¿Tiempos de temporada sensatos? Ecos estacionales en los datos económicos después de COVID-19 –
El ajuste estacional es una técnica estadística importante que subyace a la producción de muchas series económicas. Los grandes choques económicos, como la recesión de 2007-09, pueden crear ecos estacionales persistentes en los datos posteriores. En esto Post, discutimos la perspectiva de estos ecos después de la fuerte recesión económica del año pasado centrándonos en las cifras de empleo publicadas por la Oficina de Estadísticas Laborales de EE. UU. (BLS). Observamos que los ecos estacionales pueden hacer que las cifras oficiales sobreestimen marginalmente los cambios reales en la nómina entre marzo y julio de este año, haciendo que las distorsiones se inviertan.
Ecos estacionales tras la gran recesión
Muchas series económicas muestran patrones periódicos dentro de cada año calendario, que comúnmente se conocen como efectos estacionales. Las oficinas de estadística aplican filtros estadísticos para eliminar estos efectos estacionales, de modo que las tendencias económicas subyacentes puedan compararse fácilmente a lo largo del tiempo. La mayoría de los analistas se centran en los datos ajustados estacionalmente sin prestar mucha atención a las series no ajustadas o al proceso de ajuste en sí. Entonces es fácil pasar por alto cuán grandes pueden ser las fluctuaciones estacionales en los datos económicos no ajustados (para el PIB, en promedio son tan grandes como una fluctuación típica de pico a bajo de ciclo económico) y que el filtro estadístico estacional en sí mismo puede crear disrupciones. efectos Variación en la serie adaptada.
Un problema devastador con el ajuste estacional se produce después de una gran conmoción que no es estacional. Dado que el filtro estacional determina el patrón normal para enero, por ejemplo, mediante un promedio ponderado del último enero, una observación inusual tendrá un gran impacto en los factores estacionales estimados. Por ejemplo, la peor recesión en 2007-09 fue a principios de 2009. Los filtros estacionales concluyeron que el empleo normal era menor para esa época del año. Como resultado, hubo un «eco» de la Gran Recesión en los años que siguieron, ya que los datos económicos excedieron repetidamente las expectativas artificialmente bajas para esta época del año. Esto contribuyó a un patrón en el que el crecimiento económico pareció ser fuerte en la primavera solo para desacelerarse más adelante en el año, como muestra Wright (2013). El problema podría aliviarse haciendo que el usuario realice ajustes manuales. De hecho, la Junta de la Reserva Federal hizo tal ajuste en la revisión anual de 2010 de las estadísticas oficiales de producción industrial.
Ecos estacionales después de COVID-19: Nómina
La recesión del año pasado fue un orden de magnitud mayor que la Gran Recesión. Si el filtro estacional se ejecutara sin ningún ajuste especial, los factores estacionales estimados en 2020 estarían completamente dominados por los patrones intra-anuales. Las agencias que realizaban ajustes estacionales estaban al tanto del problema e hicieron ajustes manuales. A las agencias no les gusta hacer estos ajustes ad hoc porque quieren que el proceso de datos sea transparente. La recesión de COVID-19 fue tan extrema que tales intervenciones fueron necesarias, como lo discutió el comisionado de BLS.
¿Significan estos ajustes que no veremos ecos estacionales de COVID-19 en la serie del ciclo económico en el futuro? Como caso de estudio, tomamos todas las nóminas no agrícolas en las estadísticas de empleo actuales (CES) compiladas por el BLS. Esta métrica es quizás el indicador económico mensual más visto. El BLS también documenta en detalle su procedimiento de ajuste estacional.
El ajuste estacional en el CES tiene lugar a nivel sectorial desagregado. El BLS inicialmente hizo ajustes manuales al cambiar muchas series de factores “multiplicativos” a “aditivos”, pero también codificó que un mes en particular debería tratarse como un “valor atípico aditivo” para una desagregación en particular. Dentro del filtro estadístico X-13, que utilizan las autoridades estadounidenses para el ajuste estacional, esto significa que las series se ignoran al calcular el factor estacional. X-13 también tiene detección automática de valores atípicos que podrían aliviar el problema de las observaciones extremas. Sin embargo, esto depende de si el proceso automatizado detecta el valor atípico. El marcado manual de la observación como un valor atípico obliga a X-13 a descartar el supuesto valor atípico. El siguiente gráfico muestra la relación entre el empleo total en el CES en los sectores que se tratan manualmente como valores atípicos aditivos al empleo total en todos los sectores para cada mes desde principios de 2020.
En abril de 2020, alrededor del 90 por ciento del empleo estaba en sectores que el BLS trataba manualmente como valores atípicos. Desde entonces, el BLS ha reducido muy lentamente la proporción total de empleo que se trata como valores atípicos aditivos. Pero incluso a partir de febrero de 2021, la mayor parte del empleo se producirá en sectores que reciben este trato especial. Por supuesto, los sectores que el BLS llama valores atípicos son los más afectados por el impacto de COVID-19, como los viajes aéreos, que se han codificado como un valor atípico aditivo todos los meses desde abril de 2020.
