本书分为四部分内容。第一部分单变量时间序列分析，包括传统时序分析、随机时序分析、ARCH类模型；第二部分基于回归的多变量时序分析，包括含虚拟变量的回归模型、基于线性回归的协整和误差修正模型（ECM） ；第三部分基于AR的多变量时序分析，包括向量自回归模型（VAR）、结构向量自回归模型（SVAR）、向量误差修正模型（VECM）；第四部分截面数据和时序数据结合的多变量时序分析，主要是在经典线性回归模型基础上发展起来的各种Panel Data模型。
章 传统时间序列分析模型
节 趋势模型类型和选择
第二节 参数估计
第三节 模型分析与评价
第四节 季节模型
第二章 ARMA模型
节 概述
第二节 时序特性的分析
第三节 ARMA模型及其改进
第四节 时序模型的建立
第五节 时序模型预测
第三章 ARCH类模型
节 单位根过程
第二节 ARCH模型的基本形式
第三节 广义ARCH模型
第四节 ARCH模型的拓广形式
第五节 多元ARCH模型
第四章 两序列的协整和误差修正模型
节 含虚拟变量的回归模型
第二节 Granger因果检验
第三节 协整含义及检验
第四节 误差修正模型
第五章 向量自回归模型
节 非结构化VAR模型
第二节 脉冲响应与方差分解
第三节 结构VAR模型
第四节 向量误差修正模型
第六章 Panel Data模型
节 模型的基本问题
第二节 固定效应模型
第三节 效应模型
第四节 单位根检验与协整检验
参考文献
易丹辉 中国人民大学统计学院教授、博士生导师。研究方向：风险管理与保险、预测与决策。主要从事统计方法在经济、金融、保险、医疗、管理等领域应用的研究。讲授统计预测、预测动态、实验设计、金融风险分析技术、时间序列分析、数据挖掘技术及应用等课程。
