圖書信息
出版社: 浙江工商大學出版社; 第1版 (2011年6月1日)
外文書名: Statistical Methods for Forecasting
平裝: 271頁
正文語種: 簡體中文
開本: 16
ISBN: 9787811403886
條形碼: 9787811403886
尺寸: 22.6 x 18.6 x 1.2 cm
重量: 440 g
內容簡介
《統計學系列教材:統計預測》考慮到統計預測技術的簡潔性和適用性要求，選擇了常用的幾種預測技術進行介紹。《統計學系列教材:統計預測》包括的預測技術有：定性預測技術、回歸預測技術、時間序列的分解與平滑預測技術、趨勢外推預測技術、季節預測技術、Box-Jenkins預測技術以及異方差、自回歸修正方法，協整和向量自回歸預測技術，最後簡要介紹了灰色預測技術與馬爾科夫預測技術。
目錄
第一章 統計預測概述
第一節 統計預測的概念和特點
一、統計預測的概念及特點
二、統計預測的意義和作用
第二節 統計預測的方法和分類
一、統計預測的方法
二、統計預測的分類
三、統計預測模型和方法的選擇
第三節 統計預測的原則和步驟
一、統計預測的基本原則
二、統計預測的運用領域
三、統計預測的基本步驟
四、統計預測的不確定性
五、統計預測效果的評價
第二章 定性預測法
第一節 定性預測法概述、
一、定性預測法的特點
二、定性預測與定量預測的關係
三、定性預測的主要方法簡介
第二節 經驗判斷法
一、經驗判斷法概述
二、個人經驗判斷法
三、集體經驗判斷法
第三節 專家會議法
一、專家會議法的含義
二、專家會議法的特點
三、專家會議法的組織和實施
四、頭腦風暴法
第四節 德爾菲法
一、德爾菲法的概念
二、德爾菲法的實施步驟
三、德爾菲法的特點
四、案例分析
第五節 主觀機率法
一、主觀機率法概述
二、主觀機率加權平均法
三、累計機率中位數法
第三章 回歸分析預測法
第一節 一元線性回歸分析預測法
一、模型建立
二、參數估計
三、模型檢驗
四、預測方法
五、案例分析
第二節 多元線性回歸預測法
一、多元線性回歸方程的概念
二、多元線性回歸模型的求解
三、模型檢驗
四、預測方法
五、案例分析
第三節 非線性回歸預測方法
一、可線性化的非線性回歸模型
二、不可線性化的回歸分析
三、案例分析
第四節 帶虛擬變數的回歸預測法
一、虛擬變數的概念
二、虛擬變數模型的類型及案例分析
第四章 時間序列分解和平滑預測法
第一節 時間序列預測法概述
一、時間序列預測法的概念
二、時間序列預測法的步驟
三、時間序列預測法的類型
第二節 時間序列分解預測法
一、時間序列的組成因子
二、時間序列的分解模型
三、時間序列分解預測的步驟
四、美國人口普查局時間序列分解方法簡述
五、案例分析
第三節 時間序列的平滑預測法
一、時間序列平滑預測的概念
二、移動平均法
三、指數平滑預測法
四、討論
第五章 趨勢外推預測法
第一節 趨勢外推預測法概述
一、趨勢外推預測法的概念
二、趨勢外推預測法的思路和條件
三、趨勢外推預測法的類型
第二節 線性趨勢外推預測法
一、最小二乘法
二、選點法
三、修勻法
四、案例分析
第三節 曲線趨勢外推預測法
一、多項式曲線
二、指數曲線
三、生長曲線
第四節 趨勢模型及參數估計方法的選擇
一、數據分析和趨勢判斷
二、參數估計方法的選擇
第六章 季節預測法
第一節 季節預測法概述
一、季節因子的概念
二、季節預測法的步驟
三、季節時間序列的判定
第二節 直接平均法
一、直接平均法的概念
二、直接平均法的一般步驟
第三節 趨勢剔除法
一、趨勢剔除法的概念
二、平均數趨勢剔除法
三、趨勢比率剔除法
四、季節因子的趨勢分析法
第四節 指數平滑法
一、指數平滑法的概念
二、溫特斯指數平滑法
第五節 季節預測模型的選擇
一、季節預測模型的分類
二、季節預測模型的形式
三、季節預測模型中的參數估計
四、季節預測模型的選擇
第七章 隨機型時間序列預測方法
第一節 隨機型時間序列模型的若干概念
一、隨機過程
二、平穩性
三、自相關函式
四、偏自相關函式
五、滯後運算元
六、差分方程解的穩定性
第二節 平穩隨機序列模型的預測
一、自回歸模型
二、移動平均模型
三、ARMA模型
第三節 非平穩隨機型時間序列的預測
一、隨機遊走序列
二、ARIMA模型
三、去確定性趨勢預測方法
四、季節ARIMA模型預測方法
第四節 隨機型時間序列預測的案例分析
一、我國人口預測
二、某地區生豬產量預測
第八章 異方差、自回歸和干預分析模型預測法
第一節 異方差的處理方法
一、異方差的概念
二、異方差的後果
三、異方差的檢驗
四、異方差的校正
五、自回歸條件異方差簡介
六、案例分析
第二節 誤差項自相關的處理方法
一、自相關的概念
二、自相關的檢驗方法
三、白相關的校正方法
四、案例分析
第三節 干預分析模型預測法
一、干預分析模型概述
二、干預分析模型的基本形式
三、單變數序列干預模型的識別與估計
四、案例分析
第九章 協整和向量自回歸預測方法簡介
第一節 單位根檢驗
一、DF檢驗
二、ADF檢驗
三、案例分析
第二節 協整及誤差修正模型預測法
一、協整的概念
二、協整的EG檢驗法
三、誤差修正模型
四、案例分析
第三節 向量自回歸模型預測法
一、VAR模型的概念
二、VAR模型的平穩性
三、Johansen協整檢驗與VECM
四、格蘭傑非因果性檢驗
五、案例分析
第十章 灰色預測法與馬爾科夫預測法簡介
第一節 灰色預測法
一、基本概念
二、灰色模型
三、GM(1，1)灰色預測的步驟
四、案例分析
第二節 馬爾科夫預測法
一、基本概念
二、馬爾科夫預測方法與案例分析
附錄
參考文獻
