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
Descargar