時間序列分析是應用統計學的核心基礎課之一，
也是計量經濟學和統計預測學的核心內容。作為數理
統計學的一個專業分支，時間序列分析有它非常特殊
的、自成體繫的一套分析方法。王燕編著的《時間序
列分析--基於R》的定位是大學本科生的時間序列分
析入門教材。根據這個定位，本書主要涵蓋時間序列
分析最基礎、最實用的核心知識點。

第1章 時間序列分析簡介
1.1 引言
1.2 時間序列的定義
1.3 時間序列分析方法
1.3.1 描述性時序分析
1.3.2 統計時序分析
1.4 R簡介
1.4.1 R的特點
1.4.2 R的安裝
1.4.3 R語言基本規則
1.4.4 生成時間序列數據
1.4.5 時間序列數據的處理
1.4.6 時間序列數據導出
1.5 習題
第2章 時間序列的預處理
2.1 平穩時間序列
2.1.1 特征統計量
2.1.2 平穩時間序列的定義
2.1.3 平穩時間序列的統計性質
2.1.4 平穩時間序列的意義
2.2 時序圖與自相關圖
2.2.1 時序圖
2.2.2 繪制序列自相關圖
2.3 平穩性的檢驗
2.3.1 時序圖檢驗
2.3.2 自相關圖檢驗
2.4 純隨機性檢驗
2.4.1 純隨機序列的定義
2.4.2 白噪聲序列的性質
2.4.3 純隨機性檢驗
2.5 習題
第3章 平穩時間序列分析
3.1 方法性工具
3.1.1 差分運算
3.1.2 延遲算子
3.1.3 線性差分方程
3.2 ARMA模型的性質
3.2.1 AR模型
3.2.2 MA模型
3.2.3 ARMA模型
3.3 平穩序列建模
3.3.1 建模步驟
3.3.2 樣本自相關繫數與偏自相關繫數
3.3.3 模型識別
3.3.4 參數估計
3.3.5 模型檢驗
3.3.6 模型優化
3.4 序列預測
3.4.1 線性預測函數
3.4.2 預測方差*小原則
3.4.3 線性*小方差預測的性質
3.5習題
第4章 非平穩序列的確定性分析
4.1 時間序列的分解
4.1.1 word分解定理
4.1.2 cramer分解定理
4.2 確定性因素分解
4.3 趨勢分析
4.3.1 趨勢擬合法
4.3.2 平滑法
4.4 季節效應分析
4.5 綜合分析
4.6 習題
第5章 非平穩序列的隨機分析
5.1 差分運算
5.1.1 差分運算的實質
5.1.2 差分方式的選擇
5.1.3 過差分
5.2 ARIMA模型
5.2.1 ARIMA模型的結構
5.2.2 ARIMA模型的性質
5.2.3 ARIMA模型建模
5.2.4 ARIMA模型預測
5.2.5 疏繫數模型
5.2.6 季節模型
5.3 殘差自回歸模型
5.3.1 模型結構
5.3.2 殘差自相關檢驗
5.3.3 殘差自相關模型擬合
5.4 異方差的性質
5.4.1 異方差的影響
5.4.2 異方差的直觀診斷
5.5 方差齊性變換
5.6 條件異方差模型
5.6.1 ARCH模型
5.6.2 GARCH模型
5.6.3 GARCH的衍生模型
5.7 習題
第6章 多元時間序列分析
6.1 平穩多元序列建模
6.2 虛假回歸
6.3 單位根檢驗
6.3.1 DF檢驗
6.3.2 ADF檢驗
6.4 協整
6.4.1 單整與協整
6.4.2 協整檢驗.
6.5 誤差修正模型
6.6 習題
附 錄
參考文獻