https://creativecommons.org/licenses/by/4.0/2024-08-0731-08-20222022-10-25https://beta-pyxida.aueb.gr/handle/123456789/9960Η παρούσα διατριβή δείχνει πώς να προσαρμόσουμε εποχικά συγκεντρωτικές χρονοσειρές με τη χρήση του προγράμματος TRAMO/SEATS, το οποίο υποστηρίζεται από το λογισμικό JDemetra+. Με την εποχική προσαρμογή μια συγκεντρωτική σειρά μπορεί να προσαρμοστεί εποχικά είτε άμεσα είτε έμμεσα με την προσαρμογή των συνιστωσών της και την πρόσθεση των αποτελεσμάτων. Περιγράφουμε τις βασικές αρχές του TRAMO/SEATS, καθώς και τις δύο προσεγγίσεις εποχικής προσαρμογής. Στη συνέχεια, πραγματοποιούμε εποχική προσαρμογή του Δείκτη Βιομηχανικής Παραγωγής της Ελλάδας χρησιμοποιώντας την άμεση και έμμεση προσέγγιση για δύο πιθανά μοντέλα, το ένα με λογαριθμικό μετασχηματισμό των δεδομένων και το άλλο χωρίς μετασχηματισμό. Η επιλογή μεταξύ άμεσης και έμμεσης εποχικής προσαρμογής γίνεται λαμβάνοντας υπόψη την ποιότητα των εποχικά προσαρμοσμένων δεδομένων, τη συνέπεια μεταξύ των δύο προσεγγίσεων και το μέγεθος των αναθεωρήσεων. Είναι ενδιαφέρον ότι οι δύο προσεγγίσεις παρέχουν σχεδόν παρόμοια αποτελέσματα για τα δύο μοντέλα, ωστόσο όσον αφορά τα μέτρα τραχύτητας (Gómez και Maravall (1999)) και τις αναθεωρήσεις, φαίνεται ότι η άμεση μέθοδος προτιμάται έναντι της έμμεσης και για τα δύο μοντέλα.This thesis shows how to seasonally adjust aggregate time series using the TRAMO/SEATS program, supported by the software JDemetra+. By performing seasonal adjustment an aggregate series can be seasonally adjusted either directly or indirectly by adjusting its components and adding the results. We describe the basic principles of the TRAMO/SEATS, as well as the two seasonal adjustment approaches. Then, we perform seasonal adjustment of the Greek Industrial Production Index using the direct and indirect approach for two possible models, one with log-transformation of the data and the other without transformation. The choice between the direct and the indirect seasonal adjustment is made taking into account the quality of the seasonally adjusted data, the consistency between the two approaches and the magnitude of revisions. It is interesting that the two approaches provide almost similar results for the two models, however in terms of roughness measures (Gómez and Maravall (1999)) and revisions, it appears that the direct method is preferred over the indirect for both models.75p.ΧρονοσειράΕποχική προσαρμογήΆμεση προσέγγισηΈμμεση προσέγγισηTime seriesSeasonal adjustmentDirect approachIndirect approachText