Sezónně očištěná data

Kolísání časových řad může být zapříčiněno různými faktory, mezi něž patří například pravidelné sezónní vlivy (Vánoce, letní prázdniny), dlouhodobější faktory jako recese, technologický pokrok nebo strukturální změny, jednorázové faktory jako stávky a přírodní neštěstí a další krátkodobé fluktuace následkem počasí apod.

V procesu sezónního očišťování se předpokládá se, že časové řady mohou být rozloženy na 4-5 základních složek, a to

Trend – zachycuje dlouhodobou tendenci časové řady růst nebo klesat (trend ovlivňují síly jako populační změna, inovace, změna cen, růst produktivity)
Cyklická složka – vlnové výkyvy okolo trendu; zpravidla delší než jeden rok, nemusí být stejně dlouhé
Tyto dvě složky jsou spojeny v tzv. cyklus-trend.
Sezónní složka – pravidelně se opakující fluktuace související se střídáním ročních období, svátky, množství denního světla atd., které mohou ovlivnit spotřební zvyky a schopnosti produkce.
Nepravidelná (iregulární) složka – představuje výkyvy, které jsou dynamické, nepředvídatelné a nemají systematický charakter. Sem se většinou přiřazují tzv. vychýlená (odlehlá) pozorování – pohyby, kterým se dá přiřadit specifická příčina jako např. přírodní neštěstí nebo stávka

Systematické sezónní výkyvy (sezónnost) znesnadňují interpretaci dat, například je obtížné rozpoznat dlouhodobý trend, cyklické variace nebo kritická místa jako jsou body obratu. Cílem procedury sezónního očištění je tedy oddělit sezónní složku čímž zbude složka trend-cyklus a nepravidelná složka, aby byly ostatní vlivy na časovou řadu zřetelnější a umožněno srovnání po sobě jdoucích pozorování, zejména za účelem rozpoznání krátkodobých tendencí (v rámci jednoho roku).

Původní řady jsou hlavně využitelné, pokud nás zajímá současná čtvrtletní nebo měsíční hladina indikátoru. Sezónně očištěná data slouží hlavně jako srovnávací nástroj – k porovnání krátkodobých pohybů jednotlivých období roku jedné časové řady mezi sebou, ke srovnání časových řad s rozdílným sezónním průběhem a v neposlední řadě ke smysluplnému mezinárodnímu srovnání.
Sezónní vlivy jsou většinou oproti ostatním pravidelné a poměrně velké, takže mohou být s důvěrou odstraněny a tak je výrazně zvýšena využitelnost dat. Je ale nutné mít na paměti, že odhady dat trendu a sezónně očištěných dat zejména na konci řady (tedy nejnovější) jsou předmětem revizí a závislé na budoucích hodnotách. Proto se pro potvrzení vývoje doporučuje mít dalších 3 až 6 pozorování. Někdy se sezónnost může v čase vyvíjet, což také může ovlivnit odhady vývoje.