Esto debe surgir la previsión de cosas que están atascadas entre 0 y 1.
En mi serie, sospecho que hay un componente de auto-regresión, y también un componente de reversión de la media, así que quiero algo que pueda interpretar como un ARIMA - pero no quiero que se dispare al 1000% en el futuro.
¿Simplemente utiliza un modelo ARIMA como parámetro en una regresión logística para confinar el resultado entre 0 y 1?
O aprendí aquí que las regresiones Beta son más apropiadas para los datos (0,1). ¿Cómo puedo aplicar esto a una serie temporal? ¿Existen buenos paquetes de R o funciones de Matlab que faciliten el ajuste y la previsión?
0 votos
Podría empezar estimando un modelo de tipo logit/probit incluyendo los rezagos . Sin embargo, creo que hay problemas con la corrección de la autocorrelación en este tipo de modelos, por lo que dudaría en hacer cualquier inferencia estadística.