国民经济数据季节性的影响与调整论文

论文关键词：国民经济数据季节成分季节调整方法

论文摘要：本文首先探讨了国民经济数据的季节性影响，指出季节调整后的序列所具有的优点，然后分析了国际上流行的几种季节调整方法，并在此基础上，指出我国一方面要进行季节调整方法的研究，另一方面也要开展国民经济数据的季节调整。

目前，我国公布的宏观经济时间序列都是实际数据，没有经过季节调整，在讨论、分析和研究时使用同比法，这与国际主流统计方法不一致。因此，我国有必要应用季节调整方法对经济序列进行调整，以更好地反映经济发展趋势，同时也跟国际数据具有可比性。

经济数据的季节性影响

可以把经济时间序列看成一些成分的组合。一般地，经济时间序列包括趋势循环成分、季节性成分、不规则成分和历法效应四个部分。

季节性成分是指时间序列围绕趋势循环年复一年地重复出现的一种有规律的波动，这种波动称为季节性波动。产生季节性波动的主要原因是气候变化，如寒冷的冬季使建筑业和农业生产减少、取暖燃油消费增加、外出旅游人数减少，这种影响会产生连锁反应。此外，一些固定的节假日，如国际劳动节、圣诞节、各个国家的国庆节，对商品零售额有一定影响，包含这些节假日的月份其商品零售额往往会高于其它月份。

经济时间序列月度（季度）数据是由每日的经济活动构成的，因此，其值可能受月份的星期结构、月份长度、移动假日等的影响，这些影响有时难以被季节成分吸收，被称为历法效应。月份的星期结构是指本月所含星期一至星期日的天数，一般地，这些天数对不同月份是不同的。不同月份长度对月度国民生产总值影响较大。由于月份长度的影响主要由每月中的工作天数决定，因此把这种影响归为交易日效应。同时二月份长度随年变化，可以单独考虑其影响，即闰年效应。移动假日主要指美国的复活节、感恩节和劳动节，还可以包括其它不固定日子的节日。移动假日前夕、期间和过后，人们的经济活动会发生较大变化，这种变化称为假日效应。

不固定日子节日为了提高不同月度或季度之间数据的可比性，进行季节调整是一种可取的方法。季节调整就是把原始序列中存在的季节性成分、历法效应剔除掉。季节调整后的序列只包含趋势和不规则成分，它有两个优点：可以及时反映经济的瞬间变化，反映经济变化的转折点，这对经济分析很有价值，能够为从事经济活动的人们制定决策提供比较科学的依据；能够发现序列的长期运动特点，从而进行规律探索，以预测未来基本变化趋势。

季节调整方法

美国普查局Shiskin等人首先于1965年开发的X-11方法，后来逐步形成标准X-11方法，其思想是用滑动平均来估计趋势成分和季节成分。1980年，加拿大统计局在X-11方法基础上开发了X-11-ARIMA；1998年，美国普查局在X-11-ARIMA基础上开发了X-12-ARIMA。

季节调整方法中，除X-11家族外，比较流行的方法还有SABL和TRAMO/SEATS，其中能够与X-11家族媲美的是TRAMO/SEATS季节调整方法。TRAMO/SEATS是TRAMO和SEATS这两个过程的组合，TRAMO是具有ARIMA噪声、缺省观测值和异常值的时间序列回归技术，而SEATS是ARIMA时间序列中的信号提取技术。TRAMO/SEATS方法首先用TRAMO过程对时间序列进行预调整，然后将结果传给SEATS过程获得各种成分估计。TRAMO/SEATS与X-12-ARIMA存在较大差别，因而季节调整结果也稍有不同。FindleyandHood比较了这两种方法，得出结论认为X-12-ARIMA在许多地方（如调整效果控制、异常值处理、季节模式识别等）要优于TRAMO/SEATS。

美国普查局于2008年推出了X-13A-S季节调整程序。此程序包含X-12-ARIMA的所有功能，同时融合了TRAMO/SEATS的优点。

季节调整法在我国的应用

我国可以考虑组织专门机构（如统计局）来进行研究，在如下方面开展工作：建模。目前，季节调整方法主要使用ARIMA模型来预调整和延长序列，可以尝试使用GARCH家族中的模型来进行，GARCH模型在处理误差的条件异方差、信息的非对称性反应等方面无疑具有很大优势，另外，可以考虑使用Holt-Winters乘法模型，此模型除了能考察季度、月度、星期季节性外，还能考虑一天中的小时变化；改进成分估计。X-11家族中的方法主要使用滑动平均过滤来获得各种成分估计，这些估计难免受外来扰动的影响，而卡尔曼滤波可以过滤外来扰动，因此，在季节调整过程中，结合使用卡尔曼滤波，有望能提高估计精度；程序实现。季节调整方法可用软件来实现，我国应在这方面加强培训；对经济时间序列开展季节调整。我国可以逐渐开展对各种经济数据序列进行季节调整的作法，然后将数据公布，以及时反映经济基本面的变化。