《时间序列分析(方法与应用)》在作者易丹辉多年为研究生授课和从事科研的基础上，融合单变量与多变量时间序列分析，通过大量实际数据的处理，说明各种方法的基本原理及其在实际中的应用，特别说明了一些实际应用中需要注意的问题。全书大体分为四部分：单变量的传统时间序列分析，第一章和第二章；单变量的随机时间序列分析，第三章和第四章；多变量的时间序列分析，第五章和第六章，第五章是建立在回归基础上的两变量序列分析，第六章是建立在AR基础上的多变量序列分析；第七章是截面时序数据结合的分析。

事物随时间变化是最常见的现象，也最容易收集数据。按时间顺序记录的一系列数据，即构成时间序列。时间序列分析就是充分利用这些数据，挖掘事物随时间变化规律的方法。《时间序列分析(方法与应用)》(作者易丹辉)融合单变量与多变量时间序列分析，通过大量实际数据的处理，说明各种方法的基本原理及其在实际中的应用，特别说明了一些实际应用中需要注意的问题。

《时间序列分析(方法与应用)》适合从事相关研究工作的人员参考阅读。

第一章 趋势模型 

 第一节 趋势模型类型 

 第二节 模型选择 

 第三节 参数估计 

 第四节 模型分析与评价 

 附录1—A 生命周期曲线拐点 

 附录1—B 商品生命周期判定 

第二章 季节模型 

 第一节 季节性水平模型 

 第二节 季节性交乘趋向模型 

 第三节 季节性迭加趋向模型 

第三章 ARMA模型 

 第一节 概述 

 第二节 时序特性的分析 

 第三节 ARMA模型及其改进 

 第四节 随机时序模型的建立 

 第五节 时序模型预测 

 附录3—A 平稳过程的定义 

 附录3—B 时间序列自相关系数的公式 

 附录3—C 偏自相关函数 

 附录3—D 模型参数的估计 

 附录3—E AIC的计算 

第四章 ARCH类模型 

 第一节 单位根过程 

 第二节 ARCH模型的基本形式 

 第三节 广义ARCH模型 

 第四节 ARCH模型的拓广形式 

 附录4—A 零频谱估计 

 附录4—B 自动窗宽和滞后长度选择 

 附录4—C ARCH定义的理解 

第五章 两序列的协整和误差修正模型 

 第一节 含虚拟变量的回归模型 

 第二节 Granger因果检验 

 第三节 协整含义及检验 

 第四节 误差修正模型 

 附录5—A 工具变量和两阶段最小二乘 

第六章 向量自回归模型 

 第一节 非结构化VAR模型 

 第二节 脉冲响应与方差分解 

 第三节 结构VAR模型 

 第四节 向量误差修正模型 

 附录6—A 似无关回归 

第七章 Panel Data模型 

 第一节 模型的基本问题 

 第二节 固定效应模型 

 第三节 随机效应模型 

 第四节 单位根检验与协整检验 

 附录7—A 广义最小二乘 

 附录7—B 广义矩估计 

附表1 t分布表 

附表2 F分布表 

附表3 D．W．检验表 

附表4 X2分布表 

附表5 DF检验t统计量经验概率分布表 

附表6 Engle-Granger检验表 

参考文献