BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Błażejowski Marcin (Wyższa Szkoła Bankowa w Toruniu)
Tytuł
Ekonometryczny model struktury procesu jako interpolator brakujących obserwacji
Econometric Models of the Internal Structure of Processes as a Tool for Interpolating the Gaps in Time Series
Źródło
Studia i Prace Uniwersytetu Ekonomicznego w Krakowie, 2010, nr 10, s. 39-49, bibliogr. 9 poz.
Słowa kluczowe
Ekonometria, Modele ekonometryczne, Szeregi czasowe
Econometrics, Econometric models, Time-series
Uwagi
summ.
Abstrakt
Celem artykułu jest analiza przydatności składnikowego modelu struktury procesu jako interpolatora brakujących obserwacji dla danych dziennych. Całość analizy będzie przeprowadzona z wykorzystaniem rzeczywistego procesu sprzedaży detalicznej w wybranym supermarkecie. (fragment tekstu)

Lack of data is a problem that relatively frequently appears in time series, especially in series of high frequency observations such as daily data. There are different possible schemata for the continuous lack of data, including those with from one to a few observations. Holidays and "long weekends" additionally complicate the analysis. The paper analyses different econometric models of internal process structure (trend-cycle with autoregression) that can be used to interpolate the gaps in time-series of various frequency of observations when these gaps appear in different sequences. The influence of the methods used for interpolation are evaluated. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Bibliografia
Pokaż
  1. Błażejowski M. [2008], Ocena metod uzupełniania brakujących danych w szeregach czasowych [w:] Współczesne trendy w ekonometrii, red. Z. Zieliński, Wyższa Szkoła Informatyki i Ekonomii TWP, Olsztyn.
  2. Błażejowski M., Kufel T. [2007], Ekonometryczne modelowanie procesów sprzedaży dla danych o wysokiej częstotliwości obserwowania, Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, red. J. Pociecha, Wydawnictwo AE w Krakowie, Kraków.
  3. Harvey A.C., Pierse R.G. [1984], Estimating Missing Observations in Economic Time Series, "Journal of the American Statistical Association", vol. 79, nr 385.
  4. Koopman S.J., Harvey A.C., Doornik J.A., Shephard N. [2006], Structural Time Series Analyzer, Modeler and Predictor, Timberlake Consultants Ltd, London.
  5. Kufel T. [2006], Ekonometryczne modelowanie cykliczności w procesach sprzedaży na podstawie danych dziennych [w:] Prognozowanie w zarządzaniu firmą, red. P. Dittman, J. Krupowicz, Wydawnictwo AE we Wrocławiu, Wrocław.
  6. Prognozowanie gospodarcze. Metody i zastosowania [2005], red. M. Cieślak, Wydawnictwo Naukowe PWN, Warszawa.
  7. Robinson P.M. [1985], Testing for Serial Correlation in Regression with Missing Data, "Journal of the Royal Statistical Society. Series В (Methodological)", vol. 47, nr 3.
  8. Zając K. [1968], Podstawy statystyki, Wyższa Szkoła Ekonomiczna, Kraków.
  9. Zieliński Z. [1979], Metody analizy dynamiki i rytmiczności zjawisk gospodarczych, PWN, Warszawa.
Cytowane przez
Pokaż
ISSN
1899-6205
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu