Seizoensgebonden aanpassing
Wat is seizoensaanpassing?
Een seizoensaanpassing is een statistische techniek die is ontworpen om periodieke schommelingen in statistieken of bewegingen in vraag en aanbod in verband met veranderende seizoenen te compenseren. Het kan daarom misleidende seizoenscomponenten van een economische tijdreeks elimineren. Seizoenscorrectie is een methode voor het afvlakken van gegevens die wordt gebruikt om economische prestaties of bedrijfsverkopen voor een bepaalde periode te voorspellen.
Seizoensgebonden aanpassingen zorgen voor een duidelijker beeld van nonseasonal trends en cyclische data die anders zouden worden overschaduwd door de seizoensgebonden verschillen. Deze aanpassing stelt economen en statistici in staat de onderliggende, basistrends in een bepaalde tijdreeks beter te begrijpen.
Belangrijkste leerpunten
- Seizoensaanpassingen zijn een statistische methode om afwijkingen in tijdreeksen van bepaalde soorten economische activiteiten die op regelmatige of cyclische basis plaatsvinden, glad te strijken.
- Deze aanpassingen geven een duidelijker beeld van nettotrends en niet-seizoensgebonden veranderingen in gegevens.
- Seizoensschattingen zijn gebaseerd op de effectgroottes van de vaste gebeurtenis van voorgaande jaren.
Seizoensgebonden aanpassing uitgelegd
Seizoensgebondenheid is een kenmerk van een tijdreeks waarin de gegevens regelmatige en voorspelbare veranderingen ondergaan die elk kalenderjaar terugkeren. Elke voorspelbare fluctuatie of patroon dat zich herhaalt of herhaalt over een periode van een jaar, wordt als seizoensgebonden genoemd.
Seizoensgebonden aanpassingen zijn bedoeld om afwijkingen bij bepaalde soorten financiële activiteiten weg te werken. Het Amerikaanse Bureau of Labor Statistics (BLS) gebruikt bijvoorbeeld seizoenscorrectie om een nauwkeuriger beeld te krijgen van de werkgelegenheid en werkloosheid in de Verenigde Staten. Ze doen dit door de invloed van seizoensgebeurtenissen, zoals de feestdagen, weersomstandigheden, schoolroosters en zelfs de oogstperiode, weg te nemen. Deze aanpassingen zijn schattingen op basis van seizoensactiviteit in voorgaande jaren.
Seizoensgebonden gebeurtenissen zijn relatief tijdelijk, meestal met een bekende duur, en hebben de neiging om elk jaar, in dezelfde tijd van het jaar, een algemeen voorspelbaar patroon te volgen. Als gevolg hiervan kunnen seizoensaanpassingen hun invloed op statistische trends wegnemen. Aanpassingen stellen statistici in staat om gemakkelijker niet-seizoensgebonden en onderliggende trends en cycli te observeren en een nauwkeurig en bruikbaar beeld te krijgen van de arbeidsmarkt en het koopgedrag.
Gegevens aanpassen aan seizoensinvloeden
Door gegevens aan te passen aan seizoensinvloeden, worden periodieke schommelingen in statistieken of bewegingen in vraag en aanbod met betrekking tot veranderende seizoenen gecompenseerd. Door een tool te gebruiken die bekend staat als Seasonally Adjusted Annual Rate (SAAR), kunnen seizoensvariaties in de gegevens worden verwijderd. Analisten beginnen met een volledig jaar aan gegevens en zoeken vervolgens het gemiddelde aantal voor elke maand of elk kwartaal. De verhouding tussen het werkelijke aantal en het gemiddelde bepaalt de seizoensfactor voor die periode. Om SAAR te berekenen, neemt u de niet-gecorrigeerde maandelijkse schatting, deelt u deze door de seizoensfactor en vermenigvuldigt u deze met 12. Als in plaats daarvan kwartaalgegevens worden gebruikt, vermenigvuldigt u deze met vier.
