Лекция 12 Прогнозирование с помощью моделей Проверка адекватности модели.

Презентация:



Advertisements
Похожие презентации
6 ноября 2012 г.6 ноября 2012 г.6 ноября 2012 г.6 ноября 2012 г. Лекция 5. Сравнение двух выборок 5-1. Зависимые и независимые выборки 5-2.Гипотеза о равенстве.
Advertisements

Лекция 7 Уравнение множественной регрессии Теорема Гаусса-Маркова Автор: Костюнин Владимир Ильич, доцент кафедры: «Математическое моделирование экономических.
Свойства коэффициентов регрессии и проверка гипотез.
Уравнение множественной регрессии y t = a 0 +a 1 x 1t +a 2 x 2t +a 3 x 3t +…+a k x kt +U t (8.1) Наилучшая линейная процедура получения оценок параметров.
Свойства коэффициентов регрессии и проверка гипотез.
Модели со стохастическими регрессорами. Ранее мы предполагали, что COV(x i,u i )=0 На практике это не всегда справедливо. Причины: 1. В моделях временных.
Лекция 7 Постникова Ольга Алексеевна1 Тема. Элементы теории корреляции
Российский университет дружбы народов Институт гостиничного бизнеса и туризма В.И. Дихтяр Теория и методология социально- экономических исследований в.
Лекция 1 Введение.. Опр. эконометрика это наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов.
Кандидат технических наук, доцент Поляков Константин Львович Учебный курс Эконометрика: идентификация, оценивание и анализ статических моделей Лекция 7.
5 ноября 2012 г.5 ноября 2012 г.5 ноября 2012 г.5 ноября 2012 г. Лекция 6. Сравнение двух выборок 6-1. Гипотеза о равенстве средних. Парные выборки 6-2.Доверительный.
Последствия ошибок в спецификации моделей Замещающие переменные.
6 ноября 2012 г.6 ноября 2012 г.6 ноября 2012 г.6 ноября 2012 г. Лекция 2. Доверительные интервалы 2-1. Доверительный интервал для доли 2-2. Доверительный.
Модели в виде систем одновременных уравнений. Оценка параметров структурной формы модели Предполагаем, что модель идентифицируема. Для иллюстрации этого.
АНАЛИЗ ВЫБОРОЧНОГО УРАВНЕНИЯ РЕГРЕССИИ. 1, , , , , , , , ,144.
Лекция 6 Метод наименьших квадратов Уравнение парной регрессии.
Метод наименьших квадратов УиА 15/2 Айтуар А.. В математической статистике методы получения наилучшего приближения к исходным данным в виде аппроксимирующей.
Лекция 5 Метод максимального правдоподобия. ММП позволяет получить по крайней мере асимптотически несмещенные и эффективные оценки параметров распределения.
Лекция 17 Модели в виде системы одновременных уравнений: Косвенный метод наименьших квадратов Двухшаговый метод наименьших квадратов.
ПРОГНОЗИРОВАНИЕ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ Теоретические основы анализа результатов прогнозирования Лекция 7.
Транксрипт:

Лекция 12 Прогнозирование с помощью моделей Проверка адекватности модели

Имеем оценку линейной модели множественной регрессии (12.1) Параметры модели получены по выборке {y,X} и предполагаем, что все предпосылки теоремы Гаусса - Маркова выполнены Обозначим символом z 0 « точку », в котрой необходтмо вычислить прогнозное значение эндогенной переменной Это значение обозначим y(z 0 )=y 0 При этом :

Элементы выборки связаны между собой системой уравнений наблюдений с неколлинеарной матрицей коэффициентов Х 1.Точечный прогноз Согласно теореме Гаусса – Маркова наилучший точечный прогноз эндогенной переменной вычисляется по формуле : (12.2) Стандартная ошибка прогноза ( СКО ) есть (12.3)

Пример 1 ВНП (млрд.долл) С (млрд.долл) I (млрд.долл) 14,008,001,65 16,009,501,80 18,0011,002,00 20,0012,002,10 23,0013,002,20 23,5014,002,40 25,0015,002,65 26,5016,502,85 28,5017,003,20 30,5018,003,55 Исходная выборка Задача Построить модель и получить прогнозные значения ВВП при С=14.5 ; i=4.0

В результате применения МНК оценка модели приняла вид: Подставляя в оценку модели значения С=14.5 ; i=4.0, получим

Оценка стандартной ошибки прогноза соответственно есть: С (млрд.дол л) I (млрд.до лл) 18,001,65 19,501,80 111,002,00 112,002,10 113,002,20 114,002,40 115,002,65 116,502,85 117,003,20 118,003,55 Х= q 0 =8.74 σ y =2.06 Точечный прогноз – ВНП=25.3 σ ВВП =2.06

