1、确定性趋势建模

      针对趋势平稳过程，采用残差自回归模型。首先以时间t为解释变量对序列构建趋势模型，然后对趋势模型中的残差建立自回归模型，最后通过检验自回归模型的残差是否为纯随机，以此确定模型是否拟合充分。

2、随机趋势建模 随机趋势建模针对单位根过程的序列，即单位根检验结果为单整序列，d阶单整序列经过d阶差分后得到平稳序列，可建立ARMA(p,q)模型，也可表示为ARIMA(p,d,q)模型，d表示差分的阶数。ARIMA(p,d,q)模型也称为求和自回归移动平稳模型（差分后的序列是原序列及其滞后项的加权和），通过差分方法将非平稳时间序列转化为平稳时间序列，根据平稳时间序列的建模方法进行建模。ARIMA(p,d,0)模型简记为ARI(p,d)模型，ARIMA(0,d,q)模型简记为IMA(d,q)模型。

3、简单季节模型

      针对单个时间序列进行季节分析和建模时，通过季节差分或s期（或s期整数倍）自回归或移动平均项构建模型即为简单季节模型。

4、乘积季节模型

      包含乘积季节项（Eviews中用sar、sma表示）的模型为乘积季节模型，乘积季节项在建模过程中体现ARMA系数和季节因素之间的交互影响。