掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
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·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
時間序列分析——單變量和多變量方法(第二版·經(jīng)典版)(經(jīng)濟科學譯叢) 版權(quán)信息
- ISBN：9787300296401
- 條形碼：9787300296401 ; 978-7-300-29640-1
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
時間序列分析——單變量和多變量方法(第二版·經(jīng)典版)(經(jīng)濟科學譯叢) 內(nèi)容簡介
《時間序列分析——單變量和多變量方法(第二版·經(jīng)典版)》不僅對單變量與多變量時間序列的時域和頻域分析提供了一個全面介紹，而且在書中包含了許多單變量和多變量時問序列模型的新進展，如逆自相關(guān)函數(shù)、擴展樣本自相關(guān)函數(shù)、干預分析及異常值檢驗、向量自回歸移動平均模型、偏滯后自相關(guān)矩陣函數(shù)、局部過程、狀態(tài)空間模型、卡爾曼濾波、非季節(jié)和季節(jié)模型的單位根檢驗等許多內(nèi)容。 《時間序列分析——單變量和多變量方法(第二版·經(jīng)典版)》結(jié)合大量的應用實例說明了時間序列分析方法的應用，極大地方便了讀者對這些方法的學習和理解。
時間序列分析——單變量和多變量方法(第二版·經(jīng)典版)(經(jīng)濟科學譯叢) 目錄
第1章概 述 1
1．1 引 言 1
1．2 本書的例子和安排 1
第2章 基本概念 5
2．1 隨機過程 5
2．2 自協(xié)方差和自相關(guān)函數(shù) 8
2．3 偏自相關(guān)函數(shù) 9
2．4 白噪聲過程 12
2．5 均值、自協(xié)方差和自相關(guān)函數(shù)的估計 13
2．6 時間序列過程的移動平均和自回歸表示 19
2．7 線性差分方程 21
練 習 24
第3章 平穩(wěn)時間序列模型 27
3．1 自回歸過程 27
3．2 移動平均過程 39
3．3 AR（p）過程和MA（q）過程之間的對偶關(guān)系 46
3．4 自回歸移動平均ARMA（p，q）過程 48
練 習 56
第4章非平穩(wěn)時間序列模型 58
4．1 均值非平穩(wěn) 59
4．2 自回歸求和移動平均模型 61
4．3 方差和自協(xié)方差非平穩(wěn) 70
練 習 73
第5章 預 報 75 5．1 引 言 75
5．2 *小均方誤差預報 75
5．3 預報的計算 79
5．4 對過去觀測值加權(quán)平均的ARIMA預報 82
5．5 更新預報 84
5．6 *終預報函數(shù) 85
5．7 數(shù)值實例 87
練 習 89
第6章 模型識別 92
6．1 模型識別的步驟 92
6．2 實 例 94
6．3 逆自相關(guān)函數(shù) 107
6．4 擴展的樣本自相關(guān)函數(shù)和其他識別方法 109
練 習 114
第7章 參數(shù)估計、診斷檢驗和模型選擇 117
7．1 矩方法 117
7．2 極大似然方法 119
7．3 非線性估計 125
7．4 時間序列分析中的普通*小二乘估計 129
7．5 診斷檢驗 131
7．6 有關(guān)序列W1至W7的實例 132
7．7 模型選擇準則 134
練 習 136
第8章 季節(jié)時間序列模型 138
8．1 基本概念 138
8．2 傳統(tǒng)方法 139
8．3 季節(jié)性ARIMA模型 141
8．4 實 例 146
練 習 158
第9章單位根檢驗 162
9．1 引 言 162
9．2 一些有用的極限分布 162
9．3 AR（1）模型中的單位根檢驗 165
9．4 一般模型的單位根檢驗 171
