雾霾已成为中国日常空气污染的突出问题。而PM2.5是雾霾的主要构成成分,也是衡量空气质量的重要指标,其浓度的变化直接反映了空气质量好坏的变化。因此研究PM2.5的形成机理和构成成分就显得极其重要。然而,到目前为止,人们对PM2.5的形成机理和构成成分还没有形成一致认识。因此,从不同的角度运用不同的方法对PM2.5的发生和演变规律进一步研究是必要的。本文运用时间序列分析的方法,对重庆市PM2.5浓度以日期为单位的时序变化规律进行分析。首先根据相关文献资料筛选出与PM2.5相关性较大的变量,如温度、CO、PM10、NO2和SO2等,并通过网络渠道收集相关数据并对数据进行整理和预处理;其次分别研究各个变量序列自身的变化规律,得出各自的适应性模型;再次将PM2.5作为输出变量序列,分别将最高温度、最低温度、CO、PM10、NO2和SO2等作为输入变量序列,构建单输入变量传递函数模型;再逐步构建多输入变量的综合性传递函数模型,用来研究PM2.5与温度、CO、PM10、NO2和SO2之间的内在关系。最后,为了评价上述综合性传递函数模型,分别构建PM2.5与温度、CO、PM10、NO2和SO2之间的普通多元线性回归模型及协整模型,通过三种模型的对比进一步明确了PM2.5与其影响因素之间的关系。结果表明:每一个变量序列本身都不平稳,有其自身的变化规律;PM2.5分别与各个输入变量有显著的相关关系;而且PM2.5与各个因素间的多输入变量传递函数模型的拟合效果更好,充分说明了PM2.5浓度变化规律明显受到各个因素的综合影响。另外,通过多元线性回归模型和协整模型的对比分析可知,这种综合影响不是简单的线性相关关系,PM2.5浓度值不仅受到当期相关因素数值的影响以及随机误差的干扰,而且还要受到其自身及各因素前期数值的显著影响。