دانلود کتاب Benchmarking, Temporal Distribution, and Reconciliation Methods for Time Series (به فارسی: معیار، توزیع زمانی، و روش های آشتی برای سری های زمانی) نوشته شده توسط «Estela Bee Dagum – Pierre A. Cholette (auth.)»
اطلاعات کتاب معیار، توزیع زمانی، و روش های آشتی برای سری های زمانی
موضوع اصلی: علوم (عمومی)
نوع: کتاب الکترونیکی
ناشر: Springer-Verlag New York
نویسنده: Estela Bee Dagum – Pierre A. Cholette (auth.)
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2006
تعداد صفحه: 410 / 423
حجم فایل: 14.91 مگابایت
کد کتاب: 0387311025 , 9780387311029
نوبت چاپ: 1
توضیحات کتاب معیار، توزیع زمانی، و روش های آشتی برای سری های زمانی
در اقتصادهای مدرن، سری های زمانی نقش مهمی در تمام سطوح فعالیت ایفا می کنند. آنها توسط تصمیم گیرندگان برای برنامه ریزی برای آینده ای بهتر، توسط دولت ها برای ارتقای رفاه، توسط بانک های مرکزی برای کنترل تورم، توسط اتحادیه ها برای چانه زنی برای دستمزدهای بالاتر، توسط بیمارستان ها، هیئت مدیره مدارس، تولید کنندگان، سازندگان، شرکت های حمل و نقل و مصرف کنندگان استفاده می شوند. به طور کلی
یک تصور اشتباه رایج این است که داده‌های سری زمانی از گردآوری مستقیم و مستقیم داده‌های نظرسنجی، سرشماری‌ها و سوابق اداری منشأ می‌گیرند. در مقابل، قبل از انتشار، سری‌های زمانی تحت تعدیل‌های آماری قرار می‌گیرند که به منظور تسهیل تجزیه و تحلیل، افزایش کارایی، کاهش تعصب، جایگزینی مقادیر از دست رفته، تصحیح خطاها و برآورده کردن محدودیت‌های افزایشی مقطعی انجام می‌شود. برخی از متداول‌ترین تعدیل‌ها عبارتند از معیارسازی، درون‌یابی، توزیع زمانی، تقویم‌سازی و آشتی.
این کتاب روش‌های آماری را که اغلب برای چنین تنظیماتی استفاده می‌شوند، از رویه‌های موقت تا مدل‌های مبتنی بر رگرسیون مورد بحث قرار می‌دهد. مورد دوم به دلیل وضوح، سهولت کاربرد و نتایج برتر مورد تاکید قرار می گیرند. هر موضوع با نمونه‌های مورد واقعی بسیاری نشان داده شده است. به منظور تسهیل درک ویژگی‌های آنها و محدودیت‌های روش‌های مورد بحث، یک مثال داده واقعی، سری کل تجارت خرده‌فروشی کانادا، در سراسر کتاب دنبال می‌شود.
این کتاب ادبیات پراکنده در مورد این موضوعات را گرد هم می آورد و آنها را با استفاده از یک نماد ثابت و یک دیدگاه متحد ارائه می دهد. این کتاب رویه‌های بهتری را توسط تولیدکنندگان بزرگ سری‌های زمانی ترویج می‌دهد، به عنوان مثال. سازمان های آماری و بانک های مرکزی علاوه بر این، دانستن اینکه چه تنظیماتی در داده‌ها انجام می‌شود و از چه تکنیکی استفاده می‌شود و چگونه بر روند، چرخه‌های تجاری و فصلی سری تأثیر می‌گذارد، کاربران را قادر می‌سازد تا مدل‌سازی، پیش‌بینی، تحلیل و برنامه‌ریزی بهتری را انجام دهند.
این کتاب برای دانشجویان تحصیلات تکمیلی و دانشجویان سال آخر کارشناسی سری های زمانی و اقتصاد سنجی و همچنین محققان و دست اندرکاران موسسات دولتی و بازرگانی مفید خواهد بود.
