100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
Eerder door jou gezocht
Eerder door jou gezocht
logo
Samenvatting Econometrische Modellen (D0N30A) (2023/2024) €5,99
In winkelwagen
Snel navigeren naar
Voorbeeld
  2.  
  3. Katholieke Universiteit Leuven (KU Leuven)
  4.  
  5. Master In De Accountancy En Het Revisoraat
  6.  
  7. Econometrische modellen (D0N30A)

Samenvatting

Samenvatting Econometrische Modellen (D0N30A) (2023/2024)

1 beoordeling
 58 keer bekeken  1 keer verkocht

Volledige samenvatting van het vak "D0N30A Econometrische modellen" gegeven door Prof. Vermuyten Hendrik in de Master Accountancy en het Revisoraat. De samenvatting is gebasseerd op de powerpoints (incl notities) en het boek "Kwantitatieve Beleidsmethoden Compiled by Martina Vandebroek". Dit vak is...

[Meer zien]

Voorbeeld 4 van de 77  pagina's

Document informatie

  • 10 februari 2024
  • 77
  • 2023/2024
  • Samenvatting

Onderwerpen

Geschreven voor

Alle documenten voor dit vak (1)

1  beoordeling

review-writer-avatar

Door: thomasvaneylen • 5 maanden geleden

Verkoper

avatar-seller
hehoqmfe

Ontvangen beoordelingen

Voorbeeld van de inhoud

Samenvatting Econometrische
Modellen

,Inhoud
1. Info ........................................................................................................................................................................... 4
2. H6:beslissen onder onzekerheid .............................................................................................................................. 5
2.1. EMV and decision trees ................................................................................................................................... 5
2.2. regel van Bayes ................................................................................................................................................ 6
2.3. EVPI: expected value of Perfect Information .................................................................................................. 7
2.4. Risico-aversie ................................................................................................................................................... 7
3. H10 & H11: Lineaire regressie ................................................................................................................................ 10
3.1. Introductie ..................................................................................................................................................... 10
3.2. Kleinstekwadratenmethode .......................................................................................................................... 14
3.3. Assumpties lineaire regressie ........................................................................................................................ 14
3.4. Standaardfout regressie ................................................................................................................................ 15
3.5. Correlatie en determinatiecoëfficiënt ........................................................................................................... 16
3.6. Significantietoetsen regressiemodel ............................................................................................................. 16
3.7. Voorbeeld: toepassing bovenstaande concepten in hetzelfde Excel bestand .............................................. 18
3.8. Modelleren: categorische variabele .............................................................................................................. 20
3.9. Modelleren: interactie ................................................................................................................................... 21
3.10. Voorbeeld modelleren met categorische variabelen .................................................................................... 21
3.11. Voorbeeld modelleren met interactie ........................................................................................................... 23
3.12. Modelleren: niet-lineaire relaties .................................................................................................................. 24
3.13. Multicollineariteit .......................................................................................................................................... 29
3.14. Nagaan regressieassumpties ......................................................................................................................... 30
3.15. Voorspellingen maken ................................................................................................................................... 31
3.16. Voorbeeld nagaan assumpties en berekenen betrouwbaarheid en predictie interval ................................ 32
3.17. Oefeningen .................................................................................................................................................... 36
4. H12: Tijdreeksanalyse en voorspellen .................................................................................................................... 41
4.1. Introductie ..................................................................................................................................................... 41
4.2. Notatie ........................................................................................................................................................... 41
4.3. Tijdreeksdata: trend ...................................................................................................................................... 41
4.4. Tijdreeksdata: seizoenseffecten .................................................................................................................... 42
4.5. Tijdreeksdata: willekeurige afwijkingen (noise) ............................................................................................ 42
4.6. Evaluatiecriteria: hoe goed de voorspellingen zijn........................................................................................ 42
4.7. Modelleren tijdreeks: idee ............................................................................................................................ 43
4.8. Modelleren tijdreeks: autocorrelatie illustreren met voorbeeld .................................................................. 44
4.9. Soorten modellen .......................................................................................................................................... 45
4.10. Regressie: trends en seizoenseffecten .......................................................................................................... 45
4.11. Regressie: assumpties.................................................................................................................................... 46
4.12. Autoregressief model .................................................................................................................................... 49
4.13. Autoregressief model: moeilijkheid .............................................................................................................. 49
4.14. Autoregressief model: random walk ............................................................................................................. 50
4.15. Smoothing methoden .................................................................................................................................... 52

2

, 4.16. Voorbeelden .................................................................................................................................................. 58
5. H17: Data Mining ................................................................................................................................................... 60
5.1. Inleiding: soorten analyses ............................................................................................................................ 60
5.2. Inleiding: leerparadigma’s ............................................................................................................................. 60
5.3. Training data en testing data ......................................................................................................................... 60
5.4. Classificatiemethoden ................................................................................................................................... 60
5.5. Logistische regressie: idee ............................................................................................................................. 60
5.6. Logistische regressie: schatten model ........................................................................................................... 61
5.7. Logistische regressie: schatten model ........................................................................................................... 62
5.8. Logistische regressie: beoordelen parameters.............................................................................................. 63
5.9. Logistische regressie: interpreteren coëfficiënten ........................................................................................ 63
5.10. Logistische regressie: voorbeeld ................................................................................................................... 64
5.11. Naïve bayes.................................................................................................................................................... 68
5.12. Neurale netwerken ........................................................................................................................................ 70
5.13. Classification trees ......................................................................................................................................... 71
5.14. Evalueren nauwkeurigheid classificaties ....................................................................................................... 71
5.15. Clustering ....................................................................................................................................................... 72
5.16. Clustering: K-means algoritme ...................................................................................................................... 73
5.17. Oefeningen .................................................................................................................................................... 73




3

, 1. Info




4

Voordelen van het kopen van samenvattingen bij Stuvia op een rij:

√ Verzekerd van kwaliteit door reviews

√ Verzekerd van kwaliteit door reviews

Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!

Snel en makkelijk kopen

Snel en makkelijk kopen

Je betaalt supersnel en eenmalig met iDeal, Bancontact of creditcard voor de samenvatting. Zonder lidmaatschap.

Focus op de essentie

Focus op de essentie

Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper hehoqmfe. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €5,99. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 52510 samenvattingen verkocht

Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen

Start met verkopen
€5,99  1x  verkocht
  • (1)
In winkelwagen
Toegevoegd