《時間序列與多元統計分析》系統地講述了時間序列的基本理論和方法，包括時間序列的模型識別、建模（含參數估計、定價和擬合檢驗）和預報方法。介紹了多元統計分析的基礎，重點介紹了五大技術：聚類分析、判別分析、主成分分析、因子分析和典型相關分析，并簡明地介紹了統計軟件SPSS在時間序列和多元統計分析中的應用方法。
《時間序列與多元統計分析》可作為應用數學專業本科生和工科、醫學、生物、經濟類等專業研究生的教材，也可供其他專業的大學師生、科學研究人員、工程技術專家和需要進行數據處理的人員參考。
第1部分 時間序列分析部分
第1章 時間序列分析基礎
1．1 時間序列的基本概念
1．2 時間序列分布
1．3 時間序列數字特征
1．3．1 均值函數
1．3．2 自協方差函數
1．3．3 自相關函數
1．3．4 互協方差函數
1．4 時間序列的平穩性
1．4．1 兩種平穩性定義
1．4．2 兩種平穩性關系
1．4．3 平穩序列的數字特征
1．5 時間序列的運算
1．5．1 線性運算和延遲運算
1．5．2 差分運算
1．5．3 極限運算
1．5．4 平穩線性時間序列
1．6 復時間序列
習題1
第2章 時間序列模型介紹
2．1 自回歸模型
2．1．1 模型
2．1．2 Yule-Walker方程
2．2 滑動平均模型
2．2．1 模型
2．2．2 自協方差函數
2．2．3 可逆條件
2．3 自回歸滑動平均模型
2．3．1 模型
2．3．2 平穩條件與可逆條件
2．3．3 自協方差函數
2．4 求和模型
2．5 季節模型
2．6 加法模型和乘法模型
習題2
第3章 模型識別與擬合檢驗的工具
3．1 模型識別的工具
3．1．1 偏相關函數
3．1．2 兩個重要識別定理
3．2 均值函數與自協方差函數的估計
3．2．1 均值函數的矩估計
3．2．2 自協方差函數和自相關函數的估計
3．3 獨立同分布序列的檢驗
3．3．1 圖判別法
3．3．2 X2檢驗法
3．4 譜函數
3．5 矩陣的微分
3．6 回歸模型中異方差的處理
3．6．1 異方差問題
3．6．2 異方差檢驗
3．6．3 異方差修正
習題3
第4章 時間序列建模方法
4．1 AR（p）模型的建模方法
4．1．1 AR（p）模型的參數估計
4．1．2 AR（p）模型的定階
4．1．3 AR（p）模型的擬合檢驗
4．2 MA（q）模型的建模方法
4．2．1 MA（q）模型的參數估計
4．2．2 MA（q）模型的定階
4．2．3 MA（q）模型的擬合檢驗
4．3 ARMA（p，q）模型的建模方法
4．3．1 ARMA（p，q）模型的參數估計
4．3．2 ARMA（p，q）模型的定階
4．3．3 ARMA（p，q）模型的擬合檢驗
4．4 ARIMA（p，d，q）模型的建模簡介
4．5 季節模型的建模簡介
習題4
第5章 時間序列的預報方法
5．1 線性最小均方誤差預報方法
5．2 條件期望預報方法
5．3 具體模型的預報方法
5．3．1 AR（p）序列的遞推預報
5．3．2 MA（q）序列的遞推預報
5．3．3 ARMA（p，q）序列的遞推預報
5．3．4 ARIMA（p，d，q）序列的預報
5．3．5 季節序列的預報
5．3．6 加法模型與乘法模型的預報方法
5．3．7 分解預報法簡介
5．4 非決定性平穩序列及其兩個分解定理
5．4．1 非決定性平穩序列
5．4．2 Wold分解定理
5．4．3 Cramer分解定理
習題5
第6章 時間序列分析步驟與統計軟件SPSS的應用
6．1 時間序列分析步驟
6．2 SPSS在時間序列分析中的應用簡介
6．2．1 SPSS的基本操作簡介
6．2．2 建立數據文件
6．2．3 繪制時間序列圖
6．2．4 繪制自相關函數和偏相關函數圖
6．2．5 AR、MA、ARMA和ARIMA序列的建模
6．3 時間序列分析實例
習題6
第2部分 多元統計分析部分
第7章 多元統計分析基礎
7．1 統計量及其分布
7．1．1 幾個最常用統計量
7．1．2 基于來自多維正態總體樣本的統計量的分布
7．2 多維正態分布的統計推斷
7．2．1 多維正態分布的參數估計
7．2．2 多維正態分布參數的假設檢驗
7．2．3 正態總體協方差矩陣的檢驗
7．3 應用SPSS計算樣本均值向量、協方差矩陣
7．4 多維正態分布隨機數的產生方法
習題7
第8章 聚類分析
8．1 距離與相似系數
8．1．1 變量Xi與Xj的夾角余弦
8．1．2 變量Xi與Xj的樣本相關系數
8．1．3 類與類的距離
8．2 系統聚類法
8．3 K-Means聚類法
8．4 有序樣品的聚類
8．4．1 概述
8．4．2 求最優分類法的遞推公式
8．4．3 Fisher方法的計算
8．5 數值例——SPSS的應用
8．5．1 K-Means法聚類分析
8．5．2 系統聚類法聚類分析
習題8
第9章 判別分析
9．1 距離判別法
9．1．1 馬氏距離的概念
9．1．2 兩總體情形下的距離判別法
9．1．3 多總體情形下的距離判別法
9．2 Fisher判別法
9．3 Bayes判別法
9．4 數值例——SPSS的應用
習題9
第10章 主成分分析
10．1 總體主成分
10．2 樣本主成分
10．3 數值例——SPSS的應用
習題10
第11章 因子分析
11．1 因子分析模型
11．2 因子旋轉
11．3 因子分析模型的解
11．4 因子得分
11．5 數值例——SPSS的應用
習題11
第12章 典型相關分析
12．1 概述
12．2 典型相關分析方法
12．3 數值例——SPSS的應用
習題12
試題1 時間序列與多元統計分析試題
試題2 時間序列分析試題
部分習題答案
部分試題答案
附錄
附錄1 多維正態分布的性質
附錄2 標準正態分布函數表
附錄3 t分布上側分位數表
附錄4 X2分布上側分位數表
附錄5 F分布上側分位數表
參考文獻
新書資訊