Desestacionalización

1 · Para qué

Para poder comparar meses consecutivos. Sin desestacionalizar, la caída de enero a junio no dice nada: siempre pasa.

2 · El método clásico, paso a paso

1. Calcular la media móvil centrada de 12 meses: es la tendencia-ciclo.

2. Obtener el cociente entre la serie y la media móvil: eso deja la estacionalidad más lo irregular.

$$\frac{Y_t}{MM_t} = S_t \times I_t$$

3. Promediar —o mejor, tomar la mediana, que es robusta— esos cocientes por mes: así se cancela lo irregular y queda el índice estacional.

4. Normalizar para que los doce índices promedien 1.

5. Dividir la serie original por el índice de su mes:

$$Y_t^{\text{desest}} = \frac{Y_t}{S_m}$$

3 · El ejemplo

Mes	Índice estacional
Enero	1,596
Febrero	1,365
Marzo	1,023
Junio	0,654
Julio	1,112

Un enero con 6.000.000 de pernoctaciones equivale, desestacionalizado, a $6.000.000 / 1{,}596 = 3.759.398$: eso es lo que se compara con otros meses.

4 · Los métodos oficiales

Método	Origen
X-13ARIMA-SEATS	Census Bureau de EE.UU.; el estándar mundial
TRAMO-SEATS	Banco de España
STL	robusto, admite estacionalidad cambiante
Clásico de medias móviles	el que se enseña; poco usado en producción

Los métodos oficiales hacen mucho más que el clásico: corrigen por días hábiles, detectan y ajustan atípicos, tratan los feriados móviles como Semana Santa, y extienden la serie con un modelo ARIMA para poder estimar los extremos.

5 · Por qué se revisan los datos

Por eso un dato desestacionalizado de hace tres meses puede no coincidir con el que se publicó entonces, y por eso conviene citar la fecha de la publicación además del período.

6 · Qué no hacer con una serie desestacionalizada

No sumarla para obtener totales anuales. El total anual de la serie desestacionalizada no coincide exactamente con el original.

No calcular variaciones interanuales sobre ella. La interanual ya elimina la estacionalidad: hacer las dos cosas es corregir dos veces.

No usarla para planificar operaciones. Un hotel necesita saber que en enero va a tener 60 % más de gente, no el dato ajustado.

7 · Errores frecuentes

• Comparar meses consecutivos de la serie original.
• Calcular variaciones interanuales sobre la serie desestacionalizada.
• Sumar la serie ajustada para obtener anuales.
• Desestacionalizar series muy cortas. Hacen falta al menos 3 o 4 años.
• Ignorar la corrección por días hábiles.
• Sorprenderse por las revisiones.
• Desestacionalizar a través de una ruptura estructural.

8 · En el software

# R
s <- ts(valores, start = c(2007, 1), frequency = 12)

# Clásico
d <- decompose(s, type = "multiplicative")
desest <- s / d$figure[cycle(s)]

# STL, más robusto
library(forecast)
seasadj(stl(s, s.window = "periodic"))

# X-13, el estándar oficial
library(seasonal)
final(seas(s))

# Python
from statsmodels.tsa.seasonal import STL
res = STL(s, period=12).fit()
desest = s - res.seasonal          # aditivo

@misc{estadistica_ar_desestacionalizacion,
  author       = {Montivero, Jorge Luis},
  title        = {{Desestacionalización}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/desestacionalizacion}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-09-19}
}