Académique Documents
Professionnel Documents
Culture Documents
1. INTRODUCTION
2. Préliminaires
3. Lissage Exponentiel simple et double; Méthodes de HOLT- WINTERS
4. Méthodes des Moyennes Mobiles
5. Méthode X-11
6. Méthode X-12
7. Méthode X-13
8. Méthode TRAMO / SEATS37
7. CONCLUSION
1. INTRODUCTION
La dessaisonalisation consiste à retirer la saisonnalité apparente des séries afin d’en
faciliter la lecture, ce qui s’apparente à l’analyse de la variance ; il s’agit de mesurer la
variabilité associée à la tendance et au cycle, en ‘contrôlant’ les effets saisonniers
(Lacroix, 2002).
2. Préliminaires
2.1 Analyse de la saisonnalité
L’étude de la saisonnalité n’a de sens que si les données sont infra- annuelles
(semestre, trimestre, mois etc.) et peut s’effectuer soit de façon visuelle soit de façon
empirique (analyse du graphique ou test de Fisher).
Procédure de décision
Si t-stat > 1,96 (pour toutes les périodes): la série est saisonnière sinon la série est
dépourvue de saisonnalité.
2.2 Détermination du Modèle de Décomposition de la Série.
Utilisation la méthode Droite de Mayer pour savoir si la série est du type additif ou
multiplicatif.
Elle s’appuie sur la régression de la série reconstituée de la moyenne sur celle de l’écart
type.
Par exemple, une série mensuelle on aura douze moyennes et douze écart types.
Si la t-statistique associée est inférieure à 1,96 alors la série est de type additif sinon
multiplicatif.
Le lissage a eu pour effet d’amortir les pics et les creux de la série exportation. La série
EXPORTSM est moins fluctuante que la série EXPORTATION car il y a eu ‘lissage’ des
irrégularités
5. Méthode X-11
La méthode de dessaisonalisation X-11 est une méthode qui utilise des moyennes
mobiles simples composées, les moyennes mobiles de Henderson et les moyennes
mobiles asymétriques de Musgrave pour estimer les principales composantes de la série,
tendance et saisonnalité. Ces filtres, qui n'impliquent pas a priori l'utilisation de concepts
ou de modèles sophistiqués, sont très simples en principe et se révèlent d'application
particulièrement souples.
Procédure sous EVIEWS
La série EXPORT_X11 est dépourvue d’effets saisonniers, moins fluctuante et plus apte à
donner de meilleures prévisions contrairement à la série EXPORTATION.
6. Méthode X-12
La méthode X-12 vient améliorer la 11. A travers les travaux de Box et Jenkins (1970)
couplés a X- 12 – ARIMA et au module reg – ARIMA de US Bureau of Census (1998),
ont permis de remédier aux lacunes (des variations sensibles des estimations pour les
dates les plus récentes) et de compléter la méthode X-11.
Note importante :
7. Méthode X-13
La méthode X-13 est récente (mai 2007) et est une version fusionnée de deux
programmes: X-12 et SEATS. Pas encore intégrée dans EVIEWS.
7. CONCLUSION
Il faut noter que la moyenne mobile simple et le lissage exponentiel simple
s’appliquent aux séries temporelles stationnaires (dépourvues de tendance et de
saisonnalité) ce qui est extrêmement rare en économie et les affaires.
Egalement les méthodes de lissage sont plus faciles à mettre en œuvre que
les autres méthodes (de Box Jenkins). Les méthodes de lissage représente une
alternative surtout lorsque les séries sont trop courtes ou trop volatiles (changement de
structure fréquent dans les données).