研究&方法 时间系列分析【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

研究&方法 时间系列分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

Chapter 01 时间序列分析：导论1

第一节 时间序列与预测2

第二节 时间序列分析技术的主要组成成分4

一、时间序列分析的基本技术4

二、时间序列分析的回归技术5

三、自我回归统合移动平均的ARIMA模型7

第三节 时间序列的基本概念分析9

第四节 预测的性质与使用11

一、经营管理13

二、市场13

三、财政与危机管理13

四、经济13

五、工业过程的管控13

六、人口统计14

第五节 预测进行的过程与资料的来源14

一、进行预测的过程14

二、资料的来源16

第六节 本书分析架构的说明18

第七节 结语25

Chapter 02 时间序列分析与预测的基本技术27

第一节 绪言28

第二节 预测的类型29

一、时间序列模型30

二、因果模型31

三、质化的模型32

第三节 时间序列的成分34

一、趋势成分34

二、循环成分36

三、季节成分37

四、不规则成分37

第四节 预测误差的测量40

一、误差（Error）42

二、平均误差（Mean Error，ME）42

三、平均绝对离差（Mean Absolute Deviation，MAD）43

四、均方差（Mean Square Error，MSE）43

五、平均百分比误差（Mean Percentage Error，MPE）43

六、平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）44

第五节 利用平滑法预测45

一、移动平均45

二、加权移动平均57

三、指数平滑58

第六节 利用趋势投射法预测时间序列69

一、趋势投射法73

第七节 利用古典分解法预测时间序列74

一、季节因素的运算75

二、消除季节性因子以显现趋势80

三、季节的调整84

四、电脑软体的使用85

第八节 使用每年的范例进行分解法预测101

一、季节的影响102

二、趋势的影响119

三、循环的影响123

四、使用分解法进行预测127

五、使用电脑的分解法128

第九节 利用回归模型预测时间序列138

第十节 结语140

Chapter 03 时间序列分析：回归技术的探究143

第一节 导论144

第二节 线性回归模型的最小平方的估计146

第三节 单变项多元回归分析152

一、原始资料153

二、离均差分数155

三、使用方程式的计算方法159

四、变异数——共变数矩阵与相关系数R矩阵164

第四节 回归系数显著性的检定168

一、原始分数时168

二、离均差分数时169

三、个别回归系数的信赖区间172

四、多元回归与残差平方和174

五、b的变异数/共变数矩阵175

六、回归平方和的增加176

七、两个自变项的一个范例：相关系数177

八、多元相关的平方179

九、变异数比例的增加179

十、使用SPSS软体进行计算所获得结果报表资料的说明180

第五节 时间序列回归分析：未滞延的范例187

一、一个比率目标的假设188

二、误差项190

三、时间序列回归模型195

四、非自我回归的假设197

五、违反非自我回归假设的结果202

六、传统对自我相关的检定208

七、一个可以选择对立的估计方法213

八、虚拟——GLS估计216

九、小样本的特性218

十、延伸到多元回归219

十一、一个比率目标假设的再斟酌220

第六节 时间序列回归分析：滞延的案例222

一、滞延的外衍变项222

二、滞延的内衍变项224

三、滞延内衍变项模型中自我相关的检定229

四、估计231

五、虚拟——GLS估计231

六、Ⅳ——虚拟GLS233

七、一个修正比率目标的模型234

第七节 预测235

一、预测误差237

二、预测的产生（forecast generaion）240

三、预测方程式的修正241

四、预测的评估243

第八节 可以选择的时间——相依过程251

一、可以选择的过程252

二、过程的辨识258

三、估计259

第九节 中国（中共）国防预算问题的探讨260

一、简单的回归分析260

二、多元的回归分析269

三、残差自我相关的检测280

四、预测的评估283

第十节 使用回归进行趋势发展分析286

一、使用回归以决定趋势发展287

二、二次方程式模型292

第十一节 结语295

Chapter 04 在时间序列资料中的自我相关与自我回归299

第一节 绪言300

第二节 自我相关的问题301

一、进行回归分析获得资料303

二、从残差资料去发现残差的自我相关与残差的自我相关图形304

第三节 一阶自我回归的误差模型306

一、简单的线性回归306

二、多元回归306

三、误差项的属性307

四、评论308

第四节 自我相关与Durbin-Watson检定310

一、自我相关310

二、Durbin-Watson检定312

三、范例说明314

四、评论318

第五节 自我相关的修正测量319

一、预测变项的增加319

二、使用已被转变的变项328

三、Cochrane-Orcutt的程序330

四、Hildreth-Lu的程序342

五、一阶的差分的程序344

六、三种方法的比较349

第六节 以自我相关的误差项进行预测350

一、范例352

二、评论354

三、电脑软体的使用355

第七节 自我回归366

第八节 结语374

