第一编 时间序列模型分析 3
1 概论 3
1．1 时间序列的定义与例子 3
1．2 时间序列的图形表示 3
1．3 由时间序列提出的一些问题 9
1．4 关于时间序列的模型化 9
2 季节模型的线性回归分析 12
2．1 线性模型的一般形式 12
2．2 分解的唯一性 15
2．3 初始序列的转换 16
2．4 最小二乘估计及其应用 19
2．5 估计量的统计性质 22
2．6 反常值的讨论 25
2．7 误差的自相关性 28
2．8 普通最小二乘法的两个不足 34
3 滑动平均法 36
3．1 基本方法 36
3．2 复合滑动平均 38
3．3 滑动平均的特征向量 39
3．4 经滑动平均的白噪声变换 45
3．5 算术平均 51
3．6 由算术平均构造的滑动平均 56
3．7 平滑回归 59
3．8 压缩比约束条件下最小化的滑动平均研究 64
3．9 滑动平均的系数分布 66
3．10 重复的滑动平均 71
3．11 序列极端值的处理与规则的改变 74
4 指数平滑方法 83
4．1 简单指数平滑 83
4．2 双指数平滑 88
4．3 广义指数平滑 92
4．4 HOLT－WINTERS方法 96
5．1 二阶平稳过程 99
5 ARMA和ARIMA模型 99
5．2 滞后与向前算子 115
5．3 ARMA过程 121
5．4 ARIMA过程 145
6 博克思与詹金斯预测方法 150
6．1 步骤的描述 150
6．2 ARIMA模型的估计 151
6．3 鉴别 159
6．4 ARIMA模型的预测 168
6．5 有关的补充 174
7 随机过程与多维时间序列的基本概念 183
7．1 概念 183
第二篇 随机过程与多维时间序列模型分析 183
7．2 平稳过程 184
7．3 线性过程 192
8 时间序列模型的表达式 199
8．1 ARMA表达式 199
8．2 状态空间表示 219
8．3 频率域 235
9．估计与检验 245
9．1 经验平均的极限分布 246
9．2 极大似然估计 254
9．3 检验 269
9．4 在多维情形里的扩展 283
10 动态宏观经济模型 291
10．1 动态宏观经济模型的不同形式 291
10．2 因果关系 300
10．3 外生变量 312
10．4 冲击变量与乘数 322
11 趋势分量的研究 329
11．1 趋势多项式序列的分解 330
11．2 与模型结构的宏观计量经济应用的某些联系 345
11．3 分式过程 355
12 几种预期模型 371
12．1 关于预期的概述 372
12．2 现在变量的预期模型 376
12．3 将来变量的预期模型 384
12．4 含有几个预期的模型 395
12．5 合理预期多变量模型的一些因素 404
13 关于动态模型检验的研究 409
13．1 对一个模型研究的概述 409
13．2 因果关系的检验 415
13．3 结构形式的存在性和外生变量的预确定性检验 422
13．4 滞后形式的检验 427
13．5 合理预期的检验 432
13．6 趋势过程的统计性质，单位根与重积分的检验 437
14．1 状态空间模型 465
14 状态空间模型和卡尔曼滤波 465
14．2 协方差的卡尔曼滤波 467
14．3 预测 476
14．4 信息的滤波 478
14．5 平滑 481
14．6 估计 483
15 状态空间模型的应用 488
15．1 对线性模型的应用 488
15．2 对ARMA模型和ARIMA模型的应用 492
15．3 不可观测分量模型 496
15．4 不足资料情形的研究 506
15．5 合理预期模型 510