Upload
tacita
View
28
Download
0
Embed Size (px)
DESCRIPTION
Cvičení 7 1. listopadu 2010. Predikce Zobecněná MNČ. Ekonomické prognózování. hlavní cíl: odhad hodnot vysvětlované proměnné mimo interval pozorování s užitím minulé i současné informace extrapolace modelu do budoucna - PowerPoint PPT Presentation
Citation preview
Cvičení 7 1. listopadu 2010
PredikceZobecněná MNČ
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)
Ekonometrické prognózování
Ex-ante – tj. předpověď podmíněná Ex-post – tj. pseudopředpověď
Předpověď ex-ante
predikce podmíněná – tj. podmíněná volbou vysvětlující proměnné
vysvětlující proměnné zadány z jiné analýzy ve formě %-uálního nárůstu diference
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 sP
vždy sP > s intervalový odhad se sigma bývá podhodnocený
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
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
Předpověď ex-post - postup
vyřadíme určitý počet pozorování z modelu
odhadneme model provedeme predikci vynechaných
hodnot porovnáme získané předpovědi se
skutečnými hodnotami
Předpověď ex-post
chyba = vyrovnaná hodnota – skutečná hodnota H0: chyba není statisticky významná
– resp. model je vhodný pro predikci(výstup: bez signifikace)
H1: chyba je statisticky významná – resp. model není vhodný pro predikci(výstup: se signifikací)
testuje se přes t-hodnotu
Zobecněná metoda nejmenších čtverců - ZMNČ
pro model, kde pro náhodné složky platí: E (u) = 0, E (u u´) = σ2V (tj. ne σ2In) tzv. zobecněný lineární regresní model
ZMNČ
tzv. Aitkenův odhadový postup provede se transformace
zobecněného lineárního modelu aby bylo splněno:
E (u u´) = σ2In
odhad modifikovaného modelu MNČ
Transformace
pomocí transformační matice T pomocí matice „posouváme“ regresní
nadrovinu cíl: zachovat stabilitu regresních
koeficientů matice T je různá pro případ
heteroskedastiticity a autokorelace
Transformace KLRM:
Y = X*β + u odhadová funkce: b = (XTX-1)XTY
ZLRM: T*Y =T*X*β + T*u odhadová funkce: b* = (XTV-1X-1)XTV-1Y,
kde V-1 = T-1 T třeba znát maticí T, kterou transformuje
vstupní data
Heteroskedasticita I
lineární závislost: σ2 =k2Xi
transformační matice T:
1
1 0 0
0 .... 0
10 0n
X
X
Heteroskedasticita II
kvadratická závislost: σ2 =k2Xi2
transformační matice T:
1
1 0 0
0 .... 0
10 0n
X
X
Kvadratická závislost se vyskytuje častěji než lineární závislost
Autokorelace I závislost: ei = a*ei-1 + wi
kde a je koeficient autokorelace
Praisova-Winstenova metoda transformační matice T:
2
2
1
1 1
11
1
a
aT
aa
a
0
0
Praisova-Winstenova metoda
pracuje s částečnými diferencemi transformace probíhá tak, že:
21 1
2 2 1
3 3 2
1Y Y a
Y Y aY
Y Y aY
totéž se provede pro hodnoty vysvětlujících proměnných X
2
2
1
1 1
11
1
a
aT
aa
a
0
0
při transformaci se vynechává zlomek před maticí – jde o konstantu, takže výsledek není ovlivněn
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)