《时间序列分析：单变量和多变量方法》魏武雄 著 |
您所在的位置：网站首页 › 多变量的时间序列分析 › 《时间序列分析：单变量和多变量方法》魏武雄 著 |
|
《时间序列分析：单变量和多变量方法（第2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、干预分析及干预探测、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2版）》结合大量的应用实例说明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。 魏武雄（WilliamW.S.Wei）博士是宾夕法尼亚州费城天普大学（TempleUniversity）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l969年获得俄勒冈大学（UniversityofOregon）的数学学士学位，t972年和l974年分别获得威斯康星大学麦迪逊分校（UniversityofWisconsin-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（AmericanStatisticalAssociation，简称ASA）院士，英国皇家统计学会（RoyalStatisticalSociety，RSS）会员，国际统计学会（ISI）入选会员，2002年泛华统计协会（ICSA）的主席。他还是期刊《预测》（JournalofForecasting）和《应用统计学》（theJournalofAppHedStatisticalScience）的副编辑。 第1章概述1.1引言1.2本书的例子和安排 第2章基本概念2.1随机过程2.2自协方差和自相关函数2.3偏自相关函数2.4白噪声过程2.5均值、自协方差和自相关的估计2.6时间序列过程的移动平均和白回归表示2.7线性差分方程练习 第3章平稳时间序列模型3.1自回归过程3.2移动平均过程3.3AR(p)过程和MA(q)过程之间的对偶关系3.4自回归移动平均ARMA(p，q)过程练习 第4章非平稳时间序列模型4.1均值非平稳4.2自回归求和移动平均模型4.3方差和自协方差非平稳练习 第5章预报5.1引言5.2最小均方误差预报5.3预报的计算5.4对过去观测值加权平均的ARIMA预报5.5更新预报5.6最终预报函数5.7数值实例练习 第6章模型识别6.1模型识别的步骤6.2实例6.3逆自相关函数6.4扩展样本自相关函数和其他识别方法练习 第7章参数估计、诊断检验和模型选择7.l矩方法7.2极大似然方法7.3非线性估计7.4在时间序列分析中的普通最小二乘估计7.5诊断检验7.6有关序列w1至w7的实例7.7模型选择准则练习 第8章季节性时间序列模型8.1基本概念8.2传统方法8.3季节性ARIMA模型8.4实例练习 第9章单位根检验9.1引言9.2一些有用的极限分布9.3AR(1)模型中的单位根检验9.4一般模型的单位根检验9.5季节性时间序列模型的单位根检验练习 第10章干预分析和异常值检验10.1干预模型10.2干预分析实例10.3时间序列的异常值10.4异常值分析的实例10.5存在异常值时的模型识别练习 第11章傅立叶分析11.1一般概念11.2正交函数11.3有限序列的傅立叶表示11.4周期序列的傅立叶表示11.5非周期序列的傅立叶表示——离散时间序列傅立叶变换11.6连续时间函数的傅立叶表示11.7快速傅立叶变换练习 第12章平稳过程的谱理论12.1谱12.2一些常用过程的谱12.3线性滤波的谱12.4混叠练习 第13章谱估计13.1周期图分析13.2样本谱13.3平滑谱13.4ARMA谱估计练习 第14章转换函数模型14.1单个输入转换函数模型14.2互相关函数和转换函数模型14.3转换函数模型的结构14.4利用转换函数模型预报14.5二元频域分析14.6互谱和转换函数模型14.7多维输入转换函数模型练习 第15章时间序列回归和GARCH模型15.1误差具有自相关性的回归15.2ARCH和GARCH模型15.3GARCH模型的估计15.4预报误差方差的计算15.5实例练习 第16章向量时间序列模型16.1协方差和相关矩阵函数16.2向量过程的移动平均和自回归表示16.3向量自回归移动平均过程16.4非平稳向量自回归移动平均模型16.5向量时间序列模型的识别16.6模型拟合和预报……第17章向量时间序列的深入第18章状态空间模型和卡尔曼滤波第19章长记忆和非线性过程第20章时间序列中的聚积和系统抽样 