נתונים מתואמי עונתיות ונתונים ללא התאמה עונתית: SA, NSA ו-SAAR

הפעילות הכלכלית משתנה לפעמים באופן צפוי לפי לוח השנה. גיוס עובדים בקמעונאות עשוי לעלות לפני חופשות החורף, הבנייה עשויה להאט במזג אוויר קר, ומפעלים עשויים לשנות את לוחות הייצור בעת מעבר בין דגמי מוצרים. ההשפעות החוזרות האלה עלולות לגרום לחודש מסוים להיראות חזק או חלש מהחודש הסמוך, גם כשהקצב הבסיסי כמעט לא השתנה.

התאמה עונתית אומדת את החלק בסדרה שקשור להשפעות עונתיות חוזרות ומסירה אותו מהסדרה המתואמת המתפרסמת. בהתאם לשיטה, גופי סטטיסטיקה עשויים להביא בחשבון גם השפעות לוח שנה צפויות, כגון הבדלים במספר הימים מכל יום בשבוע או חגים שתאריכיהם משתנים. המטרה היא להקל על פירוש התנועה מחודש לחודש או מרבעון לרבעון, לא למחוק פעילות כלכלית אמיתית או ליצור מגמה חלקה לחלוטין. הלשכה האמריקאית לסטטיסטיקה של העבודה (BLS) מתארת התאמה עונתית כהסרה של השפעות עונתיות חוזרות; לשכת מפקד האוכלוסין מסבירה שהיא יכולה לחשוף מאפיינים לא עונתיים בסדרת זמן. ראו את [הסקירה של BLS על התאמה עונתית]({source:blsSeasonalAdjustmentOverview}) ואת [השאלות והתשובות של לשכת מפקד האוכלוסין על התאמה עונתית]({source:censusSeasonalAdjustmentFaq}).

התאמה עונתית אינה זהה להתאמה לאינפלציה. סדרה מתואמת עונתית עדיין יכולה להימדד בדולרים שוטפים, וסדרה ריאלית שהותאמה לאינפלציה יכולה להיות מוצגת עם התאמה עונתית או בלעדיה. בדקו את שני המאפיינים כשאתם קוראים נתוני מחירים, תפוקה, הכנסה או הוצאות.

עונתיות אינה זהה למחזור העסקים. ירידה בייצור שחוזרת מדי קיץ עשויה להיות דפוס עונתי, ואילו האטה שנמשכת כמה רבעונים עשויה להיות קשורה למחזור העסקים או לזעזועים אחרים. התאמה עונתית אינה מפרידה ביניהם באופן מושלם, ולכן כדאי לבחון גם אירועים כלכליים ומדדים נוספים.

SA פירושו *seasonally adjusted* — מתואם עונתית. NSA פירושו *not seasonally adjusted* — ללא התאמה עונתית; פרסומים עשויים לכנות זאת גם נתונים לא מתואמים או נתונים מקוריים. בדרך כלל שתי הגרסאות מתארות אותה סדרה כלכלית, אך הן עונות על שאלות השוואה שונות.

הנתון המתואם הוא אומדן המבוסס על הסדרה ועל שיטת הגוף הסטטיסטי, ולא סקר שני. הוא עשוי לנוע אחרת מהנתון ללא התאמה, מפני שההשפעה העונתית שאומדה לחודש אחד יכולה להיות גדולה מזו של חודש אחר. לפי BLS, אף גרסה אינה עדיפה תמיד: נתונים ללא התאמה עשויים להתאים להשוואת גיוס עונתי באותה תקופה בשנים שונות, ואילו נתונים מתואמים מועילים לעיתים קרובות יותר להבנת תנועות חודשיות אחרונות. [המדריך של BLS לשימוש בנתוני CPI מתואמים וללא התאמה]({source:blsCpiSeasonalDataUse}) מציג דוגמה ייחודית ל-CPI; בדקו את ההערות של כל פרסום לפני הכללה.

ההתאמה משנה את ההשוואה, מפני שדפוס לוח השנה נאמד בנפרד לכל תקופה. נבחן סדרה היפותטית, פשוטה במכוון, שמשתמשת בהשפעה עונתית חיבורית. בחודש א׳ הערך הנצפה הוא 100 והוא כולל השפעה עונתית משוערת של 15, ולכן הערך המתואם הוא 85. בחודש ב׳ הערך הנצפה הוא 108 והוא כולל השפעה עונתית משוערת של 25, ולכן הערך המתואם הוא 83.

