Chapter 01 时间序列分析：导论 1
第一节 时间序列与预测 2
第二节 时间序列分析技术的主要组成成分 4
一、时间序列分析的基本技术 4
二、时间序列分析的回归技术 5
三、自我回归统合移动平均的ARIMA模型 7
第三节 时间序列的基本概念分析 9
第四节 预测的性质与使用 11
一、经营管理 13
二、市场 13
三、财政与危机管理 13
四、经济 13
五、工业过程的管控 13
六、人口统计 14
第五节 预测进行的过程与资料的来源 14
一、进行预测的过程 14
二、资料的来源 16
第六节 本书分析架构的说明 18
第七节 结语 25
Chapter 02 时间序列分析与预测的基本技术 27
第一节 绪言 28
第二节 预测的类型 29
一、时间序列模型 30
二、因果模型 31
三、质化的模型 32
第三节 时间序列的成分 34
一、趋势成分 34
二、循环成分 36
三、季节成分 37
四、不规则成分 37
第四节 预测误差的测量 40
一、误差（Error） 42
二、平均误差（Mean Error，ME） 42
三、平均绝对离差（Mean Absolute Deviation，MAD） 43
四、均方差（Mean Square Error，MSE） 43
五、平均百分比误差（Mean Percentage Error，MPE） 43
六、平均绝对百分比误差（Mean Absolute Percentage Error，MAPE） 44
第五节 利用平滑法预测 45
一、移动平均 45
二、加权移动平均 57
三、指数平滑 58
第六节 利用趋势投射法预测时间序列 69
一、趋势投射法 73
第七节 利用古典分解法预测时间序列 74
一、季节因素的运算 75
二、消除季节性因子以显现趋势 80
三、季节的调整 84
四、电脑软体的使用 85
第八节 使用每年的范例进行分解法预测 101
一、季节的影响 102
二、趋势的影响 119
三、循环的影响 123
四、使用分解法进行预测 127
五、使用电脑的分解法 128
第九节 利用回归模型预测时间序列 138
第十节 结语 140
Chapter 03 时间序列分析：回归技术的探究 143
第一节 导论 144
第二节 线性回归模型的最小平方的估计 146
第三节 单变项多元回归分析 152
一、原始资料 153
二、离均差分数 155
三、使用方程式的计算方法 159
四、变异数——共变数矩阵与相关系数R矩阵 164
第四节 回归系数显著性的检定 168
一、原始分数时 168
二、离均差分数时 169
三、个别回归系数的信赖区间 172
四、多元回归与残差平方和 174
五、b的变异数/共变数矩阵 175
六、回归平方和的增加 176
七、两个自变项的一个范例：相关系数 177
八、多元相关的平方 179
九、变异数比例的增加 179
十、使用SPSS软体进行计算所获得结果报表资料的说明 180
第五节 时间序列回归分析：未滞延的范例 187
一、一个比率目标的假设 188
二、误差项 190
三、时间序列回归模型 195
四、非自我回归的假设 197
五、违反非自我回归假设的结果 202
六、传统对自我相关的检定 208
七、一个可以选择对立的估计方法 213
八、虚拟——GLS估计 216
九、小样本的特性 218
十、延伸到多元回归 219
十一、一个比率目标假设的再斟酌 220
第六节 时间序列回归分析：滞延的案例 222
一、滞延的外衍变项 222
二、滞延的内衍变项 224
三、滞延内衍变项模型中自我相关的检定 229
四、估计 231
五、虚拟——GLS估计 231
六、Ⅳ——虚拟GLS 233
七、一个修正比率目标的模型 234
第七节 预测 235
一、预测误差 237
二、预测的产生（forecast generaion） 240
三、预测方程式的修正 241
四、预测的评估 243
第八节 可以选择的时间——相依过程 251
一、可以选择的过程 252
二、过程的辨识 258
三、估计 259
第九节 中国（中共）国防预算问题的探讨 260
一、简单的回归分析 260
二、多元的回归分析 269
三、残差自我相关的检测 280
四、预测的评估 283
第十节 使用回归进行趋势发展分析 286
一、使用回归以决定趋势发展 287
二、二次方程式模型 292
第十一节 结语 295
Chapter 04 在时间序列资料中的自我相关与自我回归 299
第一节 绪言 300
第二节 自我相关的问题 301
一、进行回归分析获得资料 303
二、从残差资料去发现残差的自我相关与残差的自我相关图形 304
第三节 一阶自我回归的误差模型 306
一、简单的线性回归 306
二、多元回归 306
三、误差项的属性 307
四、评论 308
第四节 自我相关与Durbin-Watson检定 310
一、自我相关 310
二、Durbin-Watson检定 312
三、范例说明 314
四、评论 318
第五节 自我相关的修正测量 319
一、预测变项的增加 319
二、使用已被转变的变项 328
三、Cochrane-Orcutt的程序 330
四、Hildreth-Lu的程序 342
五、一阶的差分的程序 344
六、三种方法的比较 349
第六节 以自我相关的误差项进行预测 350
一、范例 352
二、评论 354
三、电脑软体的使用 355
第七节 自我回归 366
第八节 结语 374
Chapter 05 时间序列分析：ARIMA模型代数与技术分析 375
第一节 绪论 376
第二节 提供定常性时间序列线性模型的限制与问题 376
