2007/43 Notater. O z. j/j. Dinh Quang Pham. Ny metode for påskekorrigering for norske data ?VF. Dteket «/) Seksjon for Metoder og standarder

Transkript

1 2007/43 Notater ro O z j/j 10 Dinh Quang Pham Ny metode for påskekorrigering for norske data >l i. c «/).-»?VF Dteket Seksjon for Metoder og standarder

2

3 dlohni 1 Inledning 1 2 Beskrivelse av metoder for påskekorigering 2.21 Ved X-1-ARIMA Imediate-impact model Gradual-impact model 4.22 Ved X-12-ARIMA 4.23 Metoden i detaljhandelsvolumindeksen 7.24 Metoden fra Australian Bureau of Statistics Å lage påskeregresor for perioden før påske Å lage påskeregresor for påskeperioden Hypotesetester om signifikante efekter En ny metode for korigering av bevegelige heligdager i SB Å lage påskeregresorer Å lage regresor for Kristi himelfartsdag Å lage regresorer for pinse Symboler Model for ukedager, heligdager og ekstreme verdier Å anslå verdiene til wi, lu2, lu3 og W Eksempel 1. Detaljhandelsvolumindeksen Eksempel 2. Produksjonsindeksen for industri 17 3 Opsumering 18 I

4 relebat 1 Sesongjustering for bilsalg i Symbolene i estimeringen 13 3 Tidserier i detaljhandelsvolumindeksen 14 4 Symbolene for tabel Verdiene av ({w\, W 2, w 4) som gir minst AIC og deres t-verdier for 16 tidserier 19 6 Kalenderefekter og ekstreme verdier for SNS2 og SNS2I 20 7 Kalenderefekter og ekstreme verdier for SNS2I og SNS2I Kalenderefekter og ekstreme verdier for SNS2 og SNS Kalenderefekter og ekstreme verdier for SNS23I og 5N Kalenderefekter og ekstreme verdier for SNS24 og SNS24I 24 1 Kalenderefekter og ekstreme verdier for 5N5242 og 5N Kalenderefekter og ekstreme verdier for 5N524 og 5N Kalenderefekter og ekstreme verdier for 5N5246 og 5N Korigerte tal for kalenderefekter for 5N Korigerte tal for kalenderefekter for SNS Sesongjusterte tal for SNS Sesongjusterte tal for SNS Verdiene av (w\, W 2, W 3, w 4) som gir minst AIC og deres t-verdier for produk eskednisnojsn 31 19Kalenderefekter og ekstreme verdier for SNIS_ Kalenderefekter og ekstreme verdier for El, insatsvarer 34 21Kalenderefekter og ekstreme verdier for E 2, investeringsvarer 35 2 Påskefaktorer og sesongjusterte tal for SNIS_37 ved X-12-ARIMA og den nye edotemn 36 23Påskefaktorer og sesongjusterte tal for El ved X-12-ARIMA og den nye metoden Påskefaktorer og sesongjusterte tal for E 2 ved X-12-ARIMA og den nye metoden. 38 I

5 rerugif 1 Datoene for mars og april i Metoder for påskekorigering 6 3 Datoene for mars og april i Sesongjusterte tal for SNS2 med to metoder 32 5 Sesongjusterte tal ved to metoder for påskekorigering 39 6 Sesongjusterte tal ved to metoder for påskekorigering 40 I

6 En ny metode for påskekorrigering for norske data 1 Innledning Hver måned blir det sesongjustert mange tidsserier i spesielt tidsseriene i SSB. De fleste er påvirket av kalendereffekter, detaljhandelsvolumindeksen. Siden rådata er summen av daglige verdier kan omsetningen i en klesbutikk bli høyere i en måned som har 5 torsdager og 4 søndager og lavere i en måned som har 4 torsdager og 5 søndager. Påske eller pinse kan også påvirke rådataene i en tidsserie. For eksempel kom påsken i 1999 tidlig i april (4. april). Den startet 1. april (Skjærtorsdag) og varte til og med 5. april (2.påskedag). Siden vi ofte handler mer i perioden før påske ble rådata i mars 1999 økt. Påsken er den viktigste av de kristne høytidene, og den minner oss om Jesu Kristi død og oppstandelse. Påskeaften er lørdagen før påskesøndag. Påskedag (I.påskedag eller påskesøndag) faller på første søndag etter første fullmåne, etter vårjevndøgn. Dette varierer fra 22. mars (1818 og 2285) til 25. april (1943 og 2038). Kristi himmelfartsdag er en kristen bevegelig høytidsdag som feires 39 dager etter I.påskedag. Pinsen er også en kristen høytid, 49 dager etter at Jesus stod opp fra de døde på påskedagen (50.påskedag). I dette notatet vil vi presentere en løsning på et problem ved sesongjusteringen i SSB. Det er korrigering for bevegelige helligdager som påske, Kristi himmelfartsdag og pinse. Grunnen er at vi bruker X-12-ARIMA fra US Census for å sesongjustere tidsserier i i programmet beskrives ved følgende form Ot = TDt + Ht + Tt + St + It Norge. Prinsippet (1) der Ot er rådata, TDt ukedageffekt, Ht bevegelige hellligdageffekter, Tt trend, St sesongkomponenten og It irregulærkomponenten. Sesongjusterte tall betegnes med At. For enkelhets skyld antar vi at det ikke er noen ekstreme verdier i tidsserien. Ligningen (1) kan skrives slik: Ot - TDt -Ht =Tt + St + It Rådata blir korrigert for effektene av ukedager og helligdager for å kvaliteten av en sesongjustering er avhengig av metoden for å 1 bli sesongjustert. Dette viser at korrigere rådata. I X-12-ARIMA er det innebygd en rutine for å korrigere påskeeffekt. Den er basert på kalenderen i USA, der I.påskedag er eneste helligdag i påsken. Dette medfører problemer i SSB når vi bruker denne rutinen for påskekorrigering. Vi viser dette ved et eksempel. Tabellen nedenfor er rådata for SNNS2 (butikkhandel totalt) i mars og april 2005 og Endring i % fra 1. påskedag mars april mars til april mars % april % Endring i % fra år til år 9.30% -3.54% Vi ser at det er store endringer fra mars 2005 til mars 2006 og fra mars 2005 til april Dette skyldes at påsken i 2005 var i mars (27.mars). Det ble dermed 3 handledager mindre i mars 2005 sammenligning med april 2005 eller mars Skjærtorsdag, Langfredag og 2.påskedag er hellig dager i Norge, med de blir behandlet som hverdager i X-12-ARIMA. Uten å korrigere disse dagene

7 for mars 2005 før vi sesongjusterer, kan vi få skjevhet i sesongjusterte tall i er en ulempe ved å bruke X-12-ARIMA for norske data. mars og april Dette I notat 97/73 har Solheim og Dinh utviklet en egen metode for å fjerne påskeeffekt fra rådata i detalj handelsvolumindeksen. Rådata etter å ha blitt korrigert med vår metode leses inn i X-12-ARIMA for sesongjustering uten å korrigere for påskeeffekt med den innebygde rutinen i programmet. Vi får bedre sesongjusterte tall for mars og april sammenlignet med tallene ved å bruke påskekorrigering i X-12-ARIMA. Metoden av Solheim og Dinh har imidlertid en svakhet. Det er antagelsen om at påsken påvirker data i tre uker: en uke før påskeuken, påskeuken og uken etter påskeuken. En uke starter fra og med måndag til og med søndag. Denne antagelsen ser ikke fornuftig ut for mange tidsserier. For eksempel, tidsserien SNNS24 (butikkhandel med nye varer). Det å korrigere rådata for påskeeffekt i en såpass lang periode som 3 uker, kan medføre store skjevheter for rådata i mars og april. Vi bruker metoden bare for tidsserier i detaljhandelsvolumindeksen siden de er mest utsatt for påskeeffekt. ABS (Australian Bureau of Statistics) har fått et lignende problem som i Norge, da X-12-ARIMA blir brukt for sesongjustering med den innebygde rutinen for påskekorrigering. Grunnen er at påsken i Autralia er like lang som i Norge. Den varer fra og med Langfredag til og med 2.påskedag (måndag). Xichuan (Mark) Zhang, Craig H. McLaren og Caler C.S. Leung (2003) har utviklet en metode for påskekorrigering av tidsserier i Australia. Metoden bygger på antagelsen om at det er en endring i aktiviteten i tidsserien som skyldes påskeeffekt i en periode like før påsken. US Census har laget et lite program som heter Genhol for påskekorrigering for landene som har en like lang påske som i Australia og Norge. Man bruker programmet for å lage påskeregresorer. Rådata er responsvariabel i regarima modellen i X-12-ARIMA for å estimere påskeeffekter. Genhol kan også brukes for å beregne effekten av de andre bevegelige helligdagene som Kristi himmelfartsdag og pinse. Vi har i SSB mange tusen tidsserier som ligger i Farne databasen. Vi kan ikke bruke Genhol for beregning av påskeregressorer for disse tidsseriene, siden programmet er skrevet for PC og bare kan behandle en tidsserie av gangen. Vi bruker metoden fra US Census og Genhol for å i SSB med kravene: lage et program for påskekorrigering for tidsserier Tilpasset til norske forhold. Kan brukes sammen med X-12-ARIMA. Kan behandle mange tidsserier samtidig fra Farne databasen. Kan brukes for de andre bevegelige helligdagene som Kristi himmelfartsdag og pinse. I de neste avsnittene presenterer vi metodene fra X-11-ARIMA, X-12-ARIMA, TRAMO/SEATS og SEASABS for påskekorrigering. Eksemplene er tidsserier i detaljhandelsvolumindeksen og produk sjonsindeksen. 2 Beskrivelse av metoder for påskekorrigering X-11-ARIMA og X-12-ARIMA er ikke-parametriske metoder som er basert på glidende gjennomsnitts teknikken. Trenden, Tt, og sesongkomponenten, St, i X-ll eller X-12-ARIMA estimeres ved å gjenta prosessen mange ganger (se side 9av Findley et al. 1996). Fra rådata, Ot, beregner man trend i første iterasjon, Tt, ved det sentrerte 12 måneders glidende gjennomsnittet. Sesongkomponenten, S\, beregnes deretter ved (3 x 3) filteret av størrelsen (Ot ) (dvs, rådata etter å ha fjernet trend) for en additiv dekomponering eller ) for en multiplikativ dekomponering. De tilsvarende 2

