Antonio Anselmi (SAS Institute) Paola Maddalena Chiodini () (Department of Statistics, University of Milano - Bicocca) Flavio Verrecchia () (ESeC)
Abstract
in letteratura, per l’imputazione dei dati mancanti nelle serie storiche, si fa riferimento a statistiche applicate all’intera serie analizzata (e.g. media di tutti i termini della serie), ottenendo una costante d’imputazione generalmente adeguata per una specifica serie. Se le serie sono n (n -> infinito) è impossibile trovare un’unica funzione per le n costanti di imputazione dei missing. Obiettivo del lavoro è proporre un nuovo metodo di imputazione dei dati mancanti - ESeC-Rubin - per basi dati gerarchiche finalizzato alla modellistica temporale. In particolare, la ESeC-Rubin consente di ricostruire il dato mancante tenendo conto di una sequenza di metodi di imputazione e della naturale variabilità degli aggregati studiati. La metodologia proposta in questo lavoro trova ispirazione dalla teoria dei campioni dove non di rado si deve trovare la miglior soluzione possibile al problema del missing. In questo contesto la soluzione che si cerca di dare è quella di ricostruire il dato mancante tenendo conto della naturale variabilità del fenomeno allo studio (Rubin 1987, 1996; Hergoz e Rubin, 1983; Rubin e Shenker, 1986). In effetti la letteratura in tal senso fornisce una gamma piuttosto articolata di strategie che possono di volta in volta essere utilizzate in quanto appare immediatamente evidente che la soluzione non può essere unica e generalizzata. Infine, si presenterà una applicazione della ESeC-Rubin su dati socio-economici di fonte Eurostat. L’applicazione prodotta con SAS Forecast Server consente di comparare i modelli (selezionati in automatico) a partire dalla base dati osservata con missing values e differenti tipologie di imputazione.
Download Info
To download:
If you experience problems downloading a file, check if you have the
proper application to
view it first. Information about this may be contained
in the File-Format links below. In case of further problems read
the IDEAS help
page. Note that these files are not on the IDEAS
site. Please be patient as the files may be large.
Publisher Info
Paper provided by ESeC - Economic Statistics no-profit Association in its series Working Papers with number
002.
Find related papers by JEL classification: C8 - Mathematical and Quantitative Methods - - Data Collection and Data Estimation Methodology; Computer Programs C43 - Mathematical and Quantitative Methods - - Econometric and Statistical Methods: Special Topics - - - Index Numbers and Aggregation C16 - Mathematical and Quantitative Methods - - Econometric and Statistical Methods: General - - - Econometric and Statistical Methods; Specific Distributions C22 - Mathematical and Quantitative Methods - - Single Equation Models; Single Variables - - - Time-Series Models; Dynamic Quantile Regressions
This paper has been announced in the following NEP Reports: