Pronóstico de los ingresos tributarios recaudados por Sunat del departamento de Piura, utilizando el modelo Arima y Winters

Abstract

El modelo Arima y el modelo de suavización exponencial aditivo de Winters son metodologías que emplean variedad y repeticiones con la finalidad de lograr estándares que permitan realizar pronósticos a largos plazos. Estos modelos son muy eficaces, en la estimación de pronósticos con información histórica de una serie de tiempo. Este estudio tiene como objetivo fundamental elaborar y obtener el mejor pronóstico de las entradas económicas percibidas por la SUNAT del departamento de Piura, para los trimestres de los años 2019-2021, mediante los modelos Arima y Winters. En la metodología se empleó un enfoque cuantitativo y el estudio es de tipo aplicada, con un diseño no experimental, predictivo-longitudinal, la muestra en estudio está constituida por la información de los ingresos tributarios recaudados por SUNAT en el departamento de Piura, durante los trimestres de los años 1994-2018. La determinación del modelo Arima y suavizamiento exponencial aditivo de Winters se hizo con ayuda del programa SPSS versión 25 y Eviews versión 10, los cuales se utilizaron para el procesamiento de los datos. A la serie original se hizo una transformación usando logaritmo natural, así mismo se estableció la primera diferencia de la serie transformada a logaritmo natural, y mediante la prueba de Dickey Fuller, se determinó la estacionalidad, esta transformación se realizó para observar que los datos experimentan variaciones regulares y predecibles y se repiten cada período. Por ejemplo, la estacionalidad puede ocurrir cada año, cada trimestre o cada lunes. Además, se ha obtenido como resultado que el modelo suavizamiento exponencial aditivo de Winters con un RMSE de 27.027 es más eficiente que el modelo Arima (0,1,1) (1,0,1)4 que muestra un RMSE de 28.119 en las predicciones de las entradas económicas percibidas (ITR) por la SUNAT del departamento de Piura, por obtener menor raíz del error cuadrático medio.