¿Cómo evoluciona un valor a lo largo del tiempo? (serie temporal)

En resumen

Quieres saber cómo se comporta un valor a lo largo del tiempo, por ejemplo las matrículas por mes durante diez años. Statable muestra la evolución, una media móvil y una recta de tendencia con un intervalo, comprueba si los valores sucesivos dependen unos de otros (autocorrelación) y, si la serie es lo bastante larga, separa tendencia, estacionalidad y resto. La tendencia describe la serie en el período observado; no dice que vaya a continuar así. Statable calcula un pronóstico (ARIMA, selección automática, suavizado) solo si lo pides, con una lista de comprobación.

Así se ve la tabla

Una fila por fecha. Necesitas la columna con el valor (un número) y la columna con la fecha (una fecha como 2024-03-01). Statable reconoce por los intervalos si la serie es mensual, trimestral, anual, semanal o diaria; puedes cambiarlo. Sin fecha vale el orden de las filas; entonces hay que indicar el período (12 para meses, 4 para trimestres, 7 para días de la semana, 1 para ninguna estacionalidad).

Si faltan momentos sueltos, quedan como lagunas: Statable no rellena nada. La tendencia se calcula en la posición real, la autocorrelación, con hasta un 10 % de lagunas, como aproximación; la descomposición necesita datos sin lagunas durante al menos dos períodos completos.

Cómo leer el resultado

• La tendencia indica en cuánto sube o baja el valor de media por paso de tiempo, con un intervalo del 95 %. Si los valores sucesivos dependen unos de otros, el intervalo ordinario es demasiado estrecho. Statable muestra entonces también un intervalo con un tamaño de muestra efectivo: la serie cuenta como menos valores independientes.
• El correlograma muestra la autocorrelación por retardo. Las barras fuera de las líneas (±1,96/√n) destacan; con muchos retardos cabe esperar alguna por puro azar. La prueba de Ljung-Box comprueba todas a la vez. Durbin-Watson (cerca de 2: sin autocorrelación) es solo un recordatorio y aquí no tiene p.
• La descomposición clásica separa tendencia, estacionalidad y resto. La aditiva (estacionalidad como desviación) encaja si la fluctuación mantiene el mismo tamaño; la multiplicativa (estacionalidad como factor) si crece con el nivel. Statable sugiere una, la persona elige.
• La descomposición aditiva es igual que en SPSS. En la multiplicativa, los factores estacionales difieren hasta un 0,4 % (método distinto). SPSS suaviza la tendencia hasta los bordes; en Statable falta durante medio periodo al principio y al final (como en R decompose).

Requisitos y límites

• Una tendencia en una serie con fuerte autocorrelación puede deberse al azar (tendencia espuria). La afirmación «la tendencia difiere de cero» es entonces menos segura de lo que parece el número.
• Al menos 10 valores, mejor más de 20. Un valor por fecha; el asistente de datos «Agregar» reúne varios valores. Los intervalos desiguales (por ejemplo, días de cotización) permiten la evolución y la tendencia, pero no la autocorrelación ni la descomposición.
• No incluido: las diferencias como columnas propias (lo hace el asistente «Desplazar y suavizar»), las pruebas de estacionariedad, las rupturas estructurales, varias series. Los efectos de calendario, como los años bisiestos o el número de días laborables, no se corrigen.

Informar del resultado

Tendencia: b = 0,25 por mes, IC del 95 % [0,19; 0,31] (tamaño de muestra efectivo 22,7 en lugar de 120); R² = ,75; Ljung-Box Q(24) = 410,1, p < ,001

Para especialistas

Código propio, comprobado con R 4.6 (stats: lm, acf, filter, decompose, Box.test; lmtest::dwtest). Tendencia con t(n − 2); con lagunas en la posición real (juntándolas, la pendiente sería incorrecta). Autocorrelación como en stats::acf (na.pass para las lagunas), límites ±1,96/√n. Ljung-Box con h = min(10, ⌊n/5⌋) o, con estacionalidad, min(2·período, ⌊n/5⌋). Tamaño de muestra efectivo según Santer et al. (2000): n·(1 − r₁)/(1 + r₁), al menos 3, solo para r₁ > 0; intervalo con t(nEff − 2). Descomposición como en stats::decompose.

Ejemplos típicos

• Inscripciones a un curso por mes durante diez años: tendencia y patrón semestral.
• Mediciones semanales de un resultado de aprendizaje: ¿aumenta a lo largo del curso?