Données corrigées (SA) et non corrigées des variations saisonnières (NSA) : comprendre le SAAR

L’activité économique évolue souvent de façon prévisible selon le calendrier. Les embauches dans le commerce de détail peuvent augmenter avant les fêtes d’hiver, la construction peut ralentir par temps froid et les usines peuvent modifier leurs horaires lors d’un changement de modèle. Ces influences répétées peuvent donner l’impression qu’un mois est plus dynamique ou plus faible que le précédent, même si le rythme sous-jacent a peu changé.

La correction saisonnière estime la part d’une série associée à des effets saisonniers récurrents et la retire de la série corrigée publiée. Selon leur méthode, les organismes peuvent aussi tenir compte d’effets prévisibles du calendrier, comme le nombre différent de jours de la semaine ou les fêtes mobiles. L’objectif est de rendre les évolutions mensuelles ou trimestrielles plus faciles à interpréter, pas d’effacer l’activité économique réelle ni de produire une tendance parfaitement lisse. Le Bureau of Labor Statistics des États-Unis (BLS) décrit la correction saisonnière comme le retrait des influences saisonnières récurrentes ; le Bureau du recensement explique qu’elle peut aider à faire ressortir les caractéristiques non saisonnières d’une série chronologique. Consultez la [présentation générale de la correction saisonnière du BLS]({source:blsSeasonalAdjustmentOverview}) et la [foire aux questions du Bureau du recensement sur la correction saisonnière]({source:censusSeasonalAdjustmentFaq}).

La correction saisonnière n’est pas la correction de l’inflation. Une série corrigée peut encore être exprimée en dollars courants ; une série réelle corrigée de l’inflation peut, elle aussi, être présentée avec ou sans correction saisonnière. Vérifiez ces deux dimensions lorsque vous lisez un indicateur de prix, de production, de revenu ou de dépenses.

Les effets saisonniers ne sont pas non plus synonymes de cycle économique. Un recul de la production qui revient chaque été peut être saisonnier, tandis qu’un ralentissement qui dure plusieurs trimestres peut relever du cycle économique ou d’un autre choc. La procédure de correction ne distingue pas parfaitement ces phénomènes ; examinez aussi les événements économiques et les autres indicateurs cités dans la publication.

SA signifie « corrigé des variations saisonnières » (seasonally adjusted). NSA signifie « non corrigé des variations saisonnières » ; les publications peuvent aussi parler de données non corrigées ou d’origine. Les deux versions décrivent généralement la même série économique, mais répondent à des questions de comparaison différentes.

La valeur corrigée est une estimation fondée sur la série et la méthode de l’organisme, pas le résultat d’une deuxième enquête. Elle peut évoluer différemment de la valeur non corrigée, car l’effet saisonnier estimé peut être plus important pour un mois que pour un autre. Le BLS précise qu’aucune version n’est meilleure dans tous les cas : les données non corrigées peuvent convenir pour comparer les embauches saisonnières à la même période de différentes années, tandis que les données corrigées sont souvent plus utiles pour observer les mouvements mensuels récents. Le [guide du BLS sur l’utilisation des données du CPI corrigées et non corrigées]({source:blsCpiSeasonalDataUse}) donne un exemple propre à une série ; consultez les notes de chaque publication avant de généraliser.

La correction modifie la comparaison en estimant le rythme du calendrier pour chaque période. Prenons une série volontairement simple et hypothétique qui utilise un effet saisonnier additif. Au mois A, une valeur observée de 100 comprend un effet saisonnier estimé à 15, ce qui donne une valeur corrigée de 85. Au mois B, la valeur observée est de 108 et comprend un effet estimé à 25, ce qui donne une valeur corrigée de 83.

La série non corrigée augmente de 8, alors que la série corrigée baisse de 2. C’est possible parce que l’effet saisonnier habituel est estimé plus important au mois B. Dans cet exemple, l’évolution de la série corrigée permet de demander si la hausse observée a dépassé le rythme calendaire attendu. Les chiffres sont inventés uniquement pour illustrer le calcul ; ils ne correspondent à aucun indicateur publié.

Cette soustraction n’est qu’un exemple pédagogique de correction additive. De nombreuses séries utilisent des facteurs multiplicatifs, qui servent à diviser la valeur d’origine pour obtenir la valeur corrigée ; les méthodes peuvent aussi combiner des effets saisonniers, de jours de la semaine ou de fêtes mobiles. Un changement de direction ne prouve donc pas, à lui seul, que l’organisme a commis une erreur ou que l’économie a brusquement changé de cap. Le Bureau du recensement indique que les séries corrigées et non corrigées évoluent souvent en sens inverse et qu’il faut interpréter ce résultat à la lumière du facteur saisonnier et du reste de la publication. {source:censusSeasonalAdjustmentFaq}

L’ampleur de l’écart compte aussi. Une légère baisse de la valeur corrigée ne confirme pas à elle seule un retournement net de l’activité. La taille de l’échantillon, les révisions des données historiques, l’arrondi et l’incertitude liée à l’estimation des facteurs saisonniers peuvent intervenir. Le nombre de décimales publié indique la précision du calcul, pas le même niveau de certitude.

