掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
計量經(jīng)濟學(xué)時間序列模型及Python應(yīng)用(應(yīng)用統(tǒng)計學(xué)叢書)
包郵 計量經(jīng)濟學(xué)時間序列模型及Python應(yīng)用(應(yīng)用統(tǒng)計學(xué)叢書)
作者：王斌會
開本：
16開
頁數(shù)：
244
本類榜單：經(jīng)濟銷量榜
本類五星書更多>
-
>
蜜蜂的寓言:私人的惡德,公眾的利益
-
>
世界貿(mào)易戰(zhàn)簡史
-
>
日本的凱恩斯:高橋是清傳:從足輕到藏相
-
>
近代天津工業(yè)與企業(yè)制度
-
>
貨幣之語
-
>
眉山金融論劍
-
>
圖解資本論
計量經(jīng)濟學(xué)時間序列模型及Python應(yīng)用(應(yīng)用統(tǒng)計學(xué)叢書) 版權(quán)信息
- ISBN：9787566831149
- 條形碼：9787566831149 ; 978-7-5668-3114-9
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
計量經(jīng)濟學(xué)時間序列模型及Python應(yīng)用(應(yīng)用統(tǒng)計學(xué)叢書) 內(nèi)容簡介
當前Python語言很好流行，主要因為它強大的編程功能，可被無償使用，而且在網(wǎng)上提供了很多免費的程序包。計量經(jīng)濟模型雖然在中國的研究已較為深入，但基于Python語言的計量經(jīng)濟模型的建立和分析還極少。本書著力在闡明計量經(jīng)濟學(xué)理論和時間序列模型的前提下，以Python語言為工具對熱點問題進行實證建模分析。
計量經(jīng)濟學(xué)時間序列模型及Python應(yīng)用(應(yīng)用統(tǒng)計學(xué)叢書) 目錄
前言
1 引論
1．1 計量經(jīng)濟模型概述
1．1．1 計量經(jīng)濟學(xué)簡介
1．1．2 計量經(jīng)濟學(xué)的分析方法
1．1．3 計量經(jīng)濟模型的發(fā)展
1．2 計量經(jīng)濟學(xué)內(nèi)容與建模
1．2．1 計量經(jīng)濟學(xué)的內(nèi)容體系
1．2．2 計量經(jīng)濟學(xué)的建模技術(shù)
1．2．3 計量經(jīng)濟學(xué)的建模步驟
1．3 計量經(jīng)濟學(xué)數(shù)據(jù)的處理
1．3．1 計量經(jīng)濟學(xué)數(shù)據(jù)的類型
1．3．2 計量經(jīng)濟學(xué)數(shù)據(jù)的收集
1．3．3 計量經(jīng)濟學(xué)軟件的使用
1．4 Python的編程環(huán)境
1．4．1 Anaconda的安裝與使用
1．4．2 Jupyter模塊的安裝與使用
1．4．3 spyder模塊的安裝與使用
1．5 Python計量經(jīng)濟初步分析
1．5．1 Python單變量數(shù)據(jù)分析
1．5．2 Python多變量數(shù)據(jù)分析
1．5．3 Python分析的中間結(jié)果
練習題
2 經(jīng)典回歸分析模型
2．1 線性回歸分析模型
2．1．1 單變量線性回歸模型簡介
2．1．2 多變量線性回歸模型建立
2．1．3 獲取模型分析的中間結(jié)果
2．1．4 建立有用的回歸分析模型
2．2 線性相關(guān)分析模型
2．2．1 簡單線性相關(guān)分析
2．2．2 偏相關(guān)分析
2．2．3 復(fù)相關(guān)分析
2．3 含虛擬變量回歸模型
2．3．1 虛擬變量及其作用
2．3．2 虛擬變量的設(shè)置方式
2．3．3 虛擬變量的特殊應(yīng)用
2．4 簡單非線性回歸分析
2．4．1 簡單非線性回歸模型
2．4．2 生產(chǎn)函數(shù)及彈性分析
2．4．3 技術(shù)進步及貢獻率計算
練習題
3 非典型回歸分析模型
3．1 回歸分析模型的診斷
3．1．1 回歸診斷的概念
3．1．2 模型的基本診斷
3．1．3 變量的共線性診斷
3．2 誤差的異方差檢驗與建模
3．2．1 異方差的概念及其來源
3．2．2 異方差的影響及其檢驗
3．2．3 異方差模型的處理方法
3．3 誤差的相關(guān)性及其檢驗
3．3．1 誤差的相關(guān)性概念
3．3．2 誤差自相關(guān)性檢驗
