Tutorial SPSS práctica 1
Anuncio
Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Media móvil m 1 X k−1 k impar: yt = xt+i , m = k i=−m 2 ⎛ ⎞ k/2−1 X 1 ⎝ xt−k/2 + 2 xt+i + xt+k/2 ⎠ k par: yt = 2k i=−k/2+1 Transformar Æ Crear serie temporal… Si k es impar: k MA Si k es par: 2xk MA Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de descomposición Datos Definir fechas Analizar Series temporales Descomposición estacional Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de descomposición La componente estacional es proporcional al nivel global de la serie. Las observaciones sin variación estacional tienen un componente estacional de 1. La componente estacional no depende del nivel global de la serie. Las observaciones sin variación estacional tienen un componente estacional de 0. Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de suavizado exponencial Introducir datos Analizar Æ Series temporales Æ Suavizado exponencial Componentes estacionales de las variables originales. Para los modelos con componentes estacionales, se puede desplazar una variable que contenga los factores estacionales a este cuadro. Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de suavizado exponencial Las nuevas series, creadas por el Suavizado exponencial, se añaden al archivo de datos de trabajo como variables corrientes. Los nombres de variable están constituidos por un prefijo de tres letras, un subrayado y un número. Predice los valores para todos los casos, desde el período de estimación hasta el final del archivo, pero no crea nuevos casos. Si está analizando un rango de casos que comienzan después del principio del archivo, los casos anteriores a ese rango no serán pronosticados. Si no se ha definido ningún período de estimación, se utilizarán todos los valores para predecir. Las nuevas series, creadas por el Suavizado exponencial, se guardan en el archivo de datos de trabajo como variables temporales, y cualesquiera variables temporales creadas por los comandos de Tendencias son desplazadas. Los nombres de las variables están constituidos por un prefijo de tres letras, un signo de almohadilla (#) y un número. Las nuevas series no se añaden al archivo de datos de trabajo. Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de suavizado exponencial simple Supone que la serie no tiene ni tendencia ni variación estacional. x̂t+1 = αxt + α(1 − α)xt−1 + . . . + α(1 − α)t−1 x1 + (1 − α)t x̂1 x x1 Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de suavizado exponencial de Holt Asume que la serie tiene una tendencia lineal y que no tiene variación estacional Nivel : Lt Tendencia : bt Predicción : x̂t+m = αxt + (1 − α)(Lt−1 + bt−1 ) = β(Lt − Lt−1 ) + (1 − β)bt−1 = Lt + bt m α, β ∈ [0, 1] L 1 , b1 Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de suavizado exponencial de Holt β b0 L0 = x1 − 2 xn − x1 b0 = n−1 Inicio = L0 Tendencia = b0 L1 = αx1 + (1 − α)(L0 + b0 ) b1 = β(L1 − L0 ) + (1 − β)b0 Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de suavizado exponencial de Holt-Winters Asume que la serie tiene una tendencia lineal y una variación estacional multiplicativa (su magnitud crece o decrece con el nivel general de la serie). Nivel : Lt = Tendencia : bt = Componente Estacional: St = Predicción: x̂t+m = xt α + (1 − α)(Lt−1 + bt−1 ) St−s β(Lt − Lt−1 ) + (1 − β)bt−1 xt γ + (1 − γ)St−s Lt (Lt + bt m)St−s+m Definir la periodicidad Datos Æ Definir fechas Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de suavizado exponencial de Holt-Winters α β 1 (x1 + . . . + xs ) s µ ¶ 1 xs+1 − x1 xs+s − xs bs = +... + s s s x1 xs S1 = , . . . , Ss = Ls Ls Ls = γ µ ¶ x1 + x2 + . . . + xs s − b0 2 µ s ¶ xn−1 − xn−(s+1) 1 xn − xn−1 xs+1 − x1 + + ... + b0 = n−s s s s L0 = Miguel González e Inés Mª del Puerto Series Temporales. Colección Manuales UEx (EEES). Tutorial SPSS: Métodos de suavizado exponencial personalizado Permite especificar los componentes de tendencia y estacionalidad. El nivel medio de la serie no muestra ninguna tendencia lineal global. El nivel medio de la serie crece o decrece linealmente (a un ritmo constante) a lo largo del tiempo. El nivel medio de la serie crece, o decrece, exponencialmente con el tiempo. El nivel medio de la serie aumenta o disminuye con el tiempo, pero la tasa de variación disminuye. Una tendencia que va desapareciendo paulatinamente. La serie no muestra variación periódica, para la periodicidad definida al efecto. La serie muestra una variación estacional que es aditiva: la magnitud de la variación estacional no depende del nivel general de la serie. La serie muestra una variación periódica, con la periodicidad definida al efecto, y el tamaño de dicha variación depende del nivel general de la serie. Miguel González e Inés Mª del Puerto