8 sesongjusterte tallene blir A\ '=Ot S\ eller A\ = Ot/S\. I den andre iterasjonen blir trenden T/ ' estimert fra sesongjusterte tall A\ ' ved Hendersons glidende gjennomsnitt, 71/ = H(A\ '). Sesongkomponenten 5t beregnes ved (m xn) filteret fra størrelsen (Ot T} ) for en additiv (2) dekomponering eller ) for en multiplikativ dekomponering. Den endelige trenden i tredje iterasjon beregnes slik 2J ' = H{A\ '). Til slutt får vi 2.1 Ved X-11-ARIMA Det blir innført to modeller: "immediate-impact" og "gradual-impact". Når rådata av en tidsserie blir påvirket av påskeeffekt bare i påsken kaller vi det "immediate-impact". For eksempel er bilhande len stengt i påsken. Bilsalget i måneden blir dermed lavere. Omvendt, vil en sjokoladefabrikk øke produksjon i påvirket av påskeeffekt i Ot = Tt{3) x 5é(2) x 7t(3) mange uker før påske. Det er et eksempel på en "gradual-impact"-modell. Rådata blir en periode før påsken. multiplikativ modell Ot = Tt{3) + sf } + 43) additiv modell Immediate-impact modell La lij være irregulærkomponenten etter åha beregnet trenden T^ 1 ) og sesongkomponenten SJ '. Indeksen i står for årstall og j står for mars. Dermed er j + 1 lik april. Anta at vi spalter opp rådata ved en additiv modell. Vi skriver /,-,- og h,j+\ slik H,j+l = Ei + i,j+\ (2) der E% står for påskeeffekten i år i, og Cij er antatt identiske uavhengige tilfeldige variable. Statistics Canada lager en modell slik at påskeeffekten i mars og april blir symmetrisk. La Z% være antall dager mellom påskesøndag og 22. mars (den tidligste datoen for påske) i år i. La f(zi) defineres ved Påskeeffekten Ei beregnes ved f(z) =i 1 'f Zl -9 ' ' Påske ' (3) 1l) [O ifzi >9 (påske i april) l j Ei = o.bf(zi) /, (hj+i - h,i) / \(h,i+i - h,i) nm n A (4) hvor indeksen k står for årstall og l står for mars. Dermed er l + 1 lik april. M er mengden av årene der påsken faller i mars. A er mengden av årene der påsken faller i april, tim og ua er antall år for hver mengde. Den første summen i parentesen i ligning (4) er gjennomsnitt av endringer i irregulær komponenten It, fra mars til april når påsken faller i mars. Den andre summen viser gjennomsnitt av endringer fra mars til april når påsken faller i april. Ligning (4) viser at når påsken faller i påsken faller i april. mars blir rådata korrigert, og det blir ingen korrigering når 3

9 2.1.2 Gradual-impact modell Antar at det er en periode med k dager før påskesøndag der rådata er påvirket av påskeeffekt. Vi sier at påske kommer tidlig i april dersom påskesøndag ligger i mellom I.april og A;.april. Når påskesøndag faller etter k. april sier vi at påsken kommer seint i april. I praksis velger man en verdi mellom 3 og 10 for k. Man antar at effekten er en lineær funksjon i intervallet [1, k] dager. f{zi) i ligning (3) blir fl if Z* < 9, Påskeeffekten E1; beregnes ved f(zi)=<(k + 9-Zi)/k if 9<Z,<A: -h 9, (5) [o ifzz >/c Uj) (h,j+\ - h,j) Ei = O.Sf(Zi) tim n LA (6) (6' hvor LA er mengden av årene der påsken kommer seint i april og tila er antall år i LA. Ved erfaring kan brukeren angi på forhand en verdi for k, eller k kan seiv velges av programmet Metoden har ikke fungert helt bra for norske tidsserier. 2.2 Ved X-12-ARIMA Påskekorrigeringen i X-12-ARIMA er basert på en enkel metode av Bell og Hillmer (1983). Man antar at det er en periode med w dager før I.påskedag der rådata er påvirket av påskeeffekt. La o* være effekten av påsken på i-te dag og h(i, t) være en indikator (t er enten mars eller april), 110 ellers når z-te dag faller på samme måned t, ter mars eller april iår t, t=l,..., T. Summen av w daglige påskeeffekter ai,..., aw w Et = 22åjh(i,t) i=\ (7) (8) er påskeeffekten i måned t Eksempel. Påskesøndag i 1999 er 4. april. Figur 1 viser datoer i mars og april Vi antar at det er endring i aktiviteten i tidsserien som skyldes påske, i dagene: 3/4, 2/4, 1/4, 31/3, 30/3, 29/3 og 28/3, med effektene ai, 02,..., a>. Effekten i mars 1999 beregnes ved Emar.99 =01/i(3.apr, mar) + «2/1(2. apr, mar) + 03/1(1. apr, mar)-\- 0:4/1(31.mar, mar) + a 5/1 (30. mar, mar) + 06^(29.mar, mar) + 07/1(28. mar, mar) der i følge (7) h(l.apr,mar) = h(2.apr,mar) = h(3.apr,mar) = 0, og h(2b.mar,mar) = h(29.mar,mar) h(3o.mar,mar) = h( 31. mar, mar) = 1 4

10 mars april dato /3 1/ n 1.påske effekt: a7 a6 a 5 a4 oc3 cc 2 cc. Figur 1: Datoene for mars og april i 1999 For enkelhets skyld antar vi at effekten i perioden er uendret, dvs, qj = a. Da blir Emar.99 = (4/7) a Og Eapr. 99 = (3/7)tt hvor a = 7a: og tolkes som påskeeffekten og estimeres ved en regresjonsmodell der påskeregressor er gitt ved Ew t = (antall av w dager som faller i måned t) (9) w I X-12-ARIMA blir EWtt trukket fra deres gjennomsnitt, fiw = (l/t)j2t Ew,t, der Ter antall år i tidsserien, siden man vil unngå at sesongvariasjoner fra rådata kan blandes i estimeringen av påskeeffekt. Påskeregressoren i X-12-ARIMA blir dermed rpxl2 171 _ (antall av w dager som faller i måned t) llw w (10) I TRAMO er EWjt i ligning (9) brukt som påskeregressor, mens det i X-12-ARIMA er E**t 2 som blir brukt som påskeregressor. Når påsken faller seint i april og de w dagene alle ligger i april, er Ew,mar=o- Rådata i mars skal ikke korrigeres for påskeeffekt ved TRAMO i dette tilfellet. I følge ligning (10) er E* ar = Ew^mar - fiw = -fiw 0. Rådata i mars blir korrigert ved X-12-ARIMA. Det finnes også i X-12-ARIMA en metode fra Statistics Canada for å lage påskeregressor, -n E/w i april lue/w 0 ellers i mars (ii) der tie er antall av w dager som faller i mars. I X-12-ARIMA har man innført en regarima modell, der feilleddet i en regresjonsmodell beskrives ved en ARIMA modell. regarima beskrives ved i hvor feilleddet zt beskrives slik (f)(b)<f>(bs)(l - B) d(l - Bs) D zt = e(b)q{bs)a t (f)(b), $(B S ), 9{B) og Q(B S ) er polynomer av B med ordenene p, P, qog Q, henholdvis. 5

11 a. Metoden i Xl2-ARIMA _yirkelic[effekt_ estimert effekt-fra Xl 2 w=bdager ' '-, normalt nivå ~' H,,,,, h 1 $*% lø sø rna ti on Sto Lfr lo sø rna b. Metoden for detaljhandelsvolumindeksen estimert effekt virkelig effekt 1. Påske' hllllln hll i t ma ti on to fr lø sø -rna ti on Sto Lfr lo so.' ma ti on to fr lø sø c. Metoden som tilpasses norske forhold w 1 dager.'. w 2 dager n råalt *' \ LPåske / Ull -~~+ h 1 \ * H 1 1 h to fr lø sø rna ti on : Sto Lfr lø so ma ' ti on to fr Figur 2: Metoder for påskekorrigering Det blir 0(5)$(5 5 )(1 - B) d(l - B S ) D fo~ t Y, følt) = 0(B)Q(Bs )a t i Denne modellen kan brukes for å estimere kalendereffekter og ekstreme verdier (Chang og Tiao (1983) og Bell (1983)). I X-12-ARIMA blir påskeeffekten estimert fra rådata sammen med ukedagseffekter og ekstreme verdier ved regarima. De korrigerte tallene er input for å beregne trend, sesong og irregulær komponenten. Ulempe. Figur 2.a viser påskeeffekten av SNNS2I (butikkhandel med bredt vareutvalg). Vi sesong justerer tidsserien med X-12-ARIMA. Testen viser at effekten er positiv og signifikant med w=b. Dette viser at handelen øker fra og med lørdag i uken før påske til og med påskeaften. For mars vil (12) 6

