Dữ liệu đã và chưa điều chỉnh mùa vụ: SA, NSA và SAAR

Hoạt động kinh tế thường thay đổi theo lịch theo cách có thể dự đoán. Việc làm trong ngành bán lẻ có thể tăng trước kỳ nghỉ đông, xây dựng có thể chậm lại khi trời lạnh, còn nhà máy có thể thay đổi lịch sản xuất khi chuyển sang mẫu xe mới. Những ảnh hưởng lặp lại này có thể khiến một tháng trông mạnh hoặc yếu hơn tháng liền kề, ngay cả khi nhịp hoạt động cơ bản ít thay đổi.

Điều chỉnh mùa vụ ước tính phần chuỗi dữ liệu gắn với các ảnh hưởng mùa vụ lặp lại và loại phần đó khỏi chuỗi đã điều chỉnh. Khi phương pháp của chuỗi yêu cầu, cơ quan thống kê cũng có thể tính đến các ảnh hưởng lịch dự đoán được, như số ngày trong tuần khác nhau hoặc ngày lễ thay đổi ngày. Mục tiêu là giúp diễn giải biến động theo tháng hoặc theo quý dễ hơn, không phải xóa bỏ hoạt động kinh tế thực hay tạo ra một xu hướng hoàn toàn trơn. Cục Thống kê Lao động Hoa Kỳ (BLS) mô tả điều chỉnh mùa vụ là loại bỏ các ảnh hưởng mùa vụ lặp lại; Cục Điều tra Dân số Hoa Kỳ cho biết cách này có thể giúp nhận diện đặc điểm phi mùa vụ của chuỗi thời gian. Xem [tổng quan về điều chỉnh mùa vụ của BLS]({source:blsSeasonalAdjustmentOverview}) và [câu hỏi thường gặp của Cục Điều tra Dân số]({source:censusSeasonalAdjustmentFaq}).

Điều chỉnh mùa vụ không giống điều chỉnh lạm phát. Một chuỗi đã điều chỉnh mùa vụ vẫn có thể được tính bằng đô la hiện hành; một chuỗi thực đã điều chỉnh lạm phát cũng có thể được trình bày có hoặc không điều chỉnh mùa vụ. Khi đọc số liệu giá cả, sản lượng, thu nhập hoặc chi tiêu, hãy kiểm tra riêng cả hai khía cạnh.

Tính mùa vụ không đồng nghĩa với chu kỳ kinh doanh. Sự chậm lại có thể dự đoán vào mùa hè có thể lặp lại mỗi năm, trong khi đà giảm kéo dài vài quý có thể phản ánh hoạt động kinh tế rộng hơn hoặc một cú sốc khác. Điều chỉnh mùa vụ không thể phân loại hoàn hảo mọi biến động, vì vậy hãy đọc bản công bố cùng ghi chú kỹ thuật và các chỉ báo khác.

SA là viết tắt của seasonally adjusted, tức đã điều chỉnh mùa vụ. NSA là not seasonally adjusted, tức chưa điều chỉnh mùa vụ; một số bản công bố cũng gọi đó là dữ liệu chưa điều chỉnh hoặc dữ liệu gốc. Hai phiên bản thường mô tả cùng một chuỗi kinh tế nhưng trả lời những câu hỏi so sánh khác nhau.

Giá trị đã điều chỉnh là ước tính dựa trên chuỗi dữ liệu và phương pháp của cơ quan thống kê, không phải kết quả của một cuộc khảo sát thứ hai. Nó có thể đi theo hướng khác dữ liệu chưa điều chỉnh vì ảnh hưởng mùa vụ ước tính cho từng tháng có thể khác nhau. BLS cho biết không phiên bản nào luôn tốt hơn: dữ liệu chưa điều chỉnh có thể phù hợp để so sánh việc làm mùa vụ ở cùng thời điểm qua các năm, còn dữ liệu đã điều chỉnh thường hữu ích hơn khi theo dõi biến động CPI giữa các tháng gần đây. [Hướng dẫn của BLS về cách dùng CPI đã và chưa điều chỉnh mùa vụ]({source:blsCpiSeasonalDataUse}) đưa ra ví dụ cho một chuỗi cụ thể; hãy xem ghi chú của từng bản công bố trước khi khái quát sang chuỗi khác.

