连续性抽样调查由于能够描述目标总体随时间的动态变化过程,引起了越来越多国内外学者的关注。国外连续性抽样的研究已经十分成熟,在已知的轮换模式下,建立合适的模型,使得模型能较好地描述数据的真实生成过程,从而得到精度更高的目标估计量。然而,国外轮换模式下的建模大多是基于固定的轮换模式而言,并不适合推广到其它轮换模式下;国内关于轮换模式下的时间序列建模相关研究少之甚少。基于样本轮换研究的此种现状,建立轮换模式下可以推广使用的一般形式的模型就十分有意义。本文主要目的是建立二维平衡样本轮换模式r₁^m ～r₂^m-1下一般形式的时间序列模型,并根据所建模型对总体特征做出估计。估计阶段,采用了状态空间模型,进一步结合卡尔曼滤波给出了估计结果。然后结合美国现时人口调查,给出了4²⁸¹轮换模式下模型估计结果。为了将r₁^m ～r₂^m-1轮换模式与我国国情相结合,本文又分别讨论了6³⁶²轮换模式下的状态空间模型以及测量误差存在时的建模过程。最后,就样本轮换过程中存在的轮换偏差以及无回答等未来研究方向做了展望。实证结果表明,本文所建立的模型与以往的估计方法相比,估计结果有明显改善,这证明了建立的模型是有效的。