Escolar Documentos
Profissional Documentos
Cultura Documentos
M.Q.I.
Autores:
Luiz Paulo Lopes Fvero
Mestrando em Administrao rea de Poltica de Negcios e Economia de Empresas - FEA
Universidade de So Paulo
e-mail: lpfavero@usp.br
Mauri Aparecido de Oliveira
Mestrando em Administrao rea de Mtodos Quantitativos e Informtica - FEA
Universidade de So Paulo
e-mail: mauriao@usp.br
Claudio Felisoni de Angelo
Professor Titular do Departamento de Administrao - FEA
Universidade de So Paulo
e-mail: cfa@usp.br
Introduo
Em pases desenvolvidos, o ajustamento sazonal de sries temporais econmicas j
considerado desde h muito tempo uma prtica oficial, principalmente a partir da disponibilidade
de tcnicas de ajustamento sazonal informatizadas (ARITA e DIAS, 2000). Porm, segundo Hotta
(1988), a adoo de uma tcnica de ajustamento em grande escala deve ser elaborada de maneira
cuidadosa em pases em desenvolvimento, como o Brasil, em razo destes estarem submetidos
frequentemente a fortes mudanas estruturais e conjunturais, o que causa, segundo Dagum
(1978), grandes irregularidades, comprometendo a utilizao e os resultados do prprio
ajustamento.
H muito tempo as sries sazonais tm sido analisadas, em diversos pases, como sendo a
composio de quatro fatores, que se relacionam a tendncia, a ciclo, a efeitos sazonais e a uma
componente irregular.
A tendncia definida como sendo a direo da srie temporal e, portanto, relaciona-se
ao incremento ou ao decrscimo dos valores da mesma com o decorrer do tempo. O ciclo um
movimento de aparncia quasi-peridica com fases de pico e fases de vale alternadamente. A
decomposio de uma srie em componentes cclicas chamada de Anlise de Fourier, ou anlise
espectral (WONNACOTT e WONNACOTT, 1990). A sazonalidade, que o objeto deste estudo,
interpretada como um movimento regular de uma srie dentro de um ano. De outra forma, a
sazonalidade pode ser interpretada como sendo a representao de movimentos sistemticos
causados por fenmenos no econmicos (THOMAS e WALLIS, 1971) como, por exemplo,
mudanas climticas, festas religiosas, feriados pblicos, eventos esportivos regulares, etc. Por
fim, a componente irregular relaciona-se com os movimentos imprevistos, gerados
aleatoriamente dentro de uma srie, como greves, condies climticas no sazonais, etc.
(CAMPOS, 1991).
Segundo Durbin (1983), a componente tendncia-ciclo refere-se parte remanescente de
uma srie, quando da mesma j foram extradas as componentes sazonal e irregular. E como os
fatores sazonais contribuem de maneira muito forte para a varincia total da srie, os mesmos
precisam ser removidos a fim de que se possibilite a anlise poltica dos efeitos causados pelas
variveis econmicas (CAMPOS, 1991).
Este artigo procura analisar os ajustes sazonais propostos por trabalhos anteriormente
publicados que utilizam, para tanto, alguns softwares disponveis. Primeiramente, apresentada
uma breve reviso da literatura disponvel. Posteriormente, so discutidos os resultados dos
2
componente sazonal
Uma varivel dummy uma varivel artificial, sendo 1 para os casos em que ocorre determinada situao e 0 para
os demais casos. Para este exemplo, se determinada observao estiver relacionada ao segundo trimestre, ento Q 2 =
1, Q3 = 0 e Q4 = 0.
3
80
90
100
110
120
130
140
80
90
100
110
120
130
140
autores coletam dados da referida srie para o perodo compreendido entre os anos 1975 e 1996 e
estudam os mtodos X-11 com atualizao mensal, X-11 com atualizao trimestral, X-11 com
atualizao semestral e X-11-ARIMA. Do ponto de vista de ajustamento sazonal das sries,
segundo os resultados apresentados pelos autores, o mtodo X-11-ARIMA apresenta como
importante vantagem adicional em relao ao mtodo X-11 o fato de oferecer um modelo
estatstico para a toda a srie. A existncia de um modelo sazonal ARIMA que ajuste os dados de
uma srie temporal, segundo os autores, parece atender ao princpio bsico de ajustamento
sazonal, que prope que uma srie pode ser decomposta em uma parte sazonal e outra no
sazonal. Por outro lado, se no fosse possvel o ajustamento sazonal, isto significaria que a srie
se aproxima de um processo puramente aleatrio ou que a mesma est altamente contaminada
pela componente irregular, no apresentando movimentos sistemticos de tendncia ou
sazonalidade capazes de serem identificados. Ademais, segundo os autores, o mtodo X-11ARIMA pode resultar em um melhor ajustamento sazonal, principalmente quando a sazonalidade
evolui de forma rpida e estocstica, produzindo estimativas mais precisas do que aquelas
fornecidas pelo mtodo X-11 para os valores futuros ajustados sazonalmente, bem como para os
fatores sazonais projetados.
