69

CAPITULO 4
4. SOFTWARE UTILIZADO PARA EL ANLISIS DE SERIES DE TIEMPO

En el presente capitulo se realizara una descripcin del tipo de software utilizado para el anlisis de series de tiempo que se presenta en el capitulo siguiente. Para realizar el anlisis requerido se pueden utilizar diferentes tipos de software estadsticos, para el desarrollo de este trabajo se escogi un paquete en particular, por lo cual a continuacin se enumeraran sus caractersticas y se detallaran los pasos que se siguieron para la obtencin de los resultados.

4.1 Minitab 13.00

El programa Minitab es el software que se utilizo para el desarrollo del anlisis de series de tiempo, que se desarrolla bajo el ambiente de windows.

70

Minitab es un paquete que ofrece todos los mtodos estadsticos y es una herramienta informtica enfocada al anlisis de datos complejos y a la identificacin y resolucin de problemas relativos a procesos, adems de ser una herramienta compacta, verstil y de fcil manejo.

4.2 Proceso de anlisis de series temporales en Minitab 13.00

Para comenzar el anlisis de los datos en Minitab 13.00 es necesario efectuar el ingreso los mismos, para lo cual, se

importaron los datos de un archivo de Microsoft Excel (Modelo.xls), el cual fue creado con anterioridad durante el proceso de recoleccin de la informacin.

La serie esta conformada por un nmero n de observaciones, que son ingresadas a manera de columna. Para que Minitab reconozca los datos como numricos es necesario utilizar la coma (,) como punto decimal y no el punto (.).

71

Figura 4.1 Pantalla Minitab 13.00: Hoja de introduccin de Datos

Como se especific en el Capitulo 1 las recaudaciones municipales son series econmicas, por lo tanto se determina que el anlisis a utilizar ser el de series temporales.

72

El primer paso del anlisis de series temporales es graficarla, tal como se indic en el Capitulo 2, para ello se utiliza la opcin Time Series Plot del men Graph.

A continuacin se presenta el grafico obtenido de Minitab 13.00, luego de realizar los pasos mencionados con anterioridad:

Grfico 4.1 Minitab 13.00: Grficos de Series de Tiempo

Una vez realizado el anlisis de los grficos de las variables de estudio, se determin que todas presentaban tanto tendencia como estacionalidad y como adems se desea realizar predicciones, el mtodo que se utilizo es el de descomposicin (Decomposition).

73

En el software Minitab 13.00, para acceder a este mtodo de anlisis, se debe ingresar a la opcin Time Series que se encuentra en el men Stat.

Figura 4.2 Pantalla Minitab 13.00: Time Series Decomposition

A continuacin se presenta la pantalla de la opcin Decomposition donde se escoge la variable a analizar, el tipo y componente del modelo. En los casos analizados el tipo de modelo ser el

74

multiplicativo

(Multiplicative)

debido

que

cada

ao

las

recaudaciones presentan variaciones con respectos a sus periodos anteriores.

El componente del modelo ser el Trend plus seasonal, debido a que todas las recaudaciones tienen un inicio y fin, es decir, que cada ano se abre un nuevo periodo en el que los contribuyentes deben pagar sus impuestos, tasas, etc; y adems presentan una tendencia creciente.

Como los datos de las series fueron obtenidos a partir de la recoleccin de informacin de 4 anos el Seasonal lenght (tamao de la estacin) ser de 12 (nmero de meses que contiene 1 ao).

La opcin Decomposition tambin tiene la opcin de Generate forecast, que proporciona predicciones de datos futuros, para este anlisis se requerirn 12 predicciones para cada uno de los meses del ao siguiente.

75

Figura 4.3 Pantalla Minitab 13.00: Pantalla de la opcin Decomposition

Una vez ingresados los parmetros de la variable a analizar se obtienen la Trend Line Equation (Ecuacin lineal de Tendencia), los Seasonal Indices (Indices Estacionales) y la Accuracy of Model (Certeza del Modelo) conformado por MAPE, MAD y MSD, adems de los forecast (predicciones).

76

Figura 4.4 Pantalla Minitab 13.00: Resultados de la opcin Decomposition

Adicionalmente esta opcin proporciona tres grficos:

Seasonal Anlisis, que muestra un anlisis estacional: grfico de ndices estacionales (seasonal Indices), grfico de variacin porcentual por estaciones (percent Variation, by Seasonal Period), grfico de boxplots referidos a observaciones

agrupadas por perodos estacionarios (original Data, by

77

Seasonal Period), y grfico de boxplots de los residuos por perodos estacionarios (Residuals, by Seasonal Period).

Grfico 4.2 Minitab 13.00: Anlisis Estacional

Seasonal Analysis for Activos Tota

Seasonal Indices
6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12 2000000 1000000 0 1 2 3 4 5 6 7 8 9 10 11 12 4000000 3000000

Original Data, by Seasonal Period

Percent Variation, by Seasonal Period

20 400000 200000 10 0 -200000 0 1 2 3 4 5 6 7 8 9 10 11 12 -400000 1

Residuals, by Seasonal Period

9 10 11 12

Component Anlisis donde se muestran, por separado, la serie original de observaciones (Original Data), los datos una vez eliminada la tendencia (Detrended Data), los datos una vez extrado el patrn estacional (Seasonally Adjusted Date) y los datos una vez extrado el patrn estacional y la tendencia (Seasonally Adj. And Detrened Data), y,

78

Grfico 4.3 Minitab 13.00: Anlisis de Componentes

Component Analysis for Activos Tota

Original Data
4000000 3000000 2000000 1000000 0 0 10 20 30 40 50 7 6 5 4 3 2 1 0 0 10 20 30 40 50

Detrended Data

Seasonally Adjusted Data

2000000 400000 200000 1000000 0 -200000 0 0 10 20 30 40 50 -400000 0

Seasonally Adj. and Detrended Data

10

20

30

40

50

Decomposition Fit, donde se aprecia la serie original (Actual), la lnea de tendencia asociada, los valores estimados (Predicted) y los pronosticados (Forecast).

79

Grfico 4.4 Minitab 13.00: Anlisis Decomposition Fit

Decomposition Fit for Activos Tota

Actual

4000000

Predicted Forecast Actual Predicted Forecast

Activos Tota

3000000

2000000

1000000
MAPE: MAD: MSD: 33 89610 1,69E+10

0 0 10 20 30 40 50 60

Time

Una vez obtenidos todos los resultados se procede al anlisis de los mismos para cada variable, como se ver a continuacin en el Capitulo 5.