自回歸模型
自回歸模型（Autoregressive Model，簡稱AR模型）是統計學和時間序列分析中常用的一種方法，主要用於處理和分析時間序列數據。
AR模型的核心機制是利用同一變數過去的數值（即前期數值）來預測未來的數值，這些前期數值通常被假設為線性關係。AR模型適用於寬平穩數據，即序列的統計特性（如均值和協方差）不隨時間變化。在AR模型中，隨機干擾項（誤差項）被假設為零均值白噪聲序列，這意味著誤差項之間相互獨立，且與過去的序列值無關。
根據所使用的過去數值的期數不同，AR模型可以分為不同的階數，如一階自回歸模型、二階自回歸模型等。高階的自回歸模型可以通過組合多個低階模型得到。AR模型的參數估計通常通過時間序列數據分析軟體進行，如R語言、Python等。
此外，AR模型也廣泛套用於經濟預測、金融分析、信號處理等領域。