12 rådata økes dersom påsken faller i denne måneden. Det skyldes høye daglige aktiviteter i 8 dager like før påsken. Før å utføre en sesongjustering må rådata korrigeres ned på grunn av de høye daglige aktivitetene i de 8 dagene, inkludert Skjærtorsdag og Langfredag. De er helligdager i Norge. Dermed skaper X-12-ARIMA skjevheter i av norske tidsserier. Det er en ulempe for X-12-ARIMA. Vi skal i sesongjusterte tall av mars og april ved påskekorrigering neste eksempel se på forskjellen i sesongju sterte tall ved å ta med og ikke ta med korrigering for effekt av de norske påskehelligdagene. Antall førstegangs registrerte personbiler i mars Vi skal sesongjustere denne tidsserien i Norge er observert fra og med januar 1980 til og med to tilfeller: (a) med korrigering for påskeeffekt og w=3. (b) ingen korrigering for påskeeffekt. Vi tar ikke hensyn til korrigeringen for effektene av virkedager og ekstreme verdier siden vi vil at vurderingen av påskeeffekten ikke skal blandes med de andre effektene. Tabell 1: Sesongjustering for biisalg i 2005 med påskekorr. uten påskekorr mars april mars april Rådata Ot Faktor Korrigerte tall of) Se. justerte tall A t a. Med korrigering. Tabell 1 viser sesongjustering for bilsalg i Påskesøndag i dette året kom tidlig i mars (27. mars). Påskeeffekten påvirker rådata i tre dager: Skjærtorsdag, Langfredag og påskeaften. Ved å bruke data fra januar 1980 til mars 2007 og ARIMA (0 1 1)(0 1 1) blir og påskefaktorene for mars og april Korrigerte rådata for påskeeffekt blir 11583/0.8967=12917 for mars og 12520/1.1151=11227 for april. Tallene brukes for å beregne sesongjusterte tall At. Vi får Amar. 05 =12085 og A apr. 05= Det viser en nedgang fra mars til april i sesongjusterte tall. b. Uten korrigering. Korrigert faktor er 1. Vi får en oppgang i sesongjusterte tall fra mars til april. Konklusjon. Vi ser at ved å behandle Skjærtorsdag, Langfredag og påskeaften som hverdager og helligdager kan vi få motsatte konklusjoner om sesongjusterte tall i mars og april. Vi får - Amar.os= =755. Avviket er stort, enda større for april. 2.3 Metoden i detaljhandelsvolumindeksen Metoden er illustrert i figur 2.b og basert på antagelsene Råtall er påvirket av påsken i tre uker: uken før påske, påskeuken og uken etter påske. Skjær torsdag, Langfredag og 2.påskedag er helligdager. Ingen forskyving mellom virke- og helligdager. Ingen foskyving inn og ut av de tre ukene. Vi tar hensyn til Antall dager i uken før påske som faller i mars. Antall dager i påskeuken som faller i mars 7

13 Antall dager i uken etter påske som faller i mars. Merk at måndag er definert som første dag i uken. I beregningen skiller vi to tilfeller: (i) både mars og april er observert i det siste året. (ii) bare mars er observert i det siste året. Tilfelle 1. Vi antar at vi har tall for både mars og april i det siste året. La Omar,i og Oapr,i være råtall for mars og april iåri. La Xmar,i og X være differansen mellom hhv mars og april sammenlignet med gjennomsnittet for de to månedene. Vi definerer v Umar,i ' surnar,i ~~ T v "r Uapr,i -A-apr,i Ty Merk at Xmar,i + X =0. Kall sesongutslaget for mars S (dvs, sesongutslaget for april blir S) når vi sammenligner med gjennomsnittet for de to månedene. La I-i = (antall virkedager i mars i uken før påske)/6 J 0 = (antall virkedager i mars i påskeueken)/4 li = (antall virkedager i mars i uken etter påske)/5 Vi innfører i tillegg andelen helligdager/søndager i mars J_! = (antall helligdager i mars i uken før påske)/l J 0 = (antall helligdager i mars i påskeueken)/3 J\ = (antall helligdager i mars i uken etter påske)/2 Modellene for Xmar,i og X blir da o+j i + mar,i J*~apr,i = <5 'j i apr,i (13) der E(e mar,i) = E(e apr:l )=o og Pt = a-il-it + a o lo,i + aili + (3-\J-\ + A)Jo,i + A«A og -Pi = a_i(l - J_M ) + a0(l - k,i) + «i(l -A) + /Ml - + A)(l - 4m) + A(l - Ji) Siden 0 = Xmarj i + Xaprj Q_i +Qo + OC\ + P-l +A)+ A + emar,i + apr,i og Rytmar,i) t^\^apr,i) har vi enten a. a_i + «o + ol\ = 0 og /?_i + /3ø + /?i =0, som betyr at det ikke er noen forskyvning av handelen mellom virkedager og helligdager. b. a-i + ao-\-ai + /3-i+(3o + /3i = 0 som betyr at det ikke er noen forskyvning av handelen mellom de tre ukene og resten av mars og april. 8

14 Vi predikerer Omar,i og Oapryi ved ±i Omar,! ~ a_l/_i,«so /o,i - <*1,i11,i ~ fi-ij-l,i ~ ~ Øl,{Jl,i Uapr,i T" Pi Tilfelle 2. Anta at vi har en tidsserie der den siste måneden er mars. Bruk mars- og april-tallene inntil året før for å beregne X og X og S_i, ao, a\, /Li, 3b, /?i- Den korrigerte verdien til mars blir da Omar,siste Omar,siste ~ ~ &()lo,i &1,i11,i ~ fi-\j-l,i ~ Po,iJ(),i ~ Pl,iJl,i Ulempe. Vi antar i metoden at råtall er påvirket av påskeeffekt i tre uker: en uke før påsken, påskeuken og uken etter. Denne antagelsen ser ikke fornuftig ut, siden det finnes tidsserier i detalj handelsvolumindeksen der påskeeffekten kun påvirker rådata for en kort periode (2, 3 dager før påske) eller ikke det hele tatt. For eksempel, SNNS24, butikkhandel med nye varer. I estimeringen får alle dagene i uken samme effekt. Dette ser ikke riktig ut for påskeuken siden handelen kan fortsette å øke til og med onsdag, og aktiviteten synker i påskehelligdagene. Skjærtorsdag, Langfredag og påskesøndag kan ikke ha samme effekter som de vanlige dagene i uken. Dessuten får vi ikke tester om signifikante effekter i metoden. De fleste tidsserier i detaljhandelsvolumindeksen har store signifikante effekter for ukedager, men i estimeringen for påskeeffekten har vi ikke tatt hensyn til dette. I regresjonsmodellen (13) antar vi at e og eapr,i er identiske uavhengige tilfeldige variabler. Dette ser ikke fornuftig ut for tidsserieanalysen. En modell som ligner regarima i X-12-ARIMA kan være en bedre løsning. 2.4 Metoden fra Australian Bureau of Statistics Påsken i Australia er nesten like lang som i Norge. Den varer fra og med Langfredag til og med 2.påskedag (måndag). Rutinen for påskekorrigering i X-12-ARIMA passer derfor heller ikke for Aus tralia. Xichuan Zhang (et al. 2003) har laget en egen metode for tidsserier i påske oppstår i perioden med w dager før påsken og i påskeperioden. Australia. Effekten av Å lage påskeregressor for perioden før påske Dette er basert på formelen (11). Vi antar at aktiviteten av tidsserien er en lineær funksjon med helningen /?. Den ekstra aktiviteten i løpet av w dager er arealet av trekanten med lengde w og helning j3. Det er \fiw 2. Antar at det er nav w dager som faller i mars. Den ekstra aktiviteten for disse n dagene blir \(5n2. Andelen i mars blir ((3n2 )/(j3w2 ) = (n/w) 2. Påskeregressoren for denne perioden blir -(n/w) 2 for april (14) I (n/w) 0 for ellers mars 9

15 2.4.2 Å lage påskeregressor for påskeperioden Det er bare helligdager: Langfredag, påskeaften, I.påskedag og 2.påskedag. denne perioden blir Påskeregressoren for -ra/4 for april, (15) Ira/4 0 for ellers. mars, der ra er antallet av helligdagene som faller i mars. ABS har konstruert påskeregressorer slik at mars og april har symmetriske effekter. Det er ingen påskekorrigering når påsken faller seint i april Hypotesetester om signifikante effekter La a* og apk være påskeeffektene i henholdvis perioden før påske og påskeperioden. Nullhypotesen er at det er ingen påskeeffekt i det hele tatt mot alternativet at det eksisterer effekter i disse to periodene. Hq : af = apk = 0 mot Hx : af >0 og apk < 0 (16) Når de to periodene er i mars blir apk xl= cj + apk nettoeffekten for mars. I tilfellet der de to periodene faller i april blir + apk x 0 = 0 nettoeffekten for april. Nullhypotesen blir H 0: af + apk = 0 mot Hx :af + apk 0 (17) En Mest blir brukt for hypotese (16) og en F-test for hypotese (17). 2.5 En ny metode for korrigering av bevegelige helligdager i SSB Vi har laget en ny metode for å korrigere rådata med hensyn til bevegelige helligdager i Norge som påske, Kristi himmelfartsdag og pinse. Vi antar at rådata er påvirket av: -påskeeffekt i (i) perioden med w\ dager som ligger før påsken med effekt a^pk, (ii) påskehelligdager med effekt apk, og (iii) perioden med w<i dager etter påsken med effekt aepk. -pinseeffekt i (iv) perioden med dager som ligger før pinsen med effekt a/p\ (v) pinsehelligdager med effekt apt, og (vi) perioden med w\ dager etter pinsen med effekt aepi. Der er ingen antagelser for Kristi himmelfartsdag, siden denne helligdagen bare varer en dag. Effek tene i de 6 periodene estimeres sammen med ukedagseffekter og ekstreme verdier ved en regarima modell, med rådata som input. I X-12-ARIMA er I.påskedag utgangpunkt for å lage regressorer (se ligning (10)), men i denne metoden er utgangspunktet hele påsken eller pinsen. Vi lager regressorer på samme måte som i X-12-ARIMA, ved å telle andel av dagene i perioden som ligger i måned t (t kan være mars, april, mai eller juni) Å lage påskeregressorer Merk at påsken her starter fra og med Skjærtorsdag til og med 2.påskedag. La Ifpk,t (l/^i) (antall av w\ dager som faller i måned i) Ipk,t = (1/5) (antall av 5 helligdager som faller i måned t) lepk,t = (I/V2) (antall av W 2 dager som faller i måned i) (18) være andelene av dager i Da blir måned t i de tre periodene. t er enten mars eller april, for eksempel, =mars * fpk,mar. T lfpk,apr. *j -Lpk,mar. T lpk,apr. J-j 0 "T J- 10

