계절 조정

이 글은 검증을 위해 추가 인용문이 필요합니다. 신뢰할 수 있는 출처에 인용문을 추가하여 이 기사를 개선하는 데 도움을 주십시오. 조달되지 않은 자재는 제거될 수 있습니다.출처 : 「계절 조정」– 뉴스 · 신문 · 서적 · 학자 · JSTOR (2011년 7월) (이 템플릿 메시지 삭제 방법 및 삭제 시기 확인)

계절 조정 또는 계절 조정은 시계열의 계절 성분을 제거하기 위한 통계 방법입니다.일반적으로 계절 성분과 독립적으로 시계열의 추세 및 추세로부터의 주기적 편차를 분석하고자 할 때 수행됩니다.많은 경제현상은 농업생산과 같은 계절주기와 소비(크리스마스로 이어지는 개인소비 증가)를 가지고 있다.경제의 근본적인 추세를 이해하기 위해서는 이 요소에 대한 조정이 필요하므로, 공식 통계는 종종 계절적 ^[1]요소를 제거하기 위해 조정된다.일반적으로 계절 조정된 실업률 데이터는 노동 ^[2][3]시장의 근본적인 추세와 주기를 나타내기 위해 보고된다.

시계열 성분

계절적 변동으로 인해 많은 경제 시계열의 조사가 문제가 된다.시계열은 다음 4개의 구성요소로 구성됩니다.

• ${\displaystyle S_{}}$t { $display style$ S _ { $t$ :계절 성분
• ${\displaystyle T_{}}$T { $displaystyle T$_ { $t$ :트렌드 컴포넌트
• ${\displaystyle C_{}}$t \ $displaystyle C_{t$ : 순환 컴포넌트
• ${\displaystyle {}_{}}$[ ${\displaystyle E_{}}$ t$$\ $display style$ E _ { $t$}$$]: 에러 또는 불규칙한 컴포넌트.

계절 패턴과 주기 패턴의 차이:

• 계절 패턴의 길이는 고정되고 알려진 반면 순환 패턴의 길이는 가변적이며 알 수 없습니다.
• 주기적 패턴은 데이터가 고정 기간(대개 최소 2년)이 아닌 상승 및 하강할 때 존재합니다.
• 한 주기의 평균 길이는 보통 계절의 평균 길이보다 길다.
• 순환 변동의 크기는 일반적으로 계절 ^[4]변동의 크기보다 더 가변적입니다.

시계열 성분 분해 간의 관계

• 가법 분해:$displaystyle Y_{t$$T_{t}+C_{t}+E_{t$ ${\displaystyle {여기}_{}}$서 Y t$${$displaystyle Y_{t}$는 $시간{\displaystyle }$t {$displaystyle$ t$\}$의 데이터입니다.
• 곱셈 분해:${\displaystyle Y_{}}$ t ${\displaystyle {}_{}}$ ${\displaystyle {}_{}}$ ${\displaystyle t_{}{}_{}}$ T ${\displaystyle {}_{}}$ ${\displaystyle {}_{}}$ C ${\displaystyle t_{}{}_{}}$ ${\displaystyle E_{}}$ t$$\ $displaystyle Y$_ { t } =$S$_ { $t$} \ $cdot$ T _ { $t$} \ $cdot$ C _ { t } \ $cdot$E _ { t$$} 。
• 로그는 곱셈 관계를 $Y{\displaystyle {}_{}}$ ${\displaystyle t_{}}$ ${\displaystyle {}_{}}$ ${\displaystyle S_{}}$ t${\displaystyle {}_{}{}_{}}$ ${\displaystyle T_{}}$ t${\displaystyle {}_{}{}_{}}$ ${\displaystyle C_{}}$ t${\displaystyle {}_{}{}_{}}$ E ${\displaystyle t_{}\log }$ log${\displaystyle y}$ Y ${\displaystyle t_{}}$ ${\displaystyle {}_{}}$ log${\displaystyle {}_{}}$ ${\displaystyle S_{}}$t + ${\displaystyle \log {}_{}}$ ${\displaystyle C_{}}$t + ${\displaystyle \log {}_{}}$ ${\displaystyle E_{}}$ $t${ displaystyle $Y$_ { t }$= S _$ { \ $cdot$}$T$로 변환합니다.
• 가법 모형은 계절 변동의 크기가 수준에 따라 달라지지 않는 경우에 적합합니다.
• 계절 변동이 시계열의 수준에 비례하는 경우에는 승법 모형이 적합합니다.승수 분해는 경제 시리즈와 함께 더 널리 퍼져있다.

계절 조정

이 섹션은 Wikipedia의 품질 기준을 충족하기 위해 청소가 필요할 수 있습니다.구체적인 문제는 덜 간결하게 만드는 것이다; 마지막 단락의 첫 번째 숫자 6은 무엇인가? 가능하다면 이 섹션의 개선에 도움을 주세요. (2017년 3월) (이 템플릿 메시지 삭제 방법 및 삭제 시기 확인)

계절적 요소는 추세 및 순환적 요소와 달리 이론적으로 매년 같은 기간 동안 비슷한 규모로 발생합니다.시계열의 계절 성분은 때로 시계열의 해석을 방해하는 것으로 간주됩니다.계절 성분을 제거하면 다른 성분에 초점을 맞출 수 있으므로 ^[5]더 나은 분석이 가능합니다.

다른 통계 조사 단체, X-13-ARIMA과 X-12-ARIMA은 미국 인구 조사국에 의해 개발된 예를 들어;TRAMO/SEATS은 스페인 은행이 개발;[6]MoveReg(주간 데이터를)미국 노동 통계청이 개발;[7]표준 전술 항공 무기 그룹 S. 가 이끄는에 의해 개발된 계절 조정의 다른 방법들을 발전시켰다J. 고 씨Cleveland ^[8]et al.(1990)^[9]에 의해 개발된 "황토를 이용한 계절 및 추세 분해"(STL).X-12/13-ARIMA는 월별 또는 분기별 데이터에만 적용할 수 있지만 STL 분해는 계절성이 있는 데이터에 사용할 수 있습니다.또한 X-12-ARIMA와 달리 STL은 사용자가 트렌드 사이클의 부드러움 정도와 계절 성분이 시간에 따라 얼마나 변화하는지 제어할 수 있도록 한다.X-12-ARIMA는 가법 분해와 곱셈 분해 모두를 처리할 수 있는 반면 STL은 가법 분해에만 사용할 수 있습니다.STL을 이용한 곱셈 분해를 실현하기 위해 사용자는 분해 전 데이터 로그를 취득한 ^[9]후 분해 후 역변환할 수 있다.

소프트웨어

각 그룹은 각자의 방식을 지원하는 소프트웨어를 제공합니다.일부 버전은 더 큰 제품의 일부로 포함되어 있으며, 일부는 시판되고 있습니다.예를 들어, SAS에는 X-12-ARIMA가 포함되고, 옥스메트릭스에는 STAMP가 포함된다. 계절 조정 관행을 조화시키려는 공공 기관의 최근 움직임은 Eurostat와 현재 X-12-ARIMA와 TRAMO/^[10]SEATS를 모두 포함하고 있는 벨기에 국립은행에 의해 Demetra+를 개발하게 되었다.R은 STL ^[11]분해를 포함한다.X-12-ARIMA 방법은 R 패키지 "X12"^[12]를 통해 사용할 수 있습니다.EViews는 X-12, X-13, Tramo/Seats, STL 및 MoveReg를 지원합니다.

예

한 가지 잘 알려진 예는 시계열로 표현되는 실업률이다.이 비율은 특히 계절적 영향에 따라 달라지는데, 그렇기 때문에 계절적 요소의 실업률을 자유롭게 하는 것이 중요하다.이러한 계절적 영향은 학교 졸업생이나 취업 희망 중퇴자 및 휴가 기간 동안의 정기적인 변동 때문일 수 있다.계절적 영향이 이 시계열에서 제거되면, 실업률 데이터를 다른 달에 걸쳐 의미 있게 비교할 수 있고 미래에 대한 예측을 할 ^[3]수 있다.

