umu.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Prognosmodell för svenska läns bruttoregionalprodukt (BRP): En komparativ analys av bayesian model averaging, best subset selection och en longitudinell modell.
Umeå University, Faculty of Social Sciences, Umeå School of Business and Economics (USBE), Statistics.
Umeå University, Faculty of Social Sciences, Umeå School of Business and Economics (USBE), Statistics.
2015 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Forecast model for Swedish län’s regional gross domestic product (GDPR). : A comparative analysis of bayesian model averaging, best subset selection and a longitudinal model. (English)
Abstract [sv]

Föreliggande uppsats har som främsta syfte att skapa en prognosmodell för bruttoregionalprodukten (BRP) för Sveriges 21 län. Behovet av en prognosmodell motiveras av att Statistiska centralbyrån (SCB) i dagsläget redovisar de definitiva siffrorna av BRP med två års fördröjning. Det kan därmed finnas ett intresse hos regionala beslutsfattare att få en uppfattning om hur BRP utvecklats under de två senaste åren. Metoden som används är bayesian model averaging (BMA), vilken kommer att utvärderas samt jämföras med två andra metoder: En multipel linjär modell som skattas med minsta kvadratmetoden där variabelselektion utförs med best subset selection (BSS). Den andra metoden är en tidsseriemodell och kallas här för en longitudinell modell (LM). Resultatet påvisar bland annat att modellerna lider av multikollinjäritet. Hur väl dess tre metoder predikterar BRP utvärderas med Validation set approach och presenteras med olika precisionsmått. Ett av måtten mean absolute percentage error (MAPE) resulterade i 6,67 % för BMA, 6,61 % för BSS och 4,08 % för LM.

Place, publisher, year, edition, pages
2015.
National Category
Probability Theory and Statistics Other Social Sciences not elsewhere specified
Identifiers
URN: urn:nbn:se:umu:diva-105339OAI: oai:DiVA.org:umu-105339DiVA: diva2:824690
Available from: 2015-06-23 Created: 2015-06-22 Last updated: 2015-06-23Bibliographically approved

Open Access in DiVA

fulltext(2897 kB)133 downloads
File information
File name FULLTEXT01.pdfFile size 2897 kBChecksum SHA-512
da0d5a4f4befc7c6ab8c6011b55aac98acf61d4a5c74e10306924a551846726d0e4db04a1d5552b9cdef65b3f54281a96898a847bb425d11f6667d6d2f6971dc
Type fulltextMimetype application/pdf

By organisation
Statistics
Probability Theory and StatisticsOther Social Sciences not elsewhere specified

Search outside of DiVA

GoogleGoogle Scholar
Total: 133 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 189 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf