時間序列分析：方法、數(shù)據(jù)與R的應用

定　價：￥62.00

作　者：	劉超
出版社：	高等教育出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥43.40)

ISBN：	9787040583373	出版時間：	2023-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	365	字數(shù)：

內(nèi)容簡介

　　數(shù)據(jù)已經(jīng)成為人們?nèi)粘Ｉ畹囊徊糠郑瑪?shù)據(jù)分析的需求也日益提高。本書嘗試以初學者的視角梳理時間序列分析的相關內(nèi)容，按照核心知識、數(shù)據(jù)導向、建模框架展開介紹，力求讓讀者輕松、愉快地掌握時間序列分析的基本思想，提高數(shù)據(jù)分析應用能力，努力實現(xiàn)統(tǒng)計知識傳授、數(shù)據(jù)分析能力培養(yǎng)以及實事求是價值傳遞?；趯嶋H數(shù)據(jù)的特點和歸納演繹的認知規(guī)律，本書精心挑選了豐富的實例，以問題的形式將教學內(nèi)容呈現(xiàn)在讀者的面前，輔以啟發(fā)式的分析和直觀的圖形方法，形象生動而又系統(tǒng)詳盡地闡述了時間序列分析的基本理論和應用方法，也補充介紹了伴隨著大數(shù)據(jù)產(chǎn)生的循環(huán)神經(jīng)網(wǎng)絡等前沿模型和方法。同時，基于實際數(shù)據(jù)和案例的分析，為讀者呈現(xiàn)思路清晰、易于操作的時間序列建模過程，也引導讀者參與知識發(fā)現(xiàn)，加強自主數(shù)據(jù)分析，讓讀者在解決問題的過程中習得知識、發(fā)展能力，提升素養(yǎng)。本書力圖為讀者呈現(xiàn)一個時間序列“大”模型的整體分析框架。本書可讀性強，語言輕松活潑，內(nèi)容通俗易懂，R軟件的使用也便于讀者模仿練習。本書每章都提供了代碼和數(shù)據(jù)，方便進一步深入地學習，讀者可通過掃描封底的二維碼獲取。后期還將推出虛擬仿真實驗平臺。本書可作為高等學校理、工、農(nóng)、醫(yī)、經(jīng)濟、管理、人文社會科學專業(yè)以及其他領域的教材，也可以供從事商務活動和經(jīng)濟分析等實際工作的各類人員參考。

作者簡介

暫缺《時間序列分析：方法、數(shù)據(jù)與R的應用》作者簡介

圖書目錄

第1章緒論
1.1 時間序列的發(fā)展概述
1.2 時間序列的數(shù)據(jù)特征
1.3 時間序列的統(tǒng)計模型
1.4 相關性測量：自相關和互相關
1.5 平穩(wěn)時間序列
1.6 相關性估計
1.7 時間序列的基本分析方法
1.8 R軟件的使用簡介
1.9 小結
練習題
第2章時間序列回歸分析
2.1 時間序列中的經(jīng)典回歸
2.2 探索性數(shù)據(jù)分析
2.3 時間序列中的平滑方法
2.4 小結
練習題
第3章平穩(wěn)時間序列模型
3.1 自回歸模型
3.2 移動平均模型
3.3 AR(p)和MA(q)的對偶關系
3.4 自回歸移動平均模型
3.5 小結
練習題
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)
4.4 小結
練習題
第5章模型識別
5.1 模型識別的步驟
5.2 樣本自相關函數(shù)和樣本偏自相關函數(shù)
5.3 擴展的樣本自相關函數(shù)
5.4 逆自相關函數(shù)
5.5 其他識別方法
5.6 非平穩(wěn)性下的模型識別
5.7 小結
練習題
第6章參數(shù)估計
6.1 矩估計
6.2 極大似然估計
6.3 條件小二乘估計
6.4 估計量的性質(zhì)
6.5 小結
練習題
第7章模型診斷
7.1 殘差分析
7.2 過度擬合和參數(shù)冗余
7.3 模型選擇準則
7.4 小結
練習題
第8章預測
8.1 小均方誤差預測
8.2 AR過程的預測
8.3 MA過程的預測
8.4 ARMA過程的預測
8.5 數(shù)值實例
8.6 小結
練習題
第9章季節(jié)性時間序列模型
9.1 季節(jié)性時間序列的特征
9.2 傳統(tǒng)分解方法
9.3 季節(jié)性ARIMA模型
9.4 季節(jié)性模型的識別、擬合和檢驗
9.5 季節(jié)性模型預測
9.6 小結
練習題
0章條件異方差與GARCH模型
10.1 條件異方差問題
10.2 ARCH模型
10.3 GARCH模型
10.4 模型診斷
10.5 GARCH模型的其他推廣形式
10.6 小結
練習題
1章非線性與門限模型
11.1 非線性的可視化與檢驗
11.2 多項式回歸模型
11.3 門限自回歸模型
11.4 門限非線性的檢驗
11.5 TAR模型的估計、診斷和預測
11.6 小結
練習題
2章譜分析與濾波
12.1 周期行為和周期性
12.2 譜密度
12.3 周期圖和離散傅里葉變換
12.4 線性濾波器
12.5 動態(tài)傅里葉分析和小波
12.6 滯后回歸模型
12.7 信號提取和濾波
12.8 小結
練習題
3章循環(huán)神經(jīng)網(wǎng)絡模型
13.1 普通循環(huán)神經(jīng)網(wǎng)絡
13.2 長短期記憶網(wǎng)絡
13.3 門控循環(huán)單元
13.4 小結
練習題