La désaisonnalisation est une procédure statistique clé qui sous-tend la création de nombreuses séries économiques. Des chocs économiques importants, tels que le ralentissement de 2007-09, peuvent générer des échos saisonniers durables dans les données ultérieures. Dans ce Économie de la rue de la Liberté post, nous discutons des perspectives de ces effets d’écho après la forte contraction économique de l’année dernière en nous concentrant sur la série sur l’emploi salarié publiée par le Bureau of Labor Statistics (BLS) américain. Nous notons que les échos saisonniers peuvent conduire les chiffres officiels à surestimer légèrement les changements réels de l’emploi salarié entre mars et juillet de cette année, après quoi les distorsions s’inversent.
Échos saisonniers après la grande récession
De nombreuses séries économiques présentent des tendances périodiques au cours de chaque année civile, généralement appelées effets saisonniers. Les agences statistiques appliquent des filtres statistiques pour supprimer ces effets saisonniers afin que les tendances économiques sous-jacentes puissent être facilement comparées au fil du temps. La plupart des analystes se concentrent sur les données désaisonnalisées, sans prêter beaucoup d’attention aux séries non désaisonnalisées ou au processus d’ajustement lui-même. Il est alors facile d’ignorer à quel point les fluctuations saisonnières des données économiques non ajustées peuvent être importantes (pour le PIB, elles sont en moyenne aussi importantes qu’une fluctuation typique du pic au creux d’un cycle économique) et que le filtre statistique saisonnier lui-même peut créer de fausses variation dans la série ajustée.
Un problème pernicieux de désaisonnalisation survient après un grand choc qui n’est pas saisonnier dans son origine. Étant donné que le filtre saisonnier détermine le modèle normal pour, disons, janvier, par une moyenne pondérée des derniers janvier, une observation inhabituelle aura un impact important sur les facteurs saisonniers estimés. Par exemple, le pire de la Grande Récession de 2007-2009 s’est produit au début de 2009. Les filtres saisonniers ont conclu que l’emploi normal pour cette période de l’année était inférieur. En conséquence, au cours des années suivantes, un « écho » de la Grande Récession s’est produit alors que les données économiques continuaient de dépasser les attentes artificiellement basses pour cette période de l’année. Cela a contribué à un modèle où la croissance économique semblait être forte au printemps pour s’estomper plus tard dans l’année, comme le montre Wright (2013). Le problème peut être atténué si l’utilisateur effectue des réglages manuels. En fait, la Réserve fédérale a procédé à un tel ajustement dans la révision annuelle 2010 des statistiques officielles de la production industrielle.
Échos saisonniers après COVID-19 : Emplois de paie
La récession de l’année dernière était d’un ordre de grandeur plus important que la Grande Récession. Si le filtre saisonnier était exécuté sans aucun ajustement spécial, les facteurs saisonniers estimés seraient complètement dominés par les tendances intra-annuelles en 2020. Les agences procédant à l’ajustement saisonnier étaient bien conscientes du problème et appliquaient des ajustements manuels. Les agences n’aiment pas procéder à ces ajustements ponctuels car elles souhaitent que le traitement des données soit transparent. La récession COVID-19 était si extrême que de telles interventions étaient nécessaires, comme discuté par le commissaire du BLS.
Ces ajustements signifient-ils que nous ne verrons plus d’échos saisonniers de COVID-19 dans les séries économiques à l’avenir ? Nous prenons comme étude de cas, la masse salariale non agricole totale dans les statistiques de l’emploi actuel (CES), produites par le BLS. Cette mesure est peut-être l’indicateur économique mensuel le plus regardé. Le BLS publie également une documentation complète de sa procédure de désaisonnalisation.
La désaisonnalisation dans le CES se fait au niveau sectoriel désagrégé. Le BLS a d’abord effectué des ajustements manuels en faisant passer de nombreuses séries de facteurs « multiplicatifs » à « additifs », mais aussi en codant en dur qu’un mois particulier pour une désagrégation particulière devait être traité comme une « valeur aberrante additive ». Dans le filtre statistique X-13, qui est utilisé par les agences américaines pour la désaisonnalisation, cela signifie que la série sera ignorée aux fins du calcul du facteur saisonnier. X-13 dispose également d’une détection automatique des valeurs aberrantes, ce qui pourrait atténuer le problème des observations extrêmes. Mais cela dépend si la procédure automatisée détecte ou non la valeur aberrante. La désignation manuelle de l’observation comme valeur aberrante oblige X-13 à exclure la valeur aberrante présumée. Le graphique ci-dessous montre le ratio du niveau d’emploi total dans le CES dans les secteurs qui sont traités manuellement comme des valeurs aberrantes additives au niveau d’emploi total dans tous les secteurs, pour chaque mois depuis le début de 2020.
En avril 2020, environ 90 % des emplois se trouvaient dans des secteurs que le BLS a manuellement traités comme des valeurs aberrantes. Depuis lors, le BLS a réduit très lentement la fraction globale de l’emploi qui est traitée comme des valeurs aberrantes additives. Mais même en février 2021, la plupart des emplois se trouvent dans des secteurs qui bénéficient de ce traitement spécial. Naturellement, les secteurs que le BLS qualifie de valeurs aberrantes sont ceux qui sont le plus fortement influencés par les effets de COVID-19, tels que le transport aérien, pour lequel chaque mois depuis avril 2020 a été codé en dur comme valeur aberrante additive.
