《時間序列分析:單變數和多變數方法(第2版)》不僅對單變數與多變數時間序列的時域和頻域分析提供了一個全面介紹，而且在書中包含了許多單變數和多變數時問序列模型的新進展，如逆自相關函式、擴展樣本自相關函式、干預分析及干預探測、向量自回歸移動平均模型、偏滯後自相關矩陣函式、局部過程、狀態空間模型、卡爾曼濾波、非季節和季節模型的單位根檢驗等許多內容。《時間序列分析:單變數和多變數方法(第2版)》結合大量的套用實例說明時間序列分析方法的套用，極大地方便了讀者對這些方法的學習和理解。
基本介紹
- 書名：時間序列分析:單變數和多變數方法
- 類型：科學與自然
- 出版日期：2009年4月1日
- 語種：簡體中文
- ISBN：9787300103136
- 作者：魏武雄 無
- 出版社：中國人民大學出版社
- 頁數：597頁
- 開本：16
- 品牌：中國人民大學出版社
基本介紹,內容簡介,作者簡介,圖書目錄,序言,
基本介紹
內容簡介
《時間序列分析:單變數和多變數方法(第2版)》由中國人民大學出版社出版。
作者簡介
魏武雄（William W.S.Wei）博士是賓夕法尼亞州費城天普大學（Temple University）的統計學教授，自1974年就在此任教。他於1966年獲得台灣大學經濟學學士學位，又於l969年獲得俄勒岡大學 （University ofOregon）的數學學士學位，t972年和l974年分別獲得威斯康星大學麥迪遜分校（University of Wisconsin-Madison）的統計學碩士和統計學博士學位。他的研究興趣包括時間序列分析、預測方法、統計建模以及統計學在商業和經濟學的套用。他是美國統計學會（AmericanStatistical Association，簡稱ASA）院士，英國皇家統計學會（Royal Statistical Society，RSS）會員，國際統計學會（ISI）入選會員，2002年泛華統計協會（ICSA）的主席。他還是期刊《預測》（Journal of Forecasting）和《套用統計學》（the Journal of AppHed Statistical Science）的副編輯。
圖書目錄
第1章 概述
1.1 引言
1.2 本書的例子和安排
第2章 基本概念
2.1 隨機過程
2.2 自協方差和自相關函式
2.3 偏自相關函式
2.4 白噪聲過程
2.5 均值、自協方差和自相關的估計
2.6 時間序列過程的移動平均和白回歸表示
2.7 線性差分方程
練習
第3章 平穩時間序列模型
3.1 自回歸過程
3.2 移動平均過程
3.3 AR(p)過程和MA(q)過程之間的對偶關係
3.4 自回歸移動平均ARMA(p，q)過程
練習
第4章 非平穩時間序列模型
4.1 均值非平穩
4.2 自回歸求和移動平均模型
4.3 方差和自協方差非平穩
練習
第5章 預報
5.1 引言
5.2 最小均方誤差預報
5.3 預報的計算
5.4 對過去觀測值加權平均的ARIMA預報
5.5 更新預報
5.6 最終預報函式
5.7 數值實例
練習
第6章 模型識別
6.1 模型識別的步驟
6.2 實例
6.3 逆自相關函式
6.4 擴展樣本自相關函式和其他識別方法
練習
第7章 參數估計、診斷檢驗和模型選擇
7.l 矩方法
7.2 極大似然方法
7.3 非線性估計
7.4 在時間序列分析中的普通最小二乘估計
7.5 診斷檢驗
7.6 有關序列w1至w7的實例
7.7 模型選擇準則
練習
第8章 季節性時間序列模型
8.1 基本概念
8.2 傳統方法
8.3 季節性ARIMA模型
8.4 實例
練習
第9章 單位根檢驗
9.1 引言
9.2 一些有用的極限分布
9.3 AR(1)模型中的單位根檢驗
9.4 一般模型的單位根檢驗
9.5 季節性時間序列模型的單位根檢驗
練習
