کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7408444 1481441 2015 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Comparing the effectiveness of traditional vs. mechanized identification methods in post-sample forecasting for a macroeconomic Granger causality analysis
ترجمه فارسی عنوان
مقایسه اثربخشی روش های شناسایی سنتی در مقابل مکانیزه در پیش بینی پس از نمونه گیری برای تحلیل عاملی گرانجر اقتصاد کلان
کلمات کلیدی
پیش بینی پس از نمونه، عدالت گرنجر پس از نمونه، روش های شناسایی،
ترجمه چکیده
ما مدل های پیش بینی را با استفاده از روش سنتی، تقریبا قضاوت و روش خودکار سنجی شناسایی می کنیم. سپس، اثربخشی این دو روش شناسایی متفاوت برای پیش بینی پس از نمونه، در مقایسه با یک نمونه نسبتا وسیع در آزمون علیت گرنجر پس از نمونه برداری از اقتصاد کلان، مقایسه شده است. این مثال رابطه گرنجر را در میان چهار متغیر درون متغیر اقتصاد کلان بررسی می کند - ماهانه میزان درآمد، مصرف، قیمت مصرف کننده و میزان بیکاری که در مجموعه اطلاعاتی شش بعدی قرار دارد و همچنین شامل دو نرخ بهره است که هر دو از آنها گرفته شده است. در این زمینه ضعیف درونی است. ما دریافتیم که مدل های شناسایی شده توسط روش سنتی تمایل به پیش بینی بهتر از نمونه های مشابه را با استفاده از روش مکانیزه مشخص می کند و تجزیه و تحلیل انجام شده با استفاده از روش شناسایی سنتی شواهد قویتری را برای علیت گرنجر پس از نمونه در میان چهار درون درونی متغیرها
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
پیش نمایش مقاله
مقایسه اثربخشی روش های شناسایی سنتی در مقابل مکانیزه در پیش بینی پس از نمونه گیری برای تحلیل عاملی گرانجر اقتصاد کلان
چکیده انگلیسی
We identify forecasting models using both a traditional, partially judgmental method and the mechanized Autometrics method. We then compare the effectiveness of these two different identification methods for post-sample forecasting, in the context of a relatively large-scale exemplar of macroeconomic post-sample Granger causality testing. This example examines the Granger causal relationships among four macroeconomically important endogenous variables-monthly measures of aggregate income, consumption, consumer prices, and the unemployment rate-embedded in a six-dimensional information set which also includes two interest rates, both of which are taken to be weakly exogenous in this context. We find that models indentified by the traditional method tend to have better post-sample forecasting abilities than analogous models identified using the mechanized method, and that the analysis done using the traditional identification method generates stronger evidence for post-sample Granger causality among the four endogenous variables.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Forecasting - Volume 31, Issue 2, April–June 2015, Pages 488-500
نویسندگان
, , ,