状态空间模型在季节性时间序列中的应用

摘要	第1-6页
ABSTRACT	第6-9页
第1章 绪论	第9-12页
·时间序列综述	第9-10页
·状态空间模型的发展简介	第10-11页
·本文的工作及章节安排	第11-12页
第2章 状态空间模型及Kalman滤波	第12-23页
·状态空间模型简介	第12-13页
·状态空间模型的Kalman滤波算法	第13-18页
·状态稳定时的Kalman滤子	第18-19页
·Kalman平滑与缺失值	第19-23页
第3章 状态空间模型的参数估计	第23-30页
·极大似然概述	第23-24页
·状态空间模型参数的极大似然估计	第24-25页
·EM算法	第25-30页
·EM算法求状态空间参数	第25-29页
·EM算法的性质	第29-30页
第4章 状态空间模型在社会消费品零售总额实例应用	第30-53页
·社会消费品零售总额概述	第30页
·社会消费品零售总额定义	第30页
·研究意义	第30页
·研究数据	第30-31页
·乘积季节模型的应用	第31-42页
·乘积季节模型(SARIMA)简介	第31-34页
·乘积季节模型的应用	第34-42页
·典型分解模型	第42-46页
·典型分解模型(BSM)简介	第42页
·典型分解模型的应用	第42-46页
·状态空间模型	第46-53页
·状态空间模型简介	第46-48页
·状态空间模型的应用	第48-53页
第5章 结论与展望	第53-55页
·结论	第53页
·展望	第53-55页
参考文献	第55-59页
附录A 社会消费品零售总额数据	第59-61页
附录B 状态空间模型分解后各项值	第61-65页
致谢	第65页