Detalles de Evento
Conferenciante: Felícita Doris Miranda Huaynalaya
Abstract:
Este trabajo formula un modelo de regresión múltiple lineal en espacios de
función, bajo errores correlacionados en el tiempo. La motivación de la formulación
inversa del problema de regresión funcional, en términos de regresoras tipo núcleo, y
parámetros de regresión funcionales, reside en la representación de las posibles
interacciones entre regresoras y respuesta, en diferentes dominios y escalas. Este
enfoque de estimación funcional implica dos pasos: Estimación de parámetro de
regresión por mínimos cuadrados generalizado y análisis de correlación residual ARH(1)
para la estimación funcional de la respuesta. Se obtiene su normalidad asintótica y
consistencia fuerte. Cuando se desconoce la estructura de dependencia del término de
error funcional, se formula un estimador plug-in del parámetro vectorial infinitodimensional de regresión. Asimismo, se derivan condiciones suficientes para su
consistencia débil. Propiedades asintóticas similares se prueban, bajo condiciones
apropiadas, para el estimador mínimo cuadrático ordinario. Se realiza un estudio de
simulación para ilustrar las propiedades y buen comportamiento del método de
predicción linear funcional derivado, basado en el modelo de regresión múltiple dinámico
introducido, en el contexto de espacios de Hilbert. Una aplicación a datos financieros de
panel ilustra la eficacia de la metodología funcional de estimación presentada, en la
toma de decisiones de pequeñas y medianas empresas, dependiendo del área industrial
muestreada, y la comunidad española seleccionada. Más concretamente, se
implementa un método de validación cruzada para visualizar el buen ajuste del modelo.
Se representa asimismo la evolución del nivel de endeudamiento de pequeñas y
medianas empresas, en la Península Ibérica, mediante mapas anuales, en el periodo
temporal analizado.
18 de febrero del 2020, 12:30, Seminario de la 2º planta del IEMath-GR
