DESESTACIONALIZACIÓN DE SERIES DE TIEMPO

Report
CNIE DEL AMSDE


LA
INFORMACIÓN
ECONÓMICA
QUE
PERIÓDICAMENTE RECIBE LA OPINIÓN PÚBLICA
PERMITE JUZGAR LA POLÍTICA GUBERNAMENTAL
DESDE DIFERENTES FRENTES, Y FACILITA LA
TOMA DE DECISIONES INDIVIDUALES Y
EMPRESARIALES RESPECTO A LAS VARIABLES
ECONÓMICAS MÁS RELEVANTES.
ESTA INFORMACIÓN TAL COMO ES PRESENTADA
EN LA MAYORÍA DE LOS CASOS, NO REFLEJA LAS
VERDADERAS
TENDENCIAS
DEL
COMPORTAMIENTO DE LA ECONOMÍA.
COMO SE SABE, EL FACTOR ESTACIONAL EN
ALGUNOS MESES DEL AÑO ES UN ELEMENTO
QUE INFLUYE DE MANERA IMPORTANTE EN LA
EVOLUCIÓN DE LOS PRINCIPALES INDICADORES
ECONÓMICOS, IMPIDIENDO QUE SE PERCIBAN
CON CLARIDAD SUS TENDENCIAS.
 EJEMPLOS: LOS PRECIOS DE LOS ALIMENTOS
QUE AUMENTAN EN VERANO, IMPORTACIONES
DE BIENES DE CONSUMO FINAL QUE
INCREMENTAN HACIA EL FIN DE AÑO,
PRODUCCIÓN AGRÍCOLA QUE ALCANZA SUS
NIVELES MÁS ALTO DURANTE MAYO-JULIO DE
TODOS LOS AÑOS.

UNA
BUENA
PARTE
DE
ESTOS
COMPORTAMIENTOS SE DEBEN MÁS A FACTORES
RELACIONADOS
AL
CALENDARIO,
LO
INSTITUCIONAL O SIMPLEMENTE A LAS
CONDICIONES
CLIMATOLÓGICAS,
QUE
A
FACTORES DE TIPO ECONÓMICO.
 ES POR ELLO QUE LA DESESTACIONALIZACIÓN
DE SERIES DE TIEMPO ECONÓMICAS SE HA
CONSTITUIDO EN UNA PRÁCTICA RUTINARIA EN
LAS INSTITUCIONES GUBERNAMENTALES, YA
QUE SE LA CONCIBE COMO PARTE DEL ANÁLISIS
DE LA INFORMACIÓN PREVIO A LA TOMA DE
DECISIONES.


UNA SERIE DE TIEMPO ES UN CONJUNTO DE
OBSERVACIONES
PRODUCIDAS
EN
DETERMINADOS
MOMENTOS,
GENERALMENTE A INTERVALOS IGUALES.
EJEMPLOS DE SERIES DE TIEMPO SON LA
PRODUCCIÓN MANUFACTURERA, EL SALDO
MENSUAL O TRIMESTRAL DE LA BALANZA
COMERCIAL, EL TOTAL MENSUAL DE VENTAS
AL MENUDEO Y LA COTIZACIÓN DIARIA DE
CIERRE DE LAS ACCIONES DE LIVERPOOL.

SI BIEN EL COMPORTAMIENTO DE CUALQUIER
SERIE DE TIEMPO PUEDE OBSERVARSE
GRÁFICAMENTE, NO EN TODOS LOS CASOS ES
POSIBLE DISTINGUIR LAS PARTICULARIDADES
QUE CADA UNA PUEDE CONTENER.

EL SIGUIENTE GRÁFICO, POR EJEMPLO, MUESTRA EL
COMPORTAMIENTO DE LA SERIE PRODUCCIÓN
MANUFACTURERA DE PUEBLA DURANTE LOS AÑOS
2003/01 A 2010/01. AL OBSERVAR SU RECORRIDO A LO
LARGO DEL TIEMPO LO ÚNICO QUE PODRÍA DECIRSE
DE MANERA INMEDIATA ES QUE EXHIBE UN
COMPORTAMIENTO CRECIENTE CON DISMINUCIONES
EN 2004 Y 2009, Y AUMENTOS EN 2007 Y 2008 SOBRE LA
LÍNEA DE TENDENCIA Y, ADEMÁS, QUE ELLO ES CON
SEGURIDAD RESULTADO DE UNA COMBINACIÓN DE
FUERZAS DE DISTINTA ÍNDOLE: ECONÓMICAS,
NATURALES, INSTITUCIONALES, SOCIOLÓGICAS, ETC.
2003/01
2003/03
2003/05
2003/07
2003/09
2003/11
2004/01
2004/03
2004/05
2004/07
2004/09
2004/11
2005/01
2005/03
2005/05
2005/07
2005/09
2005/11
2006/01
2006/03
2006/05
2006/07
2006/09
2006/11
2007/01
2007/03
2007/05
2007/07
2007/09
2007/11
2008/01
2008/03
2008/05
2008/07
2008/09
2008/11
2009/01
2009/03
2009/05
2009/07
2009/09
2009/11
2010/01
ÍNDICE (2003=100)
PRODUCCIÓN MANUFACTURERA
PRODUCCIÓN MANUFACTURERA
Linear (PRODUCCIÓN MANUFACTURERA)
160.0
140.0
120.0
100.0
80.0
60.0
40.0
20.0
0.0

LA EXPERIENCIA BASADA EN MUCHOS
EJEMPLOS DE SERIES DE TIEMPO HA
REVELADO
QUE
EXISTEN
CIERTOS
MOVIMIENTOS
O
VARIACIONES
CARACTERÍSTICAS QUE PUEDEN MEDIRSE Y
OBSERVARSE POR SEPARADO. ESTOS
MOVIMIENTOS, LLAMADOS COMPONENTES
DE UNA SERIE DE TIEMPO, Y QUE SE SUPONE
SON
CAUSADOS
POR
FENÓMENOS
DISTINTOS, SON LOS SIGUIENTES:

MOVIMIENTOS SECULARES O DE LARGA
DURACIÓN O TENDENCIA. SE REFIEREN A LA
DIRECCIÓN GENERAL A LA QUE UNA SERIE DE
TIEMPO PARECE DIRIGIRSE EN UN INTERVALO
GRANDE DE TIEMPO. ES DECIR, CONTIENEN LOS
MOVIMIENTOS SUAVES DE LARGO PLAZO, LOS
CUALES
ESTÁN
DOMINADOS
FUNDAMENTALMENTE POR FACTORES DE TIPO
ECONÓMICO. EN EL GRÁFICO VISTO ANTES ESTE
MOVIMIENTO SE INDICA POR UNA LÍNEA (CURVA)
DE TENDENCIA, TRAZADA CON UNA LÍNEA
NEGRA.

