Acceso usuarios
La Encuesta Mensual de Servicios (EMS) es una actividad que realiza el Instituto Nacional de Estadística y Geografía (Inegi) con el objetivo de generar información estadística básica sobre el sector económico de los servicios en México. Considerando que se aplica mensualmente y su costo es relevante, en esta investigación se proponen modelos estadísticos (Bayesianos y clásicos) para poder predecir los indicadores de las cuatro variables agregadas que se generan a partir de los resultados de la encuesta. Se estudiaron 42 métodos resultantes de combinar 7 modelos (tres modelos multivariados y cuatro univariados), con 6 métodos de estimación (cuatro bayesianos, uno por mínimos cuadrados y otro por máxima verosimilitud restringida). Los modelos Bayesianos permiten introducir información a priori con el objetivo de obtener un ajuste más preciso de los parámetros.De los siete modelos estadísticos utilizados, el que tuvo mejor capacidad predictiva es el MP1 univariado, seguido por los modelos MP2, MP4 y MP3 multivariados; al final estuvieron los MP5, MP6 y MP7 univariados autoregresivos. De los seis métodos utilizados, el que tuvo mejor capacidad predictiva fue el BayesA, seguido por BayesB, BRR, máxima verosimilitud restringida, BayesC y mínimos cuadrados. En el caso en que predecimos para 3, 6, 12 y 18 meses, los modelos MP1 univariado, MP2, MP3 y MP4 multivariados obtuvieron la mejor capacidad predictiva utilizando los métodos BayesA, BayesB y mínimos cuadrados. De acuerdo con los resultados obtenidos, es razonable predecir con los modelos propuestos para aquellos indicadores con una correlación de 0.4 o mayor. Con los modelos implementados se encontró que es factible predecir los resultados de la encuesta hasta para tres meses, lo que ayudaría a reducir los costos actuales en forma considerablemente.
The monthly service survey is an activity carried out by the National Institute of Statistics and Geography of Mexico (INEGI), with the aim of generating basic statistical information on the economic sector of services. Since the survey is applied monthly it is very expensive, therefore, in this research statistical models (Bayesian and classical) are proposed to predict the indicators of the four aggregate variables that are generated from the results of the survey.
Forty two methods resulting from combining 7 models (three multivariate models and four univariate models) were studied, with 6 estimation methods (four Bayesians, one by least squares and another by restricted maximum likelihood). Bayesian models allow us to incorporate prior information in order to obtain a more precise parameter estimates.
Model MP1 was the best in terms of prediction accuracy and this is a univariate model, followed by the multivariate models MP2, MP4 and MP3; MP5, while the worst models were MP6 and MP7 which are univariate autoregressive models. Of the six methods used, the one with the best prediction accuracy was BayesA, followed by BayesB, BRR, restricted maximum likelihood, BayesC and least squares. In the case where we predict for 3, 6, 12 and 18 months, the univariate models MP1, MP2, MP3 and MP4 multivariate models obtained the best prediction performaqnce using the BayesA, BayesB and least squares methods.
According to the results obtained, it is reasonable to predict with the proposed models for those indicators with a correlation of 0.4 or greater. With the models implemented it was found that it is feasible to predict the results of the survey for up to three months, which would help reduce current costs considerably.
A Pesquisa Mensal de Serviços (EMS) é uma atividade realizada pelo Instituto Nacional de Estatística e Geografia (INEGI) a fim de gerar informações estatísticas básicas sobre o setor de serviços económicos no México. Considerando aplicado mensalmente eo custo é relevante, esta pesquisa modelos estatísticos (Bayesian e clássicos) são propostos para prever os indicadores das quatro variáveis acrescentado gerado a partir dos resultados da pesquisa.
Métodos resultantes da combinação de 42 7 modelos (três e quatro modelos multivariados univariadas), 6 métodos de estimação (quatro Bayesiana um outro dos mínimos quadrados de probabilidade máxima restrita) foram estudados. Os modelos Bayesianos permitem inserir informações a priori para obter um ajuste mais preciso dos parâmetros.
Dos sete modelos estatísticos, que tiveram melhor capacidade preditiva é o MP1 univariada, seguida por MP2, MP3 MP4 e modelos multivariados; no final, estavam os MP5, MP6 e MP7 auto-regressivos não reagidos. Dos seis métodos, que tinham melhor capacidade de previsão foi o BAYESA, seguido por BayesB, BRR, restrito de probabilidade máxima e mínimos quadrados BayesC. No caso em que prevemos para 3, 6, 12 e 18 meses, modelos univariados MP1, MP2, MP3 e MP4 multivariada obteve a melhor capacidade preditiva usando BAYESA, BayesB e métodos de mínimos quadrados.
De acordo com os resultados obtidos, é razoável prever com os modelos propostos para aqueles indicadores que tenham uma correlação de 0,4 ou maior. Com os modelos implementados, constatou-se que é possível prever os resultados da pesquisa por até três meses, o que ajudaria a reduzir consideravelmente os custos atuais.
