| 第1章 时间序列（ARIMA和SARIMA）模型 1.1 随机过程、时间序列 1.2 时间序列模型的分类 1.3 自相关函数 1.4 偏自相关函数 1.5 时间序列（ARIMA）模型的建立与预测 1.6 非季节时间序列建模案例 1.7 季节时间序列（SARIMA）模型 1.8 季节时间序列建模案例 第2章 时间序列的移动平均计算原理 2.1 定义和理论 2.2 X-11中的对称移动平均 2.3 Musgrave非对称移动平均 2.4 X-11移动平均滤子 第3章 单位根检验方法 3.1 平衡与非平稳序列的统计特征 3.2 四种典型的非平稳随机序列 3.3 DF分布 3.4 单位根的DF检验用表 3.5 进一步讨论 3.6 单位根检验 3.7 单位根检验举例 3.8 结构突变与单位根检验 第4章 X-12-ARIMA季节调整原理 4.1 季节调整的意义 4.2 X-12-ARIMA简介 4.3 X-12-ARIMA程序的基本流程 4.4 regARIMA建模原理 4.5 X-11的默认计算原型 4.6 X-11方法的具体步骤 4.7 X-12-ARIMA设定函数的运算流程 4.8 案例 附录A EVIEWS的视窗菜单操作 附录B EVIEWS的命令行操作 第5章 X-12-ARIMA季节调整程序中的新功能与方法 5.1 引言 5.2 新的X-11调整选项 5.3 新的诊断 5.4 regARIMA建模与模型选择 5.5 用模型解决调整问题：四个例子 5.6 用户交互界面：三个例子 5.7 结论性评论 附录A Henderson滤子、Musgrave非对称滤子 附录B AO和LS探测程序 第6章 X-12输出结果详解 前言 6.1 输出表格B部分：初步估计极端值和日历效应 6.2 输出表格C部分：极端值和日历效应的最终估计 6.3 输出表格D部分：不同成分的最终估计 6.4 输出表格E部分 6.5 输出表格F部分：季节调整质量的衡量 第7章 中国春节等特殊日历因素调整方案 参考文献 |
内容加载中，请稍后...
商品评论（0条）