為什麼重要
多數聯邦經濟資料都有兩個版本:已季節調整（SA）與未經季節調整（NSA）。差異很重要,因為原始的月度或季度資料季節性非常強。失業率1月總是上升（節後裁員）,成屋銷售6月總是高峰,建築核發許可12月總是急凍。若不做季節調整,拿1月比6月,告訴你的是月曆,不是經濟。BLS與Census多數序列都同時發布SA版本（供月對月與季對季比較）與NSA版本（供年對年分析與學術研究）。對投資人而言關鍵的陷阱是:BLS LAUS(都會區失業率)預設是NSA——所以不能直接比較都會11月對都會12月。應改用年對年。
速覽
- 它是什麼: 從時間序列中剝除月曆驅動的模式,讓跨月或跨季的比較有意義。
- 誰在做: BLS、Census、FHFA與多數聯邦統計機構。採用一套標準統計工具X-13ARIMA-SEATS。
- SA = 已季節調整。 月對月變化有意義。
- NSA = 未經季節調整。 月對月變化混合趨勢與季節性——應改用YoY。
- 關鍵陷阱: BLS CES就業（都會層級）是SA,BLS LAUS失業率（都會層級）是NSA。要確認自己在抓哪個序列。
- 如何辨識: 聯邦資料發布註解一定會寫明「Seasonally Adjusted」或「Not Seasonally Adjusted」。FRED序列名稱會標「SA」或「NSA」。
運作原理
調整實際做了什麼。 季節調整使用一套統計方法（X-13ARIMA-SEATS是Census Bureau的標準）把時間序列拆解成三個成分:趨勢（長期方向）、季節（可預測的月曆模式）、殘差（其他所有變動）。扣除季節成分後,留下趨勢加殘差。你在已發布的SA序列上看到的,就是「把月曆會做的事情剝除後,經濟實際在做什麼」。多數聯邦序列（新屋開工、全國失業率、CPI、零售銷售、GDP）發布的是SA版本,NSA則歸檔。有些序列（都會層級的LAUS發布的是NSA,那個粒度上不存在SA版本。
為何都會層級的BLS LAUS是NSA。 簡短答案:都會層級的樣本量不足以可靠辨識季節成分。季節調整需要5年以上穩定的季節模式才能校準。全國失業率有這樣的條件,都會失業率——特別是較小的都會——樣本較薄且人口結構變動,讓季節模式較不穩定。BLS選擇不發布品質不佳的都會SA序列,而是發布NSA,由使用者自行處理。這對投資人的含意是:若你抓都會LAUS 11月對12月,會看到失業率上升——那是季節模式,不是底層趨勢。要剝除季節性,改用年對年比較（同月對同月）。
SA與NSA依用途影響你的分析方式。 三種情境。第一,月對月趨勢追蹤:必須用SA。NSA的MoM被季節波動主導。第二,年對年水準比較:SA或NSA皆可——相同月份比較會自動抵銷季節性。第三,學術或研究分析:NSA是原始真相,讓你套用自己的調整方法。對不動產投資人的實務原則:月度追蹤用SA;SA不可得時用NSA搭配YoY;無論如何都要確認自己在抓哪個版本。
季節調整失靈的情境。 三種會誤導。第一,季節模式的結構性斷裂——疫情根本改變了餐旅業與零售業的季節性僱用模式。SA模型已調整過,但疫情前與疫情後的SA序列並非嚴格可比。第二,樣本小且模式不穩的序列——非常小的都會或特定產業,季節成分無法可靠辨識。第三,資料修訂——SA序列會隨新資料改善季節模型而定期修訂。你上個月看到的2024年11月SA值,今天可能不一樣。做回測時要抓新資料,不要用歸檔快照。
實戰案例
王美麗（Wang Mei-Li）正確解讀都會失業率。
王美麗在評估Austin都會區的多戶型物件收購前,先追蹤該都會的失業率。她從FRED拉BLS LAUS資料。
第一次拉取顯示:
- Austin都會失業率,2025年11月: 3.2%
- Austin都會失業率,2025年12月: 3.6%
- 月對月變動: +0.4個百分點
直覺反應:「Austin失業率一個月跳了12%——勞動市場出事了。」但接著她想起都會LAUS是NSA。12月的節假裁員（零售臨時工、餐旅業、倉儲業）每年都會帶來可預測的季節上升——這不是Austin特有的訊號。
她改抓真正能回答她問題的比較:
- Austin都會失業率,2025年12月: 3.6%
- Austin都會失業率,2024年12月: 3.8%
- 年對年變動: −0.2個百分點
這才說得通。Austin的2025年12月比2024年12月低了0.2個百分點。勞動市場其實在年對年收緊,不是在走弱。用同月對同月的方式剝除季節性後,Austin現在其實比一年前更健康——即使NSA的月對月變動看起來嚇人。
若王美麗改用全國BLS CES就業資料（全國層級是季節調整過的）,她可以直接做MoM。但針對都會層級的問題,NSA + YoY才是正確的方法學。
優劣分析
- 讓月對月與季對季比較有意義
- 聯邦統計機構的共通慣例——標準一致
- 統計方法（X-13ARIMA-SEATS）有完整文件且經同儕審查
- 模型修訂會讓季節模型隨時間改善
- 能把底層趨勢與月曆雜訊分開
- 不是每個地理粒度都有——都會LAUS是NSA,都會CES才是SA
- 修訂會回溯改變歷史SA值
- 結構性斷裂（疫情、重大政策變動）可能讓季節模型失靈多年
- 小樣本序列無法可靠計算季節成分
- 一般讀者常以為每個序列都是SA,看到NSA資料會混淆
注意事項
- 都會LAUS是NSA,都會CES是SA: BLS發布兩個都會層級的就業序列。CES計算薪資員工數,已季節調整;LAUS估計失業率,未經季節調整。若你在比較都會失業率的月對月,讀到的是月曆雜訊,不是經濟訊號。
- 一定要看註解: 聯邦資料釋出會在註解寫「Seasonally Adjusted Annual Rate」或「Not Seasonally Adjusted」。FRED序列名稱會標「SA」或「NSA」。有疑問就核對。
- 修訂會改寫歷史: 你3月拉的SA序列,5月再看可能不同,因為季節模型更新了。已發表的著作要同時引用資料日期與抓取日期。
- 結構性斷裂: 疫情時期的勞動與住宅季節性被打亂。2020年前與2022年後的SA序列使用不同的季節因子。做長期比較時要注意這一點。
- 不要再疊加SA: 若序列已發布為SAAR(例如成屋銷售),那已經是SA加上年化,不要再疊一層調整上去。