»Autoregresivna« je statistični izraz, ki se uporablja pri delu s podatki časovnih vrst, ki se nanašajo na spremenljivo količino ali vrednost, ki nas zanima, ki je povezana ali odvisna od prejšnjih vrednosti te iste spremenljivke. Povezani izraz “avtoregresija” je oblika regresijske analize, ki uporablja podatke časovnih vrst kot vhod, da ugotovi, ali je spremenljivka, ki nas zanima, res avtoregresivna, torej odvisna od prejšnjih vrednosti same sebe. Zanimajoča spremenljivka, ki se izkaže za avtoregresivno, nakazuje, vendar sama po sebi ne dokazuje, da obstaja vzročno-posledična povezava med trenutnimi in preteklimi vrednostmi. Zato se časovne vrste znanih ali domnevnih avtoregresivnih količin ali vrednosti pogosto analizirajo z uporabo napovednih analitičnih metod za napovedovanje prihodnjih vrednosti takšnih spremenljivk.
Zanimive spremenljivke, ki kažejo določeno stopnjo avtoregresije, se pojavijo na različnih mestih kot posledica človeških in naravnih procesov. Cene na borzi, devizni tečaji, digitalni signali in število posameznikov v populaciji, na primer, se vsaj do neke mere štejejo za avtoregresivne. Poleg tega obstajajo različne oblike avtoregresijske analize, pri čemer se vsaka šteje za boljšo ali slabše primerno in se zato uporablja za določene vrste avtoregresivnih nizov podatkov. Med takšnimi aplikacijami se v zdravstvu uporablja avtoregresija za izboljšanje ločljivosti in interpretacije ultrazvočnih diagnostičnih testov; v telekomunikacijah za izboljšanje prenosa, sprejema in obdelave digitalnih signalov; v ekonomiji za napovedovanje makroekonomske in poslovne uspešnosti; in v finančnih storitvah za izračun osebnih bonitetnih ocen, odkrivanje goljufij in izračun profilov zavarovalnih tveganj in premij.
Modeli avtoregresivnega drsečega povprečja (ARMA) združujejo modele avtoregresije in drsečega povprečja – povprečja, katerih sestavni elementi se spreminjajo s časom. Znani tudi kot modeli Box-Jenkins – poimenovani po Georgeu Boxu in Gwilymu Jenkinsu, statistiki, ki sta izboljšala svoje izvirne formulacije in popularizirala njihovo uporabo – se običajno uporabljajo za modeliranje in testiranje časovnih vrst, ki so funkcija eksogenih ali zunanjih šokov. in njihov pretekli nastop. Modeli ARMA so “primerni” za dejanska opazovanja nekaterih znanih ali domnevnih avtoregresivnih spremenljivk ali spremenljivk, ki jih zanimajo, da bi bolje razumeli procese, ki jih ustvarjajo. V nasprotju s strogo avtoregresivnimi modeli se štejejo za sredstvo za ugotavljanje vzročnosti – obstoja vzročno-posledične povezave med neodvisno in odvisno spremenljivko ali spremenljivkami. Zato se običajno uporabljajo pri napovedovanju časovnih vrst in drugih oblikah napovedne analitike.