Outros dois trabalhos que utilizam os mtodos X-11 e X-11-ARIMA so os de Hotta
(1988), e de Hotta e Cazorla (1990). Segundo estes autores, o critrio mais difundido para se
decidir o tipo de ajuste sazonal o da utilizao das estatsticas M (so 11 as estatsticas M,
descritas a seguir), da estatstica de controle de qualidade Q e do teste F, como indicador do
ajuste sazonal.
As estatsticas M tm as seguintes descries:
- M1: contribuio relativa da componente irregular sobre o perodo de trs meses;
- M2: contribuio relativa da componente irregular varincia da poro estacionria
da srie;
- M3: a intensidade da mudana mensal da componente irregular comparada
intensidade da mudana mensal da componente tendncia-ciclo;
- M4: a intensidade da autocorrelao da componente irregular, descrita pela durao da
mdia;
- M5: os perodos de dominao estatstica da componente cclica;
- M6: a intensidade da mudana anual da componente irregular comparada
intensidade da mudana anual da componente sazonal;
- M7: a intensidade da sazonalidade estvel presente relativa intensidade da
sazonalidade mvel;
- M8: a dimenso ou a flutuao da componente sazonal na srie inteira;
- M9: o movimento linear mdio da componente sazonal na srie inteira;
- M10: a dimenso das flutuaes da componente sazonal nos anos recentes;
- M11: o movimento linear mdio da componente sazonal nos anos recentes.
Hotta e Cazorla (1990) propem a verificao das dimenses de cada uma das estatsticas
M, uma vez que se alguma delas for maior do que 1, faz-se necessria a utilizao de filtros para
o ajustamento sazonal. O software X-11 apresenta diversas opes de filtros para o ajuste
sazonal, representados sob a denominao 3, 3 x 5 ou 3 x 9, em funo do fator sazonal da curva.
Cada um destes filtros utiliza a respectiva mdia para todas as interaes. A opo hbrida no
software representa a utilizao da mdia 3 x 3 para as primeiras alternativas, e da mdia 3 x 5
para a estimativa final. Alm disso, o software apresenta algumas opes de filtro para a
componente tendncia-ciclo, denominadas de filtros de Henderson, com possibilidades de termo
9, termo 13 ou termo 23. A escolha da mdia para as interaes e dos filtros de Henderson
6
dependem dos dados e do tipo de ajuste desejado. Um filtro pequeno ser mais dependente dos
outliers, mas ser mais rpido na deteco de mudanas estruturais. Portanto a escolha apropriada
refletir geralmente um trade-off, especialmente porque as componentes irregulares se
apresentam normalmente com mudanas estruturais (HOTTA e CAZORLA, 1990). importante
ressaltar que, para cada tipo de filtro escolhido, o output do software apresentar, obviamente,
estatsticas M diferentes, fazendo-se necessria a tomada de deciso em relao a qual modelo de
desazonalizao utilizar.
Em Hotta (1988), so estudadas algumas sries sociais e econmicas brasileiras, e o autor
utiliza as estatsticas M para tomada de deciso em relao ao ajuste sazonal de cada srie, porm
enfatiza a estatstica M2, que se refere contribuio relativa da componente irregular varincia
da poro estacionria da srie. Neste trabalho, Hotta estuda diferentes sries, como a do setor de
importao e exportao, desemprego, taxa de mortalidade, consumo de energia e de leo diesel,
e produo de leite. Para cada uma destas sries mensais, os ajustamentos aditivo e multiplicativo
so primeiramente testados para a opo de filtro automtico. Quando estes ajustes no se
apresentam adequados, o ajustamento trimestral ento considerado. Somente o ajustamento
automtico utilizado nas anlises destas sries, uma vez que, segundo o autor, no de se
esperar que mudanas maiores a partir da utilizao de opes extras (filtros) alterem o resultado
geral obtido.
