La frecuencia y el tiempo de una serie temporal cambian repentinamente, ¿son válidos los métodos habituales

Question

Tengo una serie temporal de datos que utilizaba información trimestral sobre una variable, pero que ahora ha pasado a ser bimensual, desde septiembre de 2008 hasta julio de 2021. Se trata de una medida basada en una encuesta, que se publica al final de cada trimestre/ bimestre.

Pero poco a poco fueron cambiando los horarios de salida.

Evolucionó así:

Ronda1

Ronda2

Ronda3

Ronda4

Ronda5

Ronda6

De-a

Septiembre

Diciembre

Marzo

Junio

Sep 2008 - Jun 2016

Septiembre

Noviembre

Diciembre

Marzo

Mayo

Junio

Sep 2016 - Jun 2018

Septiembre

Noviembre

Enero

Marzo

Mayo

Julio

Septiembre 2018 - Julio 2021

Hay dos cuestiones:

1. Esto no es de frecuencia uniforme. Fue trimestral desde septiembre de 2008 hasta 2016, y luego pasó a ser bimensual.

2. Incluso después de convertirse en bimensual, sus fechas de publicación han cambiado. De septiembre de 2016 a junio de 2018, el intervalo entre las publicaciones posteriores no era constante. Esto se corrigió a partir de 2018, con un intervalo constante de 2 meses entre las publicaciones.

Si quiero ajustar un modelo ARIMA a esta serie temporal, ¿cómo debo tratar estas cuestiones?

Answer 1

Si insiste en utilizar algún modelo estándar de series temporales, esto será problemático, ya que los modelos estándar de series temporales, como el ARIMA, requieren una frecuencia fija.

Hay algunas formas posibles de abordar esta cuestión:

1. Podría intentar agregar todos los datos con una frecuencia trimestral. Puedo ver que esto podría ser algo más problemático debido a las brechas desiguales en la frecuencia bimestral, pero podrías simplemente ajustar alguna spline a través de los datos para estimar cuáles serían los valores del trimestre. Esto conllevará la pérdida de algo de información, pero a mí me parece la forma más directa de abordar la cuestión.
2. Podría simplemente intrapolar los datos que faltan, y así cubrir los datos trimestrales anteriores a bimestrales, aunque, esto produciría series artificialmente suavizadas y la mayoría de sus datos serían intrapolados lo que sería problemático.

Como alternativa, en lugar de utilizar modelos simples de series temporales, se pueden utilizar modelos que permitan una frecuencia no fija. Puede encontrar un resumen de estos modelos en Casals et al 2005 .