Корректировка ставок в контекстной рекламе Google Ads

Автор Сергей Шевченко На чтение 8 мин Просмотров 986 Опубликовано 19 июня, 2022

Содержание

1. Что такое корректировка ставок в контекстной рекламе?
2. Как настроить корректировку ставок в рекламе Google Ads?
3. Устройства пользователей
4. Местоположение
5. Время показа
6. Популярность контента
7. Целевые аудитории
8. Списки ремаркетинга
9. Взаимодействия (корректировка ставок для звонков)
10. Демографические данные
11. Что учитывать при корректировке ставок в Google AdWords?

Корректировка ставок в рекламе Google даёт возможность настроить показы объявления только целевой аудитории, исключив затраты на взаимодействие с теми, кто вряд ли в ближайшей перспективе станет потенциальным клиентом. Этот инструмент довольно часто используется неверно.

Управляя ставками, вы сможете корректировать стоимость клика по рекламе с учётом данных о типе устройства пользователя, его географической локации, рекламной площадке и пр. В результате бюджет расходуется значительно эффективнее.

Что такое корректировка ставок в контекстной рекламе?

Корректировка ставок в контекстной рекламе — это процент отклонения ставки за клик по объявлению в большую или меньшую сторону в зависимости от заданных рекламодателей параметров.

Алгоритм с большей вероятностью, чем при жёстко заданных значениях, покажет рекламу пользователям из конкретной локации или подберёт наиболее оптимальное время для отображения объявления на более высокой позиции. Бюджет экономится в силу максимально точного попадания в аудиторию.

Механизм основан на следующем принципе. Чем более высокая ставка будет задана для самых результативных локаций, времени или девайса, тем более выгодной будет позиция объявления рекламодателя в выдаче, что повлечёт за собой увеличение доли конверсионных кликов.

Справка! Согласно статистике, правильная корректировка ставок сохраняет до трети рекламного бюджета.

В тех направлениях, где высокая стоимость конверсии ведёт к минимальным значениям или полному отсутствию прибыли, без корректировок уменьшить среднюю цену привлечения лида не получится.

В высококонкурентных же нишах отказ от использования этого инструмента приведёт к недополучению лидов из-за слабой позиции на аукционе в сравнении с конкурентами.

Как настроить корректировку ставок в рекламе Google Ads?

Биды в системе в Google Ads корректируются с учётом таких критериев:

• геолокация;
• тип устройства;
• целевые аудитории;
• взаимодействия;
• востребованность контента;
• демографические маркеры;
• график показа объявлений;
• ремаркетинговые перечни для объявлений в поиске.

Информация! Ставки можно корректировать от -90% до 900% как на уровне рекламной кампании, так и групп объявлений. Для системы второй вариант является более приоритетным.

Допускается указывать несколько критериев одновременно, при этом суммарное ограничение по всем выбранным параметрам не может быть больше 900%.

Устройства пользователей

Ставки для смартфонов целесообразно увеличивать при продвижении таких продуктов, решение о приобретении которых принимается быстро, а поиск информации осуществляется при помощи мобильных устройств в подавляющем большинстве случаев. Примерами таких продуктов могут служить услуги доставки пиццы, такси, эвакуации авто или срочного вскрытия дверей.

В других сферах по данному критерию, как правило, устанавливается понижающая корректировка. Например, если у Вас недоработана мобильная версия сайта, не задумываясь указывайте -100%.

Информацию о том, какие корректировки по устройствам необходимо сделать в Вашем случае, можно получить, проанализировав данные отчёта по кампаниям Google Analytics. Здесь, установив фильтр по заданной кампании, следует выбрать «Тип устройства» в «Дополнительных параметрах» и отследите конверсию по каждому из них:

В параметрах кампании Google Ads в блоке «Устройства» впишите коэффициент корректировки ставок для пользователей смартфонов:

Местоположение

Разные регионы и города для одной и той же сферы бизнеса часто отличаются уровнем конкуренции. Соответственно, и стоимость клика для каждого из них будет своя. Если Вы предлагаете продукт и в столице, и в регионах, учитывайте этот критерий.

Корректировку по регионам в системе Adwords удобно задавать напрямую в отчете по локации пользователей. Сделать это можно, открыв раздел «Местоположение» в дополнительных настройках. Вам нужно найти «Отчет по Эффективности на основе географических данных».

Установив необходимый тип локации в выпадающем перечне, Вы увидите более подробный отчёт, где можно изменять ставки в зависимости от геолокации пользователя:

Время показа

Этот критерий позволяет влиять на охват в зависимости от уровня конверсии в тот или иной промежуток времени. Настроить его можно в кампаниях с ручным управлением ставками.

Корректировка актуальна для тех рекламодателей, которые получают обращения клиентов неравномерно на протяжении суток, при этом пиковые часы ярко выражены.

К примеру, для компании, доставляющей еду, в обеденное время спрос и, как следствие, конкуренция, стремительно увеличиваются. Поэтому целесообразно задать на этот период повышенные ставки, а в часы с низкой частотой обращений использовать понижающий коэффициент.

Корректировку ставок в зависимости от времени можно настроить разделе «Расписание показа объявлений». Укажите процент возможного отклонения, когда настроите расписание показов:

Популярность контента

Корректировка ставок в Google Ads возможна в зависимости от популярности контента, в рамках которого будет размещаться реклама. Например, ставку можно увеличивать для популярных видеороликов на YouTube или статей в контекстно-медийной сети. Параметр регулируется в пределах 0-500%. Настроить отклонение можно исключительно на уровне группы объявлений.

Целевые аудитории

Существуют два способа сфокусировать показы рекламы на целевую аудиторию: использовать соответствующий таргетинг или настроить корректировку ставок в Google Ads.

К примеру, можно увеличить ставки для показа объявлений тем, кто поместил товар в корзину, но не завершил покупку. Такие пользователи с большой долей вероятности увидят рекламу при последующем поиске.

Информация! Составив сценарий продвижения своего продукта, Вы сможете избавиться от нецелевых показов и увеличить частоту взаимодействия с «горячей» аудиторией.

Используйте «Менеджер аудиторий», чтобы сформировать сегменты:

Вы можете взять за основу как собственные данные, так и сведения сервиса Analytics:

Повторно показывать рекламу тем, кто уже заключил сделку, не следует, если по статистке один клиент в Вашей сфере совершает только одну покупку, к примеру, покупка онлайн-курса.

Перейдите в настройки кампании, чтобы задать корректировку. Здесь нас интересует блок «Аудитории»:

Выбрав аудиторию, укажите диапазон возможного отклонения ставки.

