La tendance et la saisonnalité : décomposer une série temporelle (L3 Data économie)

La décomposition d'une série temporelle sépare ses différentes composantes pour mieux l'analyser et la prévoir. En L3 du parcours data pour économistes, dans le cours de séries temporelles, les QCM CampusQCM testent cette analyse. Une série temporelle (suite d'observations indexées par le temps) résulte…

La décomposition d'une série temporelle sépare ses différentes composantes pour mieux l'analyser et la prévoir. En L3 du parcours data pour économistes, dans le cours de séries temporelles, les QCM CampusQCM testent cette analyse. Une série temporelle (suite d'observations indexées par le temps) résulte typiquement de la superposition de plusieurs composantes. La tendance (trend) est l'évolution de long terme, à la hausse ou à la baisse (croissance du PIB, par exemple). La saisonnalité correspond aux fluctuations régulières se reproduisant à période fixe (ventes plus fortes à Noël, chômage variant selon les mois). Le cycle désigne des oscillations de plus longue durée et de période variable (cycles économiques). La composante résiduelle (ou irrégulière) regroupe les fluctuations aléatoires restantes. La décomposition peut être additive (les composantes s'additionnent) ou multiplicative (elles se multiplient, quand l'amplitude saisonnière croît avec le niveau). La désaisonnalisation (correction des variations saisonnières, CVS) isole la tendance-cycle pour comparer les périodes : les statistiques officielles publient souvent des séries CVS. Identifier ces composantes est le préalable à toute modélisation et prévision. La décomposition tendance-saisonnalité est la première étape de l'analyse des séries temporelles.