Прогнозирование в условиях гетероскедастичности В условиях гетероскедастичности исходной модели (12.1) оценка параметров модели осуществляется ВМНК Что, в частности, может быть сведено к модели вида: (12.4) Имея точку z 0 =(1, z 1, z 2,…) Т, в которой нужно получить прогнозное значение переменной y, необходимо преобразовать исходную точку z 0, получить прогнозное значение y* оценить стандартную ошибку ε

Имея значения y* σ ε,легко получить значения прогноза для переменной y и σ u (12.5) Соотношения (12.5) представляют собой точечную оценку эндогенной переменной y исходной модели

2. Интервальное прогнозирование В отличие от точечного метода прогнозирования интервальный позволяет в качестве прогноза получить числовой интервал, внутри которого может лежать прогнозное значение эндогенной переменной Для построения такого прогноза образуется дробь Стьюдента в виде : (12.4) Знаем, что в схеме Гаусса - Маркова дробь (12.4) имеет закон распределения Стьюдента с числом степеней свободы η =n- к -1 где к – количество регрессоров в модели

Задав уровень доверительной вероятности Рдов (α=1- Р дов ), легко оценить границы интервала (y - 0 :y + 0 ), внутри которого с вероятностью Р дов лежат значения прогноза Значение ошибки прогноза рассчитывается по формуле (12.3) (12.5) В примере 1 интервальный прогноз получает вид: При t крит (0.05,7)=2.36 имеем

Определение. Адекватность – возможность получения результата с удовлетворительной точностью Применительно к построению эконометрических моделей следует сказать, под точностью результата понимается абсолютное значение разности между прогнозом, полученным с помощью модели и реальным значением эндогенной переменной Тогда модель считается адекватной, если эта разность не превосходит некоторого наперед заданного значения Отсюда вытекает алгоритм процедуры проверки адекватности

Алгоритм процедуры проверки адекватности 1.Вся имеющаяся в распоряжении выборка наблюдений делится на две неравные части: обучающую и контролирующую Обучающая выборка включает основную (большую) часть наблюдений Контролирующая выборка содержит до 5% от общего объема выборки 2. По обучающей выборке оценивается модель (рассчитываются оценки параметров модели и их стандартные ошибки)

3. Задается значение доверительной вероятности Рдов =1-α и определяется критическое значение дроби Стьюдента t крит 4. Для каждой «точки» из контролирующей выборки по известным значениям экзогенных переменных строится доверительный интервал прогнозного значения эндогенной переменной (12.5) 5. Проверяется попадает ли соответствующее значение эндогенной переменной внутрь полученного интервала

Пункты 5 и 6 проводятся для каждой точки выборки персонально! Вывод. Если все значения эндогенных переменных из контрольной выборки накрываются соответствующими доверительными интервалами, то полученная модель с вероятностью Рдов считается адекватной, т.е. пригодной для дальнейшего использования в целях решения экономических задач

Пример ВНП (млрд.долл) С (млрд.долл) I (млрд.долл) 14,008,001,65 16,009,501,80 18,0011,002,00 20,0012,002,10 23,0013,002,20 23,5014,002,40 25,0015,002,65 26,5016,502,85 28,5017,003,20 30,5018,003,55 Исходная выборкаТочки для проверки адекватности

ВНП (млрд.долл) С (млрд.долл) I (млрд.долл) 14,008,001,65 18,0011,002,00 20,0012,002,10 23,0013,002,20 23,5014,002,40 25,0015,002,65 26,5016,502,85 28,5017,003,20 3,430,14-2,17 0,140,29-1,66 -2,17-1,6610,2 -0,121,61,35 2,370,41,37 0,980,74#Н/Д 1415#Н/Д 1552,75#Н/Д 1,008,001,65 1,0011,002,00 1,0012,002,10 1,0013,002,20 1,0014,002,40 1,0015,002,65 1,0016,502,85 1,0017,003,20 Х= (Х Т Х) -1 = Q 01 = Q 02 = 2,149 0,373 σ 01 = 1,316 0,869 Результаты оценки

Адекватность в т. Z 01 Прогноз в точке Z Точечная проверка адекватности Доверительный интервал Вывод Модель в т. Z1 адекватна

1.Спецификация модели 2. Подготовка исходной информации 3. Оценивание параметров модели 4. Тестирование качества параметров модели: - гомоскедастичность - автокорреляция 5. Проверка адекватности