单变量时间序列由随时间收集的一系列观察结果组成，仅关注一个变量。这意味着在每个时间点，仅记录单个值或测量值，这使得分析与该特定变量相关的模式，趋势和季节性变化变得更加容易。例如，跟踪城市中的每日温度读数是单变量时间序列的经典示例，其中每天的温度是唯一被监视的数据点。其他示例可以包括单个公司的股票价格或特定产品的每月销售数字。
相反，多变量时间序列涉及以相同时间间隔记录的多个变量。这允许分析不同变量之间随时间的复杂关系。例如，如果我们考虑相同的股票市场示例，则多变量时间序列不仅可以包括公司的股票价格，还可以包括交易量，市场指数和经济指标等相关指标。这种数据的组合可以更全面地了解影响主要变量的因素以及它们之间的相互作用。
单变量和多变量时间序列之间的选择取决于分析目标。如果重点仅在于了解一个变量随时间变化的行为，则单变量方法就足够了。然而，当了解多个相互关联的因素如何相互影响至关重要时，多变量分析更合适。这种增加的复杂性需要更复杂的建模技术和工具，但是获得的洞察力对于做出明智的决策可能是无价的。