برازش مدل میداس
https://www.aparat.com/v/bMJK0
برازش مدل میداس:
مدل رگرسیونی با داده هایی که دارای تواتر متفاوت باشند را میداس مینامند، بنابراین تعریف این مدل رگرسیونی بیشتر در داده های کشاورزی که دارای تواتر متفاوت میباشند کاربرد دارد.
مدل رگرسیونی با داده هایی که دارای تواتر متفاوت باشند را میداس مینامند، بنابراین تعریف این مدل رگرسیونی بیشتر در داده های کشاورزی که دارای تواتر متفاوت میباشند کاربرد دارد.
در مثال ارائه شده در این آموزش بررسی عوامل موثر بر ارزش صادرات، ارزش واردات و ارزش افزوده کشاورزی، مورد نظر میباشد که تواتر این سه متغیر نامبرده که در سه معادله متغیر وابسته خواهند بود، متغیرهای مستقل ، ( دما و بارش که فصلی و تورم و نرخ ارز سایانه میباشند).
در واقع رگرسیون میداس کاربرد گسترده ای در علم اقتصاد دارد چرا که در برخی موارد تواتر متغیرها یکی نیستند و نمیتوان ارتباط بین متغیرها را سنجید. مثلا ممکن است تورم به صورت ماهیانه اعلام شود اما رشد اقتصادی سالانه باشد.مدل میداس
رگرسیون میداس این امکان را فراهم می آورد که تواتر های متفاوت با یکدیگر در یک مدل مورد بررسی قرار گیرند.
باید توجه داشت که رگرسیون‌های میداس عمدتا در افق‌های پیش‌بینی یک گام، سه گام و چهار گام به جلو نسبت به مدل پایه از دقت بالاتری برخوردار بوده‌اند.
مدل وزن‌دهی گام به گام که دارای تعداد پارامترهای زیادی است، نسبت به مدل رگرسیون میداس که دارای ویژگی‌های غیرخطی و تعداد پارامتر محدودتری است،
پیش‌بینی‌های نسبتا دقیق‌تری ارائه کرده است. بنابراین تنها تواتر زمانی رگرسیون میداس دلیل برتری آن نسبت به سایر مدل های رگرسیونی نیست و در مجموع انتظار پیش بینی های صحیح تری داریم.
مدل میداس
The secret of the Midas model:
The regression model with data that have different frequencies is called midas, so the definition of this regression model is more applicable to agricultural data that have different frequencies.
In the example presented in this training, the factors affecting the value of exports, import value and value added of agriculture are considered. The frequency of these three variables, which will be dependent in three equations, are independent variables (temperature and precipitation, which are seasonal and inflation). And exchange rates are shady).
In fact, midas regression is widely used in economics because in some cases the frequency of variables are not the same and the relationship between variables can not be measured.
For example, inflation may be announced on a monthly basis, but economic growth is annual.
Midas regression makes it possible to examine different frequencies with each other in a model.
It should be noted that Midas regressions were more accurate than the base model mainly in the one-step, three-step and four-step forward horizons.
The stepwise weighting model, which has a large number of parameters, provides relatively more accurate predictions than the Midas regression model, which has nonlinear properties and a more limited number of parameters.
Therefore, the time frequency of Midas regression alone is not the reason for its superiority over other regression models, and in general we expect more accurate predictions.
مدل میداس
برای مشاهده این فیلم در یوتیوب به آدرس زیر مراجعه نماید .
https://www.youtube.com/watch?v=6Fj5Z2_OhCg&feature=youtu.be
برای مشاهده این فیلم در تماشا به آدرس زیر مراجعه نماید .
https://tamasha.com/v/POWak
برای مشاهده این فیلم در نماشا به آدرس زیر مراجعه نماید .
https://www.namasha.com/v/GQD2kA1B
برای مشاهده مطالب بیشتر به سایت فرزدان مراجعه نماید.