时间序列分析及其应用（第4版）

　　◎内容简介 这本世界经典教材展现了现代时间序列分析作为一种数据分析工具的丰富性和多样性。本书从不同层次深入探讨时间序列分析理论和方法，除了涵盖经典的时间序列回归方法、ARIMA模型、谱分析和状态空间模型外，还介绍了新近发展的方法，包括分类时间序列分析、多元谱方法、长记忆时间序列、非线性模型、重采样技术、GARCH模型、ARMAX模型、随机波动率模型、小波方法和马尔可夫链蒙特卡罗积分方法等。书里以易于理解的方式讲述了各种时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和阈值模型等。对所有的模型和方法，都用真实数据集和模拟数据集进行了展示。本书除了可以作为统计学研究生或高年级本科生教材，也可以作为物理学、生命科学和社会科学领域相关方向的研究生教材。

　　◎作者简介 罗伯特·沙姆韦（Robert H. Shumway）是美国加州大学戴维斯分校的统计学荣休教授。他是美国统计学会（American Statistical Association）和国际统计学会（International Statistical Institute）的杰出会士。他对时间序列应用的研究曾获得过1986年美国统计学会杰出统计应用奖和1992年传染病中心统计奖。他出版过多部有影响力的统计学教材，并担任Forecasting和Journal of the American Statistical Association等期刊的编委。 戴维·斯托弗（David S. Stoffer）是美国匹兹堡大学统计学荣休教授。他是美国统计学会的杰出会士，并获得过1989年美国统计学会杰出统计应用奖。他曾担任美国国家科学基金会数学科学部的项目主任，还是Forecasting、Journal of the American Statistical Association、Annals of Statistical Mathematics、Journal of Time Series Analysis、Journal of Business & Economic Statistics等期刊的编委。

◎图书目录
序言
第1章　时间序列的特征
第2章　时间序列回归和探索性数据分析
第3章　ARIMA模型
第4章　频谱分析与滤波
第5章　其他的时域主题
第6章　状态空间模型
第7章　频域统计方法
附录A　大样本理论
附录B　时域理论
附录C　频谱域理论
附录D　R语言初步
参考文献