Wyniki wyszukiwania - BazEkon

1

Vector Autoregressive Models on the Polish Electric Energy Market

100%

Ganczarek-Gamrot A.

Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach

|

2009

|

nr 53 Metody wnioskowania statystycznego w badaniach ekonomicznych

121-134

In this article the relation between three whole-day markets from Polish electric energy market was presented. Vector Autoregressive models of prices and volumes of electric energy from the Day Ahead Market (DAM), the Internet Electricity Trading Platform (IETP), and Balance Market (BM) were applied to describe similarities and dependence between them.(original abstract)

2

Gold Investment Incentives: An Empirical Identification of the Main Gold Price Determinants and Prognostication of Gold Price Future Trends

100%

Gaspareniene L., Remeikiene R., Sadeckas A., Ginevicius R.

Economics & Sociology

|

2018

|

11

|

nr 3

248-264

During the World War I, most of the countries stopped coin production and began converting paper money into gold. Various forms of exchange were later abolished during the "Great Depression" in 1929-1933. Later, gold lost the value of money in most of the economies worldwide. Multiple price rise of gold caused a real rise in the value of gold reserves and their potential ability to cover the balance of payment deficit. At the same time, it shows that gold still plays an important role in terms of monetary aspect. The aim of this study was to determine whether ARIMA models are suitable for determining the short-term volatility of gold prices. The calculations show that ARIMA model is suitable only for short-term gold price forecasts (max. 1 year). Thus, it is necessary to apply other models (multi-regression ones) that also can reveal the relationship between gold price and its determinants. (original abstract)

3

Wybór rzędu autoregresji w zależności od parametrów modelu generującego

100%

Piłatowska M.

Ekonometria / Uniwersytet Ekonomiczny we Wrocławiu

|

2012

|

nr 4 (38)

16-35

W artykule pokazano zachowanie się różnych kryteriów wyboru modelu AR (kryteria informacyjne: AIC, BIC, HQ, oraz sekwencyjną metodę badania istotności współczynników autoregresji) przy założeniu różnych wartości parametrów modelu autoregresyjnego i różnych wielkości próby. Wskazano też na dużą przydatność skorygowanego kryterium AIC (AICC), rzadko stosowanego w polskich badaniach, do wyboru rzędu autoregresji, szczególnie w małych próbach. Podkreślono, że wybór rzędu autoregresji można rozpatrywać w kontekście wyboru prawdziwego modelu generującego (prawdziwego rzędu autoregresji), jak również w kontekście wyboru najlepszego modelu prognostycznego (czyli wyboru rzędu modelu AR, który dałby prognozy o najmniejszych błędach prognoz). Rozważania te zilustrowano analizą symulacyjną.(abstrakt oryginalny)

4

Monitorowanie autokorelacyjnego procesu za pomocą łańcuchów Markowa

100%

Kończak G., Szerszunowicz M.

Zeszyty Naukowe / Uniwersytet Ekonomiczny w Krakowie

|

2012

|

nr 892

69-78

Klasyczne metody monitorowania procesów produkcyjnych zaproponowane w latach 20. XX w. przez W.A. Shewharta mogą być stosowane, gdy spełnione są odpowiednie założenia. Wymagane jest, aby monitorowana zmienna miała rozkład normalny, wyniki pomiarów były niezależne oraz nie występowały błędy pomiarów. Jeżeli nie wszystkie wymienione założenia są spełnione, to nie jest uzasadnione korzystanie z klasycznych kart kontrolnych. W literaturze rozważanych jest wiele różnych rozwiązań pozwalających na ograniczenie wspomnianych krępujących założeń. Stosunkowo najczęściej rozwiązania te były proponowane dla przypadków, gdy nie jest spełnione założenie normalności rozkładu badanej zmiennej. Cechą charakterystyczną wielu procesów jest występowanie zależności pomiędzy kolejnymi wynikami pomiarów. Z taką sytuacją mamy do czynienia np. w różnych procesach chemicznych. W takich przypadkach metody monitorowania muszą uwzględniać specyfikę danego procesu. W artykule przedstawiono propozycję metody monitorowania procesów z występującą autokorelacją. W metodzie odchodzi się od klasycznego rozumienia sygnału rozregulowania procesu polegającego na przekroczeniu linii kontrolnych w stronę określenia nieprawidłowości w przebiegu procesu na podstawie odpowiednich sekwencji obserwacji. W opracowaniu scharakteryzowano podstawowe własności tej metody. (abstrakt autorów)

5

Zastępowanie pewnych nieskończonych szeregów zmiennych losowych szeregami skończonymi

100%

Witkowski M.