16 Regressorer blir: Perioden før påsken, Et P = Ifpk,t ~Hfpk = (l/u>i)(antall av w\ dager som faller i måned t) fj,fpk (19) Påskeperioden der fjlfpk = (l/t) J2 t=l Ifpk,u som er gjennomsnittet av Ifpk,trppk t- -Lpk,t ~ l^pk = (l/s)(antall av helligdager som faller i måned t) /ipf~ (20) Perioden etter påsken, der npk = (l/t) J2t=i Ipk,trpepk j = (l/u>2)(antall av u>2 dager som faller i måned i) /iep /~ (21) der tiepk = (l/t) ts=l Iepk,t- Eksempel. Figur 3 viser datoene for mars og april Påsken faller tidlig i april med påskesøndag 4. april. Vi antar at w\=7 og w 2 =3. Rådata blir påvirket av påskeeffekt i periodene: [ mars] og [6-8. april]. Vi får * fpk,mar.99 1? " Og U Ved å bruke data fra og med januar 1979 til februar 2007 og W\=l, w2 =3, gir /i/pfc=0.4237, /ipfc =o.2l3b og // epfc =o.o69o. Vi får Efmt.99 =1 ~ = , = , og E**.M = og Efapr.99 = ,,99 = , og Eea; kr99 = Påsken 2006 faller seint i april (16. april). Vi får E^ro6 = -fj,fpk = , E^arÆ = -^pk = og E^ro6 = -iiepk = Rådata i mars 2006 blir korrigert for påskeeffekt seiv om påsken faller seint i april. Det er ikke vanskelig å lage et program for å beregne E(pk, Efh og Eet pk for hele tidsserien, men for å gjøre det må vi kjenne datoer for påskesøndag. Formlene kan finnes i "The Mathematics of Easter" av E. J. F. Primrose (1951). Vi utvider korrigeringen av påskeeffekt til også å inkludere korrigeringer for Kristi himmelfartsdag og pinse. De er bevegelige helligdager som varierer fra mai til juni. Disse to helligdagene har også påvirket rådata, men i mindre grad enn påsken. 11

17 der fipi = (l/t)j2j=i JPi,tmars april l(fpk) l(pk) l(epk) 25/ /3 1/ /4 + H h H h H to fr lø sø ma ti on Sto Lfr lø 1.P 2.P ti on to Figur 3: Datoene for mars og april i Å lage regressor for Kristi himmelfartsdag Kristi himmelfartsdag er torsdagen som ligger mellom 6. og 7. søndag i påsketiden. I korrigeringen for denne høytiden antar vi at det ikke er noen effekt før eller etter torsdagen. La n {1 0 ellers il hvis Kristi himmelfartsdag er i mai, Regressoren for Kristi himmelfartsdag er gitt ved Et Tl lkri,t f^kri (22) der fikh = (l/t) Yh=i som er gjennomsnittet av Ikhj Å lage regressorer for pinse Pinseaften, I.pinsedag og 2.pinsedag er tre helligdager i pinsen. I korrigeringen antar vi at rådata blir påvirket av pinseeffekt iw3 dager før og dager etter pinsen. La Ifpi yt = (1/ws) (antall av dager som faller i måned t) Ipi,t = (1/3) (antall av 3 helligdager som faller i måned t) hpi,t = (antall av W 4 dager som faller i måned t) (23) være andelene i mai og juni av de tre periodene. Pinseregressorer for disse tre periodene er gitt ved Perioden før pinsen, = (l/u>3) (anta 11 av dager som faller i måned t) fifpi (24) der nfpi = (l/t) Ya=i Ifpi,t> som er gjennomsnittet av Ifpi,t i (24) for hele tidsserien. Pinseperioden, PM l^pi = (1/3)(antall av helligdager som faller i måned t) fj,pi (25) 12

18 Perioden etter pinsen, pepi _ j J-Jt ~ -' epijt l-^epi = av u>4 dager som faller i måned t) - (j,epi (26) der fiepi = (l/t) J2j=i lepi,t Symboler Vi bruker disse symbolene i estimeringen Tabell 2: Symbolene i estimeringen E[ v : påskeregressor i perioden med W\ dager før påsken. Ef : regressor i påskeperioden f.o.m Skjærtorsdag t.o.m 2.påskedag. ElP : påskeregressor i perioden med w 2 dager etter påsken. E} : pinseregressor i perioden med ws dager før pinsen. Ef1 : regressor i pinseperioden f.o.m pinseaften t.o.m 2.pinsedag. Eepi : pinseregressor i perioden med w4 dager etter pinsen. E^ri : regressor av Kristi himmelfartsdag. a : Koeffisienten av regressor E. Feks, a^pk er koeffisienten av E[ph Modell for ukedager, helligdager og ekstreme verdier La Ot være observert verdi i tidspunkt t. Vi beskriver Ot ved ligningen 6 ot =Y, hx» + E al t + E v*yh + * (27) der Xn er regressor for ukedageffekt og Ykt er regressor for ekstrem verd i. Indeksen i av a 1 står for symbolene fpk, pk, epk, Kri, fpi, pi, epi (se tabell 2). Vi beskriver restleddet zt ved ARIMA modellen (j>(b)<s>(b s)(l - B) d {\ - B s ) D zt = o{b)q{b s )at (28) der at er hvitstøy prosess. Ligningene (27) og (28) brukes for å estimere effektene fy, b? og %. I neste avsnitt presenterer vi en metode for å anslå Wi fra rådataene Å anslå verdiene til w\, W2, W 3 og W4 Det finnes ikke en metode for å estimere Wi. Vi gjetter disse verdiene ved å anta at W{ kan få følgende verdier wi=o N(wi) dager = N(w2) dager = N(ws) dager u>4 = N(w4) dager (29) La N(wi)=7, N(w 2 )=3, N(w3 )=3 og N(w4)=l. Tallene viser at rådataene kan bli påvirket av påskeeffekt i en uke før og tre dager etter påsken. Tilsvarende for pi nseeffekten er tre dager før og 13

19 en dag etter pinsen. Vi behandler Kristi himmelfartsdag som en bevegelig helligdag. Det er iait 256 kombinasjoner (w u w 2, w 3, w 4). For hver kombinasjon beregner vi Eft pk, Epk, E*pk, Efri, E{pi, Ef og Eepi. ved (19)-(21), (22), (24)-(26). Disse regressorene blir input ien regarima modell for å estimere effektene av påske, Kristi himmelfartsdag og pinse. UkedagsefFekter og ekstreme verdier estimeres også i denne regarima modellen. AICC-verdien blir notert for hver kjøring. Den kombinasjonen (u>i, w 2, u>3, w4) som gir minst AICC blir valgt. Vi har laget et program for å finne (wi, i = 1,...,4) som gir lavest AICC i ligning (27). Programmet lister også ut de estimerte effektene a^ph, apk akri samt deres i-verdier. Vi bruker disse t-verdiene for å teste hypotesen H 0 : Wi = 0 mot H\ : W{ > Eksempel 1. Detaljhandelsvolumindeksen Det er ialt 16 tidsserier som skal korrigeres for påskeeffekt med den nye metoden. Navnene listes ut i tabell 3. Råataene er observert fra januar 1979 til februar Vi presenterer i detalj i neste avsnitt påskekorrigeringene av disse tidsseriene ved å bruke den nye metoden. Tabell 3: Tidsserier i detaljhandelsvolumindeksen Tidsserie SNNS2 SNNS2I SNNS2II SNNS2I2 SNNS22 SNNS23 SNNS23I 5NN5233 SNNS24 SNNS24I 5NN5242 5NN5243 5NN5244 5NN5245 5NN5246 5NN5247 Forklaring Detaljhandel unntatt med mtorkjøretøyer og motorsykler, reparasjon av husholdningsvarer og varer til personlig bruk. Butikkhandel med bredt vareutvalg Butikkhandel med bredt vareutvalg med hovedvekt på nærings og nyttelsemidler Butikkhandel med bredt vareutvalg ellers Butikkhandel med nærings og nyttelsemidler i spesiale forretninger Butikkhandel med apotekvarer, sykepleieartikler, kosmetikk og toilettartikler Butikkhandel med apotekvarer Butikkhandel med kosmetikk og toilettartikler Butikkhandel med andre nye varer Butikkhandel med tekstiler og utstyrvarer Butikkhandel med klær Butikkhandel med skotøy, reiseeffekter av lær og lærvarer Butikkhandel med belysningsutstyr, kjøkkenutstyr, møbler og innredningsartikler Butikkhandel med elektriske husholdningsapparater, radio, fjernsyn plater, kassetter og musikkinstrumenter Butikkhandel med jernvarer, fargevarer og andre byggevarer Butikkhandel med bøker, papir, aviser og blader Trinn 1. Å finne {w\ % w 2, W3, W4) som gir minst AICC i ligning (27). Vi har laget et program for å lete etter den av de 256 kombinasjonene (wi, i = 1,...,4) som gir minst AICC i ligning (27), for hver tidsserie. Verdiene av disse Wi er listet ut i tabell 5. Vi får ikke t-verdi i listen når Wi=o. SNNS2. Vi får wi=6 med Vi tolker dette slik: rådata er påvirket av en påskeeffekt i en periode på 6 dager fram mot Skjærtorsdag. Påskeeffekten har virkning fra og med fredag i uken før påske til og med måndag i påskeuken, og denne effekten har høy signifikans. Siden i-verdien er 14