Điều chỉnh thay đổi phép so sánh bằng cách ước tính mẫu hình lịch cho từng kỳ. Hãy xét một chuỗi giả định rất đơn giản dùng điều chỉnh cộng. Ở Tháng A, giá trị quan sát là 100, trong đó có ảnh hưởng mùa vụ ước tính là 15, nên giá trị đã điều chỉnh còn 85. Ở Tháng B, giá trị quan sát là 108 và ảnh hưởng mùa vụ ước tính là 25, nên giá trị đã điều chỉnh là 83.

Chuỗi chưa điều chỉnh tăng 8, trong khi chuỗi đã điều chỉnh giảm 2. Điều này có thể xảy ra vì mức tăng mùa vụ thông thường trong Tháng B được ước tính lớn hơn. Trong ví dụ này, thay đổi của chuỗi đã điều chỉnh cho biết mức tăng quan sát được có vượt mẫu hình lịch dự kiến hay không. Các con số hoàn toàn giả định, chỉ để minh họa phép tính chứ không phải số liệu của một chỉ báo đã công bố.

Phép trừ trên chỉ minh họa điều chỉnh cộng. Nhiều chuỗi dùng hệ số nhân, tức chia giá trị gốc cho một hệ số; phương pháp cũng có thể kết hợp ảnh hưởng mùa vụ, số ngày trong tuần hoặc ngày lễ thay đổi ngày. Vì vậy, việc hai chuỗi đi ngược hướng không tự nó chứng minh cơ quan thống kê mắc lỗi hoặc nền kinh tế đảo chiều mạnh. Cục Điều tra Dân số lưu ý rằng chuỗi đã và chưa điều chỉnh đi theo hai hướng khác nhau là chuyện thường gặp; cần xem hệ số mùa vụ và phần còn lại của bản công bố. {source:censusSeasonalAdjustmentFaq}

Đối với một chuỗi đã công bố, chỉ một mức giảm nhỏ của giá trị đã điều chỉnh chưa đủ để xác nhận điểm đảo chiều rõ ràng. Sai số chọn mẫu, làm tròn, các lần sửa đổi và độ bất định của hệ số ước tính đều có thể ảnh hưởng đến số liệu ngắn hạn. Số chữ số thập phân được hiển thị cho biết cách công bố giá trị, chứ không cho biết ước tính đáng tin đến mức nào.

<!-- learn:illustration -->

Các hệ số mùa vụ được ước tính từ lịch sử của từng chuỗi thời gian. Phương pháp thống kê tìm những mẫu hình lặp lại vào thời điểm tương tự trong năm và phân biệt chúng với biến động dài hạn và dao động bất thường. Có thể hình dung chuỗi gồm thành phần mùa vụ, xu hướng-chu kỳ và thành phần bất quy tắc; chuỗi đã điều chỉnh thường loại thành phần mùa vụ ước tính nhưng vẫn giữ chuyển động phi mùa vụ và cú sốc bất thường.

Không phải năm nào cũng trừ đi cùng một tỷ lệ cố định. Một số chuỗi phù hợp với ảnh hưởng cộng, số khác phù hợp với hệ số nhân có quy mô phụ thuộc vào mức của chuỗi. Khi cần, phương pháp cũng có thể ước tính ảnh hưởng của ngày giao dịch hoặc ngày lễ thay đổi ngày, chẳng hạn Lễ Phục sinh. Cục Điều tra Dân số duy trì X-13ARIMA-SEATS để điều chỉnh mùa vụ và mô tả các phép chẩn đoán nhằm đánh giá mùa vụ còn sót lại và tính ổn định. Đây là mô tả về công cụ và nhóm phương pháp, không đảm bảo mọi bản công bố liên bang dùng thiết lập giống nhau. Hãy xem phương pháp của đúng chuỗi dữ liệu. {source:censusSeasonalAdjustmentFaq}

Lịch không phải ảnh hưởng duy nhất đến ước tính. Đình công đột ngột, thời tiết bất thường, gián đoạn do đại dịch, sai số chọn mẫu hoặc cú sốc riêng của doanh nghiệp vẫn có thể xuất hiện dưới dạng biến động bất quy tắc trong chuỗi đã điều chỉnh. Một số cơ quan mô hình hóa riêng các giá trị ngoại lệ hoặc sự kiện lịch đã xác định, nhưng điều chỉnh mùa vụ không loại bỏ bất định đo lường. Biểu đồ trông mượt hơn không đồng nghĩa với việc đã đo trực tiếp một xu hướng không quan sát được.

