Méthode de décomposition saisonnière

Cette méthode est basée sur le principe qu’une série peut être
décomposée en quatre composantes :

La tendance, le cycle, la composante saisonnière et le résidu

Le modèle additif : T + C + S + E

Le modèle multiplicatif : T*C*S*E

Choix entre le modèle multiplicatif et le modèle additif ?

La méthode graphique : si on remarque que la composante
saisonnière augmente avec la tendance, alors le modèle multiplicatif
est choisi

Test de Buys ballot :

Si la série des moyennes annuelles est plutôt corrélée avec la série des
écarts types annuels, alors le modèle multiplicatif est choisi.
 Ventes mesuelles de Champagne
(millions de bouteilles)

16

14

12

10

0
0 20 40 60 80 100 120
Pour la série ‘‘ventes de champagne’’ :
La méthode graphique et le test de buys bullot préconisent le modèle
multiplicatif.

année moyenne écart-type

1962 3,48 1,49
1963 3,86 1,82
R = 0.89
1964 4,34 2,03
1965 5,02 2,28
1966 5,37 2,61
1967 5,71 3,24
1968 5,01 3,18
1969 5,64 2,87
Tests de détection de l’existence d’une composante saisonnière

Méthode graphique : on trace l’allure de la série pour chaque année

dans le même graphique
16

14

12

1962
10
1963
1964
1965
8
1966
1967

6 1968
1969

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13

Détection de la composante saisonnière dans la série ‘‘ventes de

champagne’’

Creux au mois d’aout et les ventes de décembre sont maximales

Méthode de calcul : cas d’une série mensuelle
Modèle additif : T + C
La tendance et le cycle
Modèle multiplicatif : T * C

La tendance et le cycle sont estimés par MMC(12)

y t 6  2 y t 5  ...  2 y t  ...  2 y t 5  y t 6
yt  6 < t ≤ T-6
24
La composante saisonnière & composante accidentelle

Série – MMC(12) si modèle additif

Pour chaque mois on calcule
Série/MMC(12) si modèle multiplicatif

Pour chaque mois, on obtient un ensemble de valeurs, La médiane de ces

valeurs est affectée à Si i=1,..,12
La médiane est moins sensible aux valeurs extrêmes que la moyenne
 La valeur calculée de Si est corrigée de telle sorte que :
12


i
Si
1
 0 pour le modèle additif

12


i
Si
1
 12 pour le modèle multiplicatif

Cette hypothèse est connue sous le nom de la conservation des aires, elle
traduit le fait que les variations saisonnières doivent se compenser sur un
an.

La tendance

Il existe deux possibilités pour calculer la tendance Tt :

1) Essayer d’ajuster la série des moyennes mobiles centrées par une

courbe de croissance.

2) Dans le cas linéaire, étudier les données annuelles moyennes (tend ann).
Exemple de calcul : ventes mensuelles de champagne (millions de bouteilles)

Le graphique de la série et le test de Buys Ballots préconisent le modèle

multiplicatif

La tendance : Calculons les consommations moyennes annuelles

Année Vente t
1962 3,4781667 1
1963 3,8641667 2
1964 4,3376667 3
1965 5,016 4
1966 5,3705833 5
1967 5,7134167 6
1968 5,0065833 7
1969 5,6405833 8
 7

y = 0,3016x + 3,4464
6
R2 = 0,7969

4 Ventes annuelles moyennes

Linéaire (Ventes annuelles

3 moyennes)

0
0 2 4 6 8 10

Chaque année, les ventes annuelles moyennes augmentent de 0,3016

millions de bouteilles, soit une augmentation de 0,3016/12 = 0,025129 MB
par mois
Données : Moyennes Annuelles Données : Mensuelles

y = at + b y = αt + β

t = 1 → 1juillet 1962 15 juillet 1962

3.4781 3.4781 + a/24 = 3,76

Si a est l’augmentation annuelle, alors a/24 est l’augmentation de 15 jours

L’augmentation mensuelle α = a/12 = 0,3016/12

Données mensuelles : juillet 1962 → 3,76

aout 1962 → 3,76 + α
La tendance annuelle moyenne a pour équation : at + b

La tendance au 1er juillet 1962 (t=1) est 3,4464 + 0,3016

La tendance au mois de juillet 1962 (15 juillet) est :

