Series temporales
I.Descomoposición de series temporales
Estimación del modelo
library(readxl)
library(forecast)
library(readxl)
serie.ivae<- read_excel("C:/Users/DELL i5/Desktop/Pablo/Ciclo I 2023/Pablo José Flores Parra - IMAE_SLV.xlsx", col_types = c("skip", "numeric"),
skip = 5)
serie.ivae.ts <- ts(data = serie.ivae,
start = c(2018, 1),
frequency = 12)
serie.ivae.ts %>%
autoplot(main = "IVAE, El Salvador 2018-2023[marzo]",
xlab = "Años/Meses",
ylab = "Indice")
II. Modelo Aditivo
Componente de Tendencia Tt
ma_12 <- ma(serie.ivae.ts, 12, centre = TRUE)
autoplot(serie.ivae.ts,main = "IVAE, El Salvador
2018-2023[marzo]",
xlab = "Años/Meses",
ylab = "Indice")+
autolayer(ma_12,series = "Tt")
Cálculo de los Factores Estacionales
library(magrittr)
library(tsibble)
Yt <- serie.ivae.ts
Tt <- ma_12
SI <- Yt - Tt
St <- tapply(SI, cycle(SI), mean, na.rm = TRUE)
St <- St - sum(St) / 12
St <-rep(St, len = length(Yt)) %>% ts(start = c(2018, 1), frequency = 12)
autoplot(St,main = "Factores Estacionales",xlab = "Años/Meses",ylab = "Factor Estacional") 
Cálculo del Componente Irregular
Descomposición Multiplicativa (usando la libreria stats)
descompo_multi<-decompose(serie.ivae.ts,type = "multiplicative")
autoplot(descompo_multi,main="Descomposición Multiplicativa",xlab="Años/Meses")
Descomposición Multiplicativa usando libreria feasts
library(tsibble)
library(feasts)
library(ggplot2)
Yt %>% as_tsibble() %>%
model(classical_decomposition(value, type = "multiplicative")) %>%
components() %>%
autoplot() +
labs(title = "Descomposición Clásica Multiplicativa, IVAE")+xlab("Años/Meses")