受到异常观测的影响，对于时间序列趋势和周期规律的提取可能产生偏离甚至扭曲，使用稳健局部加权平滑法则能改善这一问题。此外，STL分解也能用于处理存在缺失值的时间序列，这使其成为一种常用的时间序列分解方法。

STL分解的理论和计算方法由R.B.克利夫兰（R.B.Cleveland）等于1990年提出，他们针对加法模型设计内、外两层循环稳健地估计趋势和周期因素。在内层循环中，将每个周期中处于时间位置的观测组成子序列，经过去趋势、子序列平滑、子序列过滤、去除子序列趋势、去周期、趋势平滑这6个步骤，得到趋势和周期因素的稳健估计；随后，在外层循环中，调整局部估计的权重以使得内层循环得到的估计稳定，从而确定趋势和周期因素的最终估计。这里，稳健性在内循环使用Loess估计进行的子序列平滑和趋势平滑中体现。STL分解可以通过R语言中“stl()”函数实现。

STL分解对异常观测具有稳健性，并且可以连续调节各因素的平滑程度，但是仅能用于处理加法模型，对于乘法模型或其他复杂模型，需要先将其转换为加法模型处理，最后通过逆变换还原。