Temporal Disaggregation of Time Series with Regularization Term

Sebastian Wójcik

doi:10.56583/br.505

Data publikacji : 2016-11-22

Tom 14 Nr 3 (2016)

Dezagregacja szeregów czasowych z wykorzystaniem regularyzacji

Sebastian Wójcik

DOI: https://doi.org/10.56583/br.505

Abstrakt

Metody dezagregacji czasowej są używane do uzyskania szeregów czasowych o wysokiej częstotliwości z tego samego szeregu czasowego niskiej częstotliwości przez procedurę tzw. dezagregacji przy założeniu pewnych dodatkowych warunków spójności pomiędzy szeregiem o niskiej i wysokiej częstotliwości. Warunki te zależą od rodzaju danych, np. stan, przepływ i mogą odnosić się odpowiednio do sumy lub ostatniej wartości otrzymanego szeregu wysokiej częstotliwości. Metody dezagregacji czasowej są szeroko stosowane na świecie do dezagregacji np. PKB. Metody te są zazwyczaj dwustopniowe i składają się z regresji oraz benchmarkingu. W tym artykule proponujemy metodę, która wykonuje regresję i benchmarking jednocześnie oraz umożliwia ustalenie relacji między nimi.

Słowa kluczowe:

dezagregacja i analiza szeregów czasowych, benchmarking, regularyzacja

Inne teksty tego samego autora

Jan Gawełko, Marek Cierpiał-Wolan, Sebastian Wójcik, Modele regresji w analizie trendów zachorowań na nowotwory krtani u kobiet w województwie podkarpackim , Barometr Regionalny. Analizy i Prognozy : Tom 15 Nr 1 (2017)

Szczegóły

Bibliografia

Statystyki

Autorzy

Pobierz pliki

PDF (English)

Zasady cytowania

Wójcik, S. (2016). Dezagregacja szeregów czasowych z wykorzystaniem regularyzacji. Barometr Regionalny. Analizy I Prognozy, 14(3), 183–188. https://doi.org/10.56583/br.505

Wskaźniki altmetryczne

Cited by / Share

Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.

Bibliografia

Chamberlin, G. 2010. “Methods Explained: Temporal Disaggregation.” Economic & Labour Market Review no. 4 (11):106–121. doi: 10.1057/elmr.2010.157. DOI: https://doi.org/10.1057/elmr.2010.157

Chow, G.C., and A.L. Lin. 1971. “Best Linear Unbiased Interpolation, Distribution, and Extrapolation of Time Series by Related Series.” Review of Economics and Statistics no. 53 (4):

–375. doi: 10.2307/1928739. DOI: https://doi.org/10.2307/1928739

Dagum, E.B., and P.A. Cholette. 2006. Benchmarking, Temporal Distribution, and Reconciliation Methods for Time Series, Lecture Notes in Statistics. New York: Springer.

Denton, F.T. 1971. “Adjustment of Monthly or Quarterly Series to Annual Totals — Approach Based on Quadratic Minimization.” Journal of the American Statistical Association no. 66 (333):99–102. DOI: https://doi.org/10.1080/01621459.1971.10482227

Di Fonzo, T. 2003. “Temporal Disaggregation of a System of Time Series when the Aggregate is Known: Optimal vs. Adjustment Methods.” In Paris–Bercy 05/12/1994 – 06/12/1994. Workshop on Quarterly National Accounts, edited by R. Barcellan and G.L. Mazzi, 63–77. Luxembourg: Office for Official Publications of the European Communities.

Fernandez, R.B. 1981. “A Methodological Note on the Estimation of Time-Series.” Review of Economics and Statistics no. 63 (3):471–476. doi: 10.2307/1924371. DOI: https://doi.org/10.2307/1924371

Litterman, R.B. 1983. “A Random Walk, Markov Model for the Distribution of Time Series” Journal of Business & Economic Statistics no. 1 (2):169–173. DOI: https://doi.org/10.1080/07350015.1983.10509336

Sax, C., and P. Steiner. 2013. “Temporal Disaggregation of Time Series.” R Journal no. 5 (2):81–88. DOI: https://doi.org/10.32614/RJ-2013-028