中圖網(wǎng)小程序
一鍵登錄
更方便
>
>>
基于R應(yīng)用的統(tǒng)計學(xué)叢書時間序列分析/基于R(第2版)(基于R應(yīng)用的統(tǒng)計學(xué)叢書)
本類五星書更多>
-
>
闖進數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
基于R應(yīng)用的統(tǒng)計學(xué)叢書時間序列分析/基于R(第2版)(基于R應(yīng)用的統(tǒng)計學(xué)叢書) 版權(quán)信息
- ISBN：9787300278988
- 條形碼：9787300278988 ; 978-7-300-27898-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
基于R應(yīng)用的統(tǒng)計學(xué)叢書時間序列分析/基于R(第2版)(基于R應(yīng)用的統(tǒng)計學(xué)叢書) 內(nèi)容簡介
時間序列分析是統(tǒng)計學(xué)科的一個重要分支，它主要研究隨著時間的變化，事物發(fā)生、發(fā)展的過程，尋找事物發(fā)展變化的規(guī)律，并預(yù)測未來的走勢。在日常生產(chǎn)生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛地應(yīng)用于經(jīng)濟，金融，天文，氣象，海洋、物理、化學(xué)、醫(yī)學(xué)，質(zhì)量控制等諸多領(lǐng)域，成為眾多行業(yè)經(jīng)常使用的統(tǒng)計方法。
本書是一本用R軟件編寫的入門級時間序列分析教材。主要包括：時間序列分析簡介，時間序列分析的預(yù)處理，ARMA模型的性質(zhì)，平穩(wěn)序列的擬合與預(yù)測，無季節(jié)效應(yīng)的非平穩(wěn)序列分析，有季節(jié)效應(yīng)的非平穩(wěn)序列分析，多元時間序列分析。
基于R應(yīng)用的統(tǒng)計學(xué)叢書時間序列分析/基于R(第2版)(基于R應(yīng)用的統(tǒng)計學(xué)叢書) 目錄
第 1章 時間序列分析簡介
1．1 引言
1．2 時間序列的定義
1．3 時間序列分析方法
1．3．1 描述性時序分析
1．3．2 統(tǒng)計時序分析
1．4 R簡介
1．4．1 R的特點
1．4．2 R和 RStudio的安裝
1．4．3 R語言基本規(guī)則
1．4．4生成時間序列數(shù)據(jù)
1．4．5時間序列數(shù)據(jù)的處理
1．4．6繪制時序圖
1．4．7時間序列數(shù)據(jù)的導(dǎo)出
1．5習(xí)題
第 2章 時間序列的預(yù)處理
2．1平穩(wěn)序列的定義
2．1．1特征統(tǒng)計量
2．1．2平穩(wěn)時間序列的定義
2．1．3平穩(wěn)時間序列的統(tǒng)計性質(zhì)
2．1．4平穩(wěn)時間序列的意義
2．2平穩(wěn)性檢驗
2．2．1時序圖檢驗
2．2．2自相關(guān)圖檢驗
2．3純隨機性檢驗
2．3．1純隨機序列的定義
2．3．2純隨機序列的性質(zhì)
2．3．3純隨機性檢驗
2．4習(xí)題
第 3章 ARMA模型的性質(zhì)
3．1 Wold分解定理
3．2 AR模型
3．2．1 AR模型的定義
3．2．2 AR模型的平穩(wěn)性判別
3．2．3平穩(wěn) AR模型的統(tǒng)計性質(zhì)
3．2．4自相關(guān)系數(shù)
3．2．5偏自相關(guān)系數(shù)
3．3 MA模型
3．3．1 MA模型的定義
3．3．2 MA模型的統(tǒng)計性質(zhì)
3．3．3 MA模型的可逆性
3．3．4 MA模型偏自相關(guān)系數(shù)拖尾
3．4 ARMA模型
3．4．1 ARMA模型的定義
3．4．2 ARMA模型的平穩(wěn)性與可逆性
3．4．3 ARMA(p， q)模型的統(tǒng)計性質(zhì)
3．4．4自相關(guān)系數(shù)
