☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

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。

内容简介

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.

目录

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

目录 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

目录 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

精彩书摘

第 1章引言及基础知识
学习目标与要求
1.了解时间序列分析的发展简史． 2.理解时间序列的基本概念和主要特征． 3.理解时间序列分析的基本步骤． 4.掌握 R语言的基本操作． 5.学会时间序列数据预处理的方法．

1.1引言
时间序列分析在人类早期的生产实践和科学研究中发挥了重要作用 . 7000年前 ,古埃及人为了发展农业 ,把尼罗河涨落的情况逐天记录下来 ,并进行了长期的观察 .他们发现 ,在天狼星第一次和太阳同时升起后的两百天左右尼罗河开始泛滥 ,洪水大约持续七八十天 ,此后土地肥沃、适于农业种植 .由于掌握了尼罗河泛滥的规律 ,古埃及的农业迅速发展 ,从而创造了古埃及灿烂的史前文明.再如：德国天文学家、药剂师 S. H. Schwabe (1789—1875)从 1826年至 1843年,在每一个晴天 ,认真审视太阳表面 ,并且记录下每一个黑点 ,对这些记录仔细研究后 ,最终发现了太阳黑子活动有 11年左右的周期性规律.这一发现被视为天文学上最重要的发现之一.
另外 ,许多经济现象的发展都具有随时间演变的特征 .例如 :宏观经济运行中的国内生产总值、消费支出、货币供应量等 ;又如 :微观经济运行中的企业产品价格、销售量、销售额、利润等量 ;再如 :金融市场中的股价指数、股票价格、成交量等变量的变化 .将这些变量依时间先后记录下来并加以研究 ,揭示其中隐含的经济规律 ,预测未来经济行为 ,已经成为经济研究的重要手段.
像上面这样按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列 ,对时间序列进行观察、研究 ,找寻它变化发展的规律,预测它将来的走势就是时间序列分析.
1.1.1时间序列的定义
在统计研究中,一般将按时间顺序排列的一组随机变量
X1,X2, ··· ,Xt, ··· (1.1)
称为一个时间序列 (time series),简记为 {Xt,t ∈ T }或 {Xt}.用
x1,x2, ··· ,xn (1.2)
或
{xt,t =1, 2, ··· ,n}
表示该随机序列的 n个有序观察 (测)值,称为序列长度为 n的观察 (测)值序列 ,有时也称观察值序列 (1.2)为时间序列 (1.1)的一个实现 .在上下文不引起歧义的情况下 ,有时一个时间序列也记为 {xt}.
下面介绍一些时间序列的例子.
例 1.1把我国 1953—2016年国内生产总值 (GDP)按照时间顺序记录下来 ,就构成了一个序列长度为 64的国内生产总值观察值序列 .将数据按时间顺序逐一罗列或绘表罗列 ,一般不易观察 ,为此通常绘制时序图来观察趋势 ,所谓时序图是指横轴表示时间 ,纵轴表示时间序列的观察值而绘制的图 .借助 R软件强大的绘图功能可以绘制出许多漂亮的统计图 .图 1.1为国内生产总值年度时间序列的时序图 .该图是用下列 R语句生成的 (全书中假设所涉及的数据文件存放在 E盘的 DATA子目录下,读者可根据自己的情况进行调整).
> x <-read.table("E:/DATA/CHAP1/data1.1.csv", sep=",", header=T)
> GDP <-ts(x$GDP, start=1953)
> plot(GDP, type="o",xlab="年份",ylab="国内生产总值(GDP)",col=1)

从图 1.1中可以看出 ,我国 GDP从 1992年开始大幅度增长 , 1998年左右增长速度出现瓶颈,而 2004年之后 ,除了 2009年有小幅增速外 ,几乎呈现直线型高速增长趋势 .为了更好地预测这种趋势 ,我们关心的是相邻年度 GDP的关联情况 .为此 ,我们可以绘制我国当年 GDP与上一年 GDP的散点图 .接上面程序 ,我们用下列 R语句生成图 1.2.从图 1.2看出相邻年度 GDP的关联呈线性.

前言/序言

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
应用时间序列分析 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价