Ajustement saisonnier
Qu'est-ce que la désaisonnalisation ?
fluctuations périodiques des statistiques ou les mouvements de l'offre et de la demande liés aux changements de saisons. Elle peut donc éliminer les composantes saisonnières trompeuses d'une série chronologique économique. La désaisonnalisation est une méthode de lissage des données utilisée pour prédire la performance économique ou les ventes d'une entreprise pour une période donnée.
Les ajustements saisonniers fournissent une vision plus claire des tendances non saisonnières et des données cycliques qui seraient autrement éclipsées par les différences saisonnières. Cet ajustement permet aux économistes et aux statisticiens de mieux comprendre les tendances de base sous-jacentes dans une série chronologique donnée.
Ajustement saisonnier expliqué
La saisonnalité est une caractéristique d'une série chronologique dans laquelle les données subissent des changements réguliers et prévisibles qui se reproduisent chaque année civile. Toute fluctuation ou tendance prévisible qui se reproduit ou se répète sur une période d'un an est dite saisonnière.
Les ajustements saisonniers visent à lisser les aberrations de certains types d'activités financières. Par exemple, le Bureau of Labor Statistics (BLS) des États-Unis utilise la désaisonnalisation pour obtenir un portrait plus précis des niveaux d'emploi et de chômage aux États-Unis. Pour ce faire, ils suppriment l'influence des événements saisonniers, tels que les vacances, les événements météorologiques, les horaires scolaires et même la période des récoltes. Ces ajustements sont des estimations basées sur l'activité saisonnière des années précédentes.
Les événements saisonniers sont relativement temporaires, généralement d'une durée connue, et ils ont tendance à suivre un schéma généralement prévisible chaque année, à la même période de l'année. Par conséquent, les ajustements saisonniers peuvent supprimer leur influence sur les tendances statistiques. Les ajustements permettent aux statisticiens d'observer plus facilement les tendances et les cycles non saisonniers et sous-jacents et d'obtenir une vue précise et utile du marché du travail et des habitudes d'achat.
Ajustement des données pour la saisonnalité
L'ajustement des données pour la saisonnalité égalise les fluctuations périodiques des statistiques ou les mouvements de l'offre et de la demande liés aux changements de saisons. Les variations saisonnières des données peuvent être supprimées à l'aide d'un outil appelé taux annuel désaisonnalisé (SAAR). Les analystes commencent par une année complète de données, puis trouvent le nombre moyen pour chaque mois ou trimestre. Le rapport entre le nombre réel et la moyenne détermine le facteur saisonnier pour cette période. Pour calculer le SAAR, l'estimation mensuelle non ajustée est divisée par son facteur de saisonnalité, puis multipliée par 12 ou par 4 si des données trimestrielles sont utilisées au lieu de données mensuelles.
Par exemple, les maisons ont tendance à se vendre plus rapidement et à des prix plus élevés en été qu'en hiver. Par conséquent, si vous comparez les prix des ventes immobilières d'été aux prix médians de l'année précédente, vous pouvez avoir la fausse impression que les prix augmentent. Cependant, si vous ajustez les données initiales en fonction de la saison, vous pouvez voir si les valeurs augmentent réellement ou augmentent momentanément par temps chaud.
Les effets saisonniers sont différents des effets cycliques. Les cycles saisonniers sont observés au cours d'une année civile, tandis que les effets cycliques, tels que l'augmentation des ventes due à de faibles taux de chômage, peuvent s'étendre sur des périodes plus courtes ou plus longues qu'une année civile.
Les ajustements saisonniers exposent les tendances sous-jacentes
Les mouvements saisonniers peuvent être importants, à tel point qu'ils peuvent souvent masquer d'autres caractéristiques et tendances dans les données. Si des ajustements saisonniers ne sont pas effectués, les analyses des données ne peuvent pas donner de résultats précis. Si chaque période d'une série chronologique (par exemple, chaque mois de l'année fiscale) a une tendance différente vers des valeurs saisonnières faibles ou élevées, il peut être difficile de détecter la véritable direction des tendances sous-jacentes de la série chronologique. Les difficultés comprennent les augmentations ou les diminutions de l'activité économique, les points de retournement et d'autres indicateurs économiques.
La saisonnalité affecte également certaines industries - appelées industries saisonnières - qui gagnent généralement la majeure partie de leur argent pendant de petites parties prévisibles de l'année civile. Les entreprises qui s'appuient sur une ruée particulière des ventes de vacances, par exemple, sembleront avoir des revenus anormaux par rapport aux entreprises non saisonnières.
Comment l'indice des prix à la consommation (IPC) utilise la désaisonnalisation
L' indice des prix à la consommation (IPC) utilise le logiciel d'ajustement saisonnier X-13ARIMA-SEATS pour effectuer des ajustements saisonniers des données de tarification qui sont réputées soumises à des ajustements saisonniers tels que les carburants, les aliments et les boissons, les véhicules et certains services publics.
Les économistes de l'IPC réévaluent chaque année le statut saisonnier de chaque série de données. Pour ce faire, ils calculent de nouveaux facteurs saisonniers chaque mois de janvier et les appliquent aux cinq dernières années de données d'indice. Les indices qui remontent à plus de cinq ans sont considérés comme définitifs et ne sont plus révisés. Le BLS réévalue si chaque série doit rester désaisonnalisée ou non, sur la base de critères statistiques spécifiques. L'ajustement saisonnier de l'analyse d'intervention est utilisé lorsqu'un seul événement non saisonnier influence les données désaisonnalisées.
Lorsque la récession mondiale de 2008 a affecté les prix du carburant, par exemple, la désaisonnalisation de l'analyse d'intervention a été utilisée pour compenser ses effets sur le prix du carburant cette année-là. À l'aide de ces méthodes, l'IPC peut formuler des indices de prix plus précis pour les composantes et les indices qui ne sont pas assujettis à la désaisonnalisation.
Exemple réel d'un ajustement saisonnier
A titre d'exemple, disons que les ventes de chaussures de course achetées en été dépassent le montant acheté en hiver. Cette augmentation est due au facteur saisonnier selon lequel plus de personnes courent ou participent à d'autres activités de plein air nécessitant des chaussures similaires en été.
Le pic saisonnier des ventes de chaussures de course peut masquer les tendances générales des ventes de chaussures de sport sur l'ensemble de la série temporelle. Une désaisonnalisation est donc effectuée pour obtenir une image claire de la tendance générale des ventes de chaussures de course.
Points forts
Ces ajustements fournissent une vision plus claire des tendances nettes et des changements non saisonniers dans les données.
Les estimations saisonnières sont basées sur les tailles d'effet de l'événement fixe des années précédentes.
Les ajustements saisonniers sont une méthode statistique pour lisser les aberrations dans les séries chronologiques de certains types d'activité économique qui se produisent sur une base régulière ou cyclique.
