图书介绍
时间序列分析 单变量和多变量方法 第2版PDF|Epub|txt|kindle电子书版本网盘下载
- 魏武雄著；贺学强等译 著
- 出版社： 北京：中国人民大学出版社
- ISBN：9787300103136
- 出版时间：2009
- 标注页数：597页
- 文件大小：76MB
- 文件页数：613页
- 主题词：时间序列分析
PDF下载
下载说明
时间序列分析 单变量和多变量方法 第2版PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 概述1
1.1 引言1
1.2 本书的例子和安排2
第2章 基本概念6
2.1 随机过程6
2.2 自协方差和自相关函数10
2.3 偏自相关函数11
2.4 白噪声过程15
2.5 均值、自协方差和自相关的估计16
2.6 时间序列过程的移动平均和自回归表示21
2.7 线性差分方程24
练习28
第3章 平稳时间序列模型30
3.1 自回归过程30
3.2 移动平均过程43
3.3 AR（p）过程和MA（q）过程之间的对偶关系51
3.4 自回归移动平均ARMA（p,q）过程53
练习61
第4章 非平稳时间序列模型64
4.1 均值非平稳65
4.2 自回归求和移动平均模型67
4.3 方差和自协方差非平稳77
练习81
第5章 预报83
5.1 引言83
5.2 最小均方误差预报84
5.3 预报的计算88
5.4 对过去观测值加权平均的ARIMA预报91
5.5 更新预报93
5.6 最终预报函数94
5.7 数值实例97
练习99
第6章 模型识别102
6.1 模型识别的步骤102
6.2 实例105
6.3 逆自相关函数118
6.4 扩展样本自相关函数和其他识别方法121
练习126
第7章 参数估计、诊断检验和模型选择130
7.1 矩方法130
7.2 极大似然方法132
7.3 非线性估计138
7.4 在时间序列分析中的普通最小二乘估计143
7.5 诊断检验145
7.6 有关序列W1至W7的实例146
7.7 模型选择准则148
练习150
第8章 季节性时间序列模型153
8.1 基本概念153
8.2 传统方法155
8.3 季节性ARIMA模型157
8.4 实例162
练习175
第9章 单位根检验179
9.1 引言179
9.2 一些有用的极限分布180
9.3 AR（1）模型中的单位根检验182
9.4 一般模型的单位根检验189
9.5 季节性时间序列模型的单位根检验199
练习203
第10章 干预分析和异常值检验204
10.1 干预模型204
10.2 干预分析实例207
10.3 时间序列的异常值214
10.4 异常值分析的实例218
10.5 存在异常值时的模型识别220
练习226
第11章 傅立叶分析228
11.1 一般概念228
11.2 正交函数229
11.3 有限序列的傅立叶表示232
11.4 周期序列的傅立叶表示233
11.5 非周期序列的傅立叶表示——离散时间序列傅立叶变换237
11.6 连续时间函数的傅立叶表示243
11.7 快速傅立叶变换247
练习250
第12章 平稳过程的谱理论252
12.1 谱252
12.2 一些常用过程的谱260
12.3 线性滤波的谱267
12.4 混叠270
练习271
第13章 谱估计274
13.1 周期图分析274
13.2 样本谱282
13.3 平滑谱284
13.4 ARMA谱估计301
练习303
第14章 转换函数模型305
14.1 单个输入转换函数模型305
14.2 互相关函数和转换函数模型309
14.3 转换函数模型的结构312
14.4 利用转换函数模型预报323
14.5 二元频域分析330
14.6 互谱和转换函数模型338
14.7 多维输入转换函数模型340
练习342
第15章 时间序列回归和GARCH模型345
15.1 误差具有自相关性的回归345
15.2 ARCH和GARCH模型347
15.3 GARCH模型的估计352
15.4 预报误差方差的计算354
15.5 实例355
练习359
第16章 向量时间序列模型361
16.1 协方差和相关矩阵函数361
16.2 向量过程的移动平均和自回归表示363
16.3 向量自回归移动平均过程364
16.4 非平稳向量自回归移动平均模型377
16.5 向量时间序列模型的识别378
16.6 模型拟合和预报390
16.7 实例392
16.8 向量过程的谱性质396
附录16.A 多元线性回归模型398
练习400
第17章 向量时间序列的深入403
17.1 向量过程的单位根和协整403
17.2 局部过程和局部过程相关矩阵416
17.3 向量ARMA模型的等价表示426
练习433
第18章 状态空间模型和卡尔曼滤波435
18.1 状态空间表示435
18.2 状态空间模型和ARMA模型的关系436
18.3 状态空间模型拟和与典型相关分析442
18.4 经验实例445
18.5 卡尔曼滤波及其应用449
附录18.A 典型相关453
练习456
第19章 长记忆和非线性过程457
19.1 长记忆过程与分数差分457
19.2 非线性过程462
19.3 门限自回归模型467
练习473
第20章 时间序列中的聚积和系统抽样474
20.1 ARIMA过程的时间聚积474
20.2 预报和参数估计的聚积效应486
20.3 ARIMA过程的系统抽样491
20.4 系统抽样和时间聚积对因果关系的影响493
20.5 聚积对线性和正态性检验的影响499
20.6 聚积对单位根检验的影响504
20.7 进一步的评论512
练习513
参考文献515
附录535
用作例子的时间序列数据535
统计表549
人名568
词汇表573