Page 151 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 151
Robustnost modelov postavljenih s hipotezami 151
da je skrčila število kazalcev s šestnajst na dva (preglednica 5) oziroma štiri
(preglednica 27). Obdržana je začetna variabilnost 65 %. Posamezno glav-
no komponento vsebinsko poimenujemo in poimenovanje komponent pri-
kazujemo v naslednjem podpoglavju.
Sistem na osnovi kointegracijske metode in njegova dinamična različi-
ca VECM sta postali priljubljeni orodji za ekonomske analize in napove-
dovanje. Kointegracijska analiza obravnava problem nepravih regresij med
časovnimi vrstami. V empirični analizi smo testirali kointegracijske enač-
be, ki smo jih postavili ločeno za vsako hipotezo. V nadaljevanju podaja-
mo ugotovitve in interpretacijo. Ocena v okviru kointegracijskega sistema
lahko osvetlili pomembno medsebojno odvisnost serij, medtem ko zmanj-
šuje tveganje notranjosti. Kratkoročno nam v empirični VECM analizi
koeficienti IAC, ICTG in prihodi turistov prikažejo neposreden in nega-
tiven vpliv na ICGS. S pregledom matrike od leve proti desni in od zgoraj
navzdol pa lahko vidimo, da se šoki v gostinstvo prenašajo posredno preko
ICŽP. Na slovensko inflacijo in s tem na majhno odprto gospodarstvo (Ba-
kucs, Bojnec in Fertő 2012) pričakovano statistično značilno in pozitivno
vplivajo zunanji dejavniki (Bonham, Gangnes in Zhou 2009).
Rezultati metode glavnih komponent in interpretacija
Krušec (2007) ocenjuje napovedno moč faktorskih modelov na primeru
inflacije in njenih podkomponent (energije, industrijskih dobrin, storitev,
predelane in nepredelane hrane) za Slovenijo. Napovedi faktorskih mode-
lov se primerjajo z napovedmi AR in VAR-modelov s pomočjo kriterija
Root mean squared error (RMSE). Poleg tega so bili identificirani tudi fak-
torji, tako da se jim lahko dodeli ekonomska interpretacija. Rezultati kaže-
jo, da je faktorski model statistično značilno boljši od AR-modelov za veči-
no podkomponent, prav tako pa ni slabši od VAR-modelov in je zaradi tega
ustrezno orodje za napovedovanje inflacije v Sloveniji.
V predhodni faktorski analizi in metodi glavnih komponent smo glede
na število spremenljivk oziroma glede na grafikon lastnih vrednosti pred-
postavili faktorski model z dvema skupnima faktorjema, s katerima lahko
pojasnimo več kot 50 % variabilnosti v analizo vključenih spremenljivk. Za
oceno komunalitet smo uporabili vse metode ocenjevanja faktorske ana-
lize in metodo glavnih komponent. S pomočjo metode glavnih osi, meto-
de največjega verjetja in s posplošeno metodo najmanjših kvadratov ne pri-
demo niti do ocen faktorskih uteži niti do ocen komunalitet. Ocene uteži
smo skušali oceniti s poševno in pravokotno rotacijo faktorjev. Ocene ute-
ži se ob uporabljeni rotaciji faktorjev niso bistveno razlikovale od ocen ute-
ži brez uporabljene rotacije pri metodi najmanjših kvadratov in metodi sli-
da je skrčila število kazalcev s šestnajst na dva (preglednica 5) oziroma štiri
(preglednica 27). Obdržana je začetna variabilnost 65 %. Posamezno glav-
no komponento vsebinsko poimenujemo in poimenovanje komponent pri-
kazujemo v naslednjem podpoglavju.
Sistem na osnovi kointegracijske metode in njegova dinamična različi-
ca VECM sta postali priljubljeni orodji za ekonomske analize in napove-
dovanje. Kointegracijska analiza obravnava problem nepravih regresij med
časovnimi vrstami. V empirični analizi smo testirali kointegracijske enač-
be, ki smo jih postavili ločeno za vsako hipotezo. V nadaljevanju podaja-
mo ugotovitve in interpretacijo. Ocena v okviru kointegracijskega sistema
lahko osvetlili pomembno medsebojno odvisnost serij, medtem ko zmanj-
šuje tveganje notranjosti. Kratkoročno nam v empirični VECM analizi
koeficienti IAC, ICTG in prihodi turistov prikažejo neposreden in nega-
tiven vpliv na ICGS. S pregledom matrike od leve proti desni in od zgoraj
navzdol pa lahko vidimo, da se šoki v gostinstvo prenašajo posredno preko
ICŽP. Na slovensko inflacijo in s tem na majhno odprto gospodarstvo (Ba-
kucs, Bojnec in Fertő 2012) pričakovano statistično značilno in pozitivno
vplivajo zunanji dejavniki (Bonham, Gangnes in Zhou 2009).
Rezultati metode glavnih komponent in interpretacija
Krušec (2007) ocenjuje napovedno moč faktorskih modelov na primeru
inflacije in njenih podkomponent (energije, industrijskih dobrin, storitev,
predelane in nepredelane hrane) za Slovenijo. Napovedi faktorskih mode-
lov se primerjajo z napovedmi AR in VAR-modelov s pomočjo kriterija
Root mean squared error (RMSE). Poleg tega so bili identificirani tudi fak-
torji, tako da se jim lahko dodeli ekonomska interpretacija. Rezultati kaže-
jo, da je faktorski model statistično značilno boljši od AR-modelov za veči-
no podkomponent, prav tako pa ni slabši od VAR-modelov in je zaradi tega
ustrezno orodje za napovedovanje inflacije v Sloveniji.
V predhodni faktorski analizi in metodi glavnih komponent smo glede
na število spremenljivk oziroma glede na grafikon lastnih vrednosti pred-
postavili faktorski model z dvema skupnima faktorjema, s katerima lahko
pojasnimo več kot 50 % variabilnosti v analizo vključenih spremenljivk. Za
oceno komunalitet smo uporabili vse metode ocenjevanja faktorske ana-
lize in metodo glavnih komponent. S pomočjo metode glavnih osi, meto-
de največjega verjetja in s posplošeno metodo najmanjših kvadratov ne pri-
demo niti do ocen faktorskih uteži niti do ocen komunalitet. Ocene uteži
smo skušali oceniti s poševno in pravokotno rotacijo faktorjev. Ocene ute-
ži se ob uporabljeni rotaciji faktorjev niso bistveno razlikovale od ocen ute-
ži brez uporabljene rotacije pri metodi najmanjših kvadratov in metodi sli-
