| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 第一节 研究背景 | 第10-11页 |
| 第二节 研究目的 | 第11页 |
| 第三节 时间序列分析的产生和发展 | 第11-13页 |
| 一、时间序列分析的产生 | 第11-12页 |
| 二、时间序列分析的发展 | 第12-13页 |
| 第四节 论文结构 | 第13-14页 |
| 第二章 时间序列分析的简介 | 第14-20页 |
| 第一节 时间序列的主要特征 | 第14-16页 |
| 一、时间序列的相关性 | 第14-15页 |
| 二、时间序列的平稳性 | 第15-16页 |
| 三、时间序列的波动聚集性 | 第16页 |
| 第二节 时间序列分析的步骤 | 第16-20页 |
| 一、模型识别 | 第17页 |
| 二、模型估计 | 第17-18页 |
| 三、模型检验 | 第18页 |
| 四、模型应用 | 第18-20页 |
| 第三章 平稳时间序列的建模分析 | 第20-32页 |
| 第一节 时间序列的检验 | 第20-22页 |
| 一、时间序列平稳性检验 | 第20页 |
| 二、时间序列纯随机性检验 | 第20-22页 |
| 第二节ARMA模型介绍 | 第22-26页 |
| 一、AR模型 | 第22-23页 |
| 二、MA模型 | 第23-24页 |
| 三、ARMA模型 | 第24-26页 |
| 第三节 模型的识别 | 第26-27页 |
| 一、自相关系数与偏自相关系数 | 第26页 |
| 二、模型定阶 | 第26-27页 |
| 第四节 模型参数估计 | 第27-29页 |
| 一、矩估计 | 第27-28页 |
| 二、极大似然估计 | 第28-29页 |
| 三、最小二乘估计 | 第29页 |
| 第五节 模型检验 | 第29-31页 |
| 一、模型的显著性检验 | 第30页 |
| 二、模型参数的显著性检验 | 第30-31页 |
| 第六节 模型预测 | 第31-32页 |
| 第四章 非平稳时间序列的建模分析 | 第32-43页 |
| 第一节 时间序列的确定性和随机性分解 | 第32-34页 |
| 一、Wold分解定理 | 第32-33页 |
| 二、Gramer分解定理 | 第33-34页 |
| 第二节 基于确定性分析的建模方法 | 第34-37页 |
| 一、移动平均法 | 第34-35页 |
| 二、指数平滑法 | 第35-36页 |
| 三、Holt-Winters滤波模型 | 第36-37页 |
| 第三节 基于随机分析的建模方法 | 第37-40页 |
| 一、差分运算 | 第37-38页 |
| 二、PP检验和KPSS检验 | 第38-40页 |
| 第四节ARIMA模型 | 第40-41页 |
| 第五节 对模型拟合效果的判断 | 第41-43页 |
| 一、Holt-Winters滤波模型和ARIMA模型的比较 | 第41-42页 |
| 二、对模型拟合残差的检验 | 第42-43页 |
| 第五章 基于时间序列模型的我国互联网普及率分析 | 第43-53页 |
| 第一节 互联网普及率数据 | 第43页 |
| 第二节 从实证分析中选择模型 | 第43-49页 |
| 一、ARIMA模型对序列的拟合 | 第43-46页 |
| 二、Holt-Winters滤波模型对序列的拟合 | 第46-49页 |
| 第三节 模型的比较 | 第49-51页 |
| 第四节 对互联网普及率的预测 | 第51-53页 |
| 第六章 结论与政策建议 | 第53-55页 |
| 第一节 结论 | 第53页 |
| 第二节 政策建议 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 本人在读期间完成的研究成果 | 第60页 |