Cómo desestacionalizar los datos de series temporales

En muchos casos, los patrones estacionales se eliminan de los datos de series de tiempo cuando están en libertad bajo las bases de datos públicas. Los datos que han sido despojados de sus patrones estacionales se conoce como seasonalLy ajustado o desestacionalizadas datos.

Con el fin de obtener una medida de bondad de ajuste que aísla la influencia de las variables independientes, se debe estimar el modelo con los valores desestacionalizados para ambas variables dependientes e independientes. Así es como para hacer precisamente eso:

1. Una regresión la variable dependiente de las variables ficticias estacionales para obtener la función estimada

   

   y retener los residuos de esta regresión.

2. Retroceder cada una de las variables independientes sobre las variables ficticias estacionales para obtener las funciones estimadas

   

   dónde k representa una variable independiente específica, y retener los residuos de todo k de estas regresiones.

3. Regresión de los residuos obtenidos en el Paso 1

   

   sobre los residuos obtenidos en el Paso 2

   

   para estimar

   

   El R-cuadrado de esta regresión proporciona una mejor medida de ajuste cuando la serie de tiempo exhibe considerable estacionalidad.

Video: SERIE DE TIEMPO-EXPLICACIÓN Y EJEMPLO (CONTIENE LA MAYORIA DE LOS COMPONENTES)

El tradicional R-cuadrado puede ser demasiado inflado cuando los datos contienen patrones estacionales significativas. Si se presenta esta situación, sólo tiene que estimar una regresión con datos desestacionalizados para encontrar un valor alternativo R cuadrado.

La figura utiliza STATA para estimar el impacto de registro mensual de desempleo y una tendencia temporal en el registro de las ventas de recuerdos entre 1987 y 1993. En primer lugar, se estima el modelo con los datos en bruto, y luego el modelo se estima con datos desestacionalizados.

Video: Desestacionalizar una serie

La salida de los pasos intermedios se excluye para ahorrar espacio. Como era de esperar, el R-cuadrado es menor después de los datos se desestacionalizadas (0,9106 comparado con 0,9539), pero la diferencia no es grande. Las estimaciones de los coeficientes de las variables de desempleo y las tendencias son similares en ambas regresiones, por lo que los resultados implican que el papel de las variables independientes no se ve afectado por los patrones estacionales.

Video: Practica - Series Temporales - 10/12 - Eliminación de la tendencia por diferencias

Los econometristas estiman principalmente el modelo de regresión con los datos desestacionalizados para derivar el poder explicativo de las otras variables independientes. Sus resultados econométricos primarias, sin embargo, deben informar de las estimaciones del modelo con los datos en bruto y las variables ficticias temporada.