内容简介: 《时间序列分析：单变量和多变量方法（第2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、干预分析及干预探测、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2版）》结合大量的应用实例说明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（WilliamW.S.Wei）博士是宾夕法尼亚州费城天普大学（TempleUniversity）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l969年获得俄勒冈大学（UniversityofOregon）的数学学士学位，t972年和l974年分别获得威斯康星大学麦迪逊分校（UniversityofWisconsin-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（AmericanStatisticalAssociation，简称ASA）院士，英国皇家统计学会（RoyalStatisticalSociety，RSS）会员，国际统计学会（ISI）入选会员，2002年泛华统计协会（ICSA）的主席。他还是期刊《预测》（JournalofForecasting）和《应用统计学》（theJournalofAppHedStatisticalScience）的副编辑。 目录: 第1章概述1.1引言1.2本书的例子和安排第2章基本概念2.1随机过程2.2自协方差和自相关函数2.3偏自相关函数2.4白噪声过程2.5均值、自协方差和自相关的估计2.6时间序列过程的移动平均和白回归表示2.7线性差分方程练习 第3章平稳时间序列模型3.1自回归过程3.2移动平均过程3.3AR(p)过程和MA(q)过程之间的对偶关系3.4自回归移动平均ARMA(p，q)过程练习 第4章非平稳时间序列模型4.1均值非平稳4.2自回归求和移动平均模型4.3方差和自协方差非平稳练习 第5章预报5.1引言5.2最小均方误差预报5.3预报的计算5.4对过去观测值加权平均的ARIMA预报5.5更新预报5.6最终预报函数5.7数值实例练习 第6章模型识别6.1模型识别的步骤6.2实例6.3逆自相关函数6.4扩展样本自相关函数和其他识别方法练习 第7章参数估计、诊断检验和模型选择7.l矩方法7.2极大似然方法7.3非线性估计7.4在时间序列分析中的普通最小二乘估计7.5诊断检验7.6有关序列w1至w7的实例7.7模型选择准则练习 第8章季节性时间序列模型8.1基本概念8.2传统方法8.3季节性ARIMA模型8.4实例练习 第9章单位根检验9.1引言9.2一些有用的极限分布9.3AR(1)模型中的单位根检验9.4一般模型的单位根检验9.5季节性时间序列模型的单位根检验练习 第10章干预分析和异常值检验10.1干预模型10.2干预分析实例10.3时间序列的异常值10.4异常值分析的实例10.5存在异常值时的模型识别练习 第11章傅立叶分析11.1一般概念11.2正交函数11.3有限序列的傅立叶表示11.4周期序列的傅立叶表示11.5非周期序列的傅立叶表示——离散时间序列傅立叶变换11.6连续时间函数的傅立叶表示11.7快速傅立叶变换练习 第12章平稳过程的谱理论12.1谱12.2一些常用过程的谱12.3线性滤波的谱12.4混叠练习 第13章谱估计13.1周期图分析13.2样本谱13.3平滑谱13.4ARMA谱估计练习 第14章转换函数模型14.1单个输入转换函数模型14.2互相关函数和转换函数模型14.3转换函数模型的结构14.4利用转换函数模型预报14.5二元频域分析14.6互谱和转换函数模型14.7多维输入转换函数模型练习 第15章时间序列回归和GARCH模型15.1误差具有自相关性的回归15.2ARCH和GARCH模型15.3GARCH模型的估计15.4预报误差方差的计算15.5实例练习 第16章向量时间序列模型16.1协方差和相关矩阵函数16.2向量过程的移动平均和自回归表示16.3向量自回归移动平均过程16.4非平稳向量自回归移动平均模型16.5向量时间序列模型的识别16.6模型拟合和预报……第17章向量时间序列的深入第18章状态空间模型和卡尔曼滤波第19章长记忆和非线性过程第20章时间序列中的聚积和系统抽样 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |