時系列から季節性を取り除く必要があるのはなぜですか？

時系列の操作中に、スペクトル分析を使用して季節性を検出して削除することがあります。私は時系列の本当の初心者ですが、元の時系列から季節性を取り除きたいのはなぜでしょうか。季節性を削除すると元のデータが歪むのではないですか？

季節性を取り除いて時系列を構築することでどのようなメリットがありますか？

• バーマン、J。ピーター（1980）、「信号抽出による季節調整」、英国王立統計学会誌、シリーズA、143、p.321

バーマンによると理由：

最も一般的なのは、現在の傾向の推定値を提供して、判断的な短期予測を行うことです。または、最小モデルを除くすべてのモデルで季節性ダミーを含む未調整データを使用することは実行不可能であることが判明しているため、経済モデルに入る多数のシリーズに適用できます。これは、季節調整の履歴モードと呼ばれることがよくあります。

• シースキン、ジュリアス（1957）、「電子計算機とビジネス指標」、ビジネスジャーナル、30、219-267。

経済指標を研究する主な目的は、経済が立つビジネスサイクルの段階を決定することです。このような知識は、その後の周期的な動きを予測するのに役立ち、ビジネスサイクルの振幅と範囲を緩和するための措置を講じるための事実上の基礎を提供します。。。。ただし、インジケーターを使用する場合、アナリストは、周期的な変動、特に季節的な変動から周期的な変動を分離することが困難であることで、永続的に悩まされます。

私の2 kopeksが必要な場合は、次のように要約します。

1. 利便性：複数の経済系列を扱う場合、それぞれに独自の季節性があります。多変量モデルで各シリーズの季節性を扱うことは非現実的になります。したがって、多変量モデルに追加したり、一緒に分析したりする前に、すべての経済系列の季節を外す方が簡単です。
2. トレンド抽出：多くの経済系列は本質的に季節的です。たとえば、住宅価格は夏に高くなります。したがって、住宅価格指数が突然下がった場合、それは必ずしも経済的に重要な何かを示しているわけではありませんが、季節的な下落である可能性があり、重要な情報はありません。したがって、シリーズを季節性をなくして、現在の位置を把握したいと考えています。

時系列である2つの変数間の関係を見ると、データが独立していないため、季節性によって自由度が減少します。この「シリアル」相関により、誤った相関が生じます。したがって、季節性が取り除かれ、自由度が増加します。