长期趋势

即“长期变异”。

长期趋势secular trend

亦称长期变异，表示疾病在相当长的时期内，通常是数年或数个年代，在发病率、死亡率等方面的动态变化。如猩红热近百年来，发病率、死亡率明显下降，病情亦趋向于轻症；恶性肿瘤和心血管病的死亡率在近几个年代却明显上升。疾病长期趋势的研究，可以提示疾病防治的重点，分析环境和社会因素对疾病发展动态的影响。

长期趋势

研究某种社会经济现象在一个相当长的时期内持续向上或向下发展变动的趋势。有两种基本类型： 一类是直线趋势，即某种社会经济现象在一个相当长的时期内呈现出比较一致上升或下降的变动，如循一直线发展，这条直线也叫趋势直线，直线趋势的变化率或趋势线的斜率基本上不变；另一类是非直线趋势即曲线趋势，这种现象为渐次变动，其变动程度是随时而异，其变化率或趋势的斜率是变动的。测定长期趋势常用部分平均法、移动平均法和最小平方法三种。

长期趋势secular trend

在经济学中，这个概念指经济数据长期内平滑的变动。人口增长、技术进步、资本积累和新型组织方式，是造成这种平滑变动的主要原因。对绝大多数经济数列来说，趋势的演进通常都具有平滑的、渐进的和决定性的特征。但由于经济数列的演变也含有结构变化的特征，因此，对长期趋势的衡量一般假定： 长期趋势的进程具有结构的稳定性，而且资料数据在长期中具有可比性。此外，长期趋势并不是一种孤立的运动，它作为经济现象存在受其它可观测的变量的运动所影响。这些运动包括周期、季节的变动和非规则运动。
由于长期趋势的时间长度可能与长周期的部分相重合，因此，为避开这种复杂性，统计学家通常采用两种方式估计长期趋势： 一种方法是把趋势与周期波动放在一起进行估计，称作趋势周期联合运动。一种方法根据时间数列的长度定义趋势。最简单的估计经济时间数列的模型是误差模型。在这个模型中，时间数列被假定由平滑的趋势和一个独立的随机部分构成。表达方式通常采用时间函数形式 （低次多项式或超越函数） 。例如，一个多项式的趋势方程式可表示成：Y_t＝a+bt+ct²+dt³+…htⁿ其中，t为时间变量，a、b、c…h为方程式的参数。当方程式只有参数a、b，且不等于零时，趋势形成一个具有不变斜率的直线。如果增加ct²这一项，趋势将循着一条由c衡量原点上斜率的变化率的曲线； 如果多项式的趋势是三次方，即d不等于零，这条曲线将两次改变运动方向。
除了对趋势模型的参数进行估算外，一般还要对估算的结果进行检验和评价。通常采用变量差分法考察多项式最佳拟合的程度。
在估计长期趋势时，如果基本的时间数列模型是误差模型，长期趋势就具有决定性的特征，不规则运动或随机震荡不影响趋势的运动； 如果估计长期趋势的模型是一个随机过程，随机干扰就将是自相关的。时间不仅影响这一过程的规则部分，而且还影响非规则部分。

长期趋势trend

参见“时间序列分解”。

长期趋势

现象在相当长时间内发展变化的总势态。通常表现为上升趋势、下降趋势和水平趋势。长期趋势由长期起作用的因素所决定，是事物本质在数量上的反映。分析现象的长期趋势，认识其发展方向、发展速度及变化规律，有助于进行经济预测。长期趋势有直线趋势和非直线趋势两种。直线趋势就是现象在各个发展阶段的增长率相同，趋势线的斜率相同。非直线趋势就是现象在各个发展阶段的增长率不相同，其趋势线的斜率亦不同，表现为各种不同的曲线。社会经济现象的发展多数表现为曲线趋势。但是，在曲线发展的历史过程中，如果仅研究其中较短时期的情况，也往往表现为直线趋势。