　　《时间序列分析及应用（R语言）（原书第2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、谱估计和门限模型。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。
　　《时间序列分析及应用（R语言）（原书第2版）》的一大特点是采用R语言来作图和分析数据，书中的所有图表和实证结果都是用R命令得到的。作者还为《时间序列分析及应用（R语言）（原书第2版）》制作了大量新增或增强的-函数。《时间序列分析及应用（R语言）（原书第2版）》的另一特点是包含很多有用的附录．例如，回顾了有关期望、方差、协方差、相关系数等概念．筒述了条件期望的性质以及最小均方误差预测等内容，这些附录有利于关心技术细节的读者深入了解相关内容．

作者简介

　　Jonathan D Cryer，他美国艾奥瓦大学统计与精算学系退休教授。他是美国统计学会会士，获得过艾奥瓦大学教学奖。除本书外，他还与人合蓍有Statistics for Business：Dat，Analysis and Modelingfsecond Edition）、Minitab Handbook（Fifth Editiom、ElectronlCompaniontoStatlst。

内页插图

译者序
前言
第1章引论
1.1 时间序列举例
1.2 建模策略
1.3 历史上的时间序列图
1.4 本书概述
习题

第2章基本概念
2.1 时间序列与随机过程
2.2 均值、方差和协方差
2.3 平稳性
2.4 小结
习题
附录A 期望、方差、协方差和相关系数

第3章趋势
3.1 确定性趋势与随机趋势
3.2 常数均值的估计
3.3 回归方法
3.4 回归估计的可靠性和有效性
3.5 回归结果的解释
3.6 残差分析
3.7 小结
习题

第4章乎稳时间序列模型
4.1 一般线性过程
4.2 滑动乎均过程
4.3 自回归过程
4.4 自回归滑动平均混合模型
4.5 可逆性
4.6 小结
习题
附录B AR(2)过程的平稳域
附录C ARMA(p，g)模型的自相关函数

第5章平稳时间序列模型
5.1 通过差分平稳化
5.2 ARIMA模型
5.3 ARIMA模型中的常数项
5.4 其他变换
5.5 小结
习题
附录D 延迟算子

第6章模型识别
6.1 样本自相关函数的性质
6.2 偏白相关函数和扩展的自相关函数
6.3 对一些模拟的时间序列数据的识别
6.4 非平稳性
6.5 其他识别方法
6.6 一些真实时间序列的识别
6.7 小结
习题

第7章参数估计
7.1 矩估计
7.2 最小二乘估计
7.3 极大似然与五条件最小二乘
7.4 估计的性质一
7.5 参数估计例证
7.6 自助法估计ARIMA模型
7.7 小结
习题

第8章模型诊断
8.1 残差分析
8.2 过度拟合和参数冗余
8.3 小结
习题

第9章预测
9.1 最小均方误差预测
9.2 确定性趋势
9.3 ARIMA预测
……
第10章季节模型
第11章时间序列回归模型
第12章异议差时间序列模型
第13章谱分析入门
第14章谱估计
第15章门限模型
参考答案