季节性时间序列分析方法

1、第七章 季节性时间序列分析方法由于季节性时间序列在经济生活中大量存在，故将季节时间序列从非平稳序列中抽出来，单独作为一章加以研究，具有较强的现实意义。本章共分四节：简单随机时间序列模型、乘积季节模型、季节型时间序列模型的建立、季节调整方法X-11程序。本章的学习重点是季节模型的一般形式和建模。1 简单随机时序模型在许多实实际问题题中，经经济时间间序列的的变化包包含很多多明显的的周期性性规律。比如：建筑施施工在冬冬季的月月份当中中将减少少，旅游游人数将将在夏季季达到高高峰，等等等，这这种规律律是由于于季节性性（seeasoonallityy）变化化或周期期性变化化所引起起的。对对于这各各时间数数

2、列我们们可以说说，变量量同它上上一年同同一月（季度，周等）的值的的关系可可能比它它同前一一月的值值的相关关更密切切。季节性时时间序列列1含义义：在一一个序列列中，若若经过SS个时间间间隔后后呈现出出相似性性，我们们说该序序列具有有以S为为周期的的周期性性特性。具有周周期特性性的序列列就称为为季节性性时间序序列，这这里S为为周期长长度。注：在在经济领领域中，季节性性的数据据几乎无无处不在在，在许许多场合合，我们们往往可可以从直直观的背背景及物物理变化化规律得得知季节节性的周周期，如如季度数数据（周周期为44）、月月度数据据（周期期为122）、周周数据（周期为为7）；有的时时间序列列也可能能包含长

3、长度不同同的若干干种周期期，如客客运量数数据（SS=122，S=7）2处理理办法：（1）建建立组合合模型；将原序列列分解成成S个子子序列（Buyys-BBalllot 18447）周期 周期期点123S总和平均1X1X2X3XST*1A*12XS+11XS+11XS+33X2ST*2A*23XS+11X2S+2X2S+3X3ST*3A*3nX(n-1)SS+1X(n-1)SS+2X(n-1)SS+3XnST*nA*1nn总和T1*T2*T3*TS*TT/S平均A1*A2*A3*AS*T/NT/SNN对于这样样每一个个子序列列都可以以给它拟拟合ARRIMAA模型，同时认认为各个个序列之之间是相相

4、互独立立的。但但是这种种做法不不可取，原因有有二：（1）SS个子序序列事实实上并不不相互独独立，硬硬性划分分这样的的子序列列不能反反映序列列的总体体特征；（2）子序列列的划分分要求原原序列的的样本足足够大。启发意义义：如果果把每一一时刻的的观察值值与上年年同期相相应的观观察值相相减，是是否能将将原序列列的周期期性变化化消除？（或实实现平稳稳化），在经济济上，就就是考查查与前期期相比的的净增值值，用数数学语言言来描述述就是定定义季节节差分算算子。定义：季季节差分分可以表表示为。随机季节节模型1含义义：随机机季节模模型，是是对季节节性随机机序列中中不同周周期的同同一周期期点之间间的相关关关系的的一

5、种拟拟合。AR（11）：，可以还还原为：。MA（11）：，可以还还原为：。2形式式：广而而言之，季节型型模型的的ARMMA表达达形式为为 （1）这里，。注：（11）残差差的内容容；（22）残差差的性质质。2 乘乘积季节节模型乘积季节节模型的的一般形形式由于不独独立，不不妨设，则有 （22）式中，为为白噪声声；。在（1）式两端端同乘，可得：（3）注：（11）这里里表示不不同周期期的同一一周期点点上的相相关关系系；则表表示同一一周期内内不同周周期点上上的相关关关系。二者的的结合就就能同时时刻划两两个因素素的作用用，仿佛佛是显像像管中的的电子扫扫描。（2）从从结构上上看，它它是季节节模型与与ARII

6、MA模模型的结结合形式式，称之之为乘积积季节模模型，阶阶数用来来表示。（3）将将乘积季季节模型型展开便便会得到到一般的的ARIIMA模模型。例例如：，可以展展开为，此时也也有，并并且其中中有许多多系数为为0。但但其参数数并不独独立。所所以尽管管模型的的阶数可可能很高高，然而而真正独独立的参参数不多多，我们们称这类类模型为为疏系数数模型（带有一一定约束束条件的的疏系数数模型）。常用的两两个模型型1 类型型为： （44）2 类型型为： （5）乘积季节节模型与与ARIIMA模模型的关关系我们可以以将乘积积季节模模型（3）展成ARRIMAA模型形形式。例如，是是季节模模型，将将式子的的右边展展成： （

