế; phần phương pháp kinh tế
lượng đi sâu nghiên cứu các phương pháp thống kê trong kinh tế. Hai phần này
có mối quan hệ mật thiết với nhau, song phát triể
n tương đối độc lập.
Bộ môn thống kê kinh tế có chức năng chính là sưu tầm, xử lý và lưu trữ
số liệu kinh tế; từ đó phân tích những qui luật đã hình thành trong quá khứ. Với
sự hỗ trợ của Kinh tế lượng, khả năng lượng hoá các qui luật kinh tế, xem xét
hiện tại và dự báo tương lai bằng nhiều cách tiếp cận là hiện thực.
Khoa học kinh tế đ
i sâu nghiên cứu các qui luật của hệ thống kinh tế.
Các chỉ tiêu kinh tế là những đặc trưng của các phần tử trong hệ thống kinh tế.

Thông qua việc thực hiện các chỉ tiêu này theo thời gian, người ta thu được các
dãy số liệu thống kê. Các phương pháp kinh tế lượng cho phép xem xét kiểm
định tính chất thống kê của dãy các số liệu; lượng hoá các quan hệ kinh tế -
được thể hiện qua các phương trình tương quan; xem xét tính sát thực của các
mối quan hệ này. Các mối quan hệ định lượng này cho phép phân tích các qui
luật kinh tế trong quá khứ, đánh giá hiện trạng và dự báo cho tương lai.
Các phương pháp và mô hình kinh tế lượng là nhữ
ng công cụ, trên thực
tế giá trị của các phân tích và dự báo định lượng lại phụ thuộc nhiều vào dãy số
liệu thống kê. Chất lượng của dãy số liệu thống kê cao hay thấp phụ thuộc vào
việc đáp ứng các nguyên tắc sau đây:
- Nguyên tắc khách quan: đòi hỏi các số liệu thống kê phản ánh đúng
hiện thực khách quan, tránh tình trạng các số liệu không được thống kê mà chỉ

là các tham số và f
i
là
hàm số của X; ε là sai số thống kê.
Trong trường hợp đặc biệt f
i
(X) = X
i
, i = 0,1, k; X
0
= 1; phương trình
(1) có dạng
(2) Y = a
0
+ a
1
X
1
+ + a
k
X
k

Ở đây Y là chỉ tiêu cần dự báo; X
1
, , X
k
là các yếu tố ảnh hưởng đến Y,
Thông qua các dãy số liệu về Y và X
i

theo thời gian t, dạng
(4) Y = a
0
+ a
1
t
Thông qua các phần mềm thống kê có sẵn, người ta ước lượng hai tham
số a
o
và a
1
; Phương trình tuyến tính theo thời gian này cho biết chỉ tiêu cần dự
báo đồng biến hoặc nghịch biến theo thời gian (tương ứng với a
1
> 0 hoặc a
1
<
0). Khi thay giá trị t cho thời điểm cần dự báo vào phương trình đã ước lượng,
người ta có giá trị dự báo của chỉ tiêu Y.
Theo kinh nghiệm số năm dự báo thường nhỏ hơn 1/3 số năm có số liệu
thống kê trong quá khứ. Để ước lượng các tham số a
i
(i=0,1, ,k), có thể dùng
các phần mềm thống kê như EVIEWS hay EXELS.
Mô hình kinh tế lượng dạng tổng quát có thể biểu diễn như sau:
(5) Y
= AY + BZ + Å
Ở đây Y
là véc tơ m chiều của các biến nội sinh (Y
1

, …, t
n
; các giá trị quan sát này được ký hiệu là Y
1
, Y
2
, , Y
n
; Z
1
, Z
2
, , Z
n

người ta ước lượng các tham số của các phương trình tương quan bằng các
phương pháp bình phương tối thiểu, (các phương pháp này đã được chương
trình hoá trong một số phần mềm thống kê như EVIEWS, rất tiện dụng). Sau
khi kiểm định lại tính sát thực của mô hình và dãy số liệu, người ta tiến hành
dự báo theo hai bước :
- Bước 1 : Xác định các giá trị của biến ngoại sinh tại thời điểm dự báo
- Bước 2 : Thay các giá trị của biến ngoại sinh vào mô hình (5), ta có
một hệ phương trình đại số tuyến tính của các biến nội sinh; giải hệ phương
trình này, ta có giá trị dự báo của các biến nội sinh.
Thí dụ sau đây thể hiện các mối quan hệ giữa một số chỉ tiêu kinh tế phổ
biến thể hiện dưới dạng của mô hình (5).
C. Danh mục các phương trình
(6) GDPR = CGR + CPR + IR + XR - MR
Phương trình (6) là một phương trình định ngh
ĩa (PTĐN); mô tả mối

