Prognostická aplikácia

Author

Irina Sokolova

Published

November 16, 2026

Načítanie potrebných knižníc.

Code
library(broom)
library(knitr)
library(kableExtra)
library(dplyr)

Attaching package: 'dplyr'
The following object is masked from 'package:kableExtra':

    group_rows
The following objects are masked from 'package:stats':

    filter, lag
The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union
Code
library(tidyr)

Načítanie údajov

Code
udaje <- read.csv("annual-enterprise-survey-2025-financial-year-provisional.csv", dec=".", sep=",", header = TRUE)

udaje.2025 <- udaje %>%
  filter(Year == 2025, Industry_aggregation_NZSIOC == "Level 3") %>%
  select(Industry_name_NZSIOC, Variable_name, Value)

udaje.2025$Value <- as.numeric(gsub(",", "", udaje.2025$Value))
Warning: NAs introduced by coercion
Code
udaje_wide <- udaje.2025 %>% 
  pivot_wider(names_from = Variable_name, values_from = Value, values_fn = mean)

Vyberám vysvetladúcu premennú a regresory pre podnikové dáta.

Code
potrebne <- c("Total income", "Total expenditure", "Total assets")
stopifnot(all(potrebne %in% names(udaje_wide)))

udaje7 <- udaje_wide %>% 
  select(all_of(potrebne)) %>% 
  na.omit()

stopifnot(nrow(udaje7) >= 30)

data.frame(Rok = 2025, Pocet_pozorovani = nrow(udaje7)) |>  
  kable(caption = "Údaje pripravené v predchádzajúcich cvičeniach") |>  
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
Údaje pripravené v predchádzajúcich cvičeniach
Rok Pocet_pozorovani
2025 46

Rozdelenie údajov na odhadovú a testovaciu vzorku

Code
set.seed(2026)
n <- nrow(udaje7)
index_odhad <- sort(sample(seq_len(n), size = floor(0.8 * n)))

odhadova <- udaje7[index_odhad, , drop = FALSE]
testovacia <- udaje7[-index_odhad, , drop = FALSE]

Bezpečné ošetrenie indexov, aby nedošlo k chybám pri priradení.

Code
rownames(odhadova) <- NULL
rownames(testovacia) <- NULL

stopifnot(nrow(odhadova) + nrow(testovacia) == nrow(udaje7))

data.frame(  
  Vzorka = c("Odhadová", "Testovacia", "Spolu"),  
  Pocet = c(nrow(odhadova), nrow(testovacia), nrow(udaje7)),  
  Podiel_percent = round(100 * c(nrow(odhadova), nrow(testovacia), nrow(udaje7))/n, 1)
) |>  
  kable(caption = "Rozdelenie odvetví na odhadovú a testovaciu vzorku",
        col.names = c("Vzorka", "Počet odvetví", "Podiel (%)")) |>  
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
Rozdelenie odvetví na odhadovú a testovaciu vzorku
Vzorka Počet odvetví Podiel (%)
Odhadová 36 78.3
Testovacia 10 21.7
Spolu 46 100.0

Nový odhad regresného modelu

Code
model7 <- lm(`Total income` ~ `Total expenditure` + `Total assets`, data = odhadova)

tidy(model7) |>  
  kable(digits = 5,
        col.names = c("Premenná", "Odhad", "Št. chyba", "t hodnota", "p-hodnota"),
        caption = "Regresné koeficienty odhadnuté len na odhadovej vzorke") |>  
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
Regresné koeficienty odhadnuté len na odhadovej vzorke
Premenná Odhad Št. chyba t hodnota p-hodnota
(Intercept) 240.14075 256.46515 0.93635 0.3559
`Total expenditure` 1.04067 0.01270 81.96080 0.0000
`Total assets` 0.02028 0.00083 24.38922 0.0000

Bodové prognózy pre testovacie pozorovania

Code
testovacia$Prognoza <- as.numeric(predict(model7, newdata = testovacia))
testovacia$Chyba <- testovacia$`Total income` - testovacia$Prognoza
testovacia$Absolutna_chyba <- abs(testovacia$Chyba)

testovacia |>
  select(`Total income`, `Total expenditure`, `Total assets`, Prognoza, Chyba) |>
  head(10) |>
  kable(digits = 3,
        col.names = c("Skutočnosť", "Total expenditure", "Total assets", "Prognóza", "Chyba"),
        caption = "Prvých desať testovacích pozorovaní") |>  
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
Prvých desať testovacích pozorovaní
Skutočnosť Total expenditure Total assets Prognóza Chyba
6344 5794 23062 6737.535 -393.535
1853 1694 3069 2065.285 -212.285
7372 6681 10081 7397.335 -25.335
3252 3413 4878 3890.891 -638.891
4461 4261 3811 4751.741 -290.741
12444 11229 11520 12159.500 284.500
2662 2490 1921 2870.377 -208.377
16601 13974 29837 15387.647 1213.353
16981 15685 16475 16897.233 83.767
17311 15785 24751 17169.152 141.848

