Modelos de regresión con parámetros cambiantes sujetos a restricciones de estacionalidadun enfoque no paramétricos

Zusammenfassung

En este trabajo desarrollamos una nueva metodología, basada en técnicas no paramétricas, para la estimación de modelos de regresión donde los coeficientes varían atendiendo a un índice temporal y sujetos a restricciones de estacionalidad y de suavidad, Una de las ventajas de la metodología propuesta es la posibilidad de regular la imposición de ambos comportamientos. El estimador que obtenemos subsume varios de los estimadores propuestos en la literatura la opción de obtener una combinación de ellos. En los Capítulos 1 y 2 realizamos un análisis técnico del estimador. Presentamos la metodología, obtenemos la expresión analítaica del estimador, se describen los casos particulares más relevantes que de él se derivan y se obtienen sus propiedades asintóticas. Este análisis se ha efectuado en primer lugar para una sola variable explicativa, lo que facilita una mejor comprensión del comportamiento del estimador. Seguidamente se extienden los resultados al contexto multivariante. Para ambas situaciones se obtienen resultados de consistencia y normalidad asintótica del estimador de los coeficientes y la consistencia del estimador propuesto para la varianza de las perturbaciones. En el Capítulo 3 resolvemos el problema práctico de la implementación de la metodología. Este problema aparece debido a que el estimador depende de una matriz inversa de gran dimensión. Elaboramos un algoritmo de estimación que permite obtener los coeficientes de forma simple y rápida. El algoritmo no se basa en ningún proceso iterativo en el que nos tengamos que preocupar del cirterio de convergencia. En el Capítulo 4 proponemos un método de selección de los parámetros de control adaptado al contexto de trabajo. Las simualciones realizadas han proporcionado resultados satisfactorios, lo que avala su uso en la aplicación a datos reales. Por último, en el Capítulo 5 aplicamos toda la metodología descrita a tres bases de datos