应用时间序列分析

应用时间序列分析"

作者:白晓东
ISBN:9787302489696
定价:¥36
字数:千字
页数:
出版时间:2017.12.01
开本:
版次:1-2
装帧:
出版社:清华大学出版社
简介

本书主要介绍了时间序列的时域分析方法, 内容包括时间序列的基本概念、时序数据的预处理方

式、时序数据的分解和平滑、趋势的消除、单位根检验和协整、平稳时间序列模型、非平稳时间序列

模型、残差自回归模型、季节模型、异方差时间序列模型以及上述模型的性质、建模、预测, 此外还包

含了大量的实例. 本书全程使用 R语言分析了来自不同学科的真实数据. 

本书通俗易懂, 理论与应用并重, 可作为高等院校统计、经济、商科、工程以及定量社会科学等相

关专业的高年级本科生学习时间序列分析的教材或教学参考书, 也可作为硕士研究生使用 R软件学习

时间序列分析的入门书, 还可供相关技术人员进行时序数据处理的参考书.

前言

时间序列分析是一种处理动态数据的统计方法 ,它是基于随机过程理论和数理统计方法而发展起来的 ,是寻找动态数据的变化特征、挖掘隐含信息、建立拟合模型、进而预测数据未来发展的有力统计工具 ,它广泛应用于经济、金融、气象、天文、物理、化学、生物、医学、质量控制等社会科学、自然科学和生产实践的诸多领域 ,已经成为许多行业常用的统计方法.

目前 ,国内外有关时间序列分析的教材已有很多 ,其中一些偏重于理论的讲述 ,需要读者具备比较深厚的概率论与数理统计基础 ,主要阅读对象是统计学专业的学生 ;另一些则侧重于模型的应用 ,缺少理论和技术细节的推导 ,主要阅读对象是经管类专业的学生 .随着我国招生制度的变化和大数据产业的飞速发展 ,大部分高校的统计学及其相关专业的培养目标逐步转为复合应用型人才,强调培养具有数据分析能力的人才的重要性.为适应这一变化,应有相应教材出现.

为适应培养要求的转变 ,满足更多专业学生的学习需求 ,本书在借鉴国内外相关优秀教材的基础上 ,着重突出三个特色 .第一是以精简、易懂、深入浅出的方式讲清楚基本概念、基本理论和推导技巧 ,着重阐释统计思想和数据处理方法 .同时 ,加强实用性 ,通过大量实例 ,一方面使得学习者深刻认识时间序列的基本概念、常用性质和基本理论 ;另一方面也使得他们尽快掌握时序数据分析的基本技能 .第二是本书全程使用 R语言进行实例分析 ,并且提供全部代码 . R语言是免费的开源编程软件 ,占用存储空间小 ,安装快捷 ,统计功能强大 ,使用人数众多 ,软件包更新速度快 .它是目前最流行的统计软件 ,许多新的统计方法大都以 R程序包的形式首先展示在世人面前 .第三是本书所使用的数据绝大多数是真实数据 .这些数据都可以在国家统计局网站、中国气象数据网、 http://new.censusatschool.org.nz/resource/time-series-data-sets-2013/、 https://www.nrscotland.gov.uk/statistics-and-data、 http://qed.econ.queensu.ca/jae/ 1994-v9.S/、http://homepage.divms.uiowa.edu/ kchan/TSA.htm、https://fred.stlouisfed.org/、 https://stats.bls.gov/和 https://robjhyndman.com/TSDL/等网站下载 .通过对真实数据的分析,学习者更能体会到基本理论、数据分析技能和数据分析经验相结合的重要性 .同时 ,也给初学者提供了大量免费数据资源和练习的机会.

本书以时间序列分析的理论和实例相结合的方式 ,有侧重地介绍以下内容 .第 1章概述时间序列的发展历程、时间序列的一些基本概念、数据建模的基本步骤、 R语言的一些基本操作

. II .应用时间序列分析

和时序数据的预处理 .第 2章和第 3章分别介绍平稳时间序列模型的概念、性质、建模和预测方法 .第 4章介绍时序数据分解的思想以及常用的数据平滑方法 .第 5章介绍非平稳时间序列模型的概念、趋势的消除、 ARIMA模型的概念、性质、建模方法以及预测 ,最后简单讨论了残差自回归模型 .第 6章介绍几类常见的季节模型以及它们的建模和预测方法 .第 7章讨论伪回归现象、单位根检验和协整 .第 8章主要讲述 ARCH模型和 GARCH模型的概念、估计和检验.此外 ,本书还配备了一定数量的习题 .目的是通过这些习题的演练 ,使读者尽快掌握相应章节的基本理论和方法.

本书主要用作高等院校统计、经济、商科、工程以及定量社会科学等相关专业的高年级本科生学习时间序列分析的教材或教学参考书 ,也可作为硕士研究生使用 R软件学习时间序列分析的入门书,还可供相关技术人员进行时序数据处理的参考书.

