季節(jié)性時間序列分析方法

第七章季節(jié)性時刻序列分析方法由于季節(jié)性時刻序列在經(jīng)濟(jì)生活中大量存在，故將季節(jié)時刻序列從非平穩(wěn)序列中抽出來，單獨作為一章加以研究，具有較強的現(xiàn)實意義。本章共分四節(jié)：簡單隨機時刻序列模型、乘積季節(jié)模型、季節(jié)型時刻序列模型的建立、季節(jié)調(diào)整方法X-11程序。本章的學(xué)習(xí)重點是季節(jié)模型的一般形式和建模。§1簡單隨機時序模型在許多實際問題中，經(jīng)濟(jì)時刻序列的變化包含專門多明顯的周期性規(guī)律。比如：建筑施工在冬季的月份當(dāng)中將減少，旅游人數(shù)將在夏季達(dá)到高峰，等等，這種規(guī)律是由于季節(jié)性（seasonality）變化或周期性變化所引起的。關(guān)于這各時刻數(shù)列我們能夠講，變量同它上一年同一月（季度，周等）的值的關(guān)系可能比它同前一月的值的相關(guān)更緊密。季節(jié)性時刻序列1．含義：在一個序列中，若通過S個時刻間隔后呈現(xiàn)出相似性，我們講該序列具有以S為周期的周期性特性。具有周期特性的序列就稱為季節(jié)性時刻序列，那個地點S為周期長度。注：①在經(jīng)濟(jì)領(lǐng)域中，季節(jié)性的數(shù)據(jù)幾乎無處不在，在許多場合，我們往往能夠從直觀的背景及物理變化規(guī)律得知季節(jié)性的周期，如季度數(shù)據(jù)（周期為4）、月度數(shù)據(jù)（周期為12）、周數(shù)據(jù)（周期為7）；②有的時刻序列也可能包含長度不同的若干種周期，如客運量數(shù)據(jù)（S=12，S=7）2．處理方法：（1）建立組合模型；將原序列分解成S個子序列（Buys-Ballot1847）周期周期點123……S總和平均1X1X2X3……XST*1A*12XS+1XS+1XS+3……X2ST*2A*23XS+1X2S+2X2S+3……X3ST*3A*3……………………nX(n-1)S+1X(n-1)S+2X(n-1)S+3……XnST*nA*1n總和T1*T2*T3*……TS*TT/S平均A1*A2*A3*……AS*T/NT/SN關(guān)于如此每一個子序列都能夠給它擬合ARIMA模型，同時認(rèn)為各個序列之間是相互獨立的。然而這種做法不可取，緣故有二：（1）S個子序列事實上并不相互獨立，硬性劃分如此的子序列不能反映序列的總體特征；（2）子序列的劃分要求原序列的樣本足夠大。啟發(fā)意義：假如把每一時刻的觀看值與上年同期相應(yīng)的觀看值相減，是否能將原序列的周期性變化消除？（或?qū)崿F(xiàn)平穩(wěn)化），在經(jīng)濟(jì)上，確實是考查與前期相比的凈增值，用數(shù)學(xué)語言來描述確實是定義季節(jié)差分算子。定義：季節(jié)差分能夠表示為。隨機季節(jié)模型1．含義：隨機季節(jié)模型，是對季節(jié)性隨機序列中不同周期的同一周期點之間的相關(guān)關(guān)系的一種擬合。AR（1）：，能夠還原為：。MA（1）：，能夠還原為：。2．形式：廣而言之，季節(jié)型模型的ARMA表達(dá)形式為（1）那個地點，。注：（1）殘差的內(nèi)容；（2）殘差的性質(zhì)?！?乘積季節(jié)模型乘積季節(jié)模型的一般形式由于不獨立，不妨設(shè)，則有（2）式中，為白噪聲；；。在（1）式兩端同乘，可得：（3）注：（1）那個地點表示不同周期的同一周期點上的相關(guān)關(guān)系；則表示同一周期內(nèi)不同周期點上的相關(guān)關(guān)系。二者的結(jié)合就能同時刻劃兩個因素的作用，仿佛是顯像管中的電子掃描。