时间序列分析与SAS应用 第2版PDF电子书下载

1时间序列的基本知识 1

1.1时间序列概念 1

1.2 SAS介绍 5

1.2.1 SAS的显示管理系统 5

1.2.2 SAS的程式结构 6

1.2.3 SAS程式的输入及运行 6

1.2.4 DATA语句 8

1.2.5 CARDS语句 8

1.2.6 INPUT语句 9

1.2.7 PROC语句 9

1.2.8 PRINT过程 10

1.3时间序列的平稳性 13

1.3.1统计特征 13

1.3.2时间序列的平稳性 14

1.3.3严平稳与宽平稳的关系 15

1.3.4样本均值、方差、自协方差与自相关函数 16

1.3.5平稳时间序列的意义 18

1.4异常点检验与缺省值的补足 18

1.4.1时间序列数据的采集 18

1.4.2异常点的检验与处理 19

1.4.3缺省值的补足 20

1.5平稳性检验 21

1.6纯随机性检验 28

1.7方差的同质性检验 33

1.7.1方差的同质性检验 33

1.7.2方差的稳定性转换 35

1.8差分运算与后移算子 38

1.8.1差分运算 38

1.8.2后移算子 41

习题1 42

2平稳时间序列 44

2.1 AR（p）模型 44

2.1.1 p阶自回归模型 44

2.1.2 p阶自回归模型的统计特性 49

2.2 MA模型 58

2.2.1 q阶移动平均模型 58

2.2.2移动平均模型的统计特性 59

2.3 ARMA模型（Auto Regression Moving Average Model） 65

2.3.1 ARMA（p，q）模型 65

2.3.2 ARMA（p，q)模型的统计特性 66

2.4 ARMA模型的识别与参数估计 77

2.4.1模型的初步识别 78

2.4.2模型定阶 81

2.4.3模型参数估计 88

2.4.4模型的适应性检验和参数的显著性检验 96

2.5平稳时间序列的预测 98

2.6实例分析（I） 104

习题2 109

3非平稳时间序列的确定性分析 112

3.1时间序列的分解 112

3.1.1 Cramer分解定理 112

3.1.2确定性因素分解 113

3.2长期趋势分析及预报 114

3.2.1平滑法 115

3.2.2趋势拟合法 119

3.3季节变动分析及预报 125

3.3.1季节变动及其测定目的 125

3.3.2季节变动分析及预测的原理与方法 125

3.4 X—11方法简介 134

3.4.1 X—11方法的基本思想 135

3.4.2 X—11方法 135

习题3 142

4 ARIMA模型 145

4.1平稳化方法 145

4.1.1差分运算的实质 145

4.1.2平稳化方法 146

4.1.3过差分 152

4.2 ARIMA（p,d,q）模型 153

4.2.1 ARIMA（p,d,q）模型 153

4.2.2 ARIMA（p,d,q）模型的参数估计与预报 155

4.3实例分析（Ⅱ） 163

4.4条件异方差模型 168

4.4.1模型介绍 169

4.4.2拟合模型 171

习题4 179

5传递函数模型 184

5.1传递函数模型 184

5.2传递函数模型的识别 185

5.3干预模型 201

5.4协整 206

5.4.1单整及其检验（Integration） 206

5.4.2协整及其检验（Cointegration） 210

5.4.3误差修正模型（ECM） 212

习题5 214

附表 217

参考文献 219