| Revista: | Realidad, datos y espacio. Revista internacional de estadística y geografía |
| Base de datos: | CLASE |
| Número de sistema: | 000499751 |
| ISSN: | 2007-2961 |
| Autores: | Corona Villavicencio, Francisco de Jesús1 López Pérez, Jesús1 Muriel Torrero, Nelson Omar2 |
| Instituciones: | 1Instituto Nacional de Estadística y Geografía, Aguascalientes. México 2Universidad Iberoamericana, Ciudad de México. México |
| Año: | 2019 |
| Periodo: | Dic |
| Volumen: | 10 |
| Número: | 3 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | El objetivo de este trabajo es analizar el funcionamiento en muestras finitas de diferentes técnicas de imputación y retropolación en el contexto de series de tiempo. Para estos fines, se realiza un experimento Monte Carlo simulando diversas series de tiempo a través de modelos de factores dinámicos estacionales, considerando factores estacionarios, no estacionarios y la combinación de ambos; lo anterior, bajo distintas especificaciones en el componente idiosincrático. Este proceso generador de datos es validado ajustando dichos modelos a cinco bases de datos de las encuestas económicas nacionales del INEGI. Los principales resultados indican que, para imputar datos, es conveniente usar información adicional; de otra forma, los métodos basados en el filtro de Kalman son una buena alternativa. En retropolación, los mejores resultados se obtienen incluyendo restricciones sobre el pasado de la serie de tiempo a retropolar; caso contrario, empalmar series de tiempo ofrece una solución útil en la práctica |
| Resumen en inglés | The purpose of this research is to analyze the finite sample performance of frequently used imputation and retropolation time series techniques. In this way, we carry out a Monte Carlo experiment simulating several time series through seasonal Dynamic Factor Models (DFMs) considering stationary factors, non-stationary common factors and the combination of both, along with different specifications in the idiosyncratic component. This data-generating process is validated through DFMs estimation on five database of National Economic Surveys (EEN) from INEGI. The main results indicate that for data imputation, using information of correlated time series helps to minimize the estimation error; on the other hand, the methods based on the Kalman filter are a useful alternative. For retropolation, the better results are obtained using restrictions over the past of the time series; otherwise, the splice method is a useful alternative in practice |
| Disciplinas: | Economía |
| Palabras clave: | Econometría, Encuestas económicas, Factores económicos, Método Monte Carlo, Raíz del error cuadrático medio |
| Texto completo: | https://rde.inegi.org.mx/index.php/2019/12/18/funcionamiento-en-muestras-finitas-de-tecnicas-de-imputacion-y-retropolacion-caso-de-las-series-de-encuestas-economicas-nacionales-del-inegi/ |
