Dane wyrównane i niewyrównane sezonowo: SA, NSA i SAAR

Aktywność gospodarcza może zmieniać się w przewidywalny sposób wraz z kalendarzem. Przed zimowymi świętami zatrudnienie w handlu może rosnąć, w chłodniejszych miesiącach budownictwo może zwalniać, a fabryki mogą zmieniać harmonogram produkcji przy wprowadzaniu nowych modeli. Powtarzalne wpływy mogą sprawić, że dany miesiąc wygląda na mocniejszy lub słabszy od sąsiedniego, nawet jeśli podstawowe tempo niewiele się zmieniło.

Korekta sezonowa szacuje część szeregu związaną z powtarzalnymi efektami sezonowymi i usuwa ją z publikowanego szeregu wyrównanego. Zależnie od stosowanej metody urzędy statystyczne mogą także uwzględniać przewidywalne efekty kalendarzowe, takie jak różna liczba poszczególnych dni tygodnia albo ruchome święta. Celem jest ułatwienie interpretacji zmian z miesiąca na miesiąc lub z kwartału na kwartał, a nie wymazanie rzeczywistej aktywności gospodarczej ani utworzenie idealnie gładkiego trendu. Bureau of Labor Statistics (BLS) opisuje korektę sezonową jako usuwanie powtarzalnych wpływów sezonowych; według Census Bureau może ona ujawniać niesezonowe cechy szeregu czasowego. Zobacz [wprowadzenie BLS do korekty sezonowej]({source:blsSeasonalAdjustmentOverview}) oraz [FAQ Census Bureau o korekcie sezonowej]({source:censusSeasonalAdjustmentFaq}).

Korekta sezonowa nie jest tym samym co korekta o inflację. Szereg wyrównany sezonowo nadal może być wyrażony w dolarach bieżących, a szereg realny, skorygowany o inflację, może być prezentowany z korektą sezonową albo bez niej. Przy danych o cenach, produkcji, dochodach lub wydatkach sprawdź oba te wymiary.

Efekty sezonowe nie są tym samym co cykl koniunkturalny. Spadek produkcji powtarzający się każdego lata może być wzorcem sezonowym, natomiast spowolnienie trwające kilka kwartałów może wiązać się z cyklem koniunkturalnym lub innymi szokami. Korekta sezonowa nie rozdziela tych zjawisk idealnie, dlatego warto sprawdzić także wydarzenia gospodarcze i inne wskaźniki.

SA to skrót od *seasonally adjusted* (wyrównane sezonowo). NSA oznacza *not seasonally adjusted* (niewyrównane sezonowo); publikacje mogą też nazywać te dane niewyrównanymi lub oryginalnymi. Zwykle obie wersje opisują ten sam szereg gospodarczy, ale odpowiadają na różne pytania porównawcze.

Wartość wyrównana jest szacunkiem opartym na szeregu i metodzie urzędu, a nie wynikiem drugiego badania. Może zmieniać się inaczej niż wartość niewyrównana, ponieważ oszacowany efekt sezonowy może być większy w jednym miesiącu niż w innym. BLS podkreśla, że żadna wersja nie jest zawsze lepsza: dane niewyrównane mogą się nadawać do porównywania sezonowego zatrudnienia w tych samych częściach różnych lat, a dane wyrównane bywają bardziej przydatne do obserwowania ostatnich zmian miesięcznych. [Wskazówki BLS dotyczące korzystania z wyrównanych i niewyrównanych danych CPI]({source:blsCpiSeasonalDataUse}) podają przykład specyficzny dla CPI; przed uogólnieniem sprawdź objaśnienia do każdej publikacji.

Korekta zmienia sposób porównania, ponieważ dla każdego okresu szacuje się wzorzec kalendarzowy. Rozważmy celowo prosty, hipotetyczny szereg z addytywnym efektem sezonowym. W miesiącu A zaobserwowana wartość wynosi 100 i obejmuje oszacowany efekt sezonowy równy 15, więc wartość wyrównana wynosi 85. W miesiącu B zaobserwowana wartość to 108, a oszacowany efekt sezonowy wynosi 25, zatem wartość wyrównana to 83.

