Como dessazonalizar dados de séries temporais

Em muitos casos, os padrões sazonais são removidos a partir de dados de séries temporais quando eles forem lançados em bancos de dados públicos. Os dados que foram despojados de seus padrões sazonais é referido como seasona

Video: Séries Temporais Parte I

A fim de obter uma medida de bondade de ajuste que isola a influência de suas variáveis ​​independentes, você deve estimar seu modelo com valores dessazonalizados para ambas as variáveis ​​dependentes e independentes. Veja como fazer isso:

1. Regredir a variável dependente das variáveis ​​dummies sazonais para obter a função estimada

   

   e reter os resíduos deste regressão.

2. Regredir cada uma de suas variáveis ​​independentes sobre as variáveis ​​dummies sazonais para obter as funções estimadas

   

   Onde k representa uma variável independente específica, e reter os resíduos de todos k destas regressões.

3. Regredir os resíduos obtidos no Passo 1

   

   
   
   
   

   sobre os resíduos obtidos no Passo 2

   

   estimar

   

   A-R quadrado desta regressão proporciona uma melhor medida de encaixe quando a série temporal apresentar sazonalidade considerável.

Video: 4-09-15 - Introdução às séries temporais com R - Carlos Abanto Valle

O tradicional R-quadrado pode ser overinflated quando os dados contém padrões sazonais significativas. Se você encontrar esta situação, simplesmente estimar uma regressão com dados dessazonalizados para encontrar um valor alternativo R-quadrado.

A figura usa STATA para estimar o impacto do desemprego mensal log e uma tendência temporal no registro de vendas de souvenirs, entre 1987 e 1993. Primeiro, o modelo é estimado com os dados brutos, em seguida, o modelo é estimado com dados dessazonalizados.

A saída para as etapas intermediárias é excluída para economizar espaço. Como esperado, a-R quadrado é menor após os dados são dessazonalizada (0,9106 comparado com 0,9539), mas a diferença não é grande. As estimativas dos coeficientes para as variáveis ​​de desemprego e tendências são similares em ambos os regressões, por isso, os resultados implicam que o papel das variáveis ​​independentes não é afetado por padrões sazonais.

Econometristas estimar principalmente o modelo de regressão com dados dessazonalizados para derivar o poder explicativo das outras variáveis ​​independentes. Seus resultados econométricos primários, no entanto, deve relatar as estimativas do modelo com os dados brutos e variáveis ​​temporada fictícios.