回归des temporelles系列是一个方法statistique de预测未来一个响应basee苏尔l 'historique des回应(加上connue苏勒德dynamiques autoregressives)等le过户de dynamiques从des predicteurs相关。La régression des séries temporelles peut you ous aider à understanding and prévoir le portement de systèmes dynamiques à partir de données expérimentales ou observationnelles。La régression des séries temporelles est généralement utilisée dans le cadre de La modélisation和de La prédiction des systèmes économiques，金融家和生物学家。
你可以通过démarrer分析séries temporelles en créant一个概念矩阵(\(X_t\))，包括观测数据和passées des prédicteurs triées平价日期(\(t\))。Ensuite, appliquez la méthode des moindres carrés ordinaire (OLS) au modèle de régression linéaire multiple (MLR)
\ [y_t = X_t \β= u_t \]
用矩阵的概念求得关系linéaire与réponse (\(y_t\))的一个估计。\(β \) représente les estimations du paramètre linéaire qui doivent être calculées et (\(u_t\)) représente les termes résiduels。Les termes résiduels peuvent être étendus dans le modèle MLR de manière à include Les effets d'hétéroscédasticité ou d'autocorrélation。
Les autres modèles qui permettent de capture la dynamque manière plus explicit incluent:
- Les modèles autorégressifs à moyenne mobile intégrée avec prédicteurs exogènes (ARIMAX)
- Les modèles de régression avec errurs de séries temporelles ARIMA
- Les modèles à retard échelonné
在modèle dépend中选择分析的对象，在propriétés中选择données。
更多信息，请参阅consacrée à la计量经济学工具箱™．