Szereg niewyrównany rośnie o 8, a wyrównany spada o 2. Jest to możliwe, ponieważ w miesiącu B szacowany jest większy typowy wzrost sezonowy. W tym przykładzie zmiana szeregu wyrównanego pokazuje, czy zaobserwowany wzrost przewyższył oczekiwany wzorzec kalendarzowy. Liczby są wymyślone wyłącznie na potrzeby objaśnienia rachunku; nie pochodzą z żadnego publikowanego wskaźnika.

To odejmowanie jest tylko przykładem dydaktycznym korekty addytywnej. W wielu szeregach stosuje się czynniki multiplikatywne, a wartość wyrównaną oblicza się przez podzielenie wartości pierwotnej przez taki czynnik. Metody mogą też łączyć efekty sezonowe, wpływ dni tygodnia i ruchomych świąt. Sama zmiana kierunku nie świadczy więc o błędzie urzędu ani o gwałtownym zwrocie w gospodarce. Według FAQ Census Bureau przeciwne kierunki zmian danych wyrównanych i niewyrównanych są częste. Interpretuj je z uwzględnieniem czynnika sezonowego i pozostałych informacji w publikacji. {source:censusSeasonalAdjustmentFaq}

Warto zwrócić uwagę również na wielkość różnicy. Niewielki spadek wartości wyrównanej nie potwierdza, że kierunek aktywności gospodarczej wyraźnie się zmienił. Wpływ mogą mieć wielkość próby, rewizje wcześniejszych danych, zaokrąglenia i niepewność oszacowania czynnika sezonowego. Liczba miejsc po przecinku oznacza dokładność prezentacji, a nie taki sam poziom pewności.

<!-- learn:illustration -->

Czynniki sezonowe szacuje się na podstawie historii konkretnego szeregu czasowego. Metody statystyczne wyszukują wzorce powtarzające się o podobnej porze roku i oddzielają je od długookresowych zmian oraz nieregularnych wahań. Szereg można przedstawić za pomocą komponentu sezonowego, trendu-cyklu i komponentu nieregularnego. Publikowany szereg wyrównany zazwyczaj usuwa oszacowany komponent sezonowy, zachowując ruchy niesezonowe i nieregularne szoki.

Wzorzec nie musi być stałą wartością procentową, którą analityk odejmuje co roku. W niektórych szeregach lepiej sprawdzają się efekty addytywne, a w innych czynniki multiplikatywne, których wielkość zależy od poziomu szeregu. W razie potrzeby metoda może też szacować efekty dni tygodnia lub ruchomego święta, takiego jak Wielkanoc. Census Bureau rozwija oprogramowanie X-13ARIMA-SEATS do korekty sezonowej i opisuje diagnostykę pozostałej sezonowości oraz stabilności. Informacja ta dotyczy narzędzia i rodziny metod; nie oznacza, że każda publikacja federalna stosuje identyczne ustawienia. Sprawdź metodologię konkretnego szeregu. {source:censusSeasonalAdjustmentFaq}

Kalendarz jest tylko jednym z czynników wpływających na oszacowanie. Gwałtowny strajk, nietypowa pogoda, zakłócenia związane z pandemią, błąd próby lub szok dotyczący pojedynczej firmy mogą pozostać w szeregu wyrównanym jako wahania nieregularne. Niektóre urzędy osobno modelują wartości odstające lub zdarzenia kalendarzowe, ale korekta sezonowa nie usuwa niepewności pomiaru. Gładszy wykres nie jest bezpośrednim pomiarem nieobserwowanego trendu.

Kryteria statystyczne decydujące o tym, czy szereg należy wyrównywać, mogą różnić się między seriami. Urzędy oceniają, czy powtarzalna sezonowość jest dostatecznie wyraźna i stabilna. Dlatego nie wszystkie składowe szeregu publikowanego przez tę samą instytucję muszą być dostępne jako SA. Jeśli część składowych ma status NSA, a suma jest SA, proste dodanie wartości o różnym statusie korekty może nie odtworzyć opublikowanej sumy. Przed sumowaniem lub porównaniem sprawdź dla każdego szeregu status wyrównania sezonowego i metodę agregacji.

