季節調整與未經季節調整數據：SA、NSA 與 SAAR

經濟活動常按日曆規律變化。冬季假期前，零售業招聘可能增加；天氣寒冷時，建築活動可能放慢；工廠也可能因轉換車款而調整生產安排。即使經濟活動的基礎速度變化不大，這些重複影響也會讓某個月份看來比相鄰月份強或弱。

季節調整會估算數列中與重複季節效應有關的部分，再從公布的調整後數列中去除。依照統計機關採用的方法，調整也可能包括每月星期數不同或日期會變動的節日等可預測日曆效應。目的是讓月比月或季比季的變化更容易解讀，而不是抹去實際經濟活動或製造完全平滑的趨勢。美國勞工統計局（BLS）將季節調整描述為移除重複的季節影響；美國人口普查局則說明，季調有助呈現時間數列中的非季節特徵。詳情請參閱[BLS季節調整概覽]({source:blsSeasonalAdjustmentOverview})及[人口普查局季節調整常見問題]({source:censusSeasonalAdjustmentFaq})。

季節調整不等於通膨調整。經季節調整的數列仍可能以當期美元計算；經通膨調整的實質數列也可以選擇是否再做季節調整。閱讀價格、產出、收入或支出數據時，應分別確認這兩個面向。

季節性和景氣循環不是同一回事。可預期的夏季放緩可能每年重複；持續數季的下滑，則可能反映更廣泛的經濟活動或其他衝擊。季節調整無法完美分類每一種變動，因此閱讀發布資料時，也要參考技術說明和其他指標。

SA 是經季節調整（seasonally adjusted），NSA 是未經季節調整（not seasonally adjusted）。統計發布也可能把 NSA 稱為未調整數據或原始數據。兩種版本通常描述同一個經濟數列，但回答不同的比較問題。

調整後數值是依據該數列與統計機關的方法所做的估算，不是第二次調查。它可能與未調整數值方向不同，因為各月份估算的季節效應可能不同。BLS指出，兩種版本沒有哪一種在所有情況下都更好：未調整數據可用於比較不同年份同一季節的招聘，調整後數據通常較適合觀察最新的月度變化。BLS的[CPI調整與未調整數據使用指南]({source:blsCpiSeasonalDataUse})提供特定數列的例子；套用至其他數據前，應查看各發布資料的說明。

季節調整會估算各期間的日曆模式，因此改變了兩個期間的比較。假設某個數列使用加法季節效應，以下是刻意簡化的虛構例子。A月的觀察值是100，其中估算季節效應為15，調整後是85。B月的觀察值是108，估算季節效應為25，調整後是83。

未調整數據上升8，調整後數據卻下降2。這是可能的，因為B月一般的季節拉抬幅度估計較大。在這個例子中，調整後數據的變化要回答的是：觀察值是否超出預期的日曆模式？數字純粹用來示範算式，並非任何已發布指標的數據。

這種相減方式只示範加法調整。許多數列使用乘法因子，調整後數值會以原始數值除以因子計算；方法也可能同時納入季節、星期幾或移動節日的影響。兩個數列方向不同，並不代表統計機關出錯或經濟急劇逆轉。人口普查局常見問題指出，調整後與未調整數列方向相反並不少見；解讀時應一併查看季節因子和整份發布資料（{source:censusSeasonalAdjustmentFaq}）。

對已發布的序列而言，單憑調整後的小幅下滑，還不足以確認明確的轉折點。抽樣誤差、四捨五入、後續修訂，以及估計季節因子的不確定性，都可能影響短期讀數。顯示的小數位數代表數值如何呈現，不代表底層估計有多確定。

<!-- learn:illustration -->

季節因子是根據特定時間數列的歷史資料估算而來。統計程序會尋找每年相近時段反覆出現的模式，並嘗試將其與較長期的變動及不規則波動區分開來。可以把數列分成季節、趨勢循環和不規則成分來理解；公布的調整後數列通常會移除估算的季節成分，同時保留非季節變動與不規則衝擊。

季節模式不一定是分析人員每年固定扣掉的百分比。有些數列較適合加法效應；另一些則使用會隨數列水準而變的乘法因子。需要時，方法也可估算交易日效應或復活節等移動節日。人口普查局維護 X-13ARIMA-SEATS 季節調整軟體，並說明如何用診斷檢查剩餘季節性和估算穩定度。這代表一套軟體與方法系列，不保證每項聯邦統計都使用相同設定。請查閱個別數列的方法說明（{source:censusSeasonalAdjustmentFaq}）。

日曆只是影響估算的一個因素。突發罷工、異常天氣、疫情衝擊、抽樣誤差或企業本身的變化，都可能以不規則波動留在調整後數列中。有些統計機關會另外建模已辨識的異常值或日曆事件，但季節調整不會讓觀察值免於測量不確定性。圖表比較平滑，不代表它直接量測了無法觀察的趨勢。

