La estacionalidad o variación estacional de una serie temporal es la variación periódica y predecible de l

la tendencia (comportamiento a largo plazo) y a la variación cíclica (variación periódica con un periodo s
El proceso de desestacionalización consiste en ajustar y remover de las series originales los efectos del c
razonable de la actividad productiva entre diferentes periodos (meses o trimestres de distintos año
internacionales recomendados por las Naciones Unidas y el Fondo Monetario Internacional (DANE, 2020)
desestacionalizadas.
Colombia: Desestacionalización del PIB constante trimestral (estacionalizado o con
valores atípicos dados por el efecto calendario)
Trimestres I II III IV
2005 119427 125234 128422 141769
2006 127143 131927 138334 152031
2007 135632 140880 147792 162153
2008 142553 147591 152652 162917
2009 142910 148391 153259 168055
2010 147756 155392 159783 177220
2011 157775 165563 172492 188798
2012 166849 173617 176764 194184
2013 171260 182927 187159 206594
2014 182394 189600 195308 214287
2015 187877 195862 202621 218331
2016 191900 199972 205508 224108
2017 193880 202424 208932 227419
2018 197375 208074 214640 233511
2019 203015 214654 222109 241652

Gráficar verticalmente el valor agregado trimestral

PIB estacionalizado PIB desestacionalizado
Año Trimestres
(con valores atípicos) (sin valores atípicos)
I 119427 PIB128586
trimestral estacionalizado y desestaciona
II 125234 128932
Colombia
2005
III 128422 128017
260000
IV 141769 129264
240000
I 127143 136894
II 131927 135821
(a precios constantes de 2015)

220000 1686.01859870362 x + 126909.64

125720.80
2006 f(x) = 1647.10955908183
III 138334 137898 R² = 0.899820072157601
0.984097637161409
200000
IV 152031 138621
Miles de milllones COP

I 135632 146034
180000

II 140880 145039
2007 160000
III 147792 147325
140000
IV 162153 147850
I 142553 153486
120000
II 147591 151948
2008 100000
III 152652 152170
2015 III
III
2005 III
IVI
2006 III
IVI
2007 III
IVI
II
2008 III
IVI
2009 III
IVI
2010 III
IVI
II
2011 III
IVI
2012 III
IVI
2013 III
IVI
II
2014 III
IVI
IVI
II
II

II
II

II
II

II

2016 II

IV 162917 148547

PIB estacionalizado (con valores atípicos)

Linear (PIB estacionalizado (con valores atípico
PIB desestacionalizado (sin valores atípicos)
 120000

Mile
(a p
100000

2015 III
III
2005 III
IVI
2006 III
IVI
2007 III
IVI
II
2008 III
IVI
2009 III
IVI
2010 III
IVI
II
2011 III
IVI
2012 III
IVI
2013 III
IVI
II
2014 III
IVI
IVI
II
II

II
II

II
II

II

2016 II
I 142910 153871
II 148391 152772 PIB estacionalizado (con valores atípicos)
2009 Linear (PIB estacionalizado (con valores atípico
III 153259 152775
IV 168055 153232 PIB desestacionalizado (sin valores atípicos)
Linear (PIB desestacionalizado (sin valores atíp
I 147756 159088 Fuente: Elaborado con estadística
II 155392 159979
2010
III 159783 159279
IV 177220 161588
I 157775 169875
II 165563 170451
2011
III 172492 171948
IV 188798 172145
I 166849 179646
II 173617 178743
2012
III 176764 176206
IV 194184 177056
I 171260 184394
II 182927 188327
2013
III 187159 186568
IV 206594 188371
I 182394 196383
II 189600 195198
2014
III 195308 194691
IV 214287 195385
I 187877 202286
II 195862 201645
2015
III 202621 201982
IV 218331 199073
I 191900 206618
II 199972 205876
2016
III 205508 204859
IV 224108 204341
I 193880 208750
II 202424 208400
2017
III 208932 208273
IV 227419 207359
I 197375 212513
II 208074 214217
2018
III 214640 213962
IV 233511 212914
I 203015 218585
II 214654 220991
2019
III 222109 221408
2019
IV 241652 220337
ón periódica y predecible de la misma con un periodo inferior o igual a un año; siendo uno de los componentes de l
ón periódica con un periodo superior al año)
es originales los efectos del componente estacional y del efecto calendario (semana santa y días feriados), con el ob
trimestres de distintos años). Desempeñan un papel fundamental porque ayudan a comprender la evolución de l
o Internacional (DANE, 2020). Disponible en: https://www.dane.gov.co/index.php/actualidad-dane/3869-conoce-que-

