Funkcje segmentowe jako estymatory nieparametryczne

• Autorzy: Ludwik Adamczyk
• Języki publikacji: PL

Abstrakty

Proces prognozowania ekonomicznego opartego na metodach statystycznych, nożna generalnie podzielić na dwa etapy. Pierwszy, induktywny, obejmuje analizę danych, zbieranych w krótszym lab dłuższym okresie czasu i formułowanie odpowiednich hipotetycznych praw i relacji statystycznych, których finalnym produktem jest model ekonometryczny. Model ekonometryczny otrzymuje się zwykle w postaci funkcyjnej zależności tendencji rozwojowej albo w postaci równań zależności jednej lub wielu zmiennych. Proces budowy i wykorzystania modelu do prognozowania wymaga zawsze określenia odpowiednich równań operatorowych determinujących, założoną przez badacza relację współzależności oraz oceny parametrów tego operatora na podstawie danych empirycznych. W drugim etapie, dedukcyjnym, na podstawie skonstruowanego modelu określamy wartości zwykle oczekiwane - prognozowanych zmiennych. Burzliwy rozwój statystyki i metod numerycznych, stymulowany rosnącymi wciąż możliwościami obliczeniowymi komputerów powoduje że ten klasyczny proces budowy modeli ekonometrycznych liniowo-parametrycznych jest systematycznie uzupełniany w nowe techniki estymacyjne i poszerzany o nowe koncepcje metodologiczne. O ile pierwszy przełom komputerowy wzbogacił metody regresyjne w metody autoregresyjne - zwane dziś metodami Jenkinsa - Boxa, o tyle drugi, przełom komputerowy ostatnich lat wzbogaci zapewne teorię estymacji, a tym samym i teorię prognozy ekonometrycznej o metody nieparametryczne. (fragment tekstu)

Słowa kluczowe

PL

Prognozowanie matematyczne; Estymacja nieparametryczna

EN

Mathematical forecasting; Nonparametric estimation

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 1991
• Tom: Ekonometria : materiały XXV Konferencji Ekonometrycznej i VII Seminarium Naukowego im. Zbigniewa Pawłowskiego : Katowice - Kraków - Wrocław
• Strony: 152--165

Twórcy

autor

Ludwik Adamczyk

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Adamczyk L.: Estymacja i prognozowanie szeregów czasowych metodą "spline". Problem Badawczy CPBP 10.09.V.1; Nieklasyczne metody predykcji statystycznej. Kierownik tematu prof. dr M. Cieślak, /praca niepublikowana/ Wrocław-Łódź 1986.
• Adamczyk L.: Aproksymacja i modelowanie ekonometryczne. Ossolineum, Wyd. Naukowe PAN, Wrocław-Warszawa-Kraków-Gdańsk 1986.
• Ahlberg J.H., Nilson E.N., Walsh J.L.: The Theory of Splines and their Applications. Acad. Press, New York 1967.
• Box G.E.P., Jenkins G.M.: Time Series Analysis. Forecasting and Control. Holden Day, San Francisco 1970.
• Czerwiński Z., Guzik B.: Prognozowanie eknonometryczne. PWE, Warszawa 1980.
• Dieudonnés J.: Gründsuge der modernen Analysis. VES Deutcher Verlag der Vissenschaften. Berlin 1972.
• Frechet M.: Sur les tableaux de correlation dont les marges sont données. Ann. Univ. Lyon, Sect. A, ser. 3, 14, 1951.
• Handscomb D.C.: Spline Functions. In: Methods of Numerical Approximation, Ed. Handscomb D.C., Pergamon Press, Oxford 1968.
• Hildebrand W.: Core and Equilibrium of Large Economy. Princeton, New Jersey 1974.
• Hosffding W.: Masstabinvariante Korrelationstheorie. Schriften des Math. Inst.für Angew. Math. der Uniw. Berlin 1940, Nr 5.
• Ioffe A.: Representation Theorems for ultifunotions and Analytic Sets. "Biuletin Annal Mathematical Statistics" 1978, no 1.
• Johnson N.L., Kotz S.: Distributions in Statistics. J. Wiley 1972.
• Lehmann B.L.: Some concepts of dependence. "Ann. Math. Stat." 1966, v. 37.
• Montgomery D.C., Peck E.A.: Linear Regression Analysis. J. Wiley, 1982.
• Rao Prakasa B.L.S.: Nonparametric Functional Estimation. Acad. Press, New York 1983.