第一章 简单回归分析法 1
第一节 模型和参数估计 2
第二节 模型的检验 6
第三节 预测精度的测定 20
第四节 预测实例 24
附录1－A 预测模型Y＝a+bX中参数a、b的确定 32
1－B 模型的F检验 33
1－C 总变差的分解 35
1—D D.W检验 36
第二章 多重回归分析法 38
第一节 模型和参数估计 38
第二节 模型的检验 43
第三节 自变量的选择 50
第四节 多重共线性 56
第五节 预测实例 63
附录2—A 多元线性回归的最小二乘法 67
2－B 回归系数的t值 68
2—C 矩阵的逆 69
2－D 多重共线性对估计回归系数标准差的影响 69
2－E 变量X1的偏回归平方和 71
第三章 非线性回归分析法 73
第一节 非线性回归模型 73
第二节 模型参数的估计 78
第三节 预测实例 85
第四章 时间序列平滑法 95
第一节 概述 95
第二节 移动平均法 96
第三节 指数平滑法 102
第四节 方法的比较 123
附录4－A 平滑常数的选择 128
4－B 指数平滑的初始值 130
第五章 趋势外推法 133
第一节 概述 133
第二节 趋势模型 134
第三节 模型选择 139
第四节 参数的确定 145
第五节 模型分析 151
第六节 预测实例 157
第七节 平滑预测与回归预测 164
第六章 季节变动预测法 168
第一节 季节性水平模型 169
第二节 季节性交乘趋向模型 173
第三节 季节性交乘趋向模型的另一形式 178
第四节 季节性迭加趋向模型 182
第七章 马尔可夫法 188
第一节 基本概念 188
第二节 马尔可夫预测法 192
第三节 马氏链的稳定状态及其应用 206
第八章 博克斯—詹金斯法 212
第一节 概述 212
第二节 方法性的工具 215
第三节 时序特性的分析 220
第四节 ARMA模型及其改进 234
第五节 随机时序模型的建立 245
第六节 时序模型预测 264
第七节 预测实例 268
附录8－A 时序自相关系数的公式 278
8－B 偏自相关函数 279
附录 TSP软件的使用说明 281
附表1 t分布表 302
附表2 F分布表 303
附表3 D．W检验表 313
附表4 X2分布表 316
参考书目 318