(二)时间序列的分解模型
把长期趋势、季节变动、循环波动和不规则波动同时间序列的关系用一定的数学关系式表示出来，就构成了时间序列的分解模型。最常用的是乘法模型和加法模型。
1．乘法模型
当上述四种影响因素存在相互影响的关系时，则时间序列的各观测值是该四种影响因素的乘积。乘法模型为：
y=T×S×C×I
由于在一年内会出现现象随季节更迭而发生波动的情况，所
以，如果是以年为时间单位的时间序列，则不直接受季节变动的影响，上述乘法模型可变为：
y=T×C×I
2．加法模型
当前述四种影响因素存在相互独立的关系时，则时间序列的各观察值是该四种影响因素的和。加法模型为：
y=T+S+C+I
如果是以年为时间单位的时间序列，则不直接受季节变动的影响，上述加法模型可变为：
y=T+C+I
七、长期趋势分析
将各影响因素分别从时间序列中分离出去并加以测定的过程，称为时间序列的构成分析，包括长期趋势分析、季节变动分析和循环波动分析等。这里主要介绍长期趋势分析。
受众多因素影响的时间序列，经过修匀后可以剔除季节变动、循环波动和不规则波动等因素的作用，从而使现象在长时期内呈现出逐渐上升或下降的基本变动趋势。长期趋势的测定主要是求趋势值。测定长期趋势的方法主要有扩时距法、移动平均法和最小二乘法。前两种方法为非数学模型法，后者为数学模型法。
(一)扩时距法
扩时距法是通过扩时间序列观测值所属的时间单位，再根据新的时间单位计算相应的观测值，从而形成一个新的时间序列。