本書融合了作者多年的實踐教學經驗，旨在幫助讀者了解時間序列作為一種分析工具所具有的豐富性和多樣性。全書以一些有意義的數據集為基礎，詳細闡釋了時間序列在醫學、生物學、物理學和社會科學領域的廣泛應用，並強調數據分析方法，對時域和頻域方法進行了全面的介紹。 本書通過大量示例說明了如何利用時間序列分析來解決各類問題，例如，發現自然和人為的氣候變化、使用功能性磁共振成像評估疼痛感知實驗，以及對經濟和金融問題的分析等。書中所有示例都基於R語言實現，但是閱讀本書並不需要讀者會用R軟件。本書可以作為一學期時間序等

●譯者序
前言
第1章 時間序列基礎
1.1 介紹
1.2 時間序列數據
1.3 時間序列模型
習題
第2章 相關性與平穩時間序列
2.1 度量相關性
2.2 平穩性
2.3 相關繫數的估計
習題
第3章 時間序列回歸和探索性數據分析
3.1 時間序列的最小二乘
3.2 探索性數據分析
3.3 時間序列中的平滑
習題
第4章 ARMA模型
4.1 介紹
4.2 相關性函數
4.3 模型預測
習題
第5章 ARIMA模型
5.1 差分模型
5.2 建立ARIMA模型
5.3 季節性ARIMA模型
5.4 具有自相關誤差的回歸
習題
第6章 頻譜分析與濾波
6.1 周期性和循環性行為
6.2 譜密度
6.3 線性濾波器
習題
第7章 頻譜估計
7.1 周期圖和離散傅裡葉變換
7.2 非參數譜估計
7.3 參數譜估計
7.4 相干性和交叉譜
習題
第8章 其他主題
8.1 GARCH模型
8.2 單位根檢驗
8.3 長記憶模型和分數階差分
8.4 狀態空間模型
8.5 交叉相關分析和預白化
8.6 自回歸模型的自助法
8.7 閾值自回歸模型
習題
附錄A R補充材料
附錄B 概率論與統計入門
附錄C 復數入門
附錄D 其他時域理論
附錄E 部分習題的提示
參考文獻

本書詳細闡述了時間序列在醫學、生物學、物理學和社會科學領域的廣泛應用，並強調數據分析方法，對時域和頻域方法進行了全面的介紹。書中首先對時間序列分析的基礎知識、語言和方法進行了概述，然後介紹了ARMA模型和ARIMA模型，接下來介紹了頻譜分析與濾波以及頻譜估計，最後討論了一些特殊主題，例如GARCH模型、單位根檢驗等。本書可以作為一學期時間序列分析導論課程的教材，適合數學繫及相關專業的教師和學生閱讀。