onalizado o con a) Dividir el PIB de cada trimestre según el promedio del año
correspondiente:
Promedio Trimestres I II III IV
128713 2005 0.93 0.97 1.00 1.10
137359 2006 0.93 0.96 1.01 1.11
146614 2007 0.93 0.96 1.01 1.11
151428 2008 0.94 0.97 1.01 1.08
153154 2009 0.93 0.97 1.00 1.10
160038 2010 0.92 0.97 1.00 1.11
171157 2011 0.92 0.97 1.01 1.10
177854 2012 0.94 0.98 0.99 1.09
186985 2013 0.92 0.98 1.00 1.10
195397 2014 0.93 0.97 1.00 1.10
201173 2015 0.93 0.97 1.01 1.09
205372 2016 0.93 0.97 1.00 1.09
208164 2017 0.93 0.97 1.00 1.09
213400 2018 0.92 0.98 1.01 1.09
220357 2019 0.92 0.97 1.01 1.10
índice de
0.93 0.97 1.00 1.10
desestacionalización

ionalizado y desestacionalizado de

686.01859870362 x + 126909.64046105
647.10955908183 125720.802902307
99820072157601
84097637161409
2015 III

2017 III
IVI
II
2008 III
IVI
2009 III
IVI
2010 III
IVI
II
2011 III
IVI
2012 III
IVI
2013 III
IVI
II
2014 III
IVI
IVI
2016 III
IVI
II
IVI
2018 III
IVI
2019 III
II
II

II
II

II
II

II
II
IV

ionalizado (con valores atípicos)

IB estacionalizado (con valores atípicos))
tacionalizado (sin valores atípicos)
2015 III

2017 III
IVI
II
2008 III
IVI
2009 III
IVI
2010 III
IVI
II
2011 III
IVI
2012 III
IVI
2013 III
IVI
II
2014 III
IVI
IVI
2016 III
IVI
II
IVI
2018 III
IVI
2019 III
II
II

II
II

II
II

II
II
IV
ionalizado (con valores atípicos)
IB estacionalizado (con valores atípicos))
tacionalizado (sin valores atípicos)
IB desestacionalizado (sin valores atípicos))
uente: Elaborado con estadísticas de las cuentas nacionales -DANE.
 iendo uno de los componentes de las series temporales, y se contrapone a
mana santa y días feriados), con el objetivo de propiciar una comparación
udan a comprender la evolución de la economía siguiendo los estándares
p/actualidad-dane/3869-conoce-que-son-las-series-de-tiempo-y-las-series-

b) Dividir el PIB entre su índice de desestacionalización por

trimestre (I, II, III y IV):
Trimestres I II III IV
2005 128586 128932 128017 129264
2006 136894 135821 137898 138621
2007 146034 145039 147325 147850
2008 153486 151948 152170 148547
2009 153871 152772 152775 153232
2010 159088 159979 159279 161588
2011 169875 170451 171948 172145
2012 179646 178743 176206 177056
2013 184394 188327 186568 188371
2014 196383 195198 194691 195385
2015 202286 201645 201982 199073
2016 206618 205876 204859 204341
2017 208750 208400 208273 207359
2018 212513 214217 213962 212914
2019 218585 220991 221408 220337
índice de
0.93 0.97 1.00 1.10
desestacionalización
Suavización o atenuación exponencial simple con una excelente explicación del mismo disponible en:
Características.
a) Proporciona un promedio móvil con Peso Exponencial de todos los valores observados con anterioridad
b) Con frecuencia el modelo es apropiado para datos que no tienen una tendencia predecible hacia arriba
c) El Suavizamiento Exponencial revisa continuamente el valor estimado a la luz de las experiencias más
d) Este método se basa en promediar (suavizar) los valores pasados de una serie en una forma Exponenc
A fin de pronósticar series de tiempo con tendencia lineal aplicado al PIB de Colombia a precios const
PIB observado PIB estimado
Año Trimestre t abs et
(Yt) (Yt´)
I 1 119427 119427 0
II 2 125234 119427 5807
2005
III 3 128422 121305 7117
IV 4 141769 123607 18162
I 5 127143 129480 2337
II 6 131927 128724 3202
2006
III 7 138334 129760 8575
IV 8 152031 132533 19498 PIB trimestral obser
I 9 135632 138838 3206 suavización exponen
II 10 140880 137801 3079 260000
2007
III 11 147792 138797 8995
240000
IV 12 162153 141706 20447

