2011-01-18
1
EKONOMETRIA 1
wykład 12
dr Beata Madras-Kobus
Prognozowanie
na podstawie
modelu
ekonometrycznego
PROGNOZOWANIE
Przewidywanie przyszłości w sposób
racjonalny
z
wykorzystaniem
metod
naukowych.
PROGNOZA
Konkretny
wynik
wnioskowania
w
przyszłość
na
podstawie
znajomości
modelu
ekonometrycznego
opisującego
pewien
wycinek
sfer
zjawisk
ekonomicznych
Funkcje prognozy
z
Preparacyjna (działanie
przygotowujące inne działania)
z
Aktywizująca (pobudzanie do
podejmowania działań)
z
Informacyjną (oswajanie z
nadchodzącymi zmianami)
Klasyfikacja prognoz
Ze względu na sposób wyrażania stanu zmiennej
z
Ilościowa
-punktowa
-przedziałowa
z
Jakościowa
Ze względu na kryterium czasu
z
Krótkookresowa
z
Średniookresowa
z
Długookresowa
Mamy dany oszacowany model
ekonometryczny postaci:
Predykcją ekonometryczną nazywa się
proces wnioskowania w przyszłość na
podstawie modelu ekonometrycznego
2011-01-18
2
Aby można było wnioskować na podstawie
modelu ekonometrycznego, muszą być spełnione
następujące założenia:
1. znajomość modelu zmiennej prognozowanej,
2. stabilność parametrów i postaci analitycznej
modelu,
3. stabilność rozkładu odchyleń losowych
modelu,
4. znajomość wartości zmiennej objaśniającej w
okresie prognozowania,
5. dopuszczalność ekstrapolacji modelu poza
próbę statystyczną
Źródłem wartości zmiennych objaśniających w
okresie prognozowania mogą być:
1. trendy zmiennej objaśniającej,
2. modele opisowe zmiennej objaśniającej,
3. plany społeczno – gospodarcze,
4. inne studia prognostyczne
1. prognozy punktowe
2. prognozy przedziałowe
Wyróżniamy dwa rodzaje prognoz ekonometrycznych:
Etapy prognozowania ekonometrycznego
1. Sformułowanie zadania prognostycznego.
Określamy obiekt, zjawisko bądź proces będący
przedmiotem
prognozy,
czyli
zmienną
endogeniczną. Ustalamy cel wykonania prognozy,
jej pożądany horyzont i wymagalną dokładność.
2. Sformułowanie przesłanek prognozy.
Definiujemy model ekonometryczny opisujący
wybraną zmienną endogeniczną. Stosownie do tego
wyboru gromadzimy dane statystyczne, szacujemy
parametry modelu, poddajemy go weryfikacji oraz
badaniu stabilności. Ustalamy wartości zmiennej
egzogenicznej w okresie prognozy.
3. Wyznaczenie prognozy i jej interpretacja.
Obliczamy wartość zmiennej endogenicznej w
okresie prognozy oraz interpretujemy otrzymane
wyniki.
4. Ocena dokładności predykcji.
Ostatni etap
stanowi realizację jednego z
postulatów predykcji ekonometrycznej, który głosi,
żeby dla każdej prognozy obliczyć i ocenić wartość
mierników określających stopień dokładności
predykcji.
Stabilność postaci analitycznej modelu
– test Ramseya
Za pomocą testu Ramseya weryfikujemy
hipotezę o stabilności postaci analitycznej
modelu. Przeprowadzenie tego testu upewnia
nas, że wybrana – liniowa – postać analityczna
modelu
jest
dobrze
dobrana
do
opisu
zmienności
danej
zmiennej
objaśnianej
w
zależności
od
wartości
zmiennych
objaśniających.
2011-01-18
3
Krok 1: Szacujemy parametry modelu ekonometrycznego
Krok 2: Po oszacowaniu modelu obliczamy wartości
teoretyczne
zmiennej objaśnianej oraz współczynnik
determinacji. Oznaczamy go R
I
2
.
Krok 3: Szacujemy parametry modelu ekonometrycznego
Krok
4:
Po
oszacowaniu
modelu
wyznaczamy
współczynnik determinacji. Oznaczamy go R
II
2
.
