STATISTISCHE VORAUSSAGE TECHNIKEN

Autor: MORENO CUARTAS BLANCA.
Jahr: 2004.
Universität: OVIEDO.
Ort der Lesung: FACULTAD DE CC. ECONÓMICAS Y EMPRESARIALES.
Ort der Vorbereitung: FACULTAD DE CC. ECONÓMICAS Y EMPRESARIALES.

Inhaltsangabe: Vorhersagen in Bezug auf die gleichen wirtschaftlichen Maßstab kann durch die verschiedenen Akteure und durch verschiedene Methoden, abhängig von der Wahl der Vorhersage der endgültigen Maß an Genauigkeit führen würde, dass es Partner. Angesichts der Tatsache, dass jede Methode und jedes Bediensteten, der kann erfassen unterschiedliche Aspekte der Information, erscheint es angebracht, die eine Kombination von Vorhersagen. Als Ergebnis dieser Überlegungen, diesen Bericht untersucht die Möglichkeiten von Maßnahmen im Zusammenhang mit der wirtschaftlichen Prognosen, wobei die Beurteilung und die Kombination von Vorhersagen. Im Hinblick auf die Bewertung, die ersten Vorschläge auf der Grundlage von Informationen Maßnahmen sind Theil (1966), die entwickelt Maßnahmen auf der Grundlage der Unsicherheit von Shannon (1948). Im Einklang mit diesem Ansatz, der vorliegende Bericht untersucht neue Alternativen, die beide Indikatoren auf der Grundlage der Unsicherheit (ein Maß für die Unbestimmtheit quadratische) und andere aus der Belange (quadratische Informationen im Zusammenhang mit den Prognosen auf der Grundlage quadratische und ungenau relativen Fehler). Die empirische Analyse des Verhaltens von dieser Indikatoren und deren Vergleich mit den üblichen Maßnahmen ermöglicht ziehen einige Schlussfolgerungen des Interesses. Wie für die Kombination von Vorhersagen, die Pionierarbeit beziehen sich auf Bates und Granger (1969), der eine Vorhersage Techniken für die Synthese von linearen Kombinationen der einzelnen Vorhersagen, deren Gewichte ergeben sich aus der entsprechenden Varianz. In dieser Studie untersuchten wir das Potenzial der Information Theory Kombination Techniken zu entwickeln, deren Gewichte kalibriert ungleich Vorhersagen Singles. Konkret beschäftigen wir das Prinzip der Maximierung Entropie für Maßnahmen der Unsicherheit Hannon, quadratische, und doppelklicken quadratischen, und verwenden Sie die empirischen Belege zur Verfügung, um die Gewichte meine Damen und Vorhersagen in Kombination mit der durchschnittlichen artimética. Darüber hinaus gibt es eine Kombination durch Regression auf der Grundlage quadratischen Fehler, in denen die Funktion ist ein Problem zu minimieren doppelte quadratische, und vergleicht die Prognose, die im Rahmen dieses Ansatzes in Verbindung mit der gewöhnlichen kleinsten Quadrate. Da es auch möglich, Vorhersagen beruht auf der Kombination von subjektiven Informationen, Bericht analysiert die verschiedenen Methoden zur Quantifizierung der Erwartungen, in der ihre Fähigkeit prädiktive Bewertung Maßnahmen in den klassischen sowie auf der Grundlage von Informationen. Darüber hinaus werden einige Indikatoren, fassen die Erwartungen an verschiedenen wirtschaftlichen Variablen, und zu prüfen, ihre Fähigkeit zu antizipieren die Entwicklung des Konjunkturzyklus.

Autor: FERMIN PARRA WILMER JESUS.
Jahr: 2004.
Universität: SALAMANCA.
Ort der Lesung: DEPARTAMENTO DE ESTADISTICA.
Ort der Vorbereitung: DEPARTAMENTO DE ESTADISTICA.

Inhaltsangabe: Ein häufiges Problem im Längsschnitt-Studien ist die Aufgabe, eine Art von fehlenden Daten, in denen die Zahl der Messungen vorzeitig beenden. Abhängig von der Beziehung zwischen Abwesenheit und die Antwort, Ausfallenden beeinflussen kann, vor allem in der Interpretation der Auswirkungen von Behandlungen und anderen Kovariablen der Studie. Verzicht problematischer ist die no-aleatorio (MNAR), in der die Abwesenheit steht in keinem Zusammenhang mit den Reaktionen beobachtet. Modelle gemischt Muster vorgeschlagen wurden für die Längs-Daten mit einer solchen Aufgabe. In diesen Modellen sind schichtet die Bevölkerung zum Zeitpunkt der Aufgabe, und beschreibt dann die beobachteten Daten in jeder Gruppe der Abwesenheit. Ein Problem dabei ist, dass Schichtung in einer bestimmten Zeit auftreten können drei Arten von Bounces: komplett random (MCAR), random (MAR) und nicht-aleatorios. Der Unterschied zwischen diesen beiden Arten von sensiblen Aufgabe vor kurzem erkennen Effekte von Kovariablen und differenzieren Gruppen von Verlassenheit. Dieses Papier schlägt vor, eine Methode für die Analyse von Daten mit kontinuierlichen Längs-Antworten-aleatorios keine Aussetzer. Dies ist Schichtung der Bevölkerung durch eine "Umleitung der Vernachlässigung" und mit einem mehrstufigen Modell für die Analyse. Die vorgeschlagene Methode ist im Vergleich durch eine Simulation-Studie, mit der Streichung listwise, einschließlich paarweise und Modell-Muster, vermischt mit dem Zeitpunkt der Aufgabe. Die Ergebnisse zeigen, dass unser Vorschlag ist sensitiver Nachweis von Wirkungen in der Kovariablen. Der Vorschlag bezieht sich auf eine Reihe von Längsschnittdaten, mit Ausfallenden, im Bereich der Bildung.