Используются для корректировки ставок в рекламе на поиске. В качестве целевой аудитории для объявлений алгоритм отбирает только тех, кто ранее посещал сайт. Разрешается изменять ставки в пределах от -90% до +900%.

Информация! Инструмент эффективен при продаже продуктов в нишах, где покупатели принимают решение о покупке не сразу.

Если Вы регулярно отмечаете высокую конверсию для вернувшихся на сайт пользователей в сравнении с теми, кто пришёл впервые, то составьте списки ремаркетинга.

Добавьте их в свою кампанию и увеличьте ставки, чтобы повысить приоритет именно для таких посетителей.

Взаимодействия (корректировка ставок для звонков)

Чтобы сделать объявления с номером телефона более эффективными, используйте корректировку ставок для звонков.

Добавьте показ звонков пользователей в отчёты по конверсиям. Выберите значение «Телефонные звонки», чтобы они расценивались системой как целевые действия:

Проанализировав кампании и выявив те, что дают большее число звонков, Вы сможете, не меняя ставки за клик по рекламе, повысить приоритет клиентов, предпочитающих взаимодействие по телефону.

Важно! Увеличивать ставки для звонков следует только в том случае, если у вас есть операторы, всегда готовые их обслужить. Если же потенциальным покупателям будет сложно дозвониться, то часть бюджета Вы потратите впустую.

Установите соответствующие параметры РК в модуле «Расширенные корректировки ставок»:

Демографические данные

Алгоритмы Google AdWords собирают данные о посетителях, фиксируя множество их демографических признаков. Эти критерии также можно использовать для регуляции ставок.

Инструмент успешно применяется в тематиках, где есть чётко выраженный портрет потенциального покупателя. Это, к примеру, могут быть мужчины 35+, если Вы продвигаете классические деловые костюмы уровня премиум. Целесообразно увеличить ставки для представителей мужского пола старше 35 лет, а женщин вовсе исключить из ЦА.

Оценивать статистику по демографическим критериям наиболее удобно в Google Analytics. Используйте «Аудитории», чтобы открыть соответствующий отчёт. Тут можно установить фильтр по конкретной кампании в дополнительных параметрах:

Проведя анализ и вычислив коэффициент, в установках кампании в разделе «Демография» следует кликнуть на «Пол» или «Возраст», отметить целевую группу посетителей и откорректировать ставки:

Что учитывать при корректировке ставок в Google AdWords?

Поставив во главу угла минимизацию стоимости, важно учитывать, что корректировка ставок возможно приведет к снижению охвата. Избежать этого помогут следующие рекомендации:

1. Любые гипотезы, даже самые очевидные, требуют проверки и тестирования.
2. Не следует упускать из вида тот факт, что корректировки могут пересекаться между собой, тогда возникает эффект «перемножения», который вызывает намного более существенное повышение ставок.
3. Алгоритм назначения ставок всегда отдаст приоритет параметрам, заданным на уровне группы объявлений, даже если рекламодателем дополнительно заданы корректировки на уровне кампании.
4. Выбор корректировки по местоположению из нескольких пересекающихся вариантов всегда производится по наиболее конкретной локации, если она соответствует местоположению посетителя.
5. Всегда используйте понижающие корректировки в низкий сезон, когда отмечается минимальный спрос на продукт и в ближайшей перспективе не планируется его рост. К примеру, поздней осенью, если Вы продаёте кондиционеры.
6. Чтобы настроить корректировки, необходима статистическая информация. Причём следует получить данные по рекламе хотя бы за год и только потом устанавливать правила изменения ставок. А пока алгоритмы собирают информацию, можно заниматься улучшением сайта, наполнением его контентом и пр.
7. Добиться максимальной эффективности вложений можно только при условии постоянного тестирования различных стратегий корректировок. Чтобы снизить влияние случайных факторов на эксперимент, не делайте быстрых выводов. Подождите хотя бы 7–10 дней.

Корректировка ставок в Google AdWords – удобный и полезный инструмент, позволяющий рекламодателю повысить эффективность рекламной кампании. Тем не менее неконтролируемое его применение часто ведёт к потере трафика.

Корректировка ставок в Яндекс Директ

В рекламных кампаниях надо постоянно чистить ключевые слова и площадки, по которым приходит нецелевой трафик на сайт.

Еще один важный пласт – понижающие и повышающие коэффициенты на ставки. С помощью них можно увеличить показы объявлений тем, кто оставляет заявки, и снизить для тех, кто впустую ест бюджет.

И здесь гибкость и вариативность настроек приятно удивляет.

Ниже инструкция по корректировке ставок в Яндекс Директ на примере действующей кампании.

 

Корректировки ставок — это:

инструмент, позволяющий понижать или повышать ставки на определенный коэффициент исходя из статистики рекламных кампаний.

Корректировка задается в процентах, которую правильно рассчитывать так:

Условие «Уменьшить на 30%»: 100% — 30% = 70% от ставки или 100 х 0,7;

Условие «Увеличить на 300%»: 100% + 300% = 400% от ставки или 100 х 4.

Почти все корректировки можно провести в настройках кампании.

А теперь о том, какие они бывают.

 

Корректировки по целевой аудитории в Директе

Начну с самого жирного и интересного пласта.

Корректировки по целевой аудитории можно проводить через:

• Сегменты Яндекс Метрики
• Цели Метрики
• Сегменты Яндекс Аудиторий

Во всех ссылках выше статьи с описанием инструмента и примерами использования.

Идем в Яндекс Метрику и строим отчет. Интервал ставим по сезонности ниши, в экскурсиях в Европе под мои задачи актуально взять месяц. Мне интересны регионы показа с конверсиями:

На основании этой статистики я создаю сегменты отдельно по посетителям из Москвы+МО, Питера+ЛО и Германии.

Аналогично строю стату по регионам без конверсий.

Затем в настройках кампании перехожу к пункту «Корректировка ставок» и нажимаю кнопку «Добавить»:

Раскрылось меню, в котором через «Настройку условий» добавляем нужные сегменты:

Далее я повышаю ставки на активные регионы и режу пассивы, поджирающие деньги. Сохраняюсь.

Регулировать ставки можно в диапазоне от -100% (отключаем показы полностью) до +1200%.

Аналогично работаем по целям Метрики и сегментам Аудиторий.

 

Корректировки ставок на мобильных

Открываем статистику Директа по типу устройства и изучаем:

Срок здесь поставил побольше (3 месяца), т. к. в этой нише стата по устройствам сильно не гуляет. Видим, что цена клика на мобильниках выше, а процент конверсии ниже в 1,5 раза, цена цели на мобилках 14,1 евро против 8,29 на компьютерах.