계절 조정이 월별 데이터로 수행되지 않는 경우 계절성 오염을 방지하기 위해 전년 동기 변화를 이용한다.

간접계절조정

시계열 데이터에서 계절성이 제거되면 계절적 조정이 직접 수행된다고 합니다.계절적으로 조정된 시계열의 합계 또는 지수집계로 구성되는 경우에는 간접적으로 계절적으로 조정된 것으로 간주된다.간접 계절 조정은 여러 산업으로 구성된 GDP의 큰 구성요소에 사용되며, 계절 패턴은 다를 수 있으므로 별도로 분석 및 계절 조정된다.또한 간접 계절 조정은 집계 계열이 성분 ^[13][14][15]계열의 정확한 합이라는 장점이 있습니다.계절성은 간접적으로 조정된 영상 시리즈에 나타날 수 있습니다. 이를 잔존 계절성이라고도 합니다.

계절 조정 프로세스를 표준화하려는 움직임

서로 다른 기관의 다양한 계절 조정 관행으로 인해, Eurostat와 유럽 중앙 은행은 표준 프로세스를 촉진하기 위해 그룹을 만들었습니다.2009년 유럽연합 통계기관과 중앙은행 전문가들로 구성된 소규모 그룹이 모든 유럽연합 통계기관에서 시행되고 있는 계절적 ^[16]조정에 관한 ESS 지침을 작성했다.그것은 또한 유럽연합 이외의 다른 공공 통계 기관에 의해 자발적으로 채택되고 있다.

회귀 분석에서 계절 조정 데이터 사용

Frisch-Waugh-Lovell 정리에 따르면 한 계절을 제외한 모든 계절에 대한 더미 변수를 회귀 방정식에 도입하거나 독립 변수를 먼저 계절적으로 조정한 후(같은 더미 변수 방법으로) 회귀를 실행하는 것은 중요하지 않다.

계절 조정은 시계열 데이터에 "반전 불가능한" 이동 평균(MA) 성분을 도입하기 때문에 단위 루트 테스트(Phillips-Perron 테스트 등)는 단위 루트 ^[17]Null의 비거부 쪽으로 치우치게 됩니다.

계절 조정 데이터 사용의 단점

계절 조정 시계열에는 추세 주기 성분과 오차 성분이 모두 포함되어 있으므로 계절 조정 시계열 데이터를 사용하면 오해를 일으킬 수 있습니다.따라서 "하향" 또는 "상승"으로 보이는 것은 실제로 데이터의 랜덤성일 수 있습니다.따라서 시계열에서 전환점을 찾는 것이 목적이라면 계절 조정 ^[3]데이터보다는 추세 주기 구성요소를 사용하는 것이 좋습니다.

「 」를 참조해 주세요.

• 에르고그래프
• 통계 패키지 목록
• 계절조정연율
• 계절년

레퍼런스

추가 정보

• Enders, Walter (2010). Applied Econometric Time Series (Third ed.). New York: Wiley. pp. 97–103. ISBN 978-0-470-50539-7.
• Ghysels, Eric; Osborn, Denise R. (2001). The Econometric Analysis of Seasonal Time Series. New York: Cambridge University Press. pp. 93–120. ISBN 0-521-56588-X.
• Hylleberg, Svend (1986). Seasonality in Regression. Orlando: Academic Press. pp. 36–44. ISBN 0-12-363455-5.
• Jaditz, Ted (December 1994). "Seasonality: economic data and model estimation". BLS Monthly Labor Review. pp. 17–22.

외부 링크

• circa.europa.eu에서 Demetra+ 다운로드
• CROS 포털(www.cros-portal.eu)에서 계절 조정
• 계절 조정에 관한 ESS 가이드라인