有些發布會對主要總數進行季節調整，但部分組成項目仍以未季節調整資料呈現。如果組成序列採用不同的調整基礎，把顯示值相加可能無法還原發布總數。加總或比較前，請確認每條序列的調整狀態及整體數值的彙總方式。

SAAR 是季節調整年率（seasonally adjusted annual rate）。它結合兩個不同概念：季節調整估算並移除重複日曆效應；年率慣例則把某個期間調整後的水準或變化速度換算成年度比較基準。這個縮寫不表示目前月份的速度會持續一年。

例如，美國人口普查局會以季節調整年率發布部分每月建築許可估計值。假設某月調整後的許可速度是8,000份，SAAR就是8,000乘以12，也就是96,000。年率數字方便將當月速度和全年總量比較，但不代表該月實際核發了96,000份許可，也不預測未來一年會核發96,000份。此例依據[人口普查局建築許可調查方法]({source:censusBuildingPermitsMethodology})，所用數值純屬假設。

季度GDP成長年率是相關但不同的慣例。美國經濟分析局（BEA）會將單季百分比變化複利計算四季；它不是把觀察到的變化率直接乘以四。按年率表示的季節調整GDP水準、年率化的季度百分比變化，以及年度預測，是三種不同概念。BEA在[年率常見問題]({source:beaQuarterlyAnnualRates})中解釋季度成長的計算。比較利率數字前，也可閱讀實質GDP成長率的解讀方法。

會。季節因子是估算值，新增觀察可能改變估算出的重複模式。統計機關可能隨新數據重新計算調整、按預定時間修訂過往調整值，或在原始未調整數據修訂時更新調整值。不同計畫的頻率和受影響期間各有不同。

例如，BLS每年會重新計算經季節調整的CPI數列因子，並可能修訂之前最多五年的調整後指數。這是CPI計畫的做法，不是所有美國數據集共用的修訂規則。BLS也會重新評估個別CPI數列是否仍有足夠季節性而需要調整。[CPI季節調整頁面]({source:blsCpiSeasonalDataUse})說明目前程序和修訂範圍。

重製圖表時，應記錄數列識別碼、季節調整狀態、發布日期和資料版本。依當時可取得數值製作的即時圖表，可能與日後下載的圖表不同，即使使用同一數列名稱也一樣。如果問題涉及季節模式或統計機關後續修訂，請分開保留原始值和調整後的值。

修訂不一定會推翻先前的解讀，但如果初始變動很小或接近轉折點，修訂就可能很重要。比較過去的發布資料和最新下載資料時，請說明資料是否經過修訂，並保留每次比較所用的版本。

如果問題是最新一個月或一季相較前期的變化，而統計機關有發布合適的調整數列，可使用季節調整數據。移除預期季節模式，有助更早看出轉折；但這不代表剩餘變化在統計上必然有意義，短期估計仍可能有雜訊。

如果要研究重複的季節循環本身，可使用 NSA 數據。例如，比較不同年份10月至12月的零售業招聘，可以看出假期季如何改變。比較相同月份的年增率也可減少穩定季節循環的影響，但日期移動的節日、星期數差異或季節模式改變仍會影響結果。應依指標方法選擇版本，並確保它符合問題。

不要把 SA 和 NSA 數字的差額當成經濟得失。比較時要配對相同數列、單位、頻率、人口或產業範圍，以及調整狀態。分析通膨時，也要區分CPI、PCE與GDP平減指數涵蓋的價格籃子。要了解消費支出數據為何不同，可參閱零售銷售與PCE的比較。

先核對數列的完整名稱和來源。確認數值是經季節調整、未經季節調整，還是只提供其中一種版本。再看它代表什麼：水準、美元差額、百分比變化、利率、指數或數量。表格標題也可能指定月度或季度頻率，以及是否按年率表示。

接著依問題配對比較期間。相鄰月份的 SA 變化表示扣除估算季節效應後的變動；同月 NSA 比較保留季節循環；年增率涵蓋整年；SAAR則依指定慣例把期間速度換算成年率。這些標籤不能互換。建築許可的SAAR、GDP季度年率成長和CPI月度變化率都可能使用年率字眼，但計算方式不同。

最後，閱讀發布資料的技術說明，確認修訂、假期、季節狀態及異常事件。若報告要呈現整體循環，不要把單月調整後變化視為確定轉折；若問題關乎重複的日曆時段，也不要忽略 NSA 保留的季節模式。總之，確認數列、SA或NSA、頻率和單位，並保留資料版本。

如果SA和NSA方向相反，先確認它們是否屬於相同序列、頻率、單位和比較區間。接著檢查估計因子、日期會移動的節日或星期幾的數量、異常事件，以及來源資料是否修訂。應說明兩個版本各自回答的問題，而不是把其中一個標為錯誤。