Krok 5: Badamy, czy przyrost wartości współczynnika
determinacji w modelu drugim w porównaniu z modelem
pierwszym jest statystycznie istotny. Obliczamy wartość
statystyki:
gdzie:
n - liczba obserwacji
Krok 6: Przy danym poziomie istotności weryfikujemy
hipotezy
H
0
: wybór postaci analitycznej modelu ekonometrycznego
jest prawidłowy;
H
1
: wybór postaci analitycznej modelu nie jest
prawidłowy.
Jeśli prawdziwa jest hipoteza zerowa, to statystyka F ma
rozkład F-Snedecora o r
1
= 1, r
2
= n– 3 stopniach swobody
Wartość krytyczną testu dla określonej liczby
stopni swobody oraz przy danym poziomie
istotności oznaczamy F*.
Jeśli F > F*, to hipotezę zerową odrzucamy.
W przeciwnym przypadku nie ma podstaw do
odrzucenia hipotezy
zerowej. Wnioskujemy
wtedy, że wybrana przez nas postać analityczna
modelu jest dobrze dobrana do opisu zmienności
danej zmiennej objaśnianej w zależności od
wartości zmiennych objaśniających.
Stabilność parametrów modelu – test Chowa
Test Chowa jest najczęściej używanym testem do
weryfikowania
hipotezy o stabilności parametrów
modelu ekonometrycznego.
Krok 1: Szacujemy składowe wektora parametrów
modelu ekonometrycznego:
a następnie obliczamy sumę kwadratów reszt dla tego
modelu. Przyjmujemy oznaczenie :
Krok 2: Dzielimy okres obserwacji t = 1, 2, ……, n na
dwa podokresy t = 1, 2, …, n
1
oraz t = n
1
+1, n
1
+2, …., n.
Podział ten może być podziałem subiektywnym albo
wynikającym
z
analizy
zjawiska
bądź
procesu
opisywanego przez model.
Krok 3: Szacujemy składowe wektorów parametrów
modeli ekonometrycznych I oraz II odpowiednio:
Zakładamy, że składniki losowe obu modeli spełniają
założenia KMNK.
2011-01-18
4
Krok 4: Obliczamy sumy kwadratów reszt modeli I oraz
II, czyli RSK
I
i RSK
II
.
Krok 5: Dodatkowo obliczamy: RSK
III
= RSK
I
+ RSK
II
oraz RSK
IV
= RSK – RSK
III
.
Krok 6: Wyznaczamy wartość statystyki F
Krok 7: Przy danym poziomie istotności weryfikujemy
hipotezę zerową
H
0
: α=α
I
=α
II
, czyli hipotezę o stabilności parametrów
wobec hipotezy alternatywnej
H
1
: parametry modelu nie są stabilne
Jeśli prawdziwa jest hipoteza zerowa, to statystyka F ma
rozkład F – Snedecora z r
1
=2 oraz r
2
= n-4 stopniami
swobody.
Wartość krytyczną testu dla określonej liczby stopni
swobody oraz przy danym poziomie istotności oznaczamy
F*.
Jeśli F > F*, to hipotezę zerową odrzucamy. W
przeciwnym wypadku nie ma podstaw do odrzucenia
hipotezy zerowej. Wnioskujemy wtedy, że parametry
liniowego modelu ekonometrycznego są stabilne. To
oznacza, że oceny parametrów stojących przy tych
samych zmiennych objaśniających, zyskane na podstawie
obserwacji statystycznej z różnych okresów, nie różnią się
istotnie.
Prognoza punktowa
Prognoza punktowa jest liczbą uznaną za najlepszą
ocenę wartości zmiennej prognozowanej w okresie
prognozowania.
Prognozę punktową zmiennej Y wyznacza się jako:
gdzie:
- wartość zmiennej objaśniającej w okresie
prognozowania .
