Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Nowakowski, Maciej" wg kryterium: Autor

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 26
Tytuł:
Analiza porównawcza wyników numerycznego modelowania opływu profilu NACA 63-209 uzyskanych w programach Xfoil oraz Comsol
Autorzy:
Nowakowski, Mirosław.
Panas, Andrzej J.
Żyluk, Andrzej.
Białecki, Maciej (1964- ).
Powiązania:
Zeszyty Naukowe / Wyższa Szkoła Oficerska Sił Powietrznych 2014, nr 1, s. 19-34
Data publikacji:
2014
Tematy:
PZL TS-11 Iskra (samolot) budowa badanie
Analiza numeryczna
Zastosowanie i wykorzystanie
Opis:
Rys., tab.
Dostawca treści:
Bibliografia CBW
Artykuł
Tytuł:
Czy dezagregacja indeksu cen poprawia prognozy polskiej inflacji?
Forecasting Inflation Components – Does it Help to Predict Polish Inflation?
Autorzy:
Baranowski, Paweł
Mazurek, Małgorzata
Nowakowski, Maciej
Raczko, Marek
Powiązania:
https://bibliotekanauki.pl/articles/1827218.pdf
Data publikacji:
2010-03-31
Wydawca:
Główny Urząd Statystyczny
Tematy:
prognozowanie
inflacja
subindeksy cen
agregacja
forecasting
inflation
inflation components
sectoral aggregation
Polska
Opis:
W dotychczasowych badaniach rozważa się celowość wykorzystania na cele prognostyczne danych o niższym stopniu agregacji (np. dla inflacji Hubrich, 2005; Reijer and Vlaar, 2006). W artykule badamy czy prognozowanie 12 subindeksów cen dóbr i usług konsumpcyjnych (komponentów inflacji), a następnie ich agregacja poprawia trafność prognozy inflacji. Prognozy inflacji oraz jej poszczególnych komponentów wyznaczymy przy pomocy modeli autoregresji (AR), średniej ruchomej (MA), wektorowej autoregresji (VAR) oraz autoregresji progowej (TAR). Otrzymane wyniki nie pozwalają jednoznacznie rozstrzygnąć postawionego problemu. Okazuje się, że dla modeli AR i TAR dezagregacja nie pozwala zmniejszyć błędów prognoz, dla modeli MA nie otrzymano jednoznacznych wskazań testów, zaś dla VAR zmniejsza błędy prognoz.
This paper examines whether forecasting CPI components improves CPI forecast. We exploit quarterly data for Poland, disaggregated into 12 components. We follow methodology used in previous studies for Euro Area (Hubrich, 2005; Reijer and Vlaar, 2006). AR, MA, TAR and unrestricted VAR models are estimated using recursive sample and aggregated into CPI. Using out-of-sample forecasts, these models are evaluated and compared to the benchmark -- equivalents for aggregate CPI. The evidence is mixed. VAR component-forecast outperform benchmark. Contrary to VAR, for AR and TAR models we do not find substantial gain from using disaggregated data. Results for MA models are not robust. Moreover, it seems that results for AR- and VAR-based forecasts are comparable to consensus forecast.
Źródło:
Przegląd Statystyczny; 2010, 57, 1; 17-33
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 26

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies