TRATAMIENTO PREVIO DE DATOS

Slides:



Advertisements
Presentaciones similares
Predicción: Aproximación intuitiva. La actividad de predicción es un fenómeno inherente a la condición humana y permanentemente estamos realizando predicciones.
Advertisements

El análisis de los riesgos determinará cuáles son los factores de riesgo que potencialmente tendrían un mayor efecto sobre nuestro proyecto y, por lo.
Nombres:Thiare briceño Rodrigo castillo Curso:3°A.
VALORES AGRUPADOS EN INTERVALOS. El consejo académico del colegio aplicó una prueba de conocimientos, entre 70 estudiantes elegidos al azar. El puntaje.
TEMA 1: TEMA 1: INTRODUCCIÓN A LA ESTADÍSTICA Por: Denise Muñoz Belmonte Claudia Morales Cerezuela.
Índices de precios y volúmenes: Nicaragua Marzo 2012 División Económica.
ADMINISTRACIÓN DEL MERCADO ELÉCTRICO  Datos de generación eólica real  Datos meteorológicos medidos por las estaciones de medida (MET) de los.
Distribuciones bidimensionales: Relación entre dos variables estadísticas Tema 3:
Encuesta Trimestral sobre Opinión de Empresarios: Expectativas para el II trimestre de 2017 El objetivo de la encuesta: Conocer las expectativas de los.
Facultad de Ciencias Sociales
Análisis de casos ECOTEC.
Qué es la Econometría No hay acuerdo en la definición ya que:
Evolución del Mercado Laboral
ANÁLISIS PRIMARIO DE SERIES TEMPORALES
Por la naturaleza de datos y la información
TEMA 3: Distribuciones bidimensionales: relación entre dos variables estadísticas. Cristhian Lopez.
El modelo simple de regresión
Introducción a los modelos econométricos
Introducción a los modelos econométricos
ANÁLISIS PRIMARIO DE SERIES TEMPORALES
ANÁLISIS DE RIESGO SIMULACIÓN DE SISTEMAS 2009
Aspectos Metodológicos de la medición de pobreza CASEN 2015
MODELOS MULTIECUACIONALES
Sesión.
METODOLOGÍA Y TÉCNICAS DE INVESTIGACIÓN EN CIENCIAS SOCIALES
DISEÑOS EXPERIMENTALES DE INVESTIGACION
“VA A PASAR LO QUE HA PASADO”
ESTIMACION DEL TAMAÑO DE LA MUESTRA.
ANÁLISIS E INTERPRETACIÓN DE DATOS
Estimación de la Demanda
CAPÍTULO 9: DETECCIÓN DE LÍNEAS
Calidad técnica de los EXANI
ANÁLISIS BÁSICO DE SERIES TEMPORALES
TRATAMIENTO PREVIO DE DATOS
ESTADÍSTICA UNIDIMENSIONAL
REGRESIÓN LINEAL SIMPLE
Ashu Handa Universidad de Carolina del Norte en Chapel Hill
MODELOS MULTIECUACIONALES
INTERVALO DE CONFIANZA
METODOLOGÍA DE BOX - JENKINS
Análisis de covarianza
VARIABLES MACROECONÓMICAS
CONTENIDO Teoría del muestreo ¿Cómo seleccionar una muestra?
Unidad 4 Anexo 2. Capítulo III. Método alterno de solución.
Aplicaciones Estadísticas a las Finanzas
Matriz de Insumo-Producto
PIB Trimestral CNT 2006.
ESTADÍSTICA BÁSICA.
CONTROL E INSTRUMENTACIÓN DE PROCESOS TEMA 2 Control de Procesos
Taller de Matemáticas Financieras
Abril 2013.
Análisis de Estados Financieros
METODOS PARA ANALISIS DE TALUDES
Estadística Administrativa II
PARA LA REGRESIÓN LINEAL SIMPLE
Sea la ecuación diferencial lineal de orden “n” y de coeficientes variables
Introducción a la Macroeconomía
Dr. Carlomagno Araya Alpízar
PROBABILIDAD Y ESTADISTICA APLICADA A LOS NEGOCIOS
El modelo sistémico Un instrumento de Planificación para Sistemas Complejos, y un Modelo de Sensibilidad.
Manejo contable de los activos fijos
Andrés Mauricio Villegas II Simposio en Actuaría Septiembre 9 de 2009
SERIES DE TIEMPO. Concepto Una serie de tiempo es un conjunto de observaciones de un fenómeno tomadas en tiempos específicos, generalmente a intervalos.
Evaluación de Proyectos con riesgo
Microeconomía   Sesión 3. Funcionamiento de los mercados. Parte II.
Capacidad forrajera.
Estadística Económica Sara Mateo. Capítulo 10 Números índice Contenidos: Concepto y aplicaciones Clasificación. Números índice simples y números.
ANALISIS DE REGRESION SIMPLE
ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN ¿Qué es una proyección? Es una estimación del comportamiento de una variable en el futuro. Específicamente, se.
REGRESION LINEAL SIMPLE
Transcripción de la presentación:

TRATAMIENTO PREVIO DE DATOS Condicionantes de partida: El análisis cuantitativo precisa de la disponibilidad de un conjunto amplio de mediciones homogéneas de un fenómeno económico. (serie) Estas series deben ser los más largas posibles y no presentar discontinuidades. Habitualmente necesitamos disponer de la información lo más actual posible. Situaciones reales: Las series estadísticas a menudo incorporan cambios metodológicos y perfeccionamientos que no las hacen homogéneas. Podemos encontrarnos con datos no disponibles, bien intermedios o bien actualizados.

TRATAMIENTO PREVIO DE DATOS Cambios metodológicos en las series estadísticas. La situación más habitual que nos podemos encontrar son los cambios de base en series de tipo INDICE. En el caso de las Cuentas Nacionales nos encontramos adicionalmente con cambios metodológicos unidos a cambios de base contable. Sistema de cuentas nacionales: Año Base: 1970 1980 1986 1995 2000 Metodología: CNE-70 (No homogénea) Sec-79 Sec-95 Sec-95 (Ind. volumen encadenados

TRATAMIENTO PREVIO DE DATOS Cambios de base contable. En general los cambios de base contable implican tres tipos de modificaciones: Incorporación de nueva información estadística de base (nuevas encuestas, nuevos registros, etc.). Modificación de las operaciones contabilizadas en los diferentes agregados (inclusión de nuevas operaciones, reasignación de operaciones a distintos agregados, etc.) Cambios en la metodología de elaboración y estimación de las distintas macromagnitudes (utilización de nuevos procedimientos estadísticos, matemáticos, etc.

TRATAMIENTO PREVIO DE DATOS Cambios metodológicos en las series estadísticas. Si no se han producido cambios metodológicos y únicamente se trata de un cambio de base (en una serie en índices) se podrán recalcular las series disponibles en una base anterior y expresarlas en términos de la nueva base. Unicamente necesitamos disponer de la serie en la base antigua (80) incluyendo el valor de nuevo año base (90) en la base antigua (Ind9080)

TRATAMIENTO PREVIO DE DATOS Cambios metodológicos en las series estadísticas. Si existen cambios metodológicos el enlace de las series es bastante más complejo ya que tendríamos que disponer de los datos originales y rehacer las series con la nueva metodología. Habitualmente no se dispone de esta información y tendremos que acudir a enlaces aproximados en base a coeficientes correctores o manteniendo las tasas de variación, siempre que se disponga de un dato común.

TRATAMIENTO PREVIO DE DATOS Cambios metodológicos en las series estadísticas. Un problema que puede plantearse es la disponibilidad de varios años comunes, en cuyo caso el coeficiente corrector no es único. Las alternativas que se nos plantean son varias: Utilizar sólo el primero disponible Utilizar una media (si es mas o menos constante) Estimar la dinámica del coeficiente.(p.e. Media móvil)

TRATAMIENTO PREVIO DE DATOS Cambios metodológicos en las series estadísticas. Un segundo problema a tratar en los enlaces de cambios metodológicos sería la no disponibilidad de ningún punto común. Ante esta circunstancia una primera aproximación consistiría en respetar las tasas de crecimiento observadas en cada base y estimar la evolución (tasa de crecimiento) en el punto de corte. Una estimación sencilla consistiría en interpolar linealmente la tasa de variación del punto de corte, calculando la media entre las tasa previa y la posterior.

TRATAMIENTO PREVIO DE DATOS Cambios metodológicos en las series estadísticas. El problema más complejo ante un cambio metodológico surge cuando existen a su vez restricciones entre varias variables a enlazar. P.e Corrientes, constantes y deflactores, PIB oferta=PIB demanda; etc. Ante estas circunstancias se suele primar un enlace, o varios, y obtener los otros a partir de la restricción, comprobando que no se aleja en exceso de la realidad observada.

TRATAMIENTO PREVIO DE DATOS La nueva Contabilidad Nacional Base 2000. En el sistema anterior las cifras que ofrecía el I.N.E. para los distintos agregados de oferta y demanda venían expresadas en términos de Valores corrientes (Euros) y valores constantes (Euros del año base), desde la implantación del nuevo sistema estos mismo agregados vienen expresados en términos de valores corrientes (Euros) e índices de volumen encadenados.(Base =100). Esta nueva presentación induce un cambio significativo en la forma en que habitualmente venían realizando los análisis y sobre todo, el la mecánica de cálculo de deflactores y agregados.

TRATAMIENTO PREVIO DE DATOS La nueva Contabilidad Nacional Base 2000. Deflactores Base 1995 Base 2000 Donde Vn y Vr son, respectivamente los valores en términos corrientes y constantes Donde Vn es el valor nominal y IVe es el índice de volumen encadenado Operativamente el cálculo del índice de valor encadenado puede realizarse como:

TRATAMIENTO PREVIO DE DATOS La nueva Contabilidad Nacional Base 2000. Agregados La pérdida de aditividad supone que los índices encadenados de los agregados no se pueden obtener por media ponderada de los índices encadenados de los distintos componentes. Esta aditividad sí que se mantiene, tanto en los valores nominales como en los eslabones de cada uno de los índices encadenados. Donde:

TRATAMIENTO PREVIO DE DATOS La nueva Contabilidad Nacional Base 2000. Agregados Etapa Cálculo a realizar Formulación 1 Obtención de los eslabones de cada componente R 2 Obtención de las ponderaciones de cada componente R sobre el agregado A. 3 Obtención de los eslabones del agregado A. 4 Obtención del índice de volumen encadenado del agregado A Operativamente el cálculo del índice de volumen encadenado del agregado puede realizarse como:

TRATAMIENTO PREVIO DE DATOS La nueva Contabilidad Nacional Base 2000. Enlace de series. En la actualidad los datos disponibles en la nueva base contable sólo están disponibles, en general, desde el año 2000 y para los agregados recogidos en la Contabilidad Trimestral desde 1995. Para realizar el enlace de series pueden acometerse las siguientes etapas: Etapa Cálculo a realizar Formulación 1 Enlace de valores nominales e Índices de volumen encadenado 2 Cálculo de eslabones en constantes e índices encadenados de valor 3 Cálculo de agregados y deflactores implícitos

TRATAMIENTO PREVIO DE DATOS La nueva Contabilidad Nacional Base 2000. Trimestrales. En principio se trabajarían de la misma forma que los datos anuales con la diferencia que las referencias de enlace de los índices encadenados no son los valores del trimestre anterior sino el promedio de los cuatro trimestres del año precedente (“Annual Overlap”). Deflactores implícitos: Eslabones de valor y volumen: Índices de Valor encadenados:

TRATAMIENTO PREVIO DE DATOS La nueva Contabilidad Nacional Base 2000. Trimestrales. Para el cálculo de agregados se seguiría una metodología similar al caso anual Eslabones de los componentes: Ponderaciones de los componentes: Eslabones del agregado: Índice de volumen encadenado del agregado:

TRATAMIENTO PREVIO DE DATOS Existencia de datos perdidos En algunas ocasiones se nos presente el problema de la inexistencia de datos, bien por que no se han realizado las mediciones, o bien porque no somos capaces de localizar la fuente estadística. En estos casos podemos realizar una estimación simple mediante la interpolación lineal, o bien mediante la utilización de una tasa media acumulada.

TRATAMIENTO PREVIO DE DATOS Agregaciones de series, reducción de frecuencia. A menudo nos encontramos casos en los que las series que queremos analizar de forma conjunta presentan periodicidades distintas. (frecuencias). La norma general consistiría en utilizar las series en la frecuencia que presenta menor periodicidad, ya que siempre es posible “agregar”información, es decir reducir la frecuencia. Dependiendo del tipo de información contenida la agregación se realizará por suma, media, o por último dato.

TRATAMIENTO PREVIO DE DATOS Desagregación de series, aumento de frecuencia. En algunas ocasiones nos interesa el análisis de las series con la frecuencia más alta posible, a pesar de que alguna de las variables sólo este disponible en frecuencias más bajas. Ante estas circunstancias debemos optar por desagregar la variable de frecuencia más baja, aumentando su frecuencia. El problema fundamental en estas circunstancias se suele presentar por el cumplimiento de la restricción de agregación. (la nueva serie debe ser tal que al agregarla nos reproduzca la serie original).

TRATAMIENTO PREVIO DE DATOS Desagregación de series, aumento de frecuencia. Entre las distintas propuestas metodológicas para aumentar las frecuencia de una serie el método de Suavizado de Boot,Feibes y Lisman en uno de los más sencillos. Se trata de minimizar la suma de diferencias cuadráticas entre cada par de observaciones sucesivas sujeto a la restricción de que la suma de dichas observaciones sea el dato agregado.

TRATAMIENTO PREVIO DE DATOS Desagregación de series, aumento de frecuencia. Suavizado de Boot, Feibes y Lisman: La solución al problema de minimización se realiza mediante el lagrangiano:

TRATAMIENTO PREVIO DE DATOS Desagregación de series, aumento de frecuencia. Utilización de indicadores CHOW-LIN Una alternativa al método de suavizado consiste en la utilización de indicadores o variables “proxi” de alta frecuencia. (Para el caso trimestral Xqtj) Se parte de la estimación de una regresión entre la variable objetivo (Yt) y la proxi anualizada Xqt. A continuación se obtiene la variable de alta frecuencia (trimestralizada) aplicando los coeficientes estimados a los valores de alta frecuencia de la variable proxi.

TRATAMIENTO PREVIO DE DATOS Desagregación de series, aumento de frecuencia. Utilización de indicadores CHOW-LIN El cumplimiento de la restricción longitudinal se garantiza agregando al valor obtenido el error de la estimación en baja frecuencia distribuido entre los distintos periodos. En la alternativa más simple y asumiendo un ruido blanco en la perturbación de la regresión de baja frecuencia el coeficiente de distribución del error sería igual a 1/j. (para el caso trimestral)

TRATAMIENTO PREVIO DE DATOS Desagregación de series, aumento de frecuencia. Utilización de indicadores CHOW-LIN Si se detecta algún tipo de comportamiento anómalo en la matriz de varianzas-covarianzas de la perturbación aleatoria, utilizaríamos el estimador de Aitkien para determinar los valores de los parámetros . El valor trimestral de la variable objetivo se obtendría aplicando los coeficientes estimados al valor del indicador trimestral y añadiendóle el valor del error ponderado por la matriz de varianzas-covarianzas, ampliada a rango trimestral.