Суть ведения рекламы – получить максимум заявок при их минимальной стоимости. Поэтому вывод какой? На ключах ставки повышаем, на мобильниках режем.

В том же меню корректировок в настройках переходим на вкладку «Мобильные» и снижаем коэффициент на 20-30%:

Ставки на мобильных устройствах нельзя отключить полностью, только порезать максимум на 50%, либо увеличить до 1200%.

Свести показы к нулю можно через создание сегмента Метрики по отдельным маркам-моделям телефонов (см. первый раздел про целевую аудиторию), либо через корректировку «Устройства» в медийных кампаниях.

 

Корректировка ставок в Директе по возрасту

Рекомендую смотреть данные сразу по полу и возрасту, потому что отдельно эти срезы не так точны, можно накосячить с выводами.

Беру рекламную статистику за значимый период (на короткой дистанции картина неполноценная), упорядочиваю цену цели по убыванию, вижу:

Женщины 45-54 лет гораздо реже идут на контакт, цена действия 20 евро — дорого. Аналогично с мужчинами 25-34 г, ж 18-24.

Когорту женщин 25-34 лет я бы не стал занижать, хоть конверсия дороговата (13,86 евро), там хороший отклик, можно потерять ощутимый охват.

Лучший ROI (возврат вложений) дают 2 сегмента – дамы 35-44 г. и старше 55.

Мужички старше 45 приносят дешевые конверсии, но я бы поостерегся повышать ставку. Это тот случай, когда надо включать голову. Я веду клиента давно и знаю, что мужики любят щелкать по объявлениям с красивыми девушками-гидами и написывать пошлятину. Есть целевые лиды, но в целом КПД не очень.

Переносим эту информацию в настройки:

Здесь также диапазон от -100% до +1200%.

 

Корректировка по видеодополнениям

Недавно в Директе появились видеодополнения – дешманский вариант полноценной видеорекламы.

В редактировании объявлений собираешь в конструкторе ролик: загружаешь простенькое видео или картинку, аудиофайл, пишешь текст кнопки – готово 🙂

Если пользуетесь и уже набралась статистика, можно сделать так:

Пределы от -50% до +1200%.

 

Директ: корректировки по погоде

Еще одна новинка 2019 г.

Задаете условия по температуре, осадкам и/или облачности, а Директ мониторит данные Яндекс.Погоды и повышает либо понижает ставку.

Настройка доступна только в новом интерфейсе:

Из справки Яндекса непонятно, за какой период берутся данные. А это важный момент, от интервала прогноза зависит, подойдет инструмент только остроситуационным нишам или с умеренным/долгим циклом принятия решения тоже.

Месяц назад, в декабре 19-го, на конференции по Директу я задал вопрос и представители Яндекса объяснили: данные для корректировок берутся только за несколько часов.

То есть, если мы рекламируем дождевики с утеплителем, то в преддверие осенних холодов можно запустить рекламу с небольшой ставкой и установить такую корректировку:

Похолодало, пошел дождь – бац, человек увидел рекламу. Может, сразу не побежал покупать, но мысль закралась.

А вот показывать человеку поездку в выходные на турбазу толку нет – точный прогноз в понедельник мы не знаем, а в пятницу вечером все брони раскуплены.

Можно исключить показы (-100%) или избить всех конкурентов (+1200%). Задается на уровне групп объявлений.

 

Корректировки по региону показа

В корректировках по целевой аудитории я показал, как выделить сегмент Метрики по конверсионным городам.

Можно пойти другим путем — изменить ставки на регионах показов.

В Параметрах находим раздел «География» и жмем кнопку «Изменить»:

Раскроется меню, активируем ползунок в правом верхнем углу и жмем на пиктограмму карандаша:

Меняем ставку как нужно и сохраняемся.

Диапазон от -90% до +1200%.

 

Директ: корректировка ставок по времени

В Метрике строим отчет по посещаемости по времени суток и выделяем конверсионные часы:

Можно сделать отчет детальнее и добавить дни недели, но в моей нише с экскурсиями нет привязки к дням, поэтому я работаю с более крупным срезом.

Затем в Параметрах переходим в раздел «Расписание показов» → «Временной таргетинг»:

Нажали на кнопку – раскрылось меню. Активируем режим управления ставками.

Затем, выставляя ползунком на шкале нужную цифру, корректируем ставки по часам и дням недели:

Важно: не забудьте выставить одинаковые часовые пояса в Директе и Метрике, иначе корректировка оставит вас без денег!

Ставки регулируются от 0 до 200%.

 

Смарт объявления

В кампаниях «Смарт баннеры» можно задавать отдельные корректировки на смарт-объявления, которые не будут затрагивать сами баннеры.

Немного туманно, кто не пользовался смарт баннерами, почитайте про них в справке.

Ставки регулируются в диапазоне от -80% до +1200%:

 

Корректировки по инвентарю

Под инвентарем подразумеваются разные инструменты медийной кампании: HTML баннеры, потоковые видео, видео на сайтах, в приложениях, видео с вознаграждением.

На каждый из них можно назначать отдельные ставки от -100% до 1200%:

 

Корректировки в наружной рекламе

Если крутите наружную рекламу на билбордах вдоль дорог, можно создавать правила показа не только по времени суток, погоде, но и по интенсивности движения.

Директ использует данные из Яндекс.Карт и оценивает загруженность дорог. Само собой, на тех участках движения, где автомобилист увидит ваше объявление.

На дороге пробка, водитель может поглядеть по сторонам, увидеть рекламу и вникнуть в суть, потому что в настройках мы сделали так:

Диапазон значений от -100% до +1200% к ставке.

 

На этом про корректировки ставок в Яндекс Директ всё.

Есть еще автоматические корректировки ставок, но это уже другая песня, о которой я расскажу позже.

 

Мои услуги:

Ведение кампаний, клиентам, Настройка Яндекс.Директ, Примеры из моей работы, Яндекс Метрика

Коэффициенты с поправкой на возраст — Инструменты для обучения статистике

Что такое поправка на возраст?

Корректировка по возрасту — это статистический процесс, применяемый к показателям заболеваемости, смертности, травм или других последствий для здоровья, который позволяет сравнивать сообщества с разной возрастной структурой.

Почему мы делаем коррекцию возраста?

Почти все заболевания или последствия для здоровья возникают с разной частотой в разных возрастных группах. Большинство хронических заболеваний, в том числе большинство видов рака, чаще встречаются у пожилых людей. Другие исходы, такие как многие виды травм, чаще встречаются у молодых людей. Распределение по возрасту определяет наиболее распространенные проблемы со здоровьем в сообществе. Один из способов изучения закономерностей состояния здоровья в сообществах разного размера — это рассчитать уровень заболеваемости или смертности, который представляет собой количество новых случаев или смертей, деленное на численность населения. При хронических заболеваниях и травмах показатели обычно выражаются в количестве случаев/смертей на 100 000 человек в год.

