季节性调整对零售销售数据意味着什么:采购商指南

“品类团队应阅读调整后的零售序列以了解方向,并根据自身的订单历史(即单位和供应商所在的记录)来保留数量决策。”
美国普查局会发布经季节性调整和未经季节性调整的月度零售额数据,其预发布报告的头条数据采用的是调整后的数值。在 2026 年九月的先期报告,零售和餐饮服务销售额为$745.0十亿美元,经季节变动、假日及交易日差异调整(但未经价格变动调整),比前一个月增长0.8%。这句话包含采购计划人员必须随数字一同注意的三个条件:调整项、价格基础以及将被修正的初期估计数。
人口普查局在对零售额进行季节性调整时删除了什么?
根据 美国普查局的调整因子页面,局方利用 X-13ARIMA-SEATS 程序推导季节性变化的因子,对于销售额,还会推导营业日和节假日差异的因子,并公布用于调整各行业销售额估计值的组合因子。在 达拉斯联邦储备银行的说明文章中,该方法首先估计每年在同月份以相似规模和相同方向重复出现的效应,其目的是将该季节性部分从序列的长期趋势循环及其不规则变动中分离出来。
对买方而言,其好处在于能够对相邻月份进行更公平的比较。在 先期调查的方法论,人口普查局表示,这些估计值已使用 X-11 基于过滤器的程序在 X-13ARIMA-SEATS 内部进行了季节性变动、节假日以及交易日差异的调整,因此,调整后主要指标中十一月至十二月的变动已剔除了预期的节假日销售提振。未调整序列保留了这种波动,多年数据或已发布的调整系数可向品类规划显示,某类门店一个月的销售额比另一个月高出多少。下方的调整系数面板展示了这种波动在不同门店类型之间的差异。
调整后的序列仍然包含什么?
调整剔除了美国人口普查局可以预测的日历效应,因此一个月中的任何异常情况都会保留在调整后的数字中。在 达拉斯联储解释说明,序列中的不规则部分可追溯至诸如反常天气、自然灾害、罢工或抽样误差等原因,而调整则会保留该部分。在 人口普查局关于先期调查的天气常见问题解答,该局表示无法隔离气象事件对这些估计值的影响,因为该样本旨在衡量国家层面的零售和餐饮服务活动。
这些因子同样也是估计值。在 同一调整系数页面中,人口普查局将调整描述为基于当前和过去经验的近似值,如果竞争压力或假日购买习惯的变化导致季节性、营业日和假日模式发生转移,该近似值可能会变得不够精确。该调查还引入了其自身的测算不确定性:根据 月度调查的方法论,在任何给定的月份中,插补数据约占月度零售和餐饮服务总销售额估计值的 36.3%,其标准误差仅用于衡量抽样变异性,而不衡量系统偏差。
为什么调整后的零售额仍然不是衡量销售量指标?
季节性调整与价格调整是不同的操作,美国人口普查局在这些表中仅执行前者。在 零售项目的定义所有美元价值均为当前美元,未经常值美元序列调整,并提示将估计值与往年进行比较的用户注意考虑价格水平的变化。预发布版本在其自己的标签中重复了这一观点:在 2026 年九月的报告这些数据已针对季节性变化、节假日和交易日差异进行了调整,但未针对价格变动进行调整。
在实践中,某类经调整销售额上升的店铺可能是以更高价格售出了相同数量的商品,也可能是以更低价格售出了更多单位的商品,而零售报表无法将二者区分开来。需要实物销量数据的采购商必须在销售额数据旁设定同类商品的价格指标并接受较为宽泛的匹配,或者改用单位销售数据,例如客户的Sell-through(售罄/动销)数据或团队自身系统中的销售点(POS)记录。
为什么调整后的数据在发布后还会发生变化?
