Prognosmodell för svenska läns bruttoregionalprodukt (BRP)
En komparativ analys av bayesian model averaging, best subset selection och en longitudinell modell.
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.