Lunch seminar

14 stycznia 2019

Kolejne spotkanie z cyklu Lunch Seminar na naszym wydziale odbędzie się 23 stycznia (środa) o godz. 13.15 w sali A103Dr hab. Katarzyna Kopczewska wygłosi prezentację o tytule: „Spatial bootstrapped microeconometrics: Forecasting for out-of-sample geo-locations” (abstrakt poniżej). 

Wydziałowy cykl seminariów oferuje doskonałą możliwość zaprezentowania aktualnie prowadzonych badań w ogólnowydziałowym gronie w swobodnej, lunchowej atmosferze. Wystąpienia pozwalają prelegentom przedstawić obecnie prowadzone badania, jak również usłyszeć komentarze wspomagające rozwój realizowanych prac. 

Seminarium otwarte jest dla wszystkich – pracowników Wydziału, doktorantów, studentów studiów magisterskich i licencjackich, a także wszystkich zainteresowanych spoza WNE UW. W ramach spotkania będzie mały (kanapkowy) lunch.

Pełen harmonogram cyklu seminariów w tym semestrze znajduje się tutaj

Zainteresowanych wystąpieniem na Lunch Seminar prosimy o kontakt drogą mailową z Ewą Zawojską (ft'`&SZzw^cP58/lpCYi3b=]#[LodXs=NfYu[?uE!dy!=_@S%).

Abstrakt: Spatial econometrics for the big data point geo-locations has a limited possibility of forecasting with a calibrated model for the new out-of-sample geopoints. This is because of spatial weights matrix W defined for in-sample observations only as well as the computational complexity for a huge W. This paper proposes the novel methodology which calibrates both space and model using bootstrap and tessellation. Bootstrapping enables the calibration of the econometric model without the need for estimation on the whole dataset. The best bootstrapped model is selected with Partitioning Around Medoids (PAM) algorithm, which classifies the regression coefficients jointly, in a nonindependent manner. Tessellation for the points used in the selected best model allows for a representative division of space. New out-of-sample points are assigned to tiles and linked to the spatial weights matrix as a replacement for an original point. This efficient procedure supports the big data geo-located point data and makes feasible a usage of calibrated spatial models as a forecasting tool for out-of-sample data.

Serwisy *.wne.uw.edu.pl używają plików cookies zapisywanych na komputerach użytkowników. Są one niezbędne do prawidłowego działania mechanizmów stron internetowych Wydziału Nauk Ekonomicznych UW.

Szczegółowe informacje o Polityce obsługi cookies w serwisach Uniwersytetu Warszawskiego dostępne są na stronie https://www.uw.edu.pl/polityka-obslugi-cookies-ciasteczek-w-serwisach-uw