1

Nordisk Statistikermøte Bergen i 14-16. august 2013

Tema 3: produksjonsprosessen

Beste praksis for revisjon ved

sesongjustering

- Implementering av delvis løpende

korrigering (startet i SSB)

Jørn Ivar Hamre (ham@ssb.no),

Seksjon for arbeidsmarkedsstatistikk, SSB

Disposisjon

• Sesongjustering og revisjon

•Modellidentifisering i X-12-ARIMA, før og nå

• ESS anbefalingene for revisjon, og praksis i SSB

• Beste praksis med selvlaget SAS-makro og

standardprogram

• Diskusjon og oppsummering

Sesongjustering, hva og hvordan?

• Fjerne systematisk sesongvariasjon og kalendereffekter

• X12-ARIMA mye brukt; metode:

–Sesongkomponenten filtreres vekk med

glidende sentrerte gjennomsnitt

– Framskrivningsmodeller (ARIMA) for

symmetriske filter (i endene) og kalenderjustering

Revisjon

• Nye observasjoner og evt. reviderte rådata

• Revisjoner forvirrende

• Balansere presisjon og stabilitet

• Revisjon fra sesongjustering pga.

• ny framskrivningsmodell? (marginalt bedre, vipper?) • endret sesong- og/eller trendfilter

Bør framskrivningsmodeller re-identifiseres hver gang eller låses?

Om løpende eller faste valg i EUROSTATs

ESS retningslinjer for sesongjustering

A. Løpende korrigering: Reidentifisering og estimering hver

periode.

B. Fast korrigering: Identifisering og estimering kun årlig.

(Fremskrevne sesong- og kalenderfaktorer anvendes

gjennom året)

C. Delvis løpende korrigering, modeller identifiseres kun

årlig, men re-estimeres hver periode

Kommentarfelt:

A = bør unngås, B= akseptabelt og C = beste alternativ

Identifisering av framskrivningsmodeller

i X-12-ARIMA, før og nå

• Tidligere standard:

Enkleste OK blant få kandidater

• Fom. Versjon 0.3:

Beste blant svært mange

(TRAMO-identifisering i X-12-ARIMA)

• TRAMO-prosedyren endrer modellene oftere

(Langsrud, Notater 71/2012, SSB)

Korrigering og modellidentifisering i SSB

• ESS guiden: Løpernde korrigering frarådes, mens kontrollert fast korrigering akseptabelt.

• Målsetning i SSB om å implementere ESS guiden

• I SSB er også automatisk reidentifisering av ekstremverdier hver periode vanlig praksis (frarådes i ESS guiden)

Beste

(TRAMO

i X-12)

Enkleste

OK

Beste Enkleste

OK

Beste Enkleste

OK

SSB-statistikker med følgende unntak:

X

Pengemengde

(M0, M1 og M2) X

Kreditt-

indikatoren (K2) X

AKU X

Sykefraværs-

statistikkenX

A. Løpende B. Fast C. Delvis løpende

SAS-makro for hardkoding av spesifikasjoner

• Hardkoding tidkrevende

• Fant ingen ferdig program

• Selvlaget SAS-makro

– hardkoder modeller og filterlengder i nye spesifikasjoner

• Utgangspunkt

–Spesifikasjoner med automatiske valg og

–Sesongjustering i forkant gir tagget outputfil

• Håndterer mange filer, enklere årlig revisjon

Standardprogram for delvis løpende korrigering? • DEMETRA+ ferdig i 2012 på oppdrag fra EUROSTAT

• Fleksibelt verktøy for ESS anbefalingene

• Hardkoder mange spesifikasjoner, selv med ulike brukerspesifiserte variable

• Under vises menyen for delvis løpende korrigering, der parametre og

ekstremverdier siste år oppdateres

Oppsummering

• Se modellidentifiseringsprosedyre og type korrigering i

sammenheng (TRAMO + løpende korrigering frarådes)

• Delvis løpende korrigering krever automatiske

prosedyrer

• Ressurskrevende omlegging, mye igjen i SSB

• Standardløsning kanskje best (mer transparent)

Spørsmål?