Grafické porovnanie prognóz a skutočnosti

Code
op <- par(mfrow = c(1, 2))
lim <- range(c(testovacia$`Total income`, testovacia$Prognoza))

plot(testovacia$`Total income`, testovacia$Prognoza,     
     xlab = "Skutočné Total income",     
     ylab = "Prognóza", main = "Skutočnosť a prognóza", pch = 19,     
     xlim = lim, ylim = lim)
abline(a = 0, b = 1, col = "darkblue", lwd = 2)

plot(testovacia$Prognoza, testovacia$Chyba,     
     xlab = "Prognóza", ylab = "Chyba",     
     main = "Prognostické chyby", pch = 19)
abline(h = 0, col = "darkblue", lwd = 2)

Code
par(op)

Ukazovatele kvality prognóz

Code
skutocnost <- testovacia$`Total income`
prognoza <- testovacia$Prognoza
chyba <- skutocnost - prognoza

ME <- mean(chyba)
MAE <- mean(abs(chyba))
MSE <- mean(chyba^2)
RMSE <- sqrt(MSE)
MAPE <- if (all(skutocnost != 0)) {  
  100 * mean(abs(chyba / skutocnost))
} else NA_real_

vysledky_presnost <- data.frame(  
  Ukazovatel = c("ME", "MAE", "MSE", "RMSE", "MAPE"),  
  Hodnota = c(ME, MAE, MSE, RMSE, MAPE),  
  Jednotka = c("mil. USD", "mil. USD", "mil. USD²", "mil. USD", "%")
)

vysledky_presnost |>  
  kable(digits = 4, col.names = c("Ukazovateľ", "Hodnota", "Jednotka"),        
        caption = "Kvalita prognóz na testovacej vzorke") |>  
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
Kvalita prognóz na testovacej vzorke
Ukazovateľ Hodnota Jednotka
ME -4.5695 mil. USD
MAE 349.2632 mil. USD
MSE 231701.3953 mil. USD²
RMSE 481.3537 mil. USD
MAPE 6.2902 %

Porovnanie s jednoduchou prognózou

Code
naivna_prognoza <- rep(mean(odhadova$`Total income`), nrow(testovacia))
chyba_naivna <- skutocnost - naivna_prognoza

porovnanie <- data.frame(  
  Model = c("Lineárna regresia", "Konštantná prognóza: priemer odhadovej vzorky"),  
  MAE = c(MAE, mean(abs(chyba_naivna))),  
  RMSE = c(RMSE, sqrt(mean(chyba_naivna^2)))
)

porovnanie |>  
  kable(digits = 3, caption = "Regresia oproti jednoduchej referenčnej prognóze") |>  
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
Regresia oproti jednoduchej referenčnej prognóze
Model MAE RMSE
Lineárna regresia 349.263 481.354
Konštantná prognóza: priemer odhadovej vzorky 10085.039 11721.904

Theilov koeficient kvality prognóz U1

Code
Theil_U1 <- sqrt(mean((prognoza - skutocnost)^2)) /  
  (sqrt(mean(prognoza^2)) + sqrt(mean(skutocnost^2)))

data.frame(Theil_U1 = Theil_U1) |>  
  kable(digits = 5, caption = "Theilov koeficient U1 na testovacej vzorke") |>  
  kable_styling(full_width = FALSE)
Theilov koeficient U1 na testovacej vzorke
Theil_U1
0.0226

Theilov rozklad strednej kvadratickej chyby a graf Theilovho rozkladu

Code
sd_m <- function(z) sqrt(mean((z - mean(z))^2))

if (MSE > 0) {  
  sy <- sd_m(skutocnost)  
  sh <- sd_m(prognoza)  
  r <- if (sy > 0 && sh > 0) cor(skutocnost, prognoza) else NA_real_  
  
  cov_m <- mean((skutocnost - mean(skutocnost)) * (prognoza - mean(prognoza)))  
  
