時間序列分析——基于R(第2版)(基于R應用的統(tǒng)計學叢書)
定 價:39 元
叢書名:基于R應用的統(tǒng)計學叢書
- 作者:王燕
- 出版時間:2020/6/1
- ISBN:9787300278988
- 出 版 社:中國人民大學出版社
- 中圖法分類:O211.61
- 頁碼:300
- 紙張:
- 版次:2
- 開本:16
時間序列分析是統(tǒng)計學科的一個重要分支,它主要研究隨著時間的變化,事物發(fā)生、發(fā)展的過程,尋找事物發(fā)展變化的規(guī)律,并預測未來的走勢。在日常生產(chǎn)生活中,時間序列比比皆是,所以目前時間序列分析方法廣泛地應用于經(jīng)濟,金融,天文,氣象,海洋、物理、化學、醫(yī)學,質量控制等諸多領域,成為眾多行業(yè)經(jīng)常使用的統(tǒng)計方法。
本書是一本用R軟件編寫的入門級時間序列分析教材。主要包括:時間序列分析簡介,時間序列分析的預處理,ARMA模型的性質,平穩(wěn)序列的擬合與預測,無季節(jié)效應的非平穩(wěn)序列分析,有季節(jié)效應的非平穩(wěn)序列分析,多元時間序列分析。
王燕,中國人民大學統(tǒng)計學院風險管理與精算方向教師。已開設課程:統(tǒng)計學,高等數(shù)理統(tǒng)計,金融數(shù)學,壽險精算學,生存分析,應用時間序列分析(本科),應用時間序列分析(碩士),定性數(shù)據(jù)分析等課程。曾獲得:中國人民大學十大教學標兵,北京市青年教學技能競賽三等獎,壽險精算學精品課程,保險精算課程改革北京市優(yōu)秀團隊獎等
第 1章 時間序列分析簡介
1.1 引言
1.2 時間序列的定義
1.3 時間序列分析方法
1.3.1 描述性時序分析
1.3.2 統(tǒng)計時序分析
1.4 R簡介
1.4.1 R的特點
1.4.2 R和 RStudio的安裝
1.4.3 R語言基本規(guī)則
1.4.4生成時間序列數(shù)據(jù)
1.4.5時間序列數(shù)據(jù)的處理
1.4.6繪制時序圖
1.4.7時間序列數(shù)據(jù)的導出
1.5習題
第 2章 時間序列的預處理
2.1平穩(wěn)序列的定義
2.1.1特征統(tǒng)計量
2.1.2平穩(wěn)時間序列的定義
2.1.3平穩(wěn)時間序列的統(tǒng)計性質
2.1.4平穩(wěn)時間序列的意義
2.2平穩(wěn)性檢驗
2.2.1時序圖檢驗
2.2.2自相關圖檢驗
2.3純隨機性檢驗
2.3.1純隨機序列的定義
2.3.2純隨機序列的性質
2.3.3純隨機性檢驗
2.4習題
第 3章 ARMA模型的性質
3.1 Wold分解定理
3.2 AR模型
3.2.1 AR模型的定義
3.2.2 AR模型的平穩(wěn)性判別
3.2.3平穩(wěn) AR模型的統(tǒng)計性質
3.2.4自相關系數(shù)
3.2.5偏自相關系數(shù)
3.3 MA模型
3.3.1 MA模型的定義
3.3.2 MA模型的統(tǒng)計性質
3.3.3 MA模型的可逆性
3.3.4 MA模型偏自相關系數(shù)拖尾
3.4 ARMA模型
3.4.1 ARMA模型的定義
3.4.2 ARMA模型的平穩(wěn)性與可逆性
3.4.3 ARMA(p, q)模型的統(tǒng)計性質
3.4.4自相關系數(shù)
3.5習題
第 4章平穩(wěn)序列的擬合與預測
4.1建模步驟
4.2單位根檢驗
4.2.1 DF檢驗
4.2.2 ADF檢驗
4.3模型識別
4.4參數(shù)估計
4.4.1矩估計
4.4.2極大似然估計
4.4.3最小二乘估計
4.5模型檢驗
4.5.1模型的顯著性檢驗
4.5.2參數(shù)的顯著性檢驗
4.6模型優(yōu)化
4.6.1問題的提出
4.6.2AIC準則
4.6.3 BIC準則
4.7序列預測
4.7.1線性預測函數(shù)
4.7.2預測方差最小原則
4.7.3線性最小方差預測的性質
4.7.4修正預測
4.8習題
第 5章無季節(jié)效應的非平穩(wěn)序列分析
5.1 Cramer分解定理
5.2差分平穩(wěn)
5.2.1差分運算的實質
5.2.2差分方式的選擇
5.2.3過差分
5.3 ARIMA模型
5.3.1 ARIMA模型的結構
5.3.2 ARIMA模型的性質
5.3.3 ARIMA模型建模
5.3.4 ARIMA模型預測
5.4疏系數(shù)模型
5.5習題
第 6章有季節(jié)效應的非平穩(wěn)序列分析
6.1因素分解理論
6.2因素分解模型
6.2.1因素分解模型的選擇
6.2.2趨勢效應的提取
6.2.3季節(jié)效應的提取
6.2.4 X11季節(jié)調節(jié)模型
6.3指數(shù)平滑預測模型
6.3.1簡單指數(shù)平滑
6.3.2 Holt兩參數(shù)指數(shù)平滑
6.3.3 Holt-Winters三參數(shù)指數(shù)平滑
6.4 ARIMA加法模型
6.5 ARIMA乘法模型
6.6習題
第 7章 多元時間序列分析
7.1 ARIMAX模型
7.2干預分析
7.3偽回歸
7.4協(xié)整
7.4.1單整與協(xié)整
7.4.2協(xié)整模型
7.4.3誤差修正模型
7.5 Granger因果檢驗
7.5.1 Granger因果關系定義
7.5.2 Granger因果檢驗
7.5.3 Granger因果檢驗的問題
7.6習題
附錄 1
附錄 2
附錄 3
參考文獻