季節性的來源一般包括自然因素、社會活動因素和統計方法因素。其中，對我國專利申請活動影響最明顯的社會活動因素就是“春節”。
截取2006-2015年國內各月的專利申請受理量可以發現，每年1月和2月都會形成當年專利申請受理量的最低谷，隨后再逐漸增長。這10年中，有4個年度的春節在1月，6個年度的春節在2月。一方面，人們在此期間會將部分精力投入春節的相關活動之中；另一方面，時值年初，企業、高校、科研機構等創新主體的研發工作尚未或者剛剛開始，部分專利申請來自上年度的研發成果或專利申請計劃。
有趣的是，從2006-2015年國外在華各月的專利申請受理數據來看，外國申請人在我國的專利申請活動也大致存在“春節效應”，但“圣誕節效應”則不明顯，這也許與國外在華申請專利必須由國內的專利代理機構進行代理有關。
除社會活動因素外，統計方法因素也曾經對我國的月度專利申請受理數據產生影響。眾所周知，我國專利申請最初采用的是紙件申請方式。在專利制度開始實施時，即使在數量較少的情況下，由于統計數據處理時間的限制，在進行月度專利申請受理量統計時，每月末的紙件申請一般會并入下月的專利申請受理量，以此類推，當年12月末的部分紙件申請也會并入下一年度1月份的專利申請受理量。因此，在我國實行專利紙件申請的階段，各月公布的專利申請受理量并不完全來自當月的申請，還包括來自上月的申請。也就是說，“當月專利申請受理量=當月部分專利紙件申請受理量+上月部分專利紙件申請受理量”。隨著我國專利申請的快速增長，每月末并入下月專利申請受理量的紙件申請也有所增加。
不過，由于專利統計更關注年度的數據變化，因此，這種統計方法因素對我國月度專利申請受理數據的影響其實并不太引人注目。而且，在實施專利電子申請之后，“當月專利申請受理量”已經變成了“當月專利電子申請受理量+當月部分專利紙件申請受理量+上月部分專利紙件申請受理量”。隨著專利電子申請率越來越高以及統計數據處理周期的縮短，“當月專利申請受理量”中來自“上月”的影響越來越小，也更能體現當月實際的專利申請狀況。當然，如果確實需要“精確精確精確”的評估各月專利申請受理量的話，還是需要將上面提到的“統計方法因素”考慮進去的。
因為我國各月專利申請受理數據中存在的季節性因素，所以在分析和使用相關數據時，必須消除時間序列中的季節性因素，才能得到反映指標變化趨勢的有效信息。一般而言，同比增長率是最簡便的去除季節性的方法。同比增長率比較的是前后兩年的相同月份，兩者所具有的相同的季節性在計算變化率的過程中也被自然除去。如果前后兩年的春節恰好分別在1月和2月，那么最佳的選擇應該是等待季度數據的出爐。
