時間序列分析及其應用：基於 R語言實例, 4/e (Time Series Analysis and Its Applications: With R Examples, 4/e)

本書在歐美是一本流行的時間序列分析教材，通過大量使用真實數據的實例展示解決問題的方法，
例如發現自然和人為的氣候變化、使用功能磁共振成像評估疼痛感知實驗以及監測核禁試條約。
　　
本書旨在作為物理、生物學和社會科學領域，以及統計學方向高年級本科或研究生教材。
本書從不同層次深入探討時間序列分析理論和方法，除了涵蓋經典的時間序列回歸方法、ARIMA模型、譜分析和狀態空間模型外，
還介紹了新近發展的方法，包括分類變量時間序列分析、多元譜方法、長記憶時間序列、非線性模型、重採樣技術、
GARCH模型、ARMAX模型、隨機波動率、小波和馬爾可夫鏈蒙特卡羅積分方法。
第4版的更新：
重做所有圖形和繪圖並使其樣式統一。
貝葉斯部分完全重寫，僅覆蓋線性高斯狀態空間模型。
每個實例的R代碼直接在正文中提供，以便於重復數據分析過程。
擴展了附錄部分，其中包含基本的R和R時間序列命令的指南。

Robert H. Shumway

是加利福尼亞大學戴維斯分校的統計學榮譽退休教授。他是美國統計協會的Fellow，也是國際統計協會的成員。

David S. Stoffer

是匹茲堡大學統計系教授。
他是美國統計協會的Fellow。
他為分類時間序列的分析做出了重大貢獻，
並因為他的分析嬰兒睡眠狀態循環產生的分類時間序列的合作論文獲得了1989年美國統計協會傑出統計應用獎。

譯者序
第4版前言
第3版前言
作者簡介
第1章　時間序列的特徵1
　1.1　時間序列數據的性質1
　1.2　時間序列統計模型7
　1.3　相關性測量12
　1.4　平穩時間序列15
　1.5　相關系數的估計21
　1.6　向量值和多維時間序列27
　問題30
第2章　時間序列回歸和探索性數據分析37
　2.1　時間序列背景下的經典回歸37
　2.2　探索性數據分析44
　2.3　時間序列中的平滑54
　問題58
第3章　ARIMA模型63
　3.1　自回歸移動平均模型63
　3.2　差分方程73
　3.3　自相關系數和偏相關系數77
　3.4　模型預測83
　3.5　模型估計92
　3.6　非平穩數據的差分模型108
　3.7　建立ARIMA模型111
　3.8　使用自相關誤差進行回歸118
　3.9　乘法季節ARIMA模型120
　問題127
第4章　頻譜分析與濾波135
　4.1　循環性行為和周期性135
　4.2　譜密度141
　4.3　周期圖和離散傅里葉變換147
　4.4　非參數譜估計154
　4.5　參數譜估計166
　4.6　多序列和交叉譜169
　4.7　線性濾波器173
　4.8　滯後回歸模型177
　4.9　信號提取和最佳濾波181
　4.10　多維時間序列的譜分析185
　問題187
第5章　其他的時域主題195
　5.1　長記憶ARMA模型和分數階差分195
　5.2　單位根檢驗202
　5.3　GARCH模型205
　5.4　閾值模型212
　5.5　滯後回歸和傳遞函數建模216
　5.6　多元ARMAX模型220
　問題232
第6章　狀態空間模型234
　6.1　線性高斯模型234
　6.2　濾波、平滑和預測238
　6.3　極大似然估計245
　6.4　缺失數據修正253
　6.5　結構模型：信號提取和預測257
　6.6　具有誤差相關的狀態空間模型260
　6.7　自助法狀態空間模型265
　6.8　平滑樣條和卡爾曼平滑器270
　6.9　隱馬爾可夫模型和轉移自回歸272
　6.10　帶轉移的動態線性模型282
　6.11　隨機波動率292
　6.12　狀態空間模型的貝葉斯分析298
　問題307
第7章　頻域統計方法313
　7.1　引言313
　7.2　譜矩陣和似然函數316
　7.3　聯合平穩序列的回歸317
　7.4　確定性輸入的回歸324
　7.5　隨機系數回歸330
　7.6　設計實驗分析332
　7.7　判別和聚類分析344
　7.8　主成分和因子分析356
　7.9　頻譜包絡369
　問題378
附錄A　大樣本理論383
附錄B　時域理論398
附錄C　頻譜域定理406
附錄D　R補充428
參考文獻438