时间序列分析及其应用：基于R语言实例（原书第4版） PDF下载

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
　1.1　时间序列数据的性质1
　1.2　时间序列统计模型7
　1.3　相关性测量12
　1.4　平稳时间序列15
　1.5　相关系数的估计21
　1.6　向量值和多维时间序列27
　问题30
第2章　时间序列回归和探索性数据分析37
　2.1　时间序列背景下的经典回归37
　2.2　探索性数据分析44
　2.3　时间序列中的平滑54
　问题58
第3章　ARIMA模型63
　3.1　自回归移动平均模型63
　3.2　差分方程73
　3.3　自相关系数和偏相关系数77
　3.4　模型预测83
　3.5　模型估计92
　3.6　非平稳数据的差分模型108
　3.7　建立ARIMA模型111
　3.8　使用自相关误差进行回归118
　3.9　乘法季节ARIMA模型120
　问题127
第4章　频谱分析与滤波135
　4.1　循环性行为和周期性135
　4.2　谱密度141
　4.3　周期图和离散傅里叶变换147
　4.4　非参数谱估计154
　4.5　参数谱估计166
　4.6　多序列和交叉谱169
　4.7　线性滤波器173
　4.8　滞后回归模型177
　4.9　信号提取和最佳滤波181
　4.10　多维时间序列的谱分析185
　问题187
第5章　其他的时域主题195
　5.1　长记忆ARMA模型和分数阶差分195
　5.2　单位根检验202
　5.3　GARCH模型205
　5.4　阈值模型212
　5.5　滞后回归和传递函数建模216
　5.6　多元ARMAX模型220
　问题232
第6章　状态空间模型234
　6.1　线性高斯模型234
　6.2　滤波、平滑和预测238
　6.3　极大似然估计245
　6.4　缺失数据修正253
　6.5　结构模型：信号提取和预测257
　6.6　具有误差相关的状态空间模型260
　6.7　自助法状态空间模型265
　6.8　平滑样条和卡尔曼平滑器270
　6.9　隐马尔可夫模型和转移自回归272
　6.10　带转移的动态线性模型282
　6.11　随机波动率292
　6.12　状态空间模型的贝叶斯分析298
　问题307
第7章　频域统计方法313
　7.1　引言313
　7.2　谱矩阵和似然函数316
　7.3　联合平稳序列的回归317
　7.4　确定性输入的回归324
　7.5　随机系数回归330
　7.6　设计实验分析332
　7.7　判别和聚类分析344
　7.8　主成分和因子分析356
　7.9　频谱包络369
　问题378
附录A　大样本理论383
附录B　时域理论398
附录C　频谱域定理406
附录D　R补充428
参考文献438