时间序列数据随时间推移而变动，且受到许多因素的影响，通常（尤其在确定性时间序列分析中）其影响因素可分解成四种：
（1）趋势变动因素（T）。趋势变动因素反映了事物在一个较长时间内的发展方向，它可以在一个相当长的时间内表现为曲线（包括直线）形式。比如，我国的国内生产总值（GDP）每年均随时间而增长；每年死亡率因医疗技术进步及生活水平的提高而有长期向下的趋势。
（2）季节变动因素（S）。季节变动因素使时间序列呈现出和季节变化相关的稳定的周期波动。比如，农产品的生产；风扇或空调的销量在夏季的销量多；商场的在节假日有促销活动时销量较大；盗窃案在年底时高发。
（3）周期变动因素（C）。周期变动因素也称循环变动因素，是受各种因素影响形成上下起伏不定的波动。周期变动与趋势变动不同，它不是单一方向的持续变动，而是有涨有落的交替波动。周期变动与季节变动也不同，不像季节变动那样有明显的按月或者按季的固定周期规律，它的规律性不甚明显，若有周期，一般也较长，大约2～15年。如经济周期、工业总产值指数等，生活中一般数据大多不涉及周期变动因素。
（4）随机变动因素（I）。除了上述三种因素外，时间序列还会受到各种其他因素的综合影响（可以理解为偶然因素），即随机变动因素是受偶然因素影响所形成的不规则波动。这种偶尔因素可能是自然灾害、人为的意外因素、天气的突然改变以及政治的巨大变化等。
若时间序列只受随机变动因素影响，其序列图往往是平稳序列，即基本在某一水平上下波动。
时间序列一般受这四种因素中的全部或者部分影响，基于此，我们可以建立时间序列是它们的函数的基本模型，即(www.xing528.com)
通常假定这四种因素相互作用，常见的模型为加法模型和乘法模型。
加法模型：
乘法模型：
后来，人们引进了加法与乘法的混合模型等，这些都是确定性时间序列的分析方法。对于一个具体的时间序列，要受哪几类因素影响，要选择哪种模型，都要根据所掌握的资料及研究目的来决定。
7.2节将介绍的趋势线拟合法主要针对受趋势变动因素影响的序列；7.3节与7.4节将介绍的两种平滑法，可用于研究平稳序列、有趋势的序列或者含季节因素的序列。这些方法都是确定性时间序列的分析方法。7.5节将介绍这种方法中的ARMA模型（自回归移动平均模型）和ARIMA模型（差分自回归移动平均模型），对于非季节性的非平稳时间序列多采用ARIMA模型。
注：SPSS软件在处理时间序列分析时较好用，尤其在不确定哪种方法较好时，SPSS自带的“专家建模器”可以给出一个导向。本章将借助SPSS 23完成操作。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
