Économétrie : Prévision par modèle d'espace d'état - page 26

[EconModel]

anonymous:

Tous les cours d'économétrie (êtes-vous vraiment économiste? :)) nous indiquent quelle est la variance des estimations des paramètres du modèle et la vitesse de convergence des estimations vers les valeurs réelles : plus la taille de l'échantillon est petite et s'il n'y a pas de changements structurels dans la série, plus la variance des estimations des paramètres du modèle est grande. Lorsque la taille de l'échantillon augmente, la variance (le plus souvent :)) diminue comme eps*sqrt(n), eps>0, n étant le nombre d'observations.

Les erreurs d'estimation des paramètres contribuent à l'erreur de tout modèle. Par conséquent, plus la précision de l'estimation des paramètres est faible, plus l'erreur du modèle est importante.

D'autre part, une petite fenêtre permet de s'adapter aux changements de paramètres. En pratique, ce problème est bien mieux résolu en résolvant le problème de décroissance des paramètres du modèle au lieu de réduire la taille de la fenêtre.

Dans tous les cours d'économétrie (êtes-vous vraiment un économétricien ? :)

Je ne suis pas un économétricien - j'ai un diplôme en économétrie. Comme on dit, sentez la différence.

Dans mon travail, je suis limité à un paquet spécifique et ne peux pas aller au-delà. Le paquet contient une sélection du modèle optimal selon les critères suivants :

#                                       opt.crit=       c(  "lik",  #   log-правдоподобие (умолчан)
#                                                       "amse", #   mse для первого прогноза
#                                                        "mse",  #   среднеквадратичная ошибка 
#                                                        "sigma",#   стандартное отклонение остатка
#                                                        "mae"), #   среднее абсолютного остатка
                                        opt.crit=       c("lik"),   #   log-правдоподобие (умолчан)

J'ai lu dans un livre qui accompagne le modèle, que différents critères donnent de meilleurs résultats pour différents processus aléatoires initiaux, mais qu'en moyenne le meilleur résultat donne la vraisemblance logarithmique.

Avec le testeur, j'ai constaté que la fenêtre pour mon échantillon se situe entre 20 et 40 bars - à peu près le même résultat, mais se détériore fortement en dehors de ces dimensions. Mais ceci est pour mon échantillon particulier. J'aimerais avoir une autre base - je ne fais pas confiance au testeur, il donne un résultat privé, et aucune base pour généraliser ce résultat.

[EconModel]

yosuf:
J'étais intéressé par le type de fonction w à partir de là. Le solde présente peu ou pas d'intérêt, analysez les moyens (équité).

Il n'y a pas de mystère particulier, car le paquet public est utilisé, mais j'attends toujours 1200 indicateurs amortis, avec lesquels nous pouvons parler en langage R (dans le sens des calculs).