Một số bản công bố điều chỉnh mùa vụ cho tổng số chính nhưng cung cấp một số thành phần ở dạng chưa điều chỉnh. Nếu các chuỗi thành phần dùng cơ sở điều chỉnh khác nhau, cộng các giá trị hiển thị có thể không khớp với tổng đã công bố. Trước khi cộng hoặc so sánh, hãy kiểm tra trạng thái điều chỉnh và cách tổng hợp của từng chuỗi.

SAAR là viết tắt của seasonally adjusted annual rate, tức tỷ lệ năm đã điều chỉnh mùa vụ. Nó kết hợp hai ý riêng: điều chỉnh mùa vụ ước tính và loại các ảnh hưởng lịch lặp lại; quy ước tỷ lệ năm chuyển mức hoặc nhịp của một kỳ sang cách thể hiện theo năm. Tên gọi này không khẳng định nhịp của tháng hiện tại sẽ kéo dài suốt năm.

Ví dụ, Cục Điều tra Dân số công bố một số ước tính giấy phép xây dựng hằng tháng theo SAAR. Nếu nhịp tháng đã điều chỉnh giả định là 8.000 giấy phép, SAAR bằng 8.000 nhân 12, tức 96.000. Con số theo năm giúp so sánh nhịp của tháng hiện tại với tổng số trong năm. Nó không có nghĩa đã cấp 96.000 giấy phép trong tháng đó, cũng không dự báo sẽ cấp 96.000 giấy phép trong năm tới. Ví dụ này theo [phương pháp tính giấy phép xây dựng của Cục Điều tra Dân số]({source:censusBuildingPermitsMethodology}) và dùng số giả định.

Tăng trưởng GDP theo quý được trình bày ở tỷ lệ năm là quy ước liên quan nhưng khác. BEA tính lãi kép thay đổi phần trăm của một quý qua bốn quý; không đơn giản nhân mức biến động quan sát được với bốn. Mức GDP đã điều chỉnh mùa vụ và trình bày theo tỷ lệ năm, tỷ lệ tăng trưởng quý được quy đổi theo năm và dự báo cả năm là ba khái niệm khác nhau. BEA giải thích cách tính trong [câu hỏi thường gặp về tỷ lệ năm]({source:beaQuarterlyAnnualRates}). Xem cách đọc tốc độ tăng trưởng GDP thực để biết thêm về so sánh các tỷ lệ.

Có. Hệ số mùa vụ là ước tính, và quan sát mới có thể làm thay đổi mẫu hình lặp lại được ước tính. Cơ quan thống kê có thể tính lại khi có dữ liệu mới, sửa các quan sát đã điều chỉnh trước đó theo lịch, hoặc cập nhật chúng khi dữ liệu gốc được sửa đổi. Tần suất và khoảng thời gian bị ảnh hưởng khác nhau tùy chương trình.

Ví dụ, BLS tính lại hệ số mùa vụ cho chuỗi CPI đã điều chỉnh mỗi năm và có thể sửa đổi các chỉ số đã điều chỉnh trong tối đa năm năm. Đây là mô tả về chương trình CPI, không phải lịch sửa đổi chung cho mọi bộ dữ liệu Hoa Kỳ. BLS cũng đánh giá lại xem từng chuỗi CPI có còn thể hiện đủ tính mùa vụ để cần điều chỉnh hay không. Quy trình và khoảng thời gian sửa đổi hiện hành được nêu trên [trang điều chỉnh mùa vụ CPI]({source:blsCpiSeasonalDataUse}).

Khi dựng lại biểu đồ, hãy ghi mã chuỗi, trạng thái điều chỉnh mùa vụ, ngày công bố và phiên bản dữ liệu. Biểu đồ lập theo giá trị có sẵn tại thời điểm thực có thể khác biểu đồ dùng dữ liệu tải về sau này, dù cùng tên chuỗi. Nếu câu hỏi liên quan đến mẫu hình mùa vụ hoặc việc cơ quan thống kê sửa dữ liệu sau đó, hãy lưu riêng giá trị gốc và giá trị đã điều chỉnh.

