Escolar Documentos
Profissional Documentos
Cultura Documentos
DE SÉRIES DE CONJUNTURA
Vítor Escária
Assistente Estagiário do ISEG
Colaborador do DPP
I. INTRODUÇÃO
como o método mais utilizado nos diversos institutos estatísticos do mundo. Na primeira
parte procurar-se-á fundamentar a correcção sazonal, bem como apresentar uma breve
exposição sobre diferentes métodos de correcção sazonal. Em seguida será apresentado
brevemente o funcionamento do procedimento X11-ARIMA, terminando-se com a
apresentação das principais críticas apresentadas ao método.
II. A SAZONALIDADE
O = f ( T, C, S, ε )
132
A Utilização do Método X11-ARIMA
O = T x C x S x ε,
O = T + C + S + ε,
• métodos de regressão,
Os métodos de médias móveis são métodos não causais, não se definindo variáveis
explicativas, em que se assume que as componentes são funções alisadas do tempo, com
um comportamento estocástico. Estes métodos têm sido os mais frequentemente utilizados
na correcção sazonal de séries por parte dos institutos estatísticos de todo o mundo. A sua
utilização em procedimentos automáticos de correcção sazonal iniciou-se na década de 50
133
Vítor Escária
nos EUA com os primeiros trabalhos do Census, mas os primeiros desenvolvimentos neste
domínio remontam à década de 20 com os trabalhos de Frederick Macauly, no NBER.
IV. O X11-ARIMA
134
A Utilização do Método X11-ARIMA
• rácio entre a série original e a série resultante da aplicação de uma média móvel
centrada de 12 termos (2*12) à série original, obtendo-se uma primeira estimativa
dos SI (componente sazonal e irregular);
• média móvel ponderada de 5 termos (3*3 moving average) dos SI para cada mês
separadamente, obtendo-se uma primeira estimativa dos factores sazonais;
• cálculo de uma média móvel centrada de 12 termos (2*12) da série dos factores
sazonais obtidos anteriormente. Para obter os valores iniciais e finais, repete-se seis
vezes o primeiro e o último valor da média disponível. Ajustar os factores para
somarem 12 (ou 0 na sazonalidade aditiva), em qualquer período de 12 meses
através do cálculo do rácio entre a série dos factores e a série de média móvel
obtida anteriormente;
135
Vítor Escária
• rácio entre a série dos SI e a série dos factores sazonais calculada anteriormente,
com vista à obtenção de uma estimativa da componente irregular;
• para os dois primeiros anos, utilizamos os limites do desvio padrão calculados para o
terceiro ano, e, para os dois últimos, utilizamos o valor do antepenúltimo ano. Para
substituir um valor extremo no início ou fim da série utiliza-se o valor da média entre
o rácio vezes o peso e os três valores do rácio respeitante áquele mês com peso
total mais próximos;
• cálculo de uma média móvel ponderada de 5 termos (3*3) aos rácios SI, com valores
extremos substituídos, para cada mês em separado, obtendo-se uma nova
estimativa dos factores sazonais;
• cálculo de uma média móvel centrada de 12 termos (2*12) da série dos factores
sazonais obtidos anteriormente. Para obter os valores iniciais e finais, repete-se seis
vezes o primeiro e o último valor da média disponível. Ajustar os factores para
somarem 12 (ou 0 na sazonalidade aditiva), em qualquer período de 12 meses
através do cálculo do rácio entre a série dos factores e a série de média móvel
obtida anteriormente (repetição do passo 3 mas agora com os novos factores);
• cálculo de uma média móvel ponderada de 7 termos (3*5) aos rácios SI obtidos
anteriormente para cada mês separadamente, obtendo-se uma nova estimativa dos
factores sazonais;
• cálculo de uma média móvel centrada de 12 termos (2*12) da série dos factores
sazonais obtidos anteriormente. Para obter os valores iniciais e finais, repete-se seis
136
A Utilização do Método X11-ARIMA
Estes passos correspondem a seis sequências de tratamento, que dão o nome aos
diversos quadros:
• FASE C - Estimação final da variação de dias úteis e dos pesos das observações
extremas;
137
Vítor Escária
• para séries com sazonalidade estável o X11-ARIMA representa uma grande melhoria
quando a tendência ciclo está a crescer muito, ou quando o último ano é um ponto
de viragem. Os pesos finais do X11-ARIMA para estimar a tendência ciclo são uma
combinação dos pesos simétricos de Henderson e dos pesos assimétricos do
modelo ARIMA utilizado para extrapolar a série. Como os pesos finais mudam com o
modelo ARIMA, reflectem os movimentos mais recentes da série e raramente deixam
passar um ponto de viragem;
• automático - o programa tem três modelos que são testados - nos testes preliminares
estes modelos representavam bem cerca de 90% das séries.
3. (2,1,2) (0,1,1)s
1. (0,1,1) (0,1,1)s
2. (0,2,2) (0,1,1)s
3. (2,1,2) (0,1,1)s
138
A Utilização do Método X11-ARIMA
• não automático - o utilizador pode especificar o modelo ARIMA que considera mais
adequado.
