时间序列分析与R软件

第1章绪论 1 11时间序列的定义与举例 1 111定义 1 112举例 2 12时间序列的构成与分解 5 121长期趋势 6 122季节变动 8 123循环波动 8 124随机波动 9 125时间序列模型 9 126时间序列的分解 9 13时间序列的平稳性 12 131时间序列的基本概念 12 132随机游动 13 133平稳时间序列的定义 14 134样本的自相关函数 15 14白噪声 16 141白噪声的定义 16 142白噪声序列的检验 16 15平稳性检验 18 151时序图 18 152自相关函数图检验 20习题 1 22 第2章平稳时间序列分析 25 21线性差分方程及其平稳性 25 211线性差分方程解的形式 25 212线性差分方程解的平稳性 27 22 AR模型 28 221 AR模型的定义 28 222延迟算子 28 223 AR模型的平稳性条件 28 IV目录 224 AR模型的自协方差函数和自相关函数 31 225偏自相关函数 36 226样本的偏自相关函数 38 23 MA模型 39 231 MA模型的定义 39 232 MA模型的自协方差函数和自相关函数 39 233 MA模型的可逆性 41 234 MA模型的偏自相关函数 42 24 ARMA模型 44 241平稳性与可逆性 45 242可逆性与 AR(∞)模型 45 243平稳性与 MA(∞)模型 46 244自相关函数和偏自相关函数的性质 47 25 ARMA模型中的参数估计 50 251矩估计 50 252*小二乘估计 54 253极大似然估计与无条件*小二乘估计 58 254 R中的参数估计函数 61 26 ARMA模型中阶数的确定 64 261使用截尾性质确定阶数 64 262使用 AIC或 BIC准则确定阶数 68 27模型检验 70 271参数的显著性检验 70 272模型诊断 72 273 R中的模型诊断函数 76 28模型预测 79 281*小均方误差预测 79 282 ARMA模型预测 80 283 ARMA模型预测函数 86 29 ARMA模型建模 87 291化工生产批次序列的分析 87 292 New Haven市年平均气温的时序分析 92习题 2 94 第3章非平稳时间序列分析 (1) 98