基本信息
- 原书名：Time Series Analysis: Forecasting and Control 4 edition
- 原出版社： Wiley
编辑推荐
时间序列分析
预测与控制
(原书第4版)
（美）乔治 E. P. 博克斯 (George E. P. Box)
（英）格威利姆 M. 詹金斯 (Gwilym M. Jenkins)
（美）格雷戈里 C. 莱因泽尔 (Gregory C. Reinsel) 著
王成璋 尤梅芳 郝杨译
本书是时间序列领域的经典之作，自1970年出版以来不断修订再版，历经30年的检验始终都是时间序列领域的权威典范。三位作者也是学界赫赫有名、蜚声世界的统计学大师，他们用词简洁并富有穿透力，叙述通俗并强调实际应用，同时大量的实例更能使读者很快体会其中直观而深刻的时间序列分析精髓，掌握实践的技巧。
相对第3版，第4版新增的内容主要有非线性和长记忆模型、多元时间序列分析以及前馈控制，其余各章节根据现实和教学需要均有不同程度的更新。
本书可作为统计和相关专业高年级本科生或研究生教材，也可以作为统计专业技术人员的参考书。
内容简介
目录
《时间序列分析:预测与控制(原书第4版)》
译者序
第4版前言
第3版前言
教学建议
第1章引言1
1.1五个重要的现实问题1
1.2随机性和确定性的动态数学模型4
1.3建模的基本思想10
第一部分 随机模型及其预测
第2章平稳过程的自相关函数和谱14
2.1平稳模型的自相关性质14
2.2平稳模型的频谱特性23
附录2A样本谱和自相关函数估计
之间的联系29第3章线性平稳模型30
3.1一般线性过程30
3.2自回归过程35
3.3移动平均过程44
3.4自回归移动平均混合过程48
附录3A一般线性过程的自协方差函数，自协方差生成函数及平稳性条件53
译者序
第4版前言
第3版前言
教学建议
第1章引言1
1.1五个重要的现实问题1
1.2随机性和确定性的动态数学模型4
1.3建模的基本思想10
第一部分 随机模型及其预测
第2章平稳过程的自相关函数和谱14
2.1平稳模型的自相关性质14
2.2平稳模型的频谱特性23
附录2A样本谱和自相关函数估计
之间的联系29第3章线性平稳模型30
3.1一般线性过程30
3.2自回归过程35
3.3移动平均过程44
3.4自回归移动平均混合过程48
附录3A一般线性过程的自协方差函数，自协方差生成函数及平稳性条件53
译者序
自1970年博克斯和詹金斯的《时间序列分析：预测与控制》第1版问世以来，已经是第三次修订改版了，无论哪个版次其内容始终是时间序列领域的权威。因本书作者对时间序列数据分析所做出的巨大贡献，人们将经典的ARIMA模型命名为Box-Jenkins模型。2008年，本书原文第4版出版，相对第3版而言，新增内容主要有：第10章（非线性和长记忆模型），第14章（多元时间序列分析）以及第15章中的15.5节（前馈控制），此外，本书其余各章节均有不同程度的更新。
本书是由机械工业出版社委托翻译、西南交通大学经济管理学院王成璋教授主译的，全书由王成璋教授统纂定稿，并由其将全部译稿认真仔细地校对评阅。在本书翻译的筹备过程中，由于部分参考中国人民大学统计学系顾岚主译的第3版，在遣词造句上获益匪浅。为此，我们感谢第3版的译者为我们第4版的翻译工作提供了非常有价值的参考。并且，我们感谢参加翻译的几位博士和在读硕士研究生。他们的具体分工如下：第1章（姜凌），第2、4、5、13、14、15章(尤梅芳)，第3、6、7、8、9、10、11章(郝杨)，第12章(郝杨、尤梅芳)，习题(尤梅芳)。此外，机械工业出版社的诸多同志为出版本书付出了辛勤的努力， 在此我们表示诚挚的感谢。
我们衷心地希望该书的翻译和出版对于促进我国统计学教学工作的发展以及统计工作人员的参考学习有所帮助。由于时间和水平有限，难免存在诸多不足之处，敬请读者批评指正。
译者
2011年3月
