Efecto calendario en la actividad económica

Qué es

El efecto calendario es la parte de la variación de una serie económica mensual o trimestral que se explica por cómo está compuesto el calendario de ese período y no por un cambio real en la marcha de la economía. Tres cosas lo generan: la cantidad de días hábiles (un marzo puede traer 22 y otro 21), la composición por día de semana (dos lunes más y un sábado menos no es lo mismo aunque el total de días coincida), y las fiestas móviles, que en el hemisferio sur mueven Semana Santa entre marzo y abril y en un año bisiesto agregan un 29 de febrero.

Conviene separarlo de la estacionalidad propiamente tal, con la que suele confundirse. La estacionalidad es un patrón que se repite con periodicidad fija —diciembre siempre vende más— y por eso se puede modelar con un factor por mes. El efecto calendario, en cambio, cambia de año en año dentro del mismo mes: el marzo de un año tiene una configuración de días distinta a la del siguiente. Cleveland y Devlin (1980) mostraron que esa componente aparece como picos identificables en el espectro de la serie, distintos de las frecuencias estacionales, y que ignorarla contamina el ajuste estacional. Bell y Hillmer (1983) formalizaron el tratamiento estándar que se usa hasta hoy: se estima un modelo regARIMA donde la serie se explica por regresores de días de la semana —un coeficiente por día, sujeto a que sumen cero— más variables para las fiestas móviles, y recién sobre el residuo se aplica la descomposición estacional. Ese procedimiento está implementado en X-13ARIMA-SEATS del Census Bureau (Findley et al., 1998) y en TRAMO/SEATS del Banco de España (Gómez y Maravall, 1996), que son los dos motores con que trabajan casi todos los institutos de estadística del mundo, el Banco Central de Chile incluido.

El punto no obvio es que esos coeficientes por día tienen doble uso. Para quien construye la serie son una molestia: parámetros que hay que estimar para poder botarlos y quedarse con la señal limpia. Pero para quien discute política pública son exactamente lo que se necesita saber: el coeficiente del lunes es la estimación de cuánto produce un lunes promedio de más que el promedio de los días. Depurar la serie y costear un feriado nuevo son la misma regresión leída en direcciones opuestas.

Y la magnitud sorprende por lo chica. La aritmética ingenua diría que si un mes tiene 22 días hábiles, perder uno cuesta 4,5% del producto mensual. La estimación empírica es un orden de magnitud menor, por tres razones acumuladas: una fracción grande del PIB simplemente no se detiene (servicios de vivienda imputados, agricultura, procesos industriales continuos, electricidad), otra parte se sustituye en vez de perderse —comercio, restaurantes, turismo y transporte suelen ganar en feriado—, y algo de la producción no realizada se recupera en los días vecinos. Lo que mide un coeficiente de efecto calendario es el neto, no el bruto.

Cómo lo explicó el programa

El 12 de agosto de 2026, en Buenos Días Mercado, el tema fue el costo económico de un feriado adicional, a propósito de la propuesta de declarar feriado el 17 de septiembre. Pepe Arias resumió el hallazgo de un informe universitario que depura el IMACEC por efecto calendario: "un feriado reduce el crecimiento mensual del IMACEC entre 0,18 y 0,54 puntos porcentuales dependiendo del día en que caiga", equivalente a entre US$50 y US$152 millones.

Lo interesante del dato es el rango, no el promedio: el mismo feriado cuesta tres veces más o tres veces menos según el día. El lunes es el más caro y el sábado el más barato —un sábado ya opera a capacidad parcial, así que declararlo feriado cambia poco—, y el jueves aparece cerca del máximo por una razón que no es contable sino conductual: arrastra el viernes como puente, de modo que un feriado en jueves compra en la práctica casi dos días. Ese detalle le dio a la discusión un argumento técnico en vez de una intuición: si el costo depende del día, la pregunta deja de ser "¿feriado sí o no?" y pasa a ser "¿en qué día conviene ponerlo?".

Relación con otros conceptos

El efecto calendario es un caso particular del problema más general de desestacionalización de series de tiempo, y en Chile se aplica sobre el IMACEC, el indicador mensual que aproxima la trayectoria del PIB. Toda lectura de "crecimiento mes contra mes" descansa en que la corrección esté bien hecha; sin ella, la volatilidad del calendario se confunde con aceleraciones y frenadas del ciclo, y puede llevar a leer un punto de inflexión donde solo hubo un feriado en martes.

Del lado real, el fenómeno se conecta con la productividad laboral —el debate sobre feriados es, en el fondo, sobre cuánto producto genera una hora trabajada y cuánto se pierde al restarla—, con la sustitución intertemporal del consumo y del ocio, que explica por qué el efecto neto es mucho menor que el bruto, y con la distinción entre shock transitorio y crecimiento tendencial: un feriado mueve el nivel de un mes, no la capacidad productiva de la economía, así que no debiera afectar el PIB potencial. Por eso mismo, es un factor que un banco central mira para interpretar un dato puntual, no para ajustar la tasa de política monetaria.

Fuentes y lecturas

• Cleveland, W. S. y Devlin, S. J. (1980), Calendar Effects in Monthly Time Series: Detection by Spectrum Analysis and Graphical Methods, Journal of the American Statistical Association 75(371).
• Bell, W. R. y Hillmer, S. C. (1983), Modeling Time Series with Calendar Variation, Journal of the American Statistical Association 78(383).
• Findley, D. F., Monsell, B. C., Bell, W. R., Otto, M. C. y Chen, B.-C. (1998), New Capabilities and Methods of the X-12-ARIMA Seasonal-Adjustment Program, Journal of Business & Economic Statistics 16(2).
• Gómez, V. y Maravall, A. (1996), Programs TRAMO and SEATS: Instructions for the User, Documento de Trabajo 9628, Banco de España.
• Eurostat (2015), ESS Guidelines on Seasonal Adjustment, Publications Office of the European Union.