23 Zagadnienia - Prognozowanie i symulacje
Metody przyczynowo-skutkowe stosowane są do diagnozowania przeszłości i do prognozowania. U podstaw ich budowy leży teoria modelowanych zjawisk. W metodach tych zakłada się, że prognozowana zmienna kształtowane jest przez pewne mechanizmy, które opisuje konstruowany model ekonometryczny. Założenia:
1. Dany jest oszacowany na podstawie danych z przeszłości dobry model ekonometryczny:
dobrze dopasowany do obserwacji R2>90% (p2<10% zmienne objaśniające istotne =0,05 U=0,95
• odchylenie standardowe: wpływ czynników losowych na kształtowanie Y powinien być niewielki
Vy=s/y<25%.
2. występuje stabilność w czasie powiązania między Yi zmiennymi objaśniającymi. Tzn. zarówno postać modelu jal i wzajemne powiązania między zmiennymi będą stałe aż do momentu, na który stawiamy prognozę.
3. Nie zmieni się wpływ czynników losowych na zmienną Y. W szczególności nie pojawią się nowe zmienni objaśniające na zachowanie Y.
4. Znane są wartości zmiennych objaśniających w
okresie na który stawiamy prognozę. 7rńHła informacji o zmiennych objaśniających X:
informacje z zewnątrz o badanym zjawisku; trendy dla zmiennych objaśniających; metody przyczynowo-skutkowe dla X.
5. Można ekstra polować model poza obszar zmienności zm. Objaśniających X, na podstawie którego skonstruowano model prognostyczny.
11. NA CZYM POLEGA DEKOMPOZYCJA SZEREGU CZASOWEGO?
Dekompozycja szeregu czasowego to wyodrębnienie w nim pewnych elementów składowych. Identyfikację poszczególnych składowych szeregu czasowego konkretnej zmiennej umożliwia - w wielu przypadkach - ocena wzrokowa sporządzonego wykresu.
Jeśli w trakcie budowy modelu przeprowadza się dekompozycję szeregu czasowego, to w zależności od przyjętych założeń co do wpływu poszczególnych składowych szeregu czasowego na prognozowaną zmienną oraz wzajemnych relacji tych składowych, konstruowany model może mieć różną postać (addytywną lub multiplikatywną).
7