X-13ARIMA-SEATS、X-12 和 TRAMO/SEATS 是什么?

这三个名字都是季节性调整（seasonal adjustment）程序，用来把时间序列中的季节性波动剥离出来，得到更能反映趋势的“季调后”数据。Catherine Hood Consulting 的专长正是围绕这三套程序提供咨询与培训。简单对应关系是：X-12 是较早的移动平均方法，TRAMO/SEATS 是基于 ARIMA 模型的方法，而 X-13ARIMA-SEATS 由美国人口普查局开发，把前两者的能力集成进同一个程序。如果你面对的是政府或机构发布的月度、季度经济指标，理解这三者的区别，能帮你判断数据是怎么算出来的、结果是否可信。

三套程序的核心区别

关键机制在于：X-12 靠移动平均过滤掉季节性成分，过程直观但对数据两端和异常值较敏感；TRAMO/SEATS 先用 ARIMA 模型拟合序列，再分离季节、趋势和不规则成分，因此在预测和异常处理上更灵活。X-13ARIMA-SEATS 的价值在于把两套思路放在一个程序里，你可以按数据特点选择 regARIMA 建模方式，并运行诊断来判断季调结果是否合理。

为什么需要区分它们

政府机构收集并发布大量时间序列，其中大多数次年度指标都经过季调。同一份原始数据，用不同程序或不同参数，得到的季调结果可能不同。理解程序差异，能帮助你：

• 判断某机构公布的季调数字用了哪类方法，从而预判其后续修正方向；
• 在自己的生产流程中选择统计上站得住脚的方法；
• 在异常年份（例如疫情导致的经济指标剧烈波动）评估季调结果是否仍然可靠。

Catherine Hood Consulting 强调“可用于生产的统计上可靠的方法”，其咨询和培训正是针对 X-13ARIMA-SEATS、X-12 和 TRAMO/SEATS 这三套程序。

如何进一步学习

如果只是想先建立概念，可以从该网站的免费样课“Why Seasonal Adjustment?”和 FAQ 页面入手；想系统学习，则看 Courses 页面，其中包含面向不同受众的课程，部分短期课程可在线学习。若你的组织有具体数据问题，项目制咨询或按月/按季的订阅服务（季节性调整和/或预测）是更直接的选择。网站还提供季节性调整与诊断相关的论文链接，以及免费的季节性调整软件，适合动手验证。

选择时的一个实用判断：先明确你是要理解已发布指标，还是要处理自己的数据。前者从免费样课和 FAQ 起步即可；后者需要根据数据频率和预测需求，在咨询、订阅服务或培训之间取舍。