時(shí)間序列分析：方法、數(shù)據(jù)與R的應(yīng)用

定　價(jià)：￥62.00

作　者：	劉超
出版社：	高等教育出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥43.40)

ISBN：	9787040583373	出版時(shí)間：	2023-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	365	字?jǐn)?shù)：

內(nèi)容簡介

　　數(shù)據(jù)已經(jīng)成為人們?nèi)粘Ｉ畹囊徊糠?，?shù)據(jù)分析的需求也日益提高。本書嘗試以初學(xué)者的視角梳理時(shí)間序列分析的相關(guān)內(nèi)容，按照核心知識、數(shù)據(jù)導(dǎo)向、建?？蚣苷归_介紹，力求讓讀者輕松、愉快地掌握時(shí)間序列分析的基本思想，提高數(shù)據(jù)分析應(yīng)用能力，努力實(shí)現(xiàn)統(tǒng)計(jì)知識傳授、數(shù)據(jù)分析能力培養(yǎng)以及實(shí)事求是價(jià)值傳遞。基于實(shí)際數(shù)據(jù)的特點(diǎn)和歸納演繹的認(rèn)知規(guī)律，本書精心挑選了豐富的實(shí)例，以問題的形式將教學(xué)內(nèi)容呈現(xiàn)在讀者的面前，輔以啟發(fā)式的分析和直觀的圖形方法，形象生動而又系統(tǒng)詳盡地闡述了時(shí)間序列分析的基本理論和應(yīng)用方法，也補(bǔ)充介紹了伴隨著大數(shù)據(jù)產(chǎn)生的循環(huán)神經(jīng)網(wǎng)絡(luò)等前沿模型和方法。同時(shí)，基于實(shí)際數(shù)據(jù)和案例的分析，為讀者呈現(xiàn)思路清晰、易于操作的時(shí)間序列建模過程，也引導(dǎo)讀者參與知識發(fā)現(xiàn)，加強(qiáng)自主數(shù)據(jù)分析，讓讀者在解決問題的過程中習(xí)得知識、發(fā)展能力，提升素養(yǎng)。本書力圖為讀者呈現(xiàn)一個(gè)時(shí)間序列“大”模型的整體分析框架。本書可讀性強(qiáng)，語言輕松活潑，內(nèi)容通俗易懂，R軟件的使用也便于讀者模仿練習(xí)。本書每章都提供了代碼和數(shù)據(jù)，方便進(jìn)一步深入地學(xué)習(xí)，讀者可通過掃描封底的二維碼獲取。后期還將推出虛擬仿真實(shí)驗(yàn)平臺。本書可作為高等學(xué)校理、工、農(nóng)、醫(yī)、經(jīng)濟(jì)、管理、人文社會科學(xué)專業(yè)以及其他領(lǐng)域的教材，也可以供從事商務(wù)活動和經(jīng)濟(jì)分析等實(shí)際工作的各類人員參考。

作者簡介

暫缺《時(shí)間序列分析：方法、數(shù)據(jù)與R的應(yīng)用》作者簡介

圖書目錄

第1章緒論
1.1 時(shí)間序列的發(fā)展概述
1.2 時(shí)間序列的數(shù)據(jù)特征
1.3 時(shí)間序列的統(tǒng)計(jì)模型
1.4 相關(guān)性測量：自相關(guān)和互相關(guān)
1.5 平穩(wěn)時(shí)間序列
1.6 相關(guān)性估計(jì)
1.7 時(shí)間序列的基本分析方法
1.8 R軟件的使用簡介
1.9 小結(jié)
練習(xí)題
第2章時(shí)間序列回歸分析
2.1 時(shí)間序列中的經(jīng)典回歸
2.2 探索性數(shù)據(jù)分析
2.3 時(shí)間序列中的平滑方法
2.4 小結(jié)
練習(xí)題
第3章平穩(wěn)時(shí)間序列模型
3.1 自回歸模型
3.2 移動平均模型
3.3 AR(p)和MA(q)的對偶關(guān)系
3.4 自回歸移動平均模型
3.5 小結(jié)
練習(xí)題
第4章非平穩(wěn)時(shí)間序列模型
4.1 均值非平穩(wěn)
4.2 自回歸求和移動平均模型
4.3 方差和自協(xié)方差非平穩(wěn)
4.4 小結(jié)
練習(xí)題
第5章模型識別
5.1 模型識別的步驟
5.2 樣本自相關(guān)函數(shù)和樣本偏自相關(guān)函數(shù)
5.3 擴(kuò)展的樣本自相關(guān)函數(shù)
5.4 逆自相關(guān)函數(shù)
5.5 其他識別方法
5.6 非平穩(wěn)性下的模型識別
5.7 小結(jié)
練習(xí)題
第6章參數(shù)估計(jì)
6.1 矩估計(jì)
6.2 極大似然估計(jì)
6.3 條件小二乘估計(jì)
6.4 估計(jì)量的性質(zhì)
6.5 小結(jié)
練習(xí)題
第7章模型診斷
7.1 殘差分析
7.2 過度擬合和參數(shù)冗余
7.3 模型選擇準(zhǔn)則
7.4 小結(jié)
練習(xí)題
第8章預(yù)測
8.1 小均方誤差預(yù)測
8.2 AR過程的預(yù)測
8.3 MA過程的預(yù)測
8.4 ARMA過程的預(yù)測
8.5 數(shù)值實(shí)例
8.6 小結(jié)
練習(xí)題
第9章季節(jié)性時(shí)間序列模型
9.1 季節(jié)性時(shí)間序列的特征
9.2 傳統(tǒng)分解方法
9.3 季節(jié)性ARIMA模型
9.4 季節(jié)性模型的識別、擬合和檢驗(yàn)
9.5 季節(jié)性模型預(yù)測
9.6 小結(jié)
練習(xí)題
0章條件異方差與GARCH模型
10.1 條件異方差問題
10.2 ARCH模型
10.3 GARCH模型
10.4 模型診斷
10.5 GARCH模型的其他推廣形式
10.6 小結(jié)
練習(xí)題
1章非線性與門限模型
11.1 非線性的可視化與檢驗(yàn)
11.2 多項(xiàng)式回歸模型
11.3 門限自回歸模型
11.4 門限非線性的檢驗(yàn)
11.5 TAR模型的估計(jì)、診斷和預(yù)測
11.6 小結(jié)
練習(xí)題
2章譜分析與濾波
12.1 周期行為和周期性
12.2 譜密度
12.3 周期圖和離散傅里葉變換
12.4 線性濾波器
12.5 動態(tài)傅里葉分析和小波
12.6 滯后回歸模型
12.7 信號提取和濾波
12.8 小結(jié)
練習(xí)題
3章循環(huán)神經(jīng)網(wǎng)絡(luò)模型
13.1 普通循環(huán)神經(jīng)網(wǎng)絡(luò)
13.2 長短期記憶網(wǎng)絡(luò)
13.3 門控循環(huán)單元
13.4 小結(jié)
練習(xí)題