سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

explorer iconلينك‌ها

[ بازگشت | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]

info iconاطلاعات مقاله

[ 53 بار مشاهده چكيده]

عنوان مقاله:برنامه های مداخله متمرکز بر درمان اضافه وزن / چاقی دوران کودکی و نوجوان
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره):31 (1)
سال انتشار:January–March 2015
شماره صفحات: 9911299-112
نشانگر دیجیتالی شیء:[ 10.1016/j.ijforecast.2014.11.002 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. International Journal Of Forecasting »
  4. Robust approaches to forecasting

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 34.224.102.60

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

report iconنمايش خلاصه مقاله

Robust Approaches To Forecasting


مقاله: برنامه های مداخله متمرکز بر درمان اضافه وزن / چاقی دوران کودکی و نوجوان

نويسند‌گان:


خلاصه مقاله:


We investigate alternative robust approaches to forecasting, using a new class of robust devices, contrasted with equilibrium-correction models. Their forecasting properties are derived facing a range of likely empirical problems at the forecast origin, including measurement errors, impulses, omitted variables, unanticipated location shifts and incorrectly included variables that experience a shift. We derive the resulting forecast biases and error variances, and indicate when the methods are likely to perform well. The robust methods are applied to forecasting US GDP using autoregressive models, and also to autoregressive models with factors extracted from a large dataset of macroeconomic variables. We consider forecasting performance over the Great Recession, and over an earlier more quiescent period.


ما روش های قوی جایگزین بررسی به پیش بینی، با استفاده از یک کلاس جدید از دستگاه قوی، در تضاد با مدلهای تعادل تصحیح. خواص پیش بینی آنها مواجه مشتق شده طیف وسیعی از مشکلات به احتمال زیاد تجربی در مبدا پیش بینی، از جمله خطاهای اندازه گیری، انگیزشها، متغیرهای حذف شده، تغییر محل پیش بینی نشده و به اشتباه شامل متغیرهایی که تجربه یک تغییر. ما استخراج و در نتیجه تعصبات پیش بینی و خطا واریانس، و نشان می دهد که روش به احتمال زیاد به خوبی انجام دهد. روش قوی به پیش بینی تولید ناخالص داخلی ایالات متحده با استفاده از مدل اتورگرسیو، و همچنین به اتورگرسیو مدل با عوامل استخراج شده از مجموعه داده های بزرگ از متغیرهای اقتصاد کلان اعمال می شود. از نظر ما پیش بینی عملکرد بیش از رکود بزرگ، و در طول یک دوره ساکن تر پیش از آن.


كلمات كليدي:

Factor models , GDP forecasts , Location shifts, Smoothed forecasting devices , Factor models, Forecast biases, GDP forecasts, Location shifts, Smoothed forecasting devices
مدل های عامل , پیش بینی تولید ناخالص داخلی , شیفت محل سکونت , دستگاه های پیش بینی هموار , مدل عامل, پیش بینی تعصبات, پیش بینی تولید ناخالص داخلی, شیفت محل سکونت , دستگاه پیش بینی هموار


موضوعات:

Business and International Management



[ ]

 

برگشت به بالا
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×