Publisher's Synopsis
Dentro de las estructuras de datos más importantes, típicas en el trabajo econométrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos típicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los índices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automóviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parámetro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoproyectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jenkins a través de la metodología ARIMA univariante y multivariante para la obtención de predicciones. En cuanto al soporte computacional para el desarrollo de modelos de predicción, se utiliza el software SPSS. En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.
