時間序列分析

本書分為四部分內容。第一部分單變量時間序列分析，包括傳統時序分析、隨機時序分析、ARCH類模型；第二部分基於迴歸的多變量時序分析，包括含虛擬變量的迴歸模型、基於線性迴歸的協整和誤差修正模型(ECM) ；第三部分基於AR的多變量時序分析，包括向量自迴歸模型(VAR)、結構向量自迴歸模型(SVAR)、向量誤差修正模型(VECM)；第四部分截面數據和時序數據結合的多變量時序分析，主要是在經典線性迴歸模型基礎上發展起來的各種Panel Data 模型。 ^[3] 

第一章 傳統時間序列分析模型

第一節 趨勢模型類型和選擇

第二節 參數估計

第三節 模型分析與評價

第四節 季節模型

第二章 ARMA模型

第一節 概述

第二節 時序特性的分析

第三節 ARMA模型及其改進

第四節 隨機時序模型的建立

第五節 時序模型預測

第三章 ARCH類模型

第一節 單位根過程

第二節 ARCH模型的基本形式

第三節 廣義ARCH模型

第四節 ARCH模型的拓廣形式

第五節 多元ARCH模型

第四章 兩序列的協整和誤差修正模型

第一節 含虛擬變量的迴歸模型

第二節 Granger因果檢驗

第三節 協整含義及檢驗

第四節 誤差修正模型

第五章 向量自迴歸模型

第一節 非結構化VAR模型

第二節 脈衝響應與方差分解

第三節 結構VAR模型

第四節 向量誤差修正模型

第六章 Panel Data模型

第一節 模型的基本問題

第二節 固定效應模型

第三節 隨機效應模型

第四節 單位根檢驗與協整檢驗

參考文獻 ^[3] 

易丹輝 中國人民大學統計學院教授、博士生導師。研究方向：風險管理與保險、預測與決策。主要從事統計方法在經濟、金融、保險、醫療、管理等領域應用的研究。講授統計預測、預測動態、實驗設計、金融風險分析技術、時間序列分析、數據挖掘技術及應用等課程。 ^[3]