X-11方法季节成分不一致问题及X-13ARIMA-SEATS原理咨询

问题背景与代码 #

正在学习R语言中的X-11时间序列分解方法，参考Rob J Hyndman与George Athanasopoulos所著《Forecasting: Principles and Practice (3rd ed)》，使用seasonal包进行季节调整。将该方法应用于fpp3包中的us_retail_employment数据，代码如下：

library(fpp3)
us_retail_employment <- us_employment |>
  filter(year(Month) >= 1990, Title == "Retail Trade") |>
  select(-Series_ID)

x11_dcmp <- us_retail_employment |>
  model(x11 = X_13ARIMA_SEATS(Employed ~ x11())) |>
  components()
autoplot(x11_dcmp) +
  labs(title =
         "Decomposition of total US retail employment using X-11.")

核心疑问 #

生成的图像显示，季节成分振幅呈下降趋势，且在2010年1月后达到峰值，但原始数据显示就业人数呈增长趋势，这与直觉相悖，期望季节成分能反映稳定的季节性模式。想了解：

• 这种不一致是因为选择X-11而非SEATS方法？
• 还是X-11方法的特性或假设影响了季节成分估计？
• 或是数据本身的特性导致季节成分随时间变化？
  同时希望用通俗语言了解X-13ARIMA_SEATS函数的内部机制及季节调整步骤。

问题解答 #

季节成分振幅下降的原因 #

• 不是X-11与SEATS的选择问题：你在代码中指定了~x11()，所以走的是X-11分解流程，和SEATS无关。这种时变的季节振幅是X-11的正常特性，而非错误。
• X-11的核心特性：X-11不假设季节性是固定不变的，它允许季节成分的振幅和模式随时间变化。它通过迭代移动平均的方式，动态捕捉不同时期的季节性波动特征，而不是强制生成固定振幅的季节项。
• 数据本身的特性：美国零售就业的总规模一直在增长，但季节性波动的相对比例在下降——比如圣诞旺季的临时就业增量，在总就业中的占比逐年降低，所以X-11估计出的季节成分（相对于趋势的波动）就会呈现振幅下降的趋势。2010年前后的峰值是次贷危机后就业复苏阶段的短期波动放大，属于特殊时期的阶段性特征，之后回归长期下降的相对波动趋势。

X-13ARIMA-SEATS通俗解析 #

X-13ARIMA_SEATS是整合了ARIMA预调整、X-11分解、SEATS分解的工具，你用的~x11()分支流程可以拆成3步：

1. ARIMA预处理：先给原始数据拟合ARIMA模型，补全缺失值，同时生成序列两端的“延伸数据”（避免移动平均在序列首尾的误差），还会自动剔除日历效应（比如不同年份的2月天数、每月工作日数差异）。
2. 迭代式X-11分解：
   • 第一步：用移动平均初步估计趋势-循环项（长期增长走势+中期经济周期波动），从原始数据中减去这个项，得到去趋势的序列。
   • 第二步：从去趋势序列中，通过同月/同季的移动平均提取初步的季节成分，再用原始数据减去趋势和季节成分，得到残差+循环项。
   • 第三步：反复迭代优化——用更精准的趋势-循环项重新计算季节成分，再用新的季节成分修正趋势项，直到各成分的变化稳定下来。
3. 输出最终成分：最终分解出趋势-循环项（反映长期就业增长）、季节项（时变的季节性波动）、残差项（无法解释的随机噪声）。

内容的提问来源于stack exchange，提问作者Rony Golder