목차
제1장 도입전략 = 1
이 책에서 다루는 영역 = 2
이 책의 목적 = 3
제1절 일변량 시계열 분석의 개요 = 4
1.1 일변량 시계열 분석 = 4
1.2 언제 일변량 ARIMA모형을 사용하는가? = 6
제2절 통계적 원리 = 12
2.1 프로세서, 실현값, 모형 = 12
2.2 두 개의 프로세서 = 13
제3절 어떤 모형이 좋은가? = 15
제4절 ARIMA모형의 표기법 및 해석 = 18
4.1 후향연산자(backshift operator ; B) = 18
4.2 차분연산자(differencing operator ; 1-B, ) = 18
4.3 ARIMA모형의 표기법 = 21
제5절 모형의 정상성과 가역성 = 24
5.1 비정상적인 평균 = 25
5.2 비정상적인 분산 = 31
5.3 가역성(invertibility) = 35
제6절 식별단계 = 36
6.1 추정된 자기상관함수(acf) = 37
6.2 추정된 편자기상관함수(pacf) = 41
6.3 ARIMA프로세서에 대응하는 이론적인 자기상관함수와 편자기상관함수의 형태 = 44
6.4 평균의 정상성과 자기상관함수의 관계 = 50
6.5 식별단계의 통계적 추론 = 51
6.5.1 자기상관계수의 검증 = 51
6.5.2 편자기상관계수의 검증 = 53
제7절 추정단계 = 53
7.1 최소제곱법(conditional least square) = 54
7.1.1 잔차 제곱합(sum of squared residuals : SSR) = 54
7.1.2 조건적 최소제곱법(conditional least square) = 57
7.1.3 비조건적 최소제곱(unconditional least squares) = 57
7.2 추정단계에서 주목해야 할 점 = 58
제8절 모형검진 = 64
8.1 백색잡음이 독립인가? = 64
8.2 잔차 자기상관함수(residual acf) = 65
8.3 t-검증 = 66
8.4 Box와 Ljung의 카이제곱 검증 = 67
8.5 기타 진단 방법들 = 68
8.6 모형의 재설정 = 71
제9절 예측 = 71
9.1 ARIMA모형의 예측값 = 72
9.2 예측값의 신뢰구간 = 74
9.2.1 백색잡음의 형태 = 75
9.2.2 ARIMA 예측값의 신뢰구간 = 77
제10절 계절형 모형 및 다른 주기모형 = 79
10.1 주기성 자료 = 80
10.2 계절적 프로세서에 대한 이론적 자기상관함수와 편자기상관함수 = 81
10.3 계절적 차분(seasonal differencing) = 85
10.4 승법적(multiplicative) ARIMA모형 = 88
10.5 비승법적(noon-multiplicative) ARIMA모형 = 89
10.6 승법적 ARIMA모형의 정상성과 가역성 = 91
제2장 실전전략 및 사례연구 = 93
제1절 실전전략 = 93
제2절 사례연구에 앞서서 = 103
[사례연구1] 재고품 변화량 = 104
1.1 자료설명 = 104
1.2 식별단계 = 106
1.3 추정단계 = 109
1.4 모형검진단계 = 111
1.5 예측단계 = 113
1.6 추가진단 = 114
1.7 계절성 = 119
1.8 [사례연구1]를 마치며 = 121
[사례연구2] 저축률 = 123
2.1 자료설명 = 123
2.2 식별단계 = 124
2.3 추정단계 및 모형검진단계 = 127
2.4 재식별단계 = 129
2.5 재추정단계 및 모형 재진단단계 = 131
2.6 예측단계 = 134
2.7 추가 점검 = 135
2.8 계절적 변동이 제거되었는지를 점검 = 139
2.9 ARMA(1, 2)모형의 대안으로 고려할 수 있는 모형탐색 = 141
2.10 큰 잔차와 개입분석 = 142
[사례연구3] 석탄생산량 = 144
3.1 자료설명 = 144
3.2 식별단계 = 146
3.3 추정 및 모형진단 = 150
3.4 재식별과 재추정 = 152
3.5 예측단계 = 155
3.6 추가진단 = 156
3.7 대체모형 = 159
3.8 [사례연구3]을 마치며 = 167
[사례연구4] 주택허가 = 169
4.1 자료설명 = 169
4.2 식별단계 = 170
4.3 추정 및 모형진단 = 174
4.4 재시별, 추정 및 모형진단 = 176
4.5 대체모형 = 189
4.6 주기성과 자기회귀모형 = 196
4.7 [사례연구4]를 마치며 = 197
[사례연구5] AT&T 주가 = 198
5.1 자료설명 = 198
5.2 식별 = 199
5.3 추정 및 모형진단 = 201
5.4 재식별 = 202
5.5 예측단계 = 204
5.6 재추정 = 205
5.7 [사례연구5]를 마치며 = 208
[사례연구6] 부동산 융자금 = 209
6.1 자료설명 = 209
6.2 식별 = 210
6.3 추정 = 216
6.4 재식별 = 217
6.5 재추정 및 모형진단 = 220
6.6 예측 = 224
6.7 추가점검 = 225
[사례연구7] 부품 이용률 = 228
7.1 자료설명 = 228
7.2 식별 = 229
7.3 추정 및 모형진단 = 234
7.4 대체모형 = 235
7.5 EWMA라 불리우는 ARIMA(0, 1, 1)모형 = 241
7.6 잔차 = 243
[사례연구8] 항공기 화물수송량 = 244
8.1 자료설명 = 244
8.2 식별 = 245
8.3 추정 = 257
8.4 모형진단 = 258
8.5 잔차도표 = 259
8.6 예측 = 262
8.7 대체 모형들 = 263
8.8 [사례연구8]을 마치며 = 265
[사례연구9] 무장강도건수 = 266
9.1 자료설명 = 266
9.2 식별 = 266
9.3 추정 및 모형진단 = 272
9.4 예측 = 275
9.5 다른 모형과의 비교 = 276
9.6 [사례연구9]를 마치며 = 280
[사례연구10] 공구 선적량 = 281
10.1 자료설명 = 281
10.2 식별 = 282
10.3 추정, 모형진단 및 변형 = 291
10.4 대체 모형 = 299
10.5 [사례연구10]을 마치며 = 302
[사례연구11] 담배 소비량 = 303
11.1 자료설명 = 303
11.2 식별 = 305
11.3 추정 및 모형진단 = 311
11.4 재식별 = 313
11.5 재추정 및 모형진단 = 315
11.6 [사례연구11]을 마치며 = 322
[사례연구12] 대학 등록학생수 = 324
12.1 자료설명 = 324
12.2 식별 = 325
12.3 추정 및 모형진단 = 330
12.4 추가 결과 = 332
제3장 SPSS 시계열 분석도구 = 339
1. 시계열의 날짜 정의 = 339
2. 시도표(순차도표) = 342
3. 자기상관함수와 편자기상관함수 = 345
4. 모형 추정 = 347
5. 잔차도표 : 모형검진도구 = 353
6. 잔차자기상관함수, 잔차편자기상관함수, Box-Ljung 통계량 : 모형검진도구Ⅱ = 354
7. 예측값 구하기 = 356
8. 예측값과 관측값을 동시에 시도료로 나타내기 = 358
