Menu-driven X-12-ARIMA saisonale Anpassung in Stata Die X-12-ARIMA Software des U. S. Census Bureau ist eine der beliebtesten Methoden für saisonale Anpassung das Programm x12a. exe ist weit verbreitet auf der ganzen Welt. Einige Software bietet auch X-12-ARIMA saisonale Anpassungen mit x12a. exe als Plug-in oder extern. In diesem Artikel illustrieren wir eine menudriven X-12-ARIMA saisonale Anpassung Methode in Stata. Insbesondere die wichtigsten Dienstprogramme beinhalten, wie Sie die Eingabedatei angeben und das Programm ausführen, wie man eine Diagnosetabelle erstellt, wie man Daten importiert und wie man Graphen macht. Copyright 2012 von StataCorp LP. Wenn Sie Probleme beim Herunterladen einer Datei haben, überprüfen Sie, ob Sie die richtige Anwendung haben, um sie zuerst anzuzeigen. Bei weiteren Problemen lesen Sie bitte die IDEAS-Hilfeseite. Beachten Sie, dass diese Dateien nicht auf der IDEAS-Website sind. Bitte haben Sie Geduld, da die Dateien groß sein können. Artikel von StataCorp LP in seiner Zeitschrift Stata Journal. Seasonal Anpassung und Trend-Zyklus Schätzung Die saisonalen Anpassungsrichtlinien für Statistik Canadas Methoden und Normen Ausschuss wurden im März 2000 geschrieben. Dies ist ein Vorschlag, um sie zu aktualisieren nach Statistiken Canadas Annahme von X-12 - ARIMA (Findley et al., 1998) und sie mit denen des US Census Bureau (McDonal-Johnson et al., 2006a, 2006b) und Eurostat (Mazzi, 2008) zu vereinheitlichen. Geltungsbereich und Zweck Saisonale Anpassung Eine Zeitreihe ist eine Abfolge von Messungen einer Variablen, die durch die Zeit beobachtet wird. In den meisten Situationen sind die Beobachtungen zeitabhängig und es ist diese Abhängigkeit in sich selbst, die von Interesse ist. Für die saisonale Anpassung wird angenommen, dass die Zeitreihen monatlich oder vierteljährlich beobachtet wird und aus drei verschiedenen Elementen besteht: 160 der Trendzyklus, die kombinierten Saison - und Kalendereffekte und die Unregelmäßigen.160 Das Ziel der saisonalen Anpassung ist Die kombinierten Saison - und Kalendereffekte zu identifizieren und zu schätzen und sie aus der Zeitreihe zu entfernen.160 Die daraus resultierende Serie wird dann saisonbereinigt und besteht nur aus den Trendzyklen und unregelmäßigen Komponenten. Saisonale Effekte sind die intra-jährlichen (monatlichen, vierteljährlichen) Schwankungen, die sich von Jahr zu Jahr mehr oder weniger regelmäßig wiederholen.160 Sie ergeben sich aus zusammengesetzten Auswirkungen von Ereignissen im Zusammenhang mit dem Klima, institutionellen Entscheidungen oder Betriebsweisen, die sich mit einer gewissen Regelmäßigkeit wiederholen Das Jahr.160 Kalendereffekte beziehen sich auf die Zusammensetzung des Kalenders.160 Sie beinhalten Handelstag-Effekte, die mit der Wochentagszusammensetzung des Monats verbunden sind, bewegte Urlaubseffekte, die mit nicht festen Terminferien wie Ostern und anderen vorhersagbaren Ereignissen verbunden sind Der Kalender.160 Trading-Day-Effekte sind vorhanden, wenn das Niveau der Aktivität mit den Tagen der Woche variiert.160 Der Ostereffekt kann als die Veränderung des Niveaus durch die Verschiebung eines Volumen der Aktivität von April bis März, wenn Ostern gesehen werden Fällt im März statt der üblichen April-Auftreten. Die saisonbereinigte Serie ermöglicht die Einschätzung der aktuellen Trend-Zyklus-Richtung bei Monaten-zu-Monat - oder Viertel-zu-Quartals-Vergleichen. Der Trend ist die langjährige langjährige Langzeitbewegung. Der Zyklus, auch Business-Cycle genannt, ist eine quasi-periodische Oszillation, die länger als ein Jahr um den langfristigen Trend geht.160 Es zeichnet sich durch wechselnde Perioden der Expansion und Kontraktion aus. Der Trend und der Zyklus sind schwer abzuschätzen und werden