Sæsonrensning. Antallet af ledige akademikere i Danmark 1984-2000 udviser sæsonvariationer, som kan adskilles fra de overordnede udviklingstendenser vha. metoderne for sæsonrensning. Her har man beregnet sæsonfaktorer og trend vha. en multiplikativ model implementeret i computerprogrammet X-11. Sæsonfaktorerne viser, at ledigheden om sommeren er ca. 20% højere end normalt; var der ingen sæsonvariation, ville alle sæsonfaktorerne være 100%. Nederst ses den sæsonrensede tidsrække.

Sæsonrensning er statistiske metoder til at adskille sæsonvariationen (se sæsonsvingninger) fra de egentlige udviklingstendenser i en størrelse, der observeres fx måned for måned.

En månedlig tidsrække \(X_t\) kan spaltes i delkomponenter \(X_t = T_t+S_t+I_t\), hvor \(T_t\) er en trend, dvs. den grundlæggende tendens, der udgør niveauet for tidsrækken. Sæsonen er samlet i \(S_t\) med værdierne \(s_1\) (januar) til \(s_{12}\) (december). Ofte tillades, at disse sæsonværdier kan variere en lille smule fra år til år. \(I_t\) er den såkaldt irregulære komponent, der indeholder midlertidige fænomener. Den sæsonkorrigerede tidsrække er så bestemt ved \(X^*_t = T_t+I_t\). En anden måde at sæsonkorrigere en tidsrække på er ved en multiplikativ model: \(X_t = T_t \cdot S_t \cdot I_t\).

Der findes flere metoder til at beregne sæsonrensede tidsrækker. Den mest udbredte, som bl.a. anvendes af Danmarks Statistik, er implementeret i computerprogrammet X-11. Det beregner de enkelte delkomponenter ved en række successive gennemsnit. I en egentlig tidsrækkeanalyse vælger man dog ofte at lade sæsonstrukturen indgå i den statistiske model.

Kommentarer

Kommentarer til artiklen bliver synlige for alle. Undlad at skrive følsomme oplysninger, for eksempel sundhedsoplysninger. Fagansvarlig eller redaktør svarer, når de kan.

Du skal være logget ind for at kommentere.

eller registrer dig