（2）從結(jié)構(gòu)上看，它是季節(jié)模型與ARIMA模型的結(jié)合形式，稱之為乘積季節(jié)模型，階數(shù)用來表示。（3）將乘積季節(jié)模型展開便會得到一般的ARIMA模型。例如：，能夠展開為，現(xiàn)在也有，同時其中有許多系數(shù)為0。但其參數(shù)并不獨立。因此盡管模型的階數(shù)可能專門高，然而真正獨立的參數(shù)不多，我們稱這類模型為疏系數(shù)模型（帶有一定約束條件的疏系數(shù)模型）。常用的兩個模型1．類型為：（4）2．類型為：（5）乘積季節(jié)模型與ARIMA模型的關(guān)系我們能夠?qū)⒊朔e季節(jié)模型（3）展成ARIMA模型形式。例如，是季節(jié)模型，將式子的右邊展成：（6）這是一個階ARIMA模型，然而其參數(shù)不是獨立的，有下面的約束關(guān)系（7）盡管模型的階數(shù)專門高，然而真正獨立的參數(shù)并不多，有許多參數(shù)取值為零§3季節(jié)性時刻序列模型的建立季節(jié)性時刻序列模型的建立也包含如此幾個過程：模型的識不、模型的定階、參數(shù)可能、診斷檢驗等。差不多上采納的是BOX-JENKINS方法，也確實是立足于考察數(shù)據(jù)序列的樣本自相關(guān)、偏自相關(guān)函數(shù)。假如樣本自相關(guān)、偏自相關(guān)函數(shù)既不截也不拖尾，而且也不呈線性衰減趨勢，相反地，在相應(yīng)于周期S的整數(shù)倍點上，自相關(guān)（或偏自相關(guān)）函數(shù)出現(xiàn)絕對值相當(dāng)大的峰值并呈現(xiàn)振蕩變化，我們就能夠判明原數(shù)據(jù)序列適合于乘積季節(jié)模型。季節(jié)性MA模型的自相關(guān)函數(shù)是一個季節(jié)性時刻序列，假如，則（6）不平穩(wěn)，設(shè)，則（7）我們就能得到一個乘積季節(jié)模型（8）（9）當(dāng)S=12時，有（10）能夠計算出：因此有：注：（1）為的一階自相關(guān)系數(shù)，為的一階自相關(guān)系數(shù)；（2）與比較容易求解；（3）能夠推廣到更一般的形式。季節(jié)性AR模型的偏自相關(guān)函數(shù)是一個季節(jié)性時刻序列，假如，則（11）不平穩(wěn)，設(shè)，則（12）我們就能得到一個乘積季節(jié)模型（13）（14）當(dāng)S=12時，有（15）能夠依照YULE-WORK方程求出偏自相關(guān)函數(shù)。注：（1）依照它在周期點上的偏自相關(guān)函數(shù)的截尾性和拖尾性識不模型的類型和定階；（2）能夠推廣到更一般的形式。季節(jié)性時刻序列模型的建模方法利用B-J建模方法：判不周期性，即S的取值；依照SACF和SPACF提供的信息識不模型類型和階數(shù)，最后進(jìn)行可能和診斷檢驗。具體做法：第一步：對時刻序列進(jìn)行一般差分和季節(jié)差分，以得到平穩(wěn)的序列，；第二步：計算差分后序列的SACF和SPACF，選擇一個暫定的模型；第三步：由SACF和SPACF函數(shù)的值，利用矩可能法得到的值作為初始值，對模型參數(shù)作最小二乘可能；第四步：模型的診斷與檢驗。注：（1）關(guān)于差分階數(shù)d和季節(jié)差分階數(shù)D的選取可采納試探的方法詳見備課筆記。詳見備課筆記。（2）季節(jié)差分算子的階數(shù)不宜過高。應(yīng)用實例【例6-1】試用1987年到1996年甲地某商品各月銷售量資料為例建立季節(jié)性時刻序列模型資料來源王振龍：《時刻序列分析》，中國統(tǒng)計出版社，P189。