Сообщество, состоящее из большего количества семей с маленькими детьми, будет иметь более высокий уровень велосипедных травм, чем сообщество с меньшим количеством маленьких детей. Сообщество с большим количеством пожилых людей будет иметь более высокий уровень заболеваемости раком, чем сообщество с более молодыми людьми. Это справедливо даже в том случае, если люди в двух сообществах имеют одинаковый риск заболеть раком или получить травму. Эпидемиологи называют это путаницей. Смешение происходит, когда измерение связи между воздействием и заболеванием смешивается с эффектами какого-либо постороннего фактора (сбивающая переменная). См. прилагаемый пример смешения возраста. Корректировка по возрасту — это статистический способ устранения путаницы, вызванной возрастом.

Как происходит коррекция возраста?

Смешение возраста происходит, когда две сравниваемые популяции имеют разное возрастное распределение, а риск заболевания или исход варьируется в разных возрастных группах. Процесс корректировки по возрасту прямым методом изменяет вклад каждой возрастной группы в общий показатель в каждом сообществе, так что общие показатели основаны на одной и той же возрастной структуре. Показатели, основанные на одном и том же возрастном распределении, можно сравнивать друг с другом без наличия смешения по возрасту. Корректировка достигается путем умножения возрастных показателей заболеваемости на возрастные веса. Веса, используемые при корректировке данных о раке по возрасту, представляют собой долю 1970 человек населения США в каждой возрастной группе. Затем взвешенные показатели суммируются по возрастным группам, чтобы получить показатель с поправкой на возраст. Корректировка по возрасту демонстрируется здесь с использованием коэффициентов смертности от рака для всех локализаций рака среди мужчин в штате Нью-Йорк в 1994 г. Смешение возраста демонстрируется с использованием коэффициентов смертности от рака предстательной железы среди белых и чернокожих мужчин в 1994 г.

Пример корректировки по возрасту :

Возрастная группа	Количество смертей (а)	Население (млн) (б)	Ставка на 100 000 (c=(a / b) x 100 000)	Вес (г)	Взвешенная ставка (cxd)
0-14	62	1,95	3,2	0,284	0,91
15-24	82	1,21	6,8	0,174	1. 18
25-34	303	1,48	20,9	0,123	2,57
35-44	686	1,40	49,0	0,113	5,54
45-54	1630	1,02	159,8	0,114	18,22
55-64	3457	0,73	475,9	0,091	43,31
65-74	6352	0,58	1093.4	0,061	66,70
75-84	5443	0,29	1878.3	0,030	56,35
85+	2050	0,07	2841,5	0,007	19,89
Всего	20065	8,73	229,8	1,00	214,7

Общий (нескорректированный) уровень смертности от рака составляет 229,8 смертей на 100 000 мужчин.

Скорректированный по возрасту показатель составляет 214,7 смертей на 100 000 мужчин.

Пример смешения по возрасту:

В северной части штата Нью-Йорк (штат Нью-Йорк, за исключением города Нью-Йорк) 1359 белых мужчин и 121 чернокожий мужчина умерли от рака простаты в 1994 году. Исходя из того, сколько белых и черных мужчин проживало в северной части штата в В 1994 г. приблизительные (нескорректированные) показатели смертности от рака предстательной железы были следующими:

• 1359 смертей / 4 738 246 мужчин x 100 000 = 28,7 смертей на 100 000 мужчин 90 188

• 121 смерть / 418 992 человека x 100 000 = 28,9 смерти на 100 000 мужчин

На основании этого видно, что белые и черные мужчины, проживающие в северной части штата Нью-Йорк, имеют одинаковую смертность от рака простаты. Но это обманчиво, потому что чернокожие мужчины в северной части штата Нью-Йорк, как правило, моложе белых мужчин:

х 100 000 = 1,8 смертей на 100 000 мужчин

• 18 смертей / 396 917 мужчин x 100 000 = 4,5 смертей на 100 000 мужчин

• 1 282 смертей / 560 357 мужчин x 100 000 = 228,8 смертей на 100 000 мужчин

102 смертей / 22 075 мужчин x 100 000 = 462,1 смертей на 100 000 мужчин

Как в старшей, так и в младшей возрастных группах смертность от рака предстательной железы среди темнокожих мужчин более чем в два раза выше, чем среди белых мужчин. Показатели с поправкой на возраст отражают более высокий риск смерти от рака простаты среди чернокожих мужчин:

• Коэффициент с поправкой на возраст среди
• Коэффициент с поправкой на возраст среди

Сезонная корректировка Вопросы и ответы

Вопросы

1. Что такое временной ряд?
2. Что такое сезонная корректировка?
3. Почему вы сезонно корректируете данные временных рядов?
4. Исходный (не скорректированный с учетом сезонных колебаний) ряд увеличивается, но ряд с учетом сезонных колебаний показывает уменьшение. Что означает это несоответствие?
5. Какие эффекты сезонной корректировки устраняются, а какие нет?
6. Какие компоненты временного ряда являются результатом сезонной корректировки?
7. Что такое эффекты операционного дня и корректировки операционного дня?
8. Скорректированы ли февральские оценки с учетом эффекта високосного года?
9. Что такое перенос праздников и корректировка переноса праздников?
10. Как получить сезонную корректировку?
11. Что такое X-13ARIMA-SEATS?
12. Какую описательную информацию о сезонной корректировке вы предоставляете пользователям?
13. Какие виды диагностики вы рассматриваете и что указывает на хорошее качество сезонной корректировки?
14. Почему вы пересматриваете сезонную корректировку?
15. Что такое годовая ставка? Почему сезонно скорректированные данные иногда отображаются как годовые?
16. Почему сумма сезонно скорректированных месячных (или квартальных) значений не равна годовой сумме?
17. Как получить квартальные значения с поправкой на сезонные колебания при публикации ежемесячных поправок на сезонные колебания (или ставок)?
18. Что такое одновременная сезонная корректировка? Почему это используется?
19. Что такое косвенная корректировка? Почему это используется?

1.

Что такое временной ряд?

Временной ряд — это последовательность последовательных измерений значений, полученных через равные промежутки времени (например, каждый месяц или каждый квартал). Для большинства типов анализа временных рядов данные должны быть сопоставимы во времени, поэтому они должны соответствовать концепции и методу измерения. Многие временные ряды Бюро переписи населения измеряют экономическую активность и являются исходными данными для оценок ВВП.

Вернуться к вопросам

2. Что такое сезонная корректировка?