Zo verkopen huizen in de zomer de neiging om sneller en tegen hogere prijzen te verkopen dan in de winter. Als een persoon daardoor de verkoopprijzen van onroerend goed in de zomer vergelijkt met de mediaanprijzen van het voorgaande jaar, kan hij de verkeerde indruk krijgen dat de prijzen stijgen. Als hij echter de initiële gegevens aanpast op basis van het seizoen, kan hij zien of de waarden echt stijgen of slechts tijdelijk stijgen door het warme weer.
Seizoenseffecten verschillen van cyclische effecten, aangezien seizoenscycli binnen één kalenderjaar worden waargenomen, terwijl cyclische effecten, zoals hogere verkopen als gevolg van lage werkloosheidscijfers, perioden van korter of langer dan één kalenderjaar kunnen beslaan.
Seizoensgebonden aanpassingen brengen onderliggende trends aan het licht
Seizoensgebonden bewegingen kunnen aanzienlijk zijn, zo erg zelfs dat ze vaak andere eigenschappen en trends in de gegevens kunnen verdoezelen. Als er geen seizoenscorrecties worden gemaakt, kunnen analyses van de gegevens geen nauwkeurige resultaten opleveren. Als elke periode in een tijdreeks – bijvoorbeeld elke maand in het boekjaar – een andere neiging heeft naar lage of hoge seizoenswaarden, kan het moeilijk zijn om de ware richting van de onderliggende trends van de tijdreeks te detecteren. Moeilijkheden zijn onder meer toe- of afname van de economische activiteit, keerpunten en andere economische indicatoren.
Seizoensgebondenheid heeft ook gevolgen voor bedrijfstakken – ook wel seizoensindustrieën genoemd – die doorgaans het meeste van hun geld verdienen tijdens kleine, voorspelbare delen van het kalenderjaar. Bedrijven die bijvoorbeeld afhankelijk zijn van een bepaalde stormloop van vakantieverkoop, lijken abnormale inkomsten te hebben in vergelijking met niet-seizoensgebonden bedrijven.
Hoe de consumentenprijsindex seizoensaanpassingen gebruikt
De consumentenprijsindex (CPI) maakt gebruik van X-13ARIMA-SEATS-software voor seizoensaanpassing om seizoensaanpassingen uit te voeren van prijsgegevens die onderhevig zijn aan seizoensaanpassingen zoals motorbrandstoffen, voedingsmiddelen en dranken, voertuigen en sommige nutsvoorzieningen.
CPI-economen evalueren de seizoensstatus van elke gegevensreeks elk jaar opnieuw. Om dit te doen, berekenen ze elk jaar in januari nieuwe seizoensfactoren en passen ze deze toe op de indexgegevens van de afgelopen vijf jaar. Indexen ouder dan vijf jaar worden als definitief beschouwd en worden niet langer herzien. Het Bureau of Labor Statistics evalueert opnieuw of elke reeks seizoensgecorrigeerd moet blijven of niet, op basis van specifieke statistische criteria. Interventieanalyse seizoenscorrectie wordt gebruikt wanneer een enkele, niet-seizoensgebonden gebeurtenis seizoensgecorrigeerde gegevens beïnvloedt.
Toen de wereldwijde recessie in 2008 bijvoorbeeld de brandstofprijzen beïnvloedde, werd de seizoenscorrectie van de interventieanalyse gebruikt om de effecten ervan op de brandstofprijzen in dat jaar te compenseren. Met behulp van deze methoden kan de CPI nauwkeurigere prijsindexen opstellen voor componenten en indexen die niet onderhevig zijn aan seizoenscorrectie.
Voorbeeld uit de echte wereld van een seizoensaanpassing
Stel bijvoorbeeld dat de verkoop van hardloopschoenen die in de zomer zijn gekocht, groter is dan de hoeveelheid die in de winter is gekocht. Deze stijging is te wijten aan de seizoensfactor dat meer mensen in de zomer hardlopen of deelnemen aan andere buitenactiviteiten waarvoor vergelijkbaar schoeisel nodig is.
De seizoenspiek in de verkoop van hardloopschoenen kan de algemene trends in de verkoop van atletische schoenen over de hele tijdreeks verdoezelen. Er wordt daarom een seizoenscorrectie doorgevoerd om een duidelijk beeld te krijgen van de algemene trend.