La ventaja del método autorregresivo es que requiere menos datos y se puede predecir a través de su propia secuencia de variables. Pero este método tiene ciertas limitaciones: debe tener autocorrelación, y el coeficiente de autocorrelación es la clave. Si el coeficiente de autocorrelación (r) es inferior a 0,5, no debe utilizarse; de lo contrario, los resultados de la predicción serán extremadamente inexactos. La autorregresión solo se puede utilizar para predecir fenómenos económicos relacionados con su propio período inicial, es decir, fenómenos económicos que se ven muy afectados por sus propios factores históricos, como el volumen de extracción de minas y la producción de diversos recursos naturales. Para fenómenos económicos que se ven muy afectados por factores sociales, no es apropiado utilizar un modelo autorregresivo, sino un modelo vectorial autorregresivo que pueda incorporar otras variables.
Explicación del término del modelo autorregresivo
El modelo autorregresivo (modelo AR para abreviar) es un método estadístico para procesar series de tiempo. Utiliza la misma variable, como los períodos anteriores de X, es decir, x1 a xt-1, para predecir el desempeño de xt en este período, y supone que tienen una relación lineal. Debido a que esto se desarrolla a partir de la regresión lineal en el análisis de regresión, pero en lugar de usar X para predecir Y, X se usa para predecir X (en sí mismo), por lo que se llama autorregresión. El coeficiente de autocorrelación del modelo autorregresivo de orden P está siguiendo y el coeficiente de autocorrelación parcial se trunca en el orden P. Los modelos autorregresivos se utilizan ampliamente en economía, informática y predicción de fenómenos naturales.