《应用时间序列分析》课程教学资源（PPT课件）第六章 非平稳时间序列分析

◼ 差分运算 ◼ ARIMA模型 ◼ Auto-Regressive模型 ◼ 异方差的性质 ◼ 方差齐性变化 ◼ 条件异方差模型

《时间序列分析》课程教学资源（PPT课件）第一章 时间序列分析简介

01 因素分解理论 02 因素分解模型 03 指数平滑预测模型 04 ARIMA季节加法模型 05 ARIMA季节乘法模型

01 Wold分解定理 02 AR模型 03 MA模型 04 ARMA模型

第一节 时间数列的成分和预测方法 第二节 时间序列的描述性分析 第三节 时间序列预测的程序 第四节 平稳序列的预测 第五节 趋势型序列的预测 第六节 复合型序列的分解预测

第一节时间序列分析的基本概念 第二节平稳性的检验 第三节协整

第一节主要介绍了时间序列分析和预测的基本方法。首先解释了时间序列的形态，常常通过它帮助我们考虑时间序列的四种独立成分：趋势、循环、季节和不规则。通过分离这些成分和测量它们的明显影响，可以预测时间序列的未来值。◼第二节主要介绍了回归分析预测法。市场活动中的许多现象也不例外，其变化与各种影响因素变化之间存在着一定的依存关系。回归分析预测法就是从各种经济现象之间的相互关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测方法

 方法性工具  差分运算  延迟算子  线性差分方程  ARMA模型  AR模型（Auto Regression Model）  MA模型（Moving Average Model）  ARMA模型（Auto Regression Moving Average model）  平稳序列建模  序列预测  建模步骤  模型识别  参数估计  模型检验  模型优化  序列预测

绪论 统计与统计学 统计学的分科 统计学与其它学科关系 统计数据的搜集 数据的计量与类型 统计数据的来源 调查方案设计 统计数据的质量 统计数据整理和显示 数据的预处理 品质数据的整理与显示 数值型数据整理与显示 统计表 数据分布特征的测度 集中趋势的测度 离散和程度的测度 偏态和峰度的测度 时间序列分析 时间序列的对比分析 长期趋势分析 指数 指数编制的基本问题 加权指数 指数体系