הסדרה ללא התאמה עולה ב-8, ואילו הסדרה המתואמת יורדת ב-2. הדבר אפשרי מפני שהעלייה העונתית הרגילה נאמדת כגדולה יותר בחודש ב׳. בדוגמה זו, השינוי בסדרה המתואמת בודק אם העלייה שנצפתה עלתה על דפוס לוח השנה הצפוי. המספרים הומצאו לצורך הדגמת החשבון בלבד; הם אינם נתונים של מדד שפורסם.

החיסור הזה הוא דוגמת לימוד בלבד להתאמה חיבורית. בסדרות רבות משתמשים בגורמים כפליים, שבהם הערך המתואם מחושב על ידי חלוקת הערך המקורי בגורם; שיטות עשויות גם לשלב השפעות עונתיות, ימי שבוע או חגים ניידים. לכן שינוי כיוון כשלעצמו אינו מעיד שהגוף הסטטיסטי טעה או שהכלכלה התהפכה בחדות. לפי השאלות והתשובות של לשכת מפקד האוכלוסין, כיוונים מנוגדים בין סדרות מתואמות וללא התאמה הם תופעה שכיחה. פרשו אותם יחד עם הגורם העונתי ושאר פרטי הפרסום. {source:censusSeasonalAdjustmentFaq}

חשוב לבחון גם את גודל הפער. ירידה קטנה בערך המתואם אינה מוכיחה שכיוון הפעילות הכלכלית השתנה בבירור. גודל המדגם, תיקונים לנתוני עבר, עיגול ואי-הוודאות באומדן הגורם העונתי יכולים כולם להשפיע. מספר הספרות אחרי הנקודה מציין את דיוק ההצגה, לא את מידת הוודאות של האומדן.

<!-- learn:illustration -->

גורמים עונתיים נאמדים על סמך ההיסטוריה של סדרת זמן מסוימת. הליכים סטטיסטיים מחפשים דפוסים שחוזרים בערך באותה תקופה בכל שנה ומבחינים בינם לבין תנועה ארוכת טווח ותנודות לא סדירות. אפשר לייצג סדרה כרכיבים עונתיים, מגמה-מחזור ורכיב לא סדיר. בדרך כלל הסדרה המתואמת שמתפרסמת מסירה את הרכיב העונתי שאומד, אך משמרת תנועה שאינה עונתית וזעזועים לא סדירים.

הדפוס אינו בהכרח אחוז קבוע שאנליסט מחסיר מדי שנה. יש סדרות שמתאימות יותר להשפעות חיבוריות, ואחרות לגורמים כפליים שגודלם תלוי ברמת הסדרה. כשזה רלוונטי, השיטה עשויה לאמוד גם השפעות של ימי שבוע או חג נייד כגון פסחא. לשכת מפקד האוכלוסין מתחזקת את תוכנת X-13ARIMA-SEATS להתאמה עונתית ומתארת בדיקות לאיתור עונתיות שיורית ולהערכת יציבות. זהו תיאור של הכלי ושל משפחת השיטות, ולא הבטחה שכל פרסום פדרלי משתמש באותן הגדרות. בדקו את המתודולוגיה של הסדרה המסוימת. {source:censusSeasonalAdjustmentFaq}

לוח השנה הוא רק גורם אחד שמשפיע על האומדן. שביתה פתאומית, מזג אוויר חריג, הפרעה שנגרמה ממגפה, טעות דגימה או זעזוע ייחודי לעסק עשויים להישאר בסדרה המתואמת כתנועה לא סדירה. גופים מסוימים ממדלים בנפרד חריגים או אירועי לוח שנה, אך התאמה עונתית אינה מבטלת את אי-הוודאות במדידה. גרף חלק יותר אינו מדידה ישירה של מגמה שאינה נצפית.

הקריטריונים להחלטה אם להתאים סדרה עשויים להשתנות בין סדרות. גופי הסטטיסטיקה בודקים אם עונתיות חוזרת ברורה ויציבה דיה. לכן לא כל רכיבי סדרה של אותו גוף מתפרסמים בהכרח כ-SA. אם חלק מהרכיבים הם NSA והסך הכולל הוא SA, חיבור פשוט של ערכים בעלי מצבי התאמה שונים עשוי שלא לשחזר את הסך הכולל שפורסם. לפני שמחברים או משווים ערכים, בדקו את מצב ההתאמה ואת שיטת חישוב הסך הכולל של כל סדרה.