MOVIMIENTOS CÍCLICOS O VARIACIONES
CÍCLICAS O CICLO. SE REFIEREN A LAS
OSCILACIONES
DE
LARGA
DURACIÓN
ALREDEDOR DE LA LÍNEA (O CURVA) DE
TENDENCIA, LOS CUALES PUEDEN O NO SER
PERIÓDICOS, ES DECIR, PUEDEN O NO SEGUIR
CAMINOS ANÁLOGOS EN INTERVALOS DE
TIEMPO IGUALES. SE CARACTERIZAN POR TENER
LAPSOS DE EXPANSIÓN Y CONTRACCIÓN. EN
GENERAL, LOS MOVIMIENTOS SE CONSIDERAN
CÍCLICOS SOLO SI SE PRODUCE EN UN
INTERVALO DE TIEMPO SUPERIOR AL AÑO.


MOVIMIENTOS ESTACIONALES O VARIACIONES
ESTACIONALES.
SE
REFIEREN
A
LAS
FLUCTUACIONES PERIÓDICAS QUE SE OBSERVAN
EN SERIES DE TIEMPO CUYA FRECUENCIA ES
MENOR A UN AÑO (TRIMESTRAL, MENSUAL,
DIARIA, ETC.), APROXIMADAMENTE EN LAS
MISMAS FECHAS Y CASI CON LA MISMA
INTENSIDAD.
LA VARIACIONES ESTACIONALES RESPONDEN
FUNDAMENTALMENTE
A
FACTORES
RELACIONADOS AL CLIMA, LO INSTITUCIONAL O
LAS EXPECTATIVAS, Y NO A FACTORES DE TIPO
ECONÓMICO.

MOVIMIENTOS IRREGULARES O AL AZAR O
RUIDO ESTADÍSTICO. SE REFIEREN A
MOVIMIENTOS ESPORÁDICOS O DE CORTO
PLAZO DE LAS SERIES DE TIEMPO DEBIDO A
SUCESOS QUE SE PRODUCEN DE MANERA
OCASIONAL O IMPREVISIBLE, TALES COMO
ELECCIONES, HUELGAS, INUNDACIONES, ETC.
EXISTEN POR LO MENOS CUATRO CAUSAS QUE
GENERAN FLUCTUACIONES ESTACIONALES EN LA
MAYORÍA DE LAS SERIES ECONÓMICAS QUE
MUESTRAN FRECUENCIAS MENORES A UN AÑO, LAS
MISMAS
QUE
NO
NECESARIAMENTE
SON
EXCLUYENTES ENTRE SI. ELLAS SON:
 LA FIJACIÓN DE DETERMINADAS FECHAS POR PARTE
DE LAS INSTITUCIONES PARA QUE LOS AGENTES
ECONÓMICOS REALICEN CIERTAS ACTIVIDADES A LO
LARGO DEL AÑO; POR EJEMPLO LOS PERIODOS DE
VACACIONES ESCOLARES ESTABLECIDOS POR LA
SECRETARIA DE EDUCACIÓN PÚBLICA O EL PAGO DE
IMPUESTOS ESTABLECIDOS POR EL SAT.



EL CLIMA O LAS ESTACIONES DEL AÑO, QUE
DETERMINAN, POR EJEMPLO, LAS SIEMBRAS Y
COSECHAS, O LA VENTA DE ABRIGOS EN
DETERMINADOS MESES DEL AÑO.
LAS EXPECTATIVAS RESPECTO A LAS
FLUCTUACIONES
ESTACIONALES;
POR
EJEMPLO, EL ELEVADO CRECIMIENTO DE LAS
IMPORTACIONES DE JUGUETES EN LOS MESES
PREVIOS A LA NAVIDAD ES PROVOCADA POR
LA EXPECTATIVA DE VENTAS ELEVADAS EN
DICIEMBREY ENERO,Y

EL EFECTO CALENDARIO, ES DECIR, POR UN
LADO, EL HECHO DE QUE ALGUNAS
FESTIVIDADES O DÍAS FERIADOS SE
ENCUENTRAN FIJADOS EN DETERMINADAS
FECHAS DEL AÑO, LO CUAL DETERMINA UN
NÚMERO DIFERENTE DE DÍAS HÁBILES
DENTRO DE LOS MESES O TRIMESTRES, Y POR
OTRO LADO, EL HECHO DE QUE ESTOS
PERIODOS EN SI TIENEN UNA CANTIDAD
DISTINTA DE DÍAS.

EL EFECTO CALENDARIO ES TRATADO DE
MANERA
SEPARADO
POR
ALGUNOS
MÉTODOS, ES DECIR, COMO UN COMPONENTE
ADICIONAL DE LAS SERIES DE TIEMPO,
ADEMÁS DEL CICLO, TENDENCIA, ESTACIONAL
E IRREGULAR.


EN LO QUE RESPECTA A LAS CARACTERÍSTICAS
QUE
POSEEN
LAS
FLUCTUACIONES
ESTACIONALES DE LAS SERIES DE TIEMPO
ECONÓMICAS, PUEDE SEÑALARSE QUE LAS
MÁS IMPORTANTES SON LAS SIGUIENTES:
SE REPITE CADA AÑO CON CIERTA
REGULARIDAD,
AUNQUE
PUEDE
EVOLUCIONAR A LO LARGO DEL TIEMPO, ES
DECIR, CRECER O DISMINUIR.


ES POSIBLE MEDIRLO Y SEPARARLO DE LAS
OTRAS FUERZAS QUE INFLUYEN EN EL
COMPORTAMIENTO DE LA SERIE, MEDIANTE
MÉTODOS ADECUADOS DE DESCONPOSICIÓN
DE SERIES,Y
ES CAUSADO PRINCIPALMENTE POR FUERZAS
NO ECONÓMICAS, EXÓGENAS AL SISTEMA
ECONÓMICO, QUE LOS TOMADORES DE
DECISIONES NO PUEDEN CONTROLAR O
MODIFICAR EN EL CORTO PLAZO.



TENER UNA APRECIACIÓN MÁS CLARA SOBRE
SU
COMPORTAMIENTO
DEBIDO
EXCLUSIVAMENTE A RAZONES DE TIPO
ECONÓMICO.
FACILITAR LA IDENTIFICACIÓN DE PATRONES
DE COMPORTAMIENTO SUBYACENTES EN LAS
SERIES.
AYUDAR A CONOCER CÓMO SE RELACIONAN
LAS SERIES DE INTERÉS CON OTRAS SERIES
(EVENTOS EXÓGENOS O VARIABLES DE
POLÍTICA).

