环比数据一般不是直接统计出来的，而是通过对原始数据进行季节因素调整出来的结果。由于季节因素影响到两个对比时期数据的可比性，因此环比统计需要通过季节调整模型对原始统计数据进行加工处理，以消除季节因素的影响。
在对季节因素进行调整时，选择适当的季节调整模型很重要，因为不同的季节调整模型，以及模型中参数确定方法的差异，都会影响环比统计结果。
环比统计数据要经过多次修订。由于季节调整的对象是时间序列数据，因此，当时间序列中任何一个月度或季度数据发生变化时，都会影响季节调整的结果；在时间序列中加入最新的一个时期的数据，也会产生同样的情况，即以前月度或季度的环比数据会或多或少地发生变化，这是模型自动修正的结果。根据季节调整原理，离最新数据时间较近的时期，数据受影响较大；离最新数据时间较远的时期，数据受影响较小。
环比统计数据的波动幅度通常明显大于同比统计数据的波动幅度。以美国为例，2010年四个季度的GDP同比速度分别为2.4%、3.0%、3.2%和2.7%，GDP环比速度分别为3.7%、1.7%、2.6%和2.8%。显然，GDP环比速度的波动幅度大于同比速度。正是由于这个原因，在使用环比数据进行经济分析时，不应仅看一个月度或季度的环比数据，而是应该连续观察一段时间的环比数据。