Сезонная корректировка — это оценка и удаление сезонных эффектов из временного ряда для выявления некоторых несезонных особенностей. Сезонные эффекты — это постоянные, повторяющиеся эффекты, возникающие в одно и то же время каждый год и не поддающиеся объяснению динамикой тенденций или циклов. Примеры сезонных эффектов включают падение производства автомобилей в июле, поскольку заводы переоснащаются для выпуска новых моделей, и увеличение производства мазута в сентябре в преддверии зимнего отопительного сезона.

При необходимости процесс сезонной корректировки оценивает и устраняет не только сезонные эффекты, но и календарные эффекты. Это последовательные, предсказуемые эффекты, которые не являются строго сезонными, такие как эффекты рабочих дней (относящиеся к месяцам или кварталам, имеющим разное количество дней недели из года в год, см. Q7 и эффекты перемещающихся праздников (например, День труда, День Благодарения и Пасха, см. Q9

Вернуться к вопросам

3. Почему вы корректируете данные временных рядов с учетом сезонных колебаний?

Сезонные колебания часто настолько велики, что маскируют другие характеристики данных, представляющие интерес для аналитиков текущих тенденций и циклов. Например, если каждый месяц (или квартал) имеет различную сезонную тенденцию к высоким или низким значениям, может быть трудно определить общее направление недавнего месячного (или квартального) движения временного ряда (увеличение, уменьшение, изменение направления). , отсутствие изменений, соответствие другому экономическому показателю и т. д.). Сезонная корректировка создает временной ряд, соседние значения которого обычно легче сравнивать. Многие пользователи данных предпочитают сезонно скорректированные данные исходным временным рядам, потому что они хотят видеть характеристики, которые сезонные колебания имеют тенденцию маскировать, особенно изменения в направлении ряда.

Назад к вопросам

4. Исходный ряд (не скорректированный с учетом сезонных колебаний) увеличивается, но ряд с учетом сезонных колебаний показывает уменьшение. Что означает это несоответствие?

Это различие в направлении распространено. В случае увеличения исходного (не скорректированного с учетом сезонных колебаний) ряда и уменьшения ряда с учетом сезонных колебаний обычная причина заключается в том, что сезонный эффект для второго месяца (или квартала) больше, чем сезонный эффект для первого месяца. (или квартал). Если бы базовый уровень ряда был устойчивым, первое значение было бы больше второго из-за сезонного эффекта. В этом сценарии увеличение исходного ряда должно быть меньше, чем обычно, либо потому, что базовый уровень ряда уменьшается, либо потому, что какое-то особое событие (или события) увеличило значение первого месяца (или квартала) или уменьшило значение второго месяца (или квартальная) стоимость. Обратите внимание, что если ряд скорректирован с учетом операционного дня или переноса праздников, возможны и другие объяснения.

Сезонно скорректированный ряд может увеличиться, когда исходный ряд также уменьшится.

См. приведенный ниже график наложения исходного (не скорректированного с учетом сезонных колебаний) месячного ряда, выделенного серым цветом, и соответствующего ему скорректированного с учетом сезонных колебаний ряда, выделенного синим цветом. В 2017 г. исходный ряд увеличивался с января по февраль, а сезонно скорректированный ряд уменьшался (другие месяцы также показывают разницу в направлении). Обратите внимание, что движения вверх и вниз во временном ряду могут не иметь статистической значимости и не требовать какой-либо конкретной интерпретации.

 

Рисунок 1. Первоначальные (без сезонных поправок) и сезонные разрешения на строительство в южной части на одну семью. Источник: Бюро переписи населения США.

Вернуться к вопросам

5.

Какие эффекты сезонная корректировка устраняет, а какие нет?

Важно отметить, что сезонные факторы являются оценками, основанными на настоящем и прошлом опыте, и что будущие данные могут отражать другие модели сезонных эффектов. Этой оценке могут помешать особенно высокие уровни шума или необычные события, происходящие в одно и то же время в последующие годы.

Вернуться к вопросам

6. Какие компоненты временного ряда являются результатом сезонной корректировки?

Сезонная корректировка разделяет временной ряд на тренд-цикл, сезонный и нерегулярный компоненты.

Trend-Cycle (C) : Оценка уровня для каждого месяца (или квартала), полученная на основе ближайших год-два наблюдений. Этот компонент показывает долгосрочное движение временного ряда.

Сезонный компонент (S) : Эффекты, которые достаточно стабильны с точки зрения годового времени, направления и величины. Возможные причины включают природные факторы (обычные погодные условия), административные меры (даты начала и окончания учебного года) и социальные/культурные/религиозные традиции (фиксированные праздники, такие как Рождество). Если на ряд влияют операционные дни или эффекты переходящих праздников, мы включаем корректировки для них с сезонным компонентом, даже если они не являются строго сезонными. Мы часто публикуем эффекты сезонности, операционного дня и переносимых праздников как один комбинированный фактор, обозначаемый просто как сезонный фактор.

Нерегулярный компонент (I) : Все, что не включено в трендовый цикл или сезонный (или комбинированный) компонент. Его значения непредсказуемы в отношении времени, воздействия и продолжительности. Это может быть связано с ошибкой выборки, ошибкой, не связанной с выборкой, несвоевременной погодой, стихийными бедствиями, забастовками и т. д.

Они имеют мультипликативную или аддитивную зависимость в зависимости от характера временного ряда. То есть исходный ряд равен C x S x I, когда связь мультипликативная, и равен C + S + I, когда связь аддитивная.

Если дисперсия ряда обычно увеличивается с повышением уровня, компоненты имеют мультипликативную связь. Если дисперсия ряда остается постоянной независимо от уровня ряда, компоненты имеют аддитивную связь. Этот характер ряда может быть трудно определить, и он может меняться со временем.

Вернуться к вопросам

7. Что такое влияние торгового дня и корректировка рабочего дня?

Повторяющиеся эффекты, связанные с днями недели, являются эффектами торговых дней. Ежемесячные (или квартальные) значения временных рядов могут зависеть от состава дней недели календарного месяца (или квартала). Уровень активности может зависеть от того, какие дни недели встречаются пять раз в месяц, а не только четыре раза, или какие дни недели встречаются 14, 13 или 12 раз в течение квартала. Например, отделы выдачи разрешений на строительство обычно закрыты по субботам и воскресеньям. Таким образом, количество разрешений на строительство, выданных в данном месяце, скорее всего, будет больше, если в месяце больше рабочих дней, и меньше, если в месяце больше выходных дней.

