检视平均值是排除异常波动的一种方式。比方说,你可能会根据五、六与七月分的平均值检视英国主要市场的六月分销售额。这一系列的平均值称为移动平均值。表2.7的E栏与附注说明了如何计算某组数列的三个月移动平均值。

我们可以针对任何数量的期间计算移动平均值。五年移动平均值可以排除第79至第85页所描述的景气循环效应，但我们需要很多数据才能计算这样的平均值。移动平均值涵盖的期间越多，就需要越久的时间才能显示趋势的改变。

季节性

大多数经济数据会反映某种每年不断重复的季节性模式。举例来说，季节性食品的价格在冬天上涨，泳装价格从初夏开始走高，工业生产在工厂岁休时下跌等等。

季节性调整（seasonal adjustment)。季节性调整指的是将原始

数据根据观察所得的季节模式进行调整。简单地说，如果二月分的产出或销售额通常是单月平均值的85%，季节性调整的过程便 是将二月份的所有观察数据除以85%。

许多公布的数字会经过季节性调整以利于解读，但是请务必记住，季节性调整并非绝无错误。举例来说，在某个特别严寒的月份，能源消耗量增加量会高过季节调整所预估的数量，而且，暂时遭到解雇的建筑工人也会更多。经过调整后的数字或许会遭误解为：能源消耗量与失业率走高的情形与基本的经济情况不符。如果为了图方便而以经季节调整的数据解读经济景气，气候与其他因素的影响有可能遭到忽略。

处理季节性与异常现象表2.7反映出一些在解读会受异常或季节性影响的数据时可能遭遇的问题。

A栏的数字是零售销售额指数。二〇一〇年一月的数字乍看之下很不理想，因为较前一个月（B栏）下跌了 4%。这样的 解读似乎获得了证实，因为4%的跌幅比前年同月份的0.2% 跌幅来得严重。

十二个的百分比变化（D栏）比较令人放心。根据这些数字

显示，销售呈现上扬的趋势，虽然到二〇一〇年一月底的十二个月成长率（6.2%)比前几个月的成长率（约10%)逊色。

F栏比较的是最近三个月与前年同期的销售额数字，因此排除了短期的异常影响。这样的结果显示，一月的下滑现象并不如乍看之下那般严重，因为十二个月的成长率依然接近10%。

最后的解读才是正确的作法。的确，完整的数据会显示，由于之前几个月的数字高得不寻常，一月份的销售额减少是一种修正现象。

经济评论家往往会将异常现象解读为趋势的转变。一般而言，各位应该检视完整的数据，据此判断其趋势，除非有明显的证据显示趋势已经改变，否则，各位应该坚持原先的看法。

• 共5页:
• 上一页
• 1
• 2
• 3
• 4
• 5
• 下一页