داده های تنظیم فصلی

چگونه داده های تنظیم فصلی به محققان کمک می کند تا تجزیه و تحلیل اقتصادی را انجام دهند. چه روش تعدیل فصلی توسط اکثر اقتصاددانان ارجح است.

مشکل اقتصادی

بسیاری از سری داده های اقتصادی حرکات فصلی قوی را نشان می دهند

اقتصاددانان و افراد بازرگانی بسیاری از مجموعه های داده را مطالعه می کنند تا به ایده ای در مورد اینکه اقتصاد به کجا می رود کمک کنند. آنها به تعداد کار ، مجوزهای جدید در خانه ، فروش خانه و فروش خرده فروشی نگاه می کنند تا چند مورد را ذکر کنند. بازرسی این داده ها در یک مقطع زمانی همیشه یک داستان کامل را بیان نمی کند. مطالعه آنها به مرور زمان نشان می دهد که صنعت یا حوزه خاصی از اقتصاد تا چه اندازه در رشد اقتصادی کمک می کند یا از آن جلوگیری می کند.

یکی از مشکلات تفسیر داده ها به مرور زمان این است که بسیاری از سری داده ها حرکات خود را نشان می دهند که هر ساله در همان ماه یا سه ماهه عود می کنند. به عنوان مثال ، مجوزهای مسکن هر بهار با بهبود هوا افزایش می یابد ، در حالی که فروش اسباب بازی ها معمولاً در ماه دسامبر به اوج خود می رسد. این پویا باعث می شود اقتصاددانان تفسیر روند اساسی در برخی از سری داده ها را دشوار کنند. به عنوان مثال ، آیا فروش در ماه دسامبر بهتر بود یا این فقط مسابقه معمول تعطیلات بود؟اقتصاددانان می خواهند بدانند که آیا فروش بهتر از افزایش عادی فصلی است یا خیر. برای درک آنچه که داده ها در مورد رشد اقتصادی چه می گویند ، آمارشناسان و اقتصاددانان چنین نوسانات قابل پیش بینی یا فصلی را از داده ها حذف می کنند.

نمودار 1 فصلی را در داده ها نشان می دهد. نمودار داده های اشتغال خام (یعنی تنظیم فصلی) را برای تگزاس ترسیم می کند.(از آنجا که این یکی از سریال های گسترده تر برای اقتصاد تگزاس است ، از داده های اشتغال تگزاس به عنوان نمونه در باقیمانده این مقاله استفاده می شود.) همانطور که نمودار نشان می دهد ، سری داده ها الگوهای نوسانات متمایز را نشان می دهد - یک الگوی آشکار وجود دارد. سنبله نزولی تیز هر ژانویه به عنوان استخدام موقت تعطیل متوقف می شود. یکی دیگر از سنبله های نزولی در ماه ژوئیه از پایان سال تحصیلی نتیجه می گیرد زیرا بیشتر معلمان یک استراحت تابستانی را می گیرند. به دلیل تغییرات فصلی ماه به ماه در داده ها ، جداسازی روند واقعی در اشتغال ماهانه دشوار است.

مقایسه داده ها سالانه در اطراف مشکل فصلی قرار می گیرد ، اما با اشکالاتی

یکی از راه های تحلیلگران از مشکل نوسانات فصلی ، مقایسه داده های ماهانه یا سه ماهه به صورت سال گذشته است. به عبارت دیگر ، نقطه داده ماه جاری با نقطه داده از همان ماه در سال قبل مقایسه می شود. سپس نرخ رشد (یا تغییر درصد) محاسبه می شود تا یک معیار مقایسه ای برای افزایش سریع یا سقوط سریع یا سقوط در دوره 12 ماهه محاسبه شود. همانطور که در نمودار 2 نشان داده شده است ، این روش نوسانات را کاهش می دهد و می تواند یک روند در داده ها را نشان دهد. با این حال ، استفاده از روش سال گذشته اشکالاتی دارد. این به شدت به داده هایی که 12 ماهه برای محاسبات است متکی است. مقایسه از ماه به ماه به اقتصاددانان کمک می کند تا به زودی پس از وقوع ، تغییرات قابل توجهی در چرخه تجارت را تعیین کنند. بنابراین ، یک روش تنظیم فصلی پیچیده تر خواسته شده است.

راه حل فنی

روش X12 عوامل فصلی را جدا کرده و از بین می برد

بیشتر آمارشناسان ، اقتصاددانان و سازمان های دولتی که داده ها را گزارش می دهند از روشی به نام روش X12 برای تنظیم داده ها برای الگوهای فصلی استفاده می کنند. روش X12 و سلف آن X11 ، که هنوز هم به طور گسترده مورد استفاده قرار می گیرد ، توسط دفتر سرشماری ایالات متحده تهیه شده است.[1] هنگامی که در یک سری داده اعمال می شود ، فرآیند X12 ابتدا اثرات خود را در همان ماه هر سال با بزرگی و جهت مشابه تخمین می زند. این تخمین ها اجزای "فصلی" سری داده ها هستند. علاوه بر این ، این روش اجزای "چرخه روند" و "نامنظم" را تخمین می زند. مؤلفه چرخه روند گرایش طولانی مدت سریال برای رشد یا کاهش است و به دلیل روندهای اقتصادی یا سایر عوامل چرخه ای طولانی مدت می تواند نوسان کند. مؤلفه نامنظم از آب و هوای غیر منطقی ، بلایای طبیعی ، اعتصاب یا خطای نمونه برداری ناشی می شود. هدف از روش تنظیم فصلی جدا کردن مؤلفه فصلی و ترک قطعات چرخه و اجزای نامنظم است.

