Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Cvičení 7 1. listopadu 2010 Predikce Zobecněná MNČ.

Podobné prezentace


Prezentace na téma: "Cvičení 7 1. listopadu 2010 Predikce Zobecněná MNČ."— Transkript prezentace:

1 Cvičení 7 1. listopadu 2010 Predikce Zobecněná MNČ

2 Ekonomické prognózování  hlavní cíl: odhad hodnot vysvětlované proměnné mimo interval pozorování s užitím minulé i současné informace  extrapolace modelu do budoucna  extrapolace modelu do minulosti – tj. před interval pozorování (tzv. retrospektiva)

3 Ekonometrické prognózování  Ex-ante – tj. předpověď podmíněná  Ex-post – tj. pseudopředpověď

4 Předpověď ex-ante  predikce podmíněná – tj. podmíněná volbou vysvětlující proměnné  vysvětlující proměnné zadány z jiné analýzy ve formě %-uálního nárůstu diference

5 Předpověď ex-ante  předpověď bodová  předpověď intervalová využívá bodovou předpověď a standardní chybu  software automaticky nabízí za standardní chybu hodnotu sigma – tj. standardní chybu modelu s  lze zvolit standardní chybu předpovědi s P  vždy s P > s  intervalový odhad se sigma bývá podhodnocený

6 Předpoveď ex-ante  volba s / s(p): PcGive – Test – Forecast: Forecast standard errors  do not compute – bodový odhad  error variance only – intervalový odhad s sigma  with parameter uncertainty – intervalový odhad s s(p) Pozn: Predikce ex-ante lze provádět i ručně – může být v závěrečném testu

7 Předpověď ex-post  testuje se kvalita modelu  2 způsoby: převod ex-post na ex-ante les forecast – využívá dalších testů, které zde neprobíráme – proto nebudeme užívat

8 Předpověď ex-post - postup  vyřadíme určitý počet pozorování z modelu  odhadneme model  provedeme predikci vynechaných hodnot  porovnáme získané předpovědi se skutečnými hodnotami

9 Předpověď ex-post  chyba = vyrovnaná hodnota – skutečná hodnota H 0 : chyba není statisticky významná – resp. model je vhodný pro predikci (výstup: bez signifikace) H 1 : chyba je statisticky významná – resp. model není vhodný pro predikci (výstup: se signifikací) testuje se přes t-hodnotu

10 Zobecněná metoda nejmenších čtverců - ZMNČ  pro model, kde pro náhodné složky platí: E (u) = 0, E (u u´) = σ 2 V (tj. ne σ 2 I n ) tzv. zobecněný lineární regresní model

11 ZMNČ  tzv. Aitkenův odhadový postup  provede se transformace zobecněného lineárního modelu  aby bylo splněno: E (u u´) = σ 2 I n  odhad modifikovaného modelu MNČ

12 Transformace  pomocí transformační matice T  pomocí matice „posouváme“ regresní nadrovinu cíl: zachovat stabilitu regresních koeficientů  matice T je různá pro případ heteroskedastiticity a autokorelace

13 Transformace  KLRM: Y = X*β + u odhadová funkce: b = (X T X -1 )X T Y  ZLRM: T*Y =T*X*β + T*u odhadová funkce: b* = (X T V -1 X -1 )X T V -1 Y, kde V -1 = T -1 T třeba znát maticí T, kterou transformuje vstupní data

14 Heteroskedasticita I  lineární závislost: σ 2 =k 2 X i  transformační matice T:

15 Heteroskedasticita II  kvadratická závislost: σ 2 =k 2 X i 2  transformační matice T: Kvadratická závislost se vyskytuje častěji než lineární závislost

16 Autokorelace I  závislost: e i = a*e i-1 + w i kde a je koeficient autokorelace  Praisova-Winstenova metoda  transformační matice T: 0 0

17 Praisova-Winstenova metoda  pracuje s částečnými diferencemi  transformace probíhá tak, že: totéž se provede pro hodnoty vysvětlujících proměnných X 0 0 při transformaci se vynechává zlomek před maticí – jde o konstantu, takže výsledek není ovlivněn

18 Autokorelace II  metoda Cochrane-Orcutt  pracuje pouze s částečnými diferencemi  vynechává první složku  metoda AR (1) v PcGive  postup (mimo PcGive): zvolit a – resp. r v konkrétním modelu  odhad modelu MNČ – z toho d, d=2(1-r) z toho pak AR(1)


Stáhnout ppt "Cvičení 7 1. listopadu 2010 Predikce Zobecněná MNČ."

Podobné prezentace


Reklamy Google