Процесс построения модели включает в себя следующие шаги.

Шаг 1. Методика, применяемая на этом шаге, полностью совпадает с методикой построения аддитивной модели:

1.1. Просуммируем уровни ряда последовательно за каждые четыре квартала со сдвигом на один момент времени и определим условные годовые объемы правонарушений.

1.2. Разделив полученные суммы на 4, найдем скользящие средние. Полученные таким образом выровненные значения уже не содержат сезонной компоненты.

1.3. Приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних – центрированные скользящие средние.

№ квартала,	Количество правонарушений,	Итого за четыре квартала	Скользящая средняя за четыре квартала	Центрированная скользящая средняя	Оценка сезонной компоненты
			657,5
				655,25	1,33
				665,5	1,53
			708,75	693,75	0,51
				709,375	0,66
			718,25	714,125	1,39
			689,25	703,75	1,45
			689,25	689,25	0,57
			660,5	674,875	0,53
			678,25	669,375	1,48
				690,625	1,31
					0,66
			690,5	687,75	0,66

Шаг 2. Найдем оценки сезонной компоненты как частное между фактическими уровнями ряда и центрированными скользящими средними. Используем эти оценки для расчета значений сезонной компоненты . Для этого найдем средние за каждый квартал (по всем годам) оценки сезонной компоненты . Так же как и в аддитивной модели считается, что сезонные воздействия за период взаимопогашаются. В мультипликативной модели это выражается в том, что сумма значений сезонной компоненты по всем кварталам должна быть равна числу периодов в цикле. В нашем случае число периодов одного цикла равно 4.

Показатели	Год	№ квартала,
I	II	III	IV
		–	–	1,3262	1,5252
	0,5146	0,6640	1,3891	1,4494
	0,5658	0,5260	1,4820	1,3104
	0,6643	0,6601	–	–
Всего за -й квартал		1,7447	1,8501	4,1973	4,2850
Средняя оценка сезонной компоненты для -го квартала,		0,5816	0,6167	1,3991	1,4283
Скорректированная сезонная компонента,		0,5779	0,6128	1,3901	1,4192

Имеем: .

Определяем корректирующий коэффициент: .

Скорректированные значения сезонной компоненты получаются при умножении ее средней оценки на корректирующий коэффициент .

Проверяем условие равенство 4 суммы значений сезонной компоненты:

.

Шаг 3. Исключим влияние сезонной компоненты, разделив каждый уровень исходного ряда на соответствующее значение сезонной компоненты. Получим величины . Эти значения рассчитываются за каждый момент времени и содержат только тенденцию и случайную компоненту.

		0,5779	648,9012	654,9173	378,4767	-3,50	12,23
		0,6128	605,4178	658,1982	403,3439	-32,31	1044,15
		1,3901	625,1349	661,4791	919,5221	-50,55	2555,16
		1,4192	715,1917	664,7600	943,4274	71,59	5125,42
		0,5779	617,7539	668,0409	386,0608	-29,08	845,78
		0,6128	768,6031	671,3218	411,3860	59,64	3557,43
		1,3901	713,6177	674,6027	937,7652	54,21	2938,24
		1,4192	718,7148	677,8836	962,0524	57,97	3359,96
		0,5779	674,8572	681,1645	393,6450	-3,67	13,45
		0,6128	579,3081	684,4454	419,4281	-64,40	4147,15
		1,3901	713,6177	687,7263	956,0083	35,96	1293,10
		1,4192	637,6832	691,0072	980,6774	-75,66	5724,70
		0,5779	797,7159	694,2881	401,2291	59,75	3569,68
		0,6128	740,8616	697,5690	427,4703	26,56	705,39
		1,3901	661,8229	700,8499	974,2515	-54,29	2946,99
		1,4192	653,1849	704,1308	999,3024	-72,29	5225,65

Шаг 4. Определим компоненту данной модели. Для этого проведем аналитическое выравнивание ряда с помощью линейного тренда. Результаты аналитического выравнивания следующие: . Подставляя в это уравнение значения , найдем уровни для каждого момента времени.

Шаг 5. Найдем значения уровней ряда, полученные по мультипликативной модели. Для этого умножим уровни на соответствующие значения сезонной компоненты.

На одном графике отложим фактические значения уровней временного ряда и теоретические, полученные по мультипликативной модели.

Для оценки качества построенной модели вычислим коэффициент детерминации:

.

Следовательно, можно сказать, что модель объясняет 97% общей вариации уровней временного ряда количества правонарушений по кварталам за 4 года.

Шаг 6. Прогнозирование по мультипликативной модели. Предположим, что по нашему примеру необходимо дать прогноз об общем объеме правонарушений на I и II кварталы 2003 года. Прогнозное значение уровня временного ряда в модели есть произведение трендовой и сезонной компонент.

В итоге получаем: в первые два квартала 2003 г. следовало ожидать порядка 409 и 435 правонарушений соответственно.