계절조정 (Seasonal Adjustment)
쉽게 풀면
아이스크림 매출은 항상 여름에 오르고 겨울에 떨어집니다. 그런데 "이번 여름 매출이 작년 여름보다 늘었는지"를 알고 싶을 때, 단순히 "여름이라 원래 매출이 높다"는 계절 효과가 섞여 있으면 진짜 변화(경기 회복, 마케팅 효과 등)를 파악하기 어렵습니다. 계절조정은 매년 반복되는 이 "여름엔 오르고 겨울엔 내리는" 패턴 자체를 수치로 뽑아내어 원래 데이터에서 빼줌으로써, 계절과 상관없이 실제로 오르고 있는지 내리고 있는지를 보여주는 작업입니다. 뉴스에서 "계절조정 실업률"이라고 하는 것도 매달 반복되는 취업·졸업 시즌 효과를 제거한 수치입니다.
왜 중요한가
계절조정은 경제 지표, 실업률, 소비 데이터 등 시계열을 다루는 거의 모든 사회과학·경제학 논문에서 데이터 전처리의 표준 단계로 취급됩니다. 계절 효과를 제거하지 않으면 정책 효과나 경기 국면 전환 시점을 오판할 위험이 있기 때문에, 계절조정된 지표는 정부 통계 발표와 정책 결정의 근거로도 널리 쓰입니다. 또한 계절조정 방법론 자체의 개선은 시계열분석·계량경제학 분야에서 꾸준히 다루어지는 연구 주제입니다.
논문에서는 이렇게 쓰입니다
이 문장은 매달 반복되는 명절·연말 특수 등의 계절 효과를 통계 기법으로 제거한 뒤, 순수한 추세만 놓고 분석했다는 뜻입니다.
관광·수요예측 분야에서 계절조정 데이터를 예측 모형의 입력값으로 활용하는 문장이다.
노동경제학 분야에서 계절조정된 고용 지표를 활용해 구조적 변화를 분석하는 문장이다.
조금 더 깊게 보면
계절조정에는 대표적으로 X-13ARIMA-SEATS, X-12-ARIMA, STL(Seasonal-Trend decomposition using Loess) 등의 기법이 쓰이며, 이들은 공통적으로 시계열을 추세, 계절, 불규칙(잔차) 성분으로 분해하는 원리에 기반합니다. 계절조정 방식은 계절 패턴을 원자료에서 그대로 빼는 가법 모형과 비율로 나누는 승법 모형으로 나뉘기도 하며, 데이터의 계절 변동 폭이 수준에 비례해 커지는지 여부에 따라 적합한 방식이 달라집니다. 계절조정된 데이터는 잔차 성분에 이상치나 구조변화가 남아 있을 수 있어, 결과 해석 시 조정 이전 원자료와 함께 비교하는 것이 일반적입니다.
주의할 점
계절조정은 정상성 확보와는 다른 개념입니다. 계절조정은 "반복되는 계절 패턴"만 제거하는 것이고, 정상성은 평균·분산이 시간에 따라 변하지 않는지를 따지는 더 넓은 성질입니다. 계절조정을 했다고 해서 시계열이 자동으로 정상성을 만족하는 것은 아니며, 추세 성분이 남아 있으면 여전히 비정상일 수 있습니다.