Este trabajo presenta una alternativa para analizar series de tiempo que se encuentran
restringidas al intervalo (0; 1). Se detalla el modelo propuesto Masarotto y Varin (2012) y
Guolo y Varin (2014), el cual permite capturar los efectos producidos por covariables a través
de una regresión beta y adicionalmente, con el empleo de cópulas permite modelar la dependencia
temporal mediante un proceso de autorregresivo de medias móviles. Como ventaja de
la aplicación de este modelo se tiene que evita la necesidad de transformar la variable dependiente,
así como también evita someterla al cumplimiento de diversos supuestos como los
de normalidad y estacionariedad. Además, permite diferenciar los efectos de las covariables
y de la dependencia temporal, lo cual coadyuva a mejorar el análisis de los resultados. Se
realizó una aplicación a la tasa de desempleo desde enero de 2003 hasta octubre de 2019 en
Lima Metropolitana y debido a la distribución que presenta esta variable se usó un modelo
de regresión beta usando cópulas gaussianas. Para la estimación se incluyó el logaritmo del
índice del PBI, así como un componente de estacionalidad anual como covariables y para
tomar en cuenta la dependencia temporal se incorporó un proceso autorregresivo de medias
móviles ARMA(1; 1) a través de una cópula gaussiana. / This work presents an alternative to analyze time series restricted to the interval (0; 1).
This model was proposed by Masarotto y Varin (2012) and Guolo y Varin (2014), which allows
to capture covariates effects through a beta regression and additionally allows to model the
temporal dependence by copulas through an autoregressive moving averages process. As an
advantage of the application of this model, it is not necessary to transform the dependent
variable or subject to compliance the assumptions such as normality and stationarity. Also, it
allows to differentiate the effects of the covariates and of the temporal dependence, which helps
to improve the analysis of results. An application to the unemployment rate from January
2003 to October 2019 in Metropolitan Lima was implemented and due to the distribution
presented by this variable it was used a gaussian copula beta regression model. The model
includes the logarithm of the GDP index and annual seasonality component as covariates,
and to take into account the temporal dependence it was included an autoregressive moving
averages process ARMA(1; 1) through a gaussian copula.
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/23975 |
| Date | 11 January 2023 |
| Creators | Cajavilca Gonzales, Ana Rosa |
| Contributors | Quiroz Cornejo, Zaida Jesús |
| Publisher | Pontificia Universidad Católica del Perú, PE |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | English |
| Type | info:eu-repo/semantics/masterThesis |
| Format | application/pdf, application/pdf |
| Rights | info:eu-repo/semantics/openAccess, Atribución 2.5 Perú, http://creativecommons.org/licenses/by/2.5/pe/ |
Page generated in 0.0016 seconds