Rafał Woźniak
ARTYKUŁ

(Polski) PDF

STRESZCZENIE

Wielu ekonomistów jest zainteresowanych aktualną sytuacją gospodarstw domowych. Dane dotyczące tego tematu publikowane są co miesiąc od stycznia 2004 r., a dane sprzed tego okresu publikowano co kwartał. Agregacja wartości miesięcznych do kwartalnych powoduje utratę informacji miesięcznych. Dezagregacja danych kwartalnych do miesięcznych rozwiązuje ten problem. W artykule przedstawiono zastosowanie teorii filtracji do dezagregacji szeregów ekonomicznych o małej częstotliwości, jak również zastosowanie miesięczno-kwartalnych wersji popularnych metod zmian częstotliwości. Zaprezentowane metody używają tylko informacji w dezagregowanych szeregach. Kryteria estymacji uwzględniają to, że tylko część próby wymaga dezagregacji.

SŁOWA KLUCZOWE

koniunktura gospodarcza, metodologia badań statystycznych, konsument

BIBLIOGRAFIA

Boot J. C. G., Feibes W., Lisman J. H. C. (1967), Methods of Derivation of Quarterly Figures from Annual Data, „Journal of the Royal Statistical Society”, Series C (Applied Statistics), vol. 16, No. 1

Chan W.-S. (1993), Disaggregation of Annual Time-series Data to Quarterly Figures: A Comparative Study, „Journal of Forecasting”, vol. 12

Chow G. C., Lin A. (1971), Best linear unbiased interpolation, distribution, and extrapolation of time series by related series, „The Review of Economics and Statistics”, vol. 53

Denton F. T. (1971), Adjustment of Monthly or Quarterly Series to Annual Totals: An Approach Based on Quadratic Minimization, „Journal of the American Statistical Association”, vol. 66, No. 333

Di Fonzo T. (1990), The Estimation of M Disaggregate Time Series when Contemporaneous and Temporal Aggregates Are Known, Review of Economics and Statistics

Feijoo S. R., Caro A. R., Quintana D. D. (2003), Methods for Quarterly Disaggregation without Indicators: A Comparative Study Using Simulation, „Computational Statistics and Data Analysis”, vol. 43

Koniunktura konsumencka. Tendencje zmian październik 2003—styczeń 2004 (2004), GUS

Koniunktura konsumencka. Wrzesień 2010 (2010), GUS

Lisman J. H. C., Sandee J. (1964), Derivation of Quarterly Figures from Annual Data, „Applied Statistics”, No. 13

Litterman R. B. (1983), A Random Walk, Markov Model for Distribution of Time Series, „Journal of Business and Economics Statistics”, vol. 1

Marcellino M. (1998), Temporal Disaggregation, Missing Observations, Outliers, and Forecasting: A Unifying Non-Model-Based Procedure, „Advances in Econometrics”, vol. 13

Rossi N. (1982), A Note on the Estimation of Disaggregate Time Series When The Aggregate is Known, „The Review of Economics and Statistics”, vol. 64, No. 4

Smith J. O. (2007), Introduction to Digital Filters with Audio Applications, http://ccrma.stanford.edu/~jos/filters/

Wei W. W. S., Stram D. O. (1990), Disaggregation of Time Series Models, „Journal of the Royal Statistical Society”, Series B (Methodological), vol. 52, No. 3

Zani S. (1970), Sui criteri di calcolo dei valori trimestrali di tendenza degli aggregate della contabilita nazionale, Studi di Ricerche, Facolta di Economia e Commercio Universita degli Studi di Parma VII

Do góry
© 2019-2022 Copyright by Główny Urząd Statystyczny, pewne prawa zastrzeżone. Licencja Creative Commons Uznanie autorstwa - Na tych samych warunkach 4.0 (CC BY-SA 4.0) Creative Commons — Attribution-ShareAlike 4.0 International — CC BY-SA 4.0