(a precios constantes de 2015)

220000
I 13 142553 148318 5765 1648
f(x) = 1683
II 14 147591 146454 1138 0.892
200000 R² = 0.986
2008

Miles de milllones COP

III 15 152652 146822 5831 180000
IV 16 162917 148707 14210
160000
I 17 142910 153302 10392
II 18 148391 149942 1550 140000
2009
III 19 153259 149440 3818 120000
IV 20 168055 150675 17380 100000
I 21 147756 156296 8539

2005 III
III
IVI
2006 IIIII
IVI
2007 IIIII
IVI
II 22 155392 153534 1858
2010
III 23 159783 154135 5648
IV 24 177220 155961 21258 PIB observado
I 25 157775 162836 5061 PIB estimado
II 26 165563 161199 4364 Fuente: Elaborado con estadí
2011
III 27 172492 162610 9882
IV 28 188798 165806 22992
I 29 166849 173241 6392
II 30 173617 171174 2443
2012
III 31 176764 171964 4800
IV 32 194184 173516 20668
I 33 171260 180200 8940
II 34 182927 177309 5618
2013
III 35 187159 179126 8033
IV 36 206594 181723 24871
 I 37 182394 189766 7372
II 38 189600 187382 2218
2014
III 39 195308 188099 7208
IV 40 214287 190430 23856
I 41 187877 198145 10268
II 42 195862 194825 1038
2015
III 43 202621 195160 7461
IV 44 218331 197573 20758
I 45 191900 204286 12386
II 46 199972 200280 308
2016
III 47 205508 200181 5327
IV 48 224108 201904 22205
I 49 193880 209084 15204
II 50 202424 204168 1743
2017
III 51 208932 203604 5329
IV 52 227419 205327 22092
I 53 197375 212471 15096
II 54 208074 207589 485
2018
III 55 214640 207746 6893
IV 56 233511 209975 23535
I 57 203015 217586 14572
II 58 214654 212874 1780
2019
III 59 222109 213450 8659
IV 60 241652 216250 25402
I 61 205190 224464 19275
2020
II 62 Pronóstico 218231 Pronóstico más ajustado a la realidad
DAM 9875 Se minimiza el error al est
el mismo disponible en: https://www.youtube.com/watch?v=LEgknd-IR5w

ervados con anterioridad

a predecible hacia arriba o hacia abajo
de las experiencias más recientes
en una forma Exponencialmente Decreciente (logarítmica)
Colombia a precios constantes.
α (0<α<1)
0.3234 Nota: Mejor si empleamos datos desestacionalizados

Fórmula:
Y(t+1)´=αYt+(1-α)*Yt´

PIB trimestral observado y estimado según método de

suavización exponencial simple
260000

240000
(a precios constantes de 2015)

220000
1648.92979137738 x + 120285.908659703
f(x) = 1683.98403858179 126487.304920382
200000 0.892287061959988
R² = 0.986040330978453
Miles de milllones COP

180000

160000

140000

120000

100000
2005 III

2009 IIIII

2013 IIIII
2014 IIIII
2015 IIIII

2019 IIIII
III
IVI
2006 IIIII
IVI
2007 IIIII
IVI
2008 IIIII
IVI
IVI
2010 IIIII
IVI
2011 IIIII
IVI
2012 IIIII
IVI
IVI
IVI
IVI
2016 IIIII
IVI
2017 IIIII
IVI
2018 IIIII
IVI

2020 III
IV

PIB observado (Yt) Linear (PIB observado (Yt))