本书是由机械工业出版社委托翻译、西南交通大学经济管理学院王成璋教授主译的，全书由王成璋教授统纂定稿，并由其将全部译稿认真仔细地校对评阅。在本书翻译的筹备过程中，由于部分参考中国人民大学统计学系顾岚主译的第3版，在遣词造句上获益匪浅。为此，我们感谢第3版的译者为我们第4版的翻译工作提供了非常有价值的参考。并且，我们感谢参加翻译的几位博士和在读硕士研究生。他们的具体分工如下：第1章（姜凌），第2、4、5、13、14、15章(尤梅芳)，第3、6、7、8、9、10、11章(郝杨)，第12章(郝杨、尤梅芳)，习题(尤梅芳)。此外，机械工业出版社的诸多同志为出版本书付出了辛勤的努力， 在此我们表示诚挚的感谢。
我们衷心地希望该书的翻译和出版对于促进我国统计学教学工作的发展以及统计工作人员的参考学习有所帮助。由于时间和水平有限，难免存在诸多不足之处，敬请读者批评指正。
译者
2011年3月
前言
第4版前言
也许，简单地讲述一下本书是如何开始写作的是一件非常有意思的事情。我和格威利姆·詹金斯第一次成为朋友是在20世纪50年代后期。我们都对这样一个问题十分着迷：一个化学反应器可以设计成自动进行优化，并且可能服从一个移动极值模型。我们都认为统计理论的许多进展，是那些致力于真正的科学问题研究的学者间的相互交流而产生的结果。而帮助设计和建立这样一个反应器可以进一步说明这个观点。
在詹金斯访问威斯康星大学麦迪逊分校的一年间，我们和著名的化学工程师奥尔夫·霍根讨论了该问题，那时他已经80岁了。他非常热心，并且建议我们在一个联合项目中组成一个小组来建立这样一个体系。国家自然科学基金后来资助了我们这个项目。该项目耗时3年，但是不用多说，在进行了许多实验，经历了若干挫折以及获得一些成功之后，反应器建成了并且开始工作。
正如之前所料，这项研究教给了我们很多东西。特别是，我们对描述系统动态性所需的差分方程的操作变得更加熟练。这项研究也使我们对真实的系统噪声建模所需的非平稳时间序列有了更好的理解。这3年是一段非常美好的时光。我们做了许多感兴趣的事：在思想演变的过程中与实验者相互交流，并且用实际的仪器和真实的数据，解决了许多实际问题。
后来，在其他领域中也有应用，例如，在时间序列分析中的发展，在经济贸易的预测中，以及将一些从工程师那里获得的概念用于统计过程控制（SPC）的发展。
在詹金斯来麦迪逊的一年后，我每个夏天都会到他在兰开斯特的家里。在一年的其他时间里，我们都使用磁带进行录音。我们撰写了大量科技报告，并且发表了许多论文，但是最后才意识到我们需要出版一本著作。本书的前两版写作期间，詹金斯正以非凡的勇气同一场慢性衰竭病症作斗争，直到本书完成后他去世了。
后来，格雷戈里·莱因泽尔，一个对该课题具有非常丰富知识的学者，帮助我们完成了该书的第3版。同样在第4版中，新的内容几乎都是由莱因泽尔完成的，不幸的是，在第4版完成后，他也过早地离开了我们。 在第4版中，除了完整的修改和更新，我们还加入了两章全新的内容：关于非线性和长记忆模型的第10章，以及关于多元时间序列的第12章。
本书第4版的出版是为了表示对詹金斯和莱因泽尔的敬意。能与这两位天才同事一起工作，我感到非常荣幸。
另外，我们感谢Steve Quigley 和Lisa Van Horn两位编者在本书第4版修订过程中的鼓励和帮助，并且感谢Surendar Narasimhan在稿件整理过程中提供的帮助。
乔治E.P.博克斯
威斯康星大学麦迪逊分校
第3版前言
本书涉及时间序列随机(统计)模型的建立及其在重要应用领域中的使用。这包括预测，模型的设定、估计和检验，动态关系的传递函数建模，干预事件影响的建模以及过程控制等专题。在本书第1版面世的时候，有关上述专题的研究掀起了巨大的热潮。因此，在保持有关时间序列分析的一些基本原理不变的同时，这一版也汇集了众多作者所提供的新思想、新的修正和改进。
