时间序列分析：方法与应用

　　第一章  趋势模型
　　第一节  趋势模型类型
　　第二节  模型选择
　　第三节  参数估计
　　第四节  模型分析与评价
　　附录1-A  生命周期曲线拐点
　　附录1-B  商品生命周期判定
　　第二章  季节模型
　　第一节  季节性水平模型
　　第二节  季节性交乘趋向模型
　　第三节  季节性迭加趋向模型
　　第三章  ARMA模型
　　第一节  概述
　　第二节  时序特性的分析
　　第三节  ARMA模型及其改进
　　第四节  随机时序模型的建立
　　第五节  时序模型预测
　　附录3-A  平稳过程的定义
　　附录3-B  时间序列自相关系数的公式
　　附录3-C  偏自相关函数
　　附录3-D  模型参数的估计
　　附录3-E  AIC的计算
　　第四章  ARCH类模型
　　第一节  单位根过程
　　第二节  ARCH模型的基本形式
　　第三节  广义ARCH模型
　　第四节  ARCH模型的拓广形式
　　附录4-A  零频谱估计
　　附录4-B  自动窗宽和滞后长度选择
　　附录4-C  ARCH定义的理解
　　第五章  两序列的协整和误差修正模型
　　第一节  含虚拟变量的回归模型
　　第二节  Granger因果检验
　　第三节  协整含义及检验
　　第四节  误差修正模型
　　附录5-A  工具变量和两阶段最小二乘
　　第六章  向量自回归模型
　　第一节  非结构化VAR模型
　　第二节  脉冲响应与方差分解
　　第三节  结构VAR模型
　　第四节  向量误差修正模型
　　附录6-A  似无关回归
　　第七章  Panel Data模型
　　第一节  模型的基本问题
　　第二节  固定效应模型
　　第三节  随机效应模型
　　第四节  单位根检验与协整检验
　　附录7-A  广义最小二乘
　　附录7-B  广义矩估计
　　附表1
　　附表2
　　附表3
　　附表4
　　附表5
　　附表6
　　参考文献

　　    易丹辉，中国人民大学统计学院教授、博士生导师。主要从事统计方法在经济、金融、保险、医疗、管理等领域应用的研究。研究方向：风险管理与保险、预测与决策。

　　    事物随时间变化是最常见的现象，也最容易收集数据。按时间顺序记录的一系列数据，即构成时间序列。时间序列分析就是充分利用这些数据，挖掘事物随时间变化规律的方法。《时间序列分析：方法与应用》融合单变量与多变量时间序列分析，通过大量实际数据的处理，说明各种方法的基本原理及其在实际中的应用，特别说明了一些实际应用中需要注意的问题。