20 høy og positiv, vil vi si at handelen har økt kraftig i ca en uke før påske. Vi får tpk = Det er t-verdien av påsken. Dette viser at handelen blir "kraftig" redusert i påsken. Handelen blir normal igjen etter påsken, siden u>2=o. t-verdiene ved å teste signifikante effekter av Kristi himmelfartsdag og pinsen er henholdvis og Tallene viser at handelen blir redusert på Kristi himmelfartsdag. Pinseeffekten er ikke signifikant på 5% nivå. SNNS2I. Tallene viser at handelen blir økt i en periode på 5 dager før Skjærtorsdag og synker i påsken. Det blir normalt igjen når påsken er ferdig. Rådataene er også påvirket av Kristi himmelfartsdag og pinse med en negativ effekt. SNNS2II og SNNS22. Vi får omtrent samme resultater som SNNS2I. SNNS2I2, SNNS23, SNNS23I, 5NN5233, SNNS24, SNNS24I, 5NN5242, 5NN5243, 5NN5246 og 5NN5247. t-verdier for disse tidsseriene viser at handelen blir redusert i påske. 5NN5244, 5NN5245. Det er en økning av handelen i ca en uke før påsken. Trinn 2. Sammenligning av påskekorrigering ved den gamle og nye metoden Vi bruker wt i tabell 5 for å konstruere regressorene E^k, E?k, epfc, E Kr\ E***, E?1 og Eepi i ligning (27). Dersom t-verdi av Wi er mindre enn 2.5, blir Wi=o. El skal ikke beregnes. Korrigeringene for bevegelige helligdager av disse 16 tidsseriene er listet ut i tabell Vi tolker resultatene i detalj bare for SNNS2, SNNS2I, SNNS22, SNNS23 og SNNS24. SNNS2. Butikkhandel totalt. Vi estimerer påskeeffekten ved den nye metoden samtidig med ef fektene av ukedager og ekstreme verdier i ligning (27). I tabell 6 ser vi at torsdag og fredag er de to viktigste handledagene i uken. Vi får SPfc = og akri =-0.037A. Det er de estimerte effektene av perioden før påsken, påskehelligdager og Kristi himmelfartsdag. Merk at effektene estimeres med /og-skala av rådataene. Vi innfører to symboler AO og LS for ekstreme verdier. AO lt er forkortelsen av "Additive Outlier" i to. Det er et spesielt utslag for et bestemt tidspunkt to. Rådata har en brå endring i to. Effekten påvirker data bare i to og forsvinner etter to. Vi beskriver en AO slik AO'^1 1 fo' t =t0 [0 for t t 0 LS står for "Level shift", Det er nivåskift ved tidspunkt to- Det definerer ved 0 for t> t 0 Rådata blir korrigert for ekstreme verdier i februar 1987 med nivåskift (med forkortelsen LSl9B7.feb) og i desember 1988 med "additive outlier" (Aol9BB.des). SNNS2I. Butikkhandel med bredt vareutvalg. Vi ser i tabell 6 at torsdag, fredag og lørdag er de to viktigste handledagene i uken. Handelen blir kraftig økt i en periode på 5 dager før Skjærtorsdag. Aktiviteten synker i påsken og på Kristi himmelfartsdag. Det er en ekstrem verdi i januar 1988 (AO). SNNS22. Butikkhandel med nærings og nyttelsemidler i spesialforretninger. Analysen i tabell 8 viser at det handles mest på fredager. Handelen er mye høyere enn vanlig 5 dager før Skjærtorsdag. Den synker i påsken og det kommer tilbake til normalt nivå når påsken er ferdig. Det er et nivåskift i januar 1981 (LS) og en ekstrem verdi i desember 1991 (AO). 15

21 SNNS23. Butikkhandel med apotekvarer, sykepleieartikler, kosmetikk og toilettartikler. Handelen er litt høyere på tirsdag og onsdag. Det er ingen økning i en periode før eller etter påsken. Det er nivåskift i mars 1982, juli 1988, januar 1989 og mars En ekstrem verdi var i august SNNS24. Butikkhandel med andre nye varer. Resultatene er vist i tabell 10. Handelen er størst i midten av uken. Det er ingen tegn til at handelen øker før eller etter påsken og pinsen. Det er nivåskift i februar 1980 og februar To ekstreme verdier var i desember 1988 og desember Oppsummering. Tidsseriene i detaljhandelsvolumindeksen blir påvirket mest av effektene av uke dager og påske. Handelen blir redusert på Kristi himmelfartsdag og i er stengt på disse helligdagene. pinsen på grunn av at butikkene Trinn 3. Å sammenligne korrigering for bevegelige helligdager og sesongjustering ved de to metodene Vi forklarer her noen symboler i tabell 14. Tabell 4: Symbolene for tabell Ot rådata i tidspunkt t. VOf differansen av rådata i(t l)ogt,v Ot Ot Ot-\- Vt9m rådata etter å ha korrigert effektene av ukedager og påske med metoden utarbeidet av Solheim og Dinh. Dette betegnes seinere som den gamle metoden. V v rådata etter åha korrigert effektene av ukedager og påske ved den nye metoden. Agrn sesongjusterte tall beregnes fra rådata etter korrigeringen for påskeeffekt med den gamle metoden. A y sesongjusterte tall beregnes fra rådata etter korrigeringen for påskeeffekt med den nye metoden. VVt differansen Vt Vt-\. VAt differansen At At-\. dt relativ endring i prosent, dt (1 Vt /Ot ) * 100% SNNS2. Vi sammenligner påskekorrigering med de to metodene i tilfellene: (i) påsken faller i mars, (ii) tidlig i april og (iii) seint i april. (i) Ved å bruke den gamle metoden. Når påsken faller i mars er uken før påsken og påskeuken i mars. Dessuten kan noen dager i uken etter påsken også være i mars. Rådata i mars blir korrigert for effektene i disse to ukene. Ved å bruke den nye metoden. Vi får wi=6 og W2=o (se tabell 5). Når påsken faller i mars er den perioden på 6 dager før Skjærtorsdag og påskehelligdager i mars. Rådata i mars blir korrigert for effektene på disse 11 dagene. Vi ser at det er flere dager der rådata må korrigeres for påskeeffekt ved den gamle metoden. Vi får fra tabell 14, Omar.86 = 68.64, V^ 86 =67.93 og V^yar86 = Ved den gamle metoden blir rådata i mars 1986 korrigert ned med 1.03%, mens det blir justert opp med 6.09% ved den nye metoden. Vi får 0apr.86=77.46,Oapr.86=77.46, V^B6 =68.40 og Rådata i april 1986 blir justert ned 11.70% for påskeeffekt ved den gamle metoden. Avviket mellom rådataene og de korrigerte dataene i mars og april ved den gamle metoden blir ( )=9.77. Ved den nye metoden blir det ( )= Påskeeffekten skyldes forskyvning i handelen fra mars til april og omvendt. Dermed forsvinner påskeeffekten når vi slår sammen tallene for mars og april. Dette 16

22 medfører at når rådata i mars blir justert ned for påskeeffekt må tall i april justeres opp og omvent. Vi ser at den gamle metoden har justert ned tallene i mars og april Dette er en svakhet. (ii) Når påsken faller tidlig i april. Dvs, perioden på w\ dager og påsken ikke samtidig i sin helhet ligger i april. For eksempel årene 1980, 1983, 1985, 1988, 1994, 1996 og Vi får KSTr.BO=64-57 ( en nedgang 9.55% sammenlignet med rådata) og V^r80 =69.91 (en nedgang på 2.07%). For april er Oapr. 80=68.03, V^80 =65.52 (en nedgang på 3.69%) og V?pyrBO =7o.So (en oppgan g på 3.63%). Vi ser at ved den gamle metoden er rådataene i mars og april korrigert ned. Dette viser en svakhet ved metoden. (iii) Når påsken faller seint i april. Perioden før påsken på w\ dager og påskehelligdager ligger i sin helhet i april. For eksempel, 1979, 1981,..., (se tabell 15). Vi ser at rådata i mars og april 1979 blir korrigert ned samtidig ved å bruke den gamle metoden. Etter korrigering for påskeeffekten får vi mindre avvik mellom de korrigerte tallene i mars og april ved å bruke den nye metoden. Dette medfører at sesongjusterte tall i mars og april blir glattere. Tabell 16 og 17 viser sesongju sterte tall At i mars og april, etter å ha korrigert rådata for påskeeffekt med de to metodene. Det blir ofte større avvik mellom sesongju sterte tall i mars og april ved den gamle metoden er et spesielt tilfelle. Vi får A^ 05 = og,4^ o5 = Avviket blir Ved å bruke den nye metoden er A^ar 05 = og A^ro5 = 'Avviket blir mindre. De sesongju sterte tallene i de andre månedene untatt mars og april er omtrent like Eksempel 2. Produksjonsindeksen for industri SNNIS_37 (industri), El (innsatsvarer), E 2 (innvesteringsvarer) er de tre viktigste tidsserier i produk sjonsindeksen. Vi korrigerer rådata for påskeeffekt ved å bruke metoden i X-12-ARIMA som er basert på kalenderen i USA. Den kan ikke tilpasses med norske forhold. Vi prøver i dette notatet å anvende den nye metoden for disse tre tidsseriene. Resultatene fra begge metoder skal sammenlignes. Trinn 1. Å finne (wi, w 2, ws, w 4) som gir minst AICC i ligning (27) Tabell 18 lister ut de estimerte verdiene av Wi for perioden før og etter påsken og i påskenperioden, samt Kristi himmelfartsdag og pinsen. Deres t-verdier viser at produksjonen blir redusert i en kort periode før og i påsken. Trinn 2. Sammenligning påskekorrigering og sesongjustering SNNIS_37. Det viser i tabell 19 at produksjonen blir redusert på lørdag og søndag. Vi får w^y =4 og w* 12 =8. Tallene viser at produksjonen blir påvirket av påskeeffekt 4 dager før Skjærtorsdag ved den nye metoden, og 8 dager før I.påskedag ved X-12-ARIMA. De to metodene viser den samme perioden, der rådata er påvirket av påskeeffekt. Vi får effektene aff = , a y= og =" som er dobbelt så stor sammenlignet med å{&k. Dette kan skape store avvik mellom de korrigerte tallene som deretter medfører store avvik mellom de sesongju sterte tallene på tidspunkter. Vi får de sesongjusterte tallene A% 99 =U2.2Z og A^ar 99 = Avviket blir = g ' m ed et avvik Ellers ligger de sesongjusterte tallene ved bruk av de to metodene nær hverandre. Pinsen er også signifikant på 5% nivå med en negativ effekt. noen El. Tabell 20 viser at ukedageffekter er signifikante på 5% nivå. Vi får w"y =l og w? 12 =8. Dette tolkes slik at produksjonen blir redusert i en kort periode før påsken. Vi får omtrent de samme sesongjusterte tallene ved bruk av de to metodene for påskekorrigering (se tabell 23). 17

