Identificación de un modelo ARIMA cuando existen observaciones faltantes

RESUMEN: Un supuesto común en el análisis de series de tiempo es que las series que van a ser estudiadas disponen de información para cada momento de tiempo en el periodo que se va analizar. Sin embargo, con frecuencia ocurre que faltan datos en la serie, o que algunos de ellos son erróneos. En la literatura de Análisis Series de Tiempo, en particular en la de los procesos ARIMA (Box y Jenkins, 1976), se han propuesto diferentes métodos para estimar estas observaciones, pero la mayoría de ellos supone que el modelo es conocido o que las observaciones son tales que han permitido identificarlo. Este documento presenta una metodología relativamente simple que permite estimar las observaciones faltantes y simultáneamente identificar el modelo ARIMA que generó una serie de tiempo.

• Autores: Castaño Vélez, Elkin Argemiro
• Tipo de recurso: Article of investigation
• Fecha de publicación: 1997
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/3846
• Acceso en línea: http://hdl.handle.net/10495/3846
• Palabra clave: Series de tiempo; Modelos econométricos
• Rights: openAccess
• License: Atribución-NoComercial-CompartirIgual 2.5 Colombia (CC BY-NC-SA 2.5 CO)