Teollisuuden toimialakatsaus III/2009

  1. Yhteenveto teollisuuden suhdannetilanteesta
  2. Teollisuustuotannon lasku Euroopassa voimakkaampaa kuin USA:ssa
  3. Tuottajahinnat voimakkaassa laskussa
  4. Myynti väheni sekä kotimaassa että viennissä
  5. Teollisuuden palkkasumma laski edelleen
  6. Teollisuusyritysten suhdannetilanne edelleen hyvin heikko
  7. Fokus:
  8. Suhdanneaikasarjojen kausitasoituksella olennainen rooli
  9. Talouskehitys teollisuuden suurimmilla toimialoilla, TOL 2008
  10. Lähdeluettelo

Koko dokumentti yhdellä sivulla

Suhdanneaikasarjojen kausitasoituksella olennainen rooli

Kausitasoitus on tilastollinen menetelmä, jolla käsitellään aikasarjoja. Menetelmän tarkoitus on poistaa aineistosta vuoden sisäinen, säännöllinen kausivaihtelu. Kausitasoituksella on kaksi keskeistä päämäärää: tehdä aikasarjan peräkkäiset havainnot vertailukelpoisiksi ja helpottaa pitkän aikavälin suhdannekuvan tulkintaa. Kausitasoituksella onkin keskeinen rooli Tilastokeskuksen suhdanneaikasarjojen tuotannossa.

Kausitasoitusmenetelmiä on lukuisia. Euroopassa eniten käytettyjä ovat X-12-Arima ja Tramo/Seats -nimiset menetelmät, joiden käyttöä myös EU:n tilastovirasto, Eurostat, suosittelee. Tilastokeskuksessa käytetään näistä menetelmistä jälkimmäistä.

EU-maiden tilastotuotannon harmonisoimiseksi Eurostat on antanut kausitasoitusta koskevia ohjeita. Nämä ohjeet ovat myös Tilastokeskuksen kausitasoitusten taustalla.

Aikasarjan äärihavainnot (outliers)

Tilastokeskuksessa käytössä olevalla Tramo/Seats -menetelmällä laskettuihin lukuihin liittyy erityistä epävarmuutta, mikäli aineistossa on äärihavaintoja (outliers). Siksi nämä äärihavainnot tulee huomioida kausitasoituksessa erikseen. Kausitasoituksen epävarmuuden vähentämisen lisäksi äärihavaintojen oikeanlainen käsittely mahdollistaa totuudenmukaisemman suhdannekuvan antamisen. Siksi Eurostatin kausitasoitusohjeissa kehotetaan puuttumaan aineiston äärihavaintoihin.

Tramo/Seats -menetelmä pystyy huomioimaan kolmentyyppisiä äärihavaintoja. Erona niissä on tapa, jolla aikasarja palautuu äärihavaintoa edeltävälle tasolle. Yksittäisen poikkeavan havainnon (additive outlier) tapauksessa aikasarja palautuu äärihavainnon jälkeen heti takaisin lähtötasolleen. Vaimenevan muutoksen tapauksessa (transitory change) aikasarjan taso muuttuu äkillisesti, mutta palautuu muutaman seuraavan havainnon aikana vaiheittain lähtötasolleen. Tasomuutoksesta (level shift) on kyse, kun aikasarjan taso muuttuu, eikä korjaannukaan muutaman seuraavan havainnon aikana muutosta edeltävälle tasolle.

Aikasarjan loppupäähän sijoittuvien äärihavaintojen tarkastelu on erityisen haasteellista. Jotta äärihavainnon tyyppi voidaan tunnistaa, täytyy tietää, palautuuko aikasarja takaisin lähtötasolleen ja jos kyllä, niin kuinka nopeasti tämä korjaantuminen tapahtuu. Erityisesti tasomuutos voidaan tunnistaa vasta, kun aikasarjan on todettu jääneen muutosta seuranneelle tasolle.

Milloin äärihavaintoja luokitellaan tasomuutoksiksi?

