时间序列分析是按照处理时间顺序记录的数据的学科。由于我们周围的世界，很多数据是以时间顺序的形式存在和记录的，所以这种方法的应用非常广泛。在理论发展和实践运用的过程中，线性的时间序列分析已经比较成熟。本文将对在生产实践中应用比较广泛的线性自回归模型先阐述其一般的理论基础之后对其经典统计方法提出了改进的方法，论证其在参数估计和协方差矩阵的估计中对经典解的优势，并运用一个实例来说明之。　　本文的主要内容概括如下:　　(1)第一章主要介绍自回归模型及其稳定解，谱密度和协方差矩阵;　　(2)第二章主要介绍加权分位回归估计的定义，相关的统计性质，说明在自回归模型中的应用，以及在理论计算中遇到的主要困难，为下一章引入一种解决方法提供必要性的说明;　　(3)第三章是本文的核心部分，主要是在前面加权分位回归理论的基础上提出光滑加权分位回归分析的方法，并对其统计性质进行说明，提出一个协方差的迭代算法，并对权函数的选择进行讨论，最后是参数的假设检验，并用伦敦百年降雨量数据对这种方法进行一个实际的模拟;　　(4)第四章是对前三章的内容进行总结，并提出合理设想，在向量自回归模型中可能的对本文提出的方法的推广。　　本文作者的研究主要是对线性时间序列模型中自回归模型的经典方法提出改进意见，使得估计方法得出的解更加稳定，并且在计算方法上更加容易处理，希望本文的方法能对线性时间序列分析的其它模型的研究领域有所裨益。