  UM <- (mean(skutocnost) - mean(prognoza))^2 / MSE  
  US <- (sy - sh)^2 / MSE  
  UC <- 2 * (sy * sh - cov_m) / MSE  
  
  rozklad <- data.frame(    
    Zlozka = c("U^M – priemer", "U^S – variabilita", "U^C – súbežnosť"),    
    Podiel = c(UM, US, UC),    
    Percent = 100 * c(UM, US, UC)  
  )  
  stopifnot(isTRUE(all.equal(sum(rozklad$Podiel), 1, tolerance = 1e-8)))
} else {  
  rozklad <- data.frame(Zlozka = c("U^M", "U^S", "U^C"), Podiel = NA_real_, Percent = NA_real_)
}

rozklad |>  
  kable(digits = 4, col.names = c("Zložka", "Podiel", "Podiel (%)"),        
        caption = "Theilov rozklad strednej kvadratickej chyby") |>  
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
Theilov rozklad strednej kvadratickej chyby
Zložka Podiel Podiel (%)
U^M – priemer 0.0001 0.0090
U^S – variabilita 0.5025 50.2532
U^C – súbežnosť 0.4974 49.7378
Code
if (all(is.finite(rozklad$Percent))) {  
  barplot(rozklad$Percent, names.arg = c("Priemer", "Variabilita", "Súbežnosť"),          
          ylab = "Podiel na MSE (%)", main = "Theilov rozklad prognostickej chyby",          
          ylim = c(0, 100))
}

Intervaly pri prognózovaní

Code
interval_priemer <- predict(model7, newdata = testovacia, interval = "confidence", level = 0.95)
interval_jednotlivec <- predict(model7, newdata = testovacia, interval = "prediction", level = 0.95)

intervaly <- data.frame(  
  Skutocnost = skutocnost,  
  Prognoza = prognoza,  
  CI_dolna = interval_priemer[, "lwr"],  
  CI_horna = interval_priemer[, "upr"],  
  PI_dolna = interval_jednotlivec[, "lwr"],  
  PI_horna = interval_jednotlivec[, "upr"]
)

intervaly |>  
  head(10) |>  
  kable(digits = 2,
        col.names = c("Skutočnosť", "Prognóza", "CI dolná", "CI horná", "PI dolná", "PI horná"),
        caption = "Klasické 95 % intervaly: stredná hodnota a jednotlivé pozorovanie") |>  
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)
Klasické 95 % intervaly: stredná hodnota a jednotlivé pozorovanie
Skutočnosť Prognóza CI dolná CI horná PI dolná PI horná
6344 6737.54 6302.01 7173.06 4525.94 8949.13
1853 2065.28 1571.88 2558.69 -158.43 4289.00
7372 7397.34 6975.12 7819.55 5188.33 9606.34
3252 3890.89 3424.58 4357.20 1673.03 6108.75
4461 4751.74 4298.22 5205.26 2536.54 6966.95
12444 12159.50 11777.66 12541.34 9957.85 14361.15
2662 2870.38 2390.26 3350.49 649.57 5091.18
16601 15387.65 15019.15 15756.14 13188.27 17587.02
16981 16897.23 16524.29 17270.17 14697.11 19097.36
17311 17169.15 16799.17 17539.13 14969.53 19368.77
Code
pokrytie_PI <- mean(skutocnost >= intervaly$PI_dolna & skutocnost <= intervaly$PI_horna)
data.frame(  
  Ukazovatel = "Podiel testovacích pozorovaní v klasickom 95 % predikčnom intervale",
  Hodnota_percent = 100 * pokrytie_PI
) |>  
  kable(digits = 1, col.names = c("Ukazovateľ", "Hodnota (%)"),
        caption = "Ilustračná kontrola pokrytia predikčných intervalov") |>  
  kable_styling(full_width = FALSE)
Ilustračná kontrola pokrytia predikčných intervalov
Ukazovateľ Hodnota (%)
Podiel testovacích pozorovaní v klasickom 95 % predikčnom intervale 100

Riešenie malého cvičenia

Zmena modelu a porovnanie chýb

Odhadneme druhý model s log(GDP) iba na odhadovej vzorke (filter GDP > 0).

Code
model7 <- lm(`Total income` ~ `Total expenditure` + `Total assets`, data = odhadova)
testovacia$Prognoza1 <- as.numeric(predict(model7, newdata = testovacia))
chyba1 <- testovacia$`Total income` - testovacia$Prognoza1
MAE1 <- mean(abs(chyba1))
RMSE1 <- sqrt(mean(chyba1^2))
Code
odhadova_log <- odhadova %>% filter(`Total expenditure` > 0, `Total assets` > 0, `Total income` > 0)
testovacia_log <- testovacia %>% filter(`Total expenditure` > 0, `Total assets` > 0, `Total income` > 0)

model7_log <- lm(log(`Total income`) ~ log(`Total expenditure`) + log(`Total assets`), data = odhadova_log)
testovacia_log$Prognoza_log <- exp(as.numeric(predict(model7_log, newdata = testovacia_log)))
chyba_log <- testovacia_log$`Total income` - testovacia_log$Prognoza_log

MAE_log <- mean(abs(chyba_log))
RMSE_log <- sqrt(mean(chyba_log^2))

cat("--- ÚLOHA 1: POROVNANIE CHÝB ---\n")
--- ÚLOHA 1: POROVNANIE CHÝB ---
Code
cat("Model 1 (Lineárny) - MAE:", MAE1, " | RMSE:", RMSE1, "\n")
Model 1 (Lineárny) - MAE: 349.2632  | RMSE: 481.3537 
Code
cat("Model 2 (Log-Log)  - MAE:", MAE_log, " | RMSE:", RMSE_log, "\n")
Model 2 (Log-Log)  - MAE: 260.3241  | RMSE: 353.4873 

Odpoveď. Logaritmická transformácia často lepšie stabilizuje rozptyl a zabezpečuje menšie chyby, keďže ekonomické premenné vykazujú nelineárny charakter. Model vybraný na základe tohto testu už nemôžeme na tých istých údajoch opätovne nezávisle testovať - hrozí premodelovanie.

