| Abstract : | This thesis deals with seasonal adjustment using the Arima Model Based method(AMB) in which the observed time series is interpreted as the sum of three unobservedcomponents, the seasonal, the trend and the rest of the series. An ARIMAmodel is estimated for the time series but also for each component. We address theissues of model specification and present the evaluation of the unobserved componentsas a signal extraction problem. The signal is always the component of interest.The optimal estimators are achieved with ’Minimum Mean Squared Error’. A briefoverview of the basic concepts and definitions is provided at the beginning. Next, weshow how the AMB method works and at the end an application is briefly presentedin JDemetra, a software introduced by Eurostat.
Η διατριβή πραγματεύεται την εποχική προσαρμογή με τη μέθοδο ARIMA Model Based, στην οποία η παρατηρούμενη χρονολογική σειρά ερμηνεύονται ως το άθροισμα τριών μη παρατηρημένων συνιστωσών, την εποχική, της τάσης και της υπόλοιπης σειράς. Ένα μοντέλο ARIMA εκτιμάται για την παρατηρούμενη χρονολογική σειρά αλλά και για κάθε συνιστώσα. Παρουσιάζουμε τις υποθέσεις του μοντέλου και την εκτίμηση των μη παρατηρούμενων συνιστωσών ως πρόβλημα εξόρυξης σήματος. Το σήμα είναι κάθε φορά η συνιστώσα που μας ενδιαφέρει. Οι βέλτιστοι εκτιμητές επιτυγχάνονται με το 'Ελάχιστο Μέσο Τετραγωνικό Σφάλμα'. Στην αρχή παρέχεται μια σύντομη ανασκόπηση των βασικών εννοιών και ορισμών. Στη συνέχεια, παρουσιάζουμε πώς λειτουργεί η μέθοδος AMB και στο τέλος παρουσιάζεται συνοπτικά μια εφαρμογή στο JDemetra, ένα λογισμικό που εισήγαγε η} Eurostat.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.