D. Ciołek
EKONOMETRIA – wykład 6
EKONOMETRIA
Wykład 6: Prognozowanie na podstawie modelu ekonometrycznego.
dr Dorota Ciołek
Katedra Ekonometrii
Wydział Zarządzania UG
dorota.ciolek@ug.edu.pl
D. Ciołek
EKONOMETRIA – wykład 6
Podstawowe pojęcia
Prognozowanie – predykcja ekonometryczna – wnioskowanie
o przyszłości na podstawie znajomości przeszłości np. modelu
ekonometrycznego.
Prognoza - jest to sąd dotyczący przyszłości, wydany na
podstawie wiedzy posiadanej przez prognostyka, za pomocą
konkretnej metody prognozowania.
Zmienna prognozowana – zmienna, której wartości w
przyszłości przewidujemy.
Zmienne prognozujące – zmienne egzogeniczne w modelu
ekonometrycznych, których przyszłe wartości pozwolą na
wyznaczenie prognozy zmiennej prognozowanej.
Okres prognozowany – okres czasu, którego dotyczy prognoza.
D. Ciołek
EKONOMETRIA – wykład 6
Założenia procesu predykcji
Znany jest model ekonometryczny, w którym zmienna
prognozowana odgrywa rolę zmiennej objaśnianej.
Znane są wartości zmiennych objaśniających w okresie
prognozowanym.
Rozkład składnika losowego spełnia zestaw klasycznych
założeń.
Parametry modelu są stabilne, a jeżeli ulegają zmianie to
charakter tych zmian daje się z odpowiednią dokładnością
przewidzieć.
Dopuszczalna jest ekstrapolacja zmiennych poza próbę
statystyczną.
D. Ciołek
EKONOMETRIA – wykład 6
Zasady predykcji
Zasada predykcji nieobciążonej – prognoza ustalana jest na
poziomie wartości oczekiwanej zmiennej prognozowanej w
okresie prognozowanym.
Zasada predykcji według największego
prawdopodobieństwa – prognoza ustalana jest na poziomie
dominanty rozkładu zmiennej prognozowanej w okresie
prognozowanym.
D. Ciołek
EKONOMETRIA – wykład 6
Testowanie stabilności modelu
Model ekonometryczny może być wykorzystany do
prognozowania w przyszłość, jeżeli oszacowana relacja była
stabilna w przeszłości, co pozwala założyć, że również w
najbliższej przyszłości nie powinna ulec radykalnej zmianie.
1) Test Chowa – test stabilności parametrów strukturalnych
modelu (dla modelu z homoscedastycznością zakłóceń)
- Dostępne obserwacje dzielone są na dwie podpróby:
T= t
1
+ t
2
- Szacujemy dwa oddzielne modele:
)
1
(
)
1
(
)
1
(
)
1
(
1
)
1
(
1
)
1
(
0
)
1
(
...
t
tk
k
t
t
x
x
y
)
2
(
)
2
(
)
2
(
)
2
(
1
)
2
(
1
)
2
(
0
)
2
(
...
t
tk
k
t
t
x
x
y
D. Ciołek
EKONOMETRIA – wykład 6
Testowanie stabilności modelu
Zakładamy, że składniki losowe w obu podpróbach mają
jednakowe rozkłady.
Hipotezy:
Statystyka z próby (dla małych prób):
gdzie
S
- jest sumą kwadratów reszt dla całej prób,
S
1
- suma
kwadratów reszt dla pierwszej podpróby,
S
2
- suma kwadratów
reszt dla drugiej podpróby.
)
2
(
)
1
(
1
)
2
(
)
1
(
0
:
:
H
H
)}
1
(
2
/{
)
(
)
1
/(
)
(
2
1
2
1
k
T
S
S
k
S
S
S
F
Chow
D. Ciołek
EKONOMETRIA – wykład 6
Testowanie stabilności modelu
Statystyka z próby ma rozkład:
Reguła decyzyjna:
- odrzucamy hipotezę zerową,
- brak podstaw do odrzucenia
H
0
Statystyka z próby (dla dużych prób):
Hipotezę zerową odrzucamy, gdy:
)
1
(
)}
1
(
2
{
k
k
T
Chow
F
F
)
1
(
)}
1
(
2
{
k
k
T
Chow
F
F
2
)
1
(
.