Theilov rozklad pre druhý model

Code
skut_log <- testovacia_log$`Total income`
prog_log <- testovacia_log$Prognoza_log
MSE_log <- mean(chyba_log^2)
Code
sd_m <- function(z) sqrt(mean((z - mean(z))^2))
Code
if (MSE_log > 0) {
  sy_l <- sd_m(skut_log)
  sh_l <- sd_m(prog_log)
  r_l <- cor(skut_log, prog_log)
  cov_m_l <- mean((skut_log - mean(skut_log)) * (prog_log - mean(prog_log)))
  
  UM_l <- (mean(skut_log) - mean(prog_log))^2 / MSE_log
  US_l <- (sy_l - sh_l)^2 / MSE_log
  UC_l <- 2 * (sy_l * sh_l - cov_m_l) / MSE_log
  
  cat("\n--- ÚLOHA 2: THEILOV ROZKLAD PRE LOG MODEL ---\n")
  cat("U^M (Priemer):", UM_l, "\n")
  cat("U^S (Variabilita):", US_l, "\n")
  cat("U^C (Súbežnosť):", UC_l, "\n")
  cat("Súčet podielov:", UM_l + US_l + UC_l, "\n")
}

--- ÚLOHA 2: THEILOV ROZKLAD PRE LOG MODEL ---
U^M (Priemer): 0.0003983051 
U^S (Variabilita): 0.1850979 
U^C (Súbežnosť): 0.8145038 
Súčet podielov: 1 

Odpoveď. Podiely sa sčítajú na 1 (100%). Dominantná je zložka súbežnosti, čo znamená, že model správne vystihuje priemer aj variabilitu, ale mýli sa kvôli nedokonalému kopírovaniu individuálnych rozdielov medzi krajinami.

Porovnanie šírky intervalov pre jednu krajinu

Code
interval_ci <- predict(model7, newdata = testovacia, interval = "confidence", level = 0.95)
interval_pi <- predict(model7, newdata = testovacia, interval = "prediction", level = 0.95)

sirka_ci <- interval_ci[, "upr"] - interval_ci[, "lwr"]
sirka_pi <- interval_pi[, "upr"] - interval_pi[, "lwr"] 

cat("\n--- ÚLOHA 3: POROVNANIE ŠÍRKY INTERVALOV ---\n")

--- ÚLOHA 3: POROVNANIE ŠÍRKY INTERVALOV ---
Code
cat("Priemerná šírka CI (stredná hodnota):", mean(sirka_ci), "\n")
Priemerná šírka CI (stredná hodnota): 848.8674 
Code
cat("Priemerná šírka PI (individuálne pozorovanie):", mean(sirka_pi), "\n")
Priemerná šírka PI (individuálne pozorovanie): 4419.79 

Odpoveď: Predikčný interval pre individuálne pozorovanie je širší než interval spoľahlivosti pre strednú hodnotu. Dôvodom je, že stredná hodnota vyjadruje neistotu odhadu priemerných výnosov, zatiaľ čo individuálne pozorovanie zahŕňa aj nevysvetlenú individuálnu náhodnú chybu pre nové odvetvie.

Metodická reflexia

Code
metodicka_reflexia <- paste(
  "Údaje sme mali rozdeliť na odhadovú a testovaciu vzorku už pred začiatkom modelovania, pretože špecifikácia pôvodného modelu bola zvolená so znalosťou celého súboru. Výsledky na testovacej vzorke preto nemožno považovať za plne nezávislé a čisté overenie budúcej prognostickej presnosti, ale len za užitočnú didaktickú ilustráciu."
)

cat("\n--- 4. Metodická reflexia ---\n")

--- 4. Metodická reflexia ---
Code
cat(metodicka_reflexia, "\n")
Údaje sme mali rozdeliť na odhadovú a testovaciu vzorku už pred začiatkom modelovania, pretože špecifikácia pôvodného modelu bola zvolená so znalosťou celého súboru. Výsledky na testovacej vzorke preto nemožno považovať za plne nezávislé a čisté overenie budúcej prognostickej presnosti, ale len za užitočnú didaktickú ilustráciu. 

Uloženie pamäte

Code
save.image(file = "pamat.Rdata")