دانلود کتاب تأثیر خطاها در داده ها بر برآورد پارامترها و پیش بینی ها بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Auswirkungen von Fehlern in den Daten auf Parameterschätzungen und Prognosen
ویرایش : 1
عنوان ترجمه شده به فارسی : تأثیر خطاها در داده ها بر برآورد پارامترها و پیش بینی ها
سری : Arbeiten zur Angewandten Statistik 30
نویسندگان : Dr. Claus Weihs (auth.)
ناشر : Physica-Verlag Heidelberg
سال نشر : 1987
تعداد صفحات : 401
ISBN (شابک) : 9783790803747 , 9783662004050
زبان کتاب : German
فرمت کتاب : pdf
حجم کتاب : 9 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
اندازه و پیچیدگی مدلهای اقتصادسنجی تجربی در دهههای اخیر افزایش یافته است. از سوی دیگر، قابلیت اطمینان مواد داده های زیربنایی به سختی بهبود یافته است، و به دلیل تفکیک ناخوشایند بین تولیدکنندگان داده و کاربران داده، تعریف نادرست مدل های خطای اندازه گیری برای کاهش شکاف بین متغیرهای اقتصادی نظری و داده های موجود، تقریباً اجتناب ناپذیر به نظر می رسد. در این کار، اثرات چنین مشخصات نادرستی بر برآورد پارامترها و پیشبینیها در مدلهای افزایش پیچیدگی تا مدلهای دینامیکی غیرخطی وابسته به هم با استفاده از گزارههای مجانبی و شبیهسازیهای مونت کارلو تحلیل میشوند. روش های به دست آوردن اطلاعات در مورد نوع و اندازه خطاهای اندازه گیری نیز برای یک مدل اقتصاد کلان برای جمهوری فدرال آلمان مورد بحث قرار گرفته است. محاسبات شبیهسازی بر اساس قابلیت اطمینان و سرعت الگوریتم عددی زیربنایی برای تخمین حداکثر احتمال اطلاعات کامل در مدلهای غیرخطی به هم وابسته است. ارائه و بحث از یک الگوریتم توسعه یافته برای این منظور (روش منطقه اعتماد با مقیاس خودکار) تمرکز دوم کار را تشکیل می دهد.
Größe und Komplexität empirischer ökonometrischer Modelle haben in den letzten Jahrzehnten immer mehr zugenommen. Die Zuverlässigkeit des zugrundeliegenden Datenmaterials hat sich dagegen kaum verbessert, und eine Fehlspezifizierung von Meßfehlermodellen zur Schließung der Lücke zwischen theoretischen ökonomischen Variablen und den verfügbaren Daten erscheint schon wegen der unglücklichen Trennung zwischen Datenproduzenten und Datennutzern kaum vermeidbar. In dieser Arbeit werden die Auswirkungen solcher Fehlspezifizierungen auf Parameterschätzungen und Prognosen in Modellen wachsender Komplexität bis hin zu nichtlinearen interdependenten dynamischen Modellen analysiert mit Hilfe von asymptotischen Aussagen und Monte-Carlo-Simulationen. Für ein makroökonomisches Modell für die BRD werden außerdem Methoden diskutiert zur Beschaffung von Informationen über Art und Größe von Meßfehlern. Die Simulationsrechnungen basieren auf der Zuverlässigkeit und Schnelligkeit des zugrundeliegenden numerischen Algorithmus zur Full-Information-Maximum-Likelihood-Schätzung in nichtlinearen interdependenten Modellen. Darstellung und Diskussion eines für diesen Zweck entwickelten Algorithmus (trust-region-Verfahren mit automatischer Skalierung) bilden den zweiten Schwerpunkt der Arbeit.