daher als Trendzyklus betrachtet und analysiert. Die unregelmäßige Komponente stellt zufällige Variationen dar, die unvorhersehbare Bewegungen im Zusammenhang mit Ereignissen aller Art sind und die nicht auf die Trendzykluskomponente, die saisonale Komponente oder die Kalendereffekte zurückzuführen sind. Trend-Zyklus-Schätzung Die saisonale Anpassung der hochflüchtigen Serien reicht möglicherweise nicht aus, um einen Überblick über die aktuelle Trend-Zyklus-Richtung zu ziehen. In diesen Fällen ist eine weitere Glättung der saisonbereinigten Serien ratsam, die meisten der unregelmäßigen Komponenten zu beseitigen. Die daraus resultierende Trendzyklusschätzung ist als Hilfsinformation für die saisonbereinigte Serie zu betrachten. X-12-ARIMA Die Gründung der Statistik Canadas saisonalen Anpassungsprogramm ist 1967s X-11Variant der Census Method II (Shiskin et al., 1967 Ladiray und Quenneville, 2001) .160 Im Jahr 1980 hat Statistics Canada den autoregressiven integrierten gleitenden Durchschnitt (ARIMA) ) (Box und Jenkins, 1976) Modelle zur Prognose und Rückmeldung der Serie vor saisonalen Anpassung sowie mehrere wesentliche Änderungen zur Verbesserung der Volkszählung Methode. Diese neue Variante hieß X-11-ARIMA (Dagum, 1980) .160 Die Erweiterung der Serie mit den ARIMA-Prognosen ergab im Durchschnitt kleinere Revisionen der saisonbereinigten Serie.160 Im Jahr 1988 veröffentlichte Statistics Canada eine verbesserte Version von X-11 - ARIMA (Dagum, 1988) für Mikrocomputer verfügbar. Im Jahr 1998 veröffentlichte das US Census Bureau X-12-ARIMA (Findley et al. 1998) .160 X-12-ARIMA nutzt eine lineare Regression mit ARIMA-Fehlern (RegARIMA-Modellierung), um Kalendereffekte sowie additive Ausreißer, Levelverschiebungen und Andere vordefinierte Regressionsvariablen. Darüber hinaus erlaubt X-12-ARIMA eine benutzerdefinierte Regression für ungewöhnliche oder nicht standardmäßige Kalendereffekte und beinhaltet eine Variante des TRAMO-Algorithmus (Gomez und Maravall, 1996) für die automatische RegARIMA-Modellierung.160 Weitere Funktionen sind im Benutzerhandbuch (US-Volkszählung) beschrieben Bureau, 2008) .160 X-12-ARIMA ist für mehrere Computing-Plattformen verfügbar, darunter die rohe FORTRAN-ausführbare Datei, C für UNIX und eine für Ruhm. Das X12-Verfahren (SAS Institute Inc, 2007) in SAS174 implementiert auch die wichtigsten Optionen der Methode.160 X-12-ARIMA ist die empfohlene saisonale Anpassungsmethode bei Statistics Canada als X-11-ARIMA wird auslaufen und wird nein Länger unterstützt werden. Grundsätze der saisonalen Anpassung Da die saisonale Anpassung die kombinierten Saison - und Kalendereffekte herausfiltern soll, sollte sie angewendet werden, wenn diese Effekte richtig erkannt und geschätzt werden können.160 Wenn saisonale und / oder Kalendereffekte nicht in einer Zeitreihe identifiziert werden können, ist die Serie Als de facto saisonbereinigt betrachtet Die saisonbereinigten Serien sollten keine restliche Saisonalität aufweisen und sind im Allgemeinen glatter als die entsprechenden Rohserien. Da neue Daten verfügbar sind, können die verschiedenen Zeitreihenkomponenten besser geschätzt werden. Dies führt zu überarbeiteten und genaueren Schätzungen für vergangene saisonbereinigte Werte, die anerkannt werden sollen.160 Allerdings können zu häufige Revisionen die Nützlichkeit der saisonbereinigten Daten beeinträchtigen.160 Es sollten saisonbereinigte Optionen ausgewählt werden, um die Amplitude der Revisionen ohne Beeinträchtigung zu minimieren Die Gesamtqualität der Anpassung und eine Revisionsstrategie sollten umgesetzt werden, um die Häufigkeit der Revisionen der veröffentlichten Daten zu minimieren. Unangemessene saisonale Anpassungsoptionen können zu irreführenden Ergebnissen führen.160 Als