AYUDAR A DISMINUIR LAS POSIBILIDADES DE
SER ENGAÑADOS POR CORRELACIONES DE
“CASUALIDAD”
(ESPURIAS,
ES
DECIR,
CORRELACIONES
QUE
MUESTRAN
CASUALIDAD Y NO CAUSALIDAD) ENTRE
SERIES QUE PUEDEN GENERARSE POR
INFLUENCIAS ESTACIONALES SISTEMÁTICAS E
INDEPENDIENTES.


FORMALMENTE UNA SERIE DE TIEMPO X SE
DEFINE POR LOS VALORES X1, X2,….,Xn QUE
TOMA EN LOS MOMENTOS t1, t2,….,tn
RESPECTIVAMENTE. ASÍ, X ES UNA FUNCIÓN
DE tY PUEDE SIMBOLIZARSE POR Xt.
EL
ENFOQUE
CLÁSICO
PARA
SU
DESCOMPOSICIÓN
ES
EL
MODELO
ESTADÍSTICO LINEAL, ES DECIR, EL QUE
INDICA QUE Xt PUEDE SER REPRESENTADO A
TRAVÉS DE LA SUMA DE DOS PROCESOS NO
CORRELACIONADOS ENTRE SÍ:



Xt = Dt + It (t = 1, 2,…., n)
DONDE Dt ES DETERMINÍSTICO E It ES
ESTOCÁSTICO
ESTACIONARIO
(EL
COMPONENTE IRREGULAR).
LA PARTE DETERMINÍSTICA, A SU VEZ, SE
DESCOMPONE
–PARA
SERIES
CON
FRECUENCIA MENOR A UN AÑO- EN DOS
ELEMENTOS: UNO PURAMENTE ESTACIONAL
(St) Y OTRO NO ESTACIONAL ASOCIADO A LA
TENDENCIA-CICLO DE LA SERIE (Ct).






DE ESTE MODO UNO DE LOS MODELOS
BÁSICOS QUE MUESTRAN DE MANERA
EXPLÍCITA LA RELACIÓN QUE GUARDAN ESTOS
COMPONENTES ES EL ADITIVO:
Xt = Ct + St + It (t = 1, 2,…, n)
DICHA RELACIÓN TAMBIÉN PUEDE SEGUIR UN
MODELO MLTIPLICATIVO:
Xt = Ct * St * It (t = 1, 2,…., n)
O UN ADITIVO LOGARÍTMICO
LN Xt = LN Ct + LN St + LN It (t = 1, 2,…., n)

A PARTIR DE ESTOS MODELO BÁSICOS EL
PROBLEMA DE LA DESESTACIONALIZACIÓN
CONSISTE EN ESTIMAR LOS COMPONENTES
PARA CADA UNO DE LOS PERIODOS DE
OBSERVACIÓN t = 1, 2,…., n.




EXISTE UNA GRAN VARIEDAD DE MÉTODOS
PARA AJUSTAR ESTACIONALMENTE UNA SERIE
DE TIEMPO, LOS MISMOS QUE PUEDEN
AGRUPARSE EN TRES GRUPOS:
A) MÉTODOS DE REGRESIÓN,
B) MÉTODOS QUE EMPLEAN MODELOS ARIMA
Y
C) MÉTODOS DE PROMEDIOS MÓVILES.

SI LA ESTACIONALIDAD ES ESTABLE DE UN AÑO A
OTRO, EL PLANTEAMIENTO BÁSICO DE ESTE
MÉTODO CONSISTE EN LO SIGUIENTE: AJUSTAR A
LA SERIE ORIGINAL UNA REGRESIÓN CUYAS
VARIABLES INDEPENDIENTES SON UN CONJUNTO
DE VARIABLES DICOTÓMICAS, O DICÓTOMAS, O
DUMMY (12 VARIABLES SI LA SERIE ES MENSUAL Y
4 SI ES TRIMESTRAL) QUE REPRESENTA A LA
ESTACIONALIDAD DE LA SERIE Y OTRO CONJUNTO
(LAS VARIABLES QUE CONFORMAN UN
POLINOMIO DE GRADO n) QUE REPRESENTA A LA
TENDENCIA.

SU REPRESENTACIÓN PODRÍA PLANTEARSE DEL
SIGUIENTE MODO:




DONDE
Xt ES LA VARIABLE A AJUSTAR
Tt ES LA VARIABLE TENDENCIA
DUMjt SON LAS VARIABLES DICOTÓMICAS CON VALOR 1
PARA EL MES jY 0 PARA EL RESTO DE LOS MESES
αt Y βt SON LOS PARÁMETROS MINIMOCUADRÁTICOS A
ESTIMAR
iY j SON NÚMEROS ENTEROS
εt ES EL TÉRMINO DE PERTURBACIÓN ALEATORIA





EL COMPONENTE ESTACIONAL PARA UN
DETERMINADO MES SE OBTIENE RESTANDO
EL β ESTIMADO DEL MES RESPECTIVO MENOS
LA MEDIA DE LOS β´S DEBIDO A QUE EL
CONJUNTO DE VARIABLES DICOTÓMICAS
INCLUYEN EL TÉRMINO DE LA CONSTANTE.
LA SERIE DESESTACIONALIZADA, POR SU
PARTE, SE OBTIENE RESTANDO LA SERIE
ORIGINAL
MENOS
EL
COMPONENTE
ESTACIONAL.

ESTOS
MÉTODOS
SUPONEN
QUE
EL
COMPONENTE ESTACIONAL ES GENERADO POR
UN
PROCESO
ESTOCÁSTICO,
CUYA
IDENTIFICACIÓN SE REALIZA DE MANERA SIMILAR
A LOS MODELOS QUE REPRESENTAN LA
ESTRUCTURA REGULAR DE UNA SERIE CON LA
SALVEDAD DE QUE PARA ELLO SE EXAMINAN LOS
VALORES ESTACIONALES DE LAS FUNCIONES DE
AUTOCORRELACIÓN, ES DECIR, LOS VALORES
QUE CORRESPONDEN A LOS REZAGOS DE 4, 8,
12,…. SI LOS DATOS SON TRIMESTRALES Y 12, 24,
36…. SI LOS DATOS SON MENSUALES.



