Ekonometryczny model struktury procesu jako interpolator brakujących obserwacji

• Autorzy: Marcin Błażejowski

Warianty tytułu

Econometric Models of the Internal Structure of Processes as a Tool for Interpolating the Gaps in Time Series

• Języki publikacji: PL

Abstrakty

Celem artykułu jest analiza przydatności składnikowego modelu struktury procesu jako interpolatora brakujących obserwacji dla danych dziennych. Całość analizy będzie przeprowadzona z wykorzystaniem rzeczywistego procesu sprzedaży detalicznej w wybranym supermarkecie. (fragment tekstu)

EN

Lack of data is a problem that relatively frequently appears in time series, especially in series of high frequency observations such as daily data. There are different possible schemata for the continuous lack of data, including those with from one to a few observations. Holidays and "long weekends" additionally complicate the analysis. The paper analyses different econometric models of internal process structure (trend-cycle with autoregression) that can be used to interpolate the gaps in time-series of various frequency of observations when these gaps appear in different sequences. The influence of the methods used for interpolation are evaluated. (original abstract)

Słowa kluczowe

PL

Ekonometria; Modele ekonometryczne; Szeregi czasowe

EN

Econometrics; Econometric models; Time-series

• Czasopismo: Studia i Prace Uniwersytetu Ekonomicznego w Krakowie
• Rocznik: 2010
• Numer: nr 10
• Strony: 39--49

Twórcy

autor

Marcin Błażejowski

• Wyższa Szkoła Bankowa w Toruniu

Bibliografia

• Błażejowski M. [2008], Ocena metod uzupełniania brakujących danych w szeregach czasowych [w:] Współczesne trendy w ekonometrii, red. Z. Zieliński, Wyższa Szkoła Informatyki i Ekonomii TWP, Olsztyn.
• Błażejowski M., Kufel T. [2007], Ekonometryczne modelowanie procesów sprzedaży dla danych o wysokiej częstotliwości obserwowania, Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, red. J. Pociecha, Wydawnictwo AE w Krakowie, Kraków.
• Harvey A.C., Pierse R.G. [1984], Estimating Missing Observations in Economic Time Series, "Journal of the American Statistical Association", vol. 79, nr 385.
• Koopman S.J., Harvey A.C., Doornik J.A., Shephard N. [2006], Structural Time Series Analyzer, Modeler and Predictor, Timberlake Consultants Ltd, London.
• Kufel T. [2006], Ekonometryczne modelowanie cykliczności w procesach sprzedaży na podstawie danych dziennych [w:] Prognozowanie w zarządzaniu firmą, red. P. Dittman, J. Krupowicz, Wydawnictwo AE we Wrocławiu, Wrocław.
• Prognozowanie gospodarcze. Metody i zastosowania [2005], red. M. Cieślak, Wydawnictwo Naukowe PWN, Warszawa.
• Robinson P.M. [1985], Testing for Serial Correlation in Regression with Missing Data, "Journal of the Royal Statistical Society. Series В (Methodological)", vol. 47, nr 3.
• Zając K. [1968], Podstawy statystyki, Wyższa Szkoła Ekonomiczna, Kraków.
• Zieliński Z. [1979], Metody analizy dynamiki i rytmiczności zjawisk gospodarczych, PWN, Warszawa.