|
旼컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴커
� RESUMEN EJECUTIVO �
읕컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴컴켸
En el documento se describen las razones, las causas y la natura-
leza de las fluctuaciones estacionales de las series de tiempo
econ줺icas y se eval즑n algunos m굏odos de ajuste estacional, con el
prop쥀ito de determinar el m쟳 adecuado para aplicarlo a las series
referidas a la producci줻 y precios.
Por lo menos existen cuatro causas no necesariamente excluyentes
que generan la estacionalidad: las fechas fijadas institucionalmente
para realizar ciertas actividades a lo largo del a쨚; el clima o las
estaciones del a쨚; las expectativas respecto a las fluctuaciones
estacionales y el efecto del n즡ero de d죂s h쟟iles y calendario
dentro de un periodo.
Las caracter죛ticas m쟳 importantes de las fluctuaciones estacio-
nales son: se repite cada a쨚 con cierta regularidad, puede medirse y
separarse de las otras fuerzas que influyen en el comportamiento de la
serie y es causado principalmente por fuerzas extraecon줺icas.
Las razones m쟳 importantes para aplicar la desestacionalizaci줻
son: (a) tener una apreciaci줻 m쟳 clara sobre el comportamiento de la
serie debido exclusivamente a razones de tipo econ줺ico, (b) facilitar
la identificaci줻 de patrones de comportamiento subyacentes en las
series, (c) ayudar a conocer c줺o se relacionan las series de inter굎
con otras series (eventos ex줳enos o variables de pol죜ica),
(d) ayudar a disminuir las posibilidades de ser enga쨅dos por
correlaciones de "casualidad" entre series que pueden generarse por
influencias estacionales sistem쟴icas e independientes.
Los modelos b쟳icos de descomposici줻 de series son: el aditivo,
multiplicativo y aditivo logar죜mico. A partir de estos modelos el
problema de la desestacionalizaci줻 consiste en estimar los
componentes para cada uno de los periodos de observaci줻. Los m굏odos
de ajuste estacional revisados en el trabajo se refieren a los m굏odos
de regresi줻, m굏odos que emplean modelos ARIMA y los m굏odos de
promedios m쥃iles (el m굏odo simple y el X11-ARIMA).
La elecci줻 del m굏odo m쟳 apropiado depender� del objeto de la
desestacionalizaci줻: (a) se usar� uno de tipo econom굏rico si lo que
se busca es utilizar las series ajustadas estacionalmente como insumo
de una an쟫isis de regresi줻, (b) se usar� uno que combina los
aspectos deterministas de los m굏odos de regresi줻 con los aspectos
din쟭icos de los m굏odos de promedios m쥃iles (por ejemplo, alg즢
componente con regresiones y los otros con promedios m쥃iles) si lo
que se busca es el an쟫isis detallado y el pron쥀tico de una serie
espec죉ica, (c) se usar� el de los promedios m쥃iles si lo que se
pretende es tener una apreciaci줻 de la tendencia de la serie, sin el
componente estacional que la pueda oscurecer, o simplemente presentar
las series desestacionalizadas de manera frecuente y masiva.
Una consideraci줻 adicional abona en favor de la utilizaci줻 de
m굏odos como el X11-ARIMA o el de modelos ARIMA: el hecho de que los
modelos de regresi줻 tienen el supuesto impl죅ito de estabilidad de
los par쟭etros y por ende la de los factores estacionales, al igual
que el m굏odo que usa de manera simple los promedios m쥃iles, los
cuales en la pr쟠tica solo se satisfacen en ocasiones muy raras. El
X11-ARIMA es, adem쟳, uno de los m굏odos m쟳 conocidos y utilizados
para desestacionalizar series en las instituciones de estad죛tica en
el mundo.
Para la elecci줻 la elecci줻 del modelo, entre el aditivo
(incluido el logar죜mico) y el multiplicativo lo que deber죂 hacerse
es elegir el aditivo si se observa que el componente estacional es
constante en el tiempo y el multiplicativo si es creciente o
decreciente en el tiempo. Sin embargo, dependiendo de la informaci줻
de la serie el criterio a elegir puede estar en muchos casos
predeterminado. Un modelo multiplicativo no podr죂 emplearse para
una serie que contenga valores ceros o negativos, al igual que
uno logar죜mico no podr죂 utilizarse si la serie contiene cifras
negativas.
En el trabajo se aplican cuatro m굏odos de desestacionalizaci줻 a
la serie Indice del PBI global (con base 1979=100) correspondiente al
periodo enero de 1983 - febrero de 1996: el econom굏rico de variables
dicot줺icas, el de modelos ARIMA, el m쟳 simple de promedios m쥃iles y
el X11-ARIMA. Se eligi� este 즠timo debido a las siguientes razones:
(a) presenta la menor suma de cuadrados de los coeficientes de
variaci줻 para diferentes tama쨚s de muestra, es decir, este m굏odo
proporciona estimaciones del factor estacional m쟳 estables en
relaci줻 a los otros m굏odos, (b) da un tratamiento adecuado a los
valores extremos de la serie, impidiendo caer en sesgos de las
estimaciones del componente estacional, (c) ampl죂 la informaci줻
hacia atr쟳 y hacia adelante mediante la construcci줻 de modelos
ARIMA, evitando con ello la p굍dida de informaci줻 que inevitablemente
se produce cuando la informaci줻 es filtrada con promedios m쥃iles,
(d) existen paquetes estad죛ticos que efect즑n la desestacionalizaci줻
con el X11-ARIMA de manera masiva y rutinaria, a diferencia, por
ejemplo, del econom굏rico o el que utiliza los modelos ARIMA que
requieren de todo un proceso para la construcci줻 de los modelos.
En el trabajo se estima la tendencia y estacionalidad de dos
conjuntos de indicadores: de producci줻 y precios. Como se sabe el
primero de ellos contiene series que en general presentan en su
evoluci줻 una mayor influencia de los factores estacionales (el clima,
el n즡ero de d죂s h쟟iles, fechas especiales fijadas institucional-
mente, las expectativas, etc.), mientras que el segundo conjunto, si
bien muestran un comportamiento estacional mediatizado por la fuerza
del componente irregular, es el que quiz� captura m쟳 la atenci줻 de
los agentes econ줺icos debido a que el comportamiento de las series
involucradas reflejan la evoluci줻 de la inflaci줻 del pa죛 y por ende
los efectos sobre la capacidad adquisitiva de la poblaci줻.
La estimaci줻 para los indicadores de producci줻 se hace con
series mensuales, mientras que para los precios con series
trimestrales siendo la fuente utilizada en ambos casos el Sistema de
Informaci줻 Econ줺ico Mensual (SIEM) del INEI.
|