PIB estimado (Yt´) Linear (PIB estimado (Yt´))
uente: Elaborado con estadísticas de las cuentas nacionales -DANE.
ás ajustado a la realidad con base en el modelo de suavización exponencial simple.
e minimiza el error al establecer mediante solver el mejor valor posible de Alfa.
sestacionalizados
Suavización o atenuación exponencial doble (también conocido como modelo de Brown) con una exce
A fin de pronósticar series de tiempo con tendencia lineal aplicado al PIB de Colombia a precios const
PIB observado
Año Años t At At´
(Yt)
1960 1 2423942593 2423942593 2423942593
1961 2 2688796979.38 2679372091 2670282588
2005
1962 3 2910481213.89 2902257156 2894002301
1963 4 3159001057.86 3149864782 3140759872
1964 5 3299012103.09 3293704670 3288262103
1965 6 3601202808 3590260434 3579513772
2006
1966 7 3874224465.5 3864119557 3853991811
1967 8 4205584217.69 4193433139 4181354061
1968 9 4499024172.55 4488149663 4477232289
1969 10 4878804311.76 4864902799 4851107477
2007
1970 11 5218331335.13 5205754520 5193134344
1971 12 5720133255.63 5701829000 5683727013
1972 13 5982276237.8 5972296475 5962027681
1973 14 6303184093.13 6291409400 6279688295
2008
1974 15 6457506182.44 6451595600 6445478249
1975 16 6569926162.92 6565715350 6561436692
1976 17 6679280045.21 6675238826 6671189158
1977 18 6752353098.17 6749608974 6746818391
2009
1978 19 7413586993.17 7389959221 7367072945
1979 20 7748291992 7735540659 7722428672
1980 21 8762115842.1 8725584988 8689887499
1981 22 9568827151.71 9538820235 9508610818
2010
1982 23 10080611704 10061331961 10041663285
1983 24 9627854703.72 9643280066 9657456601
1984 25 9888718901.79 9879984919 9872066210
1985 26 10377442495 10359740382 10342386413
2011
1986 27 10747687667 10733882496 10719951041
1987 28 10553256034 10559683658 10565386800
1988 29 9141246862.63 9191722179 9240604270
1989 30 9284055718 9280770013 9279340708
2012
1990 31 10035970741 10009096794 9983128298
1991 32 10981259384 10946664811 10912377199
1992 33 11881907175 11848626415 11815309826
1993 34 12530153664 12505901400 12481326581
2013
1994 35 12887281440 12873709966 12859746936
1995 36 13113025211 13104509137 13095799232
1996 37 13647997721 13628657587 13609695731
1997 38 14529793549 14497726471 14466125745
2014
1998 39 15596498445 15557398455 15518565329
2014
1999 40 16207445509 16184313473 16160622711
2000 41 16647538296 16631054361 16614313970
2001 42 16743140579 16739151971 16734709590
2015
2002 43 17116370199 17102946824 17089843039
2003 44 17836198454 17810105569 17784474903
2004 45 19177851509 19129180035 19081328473
2005 46 20556984395 20506175732 20455472298
2016
2006 47 22335670400 22270567518 22205977044
2007 48 25012373879 24914806229 24818412078
2008 49 27477507118 27386312968 27294933774
2009 50 27819050421 27803651384 27785548581
2017
2010 51 29440300000 29382059578 29325247461
2011 52 32771096568 32650497105 32532167526
2012 53 35975750623 35857420906 35739091194
2013 54 38459254746 38366668043 38273165270
2018
2014 55 40407886428 40335249321 40261869707
2015 56 42724375045 42639357597 42554754282
2016 57 44846247142 44767714599 44688966027
2019 2017 58 47232619182 47144905129 47057510115
2018 59 48969369027 48904445166 48838721665
2019 62 Pronóstico p=1
2020 63 Pronóstico p=2
2021 64 Pronóstico p=3
modelo de Brown) con una excelente explicación del mismo disponible en: https://www.youtube.com/watch?v=wmd4R
IB de Colombia a precios constantes.
PIB estimado
at bt abs et
(Yt´)
2423942593 0 Yt= PIB real
2688461593 246339995 2423942593 264854386 At= Valor atenuado exponencialmen
2910512011 223719713 2934801588 24320374 At´=Valor doblemente atenuado
3158969692 246757571 3134231724 24769334 at= Similar a la medicion de la inters
3299147237 147502231 3405727263 106715160 bt=Similar a al medicion de la pendie
3601007096 291251668 3446649468 154553340 Yt´=Pronostico PIB real
3874247302 274478039 3892258765 18034299 et= Diferencia absoluta ( Yt-Yt´)
4205512217 327362250 4148725342 56858876 α=Constante de atenuación
4499067037 295878228 4532874467 33850295 P=Periodo en el futuro
4878698121 373875188 4794945265 83859047 DAM=Desviación Absoluta de la Med
5218374696 342026867 5252573309 34241974 FORMULAS
5719930987 490592669 5560401563 159731693 At=αYt+(1-α)At-1
5982565269 278300667 6210523656 228247418 At´=αΑt+(1-α)At´-1
6303130505 317660615 6260865936 42318157 at=2At-At´
6457712951 165789954 6620791120 163284938 bt=(α/1-α)(At-At´)
6569994007 115958443 6623502904 53576742 Yt´+p =at+btP
6679288495 109752466 6685952450 6672405
6752399556 75629233 6789040960 36687862 Pasos en Solver a fin de minimiza
7412845498 620254554 6828028790 585558204 1. Luego de pulsar en "datos"/"solve
7748652646 355355727 8033100052 284808060 2. Seleccionar "min"/cambiando las c
8761282478 967458826 8104008373 658107469 3. Seleccionamos "GRG nonlinear"/"
9569029652 818723319 9728741304 159914152
10081000638 533052467 10387752971 307141267
9629103531 -384206683 10614053105 986198401 PIB trimestral observado y es
9887903627 214609609 9244896848 643822054 suavización exponencial dobl
10377094351 470320202 10102513236 274929259 60000100000
10747813951 377564628 10847414553 99726887
50000100000
10553980515 -154564241 11125378579 572122545
(a precios constantes de 2015)