2
~
)
1
(
k
asymp
Chow
Chow
F
k
)
1
(
2
2
k
Chow
)
1
(
)}
1
(
2
{
~
k
k
T
asymp
Chow
F
F
D. Ciołek
EKONOMETRIA – wykład 6
Testowanie stabilności modelu
2) Test PF – predictive failure test (inna wersja testu Chowa)
Tak jak poprzednio, szacujemy dwa modele dla różnych podprób.
Zapisujemy parametry modelu drugiego jako:
Hipotezy:
Statystyka z próby (dla małych prób):
Statystyka z próby (dla dużych prób):
)
1
(
)
2
(
0
:
0
:
1
0
H
H
)}
1
(
;
{
~
)
1
/(
/
)
(
1
2
.
1
1
2
1
k
t
t
F
k
t
S
t
S
S
F
asymp
PF
)
(
~
2
2
.
2
2
t
F
t
asympt
PF
PF
D. Ciołek
EKONOMETRIA – wykład 6
Testowanie stabilności modelu
3) Test QLR – test na występowanie załamania strukturalnego w
nieokreślonym momencie.
H0: brak zmian strukturalnych w szeregu historycznym,
H1: wystąpiły istotne zmiany strukturalne w szeregu.
Test wskazuje również obserwację, dla której prawdopodobieństwo
wystąpienia znaczącej zmiany strukturalnej jest największe.
Wskazaną obserwację można wykorzystać w omawianym powyżej
teście Chowa jako punkt podziału całego szeregu na dwie
podpróby.
4) Testy Cusum (CUmulated SUM of residual) – testy na stabilność
parametrów.
- Wynik odczytywany z wykresu – skumulowane reszty powinny
mieścić się w określonym przedziale.
D. Ciołek
EKONOMETRIA – wykład 6
Rodzaje prognoz
Prognozy bezwarunkowe – do ich wyznaczenia nie ma
potrzeby przyjęcia założenia, że zajdą konkretne okoliczności,
tzn. nie zakłada się, że zmienne prognozujące przyjmą w
okresie prognozowanym określone wartości.
Prognozowanie na podstawie:
-
modelu tendencji rozwojowej;
-
modelu autoregresyjnego.
Prognozy warunkowe – należy założyć lub wyprognozować
jakie wartości przyjmą zmienne prognozujące w okresie
prognozowanym.
Prognozowanie na podstawie:
-
na podstawie modelu statycznego;
- na
podstawie modelu ADL.
D. Ciołek
EKONOMETRIA – wykład 6
Ocena dokładności prognoz
Ocena ex post – dokonywana wówczas, gdy znana jest już
rzeczywista wartość zmiennej prognozowanej w okresie
prognozowanym. Wykorzystuje odchylenie prognozy od
rzeczywistej wartości zmiennej prognozowanej.
Ocena ex ante – dokonywana w momencie wyznaczania
prognozy, gdy nieznana jest jeszcze rzeczywista wartość
zmiennej prognozowanej w okresie prognozowanym. Ocena
dokładności prognozy w oparciu o dokładność (dopasowanie)
modelu ekonometrycznego.
D. Ciołek
EKONOMETRIA – wykład 6
Błędy prognoz ex post
Ocena jakość prognoz ex post przeprowadzana jest jeszcze przed
okresem realizacji prognozy, czyli ocena przewidywana.
Ocena ex post dokonywana jest na bazie prognoz historycznych –
budujemy prognozy wstecz.
1) Średni kwadratowy błąd prognozy - definiować będziemy,
jako średnie kwadratowe odchylenie zmiennej prognozowanej od
prognozy tej zmiennej:
gdzie: T – ilość dostępnych obserwacji historycznych, j – horyzont
prognozy, y
t+j
– rzeczywista wartość zmiennej w okresie
prognozowanym, y
pt+j
– prognoza zmiennej.
Błąd nie ma interpretacji ekonomicznej.
j
T
t
p
j
t
j
t
p
j
y
y
j
T
MSE
1
2
)
(
1
1
D. Ciołek
EKONOMETRIA – wykład 6
Błędy prognoz ex post cd
2) Średni błąd prognozy - wyznaczać natomiast będziemy jako
pierwiastek kwadratowy ze średniego kwadratowego odchylenia:
Interpretujemy jako przeciętne in plus in minus odchylenie zmiennej
prognozowanej od prognozy tej zmiennej.
