作者：[美]罗伯特·H.沙姆韦(R
页数：460
出版社：机械工业出版社
出版日期：2020
ISBN：9787111658337
电子书格式：pdf/epub/txt
内容简介
本书以易于理解的方式讲述了时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。
作者简介
Robert H Shumway是加利福尼亚大学戴维斯分校的统计学荣誉退休教授。他是美国统计协会的Fellow，也是国际统计协会的成员。
David S Stoffer是匹兹堡大学统计系教授。他是美国统计协会的Fellow。他为分类时间序列的分析做出了重大贡献，并因为他的分析婴儿睡眠状态循环产生的分类时间序列的合作论文获得了1989年美国统计协会杰出统计应用奖。
本书特色
本书在欧美是一本流行的时间序列分析教材，以易于理解的方式讲述了时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。
目录
译者序
第4版前言
第3版前言
作者简介
第1章 时间序列的特征1
11 时间序列数据的性质1
12 时间序列统计模型7
13 相关性测量12
14 平稳时间序列15
15 相关系数的估计21
16 向量值和多维时间序列27
问题30
第2章 时间序列回归和探索性数据分析37
21 时间序列背景下的经典回归37
22 探索性数据分析44
23 时间序列中的平滑54
问题58
第3章 ARIMA模型63
31 自回归移动平均模型63
32 差分方程73
33 自相关系数和偏相关系数77
34 模型预测83
35 模型估计92
36 非平稳数据的差分模型108
37 建立ARIMA模型111
38 使用自相关误差进行回归118
39 乘法季节ARIMA模型120
问题127
第4章 频谱分析与滤波135
41 循环性行为和周期性135
42 谱密度141
43 周期图和离散傅里叶变换147
44 非参数谱估计154
45 参数谱估计166
46 多序列和交叉谱169
47 线性滤波器173
48 滞后回归模型177
49 信号提取和最佳滤波181
410 多维时间序列的谱分析185
问题187
第5章 其他的时域主题195
51 长记忆ARMA模型和分数阶差分195
52 单位根检验202
53 GARCH模型205
54 阈值模型212
55 滞后回归和传递函数建模216
56 多元ARMAX模型220
问题232
第6章 状态空间模型234
61 线性高斯模型234
62 滤波、平滑和预测238
63 极大似然估计245
64 缺失数据修正253
65 结构模型：信号提取和预测257
66 具有误差相关的状态空间模型260
67 自助法状态空间模型265
68 平滑样条和卡尔曼平滑器270
69 隐马尔可夫模型和转移自回归272
610 带转移的动态线性模型282
611 随机波动率292
612 状态空间模型的贝叶斯分析298
问题307
第7章 频域统计方法313
71 引言313
72 谱矩阵和似然函数316
73 联合平稳序列的回归317
74 确定性输入的回归324
75 随机系数回归330
76 设计实验分析332
77 判别和聚类分析344
78 主成分和因子分析356
79 频谱包络369
问题378
附录A 大样本理论383
附录B 时域理论398
附录C 频谱域定理406
附录D R补充428
参考文献438
第4版前言
第3版前言
作者简介
第1章 时间序列的特征1
11 时间序列数据的性质1
12 时间序列统计模型7
13 相关性测量12
14 平稳时间序列15
15 相关系数的估计21
16 向量值和多维时间序列27
问题30
第2章 时间序列回归和探索性数据分析37
21 时间序列背景下的经典回归37
22 探索性数据分析44
23 时间序列中的平滑54
问题58
第3章 ARIMA模型63
31 自回归移动平均模型63
32 差分方程73
33 自相关系数和偏相关系数77
34 模型预测83
35 模型估计92
36 非平稳数据的差分模型108
37 建立ARIMA模型111
38 使用自相关误差进行回归118
39 乘法季节ARIMA模型120
问题127
第4章 频谱分析与滤波135
41 循环性行为和周期性135
42 谱密度141
43 周期图和离散傅里叶变换147
44 非参数谱估计154
45 参数谱估计166
46 多序列和交叉谱169
47 线性滤波器173
48 滞后回归模型177
49 信号提取和最佳滤波181
410 多维时间序列的谱分析185
问题187
第5章 其他的时域主题195
51 长记忆ARMA模型和分数阶差分195
52 单位根检验202
53 GARCH模型205
54 阈值模型212
55 滞后回归和传递函数建模216
56 多元ARMAX模型220
问题232
第6章 状态空间模型234
61 线性高斯模型234
62 滤波、平滑和预测238
63 极大似然估计245
64 缺失数据修正253
65 结构模型：信号提取和预测257
66 具有误差相关的状态空间模型260
67 自助法状态空间模型265
68 平滑样条和卡尔曼平滑器270
69 隐马尔可夫模型和转移自回归272
610 带转移的动态线性模型282
611 随机波动率292
612 状态空间模型的贝叶斯分析298
问题307
第7章 频域统计方法313
71 引言313
72 谱矩阵和似然函数316
73 联合平稳序列的回归317
74 确定性输入的回归324
75 随机系数回归330
76 设计实验分析332
77 判别和聚类分析344
78 主成分和因子分析356
79 频谱包络369
问题378
附录A 大样本理论383
附录B 时域理论398
附录C 频谱域定理406
附录D R补充428
参考文献438
