Szezonális kiigazítás munkaügyi idősorokra

Méret: px

Mutatás kezdődik a ... oldaltól:

Download "Szezonális kiigazítás munkaügyi idősorokra"

Nándor Barta
8 évvel ezelőtt
Látták:

1 Szezonális kiigazítás munkaügyi idősorokra Készítette: Szente László és Láz József (MultiRáció Kft.)

2 Szezonalitás a munkaügyi idősorokban Éven belüli, évről évre ismétlődő ingadozás, hullámzás figyelhető meg a foglalkoztatottsági és munkanélküliségi adatsorokban. Oka: az időjárás hatásainak kitett ágazatok (mezőgazdaság, építőipar, kereskedelem és vendéglátás) szezontól függő munkaerőszükséglete az iskolaév végén kerülnek a végzősök a munkaerő-piacra Példák: összes regisztrált munkanélküli, pályakezdők és nem pályakezdők létszámának idősora.

Oka: az időjárás hatásainak kitett ágazatok (mezőgazdaság, építőipar, kereskedelem és vendéglátás) szezontól

3 Összes regisztrált munkanélküli

4 Pályakezdők

5 Nem pályakezdők

6 Stabil szezonalitás: Évről évre ugyanabban a hónapban jelentkezik pontosan 12 havonta. Mozgó szezonalitás: Bizonyos években korábban vagy későbben jelentkezik (nem 12 hónap múlva), kisebb vagy nagyobb mértékben jelenik meg, egyáltalán nem jelenik meg.

Mozgó szezonalitás: Bizonyos években korábban vagy későbben

7 A szezonális kiigazítás célja Az éven belüli ingadozásoktól megtisztított idősor jobban alkalmas elemzésekre, a tendenciák nyomon követésére, prognózisok készítésére, adatok összehasonlítására időben (pl. március-szeptember vagy I. n. év - IV. n. év) térben (pl. EU - Magyarország)

követésére, prognózisok készítésére, adatok összehasonlítására időben

8 Az idősor összetevői A idősor-elemzés feltevésre, hogy bármely közgazdasági tartalmú idősort három komponensre lehet bontani: Trend-ciklus komponens (egybevontan kezelik) a trend az idősor hosszú távú (évtizedes skálájú) viselkedését írja le, a ciklus néhány év hosszúságú hullámzást ír le (üzleti ciklus). Szezonális komponens éven belüli, évről évre ismétlődő rövid távú ingadozásokat mutató idősor. Irreguláris komponens nem ismétlődő, véletlenszerű ingadozásokat mutató idősor (zajszerű).

le, a ciklus néhány év hosszúságú hullámzást ír le (üzleti ciklus).

9 A komponensre bontás módja Lehet additív: multiplikatív: X X T T S I S I X eredeti idősor, T trend-ciklus komponens, S szezonális komponens, I irreguláris komponens

10 Additív vagy Multiplikatív felbontás?

11 A szezonálisan kiigazított idősor Az idősor-elemzésre támaszkodva mindhárom komponens értékét megbecsüljük. (Vagyis az idősor-elemzéssel kapott adatok becslések!) A szezonálisan kiigazított idősor: additív felbontás esetén: X S vagy T I multiplikatív felbontás esetén: X S vagy T I

(Vagyis az idősor-elemzéssel kapott adatok becslések!

12 Mozgóátlag a megfigyelt értékek idősorából kiválaszt rögzített számú egymást követő elemet, ezek átlagát képezi, időpontonként előre mozogva egy újabb megfigyelt értéket hozzávesz az átlagképzéshez, miközben egy elemet a kiválasztott elemek végéről elhagy.

előre mozogva egy újabb megfigyelt értéket hozzávesz az

13 A szezonális kiigazítás menetének illusztrálása (X11 eljárás) Multiplikatív komponensre bontású idősorra: 1. lépés Trend meghatározása 12 tagú mozgóátlaggal: 2. lépés Az eredeti idősorból a trend komponens eltávolítása: Szezonális kiigazítás Szezonális kiigazítás I S T X t t t t t t X X X X X T t t t I S T X ) (

lépés Trend meghatározása 12 tagú mozgóátlaggal: 2.

14 ( S ) I t 3. lépés Az idősorból az irreguláris komponens eltávolítása 5 tagú mozgóátlagképzéssel: S t 1 5 ( S I ) t24 ( S I ) t12 ( S I ) t ( S I ) t12 ( S I ) t24 Megvan a szezonális komponens! 4. lépés A szezonális komponens eltávolítása az eredeti idősorból: X S t t ( T I) t

15 Végpontprobléma Az idősor vége felé közeledve nincs elég elem (az elején sincs) az ilyen típusú, ún. szimmetrikus mozgóátlagok képzésére. Mi a megoldás? a) aszimmetrikus mozgóátlagképzés b) valamilyen módszerrel meghosszabbítjuk az idősort (előrejelzés, illetve visszafelé jelzés)

szimmetrikus mozgóátlagok képzésére. Mi a megoldás?

16 X11-ARIMA eljárás Két részből áll: 1. ARIMA modell illesztéssel az idősor meghosszabbítása 2. X11 eljárással az idősor komponensekre bontása + statisztikai tesztek

17 HTX11AR szezonális kiigazító program: Adaptált X11-ARIMA/88 Statistics Canada forráskódjából fejlesztettük ki. Felhasználóbarát kezelői felület Output formátum továbbfeldolgozáshoz igazítása Eredmények grafikus megjelenítése Ellenőrző lista adaptálása (BLS CHEKLIST alapján) és automatikus kitöltése Additív-multiplikatív komponensre bontás küzül a megfelelőbb kiválasztása (a BLS kritériumai alapján)

Felhasználóbarát kezelői felület Output formátum továbbfeldolgozáshoz igazítása Eredmények grafikus

18 Adatforrás A Foglalkoztatási és Szociális Hivatal regiszter adatbázisából szűrt ún. kisterületi DBF fájlok. Havonta, a havi zárást követően kapjuk. Idősoraink Regisztrált munkanélküliek létszámadatait tartalmazó havi gyakoriságú idősorok, országosan és területi (megyék, főváros) bontásban is. Összesen 21 13=273 idősor. A régiós idősorokat a megyeiekből adjuk össze.

