Angewandte Zeitreihenanalyse mit R, 3rd Edition

Angewandte Zeitreihenanalyse mit R, 3rd Edition

by Rainer Schlittgen
Released March 2015
Publisher(s): De Gruyter Oldenbourg
ISBN: 9783110423778

Read it now on the O’Reilly learning platform with a 10-day free trial.

O’Reilly members get unlimited access to books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.

Start your free trial

Book description

Dieses Buch präsentiert die wichtigsten Modelle und Verfahren der Zeitreihenanalyse in einer für Studierende und Anwender leicht zugänglichen Form. Der Schwerpunkt liegt auf dem Zeitbereich; speziell werden explorative Methoden, ARMA-Modelle mit ihren Erweiterungen, Prognosemethoden und Zeitreihenregressionen behandelt. Auch der Frequenzbereich wird vorgestellt. Weiter werden multivariate Zeitreihen, Zustandsraummodelle und Modelle für Heteroskedastizität behandelt.
Die Methoden werden überwiegend anhand einfacher Situationen verdeutlicht und mittels zahlreicher realer Beispiele illustriert. Die Beispiele stammen aus den Bereichen Wirtschaftswissenschaften, Biologie, Geologie, Medizin und Meteorologie. Die umfassende Erfahrung des Autors auf dem Gebiet der Zeitreihenanalyse fließt an vielen Stellen in Form von Anwendungstipps ein.
Dieser Text zur Zeitreihenanalyse ist der erste im deutschsprachigen Bereich, der auf der freien statistischen Programmierumgebung R basiert. In einem eigenen Kapitel wird eine kurze Einführung gegeben. Bei den Beispielen wird der zugehörige Code jeweils angegeben und kommentiert. Zudem enthält jedes Kapitel eine Übersicht über die entsprechenden R-Funktionen der verschiedenen R-Pakete.
Die Neuauflage wurde akualisiert und unter anderem um ein Kapitel zu der Long-Memory-Prozessen erweitert.

