Warianty tytułu
Efficiency comparison of Akaike and Hellwig methods in constructing regression model
Języki publikacji
Abstrakty
Celem naszym było porównanie kryterium Akaike i metody Hellwiga oraz wykazanie, który z tych sposobów jest bardziej efektywnym narzędziem doboru zmiennych objaśniających do modelu i tym samym uzyskania modelu optymalnego. Aby umożliwić porównanie opracowano specjalny program w języku R (The R Project for Statistical Computing, R language). Program ten oparty jest na prostej symulacji, która polega na wygenerowaniu zestawu danych posiadających rozkład normalny, a następnie zbudowaniu modelu liniowego, w którym zmienna objaśniana jest zależna od danych wcześniej wygenerowanych. W kolejnym etapie zastosowane są analizowane metody wyboru modelu, czyli sposoby Akaike i Hellwiga, a następnie dokonywane jest porównanie, która z tych metod wskazała właściwy model. Przeprowadzenie symulacji według różnych parametrów pozwoliło porównać skuteczność omawianych metod doboru zmiennych objaśniających. Następnie przeprowadzono porównanie tychże metod na podstawie budowy modeli wykorzystujących dane empiryczne. Otrzymane wyniki stały się solidną podstawą porównania kryterium informacyjnego Akaike oraz metody Hellwiga. Pozwoliły one na wskazanie, który z tych sposobów jest właściwym narzędziem doboru zmiennych objaśniających do modelu ekonometrycznego. (fragment tekstu)
This paper presents a comparison of the Akaike Information Criterion (AIC) and the Hellwig Method as methods that select explanatory variables to a model and thus enable a choice of the true model. This comparison was made in two ways. At first, the simulations were constructed in the R software (The R Project for Statistical Computing). The purpose of these simulations was to identify which of the analyzed methods more times indicates the true model. Secondly, a comparison of both methods was made on the basis of empirical data. From the set of potential explanatory variables, a set of variables was selected according to the Akaike method and the other set according to the Hellwig method. On the basis of each of the selected sets, a model was developed. Subsequently, both models were compared in terms of their adjusted coefficients of determination, standard errors of estimate and the goodness-of-fit. Results given by the simulations and results coming from the empirical models analysis indicated that the Akaike Information Criterion is a better, more efficient and more reliable tool for selecting the optimal set of explanatory variables and the true econometric model. (original abstract)
Twórcy
autor
- Politechnika Wrocławska
Bibliografia
- Bednarski T., Borowicz F. (2009), On inconsistency of Hellwig's variable choice method in regression models, "Discussiones Mathematicae Probability and Statistics", No. 29
- Cavanaugh J. E., Shumway R. H. (1998), An Akaike information criterion for model selection in the presence of incomplete data, "Journal of Statistical Planning and Inference", vol. 67, Issue 1, 16 March
- Chow G. C. (1995), Ekonometria, Wydawnictwo Naukowe PWN, Warszawa
- Dziechciarz J. (2002), Ekonometria. Metody, przykłady, zadania, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu
- Hellwig Z. (1969), Problem optymalnego wyboru predykant, "Przegląd Statystyczny", R. XVI, Zeszyt 3-4
- Kukier Ł., Szydłowski M., Tambor P. (2008), Kryterium Akaike: prostota w języku statystyki, KUL, Lublin
- Peracchi F. (2001), Econometrics, John Wiley & Sons Ltd, Chichester, West Sussex
- Serwa D. (2004), Metoda Hellwiga jako kryterium doboru zmiennych do modeli szeregów czasowych, SGH, Kolegium Analiz Ekonomicznych, Instytut Ekonometrii
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171234113
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.