मौसमी समायोजन

मौसमी समायोजन क्या है?

मौसमी समायोजन एक सांख्यिकीय तकनीक है जिसे बदलते मौसमों से संबंधित आपूर्ति और मांग में आंकड़ों या आंदोलनों में आवधिक उतार -चढ़ाव को समान करने के लिए डिज़ाइन किया गया है। इसलिए, यह एक आर्थिक समय श्रृंखला के भ्रामक मौसमी घटकों को समाप्त कर सकता है । मौसमी समायोजन डेटा-स्मूथिंग की एक विधि है जिसका उपयोग किसी निश्चित अवधि के लिए आर्थिक प्रदर्शन या कंपनी की बिक्री की भविष्यवाणी करने के लिए किया जाता है।

मौसमी समायोजन गैर-मौसमी प्रवृत्तियों और चक्रीय डेटा का एक स्पष्ट दृष्टिकोण प्रदान करते हैं जो अन्यथा मौसमी अंतरों से ढके होंगे। यह समायोजन अर्थशास्त्रियों और सांख्यिकीविदों को एक निश्चित समय श्रृंखला में अंतर्निहित आधार प्रवृत्तियों को बेहतर ढंग से समझने की अनुमति देता है ।

मौसमी समायोजन समझाया गया

मौसमी एक समय श्रृंखला की एक विशेषता है जिसमें डेटा नियमित और पूर्वानुमेय परिवर्तनों का अनुभव करता है जो हर कैलेंडर वर्ष में बार-बार आते हैं। कोई भी अनुमानित उतार-चढ़ाव या पैटर्न जो एक वर्ष की अवधि में पुनरावृत्ति या दोहराता है, उसे मौसमी कहा जाता है।

मौसमी समायोजन का उद्देश्य कुछ प्रकार की वित्तीय गतिविधियों में विपथन को सुगम बनाना है। उदाहरण के लिए, यूएस ब्यूरो ऑफ लेबर स्टैटिस्टिक्स (बीएलएस) संयुक्त राज्य में रोजगार और बेरोजगारी के स्तर का अधिक सटीक चित्र प्राप्त करने के लिए मौसमी समायोजन का उपयोग करता है। वे छुट्टियों, मौसम की घटनाओं, स्कूल के कार्यक्रम और यहां तक कि फसल की अवधि जैसी मौसमी घटनाओं के प्रभाव को हटाकर ऐसा करते हैं। ये समायोजन पिछले वर्षों में मौसमी गतिविधि पर आधारित अनुमान हैं।

मौसमी घटनाएं अपेक्षाकृत अस्थायी होती हैं, आमतौर पर एक ज्ञात अवधि के साथ, और वे वर्ष के एक ही समय में प्रत्येक वर्ष आम तौर पर अनुमानित पैटर्न का पालन करते हैं। परिणामस्वरूप, मौसमी समायोजन सांख्यिकीय प्रवृत्तियों पर उनके प्रभाव को हटा सकते हैं। समायोजन सांख्यिकीविदों को गैर-मौसमी और अंतर्निहित प्रवृत्तियों और चक्रों का अधिक आसानी से निरीक्षण करने और श्रम बाजार और खरीदारी की आदतों का सटीक और उपयोगी दृष्टिकोण प्राप्त करने की अनुमति देता है।

मौसमी के लिए डेटा समायोजित करना

मौसमी के लिए डेटा का समायोजन आंकड़ों में आवधिक उतार-चढ़ाव या बदलते मौसमों से संबंधित आपूर्ति और मांग में उतार-चढ़ाव को संतुलित करता है। मौसमी रूप से समायोजित वार्षिक दर (SAAR) नामक उपकरण का उपयोग करके डेटा में मौसमी बदलाव को हटाया जा सकता है । विश्लेषक पूरे साल के डेटा से शुरू करते हैं और फिर हर महीने या तिमाही के लिए औसत संख्या का पता लगाते हैं। वास्तविक संख्या और औसत के बीच का अनुपात उस समय अवधि के लिए मौसमी कारक निर्धारित करता है। SAAR की गणना करने के लिए, असमायोजित मासिक अनुमान को इसके मौसमी कारक से विभाजित किया जाता है और फिर मासिक डेटा के बजाय त्रैमासिक डेटा का उपयोग किए जाने पर 12 या 4 से गुणा किया जाता है।

उदाहरण के लिए, घर सर्दियों की तुलना में गर्मियों में अधिक तेज़ी से और अधिक कीमतों पर बिकते हैं। नतीजतन, यदि आप पिछले वर्ष की गर्मियों में अचल संपत्ति की बिक्री की कीमतों की तुलना औसत कीमतों से करते हैं, तो आपको यह गलत धारणा मिल सकती है कि कीमतें बढ़ रही हैं। हालांकि, यदि आप मौसम के आधार पर प्रारंभिक डेटा को समायोजित करते हैं, तो आप देख सकते हैं कि गर्म मौसम के दौरान मूल्य वास्तव में बढ़ रहे हैं या बस क्षण भर के लिए बढ़ रहे हैं।

मौसमी प्रभाव चक्रीय प्रभावों से भिन्न होते हैं। मौसमी चक्र एक कैलेंडर वर्ष के भीतर देखे जाते हैं, जबकि चक्रीय प्रभाव, जैसे कि कम बेरोजगारी दर के कारण बिक्री में वृद्धि, एक कैलेंडर वर्ष से कम या अधिक समय अवधि तक हो सकती है।