DE ESTE MODO, UNA SERIE PODRÍA REQUERIR
DIFERENCIAS DE ORDEN ESTACIONAL SI LOS
VALORES ESTACIONALES DE LA FUNCIÓN DE
AUTOCORRELACIÓN NO TIENDEN A CERO
RÁPIDAMENTE.
PARA OBTENER LA SERIE DESESTACIONALIZADA
SE SIGUE EL SIGUIENTE PROCEDIMIENTO:
SI Xt ES UNA SERIE ESTACIONAL DE s PERIODOS
AL AÑO (4 PARA DATOS TRIMESTRALES Y 12 PARA
MENSUALES)
DEBERÁ
ELIMINARSE
EL
COMPONENTE ESTACIONAL PARA LUEGO
AJUSTAR UN MODELO ARIMA A LA PARTE NO
ESTACIONAL (μt).

EL FILTRO ESTACIONAL ARIMA DEBERÁ
DEFINIRSE TENIENDO EN CONSIDERACIÓN LA
SIGUIENTE EXPRESIÓN:

DONDE





B ES EL OPERADOR DE REZAGO
ϕ Y ϴ SON COEFICIENTES A ESTIMAR
P
ES
EL
ORDEN
DE
LA
PARTE
AUTORREGRESIVA DEL MODELO ESTACIONAL
Q ES EL ORDEN DE LA PARTE DE PROMEDIO
MÓVIL DEL MODELO ESTACIONAL
D ES EL ORDEN DE LA PARTE INTEGRADA DEL
MODELO ESTACIONAL

AJUSTANDO
UN
MODELO
TRADICIONAL
A
LA
DESESTACIONALIZADA
μt
SE
FINALMENTE A LA FORMA:
ARIMA
SERIE
LLEGA

DONDE
ES UN PROCESO DE RUIDO
BLANCO Y d ES EL ORDEN DE LA PARTE
INTEGRADA DEL MODELO NO ESTACIONAL.


ESTOS
MÉTODOS
SUPONEN
QUE
LOS
COMPONENTES DE UNA SERIE TIENEN
COMPORTAMIENTOS DINÁMICOS Y, POR TANTO,
LA ESTIMACIÓN DE CADA UNO DE ELLOS SE
REALIZA EN CADA PUNTO DEL TIEMPO, COMO UN
PROMEDIO DE LAS OBSERVACIONES PASADAS Y
FUTURAS.
EN
CONSECUENCIA,
LOS
PASOS
FUNDAMENTALES DE ESTOS MÉTODOS NO SON
MÁS QUE UNA SUCESIÓN DE REGLAS EMPÍRICAS
QUE APLICAN PROMEDIOS MÓVILES DE MANERA
ITERATIVA.


EL MODELO MÁS CONOCIDO Y UTILIZADO
PARA DESESTACIONALIZAR SERIES DE TIEMPO
ECONÓMICAS A NIVEL DE LAS INSTITUCIONES
GUBERNAMENTALES DE TODO EL MUNDO ES
EL MODELO X12-ARIMA.
BÁSICAMENTE EL X12-ARIMA PROCEDE DEL
SIGUIENTE MODO: AJUSTA UN MODELO ARIMA
A LA SERIE ORIGINAL CON EL PROPÓSITO DE
EXTRAPOLARLA UN AÑO HACIA ADELANTE Y
UNO HACIA ATRÁS DE LA MANERA MÁS
EFICIENTE.



LUEGO
APLICA,
CON
LIGERAS
MODIFICACIONES Y OPCIONES, EL MÉTODO X12 A LA SERIE OBSERVADA QUE CONTIENE LOS
VALORES EXTRAPOLADOS.
EN CONCRETO, LAS DIFERENTES CLASES DEL
PROMEDIO MÓVIL QUE APLICA EL MÉTODO LO
HACE DE MANERA SECUENCIAL EN TRECE
PASOS, REPETIDOS DOS VECES.
PARA LA OPCIÓN ESTÁNDAR, CONSIDERANDO
EL MÉTODO MULTIPLICATIVO, ESTOS TRECE
PASOS SON LOS SIGUIENTES:
CALCULA LA RAZÓN ENTRE LA SERIE ORIGINAL Y UN
PROMEDIO MÓVIL CENTRADO DE 12 TÉRMINOS (2X12
PROMEDIOS MÓVILES, ES DECIR, UN PROMEDIO DE 2
TÉRMINOS DE UN PROMEDIO DE 12 TÉRMINOS) PARA
OBTENER UN PRIMER ESTIMADO DE LOS
COMPONENTES ESTACIONAL E IRREGULAR, ES DECIR,
LA RAZÓN SI (O SEA, DEL COMPONENTE TENDENCIACICLO).
2. APLICA UN PROMEDIO MÓVIL PONDERADO DE 5
TÉRMINOS (3X3 PROMEDIOS MÓVILES) A LA RAZÓN SI
DE CADA MES SEPARADAMENTE PARA OBTENER UN
ESTIMADO PRELIMINAR DE LOS FACTORES
ESTACIONALES.
1.
1.
2.
….
….
CALCULA UN PROMEDIO MÓVIL CENTRADO DE 12
TÉRMINOS DE LOS FACTORES HALLADOS EN EL PASO
2 Y LUEGO LLENA LOS 6 VALORES PERDIDOS AL FINAL
DE ESTE PROMEDIO REPITIENDO SEIS VECES EL
PRIMER (EL ÚLTIMO) VALOR DISPONIBLE DEL
RPOMEDIO MÓVIL. AJUSTA LOS FACTORES PARA QUE
SUMEN APROXIMADAMENTE 12 SOBRE UN PERIODO
DE 12 MESES, DIVIDIENDO EL PROMEDIO MÓVIL
CENTRADO DE 12 TÉRMINOS ENTRE LOS FACTORES.
4. DIVIDE EL FACTOR ESTACIONAL ESTIMADO ENTRE LA
RAZÓN SI PARA OBTENER UN ESTIMADO PRELIMINAR
DE LA RAZÓN (COMPONENTE) IRREGULAR.
3.
1.
2.
3.
4.
5.
….
….
….
….
CALCULA UNA DESVIACIÓN ESTÁNDAR MÓVIL DE 5
AÑOS (δ) DEL COMPONENTE IRREGULAR DEL PUNTO
4 PARA CONFRONTAR LAS RAZONES IRREGULARES
DEL AÑO CENTRAL DEL PERIODO DE 5 AÑOS CON
2.5δ. REMUEVE LOS VALORES EXTREMOS SUPERIORES
A 2.5δ Y RECALCULA δ. ASIGNA UN PESO DE CERO A
LAS IRREGULARIDADES SUPERIORES A 2.5δ Y UN PESO
DE UNO (PESO TOTAL) A LAS IRREGULARIDADES
MENORES A 1.5δ. FINALMENTE, ASIGNA UN PESO
GRADUADO LINEALMENTE ENTRE CERO Y UNO PARA
LA IRREGULARIDADES QUE SE ENCUENTRAN ENTRE
2.5δY 1.5δ.
1.
2.
3.
4.
5.
….
….
….
….
….
6.
PARA LOS PRIMEROS DOS AÑOS USA EL LÍMITE δ
CALCULADO PARA EL TERCER AÑO, Y PARA LOS
ÚLTIMOS DOS AÑOS USA EL LÍMITE δ CALCULADO
PARA LOS ÚLTIMOS TRES AÑOS. PARA REEMPLAZAR
UNA RAZÓN EXTREMO EN LOS PRIMEROS O
ÚLTIMOS DOS AÑOS, CONSIDERA EL PROMEDIO DE
LA RAZÓN CONSIDERANDO SU PESO Y DE LAS TRES
RAZONES CON PESO IGUAL A UNO MÁS CERCANOS.
1.
2.
3.
4.
5.
….
….
….
….
….
6.
7.
….
APLICA UN PROMEDIO MÓVIL PONDERADO A LA RAZÓN
SI CON VALORES EXTREMOS REEMPLAZADOS, PARA
CADA MES SEPARADAMENTE, PARA ESTIMAR
PRELIMINARMENTE EL FACTOR ESTACIONAL.
REPITE EL PASO 3, APLICANDO EL FACTOR HALLADO EN
EL PASO 7.
DIVIDE 8 ENTRE LA SERIE ORIGINAL PARA OBTENER UNA
SERIE AJUSTADA ESTACIONALMENTE.
8.
9.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
….
….
….
….
….
….
….
….
….
APLICA UN PROMEDIO MÓVIL DE HENDERSON DE 9,
13 Ó 23 TÉRMINOS A LA SERIE AJUSTADA
ESTACIONALMENTE Y DIVIDE EL RESULTADO CICLOTENDENCIA ENTRE LA SERIE ORIGINAL PARA DAR
UN SEGUNDO ESTIMADO DE LA RAZÓN SI (EN LA
PRIMERA ITERACIÓN SOLO ES APLICADO UN
HENDERSON DE 13).
1.
2.
3.
4.
5.
6.
7.
8.
9.
….
….
….
….
….
….
….
….
….
….
APLICA UN PROMEDIO MÓVIL PONDERADO DE 7
TÉRMINOS (3X5 PROMEDIOS MÓVILES) A LA RAZÓN
SI DE CADA MES SEPARADAMENTE, PARA OBTENER
UN SEGUNDO ESTIMADO DEL COMPONENTE
ESTACIONAL.
12. REPITE EL PASO 3.
13. DIVIDE 11 ENTRE LA SERIE ORIGINAL PARA OBTENER
LA SERIE AJUSTADA ESTACIONALMENTE.
10.
11.


