传统的趋势估计方法一般不考虑数据的来源,将模型误差看作白噪声甚至忽略不计,但现在很多重要的时间序列数据都是通过某些抽样调查产生,这将导致各期之间的调查样本存在重叠和相关性,引起数据的变异性,甚至降低趋势估计的效果。因此,为了提高趋势估计的精度,本文考虑统计数据来源于连续性抽样调查,以Hodrick-Prescott滤波为基础,考虑平衡轮换模式下的抽样误差形式,建立一般化的抽样误差模型、趋势估计模型和损失函数模型,使用极大似然法进行参数估计,采用均方根误差构造的保真度和平滑粗糙度对模型有效性进行评定。通过数值模拟分析,对比了传统趋势估计模型和考虑抽样误差的趋势估计模型结果,与真实序列的跟踪程度、曲线光滑程度、抽样误差的统计量性质以及波动成分和趋势成分的均值和方差进行了比较分析,论证了基于平衡轮换模式下趋势估计方法的有效性。鉴于2013年前,我国城镇居民住户调查符合6~0轮换样本模式,本文采用2005-2013年城镇住户现金消费支出的季度数据对基于平衡轮换样本调查的趋势估计方法进行实证分析。本文对比分析传统趋势估计模型和基于6~0轮换样本调查下的趋势估计模型。实证结果表明,考虑抽样误差的趋势估计,其波动要素震荡幅度明显收敛,围绕均值0小幅波动,同时趋势曲线在保真度和平滑粗糙度上均比传统趋势估计模型优异。综上得出,本文研究的这一套基于平衡轮换模式下的趋势估计方法具有两点优势:第一,抽样误差要素合理解释波动要素的无规则变动;第二,趋势跟踪程度和曲线光滑程度均优于传统趋势估计模型。