資料來源王振龍：《時刻序列分析》，中國統(tǒng)計出版社，P189。建模型過程：1．時刻序列圖明顯存在著季節(jié)性變化，同時以12為周期。2．SACF和SPACF函數(shù)圖SACF再次證明，時刻序列存在著以S=12為周期的季節(jié)性變動。SACFSPACF3．進(jìn)行差分變換SPACF需要進(jìn)行一階一般差和以12為周期的季節(jié)差分，得到（17）（16）計算其自相關(guān)系數(shù)。一階一般差分圖一階一般差分和一階季節(jié)差分序列圖4．模型的識不與定階5．參數(shù)可能6．診斷檢驗7．模型應(yīng)用預(yù)測結(jié)果【例6-2】表顯示了我國1990年1月至1997年12月工業(yè)總產(chǎn)值的月度資料（1990年不變價格），記作IPt，共有96個觀測值，對序列IPt建立ARMA模型資料來源易丹輝：《數(shù)據(jù)分析與EVIEWS應(yīng)用》，P125。資料來源易丹輝：《數(shù)據(jù)分析與EVIEWS應(yīng)用》，P125。1990年1月至1997年12月我國工業(yè)總產(chǎn)值單位：億元月/年1990199119921993199419951996199711421.4001757.8001984.2002179.1002903.3002996.7003476.6003843.84021367.4001485.7001812.4002408.7002513.8002740.3002790.3003181.26031719.7001893.9002274.7002869.4003409.0003580.9003942.6004404.49041759.6001969.8002328.9002916.7003499.5003746.3004067.6004520.18051795.7002033.7002373.1003022.1003642.6003817.9004746.8994638.99061848.1002103.0002515.8003274.5003871.4004046.6004417.2994969.93071637.3001836.3002288.0002862.9003373.0003483.9003806.8004146.89981670.9001914.7002321.0002864.2003463.4003510.6003746.3004198.70091760.1002022.2002441.1002908.0003663.7403703.1004011.1004536.839101789.5002045.1002502.6002911.8003753.3803810.7004129.6004718.910111888.6002069.2002608.8003101.3003973.1704091.0004372.8995034.939121981.4002136.0002823.8003664.3004469.0204650.7994991.5005545.7401．時刻序列圖表明數(shù)據(jù)或者序列是非平穩(wěn)的。2．進(jìn)行相應(yīng)的差分變換為消除趨勢同時減小序列的波動，對原序列做一階自然對數(shù)并逐期差分，即是差分運算與對數(shù)運算的結(jié)合。由時刻序列圖能夠看到，序列的趨勢差不多差不多消除，但可能存在著季節(jié)性變化，這一點能夠從序列的自相關(guān)圖看出。由圖形能夠看出，在12的整數(shù)倍上，樣本的偏自相關(guān)系數(shù)顯著不為零，因此需要做季節(jié)差分處理。現(xiàn)在差分后序列的自相關(guān)圖為能夠?qū)π蛄羞M(jìn)行零均值的檢驗，詳見易丹輝：《數(shù)據(jù)分析與EVIEWS應(yīng)用》，P128。