王立荣，周金南

（东北师范大学a.经济学院；b.应用统计教育部重点实验室，长春 130117）

0 引言

大多数月度和季度的宏观经济数据均受到季节因素的影响。以消费品零售额为例，在公共假期之前该指标往往会出现一个峰值，因此社会消费品零售总额存在明显的季节性趋势。对月度数据和季度数据进行季节性调整的目的在于剔除季节性因素导致的数据波动。除了常规的季节性因素如趋势-周期因素、季节成分以外，中国的传统节日所产生的日历效应也对原始数据产生重要影响，尤其是中国的春节。农历春节在公历上的时间发生于每年的1月21日至2月20日之间，这会造成月度同比增长率数据仍然存在一定的扭曲，如果相邻两年的春节并非同时发生在1月或2月，就会导致同比数据的波动性可能非常大，尤其对于发电量、社会消费品零售总额、居民消费价格指数等明显受到春节因素影响的变量。

广泛使用的用于季节调整的方法是美国普查局提出的X-12-ARIMA[1]和西班牙银行提出的SEATS[2，3]。然而，尽管X-12-ARIMA程序中的regARIMA预调整模块能够实现对原始数据的预处理，即剔除日历效应（如交易日效应、移动假日效应等），但X-12-ARIMA的内置程序主要针对西方国家的情况而设计，如复活节、感恩节，对于中国的春节、端午节、中秋节等并未提供直接计算程序[4]。另外，已有的考虑中国移动假日效应的季节调整研究中，对于节前、节中、节后影响期的选取采用主观设定的方式，且对不同时间序列采用同样的影响期，因此缺乏对不同时序数据可能存在不同移动假日效应的相关研究。……