Para a taxa de mortalidade infantil so utilizados dados compreendidos entre os anos de
1933 e 1985. A srie principal dividida em seis sries para efeito de anlise independente, j que
cada perodo apresenta influncias e componentes completamente distintas. Assim, so estudadas
as sries referentes aos perodos 1933-1942, 1939-1948, 1950-1959, 1959-1968, 1968-1977 e
1976-1985. A partir da anlise dos resultados estatsticos dos ajustamentos sazonais, para cada
uma destas sries, chega-se concluso que, mesmo com o decrscimo das componentes
sazonais e de tendncia, existe uma sazonalidade estvel e, portanto, o ajustamento sazonal
parece fornecer informaes considerveis sobre estas sries.
Ainda em Hotta (1988), a anlise de desemprego utiliza duas sries referentes s reas
metropolitanas de So Paulo (jan/80 a fev/87) e do Rio de Janeiro (tambm de jan/80 a fev/87). O
ajustamento mensal destas sries apresenta bons resultados para as opes de ajustamento
multiplicativo e aditivo, porm geralmente a primeira opo oferece melhores resultados, onde a
contribuio da componente irregular menor. Desta forma, os resultados apresentados para as
sries de desemprego mostram que as mesmas so boas candidatas ao ajustamento sazonal.
Quatro sries relacionadas a setores de exportao e importao so estudadas tambm
neste trabalho, sendo referentes a valores de exportao brasileira (jan/78 a mar/87), a valores de
importao brasileira (jan/78 a mar/87), a valores de exportao de produtos industriais (jan/78 a
fev/87) e a valores de importao de produtos industriais (jan/78 a out/86). O ajustamento mensal
em cada um delas no apresenta resultados satisfatrios tanto para a opo aditiva quanto para a
multiplicativa. Por outro lado, o ajustamento trimestral das sries apresenta resultados
completamente diferentes, j que os valores estatsticos apresentados mostram-se adequados.
Alm disso, trs sries de consumo de energia so estudadas, e referem-se ao consumo de leo
diesel no Brasil (jan/78 a mar/87), ao consumo de energia eltrica no Esprito Santo (jan/70 a
set/79) e ao consumo de energia eltrica industrial em So Paulo (abr/81 a mar/87). Da mesma
forma, os ajustes trimestrais apresentam-se com estatsticas mais adequadas para as sries de
consumo de energia em So Paulo e de consumo de leo diesel no Brasil. Por outro lado, tanto o
ajuste mensal quanto o trimestral apresentam resultados estatisticamente inadequados para a srie
referente ao consumo de energia eltrica no Esprito Santo. Isto demonstra que, destas trs sries,
apenas uma no se apresenta como candidata ao ajustamento sazonal.
7
Por fim, este mesmo trabalho ainda analisa a srie referente produo de leite no estado
de So Paulo (dez/75 a abr/82). Segundo mostram os resultados, esta srie apresenta sazonalidade
estvel, com bons resultados estatsticos, sendo, portanto, uma boa candidata ao ajustamento
sazonal.
Em Hotta e Cazorla (1990), a srie referente mortalidade infantil (jan/33 a dez/85)
estudada de uma maneira mais profunda, com a anlise das estatsticas M para cada perodo, ou
seja, 1933 a 1940 (S3340), 1933 a 1948 (S3348), 1950 a 1965 (SS5065), 1960 a 1975 (S6075) e
1970 a 1985 (S7085). importante ressaltar que, segundo os autores, no existem dados
disponveis para o ano de 1949. Neste trabalho nota-se que na dcada de 30 a taxa de mortalidade
infantil praticamente no apresenta tendncia e os efeitos sazonais so decorrentes de problemas
de sade localizados nos meses quentes (dezembro e janeiro), gerados por conta de desidratao e
carncia de recursos mdicos e farmacuticos. A partir de 1940, a tendncia comea a ser
negativa e, a medida em que os anos avanam, a mesma se suaviza, mas sempre sendo negativa.
A sazonalidade tambm se atenua com o passar dos anos, indicando um possvel efeito
multiplicativo. O fator sazonal para a taxa de mortalidade infantil nas dcadas seguintes ocorre
nos meses de inverno, indicando a presena de doenas respiratrias, que j ocorriam nas dcadas
anteriores, porm de maneira obscurecida pela forma acentuada com que ocorriam os problemas
de desidratao.
Primeiramente o trabalho analisa os resultados estatsticos resultantes para a srie S3340.
