Economía y Estadísticas

junio 23, 2013 · Imprimir este artículo

Por qué y cómo desestacionalizar series de datos
Por Juan Carlos de Pablo

Calcular la variación de cualquier variable es una operación aritmética; interpretar el resultado corresponde a la disciplina a la que pertenece esa variable (ejemplos: modificación de glóbulos rojos, medicina, PBI, economía). Al mismo tiempo, no es noticia en la Argentina que se vendan más kilos de helado en enero que en julio, pero ¿cómo comparar los volúmenes vendidos cada mes, quitándoles el componente estacional? Al respecto consulté al inglés James Durbin (1923-2012) y al australiano Geoffrey Stuart Watson (1921-1998), creadores de un test de autocorrelación serial, publicado a mediados del siglo XX. El 16 de mayo de 2001 la Universidad Nacional de Tucumán le otorgó a Durbin un doctorado honoris causa. Señal de que los econometristas también son seres humanos, Juan Carlos Abril testimonia que en aquella ocasión, junto con el galardonado, agotaron las existencias de empanadas y vino que tenía un restaurante sito en los Valles Calchaquíes.

-¿Cuál era el problema y cuál fue el aporte de ustedes?

James Durbin: -Una recta de regresión casi nunca ajusta de manera perfecta los datos, de forma que existen desvíos entre cada valor observado y el que cabría esperar sobre la base de la regresión. Si los desvíos están autocorrelacionados, es decir, si existe alguna relación entre el desvío observado en un período y en el siguiente, la estimación econométrica pierde confiabilidad. La dificultad se conocía, J.R.N. Stone, D. Cochrane y G.H. Orcutt estaban trabajando sobre ella; diseñamos un test para detectar cuánta autocorrelación existe en los desvíos, que, a juzgar por el resultado, resultó muy útil.

-No siempre resulta clara la diferencia entre el cálculo de la variación de una variable y su interpretación.

Geoffrey Stuart Watson: -La variación del PBI surge de dividir el nivel observado en un período, por el observado en el período anterior, al resultado restarle uno y multiplicarlo por 100. Esto es aritmética. El análisis económico interpreta ese resultado como reactivación, transición o crecimiento sostenido. La Argentina, entre 2003 y 2011, es un caso de reactivación; China desde la década de 1980, uno de transición; Estados Unidos a lo largo del siglo XX, uno de crecimiento sostenido. Confundir uno con otro genera malos pronósticos y fuertes desilusiones.

Lectura recomendada:  ¡Uníos, gobernadores! A pelear fondos nacionales

-¿Por qué hay que desestacionalizar las series temporales antes de analizarlas?

J.D.: -Para contar con diagnósticos correctos. El heladero que festeja haber vendido mayor cantidad de cucuruchos en enero que en julio es candidato a fundirse.

-En 1961, en la UCA, Miguel Ángel Almada me enseñó a desestacionalizar.

G.S.W.: -Supongo que le recomendó tomar la información de, digamos, los últimos diez años, sumar los meses de enero, los de febrero, etcétera. Luego expresar la suma de los eneros como proporción de la suma de todos los meses, repitiendo el procedimiento con cada mes. Obteniendo así coeficientes que, aplicados a los valores observados, generan los correspondientes valores desestacionalizados.

Exacto. Según este procedimiento, la variación anual es la misma sobre los valores originales que sobre los desestacionalizados, pero entre abril de 2012 y de 2013 el Estimador Sintético de la Actividad de la Construcción aumentó 11,4% sobre la base de los datos originales, y 3,6% sobre la base de los desestacionalizados.

J.D.: -Almada fue un gran profesor de estadística, pero las técnicas de desestacionalización evolucionaron. Hoy se usa el método «X11-ARIMA», en cuya elaboración participó Estela M. B. de Dagúm. Corrige cada observación mensual por el número de días hábiles, y para ajustar lo que ocurrió en enero último le asigna más importancia a lo que pasó en los eneros anteriores, que lo que ocurrió en enero de comienzos del siglo XX.

-¿Me están diciendo que una misma serie puede generar más de un dato desestacionalizado?

G.S.W.: -Exacto, por lo cual los datos desestacionalizados deben ser utilizados con cuidado. Pero no utilizarlos para evitar los problemas relacionados con la desestacionalización, es como quedarse soltero para evitar los problemas relacionados con el matrimonio.

Caballeros, muchas gracias .

Fuente: La Nación, 23/06/13.

Juan Carlos de Pablo

Juan Carlos de Pablo

Comentarios

Algo para decir?

Usted debe estar logueado para escribir un comentario.