BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Podgórska Maria (Szkoła Główna Handlowa w Warszawie), Decewicz Anna (Szkoła Główna Handlowa w Warszawie)
Tytuł
Model Markowa w analizie wyników testu koniunktury
Markov models in analysis of the business activity test
Źródło
Prace i Materiały Instytutu Rozwoju Gospodarczego / Szkoła Główna Handlowa, 2001, nr 70, s. 119-155, tab., wykr., bibliogr. 17 poz.
Tytuł własny numeru
Analiza tendencji rozwojowych w polskiej gospodarce na podstawie testu koniunktury. Metody i wyniki
Słowa kluczowe
Metoda testu koniunkturalnego, Łańcuch Markowa
Business condition test method, Markov chain
Uwagi
streszcz., summ.
Abstrakt
Jakościowe wyniki testu koniunktury gospodarczej są podstawą do budowy nie tylko statystycznych i ekonometrycznych modeli, tradycyjnie stosowanych do wnioskowania o procesie zmian koniunktury gospodarczej, lecz również klasycznych i nieklasycznych modeli Markowa. Przedmiotem tego opracowania jest prezentacja konstrukcji i estymacji wybranych typów modeli Markowa oraz ich wykorzystania w analizie dynamiki produkcji polskiego przemysłu, na podstawie wyników testu koniunktury Instytutu Rozwoju Gospodarczego Szkoły Głównej Handlowej. (fragment tekstu)

Chapter 5 presents an application of Markov models in analysis of Polish industry based on the monthly series of data of the business activity test for industry. In the section 5.1 two homogenous Markov chains, a multiple Markov chain of order 2 and an interval Markov chain are applied for modelling the changes of the industrial production. The interval Markov chain identifies the seasonal changes of the activity of the industrial firms in two periods: the winter months from december to februaty, when the volume of production decreases, and the other months of each year, when the production increases. This chain appears to be an appropriate tool of unbiased prediction of the balance of production. The ergodic properties of homogenous and multiple chains show what are the long-term trends of the industrial production. Three switching Markov models describing the changes of the activity and the seasonality of the industrial production are presented in the section 5.2. The first model was estimated based on the time series of the production balances, the other ones - on the series of the structure of responses, so in the first case some information of the test is not applied. In both cases an assumption of two different regimes allows to distinguish periodical growths and declines of the volume of production. The results of the application of these models are similar, however the models of the second type better fit to the data. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Amstad M. (1999) Markov Switching Model Applied to Business Survey Data, 24th CIRET Conference, Wellington.
  2. Dempster A.P., Laird N.M., Rubin D.B. (1977) Maximum Likelihood from Incomplete Data via the EM Algorithm, "Journal of the Royal Statistical Society", Series B, s. 1-21.
  3. Engel C., Hamilton J.D. (1990) Long Swings in the Dollar: Are They in Data and Do Markets Know It?, "American Economic Review" 80.
  4. Goldfeld S.M., Quandt R.E. (1973) A Markov Model for Switching Regressions, "Journal of Econometrics" 1, s. 3-16.
  5. Goodwin T.H. (1993) Business Cycle Analysis With a Markov Switching Model, "Journal of Business&Economic Statistics" 11(3), s. 331-339.
  6. Hamilton J.D. (1988) Rational Expectations Econometric Analysis of Changes in Regime: An Investigation of the Term StJ-ucture of Interest Rates, "Journal of Economic Dynamics and Control" 12.
  7. Hamilton J.D. (1990) Analysis of Time Series subject to Changes in Regime, "Journal of Econometrics "45, s.39-70.
  8. Hamilton J.D. (1994) Time Series Analysis, Princeton University Press, Princeton, New Jersey.
  9. Iosifescu M. (1988) Skończone procesy Markowa i ich zastosowania, PWN, Warszawa.
  10. Kemeny J.G., Snell J.L. (1976) Finite Markov Chains, Springer, New York.
  11. Kim C.J. (1994) Dynamic Linear Models with Markow Switching, "Journal of Econometrics" 60, s. 1-22.
  12. Lee T.C., Judge G.G., Zellner A. (1970) Estimating the Parameters of the Markov Probability Model from. Aggregate Time Series Data, North Holland, Amsterdam.
  13. Podgórska M., Decewicz A. (2000) Markov Models for Polish Industry, referat na XXV konferencję CIRET, Paryż.
  14. Podgórska M., Śliwka P., Topolewski M., Wrzosek M. (2000) Łańcuchy Markowa w teorii i w zastosowaniach, Oficyna Wydawnicza SGH, Warszawa.
  15. Sullivan J.H., Woodall W.H. (1999) Estimating Markov Transition Matrices Using Uncertain Observed States, "Stochastic Analysis and Applications", 17 (2), s. 253-274.
  16. Tabeau A. (1987) Łańcuchy przedziałami Markowa. Część I: Podstawowe własności," Przegląd Statystyczny" 24 (4), s. 355-367.
  17. Tabeau A. (1988) Łańcuchy przedziałami Markowa. Część II: Rozkłady graniczne, "Przegląd Statystyczny" 25 (1), s. 99-107.
Cytowane przez
Pokaż
ISSN
0866-9503
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu