Visión general (mandato ARIMA)

ARIMA estima los modelos ARIMA univariados estacionales y no estacionales con o sin variables regresivas fijas. El procedimiento utiliza una biblioteca de subrutinas escrita por Craig Ansley que produce estimaciones de máxima verosimilitud y puede procesar series temporales con observaciones que faltan.

Opciones

Especificación de modelo. El modelo ARIMA tradicional (p, d, q) (sp, sd, sq) incorpora parámetros no estacionales y estacionales multiplicativamente y se puede especificar en el subcomando MODEL . También puede especificar modelos ARIMA y modelos ARIMA restringidos utilizando los subcomandos separados de orden de parámetros P, D, Q, SP, SDy SQ.

Especificación de parámetro. Si especifica el modelo en el formato tradicional (p, d, q) (sp, sd, sq) en el subcomando MODEL , puede especificar adicionalmente la longitud del periodo, si se debe incluir una constante en el modelo (utilizando la palabra clave CONSTANT o NOCONSTANT) y si la serie se debe primero transformar logarítmicamente (utilizando la palabra clave NOLOG, LG10o LN). Puede ajustar parámetros únicos o no secuenciales utilizando los submandatos de orden de parámetros separados para especificar los retardos exactos. También puede especificar valores iniciales para cualquiera de los parámetros utilizando los submandatos AR, MA, SAR, SMA, REGy CON .

Iteraciones. Puede especificar criterios de terminación utilizando los submandatos MXITER, MXLAMB, SSQPCTy PAREPS .

Intervalos de confianza. Puede controlar el tamaño del intervalo de confianza utilizando el submandato CINPCT .

Resultado estadístico. Para visualizar sólo las estadísticas de parámetros finales, especifique TSET PRINT=BRIEF antes de ARIMA. Para incluir estimaciones de parámetros en cada iteración además de la salida predeterminada, especifique TSET PRINT=DETAILED.

Variables nuevas. Para evaluar los estadísticos del modelo sin crear nuevas variables, especifique TSET NEWVAR=NONE antes de ARIMA. Esto podría dar como resultado un tiempo de proceso más rápido. Para añadir nuevas variables sin borrar los valores de las variables generadas por la previsión, especifique TSET NEWVAR=ALL. Esto guarda todas las variables nuevas generadas durante la sesión actual en el conjunto de datos activo y puede requerir un tiempo de proceso adicional.

Previsión. Cuando se utiliza con el comando PREDICT , un modelo ARIMA sin variables de regresión puede generar previsiones y límites de confianza más allá del final de la serie (consulte PREDICT para obtener más información).

Especificación básica

La especificación básica es el nombre de serie dependiente. Para estimar un modelo ARIMA, también debe especificarse el subcomando MODEL y/o subcomandos separados de orden de parámetros (o el subcomando APPLY ). De lo contrario, solo se estimará la constante.

• ARIMA estima los valores de parámetro de un modelo utilizando las especificaciones de parámetro en el subcomando MODEL y/o los subcomandos separados de orden de parámetro P, D, Q, SP, SDy SQ.
• Se utiliza un intervalo de confianza del 95% a menos que lo cambie un mandato TSET CIN antes del procedimiento ARIMA .
• A menos que el valor predeterminado de TSET NEWVAR se cambie antes de ARIMA, se crean, etiquetan y añaden automáticamente cinco variables al conjunto de datos activo: valores ajustados (FIT#1), residuos (ERR#1), límites de confianza inferiores (LCL#1), límites de confianza superiores (UCL#1) y errores estándar de predicción (SEP#1).
• De forma predeterminada, ARIMA iterará hasta un máximo de 10 a menos que se cumpla uno de los tres criterios de terminación: el cambio en todos los parámetros es menor que el valor TSET CNVERGE (el valor predeterminado es 0.001); el cambio porcentual de suma de cuadrados es menor que 0.001%; o la constante de Marquardt excede 10⁹ (1.0E9).
• En cada iteración, se muestra la constante de Marquardt y la suma ajustada de cuadrados. Para las estimaciones finales, los resultados mostrados incluyen las estimaciones de los parámetros, los errores estándar, las razones t , la estimación de la varianza residual, el error estándar de la estimación, el logaritmo de la verosimilitud, el criterio de información de Akaike (AIC) ¹, el criterio bayesiano de Schwartz (SBC) ²y las matrices de covarianza y correlación.

Orden de submandatos

• Los submandatos se pueden especificar en cualquier orden.

Reglas de la sintaxis

• VARIABLES sólo se puede especificar una vez.
• Otros subcomandos se pueden especificar más de una vez, pero sólo se ejecuta la última especificación de cada uno.
• Las especificaciones CONSTANT, NOCONSTANT, NOLOG, LNy LOG son palabras clave opcionales en el submandato MODEL y no son submandatos independientes.

Operaciones

• Si se especifica la diferenciación en modelos con regresores, se diferencian tanto la serie dependiente como los regresores. Para diferenciar sólo la serie dependiente, utilice la función DIFF o SDIFF en CREATE para crear una nueva serie (consulte CREATE para obtener más información).
• Cuando se utiliza ARIMA con el mandato PREDICT para prever valores más allá del final de la serie, a la serie original y a la variable residual se les asigna el valor perdido del sistema después del último caso de la serie original.
• Los rangos USE y PREDICT no pueden ser exactamente iguales; al menos un caso del periodo USE debe preceder al periodo PREDICT . (Consulte USE y PREDICT para obtener más información.)
• Si se especifica una transformación LOG o LN , la serie residual (error) se notifica en la métrica registrada; no se transforma de nuevo en la métrica original. Esto es para que se puedan realizar las comprobaciones de diagnóstico adecuadas en los residuos. Sin embargo, los valores pronosticados (previsión) se transforman de nuevo en la métrica original. Por lo tanto, el valor observado menos el valor predicho no será igual al valor residual. Una nueva variable residual en la métrica original se puede calcular restando el valor predicho del valor observado.
• Las especificaciones de los submandatos P, D, Q, SP, SDy SQ alteran temporalmente las especificaciones del submandato MODEL .
• Para modelos de ARIMA con un regresor fijo, el número de previsiones e intervalos de confianza producidos no puede superar el número de observaciones para la variable de regresor (independiente). La serie de regresores no se puede ampliar.
• Los modelos de series con observaciones incrustadas que faltan pueden tardar más en estimarse.

Limitaciones

• Máximo 1 submandato VARIABLES .
• Máximo 1 serie dependiente. No hay límite en el número de series independientes.
• Máximo 1 especificación de modelo.