Professional Documents
Culture Documents
2. Series temporales
2.1. Introducción
Una semana antes de que los hermanos Wright hiciesen volar el Kitty Hawk, en la editorial
del New York Times (10-12-1903) se podía leer: “Esperamos que el profesor Langley deje de
poner en peligro su altísimo prestigio científico malgastando tiempo y dinero en los expe-
rimentos aéreos. La vida es corta y él tiene capacidad de sobra para ofrecer a la humanidad
servicios mucho más útiles de los que se pueden esperar de las experiencias aéreas”.
t Yt
1 Y1
2 Y2
3 Y3
... ...
T Y4
FUOC • P01/71075/00227 27 Índices y series
Por ejemplo, si consultamos el informe anual del BBV con respecto a los últi-
mos años, podemos anotar los siguientes valores de los “visitantes llegados a
España” desde el año 1986 hasta el año 1993:
Actividad
2.1. La inflación calculada para España y para el conjunto de la CEE de 1973 a 1983 fue:
Representad en un mismo gráfico ambas series para poder apreciar la diferencial de in-
flación entre España y la CEE. Veréis cómo la serie correspondiente a España va por en-
cima de la de la CEE (ahora UE) y que la diferencial menor de inflación se da en el
periodo 1979-1981.
¿Hay relación entre los ingresos actuales de un individuo y los que tuvo el año
pasado? ¿Qué correlación existe entre la cifra de inversiones del sector auto-
movilístico en un año y la que se dio hace tres años?
Su cálculo es:
S Y t , Yt – k
- con k = 0, 1, 2, ...
r k = -----------------
S Yt S Y t – k
Actividad
Ejemplo
t Yt Yt − 1
1980 47,2 –
1981 47,4 47,2
1982 48,0 47,4
... ...
1992 55,7 55,4
1993 56,8 55,7
1994 57,8 56,8
1995 – 57,8
∑ Yt = 736,4
∑ Yt – 1 = 725,8
∑ Yt Yt – 1 = 38.324,87
∑ Yt2 = 38.886,48
∑ Yt2– 1 = 37.773,48
∑ Yt Y t – 1 ∑ Y t ∑ Y t – 1
- – ------------- × -----------------
----------------------
S Yt Yt – k T–1 T–1 T–1
r t = ------------------ = --------------------------------------------------------------------------------------------------
- =
S Yt S Yt – k
∑ ∑ ∑ Y t2– 1 ∑ Y t – 1 2
2
Y 2
t Y t
------------- – ------------- ----------------- – -----------------
T – 1 T – 1 T–1 T–1
El resultado muestra una dependencia lineal positiva con un alto grado de co-
rrelación de primer orden (k = 1).
Actividad
2.3. La siguiente serie corresponde al índice de valor añadido bruto al coste de los factores
de las empresas del sector de la construcción con referencia al año 1981:
Queremos calcular las autocorrelaciones que presenta la serie con retrasos de uno, dos,
tres y cuatro años.
Si tenéis los datos originales y los diferidos en una hoja de cálculo, podréis comprobar
que presentan la siguiente disposición:
1981 100,00 * * * *
1982 101,23 100,00 * * *
1983 101,48 101,23 100,00 * *
1984 99,97 101,48 101,23 100,00 *
1985 103,11 99,97 101,48 101,23 100,00
1986 103,65 103,11 99,97 101,48 101,23
1987 104,02 103,65 103,11 99,97 101,48
1988 102,98 104,02 103,65 103,11 99,97
1989 105,21 102,98 104,02 103,65 103,11
1990 105,29 105,21 102,98 104,02 103,65
1991 105,98 105,29 105,21 102,98 104,02
1992 105,27 105,98 105,29 105,21 102,98
1993 106,52 105,27 105,98 105,29 105,21
1994 106,91 106,52 105,27 105,98 105,29
1995 107,43 106,91 106,52 105,27 105,98
1996 106,88 107,43 106,91 106,52 105,27
1997 * 106,88 107,43 106,91 106,52
1998 * * 106,88 107,43 106,91
1999 * * * 106,88 107,43
2000 * * * * 106,88
1 0,872
2 0,850
3 0,835
4 0,994
FUOC • P01/71075/00227 31 Índices y series
S Y tX t – k
r YtXt – k = ------------------ con k = 0, 1, 2, ...
S Yt S Xt – k
Ejemplo
t St Pt – 2 Pt – 4
1 100 – –
2 102 – –
3 106 100 –
4 110 103 –
5 118 106 100
6 120 112 103
7 120 116 106
8 122 118 112
9 – 121 116
10 – 125 118
11 – – 121
12 – – 125
De las medidas:
S t = 116 P t – 2 = 109,16
S St = 5,8877 S P t – 2 = 6,6438 S St S P t – 2 = 35,6
FUOC • P01/71075/00227 32 Índices y series
r St P t – 2 = 0,9118
S t = 120 Pt – 4 = 105,25
S St = 1,4142 S P t – 4 = 4,4370 S St S Pt – 4 = 6
r St P t – 4 = 0,9562
Excepto algunos casos especiales que por sus características o por la cantidad
de información disponible presentan un mayor o menor número de compo-
nentes, éstos son normalmente cuatro en una serie cronológica de datos eco-
nómicos:
p
FUOC • P01/71075/00227 33 Índices y series
Es el caso de los ciclos económicos que parece que se repiten a intervalos indeterminados
de años y que reproducen fases de crisis, de depresión, de recuperación, etc., en forma de
ciclos cortos (tres o cuatro años) o más largos (nueve o diez años).
El comportamiento del ciclo es, pues, de tipo ondulante, es decir, bascula haciendo zig-
zags alrededor de la tendencia secular y admite especificaciones a partir de funciones tri-
gonométricas de seno y de coseno, que ahora no vamos a estudiar.
A pesar de esto, suponemos que los componentes están relacionados con el tiem-
po y que diferentes criterios de composición dan lugar a la serie cronológica.
Yt = Tt + Ct + Et + Ut
Yt = Tt × Ct × Et × Ut
Observad ahora cómo los zig-zags presentan un efecto explosivo y las oscila-
ciones aumentan a medida que lo hace la tendencia; esto no ocurre en la serie
FUOC • P01/71075/00227 36 Índices y series
del consumo de energía que hemos visto con anterioridad. De hecho, sin em-
Una pequeña
bargo, podríamos transformar las ventas de los grandes almacenes en una orientación...
hipó-tesis aditiva escalando la serie logarítmicamente. ... para intentar determinar los
criterios de composición de las
series temporales es fijarnos,
Es necesario decir, también, que podríamos especificar otros criterios de compo- en el gráfico que tengamos, en
sición e incluso formas mixtas multiplicativoaditivas, aunque no merece la pena las fluctuaciones de la serie. Si
a lo largo de la serie son más o
insistir en un enfoque que empieza a ser superado por otros tipos de análisis. La menos regulares, el esquema
será aditivo. En cambio, si la
mayor dificultad será acertar por lo que respecta a la hipótesis de comportamien- anchura de la fluctuación varía
con la tendencia (aumenta al
to, cuestión para la cual no existen fórmulas milagrosas y que depende sobre todo crecer la tendencia o disminu-
de la naturaleza de la serie. ye al decrecer), el esquema
será multiplicativo.
que resultan de considerar datos consecutivos de anchura fija. De esta ... podríamos decir que es un
método de alisado: atenúa
manera, sustituimos la serie original por su comportamiento medio con las variaciones de la serie elimi-
una línea poligonal de variaciones más atenuadas. nando o suavizando sus com-
ponentes.
Con series largas de datos anuales se pueden identificar las oscilaciones cíclicas
de cada periodo aproximado de años, dato que podemos utilizar como inter-
valo para el cálculo de la media, de manera que el valor obtenido sea un centro
de posición de todas las fases del ciclo; de forma consecutiva, se calculan otros
valores centrales mediante la recopilación de nuevos datos y de descartar los
más antiguos, manteniendo siempre una anchura temporal constante.
t Yt Yt
1 Y1 –
2 Y2 Y 2 = 1/3 (Y1 + Y2 + Y3)
3 Y3 Y 3 = 1/3 (Y2 + Y3 + Y4)
4 Y4 Y 4 = 1/3 (Y3 + Y4 + Y5)
5 Y5 Y 5 = 1/3 (Y4 + Y5 + Y6)
... ... ...
FUOC • P01/71075/00227 37 Índices y series
Cuando los datos presentan una periodicidad inferior al año (meses, tri-
mestres, etc.), se acostumbra a tomar todo un año como anchura para sua-
vizar el efecto de la estacionalidad. Así, para observaciones mensuales, las
medias móviles tomarían doce observaciones, y para observaciones trimes-
trales, cuatro.
Incluso se puede reiterar el cálculo de las medias sobre las medias anteriores,
de manera que se consiga suavizar todavía más la tendencia con medias mó-
viles dobles, cuestión que admite más etapas sucesivas.
Ejemplo
60.357 + 68.729
T ( 64 ) = --------------------------------------------- = 64.543
2
Actividad
2.5. Desde 1964 hasta 1983, las viviendas construidas en una gran zona metropolitana
han sido las siguientes:
Sobre el mismo gráfico de la serie representad la tendencia secular calculada con medias
móviles de anchura quinquenal.
