Tổng quan nghiên cứu Phương pháp Box and Jenkins (1976) nhiều nhà nghiên cứu sử dụng rộng rãi để dự báo GDP tương lai Wei cộng (2010) sử dụng liệu từ GDP Thiểm Tây giai đoạn 1952-2007 để dự báo GDP quốc gia cho sau năm Áp dụng mô hình ARIMA (1,2,1), họ thấy GDP Thiểm Tây có xu hướng tăng ấn tượng Tương tự, Maity Chatterjee (2012) dự báo tốc độ tăng trưởng GDP Ấn Độ mơ hình ARIMA (1,2,2) khoảng thời gian 60 năm Kết nghiên cứu họ cho thấy giá trị dự đoán theo xu hướng ngày tăng cho năm sau Zhang Haonan (2013) sử dụng ba mơ hình ARIMA, VAR, AR (1) để mở rộng phương thức dự báo cho GDP bình quân đầu người cho năm khu vực Thụy Điển năm 1993 - 2009 Kết nghiên cứu cho thấy ba mơ hình sử dụng để dự báo ngắn hạn Tuy nhiên, mơ hình tự hồi quy tự động tốt để dự báo GDP bình quân đầu người năm khu vực Thụy Điển Giống với Haonan, Shahini Haderi (2013) dự báo GDP cho Albania cách sử dụng liệu hàng quý từ quý năm 2003 quý hai năm 2013 Để dự báo họ sử dụng hai mơ hình ARIMA VAR Kết họ cho thấy nhóm mơ hình VAR cho kết dự báo tốt GDP so với mơ hình ARIMA Cuối cùng, Zakai (2014) điều tra dự báo Tổng sản phẩm quốc nội (GDP) cho Pakistan sử dụng liệu hàng quý từ năm 1953 đến năm 2012 Chọn mơ hình ARIMA (1,1,0), ơng tìm giá trị dự báo GDP Pakistan năm 2013-2025 Từ nghiên cứu trước dự báo GDP tương lai, thấy mơ hình VAR mơ hình ARIMA sử dụng nhiều Trong nghiên cứu này, nhóm tác giả sử dụng phương pháp phân tích để dự báo cho GDP Hoa Kỳ giai đoạn quý IV năm 2019 đến quý IV năm 2020 Cơ sở lý thuyết 2.1 Lý thuyết GDP Tổng sản phẩm nội địa (viết tắt Gross Domestic Product) giá trị tính tiền tất sản phẩm dịch vụ cuối sản xuất phạm vi lãnh thổ khoảng thời gian định, thường năm Việc phân tích, tính tốn GDP sở để thành lập chiến lược phát triển kinh tế ngắn hạn dài hạn Chỉ số GDP thước đo để đánh giá tốc độ phát triển kinh tế quốc gia Không vậy, thông qua GDP bình quân đầu người ta biết mức thu nhập tương đối chất lượng sống người dân quốc gia 2.2 Dự báo Dự báo việc ước lượng kiện, điều kiện tương lai vốn nằm ngồi tầm kiểm soát tổ chức nhằm cung cấp sở cho việc định Dự báo tốt giúp tổ chức hình dung tương lai để hoạch định hướng phù hợp 2.3 Các phương pháp dự báo 2.3.1 Phương pháp san mũ Winter San mũ Winter phương pháp mở rộng san mũ Holt với liệu chứa yếu tố mùa vụ Yếu tố mùa vụ chuỗi thời gian thuộc dạng phép nhân phép cộng Mơ hình san mũ Winter ước lượng thơng qua phương trình đây: * Với mơ hình nhân tính: + Ước lượng giá trị tại: Lt = α*Yt/St-s + (1-α) * (Lt-1 + Tt-1) + Ước lượng xu thế: Tt = β*(Lt – Lt-1) + (1-β) * Tt-1 + Ước lượng mùa vụ: St = γ * Yt/Lt + (1-γ) * St-s + Dự báo: = (Ln + h*Tn) * Si *Với mơ hình cộng tính ̂ + + Ước lượng giá trị tại: Lt = α*(Yt - St-s) + (1-α) * (Lt-1 + Tt-1) + Ước lượng xu thế: Tt = β*(Lt – Lt-1) + (1-β) * Tt-1 + Ước lượng mùa vụ: St = γ * (Yt - Lt) + (1-γ) * St-s + Dự báo: = (Ln + h*Tn) + Si Trong đó: ̂ + Lt: giá trị san mũ (giá trị ước lượng trung bình tại) α: hệ số san mũ giá trị tung bình (0 < α