1999年-BIS国际清算银行_The_cyclical_sensitivity_of_seasonality_in_US_employment__38页_287kb

总结：美国就业季节性与经济周期的相互作用

核心内容

本文探讨了美国就业数据中季节性和经济周期性之间的相互作用，指出传统的单变量季节调整方法可能无法准确捕捉这些复杂关系。研究提出了一种未观测成分模型，该模型能够更全面地描述行业层面的季节性与经济周期的相互影响，并通过实证分析验证了这一假设。

主要观点

1. 季节性与经济周期的交互作用

   • 季节性变化和经济周期性在经济数据中可能产生复杂的相互作用，这些作用可能影响对经济周期的判断。
   • 季节性调整的数据可能掩盖或扭曲真实经济周期信息，特别是在某些行业中，季节性因素未能充分反映经济周期状态。

2. 模型构建与方法

   • 本文开发了一个多变量未观测成分模型，该模型通过将行业就业数据与一个共同的经济周期成分联系起来，捕捉行业与周期之间的协同变化。
   • 模型通过引入季节性虚拟变量和共同周期成分，允许对不同季节中行业与周期的协同变动进行统计检验。

3. 实证发现

   • 在多个行业中，发现季节性与经济周期的协同变动存在显著差异。
   • 在超过一半的行业中，季节性与周期性的交互作用解释了至少20%的非季节性变动方差。
   • 行业层面的季节性波动主要为异质性波动，对整体经济周期的影响相对较小。

4. 模型与X-11季节调整方法的比较

   • 模型生成的行业特定季节性因素与X-11方法相似，但在实时数据应用中存在差异。
   • 非季节性成分在经济周期高峰时对总就业增长具有重要影响，表明季节性调整对经济周期分析至关重要。

关键信息

• 数据来源：美国非农业就业数据，按季度统计，涵盖九个行业：建筑、汽车制造、非汽车耐用消费品制造、非耐用消费品制造、零售业、其他服务行业、联邦政府、州和地方政府、采矿业。
• 模型结构：
  • 观测方程：将行业就业数据与共同周期成分、行业特定季节性成分和非季节性误差项联系起来。
  • 状态转移方程：描述共同周期成分和行业特定误差项的动态变化。
  • 季节性调整方法：使用季节性虚拟变量，而非传统的X-11方法，以更准确地反映季节性与周期性的关系。
• 统计检验：模型允许对不同季节中行业与共同周期的协同变动进行正式的统计检验。
• 结果解释：
  • 季节性波动在行业层面主要是异质性的，对整体经济周期的影响有限。
  • 季节性调整可能未能充分考虑经济周期因素，导致对周期性波动的误判。
  • 技术因素（如生产方式的季节性变化）在某些行业中显著影响了季节性与周期性的相互作用。

行业层面的季节性与周期性特征

模型优势与应用意义

• 模型优势：相比传统单变量方法，该模型能够更全面地识别季节性与经济周期的相互作用，并提供对周期性变动的更准确估计。
• 应用意义：对于经济预测者和周期分析者而言，模型提供了一种更精确的方法来处理季节性调整后的数据，特别是在经济周期的关键节点，如转折点，模型的处理方式显得尤为重要。

结论

• 季节性与经济周期的相互作用在行业层面显著存在，但行业层面的季节性波动主要是异质性的，对整体经济周期的影响有限。
• 季节性调整方法若未考虑周期性因素，可能导致对经济周期的误判。
• 本文提出的模型为理解季节性与周期性之间的复杂关系提供了新的框架，有助于更准确地进行经济分析和预测。