在测试季节性之前，您应该反映您拥有的季节性类型。请注意，有许多不同类型的季节性：

• 加法与乘法季节性
• 单一与多重季节性
• 偶数与偶数周期的季节性。每年有十二个月，但有 52,1429 周。
• 趋势与季节性：季节性模式总是出现在同一时期，但趋势可能会稍晚或稍早出现，而不是每 5 年出现一次。趋势的一个例子是商业周期。

检测季节性的最常用方法之一是将时间序列分解为几个分量。

在 R 中，您可以使用decompose()预安装的 stats 包中的stl()命令或预测包中的命令来执行此操作。

以下代码取自A little book of R for time series

births <- scan("http://robjhyndman.com/tsdldata/data/nybirths.dat")
birthstimeseries <- ts(births, frequency = 12, start = c(1946,1))
birthstimeseriescomponents <- decompose(birthstimeseries)
plot(birthstimeseriescomponents)

您可以检查单个组件

• birthstimeseriescomponents$seasonal

• birthstimeseriescomponents$random

• birthstimeseriescomponents$trend

另一种方法是包括季节性虚拟变量，并在计算回归时检查它们是否具有显着的 p 值。如果单个月份具有显着系数，则您的每月时间序列是季节性的。

检测季节性的另一种方法是绘制数据本身或绘制 ACF（自相关函数）。在我们的例子中，您可以很容易地注意到存在季节性。

最后但并非最不重要的是，为了检测季节性，有一些“正式的”假设检验，例如学生 T 检验和 Wilcoxon 符号秩检验。

我的想法是检查以下的幅度：

• ACF 自相关函数
• PACF偏自相关函数
• 傅立叶系数

（傅立叶系数通过Wiener-Khinchin 定理与 ACF 相关。）