以月度或季度为单位的经济时间序列极易受到移动假日效应的影响,最终导致各月度或季度实际观测值之间不具有可比性,同时还会歪曲序列的重要特征。目前国际上各种季节调整方法中几乎都包含了针对移动假日因素的调整。春节,作为中国影响最广泛的一个传统节日,对人们的生产、消费习惯及国家政策都产生了深刻的影响。所以,本文主要以我国春节为例来研究移动假日效应的各个方面。本文首先对国内外的季节调整方法进行了简单的分类总结,并在此基础上给出了移动假日效应调整模型和相关模型属性,然后梳理了目前国内外主要的移动假日调整方法,并将其划归为三大类:以原序列作因变量的X-13ARIMA-SEATS移动假日调整方法、利用分离的不规则因素I作为因变量的马来西亚S EAM程序以及非参数回归的移动假日调整方法:月平均日值法和比例因子法。在梳理移动假日调整方法和具体流程后,本文提出了一种确定春节效应期的新思路:即首先对各种可能的效应期长度进行比较和试算,然后通过本文给出的一些判断标准选择出最佳的效应期长度;其次,随机模拟生成一个服从ARIM A模型的时间序列,将待研究经济时间序列的关键特征与随机模拟序列相结合,生成实际生活中不易获取但又不失合理性的带有春节效应的日度经济时间序列数据,来检验我们之前得出的最佳效应期的可靠性。本文以1993年1月至2015年12月的社会消费品零售总额序列为例,进行春节效应的调整,包括春节效应的识别、春节效应的调整以及春节效应期的确定等。利用上述方法确定社会消费品零售总额序列的最佳效应期后,本文进一步对现有的春节模型进行了扩展,提出了五种扩展的春节模型:三区段指数权重春节模型、三区段二次函数权重春节模型、三区段三角函数权重春节模型、三区段双权重春节模型以及三区段多因素分段春节模型。其中,三区段双权重春节模型是采用天数比例因子和观测值比例因子两种不同的权重模式共同设置春节因子的方法,该方法在一定程度上解决了缺乏日度数据的弊端。而三区段多因素分段春节模型则是从春节假日的影响方式角度,将春节假日的直接影响以及由其它"假日"引起的春节假日对时间序列的间接影响一同考虑在内进行研究的一种模型。这两个春节模型是本文的研究重点也是本文的创新点。将上述五种春节模型生成的春节因子加入ARIMA模型中进行移动假日效应调整。调整结果表明,针对社会消费品零售总额序列,这五种扩展的春节模型,其调整效果都很显著且都优于三区段线性权重春节模型。此外,三区段双权重春节模型和三区段多因素分段春节模型的调整结果是本文中提到的所有模型中最优的。可见本文提出的扩展的春节模型不仅具有理论价值,并且还具有实用价值,值得进一步的研究。另一方面,本文将以三区段线性权重春节模型为基础生成春节假日回归解释变量的过程程序化,当我们输入不同的效应期长度时,程序能够自动生成春节假日解释变量,省去了大量的人工操作,使得相关研究更加高效。