EN ESTA PARTE DE LA EXPOSICIÓN SE APLICARÁ EL
MÉTODO X12-ARIMA PARA DESESTACIONALIZAR LA
SERIE
ÍNDICE
DE
LA
PRODUCCIÓN
MANUFACTURERA PARA EL ESTADO DE PUEBLA
(CON BASE 2003=100).
LA ELECCIÓN DEL ÍNDICE DE LA PRODUCCIÓN
MANUFACTURERA PARA APLICAR EL MÉTODO DE
DESESTACIONALIZACIÓN SE HIZO TENIENDO EN
CONSIDERACIÓN QUE SE TRATA DE UNA SERIE CUYO
COMPORTAMIENTO
RESUME
DE
MANERA
BASTANTE ADECUADA LA EVOLUCIÓN DE LA
ECONOMÍA ESTATAL.



ADICIONALMENTE, SE ELIGIÓ A ESTA SERIE DEBIDO A
QUE MUESTRA UN COMPORTAMIENTO IRREGULAR
RELATIVAMENTE PEQUEÑO Y UN COMPONENTE
ESTACIONAL RELATIVAMENTE GRANDE.
LA INFORMACIÓN DE BASE UTILIZADA EN LA
PRESENTACIÓN CORRESPONDE AL PERIODO ENERO DE
2003 A ENERO DE 2010, ES DECIR, A UNA MUESTRA DE 85
OBSERVACIONES.
PARA ESTIMAR LA ESTACIONALIDAD DE LA SERIE
PRODUCCIÓN MANUFACTURERA SE UTILIZÓ EL
COMANDO X-12-ARIMA DEL PAQUETE PCGIVE,
ELIGIENDOSE EL MODELO MULTIPLICATIVO.




LA OPCIÓN UTILIZADA FUE LA SIGUIENTE:
QUICK SEASONAL ADJUSTMENT. ESTA OPCIÓN
ELIGE EL MODELO ARIMA QUE MEJOR SE AJUSTA A
LA SERIE PARA GENERAR VALORES ADICIONALES
HACIA ATRÁS (BACKAST) Y HACIA ADELANTE
(FORECAST) DE LA SERIE ORIGINAL.
EL MODELO ELEGIDO POR DEFAULT MOSTRÓ EN
SUS RESULTADOS UNA BUENA BONDAD DE AJUSTE
AL COMPORTAMIENTO ESTACIONAL DE LA SERIE.
LA BONDAD DE AJUSTE SE MIDE A TRAVÉS DEL
ESTADÍSTICO Q DEFINIDO ENTRE 0 Y 3, CON
VALORES DE ACEPTACIÓN ENTRE 0Y 1.



ESTE ESTADÍSTICO Q, ES RESULTADO DE LA
COMBINACIÓN DE DIFERENTES MEDIDAS DE
CONTROL DE CALIDAD DE LAS ESTIMACIONES, LAS
MISMAS QUE SE OBTIENEN DE LAS TABLAS QUE EL
MISMO MÉTODO GENERA Y QUE EL SOFTWARE
PCGIVE LOS PRESENTA EN DETALLE CON LA OPCIÓN
DEL X-12-ARIMA.
LOS ESTADÍSTICOS QUE SE COMBINAN PARA
PRODUCIR EL Q FINAL SON:
1. LA CONTRIBUCIÓN RELATIVA DEL COMPONENTE
IRREGULAR EN LAS VARIACIONES TRIMESTRALES DE
LA SERIE ORIGINAL (M1).



2. LA CONTRIBUCIÓN RELATIVA DEL COMPONENTE
IRREGULAR EN LA VARIANZA DE UNA VERSIÓN
ESTACIONARIA DE LA SERIE ORIGINAL (O SEA DE LOS
RESIDUOS DESPUÉS DE AJUSTAR UNA LÍNEA RECTA A
LA SERIE ORIGINAL) (M2).
3. EL PROMEDIO DE LA VARIACIÓN PORCENTUAL MES A
MES DEL COMPONENTE IRREGULAR RESPECTO AL
PROMEDIO DEL COMPONENTE DE TENDENCIA-CICLO
(EL VALOR DE LA RAZÓN I/C) (M3).
4. EL NÚMERO PROMEDIO DE VARIACIONES
MENSUALES CONSECUTIVOS EN LA MISMA DIRECCIÓN
PARA EL COMPONENTE IRREGULAR (M4).



