Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006

Wielkość: px

Rozpocząć pokaz od strony:

Download "Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006"

Wanda Borowska
7 lat temu
Przeglądów:

1 Modele dynamiczne Paweł Cibis 27 kwietnia 2006

2 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

3 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

4 Postać ogólna y = f (t) + ε ŷ = f (t)

5 Trend liniowy ŷ = a 0 + a 1 t a 0 wyrównany poziom zjawiska Y w okresie zerowym, a 1 przeciętny przyrost zjawiska Y w przedziale czasu [1, n].

6 Trend wykładniczy ŷ = a 0 a t 1 a 0 wyrównany poziom zjawiska Y w okresie zerowym, a 1 średni łańcuchowy wskaźnik dynamiki badanego zjawiska Y w przedziale czasu [1, n].

7 Trend wykładniczy ŷ = a 0 a t 1 ln ŷ = ln a 0 + t ln a 1 ŷ = ln ŷ, a 0 = ln a 0, a 1 = ln a 1 ŷ = a 0 + a 1t

8 Trend logarytmiczny ŷ = a 0 + a 1 ln t a 0 wyrównany poziom zjawiska Y w okresie zerowym, Przyrosty zjawiska maleją w czasie.

9 Trend logarytmiczny ŷ = a 0 + a 1 ln t t = ln t ŷ = a 0 + a 1t

10 Trend potęgowy ŷ = a 0 t a 1 a 0 wyrównany poziom zjawiska Y w okresie t = 1, Stosowany w modelach o liniowym związku między logarytmami zmiennych Y i t.

11 Trend potęgowy ŷ = a 0 t a 1 ln ŷ = ln a 0 + a 1 ln t ŷ = ln ŷ, t = ln t, a 0 = ln a 0 ŷ = a 0 + a 1 t

12 Trend logistyczny ŷ = a a 1 e t, a 0 > 0, a 1 > 1 a 0 poziom nasycenia badanego zjawiska.

13 Trend logistyczny ŷ = a a 1 e t, a 0 > 0, a 1 > 1 a 0 = 1 a 0, a 1 = a 1 a 0, ŷ = 1 ŷ, t = e t ŷ = a 0 + a 1t

14 Trend hiperboliczny ŷ = a 0 + a 1 t t = 1 t ŷ = a 0 + a 1 t

15 Trend hiperboliczny ŷ = a 0t t + a 1 a 0 = 1 a 0, a 1 = a 1 a 0, t = 1 t, ŷ = 1 ŷ ŷ = a 0 + a 1t

16 Wyodrębnianie tendencji rozwojowej Metoda adaptacyjna stosowana, gdy trend w miarę upływu czasu podlega zmianom. 1 Ustalamy długość segmentu k. 2 Rozpatrujemy n k + 1 k-elementowych ciągów kolejnych obserwacji: y t, y t+1,..., y t+k 1. 3 Dla każdego ciągu szacujemy z KMNK parametry liniowe trendów segmentowych: ŷ l = a0 l + al 1t, gdzie t = l, l + 1,..., l + k 1. 4 Dla każdego równania trendu odcinkowego obliczamy teoretyczne wartości zmiennej Y. 5 Obliczamy średnie arytmetyczne dla wartości teoretycznych zmiennej Y z tych samych okresów. Otrzymamy szereg czasowy wygładzony za pomocą trendu pełzającego.

17 Wyodrębnianie tendencji rozwojowej Metoda adaptacyjna stosowana, gdy trend w miarę upływu czasu podlega zmianom. 1 Ustalamy długość okresu średniej k. 2 Dla kolejnych okresów obliczamy średnie arytmetyczne k-okresowe: ȳ k 1 2 +i = yi +yi y k+i 1 k, dla k nieparzystych oraz i 1, 2,..., n k + 1; ȳ k 2 +i = 1 2 yi +yi y k+i k, dla k parzystych oraz i 1, 2,..., n k + 1 (średnie scentrowane). 3 Otrzymane średnie przyporządkowuje się wyrazowi środkowemu. Średnią k-okresową stosujemy Do eliminacji wahań okresowych o cyklu długości k.

18 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

19 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Etap I Wyodrębnienie tendencji rozwojowej Wyodrębniamy tendencję rozwojową za pomocą dowolnej metody: trendu liniowego; trendu nieliniowego; trendu pełzającego; średniej ruchomej.