Przegląd Statystyczny

|

1997

|

44

|

z. 2

331-334

6

Nieliniowość a autoregresja w zgodnych dynamicznych modelach ekonometrycznych

75%

Kufel P.

Studia i Prace Uniwersytetu Ekonomicznego w Krakowie

|

2010

|

nr 10

51-61

W artykule podjęto rozważania na temat aproksymacji nieliniowych zależności między zjawiskami ekonomicznymi za pomocą struktur autoregresyjnych. Przedstawione zostały rozważania teoretyczne dotyczące opisu zależności nieliniowej poprzez autoregresję za pomocą rozwinięcia funkcji w szereg Taylora. Rozważania teoretyczne zostały uzupełnione analizą symulacyjną. Scenariusze symulacyjne (oparte na metodzie Monte Carlo) zakładają generowanie różnych form nieliniowych oraz wyjaśnienie ich za pomocą modeli z zawartym składnikiem autoregresyjnym, tzn. przez modele: dwuliniowy, liniowy model zgodny oraz modele oparte na rozwinięciu w szereg Taylora z pierwszej części artykułu. (fragment tekstu)

7

Assessing the Space-Time Structure with a Multidimensional Perspective

75%

Olejnik A.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2013

|

292 Spatial Econometrics and Regional Economics Analysis

37-45

Przedmiotem referatu jest ocena procesu przestrzenno-czasowego z zastosowaniem wielowymiarowej macierzy wag przestrzennych. W szczególności zakłada się, że podejście wielowymiarowe pozwala na lepszy opis struktury zależności przestrzennych. Praca ma na celu pokazać nowo opracowaną metodologię dotyczącą wielowymiarowego autoregresyjnego modelu przestrzennego WAMP z uwzględnieniem wymiaru czasowego. Zatem całość rozważań stanowi nowy element ekonometrii przestrzennej, a poprzez włączenie dodatkowej informacji na temat badanego zjawiska umożliwia wnikliwszą jego analizę. (abstrakt oryginalny)

8

Bayesian Analysis of Polish Inflation Rates Using RCA and GLL Models

75%

Kwiatkowski J.

Dynamic Econometric Models

|

2008

|

8

129-138

An extensive discussion of the empirical evidence of changes in the time series properties of inflation was provided in Cecchetti, Hooper, Kasman, Schoenholtz, and Watson (2007). In their paper they used an unobserved component model with stochastic volatility to characterize inflation and AR model with time varying coefficients and stochastic volatility to describe the growth of real GDP. These models were originally used by Stock and Watson (2007) and Nason (2006). Also Koop and Potter (2001) considered a time-varying parameter AR model where the coefficients evolve over time according to a random walk for quarterly change in the US CPI. All mention above authors found strong evidence of randomness of autoregressive parameters for inflation data. In our model-based analysis the mean of inflation is specified by a random coefficient autoregressive (RCA) or generalized linear (GLL) model. Unlike mentioned above papers, in our models the random parameters and the unobserved component follow stationary processes. Using monthly inflation data, our modelling framework and Bayesian estimation, we find remarkable changes in varying mean. The paper is organized as follows. Section 2 introduces the time-varying parameter (TVP) models and Bayesian estimation. Section 3 presents empirical results for Polish inflation. Section 4 concludes. (fragment of text)

9

On Bias of LS Estimators of the Parameters in Autoregressive Model AR(2)

75%

Rambally E.

Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Informatyka i Ekonometria

|

2017

|

12

|

nr 344

97-118

W artykule przedstawiono wzór na obciążenie warunkowego estymatora parametrów modelu autoregresji rzędu drugiego z uwzględnieniem czterech obserwacji.(abstrakt oryginalny)

10

Multiparametric and Hierarchical Spatial Autoregressive Models : The Evaluation of the Misspecification of Spatial Effects Using a Monte Carlo Simulation

75%

Łaszkiewicz E.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2014

|

vol. 5, t. 307 Spatial Econometrics and Regional Economic Analysis

59-70

Artykuł ma na celu przetestowanie modelu przestrzennego i hierarchicznego, przeznaczonych do analiz procesów przestrzennych cechujących się przestrzenną heterogenicznością i autoregresją, pod kątem skutków błędnej specyfikacji efektów przestrzennych. W badaniu wykorzystano symulację Monte Carlo, którą przeprowadzono dla modelu m-SAR i HSAR. Wyniki badania wskazują, że błędne rozpoznanie przestrzennej homogeniczności lub heterogeniczności procesu wpływa negatywnie m.in. na oszacowania parametru interakcji przestrzennych na poziomie indywidualnym. Zastosowanie modelu m-SAR do analizy procesu z przestrzenną heterogenicznością skutkuje przeszacowaniem parametru interakcji przestrzennych. (abstrakt oryginalny)

11

Modelling volatility with range-based heterogeneous autoregressive conditional heteroskedasticity model

75%

Skoczylas T.

Journal of Management and Financial Sciences

|

2014

|

7

|

nr 16

9-21

In this paper a new ARCH-type volatility model is proposed. The Range-based Heterogeneous Autoregressive Conditional Heteroskedasticity (RHARCH) model draws inspiration from Heterogeneous Autoregressive Conditional Heteroskedasticity presented by Muller et al., (1995, pp. 213-239), but employs more efficient, range-based volatility estimators instead of simple squared returns in a conditional variance equation. In the first part of this research range-based volatility estimators (such as Parkinson, or Garman-Klass estimators) are reviewed, followed by derivation of the RHARCH model. In the second part of this research the RHARCH model is compared with selected ARCH-type models with particular emphasis on forecasting accuracy. All models are estimated with a maximum likelihood method using data containing EURPLN spot rate quotation. Results show that RHARCH model often outperforms return-based models in terms of predictive abilities in both in-sample and out-of-sample periods. Also properties of standardized residuals are very encouraging in the case of the RHARCH model. (original abstract)

12

Skutki błędnej specyfikacji efektów przestrzennych w bayesowskim modelu autoregresji przestrzennej : wyniki symulacji Monte Carlo

75%

Łaszkiewicz E.

Acta Universitatis Nicolai Copernici. Ekonomia

|

2014

|

45

|

nr 2

219-234

Celem artykułu jest identyfikacja skutków pominięcia dodatkowych charakterystyk procesu przestrzennego w modelu SAR. W badaniu skupiono się na dwóch procesach przestrzennych - cechujących się występowaniem skorelowanych przestrzennie i niezależnych efektów losowych. Wyniki symulacji Monte Carlo wykazały m.in., iż pominięcie efektów losowych w modelu SAR skutkuje przeszacowaniem parametru interakcji przestrzennych oraz wariancji składnika losowego. (abstrakt oryginalny)

13

Analyzing the Effects of Food Imports on Food Production and Balance of Payments in Nigeria

75%

Ugwu E., Efuntade O., Ehinomen C.

Folia Oeconomica Stetinensia

|

2022

|

vol. 22, iss. 1

302-324

Research background: Past measures to increase food production in Nigeria, were not effective enough to curb food imports and increase food production thus leading to a deficit balance of payment for the country and a total neglect of the agricultural sector. Purpose: This study analyzes the effects of food imports on food production and Balance of Payments (BOP) in Nigeria from 1960 to 2020. Research methodology: The Auto Regressive Distributed Lag (ARDL) bound cointegration test procedure is utilized. Results: The empirical results show that food imports adversely affect food production both in the long and the short run. While for the BOP equations, food importation positively affected the country's balance of payments in the long run. The short run error-correction term coefficients are signed negatively for both the food production and BOP equations. The results show that the gap between the equilibrium values and the actual value of the dependent variables are corrected with speed of adjustment equal to 40% and 85% annually. The stability test result on the food production equation showed that the null hypothesis of no stable residuals in both the short and long run are rejected, while the estimated model is not effective with stable recursive residuals for the BOP equation. Novelty: The study therefore recommends that efforts should be geared towards boosting the country's food production by encouraging foreign investors' participation in the agricultural sector. (original abstract)