9142840088 -1324782529 10399416274 1258169412 40000100000

9282199318 38736438 7818057559 1465998159 f(x) = 738053853
Miles de milllones COP

10035065289 703787590 9320935756 715034985 30000100000 R² =f(x)

0.80831441
= 649563572
R² = 0.80778622
10980952423 929248901 10738852879 242406504
20000100000
11881943004 902932627 11910201324 28294149
12530476220 666016755 12784875631 254721966 10000100000
12887672996 378420355 13196492975 309211535
13113219042 236052297 13266093351 153068140 100000
1960
20051961
1962
1964
20061965
1966
1967
1968
20071969
1971
20081973
1975
20091977
1981
1963

1970
1972
1974
1976
1978
1979
1980

13647619443 513896498 13349271339 298726382

14529327198 856430014 14161515941 368277608
15596231582 1052439584 15385757212 210741233
PIB observado (Yt)
PIB estimado (Yt´)
 100000

(a

1960
20051961
1962
1964
20061965
1966
1967
1968
20071969
1971
20081973
1975
20091977
1981
M

1963

1970
1972
1974
1976
1978
1979
1980
16208004235 642057383 16648671166 441225657 PIB observado (Yt)
16647794752 453691259 16850061618 202523322 PIB estimado (Yt´)
16743594353 120395620 17101486011 358345432 Fuente: Elaborado con estadísticas de las
17116050609 355133449 16863989973 252380227
17835736234 694631864 17471184058 365014396
19177031598 1296853570 18530368099 647483411
20556879166 1374143825 20473885168 83099227
22335157993 1750504746 21931022991 404647409
25011200380 2612435034 24085662739 926711139
27477692161 2476521696 27623635414 146128296
27821754188 490614807 29954213857 2135163436
29438871696 1539698880 28312368995 1127931005
32768826684 3206920066 30978570575 1792525992
35975750618 3206923668 35975746750 3873
38460170816 2534074076 39182674286 723419540
40408628936 1988704437 40994244891 586358463
42723960911 2292884576 42397333373 327041672
44846463172 2134211744 45016845487 170598344
47232300144 2368544088 46980674916 251944266
48970168666 1781211550 49600844232 631475205
stico p=1 50751380217 Pronósticos más ajustados a la realidad
stico p=2 52532591767 posibles con base en el modelo de
stico p=3 54313803317 suavización exponencial doble.
DAM 395578879
e.com/watch?v=wmd4RniVYM8&t=518s

P (Anuales) α (0<α<1)
1 0.9644
uado exponencialmente de Yt en 2
emente atenuado 3
a medicion de la interseccion de la ordenada con una recta
medicion de la pendiente de una recta

absoluta ( Yt-Yt´)
de atenuación 0<α<1

ión Absoluta de la Media

1
2
3
4
5

ver a fin de minimizar el error ( en este caso de 9114):

ulsar en "datos"/"solver"/Establecer objetivo ingresando la celda del error (9114 en este caso).
"min"/cambiando las celdas de variables: la celda correspondiente al Alfa/sujeto a las restricciones donde la primera
mos "GRG nonlinear"/"resolver"/"aceptar".

stral observado y estimado según método de

n exponencial doble
00000

00000

00000
f(x) = 738053853.362744 x − 6328601564.58256
00000 R² =f(x)
0.808314415979116
= 649563572.219752 x − 4209319416.62936
R² = 0.807786229349079

00000

00000

00000
1960
20051961
1962
1964
20061965
1966
1967
1968
20071969
1971
20081973
1975
20091977
20101981
1982
1984
20111985
1986
1988
20121989
1990
1991
1992
20131993
1996
20141997
2000
20152001
2002
2004
20162005
2006
2008
20172009
2010
2012
20182013
2014
2016
2017
20192018
2020
2021
1963