23 E2. Det er signifikant effekt for ukedager (se tabell 21). Vi får w y=4 og w* 12 =8. De to metodene for påskekorrigering viser at produksjonen blir redusert i en kort periode før påsken. Det er ekstreme verdier i april, august 1986, august 1987, juli 1993, mai 1996 og juli Sesongjusterte tall ved bruk av de to metodene for påskekorrigering er de omtrent like (se tabell 24). 3 Oppsummering Vi bruker vanligvis rutinen i X-12-ARIMA for å korrigere for påskeeffekter. For tidsseriene i detaljhandels volumindeksen har vi nå laget en egen metode som er tilpasset norske forhold. Metoden i X-12-ARIMA er basert på antagelsen at det er en periode før påsken der rådata er påvirket av påskeeffekt. Merk at påskehelligdager i USA bare er I.påskedag, mens det i Norge er både Skjærtorsdag, Langfredag, påskeaften, 1. og 2.påskedag. Dermed blir helligdagene unntatt I.påskedag betraktet som hverdager. Dette medfører at rådata blir ikke korrigert for Skjærtorsdag, Langfredag, påskeaften og 2.påskedag. Det er en ulempe når vi bruker X-12-ARIMA for norske tidsserier. Den nye metoden er basert på antagelsene at (i) Påskehelllidager varierer fra og med Skjærtorsdag til og med 2.påskedag, (ii) Det er en periode før og etter påsken der rådataene er påvirket av påskeeffekt. Lengden av de to periodene estimeres fra rådataene. Det er en fordel med den nye metoden. Vi korrigerer rådataene for Kristi himmelfartsdag og pinse med samme prinsippet, siden de også er bevegelige helligdager. Vi har anvendt den nye metoden for påskekorrigering med tidsserier i detaljhandelsvolumindeksen, produksjonsindeksen og konsumprisindeksen. Etter å ha sesongjustert tallene får vi rimelige endringer av sesongjusterte tall fra februar til mars og fra mars til april. Det viser seg også at Kristi himmel fartsdag og pinse ikke har signifikante effekter for mange tidsseerier. 18

24 v. s 00 co S" CO -w 1 I r I C 'S OONCSOO^Oi^oOOtDOOINlOQOTflO v +jn«inh; q^c»3q(oær-i co r-i æ oi n 42 O H(N0iH(NHHHMrH(N(N(NHrHd 111 lill 1 1 I I I 1 'O-SOOlOlO Tt< i>- OO es rh 00 CS r-- d oi d,_; es t-h r-n V.. Si "C IMOINNINMISNCOCvlOOCSiO^OlCO ~q COiOTf^HLOCNOlOiLOCOCOLOOr-ii (CM aj ««««HOHHOPiwNNHONiH v, I I I I I I I I I I I I I I I I I «o *S I 00 & + > r-; o «S. I, MNtDMOiOiOinooOONNHiOPJ w, ,_h <o «1 l co r-i o b- P r-h CO CO CS ** i-h 1 I 1 I ' I I 'Sb "~' _ nn«3^^(miocno0)o)ioc3nnm00 Q^^^^l^tOTtTjcqCNlOCNCOOOLO "> H Ol r-i O r-ilooooi 1 P3 N Ol CS N IO IM <* * I I 1 ( «( CM 1 I 1 I r I r li Ir It I CS t I t It I CS 3 co 5 II II II II II il II II COt It It looooooor Ir It IOCSO ~ 5 II II II II II II II II II II II II II II II II -% cocococococococococococococococo (Tj ^OOOOOOOOOOOOOt i o o cu 9 II II II II II II II II II II II II II II II II c cscscscscscscscscscscscscscscscs.s> j-^coloior-iioi^i^oocdco-^r-t^-i^o 9 Jl Jl Jl Jl, II II II II II II II II II II II II TS TS TS TS TS T3 TS TS TS TS TS TS TS TS TS T5 'o -Q r-1 CS r-1 CO r-1 CS CO Tt IO CO I>pOT O 1 I 1 Ir-ICSCOCOCOT^T^T^-r^T-JHTfTt1^ r-1 'Ccscscscscscscscscscscscscscscscs OLOlOlololololqlololololololOlolO $ ;z; ;z; ;;z; ; ; ; ; ;z; ;;z; 19

25 IO N H CO N H (N (N H CO i I g tj( H H CO CN Tf CS r-1 H 6 O IN IO (N oi 6 CO CO fii i cg t i " i -IO I i It Ir li Ir It It I r-1 IO N Tf fc P (N (N IM (M (N (N (N (ONO CD _2?i_ OOOOOOO OOr-H i l <D OOOOOOO O O O O OJ -M OOOOOOO o o o O LO «~H k i locmlocmlocti OO LO «O IO CN t - CO t i O Tf CN IO O CO t i Tf l>- LO CU "O OOOOt lc5r l CN O CO CO Pm *~! *~"! c2 ' '. -> OOOOOOO ooo o trj to ' ',,i Kn LU a a «<u > jtt J> fc fl 3 Tb S) a > X v *-»- bo o3.i=l a> O» I <U bo kh m n O C OO cn hn bn -S a, d a 2 S x <3 a M Lu < 5! -to J2 <u bo O O t i O CO OO O CO r i O CO Oi t i c Tf co tc co os to oq q o; 5> t-ht-ht-hcocot 5o co co co IO CO "H T ' *S -to l^ I t It I II I ' 5! "Ok OJ O) O) O) Ol O) Ol CO IO 1 CO CN 0) V-vl t Ir It It It It It I LO CO Oi CO IO ~0-2»- OOOOOOO OOO t It i c: oooo>0)0)0 o>oo>.. -SJ CTJ ro +j OOOOOOO ooo oo is: co 50 N IO N O N O CO (N IO O t- 3 cu t a)~o (N CN CS N N CO O o o o o o o es CO Tt1 IS t-- o co CO i>-cr> JD Fa3 0>0000)0>0) Ot-hO.. -J3> OOOOOOO OOO O O H to ' ' iiii LU CD 0) cu _*? n» CU > JD CU cu bo g f, o T3 bo kh ro -ri JU c k! OO CNi bo^b0bo P hnhn bo -o^3 S fe Lo TOrrtaSajiSsPBfaS bo co cu C*> i jéssse-g-nl =5 'i I J2 O 20

26 O OO 05 (M (M 5D (N \f i I il LO CM O <X> CO CO CM H CO, l o» i i J o oi o co co t* i i iii i i HO <M ~P O Oi O O O t-i C5 O CO IO co J=t! - * ko 10 m 10 w o) co -2>- OOOOOOO i-l *H CO O) OOOOOOO OO O (T3 OOOOOOO O O O c/"> <N.S oi IO * H OO OO (N M H CM Lo ->!_ - <D "O CM LO CO t-h O O O O t-h t-h O O t i CO i-h Oboi t-h ; OOOOOOO.. «-J ' '-M V) 5* OOOOOOO I ill OO I o I fc>0 o LU LT) OJ _* -p fe CM W> bo bo &P hn h. t»0 -g "0 E^ 1 lill lill III 3 0) i. e id IO CU km t. H N r)* 00 CO 05 O N M W OS IO Ol loooo -s* CT> > i CJJCMCM 0> i ' ' ' t i t-h i V, "O o CM CM CM CM CO CM CM CD H IO 5f m" CM CM CM CM CM CM CM O OO t-h q3 -Sh OOOOOOO OOt-h -to CU O O O O O O C5 ooo HJ OOOOOOO ooo <U CO <0 t~- OO IO OO O OO CO Tt* CMOOiOt-hlOO OO^Tt i i 0>"O O O O O t-h O CM (M o co 'g; E CU.. * J C=J C?., t-ht-ho -Q J3 > (Ti OOOOOOO ' ' ' ooo ii H LU (U t? i Æ TH ttz SL $P S hn bo 03.1=1 Sp $ bc W) SP hn hn bo -S 1 = 'oa -2 uo i <3 H, tf 21

27 1= CO i i CO CO O LO Oi N O) IO H o C i I t r-h Oi CN Tf TF b- O Oi CO LO IO 3? i-hcncjoi iojco cd to Ifl «* I II I lill -Oi; OiOOiOiOiOiOi lo O h h to (O *- P CO Tf CO CO CO CO CO Oi LO O O CO Tf " c ooooooo Ci t-- oo oo o t^- "O 0> OOOOOOO O r i r i i i CO r l = o o o o d o o o R R R <=>. +J o o o o o co r3 h m OO IO N OO N?o CO (N OO O H lo t Tt o oo co a co -rf h io tj* n (D -i; cu"o o^ooooi i co t» N h eo oi <- p»- OOCiOOOO O O r-li It IO < -> ooooooo o ooooo -{75 i ii i iiii LU o C\ i_ i_ c\i <u a> Ifi *- *- 1 :> a> _* J <-t- bo OJ C» «<* a & # SP SP.» s> SP i. iliiii O» = OT W^^r-l^r-H qj fi to J8 :.= CO LO CO Oi OO OO b- COCO loo IM N (N Oi N O ""I '"i 0? aj i! co t-5 rf t-h cd oo o tf lo "fl I r-h H II si. ' t QJ "Ok OOOOOOO t-- Oi OO {r-, j= P co co co co co co co ooo oco -S JS t OOOOOOO O i-h CM CN «T3 <U OOOOOOO OO OO.3? ro ooooooo oo oo LO 00 Jn n co oi co io o o b- co tj. Ol CS H CO IO IO OO COr-H Tf< CO '71 OJ-Q OOOOr-HOi i COt-h oo cm -rt> ooooooo oo oo Hot 1 ' iii LU oj _* e»h aj ot <- - bo a3 cj CM Kn ro ts e ', i i Co i ft Lu 2 < 22

28 co -=. w p: O N N (N «O i I il o oq cs i>- i-h i>- cs oo r-1 co oi i i o i-h o c4 lo SO i i ii i i "Oi; Ol 05 O) G G I>- ro i=2 Tj* Tf Tt< Tt,-H OO -S 4- OOOOOOO i l CO CL> OOOOOOO O O ro ooooooo o o co C\l SJn o> o ro QO OO (D O i i i i lo t_ - -<* tf lo co lo co 1 1 ro o ~> <u~o i l i i O O O O i i co co S Eq3 O C3 O O O O O O i i **» vp > 00 ooooooo o o ' lill bo o LU C\ w +j. lo -* "a < -* 5R < co ro tii: 5= <u bo ti a> fe R -g Egg 0) 5 Kl cd bn tj t. i iloococorooo o oq i < co co co lo es r* es N oo o eo es lo oo i i ro co > i i cs es i i o es co cd d co in io +j 0) -to i ' ii i i i i i i -o< H". ~Pn 0> i! O O i ii i CD b- t^i ii ics^^t< m2 as oo co co <x> qj -ni", OOOOOOO N OO OO r-i t 1 1^- -Q <L> OOOOOOO O r-h r-l t-h CO CO 1-H Jp ro ooooooo o R <P P R -S? / o o o o o o f0 CD ic ii CU 1-HOOLOLOCOOOCO OO CO CD OO N CS 05 t:.- cs ocococoroo! a> ~o <o t-h co cd o o r i co oo cs i i lo b- o *a> E «3 c? c:? c:? c=? c:? c? c? R Oi i- ii ii ii i 42 "+J-* OOOOOOO O OOOOOO _ro to ' i i i i i i i i H LJJ a) <D a; _* ~o _*: <" Ji? <u > h re W) 3 <n o h ro 3 *S nn & «S.2,.5, «? 6 cs M «w hn bn -5 EcsodrororoLo' lo bo cd a) co co co g s ro CO Xa LU _!,_q J < << 23