9．5 季節(jié)時間序列模型的單位根檢驗 180
練 習 183
第10章干預分析和異常值檢驗 185
10．1 干預模型 185
10．2 干預分析實例 188
10．3 時間序列的異常值 194
10．4 異常值分析的實例 198
10．5 存在異常值時的模型識別 199
練 習 204
第11章傅立葉分析 206
11．1 一般概念 206
11．2 正交函數(shù) 206
11．3 有限序列的傅立葉表示 209
11．4 周期序列的傅立葉表示 210
11．5 非周期序列的傅立葉表示―――離散時間序列傅立葉變換 214
11．6 連續(xù)時間函數(shù)的傅立葉表示 220
11．7 快速傅立葉變換 223
練 習 225
第12章平穩(wěn)過程的譜理論 228
12．1 譜 228
12．2 一些常用過程的譜 235
12．3 線性濾波的譜 242
12．4 混 疊 245
練 習 246
第13章譜估計 248
13．1 周期圖分析 248
13．2 樣本譜 255
13．3 平滑譜 258
13．4 ARMA譜估計 272
練 習 274
第14章轉(zhuǎn)換函數(shù)模型 276
14．1 單個輸入轉(zhuǎn)換函數(shù)模型 276
14．2 互相關(guān)函數(shù)和轉(zhuǎn)換函數(shù)模型 279
14．3 轉(zhuǎn)換函數(shù)模型的結(jié)構(gòu) 282
14．4 利用轉(zhuǎn)換函數(shù)模型預報 292
14．5 二元頻域分析 298
14．6 互譜和轉(zhuǎn)換函數(shù)模型 306
14．7 多維輸入轉(zhuǎn)換函數(shù)模型 308
練 習 309
第15章時間序列回歸和GARCH模型 312
15．1 誤差具有自相關(guān)性的回歸 312
15．2 ARCH和GARCH模型 314
15．3 GARCH模型的估計 318
15．4 預報誤差方差的計算 319
15．5 實 例 320
練 習 324
第16章向量時間序列模型 326
16．1 協(xié)方差和相關(guān)矩陣函數(shù) 326
16．2 向量過程的移動平均和自回歸表示 328
16．3 向量自回歸移動平均過程 329
16．4 非平穩(wěn)向量自回歸移動平均模型 340
16．5 向量時間序列模型的識別 341
16．6 模型擬合和預報 352
16．7 實 例 354
16．8 向量過程的譜性質(zhì) 358
附錄16．A 多元線性回歸模型 359
練 習 362
第17章向量時間序列的深入 364
17．1 向量過程的單位根和協(xié)整 364
17．2 局部過程和局部過程相關(guān)矩陣 376
17．3 向量ARMA模型的等價表示 384
練 習 390
第18章狀態(tài)空間模型和卡爾曼濾波 393
18．1 狀態(tài)空間表示 393
18．2 狀態(tài)空間模型和ARMA模型的關(guān)系 394
18．3 狀態(tài)空間模型擬合和與典型相關(guān)分析 399
18．4 實例 402
18．5 卡爾曼濾波及其應用 405
附錄18．A 典型相關(guān) 408
練 習 411
第19章長記憶和非線性過程 413
19．1 長記憶過程與分數(shù)差分 413
19．2 非線性過程 417
19．3 門限自回歸模型 421
練 習 427
第20章時間序列中的聚積和系統(tǒng)抽樣 428
20．1 ARIMA過程的時間聚積 428
20．2 預報和參數(shù)估計的聚積效應 438
20．3 ARIMA過程的系統(tǒng)抽樣 443
20．4 系統(tǒng)抽樣和時間聚積對因果關(guān)系的影響 445
20．5 聚積對線性性和正態(tài)性檢驗的影響 450
20．6 聚積對單位根檢驗的影響 455
20．7 進一步的評論 462
練 習 463
參考文獻 465 附 錄 482
用作例子的時間序列數(shù)據(jù) 482
統(tǒng)計表 495
詞匯表 513
1．1 引 言 1
