ESeC-Rubin Missing Value Interpretation for a Regional Bottom-Up Hierarchical Forecasting

Antonio Anselmi, Paola Maddalena Chiodini () and Flavio Verrecchia ()
Additional contact information
Antonio Anselmi: SAS Institute
Paola Maddalena Chiodini: Department of Statistics, University of Milano - Bicocca
Flavio Verrecchia: ESeC

No 2, Working Papers from ESeC - Economic Statistics no-profit Association

Abstract: in letteratura, per l’imputazione dei dati mancanti nelle serie storiche, si fa riferimento a statistiche applicate all’intera serie analizzata (e.g. media di tutti i termini della serie), ottenendo una costante d’imputazione generalmente adeguata per una specifica serie. Se le serie sono n (n -> infinito) è impossibile trovare un’unica funzione per le n costanti di imputazione dei missing. Obiettivo del lavoro è proporre un nuovo metodo di imputazione dei dati mancanti - ESeC-Rubin - per basi dati gerarchiche finalizzato alla modellistica temporale. In particolare, la ESeC-Rubin consente di ricostruire il dato mancante tenendo conto di una sequenza di metodi di imputazione e della naturale variabilità degli aggregati studiati. La metodologia proposta in questo lavoro trova ispirazione dalla teoria dei campioni dove non di rado si deve trovare la miglior soluzione possibile al problema del missing. In questo contesto la soluzione che si cerca di dare è quella di ricostruire il dato mancante tenendo conto della naturale variabilità del fenomeno allo studio (Rubin 1987, 1996; Hergoz e Rubin, 1983; Rubin e Shenker, 1986). In effetti la letteratura in tal senso fornisce una gamma piuttosto articolata di strategie che possono di volta in volta essere utilizzate in quanto appare immediatamente evidente che la soluzione non può essere unica e generalizzata. Infine, si presenterà una applicazione della ESeC-Rubin su dati socio-economici di fonte Eurostat. L’applicazione prodotta con SAS Forecast Server consente di comparare i modelli (selezionati in automatico) a partire dalla base dati osservata con missing values e differenti tipologie di imputazione.

Keywords: Missing Value; Index Number; CAGR Imputation; Stochastic Imputation; ESeC-Rubin Imputation; Regional Bottom-Up Hierarchical Forecasting (search for similar items in EconPapers)
JEL-codes: C16 C22 C43 C8 (search for similar items in EconPapers)
Pages: 20 pages
Date: 2008-09
New Economics Papers: this item is included in nep-for
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
http://www.economicstatistics.eu/wp/pdf/ESeC_WP002_V20080926.pdf First version, 2008 (application/pdf)
Our link check indicates that this URL is bad, the error code is: 404 Not Found (http://www.economicstatistics.eu/wp/pdf/ESeC_WP002_V20080926.pdf [301 Moved Permanently]--> https://economicstatistics.eu/wp/pdf/ESeC_WP002_V20080926.pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:est:wpaper:002

Access Statistics for this paper

More papers in Working Papers from ESeC - Economic Statistics no-profit Association Contact information at EDIRC.
Bibliographic data for series maintained by Flavio Verrecchia ( this e-mail address is bad, please contact ).