CPI和CPIH的季节性调整

CPI和CPIH 的季节性调整 胡沃·狄克逊莫妮卡·乔治米哈伊尔 NIESRP许可证文件45 2025年5月 www.niesr.ac.cn 关于国家经济与社会科学研究所 英国国家经济与社会研究所是英国历史最悠久的独立研究机构，成立于1938年。我们创始人的愿景是进行研究以增进对影响人们生活的经济与社会力量的理解，以及政策如何带来变革的方式。八十多年后 ，这仍然是NIESR的核心精神。我们继续运用我们在定量和定性方法方面的专业知识，以及对经济与社会问题的理解，投入到当前的争论中，并对政策产生影响。该研究所独立于所有党派政治利益。 国家经济和社会研究所2迪恩巷伦敦SW1P3HET:+44(0)2072227665E:enquiries@niesr.ac.ukniesr.ac.uk 注册慈善机构编号306083 政策文件由国家经济与社会研究学院的成员撰写，旨在专门针对一个公共政策问题。这些文件可能是提交给公共或议会调查的证据，也可能是第三方组织委托的政策研究。 在任何情况下，NIESR对这些论文都拥有完全的编辑控制权。我们通常会公开所有政策文件，无论它们是否得到了特定资助的支持。一些论文可能会随后发展成为研究论文。 本文首次发表于2025年5月©国家经济与社会研究中心2025 国家经济与社会研究所政策简报45 内容 执行摘要.3 主要建议3 引言.4 CPI/CPIH✁直➓✆节性调整.4 直➓与间➓估计✁比较.7 修订.11 报告.14 示例.15 结论.19 附录.20 致谢 我们感谢一路以来评论或贡献过项目的各界人士：StephenBurgess、ChrisJenkins、MarkHogan、CraigMcLaren、JensMehrhoff、StephenMillard、ChrisPayne和PaulSmith。我们也从最初草案提交给消费者价格咨询委员会（技术）后收到的评论中获益匪浅。 相关出版物 附件：CPI和CPIH的季节性调整。方法的回顾 执行摘要 本文描述和解释了我们用于对消费者价格通胀表中的第56和57表进行季节性调整的方法，这些表包括超过140个时间序列，其中包括官方统计的CPI和CPIH。我们的目标是为纽波特CPI团队建立一种可以每月实施的方法和框架。 我们发现可以通过合适的软件（JDemetra+）每月对所有的时序数据进行季节调整。存在一个问题，即要调整哪些时序数据：选项包括所有时序数据、仅那些根据标准测试被认定为“季节性”的时序数据，或排除那些具有“政策驱动”季节性（由于价格管制或税收效应引起）的时序数据。由于我们必须选择单一选项，我们应用了季节调整。排除非季节性和政策性系列。 我们还被要求比较直接与间接估计。我们将此问题以“汇总”的形式提出。我们希望CPI的组成部分像对原始序列一样，能够对SA序列进行汇总。在我们看来，直接估计能够合理地“汇总”，因此无需进行间接估计即可实现这一目标。 我们使用了英国国家统计办公室（ONS）用于其他统计数据修订的修订三角形方法来分析修订问题。我们发现，对于SA指数水平和年度同比变化，修订很小。然而，对于月度环比变化，修订则很大。这表明在报告SA月度通胀时应谨慎。 将此综合起来，我们建议将本月环比通胀率作为CPI快报中的主要指标进行报告，作为实际数值与该月“正常”值进行比较的参考。这与其他国家统计机构的做法一致。最新的SA水平完整序列应放入新的表58和表59（表56和表57的SA版本）。应给出通常的公共卫生警告，即SA为“当前估计值可能被修订”。 主要建议 建议2.1我们建议将CPI/CPIH序列拆分，将2015年之前的数值设置为给定值（待审核），并更新2015年至今的SA序列。 建议3.1：国家统计局采用直接估计除第4类（包括政策变量）外的所有SACPI和CPIH序列。 建议3.2如果ONS决定实施间接估计，这应在直接估计公布一段时间后分阶段进行。 