经调整的数据由于三个独立的原因而变动,每个原因都有其各自的时间表。在 先期调查的方法论,普查局表示其初步预估数据会在月度结束约十个工作日后发布,并在一个月后由更大规模的月度调查进行修正。在 调整系数页面,其中解释了每个月的同期调整会将所有可用的未经调整的估计值(包括最新的初步估计值和预估值)输入到 X-13ARIMA-SEATS 中,并且所发布的预测系数是对未经调整的估计值到达后它将使用的系数的估计。
第三个原因是年度修订。根据 普查局对今年年度修正的解释,它结合了历史修正、对 2024 年度综合经济调查的基准对齐以及对季节性调整模型的更新,并且调整后的估计值根据修订后的未调整估计值和修订后的季节性系数进行了修正。在 相同的解释,普查局补充说明,月度报告可能基于不完整或未经审计的记录以及受访者自行作出的估计。
最近发布的报告显示了打印出来的数字可能发生多大的变动。在 2026年9月预估报告,七月至八月的总销售额变动已从原先的增长 1.1% 修订为增长 1.3%,报告指出,月度估计值已于 2026年九月28日使用历史修正数据以及 2023 和 2024 年度综合经济调查结果进行了修订。下方的修订对照表将人口普查局八月印刷时的 2025 年十二月数据与当前印刷的数据进行了对比。
为什么这两个序列都不是单品需求预测?
在 美国人口普查局的零售定义,销售额由实现销售的门店计入,因此按门店类型划分的估计值并非用于衡量任何单一商品或商品系列的销售总额。杂货店的销售额包括其售出的所有商品,而通过百货公司、仓储会员店和在线零售商售出的同一款产品则会归入多种不同的业态。在 先期调查的方法论,零售销售额是衡量耐用品和非耐用品消费者需求的主要指标之一,代表的是总体需求,而非针对某个特定单品。如果您在零售环节的上游进行多层采购,请将这些数据视为最终消费者背景,并结合贴近您自身供应商的指标一同参考。
该调查也是全国性的。在 天气常见问题解答,人口普查局表示,月度零售项目并非旨在衡量特定地理层面的活动,因此某个地区、某个门店集群或某个配送中心的辐射范围超出了表格所能描述的范畴。上述预测调整系数用于估计未来几个月的日历效应,而非任何单品销售额。请根据团队自身的销售历史(剔除缺货期和促销峰值)以及未完成的客户订单来构建单品需求预测。然后,结合未完成的采购订单、供应商提前期以及供应商的实际交付能力来设定采购数量,相关内容详见 我们的供应商风险评估方法指南.
买方在零售数据使用前应如何记录?
在将零售数据录入品类计划之前,请在其旁边注明其调整状态。以下登记表是我们对此提出的建议,每个数据占一行,其中的字段取自上述数据源对每项估计所附加的条件。
| 字段 | 应当记录的内容 | 重要性 |
|---|---|---|
| 序列与业务类型 | 人口普查表、NAICS代码以及门店类型,例如 448 服装店 | 店铺类型而非产品;一条产品线可以跨越多种业务类型 |
| 调整状态 | 未经调整,或经季节性、交易日及节假日效应调整 | 未调整的月份保留日历影响;调整后的月份仅去除其预期部分 |
| 综合因子 | 当月发布的调整系数,以及它是否仍处于预测状态 | 展示了日历效应解释了原始水平的多少份额 |
| 价格基础 | 现价美元 | 价格上涨和数量增加看起来是一样的 |
| 发布与状态 | 发布日期,以及预估、初步或修订状态 | 先行月份和初步月份的数据会进行修订,年度修订还会对更早的历史数据进行修正 |
| 比较 | 经季节调整数据的环比比较,或与去年同月比较,并注明两个月发布的调整系数 | 经调整的数据与未经调整的数据对比,即将剔除日历效应的数字与仍包含该效应的数字进行比较 |
| 不确定性 | 变动的打印正负误差范围,以及关于部分估计值经过推算的说明 | 如果变动值加上或减去其误差范围后包含零,则将变动方向记录为与持平无异 |
| 改用替代的物料记录 | 单品销售历史、未结客户订单、现有及在途库存、供应商提前期、最低订货量及合同约定采购量 | 需求预测源自销售历史和客户订单,采购数量也参考了库存与供应记录,而不是零售表格 |
这是一个工作表结构,而非规则或阈值:这些字段描述了已发布数据的含义,而具体的计划决策仍取决于团队自身的物料和供应商记录。
该登记表双向适用。当供应商以零售额上升为由要求涨价时,请追问其指的是哪个商店类型的数据行、哪一种调整状态以及哪一次发布,并结合供应商的成本明细表以及合同中指定的指数来对该请求进行评估,而不是对照零售额,这也为 供应商关系评审 提供一个共享的事实基础。当贵司自身的销售额在 一月份出现下滑时,请将该下滑幅度与同类门店未经调整的 一月份跌幅进行比较,然后再将其视为需求走弱;如果采购团队报告使用的是 4-5-4 或其他财年日历,请先将其月份转换为日历月。同比比较有助于进行 一月份的核对,尽管在 达拉斯联储解释说明 它严重依赖于 12 个月前的历史数据,因此该名册保留了这两种对比。
自动化规划应从这些表中保留什么?
