時間序列分析及其應用：基於R語言實例(原書第4版)（簡體書）

本書以易於理解的方式講述了時間序列模型及其應用，內容包括趨勢、平穩時間序列模型、非平穩時間序列模型、模型識別、參數估計、模型診斷、預測、季節模型、時間序列回歸模型、異方差模型、譜分析入門、譜估計和門限模型。對所有的思想和方法，都用真實數據集和模擬數據集進行了說明。

歐美流行時間序列分析教材，大量使用真實數據的實例展示解決問題的方法

譯者序

第4版前言

第3版前言

作者簡介

第1章 時間序列的特徵1

1.1 時間序列數據的性質1

1.2 時間序列統計模型7

1.3 相關性測量12

1.4 平穩時間序列15

1.5 相關係數的估計21

1.6 向量值和多維時間序列27

問題30

第2章 時間序列回歸和探索性數據分析37

2.1 時間序列背景下的經典回歸37

2.2 探索性數據分析44

2.3 時間序列中的平滑54

問題58

第3章 ARIMA模型63

3.1 自回歸移動平均模型63

3.2 差分方程73

3.3 自相關係數和偏相關係數77

3.4 模型預測83

3.5 模型估計92

3.6 非平穩數據的差分模型108

3.7 建立ARIMA模型111

3.8 使用自相關誤差進行回歸118

3.9 乘法季節ARIMA模型120

問題127

第4章 頻譜分析與濾波135

4.1 循環性行為和週期性135

4.2 譜密度141

4.3 週期圖和離散傅裡葉變換147

4.4 非參數譜估計154

4.5 參數譜估計166

4.6 多序列和交叉譜169

4.7 線性濾波器173

4.8 滯後回歸模型177

4.9 信號提取和最佳濾波181

4.10 多維時間序列的譜分析185

問題187

第5章 其他的時域主題195

5.1 長記憶ARMA模型和分數階差分195

5.2 單位根檢驗202

5.3 GARCH模型205

5.4 閾值模型212

5.5 滯後回歸和傳遞函數建模216

5.6 多元ARMAX模型220

問題232

第6章 狀態空間模型234

6.1 線性高斯模型234

6.2 濾波、平滑和預測238

6.3 極大似然估計245

6.4 缺失數據修正253

6.5 結構模型：信號提取和預測257

6.6 具有誤差相關的狀態空間模型260

6.7 自助法狀態空間模型265

6.8 平滑樣條和卡爾曼平滑器270

6.9 隱馬爾可夫模型和轉移自回歸272

6.10 帶轉移的動態線性模型282

6.11 隨機波動率292

6.12 狀態空間模型的貝葉斯分析298

問題307

第7章 頻域統計方法313

7.1 引言313

7.2 譜矩陣和似然函數316

7.3 聯合平穩序列的回歸317

7.4 確定性輸入的回歸324

7.5 隨機係數回歸330

7.6 設計實驗分析332

7.7 判別和聚類分析344

7.8 主成分和因子分析356

7.9 頻譜包絡369

問題378

附錄A 大樣本理論383

附錄B 時域理論398

附錄C 頻譜域定理406

附錄D R補充428

參考文獻438