时间序列分析及其应用(基于R语言实例原书第4版)/华章数学译丛

本书在欧美是一本流行的时间序列分析教材，以易于理解的方式讲述了时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。

本书以易于理解的方式讲述了时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和阈值模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。本书旨在作为物理、生物学和社会科学领域以及统计学方向的研究生教材，有些部分还可以用作本科生时间序列入门课程的教材。

Robert H. Shumway是加利福尼亚大学戴维斯分校的统计学荣誉退休教授。他是美国统计协会的Fellow，也是国际统计协会的成员。David S. Stoffer是匹兹堡大学统计系教授。他是美国统计协会的Fellow。他为分类时间序列的分析做出了重大贡献，并因为他的分析婴儿睡眠状态循环产生的分类时间序列的合作论文获得了1989年美国统计协会杰出统计应用奖。

译者序
第4版前言
第3版前言
作者简介
第1章 时间序列的特征
1.1 时间序列数据的性质
1.2 时间序列统计模型
1.3 相关性测量
1.4 平稳时间序列
1.5 相关系数的估计
1.6 向量值和多维时间序列
问题
第2章 时间序列回归和探索性数据分析
2.1 时间序列背景下的经典回归
2.2 探索性数据分析
2.3 时间序列中的平滑
问题
第3章 ARIMA模型
3.1 自回归移动平均模型
3.2 差分方程
3.3 自相关系数和偏相关系数
3.4 模型预测
3.5 模型估计
3.6 非平稳数据的差分模型
3.7 建立ARIMA模型
3.8 使用自相关误差进行回归
3.9 乘法季节ARIMA模型
问题
第4章 频谱分析与滤波
4.1 循环性行为和周期性
4.2 谱密度
4.3 周期图和离散傅里叶变换
4.4 非参数谱估计
4.5 参数谱估计
4.6 多序列和交叉谱
4.7 线性滤波器
4.8 滞后回归模型
4.9 信号提取和很好滤波
4.10 多维时间序列的谱分析
问题
第5章 其他的时域主题
5.1 长记忆ARMA模型和分数阶差分
5.2 单位根检验
5.3 GARCH模型
5.4 阈值模型
5.5 滞后回归和传递函数建模
5.6 多元ARMAX模型
问题
第6章 状态空间模型
6.1 线性高斯模型
6.2 滤波、平滑和预测
6.3 极大似然估计
6.4 缺失数据修正
6.5 结构模型：信号提取和预测
6.6 具有误差相关的状态空间模型
6.7 自助法状态空间模型
6.8 平滑样条和卡尔曼平滑器
6.9 隐马尔可夫模型和转移自回归
6.10 带转移的动态线性模型
6.11 随机波动率
6.12 状态空间模型的贝叶斯分析
问题
第7章 频域统计方法
7.1 引言
7.2 谱矩阵和似然函数
7.3 联合平稳序列的回归
7.4 确定性输入的回归
7.5 随机系数回归
7.6 设计实验分析
7.7 判别和聚类分析
7.8 主成分和因子分析
7.9 频谱包络
问题
附录A 大样本理论
附录B 时域理论
附录C 频谱域定理
附录D R补充
参考文献