Si le filtre saisonnier avait été exécuté sans ajustement manuel, les facteurs saisonniers pour la fin du printemps et l’été auraient plongé en 2020, créant un énorme effet d’écho saisonnier. Les réglages manuels réduisaient fortement, mais n’éliminaient pas, cet effet d’écho. Le seul moyen d’empêcher que le calendrier de COVID-19 ne perturbe les saisons serait de traiter chaque composant comme une valeur aberrante additive à partir de mars 2020, au moins jusqu’à ce que les effets de COVID-19 soient dans le rétroviseur. Cette approche reviendrait essentiellement à projeter les facteurs saisonniers à partir de mars 2020 en utilisant uniquement des données antérieures.
Pour montrer l’effet d’écho possible, nous effectuons un exercice consistant à prendre les fichiers de spécification du modèle BLS pour la désaisonnalisation dans le CES, puis à effectuer la désaisonnalisation en traitant chaque série d’emplois sectorielles comme une valeur aberrante additive à partir de mars 2020, tout en gardant tout le reste inchangé. Par exemple, pour les séries où le BLS utilise un facteur saisonnier multiplicatif, nous avons utilisé un facteur multiplicatif. Nous avons ensuite calculé les masses salariales non agricoles totales désaisonnalisées par mois et les avons comparées aux masses salariales non agricoles totales désaisonnalisées officielles.
Le graphique montre le niveau de la masse salariale officielle désaisonnalisée moins notre alternative. Un nombre positif signifie que la distorsion réduit le facteur saisonnier et rend les données plus belles qu’elles ne le sont réellement. On voit que les distorsions sont positives au printemps et en été et négatives en automne et en hiver. Les effets sont significatifs, mais ne fausseront pas complètement les données. Depuis quelques mois, la distorsion au niveau est supérieure à 100 000 masses salariales et on peut s’attendre à ce que ces saisonniers déformés se prolongent en 2021.
La plus grande attention est accordée aux changements mensuels de la masse salariale, plutôt qu’au niveau. Nos résultats diraient qu’en mars et avril, les modifications de la masse salariale seront surestimées d’environ 90 000 emplois par mois et qu’il continuera d’y avoir une surestimation des modifications de la masse salariale jusqu’à la fin de l’été, lorsque la distorsion s’inversera. Bien que cet effet d’écho soit important, il est faible par rapport aux effets de COVID-19 et à la croissance mensuelle de l’emploi qui serait nécessaire pour ramener l’économie au plein emploi.
Il n’y a pas de réponses faciles à la désaisonnalisation dans cet environnement. Le virus a modifié l’économie et les schémas saisonniers, dans certains cas temporairement et peut-être définitivement dans d’autres cas. Comme dans notre exercice, il peut être souhaitable de traiter chaque observation comme une valeur aberrante jusqu’à ce que l’économie soit de retour à la normale, ou à une « nouvelle normalité », puis d’utiliser une variable fictive de « changement de niveau » pour redémarrer l’estimation des facteurs saisonniers à un nouveau niveau de la variable économique. Cette approche aurait l’avantage d’éviter l’effet d’écho, mais l’inconvénient qu’il faudrait plus de temps pour contrôler les nouveaux modèles saisonniers.
Échos saisonniers après COVID-19 au-delà de l’emploi salarié
Notre exercice numérique suggère que, oui, nous verrons un certain effet d’écho dans les chiffres de la masse salariale, mais que cet effet a été fortement réduit par les interventions du BLS. Et les autres séries ? Pour les données publiées par le Bureau of Economic Analysis (BEA) dans les données du Compte national du revenu et des produits, telles que le PIB, la désaisonnalisation est effectuée par différentes agences qui fournissent les données sous-jacentes au BEA. Malheureusement, le processus n’est pas documenté publiquement et ne peut pas être reproduit. En fait, jusqu’à il y a quelques années, le BEA ne publiait pas de données non désaisonnalisées. Bien que nous nous attendions à ce que certains ajustements manuels aient été effectués par le BEA ou d’autres agences qui fournissent des données au BEA, il est très difficile de dire quelle peut être l’ampleur des échos saisonniers dans les statistiques importantes, telles que le PIB. Seul le temps nous le dira.
David Lucca est vice-président du groupe de recherche et de statistiques de la Federal Reserve Bank de New York.
Jonathan Wright est professeur d’économie à l’Université Johns Hopkins.
Comment citer ce post :
David Lucca et Jonathan Wright, « Saisonnières raisonnables ? Échos saisonniers dans les données économiques après COVID-19 », Banque fédérale de réserve de New York Économie de la rue de la Liberté, 25 mars 2021, https://libertystreeteconomics.newyorkfed.org/2021/03/reasonable-seasonals-seasonal-echoes-in-economic-data-after-covid-19.html.
Clause de non-responsabilité
Les opinions exprimées dans cet article sont celles des auteurs et ne reflètent pas nécessairement la position de la Federal Reserve Bank de New York ou du Federal Reserve System. Toute erreur ou omission est de la responsabilité des auteurs.
