时间序列用随机过程理论和数理统计方法研究随机数据序列的规律，自回归AR模型是时间序列模型三大类之一，也是最常见模型，此类模型分析的核心就是模型参数的确定。目前，最小二乘是时间序列模型参数估计的最佳估计算法，模型是根据变量本身或其他相关变量过去的变化规律来预测未来的变化，所以每一个变量在求解时即是自变量又是因变量，而且每一个量都是通过一定的测量手段得到的，所以不可避免有误差。但是最小二乘估计在求解参数时是假设系数阵没有误差或者不考虑系数阵的误差，只考虑当前观测量中的误差，显然，这样解算得到的模型有一定偏差。所以本文将引入一种新的参数估计方法，即整体最小二乘，来求解参数估值，此方法在求解过程中顾及了自变量与因变量同时存在误差的情况。本文首先探讨了研究背景、自回归AR模型和整体最小二乘的研究现状；其次详细讨论了自回归AR模型的基本理论、参数确定的常用方法(本文将主要应用最小二乘进行参数求解)、以及模型阶数确定的常用方法，并探讨了其使用范围；再次，讨论整体最小二乘的基本原理以及在一元线性回归模型和多元线性回归模型中的应用，并且通过算例进行分析解算，得出结论。然后在前两部分讨论的基础上，对自回归AR模型进行分类讨论，得出两类模型与一元线性回归模型、多元线性回归模型的关系，从而推导出整体最小二乘对其参数求解的方法与步骤，并且通过算例进行分析说明；最后，总结论文研究的主要内容和结论，以及进一步需要探讨的问题。