Wybrane metody taksonomii, czyli jak dobierać zmienne do modelu?

Wybrane metody taksonomii, czyli jak dobierać zmienne do modelu?

Etapy budowy modelu ekonometrycznego • ustalenie zmiennej objaśnianej • ustalenie listy zmiennych objaśniających • dobór zmiennych • wybór postaci analitycznej modelu I. Specyfikacja zmiennych II. Konstrukcja modelu III. Estymacja parametrów IV. Weryfikacja modelu V. Prognoza

Ustalenie listy zmiennych objaśniających Zalecenia teorii ekonomii Doświadczenie, intuicja Dobór statystyczny

Ustalenie listy zmiennych objaśniających Reguły doboru Zbyt duże => utrudnienia, a nawet niemożliwość poznania prawidłowości m Ustalona, tradycje badawcze => możliwość merytorycznej kontroli Interpretacja X Xmierzalne => model ekonometryczny Dane wiarygodne, tanie, łatwo dostępne ... Opinie ekspertów np. metoda Delficka

Ustalenie listy zmiennych objaśniających Potencjalne zmienne objaśniające Potencjalne zmienne: bez opóźnień Xt opóźnione w czasie Xt-2 funkcje innych zmiennych lnX, X2 opóźniona zmienna prognozowana Yt-i zmienna czasowa t lub jej funkcje et zmienne 0-1 1. Eliminacja luk Dostępne zmienne objaśniające

Ustalenie listy zmiennych objaśniających 2. Macierz danych n - liczba obserwacji 3. Kryteria statystyczne Optymalne zmienne objaśniające

Kryteria statystyczne, czyli co należy uwzględnić przy ustalaniu najlepszych danych do opisu?

1. Dostateczna zmienność X Współczynnik zmienności zmiennej j sj - odchylenie standardowe

2. Skorelowanie z Y Nie należy wprowadzać do modelu zmiennych: o słabym i przypadkowym wpływie na Y Determinuje poprawność wyników

3. Współliniowość zmiennych objaśniających Wielokrotne powtarzanie tej samej informacji o Y Trudności w ustaleniu zmiennej o największym wpływie na Y Trudności obliczeniowe zmiana znaków b Duże błędy szacunków

4. Koincydencja rj - współczynnik korelacji xj z y bj - wartość parametru przy zmiennej j Pozwala na łatwą i sensowną interpretację współczynników modelu

5. Model dobrze dopasowany do danych empirycznych ! Skorelowanie zmiennych X => sztucznie zawyżone dopasowanie Rozwiązanie np. współczynniki pojemności informacyjnej Hellwiga

Metody doboru zmiennych

Metody doboru zmiennych Metoda regresji krokowej R2, F - wstecz - w przód Metoda analizy współczynników korelacji r Metoda Hellwiga Metoda taksonomii wrocławskiej Sieci neuronowe

Metoda analizy współczynników korelacji 2 Przykład 1 n = 8 ta = 2,447

Przykład 1 c.d. n = 8 r* = 0,707 R= r* = 0,707 < 0,9 = r01

Przykład 2 n = 30 R= r* = 0,361 Max x1

Metoda współczynników pojemności informacyjnej Hellwiga 1. Ustalenie macierzy korelacji 2. Ustalenie możliwych kombinacji L = 2m-1 3. Ustalenie wskaźników indywidualnych 4. Ustalenie wskaźników integralnych 5. Ustalenie kombinacji optymalnej

Metoda współczynników pojemności informacyjnej Hellwiga H- miara poziomu relatywnej pojemności informacyjnej danej kombinacji zmiennych objaśniających do opisu Y ! Nie zapewnia istotności wartości ocen parametrów modelu ! Współliniowość może być spowodowana małą liczbą danych

Przykład 3 R=

Przykład 3

Literatura 1. A. Zeliaś, Teoria prognozy PWE’97 2. A.Welfe Ekonometria, PWE’95 3. P.Dittmann Prognozowanie w przedsiębiorstwie,Oficyna Wydawnicza Kraków 2003 4. J.Dziechciarz (red.) Ekonometria. Metody, przykłady, zadania. Wydawnictwo Akademii Ekonomicznej im. O.Langego we Wrocławiu 2003 5. K.Jajuga (red.) Ekonometria. Metody i analiza problemów ekonomicznych, Wydawnictwo Akademii Ekonomicznej im. O.Langego we Wrocławiu’99 7. Statistica PL dla Windows. Ogólne konwencje i statystyki. 8. B.Guzik (red.) Ekonometria i badania operacyjne. Zagadnienia podstawowe. Materiały dydaktyczne AE Poznań’2000 9. M.Cieślak (red.) Prognozowanie gospodarcze. Metody i zastosowania.PWN’97 10. www.statsoft.pl

Wybrane metody taksonomii, czyli jak dobierać zmienne do modelu?