Estimación de observaciones faltantes en series de tiempo usando métodos multivariados con restricciones

Autores/as

  • María Ana Velásquez Gallo Estadística. Universidad Nacional de Colombia.
  • Jorge Martínez Collantes Profesor asociado. Universidad Nacional de Colombia

DOI:

https://doi.org/10.15332/s2027-3355.2009.0002.01

Palabras clave:

series de tiempo múltiples, restricciones lineales, pruebas de compatibilidad, cambios estructurales.

Resumen

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.

Citas

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.

Descargas

Publicado

2009-08-28

Cómo citar

Velásquez Gallo, M. A., & Martínez Collantes, J. (2009). Estimación de observaciones faltantes en series de tiempo usando métodos multivariados con restricciones. Comunicaciones En Estadística, 2(2), 123–128. https://doi.org/10.15332/s2027-3355.2009.0002.01

Número

Sección

Artículos