5. EL NÚMERO DE MESES QUE SE NECESITA PARA
QUE EL PROMEDIO DE LA VARIACIÓN PORCENTUAL
DEL
COMPONENTE
DE
TENDENCIA-CICLO
SOBREPASE AL PROMEDIO DEL COMPONENTE
IRREGULAR (M5).
6. EL PROMEDIO DE LA VARIACIÓN PORCENTUAL
AÑO A AÑO DEL COMPONENTE IRREGULAR
RESPECTO AL PROMEDIO DEL COMPONENTE
ESTACIONAL (EL VALOR DE LA RAZÓN I/S) (M6).
7. LA PROPORCIÓN DE ESTACIONALIDAD ESTABLE
RESPECTO A LA ESTACIONALIDAD MÓVIL (M7).





8. UNA MEDIDA DE LA VARIACIÓN AÑO A AÑO DEL
COMPONENTE ESTACIONAL DE LA SERIE COMPLETA
(M8).
9. EL MOVIMIENTO LINEAL PROMEDIO DEL
COMPONENTE ESTACIONAL PARA LA SERIE
COMPLETA (M9).
10. LO MISMO QUE 8 PERO CALCULADO SOLO PARA
AÑOS RECIENTES (M10).
11. LO MISMO QUE 9 PERO CALCULADO SOLO PARA
AÑOS RECIENTES (M11).
AL IGUAL QUE EL ESTADÍSTICO Q, LOS VALORES DE
ACEPTACIÓN DE LOS Mi FLUCTÚAN ENTRE 0Y 1.


ADICIONALMENTE, COMO PARTE DE LOS RESULTADOS
DE LA ESTIMACIÓN, EL X-12-ARIMA REALIZA PRUEBAS F
SOBRE LA PRESENCIA DE ESTACIONALIDAD EN LAS
SERIES:
1. PRUEBA DE ESTACIONALIDAD ESTABLE. ESTA PRUEBA
ESTA BASADA EN UN ANÁLISIS DE VARIANZA CON UN
FACTOR: LOS MESES O TRIMESTRES (DEPENDIENDO DE
LA FRECUENCIA QUE SE ESTÉ UTILIZANDO). PARA TAL
EFECTO
UTILIZA
LA
RAZÓN
DE
ESTACIONALIDAD/IRREGULARIDAD (RAZÓN SI). EL
VALOR DE F ES EL COCIENTE DE DOS VARIANZAS: (A) LA
VARIANZA ENTRE MESES QUE PRINCIPALMENTE SE
DEBE A LA ESTACIONALIDADY


(B) LA VARIANZA RESIDUAL QUE PRINCIPALMENTE SE
DEBE A LA IRREGULARIDAD. ESTE VALOR ES USADO
PARA RECHAZAR LA HIPÓTESIS NULA DE PRESENCIA NO
SIGNIFICATIVA DE ESTACIONALIDAD, EL CUAL ES
PROBADO AL NIVEL DE 1% DE PROBABILIDAD.
2. PRUEBA DE ESTACIONALIDAD MÓVIL. ESTA PRUEBA
SE BASA EN UN ANÁLISIS DE VARIANZA CON DOS
FACTORES: LOS MESES O TRIMESTRES Y LOS AÑOS. AL
IGUAL QUE EL CASO ANTERIOR UTILIZA LA RAZÓN SI.
ELLA PRUEBA LA PRESENCIA DE ESTACIONALIDAD
MÓVIL CARACTERIZADO POR CAMBIOS GRADUALES EN
LA AMPLITUD DE LA ESTACIONALIDAD PERO NO EN LA
FASE. EL VALOR DE F ES EL COCIENTE DE DOS
VARIANZAS: (A) LA VARIANZA ENTRE MESES Y (B) LA
VARIANZA RESIDUAL.

ANTES DE VER LOS RESULTADOS DE LA
ESTIMACIÓN, GRAFICAREMOS LA SERIE ORIGINAL
DEL ÍNDICE DE PRODUCCIÓN MANUFACTURERA, LA
SERIE ORIGINAL Y LA AJUSTADA, EL COMPONENTE
TENDENCIA-CICLO Y EL COMPONENTE IRREGULAR.
SERIE ORIGINAL
PROD. MANUF. PUEBLA
140
130
120
110
100
90
80
2003
2004
2005
2006
2007
2008
2009
2010
SERIE ORIGINAL
Y AJUSTADA
150
P RO D ._MA N U F._P U EBLA
A djusted
125
100
75
2003
150
2004
2005
P RO D ._MA N U F._P U EBLA
2006
2007
2008
2009
2010
SERIE ORIGINAL Y
TENDENCIA CICLO
Trend
125
100
75
2003
1.2
2004
2005
2006
2007
2008
2009
2010
IRREGULAR
IRP RO D ._MA N U F._P U EBLA
1.0
0.8
2003
2004
2005
2006
2007
2008
2009
2010

