АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Функция регрессии как оптимальный прогноз

Читайте также:
  1. Cущность прогнозирования (лекция I)
  2. Exercises for Lesson 4. There is / there are. Функция. Формы. Использование в ситуации гостиницы
  3. II. Вторая стадия. Функция производительного капитала
  4. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
  5. Автокорреляционная функция. Коррелограмма
  6. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  7. Анализ временных рядов и прогнозирование
  8. Анализ демографических прогнозов Краснодарского края
  9. Анатомия и методы исследования глотки. Лимфаденоидное глоточное кольцо Вальдеера - Пирогова. Какие лимфообразования входят в лимфоэпителиальный барьер, его функция.
  10. Аппроксимационная задача линейной регрессии
  11. Болжау функциясы.
  12. В четвертых, функция обеспечивается общественной поддержкой и властной силой государства.

Имеем оценку линейной модели множественной регрессии

 
 

 


Параметры модели получены по выборке {y,X} и предполагаем, что все предпосылки теоремы Гаусса-Маркова выполнены

Обозначим символом z0 «точку», в котрой необходтмо вычислить прогнозное значение эндогенной переменной

Это значение обозначим y(z0)=y0

При этом:

 
 

 


Точечный прогноз

Согласно теореме Гаусса – Маркова наилучший точечный прогноз эндогенной переменной вычисляется по формуле:

 
 

 


Стандартная ошибка прогноза (СКО) есть

 
 

 

 


Интервальное прогнозирование

В отличие от точечного метода прогнозирования интервальный позволяет в качестве прогноза получить числовой интервал, внутри которого может лежать прогнозное значение эндогенной переменной

Для построения такого прогноза образуется дробь Стьюдента в виде:

 
 

 

 


Знаем, что в схеме Гаусса-Маркова дробь имеет закон распределения Стьюдента с числом степеней свободы η=n-к-1 где к – количество регрессоров в модели.

Задав уровень доверительной вероятности Рдов (α=1-Рдов), легко оценить границы интервала (y-0:y+0), внутри которого с вероятностью Рдов лежат значения прогноза

 

27) Составление спецификации модели временного ряда (Ахтунг! сдуто из книги Катаргина частично)

Эконометрическую модель можно построить, используя три типа исходных данных:

- данные, характеризующие совокупность различных объек­тов в определенный момент (период) времени;

- данные, характеризующие один объект за ряд последова­тельных моментов (периодов) времени;

- данные, характеризующие совокупность различных объек­тов за ряд последова­тельных моментов времени (панельные).

Модели, построенные по данным первого типа, называются пространственными моделями. Модели, построенные по данным второго типа, называются моделями временных рядов.

Временной ряд – это совокупность значений какого-либо показателя за несколько последовательных моментов (периодов) времени или последовательность значений датированных переменных в различные дискретные моменты времени.

Пусть yt – некоторый временной ряд. Модели временного ряда предназначены для объяснения (прогноза) уровня ряда yt фактором времени t. Т.е. экзогенная переменная - t(уровень ряда), а эндогенная – yt. Переменная yt служит количественной характеристикой некоторого экономического объекта, поэтому изменение ее во времени определяется факторами, оказывающими различное воздействие на данный объект с течением времени. Факторы можно условно подразделить на три группы:

- факторы, формирующие тенденцию (тренд) ряда;

- факторы, формирующие циклические колебания ряда, например сезонный, недельный;

- случайные факторы.

В большинстве случаев значения временного ряда можно представить как сумму или произведение трендовой, циклической и случайной компонент.

yt = Tt + St + ut –аддитивная модель, используется в случае, когда амплитуда циклической составляющей не зависит от t.

yt = Tt * St + ut - мультипликативная, используется, когда амплитуда циклической составляющей меняется в том же направлении, что и тренд, то есть зависит от t.

y = a0 + a1t +sin + ut . y = факт

a0 + a1t +sin = прогноз [a0 + a1t = тренд, sin = цикл]

факт - прогноз = ut – погрешность, ошибка модели.

Частный случай:

В структуре временного ряда может присутствовать только либо цикл, либо тренд.

Построение модели включает следующие шаги:

 

1) выравнивание исходного ряда методом скользящей средней;

2) расчет значений циклической компоненты S;

3) устранение сезонной компоненты из исходных уровней ряда и получение выровненных данных в аддитивной (Т + U) или в мультипликативной (Т * U) модели;

4) аналитическое выравнивание уровней (Т + U) или (Т * U) и расчет значений Т с использованием полученного уравнения тренда;

 

5) расчет полученных по модели значений (T + S) или (Т * S);

 

6) расчет абсолютных и/или относительных ошибок.

 

Построение аналитической функции для моделирования тенденции (тренда) временного ряда называют аналитическим выравниванием временного ряда.

Параметры трендов определяются обычным МНК, в качестве независимой переменной выступает время t = 1, 2,..., п, а в качестве зависимой переменной - фактические уровни временного ряда уt.

Критерием отбора наилучшей формы тренда является наибольшее значение скорректированного коэффициента детерминации R2.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.)