应用时间序列分析（第四版）/21世纪统计学系列教材

图书标准信息

• 作者 王燕 著
• 出版社 中国人民大学出版社
• 出版时间 2015-12
• 版次 4
• ISBN 9787300222752
• 定价 36.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 292页
• 字数 400千字
• 丛书 21世纪统计学系列教材

【内容简介】

随着计算机技术的普及，各行各业都积累了大量的历史观察数据。采用科学的方法挖掘历史数据中蕴含的有用信息，了解随机事件发生发展的规律，准确预测随机事件的未来发展趋势成为了很多行业的迫切需求。这些工作都属于时间序列分析的研究领域。 
时间序列分析是应用统计学的核心基础课之一，也是计量经济学和统计预测学的核心内容。作为数理统计学的一个专业分支，时间序列分析有它非常特殊的、自成体系的一套分析方法。

【目录】

章 时间序列分析简介 1.1 引言 1.2 时间序列的定义 1.3 时间序列分析方法 1.3.1 描述性时序分析 1.3.2 统计时序分析 1.4 时间序列分析软件 1.5 习题 1.6 上机指导 1.6.1 SAS操作界面 1.6.2 创建时间序列SAS数据集 1.6.3 时间序列数据集的处理 第2章 时间序列的预处理 2.1 平稳性检验 2.1.1 特征统计量 2.1.2 平稳时间序列的定义 2.1.3 平稳时间序列的统计性质 2.1.4 平稳时间序列的意义 2.1.5 平稳性的检验 2.2 纯随机性检验 2.2.1 纯随机序列的定义 2.2.2 白噪声序列的性质 2.2.3 纯随机性检验 2.3 习题 2.4 上机指导 2.4.1 绘制时序图 2.4.2 平稳性与纯随机性检验 第3章 平稳时间序列分析 3.1 方法性工具 3.1.1 差分运算 3.1.2 延迟算子 3.1.3 线性差分方程 3.2 ARMA模型的性质 3.2.1 AR模型 3.2.2 MA模型 3.2.3 ARMA模型 3.3 平稳序列建模 3.3.1 建模步骤 3.3.2 样本自相关系数与偏自相关系数 3.3.3 模型识别 3.3.4 参数估计 3.3.5 模型检验 3.3.6 模型优化 3.4 序列预测 3.4.1 线性预测函数 3.4.2 预测方差原则 3.4.3 线性方差预测的性质 3.4.4 修正预测 3.5 习题 3.6 上机指导 3.6.1 模型识别 3.6.2 参数估计 3.6.3 序列预测 第4章非平稳序列的确定性分析 4.1时间序列的分解 4.1.1Wold分解定理 4.1.2Cramer分解定理 4.2差分运算 4.2.1差分运算的实质 4.2.2差分方式的选择 4.2.3过差分 4.3ARIMA模型 4.3.1ARIMA模型的结构 4.3.2ARIMA模型的性质 4.3.3ARIMA模型建模 4.3.4ARIMA模型预测 4.3.5疏系数模型 4.3.6季节模型 4.4残差自回归模型 4.4.1模型结构 4.4.2残差自相关检验 4.4.3模型拟合 4.5异方差的性质 4.5.1异方差的影响 4.5.2异方差的直观诊断 4.6方差齐性变换 4.7条件异方差模型 4.7.1ARCH模型 4.7.2GARCH模型 4.7.3GARCH的衍生模型 4.8习题 4.9上机指导 4.9.1拟合ARIMA模型 4.9.2拟合Auto—Regressive模型 4.9.3拟合GARCH模型 第5章非平稳序列的确定性分析 5.1确定性因素分解 5.2X—11季节调整模型 5.2.1移动平均方法 5.2.2X—11季节调整模型的计算过程 5.3X—12—ARIMA模型 5.4指数平滑预测模型 5.4.1简单指数平滑 5.4.2Holt两参数指数平滑 5.4.3Holt—Winters三参数指数平滑 5.5习题 5.6上机指导 5.6.1X—11过程 5.6.2X—12过程 5.6.3Forecast过程 第6章多元时间序列分析 6.1平稳多元序列建模 6.2虚假回归 6.3单位根检验 6.3.1DF检验 6.3.2ADF检验 6.3.3PP检验 6.4协整 6.4.1单整与协整 6.4.2协整检验 6.5误差修正模型 6.6习题 6.7上机指导 附录1 附录2 附录3 参考文献
作者介绍

序言