华章应用统计系列·应用时间序列分析：R软件陪同 下载 mobi epub pdf 电子书 2024

☆☆☆☆☆
简体网页||繁体网页

点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　时间序列分析是概率统计学科中应用性较强的一个分支，在金融经济、气象水文、信号处理、机械振动等众多领域有着广泛的应用。本书定位是高等院校“应用时间序列分析”课程的教材，系统讲授应用时间序列分析的基本理论、方法及其应用。不仅强调基础的一元时间序列，还介绍在实际数据分析中应用最广泛的多元时间序列，并结合免费的R软件来实际分析时间序列数据。

作者简介

吴喜之,北京大学数学力学系学士，美国北卡罗来纳大学统计系博士。中国人民大学统计学院教授、博士生导师。

内页插图

目录

第1章 引言1.1 时间序列的特点 1.2 时间序列例子1.3 R软件入门 1.3.1 简介 1.3.2 动手 1.4 本书的内容 1.5 习题

第2章 一元时间序列的基本概念和模型2.1 时间序列的平稳性及相关性度量2.1.1 平稳、自协方差函数和自相关函数2.1.2 差分算子和后移算子 2.2 白噪声2.3 随机游走 2.4 趋势平稳过程2.5 一般线性模型2.6 MA模型 2.7 AR模型 2.8 ARMA模型 2.9 ARIMA模型2.10 季节模型 2.11 习题

第3章 一元时间序列数据的拟合及预测3.1 一些估计和预测方法的基本数学原理 3.1.1 ARMA模型的最大似然估计3.1.2 ARMA模型的矩估计方法 3.1.3 预测的基本目的3.1.4 简单指数平滑 3.1.5 Holt-Winters滤波预测方法 3.1.6 ARMA模型预测的基本数学原理 3.2 一元时间序列数据实例分析 3.2.1 差分、平滑和时间序列的分解 3.2.2 ARMA模型和ARIMA模型 3.2.3 例1.2中Auckland降水序列的综合分析3.3 习题

第4章 状态空间模型和Kalman滤波简介*4.1 动机 4.2 结构时间序列模型 4.2.1 局部水平模型 4.2.2 局部线性趋势模型4.2.3 季节效应4.3 一般状态空间模型 4.3.1 随时间变化系数的回归 4.3.2 ARMA模型的状态空间模型形式 4.3.3 结构时间序列的一般状态空间模型表示 4.4 Kalman滤波 4.5 状态空间数据例子 4.5.1 一元局部水平模型例子 4.5.2 二元局部水平模型Kalman滤波例子 4.5.3 包含季节因素的局部水平多元模型Kalman滤波例子

第5章 单位根检验 5.1 单整和单位根5.2 单位根检验 5.2.1 DF检验、ADF检验以及PP检验 5.2.2 KPSS检验

第6章 长期记忆过程:ARFIMA模型6.1 介于(0)及(1)之间的长期记忆序列 6.2 ARFIMA过程 6.3 ARFIMA模型拟合例3.4尼罗河流量数据

第7章 GARCH模型7.1 时间序列的波动 7.2 模型的描述 7.3 数据的拟合7.3.1 例7.1数据的拟合7.3.2 例7.2数据的拟合7.4 GARCH模型的延伸 7.4.1 一组GARCH模型7.4.2 FGARCH模型族 7.4.3 ARFIMA-GARCH模型族拟合例7.2数据

第8章 多元时间序列的基本概念和模型8.1 平稳性8.2 交叉协方差矩阵和相关矩阵8.3 一般线性模型8.4 VARMA模型8.5 协整模型和Granger因果检验8.5.1 VECM和协整 8.5.2 协整检验8.5.3 Granger因果检验

第9章 多元时间序列数据的拟合及预测9.1 例9.1数据的协整检验和Granger因果检验9.1.1 Johansen协整检验.9.1.2 Engle-Granger协整检验9.1.3 Pillips-Ouliaris协整检验9.1.4 例9.1数据的Granger因果检验 9.2 用VAR、VARX及状态空间模型拟合例9.1数据 9.2.1 用VAR拟合及预测例9.1数据 9.2.2 用VARX模型拟合及预测例9.1数据 9.2.3 用状态空间模型拟合及预测例9.1数据 9.3 习题

