2006年12月26日下午3:00，应上海社科院经济研究所邀请，美国赛热克斯大学魏特曼管理学院陈江教授在经济研究所512会议室作了题为“时间序列数据的季节性调整与分解”的精彩演讲。
陈江教授首先介绍了时间序列分析的发展过程。时间序列分析大致开始于1950年，1960年有较大的进展，但是直到1970年的中后期，时间序列分析才开始被广泛接受，并成为数量经济学的一部分。
陈教授通过诸如“寻找市场上啤酒与白酒销售量之间的相关关系”、“计算工业成长与电力需求之间关系”这样的通俗易懂的例子，向大家解释了对数据进行季节性调整的原因及原理。进行季节性调整的目的是为了去除数据中所包含的非经济因素，以避免季节性因素、假日因素、交易日因素等对相关关系造成的影响。
对时间序列数据进行季节性调整有几种不同的方法。陈教授介绍了传统的美国方法，即所谓的平滑法；其次是以陈江教授所在团队为代表的威斯康星学派在1976年提出的X－11方法。该方法是在已知模型和观测数据的条件下，通过计算季节性因素的条件期望的办法来对数据进行季节性调整。这种基于模型的方法的优点在于其假设更加明确，并且能够做出更为恰当的推论等。该方法后来又进一步发展为X－12－ARIMA方法。第三种方法是欧洲国家经常采用的正规分解法（Canonical Decomposition）。陈教授还通过一个具体的例子对这三种方法进行了比较。
陈教授认为特别强调指出，寻找经济数据趋势的一个关键性过程就是对数据进行季节性调整；如果研究的目的仅仅是对趋势进行预测，而不是寻找某种关系，则不必进行季节性调整，因为预测可以直接通过原始数据和模型进行；鉴于目前国内数据的特殊性，还难以直接运用X－11方法。在具体处理上，可以先将某些特异值（大事件的影响，例如春节等）去除掉，再进行季节性调整。
受左学金所长委托，报告会由钟祥财研究员主持，经济所科研人员及部分研究生参加了报告会。演讲后，大家就时间序列数据季节性调整的最新进展、如何具体处理中国的数据以避免特异值对整个结果的影响等问题进行了提问和讨论。
