Prediktion av bruttoregionalprodukt : Prognosmodellering som förkortar tiden mellan officiella siffror och prognos

Prediktion av bruttoregionalprodukt : Prognosmodellering som förkortar tiden mellan officiella siffror och prognos

Arbetet har utforskat möjligheten och precisionen av BRP-prediktion för tre statistiska metoder; linjär regression, regressionsträd och modellträd. För modellutvärdering har testfelsskattning erhållen genom korsvalidering och en jämförelse mot Statistiska Centralbyråns (SCB) prognos av BRP används....

Full description

Bibliographic Details
Main Authors: Andersson, Tobias, Golovlev, Jegor
Format: Others
Language:Swedish
Published: Umeå universitet, Statistik 2015
Online Access:http://urn.kb.se/resolve?urn=urn:nbn:se:umu:diva-105335
id ndltd-UPSALLA1-oai-DiVA.org-umu-105335
record_format oai_dc
spelling ndltd-UPSALLA1-oai-DiVA.org-umu-1053352015-06-24T04:50:22ZPrediktion av bruttoregionalprodukt : Prognosmodellering som förkortar tiden mellan officiella siffror och prognosswePrediction of Gross Regional Domestic ProductAndersson, TobiasGolovlev, JegorUmeå universitet, StatistikUmeå universitet, Statistik2015Arbetet har utforskat möjligheten och precisionen av BRP-prediktion för tre statistiska metoder; linjär regression, regressionsträd och modellträd. För modellutvärdering har testfelsskattning erhållen genom korsvalidering och en jämförelse mot Statistiska Centralbyråns (SCB) prognos av BRP används. Resultatet visar att regressionsträd inte lämpar sig för BRP-prediktion, medan de andra två lyckas med rimlig felmarginal. Procentuell avvikelse för metoden som ligger närmast SCB:s prognos har 0,3 i genomsnitt och standardavvikelse 3,0. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:umu:diva-105335application/pdfinfo:eu-repo/semantics/openAccess
collection NDLTD
language Swedish
format Others
sources NDLTD
description Arbetet har utforskat möjligheten och precisionen av BRP-prediktion för tre statistiska metoder; linjär regression, regressionsträd och modellträd. För modellutvärdering har testfelsskattning erhållen genom korsvalidering och en jämförelse mot Statistiska Centralbyråns (SCB) prognos av BRP används. Resultatet visar att regressionsträd inte lämpar sig för BRP-prediktion, medan de andra två lyckas med rimlig felmarginal. Procentuell avvikelse för metoden som ligger närmast SCB:s prognos har 0,3 i genomsnitt och standardavvikelse 3,0.
author Andersson, Tobias
Golovlev, Jegor
spellingShingle Andersson, Tobias
Golovlev, Jegor
Prediktion av bruttoregionalprodukt : Prognosmodellering som förkortar tiden mellan officiella siffror och prognos
author_facet Andersson, Tobias
Golovlev, Jegor
author_sort Andersson, Tobias
title Prediktion av bruttoregionalprodukt : Prognosmodellering som förkortar tiden mellan officiella siffror och prognos
title_short Prediktion av bruttoregionalprodukt : Prognosmodellering som förkortar tiden mellan officiella siffror och prognos
title_full Prediktion av bruttoregionalprodukt : Prognosmodellering som förkortar tiden mellan officiella siffror och prognos
title_fullStr Prediktion av bruttoregionalprodukt : Prognosmodellering som förkortar tiden mellan officiella siffror och prognos
title_full_unstemmed Prediktion av bruttoregionalprodukt : Prognosmodellering som förkortar tiden mellan officiella siffror och prognos
title_sort prediktion av bruttoregionalprodukt : prognosmodellering som förkortar tiden mellan officiella siffror och prognos
publisher Umeå universitet, Statistik
publishDate 2015
url http://urn.kb.se/resolve?urn=urn:nbn:se:umu:diva-105335
work_keys_str_mv AT anderssontobias prediktionavbruttoregionalproduktprognosmodelleringsomforkortartidenmellanofficiellasiffrorochprognos
AT golovlevjegor prediktionavbruttoregionalproduktprognosmodelleringsomforkortartidenmellanofficiellasiffrorochprognos
AT anderssontobias predictionofgrossregionaldomesticproduct
AT golovlevjegor predictionofgrossregionaldomesticproduct
_version_ 1716806361830916096

Similar Items