Økonomiske tidsserier på måneds- og kvartalsnivå er ofte påvirket av fenomener som opptrer på samme tid hvert år, såkalte sesongvariasjoner.
I statistikken Utenrikshandel med varer er for eksempel fiskeeksporten påvirket av fangstsesongen for ulike fiskeslag. Det er for eksempel skreisesong i februar og mars og høyest lakseksport om høsten.
Eksporten av olje og naturgass i februar, som bare har 28 dager (hvis det ikke er skuddår), er lavere enn i januar og mars. Produksjonen og dermed eksporten er høyere i januar og mars enn i februar på grunn av det er færre kalenderdager i februar. Videre er etterspørselen etter naturgass også påvirket av årstidsvariasjoner, og eksporten er høyere på vinteren når Europa etterspør mer gass .
Andre eksempler på sesongmønstre i mer detaljerte data er høyere import av ski i oktober og november og i vårmånedene import av flere sykler.
For å kunne sammenligne nivået på en serie i en måned med nivåene i de foregående månedene er det ønskelig å fjerne virkningen av slike sesongmessige variasjoner. Da får man et bedre bilde av den egentlige økonomiske utviklingen. Sesongjustert eksportverdi av naturgass og fisk og importverdien av sykler i april 2022 bør være et tall som kan sammenliknes direkte med det sesongjusterte tallet for den samme handelen i de øvrige månedene i 2022.
For å komme frem til slike sesongjusterte tall må tidsseriene først prekorrigeres og deretter sesongjusteres. Sesongjusterte tall er renset for virkningene av kalendereffekter og sesongmessige variasjoner, og gir et klarere bilde av utviklingen enn de ujusterte tallene.
Formålet med prekorrigering er å fjerne de variasjonene i ujusterte serier som skyldes kalendereffekter og ekstremverdier. Antallet arbeidsdager kan variere fra måned til måned, og dette kan ha stor betydning for økonomiske tidsserier. Dette kan, hvis vi ikke tar hensyn til det, føre til feilaktige konklusjoner om nivået og utviklingen i utenrikshandelen. Under prekorrigeringen korrigeres også ujusterte tall for ekstremverdier (også kalt utliggere eller outliere). Det er mange forekomster av ekstremverdier i utenrikshandel med varer, særlig nivåskift og additive ekstremverdier Nivåskift er fenomener som påvirker ujusterte tall slik at de blir liggende permanent på et høyere eller lavere nivå. Vi ser i et nivåskifte i forbindelse med oppstarten av oljeeksport fra Johan Sverdrup-feltet i november 2019. Da så vi en markant økning i antall eksporterte oljefat. Additive ekstremverdier er observasjoner som forekommer på et tidspunkt ( i en måned eller ett kvartal) og forsvinner i tidspunktet etter. Slike ekstremverdier finner vi blant annet i mars 2013 da produksjons- og lagringsskipet Skarv og fregatten KNM Thor Heyerdahl ble importert. Ytterligere en slik utligger var det i april 2015 da oljeplattformen Goliat ble importert. Teknisk sett foretas korreksjonen for kalendereffekter og ekstreme observasjoner på samme måte, men det er allikevel en forskjell som er viktig å være klar over. Korrigeringen for de ekstremverdier er midlertidig og den oppheves når sesongkomponenten er identifisert. Ekstremverdiene er altså med i publiserte tall. Korrigeringen av kalendereffektene er permanente og disse effektene er også fjernet i den endelige sesongjusterte serie. Prekorrigeringen foretas ved hjelp av en regresjonsmodell - regARIMA.
Etter at tidsserien er prekorrigert fortsettes selve sesongjusteringen. En generell modell i tidsserieanalyse, for en observerbar tidsserie (Yt ), kan splittes i tre komponenter: Dekomponeringen kan være additiv, og skrives på formen: Yt = Tt + St + It Det er bare er Yt som kan observeres, mens de andre komponentene må estimeres. Multiplikativ modell beskriver sammenhengen bedre dersom utslagene av sesongvariasjonene er større jo høyere nivået på den sesongjusterte serien er. Denne modellen brukes oftest i økonomiske tidsserier.
Eller den kan være multiplikativ, og skrives på formen: Yt = Tt • St • It.