华章数学译丛 时间序列分析及其应用 基于R语言实例（原书第4版)
作者： (美)罗伯特·H.沙姆韦( RobertH.Shumway 著；李洪成等译
出版时间：2020年版
丛编项： 华章数学译丛
内容简介
　　《时间序列分析及其应用：基于R语言实例（原书第4版）》在欧美是一本流行的时间序列分析教材，通过大量使用真实数据的实例展示解决问题的方法，例如发现自然和人为的气候变化、使用功能磁共振成像评估疼痛感知实验以及监测核禁试条约。《时间序列分析及其应用：基于R语言实例（原书第4版）》旨在作为物理、生物学和社会科学领域，以及统计学方向高年级本科或研究生教材。《时间序列分析及其应用：基于R语言实例（原书第4版）》从不同层次深入探讨时间序列分析理论和方法，除了涵盖经典的时间序列回归方法、ARIMA模型、谱分析和状态空间模型外，还介绍了新近发展的方法，包括分类变量时间序列分析、多元谱方法、长记忆时间序列、非线性模型、重采样技术、GARCH模型、ARMAX模型、随机波动率、小波和马尔可夫链蒙特卡罗积分方法。《时间序列分析及其应用：基于R语言实例（原书第4版）》以易于理解的方式讲述了时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和阈值模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。《时间序列分析及其应用：基于R语言实例（原书第4版）》旨在作为物理、生物学和社会科学领域以及统计学方向的研究生教材，有些部分还可以用作本科生时间序列入门课程的教材。第4版的更新：重做所有图形和绘图并使其样式统一。贝叶斯部分完全重写，仅覆盖线性高斯状态空间模型。每个实例的R代码直接在正文中提供，以便于重复数据分析过程。扩展了附录部分，其中包含基本的R和R时间序列命令的指南。
目录
译者序
第4版前言
第3版前言
作者简介
第1章　时间序列的特征1
　11　时间序列数据的性质1
　12　时间序列统计模型7
　13　相关性测量12
　14　平稳时间序列15
　15　相关系数的估计21
　16　向量值和多维时间序列27
　问题30
第2章　时间序列回归和探索性数据分析37
　21　时间序列背景下的经典回归37
　22　探索性数据分析44
　23　时间序列中的平滑54
　问题58
第3章　ARIMA模型63
　31　自回归移动平均模型63
　32　差分方程73
　33　自相关系数和偏相关系数77
　34　模型预测83
　35　模型估计92
　36　非平稳数据的差分模型108
　37　建立ARIMA模型111
　38　使用自相关误差进行回归118
　39　乘法季节ARIMA模型120
　问题127
第4章　频谱分析与滤波135
　41　循环性行为和周期性135
　42　谱密度141
　43　周期图和离散傅里叶变换147
　44　非参数谱估计154
　45　参数谱估计166
　46　多序列和交叉谱169
　47　线性滤波器173
　48　滞后回归模型177
　49　信号提取和最佳滤波181
　410　多维时间序列的谱分析185
　问题187
第5章　其他的时域主题195
　51　长记忆ARMA模型和分数阶差分195
　52　单位根检验202
　53　GARCH模型205
　54　阈值模型212
　55　滞后回归和传递函数建模216
　56　多元ARMAX模型220
　问题232
第6章　状态空间模型234
　61　线性高斯模型234
　62　滤波、平滑和预测238
　63　极大似然估计245
　64　缺失数据修正253
　65　结构模型：信号提取和预测257
　66　具有误差相关的状态空间模型260
　67　自助法状态空间模型265
　68　平滑样条和卡尔曼平滑器270
　69　隐马尔可夫模型和转移自回归272
　610　带转移的动态线性模型282
　611　随机波动率292
　612　状态空间模型的贝叶斯分析298
　问题307
第7章　频域统计方法313
　71　引言313
　72　谱矩阵和似然函数316
　73　联合平稳序列的回归317
　74　确定性输入的回归324
　75　随机系数回归330
　76　设计实验分析332
　77　判别和聚类分析344
　78　主成分和因子分析356
　79　频谱包络369
　问题378
附录A　大样本理论383
附录B　时域理论398
附录C　频谱域定理406
附录D　R补充428
参考文献438