เปรียบเทียบวิธี

	แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)	แบบจำลองอนุกรมเวลาเชิงโครงสร้าง (แบบจำลองโครงสร้างพื้นฐาน)
สาขาวิชา	เศรษฐมิติ	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2015	1990
ผู้ริเริ่ม	Box & Jenkins (Box-Jenkins methodology)	Andrew C. Harvey
ประเภท	Univariate time-series model	State-space (unobserved components) time series model
แหล่งต้นตำรับ	Box, G. E. P., Jenkins, G. M., Reinsel, G. C. & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021	Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521405737
ชื่อเรียกอื่น	Box-Jenkins model, ARIMA(p,d,q), ARIMA Modeli	BSM, basic structural model, unobserved components model, Yapısal Zaman Serisi Modeli (BSM)
ที่เกี่ยวข้อง	5	4
สรุป	ARIMA is a univariate time-series forecasting model that combines autoregressive, integrated (differencing), and moving-average components to predict a single continuous series from its own past. It is the centrepiece of the Box-Jenkins methodology set out in Box, Jenkins, Reinsel & Ljung's Time Series Analysis (5th ed., 2015).	The Structural Time Series Model, in its Basic Structural Model (BSM) form, is Andrew Harvey's state-space approach that decomposes a series into separate stochastic trend, seasonal, cyclical, and irregular components. Developed in Harvey's 1990 treatment, it is prized for interpretability and component decomposition where ARIMA only delivers a black-box fit.