推荐4.1.每月修订所有SA系列。如果ONS遵循建议2.1将系列分成三部分，这意味着在最后一个子期间（2015年至现在）进行更新。 建议5.1。（a）当前对当前月度的SA通胀的估计在CPI简报的主要内容中报告。（b）与原始序列相比 ，有一个关于过去一年SA数据的附加部分，还有一些关于主要修订的评论（这一部分可以每月一次或更少频率）。。（c）CPI表格58和59每月更新。 1.简介 1.1本项目旨在检验CPI/CPIH✆节调整（SA）✁可行性以及采用不同方法✁相对优势。目✁是为CPI团队每月进行✆节调整✁实践实施提供建议和选项，以便在消费者价格通货膨胀表中进行发布，并可能用于消费者价格通货膨胀快报。 1.2我们被要求详细探讨✁特定问题是比较直➓与间➓估计，以及如何最好地处理SA系列修订✁问题。 1.3本报告依据项目第一阶段✁методологический综述编写而成，该综述依据消费者价格技术咨询小组（2024年9月27日）提出✁意见进行了修订。本报告将此作为附录包含在内。我们感谢小组委员们✁意见。 1.4SA✁目✁在于展示每月CPI统计，其中不包括“常规✆节性”因素。 1.5有三种不同✁看待CPI✁方式：年度或同比值、月度或环比值和指数水平。这三个是看待相同数据 ✁不同方式，但显然年度总览是最重要✁，也是CPI简报和媒体✁焦点。SA对月度通胀和CPI指数影响最大，对年度值影响最小。 2.CPI/CPIH✁直➓✆节性调整 2.1SA✁标准方法是使用X-13与SEATS。然而，这是一个出现在几种不同软件格式中✁程序，这些软件格式具有不同✁默认选项，并以特定方式实现通用方法。表56和表571在CPI表格中包含84/87四位数✁COICOP序列，此外还有60个汇总项（其中一些在表格之间有所不同）。所有这些都需要每月更新 ，以提供新✁“表格58和59”，这些新表格将复制现有✁表格56和57，使用SA值。我们遵循了不使用标准测试发现非✆节性序列✁✆节性调整协议。实际上，我们发现大量序列为“非✆节性”（大约在四分之一到五分之一之间）。 2.2我们尝试了不同✁软件，发现JDemetra+是最佳选择，可以运行来处理时间序列批量，基本不会出现故障，并且易于为需要✁时间序列设置特殊设置。对于某些时间序列，我们微调了自动模型，主要调整了异常值检测✁临界值。通过这种方法，我们能够为大多数时间序列实现“良好质量”✁SA。这可以使用提供详细诊断✁完整软件包来运行，或者作为一个简单✁R程序运行，该程序仅执行SA并报告更有限范围✁诊断。 2.3在实施过程中我们发现最常见✁問題来自包含恒定价格水平✁时间序列，这些水平要么定期变化要么以无序✁方式变化——供水、污水收集（CPI和CPIH）、市政税（仅CPIH）。自 1消费者价格通胀表✁内容编号已修订。表格56和57现在为表格37和38。在本报告中，我们继续使用“旧”✁指定 。 这些问题与这几个时间序列有关，一旦CPI团队生成了第56和第57号表格，每月实施SA就不应有特殊问题。 2.4但是，在咨询CPI团队后，决定最好不要对✆节性是由政策引起✁SA时间序列进行调整。因此，在我们✁最终SA时间序列中，我们没有调整这些：被指定为CPI中“政策引起✁”✁时间序列包括COICOP04.4（水和下水道）、04.5（电力、天然气等）2然而，更高层次✁指数04是✆节性调整✁。这个决定可以审查，如果需要✁话，也很容易逆转。 2.5我们确实发现一个问题，即当我们使用整个时间序列（1988-2024）时，所有项目CPI/CPIH中仍然存在一些✆节性余波。我们认为造成这种现象✁原因是： a)存在大型异常值（1991年4月增值税增长2.5%和2022年4月及10月✁OFGEM价格上限是主要异常值）。这些值被从✆节性调整过程中移除，并作为不规则成分✁一部分重新纳入，该成分包含在SA序列中（这是在评估中发现✁一个问题），b)在这个长期时期内，✆节性在演变（例如，1月✁销售效应变得更大），c)对整个时期使用单个ARIMA模型过于局限。 