Wykorzystanie wskaźnika uwarunkowania macierzy obserwacji do redukcji ryzyka związanego z błędami oszacowań parametrów modeli ekonometrycznych

• Autorzy: Andrzej Grzybowski
• Języki publikacji: PL

Abstrakty

W rzeczywistych problemach modelowania ekonometrycznego coraz częściej spotykamy się z sytuacją, gdy dostępna jest pochodząca spoza bieżących danych wiedza na temat parametru regresji. Wykorzystanie takiej wiedzy a priori na ogół prowadzi do zmniejszenia ryzyka związanego ze stosowaniem danej reguły decyzyjnej. To, czy rzeczywiście ryzyko zostanie zmniejszone oraz jaki będzie stopień tej redukcji zależy w znacznym stopniu od wiarygodności informacji a priori. Praca (...) poświęcona jest właśnie temu problemowi. W analizie zastosowano, charakterystyczne dla statystycznej teorii decyzji, podejście częstościowe. Centralnym obiektem tej analizy jest funkcja ryzyka reguł decyzyjnych. Wykorzystując dane symulacyjne oszacowano metodami Monte Carlo wielkość redukcji wartości funkcji ryzyka uzyskiwanej w stosunku do ignorującego informację a priori estymatora MNK. Ponadto, dla wybranych problemów rzeczywistych wskazano występujące w praktyce możliwości redukcji ryzyka. Analizowane dane dotyczą między innymi rynku nieruchomości, rynku motoryzacyjnego czy produkcji hut stali. (fragm. tekstu)

Słowa kluczowe

PL

Modele ekonometryczne; Szacowanie ryzyka; Redukcja ryzyka; Metody estymacji

EN

Econometric models; Risk estimating; Risk reduction; Estimation methods

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2008
• Tom: Modelowanie preferencji a ryzyko '07
• Strony: 107--118

Twórcy

autor

Andrzej Grzybowski

• Politechnika Częstochowska

Bibliografia

• Bartoszewicz J. (1989). Wykłady ze statystyki matematycznej. PWN, Warszawa.
• Belsley D.A. (1991). Conditioning Diagnostics: Collinearity and Weak Data in Regression. Wiley, New York.
• Berger J.O. (1985). Statistical Decision Theory and Bayesian Analysis. Springer-Verlag, New York.
• Birkes D., Dodge Y. (1993). Alternative Methods of Regression. Wiley & Sons, New York.
• Fourdrinier D., Strawderman W.E., Wells M.T. (2003). Robust Shrinkage Estimation for Elliptically Symmetric Distributions with Unknown Covariance Matrix. Journal of Multivariate Analysis, 85, Issue 1, 24-39.
• Frees E. W. (1996). Data Analysis Using Regression Models - The Business Perspective. Prentice-Hall Inc., New Jersey.
• Geweke J. (2005). Contemporary Bayesian Econometrics and Statistics. John Wiley and Sons, New Jersey.
• Grzybowski A. (2000). Simulation Analysis of Some Regression Estimators Incorporating Prior Information - Performance for Different Loss Functions. Proceedings of 16th IMACS World Congress 2000 on Scientific Computation. Applied Mathematics And Simulation. Lausanne.
• Grzybowski A. (2002). Computer Simulations in Constructing a Coefficient of Uncertainty in Regression Estimation - Methodology and Results. Lectures Notes in Computer Science No. 2338. Springer-Verlag, Berlin, 2328, 671-678.
• Grzybowski A. (2002). Analiza funkcji ryzyka estymatorów opartych na pewnym opisie niepewności. [w:] Modelowanie preferencji a ryzyko '02. Red. T. Trzaskalik. AE, Katowice, 139-149.
• Grzybowski A. (2002). Metody wykorzystania informacji a priori w estymacji parametrów regresji. Politechnika Częstochowska, Częstochowa.
• Grzybowski A. (2003). Cross-validation Techniques in the Practical Problem of a Choice of the Regression Estimator. Scientific Research of the Institute of Mathematics and Computer science TUC. 1(2). Politechnika Częstochowska, Częstochowa, 39-44.
• Grzybowski A. (2005). Asking Price model for Used Car Market - Incorporating Prior Information. Scientific Research of the Inst, of Math, and Comp. Sci. of TUC. Politechnika Częstochowska, Częstochowa, 50-57.
• Grzybowski A. (2006). On some New Method of Incorporation Prior Information Along with its Uncertainty in Regression Estimation. Scientific Research of the Inst. of Math. and Comp. Sci. of TUC. Politechnika Częstochowska, Częstochowa, 1 (5), 23-31.
• Koop G., Poirier D.J., Tobias J.L. (2007). Bayesian Econometric Methods, Cambridge University Press, New York.
• Longford N.T. (2007). On Standard Errors of Model Based Small Area Estimators. Survey Methodology. Statistics Canada, 69, 33, 1, 69-79.
• Srivastava M.S., Kubokawa T. (2005). Minimax Multivariate Empirical Bayes Estimators under Multicollinearity. Journal of Multivariate Analysis, 93, Issue 2, 394-416.