14

Efektywność modeli autoregresyjnych w prognozowaniu cen produktów rolnych w Polsce

75%

Tłuczak A., Szewczyk M.

Oeconomia Copernicana

|

2010

|

1

|

nr 1

99-119

Prognozowanie cen produktów rolnych odgrywa dużą rolę we wspomaganiu decyzji produkcyjnych w gospodarstwach rolnych. Poprawne wyznaczenie prognoz cen produktów rolnych pozwala ograniczyć ryzyko związane z prowadzeniem działalności gospodarczej. W opracowaniu autorki przedstawiły możliwość zastosowania modeli autoregresyjnych, za pomocą których wyznaczono prognozy cen podstawowych produktów rolnych w skupie na drugie półrocze 2010 roku. (abstrakt oryginalny)

15

Determining the Order of Autoregressive Models by the Application of the Tests for the Goodness of Fit of Autoregressive Schemes (Simulation Studies)

75%

Góral A., Zając K.

Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie

|

1990

|

nr 300 Selected Papers

155-166

Autoregressive models are often used for describing different stochastic processes. Practical utility of such models is connected with their simplicity and prediction qualities. One of the most mortant identification problems of autoregressive models is the choice of the order. For a long time the solution of that problem has been dependent on the researcher's intuition. Even the interesting Box, Jenkins (1978) suggestion, which is based on the analysis of the behaviour of autocorrelation and partial autocorrelation functions, cannot be fully accepted by practicians. That situation was the main reason for undertaking researches into an objective automatic method which would not need a very deep statistical analysis of the process. If the mentioned researches had been finished successfully the region of practical application of AR models would have been wider. (fragment of text)

16

A Bayesian Inference of Multiple Structural Breaks in Mean and Error Variance in Panel AR (1) Model

75%

Agiwal V., Kumar J., Shangodoyin D. K.

Statistics in Transition

|

2018

|

19

|

nr 1

7-23

This paper explores the effect of multiple structural breaks to estimate the parameters and test the unit root hypothesis in panel data time series model under Bayesian perspective. These breaks are present in both mean and error variance at the same time point. We obtain Bayes estimates for different loss function using conditional posterior distribution, which is not coming in a closed form, and this is approximately explained by Gibbs sampling. For hypothesis testing, posterior odds ratio is calculated and solved via Monte Carlo Integration. The proposed methodology is illustrated with numerical examples. (original abstract)

17

The Impact of Institutional Quality on Economic Growth: Evidence from Post-Soviet Countries

75%

Gasimov I., Asgarzade G., Jabiyev F.

Journal of International Studies

|

2023

|

16

|

nr 1

71-82

The paper investigates the long-run impact of the institutional environment on economic growth for the sample of post-Soviet countries in 1996-2021. Using the Autoregressive Distributive Lag Model, we found that a U-shaped link exists between institutional quality and economic growth. Regarding the institutional quality dimensions, a similar link was observed for four out of six factors (POLSTAB, GOVEFF, RULELAW, CONTCORR). In contrast, the other two dimensions (REGQUAL, VOACC) exhibited inverted U-shaped impact on the dependent variable. Moreover, findings provide insight into the impact of control variables such as inflation (INF), openness (OPE), and population growth rate (POPGROWTH) on economic growth. More precisely, openness was found to have positive impact on the dependent variable, while inflation and population growth rate both had negative effect on economic growth. Based on these results, the paper suggests some policy implications for post-Soviet countries in terms of achieving economic growth by improving the institutional quality environment. (original abstract)

18

The Application of Spatial Autoregressive Models for Analyzing the Influence of Spatial Factors on Real Estate Prices and Values

75%

Kobylińska K.