Một lần sửa đổi không tự động bác bỏ cách diễn giải trước đó, nhưng có thể quan trọng nếu biến động ban đầu nhỏ hoặc nằm gần điểm đảo chiều. Khi so sánh bản công bố cũ với dữ liệu tải mới nhất, hãy nêu rõ dữ liệu có được sửa đổi hay không và lưu phiên bản dùng cho từng phép so sánh.

Dùng dữ liệu SA khi câu hỏi liên quan đến biến động mới nhất so với tháng hoặc quý trước và cơ quan thống kê có công bố chuỗi đã điều chỉnh phù hợp. Loại mẫu hình mùa vụ dự kiến có thể giúp nhận ra bước ngoặt mới. Điều đó không chứng minh phần thay đổi còn lại có ý nghĩa thống kê; ước tính ngắn hạn vẫn có thể nhiễu.

Dùng NSA khi chính chu kỳ mùa vụ lặp lại là điều cần xem xét. Chẳng hạn, so sánh việc làm bán lẻ từ tháng 10 đến tháng 12 qua nhiều năm có thể cho thấy mùa lễ đã thay đổi thế nào. So sánh cùng tháng giữa các năm cũng giảm ảnh hưởng của chu kỳ mùa vụ ổn định, nhưng vẫn có thể chịu tác động của ngày lễ dịch chuyển, số ngày trong tuần khác nhau hoặc hành vi mùa vụ thay đổi. Hãy theo phương pháp của chỉ báo và chọn phiên bản phù hợp với câu hỏi.

Đừng so sánh số liệu SA với NSA như thể khoảng cách giữa chúng là phần tăng hay giảm của nền kinh tế. Hãy khớp chuỗi, đơn vị, tần suất, phạm vi dân số hoặc ngành và trạng thái điều chỉnh. Với câu hỏi về lạm phát, xem so sánh CPI, PCE và chỉ số giảm phát GDP. Doanh số bán lẻ và chi tiêu tiêu dùng PCE giải thích vì sao hai bản công bố liên quan có thể khác nhau vì những lý do ngoài điều chỉnh mùa vụ.

Bắt đầu bằng tên chuỗi chính xác và nguồn công bố. Xác nhận giá trị được điều chỉnh mùa vụ, chưa điều chỉnh hay chỉ có một dạng. Sau đó kiểm tra con số đo mức, thay đổi bằng đô la, phần trăm thay đổi, tỷ lệ, chỉ số hay số lượng. Tiêu đề bảng cũng có thể ghi tần suất tháng hoặc quý và cách trình bày theo năm.

Tiếp đó chọn khoảng so sánh phù hợp câu hỏi. Biến động SA tháng liền kề là thay đổi sau khi loại ảnh hưởng mùa vụ ước tính; so sánh NSA cùng tháng qua các năm giữ lại chu kỳ mùa vụ; thay đổi phần trăm so với năm trước bao trùm một năm; còn SAAR trình bày nhịp của một kỳ theo tỷ lệ năm dựa trên quy ước cụ thể. Những nhãn này không thể dùng thay nhau. SAAR của giấy phép nhà ở, tăng trưởng GDP quy đổi theo năm và thay đổi CPI hằng tháng đều có thể dùng ngôn từ liên quan đến năm nhưng áp dụng phép tính khác nhau.

Cuối cùng, đọc ghi chú kỹ thuật về sửa đổi, ngày lễ, trạng thái mùa vụ và sự kiện bất thường. Nếu muốn hiểu chu kỳ rộng hơn, đừng xem một thay đổi SA trong một tháng là bước ngoặt chắc chắn. Nếu muốn so sánh các thời điểm lịch lặp lại, đừng bỏ qua mẫu hình mùa vụ trong NSA. Hãy xác định chuỗi, chọn SA hay NSA theo mục đích, ghi rõ tần suất và đơn vị, đồng thời lưu phiên bản dữ liệu.

Nếu SA và NSA đi theo hai hướng trái ngược, trước hết hãy xác nhận chúng cùng chuỗi, tần suất, đơn vị và khoảng so sánh. Sau đó kiểm tra hệ số ước tính, ngày lễ thay đổi ngày hoặc số ngày trong tuần, sự kiện bất thường và các lần sửa dữ liệu nguồn. Hãy giải thích mỗi phiên bản trả lời câu hỏi nào thay vì gán nhãn một phiên bản là sai.