Bookmarks:
1. (p0) 封面
1.1. (p10) Chapter 01 導論
1.1.1. (p11) 1.1 簡介
1.1.2. (p11) 1.2 預測的應用
1.1.3. (p13) 1.3 預測的方法
1.1.4. (p15) 1.4 預測的步驟
1.1.5. (p17) 1.5 預測的評估
1.1.6. (p18) 1.6 預測的軟體
1.1.7. (p19) 1.7 幾個有趣的預測實例
1.1.8. (p22) 1.8 結論
1.2. (p24) Chapter 02 變數特性的統計
1.2.1. (p25) 2.1 簡介
1.2.2. (p25) 2.2 單變數敘述統計
1.2.3. (p26) 2.3 機率分佈型態之性質
1.2.4. (p27) 2.4 機率分佈參數之估計
1.2.5. (p28) 2.5 機率分佈參數之測試
1.2.6. (p28) 2.6 機率分佈型態之測試
1.2.7. (p30) 2.7 實例
1.2.8. (p34) 2.8 結論
1.3. (p42) Chapter 03 變數關係的分析
1.3.1. (p43) 3.1 簡介
1.3.2. (p43) 3.2 資料的型態
1.3.3. (p47) 3.3 非時間數列資料的分析：相關分析
1.3.4. (p50) 3.4 時間數列資料的分析：自相關分析
1.3.5. (p60) 3.5 實例
1.3.6. (p65) 3.6 結論
1.4. (p68) Chapter 04 迴歸分析原理（一）：單變數迴歸
1.4.1. (p69) 4.1 簡介
1.4.2. (p69) 4.2 迴歸模型之建構：迴歸係數
1.4.3. (p73) 4.3 迴歸模型之檢定：變異分析
1.4.4. (p76) 4.4 迴歸模型之診斷：殘差分析
1.4.5. (p76) 4.5 迴歸模型之應用：反應信賴區間
1.4.6. (p80) 4.6 非線性函數之迴歸分析
1.4.7. (p87) 4.7 實例
1.4.8. (p95) 4.8 結論
1.5. (p100) Chapter 05 迴歸分析原理（二）：多變數迴歸
1.5.1. (p101) 5.1 迴歸分析簡介
1.5.2. (p101) 5.2 迴歸模型之建構：迴歸係數
1.5.3. (p111) 5.3 迴歸模型之檢定：變異分析
1.5.4. (p116) 5.4 迴歸模型之診斷：殘差分析
1.5.5. (p123) 5.5 迴歸模型之應用：信賴區間
1.5.6. (p126) 5.6 多項式函數之迴歸分析
1.5.7. (p130) 5.7 非線性函數之迴歸分析
1.5.8. (p137) 5.8 定性變數
1.5.9. (p141) 5.9 實例
1.5.10. (p149) 5.10 結論
1.6. (p154) Chapter 06 因果關係模型
1.6.1. (p155) 6.1 簡介
1.6.2. (p155) 6.2 模型過度配適問題之處理
1.6.3. (p159) 6.3 自變數共線性問題之處理
1.6.4. (p167) 6.4 殘差變異不均問題之處理
1.6.5. (p171) 6.5 殘差序列相關問題之處理
1.6.6. (p182) 6.6 實例
1.6.7. (p187) 6.7 結論
1.7. (p192) Chapter 07 時間分解模型
1.7.1. (p193) 7.1 簡介
1.7.2. (p194) 7.2 傾向及季節模式之建構
1.7.3. (p195) 7.3 傾向及季節模式之意義
1.7.4. (p203) 7.4 循環及隨機成份之分解
1.7.5. (p214) 7.5 商業循環指標
1.7.6. (p215) 7.6 實例：啤酒每月銷售量
1.7.7. (p219) 7.7 結論
1.8. (p222) Chapter 08 時間數列模型（一）：簡易預測法
1.8.1. (p223) 8.1 簡介
1.8.2. (p223) 8.2 樸素法
1.8.3. (p228) 8.3 平均法
1.8.4. (p230) 8.4 平滑法：簡單指數平滑法
1.8.5. (p232) 8.5 平滑法：Holt 方法
1.8.6. (p235) 8.6 平滑法：Winter 方法
1.8.7. (p239) 8.7 實例：啤酒每月銷售量
1.8.8. (p241) 8.8 結論
1.9. (p244) Chapter 09 時間數列模型（二）：ARIMA 法
1.9.1. (p245) 9.1 簡介
1.9.2. (p245) 9.2 時間數列法之模式
1.9.3. (p263) 9.3 時間數列法之流程
1.9.4. (p264) 9.4 步驟1：平穩化
1.9.5. (p269) 9.5 步驟2：模型鑑別
1.9.6. (p282) 9.6 步驟3：參數估計
1.9.7. (p293) 9.7 步驟4：殘差診斷
1.9.8. (p297) 9.8 步驟5：模型應用
1.9.9. (p309) 9.9 實例：啤酒每月銷售量
1.9.10. (p320) 9.10 結論
1.10. (p326) Chapter 10 無時序因果關係模型個案研究
1.10.1. (p327) 10-1 個案1：中古車價格
1.10.2. (p329) 10-2 個案2：中古屋價格
1.10.3. (p331) 10-3 個案3：法拍屋價格
1.10.4. (p334) 10-4 個案4：美國犯罪率
1.10.5. (p337) 10-5 個案5：晶棒含氧量
1.10.6. (p338) 10-6 個案6：混凝土強度
1.10.7. (p340) 10-7 個案7：混凝土坍度
1.10.8. (p342) 10-8 個案8：混凝土流度
1.11. (p348) Chapter 11 時序因果關係模型個案研究
1.11.1. (p349) 11-1 個案1：冰淇淋店營業額
1.11.2. (p352) 11-2 個案2：總體經濟與股市報酬率
1.11.3. (p355) 11-3 個案3：產業經濟與股市報酬率
1.11.4. (p358) 11-4 個案4：刑事案件發生數
1.11.5. (p361) 11-5 個案5：台北市空氣品質
1.11.6. (p363) 11-6 個案6：花蓮溪流量
1.11.7. (p365) 11-7 個案7：雨量與河川流量
1.12. (p370) Chapter 12 時間分解模型個案研究
1.12.1. (p371) 12-1 個案1：美國人口量
1.12.2. (p373) 12-2 個案2：營造業產值
1.12.3. (p375) 12-3 個案3：每月用電量
1.13. (p380) Chapter 13 時間數列模型個案研究
1.13.1. (p381) 13-1 個案1：毛皮交易
1.13.2. (p383) 13-2 個案2：太陽黑子
1.13.3. (p384) 13-3 個案3：強烈地震
1.13.4. (p386) 13-4 個案4：樹木年輪
1.13.5. (p389) 13-5 個案5：營造業產值
1.13.6. (p390) 13-6 個案6：每小時用電
1.14. (p394) Appendix A 迴歸分析參數估計公式之推導
1.15. (p396) Appendix B ARIMA 參數估計公式之推導
1.16. (p409) 參考文獻

2024-12-28