時間序列分析：單變量和多變量方法（第二版）

定　價：￥65.00

作　者：	魏武雄著，劉超校，易丹輝等譯
出版社：	中國人民大學(xué)出版社
叢編項(xiàng)：	經(jīng)濟(jì)科學(xué)譯庫
標(biāo)　簽：	概率論與數(shù)理統(tǒng)計

購買這本書可以去

ISBN：	9787300103136	出版時間：	2009-04-01	包裝：	平裝
開本：	16開	頁數(shù)：	597	字?jǐn)?shù)：

內(nèi)容簡介

　　《時間序列分析：單變量和多變量方法（第2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(jìn)展，如逆自相關(guān)函數(shù)、擴(kuò)展樣本自相關(guān)函數(shù)、干預(yù)分析及干預(yù)探測、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(yàn)等許多內(nèi)容?！稌r間序列分析：單變量和多變量方法（第2版）》結(jié)合大量的應(yīng)用實(shí)例說明時間序列分析方法的應(yīng)用，極大地方便了讀者對這些方法的學(xué)習(xí)和理解。

作者簡介

　　魏武雄（William W.S.Wei）博士是賓夕法尼亞州費(fèi)城天普大學(xué)（Temple University）的統(tǒng)計學(xué)教授，自1974年就在此任教。他于1966年獲得臺灣大學(xué)經(jīng)濟(jì)學(xué)學(xué)士學(xué)位，又于l969年獲得俄勒岡大學(xué) （University ofOregon）的數(shù)學(xué)學(xué)士學(xué)位，t972年和l974年分別獲得威斯康星大學(xué)麥迪遜分校（University of Wisconsin-Madison）的統(tǒng)計學(xué)碩士和統(tǒng)計學(xué)博士學(xué)位。他的研究興趣包括時間序列分析、預(yù)測方法、統(tǒng)計建模以及統(tǒng)計學(xué)在商業(yè)和經(jīng)濟(jì)學(xué)的應(yīng)用。他是美國統(tǒng)計學(xué)會（AmericanStatistical Association，簡稱ASA）院士，英國皇家統(tǒng)計學(xué)會（Royal Statistical Society，RSS）會員，國際統(tǒng)計學(xué)會（ISI）入選會員，2002年泛華統(tǒng)計協(xié)會（ICSA）的主席。他還是期刊《預(yù)測》（Journal of Forecasting）和《應(yīng)用統(tǒng)計學(xué)》（the Journal of AppHed Statistical Science）的副編輯。

圖書目錄

第1章概述
1.1 引言
1.2 本書的例子和安排
第2章基本概念
2.1 隨機(jī)過程
2.2 自協(xié)方差和自相關(guān)函數(shù)
2.3 偏自相關(guān)函數(shù)
2.4 白噪聲過程
2.5 均值、自協(xié)方差和自相關(guān)的估計
2.6 時間序列過程的移動平均和白回歸表示
2.7 線性差分方程
練習(xí)
第3章平穩(wěn)時間序列模型
3.1 自回歸過程
3.2 移動平均過程
3.3 AR(p)過程和MA(q)過程之間的對偶關(guān)系
3.4 自回歸移動平均ARMA(p，q)過程
練習(xí)
第4章非平穩(wěn)時間序列模型
4.1 均值非平穩(wěn)
4.2 自回歸求和移動平均模型
4.3 方差和自協(xié)方差非平穩(wěn)
練習(xí)
第5章預(yù)報
5.1 引言
5.2 最小均方誤差預(yù)報
5.3 預(yù)報的計算
5.4 對過去觀測值加權(quán)平均的ARIMA預(yù)報
5.5 更新預(yù)報
5.6 最終預(yù)報函數(shù)
5.7 數(shù)值實(shí)例
練習(xí)
第6章模型識別
6.1 模型識別的步驟
6.2 實(shí)例
6.3 逆自相關(guān)函數(shù)
6.4 擴(kuò)展樣本自相關(guān)函數(shù)和其他識別方法
練習(xí)
第7章參數(shù)估計、診斷檢驗(yàn)和模型選擇
7.l 矩方法
7.2 極大似然方法
7.3 非線性估計
7.4 在時間序列分析中的普通最小二乘估計
7.5 診斷檢驗(yàn)
7.6 有關(guān)序列w1至w7的實(shí)例
7.7 模型選擇準(zhǔn)則
練習(xí)
第8章季節(jié)性時間序列模型
8.1 基本概念
8.2 傳統(tǒng)方法
8.3 季節(jié)性ARIMA模型
8.4 實(shí)例
練習(xí)
第9章單位根檢驗(yàn)
9.1 引言
9.2 一些有用的極限分布
9.3 AR(1)模型中的單位根檢驗(yàn)
9.4 一般模型的單位根檢驗(yàn)
9.5 季節(jié)性時間序列模型的單位根檢驗(yàn)
練習(xí)
第10章干預(yù)分析和異常值檢驗(yàn)
10.1 干預(yù)模型
10.2 干預(yù)分析實(shí)例
10.3 時間序列的異常值
10.4 異常值分析的實(shí)例
10.5 存在異常值時的模型識別
練習(xí)
第11章傅立葉分析
11.1 一般概念
11.2 正交函數(shù)
11.3 有限序列的傅立葉表示
11.4 周期序列的傅立葉表示
11.5 非周期序列的傅立葉表示——離散時間序列傅立葉變換
11.6 連續(xù)時間函數(shù)的傅立葉表示
11.7 快速傅立葉變換
練習(xí)
第12章平穩(wěn)過程的譜理論
12.1 譜
12.2 一些常用過程的譜
12.3 線性濾波的譜
12.4 混疊
練習(xí)
第13章譜估計
13.1 周期圖分析
13.2 樣本譜
13.3 平滑譜
13.4 ARMA譜估計
練習(xí)
第14章轉(zhuǎn)換函數(shù)模型
14.1 單個輸入轉(zhuǎn)換函數(shù)模型
14.2 互相關(guān)函數(shù)和轉(zhuǎn)換函數(shù)模型
14.3 轉(zhuǎn)換函數(shù)模型的結(jié)構(gòu)
14.4 利用轉(zhuǎn)換函數(shù)模型預(yù)報
14.5 二元頻域分析
14.6 互譜和轉(zhuǎn)換函數(shù)模型
14.7 多維輸入轉(zhuǎn)換函數(shù)模型
練習(xí)
第15章時間序列回歸和GARCH模型
15.1 誤差具有自相關(guān)性的回歸
15.2 ARCH和GARCH模型
15.3 GARCH模型的估計
15.4 預(yù)報誤差方差的計算
15.5 實(shí)例
練習(xí)
第16章向量時間序列模型
16.1 協(xié)方差和相關(guān)矩陣函數(shù)
16.2 向量過程的移動平均和自回歸表示
16.3 向量自回歸移動平均過程
16.4 非平穩(wěn)向量自回歸移動平均模型
16.5 向量時間序列模型的識別
16.6 模型擬合和預(yù)報
……
第17章向量時間序列的深入
第18章狀態(tài)空間模型和卡爾曼濾波
第19章長記憶和非線性過程
第20章時間序列中的聚積和系統(tǒng)抽樣