Real Estate Management and Valuation

|

2021

|

vol. 29, iss. 4

23-35

The spatial distribution of real estate in specific geographic locations, real estate transactions, and the prices and values of properties are a highly complex spatial phenomena that should be analyzed with the use of multidimensional methods. Spatial factors are taken into account in the modeling process to increase the reliability of real estate market analyses, and spatial autoregressive models are applied to determine the effect of spatial factors on real estate prices and values. The present study relies on a review of the literature and the results of an experiment. The concept and principles of market analysis were designed with the use of spatial autoregressive models, and the influence of selected spatial factors on real estate prices was presented on maps. Analyses involving autoregressive models enable reliable modeling and support correct interpretation of the observed processes. (original abstract)

19

Linear and Nonlinear Dynamics of Housing Price in Turkey

75%

Karamelikli H.

Ekonomia / Uniwersytet Warszawski

|

2016

|

nr 46

81-98

Housing sector have an important size in economic activities of Turkey. This sector could absorb an important size of skilled and unskilled unemployed. Furthermore, decreasing rents would cause an increase in household savings because of lightening their basic expenditures. Therefore, having knowledge about the dynamics of housing prices is very crucial for economic policymakers. In this paper, the dynamics between house prices and macroeconomic variables including inflation, interest rate, unemployment and real domestic product are studied. Despite the well-known fact that macroeconomic variables possess asymmetric and nonlinear features, many studies about the dynamics of housing prices has been tested only within a linear framework. Therefore, in this paper non-linear autoregressive distributed lag (NARDL) model is used to explore asymmetrical relations in the long-run. Despite to most researches in this field, the effect of interest rate found with a negative sign. Negative effect of both nominal interest rate and inflation on housing prices alongside of greater impact of inflation in comparison with nominal interest rate, would cause the long-run coefficient of real interest rate be positive. Forethought can explain of the positive relation of the unemployment rate and housing prices. (original abstract)

20

The Multiple Regression Model with Dichotomous Variables in Analysis of Multi-Sectional Demand for Connectivity Services - Approach Based on Per Second Billing

75%

Kaczmarczyk P.

Acta Scientiarum Polonorum. Oeconomia

|

20 (2021)

|

nr 2

47-57

W artykule przedstawiono wyniki porównawczych badań efektywności dwóch rodzajów modeli w zakresie aproksymacji oraz krótkookresowego prognozowania wieloprzekrojowego popytu na usługi połączeniowe. Zaprezentowane wyniki analiz są więc związane z doborem odpowiedniej metody prognozowania jako elementu systemu prognostycznego kierowanego do operatorów telekomunikacyjnych. Pierwszym badanym modelem był model regresji wielokrotnej z dychotomicznymi zmiennymi objaśniającymi, a drugim modelem był model regresji wielokrotnej z dychotomicznymi zmiennymi objaśniającymi z autoregresją. W obu modelach zmienną objaśnianą były sumowane co godzinę liczby sekund rozmów wychodzących z sieci wybranego operatora. Połączenia telefoniczne były analizowane pod względem takich czynników klasyfikacyjnych jak: typ doby, kategoria połączenia, grupa abonentów. Biorąc pod uwagę wszystkie poziomy czynników klasyfikacyjnych zmiennej objaśnianej, wyszczególniono 35 dychotomicznych zmiennych objaśniających. Zdefiniowany zestaw dychotomicznych zmiennych objaśniających wykorzystano w procesie estymacji obu porównywanych modeli regresji. Jednak że w drugim modelu zastosowano dodatkowo autoregresję rzędu pierwszego. Stwierdzono, że drugi model (model regresji wielokrotnej z dychotomicznymi zmiennymi objaśniającymi z autoregresją rzędu pierwszego) charakteryzuje się wyższymi możliwościami aproksymacyjnymi i predykcyjnymi niż model pierwszy (model regresji wielokrotnej z dychotomicznymi zmiennymi objaśniającymi bez autoregresji). (abstrakt oryginalny)