No modo automático, a escolha do modelo ARIMA é feita de acordo com vários princípios:
• o modelo ajustado deve seguir bem o movimento infra-anual da série embora possa
perder um pouco o nível da série;
Para além dos testes relacionados com a escolha do modelo, existe na versão automática
um grupo de testes que presidem a um conjunto de escolhas, que na versão não
automática são indicadas pelo utilizador, e que permitem avaliar a fidedignidade do
ajustamento sazonal.
139
Vítor Escária
variância total dos rácios SI é decomposta na variância entre meses, que mede a
magnitude da sazonalidade, na variância entre anos, que mede a variação do padrão
sazonal entre os anos, e a variância residual. A estatística F resulta do quociente entre a
variância entre anos e, a variância residual, em que um alto valor é sintomático de
sazonalidade móvel, situação em que os factores sazonais estimados perdem alguma
credibilidade.
São realizados testes à aleatoriedade dos resíduos, utilizando a duração média de sentido
da componente irregular, que serve para testar a aleatoriedade dos resíduos contra a
hipótese de que os resíduos seguem um processo autoregressivo de primeira ordem. Se
os resíduos forem puramente aleatórios a estatística vem igual a 1.5, o que conduz a um
intervalo de confiança com 95% de significância entre 1.36 e 1.75. Valores acima de 1.75
indicam a presença de autocorrelação positiva e valores inferiores a 1.36 a presença de
autocorrelação negativa. De salientar ainda que este teste não é eficiente para detectar
outros padrões de autocorrelação.
Para além destes testes estatísticos, existem outras escolhas feitas em função de
determinados valores. Por exemplo, a escolha do números de termos da média de
Henderson para a obtenção da tendência-ciclo é função da magnitude relativa da
componente irregular relativamente à tendência-ciclo. Se I/C estiver entre 0 e 0.99 utiliza-
se uma média móvel de 9 termos, se o valor estiver entre entre 1 e 3.49 utiliza-se uma
média de 13 termos e se o valor for superior a 3.5 utiliza-se uma média de 23 termos.
Critérios semelhantes são utilizados para escolher o tipo de média móvel utilizado na
obtenção dos coeficientes sazonais. O programa permite que seja o utilizador a fazer estas
escolhas.
140
A Utilização do Método X11-ARIMA
Ao longo dos últimos anos têm sido feitos diversos estudos que procuraram avaliar os
impactos da utilização do procedimento X11-ARIMA, nomeadamente quanto ao
comportamento das séries resultantes.
Autores como GHYSELS e PERRON (1993) salientam o impacto que a utilização dos
filtros do método têm sobre a potência dos testes de raízes unitárias realizados sobre as
séries corrigidas de variações sazonais, nomeadamente os que utilizam as estatísticas de
Dickey-Fuller e de Phillips-Perron. Esta idéia tinha sido já referida em trabalhos anteriores
de GHYSELS, bem como nos trabalhos de LEE e SYKLOS (1991), em que se constatou
que muitas raízes unitárias que eram detectadas quando se utilizavam séries ajustadas
sazonalmente, não existiam nas séries originais, ou seja, resultariam da aplicação dos
filtros do método X11-ARIMA, que fazem com que a série ajustada tenha muito mais
persistência do que a série original. Estes últimos autores referem ainda que,
paradoxalmente, a utilização do método frequentemente elimina raizes unitárias sazonais
que existem nas séries originais.
RAVEH (1984) faz uma análise bastante crítica do método considerando que o método
proposto por ele próprio é relativamente melhor nalguns aspectos. De acordo com este
autor, o X11-ARIMA confunde frequentemente ciclos de natureza não sazonal com ciclos
sazonais e ao proceder ao ajustamento elimina esses ciclos. Este facto é visível no caso
do IPC americano, bem como em séries artificiais, que não tendo componente sazonal, ao
serem tratadas pelo procedimento ele detecta sazonalidade significativa. Outro problema
associado ao método está ligado a problemas de robustez contra mudanças abruptas na
141
Vítor Escária
Não obstante as diversas críticas, o método continua a ser utilizado em diversos institutos
estatísticos do mundo.
VI. CONCLUSÃO
142
A Utilização do Método X11-ARIMA
BIBLIOGRAFIA
BELL, William ; HILLMER, Steven - Issues Involved with the Seasonal Adjustment of
Economic Time Series, “Journal of Business & Economic Statistics”, 2 (4), Oct. 1984.
DAGUM, Estela Bee - The X11-ARIMA Seasonal Adjustment Method, Ottawa Statistics
Canada, 1980.
GAIT, Nazira - Analysis of Revisions in the Seasonal Adjustment of Data Using X11-
ARIMA model based filters, “International Journal of Forecasting”, (2) 1986.
GHYSELS, Eric ; PERRON, Pierre - The Effect of Seasonal Adjustement Filters on Tests
for a Unit Rroot, “Journal of Econometrics”, 55 (1-2) Jan-Feb. 1993.
LEE, Hahn Shik ; SIKLOS, Pierre L. - Unit Roots and Seasonal Unit Roots in
Macroeconomic Time Series, “Economic Letters”, (35), 1991.
143