PARA EL CASO CONCRETO DE LA SERIE ÍNDICE DE
PRODUCCIÓN MANUFACTURERA, CONSIDERANDO
LA INFORMACIÓN CORRESPONDIENTE AL PERIODO
ENERO DE 2003 – ENERO DE 2010, EL MODELO CON
EL ESTADÍSTICO Q (SIEMPRE SE BUSCA UN
ESTADÍSTICO Q PEQUEÑO) Y LOS ESTADÍSTICOS Mi,
LAS PRUEBAS DE PRESENCIA DE ESTACIONALIDAD,
SON LAS SIGUIENTES.
---- X12arima 2.09 session started at 09:34:16 on Friday 04 June 2010 ---U. S. Department of Commerce, U. S. Census Bureau
X-12 monthly seasonal adjustment Method, Release Version 0.2.9
This method modifies the X-11 variant of Census Method II by J. Shiskin
A.H. Young and J.C. Musgrave of February, 1967.
and the X-11-ARIMA program based on the methodological research
developed by Estela Bee Dagum, Chief of the Seasonal Adjustment
and Time Series Staff of Statistics Canada, September, 1979.
Primary Programmers: Brian Monsell, Mark Otto
Series Title- X-12-ARIMA run of PROD._MANUF._PUE
Series Name- PROD._MANUF._PUE
-Period covered- 1st month,2003 to 1st month,2010
-Type of run - multiplicative seasonal adjustment
-Sigma limits for graduating extreme values are 1.5 and 2.5.
-3x3 moving average used in section 1 of each iteration,
3x5 moving average in section 2 of iterations B and C,
moving average for final seasonal factors chosen by Global MSR.
Specifications:
Line #
-----1: series{file="PROMANPUE.in7"} x11{ }
D 8.A F-tests for seasonality (PROD._MANUF._PUE)
Test for the presence of seasonality assuming stability.
Sum of squares Dgrs.freedom Mean square F-value
Between months
3689.9730 11
335.45209 8.038**
Residual
3046.5988 73
41.73423
Total
6736.5718 84
**Seasonality present at the 0.1 per cent level.
Nonparametric Test for the Presence of Seasonality Assuming
Stability
Kruskal-Wallis statistic Dgrs.freedom Probability level
48.5766
11
0.000%
Seasonality present at the one percent level.
Moving Seasonality Test
Sum of squares Dgrs.freedom Mean square F-value
Between Years 140.9485
6
23.491424 1.089
Error
1424.3367 66
21.580860
No evidence of moving seasonality at the five percent level.
COMBINED TEST FOR THE PRESENCE OF IDENTIFIABLE
SEASONALITY:
IDENTIFIABLE SEASONALITY PRESENT
F 3. Monitoring and Quality Assessment Statistics
(PROD._MANUF._PUE)
The measures below are between 0 and 3; acceptance region from
0 to 1.
1. The relative contribution of the irregular over three M1 = 0.941
months span (F 2.B).
2. The relative contribution of the irregular component
to the stationary portion of the variance (F 2.F).
3. The month to month change in the irregular compared
to the month to month change in the trend-cycle (F2.H).
4. The amount of autocorrelation in the irregular as
described by the average duration of run (F 2.D).
5. The number of months it takes the change in the trendcycle to surpass the change in the irregular (F 2.E).
6. The year to year change in the irregular as compared
to the year to year change in the seasonal (F 2.H).
7. The amount of moving seasonality present relative to
the amount of stable seasonality (F 2.I).
8. The size of the fluctuations in the seasonal component
throughout the whole series.
M2 = 0.614
M3 = 0.764
M4 = 0.437
M5 = 0.744
M6 = 0.303
M7 = 0.799
M8 = 0.884
9. The average linear movement in the seasonal
component throughout the whole series.
10. Same as 8, calculated for recent years only.
11. Same as 9, calculated for recent years only.




*** ACCEPTED *** at the level 0.73
*** Check the 2 above measures which failed.
*** Q (without M2) = 0.75 ACCEPTED.
M9 = 0.794
M10 = 1.107
M11 = 1.078


SE OBSERVA UN BUEN AJUSTE DEL MODELO A LOS
DATOS YA QUE LOS ESTADÍSTICOS M1 A M9 SON
MENORES A UNO. PROBABLEMENTE LOS
ESTADÍSTICO M10 Y M11 NO SON MENORES A UNO
DEBIDO A QUE HAY POCAS OBSERVACIONES (7
AÑOS).
ES ESTADÍSTICO Q MUESTRA UNA BUENA BONDAD
DE AJUSTE DEL MODELO, YA QUE SU VALOR ES
MENOR A UNO.
10*log10(Spectrum) Diff.SA
10*log10(Spectrum) Diff.orig.
PROD._MANUF._PUEBLA
-15
-20
-15
-25
-20
-30
-25
-35
S
S
S
T ST
0.0
0.1
0.2
0.3
10*log10(Spectrum) Mod.irreg.
-20
PROD._MANUF._PUEBLA
-10
ST
0.4
-30
S
0.5
S
0.0
1.0
PROD._MANUF._PUEBLA
0.1
S
S
0.2
T ST
0.3
ST
S
0.4
0.5
40
50
ACF-D13:PROD._MANUF._PUEBLA
0.5
-30
0.0
-40
-0.5
S
0.0
0.1
S
S
0.2
T ST
0.3
ST
0.4
S
0.5
0
10
20
30
































"PROD._MANUF._PUEBLA""SAPROD._MANUF._PUEBLA" "TRPROD._MANUF._PUEBLA"
100.4
101.5
108.3
89.2
105.9
109.2
109.4
99.7
95.3
100.9
94.5
85.7
95.2
92.4
106.3
93.8
84.5
103.5
105.2
102.8
98.5
103.2
71.4
76.1
84.4
87.3
97.1
105.3
105.3
108.4
103
105.380096401063
107.242324989437
102.989157972463
98.9166325903242
102.583752448862
101.925327723901
104.664563819887
95.2950750210659
94.0218130248517
94.8674989271156
94.8370495575817
97.1158523072172
100.074692314946
97.6728559231337
100.927348149317
104.480417476227
82.5151867121019
96.3030180632586
100.838746313421
97.9358144884028
97.2491700320251
96.260631573774
71.3437451745198
86.129820165052
88.9682478715443
92.3690026837394
92.1164976980762
117.749203042925
104.460802101114
101.035098407951
99.1828424075028
105.006202598753
104.457930510085
103.583699037016
102.734843789017
101.838996989385
100.676704523324
99.1469749301925
97.550255735082
96.190371290571
95.3422423255201
95.5343361038357
96.7928714402632
98.3812971387612
99.6549681710426
100.245594788814
100.274298168541
99.9693275051011
99.5406372990553
98.8850572468552
97.7037830011874
95.9482449638865
93.7655280444945
91.4618052410163
89.8843387403283
89.9696709729861
91.6205189503926
94.2378156078316
97.2689450386576
99.9749213926358
101.959313805288
103.581286437519
"IRPROD._MANUF._PUEBLA"
1.00356068301735
1.02665565425004
0.994260283518741
0.962834311535681
1.00731306750355
1.01240230504652
1.05565060248766
0.976881857489533
0.97745555780039
0.995020639468667
0.992701194411441
1.00333682493502
1.01721257215989
0.980110251558087
1.00680083111821
1.04194613559515
0.825405039439636
0.967474397154302
1.01975717182111
1.00237484650121
1.01355861244391
1.0266100301605
0.780038672826518
0.958229446554388
0.988869325733753
1.00816938980396
0.97748973810489
1.21055289533702
1.04487005987092
0.99093544902526
0.957536306206537
































