本站小編為你精心準備了國民經濟數據調整參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

經濟數據的季節性影響

可以把經濟時間序列看成一些成分的組合。一般地，經濟時間序列包括趨勢循環成分、季節性成分、不規則成分和歷法效應四個部分。

季節性成分是指時間序列圍繞趨勢循環年復一年地重復出現的一種有規律的波動，這種波動稱為季節性波動。產生季節性波動的主要原因是氣候變化，如寒冷的冬季使建筑業和農業生產減少、取暖燃油消費增加、外出旅游人數減少，這種影響會產生連鎖反應。此外，一些固定的節假日，如國際勞動節、圣誕節、各個國家的國慶節，對商品零售額有一定影響，包含這些節假日的月份其商品零售額往往會高于其它月份。

經濟時間序列月度（季度）數據是由每日的經濟活動構成的，因此，其值可能受月份的星期結構、月份長度、移動假日等的影響，這些影響有時難以被季節成分吸收，被稱為歷法效應。月份的星期結構是指本月所含星期一至星期日的天數，一般地，這些天數對不同月份是不同的。不同月份長度對月度國民生產總值影響較大。由于月份長度的影響主要由每月中的工作天數決定，因此把這種影響歸為交易日效應。同時二月份長度隨年變化，可以單獨考慮其影響，即閏年效應。移動假日主要指美國的復活節、感恩節和勞動節，還可以包括其它不固定日子的節日。移動假日前夕、期間和過后，人們的經濟活動會發生較大變化，這種變化稱為假日效應。

不固定日子節日為了提高不同月度或季度之間數據的可比性，進行季節調整是一種可取的方法。季節調整就是把原始序列中存在的季節性成分、歷法效應剔除掉。季節調整后的序列只包含趨勢和不規則成分，它有兩個優點：可以及時反映經濟的瞬間變化，反映經濟變化的轉折點，這對經濟分析很有價值，能夠為從事經濟活動的人們制定決策提供比較科學的依據；能夠發現序列的長期運動特點，從而進行規律探索，以預測未來基本變化趨勢。

季節調整方法

美國普查局Shiskin等人首先于1965年開發的X-11方法，后來逐步形成標準X-11方法，其思想是用滑動平均來估計趨勢成分和季節成分。1980年，加拿大統計局在X-11方法基礎上開發了X-11-ARIMA；1998年，美國普查局在X-11-ARIMA基礎上開發了X-12-ARIMA。

季節調整方法中，除X-11家族外，比較流行的方法還有SABL和TRAMO/SEATS，其中能夠與X-11家族媲美的是TRAMO/SEATS季節調整方法。TRAMO/SEATS是TRAMO和SEATS這兩個過程的組合，TRAMO是具有ARIMA噪聲、缺省觀測值和異常值的時間序列回歸技術，而SEATS是ARIMA時間序列中的信號提取技術。TRAMO/SEATS方法首先用TRAMO過程對時間序列進行預調整，然后將結果傳給SEATS過程獲得各種成分估計。TRAMO/SEATS與X-12-ARIMA存在較大差別，因而季節調整結果也稍有不同。FindleyandHood比較了這兩種方法，得出結論認為X-12-ARIMA在許多地方（如調整效果控制、異常值處理、季節模式識別等）要優于TRAMO/SEATS。

美國普查局于2008年推出了X-13A-S季節調整程序。此程序包含X-12-ARIMA的所有功能，同時融合了TRAMO/SEATS的優點。

季節調整法在我國的應用

我國可以考慮組織專門機構（如統計局）來進行研究，在如下方面開展工作：建模。目前，季節調整方法主要使用ARIMA模型來預調整和延長序列，可以嘗試使用GARCH家族中的模型來進行，GARCH模型在處理誤差的條件異方差、信息的非對稱性反應等方面無疑具有很大優勢，另外，可以考慮使用Holt-Winters乘法模型，此模型除了能考察季度、月度、星期季節性外，還能考慮一天中的小時變化；改進成分估計。X-11家族中的方法主要使用滑動平均過濾來獲得各種成分估計，這些估計難免受外來擾動的影響，而卡爾曼濾波可以過濾外來擾動，因此，在季節調整過程中，結合使用卡爾曼濾波，有望能提高估計精度；程序實現。季節調整方法可用軟件來實現，我國應在這方面加強培訓；對經濟時間序列開展季節調整。我國可以逐漸開展對各種經濟數據序列進行季節調整的作法，然后將數據公布，以及時反映經濟基本面的變化。