3．模型識不與定階因為通過一階逐期差分，序列趨勢差不多消除，故d=1；通過一階季節(jié)差分，季節(jié)性差不多消除，故D=1。因此選用ARIMA(p,d,q)×(P,D,Q)S模型。由上圖的偏自相關(guān)函數(shù)圖得p=2或p=3比較合適；自相關(guān)函數(shù)圖q=1比較適合?？紤]到AR模型是線性方程可能，相關(guān)于MA和ARMA模型的非線性可能容易，且參數(shù)意義便于解釋，故實際建模時常希望用高階的AR模型替換相應(yīng)的MA或ARMA模型。綜合考慮，可供選擇的(p,q)組合有：(3,1)、(4,0)、(2,1)和(3,0)。由于K=12時，樣本自相關(guān)和偏自相關(guān)系數(shù)都顯著不為0，因此，P=Q=1。4．模型可能在命令主窗口輸入：D(LOG(IP),1,12)AR(1)AR(2)AR(3)MA(1)SAR(12)SMA(12)5．檢驗和預(yù)測包括模型的適應(yīng)性檢驗和評價精度的檢驗，對以后進(jìn)行預(yù)測?！纠?-3】時刻序列資料ARIMA季節(jié)乘積模型及其應(yīng)用，資料來源于張蔚等：時刻序列資料ARIMA季節(jié)乘積模型及其應(yīng)用，《第三軍醫(yī)大學(xué)學(xué)報》?！?季節(jié)調(diào)整對時刻序列季節(jié)調(diào)整的幾點認(rèn)識資料來源于國家統(tǒng)計局國民經(jīng)濟(jì)核算司劉麗萍的文章。西方國家開展時刻序列的季節(jié)調(diào)整已有幾十年的歷史，在他們的公開出版物中經(jīng)常會看到通過季節(jié)調(diào)整后的數(shù)據(jù)，在經(jīng)濟(jì)分析和國民核算中，也經(jīng)常會遇到關(guān)于國內(nèi)生產(chǎn)總值時刻序列季節(jié)調(diào)整的方法研究。結(jié)合本人在加拿大學(xué)習(xí)了解到的情況，本文談一點對那個問題的粗淺認(rèn)識。1．什么緣故要對時刻序列進(jìn)行季節(jié)調(diào)整季節(jié)調(diào)整是對時刻序列中隱含的由于季節(jié)性因素造成的季節(jié)變化的阻礙加以糾正的過程。時刻序列是指在規(guī)定的時刻間隔內(nèi)，對所發(fā)生的經(jīng)濟(jì)活動進(jìn)行連續(xù)測算而形成的數(shù)據(jù)。一般依照測確實是一年一次，三個月一次，依舊每月一次，而區(qū)分為年度序列、季度序列或月度序列。一般認(rèn)為，季節(jié)性因素是指在正常年度情況下，季度或月度序列（統(tǒng)稱為子年度序列）中表現(xiàn)出來的有規(guī)律的波動變化。什么緣故子年度序列中包含有季節(jié)性因素？子年度序列相關(guān)于年度序列而言，其特點是指標(biāo)的核算期或指標(biāo)所對應(yīng)的時期少于一年。年度序列與日歷年度的周期相對應(yīng)，而人類傳統(tǒng)經(jīng)濟(jì)活動的運作起始也一般與日歷年度相對應(yīng)，因此年度序列能夠反映一個日歷年度內(nèi)經(jīng)濟(jì)活動的一個完整的周期，假如將不同年度的指標(biāo)進(jìn)行比較，具有可比性。然而子年度序列則不同，由于其對應(yīng)的時期只是日歷年度中的某一部分，因此不同時期的子年度指標(biāo)所對應(yīng)的季節(jié)相互之間各不相同。由于不同的季節(jié)對經(jīng)濟(jì)活動的阻礙程度不同，相同的經(jīng)濟(jì)活動在不同季節(jié)里產(chǎn)生的經(jīng)濟(jì)效果不同，因此不同的子年度指標(biāo)之間存在不可比因素。