دفتر سرشماری برنامه های رایانه ای X12 و X11 را بصورت رایگان ارائه می دهد. علاوه بر این ، این برنامه ها در اکثر نرم افزارهای آماری گنجانده شده اند. [2]

بسیاری از سری داده های ملی قبل از انتشار ، از قبل فصلی تنظیم شده اند. به عنوان مثال ، داده هایی مانند مجوزهای ساختمان ایالات متحده ، شروع مسکن ، فروش خرده فروشی ، تولید ناخالص داخلی (تولید ناخالص داخلی) ، شاخص قیمت تولید کننده (PPI) و شاخص قیمت مصرف کننده (CPI) به صورت فصلی تنظیم شده منتشر می شوند و تجزیه و تحلیل داده ها را برای اقتصاددانان ساده می کنندو تحلیلگران تجارت که اقتصاد ملی را پیگیری می کنند. برخی از سری داده های منطقه ای به صورت فصلی تنظیم نشده منتشر نمی شوند ، با این حال ، و باید قبل از استفاده از آنها در تجزیه و تحلیل اقتصادی تنظیم شود.

مثال در دنیای واقعی

داده های تنظیم شده فصلی روند اقتصادی را نشان می دهد

حال بیایید به یک مثال در دنیای واقعی نگاه کنیم تا اثر تنظیم فصلی را در یک سری داده مشاهده کنیم. نمودارهای نمودار 3 هر دو داده اشتغال فصلی تگزاس و سری تنظیم شده فصلی موجود از فدرال دالاس را ندارند. همانطور که در نمودار نشان داده شده است ، سری تنظیم شده فصلی بسیار نرم تر است و روند اشتغال را نشان می دهد. این نشان می دهد که رشد شدید اشتغال تگزاس از ابتدای سال 2004 تا اواسط سال 2008 و رکود متعاقب آن در مشاغل در طول رکود اقتصادی است.

داده های تنظیم شده فصلی به ویژه هنگام تلاش برای تعیین تغییر قابل توجه در جهت اقتصاد مفید هستند. همانطور که نمودار 3 نشان می دهد ، سریال تنظیم شده فصلی نقطه عطف را نشان می دهد - ماه زمانی که مشاغل در جریان جدیدترین رکود اقتصادی شروع به سقوط کردند. با استفاده از داده های غیر قابل تنظیم ، تقریباً غیرممکن است که بگوییم چه موقع کاهش رخ داده است. به همین ترتیب ، با نگاهی به روش سال گذشته در نمودار 2 ، داده ها نشان می دهد که کاهش اشتغال در تگزاس در ژانویه 2009 آغاز شده است. با این حال ، اگر از داده های تنظیم شده فصلی استفاده کنیم و تغییرات سالانه سالانه را از ماه به ماه محاسبه کنیم ، می توانیمببینید که این کاهش در واقع کمی زودتر آغاز شد. همانطور که نمودار 4 نشان می دهد ، اشتغال در سپتامبر 2008 کاهش یافته است ، در اکتبر 2008 به میزان متوسط افزایش یافته و سپس روند نزولی گسترده ای را در نوامبر 2008 آغاز کرد. این مثال نشان دهنده اهمیت مقایسه ماه به ماه داده های تنظیم شده فصلی است. برای اکثر اهداف ، به روش سال گذشته ترجیح داده می شود زیرا دید دقیق تر و به موقع از فعالیت اقتصادی ارائه می دهد.

خلاصه

بسیاری از انواع داده ها الگوهای فصلی متمایز را نشان می دهند ، که ممکن است شناسایی روند اساسی در شاخص های مهم اقتصادی یا نتیجه گیری های قابل اعتماد در مورد وضعیت فعلی اقتصاد را دشوار کند. از این رو ، تحلیلگران از روش X11 یا X12 برای جدا کردن اجزای فصلی استفاده می کنند. این فرآیند تنظیم فصلی سری داده ها را صاف می کند و مشخص می کند که اقتصاد به کجا می رود.

1. روش X12 یک نسخه پیشرفته از روش X11 است. پیشرفت ها شامل یک رابط کاربری متنوع تر و ابزارهای جدید است که به غلبه بر مشکلات مدل سازی کمک می کند و از این طریق دامنه سری داده های اقتصادی را که می توانند به اندازه کافی فصلی تنظیم شوند ، افزایش می دهد. در بسیاری از موارد ، پیشرفت ها لازم نیست و از روش X11 استفاده می شود. برای کسب اطلاعات بیشتر در مورد روش X12 یا X11 ، به کتابچه راهنمای نرم افزار آماری مراجعه کنید یا به دفتر سرشماری ایالات متحده مراجعه کنید.

واژه نامه در یک نگاه

مؤلفه نامنظم: مؤلفه یک سری داده که از آب و هوای غیر منطقی ، بلایای طبیعی ، اعتصاب یا خطای نمونه برداری ناشی می شود. NSA: تنظیم فصلی نیست.

واژه نامه در یک نگاه

مؤلفه نامنظم: مؤلفه یک سری داده که از آب و هوای غیر منطقی ، بلایای طبیعی ، اعتصاب یا خطای نمونه برداری ناشی می شود. NSA: تنظیم فصلی نیست.