Veréis cómo la tendencia representa una línea con oscilaciones más pequeñas que tradu-
ce el comportamiento medio de la serie: T66 = 3.903,4; T67 = 4.173,6; T68 = 3.750,8; etc.
Yˆ t = α̂ + β̂ ⋅ t
ˆ ˆ t
Y t = α̂ × t β̂ Y t = α̂ × β̂
Es evidente que hay muchos otros tipos de funciones que pueden ser aproxi-
maciones válidas para la tendencia: ecuaciones parabólicas, hiperbólicas, etc.
Nos centraremos, sin embargo, en las formas lineales ya mencionadas, que
son, con diferencia, las más utilizadas.
Actividades
¿Qué habría pasado en el ejemplo anterior si hubiésemos estimado la tendencia sólo con
datos del periodo 1974-1981? Sin tener que rehacer ningún cálculo, planteaos esta cues-
tión y argumentad la necesidad de trabajar con series largas cuando lo que queremos es
determinar su tendencia.
2.7. Utilizando el ajuste matemático en una recta tenéis que obtener la tendencia del
consumo de gasolina observada en un país en los últimos quince años.
FUOC • P01/71075/00227 41 Índices y series
2.8. La siguiente serie recopila los días de lluvia en un observatorio desde 1928 hasta 1995:
Tenéis que obtener la tendencia secular por ajuste a una recta de regresión. Veréis que os
sale:
Podéis comprobar con facilidad que la serie mencionada no tiene tendencia lineal por-
que no presenta una pendiente suficientemente significativa.
Para poder analizar por separado cada componente de una serie, tendríamos
que depurarla de los otros factores que intervienen. Imaginemos que quere-
mos estudiar el ciclo de una serie que, además, presenta una tendencia a largo
plazo; en el comportamiento de la variable inciden el efecto tendencial y el cí-
clico, o quizá más. En este caso, hay que eliminar la tendencia de la serie ori-
ginal para poder analizar propiamente el comportamiento del ciclo (o de la
FUOC • P01/71075/00227 42 Índices y series
Una vez que hemos eliminado la tendencia, los datos tienen un comporta-
miento zigzagueante alrededor de una línea sin pendiente y se pueden estu-
diar los otros componentes.
Ejemplo
Si situamos el origen del tiempo dentro del año 1990 (podríamos haber utili-
zado cualquier otra opción como variable independiente, o incluso los años
naturales), tenemos que, utilizando las expresiones que ya conocéis o bien con
el auxilio del paquete estadístico:
t Yt Ŷ t = 953,86 + 316,06t et = Yt − Ŷ t
Ejemplo
Trimestre Año
1 2 3 4 5
Trimestre Año
1 2 3 4 5
Trimestre Año
1 2 3 4 5
84,1 81,2
0,965 = --------------- 0,969 = --------------- etc.
87,14 83,72
Ejemplo
Si fijamos esta media como referencia, podemos calcular los índices de cada
trimestre con respecto a la media anual trimestral, lo cual representa muy poca
variación trimestral y unos cambios poco significativos en las diferentes épo-
cas del año. En el 2.º trimestre se dan los precios más altos: un 1,65% más de
lo que es habitual durante todo el año. Los precios más bajos se sitúan en el
4.º trimestre y están un 0,90% por debajo del comportamiento medio.
Trimestre Índice
Actividad
2.9. Unos grandes almacenes tienen una sección fija de rebajas y oportunidades durante
todo el año. Las ventas de los últimos cuatro años registradas cada trimestre han sido (en
millones de u.m.):
Trimestre Año
Primer 47 49 53 60
Segundo 29 31 31 36
Tercer 8 10 12 14
Cuarto 10 18 16 22
Trimestre Año
Trimestre Año
Trimestre Índice
Primer 194,6
Segundo 114,7
Tercer 37,5
Cuarto 53,2
En algunos casos puede resultar muy útil desproveer la serie del com-
ponente estacional de manera que no le afecten las variaciones inte-
ranuales que se producen; así, la serie permite el estudio de otros
componentes, que son los que marcan la evolución a largo y medio
plazo.
Igual que hemos hecho para eliminar la tendencia, ahora podríamos des-
estacionalizar la serie, ya sea asumiendo una estructura aditiva de los
componentes (yt − Et) o bien multiplicativa (Yt/Et); esta última es la con-
figuración más frecuente.
Actividades
Semestre Índice
1 1,1055
2 0,8945
Eliminad los datos originales de estacionalidad y encontraréis una nueva serie de valores
que no están afectados por el factor de semestralidad:
Serie desestacionalizada