Resumen
Se propone una rápida estrategia práctica para estimar datos faltantes en series temporales que obedecen a modelos ARIMA de orden bajo y cuya longitud es mayor que la que soportan programas de cómputo estadístico. La metodología propuesta se basa en la idea de identificar el modelo para la serie a partir de sus subseries. Para obtener estas subseries, un número mínimo de datos después de una observación faltante se deduce para lograr una estabilización numérica de su predicción recurrente.
Palabras clave
Citas
Bell, W. R., Signal extraction for nonstationary time series. The Annals of Statistics, 120 (1984), 646-664.
Brockwell, P. J. & Davis, R. A., Time Series: Theory and Methods. Springer Verlag, New York, 1991.
Catlin, D. E., Estimation, Control, and the Discrete Kalman Filter. Springer Verlag, New York, 1989.
Delicado, P. & Justel, A., Forecasting with missing data: Application to coastal wave heights. Journal of Forecasting, 18 (1999), 285-289.
Doan, T., Regression Analysis of Time Series (RATS), Estima, Evanston, IL, 1992.
Gomez, V. & Maravall, A., Estimation, prediction, and interpolation for nonstationary series with the Kalman filter. Journal of the American Statistical Association, 89 (1994), 611-624.
Gomez, V. & Maravall, A., PROGRAMS TRAMO AND SEATS: Instructions for the user, Banco de España-Servicio de Estudios, Documento de Trabajo No. 9628, Madrid, 1996.
Nieto, F. H., Una nota sobre la estimacion de datos faltantes en una serie temporal, usando la función de autocorrelación dual. Estadística, 46 (1994), 85-103.
Nieto, F. H., A note on interpolation of ARIMA processes. Communications in Statistics, Theory and Methods, 26, No. 10, (1997).
Peña, D. & Maravall, A., Interpolation, outliers, and inverse autocorrelations. Communications in Statistics: Theory and Methods, 20 (1991), 3175-3186.
Politis, D. N., Romano, J. P., & Wolf, M., Subsampling for heteroskedastic time series. Journal of Econometrics, 81 (1997), 281-317.
Tong, H. & Lim, K. S., Threshold autoregression, limit cycles, and cyclical data. Journal of the Royal Statistical Society, Series B, 42 (1980), 245-292.
Tong, H., Nonlinear Time Series, Oxford University Press, Oxford, 1990.
![Creative Commons License](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.