第10章 干預分析和異常值檢驗
10.1 干預模型
10.2 干預分析實例
10.3 時間序列的異常值
10.4 異常值分析的實例
10.5 存在異常值時的模型識別
練習
第11章 傅立葉分析
11.1 一般概念
11.2 正交函式
11.3 有限序列的傅立葉表示
11.4 周期序列的傅立葉表示
11.5 非周期序列的傅立葉表示——離散時間序列傅立葉變換
11.6 連續時間函式的傅立葉表示
11.7 快速傅立葉變換
練習
第12章 平穩過程的譜理論
12.1 譜
12.2 一些常用過程的譜
12.3 線性濾波的譜
12.4 混疊
練習
第13章 譜估計
13.1 周期圖分析
13.2 樣本譜
13.3 平滑譜
13.4 ARMA譜估計
練習
第14章 轉換函式模型
14.1 單個輸入轉換函式模型
14.2 互相關函式和轉換函式模型
14.3 轉換函式模型的結構
14.4 利用轉換函式模型預報
14.5 二元頻域分析
14.6 互譜和轉換函式模型
14.7 多維輸入轉換函式模型
練習
第15章 時間序列回歸和GARCH模型
15.1 誤差具有自相關性的回歸
15.2 ARCH和GARCH模型
15.3 GARCH模型的估計
15.4 預報誤差方差的計算
15.5 實例
練習
第16章 向量時間序列模型
16.1 協方差和相關矩陣函式
16.2 向量過程的移動平均和自回歸表示
16.3 向量自回歸移動平均過程
16.4 非平穩向量自回歸移動平均模型
16.5 向量時間序列模型的識別
16.6 模型擬合和預報
……
第17章 向量時間序列的深入
第18章 狀態空間模型和卡爾曼濾波
第19章 長記憶和非線性過程
第20章 時間序列中的聚積和系統抽樣
1.1 引言
1.2 本書的例子和安排
第2章 基本概念
2.1 隨機過程
2.2 自協方差和自相關函式
2.3 偏自相關函式
2.4 白噪聲過程
2.5 均值、自協方差和自相關的估計
2.6 時間序列過程的移動平均和白回歸表示
2.7 線性差分方程
練習
第3章 平穩時間序列模型
3.1 自回歸過程
3.2 移動平均過程
3.3 AR(p)過程和MA(q)過程之間的對偶關係
3.4 自回歸移動平均ARMA(p，q)過程
練習
第4章 非平穩時間序列模型
4.1 均值非平穩
4.2 自回歸求和移動平均模型
4.3 方差和自協方差非平穩
練習
第5章 預報
5.1 引言
5.2 最小均方誤差預報
5.3 預報的計算
5.4 對過去觀測值加權平均的ARIMA預報
5.5 更新預報
5.6 最終預報函式
5.7 數值實例
練習
第6章 模型識別
6.1 模型識別的步驟
6.2 實例
6.3 逆自相關函式
6.4 擴展樣本自相關函式和其他識別方法
練習
第7章 參數估計、診斷檢驗和模型選擇
7.l 矩方法
7.2 極大似然方法
7.3 非線性估計
7.4 在時間序列分析中的普通最小二乘估計
7.5 診斷檢驗
7.6 有關序列w1至w7的實例
7.7 模型選擇準則
練習
第8章 季節性時間序列模型
8.1 基本概念
8.2 傳統方法
8.3 季節性ARIMA模型
8.4 實例
練習
第9章 單位根檢驗
9.1 引言
9.2 一些有用的極限分布
9.3 AR(1)模型中的單位根檢驗
9.4 一般模型的單位根檢驗
9.5 季節性時間序列模型的單位根檢驗
練習
第10章 干預分析和異常值檢驗
10.1 干預模型
10.2 干預分析實例
10.3 時間序列的異常值
10.4 異常值分析的實例
10.5 存在異常值時的模型識別
練習
第11章 傅立葉分析
11.1 一般概念
11.2 正交函式
11.3 有限序列的傅立葉表示
11.4 周期序列的傅立葉表示
11.5 非周期序列的傅立葉表示——離散時間序列傅立葉變換
11.6 連續時間函式的傅立葉表示
11.7 快速傅立葉變換
練習
第12章 平穩過程的譜理論
