Inferencias estadísticas y aplicaciones de modelos de regresión no paramétricos basados en series de Fourier

Área de la Ciencia:

• Las estadísticas
• Las economías

Sus antecedentes:

• Los modelos de regresión no paramétricos ofrecen soluciones flexibles para los datos periódicos.
• Las investigaciones anteriores se centraron en la estimación, careciendo de marcos de prueba de hipótesis sólidos.

Objetivo del estudio:

• Desarrollar métodos de inferencia estadística para la regresión no paramétrica utilizando aproximaciones de las series de Fourier.
• Introducir procedimientos de prueba de hipótesis, incluidas las pruebas parciales y simultáneas.
• Evaluar la importancia de los parámetros del modelo en el análisis del gasto regional.

Principales métodos:

• Utilizó las aproximaciones de la serie de Fourier para la regresión no paramétrica.
• Estadísticas de las pruebas F y T aplicadas a las pruebas de hipótesis.
• Determinación de los parámetros óptimos de oscilación mediante la validación cruzada generalizada (VGC).

Principales resultados:

• Se han demostrado efectos significativos de las variables predictivas (PIB per cápita, tasas de pobreza, participación en la fuerza laboral) en el gasto per cápita.
• Se validó la eficacia del modelo utilizando datos de gastos del mundo real de Papúa, Indonesia.
• Se han confirmado los resultados mediante evaluaciones de significación simultáneas (prueba F) y parciales (prueba T).

Conclusiones:

• El marco de prueba de hipótesis desarrollado proporciona un método robusto para la regresión no paramétrica con series de Fourier.
• El modelo identifica con precisión los predictores significativos del gasto regional per cápita.
• Esta investigación mejora las capacidades de inferencia estadística para el análisis de datos económicos periódicos.