ESeC-Rubin Missing Value Interpretation for a Regional Bottom-Up Hierarchical Forecasting

in letteratura, per l’imputazione dei dati mancanti nelle serie storiche, si fa riferimento a statistiche applicate all’intera serie analizzata (e.g. media di tutti i termini della serie), ottenendo una costante d’imputazione generalmente adeguata per una specifica serie. Se le serie sono n (n -> infinito) è impossibile trovare un’unica funzione per le n costanti di imputazione dei missing. Obiettivo del lavoro è proporre un nuovo metodo di imputazione dei dati mancanti - ESeC-Rubin - per basi dati gerarchiche finalizzato alla modellistica temporale. In particolare, la ESeC-Rubin consente di ricostruire il dato mancante tenendo conto di una sequenza di metodi di imputazione e della naturale variabilità degli aggregati studiati. La metodologia proposta in questo lavoro trova ispirazione dalla teoria dei campioni dove non di rado si deve trovare la miglior soluzione possibile al problema del missing. In questo contesto la soluzione che si cerca di dare è quella di ricostruire il dato mancante tenendo conto della naturale variabilità del fenomeno allo studio (Rubin 1987, 1996; Hergoz e Rubin, 1983; Rubin e Shenker, 1986). In effetti la letteratura in tal senso fornisce una gamma piuttosto articolata di strategie che possono di volta in volta essere utilizzate in quanto appare immediatamente evidente che la soluzione non può essere unica e generalizzata. Infine, si presenterà una applicazione della ESeC-Rubin su dati socio-economici di fonte Eurostat. L’applicazione prodotta con SAS Forecast Server consente di comparare i modelli (selezionati in automatico) a partire dalla base dati osservata con missing values e differenti tipologie di imputazione.