TRATAMIENTO PREVIO DE DATOS

1
TRATAMIENTO PREVIO DE DATOS
Condicionantes de partida

• El análisis cuantitativo precisa de la
  disponibilidad de un conjunto amplio de
  mediciones homogéneas de un fenómeno económico.
  (serie)
• Estas series deben ser los más largas posibles y
  no presentar discontinuidades.
• Habitualmente necesitamos disponer de la
  información lo más actual posible.

Situaciones reales

• Las series estadísticas a menudo incorporan
  cambios metodológicos y perfeccionamientos que no
  las hacen homogéneas.
• Podemos encontrarnos con datos no disponibles,
  bien intermedios o bien actualizados.

2
TRATAMIENTO PREVIO DE DATOS
Cambios metodológicos en las series estadísticas.

• La situación más habitual que nos podemos
  encontrar son los cambios de base en series de
  tipo INDICE.
• En el caso de las Cuentas Nacionales nos
  encontramos adicionalmente con cambios
  metodológicos unidos a cambios de base contable.

Sistema de cuentas nacionales
Año Base 1970 1980 1986 1995 2000
Metodología CNE-70 (No homogénea) Sec-79 Sec-79 S
ec-95 Sec-95 (Ind. Encadenados)
3
TRATAMIENTO PREVIO DE DATOS
Cambios metodológicos en las series estadísticas.

• Si no se han producido cambios metodológicos y
  únicamente se trata de un cambio de base (en una
  serie en índices) se podrán recalcular las series
  disponibles en una base anterior y expresarlas en
  términos de la nueva base.

Unicamente necesitamos disponer de la serie en la
base antigua (80) incluyendo el valor de nuevo
año base (90) en la base antigua (Ind9080)
4
TRATAMIENTO PREVIO DE DATOS
Cambios metodológicos en las series estadísticas.

• Si existen cambios metodológicos el enlace de las
  series es bastante más complejo ya que tendríamos
  que disponer de los datos originales y rehacer
  las series con la nueva metodología.
• Habitualmente no se dispone de esta información y
  tendremos que acudir a enlaces aproximados en
  base a coeficientes correctores o manteniendo las
  tasas de variación, siempre que se disponga de un
  dato común.

5
TRATAMIENTO PREVIO DE DATOS
Cambios metodológicos en las series estadísticas.

• Un problema que puede plantearse es la
  disponibilidad de varios años comunes, en cuyo
  caso el coeficiente corrector no es único.

• Las alternativas que se nos plantean son varias
• Utilizar sólo el primero disponible
• Utilizar una media (si es mas o menos constante)
• Estimar la dinámica del coeficiente.(p.e. Media
  móvil)

6
TRATAMIENTO PREVIO DE DATOS
Cambios metodológicos en las series estadísticas.

• Un segundo problema a tratar en los enlaces de
  cambios metodológicos sería la no disponibilidad
  de ningún punto común.

• Ante esta circunstancia una primera aproximación
  consistiría en respetar las tasas de crecimiento
  observadas en cada base y estimar la evolución
  (tasa de crecimiento) en el punto de corte.

• Una estimación sencilla consistiría en interpolar
  linealmente la tasa de variación del punto de
  corte, calculando la media entre las tasa previa
  y la posterior.

7
TRATAMIENTO PREVIO DE DATOS
Cambios metodológicos en las series estadísticas.

• El problema más complejo ante un cambio
  metodológico surge cuando existen a su vez
  restricciones entre varias variables a enlazar.
  P.e Corrientes, constantes y deflactores, PIB
  ofertaPIB demanda etc.

• Ante estas circunstancias se suele primar un
  enlace, o varios, y obtener los otros a partir
  de la restricción, comprobando que no se aleja en
  exceso de la realidad observada.

8
TRATAMIENTO PREVIO DE DATOS
Existencia de datos perdidos

• En algunas ocasiones se nos presente el problema
  de la inexistencia de datos, bien por que no se
  han realizado las mediciones, o bien porque no
  somos capaces de localizar la fuente estadística.

• En estos casos podemos realizar una estimación
  simple mediante la interpolación lineal, o bien
  mediante la utilización de una tasa media
  acumulada.

9
TRATAMIENTO PREVIO DE DATOS
Agregaciones de series, reducción de frecuencia.

• A menudo nos encontramos casos en los que las
  series que queremos analizar de forma conjunta
  presentan periodicidades distintas. (frecuencias).

• La norma general consistiría en utilizar las
  series en la frecuencia que presenta menor
  periodicidad, ya que siempre es posible
  agregarinformación, es decir reducir la
  frecuencia.

• Dependiendo del tipo de información contenida la
  agregación se realizará por suma, media, o por
  último dato.

10
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.

• En algunas ocasiones nos interesa el análisis de
  las series con la frecuencia más alta posible, a
  pesar de que alguna de las variables sólo este
  disponible en frecuencias más bajas.

• Ante estas circunstancias debemos optar por
  desagregar la variable de frecuencia más baja,
  aumentando su frecuencia.

• El problema fundamental en estas circunstancias
  se suele presentar por el cumplimiento de la
  restricción de agregación. (la nueva serie debe
  ser tal que al agregarla nos reproduzca la serie
  original).

11
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.

• Entre las distintas propuestas metodológicas para
  aumentar las frecuencia de una serie el método de
  Suavizado de Boot,Feibes y Lisman en uno de los
  más sencillos.

• Se trata de minimizar la suma de diferencias
  cuadráticas entre cada par de observaciones
  sucesivas sujeto a la restricción de que la suma
  de dichas observaciones sea el dato agregado.

12
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.
Suavizado de Boot, Feibes y Lisman

• La solución al problema de minimización se
  realiza mediante el lagrangiano

13
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.
Utilización de indicadores CHOW-LIN

• Una alternativa al método de suavizado consiste
  en la utilización de indicadores o variables
  proxi de alta frecuencia. (Para el caso
  trimestral Xqtj)

• Se parte de la estimación de una regresión entre
  la variable objetivo (Yt) y la proxi anualizada
  Xqt.

• A continuación se obtiene la variable de alta
  frecuencia (trimestralizada) aplicando los
  coeficientes estimados a los valores de alta
  frecuencia de la variable proxi.

14
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.
Utilización de indicadores CHOW-LIN

• El cumplimiento de la restricción longitudinal se
  garantiza agregando al valor obtenido el error de
  la estimación en baja frecuencia distribuido
  entre los distintos periodos.

• En la alternativa más simple y asumiendo un ruido
  blanco en la perturbación de la regresión de baja
  frecuencia el coeficiente de distribución del
  error sería igual a 1/j. (para el caso trimestral)

15
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.
Utilización de indicadores CHOW-LIN

• Si se detecta algún tipo de comportamiento
  anómalo en la matriz de varianzas-covarianzas de
  la perturbación aleatoria, utilizaríamos el
  estimador de Aitkien para determinar los valores
  de los parámetros ?.

• El valor trimestral de la variable objetivo se
  obtendría aplicando los coeficientes estimados al
  valor del indicador trimestral y añadiéndole el
  valor del error ponderado por la matriz de
  varianzas-covarianzas, ampliada a rango
  trimestral.

16
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.
Especificaciones alternativas de la matriz de
var-cov.

• La diferencia fundamental entre las distintas
  aproximaciones se centra en la estructura asumida
  para las perturbaciones del modelo trimestral
  subyacente.
• Ruido blanco Chow y Lin (1971)

17
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.
Especificaciones alternativas de la matriz de
var-cov.

• Paseo aleatorio Fernández (1981)

18
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.
Especificaciones alternativas de la matriz de
var-cov.

• AR(1) Chow y Lin (1971)

19
TRATAMIENTO PREVIO DE DATOS
Desagregación de series, aumento de frecuencia.
Especificaciones alternativas de la matriz de
var-cov.

• AR(1) Chow y Lin (1971)

El problema fundamental es estimar ?. Di fonzo y
Filosa proponen su estimación a partir de la
relación con el coeficiente anual ?a