Table of contents

  1. Titel
  2. Impressum
  3. Vorwort zur dritten Auflage
    1. Vorwort zur zweiten Auflage
  4. Inhaltsverzeichnis
  5. 1 - Fragestellungen und Datensituation
  6. 2 - Grundlagen und einfache Methoden
    1. 2.1 Stationäre Zeitreihen
      1. Darstellung von Zeitreihen
      2. Autokovarianz- und Autokorrelationsfunktion
      3. Stationarität
      4. Schätzen der Kennfunktionen
      5. Bootstrap
    2. 2.2 Das Komponentenmodell
    3. 2.3 Deterministische Trends
      1. Trendbestimmung mittels linearer Regression
      2. Trendbestimmung mittels nichtlinearer Regression
      3. Bestimmung der glatten Komponente
    4. 2.4 Saisonbereinigung
      1. Einfache Ansätze
      2. Etablierte Saisonbereinigungsverfahren
    5. 2.5 Transformationen
      1. Instantane Transformationen
      2. Lineare Filterung von Zeitreihen
    6. 2.6 Einfache Extrapolationsverfahren
    7. 2.7 R-Funktionen
  7. 3 - Lineare Zeitreihenmodelle
    1. 3.1 Autoregressive Modelle
      1. Definition und grundlegende Eigenschaften
      2. Schätzen von AR-Parametern
      3. Levinson-Durbin-Rekursion und partielle Autokorrelation
      4. Spezifikation von AR-Modellen
    2. 3.2 MA-Modelle
      1. Definition und grundlegende Eigenschaften
      2. Schätzen und Anpassen von MA-Modellen
    3. 3.3 ARMA-Modelle
      1. Definition und grundlegende Eigenschaften
      2. Schätzen der Parameter
      3. Spezifikation von ARMA-Modellen
    4. 3.4 ARIMA-Modelle
      1. Definition und Spezifikation von ARIMA-Modellen
      2. Saisonale ARIMA-Modelle
      3. Konstante Terme in ARIMA-Modellen
    5. 3.5 R-Funktionen
  8. 4 - Differenzen- und Trendinstationarität
    1. 4.1 Instationaritätstypen und ihre Implikationen
    2. 4.2 Einheitswurzeltests
    3. 4.3 R-Funktionen
  9. 5 - Prognosen mit univariaten Zeitreihenmodellen
    1. 5.1 Verfahren der exponentiellen Glättung
    2. 5.2 Prognosen mit ARIMA-Modellen
    3. 5.3 Trendextrapolation mit ARMA-Störungen
    4. 5.4 Zur Auswahl eines Prognosemodells
    5. 5.5 R-Funktionen
  10. 6 - Periodizitäten in Zeitreihen
    1. 6.1 Periodizitäten
    2. 6.2 Periodische Trends
    3. 6.3 Das Periodogramm
      1. Definition des Periodogramms
      2. Probleme bei der Interpretation des Periodogramms
      3. Test auf eine Periodizität
      4. Test auf White-Noise
    4. 6.4 Spektren
      1. Definition und Eigenschaften
      2. Lineare Filter im Frequenzbereich
    5. 6.5 Spektralschätzung
      1. Direkte Spektralschätzung
      2. Weitere Ansätze zur Spektralschätzung
    6. 6.6 R-Funktionen
  11. 7 - Prozesse mit langem Gedächtnis
    1. 7.1 Einführung der Prozesse
    2. 7.2 Bestimmung des fraktionellen Exponenten
    3. 7.3 Prognosen mit ARFIMA-Modellen
    4. 7.4 R-Funktionen
  12. 8 - Mehrdimensionale Zeitreihen
    1. 8.1 Kenngrößen mehrdimensionaler Zeitreihen
      1. Kenngrößen im Zeitbereich
      2. Kreuzspektren
    2. 8.2 Mehrdimensionale lineare Zeitreihenmodelle
      1. VARMA-Prozesse
      2. Spezifikation und Schätzung von VARMA-Modellen
      3. Granger-Kausalität
      4. Kointegration
    3. 8.3 R-Funktionen
  13. 9 - Regressionsmodelle für Zeitreihen
    1. 9.1 Regression mit autokorrelierten Störungen
    2. 9.2 Interventionsanalysen
    3. 9.3 Transferfunktionsmodelle
    4. 9.4 R-Funktionen
  14. 10 - Zustandsraummodelle und Kalman-Filter
    1. 10.1 Zustandsraummodelle
    2. 10.2 Kalman-Filter
      1. Kalman-Filterung
      2. Glättung
      3. Parameterschätzung
    3. 10.3 R-Funktionen
  15. 11 - Nichtlineare Modelle
    1. 11.1 Nichtlinearität in Zeitreihen
      1. Nichtlineares bedingtes Niveau
      2. Nichtlineare bedingte Streuung
      3. Spezifikation nichtlinearer Zeitreihenmodelle
    2. 11.2 Markov-switching Modelle
      1. Markov-Ketten
      2. Markov-switching autoregressive Prozesse
      3. Inferenz
    3. 11.3 Threshold-Modelle
    4. 11.4 Bedingt heteroskedastische Modelle
      1. Das ARCH-Modell
      2. Modellanpassung und Parameterschätzung
      3. Modellerweiterungen
    5. 11.5 R-Funktionen
  16. 12 - Spezielle Probleme
    1. 12.1 Fehlende Werte
    2. 12.2 Nicht gleichabständige Beobachtungen
    3. 12.3 Ausreißer und robuste Verfahren
      1. Ausreißer
      2. Robuste Verfahren
    4. 12.4 R-Funktionen
  17. 13 - Einführung in R
    1. 13.1 Erste Schritte
      1. Starten und Beenden
      2. Die R-Konsole und Skripte
      3. Hilfen
    2. 13.2 Datentypen und Objekte
      1. Datentypen
      2. R-Vektoren
      3. Weitere Objekte
      4. Indizierung
    3. 13.3 Operatoren und Funktionen
      1. Mathematische Operatoren
      2. Vergleichsoperatoren
      3. Boolesche Operatoren
      4. Matrix-Operationen
      5. Funktionen
    4. 13.4 Bibliotheken und Programmierung
      1. Bibliotheken
      2. Kontroll-Strukturen
      3. Eigene Funktionen
    5. 13.5 Einlesen und Exportieren von Daten
    6. 13.6 Grafik
  18. Die aufgerufenen R-Funktionen
  19. Die Zeitreihen
  20. Literatur
  21. Abkürzungen und Symbole
    1. Abkürzungen
    2. Symbole
  22. Sachindex

Product information

  • Title: Angewandte Zeitreihenanalyse mit R, 3rd Edition
  • Author(s): Rainer Schlittgen
  • Release date: March 2015
  • Publisher(s): De Gruyter Oldenbourg
  • ISBN: 9783110423778