Временные ряды потоков, значения которых накапливаются с течением времени (например, продажи), могут зависеть от номера каждого дня недели в месяце (или квартале). Временные ряды запасов, значения которых представляют собой снимок во времени (например, запасы), могут зависеть от дня недели, когда они измеряются. Например, стоимость запасов в конце месяца (или квартала) может быть ниже, если последний день — среда, чем если последний день — пятница, если новые запасы всегда поступают в четверг.

Эффекты торгового дня могут затруднить сравнение значений серий или сравнение движений одной серии с движениями другой. Когда это подходит для ряда и когда оценки влияния торговых дней статистически значимы, мы удаляем их из ряда. Корректировка торгового дня — это удаление таких оценок. Обычно мы не публикуем отдельные факторы торгового дня, которые являются оценкой этих эффектов. Вместо этого мы публикуем комбинированные эффекты, которые неявно включают факторы торгового дня. По соглашению мы обычно обозначаем комбинированные эффекты просто как сезонные факторы.

Вернуться к вопросам

8. Скорректированы ли оценки за февраль с учетом влияния високосного года?

Для временных рядов потока, значения которых накапливаются с течением времени, влияние високосного года является частью оценки и корректировки операционного дня, которая является частью процесса сезонной корректировки, когда это подходит для ряда и влияние является статистически значимым. Для мультипликативной корректировки оценки февраля масштабируются путем умножения оценки на отношение средней продолжительности февраля (28,25 дней) к продолжительности данного февраля (либо 28, либо 29 дней).дней). Для аддитивной корректировки регрессионная модель включает регрессор високосного года.

Для рядов запасов (инвентаризации) мы обычно не делаем поправку на влияние високосного года или длины месяца (или длины квартала).

Вернуться к вопросам

9. Что такое перенос праздников и корректировка переноса праздников?

Праздничные дни, последствия которых всегда приходятся на один и тот же месяц (или квартал) каждого года, являются лишь частью типичной сезонной модели и процесса сезонной корректировки. Однако праздники, действие которых перемещается между месяцами (или кварталами) или между ними из года в год, называются перемещающимися праздниками. Поправки на скользящие праздники представляют собой оценку этих эффектов с помощью регрессии и их удаление из временного ряда.

Например, переходящий праздник, оказывающий наибольшее влияние на ряды данных Бюро переписи населения, — это Пасха, которая может приходиться на март или апрель (или на квартал 1 или квартал 2). Когда Пасха приходится на март, мы ожидаем увидеть более высокие продажи в магазинах одежды в марте, так как люди покупают новую одежду к празднику; когда Пасха приходится на апрель, эта повышенная активность может полностью приходиться на апрель или может быть разделена между мартом и апрелем, в зависимости от того, насколько близко к началу месяца приходится Пасха.

Для перемещающихся праздников, таких как Пасха (или День труда, День Благодарения или другие повторяющиеся события), эффекты регрессии отражают долю окна праздничного периода, выпадающего на каждый месяц (или квартал, если применимо). Например, если определено, что эффект Пасхи наступит за восемь дней до Пасхи, а Пасха приходится на 4 апреля, то 5/8 эффекта приходится на март, а 3/8 эффекта приходится на апрель. Если Пасха выпадает на 1 апреля (или раньше), то весь эффект приходится на март. Если Пасха выпадает на 9 апреля(или позже), то весь эффект в апреле.

День труда всегда в сентябре, а День Благодарения всегда в ноябре, но окно праздничного периода распределяется по месяцам по-разному из года в год. Например, если окно праздничного периода в честь Дня Благодарения начинается на следующий день после Дня Благодарения и продолжается до 24 декабря, то, если День Благодарения выпадает на начало ноября, мы ожидаем, что в ноябре будет больше рождественских покупок; если День Благодарения приходится на ноябрь, мы ожидаем, что в ноябре будет меньше рождественских покупок.

Аналитики определяют продолжительность праздничного окна на основе знания предмета временных рядов и проверки значимости регрессионных эффектов. Для заданного месяца регрессионная переменная для эффекта праздника представляет собой долю затронутого периода времени, приходящегося на этот месяц (в приведенном выше примере с Пасхой 5/8 в марте и 3/8 в апреле). Регрессоры центрируются путем вычитания их долгосрочных средних, поэтому они не являются точными простыми пропорциями.

Когда это подходит для серии и когда эффект является статистически значимым, мы оцениваем и удаляем его из серии. Мы комбинируем факторы переходящих праздников с сезонными факторами и факторами рабочих дней для получения комбинированных факторов, которые обычно публикуются и обозначаются просто как сезонные факторы.

Вернуться к вопросам

10. Как вы получаете сезонную корректировку?

Мы используем программное обеспечение X-13ARIMA-SEATS для расчета сезонной корректировки и расчета сезонных коэффициентов.

Оценка сезонных эффектов затруднена, когда базовый уровень ряда (тренд-цикл) меняется с течением времени. При наличии сезонных эффектов оценить базовый уровень ряда сложно. По этим причинам метод сезонной корректировки X-11, доступный в X-13ARIMA-SEATS, использует итеративную процедуру получения оценок компонентов с последовательными улучшениями. Он начинается с удаления грубой предварительной оценки цикла тренда. Затем он выводит грубые сезонные факторы из ряда без тренда. Он удаляет эти сезонные эффекты, чтобы получить более точную оценку цикла тренда, что позволяет лучше оценить ряды без тренда, что приводит к более точным сезонным факторам. В этом процессе используются грубые, а затем более точные оценки нерегулярных компонентов для выявления и замены экстремальных значений, которые могут искажать оценки цикличности тренда и сезонных факторов.

Метод сезонной корректировки SEATS (извлечение сигнала во временном ряду ARIMA), доступный в X 13ARIMA-SEATS, использует оценки параметров из моделей авторегрессионного интегрированного скользящего среднего (ARIMA) для фильтрации ряда и получения сезонных факторов и других компонентов.

Для многих временных рядов уместна мультипликативная сезонная корректировка, а сезонно скорректированный ряд представляет собой исходный ряд, разделенный на сезонные (или комбинированные) факторы. Например, предположим, что для января 2017 года ряд имеет исходное значение 100 000 и мультипликативный сезонный коэффициент 0,80. Сезонно скорректированное значение для января 2017 года составляет 100 000/0,80 = 125 000.

Для некоторых временных рядов уместна аддитивная сезонная корректировка, и сезонно скорректированный ряд представляет собой исходный ряд за вычетом сезонных (или комбинированных) факторов. Например, предположим, что для января 2017 года ряд имеет исходное значение 90 000 и аддитивный сезонный коэффициент -10 000. Сезонно скорректированное значение для января 2017 года составляет 90 000 – (-10 000) = 100 000.

