如果目标是预测实际收入，您需要预测未调整的费率。您应该将月份作为变量包括在内，以便您的模型有机会获得正确的季节性。

如果目标是更多的绩效监控（例如“我们在 3 月的表现比 2 月好”），那么您可能需要分析调整后的比率。当美国新闻预测调整后的房屋销售、汽车销售或失业时，你会一直看到这一点。

也许它是您使用的措辞，但这实际上不是回归任务，而是时间序列的工作。您的数据（以及一般的时间序列）与自身相关，因此使回归假设（独立性）无效。

因此，我建议退后一步，重新考虑这种方法。尝试拟合简单的 ARMA 模型并查看。

时间序列将优雅地处理您的问题，因为您将能够考虑趋势并实际建模它们。

您可以使用回归，但数据必须是固定的（因此适合差异回归）。但是，我建议使用常规时间序列方法。