Estimación de Verosimilitud Máxima de Modelos Factoriales en Conjuntos de Datos Con Patrones Arbitrarios de Datos Perdidos

RESUMEN En este artículo modificamos el algoritmo de maximización de la expectativa para estimar los parámetros del modelo factorial dinámico en un conjunto de datos con un patrón arbitrario de datos perdidos. También extendemos el modelo al caso con un componente idiosincrático correlacionado serialmente. El marco nos permite manejar de manera eficiente y automática conjuntos de indicadores caracterizados por diferentes retrasos de publicación, frecuencias y longitudes de muestra. Esto puede ser relevante, por ejemplo, para economías jóvenes para las cuales muchos indicadores se han compilado solo recientemente. Evaluamos la metodología en un experimento de Monte Carlo y la aplicamos a la previsión del producto interno bruto del área del euro. Copyright © 2012 John Wiley & Sons, Ltd.