Wie Zeitreihendaten zu Deseasonalize
In vielen Fällen werden saisonale Muster von Zeitreihendaten entfernt werden, wenn sie auf öffentlichen Datenbanken freigegeben sind. Daten, die seiner saisonalen Muster beraubt wurde, wird als seasonally angepasst oder saisonbereinigte Daten.
Um die Güte der fit Maßnahme zu erhalten, die den Einfluss der unabhängigen Variablen-Isolaten, müssen Sie Ihr Modell mit saisonbereinigte Werte für Ihre abhängigen und unabhängigen Variablen abzuschätzen. Hier ist, wie genau das zu tun:
Regress der abhängigen Variablen auf den saisonalen Dummy-Variablen die geschätzte Funktion zu erhalten
und behalten die Rückstände aus dieser Regression.
Regress jedes Ihrer unabhängigen Variablen auf die saisonalen Dummy-Variablen, um die geschätzten Funktionen zu erhalten
woher k steht für eine bestimmte unabhängige Variable und die Residuen aus aller behalten k dieser Regressionen.
Regress die erhaltenen Reste in Schritt 1
auf den in Schritt erhaltenen Residuen 2
schätzen
Die R-Quadrat aus dieser Regression ein besseres Maß für fit, wenn die Zeitreihe erhebliche Saisonalität zeigt.
Die traditionelle R-Quadrat kann zu stark aufgeblasen werden, wenn die Daten signifikante saisonale Muster enthält. Wenn diese Situation eintritt, einfach eine Regression mit saisonbereinigte Daten schätzen, eine alternative R-Quadrat-Wert zu finden.
Die Figur verwendet Stata die Auswirkungen der Protokoll monatlichen Arbeitslosenquoten und einer Zeittrend auf dem Protokoll der Souvenir-Verkäufe zwischen 1987 und 1993 zunächst abschätzen zu können, wird das Modell mit den Rohdaten geschätzt wird, und dann wird das Modell mit Daten saisonbereinigte geschätzt.
Der Ausgang für die Zwischenschritte ausgeschlossen Platz zu sparen. Wie erwartet, ist die R-quadriert kleiner, nachdem die Daten saisonbereinigte wird (0,9106 gegenüber 0,9539), aber der Unterschied ist nicht groß. Die Koeffizientenschätzungen für die Arbeitslosigkeit und Trendvariablen sind in beiden Regressionen, so dass die Ergebnisse implizieren, dass die Rolle der unabhängigen Variablen nicht durch saisonale Muster betroffen.
Ökonometriker hauptsächlich das Regressionsmodell schätzen, mit saisonbereinigte Daten, die die Aussagekraft der anderen unabhängigen Variablen abzuleiten. Ihre primäre ökonometrischen Ergebnisse sollten jedoch berichten die Schätzungen aus dem Modell mit den Rohdaten und Saison Dummy-Variablen.