时间序列 (经济学) 编辑
时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值，因此时间序列可以作为离散时间数据进行分析处理。时间序列广泛应用于数理统计、信号处理、模式识别、计量经济学、数学金融、天气预报、地震预测、脑电图、控制工程、航空学、通信工程以及绝大多数涉及到时间数据测量的应用科学与工程学。
1
相关
向量自我回归模型是一种常用的计量经济模型，由计量经济学家和宏观经济学家克里斯托弗·西姆斯提出。它扩充了只能使用一个变量的自我回归模型，使容纳大于1个变量，因此经常用在多变量时间序列的分析上。
长期变化是时间序列在长时期的非周期变化。无论何者被查觉是长期变化或是与时间尺度无关：在超越世纪的时间尺度上，长期变化在数百万年的时间尺度下可能是周期变化的一部分。自然界的量往往有周期性和长期变化。当在强调是一种线性的长期变化时，长期变化有时被称为长期趋势或长期漂移。
ARMA模型。是研究时间序列的重要方法，由自回归模型与移动平均模型为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。
扩张的迪基-福勒检定是在时间序列当中用来辨识个别变数的抽样资料是否存在单根之假设检定。它从迪基-福勒检验扩张修改而来。扩张的迪基-福勒检验检定优点在于，它透过纳入落后期的一阶向下差分项，排除了自相关的影响。
向量自我回归模型是一种常用的计量经济模型，由计量经济学家和宏观经济学家克里斯托弗·西姆斯提出。它扩充了只能使用一个变量的自我回归模型，使容纳大于1个变量，因此经常用在多变量时间序列的分析上。
ARMA模型。是研究时间序列的重要方法，由自回归模型与移动平均模型为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。
ARMA模型。是研究时间序列的重要方法，由自回归模型与移动平均模型为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。