3) Przeciętny względny błąd prognozy:
Błąd ten określa procentowy udział średniego błędu prognozy w
średniej wartości prognoz z wyprzedzeniem j okresów. Pozwala
ocenić, czy prognoza jest dopuszczalna – powinien przyjąć wartość
poniżej założonego poziomu dopuszczalności.
j
T
t
p
j
t
j
t
p
j
p
j
y
y
j
T
MSE
RMSE
1
2
)
(
1
1
100
p
j
p
j
p
j
y
RMSE
V
D. Ciołek
EKONOMETRIA – wykład 6
Etapy procesu prognozowania na podstawie
modelu ekonometrycznego
1) Oszacowanie modelu ekonometrycznego.
2) Weryfikacja modelu i ocena dobroci dopasowanie – model jest
dobrym narzędziem prognostycznym tylko wtedy, gdy ma
wysoki współczynnik determinacji.
3) Testy własności prognostycznych modelu.
4) Interpretacja błędów prognoz ex post.
5) Wyznaczenie prognozy.
6) Ocena jakości prognozy ex ante (względny błąd prognozy)
7) Interpretacja prognozy punktowej wraz z błędem prognozy ex
ante i prognozy przedziałowej.
D. Ciołek
EKONOMETRIA – wykład 6
Prognozowanie na podstawie modelu statycznego
Wartości zmiennych prognozujących w okresie prognozowanym:
-
są założone jako skutek pewnej decyzji,
-
wyznaczamy na podstawie tendencji rozwojowej tych
zmiennych lub na podstawie innego modelu.
Prognoza punktowa:
Teoretyczna wartość zmiennej prognozowanej w okresie
prognozowanym.
k
j
T
k
j
T
j
T
P
j
T
x
x
x
y
,
2
,
2
1
,
1
0
...
ˆ
D. Ciołek
EKONOMETRIA – wykład 6
Prognozowanie na podstawie modelu statycznego
Wartości zmiennych prognozujących w okresie prognozowanym:
-
są założone jako skutek pewnej decyzji,
-
wyznaczamy na podstawie tendencji rozwojowej tych
zmiennych lub na podstawie innego modelu.
Prognoza punktowa:
Teoretyczna wartość zmiennej prognozowanej w okresie
prognozowanym.
k
j
T
k
j
T
j
T
P
j
T
x
x
x
y
,
2
,
2
1
,
1
0
...
ˆ
D. Ciołek
EKONOMETRIA – wykład 6
Prognozowanie na podstawie modelu statycznego
Ocena dokładności prognozy ex ante:
Średni błąd prognozy ex ante:
Informuje, o ile przeciętnie wyznaczona prognoza może odchylać
się od rzeczywistej wartości zmiennej prognozowanej w okresie
prognozowanym.
Względny błąd prognozy ex ante:
Pozwala ocenić
dopuszczalność
prognozy.
2
ˆ
,
ˆ
'
ˆ
j
T
j
t
P
j
T
X
X
%
100
ˆ
ˆ
,
p
j
T
P
j
T
P
j
T
y
V
D. Ciołek
EKONOMETRIA – wykład 6
Prognozowanie na podstawie modelu statycznego
Jeżeli składniki zakłócające modelu mają rozkłady normalne, to:
Zatem:
Prognoza przedziałowa:
)
1
(
,
,
~
ˆ
ˆ
ˆ
ˆ
k
T
P
j
T
p
j
T
j
T
P
j
T
j
T
t
y
y
1
ˆ
ˆ
2
/
,
t
y
y
P
P
j
T
p
j
T
j
T
1
}
ˆ
ˆ
ˆ
ˆ
{
,
2
/
,
2
/
P
j
T
p
j
T
j
T
P
j
T
p
j
T
t
y
y
t
y
P
D. Ciołek
EKONOMETRIA – wykład 6
Przykład:
W grupie 2000 rodzin przez 11 miesięcy prowadzono badania
dotyczące miesięcznych wydatków na żywność w setkach zł
(
y
). Przyjęto, ze wydatki te zależą od przeciętnej liczby osób
w rodzinie (
x
1
) oraz miesięcznego dochodu rodziny na
osobę w setkach zł (
x
2
). Oszacowano następujący model
ekonometryczny:
Ponadto wyznaczono:
2
)
019
,
0
(
1
)
284
,
0
(
)
291
,
0
(
1217
,
0
077
,
2
438
,
3
ˆ
t
t
t
x
x
y
835
,
9
001023
,
0
ˆ
984
,
0
2
2
y
R
]
819
,
0
[
052
,
0
]
828
,
0
[
377
,
0
629
,
2
W
JB
DW
]
140
,
0
[
476
,
5
PF
D. Ciołek
EKONOMETRIA – wykład 6
Przykład cd:
Znana jest również:
Należy wyznaczyć prognozę punktową i przedziałową
na okres następny. Jeżeli przypuszcza się, że
przeciętna liczba członków w rodzinie w następnym
okresie wyniesie 2,8, a zmiany miesięcznego
dochodu rodziny są dobrze opisane przez
następujący model tendencji rozwojowej:
Ocenić dopuszczalność tej prognozy w oparciu o ocenę
ex ante.