在本书上一版写作期间，詹金斯正以非凡的勇气同一场慢性衰竭病症作斗争。在本次修订中，为了表示对他的纪念，我们保持了原书的总体结构，仅对原文进行适当的修订、补充和删改。具体说来，第7章关于ARMA模型的估计做了相当大的修改。此外，我们还引入一些全新的章节，用以介绍自第1版出版之后所发展起来的重要专题。它们包括新近发展的多种有关模型设定方法的介绍，诸如典型相关分析，模型选择准则的使用，ARIMA过程中有关单位根非平稳性检验的一些结果，ARMA模型的状态空间表示以及在似然估计和预测中的应用，模型诊断的得分检验，时间序列模型中的结构分量、确定性分量，以及基于回归时间序列模型方法所得到的这些分量的估计。第12章是全新的，它介绍了有关干预和异常值分析这一重要专题的进展，反映了自前一版以来该专题的实际作用和研究工作。
在过去的几年中，有关工业产品质量的改进又重新被强调，控制对于过程监视和过程调整的作用又引起极大的关注。因此，为了对这些重要专题加以介绍，同时对它们之间的关系给出更好的解释，本书中有关控制的章节完全是重新撰写的。
本书的目的是提供实践的技巧，大多数读者在使用中将会受益。尽管我们也试图改进前一版的不足之处，但是，我们还是不打算对一些问题引入严格的数学处理。
我们对玛格丽特·詹金斯和我们各自的妻子克莱尔和桑迪致以诚挚的感谢，因为在本书进行修订的漫长阶段，她们始终不懈地给予支持和帮助。
原书的有关研究曾得到美国空军科学研究办公室和英国科学研究委员会的支持。第3版中的部分研究得到Alfred P.Sloan基金和美国国家航空航天局的支持。我们感谢E.S.Pearson教授和生物计量学理事会，允许我们重新印刷由E.S.Pearson和H.O.Hartley所编制并在Biometrika Tables for Statisticians的第一卷上经简化和修正的表1，8和12，我们感谢Casimer Stralkowski博士，允许我们从他的博士论文中复制和采用了三张图。感谢George Tiao，David Mayne，Emanuel Parzen，David Pierce，Granville Wilson，Donald Watts，John Hampton，Elaine Hodkinson，Patricia Blant，Dean Wichern，David Bacon，Paul Newbold，Hiro Kanemasu，Larry Haugh，John MacGregor，Bovas Abraham，Gina Chen，Johannes Ledolter，Greta Ljung，Carole Leigh，Mary Essser和Meg Jenkins在上一版的修订中以不同的方式所给予我们的帮助。
乔治E.P.博克斯
格雷戈里 C.莱因泽尔
也许，简单地讲述一下本书是如何开始写作的是一件非常有意思的事情。我和格威利姆·詹金斯第一次成为朋友是在20世纪50年代后期。我们都对这样一个问题十分着迷：一个化学反应器可以设计成自动进行优化，并且可能服从一个移动极值模型。我们都认为统计理论的许多进展，是那些致力于真正的科学问题研究的学者间的相互交流而产生的结果。而帮助设计和建立这样一个反应器可以进一步说明这个观点。
在詹金斯访问威斯康星大学麦迪逊分校的一年间，我们和著名的化学工程师奥尔夫·霍根讨论了该问题，那时他已经80岁了。他非常热心，并且建议我们在一个联合项目中组成一个小组来建立这样一个体系。国家自然科学基金后来资助了我们这个项目。该项目耗时3年，但是不用多说，在进行了许多实验，经历了若干挫折以及获得一些成功之后，反应器建成了并且开始工作。
正如之前所料，这项研究教给了我们很多东西。特别是，我们对描述系统动态性所需的差分方程的操作变得更加熟练。这项研究也使我们对真实的系统噪声建模所需的非平稳时间序列有了更好的理解。这3年是一段非常美好的时光。我们做了许多感兴趣的事：在思想演变的过程中与实验者相互交流，并且用实际的仪器和真实的数据，解决了许多实际问题。
后来，在其他领域中也有应用，例如，在时间序列分析中的发展，在经济贸易的预测中，以及将一些从工程师那里获得的概念用于统计过程控制（SPC）的发展。
在詹金斯来麦迪逊的一年后，我每个夏天都会到他在兰开斯特的家里。在一年的其他时间里，我们都使用磁带进行录音。我们撰写了大量科技报告，并且发表了许多论文，但是最后才意识到我们需要出版一本著作。本书的前两版写作期间，詹金斯正以非凡的勇气同一场慢性衰竭病症作斗争，直到本书完成后他去世了。
