Hauptmenü öffnen

In der Statistik bezeichnet man als Prognosemodell oder Vorhersagemodell ein Modell, das den durch das Regressionsverfahren ermittelten funktionalen Zusammenhang verwendet, um eine Prognose der abhängigen Variablen zu liefern. Wenn zusätzliche x-Werte ohne zugehörigen y-Wert vorliegen, dann kann das angepasste Modell zur Vorhersage des Wertes von y verwendet werden.

Andere Vorhersagemodelle gibt es für Zeitreihen, siehe dazu z. B. unter Lineare Vorhersage.

Inhaltsverzeichnis

PrognosemodellBearbeiten

In der multiplen linearen Regression ergibt sich das Prognosemodell durch

 ,

wobei   den Vektor von zukünftigen abhängigen Variablen und   die Matrix der erklärenden Variablen zum Zeitpunkt   darstellt.

Die Prognose wird wie folgt dargestellt:  , woraus sich folgender Prognosefehler ergibt:  

Eigenschaften des Prognosefehlers:

  • Der Prognosefehler ist im Mittel null:  
  • Die Varianz-Kovarianz-Matrix des Prognosefehlers lautet:  

PrognosefehlerBearbeiten

Oft ist man daran interessiert, für einen neuen Wert   die Realisierung der endogenen (= abhängigen) Variablen   zu schätzen. Beispielsweise könnte   der geplante Preis eines Produktes und   der Absatz sein. In diesem Fall nimmt man ein einfaches Regressionsmodell an. Der prognostizierte Funktionswert   der exogenen (= unabhängigen) Variablen   ist dann gegeben durch

 

Da man den Wert der endogenen Variablen nie genau vorhersehen kann, ergibt sich immer ein Schätzfehler. Dieser Fehler wird als Prognosefehler bezeichnet und ergibt sich aus

 

Ist die wahre Prognosegleichung unbekannt, so ist auch der Prognosefehler unbekannt. Trotzdem ist es möglich, eine Aussage über die Präzision des Prognosefehlers zu machen. Die Prognose gilt theoretisch als präzise, da der Fehler im Mittel 0 ist:

 .

Die gemittelte Summe der Prognosefehler ergibt den mittleren absoluten Fehler.

PrognoseintervallBearbeiten

In der Inferenzstatistik ist ein Prognoseintervall, auch Vorhersageintervall oder Prädiktionsintervall genannt, ein Bereich, in dem der zu prognostizierende Wert mit einer bestimmten (hohen) Wahrscheinlichkeit ex ante zu vermuten ist. Prognoseintervalle ähneln Konfidenzintervallen, sind jedoch aufgrund ihrer Eigenschaften nicht mit ihnen zu verwechseln. Wichtig für die Berechnung eines Prognoseintervalls ist die Varianz des Prognosefehlers. Die Varianz des Prognosefehlers gibt die Variation des Prognosefehlers und somit die Zuverlässigkeit der Prognose wieder. Sie ist in der linearen Einfachregression gegeben durch:

 .

Mithilfe der Varianz des Prognosefehlers erhält man dann als  -Prognoseintervall für den prognostizierten Wert von  [1][2]

 .

EinzelnachweiseBearbeiten

  1. Von Auer: Ökonometrie. Eine Einführung. 6. Auflage, S. 135.
  2. L. Fahrmeir, R. Künstler u. a.: Statistik. Der Weg zur Datenanalyse. 8. Auflage. Springer 2016, S. 448.