应用时间序列分析（第三版） / 21世纪统计学系列教材
￥34.00定价
作者： 王燕
出版时间：2012-12
出版社：中国人民大学出版社
- 中国人民大学出版社
- 9787300167220
- 125022
- 45158984-0
- 16开
- 2012-12
- 390
- 理学
- 数学
- O211.61
- 统计、经管
- 本科 研究生（硕士、EMBA、MBA、MPA、博士）
内容简介
《21世纪统计学系列教材：应用时间序列分析（第3版）》选择的应用软件是SAS。在SAS系统中有一个专门进行计量经济与时间序列分析的模块：SAS/ETS（Econometric& TimeSeries）。同时，由于SAS系统具有一流的数据仓库功能，因此在进行海量数据的时间序列分析时具有其他统计软件无可比拟的优势。
为了帮助同学们在学习理论知识的同时熟练地掌握SAS／ETS软件的操作和分析技巧，《21世纪统计学系列教材：应用时间序列分析（第3版）》在每一章后面都有一小节的内容详细介绍本章的分析方法在SAS软件上的实现。为使同学们更好地学习和操作，《21世纪统计学系列教材：应用时间序列分析（第3版）》所有例题的数据、习题数据、例题的操作程序及上机指导程序都放在人大经管在线上，读者可免费下载。为了便于教师上课，本书特别制作了课件（PPT）及简要的习题参考答案，教师可上人大经管在线下载使用。
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 时间序列分析软件
1.5 习题
1.6 上机指导
1.6.1 SAS操作界面
1.6.2 创建时间序列SAS数据集
1.6.3 时间序列数据集的处理
第2章 时间序列的预处理
2.1 平稳性检验
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
2.1.5 平稳性的检验
2.2 纯随机性检验
2.2.1 纯随机序列的定义
2.2.2 白噪声序列的性质
2.2.3 纯随机性检验
2.3 习题
2.4 上机指导
2.4.1 绘制时序图
2.4.2 平稳性与纯随机性检验
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
3.4 序列预测
3.4.1 线性预测函数
3.4.2 预测方差最小原则
3.4.3 线性最小方差预测的性质
3.4.4 修正预测
3.5 习题
3.6 上机指导
3.6.1 模型识别
3.6.2 参数估计
3.6.3 序列预测
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 X-11过程
4.7 习题
4.8 上机指导
4.8.1 拟合线性趋势
4.8.2 拟合非线性趋势
4.8.3 X-11过程
4.8.4 Forecast过程
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 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
5.8 上机指导
5.8.1 拟合ARIMA模型
5.8.2 拟合Auto Regressive模型
5.8.3 拟合GARCH模型
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
6.3.3 PP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
6.7 上机指导
附录1
附录2
附录3
参考文献
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 时间序列分析软件
1.5 习题
1.6 上机指导
1.6.1 SAS操作界面
1.6.2 创建时间序列SAS数据集
1.6.3 时间序列数据集的处理
第2章 时间序列的预处理
2.1 平稳性检验
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
2.1.5 平稳性的检验
2.2 纯随机性检验
2.2.1 纯随机序列的定义
2.2.2 白噪声序列的性质
2.2.3 纯随机性检验
2.3 习题
2.4 上机指导
2.4.1 绘制时序图
2.4.2 平稳性与纯随机性检验
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
3.4 序列预测
3.4.1 线性预测函数
3.4.2 预测方差最小原则
3.4.3 线性最小方差预测的性质
3.4.4 修正预测
3.5 习题
3.6 上机指导
3.6.1 模型识别
3.6.2 参数估计
3.6.3 序列预测
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 X-11过程
4.7 习题
4.8 上机指导
4.8.1 拟合线性趋势
4.8.2 拟合非线性趋势
4.8.3 X-11过程
4.8.4 Forecast过程
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 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
5.8 上机指导
5.8.1 拟合ARIMA模型
5.8.2 拟合Auto Regressive模型
5.8.3 拟合GARCH模型
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
6.3.3 PP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
6.7 上机指导
附录1
附录2
附录3
参考文献
