VI SEMEAD

M.Q.I.

Aplicao de Mtodos de Ajustamento Sazonal em Sries Temporais

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

Ttulo: Aplicao de Mtodos de Ajustamento Sazonal em Sries Temporais

1

Resumo: Este trabalho relaciona a viabilidade e a aplicao de diversos mtodos de ajustamento

sazonal em sries temporais, como o X-11, o X-11-ARIMA e o TRAMO. Atravs do estudo de
alguns artigos publicados, avaliam-se quais as vantagens de cada mtodo na identificao da
componente sazonal de uma determinada srie em funo de suas caractersticas, a partir da
utilizao de filtros de mdias mveis, assim como de softwares especficos e da aplicao de
resultados estatsticos. Conclui-se que diversas sries nacionais apresentam caractersticas
adequadas ao ajustamento sazonal e, portanto, podem ser teis em anlises de poltica econmica,
alm de implementao de previses e aes estratgicas.
Palavras-Chave: Sries temporais, ajustamento sazonal, mtodos X-11 / X-11-ARIMA, mtodo
TRAMO.

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

trabalhos mencionados. Na concluso, os conceitos so consolidados e as possibilidades de

estudos futuros so apresentadas.
1. Reviso da Literatura
Com uma abordagem simples e didtica, Wonnacott e Wonnacott (1990) discutem os
conceitos relacionados sazonalidade. Segundo os autores, a anlise da srie desazonalizada
fundamental, uma vez que a aplicao de uma regresso simples da varivel dependente sobre o
tempo acusa uma substancial tendenciosidade. Para tanto, deve-se incluir em um modelo de
regresso tanto a tendncia como o efeito sazonal, a fim de estimar seus efeitos em separado.
Mas, mesmo com este cuidado, a regresso de mnimos quadrados ainda pode acarretar
problemas em razo de resduos aleatrios. Para ilustrar como as regresses podem apresentar em
suas equaes uma componente de tendncia e outra sazonal, juntamente, os autores propem
uma soluo como a que segue:
tendncia

componente sazonal

Y 1T 2Q2 3Q3 4Q4

onde representa o coeficiente da componente de tendncia e 2, 3 e 4 representam os
coeficientes do 2 trimestre, 3 trimestre e 4 trimestre, respectivamente, se o ajuste sazonal
estiver sendo efetuado em trimestres. As variveis Q2, Q3 e Q4 referem-se aos respectivos
trimestres, e so variveis dummy1. O primeiro trimestre, segundo este modelo proposto pelos
referidos autores, o trimestre de referncia, e no necessita de uma dummy.
Este mtodo, conhecido como mtodo dos mnimos quadrados com incluso de variveis
sazonais, til para sries que apresentam sazonalidade determinstica sem que os resduos
decorram de perodos prvios (CAMPOS, 1991). Jorgenson (1964) apresenta os resultados da
decomposio de uma srie em tendncia e sazonalidade determinstica com uma componente
aleatria com mdia zero e serialmente no correlacionada. As componentes sazonais e no
sazonais, determinsticas, so assumidas como sendo combinaes lineares de variveis fixadas e,
portanto, o mtodo dos mnimos quadrados utilizado para se obter os parmetros de tendncia e
sazonalidade. Por outro lado, enquanto este modelo propicia a decomposio da srie em
tendncia e sazonalidade, outros mtodos mais complexos tm sido frequentemente mais
utilizados.
Os mtodos de mdias mveis so mais frequentemente utilizados para a desazonalizao
de sries temporais. Primeiramente elabora-se um alisamento da srie original, atravs da mdia
dos valores iniciais e, na sequncia, dos valores seguintes. Por este fato, este mtodo utiliza-se da
mdia mvel. Como se deseja centrar cada mdia em um trimestre, por exemplo, efetua-se
novamente a mdia, de onde se obtm, portanto, a mdia mvel centrada. Como a mdia mvel
centrada contm em sua mdia exatamente uma observao de cada trimestre, a flutuao sazonal
removida. Desta forma, obtida a taxa de mdia mvel, dividindo-se os valores da srie pelos
valores da mdia mvel centrada e, como consequncia, tem-se condies de calcular a srie
ajustada sazonalmente, uma vez que a mdia mvel centrada representa as componentes
1

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

referentes tendncia e ao ciclo (WONNACOTT e WONNACOTT, 1990). Esta rotina

chamada de decomposio de taxa de mdias mveis.
A utilizao dos mtodos de mdias mveis para a desazonalizao e decomposio de
sries temporais antecedem ao uso do computador. Aps o advento da informtica para estes fins,
dois mtodos especficos de mdias mveis surgem, que so o mtodo X-11 e o mtodo X-11ARIMA.
Nestes mtodos, a decomposio de uma srie de tempo assume as quatro componentes j
descritas na Introduo. O mtodo de desazonalizao pelo procedimento de mdias mveis X-11
bastante conhecido e pode ser utilizado atravs de decomposies multiplicativas ou aditivas
para a anlise das componentes tendncia-ciclo, sazonal e irregular. Os modelos multiplicativos
ou aditivos so selecionados em funo do relacionamento entre as variveis. No caso de sries
temporais econmicas, em virtude de a sazonalidade estar, em geral, diretamente relacionada com
o nvel de estgio das atividades econmicas, o modelo multiplicativo tem se mostrado
empiricamente mais plausvel. Um teste simples para se confirmar qual o modelo mais
adequado (multiplicativo ou aditivo) a construo de um grfico da amplitude sazonal em
funo da tendncia. Assim, por exemplo, a plotagem pode apresentar as caractersticas do
grfico a seguir:
am plitude sazonal anual x tendncia anual
2,5
2
1,5
1
0,5
0
70

