《统计预测 方法与应用》

第一章简单回归分析法1

第一节 模型和参数估计2

第二节 模型的检验6

第三节 预测精度的测定20

第四节预测实例24

附录1－A 预测模型Y＝a+bX中参数a、b的确定32

1－B 模型的F检验33

1－C 总变差的分解35

1—D D.W检验36

第二章多重回归分析法38

第一节 模型和参数估计38

第二节 模型的检验43

第三节 自变量的选择50

第四节 多重共线性56

第五节 预测实例63

附录2—A 多元线性回归的最小二乘法67

2－B 回归系数的t值68

2—C 矩阵的逆69

2－D 多重共线性对估计回归系数标准差的影响69

2－E 变量X1的偏回归平方和71

第三章非线性回归分析法73

第一节 非线性回归模型73

第二节 模型参数的估计78

第三节 预测实例85

第四章时间序列平滑法95

第一节 概述95

第二节 移动平均法96

第三节 指数平滑法102

第四节 方法的比较123

附录4－A 平滑常数的选择128

4－B 指数平滑的初始值130

第五章趋势外推法133

第一节 概述133

第二节 趋势模型134

第三节 模型选择139

第四节 参数的确定145

第五节 模型分析151

第六节 预测实例157

第七节 平滑预测与回归预测164

第六章季节变动预测法168

第一节 季节性水平模型169

第二节 季节性交乘趋向模型173

第三节 季节性交乘趋向模型的另一形式178

第四节 季节性迭加趋向模型182

第七章马尔可夫法188

第一节 基本概念188

第二节 马尔可夫预测法192

第三节 马氏链的稳定状态及其应用206

第八章博克斯—詹金斯法212

第一节 概述212

第二节 方法性的工具215

第三节 时序特性的分析220

第四节 ARMA模型及其改进234

第五节 随机时序模型的建立245

第六节 时序模型预测264

第七节 预测实例268

附录8－A 时序自相关系数的公式278

8－B 偏自相关函数279

附录TSP软件的使用说明281

附表1 t分布表302

附表2 F分布表303

附表3 D．W检验表313

附表4 X2分布表316

参考书目318