Comment désaisonnaliser les données de séries chronologiques

Dans de nombreux cas, les tendances saisonnières sont supprimés des données de séries chronologiques quand ils sont libérés sur les bases de données publiques. Les données qui a été dépouillé de ses tendances saisonnières est appelé CuisinlLy ajusté ou désaisonnalisée données.

Afin d'obtenir une mesure de la qualité de l'ajustement qui isole l'influence de vos variables indépendantes, vous devez estimer votre modèle avec des valeurs désaisonnalisés pour vos deux variables dépendantes et indépendantes. Voici comment faire exactement cela:

  1. Régresser votre variable dépendante sur les variables muettes saisonnières pour obtenir la fonction estimée

    image0.jpg

    et à retenir les résidus de cette régression.

  2. Régresser chacun de vos variables indépendantes sur les variables muettes saisonnières pour obtenir les fonctions estimées

    image1.jpg

    k représente une variable indépendante spécifique, et de conserver les résidus de tous k Ces régressions.

  3. Régresser les résidus obtenus à l'étape 1

    image2.jpg

    sur les résidus obtenus dans l'étape 2

    image3.jpg

    estimer

    image4.jpg

    Le R-carré de cette régression fournit une meilleure mesure de l'ajustement lorsque la série chronologique présente saisonnalité considérable.

La traditionnelle R-carré peut être surgonflés lorsque les données contient des tendances saisonnières significatives. Si vous rencontrez cette situation, estimer simplement une régression avec les données désaisonnalisées de trouver une autre valeur de R-carré.

Le chiffre utilise STATA pour estimer l'impact de chômage mensuel du journal et une tendance de temps sur le journal des ventes de souvenirs entre 1987 et 1993. Tout d'abord, le modèle est estimé avec les données brutes, puis le modèle est estimé avec les données désaisonnalisées.

La sortie pour les étapes intermédiaires est exclu pour économiser l'espace. Comme prévu, le R-carré est plus petit une fois les données désaisonnalisées (0,9106 à 0,9539 contre), mais la différence est pas grande. Les estimations des coefficients pour les variables de chômage et les tendances sont similaires dans les deux régressions, de sorte que les résultats impliquent que le rôle des variables indépendantes est pas affectée par les tendances saisonnières.

image5.jpg

Économètres estiment principalement le modèle de régression avec des données désaisonnalisées pour dériver le pouvoir explicatif des autres variables indépendantes. Vos résultats économétriques primaires, cependant, doivent signaler les estimations du modèle avec les données brutes et les variables saison factices.


» » » » Comment désaisonnaliser les données de séries chronologiques