在下一次品类评审中,挑选一个已经存在于计划或供应商函件中的零售数据,并填写其登记行,一旦人口普查表打开,这只需几分钟。然后询问其所支持的决策是否需要团队的商品历史记录来替代。
来源
- 月度估计值的季节性及其他变动之先期月度零售贸易与餐饮服务调整因子 ——美国人口普查局零售指标处,美国人口普查局,2013。基础证据(官方报告):用于季节性、营业日和假日效应的 X-13ARIMA-SEATS 因子;用于调整销售额的已发布综合因子;作为一种近似方法的调整,当模式发生变化时可能会失去精度;结合最新初步估计值和预估值的同期调整;预测因子。
- 月度零售贸易:定义 — 美国人口普查局,2021。基础证据(官方报告):金额按现价美元计算,而非按不变价格系列计算,跨年份比较时需考虑价格水平的变化;以零售实体作为计量单位,因此按门店类型划分的销售额并不能衡量某类商品或商品系列的销售总额。
- 先期月度零售贸易调查:数据收集方式 — 美国人口普查局,2026。当前经验证据(官方报告):基于月度调查,预估数据在月度结束后约十个工作日发布,并在一个月后由月度调查修正;采用 X-11 基于过滤器的程序进行季节性调整以及节假日和交易日差异调整;零售额作为衡量耐用品和非耐用品消费者需求的主要指标。
- 每月零售与餐饮服务年度修正,2026:修正说明 — 美国人口普查局,2026。当前实证证据(官方报告):年度修正结合了历史修正、基准调整和季节性模型更新;经调整的估计值根据修正后的未调整估计值以及年度模型审查后的修正季节因子进行修订;月度报告有时基于不完整或未经审计的记录。
- 每月提前零售贸易调查:天气常见问题解答 ——美国人口普查局,2026。背景依据(官方报告):由于样本衡量的是全国范围的活动,局方无法隔离天气对前期估计数的影响;月度项目并非旨在衡量特定地理水平的活动。
- 日常经济学:数据的季节性调整 — 达拉斯联邦储备银行,2024。基础证据(官方报告):X-13,用于估计在同月份中以相似幅度和方向重复出现的效应;将季节性成分与趋势循环成分以及不规则成分剥离;不规则成分源于反常天气、自然灾害、罢工或抽样误差;依赖 12 个月前数据的同比增长比较。
- 2026 年 9 月零售与餐饮服务业预估月度销售额(发布编号 CB26-165,2026 年 10 月 15 日) — 美国人口普查局经济指标处,美国人口普查局,2026。当前实证证据(官方报告):2026年九月$745.0十亿美元销售额,经季节性波动以及节假日与营业日差异调整(但未根据价格变动进行调整),增长0.8%;七月至八月的变动从增长1.1%修正为增长1.3%;2026 年九月 28 日修正通知。
- 月度零售贸易调查:数据是如何收集的 ——美国人口普查局,2026。当前的实证证据(官方报告):插补数据约占月度零售和餐饮服务总销售额估计值的 36.3 百分比;仅衡量抽样变异性而非系统性偏差的标准误差;自 2025 年 4 月起已将无雇主企业从估计值中剔除。