前言

时间序列分析是一种处理动态数据的统计方法 ,它是基于随机过程理论和数理统计方法而发展起来的 ,是寻找动态数据的变化特征、挖掘隐含信息、建立拟合模型、进而预测数据未来发展的有力统计工具 ,它广泛应用于经济、金融、气象、天文、物理、化学、生物、医学、质量控制等社会科学、自然科学和生产实践的诸多领域 ,已经成为许多行业常用的统计方法.

目前 ,国内外有关时间序列分析的教材已有很多 ,其中一些偏重于理论的讲述 ,需要读者具备比较深厚的概率论与数理统计基础 ,主要阅读对象是统计学专业的学生 ;另一些则侧重于模型的应用 ,缺少理论和技术细节的推导 ,主要阅读对象是经管类专业的学生 .随着我国招生制度的变化和大数据产业的飞速发展 ,大部分高校的统计学及其相关专业的培养目标逐步转为复合应用型人才,强调培养具有数据分析能力的人才的重要性.为适应这一变化,应有相应教材出现.

为适应培养要求的转变 ,满足更多专业学生的学习需求 ,本书在借鉴国内外相关优秀教材的基础上 ,着重突出三个特色 .第一是以精简、易懂、深入浅出的方式讲清楚基本概念、基本理论和推导技巧 ,着重阐释统计思想和数据处理方法 .同时 ,加强实用性 ,通过大量实例 ,一方面使得学习者深刻认识时间序列的基本概念、常用性质和基本理论 ;另一方面也使得他们尽快掌握时序数据分析的基本技能 .第二是本书全程使用 R语言进行实例分析 ,并且提供全部代码 . R语言是免费的开源编程软件 ,占用存储空间小 ,安装快捷 ,统计功能强大 ,使用人数众多 ,软件包更新速度快 .它是目前最流行的统计软件 ,许多新的统计方法大都以 R程序包的形式首先展示在世人面前 .第三是本书所使用的数据绝大多数是真实数据 .这些数据都可以在国家统计局网站、中国气象数据网、 http://new.censusatschool.org.nz/resource/time-series-data-sets-2013/、 https://www.nrscotland.gov.uk/statistics-and-data、 http://qed.econ.queensu.ca/jae/ 1994-v9.S/、http://homepage.divms.uiowa.edu/ kchan/TSA.htm、https://fred.stlouisfed.org/、 https://stats.bls.gov/和 https://robjhyndman.com/TSDL/等网站下载 .通过对真实数据的分析,学习者更能体会到基本理论、数据分析技能和数据分析经验相结合的重要性 .同时 ,也给初学者提供了大量免费数据资源和练习的机会.

本书以时间序列分析的理论和实例相结合的方式 ,有侧重地介绍以下内容 .第 1章概述时间序列的发展历程、时间序列的一些基本概念、数据建模的基本步骤、 R语言的一些基本操作

. II .应用时间序列分析

和时序数据的预处理 .第 2章和第 3章分别介绍平稳时间序列模型的概念、性质、建模和预测方法 .第 4章介绍时序数据分解的思想以及常用的数据平滑方法 .第 5章介绍非平稳时间序列模型的概念、趋势的消除、 ARIMA模型的概念、性质、建模方法以及预测 ,最后简单讨论了残差自回归模型 .第 6章介绍几类常见的季节模型以及它们的建模和预测方法 .第 7章讨论伪回归现象、单位根检验和协整 .第 8章主要讲述 ARCH模型和 GARCH模型的概念、估计和检验.此外 ,本书还配备了一定数量的习题 .目的是通过这些习题的演练 ,使读者尽快掌握相应章节的基本理论和方法.

本书主要用作高等院校统计、经济、商科、工程以及定量社会科学等相关专业的高年级本科生学习时间序列分析的教材或教学参考书 ,也可作为硕士研究生使用 R软件学习时间序列分析的入门书,还可供相关技术人员进行时序数据处理的参考书.

本书在写作过程中参考了国内外许多优秀的教材和论著 ,在此向这些教材或著作的作者表示感谢和敬意 .本书能够及时出版 ,还要感谢清华大学出版社刘颖编审的大力支持和帮助 .本书内容在大连民族大学统计学专业讲授多次 ,感谢同学们对课程内容的浓厚兴趣和热烈讨论 ,同时纠正了一些打印错误.

白晓东 

baixd dlnu@163.com 2017年 10月