SYMULACYJNA ANALIZA SZEREGU CZASOWEGO

Slides:



Advertisements
Podobne prezentacje
Przykład liczbowy Rozpatrzmy dwuwymiarową zmienną losową (X,Y), gdzie X jest liczbą osób w rodzinie, a Y liczbą izb w mieszkaniu. Niech f.r.p. tej zmiennej.
Advertisements

Modele szeregów czasowych z tendencją rozwojową
Regresja i korelacja materiały dydaktyczne.
Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Excel Narzędzia do analizy regresji
Ocena dokładności i trafności prognoz
Modelowanie kursu walutowego- perspektywa krótkookresowa
Podejście modelowe metody reprezentacyjnej
dr Małgorzata Radziukiewicz
Metody ekonometryczne
BUDOWA MODELU EKONOMETRYCZNEGO
Modele logitowe i probitowe
Ekonometria prognozowanie.
Metody ekonometryczne
Metody ekonometryczne
Metody ekonometryczne
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
Zofia Hanusz i Joanna Tarasińska Uniwersytet Przyrodniczy w Lublinie
Ubezpieczanie portfela z wykorzystaniem zmodyfikowanej strategii zabezpieczającej delta Tomasz Węgrzyn Katedra Matematyki Stosowanej Akademia Ekonomiczna.
Prognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie szeregów czasowych
Analiza szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
Wprowadzenie do statystycznej analizy danych (SPSS)
Prognozowanie i symulacje (semestr zimowy)
Dopasowanie modelu autoregresji i predykcja stanów wody w Odrze (posterunek wodowskazowy Trestno) Tomasz Niedzielski.
Średnie i miary zmienności
Przyrost (ruch) rzeczywisty
Metoda najmniejszych kwadratów dla jednej zmiennej objaśniającej
i jak odczytywać prognozę?
Jak mierzyć i od czego zależy?
Ekonometria. Co wynika z podejścia stochastycznego?
Rozkłady wywodzące się z rozkładu normalnego standardowego
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Badania Operacyjne i Ekonometria. Literatura podstawowa 1.M.Anholcer, H.Gaspars, A.Owczrkowski Przykłady i zadania z badań operacyjnych i ekonometrii.
Prognozowanie (finanse 2011)
Prognozowanie i symulacje
Finanse 2009/2010 dr Grzegorz Szafrański pokój B106 Termin konsultacji poniedziałek:
Ekonometria stosowana
Ekonometria stosowana
Ekonometria stosowana
Ekonometryczne modele nieliniowe
Regresja wieloraka.
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
Ekonometryczne modele nieliniowe
Wnioskowanie statystyczne
Ekonometria stosowana
D. Ciołek EKONOMETRIA – wykład 6
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
Analiza szeregów czasowych
Regresja liniowa. Dlaczego regresja? Regresja zastosowanie Dopasowanie modelu do danych Na podstawie modelu, przewidujemy wartość zmiennej zależnej na.
Model ekonometryczny Jacek Szanduła.
Model trendu liniowego
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Monte Carlo, bootstrap, jacknife. 2 Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej :
Ekonometria WYKŁAD 3 Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Treść dzisiejszego wykładu l Szeregi stacjonarne, l Zintegrowanie szeregu, l Kointegracja szeregów.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Treść dzisiejszego wykładu l Metoda Najmniejszych Kwadratów (MNK) l Współczynnik determinacji l Koincydencja l Kataliza l Współliniowość zmiennych.
Model Poissona w ujęciu bayesowskim
Statystyka matematyczna
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
MNK – podejście algebraiczne
Monte Carlo, bootstrap, jacknife
Korelacja i regresja liniowa
Zapis prezentacji:

SYMULACYJNA ANALIZA SZEREGU CZASOWEGO POŁĄCZENIE MOŻLIWOŚCI IBM SPSS I R Małgorzata KRZCIUK KONFERENCJA KNS UE KATOWICE 15 maja 2012

Zastosowane narzędzia SPSS 19 ESSENTIALS FOR R 19 KONFERENCJA KNS UE KATOWICE 15 maja 2012

Dane wykorzystane w analizie Wykres: Dane wykorzystane w analizie KONFERENCJA KNS UE KATOWICE 15 maja 2012

Podsumowanie modelu i oszacowań parametrów Tabela wynikowa: Podsumowanie modelu i oszacowań parametrów Podsumowanie modelu i oszacowań parametrów Zmienna zależna: Liczba ludności w Polsce w wieku przedprodukcyjnym w mln osób Równanie Model - Podsumowanie Oceny parametrów R2 F df1 df2 Istotność Stała b1 Liniowy ,989 1151,168 1 13 ,000 10,871 -,261 Logarytmiczny ,902 120,087 11,435 -1,425 Potęgowy ,878 93,200 11,725 -,160 Wykładniczy ,994 1999,423 11,049 -,030 KONFERENCJA KNS UE KATOWICE 15 maja 2012

