Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
90<br />
ingsprosedyre som skal iterere seg frem<br />
til estimerte verdier.<br />
Tar vi med alle forklaringsvariabl<strong>en</strong>e vil<br />
utgangspunktet for modell<strong>en</strong> være:<br />
TS t = β 0 + β 10 P t + β 11 P t-1 + β 12 P t-2<br />
+ β 13 P t-3 + β 14 P t-4 + β 2 AB t<br />
+ β 3 T t + β 4 Vdag t + β 52 S2 t<br />
+ β 53 S3 t + β 54 S4 t<br />
(2.1)<br />
hvor<br />
TSt = etterspurt volum tellerskritt i<br />
periode t<br />
Pt-i = realpris i periode t, i = 0, 1, 2, 3,<br />
4.<br />
ABt = innkoblede abonnem<strong>en</strong>t i periode<br />
t<br />
Tt = tid<strong>en</strong> i periode t<br />
Vdagt = antall virkedager i periode t<br />
Sjt = dummyvariabel for sesong j, periode<br />
t<br />
β 0 , β 1i (i = 1, 2, 3, 4), β 2 , β 3 , β 4 , β 5j (j<br />
= 2, 3, 4) er parametere som skal<br />
estimeres.<br />
Etter at regresjonsanalys<strong>en</strong> er foretatt, vil<br />
det vise seg om no<strong>en</strong> av de aktuelle variabl<strong>en</strong>e<br />
ikke får signifikant innvirkning.<br />
Da skal de i utgangspunktet utelates fra<br />
modell<strong>en</strong>.<br />
Ser vi f eks på β10 angir d<strong>en</strong> hvor mye<br />
volum tellerskritt <strong>en</strong>drer seg med når<br />
realpris<strong>en</strong> i d<strong>en</strong> period<strong>en</strong> pris<strong>en</strong> gjelder<br />
<strong>en</strong>drer seg med <strong>en</strong> <strong>en</strong>het, cet. par., dvs<br />
d<strong>en</strong> er d<strong>en</strong> partielt deriverte av TSt mhp<br />
Pt . For å få frem korttids priselastisitet<strong>en</strong><br />
for d<strong>en</strong>ne period<strong>en</strong> kan vi da multiplisere<br />
med Pt og dividere med TSt . Vi har altså<br />
at korttids priselastisitet<strong>en</strong> er gitt ved<br />
β10 * Pt /TSt (2.2)<br />
M<strong>en</strong>s β 10 er <strong>en</strong> konstant (punkt-estimat)<br />
ser vi at priselastisitet<strong>en</strong> er avh<strong>en</strong>gig av<br />
forholdet mellom P t og TS t og vil derfor<br />
variere over tid.<br />
Hvis effekt<strong>en</strong> av <strong>en</strong> pris<strong>en</strong>dring har slått<br />
tilnærmet fullt ut i etterspørsel<strong>en</strong> etter<br />
volum tellerskritt etter 4 perioder, har vi<br />
at langtids priselastisitet<strong>en</strong> er gitt ved<br />
4<br />
β1i ∗P t−i / TS ∑<br />
t<br />
i=0<br />
(2.3)<br />
På samme måte angir β 2 , β 3 og β 4 hvor<br />
mye volum tellerskritt <strong>en</strong>drer seg når hhv<br />
abonnem<strong>en</strong>t, tid og virkedager <strong>en</strong>drer seg<br />
med <strong>en</strong> <strong>en</strong>het, og det kan her også<br />
beregnes elastisiteter. β 5j (j = 2, 3, 4) sier<br />
hvor mye sesongutslag<strong>en</strong>e utgjør i forhold<br />
til 1. kvartal.<br />
2.2.2 Loglineær modell<br />
D<strong>en</strong>ne type modeller er i utgangspunktet<br />
ikkelineære. Det er imidlertid ofte mulig<br />
ved bruk av <strong>en</strong> logaritmisk transformasjon<br />
å overføre d<strong>en</strong> opprinnelige modell<strong>en</strong><br />
til <strong>en</strong> lineær form.<br />
Ofte vil begrunnels<strong>en</strong> for valg av <strong>en</strong> slik<br />
modellform ligge i observasjon og teori<br />
for <strong>en</strong> variabels utvikling: En ekspon<strong>en</strong>tiell<br />
utvikling kan f eks beskrives ved <strong>en</strong><br />
ekspon<strong>en</strong>tial-funksjon eller <strong>en</strong> funksjon<br />
der variabl<strong>en</strong>e inngår multiplikativt. En<br />
mye brukt variant er h<strong>en</strong>tet fra økonomisk<br />
teori om bedrift<strong>en</strong>es tilpasning. Der<br />
b<strong>en</strong>yttes <strong>en</strong> såkalt Cobb-Douglas produktfunksjon,<br />
hvor variabl<strong>en</strong>e (og konstant<strong>en</strong>)<br />
inngår multiplikativt med parametr<strong>en</strong>e<br />
som ekspon<strong>en</strong>ter. Dette er overførbart<br />
til vårt eksempel og gir følg<strong>en</strong>de<br />
modell når vi innlemmer alle de<br />
relevante forklaringsvariabl<strong>en</strong>e:<br />
TS t = β 0 * P t β 10 * P t-1 β 11 * P t-2 β 12<br />
* P t-3 β 13 * Pt-4 β 14 * ABt β 2<br />
* T t β 3 * Vdagt β 4<br />
* e (β 52 S2 t + β 53 S3 t + β 54 S4 t ) (2.4)<br />