3．3．3 誤差自相關(guān)處理方法
練習題
4 經(jīng)典時間序列分析模型
4．1 時間序列的基本概念
4．1．1 時間序列的含義
4．1．2 時間序列的相關(guān)性
4．1．3 序列自相關(guān)性判別
4．2 時間序列自回歸AR模型
4．2．1 AR模型的平穩(wěn)性條件
4．2．2 AR模型的自相關(guān)函數(shù)
4．2．3 AR模型的估計與識別
4．3 時間序列移動平均MA模型
4．3．1 MA模型的基本形式
4．3．2 MA模型的階數(shù)確定
4．3．3 MA模型的參數(shù)估計
4．4 白回歸移動平均ARMA模型
4．4．1 ARMA模型的概念
4．4．2 ARMA模型的相關(guān)分析
4．4．3 ARMA模型的統(tǒng)計推斷
4．4．4 道瓊斯工業(yè)平均指數(shù)模型
練習題
5 擴展時間序列分析模型
5．1 分布滯后與自回歸模型
5．1．1 滯后效應(yīng)與滯后變量模型
5．1．2 分布滯后模型的參數(shù)估計
5．1．3 分布滯后自回歸模型及估計
5．2 非平穩(wěn)時間序列模型
5．2．1 時間序列的非平穩(wěn)性
5．2．2 時間序列的差分技術(shù)
5．2．3 時間序列的非平穩(wěn)性檢驗
5．3 非平穩(wěn)時間序列模型的建立
5．3．1 差分算子及其應(yīng)用
5．3．2 非平穩(wěn)時間序列的模擬研究
5．3．3 非平穩(wěn)時間序列的實證分析
練習題
6 異方差時間序列模型
6．1 ARCH模型
6．1．1 ARCH模型的構(gòu)建
6．1．2 ARCH效應(yīng)的檢驗
6．1．3 ARCH模型的參數(shù)估計
6．2 GARCH模型
6．2．1 GARCH模型的基本原理
6．2．2 改進的GARCH模型
6．2．3 異方差模型實證分析
6．3 時間序列建模小結(jié)
6．3．1 時間序列的建模過程
6．3．2 時間序列模型的評價
練習題
7 多變量時間序列模型初步
7．1 協(xié)整與誤差修正模型
7．1．1 協(xié)整的定義和檢驗
7．1．2 誤差修正模型原理
7．1．3 Granger因果關(guān)系檢驗
7．1．4 協(xié)整和ECM的實證分析
7．2 簡單多變量時間序列模型
’7．2．1 VAR模型的提出
7．2．2 VAR模型的定階
7．2．3 VAR模型的估計
7．3 VAR模型的診斷與檢驗
7．3．1 序列相關(guān)性與異方差檢驗
7．3．2 序列正態(tài)性與結(jié)構(gòu)變化檢驗
7．3．3 Granger因果檢驗與預(yù)測分析
練習題
參考文獻
1 引論
1．1 計量經(jīng)濟模型概述
1．1．1 計量經(jīng)濟學(xué)簡介
1．1．2 計量經(jīng)濟學(xué)的分析方法
1．1．3 計量經(jīng)濟模型的發(fā)展
1．2 計量經(jīng)濟學(xué)內(nèi)容與建模
1．2．1 計量經(jīng)濟學(xué)的內(nèi)容體系
1．2．2 計量經(jīng)濟學(xué)的建模技術(shù)
1．2．3 計量經(jīng)濟學(xué)的建模步驟
1．3 計量經(jīng)濟學(xué)數(shù)據(jù)的處理
1．3．1 計量經(jīng)濟學(xué)數(shù)據(jù)的類型
1．3．2 計量經(jīng)濟學(xué)數(shù)據(jù)的收集
1．3．3 計量經(jīng)濟學(xué)軟件的使用
1．4 Python的編程環(huán)境
1．4．1 Anaconda的安裝與使用
1．4．2 Jupyter模塊的安裝與使用
1．4．3 spyder模塊的安裝與使用
1．5 Python計量經(jīng)濟初步分析
1．5．1 Python單變量數(shù)據(jù)分析
1．5．2 Python多變量數(shù)據(jù)分析
1．5．3 Python分析的中間結(jié)果
練習題
2 經(jīng)典回歸分析模型
2．1 線性回歸分析模型
2．1．1 單變量線性回歸模型簡介
2．1．2 多變量線性回歸模型建立
2．1．3 獲取模型分析的中間結(jié)果
2．1．4 建立有用的回歸分析模型
2．2 線性相關(guān)分析模型
2．2．1 簡單線性相關(guān)分析
2．2．2 偏相關(guān)分析
2．2．3 復(fù)相關(guān)分析
2．3 含虛擬變量回歸模型
2．3．1 虛擬變量及其作用
2．3．2 虛擬變量的設(shè)置方式
2．3．3 虛擬變量的特殊應(yīng)用
2．4 簡單非線性回歸分析
