254739/36

本书分为四部分内容。第一部分单变量时间序列分析，包括传统时序分析、随机时序分析、ARCH类模型；第二部分基于回归的多变量时序分析，包括含虚拟变量的回归模型、基于线性回归的协整和误差修正模型(ECM) ；第三部分基于AR的多变量时序分析，包括向量自回归模型(VAR)、结构向量自回归模型(SVAR)、向量误差修正模型(VECM)；第四部分截面数据和时序数据结合的多变量时序分析，主要是在经典线性回归模型基础上发展起来的各种Panel Data 模型

易丹辉 中国人民大学统计学院教授、博士生导师。研究方向：风险管理与保险、预测与决策。主要从事统计方法在经济、金融、保险、医疗、管理等领域应用的研究。讲授统计预测、预测动态、实验设计、金融风险分析技术、时间序列分析、数据挖掘技术及应用等课程

第一章 传统时间序列分析模型 
第一节 趋势模型类型和选择 
第二节 参数估计 
第三节 模型分析与评价 
第四节 季节模型 

第二章 ARMA模型 
第一节 概述 
第二节 时序特性的分析 
第三节 ARMA模型及其改进 
第四节 随机时序模型的建立 
第五节 时序模型预测 

第三章 ARCH类模型 
第一节 单位根过程 
第二节 ARCH模型的基本形式 
第三节 广义ARCH模型 
第四节 ARCH模型的拓广形式 
第五节 多元ARCH模型 

第四章 两序列的协整和误差修正模型 
第一节 含虚拟变量的回归模型 
第二节 Granger因果检验 
第三节 协整含义及检验 
第四节 误差修正模型 

第五章 向量自回归模型 
第一节 非结构化VAR模型 
第二节 脉冲响应与方差分解 
第三节 结构VAR模型 
第四节 向量误差修正模型 

第六章 Panel Data模型 
第一节 模型的基本问题 
第二节 固定效应模型 
第三节 随机效应模型 
第四节 单位根检验与协整检验 

参考文献