Prueba de Chow o no?

Estoy tratando de configurar una pantalla automática para detectar roturas estructurales en grandes cantidades de series de tiempo.

Las series temporales son semanales y representan el comportamiento de los clientes. He configurado una prueba de Chow. Utilizo las 4 semanas más recientes y las comparo con las 22 anteriores. Quiero saber si su comportamiento reciente se ha desviado significativamente del comportamiento anterior.

Mi pregunta es esta:

¿Es la prueba de Chow la prueba más adecuada para esta pregunta?

Si esta no es la prueba más adecuada, ¿cómo puedo determinar qué prueba es la más adecuada?

Su pregunta es muy interesante para mí y su solución ha sido mi investigación principal durante varios años.

Hay varias formas en que puede ocurrir "una ruptura estructural".

Si hay un cambio en la Intercepción o un cambio en la Tendencia en "la última porción de la serie de tiempo", entonces uno sería más adecuado para realizar la Detección de Intervención (NB esta es la identificación empírica del impacto significativo de una Variable Determinista no especificada tal como un cambio de nivel o un cambio en la tendencia o el inicio de un pulso estacional). La detección de intervención es entonces un precursor para el modelado de intervención donde se incluye una variable sugerida en el modelo. Puede encontrar información en la web buscando en Google "DETECCIÓN DE INTERVENCIÓN AUTOMÁTICA". Algunos autores usan el término "DETECCIÓN DE OUTLIER", pero al igual que mucho lenguaje estadístico, esto puede ser confuso / impreciso. Las intervenciones detectadas pueden ser cualquiera de las siguientes (detectar un cambio significativo en la media de los residuos);

1. un cambio de nivel de 1 período (es decir, un pulso)
2. Un cambio contiguo de varios períodos en el Nivel (es decir, un cambio en la Intercepción)
3. un pulso sistemático (es decir, un pulso estacional)
4. un cambio de tendencia (es decir, 1,2,3,4,5,7,9,11,13,15 .....)

Estos procedimientos se programan fácilmente EN R / SAS / Matlab y están disponibles de manera rutinaria en una serie de paquetes de series de tiempo disponibles comercialmente; sin embargo, hay muchas dificultades de las que debe tener cuidado, como detectar primero la estructura estocástica o hacer la detección de intervención en el serie original Esto es como el problema del huevo y la gallina. Los primeros trabajos en esta área se limitaron al tipo 1 y, como tal, probablemente serán insuficientes para sus necesidades.

Si no se detecta tal fenómeno, entonces uno podría considerar la PRUEBA DE CHOW que normalmente requiere que el usuario especifique previamente el punto de cambio hipotético. He estado investigando e implementando procedimientos para DETECTAR el punto de cambio mediante la evaluación de puntos hipotéticos alternativos a tiempo para determinar el punto de ruptura más probable.

Al cerrar, uno también puede ser sensible a la posibilidad de que haya habido un cambio estructural en la varianza del error, lo que podría enmascarar la PRUEBA DE CONDUCCIÓN que conduce a una falsa aceptación de la hipótesis nula de que no hay puntos de ruptura significativos en los parámetros.