2．4．1 簡單非線性回歸模型
2．4．2 生產(chǎn)函數(shù)及彈性分析
2．4．3 技術(shù)進步及貢獻率計算
練習題
3 非典型回歸分析模型
3．1 回歸分析模型的診斷
3．1．1 回歸診斷的概念
3．1．2 模型的基本診斷
3．1．3 變量的共線性診斷
3．2 誤差的異方差檢驗與建模
3．2．1 異方差的概念及其來源
3．2．2 異方差的影響及其檢驗
3．2．3 異方差模型的處理方法
3．3 誤差的相關(guān)性及其檢驗
3．3．1 誤差的相關(guān)性概念
3．3．2 誤差自相關(guān)性檢驗
3．3．3 誤差自相關(guān)處理方法
練習題
4 經(jīng)典時間序列分析模型
4．1 時間序列的基本概念
4．1．1 時間序列的含義
4．1．2 時間序列的相關(guān)性
4．1．3 序列自相關(guān)性判別
4．2 時間序列自回歸AR模型
4．2．1 AR模型的平穩(wěn)性條件
4．2．2 AR模型的自相關(guān)函數(shù)
4．2．3 AR模型的估計與識別
4．3 時間序列移動平均MA模型
4．3．1 MA模型的基本形式
4．3．2 MA模型的階數(shù)確定
4．3．3 MA模型的參數(shù)估計
4．4 白回歸移動平均ARMA模型
4．4．1 ARMA模型的概念
4．4．2 ARMA模型的相關(guān)分析
4．4．3 ARMA模型的統(tǒng)計推斷
4．4．4 道瓊斯工業(yè)平均指數(shù)模型
練習題
5 擴展時間序列分析模型
5．1 分布滯后與自回歸模型
5．1．1 滯后效應(yīng)與滯后變量模型
5．1．2 分布滯后模型的參數(shù)估計
5．1．3 分布滯后自回歸模型及估計
5．2 非平穩(wěn)時間序列模型
5．2．1 時間序列的非平穩(wěn)性
5．2．2 時間序列的差分技術(shù)
5．2．3 時間序列的非平穩(wěn)性檢驗
5．3 非平穩(wěn)時間序列模型的建立
5．3．1 差分算子及其應(yīng)用
5．3．2 非平穩(wěn)時間序列的模擬研究
5．3．3 非平穩(wěn)時間序列的實證分析
練習題
6 異方差時間序列模型
6．1 ARCH模型
6．1．1 ARCH模型的構(gòu)建
6．1．2 ARCH效應(yīng)的檢驗
6．1．3 ARCH模型的參數(shù)估計
6．2 GARCH模型
6．2．1 GARCH模型的基本原理
6．2．2 改進的GARCH模型
6．2．3 異方差模型實證分析
6．3 時間序列建模小結(jié)
6．3．1 時間序列的建模過程
6．3．2 時間序列模型的評價
練習題
7 多變量時間序列模型初步
7．1 協(xié)整與誤差修正模型
7．1．1 協(xié)整的定義和檢驗
7．1．2 誤差修正模型原理
7．1．3 Granger因果關(guān)系檢驗
7．1．4 協(xié)整和ECM的實證分析
7．2 簡單多變量時間序列模型
’7．2．1 VAR模型的提出
7．2．2 VAR模型的定階
7．2．3 VAR模型的估計
7．3 VAR模型的診斷與檢驗
7．3．1 序列相關(guān)性與異方差檢驗
7．3．2 序列正態(tài)性與結(jié)構(gòu)變化檢驗
7．3．3 Granger因果檢驗與預(yù)測分析
練習題
參考文獻
展開全部
計量經(jīng)濟學(xué)時間序列模型及Python應(yīng)用(應(yīng)用統(tǒng)計學(xué)叢書) 作者簡介
王斌會，暨南大學(xué)管理學(xué)院教授、博士生導(dǎo)師，從事數(shù)學(xué)、統(tǒng)計學(xué)及經(jīng)濟管理教學(xué)和科研工作30余年，在數(shù)據(jù)科學(xué)和大數(shù)據(jù)分析領(lǐng)域做了大量的基礎(chǔ)性研究與開創(chuàng)性工作。出版“應(yīng)用統(tǒng)計學(xué)叢書”等教材10余本，相關(guān)學(xué)術(shù)專著多部，開發(fā)數(shù)據(jù)分析相關(guān)軟件10余套，研制多媒體課件5余件。精通大數(shù)據(jù)分析及C#語言、R語言、Python和統(tǒng)計語言的編程及數(shù)據(jù)處理和云計算平臺的開發(fā)。
書友推薦
- >
史學(xué)評論
- >
煙與鏡
- >
上帝之肋:男人的真實旅程
- >
姑媽的寶刀
- >
朝聞道
- >
巴金－再思錄
- >
月亮與六便士
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
