„Autoregresyvus“ yra statistinis terminas, naudojamas dirbant su laiko eilučių duomenimis, nurodantis kintamąjį kiekį arba dominančią reikšmę, kuri yra susijusi su ankstesnėmis to paties kintamojo reikšmėmis arba priklauso nuo jų. Susijęs terminas „autoregresija“ yra regresinės analizės forma, kuri kaip įvestį naudoja laiko eilučių duomenis, kad išsiaiškintų, ar dominantis kintamasis iš tiesų yra autoregresyvus, ty priklausomas nuo ankstesnių savo verčių. Dominantis kintamasis, kuris pasirodo esąs autoregresyvus, rodo, bet pats savaime neįrodo, kad yra priežasties ir pasekmės ryšys tarp dabartinės ir praeities verčių. Taigi žinomų ar įtariamų autoregresinių dydžių arba verčių laiko eilutės dažnai analizuojamos naudojant nuspėjamuosius analizės metodus, kad būtų galima prognozuoti būsimas tokių kintamųjų vertes.
Dominantys kintamieji, turintys tam tikrą reikšmingą autoregresijos laipsnį, atsiranda įvairiose vietose dėl žmogaus ir gamtos procesų. Pavyzdžiui, vertybinių popierių rinkos kainos, užsienio valiutų kursai, skaitmeniniai signalai ir gyventojų skaičius populiacijoje bent tam tikru mastu laikomi autoregresyviais. Be to, yra įvairių autoregresijos analizės formų, kurių kiekviena laikoma geriau ar blogiau tinkama ir todėl taikoma tam tikriems autoregresinių duomenų rinkinių tipams. Tarp tokių programų sveikatos priežiūros srityje naudojama autoregresija, siekiant pagerinti ultragarso diagnostikos testų skiriamąją gebą ir aiškinimą; telekomunikacijų srityje siekiant pagerinti skaitmeninių signalų perdavimą, priėmimą ir apdorojimą; ekonomikos srityje prognozuoti makroekonominius ir verslo rezultatus; ir finansinėse paslaugose – skaičiuoti asmeninius kredito balus, aptikti sukčiavimą ir apskaičiuoti draudimo rizikos profilius bei įmokas.
Autoregresyvaus slankiojo vidurkio (ARMA) modeliai sujungia autoregresijos ir slankiojo vidurkio modelius – vidurkius, kurių sudedamosios dalys keičiasi laikui bėgant. Taip pat žinomi kaip Box-Jenkins modeliai – pavadinti George’o Boxo ir Gwilymo Jenkinso, statistikų, patobulinusių savo originalias formules ir populiarinusių jų naudojimą, vardu. Jie paprastai naudojami modeliuojant ir tikrinant laiko eilutes, kurios yra išorinių arba išorinių sukrėtimų funkcija. ir jų pačių praeities pasirodymai. ARMA modeliai yra „tinkami“ faktiniams kai kurių žinomų ar įtariamų autoregresinių kintamųjų arba dominančių kintamųjų stebėjimams laikui bėgant, kad būtų galima geriau suprasti juos generuojančius procesus. Priešingai nei griežtai autoregresyvūs modeliai, jie laikomi priežastingumo nustatymo priemone – priežasties ir pasekmės ryšio tarp nepriklausomo ir priklausomo kintamojo ar kintamųjų egzistavimą. Taigi jie dažniausiai naudojami laiko eilučių prognozavimui ir kitoms nuspėjamosios analizės formoms.