<!-- learn:illustration -->

Les facteurs saisonniers sont estimés à partir de l’historique d’une série chronologique donnée. Les méthodes statistiques recherchent les rythmes qui reviennent à des moments semblables de l’année, tout en les distinguant des évolutions de plus long terme et des variations irrégulières. On peut décomposer une série en composantes saisonnière, tendance-cycle et irrégulière ; la série corrigée publiée retire généralement la composante saisonnière estimée tout en conservant les mouvements non saisonniers et les chocs irréguliers.

Le rythme saisonnier n’est pas nécessairement un pourcentage fixe que l’analyste soustrait chaque année. Certaines séries se prêtent mieux aux effets additifs ; d’autres utilisent des facteurs multiplicatifs dont l’ampleur dépend du niveau de la série. Le cas échéant, la méthode peut également estimer des effets de jours ouvrables ou d’une fête mobile comme Pâques. Le Bureau du recensement maintient X-13ARIMA-SEATS pour la correction saisonnière et explique comment des diagnostics évaluent la saisonnalité résiduelle et la stabilité. Cela décrit un outil et une famille de méthodes ; cela ne garantit pas que toutes les publications fédérales appliquent les mêmes paramètres. Consultez la méthodologie de la série concernée. {source:censusSeasonalAdjustmentFaq}

Le calendrier n’est qu’une des influences prises en compte dans l’estimation. Une grève soudaine, une météo inhabituelle, une perturbation liée à une pandémie, une erreur d’échantillonnage ou un choc propre à une entreprise peuvent rester dans la série corrigée sous forme de mouvement irrégulier. Certains organismes modélisent séparément les valeurs aberrantes ou les événements calendaires identifiés, mais la correction saisonnière ne supprime pas l’incertitude de mesure. Un graphique plus lisse ne doit pas être confondu avec une mesure directe d’une tendance qui n’est pas observée.

Le statut de correction peut aussi varier au sein d’une même publication. Un organisme peut appliquer ou retirer la correction après avoir réévalué si un schéma secondaire reste suffisamment net et stable. Si certains éléments sont publiés en NSA et le total en SA, les additionner tels quels ne reproduira pas nécessairement le total publié, car ils ne reposent pas sur la même base de correction.

SAAR signifie « taux annuel désaisonnalisé » (seasonally adjusted annual rate). Il réunit deux idées distinctes : la correction saisonnière estime et retire les effets récurrents du calendrier ; la convention de taux annuel exprime le niveau ou le rythme corrigé d’une période en termes annuels. L’acronyme ne signifie pas que le rythme du mois en cours durera toute l’année.

Par exemple, le Bureau du recensement publie certaines estimations mensuelles de permis de construire sous forme de taux annuel désaisonnalisé. Si un rythme mensuel corrigé hypothétique est de 8 000 permis, son SAAR est égal à 8 000 multiplié par 12, soit 96 000. Le taux annuel facilite la comparaison du rythme du mois en cours avec un total annuel. Il ne signifie pas que 96 000 permis ont été délivrés ce mois-là et ne prévoit pas que 96 000 le seront au cours de l’année suivante. Cet exemple suit la [méthodologie du Bureau du recensement pour les permis de construire]({source:censusBuildingPermitsMethodology}) et utilise des valeurs inventées.

La croissance trimestrielle du PIB exprimée à un taux annuel relève d’une convention apparentée, mais distincte. Le BEA compose le pourcentage de variation trimestriel sur quatre trimestres ; il ne se contente pas de multiplier par quatre la variation observée. Un niveau de PIB corrigé des variations saisonnières et exprimé à un taux annuel, un taux de croissance trimestriel annualisé et une prévision annuelle sont trois choses différentes. Le BEA explique le calcul trimestriel dans sa [FAQ sur les taux annuels]({source:beaQuarterlyAnnualRates}). Pour comparer les taux, consultez comment lire les taux de croissance du PIB réel.

Oui. Les facteurs saisonniers sont des estimations, et de nouvelles observations peuvent modifier le rythme récurrent estimé. Les organismes peuvent recalculer la correction à mesure que de nouvelles données arrivent, réviser selon un calendrier les observations corrigées antérieures ou mettre à jour les valeurs ajustées lorsque les données non corrigées sous-jacentes sont elles-mêmes révisées. La fréquence et la période historique concernée varient selon le programme.