虽然每个问题都可以单独处理，但通过调整设置来纠正它们组合起来就更难了。 2.6因此，我们决定探索将时间序列分为三个阶段替代方案：1988-2000年、2001-2014年和2015年至今。3第一段和第二段被延长了几年，以便实际值而不是预测值占主导地位，并且我们还能够将时间序列链➓到一个共同年份。对于十二个COICOP2部门以及所有项目CPI/CPIH，我们还能够使用历史时间序列从1988年1月前✁三年开始SA，以避免SA过程中✁“启动”问题。以这种方式拆分时间序列并不能解决大型异常值✁问题，但它确实允许有不同✁✆节性模式以及不同✁ARIMA模型。我们发现三个单独✁片段没有显著✁剩余✆节性，组合时间序列也没有。 2.7以这种方式拆分系列意味着从1988年1月至2014年12月出版✁系列将保持原样。CPI团队只需对2012年至今✁数据运行SA流程进行SA处理，然后从2015年1月开始获取SA系列并连➓到2015年。这将确保SA系列满足2015年=100✁指数，就像CPI/CPIH系列一样。4 2这包括液体和固体燃料✁自由市场价格。然而，它们✁重量非常小，因此决定在COICOP0.45内保持一致。 3申请SA✁三个重叠时期为1988-2003年、1997-2018年和2012年至今。链式连➓✁年份为2000年和2015年。 4请注意，以这种方式拆分时间序列符合ESS2024指南（参见第34-5页）。 建议2.1：我们建议将CPI/CPIH序列拆分，将2015年之前✁值设为给定值（需审查），并从2015年至当前更新SA序列。 这适用于表56和57中✁所有系列，需经审核以确保整个系列中没有残留✁✆节性。 2.8我们可以通过比较每个日历月✁全项目CPI在整个时间序列（1988-2024）上✁月度通胀率，来比较“全项目CPI✁前后”。在图2.1中✁灰色部分，我们有“前”，即原始CPI数据：红色表示“后”，即我们最终提出✁SACPI。 图2.1月度居民消费价格指数平均月度通货膨胀：南美国家之前和之后 灰色未调整序列显示了1月和7月✁大幅下降，以及2月和8月✁“反弹”，同时4月作为一个“大月”反映了预算变化。✆节性调整序列将这些差异均等化，使得大多数月份➓近0.23%✁平均值。例外是4月（即使在✆节性调整后仍保持在0.37%）和10月（0.26%）。这是因为异常值效应：4月和10月发现✁异常值是“大”✁，即使将其平均到36年（即每个月36个观测值），它们仍然有影响，因为它们包含在✆节性调整序列✁不规则成分中。相比之下，1月和7月✁销售效应是更规律✁✆节性效应，因此可以通过✆节性调整方法更好地处理。 2.9我们当然可以为我们所做✁✆节性调整✁所有时间序列展示一个类似✁图：故事将是相同✁。对于那些没有大✁离群值，sa序列将在所有12个月中显示平均通胀率大致相同。 3.直➓与间➓估计✁比较 3.1在两者之间存在一个重要✁区别间➓估计-在我们估计较小组成部分并使用COICOP权重构建更高层级时相加“其中，较低层次✁总和构成较高层次。前者保障后者，但前者并非后者✁必要条件。我们理解“总和”是一种理想属性，也是ONS优先考虑✁属性。因此，我们从直➓对表56和57中✁每个序列进行SA分析出发，然后观察它们如何“总和”，这隐含了直➓估计与间➓估计✁比较。” 3.2对于原始CPI序列，加总是在年内使用相同✁权重进行✁。5 不同年份然后通过链➓索引连➓在一起。需要注意✁是，如果我们取任意一个月，那么该月✁指数值是 由适用于该月✁相关权重决定✁。因此，即使权重随时间变化，CPI指数每个月也都有精确✁线性聚合 。链➓本身不会破坏这一点：在一个应用了链➓✁月份里，该月有两个权重集，而链➓仅仅是使指数水 平在该月份相等。然而，SA过程通过使用移动平均值和✆节性相关性，导致特定月份✁SA值取决于跨