一、一个时间序列的定常性与它在时间方面的统计特性（statistical properties）有关 377
二、定常性的时间序列 377
第三节 间断的时间序列的基本认知 379
第四节 随机组成成分，Nt 385
一、ARIMA模型（0，0，0与ARIMA模型（0，d，0）过程 387
二、自我相关函数 393
三、移动平均模型 398
四、自我回归的模型 402
五、净（偏partial）自我相关的函数 408
六、混合自我回归——移动平均模型 413
七、模型的建构 414
八、季节 的模型 444
第五节 干预成分，It 478
一、一个突然的间断的，持久的影响 481
二、一个逐渐的，持久的影响 490
三、一个突然的，暂时的影响 496
四、检定竞争的假设 499
五、范例5-6一个谷物品牌销售的范例与SPSS的操作方法 501
第六节 结语 520
Chapter 06 时间序列的资料分析与SPSS（18版）的操作过程 523
第一节 绪论 524
第二节 时间序列的回归 525
一、时间就是一个预测式（predictor） 525
二、进行二次方程式趋势 532
三、诊断：自我相关的修正 535
四、The Durbin-Watson统计量 542
五、差分（Differences） 543
六、图形的求取与SPSS软体的操作方法 551
第三节 滞延 616
一、分配的滞延 616
二、KOYCK MODEL 624
三、图形的求取与SPSS软体的操作方法 627
第四节 自我回归 664
一、AR（1）模型 666
二、AR（2）模型 673
三、图形的求取与SPSS软体的操作方法 682
第五节 指数平滑 711
一、简单的指数平滑 711
二、平滑常数的选择 715
三、双重指数平滑 719
四、图形的求取与SPSS软体的操作方法 721
第六节 结语 740
Chapter 07 时间序列预测模型：专题的分析与SPSS（13版）的操作 743
第一节 指数平滑模型 744
一、指数平滑的模型类型 744
二、有四种模型的参数可以被要求进行选择 745
三、使用指数平滑去预测未来的量尺 746
四、理解你的资料 747
五、建立与分析指数平滑模型 750
六、建立与分析一个简单的模型 751
七、建立与分析一个杂林（Holt）模型 759
八、建立冬季模型 763
九、检定模型预测能力你可以使用坚强的证据判断你提出模型预测力的表现 770
十、使用模型去预测未来的量尺 775
十一、结语 779
第二节 自我回归 779
一、方法 780
二、在自我相关回归出现时显著性预测变项的决定 781
三、使用普通（ordinary）最小平方回归进行预测 783
四、检核残差的自我相关 787
五、把自我回归应用于问题 789
六、再进行显著性预测变项的分析 793
七、结语 795
第三节 ARIMA 795
一、自我回归（ARIMA） 796
二、差分（ARIMA） 797
三、移动平均（ARIMA） 798
四、季节的阶 798
五、使用ARIMA的步骤 799
六、初步之行动 801
七、使用干扰分析去决定市场分配 821
八、结语 838
第四节 季节的分解 839
一、模型 839
二、从销售量中排除季节性 839
三、决定与设定定期或周期性 841
四、理解输出报表的结果 847
五、结语 849
第五节 光谱的曲线图 850
一、使用光谱的曲线图去证实关于周期性的指数 850
二、进行分析 851
三、结语 854
第六节 结语 854
Chapter 08 时间序列模型的塑造与预测：专题与SPSS（18版）的操作分析 855
第一节 绪论 856
一、学习如何去使用专业的模组器 857
二、学习如何去应用套用模式 857
第二节 使用专业的模组器进行大量混合资料的预测 857
一、检测你的资料 857
二、进行分析 860
三、模型摘要图形 867
四、模型的预测 868
五、结语 870
第三节 使用套用模式进行大量综合性资料的预测 871
一、进行分析 871
二、模型适配统计量（Model Fit Statistics） 874
三、模型预测值（Model Predictions） 876
四、结语 877
第四节 使用专业模组器去决定显著性的预测变项或预测式 877
一、以图形显示你的资料 878
二、进行分析（Running the Analysis） 880
三、序列图形（Series Plot） 886
四、模型描述表（Model Description Table） 886
五、模型统计量表（Model Statistics Table） 887
六、ARIMA模型参数表 888
七、结语 888
第五节 使用套用模式以预测变项进行实验 888
一、扩大预测变项的序列 889
二、在预测期间修正预测变项的各值 894
三、进行分析 897
第六节 使用ARIMA模型进行干扰策略的分析 901
一、分析干扰策略 904
二、辨识一个模型 904
三、决定干扰的时期 908
四、创造干扰的变项 912
五、进行分析 915
六、模型诊断 918
七、干扰的评估 922
八、结语 923
第七节 季节的分解 925
一、模型 925
二、从销售量中排除季节性 926
三、决定与设定定期或周期性 926
四、进行分析 932
五、理解输出的结果 933
六、结语 935
第八节 光谱的曲线图 936
一、使用光谱的曲线图去证实关于周期性的指数 936
二、进行分析 937
三、理解周期的量尺与光谱的密度 939
四、结语 941
第九节 结语 941
附录 943
Durbin-Watson表 944
参考书目 946