hvor e er grunntallet i ekspon<strong>en</strong>tialfunksjon<strong>en</strong>.<br />
Også her vil det bli reduksjon i modell<strong>en</strong><br />
etter at regresjonsanalys<strong>en</strong> er foretatt og<br />
kun de signifikante variable er inkludert.<br />
I praksis gir ofte <strong>en</strong> slik utforming av<br />
etterspørselsfunksjon<strong>en</strong> <strong>en</strong> bedre tilpasning<br />
til data <strong>en</strong>n d<strong>en</strong> lineære. Spesielt<br />
gjelder dette i tilfeller hvor vekst og<br />
sesongutslag er øk<strong>en</strong>de. Ofte kan<br />
imidlertid dette være vanskelig å avgjøre<br />
i utgangspunktet, og derfor prøves begge<br />
funksjonsformer for å se hvilk<strong>en</strong> som gir<br />
best resultater.<br />
En transformasjon over til lineær form i<br />
parametr<strong>en</strong>e gjøres ved å ta logaritm<strong>en</strong> til<br />
(2.4). Det gir følg<strong>en</strong>de:<br />
lnTSt = lnβ0 + β10lnPt + β11lnPt-1 + β 12 lnP t-2 + β 13 lnP t-3<br />
+ β 14 lnP t-4 + β 2 lnAB t<br />
+ β 3 lnT t + β 4 lnVdag t<br />
+ β 52 S2 t + β 53 S3 t<br />
+ β 54 S4 t<br />
(2.5)<br />
Elastisiterer vi TS t mhp P t direkte i (2.4)<br />
gir dette β 10 , som er korttids priselastisitet<strong>en</strong>.<br />
I d<strong>en</strong>ne utforming<strong>en</strong> av<br />
etterspørselsfunksjon<strong>en</strong> er altså korttids<br />
priselastisitet<strong>en</strong> konstant, og gitt direkte<br />
ved d<strong>en</strong>ne parameter<strong>en</strong>. Langtids priselastisitet<strong>en</strong><br />
er da gitt som<br />
4<br />
β ∑ 1i<br />
i=0<br />
(2.6)<br />
2.2.3 Ikkelineær regresjonsmodell<br />
I d<strong>en</strong>ne artikkel<strong>en</strong> er det ikke nødv<strong>en</strong>dig<br />
å se på ikkelineære modeller fordi vi får<br />
meget god tilpasning med de prognosemodeller<br />
som vi har valgt ut. Dersom <strong>en</strong><br />
kan unngå ikkelineære modeller, så er det<br />
<strong>en</strong> fordel. Det er her <strong>en</strong> risiko for at<br />
estimeringsprosess<strong>en</strong> kan havne i lokalt<br />
og ikke globalt minimumspunkt <strong>–</strong> noe<br />
som vil føre til faktisk feil resultater.<br />
2.2.4 Veiet regresjonsmodell<br />
I de tilfeller hvor varians<strong>en</strong> til støyleddet<br />
øker eksempelvis med tid<strong>en</strong>, kan det være<br />
aktuelt å ta <strong>en</strong> logaritmisk transformasjon<br />
for å dempe d<strong>en</strong>ne økning<strong>en</strong>. Ev<strong>en</strong>tuelt<br />
kan det være aktuelt å veie de <strong>en</strong>kelte<br />
observasjoner etter et gitt mønster. En slik<br />
metode kalles veiet regresjon. I det dataunderlaget<br />
som er her, har det vist seg<br />
unødv<strong>en</strong>dig å foreta veiet regresjonsanalyse.<br />
Før vi nå foretar selve modellbygging<strong>en</strong><br />
med basis i de forklaringsvariabl<strong>en</strong>e som<br />
er trukket frem, går vi igj<strong>en</strong>nom de forutsetninger<br />
som skal være til stede i regresjonsanalys<strong>en</strong><br />
og det verktøy som kan<br />
brukes til utvikling av prognosemodell<strong>en</strong>.<br />
3 Stokastisk utforming<br />
<strong>–</strong> modellforutsetninger<br />
i regresjon<br />
Prosess<strong>en</strong> med utarbeiding av <strong>en</strong> prognosemodell<br />
er godt beskrevet i [12]. De<br />
fleste av de prinsipper for modellering<br />
som gj<strong>en</strong>nomgås der, b<strong>en</strong>yttes i regresjonsanalys<strong>en</strong>.<br />
Det fundam<strong>en</strong>tale i modellbyggingsprosess<strong>en</strong><br />
er residual<strong>en</strong>e. Arbeidet går kort<br />
ut på å analysere residual<strong>en</strong>e og ut fra<br />
dette ev<strong>en</strong>tuelt komme frem med forslag<br />
til forbedring av modell<strong>en</strong>. Residualet<br />
ved tidspunkt t betegnes med et . Det er<br />
definert som differans<strong>en</strong> mellom<br />
observasjon<strong>en</strong> ved tidspunkt og d<strong>en</strong> tilpassede<br />
verdi som er d<strong>en</strong> verdi som modell<strong>en</strong><br />
anslår ved tidspunkt t.<br />
I regresjonsmodell<strong>en</strong>e innfører vi <strong>en</strong> variabel<br />
εt som også kalles støyleddet. D<strong>en</strong>ne