Idősoraink Regisztrált munkanélküliek létszámadatait tartalmazó havi gyakoriságú idősorok,

19 Idősoraink összes regisztrált pályakezdők nem pályakezdők pályakezdő férfiak pályakezdő nők nem pályakezdő férfiak 25 éves korig nem pályakezdő férfiak év között nem pályakezdő férfiak 55 év fölött nem pályakezdő nők 25 éves korig nem pályakezdő nők év között nem pályakezdő nők 50 év fölött regisztrációba belépők regisztrációból kikerültek (számolt adatok)

férfiak 55 év fölött nem pályakezdő nők 25 éves korig nem pályakezdő nők 25-50 év között nem

20 Nemzetközi módszerek X11 (U.S. Census Bureau) X11-ARIMA (Statistics Canada) X12-ARIMA (U.S. Census Bureau) TRAMO-SEATS (Spanyol Nemzeti Bank) Demetra program: X12 + TRAMO-SEATS

census.gov/srd/www/x12a/ TRAMO-SEATS (Spanyol Nemzeti Bank) http://www.bde.

21 ARIMA módszer AR: auto regresszív Példa egy autó sebessége (időszak) V(k+1) = a V(k) legyen a=0.95 V(2) = 0.95 V(1) ha k=1 V(3) = 0.95 V(2) ha k=2 V(4) = 0.95 V(3) ha k=3 stb.

22 ARIMA módszer MA: mozgó átlag Példa egy autó sebessége (időszak) Néha megnyomjuk a gázpedált V(k+1) = a V(k) + b G(k) V(k+1) = a V(k) + b G(k) + c G(k-1) Ha k=2 : V(3) = a V(2) + b G(2) + c G(1) V(3) - a V(2) = b G(2) + c G(1)

23 Outlierek Additív kiugró érték Csillapodó jellegű törés Szinteltolódás

24 Szezonális kiigazítás Az idősor felbontása Bővítve további komponensekkel (additív): X t = T t + S t + I t + O t O: outlierek (kiugró, rendellenes értékek) Az O komponenseket a korszerű módszerek még a dekompozíció előtt szűrik, ez az ún. előigazítás (preadjustment).

25 Az X12-ARIMA módszer Ismételt mozgóátlagolásokon alapuló módszer Szokás ad-hoc jellegű szűrőnek is hívni Végponti probléma A mozgóátlagolás az idősorok elején/végén nem használható Megoldás: az idősor előrejelzése (visszajelzése) ARIMA modellel

26 Két részből áll: TRAMO-SEATS TRAMO: előigazítás ARIMA eljárással, outlierek kiemelése SEATS: felbontás komponensekre Teljesen modell alapú megközelítés, a komponensekre bontás is az idősorra illesztett ARIMA modell, illetve annak spektruma alapján történik

27 Szezonális kiigazítás A komponensekre bontás Ha az idősort felbontjuk komponensekre, akkor az idősor spektruma is felbomlik a komponensek spektrumának összegére A trend spektruma olyan, hogy a 0-nál van csúcsa A szezonális komponens spektruma a szezonális frekvenciáknál lesz nagy Az irreguláris komponens spektruma lapos

28 Az elméleti komponensek spektruma

29 TRAMO-SEATS előnyei Nemszezonális sort nem igazít szezonálisan, mivel ilyenkor nemszezonális modellt illeszt A szezonális kiigazítás szűrője nem rögzített, az idősor sztochasztikus tulajdonságaihoz igazodik. Az ad-hoc szűrős eljárások például nem (vagy csak korlátozottan) veszik figyelembe a szezonalitás stabilitását A tapasztalat azt mutatja, hogy a TRAMO egyértelműen jobb, mint az X12-ARIMA eljárása

30 Szezonális kiigazítás X11 és TRAMO-SEATS szezonális kiigazítás hibája P á lya kez d ő k V e sz pré m m e g yéb e n X1 1 Ered e ti TS Létsz á m, fő / Jan / Ju l / Jan / Jul / Ja n / Jul / Ja n / Ju l / Ja n / Ju l / Ja n / Ju l / Ja n / Ju l / Jan / Ju l / Jan / Jul / Ja n / Jul / Ja n. Zá r ódá tum

32 Demetra (TRAMO-SEATS( TRAMO-SEATS) ) képernyő

33 EUROSTAT előírás és gyakorlat Ajánlás: X12 és TRAMO-SEATS Használt módszere: TRAMO-SEATS Szoftver: Demetra 2.04 Magyar TRAMO-SEATS felhasználók: KSH, MNB

Hasonló dokumentumok

Szezonális kiigazítás az NFSZ regisztrált álláskeresők idősorain. Készítette: Multiráció Kft.

Szezonális kiigazítás az NFSZ regisztrált álláskeresők idősorain. Készítette: Multiráció Kft. az NFSZ regisztrált álláskeresők idősorain Készítette: Multiráció Kft. SZEZONÁLITÁS Többé kevésbe szabályos hullámzás figyelhető meg a regisztrált álláskeresők adatsoraiban. Oka: az időjárás hatásainak