为什么我们要从时间序列中删除季节性因素？

在处理时间序列时，有时我们会使用频谱分析来检测并消除季节性。我是时间序列的真正初学者，但我很困惑为什么要从原始时间序列中去除季节性？删除季节性因素是否会使原始数据失真？

通过消除季节性来构建时间序列，我们可以获得什么好处？

• Burman，J. Peter（1980），“ 通过信号提取进行季节性调整 ” ，《皇家统计学会杂志》，系列A，143，第321页

根据缅甸人的原因：

最常见的是提供当前趋势的估计，以便可以做出判断性的短期预测。另外，它也可以应用于进入经济模型的大量序列，因为发现除了最小的模型以外，在所有模型中使用未经调整的数据进行季节性虚拟化都是不可行的：这通常称为季节性调整的历史模式

• Shiskin，Julius（1957），“ 电子计算机和业务指标 ”，《商业杂志》，第30期，219-267。

研究经济指标的主要目的是确定经济所处的商业周期阶段。这些知识有助于预测随后的周期性运动，并为采取措施缓和商业周期的幅度和范围提供事实依据。。。。但是，在使用指标时，分析师经常会遇到难以将周期性波动与其他类型的波动（尤其是季节性波动）分开的麻烦。

如果您想要我的2戈比，那么我将其总结如下：

1. 便利性：如果您处理多个经济系列，则每个系列都有其自己的季节性。在多元模型中处理每个系列的季节性变得不切实际。因此，在将所有经济序列添加到多元模型或一起进行分析之前，对所有经济序列进行反季节化比较容易。
2. 趋势提取：许多经济序列本质上是季节性的，例如，夏季房价较高。因此，当房价指数突然下降时，这并不总是因为它预示着经济中的重要信号，而可能仅仅是季节性下降而没有重要信息。因此，我们希望对该系列进行反季节化处理以了解我们的位置。

当查看时间序列的两个变量之间的关系时，季节性会降低自由度，因为数据不会独立。这种“串行”相关将导致虚假相关。因此，以增加自由度为目标，消除了季节性。