Ekonometria - Prognozowanie ekonometryczne, ocena stabilnosci
Transkrypt
Ekonometria - Prognozowanie ekonometryczne, ocena stabilnosci
Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 1 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Agenda 1 Test liniowych restrykcji 2 Stabilność parametrów Test Chowa Test QLR 3 Prognozowanie i błąd predykcji ex ante 4 Błąd predykcji ex post Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 2 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Agenda 1 Test liniowych restrykcji 2 Stabilność parametrów Test Chowa Test QLR 3 Prognozowanie i błąd predykcji ex ante 4 Błąd predykcji ex post Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 2 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Agenda 1 Test liniowych restrykcji 2 Stabilność parametrów Test Chowa Test QLR 3 Prognozowanie i błąd predykcji ex ante 4 Błąd predykcji ex post Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 2 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Agenda 1 Test liniowych restrykcji 2 Stabilność parametrów Test Chowa Test QLR 3 Prognozowanie i błąd predykcji ex ante 4 Błąd predykcji ex post Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 2 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Outline 1 Test liniowych restrykcji 2 Stabilność parametrów Test Chowa Test QLR 3 Prognozowanie i błąd predykcji ex ante 4 Błąd predykcji ex post Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 3 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Test Walda – łączna istotność zmiennych Łączna istotność oszacowań parametrów może być weryfikowana przy pomocy testu Walda, tj.: H0 : β1 = β2 = . . . = βk =0 (1) H1 : ∃j∈{1,...,k} βj 6= 0 (2) Statystyka testowa: F= (1 − R2 /k − (k + 1)) R2 )/(n (3) Statystyka testowa F ma rozkład F-Snedecora z r1 = k oraz r2 = n − (k + 1) stopniami swobody. Jeżeli F > F r1 ,r2 ,α - to dorzucamy H0 na rzecz H1 . Jeżeli F < F r1 ,r2 ,α -to nie ma podstaw do odrzucenia H0 na rzecz H1 . Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 4 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Test Walda umożliwia przede wszystkim szersze testowanie restrykcji liniowych. H0 : R × β = q (4) Macierz restrykcji R jest wymiarów r × (k + 1), gdzie r to liczba restrykcji. Restrykcje są zapisywane wierszowo, a test Walda pozwala na weryfikację koniunkcji wszystkich restrykcji. Statystyka testowa: F= (SSE(β̂) − SSE(β̂ R ))/r SSE(β̂)/(n − (k + 1)) ma rozkład F-Snedecora z r1 = r oraz r2 = n − (k + 1). SSE(β̂ R ) - jest sumą kwadratów reszt modelu z restrykcjami; SSE(β̂) - jest sumą kwadratów reszt modelu bez restrykcji; (5) Przykłady wykorzystania testu Walda: Weryfikowanie restrykcji ekonomicznych. Test pominiętych zmiennych. Wiarygodność wnioskowania zależy od potencjalnych problemów ze składnikiem losowym, tj. autokorelacji czy heteroskedastyczności! Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 5 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Przykłady zapisu macierzowego w teście liniowych restrykcji Walda Przykład #1: test Walda na istotność zmiennych w modelu: 0 0 R= . . . 0 1 0 .. . 0 0 1 .. . 0 ... ... .. . ... 0 0 .. . 1 0 0 oraz q = .. . 0 Przykład #2: załóżmy, że mamy cztery zmienne egzogeniczne oraz 1 2 3 β1 = β3 β2 = ν β1 + β4 = γ. Wtedy: " R= Jakub Mućk Ekonometria 0 0 0 1 0 1 0 1 0 Ćwiczenia 4 −1 0 0 0 0 1 # " oraz q= 0 ν γ # Prognozowanie, stabilność 6 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Test Walda i odporny estymator kowariancji Częstym rozwiązaniem problemu autokorelacji lub heteroskeastyczności jest wykorzystanie odpornego estymatora kowariancji. Statystyka testu Walda nie będzie wiarygodna, jeżeli składnik losowy będzie wykazywał autokorelację lub heteroskedastyczność. Statystyka W uwzględniająca odporny estymator kowariancji: W = (Rβ − q)0 R0 VR (Rβ − q) , (6) gdzie V to odporny estymator macierzy kowariancji, a R i q opisują r testowanych hipotez. Statystyka W ma rozkład χ2 z r stopniami swobody. Zależność między statystykami F i W: F= 1 W, r (7) gdzie F ma rozkład F-Snedecora z r1 = r oraz r2 = n − (k + 1). Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 7 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Test Chowa Test QLR Outline 1 Test liniowych restrykcji 2 Stabilność parametrów Test Chowa Test QLR 3 Prognozowanie i błąd predykcji ex ante 4 Błąd predykcji ex post Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 8 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Test Chowa Test QLR Stabilność oszacowań parametrów modeli ekonometrycznych jest zasadna zarówno w przypadku prognozowania jak i analizy strukturalnej. Testy statystyczne: test Chowa i QLR. Estymacja rekursywna (recursive estimation) lub na oknie o stałej liczbie obserwacji (rolling window estimation). Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 9 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Test Chowa Test QLR Test Chowa pozwala na statystyczną identyfikację zmiany strukturalnej parametrów. Punktem wyjściowym w teście Chowa jest wybór punktu załamania strukturalnego, a więc momentu w czasie, po którym nastąpiła zmiana strukturalna. Przed załamaniem strukturalnym yt = β0,1 + β1,1 x1t + . . . + βk,1 xkt + εt (8) Po załamaniu strukturalnym yt = β0,2 + β1,2 x1t + . . . + βk,2 xkt + ηt (9) Zestaw hipotez: H0 : ∀1∈(1,..,k) βi = βi,1 = βi,2 (10) H1 : ∃1∈(1,..,k) βi,1 6= βi,2 (11) SSE − SSE1 − SSE2 /(k + 1) (SSE1 + SSE2 )/(n − 2(k + 1)) (12) Statystyka testowa: F= gdzie SSE to suma kwadratów reszt w całej próbie, a SSE1 oraz SSE1 w pierwszej oraz drugiej podróbie. Statystyka F ma rozkład F-snedecora z k + 1 oraz n − 2(k + 1) stopniami swobody. Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 10 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Test Chowa Test QLR Test QLR Test QLR pozwala rozwiązać problem, gdy nieznany jest dokładny punkt załamania strukturalnego. Rozważana postać regresji: yt = k X βi xjt + i=0 k X δi βi xjt It (τ ) + εt (13) i=0 gdzie It (τ ) to zmienna zero-jedynkowa przyjmująca wartość 1 gdy t ≤ τ Jako punkt załamania strukturalnego rozważany jest każdy punkt τ należący do sensownego przedziału, np. 70% środkowych obserwacji. Dla każdego punktu τ obliczana jest statystyka testowa F i dalsze wnioskowanie opiera się na schemacie analogicznym do testu Chowa. Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 11 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Outline 1 Test liniowych restrykcji 2 Stabilność parametrów Test Chowa Test QLR 3 Prognozowanie i błąd predykcji ex ante 4 Błąd predykcji ex post Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 12 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Zasady prognozowania punktowego: Zasada prognozowania według wartości oczekiwanej. Zasada prognozowania według największego prawdopodobieństwa. Zasada prognozowania według mediany. Zasada prognozowania minimalizującego oczekiwaną stratę. Model przydatny do prognozowania: Charakteryzuje się stabilnymi w czasie oszacowaniami. Posiada znane realizacje wartości zmiennych objaśniających. Zostać pozytywnie zweryfikowany, tj. własności składnika losowego nie powinny budzić zastrzeżeń. Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 13 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Prognoza punktowa opiera się o: oszacowania wektora (β̂) oraz realizację zmiennych objaśniających (Xτ ): yτP = Xτ β̂ (14) Błąd prognozy ex ante wynika z niepewności oszacowań parametrów strukturalnych (błąd estymacji) oraz błędu struktury stochastyczne: SτP = S q 1 + XτT (X T X )−1 XτT (15) gdzie S to estymator odchylenia standardowego składnika losowego. Średni względny błąd prognozy: ντ = SτP |yτP | (16) Prognoza przedziałowa opiera się zarówno o prognozę punktową jak i błąd prognozy: (17) P yτP − tα SτP < yτP < yτP + tα SτP = 1 − α Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 14 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Outline 1 Test liniowych restrykcji 2 Stabilność parametrów Test Chowa Test QLR 3 Prognozowanie i błąd predykcji ex ante 4 Błąd predykcji ex post Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 15 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post W przeciwieństwie do błędu prognozy ex ante, błąd prognozy ex post pozwala na ocenę trafności prognoz w porównaniu do zrealizowanych wartości zmiennej y. Podobnie jest w przypadku mierników dopasowania modelu do danych – błąd prognozy ex post nie powinnien być nadrzędnym kryterium w wyborze modelu ekonometrycznego. Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 16 / 17 Test liniowych restrykcji Stabilność parametrów Prognozowanie i błąd predykcji ex ante Błąd predykcji ex post Średni błąd predykcji ME (mean error): n X 1 n ME = P (yτ − yτ ) (18) i=1 Średni absolutny błąd predykcji MAE (mean absolute error): n X 1 n MAE = P |yτ − yτ | (19) i=1 Błąd średniokwadratowy predykcji MSE (mean square error): MSE = 1 n n X P 2 (yτ − yτ ) (20) i=1 Pierwiastek błędu średniokwadratowy predykcji RMSE (root mean square error): s RMSE = 1 n n X (yτ − yτP )2 (21) i=1 Średni procentowy błąd prognozy MAPE(mean absolute percentage error) MAPE = 1 n n X | yτ − yτP | yτ (22) i=1 Jakub Mućk Ekonometria Ćwiczenia 4 Prognozowanie, stabilność 17 / 17