Autoregresivni model (AR) - kaj je to, opredelitev in koncept

Avtoregrezijski modeli, znani tudi kot AR modeli, se uporabljajo za napovedovanje naknadnih spremenljivk (opažanj, da v celoti poznamo njihovo vrednost) v določenih trenutkih, običajno urejenih kronološko.

Avtoregresivni modeli, kot že ime pove, so modeli, ki se vrnejo nazaj. To pomeni, da sta odvisna spremenljivka in pojasnjevalna spremenljivka enaki s to razliko, da bo odvisna spremenljivka pozneje v času (t) kot neodvisna spremenljivka (t-1). Pravimo kronološko urejeno, ker smo trenutno v trenutku (t) časa. Če se premaknemo za eno obdobje, se premaknemo na (t + 1) in če se vrnemo za eno obdobje, gremo na (t-1).

Ker želimo narediti projekcijo, mora biti odvisna spremenljivka vedno vsaj v naprednejšem časovnem obdobju kot neodvisna spremenljivka. Kadar želimo narediti projekcije z uporabo avtoregresije, se moramo osredotočiti na vrsto spremenljivke, pogostost njenih opazovanj in časovni horizont projekcije.

V javnosti so znani kot AR (p), kjer p prejme oznako 'naročilo' in je enakovredno številu obdobij, v katera se bomo vrnili, da bomo izvedli napoved naše spremenljivke. Upoštevati moramo, da več kot se vrnemo obdobij nazaj ali več naročil dodeli modelu, več potencialnih informacij se bo pojavilo v naši napovedi.

V resničnem življenju napovedi z avtoregresijo najdemo v projekciji prodaje podjetja, napovedi rasti bruto domačega proizvoda (BDP) države, napovedi proračuna in zakladnice itd.

Ocena in napoved: rezultat in napaka RA

Večina prebivalstva napovedi poveže z metodo navadnih najmanjših kvadratov (OLS), napaka napovedi pa ostankom OLS. Ta zmeda lahko povzroči resne težave pri sintezi informacij, ki jih posredujejo regresijske črte.

Razlika v rezultatu:

• Ocenite: Rezultati, dobljeni z metodo OLS, so izračunani z opazovanji v vzorcu in uporabljeni v regresijski črti.
• Napoved: Napovedi temeljijo na časovnem obdobju (t + 1) pred časovnim obdobjem regresijskih opazovanj (t). Dejanskih napovedi za odvisno spremenljivko ni v vzorcu.

Razlika v napaki:

• Ocenite: ostanki (u), dobljeni z metodo OLS, so razlika med realno vrednostjo odvisne spremenljivke (Y), Y_Postavkain ocenjena vrednost (Y), podana z vzorčnimi opazovanji, Ý_Postavka.

ali_Postavka = Y_Postavka - Y._Postavka

Indeks predstavlja i-to opazovanje v obdobju t.

• Napoved: Napaka napovedi je razlika med prihodnjo vrednostjo (t + 1) vrednosti (Y), Y_{it + 1}in napoved za (Y) v prihodnosti (t + 1), Ý_{it + 1}. Realna vrednost (Y) za (t + 1) ne spada v vzorec.

Napaka napovedi = Y_{it + 1} - Y._{it + 1}

Če povzamemo, dve podrobnosti, ki jih je treba upoštevati:

1. Ocene in ostanki spadajo med opazovanja, ki so v vzorcu.
2. Napovedi in njihove napake spadajo med opažanja, ki so izvzeta iz vzorca.

Teoretični primer modela AR

Če želimo narediti napoved o ceni smučarske vozovnice za konec te sezone (t) na podlagi cen iz lanske sezone (t-1) lahko uporabimo avtoregresivni model.

Naša avtoregresivna regresija bi bila:

Ta avtoregresivni model spada v modele avtoregresije prvega reda ali bolj pogosto imenovani AR (1). Pomen avtoregresije je, da se regresija izvaja na isti spremenljivki, vendar v drugačnem časovnem obdobju (t-1 in t). Na enak način smučarske vozovnice_t ne v vzorčni smučarski vozovnici_t-1.

Na koncu bi bila razlaga takšna, da bi tako. Če se je cena prelazov v prejšnjem obdobju zvišala za 1%, se pričakuje, da se bo v naslednjem obdobju zvišala za B1%.