Para esta srie, os resultados so satisfatrios, com nenhuma estatstica M maior do que 1 para a
opo automtica do software. Isto indica, como j afirmado, a ausncia de tendncia e uma
sazonalidade estvel. J no perodo de 1933 a 1948, o ajuste sazonal s se faz possvel atravs da
aplicao dos filtros 3 x 3 com Henderson termo 9, j que os resultados estatsticos se apresentam
com melhor qualidade em relao opo automtica. Da mesma forma, a aplicao de filtros
faz-se necessria para as sries S5065, S6075 e S7085, uma vez que as estatsticas tambm se
apresentam com melhor resultado em relao opo automtica.
Em Fischer e Planas (2000), a anlise temporal abrange cinco reas diferentes,
relacionadas a produo industrial, a turnover, a nmero de requisies e pedidos, a volume de
importaes e a volume de exportaes. O nmero de sries de cada rea descrita 2.512, 2.206,
1.641, 3.547 e 3.332, respectivamente, totalizando 13.238 sries analisadas, sendo que todas
apresentam dados mensais. Diferentemente dos trabalhos j citados e analisados, o software
utilizado para este caso o TRAMO, que trata cada uma das sries individualmente. Segundo os
autores, o TRAMO muito eficiente e bastante utilizado para a deteco de outliers. Neste
trabalho, trs tipos de outliers so considerados, e nomeados como aditivo (Ao), mudana
temporria (Tc) e alterao de nvel (Ls). Os valores crticos para a deteco so 3.5, 3.7 e 4.0,
referentes s sries com dimenses menores do que 130 observaes, entre 131 e 180
observaes e com mais de 180 observaes, respectivamente. E das 13.238 sries, 10.100 tm
entre 85 e 105 observaes, 1.500 tm entre 130 a 155 observaes, 1.300 tm entre 195 a 212
observaes e as demais sries possuem nmeros de observaes uniformemente distribudos
fora do intervalo [75,212]. Portanto, a anlise dos outliers deve obedecer aos valores crticos com
o cuidado de se avaliar a dimenso das sries.
O estudo de outliers oferece a oportunidade de anlise dos efeitos de regresso que no
so explicitamente modelados, como feriados escolares, datas ou feriados mveis e calendrios
transformados. Neste trabalho, os resultados apresentados mostram que 35% das 13.238 sries
so sensveis s mudanas de calendrio e 14% aos recessos de Pscoa. Das reas estudadas, as
sries mais afetadas pelas mudanas de calendrio so aquelas relacionadas a turnover. Nestas,
8
50% das sries so afetadas pelas mudanas de calendrio, o que, segundo os autores,
consistente, j que so muito relacionadas a vendas.
3. Concluso
Os resultados apresentados nos trabalhos analisados mostram primeiramente a existncia
de uma larga variedade de sries brasileiras que so boas candidatas ao ajustamento sazonal. E
embora muitas das sries apresentem uma componente irregular acentuada e um sazonalidade
mvel, ainda assim possvel se encontrar uma suficiente componente de sazonalidade estvel na
estimao (HOTTA, 1988). O prprio estudo de Hotta (1988) evidencia que apenas uma das
dezesseis sries no se mostra candidata ao ajustamento sazonal. E estas avaliaes so efetuadas
a partir da opo automtica do mtodo X-11, ou seja, sem a aplicao de filtros especficos.
Hotta e Cazorla (1990) tambm demonstram este fato, porm com a aplicao de filtros de
mdias mveis. Neste caso, o ajustamento sazonal fez-se possvel para as sries relativas taxa
de mortalidade infantil de So Paulo, o que valida a observao de Hotta (1988). Como afirmam
os autores, a alternativa de uso de filtros pode fornecer solues de melhor qualidade no
ajustamento sazonal de sries temporais e torna-se fundamental o entendimento do
comportamento da srie, para assim poder se tomar alguma deciso em relao diviso da srie
original em sries menores e em relao aplicao de filtros corretos. Segundo estes mesmos
autores, os filtros no oferecem a resposta final e completa do ajustamento sazonal, entretanto
auxiliam e oferecem elucidao na resoluo do problema.
Outro fato importante refere-se utilizao cuidadosa e ao controle dos modelos de
regresso ARIMA, que oferecem aos estudiosos uma ferramenta importante para a qualidade dos
ajustamentos sazonais, inclusive quando se estuda a influncia dos outliers. O software TRAMO
possibilita uma melhor verificao deste problema, uma vez que analisa o mtodo implementado
pelos modelos ARIMA, alm de alguns desenvolvimentos relacionados deteco e correo de
outliers.
