kausianalyysi

Kausianalyysi on ajallisen datan analyysi, jossa pyritään tunnistamaan, erottamaan ja mallintamaan kausivaihteluita eli toistuvia vuodenaikais- tai säännöllisiä kuvioita sarjassa. Tavoitteena on ymmärtää, miten kausivaihtelu vaikuttaa havaintoihin sekä miten se voidaan erottaa trendeistä ja satunnaisesta vaihtelusta. Kausianalyysissä käytetään usein käsitteellistä rakennetta, jossa ajallinen sarja jaetaan kausivaihteluun, trendiin ja ei-säännölliseen komponenttiin.

Kausianalyysissä erotellaan yleensä additiivinen ja kertolaskullinen malli. Additiivisessa mallissa kausivaihtelu on vakio ohi määrän, kun taas kertolaskullisessa mallissa kausivaikutus on suhteessa sarjan tasoon. Yleisimmät menetelmät kausianalyysiin ovat klassinen kausijakautuminen, STL (Seasonal-Trend decomposition using Loess), sekä tilastolliset menetelmät kuten X-13ARIMA-SEATS ja SARIMA-mallit sekä Fourier-termien käyttö kausivaihtelun kuvaamiseen.

Käytännössä kausianalyysi etenee keräämällä riittävän pitkän, säännöllisesti mitatun aineiston, valitsemalla sopivan kausijakson ja sovittamalla malli. Tämän jälkeen voidaan erottaa tai oikaista kausivaihtelut, arvioida kausivaihtelun voimakkuus ja laatia ennusteita oikaistujen arvojen perusteella. Tulokset voivat johtaa kausittain oikaistuihin arvoihin (seasonally adjusted) sekä parempiin ennusteisiin, kun kausivaihtelut huomioidaan.

Kausianalyysiä sovelletaan monilla aloilla, kuten myynti- ja talousennusteisiin, energiankulutuksen ja tuotantotason analysointiin sekä sää- ja ilmastotutkimuksiin. Rajoitteita ovat muuttuva kausivaihtelu, kalenterivaikutukset (esim. pyhäpäivät, viikonpäivät) sekä datan laatu ja rakenteen muutokset ajan kuluessa.