Peramalan data deret waktu pada dasarnya adalah analisis univariat, sedangkan dalam kenyataan, sebagian besar pengamatan merupakan data multivariat. Misal dalam bidang pemasaran, volume penjualan bergantung pada cara pemasaran, bentuk promosi, dan daerah pemasaran, yang masing-masing faktor tersebut lebih dari satu macam, sehingga jika analisis peramalan hanya didasarkan pada volume penjualan saja, tanpa memperhatikan faktor-faktor yang mempengaruhinya, maka informasi untuk pembuatan norma atau ukuran keberhasilan pemasaran, apalagi untuk keperluan proses kontrol dan perencanaan, menjadi tidak lengkap, sehingga tujuan peramalan tidak tercapai secara utuh. Salah satu upaya menganalisis data deret waktu multivariat agar diperoleh hasil yang dapat memberikan informasi yang lengkap dan simultan, adalah dengan mentransformasikan menjadi model univariat melalui proses model fungsi transfer, yang konsepsinya didasarkan pada data bivariat.
Model Fungsi Transfer adalah suatu model yang menggambarkan bahwa nilai prediksi masa depan dari suatu time series (disebut output series atau Yt) adalah berdasarkan pada nilai-nilai masa lalu dari time series itu sendiri dan berdasarkan pula pada satu atau lebih time series yang berhubungan (disebut input series atau Xt) dengan output series tersebut.
Contoh :
1. Model antara total sales (Yt) dan advertising expenditure (Xt) yang diamati per bulan. (Makridakis, Wheelwright, and McGee, 1983)
2. Model antara sales (Yt) dan leading indicator (Xt) yang telah dianalisis oleh Box dan Jenkins (1976).
3. Model antara debit air di suatu bendungan (Yt) dan curah hujan (Xt) yang diamati dalam interval waktu yang sama. (Gusman, 2000).
Bentuk umum dari model fungsi transfer untuk single-input (xt) dan single-output (yt) adalah
yt= representasi dari deret output yang stasioner
xt= representasi dari deret input yang stasioner
v(B) = v0 – v1B – v2B – … --> infinite order