solch richtige Zeit und Aufwand in die Analyse der Serie und auf die anfängliche Auswahl und Aufrechterhaltung von Optionen.160 In ähnlicher Weise, da verschiedene Sätze von Optionen zu verschiedenen Ergebnissen führen könnte, Sammlung von Serien, die die gleiche Wirtschaftstätigkeit messen, sollte als Ganzes behandelt werden.160 Dies beinhaltet in der Regel die Verwendung ähnlicher Anpassungsmöglichkeiten durch das für Kohärenzzwecke betreffende Gebiet. Grundsätze der Tendenz-Zyklus-Schätzung Als Ergänzung zu den saisonbereinigten Reihen können Trendschätzungen die Richtung des kurzfristigen Trends (im laufenden Jahr) angeben.160 Wenn neue Datenpunkte der Serie hinzugefügt werden, Zyklusschätzungen können genauer geschätzt werden und sind daher Gegenstand von Revisionen.160 Trendzyklusschätzungen sind empfindlich für die aktuelle Phase des Konjunkturzyklus (Wendepunkt, Rezession, Erholung oder Expansion), also die Zuverlässigkeit der aktuellen Trendzyklusschätzungen Hängt von der Nähe eines Wendepunktes sowie von der Amplitude des Zyklus ab. Die Trendzyklusschätzungen sollten in vollem Umfang mit den veröffentlichten saisonbereinigten Reihen übereinstimmen.160 Wenn die saisonbereinigten Werte in einer Datenbank eingefroren sind, sollte der Trendzyklus aus der saisonbereinigten Serie geschätzt werden, wie sie in der eingefrorenen Datenbank erscheint.160 Ähnlich, Wenn die saisonbereinigten Serien weitere Anpassungen wie Aggregation, Bilanzierung oder Abstimmung durchlaufen, sollte der Trendzyklus aus der aggregierten, ausgewogenen oder abgestimmten Serie geschätzt werden. Saisonale Anpassungsrichtlinien Vor der saisonalen Anpassung einer Serie zum ersten Mal sollte man beurteilen, ob die Saisonalität identifizierbar ist und ob sie richtig geschätzt werden kann. Wenn eine Serie weder saisonal noch keine Kalendereffekte hat, werden keine Behandlungen angewendet und die Serie wird de facto saisonbereinigt. Saisonbereinigte Serien dürfen keine Rest-Saison - oder Restkalender-Effekte haben. Für die korrekte Identifizierung und Schätzung von Saison - und Kalendereffekten wird empfohlen, eine Spanne von 10 bis 15 Jahren Daten zu verwenden. Das Minimum ist fünf (5) Jahre, um ein saisonales Muster und sieben (7) Jahre für Kalendereffekte wie Handelstage und bewegte Feiertage richtig abzuschätzen. Es empfiehlt sich, die RegARIMA-Modellierung zu verwenden, um Kalendereinstellungsfaktoren und temporäre Anpassungen wie jene aus bekannten additiven Ausreißern oder Ebenenverschiebungen zu berechnen.160 Das gleiche RegARIMA-Modell sollte in der Regel dazu verwendet werden, die Serie zu extrapolieren, um die Revisionen in der saisonbereinigten Serie zu reduzieren. Es gibt verschiedene saisonale Anpassungsoptionen, die sich am wichtigsten um die Auswahl des Zerlegungsmodells, die Spezifikation eines RegARIMA-Modells und der Saison - und Trendzyklus-Filterlängen drehen.160 X-12-ARIMAs automatische Auswahlprozesse können für eine Vorläufige Einstellung dieser Optionen.160 Wenn die Zeit erlaubt oder wenn die Qualitätserwartung hoch ist, sollte die automatische Auswahl mit Hilfe von Alternativstatistiken, Fachwissen und grafischer Analyse überprüft werden. Saisonale Anpassungsoptionen für jede Serie sollten regelmäßig überprüft werden, um ihre fortgesetzte Anwendbarkeit und Angemessenheit zu überprüfen und die Genauigkeit zu erhöhen. Die bereits ausgewählten saisonalen Anpassungsoptionen sollten nicht zwischen geplanten Überprüfungen ohne vorherige Begründung geändert werden. Obwohl die wichtigsten saisonalen Anpassungsoptionen in der Regel zwischen den Bewertungen festgelegt werden sollten, sollten die Anpassungsfaktoren und die RegARIMA-Modellparameter gleichermaßen 8211 sein, die mit allen verfügbaren Datenpunkten neu