Bài giảng Thống kê và phân tích dữ liệu: Dự báo

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:10

Thêm vào BST

Báo xấu

17
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Thống kê và phân tích dữ liệu: Dự báo, được biên soạn gồm các nội dung chính sau: dự báo theo mô hình nhân quả; dự báo theo mô hình chuỗi thời gian. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Thống kê và phân tích dữ liệu: Dự báo

DỰ BÁO
DỰ BÁO Hai nhóm phương pháp dự báo – Dự báo kinh tế lượng  = f ( X i ) i = 1, k (Dự báo nhân quả) – Dự báo chuỗi thời gian  = f (t ) t = 1, n
DỰ BÁO Dự báo – Dài hạn → mô hình kinh tế lượng Mô hình – Ngắn hạn → mô hình chuỗi thời gian kết hợp
DỰ BÁO THEO MÔ HÌNH NHÂN QUẢ Khoảng tin cậy đối với một giá trị riêng y y, tương ứng với xp Khoảng tin cậy đối với giá trị trung bình y, tương ứng với xp x Copyright ©2011 14-4 x xp Pearson Education, Inc.
Khoảng tin cậy đối với giá trị trung bình y, tương ứng với một giá trị cụ thể xp 1 (x p − x) 2 yˆ  t /2sε + n  (x − x) 2
Khoảng tin cậy đối với một giá trị riêng y, tương ứng với một giá trị cụ thể xp 1 (x p − x) 2 yˆ  t /2sε 1+ + n  (x − x) 2 Số hạng thêm vào bề rộng khoảng tin cậy này để phản ánh sự không chắc chắn của giá trị riêng y
DỰ BÁO THEO MÔ HÌNH CHUỖI THỜI GIAN Các giá trị – Thích hợp → ˆ t  n1 , n2  – Dự báo kiểm định (Expost Forecast) → ˆ t  n2 , n3   – Dự báo tiên nghiệm (Ex-ante Forecast) → ˆ t  n3 , t→ 
ˆ t Dự Dự Thời kỳ ước lượng báo báo Dự báo trong mẫu kiểm tiên định nghiệm Estimated Period Ex-post Ex-ante In-sample forecasting forecasting forecasting n1 n2 n3 t Trong mẫu Ngoài mẫu Mẫu
DỰ BÁO Số căn hộ Ht = f (Populationt) • Giá trị dự báo – Có điều kiện Các biến đôc lập có giá trị cụ thể / đã biết – Không có điều kiện Các giá trị biến ngoại sinh không được cho trước mà được tạo ra từ chính mô hình hoặc từ một mô hình phụ trợ
DỰ BÁO Các phương pháp làm trơn → để xác định đường xu hướng m 1 – Trung bình trượt t* =  2m + 1 j = − m X t+ j – Hàm số mũ  = t + (1 −  ) t * * t −1