Resumen de Uso del estimador de mínimos cuadrados ordinarios en la inferencia con datos de series de tiempo en modelos lineales
- español
La econometría ha tomado un lugar muy importante para dar solución a múltiples problemas relacionados con la toma de decisiones.Una de sus aplicaciones consiste endescubrirconocimientoen procesos cuyo resultado depende del comportamiento de un grupode variables que se miden en el tiempo. Para ello se planteanmodelos quepuedenser estimados usando estimadores estadísticos, pero es necesario validar tales modelos, comotambién los resultados de suestimación para que puedan ser usadosen la inferencia. Dentro de los estimadores, el de Mínimos Cuadrados Ordinariostiene propiedades muy favorables cuando se aplica de forma correcta a la muestra seleccionada. Este trabajo tiene como objetivo,proponeruna metodología para obtener resultados confiables al realizar inferenciasusandoel estimador Mínimos Cuadrados Ordinariosendatos de series de tiempo con modelos lineales o modelos que puedan ser transformados a modelos lineales.Aunque esta metodología puede ser aplicada en parte a modelos Box-Jenkins, esta investigación se centra en modelos comunes que especifican variables medidas.Como resultado se presenta un conjunto de pasos ordenados, que se puedenrealizar para obtener uno o varios modelos aptos para realizar inferencia.
- English
Econometrics has taken a very important place to solve multiple problems related to decision making. One of its applications is to discover knowledge in processes whose result depends on the behavior of a groupof variables measured over time. To achieve this, models that can be estimated using statistical estimators can be proposed, but it is necessary to validate such models, as alsotheir estimation results in order that they can be used in the inference. Within the estimators, the Ordinary LeastSquares (OLS) has very favorable properties when applied correctly to the selected sample. The objective of this paper is to proposea methodology to obtain reliable results when making inference using the OLSestimator in time series data with linear models or models that can be transformed to linear models. Although this methodology can be applied in part to Box-Jenkins models, this research focuses on common models that specify measured variables. As a result, a setof ordered steps is presented, which can be performed to obtain one or more models suitable for inference.