Par exemple, le BLS recalcule chaque année les facteurs saisonniers de ses séries du CPI corrigées des variations saisonnières et peut réviser jusqu’à cinq ans d’indices corrigés. Cela décrit le programme du CPI, et non une règle universelle de révision pour toutes les séries de données américaines. Le BLS réévalue également si chaque série du CPI présente encore une saisonnalité suffisante pour justifier une correction. La [page du CPI sur la correction saisonnière]({source:blsCpiSeasonalDataUse}) décrit le processus actuel et la période de révision.

Pour reproduire un graphique, notez l’identifiant de la série, son statut de correction saisonnière, la date de publication et la version des données. Un graphique en temps réel fondé sur les valeurs disponibles à l’époque peut différer d’un graphique téléchargé plus tard, même si les deux portent le même nom de série. Gardez séparées la valeur d’origine et la valeur corrigée lorsque la question concerne le rythme saisonnier ou les révisions ultérieures de l’organisme.

Une révision ne renverse pas toujours l’interprétation générale, mais elle peut modifier un petit retournement ou la valeur d’un mois précis. Si vous citez dans un article le chiffre disponible à l’époque, conservez la publication d’origine ; pour une analyse actuelle, indiquez que vous avez utilisé la version la plus récente. Lorsque l’organisme les met à disposition, archivez aussi les séries par millésime ou les tableaux de facteurs saisonniers.

Utilisez les données SA lorsque la question porte sur l’évolution la plus récente par rapport au mois ou au trimestre précédent et que l’organisme publie une série corrigée appropriée. Le retrait du rythme saisonnier attendu peut faciliter la détection d’un nouveau point de retournement. Cela ne prouve pas que la variation restante soit statistiquement significative ; les estimations à court terme peuvent rester bruitées.

Utilisez les données NSA lorsque le cycle saisonnier lui-même est le sujet. Par exemple, comparer les embauches dans le commerce de détail d’octobre à décembre sur plusieurs années peut montrer comment la saison des fêtes a évolué. Une comparaison d’une même période d’une année sur l’autre réduit également l’effet d’un cycle saisonnier stable, mais peut rester influencée par les fêtes dont la date varie, le nombre différent de jours de la semaine ou les changements de comportement saisonnier. Suivez la méthodologie de l’indicateur et choisissez la version adaptée à la question.

Ne comparez pas des observations SA et NSA comme si leur écart représentait un gain ou une perte économique. Faites correspondre la série, les unités, la fréquence, la population ou le secteur couvert et le statut de correction. Pour les questions d’inflation, distinguez également les mesures des prix à la consommation dans CPI, PCE et le déflateur du PIB. Pour les dépenses de consommation, ventes au détail et PCE explique pourquoi deux publications apparentées peuvent différer pour des raisons autres que la correction saisonnière.

Commencez par le nom exact de la série et sa source. Vérifiez si la valeur affichée est corrigée des variations saisonnières, non corrigée, ou indisponible dans l’une de ces versions. Déterminez ensuite ce que mesure le chiffre : un niveau, une variation en dollars, un pourcentage, un taux, un indice ou un nombre d’unités. L’en-tête du tableau peut également préciser une fréquence mensuelle ou trimestrielle et une présentation annualisée.

Choisissez ensuite la période de comparaison en fonction de la question. Une évolution mensuelle SA décrit le changement après retrait des effets saisonniers estimés ; les comparaisons NSA du même mois conservent le cycle saisonnier ; une variation sur un an couvre une année complète ; et le SAAR exprime le rythme d’une période à un taux annuel selon une convention définie. Ces libellés ne sont pas interchangeables. Le SAAR des permis de construire, le taux de croissance annualisé du PIB et la variation mensuelle du CPI peuvent tous employer un langage annuel tout en reposant sur des calculs différents.

Enfin, lisez la note technique de la source concernant les révisions, les fêtes, le statut saisonnier et les événements inhabituels. Si vous cherchez à comprendre le cycle général, ne traitez pas une seule variation mensuelle corrigée comme un retournement définitif. Si vous comparez des périodes calendaires récurrentes, ne supprimez pas le profil saisonnier NSA. Identifiez la série, choisissez SA ou NSA selon la comparaison, indiquez la fréquence et les unités et conservez la version des données.

Si les séries SA et NSA évoluent en sens opposé, vérifiez d’abord qu’elles concernent la même série, la même fréquence, les mêmes unités et la même période de comparaison. Examinez ensuite le facteur saisonnier estimé, les fêtes mobiles ou le nombre de jours de la semaine, les événements inhabituels et les révisions des données d’origine. Si l’écart persiste, expliquez à quelle question répond chaque série plutôt que de déclarer que l’une est erronée.