Warum sollten wir Saisonalität aus einer Zeitreihe entfernen?

Während wir mit Zeitreihen arbeiten, erkennen und entfernen wir manchmal Saisonalität mithilfe der Spektralanalyse. Ich bin ein echter Anfänger in Zeitreihen und ich bin verwirrt, warum man Saisonalität aus der ursprünglichen Zeitreihe entfernen möchte. Verzerrt das Entfernen der Saisonalität nicht die ursprünglichen Daten?

Welche Vorteile erhalten wir durch die Erstellung einer Zeitreihe durch Entfernen der Saisonalität?

• Burman, J. Peter (1980), " Seasonal Adjustment by Signal Extraction ", Zeitschrift der Royal Statistical Society, Reihe A, 143, S. 321

Die Gründe laut Burman:

Am häufigsten wird eine Schätzung des aktuellen Trends bereitgestellt, damit kurzfristige Prognosen erstellt werden können. Alternativ kann es auf eine große Anzahl von Serien angewendet werden, die in ein Wirtschaftsmodell eingehen, da es sich als unpraktisch erwiesen hat, nicht angepasste Daten mit saisonalen Dummies in allen außer den kleinsten Modellen zu verwenden. Dies wird häufig als historischer Modus der saisonalen Anpassung bezeichnet

• Shiskin, Julius (1957), " Electronic Computers and Business Indicators ", Journal of Business, 30, 219-267.

Ein Hauptzweck der Untersuchung von Wirtschaftsindikatoren besteht darin, die Phase des Konjunkturzyklus zu bestimmen, in der sich die Wirtschaft befindet. Dieses Wissen hilft bei der Vorhersage nachfolgender zyklischer Bewegungen und bietet eine sachliche Grundlage für Maßnahmen zur Moderation der Amplitude und des Umfangs des Geschäftszyklus. . . . Bei der Verwendung von Indikatoren sind Analysten jedoch ständig besorgt über die Schwierigkeit, zyklische von anderen Arten von Schwankungen, insbesondere saisonalen Schwankungen, zu trennen.

Wenn Sie meine 2 Kopeken wollen, dann würde ich es so zusammenfassen:

1. Bequemlichkeit: Wenn Sie sich mit mehreren Wirtschaftsreihen befassen, hat jede ihre eigene Saisonalität. Es wird unpraktisch, die Saisonalität jeder Serie in multivariaten Modellen zu behandeln. Daher ist es einfacher, alle Wirtschaftsreihen zu de-saisonalisieren, bevor sie multivariaten Modellen hinzugefügt oder zusammen analysiert werden.
2. Trendextraktion: Viele Wirtschaftsreihen sind von Natur aus saisonabhängig, z. B. sind die Immobilienpreise im Sommer höher. Wenn der Immobilienpreisindex plötzlich sinkt, liegt dies nicht immer daran, dass er etwas Wichtiges für die Wirtschaft signalisiert, sondern es könnte einfach der saisonale Rückgang sein, für den keine wesentlichen Informationen vorliegen. Daher möchten wir die Serie deseasonalisieren, um zu verstehen, wo wir uns befinden.

Bei der Betrachtung der Beziehungen zwischen zwei Variablen, bei denen es sich um Zeitreihen handelt, verringert die Saisonalität die Freiheitsgrade, da die Daten nicht unabhängig sind. Diese "serielle" Korrelation führt zu falschen Korrelationen. Damit entfällt die Saisonalität mit dem Ziel, die Freiheitsgrade zu erhöhen.