Estimación de observaciones faltantes en series de tiempo usando métodos multivariados con restricciones
Time Series Missing Data Imputation Using Restricted Multivariate Methods
Resumen (es)
Para tener éxito en el modelamiento de cualquier fenómeno físico, es importante disponer de una fuente de información completa. En este documento se plantea la reconstrucción o estimación de observaciones faltantes en series de tiempo múltiples, siguiendo la metodología de Guerrero (1989) de pronósticos con restricciones, las cuales vienen dadas por información adicional relacionada con el modelo que tiene en cuenta su información histórica y su estructura de correlación, minimizando el error cuadrático medio, y asumiendo además, que no se presentó un cambio de estructura en el segmento faltante, lo cual se verifica mediante una prueba de bondad de ajuste. El pronóstico óptimo se restringe a conservar la estructura inicialmente identificada, de manera que empalmen los pronósticos obtenidos con la información posterior disponible, y con esto, no se vean afectados los parámetros, la parte estocástica y la parte determinística del modelo.Referencias
Nieto F. (1989). Reconstrucción de una serie de tiempo censurada usando filtros de Kalman
Guerrero, V. M. (1989). Optimal conditional ARIMA forecasts. Journal of Forecasting, 8, 215-229.
Guerrero, V. M. (1991). ARIMA forecasts with restrictions derived from structural change. International Journal of Forecasting, 7, 339-347.
Lutkepohtl H. (1991). Introduction to Multiple Time Series Analysis Berlin: Springer-Verlag.
Cómo citar
Licencia
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