SAS-makroen kan mailes

Takk for oppmerksomheten

Vedlegg - Sykefraværsstatistikken

Optimale valg via TRAMO-identifisering i

X-12-ARIMA pr. 4. kvartal 2011

g2011k4

serienavn

trans-

formasjon arima-modell

sesong-

filter

trend-

filter

Trend-

konstant

automatisk

identifiserte

endring av arima-

modell ved

løpende korrigering

legemeldt fravær menn log (0 1 1)(0 1 1) s3x5 5 2012K1

legemeldt fravær kvinner log (1 0 1)(0 1 1) s3x3 5 2012K1, 2012K3

avtalte dagsverk menn log (0 1 0)(0 1 1) s3x3 5 2013K1

avtalte dagsverk kvinner log (0 1 1)(0 1 1) s3x3 5 2012K1, 2013K1

egenmeldt fravær menn log (0 1 1)(0 1 1) s3x5 5

egenmeldt fravær kvinner log (0 0 0)(0 1 1) s3x9 5 Const LS2010.2 2012K2

Vedlegg AKU-modellidentifisering

serienavn

sesong-

filter

trend-

filter

trans-

formasjon arima

Trend-

konstant

ledige, 15-24 år s3x5 23 none (0 1 1)(0 1 1)

ledige, totalt s3x5 13 log (2 1 0)

ledige, 25-74 år s3x5 23 none (2 1 0)(1 0 0)

sysselsatte, 15-24 år s3x5 23 none (2 1 0)(0 1 1)

sysselsatte, 25-74 år s3x5 13 log (0 1 3)(1 0 0) const

sysselsatte, totalt s3x5 13 log (0 1 3)(1 0 0)

Utførte ukeverk, 15-24 år s3x5 13 none (0 1 1)(0 1 1)

Utførte ukeverk, menn 25-74 år s3x5 23 none (0 1 1)(0 1 1)

Utførte ukeverk, kvinner 25-74 år s3x5 23 none (0 1 1)(0 1 1)

Utførte ukeverk, totalt s3x5 23 none (0 1 1)(0 1 1)

AKU-kjøring med "TRAMO"-identifisering

automdl{maxorder=(3, ) maxdiff=(1 1) mixed=no} på data tom. 2013M3

3 ekstra ARIMA-modeller for AKU pga.

rotasjonsplanen (med intervju hver 3. måned)

Ons_lfs.mdl:

(0 1 1)(0 1 1) *

(0 1 2)(0 1 1) X

(2 1 0)(0 1 1) X

(0 2 2)(0 1 1) X

(0,1,[1,3])(0,1,1) X

(0,1,3)(0,1,1) X

(2 1 2)(0 1 1) X

(0,1,1)1(0,0,1)3(0,1,1)12

AKU-kjøring med pickmdl{file=ons_lfs.mdl method=first} på data tom. 2013M3

serienavn

sesong-

filter

trend-

filter

trans-

formasjon arima

ledige, 15-24 år s3x9 23 none (0,1,1)1(0,0,1)3(0,1,1)12

ledige, totalt s3x5 13 log (0 1 1)(0 1 1)

ledige, 25-74 år s3x5 13 none (2 1 0)(0 1 1)

sysselsatte, 15-24 år s3x9 23 none (0 1 2)(0 1 1)

sysselsatte, 25-74 år s3x5 13 log (0,1,3)(0,1,1)

sysselsatte, totalt s3x5 13 log (0 2 2)(0 1 1)

Utførte ukeverk, 15-24 år s3x5 13 none (0 1 1)(0 1 1)

Utførte ukeverk, menn 25-74 år s3x5 23 none (0 1 1)(0 1 1)

Utførte ukeverk, kvinner 25-74 år s3x5 23 none (0 1 1)(0 1 1)

Utførte ukeverk, totalt s3x5 23 none (0 1 1)(0 1 1)

Kjøring med pickmdl{file=ons_lfs.mdl method=best} på data tom. 2013M3

serienavn

sesong-

filter

trend-

filter

trans-

formasjon arima

ledige, 15-24 år s3x9 23 none (0,1,1)1(0,0,1)3(0,1,1)12

ledige, totalt s3x5 13 log (0 1 1)(0 1 1)

ledige, 25-74 år s3x5 13 none (2 1 0)(0 1 1)

sysselsatte, 15-24 år s3x5 23 none (0,1,1)1(0,0,1)3(0,1,1)12

sysselsatte, 25-74 år s3x5 13 log (2 1 2)(0 1 1)

sysselsatte, totalt s3x5 13 log (0,1,[1,3])(0,1,1)

Utførte ukeverk, 15-24 år s3x5 13 none (2 1 0)(0 1 1)

Utførte ukeverk, menn 25-74 år s3x5 23 none (0,1,3)(0,1,1)

Utførte ukeverk, kvinner 25-74 år s3x5 23 none (0,1,[1,3])(0,1,1)

Utførte ukeverk, totalt s3x5 23 none (0,1,[1,3])(0,1,1)