SAAR to *seasonally adjusted annual rate*, czyli tempo roczne skorygowane sezonowo. Termin łączy dwie odrębne idee: korekta sezonowa szacuje i usuwa powtarzalne wpływy kalendarza, a konwencja roczna skaluje wyrównany poziom lub tempo za dany okres, by można je było porównać w ujęciu rocznym. Skrót nie oznacza, że tempo z bieżącego miesiąca utrzyma się przez cały rok.

Na przykład Census Bureau publikuje część miesięcznych szacunków pozwoleń na budowę po korekcie sezonowej i w ujęciu rocznym. Jeśli hipotetyczne wyrównane tempo miesięczne wynosi 8 000 pozwoleń, SAAR to 8 000 pomnożone przez 12, czyli 96 000. Wartość roczna ułatwia porównanie szacunku za bieżący miesiąc z sumą roczną. Nie oznacza, że w tym miesiącu wydano 96 000 pozwoleń, ani nie prognozuje wydania takiej liczby w następnym roku. Przykład opiera się na [metodologii Census Bureau dotyczącej pozwoleń na budowę]({source:censusBuildingPermitsMethodology}) i używa wymyślonych wartości.

Kwartalny wzrost PKB podany w ujęciu rocznym jest związany z tą konwencją, ale oblicza się go inaczej. Bureau of Economic Analysis (BEA) oblicza roczną zmianę przez złożenie kwartalnej zmiany procentowej na przestrzeni czterech kwartałów; nie wystarczy po prostu pomnożyć zaobserwowanej zmiany przez cztery. Sezonowo wyrównany poziom PKB podany w ujęciu rocznym, annualizowana kwartalna stopa wzrostu i prognoza roczna to trzy różne rzeczy. [FAQ BEA o stopach rocznych]({source:beaQuarterlyAnnualRates}) wyjaśnia obliczanie kwartalnej zmiany. Sposób porównywania stóp wzrostu omawia przewodnik jak czytać tempo wzrostu realnego PKB.

Tak. Czynniki sezonowe są szacunkami, a nowe obserwacje mogą zmienić ocenę powtarzalnego wzorca. Urzędy mogą ponownie obliczyć korektę po otrzymaniu nowych danych, zgodnie z harmonogramem rewidować wcześniejsze obserwacje wyrównane albo aktualizować wartości wyrównane po rewizji pierwotnych danych niewyrównanych. Częstotliwość i zakres okresów objętych rewizją różnią się między programami.

Na przykład BLS co roku ponownie oblicza czynniki sezonowe dla wyrównanych sezonowo szeregów CPI i może rewidować te indeksy za okres do pięciu lat. Jest to opis programu CPI, a nie uniwersalna zasada rewizji wszystkich amerykańskich zbiorów danych. BLS ponownie ocenia też, czy poszczególne szeregi CPI nadal wykazują sezonowość uzasadniającą korektę. [Strona BLS o korekcie sezonowej CPI]({source:blsCpiSeasonalDataUse}) opisuje obecny proces i okres rewizji.

Odtwarzając wykres, zapisuj identyfikator szeregu, status korekty sezonowej, datę publikacji i wersję danych. Wykres aktualny w czasie publikacji, utworzony z wartości dostępnych wówczas, może różnić się od wykresu pobranego później, nawet jeśli oba mają tę samą nazwę szeregu. Jeśli pytanie dotyczy wzorca sezonowego lub późniejszych rewizji urzędu, przechowuj wartości pierwotne i wyrównane oddzielnie.

Rewizja nie przekreśla automatycznie wcześniejszej interpretacji, ale może mieć znaczenie, gdy początkowa zmiana jest niewielka lub bliska punktowi zwrotnemu. Cytując dane w czasie rzeczywistym, zachowaj pierwotną publikację i zaznacz, że chodzi o wartość dostępną wówczas. W analizie bieżących danych podaj, że użyto najnowszej wersji; jeśli są dostępne, zachowaj też wersje danych lub tabele czynników sezonowych.

Korzystaj z danych wyrównanych sezonowo, gdy chcesz poznać najnowszą zmianę względem poprzedniego miesiąca lub kwartału, a urząd publikuje odpowiedni szereg wyrównany. Usunięcie oczekiwanego wzorca sezonowego może ułatwić dostrzeżenie nowego punktu zwrotnego. Nie dowodzi jednak, że pozostała zmiana jest istotna statystycznie; krótkookresowe szacunki mogą nadal zawierać szum.

Dane NSA wybierz wtedy, gdy sam powtarzalny cykl sezonowy jest tematem analizy. Porównanie zatrudnienia w handlu między październikiem a grudniem w kolejnych latach może na przykład pokazać, jak zmienił się sezon świąteczny. Porównanie tego samego miesiąca rok do roku ogranicza wpływ stabilnego cyklu sezonowego, ale nadal mogą mieć znaczenie ruchome święta, różna liczba dni tygodnia albo zmiany wzorca sezonowego. Sprawdź metodologię miary i wybierz wersję pasującą do pytania.

Nie porównuj obserwacji SA i NSA tak, jakby różnica oznaczała zysk lub stratę gospodarczą. Dopasuj ten sam szereg, jednostki, częstotliwość, populację lub zakres sektorów oraz status korekty. Przy pytaniach o inflację odróżniaj też wskaźniki cen konsumpcyjnych w przewodniku CPI, PCE i deflator PKB – porównanie. O tym, dlaczego dwie powiązane publikacje mogą się różnić z powodów innych niż korekta sezonowa, wyjaśnia tekst o sprzedaży detalicznej i wydatkach konsumpcyjnych PCE.

Zacznij od dokładnej nazwy szeregu i źródła. Sprawdź, czy prezentowana wartość jest wyrównana sezonowo, niewyrównana sezonowo, czy dostępna tylko w jednej z tych form. Następnie ustal, co mierzy liczba: poziom, zmianę w dolarach, zmianę procentową, stopę, indeks czy liczbę jednostek. Nagłówek tabeli może również wskazywać częstotliwość miesięczną lub kwartalną oraz prezentację w ujęciu rocznym.

Dopasuj potem okres porównania do pytania. Miesięczna zmiana SA pokazuje zmianę po odjęciu oszacowanych efektów sezonowych; porównanie NSA tego samego miesiąca zachowuje cykl sezonowy; zmiana rok do roku obejmuje okres dwunastu miesięcy; a SAAR przedstawia tempo za dany okres w ujęciu rocznym według określonej konwencji. Oznaczenia te nie są wymienne. SAAR rozpoczętych budów mieszkaniowych, annualizowany kwartalny wzrost PKB i miesięczna zmiana CPI mogą wszystkie odnosić się do roku, ale opierają się na różnych obliczeniach.

Na koniec przeczytaj notę metodologiczną źródła dotyczącą rewizji, świąt, statusu korekty sezonowej i nietypowych zdarzeń. Jeśli chcesz ocenić szeroki cykl, nie traktuj pojedynczej miesięcznej zmiany SA jako pewnego punktu zwrotnego. Jeśli interesują Cię powtarzalne okresy kalendarzowe, nie odrzucaj wzorca sezonowego z danych NSA. Ustal szereg, dobierz SA lub NSA do porównania, a następnie zapisuj częstotliwość, jednostki i wersję danych, by uniknąć pomyłek związanych ze sposobem prezentacji.

Gdy SA i NSA poruszają się w przeciwnych kierunkach, najpierw sprawdź, czy dotyczą tego samego szeregu, częstotliwości, jednostek i okresu porównania. Następnie sprawdź oszacowany czynnik sezonowy, ruchome święta lub różnice w dniach tygodnia, nietypowe zdarzenia oraz rewizje danych źródłowych. Jeśli rozbieżność pozostaje, wyjaśnij, na jakie pytanie odpowiada każda wersja, zamiast uznawać jedną za błędną.