第一章 预备知识 1
1 矩阵与向量 1
2 随机事件与概率 13
3 随机变量及其分布 20
4 数学期望与方差 30
5 随机序列 40
6 平稳随机序列 44
7 多维随机序列 52
8 统计估计 55
9 线性差分方程 69
第二章 ARMA模型 75
1 ARMA模型的定义 75
2 ARMA模型的等价形式 80
3 模型参数的平稳域和可逆域 86
4 ARMA序列的自相关函数 92
5 ARMA序列的偏相关函数 105
第三章 ARMA序列的参数估计 115
1 随机序列的相关矩估计·模型类别的相关分析 115
2 模型参数的初步估计--矩估计 120
3 模型参数的初估计方法--逆函数法 126
4 模型参数的精估计 134
5 长自回归模型和最大熵谱估计 151
第四章 模型的检验、改进和定阶 169
1 时间序列的统计检验 169
2 ARMA模型的改进 177
3 确定性趋势的分离·叠合模型 194
4 模型阶的判别 201
第五章 时间序列的建模与实例 212
1 季节性乘积模型的建模和实例 212
2 ARMA(n，n-1)模型的建模和实例 223
3 用叠合模型对动态数据建模的步骤和实例 242
第六章 最小二乘方法及其在ARMA(p，q)建模中的应用 255
1 最小二乘方法的一般原理 255
2 参数估计的几种非线性最小二乘迭代方法 259
3 阻尼因子的作用和选取 263
4 ARMA(p，q)建模中最小二乘估计的计算方法 272
第七章 时间序列的预报 277
1 平稳线性最小方差预报 277
2 各类模型序列的平稳线性最小方差预报 283
3 时间序列的新息预报 294
第八章 多维动态数据分析 310
1 多维线性时间序列分析模型 311
2 多维自回归模型参数估计 315
3 多维自回归模型参数矩阵的递推算法 318
4 多维自回归模型的预报误差 324
5 多维线性模型的定阶 328
6 计算方法与实例 335
第九章 非线性模型 341
1 概述 341
2 双线性模型 356
3 门限自回归模型 375
第十章 基于0-1序列的时序分析 398
1 引言 398
2 二维平稳正态序列的互相关函数 400
3 相关函数的估计 404
4 基于任意水平u的0-1序列时序分析 412
5 动态数据建模 418
6 预报 425
参考文献 430
后记 433