Lista de funciones de econometría de SAS

SAS Econometrics

Modelos ocultos de Markov

Ajusta y aplica modelos ocultos de Markov a datos de series de tiempo.
Hace ajuste (o aprendizaje), suavizado, filtrado, decodificación y puntuación.
Admite modelos univariados o multivariados, modelos de regresión de cambio de régimen y modelos de autorregresión de cambio de régimen.
Admite modelos gaussianos de estado discreto.
Proporciona métodos para manejar de manera eficiente series muy largas (big data).
Automatiza la selección del número de estados y el número de retrasos.
Proporciona un modelo autorregresivo de cambio de régimen en forma ajustada a la media.
Proporciona un algoritmo de optimización de descenso de gradiente estocástico (SGD) para todos los modelos.

Admite lo siguiente:
- Modelos lineales.
- Modelos lineales con efectos de retraso espacial de X (SLX).
- Modelos autorregresivos espaciales (SAR).
- Modelos espaciales de Durbin (SDM).
- Modelos de error espacial (SEM).
- Modelos de error espacial de Durbin (SDEM).
- Modelos de media móvil espacial (SMA).
- Modelos de promedio móvil espacial de Durbin (SDMA).
- Modelos de promedio móvil autorregresivo espacial (SARMA).
- Modelos de promedio móvil autorregresivo de Durbin espacial (SDARMA).
- Modelos espaciales autorregresivos confusos (SAC).
- Modelos confundidos autorregresivos espaciales de Durbin (SDAC).
Proporciona tablas de salida que le permiten comprender e interpretar completamente el impacto de las variables individuales en el modelo.

El procedimiento CNTSELECT modela la frecuencia con la que pueden ocurrir eventos durante un período de tiempo.
Apoya:
- Regresión de Poisson, binomial negativa y de Conway-Maxwell-Poisson (CMP).
- Modelos de inflación cero condicionados a covariables.
- Modelos de sobredispersión condicionados a covariables (con modelo CMP).
- Modelos de datos de panel de efectos aleatorios para conteos.
- Modelos de datos de recuento espacial.
- Estimación bayesiana.
Proporciona métodos automatizados de selección de variables.
Incluye muchas pruebas y gráficos de diagnóstico, incluidos gráficos para la visualización enfocada de partes específicas de la distribución de probabilidad ajustada.
Muestre tablas para evaluar la covarianza y la correlación entre los parámetros del modelo estimado.

Ajusta la distribución al tamaño o severidad de las pérdidas u otros eventos.
Apoya:
- Modelos de regresión para el parámetro de escala de distribución de gravedad.
- Censura a la izquierda y truncamiento a la derecha (por ejemplo, deducibles y límites de cobertura).
- Muchas distribuciones, incluyendo:
  - Burr.
  - Exponencial.
  - Gama.
  - Pareto generalizado.
  - Wald.
  - Log-normal.
  - Tweedie.
  - Weibull.
Proporciona la capacidad de programar distribuciones adicionales.
Se adapta a múltiples distribuciones y selecciona automáticamente la mejor.
Proporciona muchas pruebas y gráficos de diagnóstico, incluidos gráficos para la visualización enfocada de partes específicas de la distribución de probabilidad ajustada.
Incluye tablas de visualización para evaluar la covarianza y la correlación entre los parámetros del modelo estimado.

El procedimiento CQLIM estima modelos de regresión para variables cualitativas univariadas y de dependencia limitada.
Apoya:
- Modelos censurados y truncados.
- Modelos logit, probit y tobit, y modelos bivariados probit y tobit.
- Modelos con heterocedasticidad.
- Modelos univariados de variables dependientes limitadas.
- Modelos bivariados y multivariados de variable dependiente limitada.
- Modelos de variable de respuesta discreta bivariados y multivariados.
- Modelos de ecuaciones lineales multivariantes.
Estima modelos de producción y costos de frontera estocástica.
Modelo de selección de muestras de Heckman.

Simula modelos de cópula de la estructura de dependencia multivariante entre conjuntos de potencialmente muchas variables.
Admite simulaciones de las siguientes cópulas:
- Normal.
- t.
- Clayton.
- Gumbel.
- Franco.

Analiza las relaciones entre el pasado y el futuro utilizando una gran cantidad de observaciones y más de una observación por período de tiempo.
Apoya:
- Modelos unidireccionales y bidireccionales.
- Modelos de efectos fijos, aleatorios e híbridos.
- Modelos autorregresivos y de media móvil.
- Modelos de paneles dinámicos.
Proporciona estimadores de Hausman-Taylor y Amemiya-MaCurdy.
Proporciona diferentes tipos de estimadores de matriz de covarianza consistentes con heteroscedasticidad y autocorrelación (HAC).
Se adapta y compara varios modelos.
Incluye muchos diagnósticos y pruebas.

Resumen gráfico de la distribución de pérdidas agregadas de grandes muestras simuladas distribuidas.
Modos de simulación.
Una forma flexible de especificar distribuciones de conteo.
Simulaciones más realistas de modelado de pérdidas utilizando variables estocásticas.
Análisis de perturbación para estimar la media y la variabilidad de las estadísticas de distribución de pérdidas agregadas.

Proporciona un resumen gráfico de la distribución de pérdidas agregadas a partir de grandes muestras simuladas distribuidas.
Incluye modos de simulación.
Proporciona una forma flexible de especificar distribuciones de conteo.
Permite simulaciones más realistas de modelado de pérdidas utilizando variables estocásticas.
Habilita el análisis de perturbaciones para estimar la media y la variabilidad de las estadísticas de distribución de pérdidas agregadas.

Permite crear mediante programación modelos de previsión en datos de series temporales.
Permite crear modelos de series temporales:
- ARIMA definido por el usuario.
- Modelos de suavizado exponencial (ESM).
Permite crear análisis de series temporales, modelos de descomposición y pruebas de diagnóstico.
Proporciona tablas de salida con estimaciones de parámetros de modelos ajustados, pronósticos de variables de varios pasos e información de variables modeladas.

Se ejecuta en SAS Viya, un motor en memoria distribuido y escalable de la plataforma SAS.
Distribuye tareas de análisis y datos en varios nodos informáticos.
Proporciona acceso rápido, simultáneo y multiusuario a los datos en la memoria.
Incluye tolerancia a fallas para alta disponibilidad.
Permite agregar el poder de SAS Analytics a otras aplicaciones utilizando las API REST de SAS Viya.

Recupere datos de series temporales de Moody's Analytics Data Buffet. Acceda a más de 600 fuentes de datos estadísticos históricos globales y 40 bases de datos de pronósticos: más de 220 millones de series temporales.