1)/PCPI(-1)) + C(4) * (T * (T<=2003) + 2003 * (T>2003))
(19) DLOG(PCP) = C(1) + C(2) * DLOG(PCPI) + C(3) * LOG(PCP(-
1)/PCPI(-1)) + C(5) * (T * (T<=2003) + 2003 * (T>2003))
(20) DLOG(PI) = C(1) + C(2) * DLOG(PGDP) + C(3) * LOG(PI(-1)/PGDP(-
1))
(21) DLOG(PX) = C(1) + C(2) * DLOG(PGDP) + C(3) * DLOG(PW*ER) -
0.6 * (LOG(PX(-1)) - C(4) * LOG(PGDP(-1))-(1-C(4)) * LOG(PW(-1)*ER(-1))) +

C(5) * (T=2000) + C(6) * (T=2005)
(22) LOG(PM) = C(1) + C(2) * LOG(PW*ER) + C(3) * LOG(PM(-1)) + C(4)
* (T=2005)
(23) DLOG(PD) = C(1) + C(2) * DLOG(PGDP) + C(3) * LOG(PD(-
1)/PGDP(-1))
(24) LOG(EMP) = C(1) + C(2) * LOG(GDPR) + C(3) * LOG(EMP(-1)) +
C(4) * (T=1988)
(25) GDP = GDPR * PGDP
PTĐN (25) mô tả mối quan hệ giữa GDP theo giá hiện hành và giá cố định.
(26) I = IR * PI
PTĐN (26) mô tả mối quan hệ giữa đầu tư theo giá hiện hành và giá cố định.
(27) CP = CPR * PCP
PTĐN (27) mô tả mối quan hệ giữa tiêu dùng theo giá hiện hành và giá cố
định.
(28) X = XR * PX
PTĐN (28) mô tả mối quan hệ giữa kim ngạch xuất khẩu theo giá hiện hành
và giá cố định.
(29) M = MR * PM
PTĐN (29) mô tả mối quan hệ giữa kim ngạch nhập khẩu theo giá hiện
hành và giá cố định.
Danh mục các biến


28 GDP tỉ đồng Tổng sản phẩm nội địa, giá hiện hành
29 GDPA - Giá trị gia tăng khu vực I, giá hiện hành
30 GDPI - Giá trị gia tăng khu vực II, giá hiện hành
31 GDPS - Giá trị gia tăng khu vực III, giá hiện hành
32 CP - Tiêu dùng tư nhân, giá hiện hành
33 I - Tổng đầu tư, giá hiện hành
34 X - Xuất khẩu, giá hiện hành
35 M - Nhập khẩu, giá hiện hành
36 CG - Tiêu dùng chính phủ, giá hiện hành
37 TC - Tổng tiêu dùng, giá hiện hành

STT Tên biến Đơn vị Định nghĩa
38 PGDPA Giảm phát GDP khu vực I
39 PGDPI Giảm phát GDP khu vực II
40 PD Giảm phát của tổng cầu
41 PCP Giảm phát của tiêu dùng tư nhân
42 PI Giảm phát của đầu tư
43 PX Giảm phát của xuất khẩu
44 PM Giảm phát của nhập khẩu
45 SER Giảm phát GDP khu vực III
46 POIL* đôla Giá dầu thô xuất khẩu
47 QOIL* tr. thùng Sản lượng dầu xuất khẩu
48 Alpha* % Hệ số điều tiết tiền tệ
49 r_def* - Tỉ lệ thâm hụt ngân sách
50 r_i - Tỉ lệ đầu tư trên GDP
51 r_ trbal - Tỉ lệ thâm hụt ngoại thương
52 CRV - Tỉ lệ xuất trên nhập theo giá cố định
53 CRVOL - Tỉ lệ xuất trên nhập theo giá hiện hành
54 TTRAD - Tỉ lệ trao đổi thương mại
55 r_tc - Tỉ lệ tiêu dùng trên GDP

CPI(t) + ir(5)
- Trong đó:
+ IR: Tổng đầu tư của nền kinh tế;
+ GDPR(t-1): Biến đại diện cho nhu cầu của thị tr
ường;
+ DCRE: Lượng cung tín dụng nội địa;
+ LR: Lãi suất cho vay;
+ CPI: Chỉ số đại diện cho mức độ ổn định vĩ mô.
3. Phương trình xuất khẩu (11)
Dạng của phương trình như sau:
XR (t) = xr(1) * WD(t) + xr(2) * (PGDP(t)/PW(t)) + xr(3)
- Trong đó:

+ XR: Kim ngạch xuất khẩu;
+ WD: Nhu cầu nhập khẩu của các đối tác thương mại;
+ PGDP: Giảm phát GDP đại diện cho giá sản xuất nội địa;
+ PW: Giá cả ở nước ngoài, gọi tắt là giá thế giới.
4. Phương trình nhập khẩu (12)
Phương trình lý thuyết về nhập khẩu là:
MR(t) = mr(1)*(FDR(t) + 0.5*XR(t)) + mr(2)*(PGDP(t)/PW(t)) + mr(3)
- Trong đó:
+ MR: Kim ngạch nhập khẩu;
+ FDR: Tổng cầu nội địa;
+ XR: Kim ngạch xuất khẩu;
+ PGDP: Giả
m phát GDP đại diện cho giá sản xuất nội địa;
+ PW: Giá thế giới.
5. Phương trình tổng cầu tín dụng (15)
Phương trình lý thuyết về tổng cầu tín dụng như sau:
DCRE(t) = cre(1) * GDP + cre(2) * RH + cre(3)

+ PW: Giá nhập khẩu;
+ RH: Lãi suất huy động vốn;
+ ER: Tỉ giá hối đoái;
+ GDPR: Tổng sản phẩm nội địa.
9. Phương trình về giảm phát GDP(18)
Các phương trình được viết như sau:
PGDP(t) = pgdp(1) * CPI(t) + pgdp(2)

- Trong đó:
+ PGDP: Giảm phát GDP;
+ CPI: Chỉ số giá tiêu dùng;
10. Giảm phát tiêu dùng tư nhân (19)
Giảm phát của tiêu dùng tư nhân cũng được giải thích bằng chỉ số giá
tiêu dùng (CPI).
PCP(t) = pcp(1) * CPI(t) + pcp(2)
- Trong đó:
+ PCP: Giảm phát tiêu dùng của tư nhân;
+ CPI: Chỉ số giá tiêu dùng;
11. Giảm phát đầu tư (20)
Giảm phát đầu tư được giải thích bằng giảm phát GDP.
PI(t) = pi(1) * PGDP(t) + pi(2)
- Trong đó:
+ PI: Giảm phát đầu tư.
+ PGDP: Giảm phát GDP.
12. Các giảm phát xuất nhập khẩu (21)(22)
Dạng của các ph
ương trình giá xuất nhập khẩu như sau:
PX = px(1) * PGDP + px(2) * PW * ER + px(3)
PM = pm(1) * PGDP + pm(2) * PW * ER + pm(3)
- Trong đó:

các giá trị dự báo của các biến nội sinh.
Để có thông tin tính toán các dự báo, một số biế
n ngoại sinh sẽ được tính
toán trước để làm đầu vào cho mô hình. Có nhiều phương pháp để dự kiến giá
trị các biến ngoại sinh, trong đó những phương pháp được sử dụng rộng rãi là
các mô hình toán học, tham khảo các ý kiến chuyên gia và ngoại suy theo xu

thế. Trong đó cách tiến hành theo hai phương pháp đầu thường được ưu tiên
sử dụng. Phương pháp thứ ba thường chỉ được sử dụng đối với các biến ngoại
sinh không quan trọng.
Trong thực tế, phương pháp áp dụng mô hình toán học rất ít được sử
dụng ở nước ta vì điều kiện số liệu. Việc xây dựng các mô hình để tính toán
các biến ngoại sinh rất phức tạp
đối với người lập mô hình kinh tế lượng vĩ mô.
Trong khi ở các nước khác, tồn tại sẵn nhiều mô hình dự báo cho các lĩnh vực
khác nhau nên có thể trực tiếp sử dụng kết quả dự báo của các mô hình khác
(ví dụ dự báo lãi suất được lấy từ mô hình của Ngân hàng Nhà nước, dự báo
dân số và nguồn lao động được lấy từ mô hình dự báo của Bộ Lao động, dự
báo giá xuất nhập khẩu
được lấy từ mô hình của Bộ Thương mại ).
Việc sử dụng phương pháp chuyên gia cũng rất hạn chế vì thông thường
kinh phí dành cho mục tiêu xây dựng mô hình đều rất hạn hẹp nên không có đủ
kinh phí trả cho các chuyên gia; hơn nữa thông tin dự báo thay đổi rất nhanh
nên cần có sự phối hợp rất tốt giữa các chuyên gia và đội ngũ làm mô hình, mà
điều này đến nay ở nước ta rất khó thực hiện.
Do đặc đi
ểm công tác mô hình hoá kinh tế lượng ở nước ta, các phương
pháp thứ hai và thứ ba trong tính toán các biến ngoại sinh cho mô hình có thể
kết hợp thực hiện. Đối với một số chỉ tiêu quan trọng, nên kết hợp dự báo xu
thế với sử dụng ý kiến chuyên gia, trong đó coi trọng ý kiến chuyên gia. Đối