هدف از مطالعه حاضر تدوین الگویی برای پیش بینی قیمت ماهانه گوشت مرغ است که با داده های استان تهران مورد آزمون قرار گرفته است. برای این منظور، از تکنیک های سری زمانی در قالب الگوهای خود توضیحی دوره ای (PAR)، پایه رگرسیونی بر پایه آزمون های ریشه واحد فصلی و باکس - جنکینز (SARIMA) بهره گرفته شده است. یافته های تحقیق نشان داد که قیمت گوشت مرغ دارای تغییرات دوره ای منظم نبوده و نمی توان از دل PAR(p) جهت پیش بینی قیمت ها استفاده نمود. بر عکس، نتایج آزمون ریشه واحد فصلی بیانگر آن است که قیمت ماهانه گوشت مرغ از فرآیند تصادفی نا ایستا فصلی تبعیت می نماید و بر این اساس بکارگیری مدل پایه رگرسیونی برای تدوین الگوی پیش بینی قیمت مناسب است. مقایسه میزان صحت پیش بینی مدل های پایه رگرسیونی و خود توضیحی هم انباشته میانگین متحرک فصلی بر اساس معیار RMSE، حاکی از برتری مدل پایه رگرسیونی به عنوان الگوی برتر جهت پیش بینی مقادیر قیمت های ماهانه گوشت مرغ می باشد.