Traitements sur les séries chronologiques

1-Passage de séries en valeur aux séries en volume

1-1 méthodologie
Collectez les données : Tout d'abord, assurez-vous de disposer de données sur la série en valeur que
vous souhaitez convertir en série en volume. Cela peut inclure des données sur le PIB, les ventes, les
dépenses de consommation, ou d'autres indicateurs économiques.

Obtenez l'indice de prix : Pour passer d'une série en valeur à une série en volume, vous avez besoin
d'un indice de prix. Cet indice mesure la variation des prix au fil du temps. Il peut s'agir de l'indice des
prix à la consommation (IPC), de l'indice des prix à la production (IPP), ou d'un indice spécifique à
votre secteur d'intérêt.

Calculez la série en volume : La formule générale pour calculer une série en volume à partir d'une
série en valeur est la suivante :

Série en Volume = Série en Valeur / Indice de Prix

Par exemple, si vous avez des données de PIB en valeur et un indice des prix, vous pouvez diviser le
PIB en valeur par l'indice des prix pour obtenir le PIB en volume.

Exprimez les données en termes réels : Les données en volume représentent les valeurs réelles
ajustées pour l'inflation ou la variation des prix. Elles vous permettent de mieux comprendre la
croissance ou la décroissance réelle de l'activité économique ou de la variable que vous analysez.

Interprétez les résultats : Une fois que vous avez calculé la série en volume, vous pouvez analyser les
tendances, la croissance réelle et d'autres caractéristiques de la série en termes réels. Cela peut vous
aider à prendre des décisions éclairées en éliminant l'effet de l'inflation.

Visualisez les données : Créez des graphiques ou des tableaux pour visualiser la série en volume et
comparer les tendances avec la série en valeur. Cela peut vous aider à mettre en évidence les
différences significatives.

1-2 exemple
 2000 2002 2004 2006 2002 2010
Smic horaire brut en € courants 6,31 6,75 7,40 8,15 8,61 8,86
Indice du SMIC horaire brut 100 107 117.3 129.2 136.5 140.4
nominal (base 100 en 2000)
Taux de variation des prix par + 2,8 + 6,6 + 10,7 + 16,7 + 18,9
rapport à 2000 (en %)
Indice des prix (base 100 en 100 102,8 106,6 110,7 116,7 118,9
2000)
Smic horaire brut réel (en € de 6,31 6,57 6,94 7,36 7,38 7,45
2000)
Indice du SMIC horaire brut réel 100 104,1 110 116,6 117 118
(base 100 en 2000)

C’est la 1ère ligne qui permet d’observer le salaire horaire brut inscrit sur les fiches de paie.

Quand les médias font référence au « pouvoir d'achat d'une personne au SMIC», ils évoquent

implicitement le SMIC réel, càd à ce que le SMIC permet réellement d’acheter, compte-tenu du
niveau des

prix.

Entre 2000 et 2010, le SMIC horaire a augmenté de 40,4 % en valeur. Mais, sur la même période, les
prix

ont augmenté de 18,9 %. En termes réels, le SMIC n'a augmenté que de 18 %. Le SMIC en euros

constants 2000 s'élève ainsi à 7,45 euros en 2010

2 Intérêts et méthodes pour établir des séries

1. Séries en Niveaux (valeurs brutes) :
2-1Intérêts :

1-Permettent d'examiner les données brutes telles qu'elles sont mesurées.

2-Utiles pour étudier les variations absolues au fil du temps.

3-Facilitent la comparaison directe des valeurs entre les différentes périodes.

Lecture des Résultats :

Les tendances à court et à long terme sont plus visibles.

Les variations en pourcentage ne sont pas directement perceptibles.

2 Séries en Indices :

2-1Intérêts :
1-Éliminent l'effet des variations de prix, de la taille ou de l'échelle.

2-Facilitent la comparaison relative des variations d'une période à l'autre.

3-Révèlent les variations en pourcentage par rapport à une base de référence.

2-2Lecture des Résultats :

Les variations relatives sont mises en évidence, ce qui peut aider à comprendre les tendances plus
clairement.

Les changements relatifs importants sont plus évidents.

3. Séries en Logarithmes (log-transformées) :

3-1Intérêts :

1-Stabilisent la variance dans les données, ce qui peut être utile pour réduire les effets des valeurs
aberrantes.

2-Mettent en évidence les taux de croissance constants, tels que les taux de croissance exponentiels.

