Identificación de un modelo ARIMA cuando existen observaciones faltantes

• Castaño, Elkin ^[1]
  1. [1] Universidad de Antioquia

     Universidad de Antioquia

     Colombia

     
• Localización: Lecturas de Economía, ISSN-e 0120-2596, ISSN 2323-0622, Nº. 47, 1997, págs. 25-45
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen

  • Un supuesto común en el análisis de series de tiempo es que las series que van a ser estudiadas disponen de información para cada momento de tiempo en el periodo que se va analizar. Sin embargo, con frecuencia ocurre que faltan datos en la serie, o que algunos de ellos son erróneos. En la literatura de Análisis Series de Tiempo, en particular en la de los procesos ARIMA (Box y Jenkins, 1976), se han propuesto diferentes métodos para estimar estas observaciones, pero la mayoría de ellos supone que el modelo es conocido o que las observaciones son tales que han permitido identificarlo. Este documento presenta una metodología relativamente simple que permite estimar las observaciones faltantes y simultáneamente identificar el modelo ARIMA que generó una serie de tiempo.