季节调整是从原始时间序列中剔除季节性影响以分离出趋势、循环、季节、不规则成分的重要方法。季节调整后的序列可以及时反映国民经济运行情况，为经济分析和制定经济政策提供依据。我国对季节调整方法缺乏系统性研究，尚未研制出适用于我国情况的、系统的季节调整方法。对季节调整方法进行比较研究对于明晰我国季节调整发展方向，构建适合我国国情的季节调整方法体系具有重要的理论和实践指导意义。　　本文首先从理论方法上对主流季节调整方法（即 X-12-ARIMA和TRAMO/SEATS）和新兴起的基于结构时间序列模型季节调整方法进行剖析，从数理建模角度比较三种季节调整方法的优势和不足。所得结论是：X-12-ARIMA方法原理简单、功能全面、应用广泛，对具有标准季节特征的时间序列适用性很好，但非参数特性使其在处理特殊季节性问题时缺乏灵活性；TRAMO/SEATS方法定义变量灵活，操作简便，检验功能多样，适宜具有较大异常值且数据量较大的序列；结构时间序列模型定义分量灵活性更大，模型分解直观，适合解决特殊的季节异方差问题，但模型构建和参数估计专业性要求高，主观性强，理解和应用困难，运算效率低。其次，基于我国月度CPI序列，比较三种方法的实际调整效果和适用性。得出的结论是：结构时间序列模型分离出来的趋势成分和调整后环比指数曲线更平滑，调整结果更稳定，适合研究经济长期趋势变化；主流方法得到的趋势成分和环比指数对经济波动性更敏感，适合研究经济拐点。