本书详细阐释了时间序列在医学、生物学、物理学和社会科学领域的广泛应用，并强调数据分析方法，对时域和频域方法进行了全面的介绍。书中首先对时间序列分析的基础知识、语言和方法进行了概述，然后介绍了ARMA模型和ARIMA模型，接下来介绍了频谱分析与滤波以及频谱估计，最后讨论了一些特殊主题，例如GARCH模型、单位根检验等。
本书可以作为一学期时间序列分析导论课程的教材，适合数学系及相关专业的教师和学生阅读。

罗伯特·H.沙姆韦（Robert H.Shumway）是加利福尼亚大学戴维斯分校的统计学荣誉退休教授。他是美国统计协会的会士，也是国际统计协会的成员。

译者序
前言
第1章 时间序列基础
1.1 介绍
1.2 时间序列数据
1.3 时间序列模型
习题
第2章 相关性与平稳时间序列
2.1 度量相关性
2.2 平稳性
2.3 相关系数的估计
习题
第3章 时间序列回归和探索性数据分析
3.1 时间序列的最小二乘
3.2 探索性数据分析
3.3 时间序列中的平滑
习题
第4章 ARMA模型
4.1 介绍
4.2 相关性函数
4.3 模型预测
习题
第5章 ARIMA模型
5.1 差分模型
5.2 建立ARIMA模型
5.3 季节性ARIMA模型
5.4 具有自相关误差的回归
习题
第6章 频谱分析与滤波
6.1 周期性和循环性行为
6.2 谱密度
6.3 线性滤波器
习题
第7章 频谱估计
7.1 周期图和离散傅里叶变换
7.2 非参数谱估计
7.3 参数谱估计
7.4 相干性和交叉谱
习题
第8章 其他主题
8.1 GARCH模型
8.2 单位根检验
8.3 长记忆模型和分数阶差分
8.4 状态空间模型
8.5 交叉相关分析和预白化
8.6 自回归模型的自助法
8.7 阈值自回归模型
习题
附录A R补充材料
附录B 概率论与统计入门
附录C 复数入门
附录D 其他时域理论
附录E 部分习题的提示
参考文献