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 PRCC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 95
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 Gramer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）模型参数统计与预报 155
4.3实例分析（Ⅱ） 163
习题4 168
5传递函数模型 172
5.1传递函数模型 172
5.2传递函数模型的识别 173
5.3干预模型 189
习题5 194
附表 196
参考文献 198