berechnet werden.160 Ausnahmen können gelten, wenn die jüngsten Beobachtungen historisch weitgehend unterworfen wurden Revisionen.160 In diesem Fall können die voraussichtlichen Faktoren geeigneter sein. Für eine Aggregat - (oder Komposit-) Baureihe mit mehreren Baureihen kann die saisonale Anpassung indirekt erfolgen 8211 werden die saisonbereinigten Komponenten zu der saisonbereinigten Kompositreihe 8211 oder direkt 8211 aggregiert, wobei das Aggregat unabhängig eingestellt wird.160 Mit dieser letzten Methode kann man da auch Unstimmigkeiten zwischen den Aggregatreihen und den aggregierten Komponenten nach saisonaler Anpassung.160 Bei Bedarf eine Rechen - oder Versöhnungsmethode anwenden, um die direkt saisonbereinigte Aggregatreihe mit ihren saisonbereinigten Komponenten in Einklang zu bringen, ohne die unbereinigten Komponenten möglichst zu modifizieren. Für den indirekten und direkten Ansatz sollte das Aggregat keine restliche Saisonalität enthalten und sollte relativ glatt sein.160 Der geplante direkte Ansatz wird bevorzugt, wenn der Aggregatreihe mehr Bedeutung verliehen wird als die Komponenten oder wenn die Komponenten sehr ähnliche beobachtete saisonale Komponenten aufweisen .160 Die indirekte Anpassung ist in der Regel sinnvoll, wenn die Baureihe sehr unterschiedliche saisonale Muster aufweist und viele der Serien saisonbereinigt werden können.160 Die jährlichen Summen der saisonbereinigten Daten entsprechen denen des Originals (oder des Kalenders angepasst Original) - Serie ist selten theoretisch gerechtfertigt, könnte aber verwendet werden, wenn ein Konsistenz mit externen Benchmarks wie im System der Volkswirtschaftlichen Gesamtrechnungen oder in der Vereinbarkeit eines Aggregats und seiner Komponenten erforderlich ist. Revisionen zu saisonbereinigten Daten Änderungen der saisonbereinigten Daten sind nach einer offiziell festgelegten Revisionsrichtlinie und in Übereinstimmung mit dem Freigabekalender der nicht eingestellten Daten zu veröffentlichen. Wenn ein gleichzeitiger saisonaler Faktor verwendet wird, ist es nicht notwendig, die saisonbereinigten Schätzungen mehr als eine Periode zurück zu revidieren.160 Ausnahmen können gelten, wenn vorläufige Beobachtungen verwendet werden: Es wird empfohlen, die saisonalen Faktoren zu überarbeiten, wenn die Originalzahlen überarbeitet werden.160 Auf Jahresbasis überarbeiten die saisonbereinigten Werte für die letzten drei Jahre, wenn der erste Monat (Quartal) des nächsten Jahres verfügbar ist. Wenn saisonbereinigte Werte mit den voraussichtlichen saisonalen Anpassungsfaktoren erhalten werden, gilt die jährliche Revision für die letzten vier Jahre. Trend-Zyklus-Schätzung Bewerben Sie die Trend-Zyklus-Schätzmethode auf die veröffentlichten saisonbereinigten Serien, um sicherzustellen, dass die Trendlinie auf die saisonbereinigte Serie ausgerichtet ist.160 Die Methode des Dagum (1996) oder eine entsprechende Anpassungsvariante davon ist die empfohlene Methode für Trend-Zyklus-Schätzung. Informieren Sie die Benutzer, dass die letzten Taktzyklusschätzungen (und vor allem die letzte Schätzung) Revisionen unterliegen, wenn ein weiterer Datenpunkt hinzugefügt wird. Diese höhere Variabilität, die mit den Schätzungen um das Ende verbunden ist, kann beispielsweise durch eine gestrichelte Linie auf dem Trendgraph oder durch Veröffentlichen einer Informationsnote mit den Daten angezeigt werden. Überarbeiten Sie die Trendschätzungen, sobald die saisonbereinigten Schätzungen überarbeitet wurden, und in einer typischen Monatsreihe 3 weitere Monate (2 für vierteljährlich) während des Jahres und 6 Monate (2 für vierteljährlich) bei der jährlichen Überprüfung. Datenpräsentation und Datenzugriff Die Wachstumsraten und - änderungen von Monat zu Monat (oder