1．2 本書的例子和安排 1
第2章 基本概念 5
2．1 隨機過程 5
2．2 自協(xié)方差和自相關(guān)函數(shù) 8
2．3 偏自相關(guān)函數(shù) 9
2．4 白噪聲過程 12
2．5 均值、自協(xié)方差和自相關(guān)函數(shù)的估計 13
2．6 時間序列過程的移動平均和自回歸表示 19
2．7 線性差分方程 21
練 習 24
第3章 平穩(wěn)時間序列模型 27
3．1 自回歸過程 27
3．2 移動平均過程 39
3．3 AR（p）過程和MA（q）過程之間的對偶關(guān)系 46
3．4 自回歸移動平均ARMA（p，q）過程 48
練 習 56
第4章非平穩(wěn)時間序列模型 58
4．1 均值非平穩(wěn) 59
4．2 自回歸求和移動平均模型 61
4．3 方差和自協(xié)方差非平穩(wěn) 70
練 習 73
第5章 預 報 75 5．1 引 言 75
5．2 *小均方誤差預報 75
5．3 預報的計算 79
5．4 對過去觀測值加權(quán)平均的ARIMA預報 82
5．5 更新預報 84
5．6 *終預報函數(shù) 85
5．7 數(shù)值實例 87
練 習 89
第6章 模型識別 92
6．1 模型識別的步驟 92
6．2 實 例 94
6．3 逆自相關(guān)函數(shù) 107
6．4 擴展的樣本自相關(guān)函數(shù)和其他識別方法 109
練 習 114
第7章 參數(shù)估計、診斷檢驗和模型選擇 117
7．1 矩方法 117
7．2 極大似然方法 119
7．3 非線性估計 125
7．4 時間序列分析中的普通*小二乘估計 129
7．5 診斷檢驗 131
7．6 有關(guān)序列W1至W7的實例 132
7．7 模型選擇準則 134
練 習 136
第8章 季節(jié)時間序列模型 138
8．1 基本概念 138
8．2 傳統(tǒng)方法 139
8．3 季節(jié)性ARIMA模型 141
8．4 實 例 146
練 習 158
第9章單位根檢驗 162
9．1 引 言 162
9．2 一些有用的極限分布 162
9．3 AR（1）模型中的單位根檢驗 165
9．4 一般模型的單位根檢驗 171
9．5 季節(jié)時間序列模型的單位根檢驗 180
練 習 183
第10章干預分析和異常值檢驗 185
10．1 干預模型 185
10．2 干預分析實例 188
10．3 時間序列的異常值 194
10．4 異常值分析的實例 198
10．5 存在異常值時的模型識別 199
練 習 204
第11章傅立葉分析 206
11．1 一般概念 206
11．2 正交函數(shù) 206
11．3 有限序列的傅立葉表示 209
11．4 周期序列的傅立葉表示 210
11．5 非周期序列的傅立葉表示―――離散時間序列傅立葉變換 214
11．6 連續(xù)時間函數(shù)的傅立葉表示 220
11．7 快速傅立葉變換 223
練 習 225
第12章平穩(wěn)過程的譜理論 228
12．1 譜 228
12．2 一些常用過程的譜 235
12．3 線性濾波的譜 242
12．4 混 疊 245
練 習 246
第13章譜估計 248
13．1 周期圖分析 248
13．2 樣本譜 255
13．3 平滑譜 258
13．4 ARMA譜估計 272
練 習 274
第14章轉(zhuǎn)換函數(shù)模型 276
14．1 單個輸入轉(zhuǎn)換函數(shù)模型 276
14．2 互相關(guān)函數(shù)和轉(zhuǎn)換函數(shù)模型 279
14．3 轉(zhuǎn)換函數(shù)模型的結(jié)構(gòu) 282
14．4 利用轉(zhuǎn)換函數(shù)模型預報 292
14．5 二元頻域分析 298
14．6 互譜和轉(zhuǎn)換函數(shù)模型 306
14．7 多維輸入轉(zhuǎn)換函數(shù)模型 308
練 習 309
第15章時間序列回歸和GARCH模型 312