034
,
0
049
,
0
008
,
0
049
,
0
081
,
0
042
,
0
008
,
0
042
,
0
085
,
0
ˆ
t
x
t
06
,
0
24
,
6
ˆ
2
D. Ciołek
EKONOMETRIA – wykład 6
Przykład cd:
1) Czy model może być wykorzystany jako narzędzie
prognostyczne?
2) Wektor zmiennych prognozujących w okresie
prognozowanym:
3) Prognoza punktowa:
96
,
6
12
06
,
0
24
,
6
ˆ
8
,
2
2
,
12
1
,
12
x
x
96
,
6
8
,
2
1
12
x
101
,
10
96
,
6
1217
,
0
8
,
2
077
,
2
438
,
3
ˆ
12
P
y
D. Ciołek
EKONOMETRIA – wykład 6
Przykład cd:
4) Dokładność prognozy – ocena ex ante:
Średni błąd prognozy:
Względny błąd prognozy:
0633
,
0
001023
,
0
96
,
6
8
,
2
1
034
,
0
049
,
0
008
,
0
049
,
0
081
,
0
042
,
0
008
,
0
042
,
0
085
,
0
96
,
6
8
,
2
1
ˆ
12
,
P
%
627
,
0
%
100
101
,
10
0633
,
0
12
P
V
D. Ciołek
EKONOMETRIA – wykład 6
Przykład cd:
5) Prognoza przedziałowa:
W 95 przypadkach na 100 rzeczywista wartość wydatków na
żywność w okresie 12 znajdzie się w przedziale od 996 do
1024 zł zakładając, że przeciętna liczba osób w rodzinie
wyniesie 2,8, a przeciętny dochód w rodzinie na jedną osobę
wyniesie 396 zł.
05
,
0
0633
,
0
201
,
2
101
,
10
0633
,
0
201
,
2
101
,
10
12
y
24
,
10
96
,
9
12
y
D. Ciołek
EKONOMETRIA – wykład 6
Prognozowanie na podstawie modelu dynamicznego
1) Na podstawie modelu tendencji rozwojowej lub tendencji
rozwojowej z wahaniami sezonowymi.
Za wartości zmiennych prognozujących podstawiane są: t = numer
okresu, na który wyznaczana jest prognoza oraz 1 dla właściwej
zmiennej odpowiadającej danemu kwartałowi lub miesiącowi.
2) Na podstawie modeli z opóźnionymi zmiennymi, np.:
prognozuje się podstawiając do modelu odpowiednio opóźnione
obserwacje na zmiennej objaśniającej.
t
t
dq
dq
dq
t
y
4
4
3
3
2
2
1
0
t
q
t
q
t
t
t
t
x
x
x
x
y
...
2
2
1
1
0
0
25
D. Ciołek
EKONOMETRIA – wykład 6
Na co należy zwrócić szczególną uwagę (podsumowanie):
Czym jest predykcja (prognozowanie) ekonometryczne?
Co to jest horyzont prognozy?
Jakie warunki muszą być spełnione, aby możliwe było
wyznaczenie prognozy ekonometrycznej?
Na czym polega zasada predykcji nieobciążonej?
Jak sprawdzić, czy model może być wykorzystany do
prognozowania?
Co to jest prognoza warunkowa, a na czym polega
prognozowanie bezwarunkowe?
Co to znaczy: ocenić prognozę ex ante, a co oznacza ocena ex
post?
Jakie błędy ex post wykorzystuje się do oceny prognoz?
Jak interpretuje się wartość prognozy, błąd ex ante prognozy
oraz przedział ufności dla prognozy?