统计预测：方法与应用（第二版）

　　随着社会经济的迅速发展和计算机技术更新加快，人们越来越重视并容易收集到实际发生的各种数据。如何运用这些数据认识事物发展变化的规律并预测其未来，也愈发为人们所关注，各种预测方法应运而生并不断发展。在从事教学和实际问题研究的过程中，感觉原来的内容有些过于陈旧，希望能够奉献一些新的思路和方法给学生和其他需要应用的读者。

　　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。讲授课程 统计预测、预测动态、实验设计、Categorical Data Analysis、金融风险分析技术、Structural Equations Model、时间序列分析、数据挖掘技术及应用等课程。

第一章 一元线性回归分析法
第一节 模型和参数估计

第二节 模型的检验
第三节 预测精度的测定
第四节 预测实例
附 录

第二章 多元回归分析法
第一节 模型和参数估计
第二节 模型的检验
第三节 自变量的选择
第四节 多重共线性
第五节 预测实例
第六节 滞后变量模型
附 录

第三章 非线性回归分析法
第一节 非线性回归模型
第二节 模型参数的估计
第三节 模型分析与评价
第四节 含虚拟变量的回归模型
第五节 预测实例
附 录

第四章 时间序列平滑法
第一节 概 述
第二节 移动平均法
第三节 指数平滑法
第四节 方法的比较
附 录

第五章 趋势模型
第一节 趋势模型类型
第二节 模型选择
第三节 参数估计
第四节 模型分析与评价
附 录

第六章 季节模型
第一节 季节性水平模型
第二节 季节性交乘趋向模型
第三节 季节性迭加趋向模型

第七章 马尔可夫法
第一节 基本概念
第二节 马尔可夫预测法
第三节 马氏链的稳定状态及其应用

第八章 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
附 录

第九章 ARCH类模型
第一节 单位根过程
第二节 ARCH模型
第三节 广义ARCH模型
第四节 拓展的ARCH模型
第五节 多元ARCH模型
附 录

附表1 t分布表
附表2 F分布表
附表3 D．W．检验表
附表4 χ2分布表
附表5 DF检验t统计量经验概率分布表
附表6 Engle Granger检验表
参考文献