Preguntas etiquetadas con time-series

¿Cómo detrendo series de tiempo? ¿Está bien tomar la primera diferencia y ejecutar una prueba de Dickey Fuller, y si es estacionaria, estamos bien? También descubrí en línea que puedo eliminar la tendencia de las series de tiempo haciendo esto en Stata: reg lncredit time predict u_lncredit, residuals twoway line …

13 regression  time-series  stata  stationarity 

Entiendo la causalidad como se usa en microeconomía (en particular, el diseño de discontinuidad IV o regresión) y también la causalidad de Granger como se usa en la econometría de series de tiempo. ¿Cómo me relaciono uno con el otro? Por ejemplo, he visto que ambos enfoques se utilizan para …

13 time-series  econometrics  causality  granger-causality 

Tengo dos datos GPS de 2 horas con una frecuencia de muestreo de 1 Hz (7200 mediciones). Los datos se dan en la forma , donde es la incertidumbre de medición.(X,Xσ,Y,Yσ,Z,Zσ)(X,Xσ,Y,Yσ,Z,Zσ)(X, X_\sigma, Y, Y_\sigma, Z, Z_\sigma)NσnorteσN_\sigma Cuando tomo la media de todas las mediciones (por ejemplo, el valor Z promedio …

13 time-series  mean  standard-deviation 

En R (2.15.2) instalé una vez un ARIMA (3,1,3) en una serie de tiempo y una vez un ARMA (3,3) en la serie de tiempo una vez diferenciada. Los parámetros ajustados difieren, lo que atribuí al método de ajuste en ARIMA. Además, ajustar un ARIMA (3,0,3) en los mismos datos …

13 r  time-series  arima  fitting  arma 

He estado tratando de aprender y aplicar los modelos ARIMA. He estado leyendo un excelente texto sobre ARIMA de Pankratz - Pronósticos con caja univariante - Modelos Jenkins: conceptos y casos . En el texto, el autor enfatiza especialmente el principio de parsimonia en la elección de los modelos ARIMA. …

13 time-series  forecasting  arima  aic  automatic-algorithms 

Necesito derivar expresiones analíticas para la función de autocovarianza γ(k)γ(k)\gamma\left(k\right) de un proceso ARMA (2,1) denotado por: yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t Entonces, sé que: γ(k)=E[yt,yt−k]γ(k)=E[yt,yt−k]\gamma\left(k\right) = \mathrm{E}\left[y_t,y_{t-k}\right] para que yo pueda escribir: γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]\gamma\left(k\right) = \phi_1 \mathrm{E}\left[y_{t-1}y_{t-k}\right]+\phi_2 \mathrm{E}\left[y_{t-2}y_{t-k}\right]+\theta_1 \mathrm{E}\left[\epsilon_{t-1}y_{t-k}\right]+\mathrm{E}\left[\epsilon_{t}y_{t-k}\right] entonces, para derivar la versión analítica de la función de autocovarianza, necesito sustituir los valores …

13 time-series  covariance  autocorrelation  arma 

1. El problema Tengo algunas mediciones de una variable ytyty_t , donde t=1,2,..,nt=1,2,..,nt=1,2,..,n , para el cual tengo una distribución fyt(yt)fyt(yt)f_{y_t}(y_t) obtenida a través de MCMC, que por simplicidad supondré que es una gaussiana de media μtμt\mu_t y varianza σ2tσt2\sigma_t^2 . Tengo un modelo físico para esas observaciones, digamos g(t)g(t)g(t) …

13 time-series  mcmc  autoregressive  likelihood 

¿Tiene sentido estandarizar una variable dependiente dentro del grupo de identificación? El siguiente documento de trabajo (Desaceleración de la deforestación en la Amazonía legal; ¿Precios o políticas ?, pdf ) utiliza una variable dependiente estandarizada para analizar el efecto del cambio de política general en Brasil sobre la deforestación. La …

13 regression  time-series  panel-data  standardization  fixed-effects-model 

Editar He encontrado un documento que describe exactamente el procedimiento que necesito. La única diferencia es que el documento interpola datos medios mensuales a diarios, al tiempo que conserva los medios mensuales. Tengo problemas para implementar el enfoque R. Cualquier pista es apreciada. Original Para cada semana, tengo los siguientes …

13 r  time-series  interpolation 

Para comenzar, tengo una base matemática bastante profunda, pero nunca me he ocupado realmente de series de tiempo o modelos estadísticos. Así que no tienes que ser muy amable conmigo :) Estoy leyendo este documento sobre el modelado del uso de energía en edificios comerciales, y el autor hace esta …

13 time-series  autocorrelation 

¿Es el proceso AR (1) como un proceso de Markov?yt=ρyt−1+εtyt=ρyt−1+εty_t=\rho y_{t-1}+\varepsilon_t Si es así, entonces VAR (1) es la versión vectorial del proceso de Markov?

13 time-series 

Al realizar la prueba de cointegración de Johansen para 2 series de tiempo (el caso simple), debe decidir el retraso que desea utilizar. Hacer la prueba para diferentes retrasos arroja resultados diferentes: para algunos niveles de retraso la hipótesis nula puede ser rechazada pero para otros no. Mi pregunta es …

13 time-series  cointegration 

Solo estoy tratando de entender cuál es la relación entre una regresión múltiple / simple normal versus una regresión simple / múltiple cuando las variables se diferencian. Por ejemplo, estoy analizando la relación entre el saldo de depósitos ( ) y las tasas de mercado ( R T ) Si …

13 regression  time-series 

Tengo un modelo de pronóstico para una serie temporal y quiero calcular su error de predicción fuera de la muestra. Por el momento, la estrategia que estoy siguiendo es la sugerida en el blog de Rob Hyndman (cerca de la parte inferior de la página) que es así (suponiendo una …

13 time-series  forecasting 

Estoy viendo un modelo de regresión que está retrocediendo los rendimientos del índice bursátil año tras año en los retornos rezagados (12 meses) del mismo índice bursátil, diferencia de crédito (diferencia entre la media mensual de bonos sin riesgo y los bonos corporativos rendimientos), tasa de inflación interanual e índice …

13 regression  time-series  autocorrelation