SAAR פירושו *seasonally adjusted annual rate* — קצב שנתי מתואם עונתית. המונח משלב שני רעיונות: התאמה עונתית אומדת ומסירה השפעות חוזרות של לוח השנה; מוסכמת ההצגה בקצב שנתי מתאימה את הרמה או הקצב המתואמים של תקופה להשוואה שנתית. אין פירוש הדבר שהקצב בחודש הנוכחי יימשך שנה שלמה.

לדוגמה, לשכת מפקד האוכלוסין מפרסמת חלק מהאומדנים החודשיים של היתרי בנייה בקצב שנתי מתואם עונתית. אם הקצב החודשי המתואם הוא 8,000 היתרים — נתון היפותטי — ה-SAAR הוא 8,000 כפול 12, כלומר 96,000. הנתון השנתי מקל על השוואת אומדן החודש הנוכחי לסך שנתי. הוא אינו אומר שבאותו חודש הונפקו 96,000 היתרים, ואינו חוזה שיונפקו 96,000 היתרים בשנה הבאה. הדוגמה מבוססת על [המתודולוגיה של לשכת מפקד האוכלוסין להיתרי בנייה]({source:censusBuildingPermitsMethodology}) ומשתמשת בערכים מומצאים.

צמיחת התמ״ג הרבעונית בקצב שנתי קשורה לכך, אך משתמשת במוסכמה שונה. הלשכה לניתוח כלכלי (BEA) מחשבת שינוי רבעוני באחוזים בריבית דריבית על פני ארבעה רבעונים; היא אינה פשוט מכפילה את השינוי הנצפה בארבע. רמת תמ״ג מתואמת עונתית המוצגת בקצב שנתי, אחוז צמיחה רבעוני שעבר המרה לשיעור שנתי ותחזית שנתית הם שלושה דברים שונים. [השאלות והתשובות של BEA על שיעורים שנתיים]({source:beaQuarterlyAnnualRates}) מסבירות את חישוב צמיחת התמ״ג הרבעונית. להשוואת שיעורי צמיחה ראו כיצד לקרוא שיעורי צמיחה של תמ״ג ריאלי.

כן. גורמים עונתיים הם אומדנים, ותצפיות חדשות עשויות לשנות את האומדן של הדפוס החוזר. גופים סטטיסטיים עשויים לחשב את ההתאמה מחדש כשמתקבלים נתונים נוספים, לתקן תצפיות מתואמות קודמות לפי לוח זמנים, או לעדכן ערכים מתואמים כשנתוני הבסיס ללא התאמה מתוקנים. תדירות התיקונים והתקופה המושפעת משתנות בין תוכניות סטטיסטיות.

לדוגמה, BLS מחשבת מדי שנה מחדש גורמים עונתיים לסדרת ה-CPI המתואמת עונתית שלה, ועשויה לתקן את המדדים המתואמים של עד חמש השנים הקודמות. זהו תיאור של תוכנית ה-CPI, ולא כלל תיקון אחיד לכל מערך נתונים בארה״ב. BLS בוחנת מחדש גם אם סדרות CPI יחידות עדיין מציגות עונתיות מספקת כדי להצדיק התאמה. [העמוד של BLS על התאמה עונתית של CPI]({source:blsCpiSeasonalDataUse}) מתאר את התהליך הנוכחי ואת חלון התיקונים.

כשמשחזרים גרף, רשמו את מזהה הסדרה, את מצב ההתאמה העונתית, את תאריך הפרסום ואת גרסת הנתונים. גרף בזמן אמת, שנוצר מהערכים שהיו זמינים אז, עשוי להיות שונה מגרף שהורד מאוחר יותר, גם אם שניהם משתמשים באותו שם סדרה. אם השאלה עוסקת בדפוס העונתי או בתיקונים מאוחרים יותר של הגוף הסטטיסטי, שמרו בנפרד את הערך המקורי ואת הערך המתואם.

