| 英文摘要 | 第7页 |
| CONTENTS | 第9-14页 |
| LIST OF FIGURES | 第14-16页 |
| LIST OF TABLES | 第16-17页 |
| PREFACE | 第17-18页 |
| GLOSSARY | 第18-20页 |
| INTRODUCTION | 第20-30页 |
| 1- The aim of this thesis | 第21-22页 |
| 2- Hypotheses | 第22页 |
| 3- the Importance of this thesis | 第22-23页 |
| 4- The limitations of this thesis | 第23-24页 |
| 5- The previous studise | 第24-29页 |
| 6- The data at this thesis | 第29页 |
| 7- The statistical computer package | 第29-30页 |
| THE THEORETICAL STUDY | 第30-79页 |
| 1- Introduction | 第31页 |
| 2- The regression analysis | 第31-50页 |
| 2-1 Model assumptions | 第31-32页 |
| 2-2 The least squares estimates（OLS） | 第32页 |
| 2-3 Hypothesis testing in regression analysis | 第32-34页 |
| 2-4 Some regression's problems | 第34-39页 |
| 2-4-1 The multicollinearity | 第34-35页 |
| 2-4-2 Autocorrelation | 第35-39页 |
| 2-5 Stepwise model selection | 第39-40页 |
| 2-6 Principal components | 第40-45页 |
| 2-7 Lagged variables | 第45-49页 |
| 2-8 Chow's second test and predictive failure | 第49-50页 |
| 3- The univariate time series analysis | 第50-58页 |
| 3-1 Stationarity | 第51-54页 |
| 3-1-1 Testing for stationarity | 第51-52页 |
| 3-1-2 Transforming to stationary | 第52-54页 |
| 3-1-2-1 Stabilizing variances | 第52-54页 |
| 3-1-2-2 Stabilizing the mean | 第54页 |
| 3-2 The Box-Jenkins approach | 第54-58页 |
| 3-2-1 Identification | 第55-56页 |
| 3-2-2 Estimation | 第56页 |
| 3-2-3 Diagnostic checking | 第56-58页 |
| 3-2-3-1 Akaike Information Criterion（AIC） | 第57页 |
| 3-2-3-2 Schwarz Bayesian Criterion（SBC） | 第57-58页 |
| 3-2-3-3 Log Likelihood Criterion（Log LH） | 第58页 |
| 4- The multivariate time series analysis | 第58-64页 |
| 4-1 The transfer function model | 第58-61页 |
| 4-2 Stationarity | 第61页 |
| 4-3 Identification of the transfer function models | 第61-62页 |
| 4-4 Estimation | 第62-63页 |
| 4-5 Diagnostic checking | 第63-64页 |
| 5- Combine regression analysis and time series analysis | 第64-74页 |
| 5-1 The method of building an ARIMA model for the error series | 第64-65页 |
| 5-1-1 Estimating the regression model | 第64-65页 |
| 5-1-2 Building an ARIMA model for the residual | 第65页 |
| 5-2 Re-estimation the regression model when autocorrelated disturbances are found | 第65-74页 |
| 5-2-1 Maximum likelihood estimation | 第70-73页 |
| 5-2-2 Prediction in the presence of autocorrelated disturbances | 第73-74页 |
| 6- Comparison study to the entire suggested model in this thesis | 第74-79页 |
| 6-1 Some statistical criteria for comparison | 第74-75页 |
| 6-1-1 The criterion of the mean absolute relative prediction error（MARPE）: | 第74页 |
| 6-1-2 The criterion of the mean squared relative prediction error（MSRPE） | 第74-75页 |
| 6-1-3 The criterion of the root mean squared prediction error（RMSPE） | 第75页 |
| 6-2 Contingency chi-square goodness-of-fit test | 第75-76页 |
| 6-3 Two-sample sign test | 第76-77页 |
| 6-4 Rank-sum test（Wilcoxon test） | 第77-79页 |
| THE PRACTICAL STUDY | 第79-155页 |
| 1- Applying the regression analysis using explanatory variables | 第81-92页 |
| 1-1 Estimate the model | 第81-85页 |
| 1-2 Re-estimate the regression models using stepwise method | 第85-87页 |
| 1-3 Comparing the models | 第87-90页 |
| 1-3-1 Check the model's predicted values | 第87-88页 |
| 1-3-2 Comparison the models in the second group | 第88页 |
| 1-3-3 Comparison the models in the first and second group | 第88-90页 |
| 1-4 Results of evaluating the logarithmic model's ability to forecast | 第90-91页 |
