所有的序列波动都可以归纳为长期趋势、季节性变化、循环波动和随机波动这四类因素的综合影响，则任何一个时间序列都可以用这四个因素的某个函数进行拟合：

选取加法函数时即为加法模型。

长期趋势表示时间序列变化的趋势，指序列沿着一定的方向持续上升或下降变动或在某一水平上保持平稳的趋势。

季节性变化表示时间序列受季节性因素影响，呈现出和季节变化相关的稳定周期波动，这里季节是广义的，可指日、周、旬、月、季、年。

循环波动表示时间序列的循环周期变动，序列呈现出从低到高再从高到低的反复循环波动，循环周期可长可短，不一定是固定的。往往要先将显性的季节性周期波动排除后，再观察剩下的数据部分是否有循环波动的因素。

随机波动表示时间序列除了长期趋势、季节性变化和循环波动之外，其他不能用确定因素解释的波动。

加法模型分解步骤如下。

①运用移动平均法估计趋势—周期项，得到序列，设季节性变化的周期为，若为奇数，则用，否则使用。

②作散点图，选择适合的曲线模型拟合序列的长期趋势，得到长期趋势。

③计算循环波动，。

④计算每个季节指数，取所有相同“季节”的数据的平均值作为季节指数，如以一年中12个月为周期，那么计算序列中所有1月数据的平均值作为1月的季节指数。

⑤将序列的、、分解出来后，剩余的即为随机波动。

因此，当时间序列季节变动的幅度以及趋势和循环周期的波动都不随时间变化而变化，比较适合采用加法模型对时间序列进行分析与预测。加法模型形式简单，已被广泛应用在经济领域、商业领域和社会领域。