自回归集成移动平均 (ARIMA) 预测方法由 G. E. P. Box 和 G. M. Jenkins 在二十世纪七十年代推广开来。这些技术（通常称为 Box-Jenkins 预测方法）包括以下步骤：
模型确定和选择
自回归 (AR)、积分或差分 (I) 和移动平均 (MA) 参数估计
模型检查
ARIMA 是单变量过程。数据序列的当前值与同一序列的过去值建立关联来生成 AR 组分，又称为 p。随机误差项的当前值与过去值建立关联来生成 MA 组分，即 q。假定当前数据和过去数据的平均值和方差值保持稳定，不随时间发生变化。如有必要，添加 I 组分（以 d 表示），通过差分修正稳定性不足的问题。
在非季节性 ARIMA(p,d,q) 模型中，p 表示 AR 项的数目或顺序，d 表示差异的数目或顺序，q 表示 MA 项的数目或顺序。p、d 和 q 参数是等于或大于 0 的整数。
周期性或季节性数据值以季节性 ARIMA 模型表示，格式如下：
SARIMA(p,d,q)(P,D,Q)(t)
括号中的第二组参数是季节性值。季节性 ARIMA 模型考虑一个周期内的期间数目，如“历史数据 - 季节性”对话框（图 3.1 ““历史数据 - 季节性”对话框”）中所定义。在一年中，期间数目 (t) 是 12。
注： | 在预测器用户界面中，季节性 ARIMA 模型不包括 (t) 组件，不过它仍用在计算中。请参阅更详细地描述这种方法的参考书目。 Crystal Ball ARIMA 模型不会拟合成常量数据集或者可以通过非季节性或季节性差分转变为常量数据集的数据集。由于存在这一特性，所有常量序列或绝对规则的序列（例如表示直线或锯齿图的数据）都不会返回 ARIMA 模型拟合。 |
要采用 ARIMA 方法：
在预测器向导的方法面板中，选择 ARIMA。
在自回归集成移动平均 (ARIMA) 详细信息面板中，选择自动（默认值）或自定义模型。
注：
除非您完全熟悉 ARIMA 方法并打算构造或使用现有自定义 ARIMA 模型，否则请选择自动。
可选：如果选择了自动，请选择模型选择标准：最小化信息标准（默认值）或最小化选定误差度量。默认值一般可得出较好的 ARIMA 估计。最小化在其他位置为预测器预测选择的误差度量会导致过度拟合。
可选：单击选择信息标准 (Alt+e) 指明要使用的信息标准。有关详细信息，请参阅“选择 ARIMA 模型选择标准”。BIC（默认值）通常比较合适，除非您有充分的理由选择其他标准。
可选：选择执行扩展模型搜索，将更多模型与历史数据进行比较。结果可能在一定程度上更加准确，但是分析所用的时间会显著增加。
可选：如果在步骤 2 中选择了自定义模型，应构建要使用的一系列模型。有关说明，请参阅“使用 ARIMA 自定义模型”。
可选：单击 ARIMA 选项 (Alt+o)，指明是否在 ARIMA 公式中包括常量，以及是否执行 Box-Cox 变换。对于这两个选项，默认值自动选择或无通常比较合适。有关更多信息，请参阅“设置 ARIMA 选项”。
注： | 如果选择了自动，显示的任何模型都会拟合成各个序列。自定义季节性模型不会拟合成非季节性序列，但是非季节性模型会拟合成季节性序列。 如果选择了自定义模型，模型仅适用于当前选定的预测器序列，并且必须单独地为每个序列定义。 |