Prognozy dla trendu liniowego - Notatki - Prognozowanie, Notatki'z Prognozowanie. University of Szczecin
Osholom
Osholom5 March 2013

Prognozy dla trendu liniowego - Notatki - Prognozowanie, Notatki'z Prognozowanie. University of Szczecin

PDF (163.4 KB)
2 strony
1000+Liczba odwiedzin
Opis
Notatki odnoszące się do prognozowania: prognozy dla trendu liniowego, kwadratowego i wielomianowego; interpretacja parametrów.
20punkty
Punkty pobierania niezbędne do pobrania
tego dokumentu
Pobierz dokument

Prognozy dla trendu liniowego

t = 1, 2, ...., n T = n+1, n+2, ...., n+h

Hipoteza modelowa Yt = α0 + α1t + ηt

Model ekonometryczny ŷt = a0 + a1t Predyktor ŷTp = a0 + a1T

Prognozy na h okresów naprzód

T = n + 1 ŷn+1,p = a0 + a1(n+1)

T = n + 2 ŷn+2,p = a0 + a1(n+2) ....

T = n + h ŷn+h,p = a0 + a1(n+h)

Tę prognozę uzupełnia się miernikami dokładności ex ante i ex post.

Prognozy dla modelu trendu kwadratowego t = 1, 2, ..., n T = n+1, n+2, ..., n+h

Hipoteza modelowa Yt = α0 + α1t + α2t 2 + ηt

Model ekonometryczny ŷt = a0 + a1t + a2t 2

Predyktor ŷTp = a0 + a1T + a2T 2

Prognozy na h okresów naprzód

T = n + 1 ŷn+1,p = a0 + a1(n+1) + a2(n+1) 2

T = n + 2 ŷn+2,p = a0 + a1(n+2) + a2(n+2) 2

....

T = n + h ŷn+h,p = a0 + a1(n+h) + a2(n+h) 2

Prognozy dla modelu trendu wielomianowego

t = 1, 2, ..., n T = n+1, n+2, ..., n+h

Hipoteza modelowa Yt = α0 + α1t + α2t 2 + ... + αrt

r + ηt

Model ekonometryczny ŷt = a0 + a1t + a2t 2 + ... + art.

r Predyktor ŷTp = a0 + a1T + a2T

2 + ... + art. r

Prognozy na h okresów naprzód

T = n + 1 ŷn+1,p = a0 + a1(n+1) + a2(n+1) 2 + ... + ar(n+1)

r

T = n + 2 ŷn+2,p = a0 + a1(n+2) + a2(n+2) 2 + ... + ar(n+2)

r ....

T = n + h ŷn+h,p = a0 + a1(n+h) + a2(n+h) 2 + ... + ar(n+h)

r

Interpretacja parametrów

Model trendu liniowego α1 - Z okresu na okres (w całym badanym okresie) poziom badanego

zjawiska zwiększy się średnio o α1 (jeżeli α1 > 0), a zmniejszy się o α1

(jeżeli α1 < 0).

Przy modelach trendu wyższych stopni nie interpretujemy każdego parametru oddzielnie, kierunek jest zgodny z ...............

Model trendu potęgowego

Pt = α0t α1

yt = α0 t α1 eηt

ln yt = ln α0 + α1 ln t + ηt

α1 - Wzrost zmiennej czasowej o 1% spowoduje przyrost badanego

zjawiska yt o α1% (kiedy t rośnie ze 100% do 101%).

Model trendu wykładniczego Pt = α0 α1

t

Yt = α0 α1 t eη

docsity.com

ln yt = ln α0 + t ln α1 + ηt

α1 - Wzrost zmiennej czasowej o jednostkę powoduje wzrost poziomu

badanego zjawiska średnio o (α1 - 1)100%.

Wybór między modelem potęgowym, wykładniczym i liniowym:

- interpretacja parametrów,

- istotność parametrów,

- stopień dopasowania, - własności rozkładu składnika losowego, albo korelacja składnika

losowego.

docsity.com

komentarze (0)
Brak komentarzy
Bądź autorem pierwszego komentarza!
To jest jedynie podgląd.
Zobacz i pobierz cały dokument.
Docsity is not optimized for the browser you're using. In order to have a better experience we suggest you to use Internet Explorer 9+, Chrome, Firefox or Safari! Download Google Chrome