世の中の現象の多くは、時間と共に不規則な変動をしている。それらの不規則な変動は、何らかのシステムから発生していると考えられる。さらに、そのシステムの状態は常に同じとは限らず、変化することも考えられる。従って、そのシステムの状態変化を検知するということは、現象を理解する上で重要な役割を果たす。現象の中にはその基本原理が十分に分かっていないため、数学や物理の数式になっていないものが多くあるが、多くの場合、現象の振る舞いを時系列データとして記録出来る。本研究ではこのような状況を想定し、時系列データのみを用いて、システムの状態変化の検出を行った。時系列データを用いてデータの状態変化を検知する手法として、“局所定常 auto-regressive (AR)モデル”が提案されており、様々なデータに適応されている。しかし、この手法はデータの非線形性や多変数データを処理することが困難であるといった問題があるため、システムの状態変化の検出の信頼性に問題がある。本研究では、上述の問題を改善する新手法を提案した。まずはシミュレーションデータに対して、この手法が有効であることを確認した後、様々な実データに対して、この手法を用いて変化点検出を試みた。提案手法を用いることで、リアルタイムでの解析や検出精度の向上が見込めた。また非線形・多変数解析が可能となった。一方で、区間に含まれるデータ数の問題や情報量規準の選択によって、結果が大きく変わることも確認した。