第10章 非线性时间序列10.1 非线性例子10.2 线性AR模型10.3 自门限自回归模型 10.3.1 一个门限参数的模型 10.3.2 两个门限参数的模型 10.3.3 Hansen检验10.4 Logistic平滑过渡自回归模型10.5 神经网络模型10.6 可加AR模型10.7 模型的比较10.8 门限协整 10.8.1 向量误差修正模型10.8.2 向量误差修正模型的估计10.8.3 向量误差修正模型的检验

第11章 谱分析简介11.1 周期性时间序列11.2 谱密度11.3 谱分布函数11.4 自相关母函数和谱密度11.5 时不变线性滤波器11.6 谱估计11.6.1 通过样本自协方差函数估计谱密度.11.6.2 通过周期图估计谱密度 11.6.3 非参数谱密度估计.11.6.4 参数谱密度估计附录使用R软件练习参考文献

前言/序言

　　同类教材的特点　　首先，一些教材偏重于数学理论和推导。作者多为数学出身，他们习惯于数学的严格性和导出精确而又漂亮的数学结论。这些书适用于那些愿意为时间序列的数学理论研究做出贡献的读者。　　其次，国内教材中一元时间序列往往占绝大部分篇幅，而且包含在各种数学假定下的各种定理和结果。这是因为一元时间序列的数学描述确实很漂亮，很多结果都能够以比较简洁的数学语言表达出来。而多元时间序列则很不一样，在一元情况下很漂亮的结果，在多元情况下就完全不同了。在数学上，复杂的表达是不被人们所喜爱的，因此，多元时间序列很难在数学味道很浓的教科书中展开。　　很多教材对于真实时间序列的数据分析强调得不够。那些数学味道强的书，由于其主要目的不是分析实际数据，而且实际数据往往很难满足书中的数学假定，过多地讨论实际应用并不是这些书的重点。　　另外有一些教材的确强调应用，而且作者很多也不是数学出身，书中也列举了一些数学假定和结论，但是往往没有花篇幅去完善和系统化，更没有用简明扼要的语言去做解释，使得无论是数学还是非数学出身的读者都不能很好地理解所用模型背后的机理。　　在涉及统计软件使用方面，数学味道强的书完全不用任何软件是可以理解的，但很多偏重于应用的教科书只介绍昂贵的“傻瓜式”商业软件就不值得提倡了，因为介绍昂贵商业软件的教材客观上鼓励了使用盗版软件。商业软件不透明，代码保密，而且没有体现最新的成果，完全不能满足实际工作者的需要。本书的特点　　本书的目标读者是非数学专业出身的各类人员，可以是本科生或者研究生，也可以是在校教师或者实际工作者。我们力图用简单通俗的语言阐述有关的基本概念和计算，并尽量通过案例来讲述各种时间序列方法，使得非数学背景的读者可以较容易地理解。同时，我们也把有关的数学结构用简单完整的方式阐述，以供读者参考。
华章应用统计系列·应用时间序列分析：R软件陪同 下载 mobi epub pdf txt 电子书 格式

评分☆☆☆☆☆

好

评分☆☆☆☆☆

时间序列预测就是利用统计技术与方法，从预测指标的时间序列中找出演变模式，建立数学模型，对预测指标的未来发展趋势做出定量估计

评分☆☆☆☆☆

额

评分☆☆☆☆☆

值得一看值得一看值得一看值得一看

评分☆☆☆☆☆

挺好的，发货很快，东西挺好用

评分☆☆☆☆☆

还行，不适合初学者

评分☆☆☆☆☆

书非常非常的好，质量不错

评分☆☆☆☆☆

广泛筛选的结果，主要是京东送货快

评分☆☆☆☆☆

大概翻了一下，没有想象中讲解的有用，命令也不是很全，凑合看吧

类似图书 点击查看全场最低价