BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Błażejowski Marcin (Wyższa Szkoła Bankowa w Toruniu)
Tytuł
Prognozowanie miesięcznej stopy bezrobocia dla Polski oraz województw za pomocą algorytmów X-12-ARIMA oraz TRAMO/SEATS
Forecasting Monthly Unemployment Rate in Poland and Poland's Voivodeships with the Use of X-12-ARIMA and TRAMO/SEATS Algorithms
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria (24), 2009, nr 38, s. 49-59, rys., tab., bibliogr. 12 poz.
Tytuł własny numeru
Prognozowanie
Słowa kluczowe
Prognozowanie, Bezrobocie cykliczne, Stopa bezrobocia
Forecasting, Cyclical unemployment, Unemployment rate
Uwagi
summ., streszcz.
Abstrakt
W artykule podjęto się oceny trafności prognozowania miesięcznej stopy bezrobocia za pomocą automatycznych procedur wyboru modelu oraz prognozowania, tj. TRAMO/SEATS oraz X-12-ARIMA. Algorytmy te są szeroko stosowane na świecie, dlatego warto sprawdzić ich przydatność do modelowania stopy bezrobocia w województwach w Polsce. (abstrakt oryginalny)

In the paper we evaluate the accuracy of predictions of monthly unemployment rate with the use of automatic procedures of model selection and forecasting, that is TRAMO/ SEATS and X-12-ARIMA. These 2 algorithms are widely used all aver the world, so it seems worth checking their usefulness for forecasting unemployment rate in Poland's voivodeships. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Błażejowski M., Prognozowanie miesięcznej stopy bezrobocia dla powiatów województwa kujawsko-pomorskiego za pomocą algorytmów TRAMO/SEATS oraz X-12-ARIMA, [w:] B. Kołosowska (red.), Gospodarka i finanse w warunkach globalizacji, Wyższa Szkoła Bankowa, Toruń 2008.
  2. Cieślak M. (red.), Prognozowanie gospodarcze. Metody i zastosowania, Wydawnictwo Naukowe PWN, Warszawa 2005.
  3. Kufel T., Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL, Wydawnictwo Naukowe PWN, Warszawa 2007.
  4. Marvall A., Gŏmez V., Estimation, prediction and interpolation of nonstationary time series with the Kalman filter, "Journal of American Statistical Association" 1994, nr 426 (89).
  5. McDonald-Johnson K.M. i in., Comparing automatic modeling procedures of TRAMO and X-12-ARIMA. An update, U.S. Census Bureau, 2007.
  6. Osińska M., Ekonometria finansowa, PWE, Warszawa 2006.
  7. Pawełek B., Frodyma K., Kostrzewska J., Przestrzenno-czasowa analiza rynku pracy w Polsce w ujęciu wojewódzkim w latach 1999-2004, [w:] J. Pociecha (red.), Modelowanie i prognozowanie zjawisk społeczno-gospodarczy ch, UE, Kraków 2008.
  8. Piłatowska M., Modelowanie niestacjonarnych procesów ekonomicznych. Studium metodologiczne, UMK, Toruń 2003.
  9. Piłatowska M., Weryfikacja prognoz stopy bezrobocia w Polsce, [w:] J. Pociecha (red.), Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, AE, Kraków 2007.
  10. Rozpędowska-Matraszek D., Lewandowska K., Zastosowanie metod aglomeracyjnych i modelowania wektorowo-autoregresyjnego w analizie przestrzenno-czasowej rynku pracy w Polsce, Prace Naukowe Akademii Ekonomicznej nr 1126, AE, Wrocław 2006.
  11. Rozpędowska-Matraszek D., Zastosowanie metod aglomeracyjnych w analizie przestrzenno-czasowej modelowania bezrobocia rejestrowanego w Polsce, Prace Naukowe Akademii Ekonomicznej nr 1169, AE, Wrocław 2007.
  12. Szulc E., Modelowanie dynamicznego procesu ekonomicznego z przestrzenną strukturą zależności, [w:] J. Pociecha (red.), Modelowanie i prognozowanie zjawisk społeczno-gospodarczych, UE, Kraków 2008.
Cytowane przez
Pokaż
ISSN
1899-3192
1507-3866
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu