×
阿古斯廷·马拉瓦尔

TRAMO-SEATS自动程序的应用；直接调整与间接调整。 （英语） Zbl 1316.62175号

计算。统计数据分析。 50，第9期，2167-2190（2006）.
概要：基于ARIMA模型的TRAMO和SEATS程序方法用于出口、进口和日本贸易差额系列的季节调整和趋势周期估计。程序在自动模式下使用，并对结果进行分析。它显示了SEATS输出如何在区分竞争车型时提供帮助。最后，通过实例讨论了总量直接调整和间接调整之间的选择这一重要问题。得出的结论是，由于聚合对序列的谱形状有很大影响，并且季节调整是原始序列的非线性变换，因此直接调整更可取，即使以破坏原始序列之间的一致性为代价。

引用于9文件

MSC公司：

62第20页 统计学在经济学中的应用
62M10个 统计学中的时间序列、自相关、回归等（GARCH）

关键词：

应用时间序列分析;回归-ARIMA模型;季节性调整;趋势周期估计;直接和间接调整

软件：

TRAMO公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Maravall}，计算。统计数据分析。50，第9号，2167--2190（2006；Zbl 1316.62175）
全文： 内政部 链接

参考文献：

[1] Astolfi，R.，Ladiray，D.，Mazzi，G.L.，2001年。欧洲总量的季节性调整：直接法与间接法，Mimeo，欧盟统计局，2001年4月。；Astolfi，R.、Ladiray，D.、Mazzi，G.L.，2001年。欧洲总量的季节性调整：直接法与间接法，Mimeo，欧盟统计局，2001年4月。
[2] 英格兰银行，2003年。季节调整方法的预期变化：与用户的协商：总结与回应，Mimeo，英格兰银行，2003年2月20日。；英格兰银行，2003年。季节调整方法的预期变化：与用户的协商：摘要和答复，Mimeo，英格兰银行，2003年2月20日。
[3] Bell，W.R.，非平稳时间序列的信号提取，《统计年鉴》。，12, 646-664 (1984) ·兹伯利0542.62081
[4] 贝尔，W.R。；Hillmer，S.C.，《经济时间序列季节性调整的相关问题》，J.Business Econom。统计人员。，2, 291-320 (1984)
[5] 贝尔，W.R。；Martin，D.E.K.，ARIMA组件模型的非对称信号提取滤波器和均方误差计算，J.Time-Ser。分析。，25, 603-625 (2004) ·兹比尔1060.62102
[6] 盒子，G.E.P。；Tiao，G.C.，《干预分析及其在经济和环境问题中的应用》，J.Amer。统计师。协会，70，71-79（1975）·Zbl 0316.62045号
[7] Burman，J.P.，《通过信号提取进行季节性调整》，J.Roy。统计师。社会学硕士，143，321-337（1980）·Zbl 0461.62074号
[8] Caporello，G.，Maravall，A.，2004年。项目TSW：修订的参考手册。工作文件0408，西班牙国家银行，2004年，Servicio de Estudios。；Caporello，G.，Maravall，A.，2004年。项目TSW：修订的参考手册。工作文件0408，西班牙银行服务部，2004年。
[9] Chang，I。；Tiao，G.C。；Chen，C.，存在离群值时的时间序列参数估计，技术计量学，30193-204（1988）
[10] 陈，C。；Liu，L.M.，时间序列中模型参数和异常值效应的联合估计，J.Amer。统计师。协会，88，284-297（1993）·Zbl 0775.62229号
[11] 克利夫兰，W.P。；Tiao，G.C.，《季节性时间序列的分解：X-11计划的一个模型》，J.Amer。统计师。协会，71，581-587（1976）·Zbl 0336.62077号
[12] 康普顿，S.，2002年。累加性和季节性调整，Mimeo，英国国家统计局。；康普顿，S.，2002年。累加性和季节性调整，英国国家统计局Mimeo。
[13] 芬德利，D.F。；蒙塞尔，公元前。；贝尔，W.R。；奥托，M.C。；Chen，B.C.，《X12 ARIMA季节性调整计划的新功能和方法（讨论）》，《商业经济学杂志》。统计人员。，12, 127-177 (1998)
[14] Geweke，J.，季节性调整时间序列的时间和部门加总，（Zellner，A.，《经济时间序列的季节性分析》（1978），美国商业部人口普查局：美国商业部普查局华盛顿特区），411-427
[15] Ghysels，E.，《季节调整和其他数据转换》，J.Business Econom。统计人员。，15, 410-418 (1997)
[16] Ghysels，E。；Osborn，D.R.，《季节性时间序列的计量经济学分析》（2001），剑桥大学出版社：剑桥大学出版社·Zbl 0994.62086号
[17] Gómez，V.，Maravall，A.，1996年。程序TRAMO和SEATS。用户说明（有一些更新）。工作文件9628，西班牙银行Estudios服务。；Gómez，V.，Maravall，A.，1996年。程序TRAMO和SEATS。用户说明（有一些更新）。工作文件9628，西班牙银行服务部。
[18] Gómez，V。；Maravall，A.，《经济时间序列中的季节性调整和信号提取》（PeñA，D.；Tiao，G.C.；Tsay，R.S.，《时间序列分析教程》（2001年），威利：威利纽约），（第8章）
[19] Gómez，V。；Maravall，A.，《单变量序列的自动建模方法》（PeñA，D.；Tiao，G.C.；Tsay，R.S.，《时间序列分析教程》（2001年），威利：威利纽约），（第7章）
[20] Gómez，V。；Maravall，A。；Peña，D.，ARIMA模型中的缺失观测值：跳过方法与加性异常值方法，J.Econom。，88, 341-364 (1999) ·Zbl 1054.62621号
[21] Hillmer，S.C.，《基于模型的季节调整程序的可变性度量》，《商业经济学杂志》。统计人员。，3, 60-68 (1985)
[22] Hillmer，南卡罗来纳州。；Tiao，G.C.，基于ARIMA模型的季节调整方法，J.Amer。统计师。协会，77，63-70（1982）·Zbl 0483.62075号
[23] 南卡罗来纳州希尔默。；贝尔，W.R。；Tiao，G.C.，《经济时间序列季节性调整中的建模考虑》（Zellner，A.，《经济数据应用时间序列分析》（1983），美国商务部人口普查局：美国商务部，人口普查局，华盛顿特区），74-100
[24] 胡德，C.C.，芬德利，D.F.，2001年。比较总量序列的直接和间接季节调整。2001年美国统计协会会刊，商业和经济统计科。；Hood，C.C.，Findley，D.F.，2001年。比较总量序列的直接和间接季节调整。2001年美国统计协会会刊，商业和经济统计科。
[25] 肯德尔，M。；Ord，J.K.，《时间序列》（1990），爱德华·阿诺德：爱德华·阿诺德伦敦·Zbl 0744.62125号
[26] Maravall，A.，《关于未观测组件模型中噪声的最小均方误差估计》，《商业经济学杂志》。统计人员。，5115-120（1987年）
[27] Maravall，A.，1995年。经济时间序列中未观察到的成分。摘自：Pesaran，H.，Wickens，M.（编辑），《应用计量经济学手册》，第1卷。牛津大学巴兹尔·布莱克威尔。；Maravall，A.，1995年。经济时间序列中未观察到的成分。摘自：Pesaran，H.，Wickens，M.（编辑），《应用计量经济学手册》，第1卷。牛津大学巴兹尔·布莱克威尔。
[28] Maravall，A。；Planas，C.，《估算误差与未观测组件模型规范》，J.Econom。，92, 325-353 (1999) ·Zbl 0951.62079号
[29] McLeod，A.I。；Li，W.K.，使用平方残差自相关对arma时间序列模型进行诊断检查，J.time-Ser。分析。，4, 269-273 (1983) ·Zbl 0536.62067号
[30] 内洛夫，M。；格雷瑟，D.M。；卡瓦略，J.L.，《经济时间序列分析：综合》（1979），学术出版社：纽约学术出版社·Zbl 0473.62077号
[31] Pierce，D.A.，当确定性和随机性都存在时的季节性调整，（Zellner，A.，经济时间序列的季节性分析（1978），美国商务部人口普查局：美国商务部人口普查局华盛顿特区），242-269
[32] 皮尔斯，D.A.，非平稳时间序列中的信号提取误差，《统计年鉴》。，7, 1303-1320 (1979) ·Zbl 0425.62073号
[33] Pierce，D.A.，《移动平均季节调整程序中的数据修正》，J.Econom。，14, 95-114 (1980) ·Zbl 0445.62101号
[34] 波洛克，D.S.G.，2003年。TSW回顾：TRAMO-SEATS程序的windows版本。申请。经济。；波洛克，D.S.G.，2003年。TSW回顾：TRAMO-SEATS程序的windows版本。申请。经济。
[35] Soukup，R.J.，Findley，D.F.，1999年。X12-ARIMA使用频谱诊断来指示建模或调整后交易日效应的存在。美国统计协会会刊，商业和经济统计科，第144-149页。；Soukup，R.J.，Findley，D.F.，1999年。X12-ARIMA用于指示建模或调整后交易日影响的频谱诊断。《美国统计协会会刊》，商业和经济统计部分，第144-149页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。