什么是季节性调整(seasonal adjustment)？

季节性调整是一种统计技术，旨在平衡统计数据的周期性波动或与季节变化有关的供求变动。因此，它可以消除经济时间序列中具有误导性的季节性成分。季节调整是一种数据平滑方法，用于预测给定时期的经济表现或公司销售额。

季节性调整为非季节性趋势和周期性数据提供了更清晰的视角，否则这些数据将被季节性差异所掩盖。这种调整使经济学家和统计学家能够更好地了解给定时间序列的基本趋势。

关键要点

• 季节性调整是一种统计方法，用于消除定期或周期性发生的特定类型经济活动时间序列中的畸变。
• 这些调整为数据的净趋势和非季节性变化提供了更清晰的视角。
• 季节性估计基于前几年固定事件的影响大小。

季节性调整说明

季节性是一个时间序列的一个特征，在这个时间序列中，数据经历了每一个日历年重复出现的规律和可预测的变化。任何在一年内反复出现的可预测的波动或模式都是季节性的。

季节性调整旨在消除某些金融活动中的偏差。例如，美国劳工统计局（BLS）利用季节性调整来更准确地描述美国的就业和失业水平。他们这样做是通过消除季节**件的影响，如假期，天气事件，学校时间表，甚至收获期。这些调整是根据往年的季节性活动估计的。

季节**件是相对暂时的，通常有一个已知的持续时间，它们往往遵循一个普遍可预测的模式，每年在同一时间。因此，季节性调整可以消除它们对统计趋势的影响。调整使统计学家能够更容易地观察非季节性和潜在的趋势和周期，对劳动力市场和购买习惯有一个准确而有用的看法。

根据季节性调整数据

根据季节性调整数据可以平衡统计数据的周期性波动或与季节变化相关的供需变动。通过使用一种称为季节性调整年率（SAAR）的工具，可以消除数据中的季节性变化。分析师从一整年的数据开始，然后找出每个月或季度的平均数据。实际数量与平均数之间的比率决定了该时期的季节性因素。要计算SAAR，取未经调整的月度估计值，除以其季节性因素，然后乘以12。如果使用季度数据，则乘以4。

例如，夏季房屋的销售速度往往比冬季快，价格也较高。因此，如果一个人将夏季房地产销售价格与上一年的中间价进行比较，他可能会得到一个虚假的印象，即房价正在上涨。不过，如果他根据季节调整初始数据，他可以看到数值是否真的在上升，还是仅仅是由于温暖的天气而瞬间增加。

季节性影响不同于周期性影响，因为季节性周期是在一个日历年内观察到的，而周期性影响，例如由于低失业率而促进的销售，可以跨越短于或长于一个日历年的时间段。

季节性调整暴露出潜在的趋势

季节性变化可能是巨大的，以至于它们常常掩盖了数据中的其他特征和趋势。如果不作季节性调整，对数据的分析就不能得出准确的结果。如果时间序列中的每个周期（例如，财政年度中的每个月）具有不同的低或高季节值趋势，则很难检测到时间序列基本趋势的真实方向。困难包括经济活动的增加或减少、转折点和其他经济指标。

季节性也影响到被称为季节性行业的行业，通常在日历年的小而可预测的部分，它们的大部分资金都会得到利用。例如，依赖于假日销售特别抢购的企业，与非季节性企业相比，似乎会出现异常收益。

消费者物价指数如何利用季节性调整

消费者物价指数（CPI）使用X-13ARIMA-SEATS季节性调整软件对被视为受季节性调整影响的价格数据进行季节性调整，如汽车燃料、食品和饮料、车辆和一些公用事业。

CPI经济学家每年都会重新评估每个数据系列的季节性状况。为此，他们每年1月计算新的季节性因素，并将其应用于过去5年的指数数据。超过五年的指数视为最终指数，不再修订。劳工统计局根据具体的统计标准，重新评估每个系列是否应该保持季节性调整。当单一的非季节**件影响经季节性调整的数据时，使用干预分析季节性调整。

例如，当2008年全球经济衰退影响燃料价格时，干预分析季节性调整被用来抵消其对当年燃料价格的影响。利用这些方法，CPI可以为不受季节性调整影响的组成部分和指数制定更准确的价格指数。

季节性调整的真实例子

举个例子，比如说夏天买的跑鞋销量超过了冬天买的数量。这一增长是由于季节因素造成的，在夏季，更多的人跑步，或参加其他需要类似鞋子的户外活动。

跑步鞋销售的季节性高峰会掩盖整个时间序列中运动鞋销售的总体趋势。因此，进行季节性调整，以获得总体趋势的清晰图像。