时间序列分析--基于R(第2版)/基于R应用的统计学丛书

时间序列分析是统计学 科的一个重要分支，它主 要研究随着时间的变化， 事物发生、发展的过程， 寻找事物发展变化的规律 ，并预测未来的走势。在 日常生产生活中，时间序 列比比皆是。目前时间序 列分析方法广泛应用于经 济、金融、天文、气象、 海洋、物理、化学、医学 、质量控制等诸多领域， 成为众多行业经常使用的 统计方法。 本书是用R软件编写的 入门级时间序列分析教材 。主要包括：时间序列分 析简介，时间序列的预处 理，ARMA模型的性质，平 稳序列的拟合与预测，无 季节效应的非平稳序列分 析，有季节效应的非平稳 序列分析，多元时间序列 分析。

第1章 时间序列分析简介 1.1 引言 1.2 时间序列的定义 1.3 时间序列分析方法 1.3.1 描述性时序分析 1.3.2 统计时序分析 1.4 R简介 1.4.1 R的特点 1.4.2 R和RStudio的安装 1.4.3 R语言基本规则 1.4.4 生成时间序列数据 1.4.5 时间序列数据的处理 1.4.6 绘制时序图 1.4.7 时间序列数据的导出 1.5 习题 第2章 时间序列的预处理 2.1 平稳序列的定义 2.1.1 特征统计量 2.1.2 平稳时间序列的定义 2.1.3 平稳时间序列的统计性质 2.1.4 平稳时间序列的意义 2.2 平稳性检验 2.2.1 时序图检验 2.2.2 自相关图检验 2.3 纯随机性检验 2.3.1 纯随机序列的定义 2.3.2 纯随机序列的性质 2.3.3 纯随机性检验 2.4 习题 第3章 ARMA模型的性质 3.1 Wold分解定理 3.2 AR模型 3.2.1 AR模型的定义 3.2.2 AR模型的平稳性判别 3.2.3 平稳AR模型的统计性质 3.2.4 自相关系数 3.2.5 偏自相关系数 3.3 MA模型 3.3.1 MA模型的定义 3.3.2 MA模型的统计性质 3.3.3 MA模型的可逆性 3.3.4 MA模型偏自相关系数拖尾 3.4 ARMA模型 3.4.1 ARMA模型的定义 3.4.2 ARMA模型的平稳性与可逆性 3.4.3 ARMA(p,q)模型的统计性质 3.4.4 自相关系数 3.5 习题 第4章 平稳序列的拟合与预测 4.1 建模步骤