При необходимости мы подгоняем эффекты регрессии вместе с моделями ARIMA для оценки эффектов рабочих дней и/или переходящих праздников, и программное обеспечение удаляет эти эффекты из ряда перед оценкой чистых сезонных, трендовых и нерегулярных компонентов. Таким образом, результирующий сезонно скорректированный ряд является результатом деления (или вычитания) комбинированных факторов торгового дня, праздника и сезонности. Во многих таблицах комбинированные факторы для простоты называются сезонными факторами.

Процедуры сезонной корректировки могут давать искаженные оценки сезонных факторов, если ряд имеет необычное значение или внезапный сдвиг значений. По этой причине мы корректируем ряды для выбросов, используя эффекты регрессии перед сезонной корректировкой. Однако эти выбросы являются важной частью экономической истории, которую рассказывает ряд, и поэтому они возвращаются в сезонно скорректированные ряды после окончательной оценки сезонных факторов.

Модели (регрессия в сочетании с ARIMA или regARIMA) также предоставляют прогнозы значений ряда для оценки во время фильтрации, независимо от того, используется ли метод X-11 или метод SEATS.

Назад к вопросам

11. Что такое X-13ARIMA-SEATS?

X-13ARIMA-SEATS — это программа сезонной корректировки, разработанная и поддерживаемая Бюро переписи населения США. Эта программа является расширением более ранней программы X-12-ARIMA Бюро переписи населения, которая сама была расширением первоначального программного обеспечения X-11 Бюро переписи населения и X-11-ARIMA Статистического управления Канады под руководством Эстелы Дагум.

Программное обеспечение X-13ARIMA-SEATS позволяет использовать те же методы регулировки, что и X-12-ARIMA, и предлагает улучшения в диагностике, а также расширенную версию программного обеспечения SEATS Банка Испании. Подпрограммы SEATS являются результатом сотрудничества с разработчиками программного обеспечения (Агустин Маравалл, бывший главный экономист Банка Испании, ныне на пенсии, и Джанлука Капорелло).

Усовершенствования X-13ARIMA-SEATS по сравнению с X-12-ARIMA включают

• дополнительные регрессоры для моделирования календарных эффектов в складских (инвентарных) временных рядах
• встроенные регрессоры для новых типов выбросов, включая сезонные выбросы, квадратичные рампы и временные сдвиги уровня
• возможность назначать группы определяемых пользователем регрессоров праздников и генерировать диагностику модели для различных групп
• F-тесты на основе регрессионной модели для стабильных сезонных регрессоров и регрессоров торговых дней
• доступный вывод HTML, созданный непосредственно программным обеспечением, а не отдельной утилитой.

Вернуться к вопросам

12. Какую описательную информацию о сезонной корректировке вы предоставляете пользователям?

Ежегодно многие программные области публикуют сводные показатели, как указано ниже, по крайней мере, для основных сводных показателей или отдельных громких рядов. Ищите такого рода информацию в описаниях методологии экономических показателей.

• Для мультипликативных корректировок среднее изменение в процентах (или для аддитивных корректировок среднее изменение) с удалением эффектов выбросов в серии
  • Исходный ряд
  • Сезонно скорректированный ряд, произведение (или сумма) трендового цикла и нерегулярных компонентов
  • Компонент Trend-Cycle
  • Нерегулярный компонент
• Месяцы (или кварталы) циклического доминирования

Имя	Описание
Среднее изменение исходного ряда	Для рядов с мультипликативным эффектом среднее процентное изменение от месяца к месяцу (или от квартала к кварталу), без учета знака, сезонно скорректированного ряда после удаления эффектов выбросов. Для рядов с аддитивным эффектом среднее изменение от месяца к месяцу (или от квартала к кварталу) без учета знака исходного ряда (не скорректированного с учетом сезонных колебаний) после удаления эффектов выбросов.
Среднее изменение в сезонно скорректированном ряду	Для рядов с мультипликативным эффектом среднее процентное изменение от месяца к месяцу (или от квартала к кварталу), без учета знака, сезонно скорректированного ряда после удаления эффектов выбросов. Для рядов с аддитивным эффектом среднее изменение от месяца к месяцу (или от квартала к кварталу), без учета знака, сезонно скорректированного ряда после удаления выбросов.
Среднее изменение тренд-цикловой составляющей	Для рядов с мультипликативным эффектом среднее ежемесячное (или квартальное) процентное изменение компонента тренд-цикл после удаления эффектов выбросов. Для рядов с аддитивным эффектом — среднее ежемесячное (или квартальное) изменение компонента тренд-цикл. Компонент тренд-цикл представляет собой сглаженную версию сезонно скорректированного ряда, полученного с помощью скользящего среднего после удаления эффектов выбросов.
Среднее изменение нерегулярной составляющей	Для рядов с мультипликативным эффектом среднее процентное изменение нерегулярной составляющей от месяца к месяцу (или от квартала к кварталу). Нерегулярная составляющая равна сезонно скорректированному ряду, деленному на составляющую тренд-цикл после удаления выбросов. Для рядов с аддитивным эффектом среднее изменение нерегулярной составляющей от месяца к месяцу (или от квартала к кварталу). Нерегулярная составляющая равна сезонно скорректированному ряду за вычетом составляющей тренд-цикл после удаления выбросов.
Месяцы (или кварталы) циклического доминирования	Оценка соответствующего промежутка времени, в течение которого следует рассматривать циклическое движение во временном ряду, или, другими словами, это кратчайший промежуток времени, для которого среднее изменение (без учета знака) в компоненте тренд-цикл больше чем среднее изменение (без учета знака) нерегулярной составляющей. Он обеспечивает меру того, сколько времени пройдет до того, как колебания станут более характерными для циклических, чем для нерегулярных движений. Обычно эта мера меньше для серий со стабильными моделями и больше для серий с большей волатильностью. Обратите внимание, однако, что для рядов, чей цикл тренда является относительно плоским (не увеличивается и не уменьшается заметно во времени), эта мера обычно велика, независимо от стабильности паттернов ряда.

 

Назад к вопросам

13. Какие типы диагностики вы рассматриваете и что указывает на хорошее качество сезонной корректировки?

Программное обеспечение X-13ARIMA-SEATS предоставляет много диагностической информации. Для моделирования мы используем стандартную диагностику, часто сравнительного характера, чтобы выбрать модели с меньшей ошибкой прогноза, лучшим соответствием и остатками, которые кажутся последовательно некоррелированными. При выборе настроек сезонной корректировки мы учитываем различные виды диагностики. Чтобы судить о качестве сезонной корректировки, мы в первую очередь рассматриваем диагностику, которая показывает, показывает ли скорректированный ряд признаков значительной остаточной сезонности и насколько стабильна корректировка, то есть насколько велики изменения в оцененных сезонных факторах по мере добавления большего количества рядов. ценности.