20 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Jeżeli odchylenia od trendu w tych samych okresach jednego cyklu są mniej więcej stałe (bezwzględne wahania sezonowe), obliczamy: e t = y t ŷ t. Jeżeli w miarę wzrostu wartości trendu proporcjonalnie wzrastają odchylenia (bezwzględne wahania sezonowe) ilorazy są mniej więcej stałe obliczamy stosunki: u t = yt ŷ t. Wartości e t i u t zawierają wahania sezonowe i przypadkowe. W praktyce łatwiej jest najpierw policzyć oba wskaźniki, a następnie, na podstawie tego, w którym z wariantów są one mniej więcej stałe dla danej fazy cyklu, zdecydować o rodzaju wahań okresowych.

21 Etap III Eliminacja wahań przypadkowych Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Dla każdego okresu cyklu obliczamy średnią arytmetyczną z tych wartości e t lub u t, które należą do danej fazy. Otrzymamy surowe wskaźniki wahań sezonowych: ē j bezwzględne wskaźniki sezonowości (addytywne) o ile jednostek poziom zjawiska w danej fazie wahań jest wyższy lub niższy od poziomu, jaki osiągnęłoby zjawisko, gdyby jego rozwój następował zgodnie z tendencją rozwojwą; ū j względne wskaźniki sezonowości (multiplikatywne) o ile procent poziom zjawiska w danej fazie wahań jest wyższy lub niższy od poziomu, jaki osiągnęłoby zjawisko, gdyby jego rozwój następował zgodnie z tendencją rozwojwą. j numer fazy wahań

22 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Obliczamy współczynniki korekcyjne: α = 1 p p i=1 ēi α = 1 p p i=1 ūi Suma wskaźników bezwzględnych jest równa zeru, a suma wskaźników względnych jest równa liczbie faz cyklu (p). Obliczamy czyste wskaźniki: s b j = ē j 1 p p i=1 ēi s w j = ū j 1 p p i=1 ūi

23 Ostateczna postać modelu Błąd prognozy ex post 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

24 Ostateczna postać modelu Błąd prognozy ex post Prognostyczną wartość zmiennej na moment/okres t (stanowiący i-tą fazę cyklu) wyznaczamy jako: y (w) ti y ti = y (w) ti + s b i model addytywny y ti = y (w) ti s w i model addytywny wstępna prognoza (na okres t dla i-tej fazy cyklu) na podstawie modelu tendencji rozwojowej; si b, /sw i czyste (skorygowane) wskaźniki sezonowości dla i-tej fazy cyklu. Przy prognozowaniu na podstawie średniej ruchomej model prognostyczny ma postać: yt = 1 t 1 k i=t k y i, gdzie y i to wartość zmiennej prognozowanej w okresie i, a yt to prognoza na okres t.

25 Błąd prognozy ex post Ostateczna postać modelu Błąd prognozy ex post błąd bezwzględny: q t = y t yt ; błąd względny: φ t = yt y t y t ; średni kwadratowy błąd prognozy ex post: s = 1 T n T t=n+1 (y t yt ) 2 0,5 T numer ostatniego okresu, w którym sprawdzana jest prognoza; średni kwadratowy błąd prognozy ex post dla modelu ze średnią ruchomą: s = 1 n k T t=k+1 (y t yt ) 2 0,5 k stała wygładzania, n liczba wyrazów szeregu czasowego; ; ;

26 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

27 Literatura Wyodrębnianie tendencji rozwojowej Strahl D., Sobczak E., Markowska M., Bal-Domańska B. Modelowanie ekonometryczne z Excelem. Wrocław: AE Metody, przykłady, zadania. Red. J. Dziechciarz. Wrocław: AE Prognozowanie gospodarcze. Metody i zastosowanie. Red. M. Cieślak. Warszawa: PWN 2002.

Podobne dokumenty

Statystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30

Statystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30 Statystyka Wykład 13 Magdalena Alama-Bućko 12 czerwca 2017 Magdalena Alama-Bućko Statystyka 12 czerwca 2017 1 / 30 Co wpływa na zmiany wartości danej cechy w czasie? W najbardziej ogólnym przypadku, na