内容简介
时间序列分析是应用统计学的核心基础课之一,也是计量经济学和统计预测学的核心内容。作为数理统计学的一个专业分支,时间序列分析有它非常特殊的、自成体系的一套分析方法。
作者简介
王燕,女,1973年生,江西南昌人。华东师范大学数理统计学学士,硕士,中国人民大学统计学博士。现就职于中国人民大学统计学院风险管理与保险精算教研室,已出版教材《应用时间序列分析》、《寿险精算学》。主要教授统计学、应用时间序列分析、统计预测、保险原理和寿险精算学等课程。
目录
第1章时间序列分析简介1
1.1 引言1
1.2 时间序列的定义1
1.3 时间序列分析方法2
1.3.1 描述性时序分析2
1.3.2 统计时序分析4
1.4 R 简介6
1.4.1 R 的特点6
1.4.2 R 的安装7
1.4.3 R 语言基本规则8
1.4.4 生成时间序列数据11
1.4.5 时间序列数据的处理14
1.4.6 时间序列数据导出16
1.5 习题16
第2 章时间序列的预处理17
2.1 平稳时间序列17
2.1.1 特征统计量17
2.1.2 平稳时间序列的定义19
2.1.3 平稳时间序列的统计性质20
2.1.4 平稳时间序列的意义21
2.2 时序图与自相关图23
2.2.1 时序图23
ii 时间序列分析|| 基于R
2.2.2 绘制序列自相关图29
2.3 平稳性的检验30
2.3.1 时序图检验30
2.3.2 自相关图检验32
2.4 纯随机性检验33
2.4.1 纯随机序列的定义34
2.4.2 白噪声序列的性质35
2.4.3 纯随机性检验36
2.5 习题41
第3 章平稳时间序列分析44
3.1 方法性工具44
3.1.1 差分运算44
3.1.2 延迟算子45
3.1.3 线性差分方程45
3.2 ARMA 模型的性质47
3.2.1 AR 模型47
3.2.2 MA 模型62
3.2.3 ARMA 模型69
3.3 平稳序列建模72
3.3.1 建模步骤72
3.3.2 样本自相关系数与偏自相关系数73
3.3.3 模型识别73
3.3.4 参数估计81
3.3.5 模型检验87
3.3.6 模型优化91
3.4 序列预测96
3.4.1 线性预测函数96
3.4.2 预测方差最小原则97
3.4.3 线性最小方差预测的性质98
3.5 习题105
第4 章非平稳序列的确定性分析109
4.1 时间序列的分解109
4.1.1 Wold 分解定理109
4.1.2 Cramer 分解定理110
目录iii ¢
4.2 确定性因素分解111
4.3 趋势分析112
4.3.1 趋势拟合法112
4.3.2 平滑法117
4.4 季节效应分析125
4.5 综合分析127
4.6 习题133
第5 章非平稳序列的随机分析136
5.1 差分运算136
5.1.1 差分运算的实质136
5.1.2 差分方式的选择137
5.1.3 过差分141
5.2 ARIMA 模型142
5.2.1 ARIMA 模型的结构142
5.2.2 ARIMA 模型的性质143
5.2.3 ARIMA 模型建模145
5.2.4 ARIMA 模型预测147
5.2.5 疏系数模型150
5.2.6 季节模型154
5.3 残差自回归模型161
5.3.1 模型结构162
5.3.2 残差自相关检验165
5.3.3 残差自相关模型拟合168
5.4 异方差的性质170
5.4.1 异方差的影响170
5.4.2 异方差的直观诊断171
5.5 方差齐性变换173
5.6 条件异方差模型175
5.6.1 ARCH 模型176
5.6.2 GARCH 模型184
5.6.3 GARCH 的衍生模型191
5.7 习题193
第6 章多元时间序列分析198
6.1 平稳多元序列建模198
6.2 虚假回归203
6.3 单位根检验205
6.3.1 DF 检验205
6.3.2 ADF 检验214
6.4 协整219
6.4.1 单整与协整219
6.4.2 协整检验220
6.5 误差修正模型223
6.6 习题
附录
参考文献
精彩书摘
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, 所以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.
目前, 国内有关时间序列分析的著作和教材有很多, 但主要是基于SAS 软件或EViews 软件编写的. 近几年来, R 语言开始崛起, 它是一个可进行交互式数据分析的强大平台. R 语言的以下几个特征让它在学界和业界都受到很大的重视.
首先, R 语言是自由的开源软件, 也就是说, 它是全球免费的. 正版的专业统计软件通常要收取高额的版权使用费, 这使很多高校的教师和学生无法获得正版的专业统计软件, 而R语言没有版权使用费这个障碍, 人们可以光明正大、放心大胆地使用.
其次, R 语言不仅是一款统计软件, 还是一个可以进行交互式数据分析和探索的强大平台, 金融、经济、医疗、数据挖掘等诸多领域都基于R 在研发它们的分析方法.
在这个平台上, 时间序列分析方法可以非常便捷地嵌入其他领域的研究中, 成为各行各业实务分析的基本方法.
最重要的一点是, 由于R 语言的开放性和资源共享性, 使得它可以汇集全球R 用户的智慧和创造力, 以惊人的速度发展. 新方法的更新速度是以周来计算的. 这是传统统计软件所无法比拟的. R 具有自由广阔的发展前景. 可以预期, 它很有可能会打破专业统计软件的功能边界, 与时俱进, 不断拓宽应用领域, 不断创造出更多的功能和解法. 所以, 我们需要学习并共同发展R 语言.
基于R 语言的这些特点, 我们推出教材《时间序列分析—— 基于R》.
需要说明的是, 本书直接使用了笔者编著的21 世纪统计学系列教材《应用时间序列分析》的结构和内容. 这样安排主要是为了便于部分教师和读者在原有SAS软件的基础上, 迅速掌握R语言的应用.
最后, 感谢所有使用这本教材的朋友们. 尽管笔者本着认真的态度编写, 但是水平有限, 书中谬误之处在所难免, 欢迎大家批评指正.00
前言/序言
时间序列分析:基于R/基于R应用的统计学丛书 电子书 下载 mobi epub pdf txt
评分
☆☆☆☆☆
京东快递就是好,速度快,服务态度也很好。
评分
☆☆☆☆☆
此用户未填写评价内容
评分
☆☆☆☆☆
内容和选题简洁,理论和如软件操作篇幅适宜本科段,选题中规中矩,没有新鲜内容。
评分
☆☆☆☆☆
实现统计分析的软件有多种, 包括一些优秀的商业统计软件, 如SAS, SPSS 等. 但由于这些软件价格不菲, 多数人难以接近. 幸运的是, R 的出现使价格问题不复存在,这为多数人学习统计提供了良好的条件.
评分
☆☆☆☆☆
不错的书,都是些比较简单的内容。
评分
☆☆☆☆☆
挺好
评分
☆☆☆☆☆
很好的一本书
评分
☆☆☆☆☆
快递速度快,书印刷质量好,服务态度好!
评分
☆☆☆☆☆
多元统计分析是统计学应用性最强的一个分支,在社会、经济、管理、生物、医学、体育和环境科学等很多领域应用广泛,是数学、统计学、经济和管理类本科生和研究生的一门重要课程. 然而,多元统计分析这门课不好教、不好学,一个重要的原因就是多元统计分析的理论比较抽象, 涉及的计算复杂,需要借助软件在计算机上实现.