Współczynniki dla trendu wykładniczego Tabela wynikowa: Współczynniki dla trendu wykładniczego Współczynniki niestandaryzowane standaryzowane Statystyka t Istotność B Błąd Beta Sekwencja obserwacji -,030 ,001 -,997 - 44,715 ,000 (stała) 11,049 ,067 165,542 Zmienną zależną jest ln(Liczba ludności w Polsce w wieku przedprodukcyjnym w mln osób). KONFERENCJA KNS UE KATOWICE 15 maja 2012

KONFERENCJA KNS UE KATOWICE 15 maja 2012 Kolejne realizacje danych źródłowych generowane w oparciu o trend wykładniczy: Składnik losowy ξt generowany w oparciu o rozkład normalny z wartością oczekiwaną zero i z odchyleniem standardowym równym odchyleniu standardowemu reszt dla powyższego modelu po linearyzacji KONFERENCJA KNS UE KATOWICE 15 maja 2012

KONFERENCJA KNS UE KATOWICE 15 maja 2012 Prognozy na okres kolejny (T=16) oraz oceny wariancji ex ante wyznaczane w oparciu o trend: liniowy: logarytmiczny: potęgowy: . wykładniczy: KONFERENCJA KNS UE KATOWICE 15 maja 2012

KONFERENCJA KNS UE KATOWICE 15 maja 2012 Wykres: Dane rzeczywiste i wygenerowane za pomocą trendów (z uwzględnieniem prognoz) KONFERENCJA KNS UE KATOWICE 15 maja 2012

względnego obciążenia estymatora wariancji ex ante predykcji: Statystyki na podstawie, których dokonana analiza wpływu poprawnej specyfikacji modelu to uzyskane symulacyjnie wartości: względnego obciążenia prognoz: względnego pierwiastka błędu średniokwadratowego: względnego średniego błędu predykcji ex ante: względnego obciążenia estymatora wariancji ex ante predykcji: KONFERENCJA KNS UE KATOWICE 15 maja 2012

Okno poleceń z wprowadzoną procedurą BEGIN PROGRAM R KONFERENCJA KNS UE KATOWICE 15 maja 2012

Przeprowadzona symulacja Tabela wynikowa: Przeprowadzona symulacja Wyniki symulacji Miary Trendy Liniowy Logarytmiczny Potęgowy Wykładniczy 1 2,421 -8,955 -9,634 0,009 2 2,754 9,039 9,712 1,274 3 1,312 1,239 1,222 4 76,475 1838,364 1856,325 -24,060 względne obciążenie prognoz, względny pierwiastek MSE, względny średni błąd predykcji ex ante, względne obciążenie estymatora V2. KONFERENCJA KNS UE KATOWICE 15 maja 2012

Błędy predykcji dla poszczególnych trendów Wykres: Błędy predykcji dla poszczególnych trendów KONFERENCJA KNS UE KATOWICE 15 maja 2012

KONFERENCJA KNS UE KATOWICE 15 maja 2012 Bibliografia: Biecek P.: Przewodnik po pakiecie R, GiS Oficyna wydawnicza, Wrocław 2008. Krzciuk M.: Symulacyjna analiza szeregu czasowego – połączenie możliwości IBM SPSS i R, W: Z. Zieliński (red.), Rola informatyki w naukach ekonomicznych i społecznych. Innowacje i implikacje interdyscyplinarne, Zeszyty Naukowe Wyższej Szkoły Handlowej w Kielcach, Wyd. WSH Kielce, 2011. Patrykiejew A.: Wprowadzenie do metody Monte Carlo, UMCS, Lublin 1998. Żądło T., Wywiał J.: Prognozowanie szeregów czasowych za pomocą pakietu SPSS, SPSS Polska, Kraków 2008. Netografia: Bank Danych Lokalnych, GUS [online], http://www.stat.gov.pl/bdl/app/strona.html? p_name=indeks, [10.03.2011]. IBM SPSS Deweloper Central [online], www.spss.com/devcentral/index.cfm?pg= Rresources, [10.03.2011]. R Development Core Team: R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna 2009 [online], www.R-project.org [24.02.2010]. KONFERENCJA KNS UE KATOWICE 15 maja 2012

KONFERENCJA KNS UE KATOWICE 15 maja 2012 Dziękuję za uwagę KONFERENCJA KNS UE KATOWICE 15 maja 2012