Hur tar jag bort säsongen ur en serie? (säsongsrensning med X-13, R-kod att ta med)

Kort sagt

Hur tar jag bort säsongen ur en månads- eller kvartalsserie? X-13 körs inte i webbläsaren, så Statable räknar inte själv ut säsongsrensningen. Det skapar serien som CSV-fil och ett R-skript att ta med, som körs i R med paketet seasonal.

Så fungerar det i Statable

1. Öppna avsnittet ”Säsongsrensning med X-13 (i R på din egen dator)” i tidsserieanalysen.
2. Välj metod: SEATS (standard) eller X-11.
3. ”Spara serien som CSV” och ”Spara R-skriptet”.
4. Lägg båda filerna i en mapp och kör skriptet i R. Det skriver en andra CSV med den rensade serien.

Inte samma sak som den klassiska dekomponeringen

Dekomponeringen i tidsserieanalysen (trend, säsong, rest) är ingen säsongsrensning med X-13 och kallas inte så. Den förblir som den är.

När det erbjuds

• Bara för månads- eller kvartalsvärden.
• Serien får inte ha luckor. Statable fyller inte i något.
• Minst 3 hela år behövs: 36 månadsvärden eller 12 kvartalsvärden.
• Om något av detta inte gäller visas en mening med skälet i stället för knapparna.

Alla steg i detalj

1. Välj metod: SEATS (standard, paketet seasonals standardval) eller X-11.
2. ”Spara serien som CSV” och ”Spara R-skriptet”.
3. Lägg båda filerna i samma mapp och kör skriptet i R. För det behöver R paketet seasonal (med x13binary).
4. Skriptet skriver en andra CSV-fil med den justerade serien. Den kan öppnas i Statable igen.

CSV-filen innehåller tidpunkten och värdet, med punkt som decimaltecken, i UTF-8. Med ”Visa R-skriptet” kan skriptet läsas före sparandet.

Varningar

• Statable beräknar inte detta. Resultatet tas fram i R på din egen dator, och Statable har inte kontrollerat det.
• Kalender: seasonal testar standardeffekterna av arbetsdagar och påsk. Österrikiska helgdagar ingår inte; ESS riktlinjer rekommenderar nationella kalendrar. Om du behöver dem, lägg till egna regressorer via xreg.
• Modellvalet i X-13 är automatiskt. summary(m) och diagnostiken måste läsas.

Typiska exempel

• Ta bort årsmönstret ur en månatlig arbetslöshetskvot innan utvecklingen tolkas.
• Säsongsrensa kvartalsförsäljning över flera år och jämför den med originalserien.

För specialister

library(seasonal)
d <- read.csv("reihe.csv")
y <- ts(d$wert, start = c(1949, 1), frequency = 12)   # 12 bei Monaten, 4 bei Quartalen
m <- seas(y)                                           # bei X-11: seas(y, x11 = "")
summary(m)
plot(m)
bereinigt <- final(m)

Som kontroll: seas(AirPassengers) ger modellen (0 1 1)(0 1 1); de första justerade värdena är 122,713, 124,766 och 125,073.