Ocena prognozy
Wśród powodów dokonywania nietrafnych prognoz
ekonometrycznych najczęściej wymienia się następujące:
Błąd estymacji modelu – oszacowania parametrów różnią
się od prawdziwych nieznanych wartości tych parametrów;
Błąd struktury stochastycznej modelu
- założenia
KMNK, chociaż pozytywnie zweryfikowane, jednak nie są
spełnione;
Błąd losowy – wartość składnika losowego jest różna od
zera w okresie prognozy;
Błąd specyfikacji – pominięcie w zestawie zmiennych
egzogenicznych, zmiennych mających istotny wpływ na
wartości zmiennej endogenicznej lub wybór niewłaściwej
postaci analitycznej modelu;
Błąd warunków endogenicznych – nagła zmiana
warunków procesu kształtowania się wartości
zmiennej objaśnianej;
Błąd warunków egzogenicznych – przyjęcie
niewłaściwych wartości zmiennych objaśniających
w okresie prognozy;
Błąd pomiaru – podana do wiadomości po
oszacowaniu modelu korekta danych statystycznych.
Ocena ex ante stopnia dokładności predykcji
uwzględnia tylko pierwszą i drugą z wymienionych
przyczyn
powstawania
błędów
prognozy
ekonometrycznej.
Błąd prognozy określa się jako różnicę
między
rzeczywistą
wartością
(y
τ
),
a
wartością prognozowaną (y
τ
*
) analizowanej
zmiennej Y, wyznaczoną na moment lub
okres
τ. Błąd ten można szacować na
podstawie prognoz wygasłych (szacowanie
błędu ex post) lub stochastycznie szacować
na podstawie informacji ex ante.
2011-01-18
5
Błędy ex ante podają spodziewaną
wartość odchyleń rzeczywistych wartości
zmiennej prognozowanej od prognoz.
Błąd ex post można liczyć na jeden
moment lub okres albo, w przypadku
budowy prognoz na kilka kolejnych m
okresów: [n+1, n+2, …, T], dla każdego
momentu
lub
okresu
z
przedziału
empirycznej weryfikacji prognoz.
Ocena ex ante prognozy punktowej
Dla prognozy punktowej szacujemy tzw. średni błąd predykcji
ex ante:
gdzie:
- jest wektorem
Błąd ten informuje, o ile przeciętnie prognozy będą się różnić od
rzeczywistych wartości zmiennej prognozowanej w okresie
prognozowania
Wartość wyrażenia
nazywamy względnym średnim
błędem predykcji ex ante
Dla pojedynczej jednostki
τ > n licząc bezwzględny błąd
prognozy ex post stosuje się wzór:
a w przypadku przedziału średni błąd prognozy ex post:
gdzie
y
τ
* - prognoza zmiennej Y wyznaczona na moment lub okres
τ > n,
y
τ
– rzeczywista wartość zmiennej prognozowanej w momencie lub
okresie
τ > n,
n – liczba wyrazów szeregu czasowego zmiennej prognozowanej.
Wyraża on odchylenie (średnie odchylenie) prognoz
wygasłych
od
wartości
rzeczywistych
zmiennej
prognozowanej.
Miary dokładności prognozy ex post
Można
liczyć
też
względny
błąd
prognozy ex post w czasie t:
Lub średni względny błąd prognozy ex
post:
Względne błędy informują, jaki procent
rzeczywistej
wartości
stanowi
błąd
prognozy (średni błąd prognozy).
Dla przedziału weryfikacji prognoz można też liczyć
współczynnik Theila:
I informuje, jaki był przeciętny względny błąd
prognozy dla rozpatrywanych okresów.
Dla prognoz idealnych miernik ten przyjmuje
wartość 0. Im większe są różnice między
wartościami rzeczywistymi a prognozowanymi, tym
większa wartość współczynnika.
Można
przyjąć
następujące
kryteria
dopuszczalności prognoz:
V < 3% - prognozy bardzo dobre,
3%< V < 5% - prognozy dobre,
5% < V < 10% - prognozy dopuszczalne,
V > 10% - prognozy niedopuszczalne.
2011-01-18
6
Prognoza przedziałowa jest przedziałem
ufności,
który
ze
z
góry
zadanym
prawdopodobieństwem,
nazywanym
wiarygodnością prognozy, zawiera nieznaną
wartość zmiennej prognozowanej w okresie
prognozowania
Przedział
ufności ma postać:
gdzie:
1 –
α
– przyjęty poziom ufności
t
α
n-(k+1)
– wartość z rozkładu t-Studenta dla zadanego
poziomu istotności
α i n – (k+1) stopniach swobody