Viertel-zu-Quartal) sollten zu saisonbereinigten Daten berechnet werden und sollten mit Vorsicht angewendet werden, wenn die Zeitreihe eine hohe Volatilität aufweist.160 Jahr für Jahr im gleichen Monat Vergleiche sollten auf kalenderbereinigten Daten oder in Abwesenheit von Kalendereffekte auf Rohdaten berechnet werden. Die Benutzer sollten Zugang zu den vollständigen historischen Rohserien erhalten, die saisonbereinigt und auf Anfrage die saisonalen Anpassungsmöglichkeiten. Implementierung Unterstützung bei der Interpretation und Umsetzung dieser Leitlinien kann bei der Time Series Research and Analysis Center (TSRAC), Business Survey Methods Division, bezogen werden. Qualitätsindikatoren Folgende Indikatoren können verwendet werden, um zu beurteilen, ob eine Serie saisonal ist: Einfache Zeitpläne und ein Jahr-über-Jahr-Diagramm, um die Serie für saisonale Muster zu untersuchen und andere Störungen visuell zu finden.160 Verschiedene Statistiken wie die beiden Fisher-Tests Für stabile und bewegte Saisonalität und Spektrum-Graphen, die in (Ladiray und Quenneville, 2001 Findley et al., 1998) beschrieben sind. Restliche Saisonalität kann wie oben auf den saisonbereinigten Daten oder mit anderen Tests getestet werden (Ladiray und Quenneville, 2001). Statistiken zur Bewertung der Bedeutung der geschätzten RegARIMA-Komponenten und der Gesamtqualität des angepassten Modells sind in vielen Lehrbüchern zum Thema beschrieben. Einfache Zusammenfassungsstatistiken zu den historischen Revisionen sowohl der Ebene als auch der Periodenperiodenänderung der saisonbereinigten Daten Kann verwendet werden, um die Revisionen zu quantifizieren. Revisionen im saisonalen Anpassungskontext verbessern in der Regel die Genauigkeit, weil sie aus der Verwendung von Beobachtungen kommen, die ursprünglich nicht verfügbar waren. Referenzen Box, G. E.P. Und G. M. Jenkins 1976.160 Zeitreihenanalyse, Vorhersage und Kontrolle. San Francisco. Holden Tag. 575 p. Dagum, E. B. 1980. Die X11ARIMA saisonale Anpassungsmethode. Statistik Kanada Katalog-Nr. 12-564E Dagum, E. B. 1988. Die X11ARIMA 88 saisonale Anpassungsmethode - Grundlagen und Benutzerhandbuch. Zeitreihe Research and Analysis Division. Statistik Kanada Technischer Bericht. Dagum, E. B. 1996. Eine neue Methode zur Reduzierung von unerwünschten Kräuseln und Revisionen in Trend-Cycle-Schätzungen von X-11-ARIMA. Umfrage Methodik. Vol. 22. p. 77-83 Findley, D. F. B. C. Monsell, W. R. Bell, M. C. Otto und B. C. Chen 1998. Neue Fähigkeiten des X-12-ARIMA Saison-Anpassungsprogramms. Mit Diskussion. Zeitschrift für Wirtschafts - und Wirtschaftsstatistik Vol. 16. p. 127-77 Ladiray, D. und B. Quenneville. 2001. Saisonale Anpassung mit der X-11 Methode. New York: 160 Springer-Verlag. 256 p. Vorlesungsunterlagen in Statistik. Vol. 158. Mazzi, G. L. 2008.160 ESS-Richtlinien für saisonale Anpassung. Epp. eurostat. ec. europa. euplsportaldocsPAGEPGPRESEARCH PGERESEARCH04ESS20GUIDELINES20ON20SA. PDF. McDonal-Johnson, K. M. B. Monsell, R. Frscina und R. Feldpaush. 2006. saisonale Anpassungsdiagnose, Census Bureau Guideline. Version 1.0. Washington.160 US-Volkszählungsbüro. McDonal-Johnson, K. M. B. Monsell, R. Frscina und R. Feldpaush. 2006. Begleitdokument A, saisonale Anpassungsdiagnose Checklisten. Census Bureau Guideline. Version 1.0. Washington.160 US-Volkszählungsbüro. SAS Institute Inc. 2007. SASETS 174 9.2160 Benutzerhandbuch. Cary, NC. SAS Institute Inc. Shiskin, J. A. H. Young und J. C. Musgrave. 1967. Die X-11 Variante der Volkszählung Methode II Saisonale Anpassung. Technisches Papier Nr. 15, Bureau of the Census, U. S. Department of Commerce. 13. US-Volkszählung Bureau. 2008. X-12-ARIMA Referenzhandbuch. Statistische Forschung Abteilung, Volkszählung Bureau.
No comments:
Post a Comment