Zusammenfassung
Im vorliegenden Aufsatz wird für die vom Statistischen Bundesamt verwendeten Saisonbereinigungsverfahren X-12-ARIMA und BV4.1 gezeigt, dass die Berücksichtigung von Echtzeit-Daten die Ergebnisse der sukzessiven Analysen im Verfahrensvergleich signifikant beeinflusst: Erstens ist die Stabilität beider Verfahren deutlich geringer als in der Ex-post-Betrachtung, zweitens nimmt die Trennschärfe der Stabilitätskriterien unter Datenunsicherheit ab und drittens kann die Berücksichtigung von Echtzeitdaten dazu führen, dass sich die Reihenfolge der Verfahren bezüglich der Qualitätskriterien umkehrt. Diese Ergebnisse motivieren eine Überprüfung der Resultate bisheriger Studien des Statistischen Bundesamtes auf ihre Robustheit in Bezug auf Datenunsicherheit.
Abstract
The German Federal Statistical Office uses the two different methods X-12-ARIMA and Berliner Verfahren BV4.1 for seasonal adjustment. This paper explores the consequences of using real-time data for the comparison between X-12-ARIMA and BV4.1. The three main results are: First, the stability of both methods declines remarkably; second, the discriminatory power of stability decreases; third, the ranking of the methods as implied by their stability properties can be reversed in comparison to the ex-post-analysis. These results motivate a critical examination of existing empirical comparison studies with respect to the robustness under data uncertainty.
Literatur
Akaike H, Ishiguro M (1980) BAYSEA: a Bayesian seasonal adjustment program, Computer Science Monographs No. 13, Tokyo
Croushore D, Stark T (2001) A real-time data set for macroeconomists. Journal of Econometrics 105:111–130
Deutsche Bundesbank (2009) Konjunktur in Deutschland; in: Monatsbericht, August, S 49–67
ECB (2010) Update on developments in general economic statistics for the Euro area; in: Monthly Bulletin, February, S 95–107
Gerberding C, Seitz F, Worms A (2005) How the Bundesbank really conducted monetary policy. N Am J Econ Finance 16(3):277–292
Giannone D, Henry J, Lalik M, Modugno M (2010) An area-wide real-time database for the Euro area; ECB Working Paper Series No 1145
Gomez V, Maravall A (1995) Programs TRAMO and SEATS update: 1995. EUI working paper ECO No 95/46, San Domenico
Harvey AC (1989) Forecasting, structural time series models and the Kalman filter. Cambridge University Press, Cambridge
Hebbel H, Kuhlmeyer N (1983) Eine Weiterentwicklung von Heiler’s Berliner Verfahren. Forschungsbericht Nr 83/9, Universität Dortmund
Höpfner B (1998) Ein empirischer Vergleich neuerer Verfahren zur Saisonbereinigung und Komponentenzerlegung. Wirtsch Stat 12:949–959
Jung S (2002) Erfahrungen mit dem Saisonbereinigungsverfahren Census X-12-ARIMA für den Produktionsindex. Wirtsch Stat 9:797–801
Jung S (2009) Analyse der Revisionen ausgewählter Konjunkturindikatoren. Wirtsch Stat 5:406–415
Kähler J, Pinkwart N (2011) Saisonbereinigung ökonomischer Zeitreihen: Das Beispiel BIP. WiSt. Wirtschaftswiss. Stud. 40(1):24–29
Orphanides A (2001) Monetary policy rules based on real-time data. Am Econ Rev 91(4):964–985
Pauly R, Schlicht E (1984) Zerlegung ökonomischer Zeitreihen: Ein deterministischer und stochastischer Ansatz. Allg Stat Arch 68:161–175
Schäffer K-A (1976) Vergleich der Effizienz von Verfahren zur Saisonbereinigung einer Zeitreihe. Sonderh Allg Stat Arch 9:83–104
Schäffer K-A (1997) Bewertung der Treffgenauigkeit von Diagnosemethoden. In: Edel K, Schäffer K-A, Stier W (Hrsg) Analyse saisonaler Zeitreihen. Heidelberg, S 149–154
Speth H-T (1994) Vergleich von Verfahren zur Komponentenzerlegung von Zeitreihen. Wirtsch Stat 2:98–108
Speth H-T (2004) Methodenberichte: Komponentenzerlegung und Saisonbereinigung ökonomischer Zeitreihen mit dem Verfahren BV4.1. Statistisches Bundesamt, Wiesbaden
Statistisches Bundesamt (1987a) Fachserie 18 Volkswirtschaftliche Gesamtrechnung – Reihe 3: Vierteljahresergebnisse der Sozialproduktberechnung, 1. Vierteljahr 1987. Wiesbaden
Statistisches Bundesamt (1987b) Fachserie 18 Volkswirtschaftliche Gesamtrechnung – Reihe 3: Vierteljahresergebnisse der Sozialproduktberechnung, 2. Vierteljahr 1987. Wiesbaden
Statistisches Bundesamt (1987c) Fachserie 18 Volkswirtschaftliche Gesamtrechnung – Reihe 3: Vierteljahresergebnisse der Sozialproduktberechnung, 3. Vierteljahr 1987. Wiesbaden
Statistisches Bundesamt (1988a) Fachserie 18 Volkswirtschaftliche Gesamtrechnung – Reihe 3: Vierteljahresergebnisse der Sozialproduktberechnung, 4. Vierteljahr 1987. Wiesbaden
Statistisches Bundesamt (1988b) Fachserie 18 Volkswirtschaftliche Gesamtrechnung – Reihe 3: Vierteljahresergebnisse der Sozialproduktberechnung, 1. Vierteljahr 1988. Wiesbaden
Statistisches Bundesamt (2010) Die Zeitreihenanalyse – ein unverzichtbarer Bestandteil der aktuellen Konjunkturbeobachtung. http://www.destatis.de/jetspeed/portal/cms/Sites/destatis/Internet/DE/Content/Wissenschaftsforum/MethodenVerfahren/Infos/Zeitreihenanalyse,property=file.pdf
Stier W (1985) Saisonbereinigungsverfahren – Ein Überblick. OR Spektrum 7:63–79
Stier W (2001) Methoden der Zeitreihenanalyse. Springer, Berlin
U.S. Bureau of the Census (2007) X-12-ARIMA reference manual, version 0.3. Census, Washington
Wald A (1936) Berechnung und Ausschaltung von Saisonschwankungen. Springer, Wien
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Pinkwart, N. Zur Stabilität von Saisonbereinigungsverfahren: Eine Echtzeitdaten-Analyse am Beispiel BV4.1 und X-12-ARIMA. AStA Wirtsch Sozialstat Arch 5, 125–144 (2011). https://doi.org/10.1007/s11943-011-0100-8
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s11943-011-0100-8