作者：魏武雄
页数：548
出版社：中国人民大学出版社
出版日期：2021
ISBN：9787300296401
电子书格式：pdf/epub/txt
内容简介
《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。
作者简介
魏武雄（William W.S.Wei），宾夕法尼亚州费城天普大学（Temple University）的统计学教授，自1974年就在此任教。他于1966年获得台湾大学经济学学士学位，又于1969年获得俄勒冈大学 （University of Oregon）的数学学士学位，1972年和1974年分别获得威斯康星大学麦迪逊分校（University of Wisconsin-Madison）的统计学硕士和统计学博士学位。他的研究兴趣包括时间序列分析、预测方法、统计建模以及统计学在商业和经济学的应用。他是美国统计学会（AmericanStatistical Association，ASA）院士，英国皇家统计学会（Royal Statistical Society，RSS）会员，国际统计学会（ISI）入选会员，2002年泛华统计协会（ICSA）主席。他还是期刊《预测》（Journal of Forecasting）和《应用统计学》（the Journal of Applied Statistical Science）的副编辑。
目录
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 最小均方误差预报 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 最终预报函数 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最小二乘估计 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―――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
14．1 单个输入转换函数模型 276
14．2 互相关函数和转换函数模型 279
14．3 转换函数模型的结构 282
14．4 利用转换函数模型预报 292
14．5 二元频域分析 298
14．6 互谱和转换函数模型 306
14．7 多维输入转换函数模型 308
练 习 309
第15章时间序列回归和GARCH模型 312
15．1 误差具有自相关性的回归 312
15．2 ARCH和GARCH模型 314
15．3 GARCH模型的估计 318
15．4 预报误差方差的计算 319
15．5 实 例 320
练 习 324
第16章向量时间序列模型 326
16．1 协方差和相关矩阵函数 326
16．2 向量过程的移动平均和自回归表示 328
16．3 向量自回归移动平均过程 329
16．4 非平稳向量自回归移动平均模型 340
16．5 向量时间序列模型的识别 341
16．6 模型拟合和预报 352
16．7 实 例 354
16．8 向量过程的谱性质 358
附录16．A 多元线性回归模型 359
练 习 362
第17章向量时间序列的深入 364
17．1 向量过程的单位根和协整 364
17．2 局部过程和局部过程相关矩阵 376
17．3 向量ARMA模型的等价表示 384
练 习 390
第18章状态空间模型和卡尔曼滤波 393
18．1 状态空间表示 393
18．2 状态空间模型和ARMA模型的关系 394
18．3 状态空间模型拟合和与典型相关分析 399
18．4 实例 402
18．5 卡尔曼滤波及其应用 405
附录18．A 典型相关 408
练 习 411
第19章长记忆和非线性过程 413
19．1 长记忆过程与分数差分 413
19．2 非线性过程 417
19．3 门限自回归模型 421
练 习 427
第20章时间序列中的聚积和系统抽样 428
20．1 ARIMA过程的时间聚积 428
20．2 预报和参数估计的聚积效应 438
20．3 ARIMA过程的系统抽样 443
20．4 系统抽样和时间聚积对因果关系的影响 445
20．5 聚积对线性性和正态性检验的影响 450
20．6 聚积对单位根检验的影响 455
20．7 进一步的评论 462
练 习 463
参考文献 465 附 录 482
用作例子的时间序列数据 482
统计表 495
词汇表 513