Tasomuutosten huomioiminen (tai huomiotta jättäminen) vaikuttaa keskeisesti kausitasoituksen tuloksiin. Tämän vuoksi äärihavaintoja on syytä tarkastella sekä empiirisesti että intuitiivisesta näkökulmasta.

Äärihavaintoa ei luokitella tasomuutokseksi, ellei sille löydy selitystä tilaston ilmiöalueelta. Tämä tarkoittaa, että tasomuutoksen suunnalla ja ajoituksella tulee olla järkevä tulkinta. Lisäksi aineiston on annettava todisteita tasomuutoksen olemassaolosta. Tätä tarkastellaan kausitasoitusohjelmiston avulla tutkimalla tasomuutoksen merkitsevyyttä.

Kausitasoituksen laatua voidaan arvioida erilaisten tilastollisten testien valossa. Äärihavainto luokitellaan tasomuutokseksi, jos ratkaisun myötä nämä laatumittarit osoittavat kausitasoituksen parantumista.

Tasomuutoksen huomioimisella pyritään siis totuudenmukaisempaan suhdannekuvaan ja kausitasoituksen laadun parantamiseen. Koska tasomuutoksen huomioiminen vaikuttaa keskeisesti kausitasoituksen tulokseen, on tasomuutokselle oltava sekä aineistoon perustuvaa empiiristä näyttöä että tilaston ilmiöalueeseen perustuvaa intuitiivista tulkintaa.

On korostettava, että tasomuutokset voidaan huomioida kausitasoituksessa vasta, kun on todettu, ettei aikasarja ole palautunut muutosta edeltävälle tasolleen.

Miten tasomuutoksen käyttö vaikuttaa teollisuuden volyymi-indeksin trendin tulkintaan?

Ilman tasomuutoksen huomioimista teollisuuden volyymi-indeksistä laskettu trendi (punainen) kertoisi teollisuuden volyymin kääntyneen laskuun helmikuussa 2008. Tuolloin alkanut lasku jatkuisi vielä syksyllä 2009. Volyymi-indeksin huolellinen tarkastelu ei tue kumpaakaan väitettä.

Teollisuuden volyymi-indeksin vuosimuutoksissa ei ole nähtävissä laskun merkkejä alkuvuodesta 2008. Vuosimuutoksen sen sijaan paljastavat, että vuodenvaihteessa 2008/2009 on voimakas pudotus, jonka jälkeen aikasarja on jäänyt alemmalle tasolle. Aikasarjan vuosimuutosten perusteella teollisuuden alamäki ei enää jatkuisi. Saman huomion voi tehdä volyymi-indeksin aikasarjasta (sininen).

Teollisuuden volyymin pitkän aikavälin kehityksestä saadaan totuudenmukaisempi kuva, mikäli vuodenvaihteen pudotus huomioidaan kausitasoituksessa tasomuutoksena (ks. vihreä käyrä). Teollisuuden volyymi romahtaa kertarysäyksenä vuodenvaihteessa 2008/09. Pudotusta on seurannut hidas nollakasvun aika.

Kuvio 7. Koko teollisuustuotannon alkuperäinen sarja, trendi ja trendi ilman tasomuutosta

Myös monissa teollisuuden alatoimialoissa (lähinnä metsä-, kemian, sähkö- ja elektroniikka-, ja metalliteollisuus) on vuodenvaihteeseen 2008/09 sijoittuva romahdus, joka huomioidaan kausitasoituksessa tasomuutoksena. Koko teollisuuden volyymi-indeksin tasomuutos on siis ajallisesti linjassa teollisuuden alatoimialojen tietojen kanssa.

Vuoden 2009 neljättä neljännestä käsittelevä teollisuuden toimialakatsaus ilmestyy 26.3.2010. Toimialapohjaisissa tilastoissa on siirrytty käyttämään uutta toimialaluokitusta TOL 2008. Lisätietoja siirtymästä Tilastokeskuksen internet sivuiltahttp://tilastokeskus.fi/til/tol2008.html.

Alkuun Edellinen Seuraava

Päivitetty 14.1.2010