如春季和冬季這兩個不同的季節(jié)對建筑業(yè)的阻礙明顯不同，建筑業(yè)的活動規(guī)模和由此產(chǎn)生的與建筑業(yè)有關(guān)的指標(biāo)建筑業(yè)產(chǎn)值、建筑業(yè)就業(yè)人數(shù)等在這兩個季節(jié)也就大不相同。在宏觀經(jīng)濟(jì)環(huán)境都相同的情況下，這其中最要緊的一個緣故確實是季節(jié)性因素的阻礙。季節(jié)性因素的阻礙對季節(jié)變化比較明顯的國家和地區(qū)尤為突出。隨著經(jīng)濟(jì)進(jìn)展的迅速以及人們對經(jīng)濟(jì)關(guān)注程度的提高，子年度指標(biāo)在經(jīng)濟(jì)分析和宏觀調(diào)控中的作用越來越重要，利用子年度時刻序列做經(jīng)濟(jì)模型和分析問題成為經(jīng)濟(jì)研究中的一個重要內(nèi)容。為了使不同季節(jié)的指標(biāo)之間具有可比性，滿足經(jīng)濟(jì)分析和治理的需要，季節(jié)調(diào)整的理論及方法應(yīng)運而生。2．季節(jié)調(diào)整的理論依據(jù)研究表明子年度指標(biāo)的時刻序列中隱含有周期、趨勢、季節(jié)性因素、交易日因素和偶然因素等構(gòu)成成分。周期是指標(biāo)的時刻序列所表現(xiàn)出的持續(xù)的周期性的波動，一個完整的周期具有擴(kuò)張時期、轉(zhuǎn)折點、衰退時期和恢復(fù)時期四個不同的時期。趨勢反映的是經(jīng)濟(jì)現(xiàn)象的長期演變方向。周期與趨勢比較，趨勢要緊是反映經(jīng)濟(jì)進(jìn)展的總體方向，如是上升、持平依舊下降。而周期側(cè)偏重于瞬間的經(jīng)濟(jì)變化。由于測算趨勢在實際工作中有一定的難度，因此一般把趨勢與周期放在一起不再進(jìn)行區(qū)分。季節(jié)性因素是時刻序列圍繞趨勢和周期年復(fù)一年的重復(fù)出現(xiàn)的一種有規(guī)律的波動。產(chǎn)生季節(jié)性因素的緣故有多方面，如氣候的緣故使建筑業(yè)和農(nóng)業(yè)在冬季生產(chǎn)量減少，也使失業(yè)的人數(shù)多于其他季節(jié)。社會因素也能夠產(chǎn)生季節(jié)性因素，如由于傳統(tǒng)的節(jié)假日而產(chǎn)生的節(jié)假日期間銷售額的增長。季節(jié)性的阻礙還可使一些食品工業(yè)的生產(chǎn)具有季節(jié)性因素。實際上在許多情況下季節(jié)性因素是由氣候、社會等緣故綜合在一起而產(chǎn)生的，如失業(yè)。交易日因素是由于一個星期里每一天的數(shù)量在一個月里出現(xiàn)的次數(shù)不同，而一個星期里不同的日期所發(fā)生的經(jīng)濟(jì)活動不同引起的某些變量的變化。如，假如人們大多在星期五集中購物，那么這一天的商品零售額必定高于一星期里的其他生活。假如一個月有30天，那么30天在一個星期中的分布有可能星期一和星期二是五天余下的星期三到星期日是四天，也可能是其他的組合。假如在某一個月里星期五的天數(shù)是五天，那么那個月的商品零售額就會多于星期五只有四天的月份，這時假如以星期五有五天的月份與星期五只有四天的月份相比就存在不可比因素。那個不可比因素確實是交易日因素。交易日因素表現(xiàn)出的商業(yè)行為有時會掩蓋經(jīng)濟(jì)的周期，其對時刻序列的阻礙與季節(jié)性因素相同。偶然因素反映的是其他有規(guī)律因素?zé)o法解釋的殘差或隨機因素產(chǎn)生的變化，它包括經(jīng)濟(jì)活動的參與者們的不穩(wěn)定決策、數(shù)據(jù)程序或樣本的錯誤以及非正常的事件如罷工、自然災(zāi)難等對經(jīng)濟(jì)活動的阻礙。