时间序列分析——单变量和多变量方法（第二版·经典版）（经济科学译丛）_魏武雄_9787300296401

《时间序列分析单变量和多变量方法(第二版·经典版)》不仅对单变量与多变量时间序列的时域和频域分析提供了一个全面介绍，而且在书中包含了许多单变量和多变量时问序列模型的新进展，如逆自相关函数、扩展样本自相关函数、干预分析及异常值检验、向量自回归移动平均模型、偏滞后自相关矩阵函数、局部过程、状态空间模型、卡尔曼滤波、非季节和季节模型的单位根检验等许多内容。《时间序列分析单变量和多变量方法(第二版·经典版)》结合大量的应用实例说明了时间序列分析方法的应用，极大地方便了读者对这些方法的学习和理解。?

第1章概述 1
1.1 引言 1
1.2 本书的例子和安排 1
第2章基本概念 5
2.1 随机过程 5
2.2 自协方差和自相关函数 8
2.3 偏自相关函数 9
2.4 白噪声过程 12
2.5 均值、自协方差和自相关函数的估计 13
2.6 时间序列过程的移动平均和自回归表示 19
2.7 线性差分方程 21
练习 24
第3章平稳时间序列模型 27
3.1 自回归过程 27
3.2 移动平均过程 39
3.3 AR（p）过程和MA（q）过程之间的对偶关系 46
3.4 自回归移动平均ARMA（p，q）过程 48
练习 56
第4章非平稳时间序列模型 58
4.1 均值非平稳 59
4.2 自回归求和移动平均模型 61
4.3 方差和自协方差非平稳 70
练习 73
第5章预报 75 5.1 引言 75
5.2 小均方误差预报 75
5.3 预报的计算 79
5.4 对过去观测值加权平均的ARIMA预报 82
5.5 更新预报 84
5.6 终预报函数 85
5.7 数值实例 87
练习 89
第6章模型识别 92
6.1 模型识别的步骤 92
6.2 实例 94
6.3 逆自相关函数 107
6.4 扩展的样本自相关函数和其他识别方法 109
练习 114
第7章参数估计、诊断检验和模型选择 117
7.1 矩方法 117
7.2 极大似然方法 119
7.3 非线性估计 125
7.4 时间序列分析中的普通小二乘估计 129
7.5 诊断检验 131
7.6 有关序列W1至W7的实例 132
7.7 模型选择准则 134
练习 136
第8章季节时间序列模型 138
8.1 基本概念 138
8.2 传统方法 139
8.3 季节性ARIMA模型 141
8.4 实例 146
练习 158
第9章单位根检验 162
9.1 引言 162
9.2 一些有用的极限分布 162
9.3 AR（1）模型中的单位根检验 165
9.4 一般模型的单位根检验 171
9.5 季节时间序列模型的单位根检验 180
练习 183
第10章干预分析和异常值检验 185
10.1 干预模型 185
10.2 干预分析实例 188
10.3 时间序列的异常值 194
10.4 异常值分析的实例 198
10.5 存在异常值时的模型识别 199
练习 204
第11章傅立叶分析 206
11.1 一般概念 206
11.2 正交函数 206
11.3 有限序列的傅立叶表示 209
11.4 周期序列的傅立叶表示 210
11.5 非周期序列的傅立叶表示?D?D?D离散时间序列傅立叶变换 214
11.6 连续时间函数的傅立叶表示 220
11.7 快速傅立叶变换 223
练习 225
第12章平稳过程的谱理论 228
12.1 谱 228
12.2 一些常用过程的谱 235
12.3 线性滤波的谱 242
12.4 混叠 245
练习 246
第13章谱估计 248
13.1 周期图分析 248
13.2 样本谱 255
13.3 平滑谱 258
13.4 ARMA谱估计 272
练习 274
第14章转换函数模型 276

你还可能感兴趣

我要评论