1970
1972
1974
1976
1978
1979
1980
1983
1987

1994
1995
1998
1999
2003
2007
2011
2015
2019

PIB observado (Yt) Linear (PIB observado (Yt))

PIB estimado (Yt´) Linear (PIB estimado (Yt´))
 00000

1960
20051961
1962
1963
1964
20061965
1966
1967
1968
20071969
1970
1971
1972
PIB estimado (Yt´)
PIB observado (Yt)
20081973
1974
1975
1976
20091977
1978
1979
1980
20101981
1982
1983
1984
20111985
1986
1987
1988
20121989
1990
1991
1992
20131993
1994
1995
1996
20141997
1998
1999
2000
20152001
2002
2003
2004
20162005
2006
2007
2008
20172009
2010
2011
2012
Linear (PIB estimado (Yt´))

20182013
2014
Linear (PIB observado (Yt))

2015
do con estadísticas de las cuentas nacionales -DANE.

2016
2017
20192018
2019
2020
2021
s restricciones donde la primera será que Alfa es mayor que 0 y menor que 1 (0<Alfa<1). Nota: se corrige con "dif" q
se corrige con "dif" que 0 o 1 si el resultado fuese 0 o 1.
 El Modelo Autorregresivo Integrado de Media Móvil (ARIMA por sus siglas en inglés) permite estimar los
estacionales (de corto plazo) e irregulares en series de tiempo identificando patrones para formular predi
donde las estimaciones futuras son explicadas por datos del pasado y no por varia
Proyecciones del PIB colombiano (a precios constantes de 2015 sin desestacionalizar) para los tre
Año Trimestre PIB observado Ln PIB Ln PIB
I 119427 12
II 125234 12 12
2005
III 128422 12 12
IV 141769 12 12
I 127143 12 12
II 131927 12 12
2006
III 138334 12 12
IV 152031 12 12
I 135632 12 12
II 140880 12 12
2007
III 147792 12 12
IV 162153 12 12
I 142553 12 12
II 147591 12 12
2008
III 152652 12 12
IV 162917 12 12
I 142910 12 12
II 148391 12 12
2009
III 153259 12 12
IV 168055 12 12
I 147756 12 12
II 155392 12 12
2010
III 159783 12 12
IV 177220 12 12
I 157775 12 12
II 165563 12 12
2011
III 172492 12 12
IV 188798 12 12
I 166849 12 12
II 173617 12 12
2012
III 176764 12 12
IV 194184 12 12
I 171260 12 12
II 182927 12 12
2013
III 187159 12 12
IV 206594 12 12
I 182394 12 12
II 189600 12 12
2014
III 195308 12 12
IV 214287 12 12
 I 187877 12 12
II 195862 12 12
2015
III 202621 12 12.2
IV 218331 12 12.3
I 191900 12 12.2
II 199972 12 12.2
2016
III 205508 12 12.2
IV 224108 12 12.3
I 193880 12 12.2
II 202424 12 12.2
2017
III 208932 12 12.2
IV 227419 12 12.3
I 197375 12 12.2
II 208074 12 12.2
2018
III 214640 12 12.3
IV 233511 12 12.4
I 203015 12 12.2
II 214654 12 12.3
2019
III 222109 12 12.3
IV 241652 12 12.4
I 205190 12 12.3
II 12.3
2020
III 12.3
IV 12.4
1. Añadir primeras diferencias de las variables seleccionadas (a fin de restar la tendencia aun cuando ex
I. Gráfico del LN de las cifras originales (observadas) II. Gráfico del correlograma para el LN del PIB
con tendencia y estacionalidad estacionalidad

2. Añadir diferencias estacionales de las variables seleccionadas (restando la estacionalidad) a fin de re

estacionalidad (picos bajos)]
V. Diferencias estacionales de las variables
VI. Gráfico para el LN del PIB sin tendencia n
seleccionadas aplicado al LN del PIB
3. A fin de proyectar el número de pasajeros en los cuatro trimestres siguientes a) pulsamos "vista de icon
obsevaciones" especificando "4" para entonces "aceptar" y visto bueno (icono del chulo). Entonces, vamo

b) Así, el mejor modelo además de tener buenos estadísticos debe tener el menor "criterio de Akaike" par
VII. Tabla de estimaciones si seleccionamos el LN del
PIB como variable dependiente
Parametros
No estacional
Estacional
Criterio de Akaike
El mejor modelo será escogido con
arreglo a la significancia de los
parametros, así como al menor criterio
de Akaike posible (cuanto más
negativo mejor)