季節(jié)調(diào)整確實是通過數(shù)學(xué)的方法把原始子年度時刻序列中隱含的季節(jié)性因素、交易日因素剔除掉，季節(jié)調(diào)整后的時刻序列是趨勢周期和偶然因素的合成。3．西方國家季節(jié)調(diào)整的做法及其季節(jié)調(diào)整后數(shù)據(jù)的利弊目前西方國家大多都對包括國內(nèi)生產(chǎn)總值在內(nèi)的子年度時刻序列（如工業(yè)產(chǎn)值、就業(yè)人數(shù)、零售額等等）進(jìn)行季節(jié)調(diào)整，季節(jié)調(diào)整使用比較多的模型是加拿大統(tǒng)計局達(dá)根（Dagun）研究開發(fā)的X11ARIMA，它是采納自回歸和移動平均的方法對原始的時刻序列進(jìn)行季節(jié)調(diào)整，消除時刻序列中季節(jié)性因素和交易日因素的阻礙。在對季度國內(nèi)生產(chǎn)總值的季節(jié)調(diào)整中，大多數(shù)國家是利用沒通過季節(jié)調(diào)整的基礎(chǔ)數(shù)據(jù)進(jìn)行國民核算，然后依照季節(jié)調(diào)整模型對可能出的季度國內(nèi)生產(chǎn)總值進(jìn)行季節(jié)調(diào)整。但法國、意大利和西班牙是在季度國內(nèi)生產(chǎn)總值核算之前對計算季度國內(nèi)生產(chǎn)總值所需的基礎(chǔ)數(shù)據(jù)先進(jìn)行季節(jié)調(diào)整，然后直接計算出季節(jié)調(diào)整后的國內(nèi)生產(chǎn)總值。在他們的數(shù)據(jù)公布系統(tǒng)中，一些國家是同時公布經(jīng)季節(jié)調(diào)整過的和未經(jīng)季節(jié)調(diào)整的兩種數(shù)據(jù)，另一些國家則只公布季節(jié)調(diào)整后的數(shù)據(jù)，然而在經(jīng)濟(jì)分析和利用時刻序列做經(jīng)濟(jì)模型時，大多用季節(jié)調(diào)整后的數(shù)據(jù)。季節(jié)調(diào)整后數(shù)據(jù)的優(yōu)點。由于季節(jié)調(diào)整后的數(shù)據(jù)消除了季節(jié)性因素的阻礙，使得不同季度之間的數(shù)據(jù)能夠直接比較，數(shù)據(jù)具有可比性。與沒有通過季節(jié)調(diào)整的數(shù)據(jù)相比，調(diào)整后數(shù)據(jù)最重要的一個特點，確實是能夠及時反映經(jīng)濟(jì)的瞬間變化，反映經(jīng)濟(jì)變化的轉(zhuǎn)折點，為從事經(jīng)濟(jì)活動的人們制定科學(xué)的決策提供比較科學(xué)的依據(jù)。這對經(jīng)濟(jì)分析特不有價值。我國傳統(tǒng)上是采取與上年同期的數(shù)據(jù)進(jìn)行比較的方法來反映經(jīng)濟(jì)的增長變化，這種方法能夠消除季節(jié)性因素的阻礙，但有它的局限性，它不能及時反映經(jīng)濟(jì)變化的轉(zhuǎn)折點并由此產(chǎn)生錯誤的結(jié)論。如，假定沒有通過季節(jié)調(diào)整的原始數(shù)據(jù)表明今年二月與上年二月失業(yè)人數(shù)的比較是下降的，我們據(jù)此得出結(jié)論失業(yè)率下降了，然而實際上假如把通過季節(jié)調(diào)整后的今年二月的數(shù)據(jù)與今年一月進(jìn)行比較就能夠看到另一個現(xiàn)象，確實是二月的失業(yè)率是上升的。實際情況是近幾個月的失業(yè)率一直是上升的，只是上升的幅度低于去年前幾個月的下降幅度。