3．5習(xí)題
第 4章平穩(wěn)序列的擬合與預(yù)測
4．1建模步驟
4．2單位根檢驗
4．2．1 DF檢驗
4．2．2 ADF檢驗
4．3模型識別
4．4參數(shù)估計
4．4．1矩估計
4．4．2極大似然估計
4．4．3*小二乘估計
4．5模型檢驗
4．5．1模型的顯著性檢驗
4．5．2參數(shù)的顯著性檢驗
4．6模型優(yōu)化
4．6．1問題的提出
4．6．2AIC準(zhǔn)則
4．6．3 BIC準(zhǔn)則
4．7序列預(yù)測
4．7．1線性預(yù)測函數(shù)
4．7．2預(yù)測方差*小原則
4．7．3線性*小方差預(yù)測的性質(zhì)
4．7．4修正預(yù)測
4．8習(xí)題
第 5章無季節(jié)效應(yīng)的非平穩(wěn)序列分析
5．1 Cramer分解定理
5．2差分平穩(wěn)
5．2．1差分運算的實質(zhì)
5．2．2差分方式的選擇
5．2．3過差分
5．3 ARIMA模型
5．3．1 ARIMA模型的結(jié)構(gòu)
5．3．2 ARIMA模型的性質(zhì)
5．3．3 ARIMA模型建模
5．3．4 ARIMA模型預(yù)測
5．4疏系數(shù)模型
5．5習(xí)題
第 6章有季節(jié)效應(yīng)的非平穩(wěn)序列分析
6．1因素分解理論
6．2因素分解模型
6．2．1因素分解模型的選擇
6．2．2趨勢效應(yīng)的提取
6．2．3季節(jié)效應(yīng)的提取
6．2．4 X11季節(jié)調(diào)節(jié)模型
6．3指數(shù)平滑預(yù)測模型
6．3．1簡單指數(shù)平滑
6．3．2 Holt兩參數(shù)指數(shù)平滑
6．3．3 Holt-Winters三參數(shù)指數(shù)平滑
6．4 ARIMA加法模型
6．5 ARIMA乘法模型
6．6習(xí)題
第 7章 多元時間序列分析
7．1 ARIMAX模型
7．2干預(yù)分析
7．3偽回歸
7．4協(xié)整
7．4．1單整與協(xié)整
7．4．2協(xié)整模型
7．4．3誤差修正模型
7．5 Granger因果檢驗
7．5．1 Granger因果關(guān)系定義
7．5．2 Granger因果檢驗
7．5．3 Granger因果檢驗的問題
7．6習(xí)題
附錄 1
附錄 2
附錄 3
參考文獻
1．1 引言
1．2 時間序列的定義
1．3 時間序列分析方法
1．3．1 描述性時序分析
1．3．2 統(tǒng)計時序分析
1．4 R簡介
1．4．1 R的特點
1．4．2 R和 RStudio的安裝
1．4．3 R語言基本規(guī)則
1．4．4生成時間序列數(shù)據(jù)
1．4．5時間序列數(shù)據(jù)的處理
1．4．6繪制時序圖
1．4．7時間序列數(shù)據(jù)的導(dǎo)出
1．5習(xí)題
第 2章 時間序列的預(yù)處理
2．1平穩(wěn)序列的定義
2．1．1特征統(tǒng)計量
2．1．2平穩(wěn)時間序列的定義
2．1．3平穩(wěn)時間序列的統(tǒng)計性質(zhì)
2．1．4平穩(wěn)時間序列的意義
2．2平穩(wěn)性檢驗
2．2．1時序圖檢驗
2．2．2自相關(guān)圖檢驗
2．3純隨機性檢驗
2．3．1純隨機序列的定義
2．3．2純隨機序列的性質(zhì)
2．3．3純隨機性檢驗
2．4習(xí)題
第 3章 ARMA模型的性質(zhì)
3．1 Wold分解定理
3．2 AR模型
3．2．1 AR模型的定義
3．2．2 AR模型的平穩(wěn)性判別
3．2．3平穩(wěn) AR模型的統(tǒng)計性質(zhì)
3．2．4自相關(guān)系數(shù)
3．2．5偏自相關(guān)系數(shù)
3．3 MA模型
3．3．1 MA模型的定義
3．3．2 MA模型的統(tǒng)計性質(zhì)
3．3．3 MA模型的可逆性
3．3．4 MA模型偏自相關(guān)系數(shù)拖尾
3．4 ARMA模型
3．4．1 ARMA模型的定義
