Predikční schopnost dat z online vyhledávání při předpovědi počtu případů COVID-19
| Název práce: | Predictive Power of Online Search Data for COVID-19 Forecasting |
|---|---|
| Autor(ka) práce: | Čelková, Barbora |
| Typ práce: | Diploma thesis |
| Vedoucí práce: | Holý, Vladimír |
| Oponenti práce: | Jindrová, Karolína |
| Jazyk práce: | English |
| Abstrakt: | This thesis investigates whether online search data can enhance short-term forecasts of COVID-19 cases in the Czech Republic, utilizing weekly counts of new cases from March 2020 to April 2023 and search activity from Google Trends. The analyzed keywords comprise a set of general, symptom, and prevention-related queries, as well as their principal components. We first estimate an ARIMA model based solely on reported case numbers, which serves as a benchmark for all subsequent Google-augmented specifications. Afterwards, a set of models incorporating Google Trends is estimated, namely a regression with ARMA errors, a vector autoregression, and a vector error correction models. Using expanding-window forecast, we compare their predictive performance to the benchmark ARIMA model with standard forecast accuracy metrics in combination with Diebold–Mariano tests. The results show that while some Google Trends series can provide statistically significant gains in forecast accuracy, these improvements are heavily dependent on the chosen model and analyzed time period. Overall, the findings suggest that incorporating Google Trends into traditional statistical models could offer some predictive value for COVID-19 surveillance in the Czech Republic, but it does not deliver uniformly superior forecasts. |
| Klíčová slova: | google trends; COVID-19; ARIMA; VECM; forecasting; time series; VAR |
| Název práce: | Predikční schopnost dat z online vyhledávání při předpovědi počtu případů COVID-19 |
|---|---|
| Autor(ka) práce: | Čelková, Barbora |
| Typ práce: | Diplomová práce |
| Vedoucí práce: | Holý, Vladimír |
| Oponenti práce: | Jindrová, Karolína |
| Jazyk práce: | English |
| Abstrakt: | Tato práce zkoumá, zda mohou data z online vyhledávání zlepšit krátkodobé predikce počtu případů onemocnění COVID-19 v České republice. Pracujeme s týdenními počty nových případů v období od března 2020 do dubna 2023 a údajích o vyhledávací aktivitě z Google Trends. Analyzovaná klíčové slova zahrnují soubor obecných, symptomových a na prevenci zaměřených dotazů a jejich hlavní komponenty odvozených pomocí analýzy hlavních komponent. Nejprve je odhadnut ARIMA model založený pouze na počtu hlášených případů, který slouží jako referenční model pro všechny následné specifikace. Následně je odhadnuta sada modelů zahrnujících Google Trends, konkrétně regrese s ARMA chybami, vektorový autoregresní model a vektorový model korekce chyby. Pomocí rozšiřujícího se časového okna (expanding window) porovnáváme jejich predikční výkonnost s referenčním ARIMA modelem za využití standardních metrik predikční přesnosti v kombinaci s Diebold–Mariano testem. Výsledky ukazují, že některé časové řady z Google Trends mohou přinést statisticky významné zlepšení predikční přesnosti, tato zlepšení však silně závisí na zvoleném modelu a analyzovaném časovém období. Celkově zjištění naznačují, že začlenění Google Trends do tradičních statistických modelů může přinést určitý dodatečný predikční přínos pro sledování COVID-19 v České republice, nevede však k jednoznačně lepším predikcím ve všech případech. |
| Klíčová slova: | časové řady; google trends; COVID-19; ARIMA; VAR; VECM; forecasting |
Informace o studiu
| Studijní program / obor: | Ekonometrie a operační výzkum |
|---|---|
| Typ studijního programu: | Magisterský studijní program |
| Přidělovaná hodnost: | Ing. |
| Instituce přidělující hodnost: | Vysoká škola ekonomická v Praze |
| Fakulta: | Fakulta informatiky a statistiky |
| Katedra: | Katedra ekonometrie |
Informace o odevzdání a obhajobě
| Datum zadání práce: | 22. 4. 2024 |
|---|---|
| Datum podání práce: | 29. 11. 2025 |
| Datum obhajoby: | 28. 1. 2026 |
| Identifikátor v systému InSIS: | https://insis.vse.cz/zp/88290/podrobnosti |