本书在写作过程中参考了国内外许多优秀的教材和论著 ,在此向这些教材或著作的作者表示感谢和敬意 .本书能够及时出版 ,还要感谢清华大学出版社刘颖编审的大力支持和帮助 .本书内容在大连民族大学统计学专业讲授多次 ,感谢同学们对课程内容的浓厚兴趣和热烈讨论 ,同时纠正了一些打印错误.

白晓东 

baixd dlnu@163.com 2017年 10月

目录

第 1章引言及基础知识1 

11引言1 

111时间序列的定义 2 

112时间序列的分类5 

113时间序列分析的方法回顾6 

12基本概念7 

121时间序列与随机过程  7 

122概率分布族及其特征  8 

123平稳时间序列的定义 10 

124平稳时间序列的一些性质 11 

125平稳性假设的意义 12 

13时间序列建模的基本步骤 14 

131模型识别 14 

132模型估计 15 

133模型检验 15 

134模型应用 16 

14 R语言入门 17 

141 R语言简介 17 

142 R的安装 17 

143 R的基本操作 18 

15数据预处理 25 

151时序图与自相关图的绘制 26 

 IV 应用时间序列分析 

152数据平稳性的图检验 30 

153数据的纯随机性检验 34

习题 1 40

第 2章平稳时间序列模型及其性质 42 

21差分方程和滞后算子 42 

211差分运算与滞后算子 42 

212线性差分方程 44 

22自回归模型的概念和性质 46 

221自回归模型的定义 46 

222稳定性与平稳性 49 

223平稳自回归模型的统计性质 53 

23移动平均模型的概念和性质 62 

231移动平均模型的定义 62 

232移动平均模型的统计性质 62 

24自回归移动平均模型的概念和性质 68 

241自回归移动平均模型的定义 68 

242平稳性与可逆性 69 

243 Green函数与逆函数 69 

244 ARMA(p, q)模型的统计性质 70

习题 2 72

第 3章平稳时间序列的建模和预测 74 

31自回归移动平均模型的识别 74 

311自相关函数和偏自相关函数的估计 75 

312模型识别的方法 75 

32参数估计 82 

321矩估计法 82 

322最小二乘估计 86 

  V 

323极大似然估计 89 

324实例 90 

33模型的检验与优化 93 

331残差的检验 93 

332过度拟合检验 94 

333模型优化 96 

34序列的预测  101 

341预测准则  101 

342自回归移动平均模型的预测  104

习题 3  110

第 4章数据的分解和平滑  113 

41序列分解原理  113 

411平稳序列的 Wold分解  113 

412一般序列的 Cramer分解  115 

413数据分解的形式  115 

42趋势拟合法  117 

421线性拟合  118 

422曲线拟合  120 

43移动平均法  122 

431中心化移动平均法  123 

432简单移动平均法  124 

433二次移动平均法  125 

44指数平滑方法  127 

441简单指数平滑方法  127 

442 Holt线性指数平滑方法  128 

443 Holt-Winters指数平滑方法  129 

45 季节效应分析  132

习题 4  135 

 VI 应用时间序列分析

第 5章非平稳时间序列模型  137 

51非平稳序列的概念  137 

511非平稳序列的定义  137 

512确定性趋势  138 

513随机性趋势  139 

52趋势的消除  140 

521差分运算的本质  140 

522趋势信息的提取  141 

523过差分现象  143 

53求和自回归移动平均模型  146 

531求和自回归移动平均模型的定义  146 

532求和自回归移动平均模型的性质  147 

533求和自回归移动平均模型的建模  148 

534求和自回归移动平均模型的预测理论  154 

54残差自回归模型  157 

541残差自回归模型的概念  157 

542残差的自相关检验  158 

543残差自回归模型建模  160

习题 5  165

第 6章季节模型 167 

61简单季节自回归移动平均模型  167 

611季节移动平均模型  167 

612季节自回归模型  168 

62乘积季节自回归移动平均模型  169 

63季节求和自回归移动平均模型  171 

631乘积季节求和自回归移动平均模型  171 

632乘积季节求和自回归移动平均模型的建模  172 

64季节求和自回归移动平均模型的预测  176 

   VII 

习题 6  179

第 7章单位根检验和协整  182 

71伪回归  182 

711“伪回归”现象  182 

712非平稳对回归的影响  183 

72单位根检验  184 

721理论基础  184 

722 DF检验  187 

723 ADF检验  193 

724 PP单位根检验  201 

725 KPSS单位根检验  203 

73协整  204 

731协整的概念  205 

732协整检验  206 

74 误差修正模型  214

习题 7  216

第 8章异方差时间序列模型  219 

81简单异方差模型  219 

811异方差的现象  219 

812方差齐性变换  221 

82自回归条件异方差模型  224 

821自回归条件异方差模型的概念  224 

822自回归条件异方差模型的估计  226 

823自回归条件异方差模型的检验  227 

83 广义自回归条件异方差模型  232

习题 8  237

参考文献  239

作者简介

编辑推荐

借助R语言,结合实际例子讲述时间序列分析的原理、方法和实现。

作者寄语

借助R语言,结合实际例子讲述时间序列分析的原理、方法和实现。

电子资料

www.luweidong.cn

下一个