3．4．2 ARMA模型的平穩(wěn)性與可逆性
3．4．3 ARMA(p， q)模型的統(tǒng)計性質(zhì)
3．4．4自相關(guān)系數(shù)
3．5習(xí)題
第 4章平穩(wěn)序列的擬合與預(yù)測
4．1建模步驟
4．2單位根檢驗
4．2．1 DF檢驗
4．2．2 ADF檢驗
4．3模型識別
4．4參數(shù)估計
4．4．1矩估計
4．4．2極大似然估計
4．4．3*小二乘估計
4．5模型檢驗
4．5．1模型的顯著性檢驗
4．5．2參數(shù)的顯著性檢驗
4．6模型優(yōu)化
4．6．1問題的提出
4．6．2AIC準(zhǔn)則
4．6．3 BIC準(zhǔn)則
4．7序列預(yù)測
4．7．1線性預(yù)測函數(shù)
4．7．2預(yù)測方差*小原則
4．7．3線性*小方差預(yù)測的性質(zhì)
4．7．4修正預(yù)測
4．8習(xí)題
第 5章無季節(jié)效應(yīng)的非平穩(wěn)序列分析
5．1 Cramer分解定理
5．2差分平穩(wěn)
5．2．1差分運算的實質(zhì)
5．2．2差分方式的選擇
5．2．3過差分
5．3 ARIMA模型
5．3．1 ARIMA模型的結(jié)構(gòu)
5．3．2 ARIMA模型的性質(zhì)
5．3．3 ARIMA模型建模
5．3．4 ARIMA模型預(yù)測
5．4疏系數(shù)模型
5．5習(xí)題
第 6章有季節(jié)效應(yīng)的非平穩(wěn)序列分析
6．1因素分解理論
6．2因素分解模型
6．2．1因素分解模型的選擇
6．2．2趨勢效應(yīng)的提取
6．2．3季節(jié)效應(yīng)的提取
6．2．4 X11季節(jié)調(diào)節(jié)模型
6．3指數(shù)平滑預(yù)測模型
6．3．1簡單指數(shù)平滑
6．3．2 Holt兩參數(shù)指數(shù)平滑
6．3．3 Holt-Winters三參數(shù)指數(shù)平滑
6．4 ARIMA加法模型
6．5 ARIMA乘法模型
6．6習(xí)題
第 7章 多元時間序列分析
7．1 ARIMAX模型
7．2干預(yù)分析
7．3偽回歸
7．4協(xié)整
7．4．1單整與協(xié)整
7．4．2協(xié)整模型
7．4．3誤差修正模型
7．5 Granger因果檢驗
7．5．1 Granger因果關(guān)系定義
7．5．2 Granger因果檢驗
7．5．3 Granger因果檢驗的問題
7．6習(xí)題
附錄 1
附錄 2
附錄 3
參考文獻
展開全部
基于R應(yīng)用的統(tǒng)計學(xué)叢書時間序列分析/基于R(第2版)(基于R應(yīng)用的統(tǒng)計學(xué)叢書) 節(jié)選
時間序列分析是統(tǒng)計學(xué)科的一個重要分支，它主要研究隨著時間的變化，事物發(fā)生、發(fā)展的過程，尋找事物發(fā)展變化的規(guī)律，并預(yù)測未來的走勢。在日常生產(chǎn)生活中，時間序列比比皆是，目前時間序列分析方法廣泛地應(yīng)用于經(jīng)濟、金融、天文、氣象、海洋、物理、化學(xué)、醫(yī)學(xué)、質(zhì)量控制等諸多領(lǐng)域，成為眾多行業(yè)經(jīng)常使用的統(tǒng)計方法。目前，國內(nèi)有關(guān)時間序列分析的著作和教材有很多，但主要是基于SAS軟件或EViews軟件編寫的。近幾年，R語言開始崛起，它是一個可以進行交互式數(shù)據(jù)分析的強大平臺。R語言的如下三個特征讓它在學(xué)界和業(yè)界都受到了很大的重視。首先，R語言是自由的開源軟件。在R語言之前，正版的統(tǒng)計軟件通常要收取高額的版權(quán)使用費，這使得很多高校師生無法獲得正版的統(tǒng)計軟件，而R語言沒有版權(quán)使用費這個障礙，人們可以光明正大、放心大膽地使用。其次，R語言不僅是一款統(tǒng)計軟件，還是一個可以進行交互式數(shù)據(jù)分析和探索的強大平臺，金融、經(jīng)濟、醫(yī)療、數(shù)據(jù)挖掘等諸多領(lǐng)域都基于R研發(fā)它們的分析方法。