Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski

Slides:



Advertisements
Podobne prezentacje
Modele szeregów czasowych z tendencją rozwojową
Advertisements

Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
dr Małgorzata Radziukiewicz
Składowe modelu Wintersa
Narzędzia analizy ekonomicznej
Treść wykładu Wstęp Przewidywanie - prognoza Klasyfikacja prognoz
BUDOWA MODELU EKONOMETRYCZNEGO
Analiza szeregów czasowych
Wyrównywanie szeregów czasowych
CECHY CHARAKTERYSTYCZNE SZEREGU CZASOWEGO SZEREG CZASOWY jest zbiorem obserwacji zmiennej, uporządkowanych względem czasu (dni,
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
Analiza techniczna wykład 2
Modele logitowe i probitowe
Ekonometria prognozowanie.
Prognozowanie na podstawie sezonowych szeregów czasowych
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)
Alfred Stach Instytut Geoekologii i Geoinformacji
Sektor badawczo-rozwojowy i poziom innowacyjności gospodarki Wielkopolski na tle kraju Wanda Maria Gaczek Poznań, 13 grudnia 2006 r.
Analiza szeregów czasowych
Liniowy Model Tendencji Rozwojowej Szeregów Czasowych
czyli jak analizować zmienność zjawiska w czasie?
Tempo, przyrosty, indeksy, wahania, średnie ruchome
Analiza szeregów czasowych
KARTA RUCHOMEJ ŚREDNIEJ MA
Ekonometria „Jaki wpływ na wielkość sprzedaży mają wydatki na reklamę oraz wielkość zatrudnienia ?” Dagmara Płachcińska Nr albumu:
Średnie ruchome.
1 Kilka wybranych uzupełnień do zagadnień regresji Janusz Górczyński.
Prognozowanie i symulacje
Wahania sezonowe. Metoda wskaźników sezonowości.
Procesy dynamiczne w gospodarce
Metody analizy współzależności dwóch cech Mieczysław Kowerski
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
D. Ciołek EKONOMETRIA – wykład 5
D. Ciołek EKONOMETRIA – wykład 6
D. Ciołek EKONOMETRIA – wykład 4
WIELORÓWNANIOWE MODELE EKONOMETRYCZNE
Dynamika zjawisk. Analiza sezonowości dr hab. Mieczysław Kowerski
Szeregi czasowe Ewolucja stanu układu dynamicznego opisywana jest przez funkcję czasu f(t) lub przez szereg czasowy jego zmiennych dynamicznych. Szeregiem.
Analiza szeregów czasowych
Składowe szeregu czasowego
Ekonometria Wykład 1 Zasady modelowania ekonometrycznego
Ekonometria Metody estymacji parametrów strukturalnych modelu i ich interpretacja dr hab. Mieczysław Kowerski.
Statystyczna analiza danych w praktyce
Model trendu liniowego
Ekonometria Wykład II Modele nieliniowe - metody ich estymacji i praktyczne zastosowania dr hab. Mieczysław Kowerski.
Prognozowanie wahań sezonowych Metoda wskaźników sezonowości.
STATYSTYKA – kurs podstawowy wykład 12 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Ekonometria Wykład 1 Uwarunkowania modelowania ekonometrycznego. Uogólniona metoda najmniejszych kwadratów dr hab. Mieczysław Kowerski.
Mierniki dynamiki zjawisk. Indeksy dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii.
Grupowanie danych statystycznych „ Człowiek – najlepsza inwestycja”
STATYSTYKA – kurs podstawowy wykład 13 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
OD RECESJI DO KONIUNKTURY CZYLI ZMIENNA GOSPODARKA
Wprowadzenie do inwestycji. Inwestycja Inwestycja – zaangażowanie określonej kwoty kapitału na pewien okres czasu w celu osiągnięcia w przyszłości przychodu.
Badanie dynamiki zjawisk dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Treść dzisiejszego wykładu l Szeregi stacjonarne, l Zintegrowanie szeregu, l Kointegracja szeregów.
Modele nieliniowe sprowadzane do liniowych
Ekonometria Wykład III Modele wielorównaniowe dr hab. Mieczysław Kowerski.
STATYSTYKA – kurs podstawowy wykład 11
Treść dzisiejszego wykładu l Metoda Najmniejszych Kwadratów (MNK) l Współczynnik determinacji l Koincydencja l Kataliza l Współliniowość zmiennych.
Ekonometria II Modele stacjonarne procesów stochastycznych i modele dynamiczne dr hab. Mieczysław Kowerski.
Wprowadzenie do inwestycji
Analiza szeregów czasowych
Badanie dynamiki zjawisk
Model ekonometryczny z dwiema zmiennymi
Zapis prezentacji:

Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski Statystyka Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski

Szereg czasowy i jego składowe

Tendencja rozwojowa

Stały/przeciętny poziom cechy

Wahania cykliczne

Wahania sezonowe

Dekompozycja szeregu czasowego

Metoda średniej ruchomej

Sposób liczenia średniej ruchomej

Prosty przykład

Obliczenia średnich ruchomych w Analizie danych

Średnie ruchome indeksu WIG w okresie od 17.10.2014 do 23.02.2015

Addytywny model szeregu czasowego

Przykład addytywnego model szeregu czasowego

Multiplikatywny model szeregu czasowego

Przykład multyplikatywnego model szeregu czasowego

Model tendencji rozwojowej

Liniowy model tendencji rozwojowej

Szacowanie parametrów liniowego modelu tendencji rozwojowej

Idea metody najmniejszych kwadratów  

Wartości oszacowanych parametrów

Ocena jakości oszacowania liniowego modelu tendencji rozwojowej

Interpretacja parametrów liniowego modelu tendencji rozwojowej

Szacowanie parametrów liniowego modelu tendencji rozwojowej produktu krajowego brutto w Polsce w latach 2002 – 2013 w mld zł (ceny bieżące). Excel (1)

Szacowanie parametrów liniowego modelu tendencji rozwojowej produktu krajowego brutto w Polsce w latach 2002 – 2013 w mld zł (ceny bieżące). Excel (2)

Szacowanie parametrów liniowego modelu tendencji rozwojowej produktu krajowego brutto w Polsce w latach 2002 – 2013 w mld zł (ceny bieżące). Excel (3)

Interpretacja wyników

Trend w analizie technicznej instrumentów finansowych