研究表明，采納不通過季節(jié)調(diào)整的數(shù)據(jù)與去年同期進(jìn)行比較所反映的經(jīng)濟(jì)周期的轉(zhuǎn)折點往往要平均滯后六個月。這種分析會給經(jīng)濟(jì)決策帶來不利的阻礙。季節(jié)調(diào)整后數(shù)據(jù)的另一個特點是，能夠進(jìn)行年率化的測算。以季度數(shù)據(jù)為例，由于調(diào)整后的數(shù)據(jù)剔除了季節(jié)性等不可比因素的阻礙，因此把通過季節(jié)調(diào)整后的現(xiàn)價季度數(shù)據(jù)乘4就可看成是相應(yīng)的年度數(shù)據(jù)；把通過季節(jié)調(diào)整后的季度增長速度4次方則可看成是相應(yīng)年度的增長率。季節(jié)調(diào)整后數(shù)據(jù)的這一特點能夠提高經(jīng)濟(jì)分析的價值，使得以現(xiàn)行的短期經(jīng)濟(jì)指標(biāo)觀看全年的情況成為可能。季節(jié)調(diào)整后的數(shù)據(jù)也有其不易理解的方面。首先，調(diào)整后的時刻序列是觀看出來的而不是計算的結(jié)果。未調(diào)整的時刻序列相互之間是獨立的，通過調(diào)整以后，改變了序列的統(tǒng)計特征，使其成為相互之間關(guān)聯(lián)的、變化趨小的調(diào)整序列。換一句話講，確實是季節(jié)調(diào)整后的數(shù)據(jù)，不論其總量依舊增長速度都與實際計算的數(shù)據(jù)之間有專門大的差異，數(shù)據(jù)反映出的經(jīng)濟(jì)含義不是核算期的實際經(jīng)濟(jì)含義。其次，經(jīng)季節(jié)調(diào)整的時刻序列，其終端數(shù)據(jù)比中間數(shù)據(jù)的可信度低。緣故是在形成最終序列前，容易對起始端共四年的數(shù)據(jù)加以修改。假如將季節(jié)調(diào)整后的時刻序列建立的子年度模型用于預(yù)測，其用于建立模型的數(shù)據(jù)，通常是季節(jié)調(diào)整后序列中可信度最差的數(shù)據(jù)。再次，同一個數(shù)據(jù)，通過不同次的季節(jié)調(diào)整（因為每一次新的數(shù)據(jù)出來以后都要作為時刻序列的一部分而重新進(jìn)行季節(jié)調(diào)整），能夠出現(xiàn)不同的數(shù)據(jù)值，這關(guān)于傳統(tǒng)上一個時期只有唯一的一個數(shù)據(jù)來講，在理解上有一個同意的過程。4．我國時刻序列季節(jié)調(diào)整面臨的問題目前我國所有的子年度時刻序列都沒有進(jìn)行季節(jié)調(diào)整，消除不可比因素的一個要緊方法是與去年同期數(shù)據(jù)進(jìn)行比較。隨著改革開放的進(jìn)一步深入，我國的經(jīng)濟(jì)將進(jìn)一步融入到世界經(jīng)濟(jì)一體化的格局中，這在客觀上對我們傳統(tǒng)的統(tǒng)計方法提出了挑戰(zhàn)，要求我們與國際通行的方法接軌。從統(tǒng)計自身來講，引入時刻序列的季節(jié)調(diào)整方法，不僅僅在于提高數(shù)據(jù)的分析使用價值，同時也對傳統(tǒng)的統(tǒng)計數(shù)據(jù)搜集方式提出了改革的要求。要開展時刻序列的季節(jié)調(diào)整，以下幾個方面的工作需要跟上：首先，基礎(chǔ)統(tǒng)計數(shù)據(jù)的搜集方式。我國大部分基礎(chǔ)數(shù)據(jù)是以本期（本月或本季）和累計的形式同時搜集，然而也有一部分?jǐn)?shù)據(jù)是僅僅以累計數(shù)的方式搜集上來，或者是在本期數(shù)與累計數(shù)同時都搜集的情況下，以累計的數(shù)據(jù)為準(zhǔn)。季節(jié)調(diào)整是對每一個獨立的本期數(shù)據(jù)（月度或季度）進(jìn)行季節(jié)調(diào)整，而不是累計數(shù)。以累計的形式搜集上來的基礎(chǔ)數(shù)據(jù)，不僅專業(yè)數(shù)據(jù)本身無法直接進(jìn)行季節(jié)調(diào)整，依照專業(yè)數(shù)據(jù)計算的季度國內(nèi)生產(chǎn)總值（我國季度國內(nèi)生產(chǎn)總值數(shù)據(jù)也是累計的形式）也無法直接進(jìn)行季節(jié)調(diào)整。盡管從理論上講累計數(shù)據(jù)能夠加工出本期數(shù)據(jù)，然而由于本期與累計的數(shù)據(jù)之間往往存在一些口徑和時刻上的差異，調(diào)整出來的本期數(shù)據(jù)反映的趨勢有時不盡合理。假如要引入時刻序列的季節(jié)調(diào)整，首先要做的也是最重要的工作是改善我們的基礎(chǔ)數(shù)據(jù)搜集方式，以搜集本期的數(shù)據(jù)為主。所有的專業(yè)統(tǒng)計都有了本期數(shù)據(jù)，在此基礎(chǔ)上能夠直接計算出分季度的國內(nèi)生產(chǎn)總值，更重要的是能夠直接對專業(yè)數(shù)據(jù)和季度國內(nèi)生產(chǎn)總值進(jìn)行季節(jié)調(diào)整。其次，理論和技術(shù)培訓(xùn)。季節(jié)調(diào)整的方法是一個技術(shù)性比較強的工作，要開展季節(jié)調(diào)整工作，必須對模型有一個全面的理解，不僅要會操作，還要明白得季節(jié)調(diào)整的原理，因為模型中有多種選擇，不同的數(shù)據(jù)特征要適應(yīng)模型中不同的選擇。這些技術(shù)問題都需要通過系統(tǒng)的理論學(xué)習(xí)和培訓(xùn)。再次，開展宣傳工作。季節(jié)調(diào)整后的數(shù)據(jù)改變了原始數(shù)據(jù)的本來面貌，與沒有通過季節(jié)調(diào)整的數(shù)據(jù)比較，在總量和增長速度方面都存在一定的差異。假如對外公開公布季節(jié)調(diào)整后的數(shù)據(jù)，需要做一系列的宣傳和解釋工作?？傊?，開展時刻序列的季節(jié)調(diào)整利弊同在，但我認(rèn)為這是一項我國遲早都要開展工作，因為它怎么講是一種先進(jìn)的科學(xué)的方法。抓住機遇開展這項工作，將會對我國傳統(tǒng)的統(tǒng)計數(shù)據(jù)搜集方式的變革、對統(tǒng)計分析方法和統(tǒng)計分析水平的提高起到積極的推動作用。概述1．季節(jié)調(diào)整的歷史與進(jìn)展（1）季節(jié)調(diào)整問題最早是由美國聞名經(jīng)濟(jì)學(xué)家Persons.W.M.在1919年提出的；（2）1931年，Macawley提出了季節(jié)調(diào)整的比率滑動平均法，該方法成為X-11程度的基礎(chǔ)；（3）1954年，ShiskinJ在美國國勢普查局的Uniwac1型機上將比率滑動平均編制成季節(jié)調(diào)整的計算機程序，后來不斷改進(jìn)它，相繼研制了X-3到X-10等一系列的季節(jié)調(diào)整程序，于1965年推出了聞名的X-11季節(jié)調(diào)整程序（TheX-11VariantoftheCencusMethodⅡSeasonalAdjustmentProgram）X-11方案，在原理上與其它的傳統(tǒng)分解方法相似，但X-1