时间序列与多元统计分析

图书标准信息

• 作者 孙祝岭 编
• 出版社 上海交通大学出版社
• 出版时间 2016-09
• 版次 1
• ISBN 9787313156587
• 定价 38.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 238页
• 字数 277千字
• 正文语种 简体中文

【内容简介】

　　《时间序列与多元统计分析》系统地讲述了时间序列的基本理论和方法，包括时间序列的模型识别、建模（含参数估计、定价和拟合检验）和预报方法。介绍了多元统计分析的基础，重点介绍了五大技术：聚类分析、判别分析、主成分分析、因子分析和典型相关分析，并简明地介绍了统计软件SPSS在时间序列和多元统计分析中的应用方法。
　　《时间序列与多元统计分析》可作为应用数学专业本科生和工科、医学、生物、经济类等专业研究生的教材，也可供其他专业的大学师生、科学研究人员、工程技术专家和需要进行数据处理的人员参考。

【目录】

第1部分 时间序列分析部分
第1章 时间序列分析基础
1．1 时间序列的基本概念
1．2 时间序列分布
1．3 时间序列数字特征
1．3．1 均值函数
1．3．2 自协方差函数
1．3．3 自相关函数
1．3．4 互协方差函数
1．4 时间序列的平稳性
1．4．1 两种平稳性定义
1．4．2 两种平稳性关系
1．4．3 平稳序列的数字特征
1．5 时间序列的运算
1．5．1 线性运算和延迟运算
1．5．2 差分运算
1．5．3 极限运算
1．5．4 平稳线性时间序列
1．6 复时间序列
习题1
第2章 时间序列模型介绍
2．1 自回归模型
2．1．1 模型
2．1．2 Yule-Walker方程
2．2 滑动平均模型
2．2．1 模型
2．2．2 自协方差函数
2．2．3 可逆条件
2．3 自回归滑动平均模型
2．3．1 模型
2．3．2 平稳条件与可逆条件
2．3．3 自协方差函数
2．4 求和模型
2．5 季节模型
2．6 加法模型和乘法模型
习题2
第3章 模型识别与拟合检验的工具
3．1 模型识别的工具
3．1．1 偏相关函数
3．1．2 两个重要识别定理
3．2 均值函数与自协方差函数的估计
3．2．1 均值函数的矩估计
3．2．2 自协方差函数和自相关函数的估计
3．3 独立同分布序列的检验
3．3．1 图判别法
3．3．2 X2检验法
3．4 谱函数
3．5 矩阵的微分
3．6 回归模型中异方差的处理
3．6．1 异方差问题
3．6．2 异方差检验
3．6．3 异方差修正
习题3
第4章 时间序列建模方法
4．1 AR（p）模型的建模方法
4．1．1 AR（p）模型的参数估计
4．1．2 AR（p）模型的定阶
4．1．3 AR（p）模型的拟合检验
4．2 MA（q）模型的建模方法
4．2．1 MA（q）模型的参数估计
4．2．2 MA（q）模型的定阶
4．2．3 MA（q）模型的拟合检验
4．3 ARMA（p，q）模型的建模方法
4．3．1 ARMA（p，q）模型的参数估计
4．3．2 ARMA（p，q）模型的定阶
4．3．3 ARMA（p，q）模型的拟合检验
4．4 ARIMA（p，d，q）模型的建模简介
4．5 季节模型的建模简介
习题4
第5章 时间序列的预报方法
5．1 线性最小均方误差预报方法
5．2 条件期望预报方法
5．3 具体模型的预报方法
5．3．1 AR（p）序列的递推预报
5．3．2 MA（q）序列的递推预报
5．3．3 ARMA（p，q）序列的递推预报
5．3．4 ARIMA（p，d，q）序列的预报
5．3．5 季节序列的预报
5．3．6 加法模型与乘法模型的预报方法
5．3．7 分解预报法简介
5．4 非决定性平稳序列及其两个分解定理
5．4．1 非决定性平稳序列
5．4．2 Wold分解定理
5．4．3 Cramer分解定理
习题5
第6章 时间序列分析步骤与统计软件SPSS的应用
6．1 时间序列分析步骤
6．2 SPSS在时间序列分析中的应用简介
6．2．1 SPSS的基本操作简介
6．2．2 建立数据文件
6．2．3 绘制时间序列图
6．2．4 绘制自相关函数和偏相关函数图
6．2．5 AR、MA、ARMA和ARIMA序列的建模
6．3 时间序列分析实例
习题6

第2部分 多元统计分析部分
第7章 多元统计分析基础
7．1 统计量及其分布
7．1．1 几个最常用统计量
7．1．2 基于来自多维正态总体样本的统计量的分布
7．2 多维正态分布的统计推断
7．2．1 多维正态分布的参数估计
7．2．2 多维正态分布参数的假设检验
7．2．3 正态总体协方差矩阵的检验
7．3 应用SPSS计算样本均值向量、协方差矩阵
7．4 多维正态分布随机数的产生方法
习题7
第8章 聚类分析
8．1 距离与相似系数
8．1．1 变量Xi与Xj的夹角余弦
8．1．2 变量Xi与Xj的样本相关系数
8．1．3 类与类的距离
8．2 系统聚类法
8．3 K-Means聚类法
8．4 有序样品的聚类
8．4．1 概述
8．4．2 求最优分类法的递推公式
8．4．3 Fisher方法的计算
8．5 数值例——SPSS的应用
8．5．1 K-Means法聚类分析
8．5．2 系统聚类法聚类分析
习题8
第9章 判别分析
9．1 距离判别法
9．1．1 马氏距离的概念
9．1．2 两总体情形下的距离判别法
9．1．3 多总体情形下的距离判别法
9．2 Fisher判别法
9．3 Bayes判别法
9．4 数值例——SPSS的应用
习题9
第10章 主成分分析
10．1 总体主成分
10．2 样本主成分
10．3 数值例——SPSS的应用
习题10
第11章 因子分析
11．1 因子分析模型
11．2 因子旋转
11．3 因子分析模型的解
11．4 因子得分
11．5 数值例——SPSS的应用
习题11
第12章 典型相关分析
12．1 概述
12．2 典型相关分析方法
12．3 数值例——SPSS的应用
习题12
试题1 时间序列与多元统计分析试题
试题2 时间序列分析试题
部分习题答案
部分试题答案

附录
附录1 多维正态分布的性质
附录2 标准正态分布函数表
附录3 t分布上侧分位数表
附录4 X2分布上侧分位数表
附录5 F分布上侧分位数表
参考文献