在統計學、計量經濟學和信號處理中，自回歸（AR）模型是一種隨機過程的代表；因此，它被用來描述自然界、經濟學等中的某些時變過程。自回歸模型規定，輸出變量線性地依賴于其自身的前值和隨機項（一個不完全可預測的項）；因此，該模型是隨機差分方程（或遞歸關系，不應與微分方程混淆）的形式。它與移動平均數（MA）模型一起，是更普遍的時間序列的自回歸-移動平均數（ARMA）和自回歸綜合移動平均數（ARIMA）模型的一個特例和關鍵組成部分，這些模型具有更復雜的隨機結構；它也是向量自回歸模型（VAR）的一個特例，它由一個以上的演化隨機變量中的一個以上的互鎖隨機差分方程系統組成。

與移動平均數（MA）模型相反，自回歸模型并不總是靜止的，因為它可能包含單位根。

符號A R ( p ) {displaystyle AR(p)}表示p階的自回歸模型。

因此，自回歸模型可以被看作是一個全極無限脈沖響應濾波器的輸出，其輸入是白噪聲。

一些參數約束對于模型保持廣義靜止是必要的。

在AR過程中，一次性沖擊會影響到未來無限遠的演化變量的值。

因為每個沖擊都會影響到從它們發生時起無限遠的未來的X值，任何給定的Xt值都會受到發生在無限遠的過去的沖擊的影響。

當右側進行多項式除法時，應用于ε t {displaystyle varepsilon _{t}}的后移算子的多項式具有無限階--也就是說，ε t {displaystyle varepsilon _{t}}的無限個滯后值出現在方程的右側。