- •1. Природа економетрії.
- •2. Особливості економетричних моделей
- •4. Виробнича функція Кобба — Дугласа
- •5. Моделі пропозиції і попиту на конкурентному ринку
- •6. Модель Кейнса
- •7. Модель споживання
- •8. Загальний вигляд лінійної економетричної моделі, її структура та етапи побудови.
- •9. Передумови застосування методу найменших квадратів (1мнк). Оператор оцінювання 1мнк
- •13.Поняття мультиколінеaрності
- •14. .Ознаки мультиколінеарності
- •15.. Алгоритм Фаррара - Глобера
- •17. Суть гомо- та гетероскедастичності
- •19. Методи визначення гетероскедастичності
- •21. Узагальнений метод найменших квадратів (метод Ейткена)
- •24. Критерій Дарбіна — Уотсона
- •25. Критерій фон Неймана
- •26. Коефіцієнти автокореляції та їх застосування.
- •28. Метод Ейткена
- •29. Метод Кочрена — Оркатта
- •30. Метод перетворення вихідної інформації
- •31. Метод Дарбіна
- •40. Оцінювання параметрів авторегресійних моделей
- •41. Метод Ейткена
- •42. Ітеративний метод
- •43. Двокрокова процедура
- •44. Інструментальні змінні
- •46. Проблеми ідентифікації структурних моделей
- •51. Рекурсивні системи
- •53.Сутність методу інструментальних змінних
- •54. Методи інструментальних змінних
- •55.Оператор оцінювання Вальда
- •56. Особливості оцінювання методом Бaртлета
- •57. Оператор оцінювання Дарбіна
- •58.Приклад побудови економетричної моделі на основі даних, що мають помилки вимірювання
- •59.Проблеми прогнозування
- •60.Постановка задачі прогнозування Рассмотрим вначале классическую регрессионную модель
- •Если теперь возьмем дополнительный набор
- •61.Безумовне прогнозування
- •62.Умовне прогнозування
- •63.Стійкість регресійної моделі
- •64.Оцінка якості прогнозів
64.Оцінка якості прогнозів
Наиболее употребительной оценкой прогноза является относительная ошибка прогноза , причем она применяется как для оценки прогноза действительных значений, так и для оценки прогноза приростов. В первом случае используются сами значения и . Во втором случае вместо них используются прогнозный ∆ и действительный ∆ приросты в прогнозный период.
Относительная ошибка прогноза определяется как абсолютное значение ошибки прогноза, деленное на действительное значение показателя
. (9.22)
Относительная ошибка прогноза прироста определяется аналогично:
. (9.23)
Непосредственное применение формул (9.22), (9.23) для оценки качества прогноза невозможно. Во-первых, нам неизвестно истинное и прогнозное значения. Во-вторых, в случае условного прогнозирования прежде чем спрогнозировать значение зависимой переменной, возникает необходимость оценить будущие значения независимых переменных. Поэтому должны существовать другие методы оценки качества прогноза.
Наиболее простой способ – оценить прогнозную точность модели до прогнозирования. При установлении устойчивости регрессионной модели мы заранее ограничили период выборки наблюдениями так, чтобы у нас осталось несколько последних наблюдений. Устойчивость модели означает, что оба уравнения регрессии (для и наблюдений) значимо не отличаются друг от друга, и мы можем считать, что они обладают одинаковыми прогнозными способностями.
Для «короткой» регрессии прогнозируемые значения уровней ряда (от до ) можно вычислить из уравнения этой регрессии, так как соответствующие значения независимых переменных известны. Следовательно, можно определить относительные ошибки прогнозов
(9.24)
и относительные ошибки прогнозов приростов
, (9.25)
где .
Теперь можно оценить качество прогноза «длинной» регрессии, приравняв относительную ошибку прогноза (9.22) среднему значению относительных ошибок (9.24):
, (9.26)
а относительную ошибку прогноза прироста (9.23) – среднему значению относительных ошибок (9.25):
. (9.27)
Если вычислены точностные характеристики прогнозной модели – средняя относительная ошибка (7.55)
(9.28)
и средняя относительная ошибка приростов
(9.29)
и окажется, что
или , (9.30)
то можно сделать вывод об удовлетворительном качестве прогноза.
Следует иметь ввиду, что к выводу о качестве прогноза на основании значения относительной ошибки прогноза (9.26) нужно относиться осторожно, так как при медленном изменении показателя во времени трудно ожидать большой относительной ошибки прогноза. Соответствующий показатель приростов (9.27) является более приемлемым при реальном прогнозировании.