Chapter 05 时间序列分析：ARIMA模型代数与技术分析375

第一节 绪论376

第二节 提供定常性时间序列线性模型的限制与问题376

一、一个时间序列的定常性与它在时间方面的统计特性（statistical properties）有关377

二、定常性的时间序列377

第三节 间断的时间序列的基本认知379

第四节 随机组成成分，Nt385

一、ARIMA模型（0，0，0与ARIMA模型（0，d，0）过程387

二、自我相关函数393

三、移动平均模型398

四、自我回归的模型402

五、净（偏partial）自我相关的函数408

六、混合自我回归——移动平均模型413

七、模型的建构414

八、季节 的模型444

第五节 干预成分，It478

一、一个突然的间断的，持久的影响481

二、一个逐渐的，持久的影响490

三、一个突然的，暂时的影响496

四、检定竞争的假设499

五、范例5-6一个谷物品牌销售的范例与SPSS的操作方法501

第六节 结语520

Chapter 06 时间序列的资料分析与SPSS（18版）的操作过程523

第一节 绪论524

第二节 时间序列的回归525

一、时间就是一个预测式（predictor）525

二、进行二次方程式趋势532

三、诊断：自我相关的修正535

四、The Durbin-Watson统计量542

五、差分（Differences）543

六、图形的求取与SPSS软体的操作方法551

第三节 滞延616

一、分配的滞延616

二、KOYCK MODEL624

三、图形的求取与SPSS软体的操作方法627

第四节 自我回归664

一、AR（1）模型666

二、AR（2）模型673

三、图形的求取与SPSS软体的操作方法682

第五节 指数平滑711

一、简单的指数平滑711

二、平滑常数的选择715

三、双重指数平滑719

四、图形的求取与SPSS软体的操作方法721

第六节 结语740

Chapter 07 时间序列预测模型：专题的分析与SPSS（13版）的操作743

第一节 指数平滑模型744

一、指数平滑的模型类型744

二、有四种模型的参数可以被要求进行选择745

三、使用指数平滑去预测未来的量尺746

四、理解你的资料747

五、建立与分析指数平滑模型750

六、建立与分析一个简单的模型751

七、建立与分析一个杂林（Holt）模型759

八、建立冬季模型763

九、检定模型预测能力你可以使用坚强的证据判断你提出模型预测力的表现770

十、使用模型去预测未来的量尺775

十一、结语779

第二节 自我回归779

一、方法780

二、在自我相关回归出现时显著性预测变项的决定781

三、使用普通（ordinary）最小平方回归进行预测783

四、检核残差的自我相关787

五、把自我回归应用于问题789

六、再进行显著性预测变项的分析793

七、结语795

第三节 ARIMA795

一、自我回归（ARIMA）796

二、差分（ARIMA）797

三、移动平均（ARIMA）798

四、季节的阶798

五、使用ARIMA的步骤799

六、初步之行动801

七、使用干扰分析去决定市场分配821

八、结语838

第四节 季节的分解839

一、模型839

二、从销售量中排除季节性839

三、决定与设定定期或周期性841

四、理解输出报表的结果847

五、结语849

第五节 光谱的曲线图850

一、使用光谱的曲线图去证实关于周期性的指数850

二、进行分析851

三、结语854

第六节 结语854

Chapter 08 时间序列模型的塑造与预测：专题与SPSS（18版）的操作分析855

第一节 绪论856

一、学习如何去使用专业的模组器857

二、学习如何去应用套用模式857

第二节 使用专业的模组器进行大量混合资料的预测857

一、检测你的资料857

二、进行分析860

三、模型摘要图形867

四、模型的预测868

五、结语870

第三节 使用套用模式进行大量综合性资料的预测871

一、进行分析871

二、模型适配统计量（Model Fit Statistics）874

三、模型预测值（Model Predictions）876

四、结语877

第四节 使用专业模组器去决定显著性的预测变项或预测式877

一、以图形显示你的资料878

二、进行分析（Running the Analysis）880

三、序列图形（Series Plot）886

四、模型描述表（Model Description Table）886

五、模型统计量表（Model Statistics Table）887

六、ARIMA模型参数表888

七、结语888

第五节 使用套用模式以预测变项进行实验888

一、扩大预测变项的序列889

二、在预测期间修正预测变项的各值894

三、进行分析897

第六节 使用ARIMA模型进行干扰策略的分析901

一、分析干扰策略904

二、辨识一个模型904

三、决定干扰的时期908

四、创造干扰的变项912

五、进行分析915

六、模型诊断918

七、干扰的评估922

八、结语923

第七节 季节的分解925

一、模型925

二、从销售量中排除季节性926

三、决定与设定定期或周期性926

四、进行分析932

五、理解输出的结果933

六、结语935

第八节 光谱的曲线图936

一、使用光谱的曲线图去证实关于周期性的指数936

二、进行分析937

三、理解周期的量尺与光谱的密度939

四、结语941

第九节 结语941

附录943

Durbin-Watson表944

参考书目946