תיקון אינו מבטל אוטומטית פרשנות קודמת, אך הוא עשוי להיות משמעותי כאשר התנועה הראשונית קטנה או קרובה לנקודת מפנה. אם מצטטים נתון שפורסם בזמן אמת, שמרו את הפרסום המקורי והבהירו שמדובר בערך שהיה זמין אז. בניתוח של נתונים עדכניים, ציינו שהשתמשתם בגרסה הנוכחית; אם זמינים נתוני גרסאות או טבלאות גורמים עונתיים, שמרו גם אותם.

השתמשו בנתונים מתואמים עונתית כששואלים על התנועה האחרונה ביחס לחודש או לרבעון הקודם, וכשהגוף מפרסם סדרה מתואמת מתאימה. הסרת הדפוס העונתי הצפוי עשויה להקל על זיהוי נקודת מפנה חדשה. היא אינה מוכיחה שהשינוי שנותר מובהק סטטיסטית; באומדנים קצרי טווח עדיין עשוי להיות רעש.

השתמשו בנתוני NSA כשהמחזור העונתי החוזר עצמו הוא נושא השאלה. למשל, השוואת גיוס העובדים בקמעונאות מאוקטובר עד דצמבר לאורך כמה שנים עשויה להראות כיצד השתנתה עונת החגים. השוואה של אותו חודש משנה לשנה מפחיתה גם היא את השפעתו של מחזור עונתי יציב, אך עדיין עשויה להיות מושפעת מחג שתאריכו משתנה, ממספר שונה של ימי שבוע או משינויים בדפוס העונתי. פעלו לפי המתודולוגיה של המדד ובחרו בגרסה המתאימה לשאלה.

אל תשוו בין תצפיות SA ו-NSA כאילו הפער ביניהן הוא רווח או הפסד כלכלי. התאימו בין אותה סדרה, יחידות, תדירות, אוכלוסייה או כיסוי ענפי ומצב התאמה. בשאלות על אינפלציה, הבחינו גם בין מדדי המחירים לצרכן בהשוואה בין CPI,‏ PCE ומדד מחירי התמ״ג. לגבי הוצאות צרכנים, מכירות קמעונאיות לעומת PCE מסביר מדוע פרסומים קשורים עשויים להיות שונים מסיבות שאינן קשורות להתאמה עונתית.

התחילו בשם המדויק של הסדרה ובמקור שלה. ודאו אם הערך המוצג מתואם עונתית, ללא התאמה עונתית, או זמין רק באחת מהצורות. לאחר מכן בדקו מה המספר מודד: רמה, שינוי בדולרים, שינוי באחוזים, שיעור, מדד או ספירה. כותרת הטבלה עשויה לציין גם תדירות חודשית או רבעונית והצגה בקצב שנתי.

לאחר מכן התאימו את חלון ההשוואה לשאלה. תנועה חודשית של SA מתארת שינוי לאחר ניכוי השפעות עונתיות שאומדו; השוואה של NSA לאותו חודש משמרת את המחזור העונתי; שינוי באחוזים משנה לשנה מכסה שנה שלמה; ו-SAAR מציג מחדש קצב של תקופה בשיעור שנתי לפי מוסכמה מסוימת. התוויות האלה אינן חלופיות זו לזו. SAAR של התחלות בנייה, צמיחת תמ״ג רבעונית בקצב שנתי ושינוי חודשי ב-CPI יכולים כולם להשתמש במונחים שנתיים, אך לחשב דברים שונים.

לבסוף, קראו את ההערות הטכניות של המקור על תיקונים, חגים, מצב ההתאמה העונתית ואירועים חריגים. אם אתם מבקשים להבין את המחזור הרחב, אל תתייחסו לשינוי SA של חודש יחיד כנקודת מפנה ודאית. אם השאלה עוסקת בתקופות לוח שנה חוזרות, אל תתעלמו מהדפוס העונתי בנתוני NSA. זהו את הסדרה, בחרו SA או NSA לפי ההשוואה, ורשמו את התדירות, היחידות וגרסת הנתונים כדי למנוע בלבול הנובע מצורת ההצגה.

כאשר SA ו-NSA נעים בכיוונים שונים, ודאו תחילה שמדובר באותה סדרה, באותה תדירות ובאותן יחידות, ובחלון השוואה זהה. לאחר מכן בדקו את הגורם העונתי שאומד, חגים ניידים או מספר שונה של ימי שבוע, אירוע חריג ותיקונים בנתוני המקור. אם הפער נותר, הסבירו איזו שאלה עונה כל גרסה, במקום לכנות אחת מהן שגויה.