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