12.1 譜
12.2 一些常用過程的譜
12.3 線性濾波的譜
12.4 混疊
練習
第13章 譜估計
13.1 周期圖分析
13.2 樣本譜
13.3 平滑譜
13.4 ARMA譜估計
練習
第14章 轉換函式模型
14.1 單個輸入轉換函式模型
14.2 互相關函式和轉換函式模型
14.3 轉換函式模型的結構
14.4 利用轉換函式模型預報
14.5 二元頻域分析
14.6 互譜和轉換函式模型
14.7 多維輸入轉換函式模型
練習
第15章 時間序列回歸和GARCH模型
15.1 誤差具有自相關性的回歸
15.2 ARCH和GARCH模型
15.3 GARCH模型的估計
15.4 預報誤差方差的計算
15.5 實例
練習
第16章 向量時間序列模型
16.1 協方差和相關矩陣函式
16.2 向量過程的移動平均和自回歸表示
16.3 向量自回歸移動平均過程
16.4 非平穩向量自回歸移動平均模型
16.5 向量時間序列模型的識別
16.6 模型擬合和預報
……
第17章 向量時間序列的深入
第18章 狀態空間模型和卡爾曼濾波
第19章 長記憶和非線性過程
第20章 時間序列中的聚積和系統抽樣
序言
受中國人民大學出版社的委託，我們翻譯了魏武雄教授編寫的《時間序列分析——單變數和多變數方法》（第二版）一書。該書是針對有合適專業背景和對該學科感興趣的研究生和高年級本科生編寫的一本教材。對那些在研究中經常遇到時間序列數據的研究人員來說，本書也是一本非常有價值的參考用書。
對於本書即將出版，我們頗感欣慰。因為目前翻譯出版的有關時間序列分析的書已經不少，我們擔心該書沒有特色，無法奉獻給讀者更多的知識，所以在翻譯過程中付出了巨大的精力。翻譯完成後，感到辛苦沒有白費。
近年來，時間序列已經成為一個相當活躍的領域，出版了很多相關書籍，其中的大部分要么關注時域分析，要么關注頻域分析。在這些書中，有些提供的理論背景資料不充分，有些則關於具體套用的介紹太少。而且，大部分書只是關注於單變數時間序列，即使有少量討論多變數時間序列的書，也多局限於理論部分。
本書不僅對單變數與多變數時間序列的時域和頻域分析提供了一個全面的介紹，而且在書中包含了許多單變數和多變數時間序列模型的新進展，如逆自相關函式、擴展樣本自相關函式、干預分析及干預探測、向量自回歸移動平均模型、偏滯後自相關矩陣函式、局部過程、狀態空間模型、卡爾曼濾波、非季節和季節模型的單位根檢驗、向量時間序列模型中協整、局部過程和等價表示、長記憶過程和非線性時間序列模型、聚積問題等許多內容。
本書的難度適當，敘述通俗易懂，並結合大量的套用實例說明時間序列分析方法的套用，極大地方便了讀者對這些方法的學習和理解。
對於本書即將出版，我們頗感欣慰。因為目前翻譯出版的有關時間序列分析的書已經不少，我們擔心該書沒有特色，無法奉獻給讀者更多的知識，所以在翻譯過程中付出了巨大的精力。翻譯完成後，感到辛苦沒有白費。
近年來，時間序列已經成為一個相當活躍的領域，出版了很多相關書籍，其中的大部分要么關注時域分析，要么關注頻域分析。在這些書中，有些提供的理論背景資料不充分，有些則關於具體套用的介紹太少。而且，大部分書只是關注於單變數時間序列，即使有少量討論多變數時間序列的書，也多局限於理論部分。
本書不僅對單變數與多變數時間序列的時域和頻域分析提供了一個全面的介紹，而且在書中包含了許多單變數和多變數時間序列模型的新進展，如逆自相關函式、擴展樣本自相關函式、干預分析及干預探測、向量自回歸移動平均模型、偏滯後自相關矩陣函式、局部過程、狀態空間模型、卡爾曼濾波、非季節和季節模型的單位根檢驗、向量時間序列模型中協整、局部過程和等價表示、長記憶過程和非線性時間序列模型、聚積問題等許多內容。
本書的難度適當，敘述通俗易懂，並結合大量的套用實例說明時間序列分析方法的套用，極大地方便了讀者對這些方法的學習和理解。
