本页季节波锁在正负 3、趋势从 20 抬到 25.5，还能改勾可乘分解吗？

不该。可乘要求高峰随水平按比例拉开；教学四面板里季节幅度几乎恒定，原序列的峰谷垂直距离也没有随趋势抬高而变大，这是可加故事。改勾可乘会把 ±3 硬解释成指数，淡季还原会偏。振幅一年比一年高时再改可乘。Winters 的可加 / 可乘判据相同，但那页还要外推；本页只负责拆开。

过渡相位箱占 54.93%，是不是残差吃了一半、分解失败？

不是。195/355 数的是「既不够峰、也不够谷」的相位箱，不是 Var(I_t)/Var(y_t)。正弦型季节本来大部分时间在爬坡或下坡，过渡箱理应最厚。分解失败的信号在四面板：季节波不重复、残差里还留着每 12 期的尖、T+S+I 还原不上 y。方差份额若要写进论文，应另读工作台的分量贡献，不要抄 54.93%。

四面板看完，还要不要跑 Winters 或 SARIMA？

要，如果下一句是预报。分解给出确定的 T、S、I，默认不沿直线趋势再走六年。Winters 用 γ 递归更新同一套可加或可乘因子并抄下一季；SARIMA 把季节写成 (P,D,Q)_s，并给区间。本页过渡箱厚只说明相位占用，替不了 AIC、MAPE 或 Ljung-Box。只要季节调整序列，可以停在本页。

和 SPSS「分析 → 预测 → 季节分解」或 X-11 对不上？趋势为什么是一条直线？

口径不同。SPSS 经典分解 / Census X-11 / STL 的趋势滤波器、端点补值与季节约束不一样，T_t 不必是直线。本页教学图把趋势抽成缓坡，是为了让季节 ±3 一眼可对，不是声称总体是确定性线性时间。核对应对齐同一列、同一 s、同一可加或可乘，比较逐期 T、S、I。不要拿 SARIMA 的季节 MA 系数来对 23.94%，也不要把峰相位箱当成 P=1。

时间序列分解法

这篇能回答什么

时间序列分解回答的是：「这条等间隔序列里，长期走向、按周期 s 重复的季节、以及剩下的不规则，各长什么样」。可加写 y_t=T_t+S_t+I_t，三项相加还原观测；可乘写 y_t=T_t S_t I_t，季节是围绕 1 的指数。教学图是四面板：原序列、一条近乎直线的趋势（约从 20 走到 25.5）、幅度约 ±3 且每 12 期重复的季节波、以及在 0 附近晃的残差。

占用表按季节相位切三个互斥期箱：峰相位箱（类别 A）、谷相位箱（类别 B）、过渡相位箱（类别 C）。教学合计 355：峰 85（23.94%），谷 75（21.13%），过渡 195（54.93%）。过渡箱超过一半，说明多数期既不是波峰也不是波谷——这是相位直方图，不是「残差占了 54.93% 的方差」。

什么时候不该用

你要的是带季节因子的短预报，主方法是Winters，本页默认不沿 T+S 外推。要把季节写成滞后多项式并给区间，用SARIMA。只要差分看是否平稳，用差分分析和ADF。定 (p,q) 看截尾，用（偏）自相关，不要把低频趋势写成 AR(1)。

如何选择方法

先问输出是解释图还是预报方程。要四面板、季节调整序列、相位占用 → 本页。要递归更新 ℓ、b、s 并抄下一季 → Winters。要 (p,d,q)(P,D,Q)_s 与区间 → SARIMA。可加 / 可乘在分解与 Winters 里同名：振幅不随水平变大选可加（本页季节波锁在 ±3，与可加同向）；高峰按比例拉开选可乘。

分解法：1 条定量序列 + 周期 s + 可加/可乘；输出 T/S/I 四面板与峰/谷/过渡相位占用。
Winters：三次折扣，目的是预报，不是一次性拆分。
SARIMA：季节是 Φ(B^s)、Θ(B^s) 与 D 次季节差分，不是 ±3 的确定波。
差分 / ACF：预处理与定阶，不产出季节指数向量。

Winters法

三次指数平滑，同时建模水平、趋势与季节项。

季节性ARIMA模型

在ARIMA中加入季节AR/MA与季节差分，专门刻画周期波动。

（偏）自相关分析(pacf_acf)

绘制ACF与PACF，辅助判断ARMA的自回归与移动平均阶数。

差分分析

对非平稳序列做一阶或季节差分，观察是否转为平稳。

输入、输出与限制

输入

分析序列须为定量、等间隔，并指定季节周期 s。可加或可乘在运行前选定。时间列只负责排序与给横轴贴「时期」。缺失按列删除后，两端在中心移动平均抽趋势时可能各缺若干点。

分析序列：最少 1 个，最多 1 个，定量。
季节周期 s：正整数；教学图按 12 画出四圈。
可加 / 可乘：决定还原是相加还是相乘。

输出

占用表给出峰、谷、过渡相位箱的频数与占比。图为四行共用横轴：原序列、趋势、季节、残差。季节调整序列若出现在工作台，可加时是 y−S，可乘时是 y/S。本页主表不是预报表。

产品限制

有效期数建议不少于 2s，教学图约 48 期、4 个循环。
合计 355 是相位箱条数，不必等于 48。
类别 A/B/C 不是趋势/季节/残差的方差份额。
直线趋势是抽出的 T_t，不是 Holt 的外推斜线。
本页不估计 Φ、Θ，也不输出预测区间。

案例

研究问题。 约 48 期的序列既往上走，又每 12 期重复一圈峰谷。写报告需要先展示「趋势单独是一条缓坡、季节单独是 ±3 的规则波」，再决定要不要做季节调整或交给 SARIMA。现在还不要下一季的点预测。