后来，格雷戈里·莱因泽尔，一个对该课题具有非常丰富知识的学者，帮助我们完成了该书的第3版。同样在第4版中，新的内容几乎都是由莱因泽尔完成的，不幸的是，在第4版完成后，他也过早地离开了我们。 在第4版中，除了完整的修改和更新，我们还加入了两章全新的内容：关于非线性和长记忆模型的第10章，以及关于多元时间序列的第12章。
本书第4版的出版是为了表示对詹金斯和莱因泽尔的敬意。能与这两位天才同事一起工作，我感到非常荣幸。
另外，我们感谢Steve Quigley 和Lisa Van Horn两位编者在本书第4版修订过程中的鼓励和帮助，并且感谢Surendar Narasimhan在稿件整理过程中提供的帮助。
乔治E.P.博克斯
威斯康星大学麦迪逊分校
第3版前言
本书涉及时间序列随机(统计)模型的建立及其在重要应用领域中的使用。这包括预测，模型的设定、估计和检验，动态关系的传递函数建模，干预事件影响的建模以及过程控制等专题。在本书第1版面世的时候，有关上述专题的研究掀起了巨大的热潮。因此，在保持有关时间序列分析的一些基本原理不变的同时，这一版也汇集了众多作者所提供的新思想、新的修正和改进。
在本书上一版写作期间，詹金斯正以非凡的勇气同一场慢性衰竭病症作斗争。在本次修订中，为了表示对他的纪念，我们保持了原书的总体结构，仅对原文进行适当的修订、补充和删改。具体说来，第7章关于ARMA模型的估计做了相当大的修改。此外，我们还引入一些全新的章节，用以介绍自第1版出版之后所发展起来的重要专题。它们包括新近发展的多种有关模型设定方法的介绍，诸如典型相关分析，模型选择准则的使用，ARIMA过程中有关单位根非平稳性检验的一些结果，ARMA模型的状态空间表示以及在似然估计和预测中的应用，模型诊断的得分检验，时间序列模型中的结构分量、确定性分量，以及基于回归时间序列模型方法所得到的这些分量的估计。第12章是全新的，它介绍了有关干预和异常值分析这一重要专题的进展，反映了自前一版以来该专题的实际作用和研究工作。
在过去的几年中，有关工业产品质量的改进又重新被强调，控制对于过程监视和过程调整的作用又引起极大的关注。因此，为了对这些重要专题加以介绍，同时对它们之间的关系给出更好的解释，本书中有关控制的章节完全是重新撰写的。
本书的目的是提供实践的技巧，大多数读者在使用中将会受益。尽管我们也试图改进前一版的不足之处，但是，我们还是不打算对一些问题引入严格的数学处理。
我们对玛格丽特·詹金斯和我们各自的妻子克莱尔和桑迪致以诚挚的感谢，因为在本书进行修订的漫长阶段，她们始终不懈地给予支持和帮助。
原书的有关研究曾得到美国空军科学研究办公室和英国科学研究委员会的支持。第3版中的部分研究得到Alfred P.Sloan基金和美国国家航空航天局的支持。我们感谢E.S.Pearson教授和生物计量学理事会，允许我们重新印刷由E.S.Pearson和H.O.Hartley所编制并在Biometrika Tables for Statisticians的第一卷上经简化和修正的表1，8和12，我们感谢Casimer Stralkowski博士，允许我们从他的博士论文中复制和采用了三张图。感谢George Tiao，David Mayne，Emanuel Parzen，David Pierce，Granville Wilson，Donald Watts，John Hampton，Elaine Hodkinson，Patricia Blant，Dean Wichern，David Bacon，Paul Newbold，Hiro Kanemasu，Larry Haugh，John MacGregor，Bovas Abraham，Gina Chen，Johannes Ledolter，Greta Ljung，Carole Leigh，Mary Essser和Meg Jenkins在上一版的修订中以不同的方式所给予我们的帮助。
乔治E.P.博克斯
格雷戈里 C.莱因泽尔
媒体评论
