日度数据是高频的，周期一般是30，季节调整针对月(季)度数据，如果你非得要季节调整，就高频转换成低频(月度数据)，进行季节调整，然后再低频转换为高频。(补充说明下:你要真的能比较准确的分解出季节因子，那得好几年的数据吧，日度数据365个样本才算一年，几年的话得上千了，所以基本上没什么日度数据季节分解的)

那蔬菜价格的日度数据如何取消季节性。。。
因为做回归出来老是不行

首先确定要区分哪几个季节
如菜荒季节和蔬菜成熟季节，或者干脆春夏秋冬四季
然后设定0 1虚拟变量，
一个虚拟变量的：菜荒季节1，蔬菜成熟季节0；
三个虚拟变量的，一个春为1，一个夏为1，一个秋为1，冬为0




时间序列是个ARIMA过程，剔除季节效应的模型是reg-arima模型。
假定p是要调整的序列
先建立reg-arima模型：p=b1*D1+b2*D2+b3*D3+ar(1)+ar(2)+...+ma(1)+ma(2)...
具体到eviews模型中命令是ls p d1 d2 d3 ar(1) ar(2)...ma(1) ma(2)...
然后用原始的p-（b1*D1+b2*D2+b3*D3），从而去掉了各个季节的影响，减掉后的序列就可以用了。


我觉得是这样的，前些天上了季节调整的，没完全领会精神，感觉大概是这么个意思。


根据老师的说法（南开大学张晓峒老师），季节调整是用来计算环比的，他没提到说在平时分析中需要用季节调整数据。


跟据个人经验，如果都是时间序列，那么不要调了，直接用事实数据，因为你要研究的是变量事实上的变化与另一个变量的关系，而原始序列就是事实变化，调了就不是事实序列了。

那要不要调呢？要调的话，所有的变量都调，要么就都不调。显然都不调最方便合适了。

可以调整的。不调整就得加一大堆滞后项。
http://forums.eviews.com/viewtopic.php?t=3806&f=3