15．1 誤差具有自相關(guān)性的回歸 312
15．2 ARCH和GARCH模型 314
15．3 GARCH模型的估計 318
15．4 預報誤差方差的計算 319
15．5 實 例 320
練 習 324
第16章向量時間序列模型 326
16．1 協(xié)方差和相關(guān)矩陣函數(shù) 326
16．2 向量過程的移動平均和自回歸表示 328
16．3 向量自回歸移動平均過程 329
16．4 非平穩(wěn)向量自回歸移動平均模型 340
16．5 向量時間序列模型的識別 341
16．6 模型擬合和預報 352
16．7 實 例 354
16．8 向量過程的譜性質(zhì) 358
附錄16．A 多元線性回歸模型 359
練 習 362
第17章向量時間序列的深入 364
17．1 向量過程的單位根和協(xié)整 364
17．2 局部過程和局部過程相關(guān)矩陣 376
17．3 向量ARMA模型的等價表示 384
練 習 390
第18章狀態(tài)空間模型和卡爾曼濾波 393
18．1 狀態(tài)空間表示 393
18．2 狀態(tài)空間模型和ARMA模型的關(guān)系 394
18．3 狀態(tài)空間模型擬合和與典型相關(guān)分析 399
18．4 實例 402
18．5 卡爾曼濾波及其應用 405
附錄18．A 典型相關(guān) 408
練 習 411
第19章長記憶和非線性過程 413
19．1 長記憶過程與分數(shù)差分 413
19．2 非線性過程 417
19．3 門限自回歸模型 421
練 習 427
第20章時間序列中的聚積和系統(tǒng)抽樣 428
20．1 ARIMA過程的時間聚積 428
20．2 預報和參數(shù)估計的聚積效應 438
20．3 ARIMA過程的系統(tǒng)抽樣 443
20．4 系統(tǒng)抽樣和時間聚積對因果關(guān)系的影響 445
20．5 聚積對線性性和正態(tài)性檢驗的影響 450
20．6 聚積對單位根檢驗的影響 455
20．7 進一步的評論 462
練 習 463
參考文獻 465 附 錄 482
用作例子的時間序列數(shù)據(jù) 482
統(tǒng)計表 495
詞匯表 513
展開全部
時間序列分析——單變量和多變量方法(第二版·經(jīng)典版)(經(jīng)濟科學譯叢) 作者簡介
魏武雄（William W.S.Wei），賓夕法尼亞州費城天普大學（Temple University）的統(tǒng)計學教授，自1974年就在此任教。他于1966年獲得臺灣大學經(jīng)濟學學士學位，又于1969年獲得俄勒岡大學 （University of Oregon）的數(shù)學學士學位，1972年和1974年分別獲得威斯康星大學麥迪遜分校（University of Wisconsin-Madison）的統(tǒng)計學碩士和統(tǒng)計學博士學位。他的研究興趣包括時間序列分析、預測方法、統(tǒng)計建模以及統(tǒng)計學在商業(yè)和經(jīng)濟學的應用。他是美國統(tǒng)計學會（AmericanStatistical Association，ASA）院士，英國皇家統(tǒng)計學會（Royal Statistical Society，RSS）會員，國際統(tǒng)計學會（ISI）入選會員，2002年泛華統(tǒng)計協(xié)會（ICSA）主席。他還是期刊《預測》（Journal of Forecasting）和《應用統(tǒng)計學》（the Journal of Applied Statistical Science）的副編輯。
書友推薦
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述
- >
朝聞道
- >
小考拉的故事-套裝共3冊
- >
二體千字文
- >
有舍有得是人生
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
月亮與六便士
- >
山海經(jīng)
本類暢銷