本书是时间序列领域的经典之作，自1970年出版以来不断修订再版，历经30年的检验始终都是时间序列领域的权威典范。三位作者也是学界赫赫有名、蜚声世界的统计学大师，他们用词简洁并富有穿透力，叙述通俗并强调实际应用，同时大量的实例更能使读者很快体会其中直观而深刻的时间序列分析精髓，掌握实践的技巧。
相对旧版第3版，新增的内容主要有非线性和长记忆模型、多元时间序列分析以及前馈控制，其余各章节根据现实和教学需要均有不同程度的更新。
本书可作为统计和相关专业高年级本科生或研究生教材，也可以作为统计专业技术人员的参考书。
封底加图：1）面板数据分析30230；2）25335 时间序列；3）31336经济计量精要
相对旧版第3版，新增的内容主要有非线性和长记忆模型、多元时间序列分析以及前馈控制，其余各章节根据现实和教学需要均有不同程度的更新。
本书可作为统计和相关专业高年级本科生或研究生教材，也可以作为统计专业技术人员的参考书。
封底加图：1）面板数据分析30230；2）25335 时间序列；3）31336经济计量精要
书摘
第1章引言
时间序列是根据时间顺序得到的一系列观测值。许多数据都是以时间序列的形式呈现的，如：一个工厂装船货物数量的月度序列、公路事故发生数量的周度序列、一个化学过程的每小时观测值序列，等等。时间序列数据涉及的领域广泛，包括：经济学、商学、工程学、自然科学（尤其是地理物理学和气象学），以及社会科学。有关这一类数据的例子将是我们关心和讨论的，并将在时间序列图形中给予展示。时间序列固有的典型特征就是，相邻观测值之间的相互依赖性。在一个时间序列中，观测值之间的相互依赖性具有极大的实用价值。时间序列分析正是讨论这种观测值之间相互依赖性的一种分析技术。这要求为时间序列数据发展出随机动态模型，并在相关领域应用这些模型。
在本书随后的各章中，我们将展示如何建立、识别、拟合和检验时间序列模型与动态系统的方法。讨论的这些方法适用于离散系统（数据抽样），即系统观测值的采集是在相同时间间隔中。
我们在五个重要领域演示时间序列和动态系统的应用：
1）根据当前值和过去值，预测一个时间序列的未来值。
2）根据系统惯性，测算传递函数——即测算一个动态输入一输出模型，使这一模型可以显示任意给定的输入序列对于系统输出的影响。
3）使用传递函数模型中的指示性输入变量，来展示和评估一个异常干扰事件对时间序列特征的影响。
4）检查几个相关的时间序列变量的相关性，测算出适当的多变量动态模型，以表达基于时间上的变量间的联合关系。
5）通过补偿目标输出系统的潜在偏差，来设计简单的控制方案。并进一步调整输入序列的值。
……
时间序列是根据时间顺序得到的一系列观测值。许多数据都是以时间序列的形式呈现的，如：一个工厂装船货物数量的月度序列、公路事故发生数量的周度序列、一个化学过程的每小时观测值序列，等等。时间序列数据涉及的领域广泛，包括：经济学、商学、工程学、自然科学（尤其是地理物理学和气象学），以及社会科学。有关这一类数据的例子将是我们关心和讨论的，并将在时间序列图形中给予展示。时间序列固有的典型特征就是，相邻观测值之间的相互依赖性。在一个时间序列中，观测值之间的相互依赖性具有极大的实用价值。时间序列分析正是讨论这种观测值之间相互依赖性的一种分析技术。这要求为时间序列数据发展出随机动态模型，并在相关领域应用这些模型。
在本书随后的各章中，我们将展示如何建立、识别、拟合和检验时间序列模型与动态系统的方法。讨论的这些方法适用于离散系统（数据抽样），即系统观测值的采集是在相同时间间隔中。
我们在五个重要领域演示时间序列和动态系统的应用：
1）根据当前值和过去值，预测一个时间序列的未来值。
2）根据系统惯性，测算传递函数——即测算一个动态输入一输出模型，使这一模型可以显示任意给定的输入序列对于系统输出的影响。
3）使用传递函数模型中的指示性输入变量，来展示和评估一个异常干扰事件对时间序列特征的影响。
4）检查几个相关的时间序列变量的相关性，测算出适当的多变量动态模型，以表达基于时间上的变量间的联合关系。
5）通过补偿目标输出系统的潜在偏差，来设计简单的控制方案。并进一步调整输入序列的值。
……