在這個平臺上，時間序列分析方法可以非常便捷地嵌入其他領(lǐng)域的研究中，成為各行業(yè)實務(wù)分析的基礎(chǔ)方法。*重要的一點是，由于R語言的開放性和資源共享性，它可以匯集全球R用戶的智慧和創(chuàng)造力，以驚人的速度發(fā)展。在R平臺上，新方法的更新速度是以周為單位計算的，這是傳統(tǒng)統(tǒng)計軟件所無法比擬的。R具有自由廣闊的發(fā)展前景，可以預(yù)期，它很有可能會打破傳統(tǒng)的統(tǒng)計軟件的功能邊界，與時俱進，不斷拓寬應(yīng)用領(lǐng)域，不斷創(chuàng)造出更多的功能和解法。因此，我們需要學(xué)習(xí)并共同發(fā)展R語言。基于R語言的這些特征，我們在2015年推出了教材《時間序列分析——基于R》。感謝所有使用過這本教材并給予我們反饋意見的朋友。綜合讀者的使用體會，我們在本次修訂時，做了如下調(diào)整。1. 把原來的第3章平穩(wěn)時間序列分析分拆為兩章。現(xiàn)在的第3章講ARMA模型的性質(zhì)，第4章講平穩(wěn)序列的擬合與預(yù)測。這樣處理便于教師在授課時突出每章的重點，避免了原來的第3章內(nèi)容過多，理論知識和實務(wù)操作在同一章，部分學(xué)生會有輕理論重操作的傾向。2．把非平穩(wěn)序列的分析方法做了重新組合。按照序列是否帶有周期特征，將其分為兩類：第5章介紹不帶周期特征的非平穩(wěn)序列的分析，主要介紹ARIMA模型；第6章介紹帶周期特征的非平穩(wěn)序列的分析。第6章介紹了兩大類方法：一類是確定性因素分析方法，包括X11模型和指數(shù)平滑模型；一類是帶周期特征的ARIMA方法，包括ARIMA季節(jié)加法模型和ARIMA季節(jié)乘法模型。這樣的內(nèi)容安排，有助于讀者根據(jù)序列的表面特征，迅速地尋找適當(dāng)?shù)姆治龇椒ā?．第7章對多元時間序列做了初步介紹。這部分知識是本科與碩士課程的銜接內(nèi)容。這次修訂在原來的基礎(chǔ)上增加了干預(yù)模型和Granger因果檢驗的內(nèi)容。增加的內(nèi)容沒有加深知識的難度，但增加了知識的實用性。4．本次修訂將條件異方差模型的內(nèi)容在教材中刪除了。主要是因為條件異方差模型主要應(yīng)用在具有集群效應(yīng)的異方差場合，而集群效應(yīng)主要出現(xiàn)在金融領(lǐng)域，本科教育主要是打基礎(chǔ)，不深入某一個領(lǐng)域做專項分析，因此，我們將這部分知識在教材中刪除了。同時，考慮到有部分師生可能有興趣想做異方差分析，我們將條件異方差這部分知識做了擴寫，單獨成章，作為選學(xué)內(nèi)容，放在出版社的網(wǎng)站上（www.crup.com.cn），供讀者免費下載學(xué)習(xí)。
基于R應(yīng)用的統(tǒng)計學(xué)叢書時間序列分析/基于R(第2版)(基于R應(yīng)用的統(tǒng)計學(xué)叢書) 作者簡介
王燕，中國人民大學(xué)統(tǒng)計學(xué)院風(fēng)險管理與精算方向教師。已開設(shè)課程：統(tǒng)計學(xué)，高等數(shù)理統(tǒng)計，金融數(shù)學(xué)，壽險精算學(xué)，生存分析，應(yīng)用時間序列分析（本科），應(yīng)用時間序列分析（碩士），定性數(shù)據(jù)分析等課程。曾獲得：中國人民大學(xué)十大教學(xué)標(biāo)兵，北京市青年教學(xué)技能競賽三等獎，壽險精算學(xué)精品課程，保險精算課程改革北京市優(yōu)秀團隊獎等
書友推薦
- >
山海經(jīng)
- >
二體千字文
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
上帝之肋:男人的真實旅程
- >
唐代進士錄
- >
回憶愛瑪儂
- >
隨園食單
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