मौसमी समायोजन अंतर्निहित प्रवृत्तियों को उजागर करते हैं

मौसमी हलचलें इतनी अधिक हो सकती हैं कि वे अक्सर डेटा में अन्य लक्षणों और प्रवृत्तियों को अस्पष्ट कर सकें। यदि मौसमी समायोजन नहीं किया जाता है, तो डेटा का विश्लेषण सटीक परिणाम नहीं दे सकता है। यदि एक समय श्रृंखला में प्रत्येक अवधि - उदाहरण के लिए, वित्तीय वर्ष में प्रत्येक माह - में निम्न या उच्च मौसमी मूल्यों की ओर एक अलग प्रवृत्ति होती है, तो समय श्रृंखला की अंतर्निहित प्रवृत्तियों की सही दिशा का पता लगाना मुश्किल हो सकता है। कठिनाइयों में आर्थिक गतिविधि में वृद्धि या कमी, टर्निंग पॉइंट और अन्य आर्थिक संकेतक शामिल हैं।

मौसमी कुछ उद्योगों को भी प्रभावित करती है - जिन्हें मौसमी उद्योग कहा जाता है - जो आमतौर पर कैलेंडर वर्ष के छोटे, अनुमानित भागों के दौरान अपना अधिकांश पैसा कमाते हैं। उदाहरण के लिए, जो कंपनियां छुट्टियों की बिक्री की एक विशेष भीड़ पर भरोसा करती हैं, उन्हें गैर-मौसमी व्यवसायों की तुलना में असामान्य आय दिखाई देगी।

उपभोक्ता मूल्य सूचकांक (सीपीआई) मौसमी समायोजन का उपयोग कैसे करता है

उपभोक्ता मूल्य सूचकांक (CPI) मूल्य निर्धारण डेटा के मौसमी समायोजन करने के लिए X-13ARIMA-SEATS मौसमी समायोजन सॉफ़्टवेयर का उपयोग करता है जिसे मौसमी समायोजन जैसे मोटर ईंधन, खाद्य और पेय पदार्थ, वाहन और कुछ उपयोगिताओं के अधीन माना जाता है ।

भाकपा अर्थशास्त्री प्रत्येक वर्ष प्रत्येक डेटा श्रृंखला की मौसमी स्थिति का पुनर्मूल्यांकन करते हैं। ऐसा करने के लिए, वे प्रत्येक जनवरी में नए मौसमी कारकों की गणना करते हैं और उन्हें पिछले पांच वर्षों के सूचकांक डेटा पर लागू करते हैं। पांच साल से अधिक पीछे जाने वाले इंडेक्स को अंतिम माना जाता है और अब संशोधित नहीं किया जाता है। बीएलएस विशिष्ट सांख्यिकीय मानदंडों के आधार पर पुनर्मूल्यांकन करता है कि प्रत्येक श्रृंखला को मौसमी रूप से समायोजित किया जाना चाहिए या नहीं। हस्तक्षेप विश्लेषण मौसमी समायोजन का उपयोग तब किया जाता है जब एक एकल, गैर-मौसमी घटना मौसमी-समायोजित डेटा को प्रभावित करती है।

जब 2008 में वैश्विक मंदी ने ईंधन की कीमतों को प्रभावित किया, उदाहरण के लिए, हस्तक्षेप विश्लेषण मौसमी समायोजन का उपयोग उस वर्ष ईंधन मूल्य निर्धारण पर इसके प्रभावों को ऑफसेट करने के लिए किया गया था। इन विधियों का उपयोग करते हुए, CPI उन घटकों और अनुक्रमितों के लिए अधिक सटीक मूल्य सूचकांक तैयार कर सकता है जो मौसमी समायोजन के अधीन नहीं हैं।

मौसमी समायोजन का वास्तविक विश्व उदाहरण

उदाहरण के तौर पर, मान लें कि गर्मियों में खरीदे गए रनिंग शूज़ की बिक्री सर्दियों में खरीदी गई राशि से अधिक है। यह वृद्धि मौसमी कारक के कारण है कि गर्मियों में अधिक लोग दौड़ते हैं, या इसी तरह के जूते की आवश्यकता वाली अन्य बाहरी गतिविधियों में भाग लेते हैं।

जूते की बिक्री में मौसमी स्पाइक पूरे समय श्रृंखला में एथलेटिक जूते की बिक्री में सामान्य रुझानों को अस्पष्ट कर सकता है। इसलिए जूते की बिक्री चलाने की सामान्य प्रवृत्ति की स्पष्ट तस्वीर प्राप्त करने के लिए एक मौसमी समायोजन किया जाता है।

हाइलाइट्स

• ये समायोजन डेटा में शुद्ध रुझानों और गैर-मौसमी परिवर्तनों का एक स्पष्ट दृष्टिकोण प्रदान करते हैं।

• मौसमी अनुमान पिछले वर्षों की निश्चित घटना के प्रभाव आकार पर आधारित होते हैं।

• मौसमी समायोजन नियमित या चक्रीय आधार पर होने वाली कुछ प्रकार की आर्थिक गतिविधियों की समय श्रृंखला में विपथन को सुचारू करने के लिए एक सांख्यिकीय पद्धति है।