第一章 引言 1
1.1 研究意义和研究目的 1
1.1.1 研究意义 1
1.1.2 研究目的 5
1.2 国内外研究现状综述 6
1.2.1 时间序列模型异常值检测 6
1.2.2 INAR（1）模型异常值检测 11
1.2.3 VAR模型异常值检测 16
1.3 论文研究内容和创新之处 19
1.3.1 研究内容 19
1.3.2 创新之处 22
第二章 时间序列模型异常值检测方法 25
2.1 时间序列模型 26
2.1.1 时间序列数据的特征 26
2.1.2 时间序列模型 29
2.2 时间序列模型中异常值的概念及类型 38
2.3 时间序列模型异常值检测的两种方法 43
2.3.1 时间序列模型异常值检测的似然比检验法 43
2.3.2 时间序列模型异常值检测的影响分析法 52
2.4 时间序列模型异常值检测的贝叶斯方法 54
2.4.1 贝叶斯方法的历史简介 54
2.4.2 异常值检测的贝叶斯方法 56
2.5 模拟实验对比研究 60
2.5.1 数据生成及实验设计 60
2.5.2 异常值检测结果 61
2.5.3 结果分析 62
2.6 结论 64
第三章 含有异常值的INAR（1）模型 66
3.1 引言 66
3.2 带泊松分布误差项thinning算子的INAR（1）模型 70
3.2.1 二项thinning算子及其性质 70
3.2.2 带泊松分布误差项thinning算子的INAR（1）模型 72
3.3 INAR（1）模型中参数的条件最小二乘估计 76
3.3.1 参数α的估计 76
3.3.2 参数α、με的估计 79
3.4 包含加性、新息异常值的INAR（1）模型 82
3.4.1 模型及定义 82
3.4.2 参数估计 87
3.4.3 一致收敛性 94
3.4.4 渐近正态性 99
3.5 结论 102
第四章 基于贝叶斯方法INAR（1）模型的异常值检测 105
4.1 引言 106
4.2 包含异常值的INAR（1）模型 108
4.2.1 模型定义 108
4.2.2 异常值的影响 111
4.3 基于Gibbs抽样的计算 115
4.3.1 参数的全条件分布 115
4.3.2 计算相关说明 121
4.4 贝叶斯方法中需要注意的几点 123
4.4.1 Gibbs抽样收敛性的讨论 123
4.4.2 MCMC实施过程的几点说明 126
4.5 模拟实验 128
4.5.1 实验设计 128
4.5.2 结果分析 129
4.6 实例分析 131
4.6.1 数据分析 133
4.6.2 结果分析 134
4.7 结论 135
第五章 VAR模型的异常值检测 139
5.1 引言 140
5.2 VAR模型 141
5.2.1 模型定义 142
5.2.2 参数估计 143
5.3 含有异常值的VAR模型 145
5.3.1 模型定义 145
5.3.2 异常值对边际模型的影响 147
5.3.3 先验分布 150
5.4 参数的全条件分布 151
5.5 模拟实验与分析 157
5.5.1 模拟实验 157
5.5.3 方法比较 162
5.6 实例分析 163
5.6.1 研究意义 163
5.6.2 数据分析 164
5.6.3 异常值检测结果及分析 165
5.7 结论 168
第六章 总结与展望 171
6.1 总结 171
6.2 展望 174
参考文献 176