课程编号:0712020112
课程基本情况:
1.课程名称:应用时间序列分析
2.英文名称:Applied time series analysis
3.课程属性:专业必修课
4.学 分: 3 总学时:51
5.适用专业:应用统计学
6.先修课程:数学分析、高等代数、概率论、数理统计
7.考核形式:考试
一、本课程的性质、地位和作用
时间序列分析是在先修完数学分析、高等代数、概率论、数理统计等课程后,为应用统计学专业开设的一门专业必修课.本课程是数理统计的一个重要分支,研究对象是动态数据,主要方法是运用时域分析和频域分析的基本理论和方法,对获得的一组动态数据能进行分析研究,选择合适的模型,并对该模型进行参数估计,最终建立模型,达到预报目的.
二、教学目的与要求
1.教学目的
通过本课程的学习,使学生理解时间序列的时域分析和频域分析的基本理论和方法,掌握时间序列的建模、预报的基本思路和方法,用科学的观点与方法来分析实际问题、解决实际问题.
2.教学要求
通过讲解本课程,要求学生掌握各类平稳ARMA过程的基本概念及基本特征,理解间序列的时域分析和频域分析的基本理论和基本方法,运用时域分析和频域分析的基本理论和方法,对获得的一组动态数据能进行分析研究,选择合适的模型,并对该模型进行参数估计,最终建立模型,达到预报目的.
三、课程教学内容及学时安排
按照教学方案安排,本课程安排在第5学期讲授,全学程共51学时,其中课内讲授34学时,实验课17学时,具体讲授内容及学时安排见下表:
《应用时间序列分析》教学内容及学时分配表
章 |
标题 |
学时数 |
课内讲授 |
实验课 |
备注 |
一 |
时间序列分析简介 |
2 |
1 |
1 |
|
二 |
时间序列的预处理 |
8 |
5 |
3 |
|
三 |
平稳时间序列分析 |
12 |
8 |
4 |
|
四 |
非平稳时间序列的确定性分析 |
7 |
5 |
2 |
|
五 |
非平稳时间序列的随机分析 |
12 |
8 |
4 |
|
六 |
多元时间序列分析 |
10 |
7 |
3 |
|
合计 |
51 |
34 |
17 |
|
四、参考教材与书目
1.参考教材
王燕.时间序列分析--基于R.北京:中国人民大学出版社,2018年.
2.参考书目
[1] 王振龙.时间序列分析.北京:中国统计出版社,2000年.
[2] 何书元.应用时间序列分析.北京:北京大学出版社,2003年.
[3] 詹姆斯D.汉密尔顿.时间序列分析.北京:中国社会科学出版社,1999年.
[4] 易纲,海闻主编.高等时间序列计量经济学.上海:上海人民出版社,1999年.
第1章 时间序列分析简介(2学时)
【教学目的与要求】
理解时间序列的意义,理解时间序列分析两大类分析方法,了解时间序列分析软件.
【教学重点、难点】
重点:时间序列分析软件使用.
难点:时间序列分析两大类分析方法.
【教学方法】
讲授、讨论、上机实习,多媒体.
【教学内容】
1.引言
2.时间序列的定义
3.时间序列分析方法
4.时间序列分析软件
第2章 时间序列的预处理(8学时)
【教学目的与要求】
1.理解平稳时间序列的定义.
2.掌握平稳时间序列的统计性质.
3.熟练掌握平稳性的检验(时序图检验、自相关图检验).
4.理解白噪声序列的定义及性质.
5.熟练掌握纯随机性的检验(假设条件、检验统计量).
【教学重点、难点】
重点:自相关图检验.
难点:纯随机性的检验统计量.
【教学方法】
讲授、讨论、上机实习,多媒体.
【教学内容】
1.平稳性检验
2.纯随机性检验
第3章 平稳时间序列分析(12学时)
【教学目的与要求】
1.了解线性常系数差分方程及其解的一般形式.
2.掌握AR模型的平稳性判别方法,熟练掌握AR模型的统计性质.
3.掌握MA模型的可逆性判别方法,熟练掌握MA模型的统计性质.
4.掌握ARMA模型的平稳条件和可逆条件,理解ARMA模型的统计性质.
5.熟练掌握平稳时间序列的建模方法和步骤.
6.掌握时间序列的预测,理解修正预测.
【教学重点、难点】
重点:AR模型平稳性的判别方法、MA模型可逆性的判别方法、平稳时间序列的建模方法和步骤.
难点:AR模型、MA模型、ARMA模型的统计性质、时间序列的预测、修正预测.
【教学方法】
讲授、讨论、上机实习,多媒体.
【教学内容】
1.方法性工具
2.ARMA模型的性质
3.平稳时间序列建模
4.时间序列预测
第4章 非平稳时间序列的确定性分析(7学时)
【教学目的与要求】
1.了解时间序列的Wold分解和Cramer分解.
2.掌握时间序列确定性因素分解.
3.熟练掌握时间序列的趋势分析(曲线拟合、平滑法).
4.掌握模型季节效应分析的基本思想和具体操作步骤.
5.掌握复杂序列的综合分析方法.
【教学重点、难点】
重点:时间序列的趋势分析.
难点:复杂序列的综合分析方法.
【教学方法】
讲授、讨论、上机实习,多媒体.
【教学内容】
1.时间序列的分解
2.确定性因素分解
3.趋势分析
4.季节效应分析
5.综合分析
第5章 非平稳序列的随机分析(12学时)
【教学目的与要求】
1.了解差分运算的实质,掌握差分方式的选择,理解过差分问题.
2.熟练掌握ARIMA模型的结构,理解ARIMA模型的性质.
3.熟练掌握ARIMA模型建模的具体步骤.
4.掌握ARIMA模型预测方法,掌握疏系数模型的处理方法.
5.掌握利用ARIMA模型对具有季节效应的序列建模.
6.熟练掌握残差自相关检验.
7.理解异方差的概念及性质,学会判断异方差性,理解方差齐性变换.
8.掌握条件异方差模型.
【教学重点、难点】
重点:ARIMA模型建模.
难点:条件异方差模型.
【教学方法】
讲授、讨论、上机实习,多媒体.
【教学内容】
1.差分运算
2.ARIMA模型
3.残差自回归模型模型
4.异方差的性质
5.方差齐性变换
6.条件异方差模型
第6章 多元时间序列分析(10学时)
【教学目的与要求】
1.掌握平稳多元时间序列建模.
2.理解虚假回归的意义,掌握单位根检验方法.
3.理解协整检验的概念,掌握协整检验方法和具体步骤.
4.理解误差修正模型,掌握构造误差修正模型的方法.
【教学重点、难点】
重点:平稳多元时间序列建模.
难点:单位根检验方法、协整和误差修正模型.
【教学方法】
讲授、讨论、上机实习,多媒体.
【教学内容】
1.平稳多元时间序列建模
2.虚假回归
3.单位根检验
4.协整
5.误差修正模型
执笔人:王颖俐 审定人:李建丽