Alm disso, pode-se verificar que a dimenso de uma determinada srie em estudo
muito importante para a obteno de um bom ajustamento sazonal, j que nenhuma das sries
analisadas apresenta um nmero pequeno ou escasso de dados. Uma vez que a sazonalidade se
torna estvel aps a repetio temporal de um determinado perodo por uma quantidade de vezes,
tem-se um nmero considervel de dados coletados. Assim, no de se esperar que uma srie de
dois anos com 24 dados mensais apresente uma sazonalidade estvel e, portanto, seja uma boa
candidata ao ajustamento sazonal.
Por fim, a preferncia pela aplicao de determinado mtodo de ajuste sazonal sobre outro
depende de uma srie de fatores, como a presena de uma sazonalidade determinstica ou no, a
importncia de se aplicar filtros assimtricos em dados de ponta de srie ou no, etc. Desta
maneira, no recomendvel a aplicao de qualquer um destes mtodos indistintamente, quando
se deseja desazonalizar uma srie temporal. O que se deve fazer a anlise daquilo que se deseja,
bem como a anlise da prpria srie temporal plotada, para posteriormente se determinar o
mtodo de ajuste (HAMILTON, 1994). Uma vez definido o mtodo, importante a definio dos
eventuais filtros, j que os mesmos podem resultar em um melhor ajuste em relao opo
automtica.
Segundo Enders (1995), as anlises de sries temporais e previses que ignoram um
adequado ajustamento sazonal apresentam uma alta varincia dos resultados. Muitas anlises,
segundo o autor, falham ao ignorar o efeito sazonal nas sries temporais ou ao supor que muitos
dados j so coletados desazonalizados ou ajustados. Embora um procedimento padronizado seja
interessante sob o ponto de vista de uma agncia governamental, por exemplo, este no deve se
9
tornar o melhor mtodo a ser utilizado para qualquer srie individualmente, sem que as j citadas
recomendaes sejam feitas. Enders (1995) ainda afirma que, mesmo que se tenha certeza de os
dados estarem desazonalizados, um padro sazonal ainda pode remanescer. E isto
particularmente verdade se no forem utilizados na anlise todos os dados da srie, j que uma
parte dos dados pode oferecer uma maior (ou eventualmente menor) sazonalidade do que
forneceria a srie completa. E esta uma outra preocupao que se deve ter quando do estudo de
desazonalizao de sries temporais.
Embora os resultados apresentados neste artigo ofeream alguma utilizao em termos de
tcnicas de ajustamento sazonal, necessrio dar continuidade ao assunto, uma vez que no se
analisaram, com certeza, todos os possveis mtodos. Assim, mais trabalhos podem ser estudados,
levando-se em conta, por exemplo, outras variveis no abordadas. Desta maneira, o assunto
realmente vasto, e deve ser visto como um subsdio aos estudiosos e avaliadores de sries
temporais na formulao e implementao de previses e aes estratgicas.
Bibliografia
ARITA, H. H. e DIAS, M. H. A. Anlise comparativa dos mtodos de ajustamento sazonal X-11 e
X-11-ARIMA: uma aplicao numa srie temporal econmica brasileira. XXII EBE, Campinas,
Dezembro, 2000.
CAMPOS, J. A brief look on the literature on deseasonalization. R. de Econometria, Rio de
Janeiro, v.11, n. 2, p. 217-236, Novembro, 1991.
DAGUM, E. B. Comments on a survey and comparative analysis of various methods of seasonal
adjustment by John Kuiper. Conference on Seasonal Analysis of Economic Time Series, US
Department of Commerce, Bureau of Census, 1978.
____________ The effects of asymptotic filters on seasonal factor revisions. Journal of
American Statistical Association, n. 77, p. 732-738, 1982.
DURBIN, J. Theory and practice in time series analysis. Conference on Applied Time Series
Analysis of Economic Data, US Department of Commerce, Bureau of Census, 1983.
ENDERS, W. Applied econometric time series. New York, John Wiley & Sons, Inc., 1995.
FISCHER, B. e PLANAS, C. Large scale fitting of regression models with ARIMA errors.
Journal of Official Statistics, v. 16, n. 2, p. 173-184, 2000.
HAMILTON, J.D. Time series analysis. Princeton, Princeton University Press, 1994.
HOTTA, L. K. Seasonal adjustment of brazilian time series. R. de Econometria, Rio de Janeiro,
v. VIII, n. 1, p. 83-95, Janeiro/Junho, 1988.
HOTTA, L. K. e CAZORLA, I. M. X-11 seasonal adjustment program options. R. de
Econometria, Rio de Janeiro, v. X, n. 1, p. 161-179, Abril, 1990.
10
11