|
ИСТИНА |
Войти в систему Регистрация |
ИПМех РАН |
||
Short-term forecasting of the COVID-19 pandemic using Google Trends data: Evidence from 158 countriesстатья
Статья опубликована в журнале из списка RSCI Web of Science
Информация о цитировании статьи получена из
Scopus
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 29 апреля 2021 г.
- Автор: Fantazzini Dean
- Журнал: Прикладная эконометрика
- Том: 59
- Год издания: 2020
- Издательство: Российская академия народного хозяйства и государственной службы при Президенте РФ
- Местоположение издательства: Москва
- Первая страница: 33
- Последняя страница: 54
- DOI: 10.22394/1993-7601-2020-59-33-54
- Аннотация: The ability of Google Trends data to forecast the number of new daily cases and deaths of COVID-19 is examined using a dataset of 158 countries. The analysis includes the computations of lag correlations between confirmed cases and Google data, Granger causality tests, and an out-of-sample forecasting exercise with 18 competing models with a forecast horizon of 14 days ahead. This evidence shows that Google-augmented models outperform the competing models for most of the countries. This is significant because Google data can complement epidemiological models during difficult times like the ongoing COVID-19 pandemic, when official statistics maybe not fully reliable and/or published with a delay. Moreover, real-time tracking with online-data is one of the instruments that can be used to keep the situation under control when national lockdowns are lifted and economies gradually reopen.
- Добавил в систему: Фантаццини Деан c.