Tirar sazonalidade

O que o bloco faz

series/deseasonalize estima o efeito de cada período do ciclo (cada mês, numa série mensal) por regressão em variáveis indicadoras e subtrai esse efeito da série, deixando a tendência e o resto. O card mostra os efeitos estimados, com erro-padrão e p-valor, como na series/regression. As saídas são out, a série dessazonalizada, e sazonal, o componente removido; somar as duas devolve a série original.

Com Controlar a tendência ligado (o padrão), o ajuste é valor ~ t + periodo, e só o efeito sazonal é removido. Isso importa numa série que cresce: dezembro tem média acima de janeiro só por vir depois, e as indicadoras sozinhas atribuiriam essa diferença à sazonalidade. Desligado, o ajuste é valor ~ periodo, e cada efeito é a média do período menos a média geral, o que só é correto para série sem tendência.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

p-valor

A probabilidade de obter um resultado tão extremo quanto o observado, ou mais, se a hipótese nula fosse verdadeira. p-valor pequeno indica dados pouco compatíveis com a hipótese nula; ele não é a probabilidade de a hipótese nula ser verdadeira nem mede o tamanho do efeito.

Independência

Pressuposto de que o erro de uma observação não informa sobre o de outra. Falha com medidas repetidas no mesmo indivíduo, unidades vizinhas ou dados no tempo, e a sua violação pode distorcer bastante os p-valores e os intervalos.

Autocorrelação

A correlação de uma série com ela mesma deslocada no tempo: o valor de hoje parecido com o de ontem. É o padrão que os modelos de séries descrevem, e o que torna inválidos os testes que supõem observações independentes.

Tendência

O movimento de longo prazo de uma série, de subida ou de descida, separado das oscilações de curto prazo e da sazonalidade.

Sazonalidade

Um padrão que se repete em intervalos fixos do calendário, como mais chuva em janeiro ou mais vendas em dezembro. O período sazonal é o comprimento do ciclo: 12 para dados mensais com ciclo anual.

Quando usar

Para retirar uma sazonalidade fixa e aditiva antes de olhar a tendência ou de aplicar um teste que pede série sem ciclo. Se a amplitude da oscilação cresce com o nível da série, aplique series/transform com log antes. Se a sazonalidade muda ao longo dos anos, a decomposição indicada é a series/stl.

Pressupostos

• A sazonalidade é fixa e aditiva: o mesmo efeito por período em todo ciclo, somado ao nível. Sazonalidade que muda com os anos, ou que cresce com o nível, sobra no resto.

  Verificar:Gráfico sazonalSubséries sazonaisAmplitude × média

  Se falhar: Oscilação que cresce com o nível: series/transform com log antes. Padrão que muda: series/stl.

• Com Controlar a tendência desligado, a série não tem tendência: senão os períodos do fim do ano parecem maiores só por virem depois.

  Verificar:Série no tempoMann-Kendall

  Se falhar: Ligue Controlar a tendência, ou use series/regression.

• Com Erro = independente (padrão, MQO), os erros da regressão são independentes (sem autocorrelação). Série temporal quase nunca obedece, e o efeito é conhecido: erros-padrão pequenos demais e p-valores otimistas. Com Erro = arma, o erro segue o ARMA(p, q) declarado.

  Verificar:ComponenteLjung-BoxCorrelograma (ACF)

  Se falhar: Tire o resto com series/component e passe no series/ljung_box. Com autocorrelação, ligue Erro = arma no series/regression (GLS com erro ARMA; comece por AR(1) e escolha a ordem pela series/acf e series/pacf do resto); os F do models/anova_table viram testes de Wald do GLS. Perto da raiz unitária nem o GLS segura o nível: diferencie. Os testes não paramétricos (series/mann_kendall, series/seasonality_kw) também supõem independência, então não resolvem.

• Os erros são normais e de variância constante: o F é exato só assim.

  Verificar:ComponenteQuantil-quantilShapiro-Wilk

  Se falhar: O resto do series/component vira tabela no fio (coluna valor). Variância que cresce com o nível: ajuste no log (series/transform). Sem normalidade: series/mann_kendall (tendência) ou series/seasonality_kw (sazonalidade).

• O ciclo declarado (a frequência da série) é o período sazonal verdadeiro, e a série tem pelo menos dois ciclos completos.

  Verificar:Gráfico sazonalSubséries sazonaisPeriodicidade (Fisher)

  Se falhar: Declare a frequência certa no nó que cria a série (series/from_table).

Configuração

• Controlar a tendência — inclui t no ajuste (padrão).
• Contraste — soma_zero (desvio da média do ciclo) ou categoria_base (diferença para o primeiro período).
• Excluir termos sazonais — nomes ou números separados por vírgula; os períodos excluídos formam o grupo demais.
• Remover termos sazonais não significativos e Confiança da remoção — remoção para trás; os p-valores finais ficam otimistas.

O bloco não aceita valores faltantes (interpole antes com series/interpolate) e pede série com ciclo, isto é, frequência maior que 1. Com ciclos incompletos, ele avisa.

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.series", registry = reg)

tr_flow(reg) |>
  tr_add("pax", "series/example") |>
  tr_add("log", "series/transform", metodo = "log", from = "pax") |>
  tr_add("dessaz", "series/deseasonalize", from = "log") |>
  tr_add("efeito", "series/plot", from = "dessaz:sazonal")

Como interpretar

Cada efeito estimado é o quanto aquele período fica, em média, acima ou abaixo do nível da série, descontada a tendência. Os p-valores dos efeitos individuais não substituem um teste da sazonalidade como um todo: para o F da sazonalidade, ajuste a series/regression com a mesma fórmula e leia o models/anova_table; sem supor normalidade, use a series/seasonality_kw. A sazonalidade removida é a mesma em todos os anos.