c) Luego, pulsamos en "Gráfico"; "Gráfico de la variable estimada y observada"; "series de tiempo"; "contr
VIII. Gráfico para el LN del PIB estimado y observado
d) Pulsamos en "análisis"; "predicciones"; "4"; representar el intervalo de confianza usando "área sombrea
natural de las proyecciones en este caso.
VIII. Gráfico de las variables observadas y estimadas
con proyecciones a cuatro meses para el LN del PIB

e) Hallar el exponencial de los trimestres proyectados a fin de establecer la cifra en COP constantes del P
Proyecciones suponiendo un intervalo de confianza del 95%
Año Trimestre
LN PIB (media) Límite inferior Límite superior
II 12.291 12.280 12.302
2020p III 12.329 12.314 12.343
IV 12.415 12.399 12.432

Proyección de variaciones en el PIB a precios constantes

según modelo ARIMA
12.00%

10.00%

8.00%

6.00%

4.00%

2.00%

0.00%
II III IV
2020p

Media Desfavorable Favorable

De acuerdo con las variaciones esperadas del PIB a precios constantes durante los últimos tres
trimestres del año 2020 si la tendencia de crecimiento pre-pandemia se hubiese mantenido el país
habría registrado en todo caso una contracción del -0,14% y -0,13% durante el III y IV trimestres
del año tras un notable aumento del 5,75% durante el segundo semestre. Sin embargo, con motivo
de las necesarias medidas de confinamiento asumidas en Colombia desde abril las perspectivas
de crecimiento se han acercado cada vez más al escenario desfavorable (o límite inferior con un
nivel de confianza del 95%) donde se presentaría una severa contracción del -1,25%, -7,16% y
-7,55% durante los últimos tres trimestres del año siendo posible destacar con especial
preocupación la vulnerabilidad esperada de nuestra economía en la segunda mitad del año ante
shocks negativos como los derivados de Covid-19 en el país; y sus implicaciones de política
s siglas en inglés) permite estimar los efectos tendenciales (de largo plazo),
tificando patrones para formular prediccones estocasticas o determinísticas
por datos del pasado y no por variables independientes.
5 sin desestacionalizar) para los tres últimos trimestres del año 2020 según el modelo ARIMA:
PIB estimado
PIB trimestral estimado y observado según modelo
124640 ARIMA
127943 260000
139303 240000
125853 (a precios constantes de 2015)
132804 220000 f(x) = 1656.03164234667
1648.92979137738 x + 126462.599619459
126487.304920382
R² = 0.899749616442215
0.892287061959988
134985 200000
Miles de milllones COP

151789 180000
135794
160000
140152
147074 140000

161641 120000
144195 100000
147777
III
2005 III
IVI
IVI
IVI
IVI
2009 III
IVI
IVI
IVI
IVI
IVI
IVI
IVI
2016 IIIII
IVI
2017 IIIII
IVI
IVI
2019 IIIII
IVI
2020 IIIII
2006 IIIII
2007 IIIII
2008 IIIII
II

2010 IIIII
2011 IIIII
2012 IIIII
2013 IIIII
2014 IIIII
2015 IIIII

2018 IIIII

IV
154586
167512
144044 PIB observado Linear (PIB observado)
148710 PIB estimado Linear (PIB estimado)
154186 Fuente: Elaborado con estadísticas de las cuentas nacionales -DANE.
164314
147688
153497
160263
175003
155589
165201
169573
190089
167570
174570
180576
193737
171987
178478
185825
204885
181696
194017
194016
215289
 189364
195494
201879
222201
192122
200503
207350
222105
197477
202817
208786
228427
197601
206638
215053
233875
203188
214267
221608
241631
210390
217769 Proyecciones halladas mediante el
226075 modelo ARIMA especifícado a
246566 continuación:
de restar la tendencia aun cuando exista estacionalidad) y luego graficarles:
o del correlograma para el LN del PIB con tendencia y III. Primeras diferencias de las variables
estacionalidad seleccionadas aplicado al LN del PIB

estando la estacionalidad) a fin de realizar proyecciones más ajustadas al comportamiento real de los datos [sin te

co para el LN del PIB sin tendencia ni estacionalidad

 siguientes a) pulsamos "vista de iconos de sesión" en la parte inferior derecha de Gretl; pulsamos "conjunto de dat
eno (icono del chulo). Entonces, vamos a "modelo"; "univariate times series"; "ARIMA"; seleccionamos el logarítmo n