7、6）这是一个个阶ARRIMAA模型，但是其其参数不不是独立立的，有有下面的的约束关关系 （7）尽管模型型的阶数数很高，然而真真正独立立的参数数并不多多，有许许多参数数取值为为零3 季季节性时时间序列列模型的的建立季节性时时间序列列模型的的建立也也包含这这样几个个过程：模型的的识别、模型的的定阶、参数估估计、诊诊断检验验等。基基本上采采用的是是BOXX-JEENKIINS方方法，也也就是立立足于考考察数据据序列的的样本自自相关、偏自相相关函数数。如果样本本自相关关、偏自自相关函函数既不不截也不不拖尾，而且也也不呈线线性衰减减趋势，相反地地，在相相应于周周期S的的整数倍倍点上，自相关关（或偏偏自相

8、关关）函数数出现绝绝对值相相当大的的峰值并并呈现振振荡变化化，我们们就可以以判明原原数据序序列适合合于乘积积季节模模型。季节性MMA模型型的自相相关函数数是一个季季节性时时间序列列，如果果，则（6）不平稳，设，则则 （77）我们就能能得到一一个乘积积季节模模型（8） （99）当S=112时，有 （110）可以计算算出：因此有：注：（11）为的一阶阶自相关关系数，为的一阶阶自相关关系数；（2）与与比较容容易求解解；（3）可可以推广广到更一一般的形形式。季节性AAR模型型的偏自自相关函函数是一个季季节性时时间序列列，如果果，则（11）不平稳，设，则则 （112）我们就能能得到一一个乘积积季节模模型

9、 （133） （114）当S=112时，有 （115）可以根据据YULLE-WWORKK方程求求出偏自自相关函函数。注：（11）根据据它在周周期点上上的偏自自相关函函数的截截尾性和和拖尾性性识别模模型的类类型和定定阶；（2）可可以推广广到更一一般的形形式。季节性时时间序列列模型的的建模方方法利用B-J建模模方法：判别周周期性，即S的的取值；根据SSACFF和SPPACFF提供的的信息识识别模型型类型和和阶数，最后进进行估计计和诊断断检验。具体做法法：第一步：对时间间序列进进行普通通差分和和季节差差分，以以得到平平稳的序序列，；第二步：计算差差分后序序列的SSACFF和SPPACFF，选择择一个

10、暂暂定的模模型；第三步：由SAACF和和SPAACF函函数的值值，利用用矩估计计法得到到的值作作为初始始值，对对模型参参数作最最小二乘乘估计；第四步：模型的的诊断与与检验。注：（11）关于于差分阶阶数d和和季节差差分阶数数D的选选取可采采用试探探的方法法 详见备课笔记。；也可可使用差差分后序序列均方方差的大大小挑选选；（2）季季节差分分算子的的阶数不不宜过高高。应用实例例【例6-1】试试用19987年年到19996年年甲地某某商品各各月销售售量资料料为例建建立季节节性时间间序列模模型 资料来源王振龙：时间序列分析，中国统计出版社，P189。建模型过过程：1时间间序列图图明显存在在着季节节性变化

11、化，并且且以122为周期期。2SAACF和和SPAACF函函数图SACF再次证证明，时时间序列列存在着着以S=12为为周期的的季节性性变动。SPACF3进行行差分变变换需要进行行一阶普普通差和和以122为周期期的季节节差分，得到 （177） （116）计算其自自相关系系数。一阶普通通差分图图一阶普通通差分和和一阶季季节差分分序列图图4模型型的识别别与定阶阶5参数数估计6诊断断检验7模型型应用预测结果果【例6-2】表表显示了了我国119900年1月月至19997年年12月月工业总总产值的的月度资资料（119900年不变变价格），记作作IPtt，共有有96个个观测值值，对序序列IPPt建立AARM

12、AA模型 资料来源易丹辉：数据分析与EVIEWS应用，P125。，在建模模过程中中将19997年年12个个月的观观测值留留出作为为评价预预测精度度的参照照对象。19900年1月至19997年年12月我我国工业业总产值值单位：亿亿元月/年1990019911199221993319944199551996619977114211.400017577.800019844.200021799.100029033.300029966.700034766.600038433.8440213677.400014855.700018122.400024088.700025133.800027400.3000

13、27900.300031811.2660317199.700018933.900022744.700028699.400034099.000035800.900039422.600044044.4990417599.600019699.800023288.900029166.700034999.500037466.300040677.600045200.1880517955.700020333.700023733.100030222.100036422.600038177.900047466.899946388.9990618488.100021033.000025155.800032744.

14、500038711.400040466.600044177.299949699.9330716377.300018366.300022888.000028622.900033733.000034833.900038066.800041466.8999816700.900019144.700023211.000028644.200034633.400035100.600037466.300041988.7000917600.100020222.200024411.100029088.000036633.744037033.100040111.100045366.83391017899.50002

15、0455.100025022.600029111.800037533.388038100.700041299.600047188.91101118888.600020699.200026088.800031011.300039733.177040911.000043722.899950344.93391219811.400021366.000028233.800036644.300044699.022046500.799949911.500055455.74401时间间序列图图表明数据据或者序序列是非非平稳的的。2进行行相应的的差分变变换为消除趋趋势同时时减小序序列的波波动，对对原序列列做一阶

16、阶自然对对数并逐逐期差分分，即是是差分运运算与对对数运算算的结合合。由时间序序列图可可以看到到，序列列的趋势势已经基基本消除除，但可可能存在在着季节节性变化化，这一一点可以以从序列列的自相相关图看看出。由由图形可可以看出出，在112的整整数倍上上，样本本的偏自自相关系系数显著著不为零零，因此此需要做做季节差差分处理理。此时差分分后序列列的自相相关图为为可以对序序列进行行零均值值的检验验，详见见易丹辉辉：数数据分析析与EVVIEWWS应用用，PP1288。3模型型识别与与定阶因为经过过一阶逐逐期差分分，序列列趋势基基本消除除，故dd=1；经过一一阶季节节差分，季节性性基本消消除，故故D=11。所

17、以以选用AARIMMA(pp,d,q)(P,D,QQ)S模型。由上图图的偏自自相关函函数图得得p=22或p=3比较较合适；自相关关函数图图q=11比较适适合。考考虑到AAR模型型是线性性方程估估计，相相对于MMA和AARMAA模型的的非线性性估计容容易，且且参数意意义便于于解释，故实际际建模时时常希望望用高阶阶的ARR模型替替换相应应的MAA或ARRMA模模型。综综合考虑虑，可供供选择的的(p,q)组组合有：(3,1)、(4,0)、(2,1)和和(3,0)。由于KK=122时，样样本自相相关和偏偏自相关关系数都都显著不不为0，所以，P=QQ=1。4模型型估计在命令主主窗口输输入：DD(LOOG

18、(IIP),1,112)ARR(1) AR(2)AR(3)MA(1)SAAR(112)SMMA(112)5检验验和预测测包括模型型的适应应性检验验和评价价精度的的检验，对未来来进行预预测。【例6-3】时时间序列列资料AARIMMA季节节乘积模模型及其其应用，资料来来源于张张蔚等：时间序序列资料料ARIIMA季季节乘积积模型及及其应用用，第第三军医医大学学学报。PAGE 4 季季节调整整对时间序序列季节节调整的的几点认认识 资料来源于国家统计局国民经济核算司 刘丽萍的文章。西方国家家开展时时间序列列的季节节调整已已有几十十年的历历史，在在他们的的公开出出版物中中经常会会看到经经过季节节调整后后的

19、数据据，在经经济分析析和国民民核算中中，也经经常会遇遇到关于于国内生生产总值值时间序序列季节节调整的的方法研研究。结结合本人人在加拿拿大学习习了解到到的情况况，本文文谈一点点对这个个问题的的粗浅认认识。1为什什么要对对时间序序列进行行季节调调整季节调整整是对时时间序列列中隐含含的由于于季节性性因素造造成的季季节变化化的影响响加以纠纠正的过过程。时时间序列列是指在在规定的的时间间间隔内，对所发发生的经经济活动动进行连连续测算算而形成成的数据据。一般般根据测测算是一一年一次次，三个个月一次次，还是是每月一一次，而而区分为为年度序序列、季季度序列列或月度度序列。一般认认为，季季节性因因素是指指在正常

20、常年度情情况下，季度或或月度序序列（统统称为子子年度序序列）中中表现出出来的有有规律的的波动变变化。为为什么子子年度序序列中包包含有季季节性因因素？子子年度序序列相对对于年度度序列而而言，其其特点是是指标的的核算期期或指标标所对应应的时期期少于一一年。年年度序列列与日历历年度的的周期相相对应，而人类类传统经经济活动动的运作作起始也也一般与与日历年年度相对对应，因因此年度度序列能能够反映映一个日日历年度度内经济济活动的的一个完完整的周周期，如如果将不不同年度度的指标标进行比比较，具具有可比比性。但但是子年年度序列列则不同同，由于于其对应应的时期期只是日日历年度度中的某某一部分分，因此此不同时时期