80

90

100

110

120

130

140

Grfico 1: Modelo aditivo

Pelo grfico 1, observa-se que no existe uma dependncia da sazonalidade sobre a
tendncia, o que confirma a utilizao de um modelo aditivo.
Por outro lado, a plotagem pode apresentar as caractersticas a seguir:
am plitude sazonal anual x tendncia anual
10
8
6
4
2
0
70

80

90

100

110

120

130

140

Grfico 2: Modelo multiplicativo

Pelo grfico 2, pode-se observar que a reta ajustada apresenta uma inclinao diferente de
zero em relao ao eixo das abscissas, indicando uma dependncia da sazonalidade sobre a
4

tendncia e confirmando a adequabilidade de um modelo multiplicativo para o relacionamento

dos componentes da srie (ARITA e DIAS, 2000).
O mtodo X-11, desenvolvido pelo U.S. Bureau of the Census, por Shiskin, Young e
Musgrave (1967), propicia uma maior interao do usurio com o programa, ou seja, oferece um
maior nmero de opes de escolha dentro do processo de ajustamento sazonal, tais como o
ajuste prvio dos dados originais em razo das variaes de calendrio, o tratamento de valores
extremos e, principalmente, a escolha dos filtros para a estimativa dos componentes da srie.
Estes filtros, chamados de filtros de mdias mveis, representam, segundo Arita e Dias (2000),
diferentes tipos de combinaes lineares das observaes. importante ressaltar que o mtodo X11 apresenta a opo de filtragem automtica.
Outra grande contribuio, em termos de melhoria do mtodo X-11, aquela concebida
pelo Statistics Canada. Este mtodo de ajustamento sazonal, segundo Arita e Dias (2000),
consiste em adicionar nas extremidades da srie original um certo nmero de dados previstos e,
em seguida, aplicar o mtodo X-11 srie prolongada. Em razo de se utilizar a srie temporal
para a previso dos valores futuros, que a prtica dos modelos ARIMA, este novo mtodo de
ajustamento sazonal recebeu a denominao de mtodo X-11-ARIMA. A verso X-11-ARIMA
tem sido tambm bastante desenvolvida para os casos onde os valores futuros da srie so
previstos atravs da utilizao de modelos ARIMA e, portanto, as observaes so ajustadas pelo
mtodo X-11, aplicando-se s sries estendidas pelas previses.
O objetivo principal deste mtodo a melhora do ajustamento sazonal dos valores
situados nas extremidades da srie, principalmente aqueles mais recentes, por meio do
alongamento da mesma. Sem o referido alongamento, o ajustamento sazonal das observaes
situadas nos extremos da srie fica mais propenso a erros e, por consequncia, a maiores revises
no futuro, uma vez que estas observaes no podem ser submetidas aos mesmos filtros
simtricos como ocorre nas observaes situadas na parte central da srie (ARITA e DIAS, 2000).
Os mtodos X-11 e X-11-ARIMA apresentam caractersticas relacionadas a bom grau de
preciso, simplicidade, pequeno nmero de parmetros, estabilidade e baixo custo, o que justifica
a sua utilizao por rgos governamentais de diversos pases desenvolvidos. Como exemplo de
aplicao destes mtodos pode ser citado o trabalho de Dagum (1982) que os compara em termos
das estimativas dos fatores sazonais projetados. Alm disso, cita-se tambm a aplicao dos
mtodos X-11 e X-11-ARIMA por Hotta (1988), ao analisar algumas sries temporais scioeconmicas do Brasil; Hotta e Cazorla (1990), ao analisarem a srie referente ao ndice de
mortalidade infantil do estado de So Paulo; e Arita e Dias (2000), ao analisarem a srie do ndice
trimestral de produo industrial no Brasil.
Por fim, alm dos mtodos X-11 e X-11-ARIMA, destaca-se tambm o mtodo TRAMO,
que implementa a rotina dos modelos ARIMA adicionada a alguns desenvolvimentos
relacionados deteco e correo de outliers, o que pode ser considerado um avano em relao
ao tratamento de sries temporais. Como utilizao do mtodo TRAMO pode-se citar Fischer e
Planas (2000) no estudo de algumas sries econmicas europias, americanas e japonesas. O
mtodo TRAMO apto na seleo automtica de transformaes logartmicas e efeitos
significantes de calendrio, alm de identificar uma maior possibilidade de modelos em relao
ao mtodo X-11 e at em relao ao seu sucessor X12. Alm disso, o TRAMO muito utilizado
em diversas unidades da EUROSTAT (FISCHER e PLANAS, 2000).
2. Aplicao e Discusso dos Mtodos de Desazonalizao
Primeiramente, Arita e Dias (2000) aplicam o ajustamento sazonal da srie temporal
econmica brasileira referente ao ndice trimestral de produo industrial. Neste trabalho, os
5

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

JORGENSON, D. W. Minimum variance, linear unbiased seasonal adjustment of economic time

series. Journal of the American Statistical Association, 59, p. 681-724, 1964.
SHISKIN, J., YOUNG, A. H. e MUSGRAVE, J. C. The X-11 variant of the census method II
seasonal adjustment program. Bureau of Census, Technical paper 15, US Department of
Commerce, 1967.
THOMAS, J. J. e WALLIS, K. F. Seasonal variation in regression analysis. Journal of the Royal
Statistical Society, A 134, p. 57-72, 1971.
WONNACOTT, T. H. e WONNACOTT, R. J. Introductory Statistics for Business and
Economics. 4. ed. NY: John Wiley, 1990.

11