Varianza acumulada explicada a partir de los componentes principales utilizando las series temporales de los patrones estacionales de los indicadores que componen la IGAE de Actividades Terciarias. Rango asignado a cada método en la evaluación de Diferencias en los resultados de los ajustes estacionales, con base en los resultados del Cuadro 25. Ante esta situación, es necesario desarrollar otras estrategias para el ajuste estacional de los indicadores macroeconómicos totales de México, buscando los resultados para mantener la calidad obtenida.
Marco teórico
Descomposición de series de tiempo y ajuste estacional
- Componentes de una serie de tiempo
- Objetivos del ajuste estacional
- Métodos de ajuste estacional
- Procedimiento X-11 para el ajuste estacional
- Ajustes previos
- Algoritmo de descomposición X-11
Estos métodos suponen que los componentes de la serie temporal cambian con el tiempo de forma no determinista. Los efectos atípicos y de calendario (que incluyen efectos relacionados con la frecuencia de los días laborables en un mes, feriados móviles y años bisiestos, Ct) se modelan utilizando las variables de regresión en el modelo de la siguiente manera. Por construcción, esta primera estimación del conjunto desestacionalizado debería contener menos estacionalidad.
Estado del arte en el ajuste estacional de indicadores agregados
- Enfoque directo e indirecto
- Otros enfoques
- Recomendaciones internacionales y práctica en otros países
Uso de diferentes medias móviles en los filtros estacionales de las series componentes. Un aspecto adicional sugerido en [20] y [22] a tener en cuenta al elegir el enfoque apropiado para estacionalizar los indicadores totales son las características de los patrones estacionales de las series componentes. En este trabajo se propone un enfoque combinado, en el que el nivel de corte para el ajuste estacional indirecto se basa en las similitudes/diferencias de los patrones estacionales de las series componentes.
Clustering jerárquico para series de tiempo
- Clustering de series de tiempo
- Medidas de similitud
- Algoritmo de clustering jerárquico aglomerativo
- Tipos de enlace (linkage)
- Dendrograma
- Selección del nivel de corte para determinar el número de
Trabajamos con parámetros del modelo construidos a partir de la serie temporal original (un modelo paramétrico para cada serie temporal). Existen varias medidas que se pueden utilizar para medir la distancia entre series temporales. Esta medida es útil cuando se utiliza un enfoque basado en modelos para agrupar series temporales.
Método propuesto
Método combinado propuesto para el ajuste estacional
- Medida de similitud utilizada
- Selección del número de clusters
Según el punto 2 de los aspectos a tener en cuenta a la hora de elegir el método de ajuste estacional (Eurostat), es importante tener en cuenta las características de los patrones estacionales de las series componentes del indicador total. Respecto a este punto, en la literatura en el tema de ajuste estacional directo e indirecto se suele mencionar que si las series componentes no tienen patrones similares se recomienda utilizar el método indirecto, en términos generales, cuando las series que componen la serie total tienen patrones estacionales bastante diferentes y tienen buena calidad de ajuste, el ajuste estacional indirecto suele ser de mejor calidad que el ajuste directo.
Agrupar las series que componen el indicador agregado según aquellas que muestren patrones estacionales similares (estas agrupaciones determinarían el valor de corte para el método indirecto) y realizar un ajuste estacional directo en cada grupo formado. Como se mencionó en el capítulo sobre el estado del arte sobre el ajuste estacional de los indicadores agregados (ver 1.2.2), Buono e Infante propusieron un enfoque mixto, cuya idea básica es la misma que la del enfoque combinado presentado aquí, donde es necesario determinar si las series componentes representan patrones estacionales. En este trabajo, es mejor utilizar técnicas de clustering para determinar si las series que componen el indicador agregado presentan patrones estacionales similares y forman clusters.
En este caso, la agrupación se aplicará directamente a las series temporales correspondientes a los patrones estacionales de cada indicador desagregado; Estas series ya están preprocesadas al ser estacionarias30 y libres de "ruido"31. En la Sección 1.3.2 del Capítulo 1 de este trabajo, se presentaron algunas de las medidas de similitud más comúnmente utilizadas para medir la distancia entre series de tiempo, y se mencionó que la elección de la distancia adecuada dependerá de las características de las series de tiempo. . , su método de representación y el propósito de la agrupación. El método 32X-11 utilizado para realizar la descomposición de la serie temporal se basa en la aplicación iterativa de un conjunto de filtros lineales predefinidos que se ajustan a la serie (ver Sección 1.1.4).
En este caso, se aplicará PCA a las series temporales correspondientes a los patrones estacionales que se pretenden agrupar, con el fin de validar el número de clusters teniendo en cuenta la varianza acumulada explicada por los componentes no correlacionados resultantes.
Método para comparar los ajustes
- Aspectos a evaluar
- Inconsistencias
- Calidad del ajuste estacional
- Suavidad de la serie desestacionalizada
- Ajuste estacional satisfactorio en dominio de frecuencias . 54
- Verificar que no exista estacionalidad residual
- Método comparativo
Donde Atj es la serie total desestacionalizada con el método j, Aij,t es la subserie (componente) i desestacionalizada con el método j y el símbolo ∇ indica el operador de diferencia. Es la variación absoluta promedio del componente estacional para todos los períodos estacionales a lo largo de la serie. Un valor estacional (y otros negocios y festivos) que deja efectos estacionales y de calendario residuales detectables en la serie ajustada se considera insatisfactorio.
La forma de medir el tamaño de las revisiones de los datos desestacionalizados es la comparación entre el primer ajuste de los datos de un mes, obtenido cuando ese mes es el último mes de la serie (t), y el ajuste posterior basado en todos los datos futuros disponibles. en el momento T, donde T es el período más reciente. El programa X-13ARIMA-SEATS permite generar un histórico de revisiones de la serie desestacionalizada en un conjunto de periodos sucesivos de la serie. El aspecto fundamental a cuidar en cualquier método de ajuste estacional es verificar que no exista una estacionalidad residual detectable en la serie ajustada o en el componente irregular.
El estadístico QS estima una autocorrelación estacional positiva en la serie para probar la hipótesis de que no hay estacionalidad en la serie. Para calcular el estadístico QS, primero se selecciona el orden de diferenciación de series apropiado. Donde la autocorrelación es el rezago, la longitud de la serie menos el orden de las diferencias y la periodicidad de la serie (12 para series mensuales y 4 para series trimestrales).
Sólo cuando el valor p del estadístico QS sea menor que un valor crítico predefinido de 0,01, en el rango desestacionalizado o en el componente irregular, se indicará.
Datos
313 Fabricación de insumos textiles y acabados textiles 0,010 314 Fabricación de productos textiles, excluida la confección 0,005. En el caso del IVF de producción del sector manufacturero se trabajó con los datos actualizados a agosto de 2019 y con los modelos vigentes a octubre de 2019. Para el indicador IGAE de actividades terciarias se trabajó con los datos actualizados a junio de 2019. y con los modelos vigentes a partir de octubre de 2019.
61-62 servicios educativos; Servicios sanitarios y sociales Servicios de ocio cultural y deportivo y otros servicios.
Resultados
IVF de la producción del sector Manufacturas
- Análisis jerárquico
- Modelos de ajuste estacional para el método combinado
- Comparación de los ajustes
- Diferencias en los resultados de los ajustes estacionales
- Inconsistencias en las tasas de crecimiento
- Calidad del ajuste estacional
- Suavidad de la serie desestacionalizada
- Ajuste estacional satisfactorio en dominio de frecuencias . 78
- Estacionalidad residual
- Resumen de resultados
En el conjunto de series que componen el indicador agregado de producción de FIV (ver tabla 2), algunas pueden presentar patrones estacionales similares y otras diferentes. Teniendo en cuenta lo anterior, se decidió fijar el número de grupos con los que trabajar para el método combinado en 9. La industria alimentaria, que es el subsector con mayor peso en el agregado de FIV.
método indirecto; Las series agregadas desestacionalizadas se obtienen sumando las series de los componentes desestacionalizados (las especificaciones de los modelos utilizados se pueden ver en el cuadro 42). Los resultados de las once medidas de calidad M y el estadístico Q para los tres métodos de corrección estacional evaluados se muestran en la Tabla 10. Un valor mayor que 1 en cualquiera de los estadísticos indica un posible problema en la corrección estacional.
El Cuadro 12 muestra los resultados obtenidos en las series desestacionalizadas derivadas de los tres métodos. La Tabla 14 presenta los resultados del análisis espectral realizado para determinar si existen picos significativos. El Cuadro 17 muestra los resultados del número promedio de revisiones absolutas por año.
El Cuadro 19 muestra los valores p de las estadísticas QS calculados sobre la serie desestacionalizada y el componente no ajustado del indicador agregado de Producción de FIV.
IGAE de las Actividades Terciarias
- Análisis jerárquico
- Modelos de ajuste estacional para el método combinado
- Comparación de los ajustes
- Diferencias en los resultados de los ajustes estacionales
- Inconsistencias
- Calidad del ajuste estacional
- Suavidad de la serie desestacionalizada
- Ajuste estacional satisfactorio en dominio de frecuencias . 102
- Estacionalidad residual
- Resumen de resultados
Los resultados numéricos mostrados en el Cuadro 25 confirman que las diferencias entre las series desestacionalizadas del método indirecto (se toman como base). Los resultados obtenidos con los tres métodos en estas mediciones se pueden evaluar en la Tabla 29. La diferencia en el valor de los estadísticos fue muy pequeña, por lo que es com-.
Un valor mayor a 1 en cualquiera de las estadísticas indica un posible problema en la alineación. Fuente: elaboración propia. significativo para los resultados de las series desestacionalizadas, por lo que el ajuste estacional obtenido con este método no es satisfactorio en el dominio de la frecuencia. El Cuadro 34 muestra los rangos asignados a cada método con base en los resultados obtenidos del análisis de los picos espectrales en frecuencias estacionales y días de negociación.
Finalmente, el método indirecto tuvo la posición más baja debido a que se detectó un pico significativo en la frecuencia T1 en la serie estacional, por lo que los resultados de este método no son satisfactorios en el dominio de la frecuencia. La Tabla 36 muestra los resultados del número promedio de revisiones absolutas por año. De manera análoga a lo que se hizo para analizar los resultados de la FIV manufacturera, en la Tabla 40 se integraron los rangos finales obtenidos por los tres métodos en cada uno de los aspectos evaluados para la serie IGAE de actividades terciarias.
En el caso del método directo obtuvo la puntuación más alta en la mayoría de los aspectos evaluados y, a diferencia del método indirecto, fue sólo en los criterios 1 y 2 en los que obtuvo peor puntuación. Fue el peor con diferencia en todos los aspectos relacionados con la calidad de las series desestacionalizadas; Cabe recordar que incluso en vista no. 5, con un ajuste estacional satisfactorio en el dominio de la frecuencia, la serie indirectamente desestacionalizada tuvo un pico espectral significativo en la frecuencia T1, por lo que el ajuste no se consideró satisfactorio.
