• Burman, J. Peter (1980)，“通过信号提取进行季节性调整”，皇家统计学会杂志，A 系列，143，p.321

根据 Burman 的原因：

最常见的是提供对当前趋势的估计，以便做出判断性的短期预测。或者，它可以应用于进入经济模型的大量序列，因为在除最小模型之外的所有模型中使用具有季节性虚拟变量的未调整数据是不切实际的：这通常被称为季节调整的历史模式

• Shiskin, Julius (1957)，“电子计算机和商业指标”，商业杂志，30，219-267。

研究经济指标的一个主要目的是确定经济所处的商业周期阶段。这些知识有助于预测随后的周期性运动，并为采取措施缓和商业周期的幅度和范围提供事实依据。. . . 然而，在使用指标时，分析师们一直为难以将周期性波动与其他类型的波动，特别是季节性波动区分开来感到困扰。

如果你想要我的 2 戈比，那么我会这样总结：

1. 便利性：如果您处理多个经济序列，它们中的每一个都会有自己的季节性。在多元模型中处理每个系列的季节性变得不切实际。因此，在将所有经济序列添加到多变量模型或一起分析之前，更容易对所有经济序列进行去季节性处理。
2. 趋势提取：许多经济序列本质上是季节性的，例如夏季房价较高。因此，当房价指数突然下降时，并不总是因为它标志着经济中的重要事情，而可能只是季节性下降，没有重要信息。因此，我们希望对系列进行去季节化以了解我们所处的位置。

在查看时间序列的两个变量之间的关系时，季节性会降低自由度，因为数据不是独立的。这种“串行”相关将导致虚假相关。因此，为了增加自由度，去除了季节性。