21、的子子年度指指标所对对应的季季节相互互之间各各不相同同。由于于不同的的季节对对经济活活动的影影响程度度不同，相同的的经济活活动在不不同季节节里产生生的经济济效果不不同，因因此不同同的子年年度指标标之间存存在不可可比因素素。如春春季和冬冬季这两两个不同同的季节节对建筑筑业的影影响明显显不同，建筑业业的活动动规模和和由此产产生的与与建筑业业有关的的指标建建筑业产产值、建建筑业就就业人数数等在这这两个季季节也就就大不相相同。在在宏观经经济环境境都相同同的情况况下，这这其中最最主要的的一个原原因就是是季节性性因素的的影响。季节性性因素的的影响对对季节变变化比较较明显的的国家和和地区尤尤为突出出。随着着

22、经济发发展的迅迅速以及及人们对对经济关关注程度度的提高高，子年年度指标标在经济济分析和和宏观调调控中的的作用越越来越重重要，利利用子年年度时间间序列做做经济模模型和分分析问题题成为经经济研究究中的一一个重要要内容。为了使使不同季季节的指指标之间间具有可可比性，满足经经济分析析和管理理的需要要，季节节调整的的理论及及方法应应运而生生。2季节节调整的的理论依依据研究表明明子年度度指标的的时间序序列中隐隐含有周周期、趋趋势、季季节性因因素、交交易日因因素和偶偶然因素素等构成成成分。周期是是指标的的时间序序列所表表现出的的持续的的周期性性的波动动，一个个完整的的周期具具有扩张张阶段、转折点点、衰退退阶

23、段和和恢复阶阶段四个个不同的的阶段。趋势反反映的是是经济现现象的长长期演变变方向。周期与与趋势比比较，趋趋势主要要是反映映经济发发展的总总体方向向，如是是上升、持平还还是下降降。而周周期侧偏偏重于瞬瞬间的经经济变化化。由于于测算趋趋势在实实际工作作中有一一定的难难度，因因此一般般把趋势势与周期期放在一一起不再再进行区区分。季季节性因因素是时时间序列列围绕趋趋势和周周期年复复一年的的重复出出现的一一种有规规律的波波动。产产生季节节性因素素的原因因有多方方面，如如气候的的原因使使建筑业业和农业业在冬季季生产量量减少，也使失失业的人人数多于于其他季季节。社社会因素素也可以以产生季季节性因因素，如如由

24、于传传统的节节假日而而产生的的节假日日期间销销售额的的增长。季节性性的影响响还可使使一些食食品工业业的生产产具有季季节性因因素。实实际上在在许多情情况下季季节性因因素是由由气候、社会等等原因综综合在一一起而产产生的，如失业业。交易易日因素素是由于于一个星星期里每每一天的的数量在在一个月月里出现现的次数数不同，而一个个星期里里不同的的日期所所发生的的经济活活动不同同引起的的某些变变量的变变化。如如，如果果人们大大多在星星期五集集中购物物，那么么这一天天的商品品零售额额必然高高于一星星期里的的其他日日子。如如果一个个月有330天，那么330天在在一个星星期中的的分布有有可能星星期一和和星期二二是五

25、天天余下的的星期三三到星期期日是四四天，也也可能是是其他的的组合。如果在在某一个个月里星星期五的的天数是是五天，那么这这个月的的商品零零售额就就会多于于星期五五只有四四天的月月份，这这时如果果以星期期五有五五天的月月份与星星期五只只有四天天的月份份相比就就存在不不可比因因素。这这个不可可比因素素就是交交易日因因素。交交易日因因素表现现出的商商业行为为有时会会掩盖经经济的周周期，其其对时间间序列的的影响与与季节性性因素相相同。偶偶然因素素反映的的是其他他有规律律因素无无法解释释的残差差或随机机因素产产生的变变化，它它包括经经济活动动的参与与者们的的不稳定定决策、数据程程序或样样本的错错误以及及非