استلا بی داگوم استاد دانشکده علوم آماری دانشگاه بولونیا، ایتالیا، و مدیر سابق بخش تحقیق و تحلیل سری های زمانی آمار کانادا، اتاوا، کانادا است. دکتر داگوم موفق به دریافت مدرک دکترای افتخاری از دانشگاه ناپل “پارتنوپ”، عضو انجمن آماری آمریکا (ASA) و عضو افتخاری موسسه بین المللی پیش بینی کنندگان (IIF)، اولین دریافت کننده ASA جولیوس شیسکین است. جایزه، جایزه IIF Crystal Globe Award، عضو منتخب مؤسسه آماری بین المللی (ISI)، عضو منتخب آکادمی علوم مؤسسه بولونیا، و رئیس سابق مؤسسه آماری اینترامریکن (IASI) و مؤسسه بین المللی پیش بینی کنندگان. دکتر داگوم نویسنده روش تعدیل فصلی X11-ARIMA است که به طور گسترده توسط آژانس های آماری و بانک های مرکزی استفاده می شود.
Pierre A. Cholette متدولوژیست ارشد مرکز تحقیقات سری زمانی بخش روش‌شناسی بررسی کسب و کار در Statistics Canada، اتاوا، کانادا است. او نویسنده BENCH، یک نرم افزار محک است که به طور گسترده توسط آژانس های آماری، بانک های مرکزی و سایر موسسات دولتی استفاده می شود.
In modern economies, time series play a crucial role at all levels of activity. They are used by decision makers to plan for a better future, by governments to promote prosperity, by central banks to control inflation, by unions to bargain for higher wages, by hospital, school boards, manufacturers, builders, transportation companies, and by consumers in general.
A common misconception is that time series data originate from the direct and straightforward compilations of survey data, censuses, and administrative records. On the contrary, before publication time series are subject to statistical adjustments intended to facilitate analysis, increase efficiency, reduce bias, replace missing values, correct errors, and satisfy cross-sectional additivity constraints. Some of the most common adjustments are benchmarking, interpolation, temporal distribution, calendarization, and reconciliation.
This book discusses the statistical methods most often applied for such adjustments, ranging from ad hoc procedures to regression-based models. The latter are emphasized, because of their clarity, ease of application, and superior results. Each topic is illustrated with many real case examples. In order to facilitate understanding of their properties and limitations of the methods discussed, a real data example, the Canada Total Retail Trade Series, is followed throughout the book.
This book brings together the scattered literature on these topics and presents them using a consistent notation and a unifying view. The book will promote better procedures by large producers of time series, e.g. statistical agencies and central banks. Furthermore, knowing what adjustments are made to the data and what technique is used and how they affect the trend, the business cycles and seasonality of the series, will enable users to perform better modeling, prediction, analysis and planning.
This book will prove useful to graduate students and final year undergraduate students of time series and econometrics, as well as researchers and practitioners in government institutions and business.
Estela Bee Dagum is Professor at the Faculty of Statistical Science of the University of Bologna, Italy, and former Director of the Time Series Research and Analysis division of Statistics Canada, Ottawa, Canada. Dr. Dagum was awarded an Honorary Doctoral Degree from the University of Naples “Parthenope”, is a Fellow of the American Statistical Association (ASA) and Honorary Fellow of the International Institute of Forecasters (IIF), the first recipient of the ASA Julius Shiskin Award, the IIF Crystal Globe Award, Elected Member of the International Statistical Institute (ISI), Elected Member of the Academy of Science of the Institute of Bologna, and former President of the Interamerican Statistical Institute (IASI) and the International Institute of Forecasters. Dr. Dagum is the author of the X11-ARIMA seasonal adjustment method widely applied by statistical agencies and central banks.
Pierre A. Cholette is a Senior Methodologist of the Time Series Research Centre of the Business Survey Methodology Division at Statistics Canada, Ottawa, Canada. He is the author of BENCH, a benchmarking software widely applied by statistical agencies, Central Banks and other government institutions.
دانلود کتاب «معیار، توزیع زمانی، و روش های آشتی برای سری های زمانی»
