1,主要内容：因素分解理论 2.基本概念和知识点 长期趋势，循环波动，季节性变化，随机波动，加法模型，乘法模型 第二节 1.主要内容：因素分解模型 2.基本概念和知识点 因素分解模型的选择，趋势效应的提取，：简单中心移动平均方法， 季节性效应的提取（包括加法模型中季节指数的构造，乘法模型中 季节指数的构造)，X11季节调节模型，Henderson加权移动平均， Musgrave非对称移动平均 第三节 1.主要内容：指数平滑预测模型 2.基本概念和知识点 简单指数平滑，Holt两参数指数平滑，Holt-Winters三参数指数平 滑（包括加法模型和乘法模型的三参数指数平滑） 第四节 1.主要内容：ARIMA加法模型和乘法模型 2.基本概念和知识点 ARIMA模型对具有季节效应的序列建模，ARIMA加法模型，ARIMA乘 法模型，R软件ARIMA加法模型和乘法模型的实现及结果分析。 (三)思考与实践 思考非平稳时间序列建模的条件和步骤。思考非平稳时间序列产生的方 法，分析如何实现非平稳时间序列建模。 (四)教学方法与手段 课堂讲授、多媒体教学与上机实验 第七章多元时间序列分析（选讲） (一)目的与要求 .熟练掌握带输入变量的ARIMA为多元时间序列建模，学会ARIMAX模 型。 2。了解干预分析 3.理解伪回归。 4.理解协整概念，掌握协整检验方法和步骤。 5.掌握平稳多元时间序列建模。 (二)教学内容 9 9 1. 主要内容：因素分解理论 2. 基本概念和知识点 长期趋势，循环波动，季节性变化，随机波动，加法模型，乘法模型 第二节 1. 主要内容：因素分解模型 2. 基本概念和知识点 因素分解模型的选择，趋势效应的提取，：简单中心移动平均方法， 季节性效应的提取（包括加法模型中季节指数的构造，乘法模型中 季节指数的构造），X11 季节调节模型，Henderson 加权移动平均， Musgrave 非对称移动平均 第三节 1. 主要内容：指数平滑预测模型 2. 基本概念和知识点 简单指数平滑，Holt 两参数指数平滑，Holt-Winters 三参数指数平 滑（包括加法模型和乘法模型的三参数指数平滑） 第四节 1. 主要内容：ARIMA 加法模型和乘法模型 2. 基本概念和知识点 ARIMA 模型对具有季节效应的序列建模，ARIMA 加法模型，ARIMA 乘 法模型， R 软件 ARIMA 加法模型和乘法模型的实现及结果分析。 （三）思考与实践 思考非平稳时间序列建模的条件和步骤。思考非平稳时间序列产生的方 法，分析如何实现非平稳时间序列建模。 （四）教学方法与手段 课堂讲授、多媒体教学与上机实验 第七章 多元时间序列分析（选讲） （一）目的与要求 1. 熟练掌握带输入变量的 ARIMA 为多元时间序列建模，学会 ARIMAX 模 型。 2. 了解干预分析。 3. 理解伪回归。 4. 理解协整概念，掌握协整检验方法和步骤。 5. 掌握平稳多元时间序列建模。 （二）教学内容