社科网首页|论坛|人文社区|客户端|官方微博|报刊投稿|邮箱 中国社会科学网
返回首页
X-12-ARIMA中调整类似春节效应的模型研究及应用

作者:贺凤羊1 刘建平2

2013-06-01 15:20:04 来源:数量经济技术经济研究

 

1.上海财经大学统计与管理学院;2.暨南大学经济学院)

【摘要】由于X-12-ARIMA只根据美国的假日情况设定了复活节、劳动节和感恩节三种移动假日效应的调整,其调整方法不适用中国特有的类似春节效应的调整。因此,本文针对中国现有的类似春节效应调整模型中存在的局限性,构建了扩展的L-Z模型体系,并与X-12-ARIMA程序相结合,形成了一套具有中国特色的调整方案。同时利用新的调整方案对中国工业增加值中存在的类似春节效应进行了有效调整,得到的经季节调整数据可以更好地满足经济分析的要求。对X-12-ARIMA进行本地化改造后,不但应用效果更好,而且应用范围也更加广泛。

关键词  X-12-ARIMA  类似春节效应  扩展的L-Z模型体系  中国工业增加值

中图分类号:C81    文献标识码:A

Reseach on the Models of Eliminating Similar Spring Festival Effect in X-12-ARIMA and its Application

He-Fengyang  Liu-Jianping

Abstract: Because X-12-ARIMA sets the adjustments of three mobile holidays effect named Easter, Labor day and Thanksgiving according to United States holidays only, which does not apply to adjustment of similar spring festival effect that is unique to china. Based on the existed drawbacks of adjustment models of chinese similar spring festival effect, the paper has constructed the improved L-Z model's system and combined with X-12-ARIMA to form a scheme that has a chinese feature and suits to adjust all indexes which are affected by similar spring festival effect. Finally, the paper makes use of the new scheme to adjust the similar spring festival effect of chinese industrial and added value, the seasonally adjusted data obtained by that can better meet the requirements of economic analysis. After X-12-ARIMA being improved in China, it not only has better adjustment result, but has more application fields.                                 

Key words: X-12-ARIMA; Similar Spring Festival Effect; The Improved L-Z Model's System; Chinese industrial and added value

 

 

 

   

数据质量的好坏对数据分析的结果具有决定性影响,因此,季节调整是数据处理中非常重要的一环,好的经季节调整数据有利于得到较客观的数据分析结果。X-12-ARIMA目前国际上最通用的季节调整方法之一,但该法主要是根据美国和欧洲的假日情况进行设定的,由于各国的传统习俗不同,中国自然也有自己特定的节假日尤其是移动假日如春节、元宵节、端午节、中秋节等。因此,中国的中央银行或统计部门的分析人员在运用X-12-ARIMA时,不能采取简单的拿来主义,而是要结合中国国情,对其进行本地化改造。我们知道,在季节调整中要考虑两种类型的假日影响:一种是阳历日期不变的固定假日,如西方的情人节、中国的五一劳动节和十一国庆节等;另一种是阳历日期不固定的移动假日,如西方的复活节和劳动节,中国的春节、元宵节、端午节、中秋节等。时间序列理论中常将一个指标的序列观测值Y分解为趋势成分T、周期成分C、季节成分S和不规则成分I四部分,用公式表示为:Y=T+C+S+I(加法模型)、Y=T×C×S×I(乘法模型)。季节调整中常将固定假日对时间序列的影响归入季节成分S中,因此在消除固定季节效应的同时,也就消除了固定假日的影响;而将移动假日对时间序列的影响归入不规则成分I中,在实际季节调整过程中需要单独考虑这些假日因素。所以,在对X-12-ARIMA进行改造的过程中,需重点考虑如何调整移动假日效应的影响。