| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-21页 |
| 第一节 研究背景和研究意义 | 第10-13页 |
| 一、研究背景 | 第10-12页 |
| 二、研究意义 | 第12-13页 |
| 第二节 文献综述 | 第13-15页 |
| 第三节 国内外发展现状 | 第15-17页 |
| 一、大型企业主导的B2B极具全球竞争力 | 第15-16页 |
| 二、网上零售已成为发达国家主要零售渠道之一 | 第16页 |
| 三、美韩B2C发展规模及潜力高于C2C | 第16-17页 |
| 第四节 研究方法 | 第17-18页 |
| 第五节 创新点、难点及不足点 | 第18-21页 |
| 一、本文创新点 | 第18-19页 |
| 二、本文难点 | 第19页 |
| 三、本文的不足点 | 第19-21页 |
| 第二章 时间序列的相关性分析 | 第21-26页 |
| 第一节 相关性分析方法介绍 | 第21-22页 |
| 一、相关分析的定义 | 第21页 |
| 二、相关系数的类型 | 第21-22页 |
| 第二节 利用相关性分析进行案例分析 | 第22-26页 |
| 一、数据介绍 | 第22-23页 |
| 二、数据的处理 | 第23页 |
| 三、利用相关性检验进行案例分析 | 第23-26页 |
| 第三章 时间序列的协整分析 | 第26-45页 |
| 第一节 协整分析方法论介绍 | 第26-37页 |
| 一、协整的含义 | 第26页 |
| 二、长期均衡关系与协整 | 第26-28页 |
| 三、协整分析 | 第28-29页 |
| 四、协整检验 | 第29-35页 |
| 五、误差修正模型 | 第35-37页 |
| 第二节 利用协整进行案例分析 | 第37-45页 |
| 一、检验样本时间序列的平稳性检验 | 第37-38页 |
| 二、序列的协整检验 | 第38-40页 |
| 三、建立误差修正模型 | 第40-42页 |
| 四、利用误差修正模型进行数据预测 | 第42-43页 |
| 五、构建非对称误差修正模型 | 第43-45页 |
| 第四章 序列的格兰杰因果关系研究 | 第45-48页 |
| 第一节 Granger因果检验的方法论 | 第45-46页 |
| 第二节 Granger因果检验的案例分析 | 第46-48页 |
| 第五章 基于指数平滑和ARIMA模型的社会零售总额预测 | 第48-58页 |
| 第一节 时间序列的指数平滑预测 | 第48-51页 |
| 一、指数平滑方法论 | 第48-49页 |
| 二、指数平滑预测的案例分析 | 第49-51页 |
| 第二节 时间序列的ARIMA模型预测 | 第51-58页 |
| 一、ARIMA模型方法论 | 第51-54页 |
| 二、利用ARMA模型进行案例分析 | 第54-57页 |
| 三、三种模型的预测比较 | 第57-58页 |
| 第六章 主要结论及政策建议 | 第58-62页 |
| 第一节 主要结论 | 第58-59页 |
| 第二节 政策建议 | 第59-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-68页 |
| 致谢 | 第68-69页 |
| 本人在读期间的研究成果 | 第69页 |