Ocena korelacji wyników testu koniunktury z wykorzystaniem ukrytych modeli Markowa

• Autorzy: Michał Bernardelli

Warianty tytułu

Correlation analysis of survey data with the use of hidden Markov models

• Języki publikacji: PL

Abstrakty

W artykule opisano zastosowanie nowej miary zależności opartej na ukrytych modelach Markowa oraz ścieżkach Viterbiego, do badania stopnia korelacji pomiędzy szeregami sald odpowiedzi respondentów na pytania testu koniunktury w przemyśle prowadzonego przez Instytut Rozwoju Gospodarczego Szkoły Głównej Handlowej w Warszawie. Wyznaczone wartości współczynników nowej korelacji zestawiono z klasyczną korelacją Pearsona. Dokonano porównania na przykładowych parach szeregów, będącego empirycznym dowodem przydatności nowej miary na danych ankietowych. W wielu przypadkach proponowany pomiar podobieństwa między szeregami okazał się bardziej adekwatny. Co więcej, zastosowanie bardziej wyrafinowanej metody pozwala na identyfikację okresów podobieństwa oraz okresu większego zróżnicowania analizowanych szeregów.(abstrakt oryginalny)

EN

The paper proposes a new measure of the similarity between time series, based on hidden Markov models and Viterbi paths. The results are compared with the Pearson correlation coefficient. The comparison shows that the proposed measure gives more accurate estimates of the similarity and has some advantages over other measures commonly used, namely, it identifies periods (subsamples) of high and low similarity between time series.(original abstract)

Słowa kluczowe

PL

Modele Markowa; Algorytm Viterbiego; Korelacja; Szeregi czasowe

EN

Markov models; Viterbi algorithm; Correlation; Time-series

• Czasopismo: Prace i Materiały Instytutu Rozwoju Gospodarczego / Szkoła Główna Handlowa
• Rocznik: 2018
• Numer: nr 100 Wydanie jubileuszowe dedykowane profesor Elżbiecie Adamowicz
• Strony: 55--83

Twórcy

autor

Michał Bernardelli

• Szkoła Główna Handlowa w Warszawie

Bibliografia

• Bernardelli, M. (2014). Parallel deterministic procedure based on hidden Markov models for the analysis of economic cycles in Poland. "Roczniki Kolegium Analiz Ekonomicznych SGH", 34: 75-87.
• Bernardelli, M. Hidden Markov models as a tool for assessing dependence of phenomena of an economic nature. "Acta Universitatis Lodziensis. Folia Oeconomica". To be published.
• Bernardelli, M., Dędys, M. (2014). The Viterbi path of hidden Markov models in an analysis of business tendency surveys, "Prace i Materiały Instytutu Rozwoju Gospodarczego SGH".
• Bernardelli M., Dędys M. (2017). Mapping the respondents' assessments in the RIED manufacturing tendency survey using the Viterbi paths. "Prace i Materiały Instytutu Rozwoju Gospodarczego", 101: 27-44.
• Cappe O., Moulines E., Ryden T. (2005). Inference in Hidden Markov Models. Springer.
• Kendall, M. G., Stuart, A. (1973), The Advanced Theory of Statistics, Volume 2: Inference and Relationship, Griffin.
• Soper, H. E., Young, A. W., Cave, B. M., Lee, A., Pearson, K. (1917). On the distribution of the correlation coefficient in small samples. "Biometrika", 11: 328-413.
• Szekely, G. J., Rizzo M. L., Bakirov N. K. (2007). Measuring and testing dependence by correlation of distances." Ann. Statist.", 35(6): 2769-2794.
• Tjostheim D., Hufthammer K. O. (2013). Local Gaussian correlation: A new measure of dependence. "Journal of Econometrics", 172(1): 33-48.