教学占用合计 355：峰相位 85（23.94%），谷相位 75（21.13%），过渡相位 195（54.93%）。过渡箱最厚，符合正弦型季节——大部分期处在爬坡或下坡，真正贴顶或贴底的箱子更少。下载时间序列表后，可用「annual」产值看慢漂（季节会很弱），或用更长的月度列看 12 期循环。占用 355 与 20 年产值不必对账。

下载教学示例表（时间序列）

在 StatsX 中操作

步骤 1 · 送入工作台

打开工作台，把 Excel / CSV / JSON 拖进上传区。练习规则季节用能数出 12 期循环的列；练习「拆不开」用短年度产值。单文件不超过 20 MB。
步骤 2 · 选定可加或可乘

原序列峰谷垂直距离几乎不随趋势抬高，勾可加（与本页 ±3 的季节波一致）。高峰按比例变高，勾可乘。s 先按业务写成 12 或 4。
步骤 3 · 选「时间序列分解法」

在算法目录搜「分解」，点选时间序列分解法。不要点 Winters：那边会外推，四面板不是默认产品。
步骤 4 · 指定序列与周期

分析序列勾一列，周期填 12。点运行。不要把截面编号当时期。
步骤 5 · 对四面板与相位箱

趋势应光滑，季节应每 s 期重复，残差应失去明显节拍。过渡箱厚于峰、谷箱是相位占用的正常形状，不要改口写成「残差失败」。

StatsX 工作台上传供时间序列分解的序列 — 将教学示例表拖入工作台上传区。

核对待分解列为定量、间隔整齐。

为分解指定序列、周期与可加或可乘 — 分析序列勾选定量列并设定 s 与分解模式后运行。

如何阅读输出

占用表把 355 条相位记录分进三箱。峰相位 85（23.94%），谷相位 75（21.13%），过渡相位 195（54.93%）。不要把 54.93% 写成「不规则项贡献了一半变异」；方差分解若出现在工作台，是另一套数字。

时间序列分解法结果表

项目	类别	统计量	取值
时间序列分解法	类别 A	频数	85
时间序列分解法	类别 B	频数	75
时间序列分解法	类别 C	频数	195
时间序列分解法	合计	有效样本 N	355
时间序列分解法	类别 A	占比(%)	23.94
时间序列分解法	类别 B	占比(%)	21.13
时间序列分解法	类别 C	占比(%)	54.93

左右滑动可查看完整表格

教学示例表在 StatsX 工作台中的计算结果口径。

时间序列分解峰、谷与过渡相位占用表 — 工作台中的季节相位分箱，数字应与上表一致。

原序列、直线趋势、十二期重复的加减季节波与零附近残差四面板 — 趋势近乎直线；季节波幅度固定约 ±3、周期 12，这是可加分解。残差失去重复节拍。完整数字以工作台为准。

四面板能还原时，可加应有 T+S+I≈y。季节波不随趋势从 20 抬到 25.5 而变高，所以不要改口写成可乘。过渡箱 54.93% 最厚，只说明正弦波大部分时间在过零，不是分解失败。若残差里仍看得到每 12 期的尖，s 填错或应用可乘 / STL。

阅读顺序：s 是否写对 → 趋势是否只剩慢走 → 季节是否每圈重复且幅度模式匹配可加或可乘 → 残差还剩不剩节拍 → 相位箱是否过渡最厚。要短预报用 Winters；要 (P,D,Q)_s 用 SARIMA；只要差分用差分页。

理论与公式

经典可加分解把观测写成三项之和，抽出的季节在各圈重复，残差吃掉剩下的东西：

可乘分解改用乘积，季节指数围绕 1，一个周期内常约束为平均 1：

实务上 T_t 常用长度为 s 的中心移动平均；S_t 是去掉趋势后按相位平均（可加用 y−T，可乘用 y/T）。本页教学图的季节波锁在 ±3、趋势近乎直线，与可加一致。Winters 的可加 / 可乘与这里同名，但用 α、β、γ 递归更新并默认外推。SARIMA 不产出一张确定的 S 向量，而是估计季节滞后多项式与季节差分：Δ_s^D y_t 上的 Φ(B^s)、Θ(B^s)。相位占用把 |S_t| 大的期记入峰或谷箱，其余记入过渡箱，它不是 Var(I)/Var(y)。

注意事项

过渡箱厚 ≠ 分解失败；正弦波大部分时间本来就在过零。
直线趋势不是 Holt 外推，末端不要沿这条线再画六年。
可加季节 ±3 不能抄进可乘指数；先统一模式。
355 是相位箱条数，写方法时同时报告 s、可加或可乘、以及原始期数。
两端在抽趋势时可能缺值，不要把缺的几期当成残差异常。
残差若仍有 12 期尖峰，先改 s 或改可乘 / 更灵活的 STL，而不是加大解释力度。

常见问题

参考文献

Cleveland, R. B., Cleveland, W. S., McRae, J. E., & Terpenning, I. STL: A seasonal-trend decomposition procedure based on loess[J]. Journal of Official Statistics, 1990, 6(1): 3–73.
Shiskin, J., Young, A. H., & Musgrave, J. C. The X-11 Variant of the Census Method II Seasonal Adjustment Program[R]. U.S. Bureau of the Census.
Hyndman, R. J., & Athanasopoulos, G. Forecasting: Principles and Practice[M]. OTexts.
Findley, D. F., Monsell, B. C., Bell, W. R., Otto, M. C., & Chen, B. C. New capabilities and methods of the X-12-ARIMA seasonal-adjustment program[J]. Journal of Business & Economic Statistics, 1998, 16(2): 127–152.