Search results

1

Modele hybrydowe SEM-Tree w badaniach różnicowania się preferencji członków polskich gospodarstw domowych

100%

Sagan A., Łapczyński M.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2018

|

issue 508

198-207

PL

Celem artykułu jest identyfikacja wymiarów kształtowania się preferencji względem strategii alokacji zasobów stosowanych przez członków polskich gospodarstw domowych, aby dokonać ich segmentacji. Wymiary te wyodrębniono na podstawie ogólnopolskich danych zebranych na reprezentatywnej próbie 1100 respondentów w 410 gospodarstwach domowych. W analizie wyników wykorzystano modele hybrydowe SEM-Tree, stanowiące połączenie konfirmacyjnych modeli strukturalnych z eksploracyjnymi i predykcyjnymi modelami drzew klasyfikacyjnych i regresyjnych. Pozwala to na zastosowanie rozpoznawczego podejścia do budowy modeli strukturalnych dla heterogenicznych populacji i ocenę wpływu zmiennych klasyfikacyjnych na identyfikację segmentów, w których występują możliwie jednorodne parametry modelu strukturalnego (SEM). Podejście to łączy zalety podejścia modelowego (na etapie budowy hipotez dotyczących relacji strukturalnych i specyfikacji modeli pomiarowych) i opartego na danych podejścia eksploracyjnego

2

Wzmacnianie zdolności predykcyjnych modeli dyskryminacyjnych przez wyodrębnianie zmiennych objaśniających z sieci neuronowych

100%

Trzęsiok M.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2018

|

issue 508

227-236

PL

Wybór metody jest elementem decydującym o pomyślności procesu modelowania, choć jakość i dobór informacji wykorzystanych przy budowie modelu automatycznego uczenia się wydają się co najmniej tak samo ważne. Mimo zautomatyzowanego mechanizmu uczenia nie wystarczy do zbioru uczącego wrzucenie wszystkich danych, jakimi dysponujemy. Konieczne jest dostarczenie informacji istotnych. Jedną z możliwości jest dobór zmiennych do modelu. Inną jest ich przekształcanie. W artykule przedstawiono procedurę łączącą te dwa podejścia – wyodrębnianie zmiennych z wielowarstwowych sieci neuronowych jako metodę doboru zmiennych do modeli budowanych innymi metodami wielowymiarowej analizy statystycznej. Celem artykułu jest zbadanie, jak takie podejście wpływa na zdolności predykcyjne modeli. Pokazano, że technikę tę należy traktować jako jedną z metod wstępnego przetwarzania danych, którą warto wypróbować, bo może prowadzić do polepszenia zdolności predykcyjnych modelu końcowego, choć tego nie gwarantuje

3

Prognozowanie brakujących danych w szeregach czasowych przy zastosowaniu modeli hybrydowych – podejście teoretyczne i empiryczne

63%

Zawadzki J.

Wiadomości Statystyczne. The Polish Statistician

|

2020

|

vol. 65

|

issue 10

24-48

EN

The main goal of the article is to present the possibilities of forecasting missing observations in time series for hourly data with the application of hybrid models. Hybrid time series models and regression models with complex seasonal fluctuations were used in the study. Complex fluctuations for hourly data can be either a sum or a product of fluctuations of annual, weekly and daily cycles, while fluctuations the length of a cycle expressed by an even number (12-month and 24-hour ones) can be described using regular hierarchical models. The theoretical considerations were illustrated by an empirical analysis of the demand for electricity in hourly periods in a selected agglomeration. The statistical data covered three consecutive years of the first decade of the 2000s. The data were provided by an electricity distribution company and included in the Data Bank of the Department of Applied Mathematics in Economics of the West Pomeranian University of Technology in Szczecin. It was assumed that non-systematic gaps occur with regard to all types of seasonal fluctuations. The obtained results indicate the usefulness of hybrid models in forecasting economic phenomena subject to very frequent observations.

PL

Celem artykułu jest przedstawienie możliwości prognozowania brakujących danych w szeregach czasowych dla danych godzinnych przy zastosowaniu modeli hybrydowych. W badaniu wykorzystano hybrydowe modele szeregu czasowego oraz modele regresyjne ze złożonymi wahaniami sezonowymi. Wahania złożone dla danych godzinnych mogą być sumą lub iloczynem wahań o cyklach rocznym, tygodniowym i dobowym, a wahania o długości cyklu wyrażonej liczbą parzystą (12-miesięczne i 24-godzinne) mogą być opisywane za pomocą regularnych modeli hierarchicznych. Rozważania o charakterze teoretycznym podparto analizą empiryczną zapotrzebowania na energię elektryczną w okresach godzinnych w wybranej aglomeracji. Wykorzystano dane statystyczne obejmujące trzy kolejne lata pierwszej dekady XXI w., które zostały udostępnione przez przedsiębiorstwo zajmujące się dystrybucją energii elektrycznej i włączone do Banku Danych Katedry Zastosowań Matematyki w Ekonomii Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie. Przyjęto założenie, że luki niesystematyczne będą występowały w przypadku każdego rodzaju wahań sezonowych. Otrzymane wyniki wskazują na użyteczność modeli hybrydowych w prognozowaniu zjawisk ekonomicznych o bardzo dużej częstotliwości prowadzenia obserwacji.

Refine search results

2 Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

1 Wiadomości Statystyczne. The Polish Statistician

1 2020

2 2018

1 Sagan A.

1 Trzęsiok M.

1 Zawadzki J.

1 Łapczyński M.

Modele hybrydowe SEM-Tree w badaniach różnicowania się preferencji członków polskich gospodarstw domowych

Wzmacnianie zdolności predykcyjnych modeli dyskryminacyjnych przez wyodrębnianie zmiennych objaśniających z sieci neuronowych

Prognozowanie brakujących danych w szeregach czasowych przy zastosowaniu modeli hybrydowych – podejście teoretyczne i empiryczne