"PROD._MANUF._PUEBLA""SAPROD._MANUF._PUEBLA" "TRPROD._MANUF._PUEBLA"
114.7
110.5
116.9
116.6
108.2
115.9
109.8
124.8
97.8
113.4
121
110.3
111
114.3
117.7
127.2
99.4
99.1
105
119.8
102.2
111.6
136.7
130.8
140.6
118
147.6
129.9
110.4
128.5
108.60338308318
108.876980392156
107.067093938481
115.200257582442
122.611609891789
123.794724171422
115.435780375522
119.111341495455
110.304991239146
114.182428461639
112.815714350722
106.903459726387
104.278223912751
112.737680900691
105.556370806189
124.026218915856
112.394699469089
107.431086814218
109.632998870191
115.07178289211
116.621910141804
114.03716678476
127.690811425913
127.289780652185
131.714601610957
116.043258982057
129.489609262366
124.883192174736
124.708041935826
142.224788391675
105.680000479299
108.532744439977
112.120960293516
115.722202254886
118.294668521541
119.346228175881
118.987656410649
117.287023248483
114.76066724248
112.225746974461
110.231144835536
108.947049484956
108.257598545837
107.988043344283
108.117673254686
108.597836261812
109.254634185363
109.997237348113
111.128328296645
113.360532932481
116.506023204781
119.989176346761
123.312391765576
125.58280474748
126.626686693818
126.879450781927
126.820375912503
127.110729148222
128.146652427211
129.406695943008
"IRPROD._MANUF._PUEBLA"
1.02766259075154
1.00317172438562
0.954924874512272
0.995489675600065
1.03649311861812
1.03727387168856
0.97014920587335
1.015554305979
0.96117418876696
1.01743522801076
1.02344681731322
0.981242357932318
0.963241613646163
1.04398299486977
0.976310048381604
1.14206896919059
1.02874079719491
0.976670772868833
0.986544120213325
1.01509564144911
1.00099468623025
0.950395446129236
1.0355067288668
1.0135924333601
1.04018043155027
0.914594587751688
1.02104735402854
0.982475618003195
0.973166599156087
1.09905277586495

























"PROD._MANUF._PUEBLA""SAPROD._MANUF._PUEBLA" "TRPROD._MANUF._PUEBLA"
125.4
112.4
132
120.3
129.8
133.5
133.7
126.9
145.8
125.4
94.3
89.3
105.6
98
82.5
97.1
105
98.1
105.4
104.5
126
118.5
106.5
103.8
129.743950905758
108.893295164738
152.450728951253
124.134172929793
120.983025933233
129.91033800833
124.904627670754
125.086122789498
125.894416120724
119.613782917424
106.423546101604
100.170516760025
108.978002187736
95.2287819440051
95.6849568277556
101.142416859581
97.884831215423
95.0739182705929
98.2715688037919
103.227044645812
107.602977416473
112.688673520619
120.854133236105
117.471840004494
130.057727801247
129.793938992219
128.690308904088
127.460342828302
126.618417570296
126.401586479982
125.915558798688
124.361666564925
121.344448955993
116.685680578646
111.091285041454
105.881755718412
101.860168989811
99.1092906412233
97.5801352625459
96.8985497938978
96.7863462241998
97.6800009371987
100.123611389076
103.730267727029
107.894544807552
112.171782536603
116.05363980805
119.319659188852
"IRPROD._MANUF._PUEBLA“
0.99758740291105
0.838970571432196
1.18463255119601
0.973904276226609
0.955493112730353
1.02775876178503
0.991971356537835
1.00582539816797
1.03749629425884
1.02509393032854
0.957982852227262
0.946060216704611
1.06987847427031
0.960846166165535
0.980578235214666
1.04379701321341
1.01134958632159
0.973320202276807
0.98150243923896
0.995148734383482
0.997297663272973
1.00460803040058
1.04136443661737
0.984513707155057
SERIE ORIGINAL Y
DESESTACIONALIZADA
150
PROD._MANUF._PUEBLA
SAPROD._MANUF._PUEBLA
140
130
120
110
100
90
80
2003
2004
2005
2006
2007
2008
2009
2010
150
SERIE
DESESTACIONALIZADA
SAPROD._MANUF._PUEBLA
140
130
120
110
100
90
80
2003
2004
2005
2006
2007
2008
2009
2010
TENDENCIA Y CICLO
130
TRPROD._MANUF._PUEBLA
125
120
115
110
105
100
95
90
2003
2004
2005
2006
2007
2008
2009
2010
IRREGULAR
1.20
IRPROD._MANUF._PUEBLA
1.15
1.10
1.05
1.00
0.95
0.90
0.85
0.80
2003
2004
2005
2006
2007
2008
2009
2010
150
150
PROD._MANUF._PUEBLA
125
125
100
100
75
75
2005
130
SAPROD._MANUF._PUEBLA
2010
TRPROD._MANUF._PUEBLA
2005
1.2
120
1.1
110
1.0
100
0.9
2010
IRPROD._MANUF._PUEBLA
0.8
90
2005
2010
2005
2010


EL MODELO X-12-ARIMA HA SIDO PROBADO EN TODO
EL MUNDO DURANTE VARIOS AÑOS Y HOY ESTA
DISPONIBLE EN VARIOS PAQUETES ESTADÍSTICOS Y
ECONOMÉTRICOS.
ESTO DEMUESTRA LA CAPACIDAD DE LOS PAQUETES
PARA EFECTUAR LA DESESTACIONALIZACIÓN DE LAS
SERIES DE MANERA MASIVA Y RUTINARIA. ESTO LE DA
VENTAJAS
SOBRE
LOS
OTROS
MÉTODOS
MENCIONADOS. (POR EJEMPLO, EL ECONOMÉTRICO O
EL QUE UTILIZA LOS MODELOS ARIMA REQUIEREN DE
TODO UN PROCESO PARA LA CONSTRUCCIÓN DE LOS
MODELOS Y POR ENDE, MUCHA EXPERIENCIA DEL
MODELADOR).



MÁS AUN SI EL PROPÓSITO ES SOLO FACILITAR LA
INTERPRETACIÓN
DE
LA
INFORMACIÓN
COYUNTURAL TRATADA DE MANERA ADECUADA.
ESTE MODELO PUEDE APLICARSE A CUALQUIER
TIPO DE INDICADOR ECONÓMICO O SOCIAL QUE
PRESENTE CARACTERÍSTICAS ESTACIONALES.
POR ÚLTIMO, EL ENTENDIMIENTO DE LAS SERIES
ECONÓMICAS REQUIERE DE DESTREZA Y HABILIDAD
POR PARTE DEL MODELADOR Y ESTO SE ADQUIERE
CON LOS AÑOS Y EXPERIMENTANDO LOS
MODELOS.


NO SE DESESPEREN Y SUERTE
CON LA EXPERIMENTACIÓN
DEL PAQUETE.
GRACIAS POR SU ATENCIÓN Y
PACIENCIA.

similar documents