Вернуться к вопросам

14. Почему вы пересматриваете сезонную корректировку?

Мы пересматриваем сезонную корректировку (и сезонные факторы) по двум основным причинам.

• Мы пересматриваем сезонно скорректированные ряды, когда пересматриваем исходные ряды, чтобы лучше соответствовать пересмотренным данным.
• Мы пересматриваем некоторые прошлые коэффициенты по мере появления новых значений ряда. Мы используем новые значения, чтобы улучшить предполагаемые сезонные корректировки самых последних лет. Например, на оценку сезонного фактора за январь 2015 г. наиболее сильное влияние оказывают оценки соседних января (особенно за 2014 и 2016 гг. ). В 2015 г., до января 2016 г. и более поздних значений, оценка сезонного фактора за январь 2015 г. была менее надежной. Мы пересмотрим оценку сезонного фактора за январь 2015 г., чтобы включить информацию из значений нового ряда.

Вернуться к вопросам

15. Что такое годовая ставка? Почему сезонно скорректированные данные иногда отображаются как годовые?

В общем, то, что мы называем годовой ставкой с поправкой на сезонные колебания для отдельного месяца (или квартала), является оценкой того, какой была бы годовая сумма, если бы несезонные условия были одинаковыми в течение всего года. Эта «ставка» не является скоростью в техническом смысле, а скорее оценкой уровня.

Для месячного ряда годовая ставка с учетом сезонных колебаний представляет собой значение с учетом сезонных колебаний, умноженное на 12; для ежеквартальной серии умножается на 4,9.0005

Годовой показатель позволяет нам легко сравнивать значение за один месяц или квартал с годовым итогом, а также сравнивать месяц с кварталом.

Бюро экономического анализа (БЭА) ежеквартально публикует оценки ВВП США в годовом исчислении, и многие ряды данных Бюро переписи населения являются входными данными для ВВП. Годовые показатели для входных рядов помогают пользователям видеть данные на том же уровне, что и оценки ВВП.

Вернуться к вопросам

16. Почему сумма сезонно скорректированных месячных (или квартальных) значений не равна годовому итогу?

Когда мультипликативная сезонная корректировка получается путем деления временного ряда на сезонные факторы (или комбинированные факторы), арифметически невозможно, чтобы скорректированный ряд имел те же годовые итоги, что и исходный ряд. Даже с аддитивной сезонной поправкой эта взаимосвязь возможна только в неинтересном случае, когда сезонная модель точно повторяется из года в год, а ряд не имеет эффектов операционного дня (или високосного года). Даже в этом случае даже простое округление сезонных факторов может привести к неравенству. Методы «сопоставительного анализа» могут привести к тому, что скорректированные ряды будут иметь те же итоговые значения, что и исходные ряды, но эти процедуры не учитывают развивающиеся сезонные эффекты или разницу в рабочих днях из-за разного состава дней недели в разные годы. В X-13ARIMA-SEATS есть методы, позволяющие удерживать годовые суммы близкими к сумме отдельных месяцев или кварталов, но при этом учитывать изменения во времени и влияние торговых дней.

Вернуться к вопросам

17. Как получить квартальные значения с учетом сезонных колебаний, когда вы публикуете ежемесячные сезонные корректировки (или ставки)?

Для рядов месячных потоков, таких как продажи, суммирование месячных значений с учетом сезонных колебаний или усреднение месячных значений годовых ставок с учетом сезонных колебаний за квартал дает соответствующее значение с учетом сезонных колебаний для квартала.

Для серий месячных запасов (запасов) мы обычно берем сезонно скорректированное значение за последний месяц квартала в качестве соответствующего сезонно скорректированного значения за квартал.

Обратите внимание, что эти методы не дадут того же результата, что и прямая сезонная корректировка квартальных рядов.

Вернуться к вопросам

18.

Что такое параллельная сезонная корректировка? Почему это используется?

Параллельная корректировка — это корректировка, полученная в результате использования всех доступных значений временных рядов до текущего месяца (или квартала) включительно. В первые дни сезонной корректировки доступная вычислительная мощность делала одновременную сезонную корректировку практически невозможной, поэтому в большинстве сезонных корректировок использовались прогнозные коэффициенты, вычисляемые один раз в год. Некоторые программные области по-прежнему используют прогнозируемые факторы, чтобы знать, какими будут сезонные факторы в предстоящем году. Прогнозы могут появляться чаще, чем раз в год, например, раз в квартал или в другое время.

Поскольку параллельная сезонная корректировка использует больше доступной информации для каждой корректировки, она обычно ближе к окончательной сезонной корректировке, чем прогнозируемая корректировка, особенно по мере того, как увеличивается продолжительность времени с момента, когда были сделаны прогнозы.

В некоторых источниках выражение «одновременная корректировка» используется для обозначения только корректировки самого последнего значения временного ряда, оставляя неясным, как ссылаться на моменты времени, предшествующие самому последнему. Мы склонны использовать это выражение в более общем смысле для обозначения корректировки всего ряда, включая самое последнее и новейшее значение и потенциально пересмотренные оценки предыдущих значений.

Назад к вопросам

19. Что такое косвенная корректировка? Почему это используется?

Косвенная корректировка представляет собой совокупность других сезонных корректировок. Он может принимать различные формы.

Например, если временной ряд представляет собой сумму рядов сезонных компонентов, то сумма каждого сезонно скорректированного компонента обеспечивает косвенную сезонную корректировку агрегата. Эта корректировка может сильно отличаться от прямой сезонной корректировки совокупного исходного (не сезонно скорректированного) ряда.

Например,

США = Северо-Восточный регион + Средний Запад + Южный регион + Западный регион

Косвенный SAdj (США) = SAdj (NE) + SAdj (MW) + SAdj (S) + SAdj (W)

Прямая SAdj (США) = SAdj (NE + MW + S +W)

, где «SAdj (ряд)» указывает сезонную корректировку ряда.

 

Поскольку сезонные модели различаются по регионам, мы корректируем на региональном уровне и суммируем результаты, чтобы получить сезонную корректировку для США, сохраняя характер агрегирования.

Обратите внимание, что косвенная корректировка не ограничивается аддитивными отношениями. Например, чтобы получить торговый баланс с учетом сезонных колебаний, добавьте значения экспорта с учетом сезонных колебаний и вычтите значения импорта с учетом сезонных колебаний. Возможны и другие формы косвенной корректировки.

Когда ряды компонентов имеют четкие сезонные модели и корректировки хорошего качества, мы часто предпочитаем косвенную сезонную корректировку.