Последовательность значений случайного показателя  в последовательные моменты времени:  - называют временным рядом.

К числу наиболее простых моделей нестационарных временных рядов относятся регрессионная модель аддитивного типа

и регрессионная модель мультипликативного типа:

В случае регрессионной модели аддитивного типа ее компоненты имеют следующую интерпретацию:

•  - тренд временного ряда (некоторая неслучайная функция, отражающая долговременную тенденцию в изменении показателя ; чаще всего эта тенденция описывается с помощью монотонной функции полиномиального типа;
•  - сезонная компонента временного ряда (некоторая неслучайная функция, отражающая периодически повторяющиеся через определенные промежутки времени колебания анализируемого показателя); эта компонента описывается с помощью периодических функций, в аналитическом представлении которых присутствуют гармоники (тригонометрические функции); период  гармоники определяется содержательной сущностью задачи; в описании модели могут присутствовать несколько сезонных компонент. Чаще всего описание таких компонент осуществляется с помощью частичных сумм ряда Фурье следующего вида:

;                                   (3.12)

•  - случайная ошибка модели.

Например, регрессионная модель вида

позволяет описать временной ряд, содержащий линейную трендовую составляющую и сезонную составляющую с периодом 4.

В условиях классических предположений анализ модели временного ряда регрессионного типа осуществляется теми же средствами, что и множественная линейная регрессионная модель.

Другой возможный способ построения подобных моделей предполагает использование для описания сезонных составляющих фиктивных переменных, и он был рассмотрен в предыдущем разделе.

Пример 3.4. Имеются данные (в млн. руб.) об объемах продаж торгового дома за 12 месяцев

Месяц	1	2	3	4	5	6	7	8	9	10	11	12
Объем Продаж	200	310	320	260	190	210	310	410	430	370	300	320

Построить подходящую модель временного ряда.

Решение. Подвергнем анализу график временного ряда, представленный на рис.3. Хорошо заметна линейная тенденция в изменении объема продаж. На рис.4 к графику временного ряда добавлена линия линейного тренда . При этом хорошо стали заметны колебания временного ряда относительно тренда сезонного характера с периодом 6.

Поэтому будем строить модель временного ряда, содержащую линейную трендовую компоненту, а также сезонную компоненту с периодом 6 и одной гармоникой. Выбор одной гармоники обусловлен малым количеством исходных данных (имеются всего результаты 12 наблюдений). Таким образом, предлагается следующий вариант описания данных:

.                          (3.12)

Получилась линейная по параметрам регрессионная модель. Неизвестные оценки параметров модели найдем, воспользовавшись обычным методом наименьших квадратов. Результаты промежуточных вычислений  приведены в следующей таблице

После применения метода наименьших квадратов получим следующую оценку функцию регрессии