Autocorrelación de primer orden en series cortas: Estimación y prueba de hipótesis.

Resumen

La primera parte del estudio consiste en revisar nueve estimadores del parámetro autorregresivo de primer orden y proponer un estimador nuevo. Las relaciones y diferencias entre los estimadores se explican para conseguir una diferenciación mejor entre ellos. En la segunda parte del estudio se explora la precisión de la estimación de la autocorrelación. El rendimiento de los diez estimadores se compara en términos de error cuadrático medio, combinando sesgo y varianza, utilizando series de datos generadas mediante simulación Monte Carlo. Los resultados muestran que no hay un estimador óptimo para todas las condiciones, sugiriendo que el estimador a utilizar debería escogerse según la longitud de las series y la información disponible sobre la posible dirección de la dependencia serial. Además, la probabilidad de etiquetar una autocorrelación existente como estadísticamente significativa se estudió mediante muestreo Monte Carlo. Las pruebas asociadas con los diferentes estimadores muestran potencia similar, observándose que es poco probable detectar la dependencia serial si se dispone de menos de 20 medidas.