Econ.

Paulo Roberto Chahuara Vargas LAMBDA

CRITERIOS PARA EVALUAR PREDICCIONES

Si queremos comparar la capacidad de prediccin de una variable dependiente entre modelos alternativos
se utilizan una serie de criterios que se basan en medidas de la varianza del error de prediccin. As, dado un
horizonte de prediccin h, se tiene:

1) Raz del error cuadrtico promedio (ECM): Representa el error promedio para un horizonte de
prediccin.

+
1
= 2

=+1

2) Error absoluto medio: Permite hallar el error de prediccin promedio a travs del valor promedio
para un horizonte de prediccin dado (de H perodos) a partir de los valores absolutos de los errores.

+
=+1|
|
=

3) Media del valor absoluto del error porcentual: Los dos anteriores indicadores estn influenciados por
las unidades de medida de las variables dependientes de los distintos modelos que se evalan. Para
corregir este defecto se divide el promedio de los valores absolutos de los errores de prediccin para
un horizonte de prediccin dado con el valor observado de la variable dependiente en cada periodo.

+
1 | |
=

=+1

4) Coeficiente de desigualdad de Theil: La idea es acotar el valor del indicador de bondad de prediccin
de tal manera que est en el intervalo de 0 a 1.

1 + ( )2
=+1
=
1 + 1
( )2 + + ( )2
=+1 =+1

Cuando el numerador tiende a cero, U tiende a cero y ello implica que los valores predichos
son muy parecidos a los valores observados, por lo que el modelo puede ser utilizado para
predecir dado que sus pronsticos sern fiables.

Cuando U tiende a uno, esto significa que los valores simulados son iguales a cero, mientras
que los valores actuales no lo son, ya que 0 (son independientes entre s).

El Coeficiente de desigualdad de Theil, se puede descomponer en los siguientes factores1:

Sesgo: analiza si es que las medias de los valores predichos y valores observados son muy distintas.
Mientras menor sea este indicador, el modelo tendr mejor prediccin.

1
Ms precisamente, la descomposicin del error cuadrtico medio.

1
Econ. Paulo Roberto Chahuara Vargas LAMBDA

(
)2
(
)2 /

Varianza: indica la habilidad del pronstico para replicar la variabilidad de la variable real observada.
Si esta proporcin es grande significa que el modelo posee menor capacidad para replicar el
comportamiento de la serie. As, mientras menor sea este indicador, el modelo tendr mejor
prediccin.

( )2
( )2 /

Covarianza: Esta medida analiza la correlacin que existe entre los valores predichos y los valores
observados. En la prctica, se quiere que este indicador se alto.

2(1 , )
( )2 /