68-vol. 34, núm. 2, julio-diciembre, 2019
Artículos

Estimaciones del PIB mensual en México basadas en el IGAE

pdf

PDF
pdf

XML
  • Rocio Elizondo
Rocio Elizondo
Banco de México
DOI: https://doi.org/10.24201/ee.v34i2.369

Publicado 2019-07-01

Palabras clave

  • producto interno bruto,
  • indicador global de la actividad económica (IGAE),
  • filtro de kalman,
  • método de denton,
  • pronósticos

Cómo citar

Elizondo, R. (2019). Estimaciones del PIB mensual en México basadas en el IGAE. Estudios Económicos De El Colegio De México, 34(2), 197–241. https://doi.org/10.24201/ee.v34i2.369

Métrica

Resumen

Se presentan tres métodos para estimar el PIB mensual en México: (1) una aproximación determinística; (2) una extensión del método de Denton; y, (3) el filtro de Kalman. En dichos métodos el PIB mensual es una variable no observable que se aproxima utilizando únicamente al IGAE. Los tres métodos muestran un buen ajuste a los datos observados del PIB trimestral dentro de la muestra, con errores promedio de ajuste como máximo de 0.1%. Adicionalmente, dada la estructura dinámica del método de filtro de Kalman y que sus parámetros permanecen relativamente estables bajo diferentes periodos de estimación, se utilizó este para realizar pronósticos fuera de la muestra.

pdf

PDF
pdf

XML

Descargas

Los datos de descargas todavía no están disponibles.

Citas

  1. Chow, G.C. y A. Lin. 1971. Best Linear Unbiased Interpolation, Distribution, and Extrapolation of Time Series by Related Series, The Review of Economics and Statistics, 53(4): 372-375.
  2. Cortázar, G., E. Schwartz y L. Naranjo. 2003. Term Structure Estimation in Low-Frequency Transaction Markets: A Kalman Filter Approach with Incomplete Panel-Data, UC Los Angeles: Anderson Graduate School of Management, recuperado de: http:// escholarship.org/uc/ítem/56h775cz.
  3. Cuche, N.A. y M.K. Hess. 2000. Estimating Monthly GDP in a General Kalman Filter Framework: Evidence from Switzerland, Economic and Financial Modeling, pp. 153-193.
  4. De Alba, E. 1990. Estimación del PIB trimestral para México, Estudios Económicos, 5(2): 359-370.
  5. Denton, F.T. 1971. Adjustment of Monthly or Quarterly Series to Annual Totals: An Approach Based on Quadratic Minimization, Journal of the American Statistical Association, 66 (333): 99-102.
  6. Fernández, R.B. 1981. A Methodological Note on the Estimation of Time Series, The Review of Economics and Statistics, 63(3): 471-476.
  7. Guerrero, V. M. 1990. Temporal Disaggregation of Time Series: An ARIMA based approach, International Statistical Review, 58: 29-46.
  8. Guerrero, V. M. 2003. Monthly Disaggregation of a Quarterly Time Series and Forecast of Its Unobservable Monthly Values, Journal of Official Statistics, 19(3): 215-235.
  9. Guerrero, V. M. 2004. Nota sobre la estimación del PIB mensual de México, Estadística, 56(166): 35-60.
  10. Guerrero, V. M. y J. Martínez. 1995. A Recursive ARIMA-Based Procedure For Disaggre-gating a Time Series Variable Using Concurrent Data, Test, 4(2): 359-376.
  11. Harvey, A.C. y N. Shephard. 1993. Structural Time Series Models, en G.S. Maddala, C.R. Rao y H.D. Vinod (eds.) Handbook of Statistics, vol. 11, pp. 261-302.
  12. Karanfil, F y A. Ozkaya. 2007. Estimation of Real GDP and Unrecorded Economy in Turkey Base Done Environmental Data, Energy Policy, 35(10): 4902-4908.
  13. Kleinbauer, R. 2004. Kalman Filtering Implementation with Matlab, Study Report in the Field of Study Geodesy and Geoinformatics at University Stuttgart.
  14. Mariano, R.S. y Y. Murasawa. 2000. A New Coincident Index of Business Cycles Base on Monthly and Quarterly Series, Journal of Applied Econometrics, 18: 427-443.
  15. Pasricha, G.K. 2006. Kalman Filter and its Economic Applications, MPRA Paper, núm. 22734.
  16. Solera, A. 2003. El Filtro de Kalman, Nota Técnica No. DIE-02-2003-NT del Banco Central de Costa Rica.
  17. Stock, J. H. y M. W. Watson. 1998. A probability Model of the Coincident Economic Indicators, NBER Working Paper Series, núm. 2772.
  18. Stock, J. H. y M. W. Watson. 2002. Macroeconomic Forecasting Using Diffusion Indexes, Journal of Business and Economic Statistics, 20(2): 147-162.
  19. Tanizaki, H. 1996. State-Space Model in Linear Case, Nonlinear Filters: Estimation and Applications, Springer-Verlarg, capítulo 1, pp.15-41.
  20. Welch, G. y G. Bishop. 2006. An Introduction to the Kalman Filter, Department of Computer Science, University of North Carolina at Chapel Hill.
  21. Wu, K.H. y Z.G. Chen. 2006. Comparison of Benchmarking Methods with and Without Survey Error Model, International Statistical Review, 74(3): 285-304.