ener el menor "criterio de Akaike" para ser seleccionado como el definitivo

AR I MA
1 1 1
1 0 0
-348.4544
or modelo será escogido con
glo a la significancia de los
os, así como al menor criterio
aike posible (cuanto más
negativo mejor)

observada"; "series de tiempo"; "contra el tiempo"; donde se compara la variable estimada y observada según el mo
o de confianza usando "área sombreada"; "aceptar" con un intervalo de confianza del 95%. Sólo nos haría falta halla

ecer la cifra en COP constantes del PIB esperado entre el segundo y cuarto trimestre de 2020
o un intervalo de confianza del 95% Desviación Variación del PIB
PIB Desfavorable Favorable típica Media Desfavorable Favorable
217769 215403 220161 0.011 6.13% 4.98% 7.30%
226075 222855 229341 0.014 3.81% 2.34% 5.31%
246566 242560 250638 0.016 9.06% 7.29% 10.86%

antes durante los últimos tres

a se hubiese mantenido el país
% durante el III y IV trimestres
estre. Sin embargo, con motivo
a desde abril las perspectivas
orable (o límite inferior con un
racción del -1,25%, -7,16% y
ble destacar con especial
a segunda mitad del año ante
us implicaciones de política
 IV. Gráfico para el LN del PIB sin tendencia
con estacionalidad

al de los datos [sin tendencia (picos altos) ni

mos "conjunto de datos"; pulsamos "+" y "anadir
namos el logarítmo natural "lg" de la variable pasajeros.

servada según el modelo.

o nos haría falta hallar el exponencial del logarítmo
Modelo con datos panel (combinación de sección cruzada y serie temporal) aplicado al mercado la
Permite con pocos datos obtener una serie para el manejo econométrico
Tasa de
Tasa de Tasa de
Municipio Año inactividad
desempleo (TD) ocupación (TO)
(TI)
2019 16 53 37
2018 16 55 35
2017 14 55 36
2016 15 54 37
2015 15 54 36
2014 15 55 36
Armenia
2013 15 53 38
2012 15 54 36
2011 17 51 38
2010 18 50 40
2009 18 47 43
2008 16 49 42
2019 12 52 41
2018 11 53 41
2017 11 54 39
2016 10 54 40
2015 10 56 39
Manizales y 2014 10 54 40
Villamaría 2013 12 54 40
2012 12 52 41
2011 13 51 41
2010 16 49 42
2009 15 49 42
2008 15 47 45
2019 9 57 38
2018 9 59 35
2017 9 60 34
2016 11 58 34
2015 11 57 35
AMCO (Pereira, 2014 14 55 37
Dosquebradas, y
La Virginia) 2013 14 52 39
2012 16 55 35
2011 17 55 34
2010 21 51 36
2009 20 50 37
2008 14 51 41
1. Seleccionar en Gretl: "Datos panel" / "Series temporales apiladas" / "Número de unidades de sección cr
caso / "Número de períodos temporales" correspondiente a 12 años de 2008 a 2019 / "aplicar".
2. Luego, "Añadir" / "Logarítmos de las variables seleccionadas" y graficar pulsando en "Ver" / Gráficos m
3. Así, formulamos la regresión con datos panel aplicada a las 3 capitales del Eje Cafetero pulsando en "M
"Efectos fijos" / definir la variable(s) dependiente(s) (TD en este caso) y variable(s) independiente(s) (TO y

4. Entonces, plantear un modelo de series temporales por capital a fin de verificar un coeficiente de determ
(p<0,05) más alto en el modelo con datos panel respecto a las tres series de tiempo individuales:
Serie temporal 2: Manizales y Villa
Serie temporal 1: Armenia
María
Resultados estadísticos de interés comparados entre datos panel y series temporales
Coeficiente de Nivel de
Modelo Región determinación significancia
(R^2) estadística
Capitales
Datos panel del Eje 0.9816 99%
Cafetero
Armenia 0.9760 99%
Manizales
Series
y Villa 0.9906 99%
temporales
María
AMCO 0.9817 99%
 aplicado al mercado laboral del Eje Cafetero

de unidades de sección cruzada" equivalente a 3 capitales en este

019 / "aplicar".
ndo en "Ver" / Gráficos múltiples" / "Series temporales":
e Cafetero pulsando en "Modelo" / "Panel" / "Efectos fijos o efectos aleatorios" / seleccionar
s) independiente(s) (TO y TI en el ejemplo)

r un coeficiente de determinación (R^2) y nivel de significancia estadística

mpo individuales:
al 2: Manizales y Villa Serie temporal 3: Pereira,
María Dosquebradas y La Virginia