前面各章介紹的是與回歸有關的內容。所謂回歸分析，主要是尋找一個變量與另外幾個變量之間的函數關系，是一種橫向關系。本章開始介紹時間序列，就是按時間次序排列的隨機變量序列。所謂時序分析，主要是尋找一個變量的當前值與其過去值之間的關系，是一種縱向關系。時間序列按平穩性基本上可以分為兩類，一類是平穩時序，一類是非平穩時序，本章初步介紹它們的一般概念，后兩章再繼續深入學習。平穩時序主要是指寬平穩時序，它要求均值函數為常數，自協方差函數與起點無關。嚴平穩時序則要求聯合分布函數與起點無關。本章先從隨機過程的概念引入時間序列的概念，主要需要掌握均值函數、自協方差函數、自相關函數、自相關系數的概念。在平穩時序的類型方面，我們主要需要掌握白噪聲、移動平均、自回歸三大類型，也要了解隨機相位波、泊松過程、布朗運動、正態過程等概念，以及它們之間的關系。在平穩時序分析的方法方面，主要一個是時序的分解，一個是濾波，一個是譜分析，當然也要利用我們已經熟悉的回歸。體會一下它們之間的聯系和區別，我們發現回歸和濾波的思想主要是去掉隨機項，保留趨勢關系的主部；時序的分解是設法去掉趨勢主部，保留隨機項；譜分析則是將時序的隨機項轉化為譜函數，再識別其各種特征。在獲得時序數據的隨機項之后，時序分析提出了各種模型假設，也就是要分析這些隨機項的當前值與過去值之間的結構關系。對于非平穩時序，其主要思路是將其轉化為平穩時序。轉化的辦法無外乎是將它與一個普通函數相減（時序分解）、自己與自己前后項相減（濾波）、自己與另外一些時序相減（Co-Integration，一般翻譯成協整，也有翻譯成同積，本書翻譯成協穩）。非平穩時序的隨機項結構更加復雜，提出了許多模型，是時序理論研究的前沿領域。在時序分析的應用方面，一個是參數估計，一個是預測，這和回歸分析差不多。在章節的劃分上我們堅持一條主線，按模型劃分，這樣既有利于全書的系統性，也有利于讀者查找相關章節。書中所有時序模型，從發生隨機數，到參數估計、假設檢驗、圖像顯示，都有作者自編的程序，集成在 DASC 的時序菜單屏幕下。