Si el filtro estacional se operara sin ajuste manual, los factores estacionales para fines de la primavera y el verano de 2020 se habrían derrumbado y creado un enorme efecto de eco estacional. Los ajustes manuales han reducido en gran medida este efecto de eco, pero no lo han eliminado. La única forma de evitar que el momento del COVID-19 cause una interrupción estacional es tratar cada componente como un valor atípico aditivo a partir de marzo de 2020, al menos hasta que los efectos del COVID-19 estén en el espejo retrovisor. Este enfoque se reduciría esencialmente a proyectar factores estacionales para marzo de 2020 utilizando solo datos anteriores.
Para mostrar el posible efecto de eco, hagamos un ejercicio utilizando los archivos de especificación del modelo BLS para el ajuste estacional en el CES y luego hagamos el ajuste estacional tratando cada serie de empleo sectorial individual como un valor atípico aditivo de marzo de 2020, mientras que todo lo demás permanece sin cambios . Por ejemplo, para series donde el BLS usa un factor multiplicativo estacional, usamos un factor multiplicativo. Luego calculamos el total de salarios totales ajustados estacionalmente fuera de la agricultura por mes y lo comparamos con los salarios totales oficiales ajustados estacionalmente fuera de la agricultura.
El gráfico muestra el tamaño de las nóminas oficiales ajustadas estacionalmente menos nuestra alternativa. Un número positivo significa que el sesgo está reduciendo el factor estacional y haciendo que los datos se vean mejor de lo que realmente son. Vemos que las distorsiones son positivas en primavera y verano y negativas en otoño e invierno. Los efectos son significativos pero no sesgan completamente los datos. Durante unos meses, el sesgo en el nivel es de más de 100.000 empleados y podemos suponer que estas estacionalidades sesgadas se trasladarán a 2021.
Se presta mayor atención a los cambios mensuales de la nómina, no a la cantidad. Nuestros resultados dirían que en marzo y abril, los cambios salariales se sobrestimarían en alrededor de 90.000 dígitos por mes, y que los cambios salariales seguirían sobrestimándose hasta finales del verano, cuando el sesgo sería al revés. Si bien este efecto de eco es importante, es pequeño en relación con el impacto de COVID-19 y el crecimiento del empleo mensual que se necesitaría para que la economía vuelva al pleno empleo.
En este entorno, no hay respuestas fáciles al ajuste estacional. El virus cambió la economía y los patrones estacionales, temporalmente en algunos casos y potencialmente de forma permanente en otros. Como en nuestro ejercicio, podría ser deseable tratar cada observación como un valor atípico hasta que la economía vuelva a la normalidad o una «nueva normalidad» y luego usar una variable ficticia de «cambio de nivel» para estimar los factores estacionales para reiniciar en un nuevo nivel de tiempo de variables económicas. Este enfoque tendría la ventaja de evitar el efecto de eco, pero la desventaja de que llevaría más tiempo controlar los nuevos patrones estacionales.
Ecos estacionales después de COVID-19 más allá de la nómina
Nuestra investigación numérica sugiere que, aunque veremos algún efecto de eco en las cifras salariales, este efecto se ha reducido en gran medida con las intervenciones de BLS. ¿Qué pasa con otras series? Para los datos publicados por la Oficina de Análisis Económico (BEA) en los datos de la Cuenta Nacional de Ingresos y Productos, como el PIB, el ajuste estacional lo realizan varias autoridades que proporcionan los datos subyacentes a la BEA. Desafortunadamente, el proceso no está documentado públicamente y no se puede reproducir. De hecho, la BEA no publicó ningún dato sin ajuste estacional hasta hace unos años. Si bien suponemos que la BEA u otras agencias que aportan datos a la BEA han realizado algunos ajustes manuales, es muy difícil decir qué tan grandes podrían ser los ecos estacionales en estadísticas clave como el PIB. Solo el tiempo puede decirlo.
David Lucca es vicepresidente del Grupo de Investigación y Estadísticas del Banco de la Reserva Federal de Nueva York.
Jonathan Wright es profesor de economía en la Universidad Johns Hopkins.
Para citar esta publicación:
David Lucca y Jonathan Wright, “¿Temporadas apropiadas? Ecos estacionales en los datos económicos después de COVID-19, «Federal Reserve Bank of New York , 25 de marzo de 2021, https://libertystreeteconomics.newyorkfed.org/2021/03/reasonable-seasonals-seasonal-echoes-in-economic-data-after-covid-19.html.
Exención de responsabilidad
Las opiniones expresadas en esta publicación son las de los autores y no reflejan necesariamente la posición del Banco de la Reserva Federal de Nueva York o el Sistema de la Reserva Federal. Los autores son responsables de errores u omisiones.
.
