04012ntm a22005177i 4500 000225496 CZ-PrVSE 20210627105124.0 m d cr n|||||||||| 210627s2021 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Martinová, Kristýna ISIS:142776 dis Prediction in log-linear models with heterogeneous data eng Predikce v log-lineárních modelech s heterogenními daty / Kristýna Martinová 2021 ?? stran : digital, PDF soubor Vedoucí práce: Jan Zouhar Bakalářská práce (Bc.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2021 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2021 Logaritmická transformace vysvětlované proměnné je velmi používanou praktikou při odhadu lineárních regresních modelů. Často se používá například při práci se šikmě rozdělenými daty. Problematika spojená s log-lineárními modely spočívá ve faktu, že takový model sleduje hodnoty na jiné škále, než nás běžně výsledky zajímají. Pro získání predikcí na původní škále je proto po odhadu takového modelu nezbytná zpětná retransformace. Metody, které jsou běžně doporučovány v literatuře, předpokládají homoskedastickou náhodnou složku. Retransformace za přítomnosti heteroskedasticity je však důležitým tématem, jelikož s tímto problémem se běžně potýkáme v důlěžitých oblastech, jako je například zdravotnictví. Cílem práce je porovnat různé metody bodové a intervalové predikce hodnot závisle proměnné v log-lineárních modelech, přičemž důraz je kladen právě na práci s daty, která se svou povahou odchylují od ideálu náhodného vzorku z homogenní populace s homoskedastickou náhodnou složkou. Provedený experiment porovnává kvalitu predikcí získaných retransformací za použití korekčního faktoru předpokládajícího splnění předpokladů klasického lineárního modelu, smearing estimátoru, metody přizpůsobené heteroskedasticitě, kterou navrhl Baser, a modifikací této metody při různých formách heteroskedasticity a různých velikostech výběru. Dle výsledků experimentu lze říct, že celkově vzato poskytuje Baserova metoda kvalitnější predikce než ostatní testované metody, ačkoliv při složitější formě heteroskedasticity nefunguje příliš dobře při malých vzorcích. Ukazuje se také, že intervalová predikce není úplně spolehlivá, jelikož základní teorie je postavená na předpokladu homoskedasticity. I přesto jsou však výsledky zajímavé a zjišťujeme, že pro intervaly spolehlivosti střední po Způsob přístupu: Internet matematické metody v ekonomii [obor bakal. práce] bakalářské práce fd132403 czenas bachelor's theses eczenas metoda nejmenších čtverců heteroskedasticita náhodná složka predikované hodnoty log-lineární model Zouhar, Jan, 1982- vse2009539908 ths Frýd, Lukáš ISIS:78722 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/76183/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/76183 Hlavní práce https://insis.vse.cz/zp/76183/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/76183/posudek/oponent/71812 Oponentura https://insis.vse.cz/zp/76183/podrobnosti dc:identifier NEPOSILAT VSKP vse76183 210624 76183