3,4464 + 0,3016 + 0,025129/2 = 3,76 MB
1
 Calcul de la composante saisonnière St

62 63 64 65 66 67 68 69 70 Medi St

jan 0,7 0,75 1,14 0,72 0,74 0,51 0,71 0,76 0,73 0,74
fév 0,68 0,72 0,65 0,85 0,73 0,56 0,57 0,62 0,67 0,68
mars 0,83 0,98 0,78 0,82 0,83 0,65 0,77 0,8 0,81 0,82
avr 0,89 0,85 0,93 0,8 0,79 0,72 0,83 0,83 0,84
mai 1,01 0,93 0,93 0,89 0,91 0,57 0,88 0,91 0,92
juin 0,85 0,93 0,92 0,89 0,83 0,79 0,86 0,86 0,87
juill 0,66 0,78 0,74 0,74 0,74 0,62 0,83 0,82 0,74 0,75
août 0,64 0,45 0,35 0,33 0,32 0,33 0,34 0,29 0,34 0,34
sep 0,85 0,9 0,78 0,95 0,94 0,96 1,01 1,04 0,94 0,95
oct 1,23 1,1 1,15 1,09 1,28 1,27 1,22 1,22 1,22 1,23
nov 1,63 1,68 1,65 1,67 1,82 2,04 1,83 1,72 1,7 1,72
déc 2,04 2,03 1,99 2,13 2,08 2,69 2,38 2,21 2,11 2,13

11,9 12

Facteur de correction 1,01

Analyse de la composante saisonnière : Approche saisonnalité stable

Analyse qualitative

Mois stables : ce sont les mois dont les valeurs de la composante

saisonnière sont tous supérieurs à 1 ou inférieurs à 1
Décembre, novembre, octobre, aout, juillet, juin, avril, mars et février
Ces mois présentent un effet saisonnier stable

Mois assez stables : toutes les composantes sont toutes supérieures ou

toutes inférieures à 1, sauf une valeur extrême qui diffère des autres.
Mai et janvier, ces mois présentent un effet saisonnier assez stable, avec
présence d’un effet accidentelle.

Le mois de septembre présente un effet saisonnier instable

Analyse quantitative

Les composantes saisonnières les plus élevées :

Décembre, novembre, octobre

Les composantes saisonnières les plus faibles :

Aout, février, janvier (mois assez stable)

Approche multidimensionnelle

Justification : tableau mois année

Faire une classification ascendante hiérarchique (CAH) pour construire

des groupes homogènes de mois
Interprétation des groupes : calculer pour chaque année et chaque
groupe, le rapport :

X qj  X
z qj 
j

n  n q s 2j
n  1 nq

𝑋ത qj est la moyenne de l’année j dans le groupe q

nq est l’effectif du groupe q

𝑋ത j est la moyenne de l’année j

𝑠j est l’écart type de l’année j

Le groupe q est marqué par l’année j si 𝑧𝑞𝑗 est élevé

 Tˆt + Si(t) pour le modèle additif
Prévision de l’observation t :
Tˆt Si(t) pour le modèle multiplicatif

Si(t) est la composante saisonnière corrigée de l’observation t qui

correspond au mois i, i=1…12

La détermination de la tendance pour faire des prévisions se base sur

l’évolution de la série des moyennes annuelles (cas linéaire) ou par
ajustement de la série des moyennes mobiles centrées.
Les séries trimestrielles

Les principales étapes de la méthode de décomposition saisonnière :

Application de MMC(4) pour éliminer la composante saisonnière

Modèle additif : Série – MMC(4)

Modèle multiplicatif : Série/MMC(4)

Hypothèse de la conservation des aires :

4

S
i 1
i  0 si le modèle est additif

S
i 1
i 4 si le modèle est multiplicatif

1 1 1
MMC(4) → 111
4 2 2
La saisonnalité mobile qui affecte les séries marocaines

C’est la saisonnalité qui est due au calendrier lunaire : effet ramadan,

effet Aid eladha, …
La date d’un événement lunaire change d’une année à l’autre par
rapport au calendrier grégorien : saisonnalité mobile

Idée : calculer la série dans le calendrier lunaire et calculer ensuite

les composantes saisonnières des mois de ce calendrier.

Mois lunaire L = t1 jours de S1 + t2 jours de S2

t1 yS1 t 2 y S2
yL  
n1 n2

n1 et n2 étant les nombres de jours respectifs de S1 et S2

Récapitulation de la méthode de décomposition saisonnière

(1) Application d’une moyenne mobile pour éliminer la composante

saisonnière

Le choix de la moyenne mobile dépend de la période de la composante

saisonnière : s

1
Si s est impair : MM(s) = 1, … , 1
𝑠

Si s est pair : MMC(s)

 Y t  MM Y t  schéma additif
2 Comp Sais  
Y t / MM Y t  schéma multiplica tif

(3) Pour chaque période (mois, trimestre, …), on calcule la médiane de

toutes les composantes saisonnières calculées.
(4) La valeur calculée de St est corrigée de telle sorte que :

 s
  Si  0 schéma additif
i 1
 s
 Si  s schéma multiplicatif
 i 1

(5) La tendance Tt peut être calculée de deux manières différentes :

A partir des moyennes annuelles dans le cas linéaire

Ajustement de la série MM(Yt) par une courbe de croissance

Tˆt  S t schéma additif


(6) La série ajustée Ŷt  
Tˆ S schéma multiplica tif
 t t

(7) Calculs des critères de comparaison

Exercice

Appliquer la méthode de décomposition saisonnière à la série : nombre de

passagers à l’aéroport de Bruxelles