Ce modèle suppose qu'au fur et à mesure que les données augmentent, l'effet saisonnier augmente aussi. La plupart des séries chronologiques suivent ce schéma. Dans ce modèle, les composantes de tendance et d'effet saisonnier sont multipliées, puis ajoutées à la composante d'erreur.
Sélectionnez le modèle multiplicatif lorsque l'importance de l'effet saisonnier sur les données dépend de la taille des données. Autrement dit, l'importance de l'effet saisonnier augmente au fur et à mesure que les valeurs de la série augmentent, et diminue lorsque les valeurs de la série diminuent.
Sélectionnez le modèle additif lorsque l'importance de l'effet saisonnier sur les données ne dépend pas de la taille des données. Autrement dit, l'importance de l'effet saisonnier ne varie pas, que la série augmente ou diminue.
Si le schéma dans les données n'est pas très clair et que vous avez du mal à effectuer votre choix entre les procédures additive et multiplicative, vous pouvez essayer les deux procédures, puis choisir celle qui comporte les mesures d'exactitude les plus basses.