Ocena korelacji wyników testu koniunktury z wykorzystaniem ukrytych modeli Markowa

##plugins.themes.bootstrap3.article.sidebar##

PDF
Opublikowane: mar 29, 2018
Słowa kluczowe:
Modele Markowa, Algorytm Viterbiego, Korelacja, Szeregi czasowe

##plugins.themes.bootstrap3.article.main##

Michał Bernardelli
Szkoła Główna Handlowa w Warszawie

Abstrakt

W artykule opisano zastosowanie nowej miary zależności opartej na ukrytych modelach Markowa oraz ścieżkach Viterbiego, do badania stopnia korelacji pomiędzy szeregami sald odpowiedzi respondentów na pytania testu koniunktury w przemyśle prowadzonego przez Instytut Rozwoju Gospodarczego Szkoły Głównej Handlowej w Warszawie. Wyznaczone wartości współczynników nowej korelacji zestawiono z klasyczną korelacją Pearsona. Dokonano porównania na przykładowych parach szeregów, będącego empirycznym dowodem przydatności nowej miary na danych ankietowych. W wielu przypadkach proponowany pomiar podobieństwa między szeregami okazał się bardziej adekwatny. Co więcej, zastosowanie bardziej wyrafinowanej metody pozwala na identyfikację okresów podobieństwa oraz okresu większego zróżnicowania analizowanych szeregów.(abstrakt oryginalny)

##plugins.themes.bootstrap3.article.details##

Numer
Nr 100 (2018): Prace i Materiały Instytutu Rozwoju Gospodarczego
Dział
Artykuły

Bibliografia

Bernardelli, M. (2014). Parallel deterministic procedure based on hidden Markov models for the analysis of economic cycles in Poland. "Roczniki Kolegium Analiz Ekonomicznych SGH", 34: 75-87.

Bernardelli, M. Hidden Markov models as a tool for assessing dependence of phenomena of an economic nature. "Acta Universitatis Lodziensis. Folia Oeconomica". To be published.

Bernardelli, M., Dędys, M. (2014). The Viterbi path of hidden Markov models in an analysis of business tendency surveys, "Prace i Materiały Instytutu Rozwoju Gospodarczego SGH".

Bernardelli M., Dędys M. (2017). Mapping the respondents' assessments in the RIED manufacturing tendency survey using the Viterbi paths. "Prace i Materiały Instytutu Rozwoju Gospodarczego", 101: 27-44.

Cappe O., Moulines E., Ryden T. (2005). Inference in Hidden Markov Models. Springer.

Kendall, M. G., Stuart, A. (1973), The Advanced Theory of Statistics, Volume 2: Inference and Relationship, Griffin.

Soper, H. E., Young, A. W., Cave, B. M., Lee, A., Pearson, K. (1917). On the distribution of the correlation coefficient in small samples. "Biometrika", 11: 328-413.

Szekely, G. J., Rizzo M. L., Bakirov N. K. (2007). Measuring and testing dependence by correlation of distances." Ann. Statist.", 35(6): 2769-2794.

Tjostheim D., Hufthammer K. O. (2013). Local Gaussian correlation: A new measure of dependence. "Journal of Econometrics", 172(1): 33-48.