29 1= IN H IO Oi 05 CD * Tf O CO in (N q in h q h co. S? CM t-h Tf t-h O <-h CO o cd Tf -+o i "Ok Tf Tf Tf tj tc CO coco = P Tf Tf Tf Tf Tf Tf Tf O CM CM i_ OOOOOOO i I COCO j2 cu OOOOOOO 0. ro ooooooo o o o +J co c\l a> Jf. oo Tf oo n oo N g co co co Ltn t - Oi lo t- LO O Tf CO CO Tf N 5; oj-o o o t-h o o o t-h o o> Tf < F eti ooooooo <-h i h t j jr > ooooooo & ' i t o oo bo o LU»- CNj CU <D lo»- +-> i= < +-> cu Jr: s Co!- - «I cu > cu # cu CU i» cu 5 se +«> cu 1= Tf O) r-1 LO CM to Tf OO CM i i Tf io Tf IO u fc? cdt-hlo co cm cq co m O O CM CM CM O CO Tf CM Tf LO LO Tf & -f 'i i I i i III -* so i JU "Ok CDLOLOCOCOLOCD 05 N r-1 CD IO O Ol Jr: J= 2 CM CM CM CM CM CM CM LO Tf CO t-hcococm -r; -S»- OOOOOOO O O i i CMOi ii i g CU OOOOOOO OOO CM CM CM CM.2? ro ooooooo ooo R R R R m 4-> O O O O co O Jr, Oi CM LO i-h CO i i Oi O Tf 03 CM CO CM O <-< tf = r-1 0> LO CO CO Oi i i Oi CM COOOOOi, i CU "O O O O O O O > i O H CO Oi O CS Ol ro Ecu <-? c? c-? <? <? c? c? TJ "? c-? "-?,!'""!'?,n _=> ooooooo ooo oooo Oj to ' ' III III H LU cu cu cu _* "tj Ji CU CO CQ <- : «6 cu > -fi m *S cu T; ps Tj >-t- bo CU «H t+h <L> bo hn ro C k! CO CN CN bo ccf W) bo $> hn hn 00 -S Sn & fe OO Oi -T» TJ T1 5' S? -4-J hoioi i LO X a a J2 LU J J < <^ 24

30 If: CM O CO CO CM O 00 IO * o co i: co oq 10 co co lo os co co r i O O O CM i-h CO CN CM TjH 7 II I III I ""O k N CD N ID CD I> CC N LO»= 2 CO CO CO CO CO CO CO LO CM Tf CD 42»- <U OOOOOOO o o o o o o o t li i CO o o o Tf o ro +J OOOOOOO o o o o co ro!* f^1 Sm C3 CO CN O Tf Tf 00 i } < t.- CU~0 CO IO CN CO to 0O Co O O O O i i O CN CO N Ci O CO N LO t-- j> Eq5 OOOOOOO i i O O t i CT) \Z3 > OOOOOOO OOO o. tn ' ' ' iii i c? w C\j *a- *- i- CN <D (D i > CU -o H 3 «n <0 co = So.5 <u ifi *» ni R» u en t-1 "-M n~) ;-= >JH t/3 CO +-> 2 <L> c3.5 _* CO CO 3S-+3o ÆJSm LU J i» <u ai +a t>0 S (M (D lo O CD lo Co CO CO o i: CN Co CN O Ol CM CN r to H CO h o o * < r-i o cm Tf co io io i ' ' i r-, i jjj -*o I qi "D>; N CO N CO CO CO CO CO OO Tf CO 2. i: 2 Tf tj O^Hi l <1J -2 *- OOOOOOO i l CO CO CO a OOOOOOO i I OOO Cu ro OOOOOOO. OOO -5.n> +J co o t-h a\ CO rf Oi H CO CD IO LO LOOO), i t.-- i i Tf LO lo -rf O O CO LOOOO CU "O O O O O O r-1 CN CM N CO N 1=3 FC)r» COCOO>0>000 i I r I r-1 i I CU c <u... J5 J3 > OOOOOOO o> OOO ie ts ' i,, p LU <D CU i_ +J cu _* ~o +J CO *- cu *v. > q,jq CN tg Si,.«cg lo T3j cu cuoocoo z lh a s 4> <$ -* co co co 25

31 IO 1= CO r-l CO r I CN O LO i I CNooocNOiCSio lo i-h CN,-h O O O CO CO 7 ' ' ' -+o "Ok 0O0O0O0O0O0O0O i-h _S>- OOOOOOO co g ro 9i OOOOOOO o o o o" o o o O o CO CN k r-h CO r-l O LO CJ5 r-i LQ JO t - CD CO IO H Tf N CX) > CD "O Oi i O O O O r-i Tf > Fa; *-? *? "-? ' P R R R i IT) K~ '43 "1 > OOOOOOO ' ' ' O o "St-?! LO O) "O < _* oj cu >,o aj tr> lo >-i- a> O CN t*oc^hobj05p KnKn bjo O^ g d a g s uj< CU cu oa CU t»0 o c i I CO o ex) OO r-1 LO i I q in in co r I h l^co»*- S? cn oi q] "Ok OOOOCOOO o co 2- k 2 \t< Xt* Tj o oo <U -2»- OOCOO>00)0> h CO U CU 000>0>0>00 r-h r-h cu ro oooocooo W 1-; - +j o o <* co ic CN k CO Ci O O OO 1> CO r-h - O CO CO t i CN o> oco cu ~o OOOOOOCN co co 1=5 C k OOOOOOO Or-1 cu ecu J5 _--; > OCOCOO>OOCO OO ee w ' ' cu»- +-> cu _* "iu et cu jfi cu bu 5 >t k bo a -it CVJ s-i r-' S» CU >h? CU' ' ofrt 26

32 ir i: OO OO h «o CO Ol i I IO (O oi oi n to o LO eo i l lo O) N co oj O O t < O O O C-i CO T^iOLOiO i i iii i ii "Ob; COCOCOCOCOCOCO O I>- CO OO CO = 2 *- (O td 5D O «O (D O ooooooo LO i i i I Ol Ol O io n co io CU OOOOOOO o o o o o nj ooooooo o o o o o co fn f} n~, t I CO CO CM LO t It i O (M^OO i } < t! - 0)~0 h tj< es æ co O O t l O O O t l lo Oi oo o t i lo CO t It I b- E <ii R CO -C.V) > OOOOOOO ' iii O i O O O O ii r? W <o io cu _* -o I I 3 < * Ti > d 2 3 cu * bi) <u *? S H * cn -s S «a a o <4i m KrnoioiJvhphptf w cu o o 0 CD i» <U E CO I & LU < J <} 10 CD fc>0 0O DO N CO Ol h CM CNt-h o t: co oi co es n q oi o> cm co >- O O CO O O t i CO oi «* t-i -fl ii I o, "O COCOCOCOCOCOCO co co oo <U -S 1- OOOOOOO t i COCO O ooooooo o oo aj " OJ +-> ooooooo o oo <«co is: CO t i Si ai t_ - CO CO H Tf t l CO h CO OO O \f N CO CS OOGO Ol CD <U "O O O t i O) <0 O t i O IO N 3 CD Pm C CU OOOOOOO t i. t l.. CM _o i3 > OOOOOOO o oo Cd «' ' ' ' p lu i- l_ CU CU i_ +J CU _* -Q _*: Jr cu co co -S <-t- > cu cu "* CN & W3 hn W) aj b0 bc 3J,. n ho cu -o c co t OS (35 lo -S^^^^^ 1& cu JJoioi É i <«S S ~o3 <$ _SOO 27

33 Tabell 14: Korrigerte tall for kalendereffekter for 5NN52 påsken faller i år 1986 l.påske 30 mnd I mar. Ot VOt I. Vt9Tnl VVtgml. dgt ml I 1.03 V?y W/*. jt apri mar apri mar apri mar apri mar apri påsken faller i mars tidlig april år 1980 l.påske. mnd mar. I Ot VOt. I ' Vtgml W/m/. d9t ml 9.55 I " V?y V]g. <y apri mar apri mar apri mar apri mar apri mar apri mar apri

34 Tabell 15: Korrigerte tall for kalendereffekter for 5NN52 Påsken faller seint i år påske. mnd mar. I Ot VOt _ I VtgTnl Wt9ml ~ d9t ml 8M \ Vtny WVtny _ d?y apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri april 29

35 Tabell 16: Sesongjusterte tall for SNNS2 påsken faller i mars år 1. påske mnd 1 Ot VOt 1 Afml VAfml 1 Ant y VA? y mar. " " " apri mar apri mar apri mar apri mar apri påsken faller i tidlig april år l.påske mnd I Ot VOt I A9t ml VAfml I Ant y X7ATtiy mar. ' ' ' apri mar apri mar apri mar apri mar apri mar apri mar apri

36 Tabell 17: Sesongjusterte tall for 5NN52 påsken faller seint i april I år l.påske mnd I Ot VOt I A9t ml VA9t ml A?y VA?y mar " apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri mar apri Tabell 18: Verdiene av (w\, w 2, indeksen W4) som gir minst AICC og deres t-verdier for produksjons før etter før etter tidsserie påsken påsken påsken Kristi, pinse pinse pinse SNN15_37 (industri) Wi =4 w2 =0 w3 =l w4 =0 t-verdi El (innsatsvarer) wi=l W2=0 w4 =0 t-verdi E2 (investeringsvarer) W\=A u>2=0 u>3=l u>4=0 t-verdi