3-2Lecture des Résultats :

1-Les taux de croissance constants apparaissent comme des pentes constantes dans un graphique en
logarithmes.

2-Les variations en pourcentage constantes sont plus faciles à repérer.

4-méthodes pour établir des séries : exprimées en niveaux, en indices, en Log

1. Séries en Niveaux (valeurs brutes) :

1-Collecte des données : Obtenez des données brutes, non ajustées, telles qu'elles sont mesurées.
Ces données sont généralement exprimées en unités monétaires, quantités physiques, ou autres
mesures pertinentes.

2-Analyse des tendances : Utilisez des graphiques de séries temporelles pour visualiser les variations
au fil du temps. Vous pouvez repérer des tendances, des fluctuations saisonnières et des événements
spécifiques.

3-Interprétation : Les séries en niveaux montrent les valeurs réelles, ce qui est utile pour comprendre
l'évolution des données brutes. Cependant, elles peuvent rendre difficile la détection de certaines
tendances en raison de la volatilité des données.

2. Séries en Indices :

1-Collecte des données : Obtenez des données brutes, ainsi qu'un indice de base ou de référence.
L'indice de base est généralement défini pour une année de base.

2-Calcul des indices : Pour chaque période, calculez l'indice en utilisant la formule suivante : Indice =
(Valeur de la période / Valeur de l'année de base) x 100.

3-Analyse des variations relatives : Visualisez les indices au fil du temps pour observer les variations
relatives par rapport à l'année de base.
4-Interprétation : Les séries en indices éliminent l'effet des variations de prix et d'échelle, ce qui
facilite la comparaison des variations relatives entre les périodes. Les variations sont exprimées en
pourcentage par rapport à l'année de base.

3. Séries en Logarithmes :

1-Collecte des données : Obtenez des données brutes, telles que des valeurs financières, des taux de
croissance, ou des quantités.

2-Calcul des logarithmes : Pour chaque période, calculez le logarithme naturel (ln) des valeurs brutes.

3-Analyse des tendances linéaires : Visualisez les valeurs logarithmiques au fil du temps. Les
tendances linéaires dans un graphique en logarithmes indiquent une croissance exponentielle
constante.

4-Interprétation : Les séries en logarithmes sont utiles pour identifier des taux de croissance
constants. Les variations en pourcentage constantes apparaîtront comme des lignes droites dans un
graphique en logarithmes.

3-Correction des variations saisonnières CVS

1-Collecte des données : Tout d'abord, collectez les données sur la variable que vous souhaitez
analyser, de préférence sur plusieurs périodes (mois, trimestres, années) pour repérer les variations
saisonnières.

2-Analyse exploratoire : Effectuez une analyse exploratoire des données pour identifier les variations
saisonnières potentielles. Cela peut inclure la création de graphiques, de diagrammes en boîte, et de
statistiques descriptives.

3-Décomposition de la série temporelle : Utilisez une technique de décomposition de série

temporelle pour séparer les données en trois composantes principales : tendance, saisonnalité et
résidus.

Tendance : Représente la tendance à long terme des données.

Saisonnalité : Représente les variations saisonnières qui se répètent à intervalles réguliers.

Résidus : Capture les variations aléatoires et les erreurs de mesure.

4-Correction des variations saisonnières : Pour corriger les variations saisonnières, soustrayez la
composante saisonnière des données brutes. Il existe différentes méthodes pour le faire, mais l'une
des plus courantes est la méthode des moyennes mobiles centrées. Cela implique de calculer la
moyenne mobile centrée sur une période d'une saison (par exemple, 12 mois pour des données
mensuelles) et de soustraire cette moyenne des données brutes. Vous pouvez utiliser des logiciels
statistiques tels que R, Python (avec les bibliothèques comme statsmodels), ou des outils de tableur
pour effectuer cette opération.

5-Analyse des résidus : Une fois les variations saisonnières corrigées, examinez les résidus pour vous
assurer qu'ils ne contiennent pas de structures saisonnières ou d'autres tendances. Si c'est le cas,
d'autres ajustements peuvent être nécessaires.

6-Analyse des tendances : Une fois que les variations saisonnières sont corrigées, analysez la
tendance sous-jacente des données pour identifier les tendances à long terme. Vous pouvez utiliser
des techniques de régression ou de lissage pour mieux comprendre ces tendances.
7-Interprétation : Interprétez les résultats pour prendre des décisions éclairées, comme la
planification, la prévision ou la détection de changements significatifs.