Saisonniers raisonnables? Échos saisonniers dans les données économiques après COVID-19 -Liberty Street Economics

Saisonniers raisonnables?  Échos saisonniers dans les données économiques après COVID-190

La désaisonnalisation est une procédure statistique clé qui sous-tend la création de nombreuses séries économiques. Des chocs économiques importants, comme le ralentissement de 2007-2009, peuvent générer des échos saisonniers durables dans les données ultérieures. Dans ce Économie de Liberty Street après, 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 sur la masse salariale publiée par le Bureau of Labor Statistics (BLS) des États-Unis. Nous notons que les échos saisonniers peuvent conduire les chiffres officiels à surestimer modestement les variations réelles 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 éliminer 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 accorder beaucoup d’attention aux séries non désaisonnalisées ou au processus d’ajustement lui-même. Il est alors facile de passer à côté de l’ampleur des fluctuations saisonnières des données économiques non ajustées (pour le PIB, elles sont en moyenne aussi importantes qu’une fluctuation typique d’un cycle économique de crête à creux) et que le filtre statistique saisonnier lui-même peut créer de faux variation de la série ajustée.

Un problème pernicieux de désaisonnalisation survient après un grand choc qui n’est pas d’origine saisonnière. Puisque 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, la pire de la grande récession de 2007-2009 a eu lieu au début de 2009. Les filtres saisonniers ont conclu que l’emploi normal pour cette période de l’année était plus faible. En conséquence, pendant les quelques années suivantes, un «écho» de la Grande Récession a eu lieu alors que les données économiques continuaient à dépasser les attentes artificiellement basses pour cette période de l’année. Cela a contribué à un modèle où la croissance économique semblait forte au printemps pour s’estomper plus tard dans l’année, comme le montre Wright (2013). Le problème pourrait être atténué par l’utilisateur faisant des ajustements manuels. En fait, la Réserve fédérale a procédé à un tel ajustement lors de la révision annuelle de 2010 des statistiques officielles de la production industrielle.

Échos saisonniers après COVID-19: emploi salarié

La récession de l’année dernière était d’un ordre de grandeur plus grande que la Grande Récession. Si le filtre saisonnier devait fonctionner sans ajustement spécial, les facteurs saisonniers estimés seraient complètement dominés par les tendances intra-annuelles en 2020. Les agences effectuant des désaisonnalisations étaient bien conscientes du problème et appliquaient des ajustements manuels. Les agences n’aiment pas faire ces ajustements ad hoc parce qu’elles veulent que le processus de données soit transparent. La récession du COVID-19 était si extrême que de telles interventions étaient nécessaires, comme en a discuté le commissaire du BLS.

Ces ajustements signifient-ils que nous ne verrons plus d’échos saisonniers du COVID-19 dans la série économique à l’avenir? Nous prenons comme étude de cas, la masse salariale non agricole totale dans les Statistiques actuelles de l’emploi (CES), produites par le BLS. Cette mesure est peut-être l’indicateur économique mensuel le plus surveillé. Le BLS publie également une documentation détaillée de sa procédure de désaisonnalisation.

L’ajustement saisonnier dans le CES est effectué au niveau sectoriel désagrégé. Le BLS a d’abord procédé à 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 un désagrégé particulier 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 du fait que la procédure automatisée détecte 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 rapport du niveau de l’emploi total dans la CES dans les secteurs traités manuellement comme des valeurs aberrantes additives au niveau de l’emploi total dans tous les secteurs, pour chaque mois depuis le début de 2020.


Saisonniers raisonnables?  Échos saisonniers dans les données économiques après COVID-19

En avril 2020, environ 90% de l’emploi se situait dans des secteurs que le BLS traitait manuellement 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 BLS qualifie de valeurs aberrantes sont les plus fortement influencés par les effets du COVID-19, comme le transport aérien, pour lequel chaque mois depuis avril 2020 a été codé en dur comme une 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 ont considérablement réduit – mais n’ont pas éliminé – cet effet d’écho. Le seul moyen d’empêcher le timing du COVID-19 de perturber 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 du COVID-19 se manifestent dans le rétroviseur. Cette approche reviendrait essentiellement à projeter les facteurs saisonniers à partir de mars 2020 uniquement en utilisant 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’emploi sectorielle 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 la masse salariale non agricole totale désaisonnalisée par mois et les avons comparées avec la masse salariale non agricole totale désaisonnalisée officielle.


Saisonniers raisonnables?  Échos saisonniers dans les données économiques après COVID-19

Le graphique montre le niveau de la masse salariale officielle désaisonnalisée moins notre alternative. Un nombre positif signifie que la distorsion fait baisser 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 déformeront pas complètement les données. Depuis quelques mois, la distorsion du niveau est de plus de 100000 livres de paie et on peut s’attendre à ce que ces saisonniers déformés se poursuivent jusqu’en 2021.

La plus grande attention est accordée aux variations mensuelles de la masse salariale, plutôt qu’au niveau. Nos résultats diraient qu’en mars et avril, les changements de paie seront surestimés d’environ 90 000 emplois par mois et qu’il continuera à y avoir une surestimation des changements de paie 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 du 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 réponse facile à la désaisonnalisation dans cet environnement. Le virus a changé l’économie et les tendances saisonnières, dans certains cas temporairement et peut-être de façon permanente 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 revienne à la normale, ou une «nouvelle normale», puis d’utiliser une variable factice de «décalage 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 que les nouveaux modèles saisonniers soient contrôlés.

Échos saisonniers après COVID-19 au-delà de l’emploi salarié

Notre exercice numérique suggère que, oui, nous verrons un effet d’écho dans les chiffres de la masse salariale, mais que cet effet a été considérablement 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 National Income and Product Account, telles que le PIB, la désaisonnalisation est effectuée par différents organismes 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 soit par le BEA, soit par d’autres agences qui fournissent des données au BEA, il est très difficile de dire quelle peut être l’ampleur des échos saisonniers dans des statistiques importantes, telles que le PIB. Seul le temps le dira.

David LuccaDavid Lucca est vice-président du groupe de recherche et de statistique de la Federal Reserve Bank of New York.

Jonathan Wright est professeur d’économie à l’Université Johns Hopkins.

Comment citer cet article:

David Lucca et Jonathan Wright, «Raisonnables saisonniers? Échos saisonniers dans les données économiques après COVID-19 », Federal Reserve Bank of New York Économie de Liberty Street, 25 mars 2021, https://libertystreeteconomics.newyorkfed.org/2021/03/reasonable-seasonals-seasonal-echoes-in-economic-data-after-covid-19.html.


Avertissement

Les opinions exprimées dans ce billet sont celles des auteurs et ne reflètent pas nécessairement la position de la Federal Reserve Bank of New York ou du Federal Reserve System. Toutes erreurs ou omissions sont à la charge des auteurs.

Vous pourriez également aimer...