Since 2014
The estimation of dynamic models with missing observations
Brazilian Review of Econometrics
View Archive Info| Field | Value | |
| Title |
The estimation of dynamic models with missing observations
The estimation of dynamic models with missing observations |
|
| Creator |
Harvey, A. C.; London School of Economics)
Pereira, Pedro Luiz Valls; I.M.P.A. |
|
| Subject |
—
— — — |
|
| Description |
An ARMA model can be put in state space form and its exact likelihood function calculated by the Kalman filter. The same technique can be extended to handle missing observations, including cases where the data are initially available at an annual level and subsequently become available on a quartely, or monthly, basis. The Kalman filter enables the likelihood function to be computed for both stock and flow data. Once a suitable model has been fitted, the missing observations may be estimated by "smoothing". The paper first sets out the Kalman filter approach to missing observations for an ARMA time series model and discusses the implementation of an efficient algorithm. The results are then extended to cover static regression models with ARMA disturbances and dynamic models. A series of Monte Carlo experiments comparing the efficiency of different estimation procedures are reported.
Um modelo ARMA pode ser escrito em espaco de estado e sua função de verossimilhanca exata pode ser calculada pelo filtro de Kalman. Esta técnica pode ser estendida para modelos com falta de observação, incluindo casos onde as dados estão disponíveis em diferentes períodos de agregação, por exemplo, anuais-trimestrais. O filtro de Kalman é usado para calcular a função de verossimilhanca quando os dados são do tipo estoque ou fluxo. As observações faltando podem ser estimadas por suavizamento após o ajuste de um modelo adequado. Este artigo apresenta o filtro de Kalman para modelo ARMA com falta de observação e discute a implementação de algoritmos eficientes. Os resultados são estendidos para modelos de regressões estáticas com erros ARMA e para modelos dinâmicos. Um experimento de Monte Carlo é usado para comparar a eficiência dos diversos métodos de estimação. |
|
| Publisher |
Sociedade Brasileira de Econometria
|
|
| Date |
1985-11-02
|
|
| Type |
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion — — |
|
| Format |
application/pdf
|
|
| Identifier |
http://bibliotecadigital.fgv.br/ojs/index.php/bre/article/view/3126
10.12660/bre.v5n21985.3126 |
|
| Source |
Brazilian Review of Econometrics; Vol 05, No 2 (1985); 81-95
Brazilian Review of Econometrics; Vol 05, No 2 (1985); 81-95 1980-2447 |
|
| Language |
eng
|
|
| Relation |
http://bibliotecadigital.fgv.br/ojs/index.php/bre/article/view/3126/2021
|
|