| 中文摘要 | 第1-8页 |
| 英文摘要 | 第8-11页 |
| 第一部分 概述 | 第11-14页 |
| §1.1 前言 | 第11页 |
| §1.2 研究背景、目的、意义、内容、思路及步骤 | 第11-13页 |
| §1.3 研究资料来源、分析工具 | 第13-14页 |
| 第二部分 ARIMA模型的基本原理和方法 | 第14-20页 |
| §2.1 时间序列的概念 | 第14页 |
| §2.2 时间序列的平稳性及数字特征 | 第14-15页 |
| §2.3 平稳时间序列的ARMA模型 | 第15-18页 |
| §2.4 非平稳时间序列的ARIMA模型 | 第18页 |
| §2.5 Box-Jenkins建模方法 | 第18-20页 |
| 第三部分 ARIMA模型的建立 | 第20-34页 |
| §3.1 序列的特征与方法选择 | 第20-21页 |
| §3.2 时间序列的平稳性检验 | 第21-25页 |
| §3.3 模型的识别 | 第25页 |
| §3.4 模型估计和诊断检查方法 | 第25-28页 |
| §3.5 两次差分序列的模型估计和诊断过程 | 第28-31页 |
| §3.6 预测过程 | 第31-33页 |
| §3.7 小结 | 第33-34页 |
| 第四部分 指数平滑法的应用 | 第34-43页 |
| §4.1 指数平滑法的选择 | 第34页 |
| §4.2 指数平滑法的原理 | 第34-35页 |
| §4.3 Box-Cox变换 | 第35-36页 |
| §4.4 单参数双重指数平滑法 | 第36-39页 |
| §4.5 Holt-Winters两参数双重指数平滑法 | 第39-41页 |
| §4.6 残差的Durbin-Watson检验 | 第41-43页 |
| 第五部分 基于传染病模型的自回归分析 | 第43-48页 |
| §5.1 模型的构造 | 第43-44页 |
| §5.2 基于传染病模型的自回归分析 | 第44-48页 |
| 第六部分 主成分回归分析 | 第48-53页 |
| §6.1 病情指数的logit变换 | 第48-49页 |
| §6.2 异常值检验、异方差检验、共线性诊断 | 第49-50页 |
| §6.3 主成分回归分析 | 第50-53页 |
| 第七部分 AR-EGARCH模型的建立 | 第53-60页 |
| §7.1 ARCH模型的选择 | 第53-54页 |
| §7.2 ARCH(2)模型的建立 | 第54-56页 |
| §7.3 AR(2)-EGARCH(0，2)模型的建立 | 第56-59页 |
| §7.4 小结 | 第59-60页 |
| 第八部分 结果和讨论 | 第60-66页 |
| §8.1 模型的验证和比较 | 第60-62页 |
| §8.2 讨论 | 第62-63页 |
| §8.3 研究结果 | 第63-65页 |
| §8.4 研究的特色和创新点 | 第65页 |
| §8.5 尚待探讨的问题 | 第65-66页 |
| 小结 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 文献综述 | 第73-80页 |