SEATS分解通过自主设定的过滤器分离和提取时间序列的趋势因素、循环因素、季节因素和随机因素，从而实现时间序列的季节调整。

SEATS分解的相关理论可以追溯到1980年，J.P.伯曼（J.P.Burman）提出利用信号提取技术进行季节调整的思想，1982年有学者提出基于ARIMA模型的季节调整方法。在此理论基础上，有学者于1996年推出季节调整软件TRAMO/SEATS，实现了包括时间序列建模、季节调整、模型诊断三阶段季节调整过程。具体而言，TRAMO/SEATS首先采用TRAMO预处理方法自动识别一个与时间序列季节因素匹配的ARIMA模型，并从中产生一个过滤器，最后通过生成的过滤器对时间序列的各类因素进行提取，最后将季节因素从中剔除。SEATS分解可以通过EViews软件在“Seasonal Adjustment”选项中进行设置并实现。

SEATS分解允许较为灵活的回归因子设定，这为解决春节等不确定季节因素提供了有效方法，并使SEATS分解成为目前主流的季节调整方法之一。例如，在南开大学与国家统计局联合开发的NBS-SA软件中，综合了SEATS分解对中国假日因素进行全面调整，这为中国环比数据的生产和发布提供了重要的技术支持。