X-13ARIMA-SEATS , sucesor de X-12-ARIMA y X-11 , es un conjunto de métodos estadísticos para el ajuste estacional y otros análisis descriptivos de datos de series de tiempo que se implementan en el paquete de software de la Oficina del Censo de EE. [3] Estos métodos son o han sido utilizados por Statistics Canada , la Oficina de Estadísticas de Australia y las oficinas de estadística de muchos otros países. [4] [5]
Desarrollador (es) | Oficina del Censo de EE.UU |
---|---|
Lanzamiento estable | 3.0 (Windows) / 15 de junio de 2020 |
Repositorio | |
Sistema operativo | Windows , Linux / Unix |
Tipo | Software estadístico |
Licencia | Dominio público [1] [2] |
Sitio web | www |
X-12-ARIMA se puede utilizar junto con muchos paquetes estadísticos, como SAS en su paquete econométrico y de series de tiempo (ETS), R en su paquete (estacional), [6] Gretl o EViews que proporciona una interfaz gráfica de usuario para X -12-ARIMA y NumXL que hace uso de la funcionalidad X-12-ARIMA en Microsoft Excel. [7] También hay una versión para Matlab . [8]
Agencias estadísticas importantes en la actualidad [ ¿cuándo? ] que utilizan X-12-ARIMA para el ajuste estacional incluyen Statistics Canada , [9] la Oficina de Estadísticas Laborales de los Estados Unidos [10] y el Departamento de Estadísticas y Censos (Hong Kong) . [11] El Instituto Brasileño de Geografía y Estadística utiliza X-13-ARIMA. [12]
X-12-ARIMA fue el sucesor de X-11-ARIMA; la versión actual es X-13ARIMA-SEATS. [13] [ enlace muerto ]
El código fuente de X-13-ARIMA-SEATS se puede encontrar en el sitio web de la Oficina del Censo. [14]
Métodos
El método predeterminado para el ajuste estacional se basa en el algoritmo X-11. Se supone que las observaciones en una serie de tiempo,, se puede descomponer aditivamente,
o multiplicativamente,
En esta descomposición, es el componente de tendencia (o el "ciclo de tendencia" porque también incluye movimientos cíclicos como los ciclos económicos), es el componente estacional, y es el componente irregular (o aleatorio). El objetivo es estimar cada uno de los tres componentes y luego eliminar el componente estacional de la serie de tiempo, produciendo una serie de tiempo ajustada estacionalmente. [15]
La descomposición se logra mediante la aplicación iterativa de medias móviles centradas. Para una descomposición aditiva de una serie de tiempo mensual, por ejemplo, el algoritmo sigue el siguiente patrón:
- Se obtiene una estimación inicial de la tendencia calculando promedios móviles centrados para 13 observaciones (de a ).
- Reste la estimación inicial de la serie de tendencias de la serie original, dejando los componentes estacional e irregular (SI).
- Calcule una estimación inicial del componente estacional utilizando un promedio móvil centrado de la serie SI en frecuencias estacionales, como
- Calcule una serie inicial ajustada estacionalmente restando el componente estacional inicial de la serie original.
- Calcule otra estimación de la tendencia utilizando un conjunto diferente de ponderaciones (conocidas como "ponderaciones de Henderson").
- Elimine la tendencia nuevamente y calcule otra estimación del factor estacional.
- Vuelva a ajustar estacionalmente la serie con los nuevos factores estacionales.
- Calcule la tendencia final y los componentes irregulares de la serie desestacionalizada.
El método también incluye una serie de pruebas, diagnósticos y otras estadísticas para evaluar la calidad de los ajustes estacionales.
Ver también
Referencias
- ^ https://www.census.gov/srd/www/x13as/x13down_unix.html
- ^ https://www.census.gov/srd/www/disclaimer.html
- ^ "Programa de ajuste estacional X-13ARIMA-SEATS" . Oficina del censo de Estados Unidos . Consultado el 24 de marzo de 2021 .
- ^ "Análisis de series de tiempo: métodos de ajuste estacional" . 14 de noviembre de 2005.
- ^ Susie Fortier y Guy Gellatly. "Datos desestacionalizados - Preguntas frecuentes" . Consultado el 24 de marzo de 2021 .Mantenimiento de CS1: utiliza el parámetro de autores ( enlace )
- ^ "estacional: Interfaz R para X-13-ARIMA-SEATS versión 1.8.2 de CRAN" . rdrr.io . Consultado el 25 de mayo de 2021 .
- ^ "Implementación del Método de Ajuste Estacional X-11" .
- ^ "Caja de herramientas X-13 para filtrado estacional" . www.mathworks.com . Consultado el 25 de mayo de 2021 .
- ^ http://www.statcan.gc.ca/pub/12-539-x/2009001/seasonal-saisonnal-eng.htm
- ^ http://www.bls.gov/cpi/cpisahoma.htm
- ^ https://www.censtatd.gov.hk/hkstat/sub/sc30.jsp
- ^ ftp://ftp.ibge.gov.br/Contas_Nacionais/Contas_Nacionais_Trimestrais/Ajuste_Sazonal/X13_NasContasTrimestrais.pdf
- ^ https://www.census.gov/srd/www/x13as/
- ^ https://www.census.gov/srd/www/x13as/x13down_unix.html
- ^ Findley, David F .; Monsell, Brian C .; Bell, William R .; Otto, Mark C .; Chen, Bor-Chung (1998), "Nuevas capacidades y métodos del programa de ajuste estacional X-12-ARIMA" (PDF) , Journal of Business and Economic Statistics , 16
enlaces externos
- Documentación del programa de ajuste estacional X-13ARIMA-SEATS en el sitio web de la Oficina del Censo de EE. UU.