时间序列分析-基于R 本书特色
时间序列分析是应用统计学的核心基础课之一，也是计量经济学和统计预测学的核心内容。作为数理统计学的一个专业分支，时间序列分析有它非常特殊的、自成体系的一套分析方法。
时间序列分析-基于R 目录
第1章时间序列分析简介 1.1 引言 1.2 时间序列的定义 1.3 时间序列分析方法 1.3.1 描述性时序分析 1.3.2 统计时序分析 1.4 r 简介 1.4.1 r 的特点 1.4.2 r 的安装 1.4.3 r 语言基本规则 1.4.4 生成时间序列数据 1.4.5 时间序列数据的处理 1.4.6 时间序列数据导出 1.5 习题第2 章时间序列的预处理 2.1 平稳时间序列 2.1.1 特征统计量 2.1.2 平稳时间序列的定义 2.1.3 平稳时间序列的统计性质 2.1.4 平稳时间序列的意义 2.2 时序图与自相关图 2.2.1 时序图 ii 时间序列分析|| 基于r 2.2.2 绘制序列自相关图 2.3 平稳性的检验 2.3.1 时序图检验 2.3.2 自相关图检验 2.4 纯随机性检验 2.4.1 纯随机序列的定义 2.4.2 白噪声序列的性质 2.4.3 纯随机性检验 2.5 习题第3 章平稳时间序列分析 3.1 方法性工具 3.1.1 差分运算 3.1.2 延迟算子 3.1.3 线性差分方程 3.2 arma 模型的性质 3.2.1 ar 模型 3.2.2 ma 模型 3.2.3 arma 模型 3.3 平稳序列建模 3.3.1 建模步骤 3.3.2 样本自相关系数与偏自相关系数 3.3.3 模型识别 3.3.4 参数估计 3.3.5 模型检验 3.3.6 模型优化 3.4 序列预测 3.4.1 线性预测函数 3.4.2 预测方差*小原则 3.4.3 线性*小方差预测的性质 3.5 习题第4 章非平稳序列的确定性分析 4.1 时间序列的分解 4.1.1 wold 分解定理 4.1.2 cramer 分解定理 4.2 确定性因素分解 4.3 趋势分析 4.3.1 趋势拟合法 4.3.2 平滑法 4.4 季节效应分析 4.5 综合分析 4.6 习题第5 章非平稳序列的随机分析 5.1 差分运算 5.1.1 差分运算的实质 5.1.2 差分方式的选择 5.1.3 过差分 5.2 arima 模型 5.2.1 arima 模型的结构 5.2.2 arima 模型的性质 5.2.3 arima 模型建模 5.2.4 arima 模型预测 5.2.5 疏系数模型 5.2.6 季节模型 5.3 残差自回归模型 5.3.1 模型结构 5.3.2 残差自相关检验 5.3.3 残差自相关模型拟合 5.4 异方差的性质 5.4.1 异方差的影响 5.4.2 异方差的直观诊断 5.5 方差齐性变换 5.6 条件异方差模型 5.6.1 arch 模型 5.6.2 garch 模型 5.6.3 garch 的衍生模型 5.7 习题第6 章多元时间序列分析 6.1 平稳多元序列建模 6.2 虚假回归 6.3 单位根检验 6.3.1 df 检验 6.3.2 adf 检验 6.4 协整 6.4.1 单整与协整 6.4.2 协整检验 6.5 误差修正模型 6.6 习题 附录 参考文献
时间序列分析-基于R 作者简介
王燕，女，1973年生，江西南昌人。华东师范大学数理统计学学士，硕士，中国人民大学统计学博士。现就职于中国人民大学统计学院风险管理与保险精算教研室，已出版教材《应用时间序列分析》、《寿险精算学》。主要教授统计学、应用时间序列分析、统计预测、保险原理和寿险精算学等课程。
