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.
PL
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.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.