26、正常常的事件件如罢工工、自然然灾害等等对经济济活动的的影响。 季节调整整就是通通过数学学的方法法把原始始子年度度时间序序列中隐隐含的季季节性因因素、交交易日因因素剔除除掉，季季节调整整后的时时间序列列是趋势势周期和和偶然因因素的合合成。3西方方国家季季节调整整的做法法及其季季节调整整后数据据的利弊弊目前西方方国家大大多都对对包括国国内生产产总值在在内的子子年度时时间序列列（如工工业产值值、就业业人数、零售额额等等）进行季季节调整整，季节节调整使使用比较较多的模模型是加加拿大统统计局达达根（DDaguun）研研究开发发的X111ARRIMAA，它是是采用自自回归和和移动平平均的方方法对原原始的时

27、时间序列列进行季季节调整整，消除除时间序序列中季季节性因因素和交交易日因因素的影影响。在在对季度度国内生生产总值值的季节节调整中中，大多多数国家家是利用用没经过过季节调调整的基基础数据据进行国国民核算算，然后后根据季季节调整整模型对对估计出出的季度度国内生生产总值值进行季季节调整整。但法法国、意意大利和和西班牙牙是在季季度国内内生产总总值核算算之前对对计算季季度国内内生产总总值所需需的基础础数据先先进行季季节调整整，然后后直接计计算出季季节调整整后的国国内生产产总值。在他们们的数据据公布系系统中，一些国国家是同同时公布布经季节节调整过过的和未未经季节节调整的的两种数数据，另另一些国国家则只只公

28、布季季节调整整后的数数据，但但是在经经济分析析和利用用时间序序列做经经济模型型时，大大多用季季节调整整后的数数据。季节调整整后数据据的优点点。由于季季节调整整后的数数据消除除了季节节性因素素的影响响，使得得不同季季度之间间的数据据可以直直接比较较，数据据具有可可比性。与没有有经过季季节调整整的数据据相比，调整后后数据最最重要的的一个特特点，就就是可以以及时反反映经济济的瞬间间变化，反映经经济变化化的转折折点，为为从事经经济活动动的人们们制定科科学的决决策提供供比较科科学的依依据。这这对经济济分析非非常有价价值。我我国传统统上是采采取与上上年同期期的数据据进行比比较的方方法来反反映经济济的增长长

29、变化，这种方方法可以以消除季季节性因因素的影影响，但但有它的的局限性性，它不不能及时时反映经经济变化化的转折折点并由由此产生生错误的的结论。如，假假定没有有经过季季节调整整的原始始数据表表明今年年二月与与上年二二月失业业人数的的比较是是下降的的，我们们据此得得出结论论失业率率下降了了，但是是实际上上如果把把经过季季节调整整后的今今年二月月的数据据与今年年一月进进行比较较就可以以看到另另一个现现象，就就是二月月的失业业率是上上升的。实际情情况是近近几个月月的失业业率一直直是上升升的，只只是上升升的幅度度低于去去年前几几个月的的下降幅幅度。研研究表明明，采用用不经过过季节调调整的数数据与去去年同期

30、期进行比比较所反反映的经经济周期期的转折折点往往往要平均均滞后六六个月。这种分分析会给给经济决决策带来来不利的的影响。季节调调整后数数据的另另一个特特点是，可以进进行年率率化的测测算。以以季度数数据为例例，由于于调整后后的数据据剔除了了季节性性等不可可比因素素的影响响，因此此把经过过季节调调整后的的现价季季度数据据乘4就就可看成成是相应应的年度度数据；把经过过季节调调整后的的季度增增长速度度4次方方则可看看成是相相应年度度的增长长率。季季节调整整后数据据的这一一特点可可以提高高经济分分析的价价值，使使得以现现行的短短期经济济指标观观察全年年的情况况成为可可能。季节调整整后的数数据也有有其不易易

31、理解的的方面。首先，调整后后的时间间序列是是观察出出来的而而不是计计算的结结果。未未调整的的时间序序列相互互之间是是独立的的，经过过调整以以后，改改变了序序列的统统计特征征，使其其成为相相互之间间关联的的、变化化趋小的的调整序序列。换换一句话话说，就就是季节节调整后后的数据据，不论论其总量量还是增增长速度度都与实实际计算算的数据据之间有有很大的的差异，数据反反映出的的经济含含义不是是核算期期的实际际经济含含义。其其次，经经季节调调整的时时间序列列，其终终端数据据比中间间数据的的可信度度低。原原因是在在形成最最终序列列前，容容易对起起始端共共四年的的数据加加以修改改。如果果将季节节调整后后的时间

32、间序列建建立的子子年度模模型用于于预测，其用于于建立模模型的数数据，通通常是季季节调整整后序列列中可信信度最差差的数据据。再次次，同一一个数据据，经过过不同次次的季节节调整（因为每每一次新新的数据据出来以以后都要要作为时时间序列列的一部部分而重重新进行行季节调调整），可以出出现不同同的数据据值，这这对于传传统上一一个时期期只有唯唯一的一一个数据据来说，在理解解上有一一个接受受的过程程。4我国国时间序序列季节节调整面面临的问问题目前我国国所有的的子年度度时间序序列都没没有进行行季节调调整，消消除不可可比因素素的一个个主要方方法是与与去年同同期数据据进行比比较。随随着改革革开放的的进一步步深入，我

33、国的的经济将将进一步步融入到到世界经经济一体体化的格格局中，这在客客观上对对我们传传统的统统计方法法提出了了挑战，要求我我们与国国际通行行的方法法接轨。从统计计自身来来讲，引引入时间间序列的的季节调调整方法法，不仅仅仅在于于提高数数据的分分析使用用价值，同时也也对传统统的统计计数据搜搜集方式式提出了了改革的的要求。要开展展时间序序列的季季节调整整，以下下几个方方面的工工作需要要跟上：首先，基基础统计计数据的的搜集方方式。我我国大部部分基础础数据是是以本期期（本月月或本季季）和累累计的形形式同时时搜集，但是也也有一部部分数据据是仅仅仅以累计计数的方方式搜集集上来，或者是是在本期期数与累累计数同同

34、时都搜搜集的情情况下，以累计计的数据据为准。季节调调整是对对每一个个独立的的本期数数据（月月度或季季度）进进行季节节调整，而不是是累计数数。以累累计的形形式搜集集上来的的基础数数据，不不仅专业业数据本本身无法法直接进进行季节节调整，根据专专业数据据计算的的季度国国内生产产总值（我国季季度国内内生产总总值数据据也是累累计的形形式）也也无法直直接进行行季节调调整。尽尽管从理理论上讲讲累计数数据可以以加工出出本期数数据，但但是由于于本期与与累计的的数据之之间往往往存在一一些口径径和时间间上的差差异，调调整出来来的本期期数据反反映的趋趋势有时时不尽合合理。如如果要引引入时间间序列的的季节调调整，首首先

35、要做做的也是是最重要要的工作作是改善善我们的的基础数数据搜集集方式，以搜集集本期的的数据为为主。所所有的专专业统计计都有了了本期数数据，在在此基础础上可以以直接计计算出分分季度的的国内生生产总值值，更重重要的是是可以直直接对专专业数据据和季度度国内生生产总值值进行季季节调整整。其次，理理论和技技术培训训。季节节调整的的方法是是一个技技术性比比较强的的工作，要开展展季节调调整工作作，必须须对模型型有一个个全面的的理解，不仅要要会操作作，还要要懂得季季节调整整的原理理，因为为模型中中有多种种选择，不同的的数据特特征要适适应模型型中不同同的选择择。这些些技术问问题都需需要经过过系统的的理论学学习和培

36、培训。再次，开开展宣传传工作。季节调调整后的的数据改改变了原原始数据据的本来来面貌，与没有有经过季季节调整整的数据据比较，在总量量和增长长速度方方面都存存在一定定的差异异。如果果对外公公开公布布季节调调整后的的数据，需要做做一系列列的宣传传和解释释工作。总之，开开展时间间序列的的季节调调整利弊弊同在，但我认认为这是是一项我我国迟早早都要开开展工作作，因为为它毕竟竟是一种种先进的的科学的的方法。抓住机机遇开展展这项工工作，将将会对我我国传统统的统计计数据搜搜集方式式的变革革、对统统计分析析方法和和统计分分析水平平的提高高起到积积极的推推动作用用。概述1季节节调整的的历史与与发展（1）季季节调整整

37、问题最最早是由由美国著著名经济济学家PPerssonss.W.M.在在19119年提提出的；（2）119311年，MMacaawleey提出出了季节节调整的的比率滑滑动平均均法，该该方法成成为X-11程程度的基基础；（3）119544年，SShisskinn J在在美国国国势普查查局的UUniwwac11型机上上将比率率滑动平平均编制制成季节节调整的的计算机机程序，后来不不断改进进它，相相继研制制了X-3到XX-100等一系系列的季季节调整整程序，于19965年年推出了了著名的的X-111季节节调整程程序（TThe X-111 VVariiantt off thhe CCenccus Metthodd Seeasoonall Add