本书比较详尽地介绍了用于预测的定量分析方法：因果回归分析法和时间序列分析法。为了将每种具体方法与我国的社会经济实际相结合，在每一方法介绍之后，都配有实例说明其应用，书中所有计算均用电子计算机完成。为帮助读者掌握和运用各种方法，特别是无法进行手工计算的方法，书后附有TSP软件的使用说明，它适用于IBM-PC机以及与它兼容的微型机，如长城0520。介绍方法时，涉及到的比较复杂的数学公式推导和证明，均列入各章附录中，供读者参考。

第一章 简单回归分析法

 第一节 模型和参数估计

 第二节 模型的检验

 第三节 预测精度的测定

 第四节 预测实例

 附录1-A 预测模型Y=a+bX中参数a、b的确定

1-B 模型的F检验

1-C 总变差的分解

1-D D.W检验

第二章 多重回归分析法

 第一节 模型和参数估计

 第二节 模型的检验

 第三节 自变量的选择

 第四节 多重共线性

 第五节 预测实例

 第六节 滞后变量模型

 附录2-A 多元线性回归的最小二乘法

2-B 回归系数的t值

2-C 矩阵的逆

2-D 多重共线性对估计回归系数标准差的影响

2-E 变量Xi的偏回归平方和

第三章 非线性回归分析法

 第一节 非线性回归模型

 第二节 模型参数的估计

 第三节 模型分析与评价

 第四节 预测实例

第四章 时间序列平滑法

 第一节 概述

 第二节 移动平均法

 第三节 指数平滑法

 第四节 方法的比较

 附录4-A 平滑常数的选择

4-B 指数平滑的初始值

4-C 线性平滑模型参数计算

第五章 趋势外推法

 第一节 趋势模型

 第二节 模型选择

 第三节 参数的确定

 第四节 模型分析

 第五节 预测实例

 第六节 平滑预测与回归预测

 附录5-A 生命周期曲线拐点

5-B 商品生命周期判定

第六章 季节变动预测法

 第一节 季节性水平模型

 第二节 季节性交乘趋向模型

 第三节 季节性交乘趋向模型的另一形式

 第四节 季节性迭加趋向模型

第七章 马尔可夫法

 第一节 基本概念

 第二节 马尔可夫预测法

 第三节 马氏链的稳定状态及其应用

第八章 博克斯一詹金斯法

 第一节 概述

 第二节 ARMA模型及其改进

 第三节 随机时序模型的建立

 第四节 时序模型预测

 第五节 单位根检验

 第六节 预测案例

 附录8-A 平稳过程的定义

8-B 时序自相关系数的公式

8-C 偏自相关函数

第九章 ECM模型和ARCH模型的应用

 第一节 协整与ECM模型应用

 第二节 ARCH模型应用

 附录9-A ARCH定义的理解

附录 TSP软件使用说明

附表1 t分布表

附表2 F分布表

附表3 D.W检验表

附表4 x2分布表

附表5 (A)DF检验表t统计量经验概率分布表

附表6 Engle-Granger检验表

参考书目