Metodebiblioteket
  • Alle funksjoner
  • Veiledning
  • Status
    • Source Code
    • Report a Bug
  1. Metodeområde
  2. Sesongjustering og tidsserieanalyse
  • Katalog
  • Processmodell
  • Metodeområde
    • Dataeditering
    • Estimering og vekting
    • Konfidensialitet
    • Sesongjustering og tidsserieanalyse
  1. Metodeområde
  2. Sesongjustering og tidsserieanalyse

Sesongjustering og tidsserieanalyse


Sesongjustering er å bruke statistiske metoder for å fjerne systematiske sesongvariasjoner fra en månedlig eller kvartalsvis tidsserie, slik at tidsserien i størst mulig grad uttrykker den reelle utviklingen over tid. I tillegg forsøker man å fjerne kalendereffektene som varierer fra år til år, slik som påske. I sesongjusteringsprosessen spaltes den prekorrigerte (kalenderjusterte) tidsserien opp i tre komponenter: sesong, irregulær og trend-syklus. Når dataene er korrigert for de sesongrelaterte forholdene, vil man stå igjen med et klarere bilde av den underliggende utviklingen i tidsserien som består av trend-syklus og irregulær komponent. Trend-syklus-komponenten er glattere enn sesongjusterte tall, og kan evt. formidles til brukerne i tillegg. I tidsserieanalyse kan en også justere tidsseriene for evt. brudd. Metodebiblioteket inneholder de viktigste R-funksjonene knyttet til sesongjustering med JDemetra+ 3.X. Pakkestrukturen og mange funksjonsnavn er vesentlig endret sammenlignet med forrige versjon, knyttet til JDemetra+ 2.2.X. Begge versjonene er tilgjengelige i Dapla. For en fullstendig oversikt over funksjonene vises det til dokumentasjonen for pakkene: rjd3toolkit, rjd3x13 og pickmdl3.

(R-funksjonene knyttet til versjon 2.2.X av JDemetra+ i R-pakkene RJDemetra, pickmdl og sadashboard er ikke lenger med på funksjonsoversikten. De kan fortsatt brukes, men vedlikeholdes ikke etter 2026.)

For informasjon om ARIMA-seleksjonsprosedyren pickmodel se evt. vignett-sidene (kun engelsk): What is pickmodel? og pickmdl-method

Du kan finne mer informasjon om Sesongjustering og tidsserieanalyse på Byrånettet.

Funksjon Pakke Språk Navn Beskrivelse
add_constraint pickmdl3 R Add a constraint to a constraint data frame object and open for editing. Add a constraint to a constraint data frame object and open for editing.
edit_constraints pickmdl3 R Edit a constraint data frame object Edit a constraint data frame object
make_paramfile pickmdl3 R Create an initial parameter file for x13_text_frame(). All values in the column are the same Create an initial parameter file for x13_text_frame(). All values in the column are the same
x13_pickmdl pickmdl3 R x13 with PICKMDL and partial concurrent possibilities x13 can be run as usual (automdl) or with a PICKMDL specification. The ARIMA model, outliers and filters can be identified at a certain date and then held fixed (with a new outlier-span).
x13_text_frame pickmdl3 R Multiple x13_both runs with code input from a data frame Gjør det mulig med sesongjustering av mange serier basert på parametere i en data.frame (f.eks lest inn fra en excel-fil).
set_x11 rjd3x13 R Set X-11 Specification Set X-11 Specification
x13 rjd3x13 R Seasonal Adjustment with X13-ARIMA Functions to estimate the seasonally adjusted series (sa) with the X13-ARIMA method. This is achieved by decomposing the time series (y) into the trend-cycle (t), the seasonal component (s) and the irregular component (i). The final seasonally adjusted series shall be free of seasonal and calendar-related movements.
x13_spec rjd3x13 R RegARIMA/X-13 Default Specifications Function to create (and/or modify) a specification object with the SA model specification for the X13 method. This specification can be used to run X-13 ARIMA.
add_outlier rjd3toolkit R Manage Outliers/Ramps in Specification Add or remove outlier or ramp regressors to a preprocessing specification.
modelling_context rjd3toolkit R Create modelling context Create a modelling context containing user-defined variables and calendars.
national_calendar rjd3toolkit R Create a National Calendar Create a national calendar with a list of holidays.
set_arima rjd3toolkit R Set ARIMA Model Structure in Pre-Processing Specification Set the ARIMA model parameters (p, d, q, bp, bd, bq) and coefficients.
set_automodel rjd3toolkit R Set Arima Model Identification in Pre-Processing Specification Set the options for automatic identification of the ARIMA model.
set_outlier rjd3toolkit R Set Outlier Detection Parameters Set outlier detection parameters in the preprocessing specification.
set_tradingdays rjd3toolkit R Set Calendar effects correction in Pre-Processing Specification Set the options for calendar effects correction (trading days, leap year, etc.) in the preprocessing specification.
set_transform rjd3toolkit R Set Log-level Transformation and Decomposition scheme in Pre-Processing Specification Set the options for log-level transformation and decomposition scheme in the preprocessing specification.