时间序列分析及其应用：基于R语言实例（原书第4版）

图书标准信息

• 作者 [美]罗伯特·H. 沙姆韦（Robert H. Shumway）；戴维·S. 斯托
• 出版社 机械工业出版社
• 出版时间 2020-08
• 版次 1
• ISBN 9787111658337
• 定价 139.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 460页
• 字数 500千字

【内容简介】

本书以易于理解的方式讲述了时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。

【作者简介】

Robert H. Shumway是加利福尼亚大学戴维斯分校的统计学荣誉退休教授。他是美国统计协会的Fellow，也是国际统计协会的成员。

David S. Stoffer是匹兹堡大学统计系教授。他是美国统计协会的Fellow。他为分类时间序列的分析做出了重大贡献，并因为他的分析婴儿睡眠状态循环产生的分类时间序列的合作论文获得了1989年美国统计协会杰出统计应用奖。

【目录】

译者序

第4版前言

第3版前言

作者简介

第1章　时间序列的特征1

　1.1　时间序列数据的性质1

　1.2　时间序列统计模型7

　1.3　相关性测量12

　1.4　平稳时间序列15

　1.5　相关系数的估计21

　1.6　向量值和多维时间序列27

　问题30

第2章　时间序列回归和探索性数据分析37

　2.1　时间序列背景下的经典回归37

　2.2　探索性数据分析44

　2.3　时间序列中的平滑54

　问题58

第3章　ARIMA模型63

　3.1　自回归移动平均模型63

　3.2　差分方程73

　3.3　自相关系数和偏相关系数77

　3.4　模型预测83

　3.5　模型估计92

　3.6　非平稳数据的差分模型108

　3.7　建立ARIMA模型111

　3.8　使用自相关误差进行回归118

　3.9　乘法季节ARIMA模型120

　问题127

第4章　频谱分析与滤波135

　4.1　循环性行为和周期性135

　4.2　谱密度141

　4.3　周期图和离散傅里叶变换147

　4.4　非参数谱估计154

　4.5　参数谱估计166

　4.6　多序列和交叉谱169

　4.7　线性滤波器173

　4.8　滞后回归模型177

　4.9　信号提取和最佳滤波181

　4.10　多维时间序列的谱分析185

　问题187

第5章　其他的时域主题195

　5.1　长记忆ARMA模型和分数阶差分195

　5.2　单位根检验202

　5.3　GARCH模型205

　5.4　阈值模型212

　5.5　滞后回归和传递函数建模216

　5.6　多元ARMAX模型220

　问题232

第6章　状态空间模型234

　6.1　线性高斯模型234

　6.2　滤波、平滑和预测238

　6.3　极大似然估计245

　6.4　缺失数据修正253

　6.5　结构模型：信号提取和预测257

　6.6　具有误差相关的状态空间模型260

　6.7　自助法状态空间模型265

　6.8　平滑样条和卡尔曼平滑器270

　6.9　隐马尔可夫模型和转移自回归272

　6.10　带转移的动态线性模型282

　6.11　随机波动率292

　6.12　状态空间模型的贝叶斯分析298

　问题307

第7章　频域统计方法313

　7.1　引言313

　7.2　谱矩阵和似然函数316

　7.3　联合平稳序列的回归317

　7.4　确定性输入的回归324

　7.5　随机系数回归330

　7.6　设计实验分析332

　7.7　判别和聚类分析344

　7.8　主成分和因子分析356

　7.9　频谱包络369

　问题378

附录A　大样本理论383

附录B　时域理论398

附录C　频谱域定理406

附录D　R补充428

参考文献438