Ir al contenido principal

Análisis de la estacionalidad (II)

Esta entrada es continuación de la entrada anterior.

La definición de los índices de variación estacional (repasa la entrada anterior, por si te resulta confuso el término) permite una interpretación de los mismos como proporción o porcentaje en el que la estacionalidad actúa sobre las desviaciones, haciendo que éstas se desvíen (por exceso o por defecto) de su tendencia.

Supongamos que hemos llegado a cuantificar sobre la serie de precios índices de variación estacional del 100,7;130,8; 91 y 77,5% para las estaciones de primavera, verano, otoño e invierno, respectivamente. Estos resultados nos informan de que la componente estacional está aumentando los precios un 30,8% en verano, en otoño e invierno el sesgo es negativo (de un 9% y de un 22,5% respectivamente) y no existe prácticamente efecto estacional en primavera.

El método expuesto resulta adecuado bajo el supuesto de estacionalidad estable, esto es, si admitimos que los coeficientes de estacionalidad no se ven afectados por ninguna tendencia. Podría ocurrir, sin embargo, que el efecto de la estacionalidad variase a lo largo del tiempo (por ejemplo, las diferencias estacionales de precios hosteleros podrían irse atenuando progresivamente) resultando en este caso necesario modificar en cierta medida el cálculo de índices.

En efecto, una vez que hayan sido calculados los componentes brutos de variación estacional, resultará conveniente llevar a cabo en este caso una representación de los mismos para cada estación por separado. Teniendo en cuenta que se trata de estimaciones conjuntas del componente estacional y accidental, las representaciones anteriores permitirán efectuar un ajuste (en general, lineal) de la estacionalidad, es decir, separar de ésta el componente residual y proporcionar así predicciones de los coeficientes de estacionalidad que (una vez normalizados) conducirán a los índices de variación estacional en cada periodo.

Una vez identificada la componente estacional, resulta en ocasiones conveniente su eliminación de la serie inicial. Este procedimiento se denomina desestacionalización y consiste en contrarrestar el efecto que ejerce la estacionalidad sobre la serie temporal estudiada.

Como ya se ha comentado, el factor estacional actúa en muchas ocasiones como una especie de lente o espejo curvo que impide captar adecuadamente la evolución del fenómeno en estudio. En estos casos, la desestacionalización equivale a eliminar el agente distorsionador, aproximando el movimiento real del fenómeno.

Dado que los índices de variación estacional pueden ser considerados como patrón de la estacionalidad, estos instrumentos jugarán un papel clave en la desestacionalización. De hecho, el método general consistirá en dividir cada una de las observaciones de la serie inicial (yij) entre el correspondiente  índice de variación estacional (IVEj). De este modo, los valores resultantes aparecerán corregidos al alza o a la baja según la estacionalidad tuviese en ese subperiodo una influencia negativa o positiva, respectivamente.

Comentarios

Entradas populares de este blog

Ojivas

Recibe el nombre de ojiva un gráfico que, mediante el trazado de una línea, muestra las frecuencias acumuladas de la serie. Si representa frecuencias absolutas acumuladas se llama simplemente ojiva, y si representa los porcentajes de las frecuencias relativas acumuladas se llama ojiva porcentual. Para representar una ojiva, se marcan en el eje de abscisas los valores de la variable y en el eje de ordenadas las frecuencias acumuladas. Se utiliza para representar series atemporales de frecuencia. Ejemplo Vamos a representar una ojiva de la serie correspondiente a los complementos salariales (dietas, desplazamientos...) expresados en euros de los 130 empleados y empleadas de una empresa, que aparecen reflejados en la siguiente tabla. Complementos N.º de empleados [50-60) 16 [60-70) 20 [70-80) 32 [80-90) 28 [90-100) 20 [100-110) 10 [110-120) 4 130

Polígonos de frecuencias

Un polígono de frecuencias es un gráfico que se obtiene a partir de un histograma, uniendo los puntos medios de los techos, o bases superiores, de los rectángulos. Se acostumbra a prolongar el polígono hasta puntos de frecuencia cero. Un polígono de frecuencia permite ver con gran claridad las variaciones de la frecuencia de una clase a otra. Son muy útiles cuando se pretende comparar dos o más distribuciones, ya que, así como es difícil representar dos o más histogramas en un mismo gráfico, resulta muy sencillo hacerlo con dos o más polígonos de frecuencias. La suma de las áreas de los rectángulos de un histograma de amplitud constante, es igual al área limitada por el polígono de frecuencias y el eje X. Ejemplo Vamos a construir a partir del histograma explicado en la entrada anterior , su correspondiente polígono de frecuencias. Ejemplo de polígono de frecuencias Interpretación de un polígono de frecuencias El polígono de frecuencias resume, en una sola lín

Ejemplo de tabla de frecuencia para una variable cuantitativa continua

Cuando el estudio se refiere a una variable cuantitativa continua, como el peso, la talla, velocidad, etc., o cuando tratándose de una variable cuantitativa discreta, el número de observaciones es muy grande y la cantidad de valores diferentes que toma la variable también, se recurre a agrupar los datos en intervalos. Cada uno de estos intervalos recibe el nombre de clase. Por ejemplo: En un estudio realizado sobre la estatura de cuarenta alumnos de un curso (variable cuantitativa continua, puesto que entre dos estaturas distintas puede haber un alumno que tenga una estatura intermedia), se han obtenido los siguientes resultados en metros: 1,55 1,66 1,69 1,63 1,64  1,67 1,63 1,56 1,62 1,68 1,68 1,62 1,66 1,62 1,69  1,56 1,57 1,60 1,65 1,64 1,67 1,69 1,63 1,64 1,60  1,62 1,63 1,71 1,62 1,72 1,61 1,61 1,64 1,60 1,70  1,76 1,65 1,65 1,68 1,66 Para su estudio, se procede a la agrupación de los datos en intervalos o clases. Primero se observa cuáles son los valores