Warianty tytułu
Dezagregacja szeregów czasowych z wykorzystaniem regularyzacji
Języki publikacji
Abstrakty
Methods of temporal disaggregation are used to obtain high frequency time series from the same low frequency time series — so-called disaggregation — with respect to some additional consistency conditions between low and high frequency series. Conditions depend on the nature of the data — e.g., stack, flow, average and may pertain to the sum, the last value and the average of the obtained high frequency series, respectively. Temporal disaggregation methods are widely used all-over the world to disaggregate for example quarterly GDP. These methods are usually two-stage methods which consist of regression and benchmarking. In this article we propose a method which performs regression and benchmarking at the same time and allows to set a trade-off between them.
Metody dezagregacji czasowej są używane do uzyskania szeregów czasowych o wysokiej częstotliwości z tego samego szeregu czasowego niskiej częstotliwości przez procedurę tzw. dezagregacji przy założeniu pewnych dodatkowych warunków spójności pomiędzy szeregiem o niskiej i wysokiej częstotliwości. Warunki te zależą od rodzaju danych, np. stan, przepływ i mogą odnosić się odpowiednio do sumy lub ostatniej wartości otrzymanego szeregu wysokiej częstotliwości. Metody dezagregacji czasowej są szeroko stosowane na świecie do dezagregacji np. PKB. Metody te są zazwyczaj dwustopniowe i składają się z regresji oraz benchmarkingu. W tym artykule proponujemy metodę, która wykonuje regresję i benchmarking jednocześnie oraz umożliwia ustalenie relacji między nimi.
Czasopismo
Rocznik
Numer
Strony
183-188
Opis fizyczny
Twórcy
autor
- Statistical Office in Rzeszów, Poland
Bibliografia
- Chamberlin, G. 2010. “Methods Explained: Temporal Disaggregation.” Economic & Labour Market Review no. 4 (11):106–121. doi: 10.1057/elmr.2010.157.
- Chow, G.C., and A.L. Lin. 1971. “Best Linear Unbiased Interpolation, Distribution, and Extrapolation of Time Series by Related Series.” Review of Economics and Statistics no. 53 (4):372–375. doi: 10.2307/1928739.
- Dagum, E.B., and P.A. Cholette. 2006. Benchmarking, Temporal Distribution, and Reconciliation Methods for Time Series, Lecture Notes in Statistics. New York: Springer.
- Denton, F.T. 1971. “Adjustment of Monthly or Quarterly Series to Annual Totals — Approach Based on Quadratic Minimization.” Journal of the American Statistical Association no. 66 (333):99–102.
- Di Fonzo, T. 2003. “Temporal Disaggregation of a System of Time Series when the Aggregate is Known: Optimal vs. Adjustment Methods.” In Paris–Bercy 05/12/1994 – 06/12/1994. Workshop on Quarterly National Accounts, edited by R. Barcellan and G.L. Mazzi, 63–77. Luxembourg: Office for Official Publications of the European Communities.
- Fernandez, R.B. 1981. “A Methodological Note on the Estimation of Time-Series.” Review of Economics and Statistics no. 63 (3):471–476. doi: 10.2307/1924371.
- Litterman, R.B. 1983. “A Random Walk, Markov Model for the Distribution of Time Series” Journal of Business & Economic Statistics no. 1 (2):169–173.
- Sax, C., and P. Steiner. 2013. “Temporal Disaggregation of Time Series.” R Journal no. 5 (2):81–88.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.desklight-e8620039-d9b8-4246-b159-50de85734709