37 140 Sesongjusterte tall gammel metode 130- ny metode / 120- y* 110- _ */ 100- kmjs*^^ 90- jf ~ gammel metode Sesongjusterte tall i mars 130- ny metode 120- / 110- J^ c 100- y^ 90- /^ "l I ~ gammel metode Sesongjusterte tall i april 130- ny metode 120-0^ 110- /^ 100- s~~^ 90- yf 80- _-- "^"^^ 70- d I I I I I I I I I I I I I I I Figur 4: Sesongjusterte tall for SNNS2 med to metoder 32

38 to OO CO O IO OO O Tf b- O O CN i: cot-hor-jiocooi 10 (N ro in oi IV h co 10 h (b 06 o Tf co to Tf Tf 1 11 CO K> I "Dk O O O O r 1 O O O Oi (D IN IO IO _ if N W (N (N IM (M O) rf 10 IO tj( tj 42»- OOOOOOO r-i r-h r-h r-h r-h 0) OOOOOOO O ro o co _ Jr, OO «D Tt io ro O N Oi O OO O r-h t-- t..- IN ID O OO ro ro OO Tf tj 00 rj Tf H f. <L> "O O 0> i 1 O O 1 ir 1 CS OOCTiOi>- 5 j 3 OOOOOOO rh O r-h p O O I +3> OOOOOOO O O O O O O, I V) I ' ' lill LU ;>.- <s) Si.Si W «-* "O oi 0) & > fl. 3.2, e8 ~ o3 c B d B "- SB, &0 nn ro r 00 OO O) Of (D < -S g QO OS OS 5» S II +J r-h r-h r-h r-h r-h +0 > kl -*: vju il N o ro cm oi in cn IO IO 00 OS Tf cocnoo O to (N cm o Tf r-hlqtfcooi Tr» pi co co ro ro N tjj \j h/ C I Ir I,-H r l I qj ho 111 _J> O Ol O Oi O O Ol a IN to o 00 to ro to m mi- CM r-h CN r-h CN r-h r-h IO N CO N CO Tf CO V -S 1- OOOOOOO OCOO r-hr-hr-hr-hr-h ** Uoj OOOOOOO oi ro *-«to Æ S ai CN Ci t~~ r-h b- O to Tf LO IN LO IO OO IO d t. - c75<tocri o co o Tf b- f 0>~O O O O O O r 1 (N LQt^r 1 i^toooico E <D 'P R 'P... R "R. O O r-h O O J3> OOOOOOO OOO OOOOO (/) II III I I I I I LU a> a> OJ _* "O 5 <ucu a5 fa W > ft3 3 'S S "g *E So <u «? * <1 «? 3 >, «isa J

39 1= O N H (M CO O IO Tf 2 o o b- Tf co o oq 10 d oi d oi d co cd -to T i ' co I "O i= Oi Q 05 O CT) OO 05 O h 2 oi o) oi oi oi oi oi Tf _2 t ooooooo o OOOOOOO O ro ooooooo o M Ol «DJr, O H O H 05 N * 05 5-, tj.- co oo c- * i co Tf c cu -o o o o o o o r i oa HJ Ecu rr > OOOOOOO OOOOOOO i l o m ts iii 3 LU c. s CU ni < <" Jtt -* Ji i 2 I % cb < M rt bo M hn hn W) -o 5-4-J ja m IO O) IO to r-i CO Tf IO Ol ti» 2 coiotfoioooq ~rf, o i-i oi oa o co Tf d id Q= i.iii o3 -w CU ~C3 "Ok i \t I i I O i I <0 t I CO i I C i= 2 COCOCOCOCOCOCO Oi i I _cy -2 >- ooooooo o i i *j- ooooooo.. is ro ooooooo oo -t-> OJ :=3 <" )r» oocooojiot-h ooo CU tf-- Ol IO N N Ol G IO 0)00 JO CU "O O O O O O O i l (O IO aj Ecu *-? R R *-? *-? *-? *? R c2 E"1 r; > OOOOOOO OO w I I I I LU i_ CU»- 4-> cu _* +-> cu _ -r: " co.bfl o S s s - 34

40 OO OO OS LO t- Tf 00 OO O O IO H 00 IO t: N w oi n n o co cm cm co co co oo IN 6 * (N d N IO CO IO to 'Tf OO IO "O ~ r Ir li It It It It I t I H 05 N OJ H CO CO CO CO CO CO CO CO CO O O Tf N N N 42>- O O O O O O O CO CO CT2 LO T It It I 2 cu o o o o o o o co cm cm cm cm cm cm ro ooooodd d P R R R +? o co co o o o Sn"i l> CM CO CO OO OS t I CO H w O «<Tj _ - OO t l LO t-- OO CM OT IO OT t I 05 O (M N * CU~D O CO t i CO CO CM r-1 CO O LO CO O 00 CM /> Ec3 COCOCOCOCOOO t I t I t I t I t I t I t-h c ~z> > o cd co co co d d dddddd C w iiii i cu LU 10 CU i»»-»- c cu <u =:»- +j cu _* -o.o <->- & bo hn ro c CO CO CO CO t-- * < Md W) hd 5J. n h. M -ri C 00 OO CO OS OS Oi. Søc» OT OT OT OT OT OT -5 -T -SlsggufeS «i J2 o o o o o o i. CU se w ja <u SP O CO CM I"- OT CO O CM CN CO CO CO t i OO O!r (n n q io æ oo n in n to io o 5J co d Tf oi co N to ot tp lo co Tf co co t: -f i i i i i i "Ok r-it It I O t I O t I CM t I IM Ol CO IO IO IO <i> Jsi: cococococococo m h co oo lo t i i i t i 2 -S»- OCOCOCOCOOO Ot i cm cm cm cm cm cm C R? *? *-? R COO O O O O O O *2; ro a c5 <~> <zi> d <~> c~> <~> c6 <Z2 c~> ic: lo i CM 5J Jii t..- OO N OO N QO CN (O O O Tf I-- OT CO O OT CM O CO LO Tf LO CM OO Tf CO CM OT OT Tf OT 3 CU"0 r i O t i O O CM CM OT 00 CM LO CO OT OO CM CU ECU OOOOOOO OO t It It (Ot It I F9 r~ -J3> vi doddodd i i dd i dddddd i, LU i- i_ CU CU i- +J CU _* "O -g v«"s > & i.2, s.2, X "- - bo CU 2 bn ro c <0 (O N W to N "CU -O OO OO OO OT OT OT c botfo er. ot Oi ot ot os >, «'i 4g OOOOOOO 35

41 Tabell 22: Påskefaktorer og sesongjusterte tall for 5NN15_37 ved X-12-ARIMA og den nye metoden X-12 ny met. X-12 ny met. X-12 ny met. årstall mn rådata kor.fak. kor. fak. kor.data kor.data justert justert diff ny met.=ny metode, kor. fak.=korrigerte faktorer, kor.data=korrigert data, justert=sesongjustert 36

42 Tabell 23: Påskefaktorer og sesongjusterte tall for El ved X-12-ARIMA og den nye metoden X-12 ny met. X-12 ny met. X-12 ny met. årstall mn rådata kor.fak. kor.fak. kor.data kor.data justert justert diff

43 Tabell 24: Påskefaktorer og sesongjusterte tall for E 2 ved X-12-ARIMA og den nye metoden X-12 ny met. X-12 ny met. X-12 ny met. årstall mn rådata kor.fak. kor.fak. kor.data kor.data justert justert diff "

44 a. SNNIS_37 Industri b. Differansen av to sesongjusterte tall c. E 1 Innsatsvarer d. Differansen av to sesongjusterte tall Figur 5: Sesongjusterte tall ved to metoder for påskekorrigering 39

45 e. E 2 Investeringsvarer f. Differansen av to sesongjusterte tall Figur 6: Sesongjusterte tall ved to metoder for påskekorrigering 40

46 01 c_ a 29.5S Referanser [1] Alan Pankratz (1991), Forecasting with Dynamic Regression Models", Wiley Interscience. [2] Bell W. R. and Hillmer S. C. (1983). "Modelling Time Series With Calendar Variation". Journal of the American Statistical Association, 78, [3] Bureau of the Census. "X-12 ARIMA Reference Manual, Version 0.2.5, October 1, 1999" [4] Cleveland W. S. and Susan J. D. (1980), "Calendar Effects in Monthly Times Series: De tection by Spectrum Analysis and Graphical Methods", Journal of the American Statistical Association, 75, [5] Findley D. F., Brian C. Monsell, William R. Bell, Mark C. Otto and Bor-Chung Chen (1998). New Capabilities and Methods of the X-12 ARIMA Seasonal Adjustment Program", Journal of Business & Economic Statistics, 16, [6] Dagum Estela Bee (1988). Seasonal Adjustment in the Eighties: Some Problems and Solu tions", The Canadian Journal of Statistics, Vol 16, Supplement, 1988, Pages [7] Dagum Estela Bee, Benoir Quenneville and Brajendra Sutradhar (1992). Trading-day Vari ations Multiple Regression Models with Random Parameters", International Statistical Re view, 60, [8] Dagum Estela Bee (1988). The XIIARIMA/88 Seasonal Adjustment Method Foundations and User's Manual". [9] David F. Findley, Kellie Wills, and Brian C. Monsell (2001). "Issues in Estimating Easter Regressors Using RegARIMA Models with X-12-ARIMA", Australian Statistical Publishing Association Inc [10] John Higginson (1975). "An F Test for the presence of moving seasonality when using census method 11-X-11 variant". [11] Lars A. Loe (1987). Framskriving av tidsseriedata i kvartalsvis nasjonalregnskap", Notater 87/1. [12] Leiv Solheim og Dinh Quang Pham (1997). Prekorrigering av påskeeffekten for detaljvolu mindeksen ", Notater 73/97. [13] Lothian J. and M. Morry. "A set of Quality Control Statistics for the X-ll ARIMA". [14] E.J.F. Primrose (1951). The Mathematics of Easter", The Mathematical Gazette, Vol. 35, No (Dec, 1951), pp [15] Xichuan (Mark) Zhang, Craig H. McLaren and Cales C.S. Leung. "An Easter Proximity Effect: Modelling and Adjusment", Aust. N. Z. J. Stat 43(3), 2001, [16] W. R. Bell and S. C. Hillmer (1983). "Modeling Time Series with Calendar Variation", JASÅ, September 1983, Volume 78, Number 383. [17] S-PLUS User'Manual, version 3.2, December

47

48