| 1-4-1 Test of parameter stability（Chow's second test） | 第90-91页 |
| 1-5 Conclusion | 第91-92页 |
| 2- Applying the Regression Analysis Using the Principal Component | 第92-100页 |
| 2-1 Factor analysis result | 第92页 |
| 2-2 Results of the regression analysis | 第92-94页 |
| 2-3 Comparing the models | 第94-96页 |
| 2-3-1 Check the model's predicted values | 第95页 |
| 2-3-2 Comparison of the models in the first and second group | 第95-96页 |
| 2-4 Results of evaluating the linear model's ability to forecast | 第96-99页 |
| 2-4-1 Test of parameter stability（Chow's second test） | 第96-99页 |
| 2-5 Conclusion | 第99-100页 |
| 3- Applying the Regression Analysis Using the Lag Variables with other Explanatory Variables | 第100-106页 |
| 3-1 Estimating the model | 第100页 |
| 3-2 Testing for autocorrelation | 第100-103页 |
| 3-2-1 Runs test | 第101-102页 |
| 3-2-2 Durbin's h test | 第102-103页 |
| 3-3 Results of evaluating the lag model's ability to forecast | 第103-105页 |
| 3-4 Conclusion | 第105-106页 |
| 4- Applying the Univariate Time Series Analysis | 第106-117页 |
| 4-1 Testing and Transforming to Stationarity | 第106-111页 |
| 4-1-1 Testing for Stationarity | 第106-107页 |
| 4-1-2 Transforming to stationary | 第107-111页 |
| 4-1-2-1 Stabilizing variances | 第107-110页 |
| 4-1-2-2 Stabilizing the mean | 第110-111页 |
| 4-2 Identification | 第111-114页 |
| 4-3 Estimating the model | 第114页 |
| 4-4 Model's diagnostic checking | 第114-116页 |
| 4-5 Conclusion | 第116-117页 |
| 5- Applying the multivariate time series analysis | 第117-137页 |
| 5-1 Testing and transforming Total Exports data to stationary | 第117-121页 |
| 5-1-1 Testing for stationarity | 第117-118页 |
| 5-1-2 Transforming to Stationary | 第118-121页 |
| 5-1-2-1 Stabilizing variances | 第119-120页 |
| 5-1-2-2 Stabilizing the mean | 第120-121页 |
| 5-2 Testing and Transforming Total Imports Data to Stationary | 第121-126页 |
| 5-2-1 Testing for Stationarity | 第121-123页 |
| 5-2-2 Transforming to Stationary | 第123-126页 |
| 5-2-2-1 Stabilizing variances | 第123-125页 |
| 5-2-2-2 Stabilizing the mean | 第125-126页 |
| 5-3 Identification | 第126-129页 |
| 5-4 Estimate the Multivariate Time Series Model | 第129-132页 |
| 5-5 Diagnostic checking of multivariate time series models | 第132-136页 |
| 5-6 Conclusion | 第136-137页 |
| 6- Combine the regression analysis with the time series analysis | 第137-145页 |
| 6-1 Building the ARIMA model for the residual series | 第137-145页 |
| 6-1-1 Testing and Transforming to Stationarity | 第137-138页 |
| 6-1-1-1 Testing for Stationarity | 第137-138页 |
| 6-1-2 Identification | 第138-140页 |
| 6-1-3 Estimation | 第140页 |
| 6-1-4 The Diagnostic Checking | 第140-145页 |
| 7- Another way to combine time series and regression analysis | 第145-150页 |
| 7-1 Maximum likelihood estimation | 第145-146页 |
| 7-2 Cochrane-Orcutt estimation | 第146-147页 |
| 7-3 Prais-Winsten estimation | 第147页 |
| 7-4 Diagnostic checking | 第147-149页 |
| 7-5 Conclusion | 第149-150页 |
| 8- Comparison study to all the suggested model in this thesis | 第150-155页 |
| 8-1 Re-introduce the best seven models | 第150-151页 |
| 8-2 Comparing the regression models | 第151-152页 |
| 8-3 Plotting the valid models with the actual values of GNP | 第152-153页 |
| 8-4 Summarizing the diagnostic checking results | 第153-155页 |
| CONCLUSIONS AND RECOMMENDATIONS | 第155-159页 |
| 1- The Conclusions | 第156-158页 |
| 2- The recommendations | 第158-159页 |
| REFERENCES | 第159-160页 |
