FCEyE 2015 - Actas Jornadas Anuales - Vigésimas: 18 al 20-11-2015

URI permanente para esta colección

https://rephip.unr.edu.ar/handle/2133/7415

Examinar

Examinando FCEyE 2015 - Actas Jornadas Anuales - Vigésimas: 18 al 20-11-2015 por Materia "BOOTSTRAP"

Mostrando 1 - 1 de 1
  • Miniatura
    ÍtemAcceso Abierto
    Estimación de la función de autocorrelación en modelos AR(1) con Métodos de Replicaciones.
    (2015-11-18) Bussi, Javier; Marí, Gonzalo Pablo Domingo; Méndez, Fernanda; Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario
    La función de autocorrelación (FAC) es una herramienta fundamental en el análisis de series de tiempo lineales, entre otras muchas cuestiones, para la identificación del modelo. La estimación muestral de la FAC es altamente sensible a la presencia de observaciones extremas. El objetivo del presente trabajo es comparar distintos estimadores de la FAC propuestos en la literatura con cinco estimadores basados en métodos de replicaciones a través del sesgo y el Error Cuadrático Medio (ECM). Cuatro de estos estimadores son variaciones basadas en la técnica Jackknife para series de tiempo con bloques móviles. El restante es una adaptación del estimador a través del método Bootstrap Rápido y Robusto (FRB) con el fin de estimar la FAC. Se compararon las estimaciones para el rezago de orden 1 de la FAC de un modelo AR(1). El estimador basado en el método FRB parece ser un serio competidor del estimador altamente robusto MG ya que es superior en cuanto a sesgo y ECM en los casos de ausencia de outliers y resulta tener un comportamiento similar en los casos simulados con un outlier con Φ=±0,9; ±0,6. Lo mismo ocurre si se lo compara con el estimador Trun2, el cual tiene un buen comportamiento cuando existen outliers. Para los casos en donde el valor de Φ en valor absoluto es 0,3, el desempeño del método FRB decae notablemente. Los estimadores basados en el método Jackknife se comportan razonablemente bien en presencia de observaciones extremas pero no logran en ningún caso superar el desempeño logrado por el estimador MG.