시계열에서 계절성을 제거해야하는 이유는 무엇입니까?

시계열로 작업하는 동안 스펙트럼 분석을 사용하여 계절성을 감지하고 제거하는 경우가 있습니다. 나는 시계열의 진정한 초보자이며 왜 원래 시계열에서 계절성을 제거하고 싶습니까? 계절성을 제거하지 않으면 원래 데이터가 왜곡되지 않습니까?

계절성을 제거하여 시계열을 구성하면 어떤 이점이 있습니까?

• Burman, J. Peter (1980), " 신호 추출에 의한 계절 조정 ", 왕립 통계 학회지, 시리즈 A, 143, p.321

버먼에 따른 이유 :

가장 일반적인 것은 현재 추세의 추정치를 제공하여 판단 할 수있는 단기 예측을하는 것입니다. 또는 가장 작은 모델을 제외한 모든 모델에 계절별 인형과 함께 조정되지 않은 데이터를 사용하는 것이 불가능하기 때문에 경제 모델에 들어가는 많은 시리즈에 적용될 수 있습니다.

• Shiskin, Julius (1957), " 전자 컴퓨터 및 비즈니스 지표 ", Journal of Business, 30, 219-267.

경제 지표를 연구하는 주요 목적은 경제가 서있는 비즈니스 사이클 단계를 결정하는 것입니다. 이러한 지식은 후속주기적인 움직임을 예측하는 데 도움이되고 비즈니스주기의 진폭과 범위를 조정하기위한 단계를 수행하기위한 실질적인 근거를 제공합니다. . . . 그러나 지표를 사용할 때, 분석가는 주기적 변동을 다른 유형의 변동, 특히 계절 변동과 분리하기가 어렵다는 점에서 여러 해 동안 어려움을 겪고 있습니다.

내 두 kopek을 원한다면 다음과 같이 요약합니다.

1. 편의성 : 여러 경제 시리즈를 다루는 경우 각각의 계절이 있습니다. 다변량 모델에서 각 계열의 계절성을 다루는 것은 비현실적입니다. 따라서 다변량 모델에 추가하거나 함께 분석하기 전에 모든 경제 계열을 계절별로 정리하는 것이 더 쉽습니다.
2. 트렌드 추출 : 많은 경제 시리즈는 본질적으로 계절적입니다. 예를 들어 여름에 주택 가격이 더 높습니다. 따라서 주택 가격 지수가 갑자기 하락할 때 경제에서 중요한 것을 나타내는 것이 아니라 항상 계절적인 하락이 될 수 있으며 중요한 정보는 없습니다. 따라서 우리는 시리즈를 비계 절화하여 현재 위치를 이해하려고합니다.

시계열 인 두 변수 간의 관계를 살펴보면 데이터가 독립적이지 않기 때문에 계절성은 계절 자유도를 줄입니다. 이 "직렬"상관 관계는 가짜 상관 관계가됩니다. 따라서 자유도를 높이기 위해 계절성이 제거됩니다.