第一章 简单回归分析法 1
第一节 模型和参数估计 1
第二节 模型的检验 5
第三节 预测精度的测定 15
第四节 预测实例 19
附录 24
1－A 预测模型？=a+bX中参数a、b的确定 24
1－B 模型的F检验 25
1－C 总变差的分解 26
1－D D.W检验 27
第二章 多重回归分析法 29
第一节 模型和参数估计 29
第二节 模型的检验 33
第三节 自变量的选择 38
第四节 多重共线性 42
第五节 预测实例 47
第六节 滞后变量模型 50
附录 56
2－A 多元线性回归的最小二乘法 56
2－D 多重共线性对估计回归系数标准差的影响 57
2－B 回归系数的t值 57
2－C 矩阵的逆 57
2－E 变量？的偏回归平方和 59
第三章 非线性回归分析法 61
第一节 非线性回归模型 61
第二节 模型参数的估计 63
第三节 模型分析与评价 66
第四节 预测实例 71
第一节 概述 79
第四章 时间序列平滑法 79
笫二节 移动平均法 80
第三节 指数平滑法 84
第四节 方法的比较 100
附录 103
4－A 平滑常数的选择 103
4－B 指数平滑的初始值 104
4－C 线性平滑模型参数计算 106
第五章 趋势外推法 108
第一节 趋势模型 109
笫二节 模型选择 114
第三节 参数的确定 118
第四节 模型分析 124
第五节 预测实例 130
第六节 平滑预测与回归预测 138
附录 140
5－A 生命周期曲线拐点 140
5－B 商品生命周期判定 141
第六章 季节变动预测法 143
第一节 季节性水平模型 143
第二节 季节性交乘趋向模型 147
第三节 季节性交乘趋向模型的另一形式 151
第四节 季节性迭加趋向模型 154
第七章 马尔可夫法 159
第一节 基本概念 159
第二节 马尔可夫预测法 162
第三节 马氏链的稳定状态及其应用 173
第八章 博克斯－詹金斯法 177
第一节 概述 177
第二节 ARMA模型及其改进 194
第三节 随机时序模型的建立 201
第四节 时序模型预测 218
第五节 单位根检验 229
第六节 预测案例 239
附录 250
8－A 平稳过程的定义 250
8－B 时序自相关系数的公式 250
8－C 偏自相关函数 251
第九章 ECM模型和ARCH模型的应用 253
第一节 协整与ECM模型应用 253
第二节 ARCH模型应用 262
附录 272
9－A ARCH定义的理解 272
附录 TSP软件使用说明 274
附表1 t分布表 289
附表2 F分布表 290
附表3 D.W检验表 299
附表4 ？分布表 302
附表5 （A）DF检验表t统计量经验概率分布表 304
附表6 Engle-Granger检验表 304
参考书目 305