دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Clive William John Granger, Michio Hatanaka سری: Princeton Studies in Mathematical Economics; 2066 ISBN (شابک) : 9781400875528 ناشر: Princeton University Press سال نشر: 2015 تعداد صفحات: 318 [317] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 17 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Spectral Analysis of Economic Time Series. (PSME-1) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تحلیل طیفی سری زمانی اقتصادی. (PSME-1) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
داده های مهم اقتصاد به صورت سری زمانی هستند. بنابراین، روش های آماری مورد استفاده باید آنهایی باشند که برای داده های سری زمانی طراحی شده اند. روشهای جدیدی برای تجزیه و تحلیل سریهای حاوی هیچ گرایشی توسط مهندسی ارتباطات ایجاد شده است، و تحقیقات اخیر بسیاری به انطباق و گسترش این روشها اختصاص یافته است تا برای استفاده در سریهای اقتصادی مناسب باشند. این کتاب نتایج مهم این تحقیق را ارائه میکند و کاربرد نظریه طیف اخیراً توسعهیافته را در اقتصاد بیشتر میکند. به طور خاص، پروفسور هاتاناکا تکنیک جدید را در درمان دو مشکل نشان می دهد - شاخص چرخه تجاری، و اصل شتاب موجود در داده های فروشگاه بزرگ. در اصل در سال 1964 منتشر شد. کتابخانه میراث پرینستون از جدیدترین فناوری چاپ بر اساس تقاضا استفاده میکند تا دوباره کتابهایی را که قبلاً چاپ نشده بودند از فهرست برجسته انتشارات دانشگاه پرینستون در دسترس قرار دهد. این نسخهها متون اصلی این کتابهای مهم را حفظ میکنند و در عین حال آنها را در نسخههای با جلد شومیز و جلد سخت ارائه میدهند. هدف کتابخانه میراث پرینستون افزایش چشمگیر دسترسی به میراث علمی غنی موجود در هزاران کتاب منتشر شده توسط انتشارات دانشگاه پرینستون از زمان تأسیس آن در سال 1905 است.
The important data of economics are in the form of time series; therefore, the statistical methods used will have to be those designed for time series data. New methods for analyzing series containing no trends have been developed by communication engineering, and much recent research has been devoted to adapting and extending these methods so that they will be suitable for use with economic series. This book presents the important results of this research and further advances the application of the recently developed Theory of Spectra to economics. In particular, Professor Hatanaka demonstrates the new technique in treating two problems-business cycle indicators, and the acceleration principle existing in department store data. Originally published in 1964. The Princeton Legacy Library uses the latest print-on-demand technology to again make available previously out-of-print books from the distinguished backlist of Princeton University Press. These editions preserve the original texts of these important books while presenting them in durable paperback and hardcover editions. The goal of the Princeton Legacy Library is to vastly increase access to the rich scholarly heritage found in the thousands of books published by Princeton University Press since its founding in 1905.
Foreword Preface Contents Chapter 1. Introduction to the Analysis of Time Series 1.1 Introduction 1.2 Concise History of Time Series Analysis 1.3 Plan of the Book References Chapter 2. Nature of Economic Time Series 2.1 Classification of Economic Series from a Statistical Viewpoint 2.2 Trends and Seasonal Variation 2.3 Business Cycles and Economic Fluctuations 2.4 SomeImportant Advantages of Using Spectral Methods of Analysis 2.5 Beveridge's Annual Wheat Price Series References PART A. STATIONARY TIME SERIES Chapter 3. Spectral Theory 3.1 Definitions 3.2 Power Spectra 3.3 Black Boxes and Processes with Rational Spectral Functions 3.4 Filters 3.5 Estimation of the Power Spectrum 3.6 Nyquist Frequency, Aliasing 3.7 Transformations of Stationary Processes Appendix References Chapter 4. Spectral Analysis of Economic Data 4.1 An Analogy 4.2 Economic implications of Spectral Decomposition 4.3 Spectral Estimation 4.4 Examples of Estimated Spectra 4.5 Normality of Economic Series 4.6 Some Special Filters References Chapter 5. Cross-spectral Analysis 5.1 Cross-spectral Theory 5.2 Coherence, Phase, Gain, and Argand Diagrams 5.3 Processes differing only in Phase 5.4 Special Cases 5.5 Estimationof(Xf) 5.6 Case when Coherence is not a Constant 5.7 Sums and Products of Related Series 5.8 The Partial Cross-spectrum and other Generalizations References Chapter 6. Cross-spectral Analysis of Economic Data 6.1 Introduction 6.2 Relationships between Economic Series 6.3 Estimating Cross-spectra 6.4 An Example of Estimated Cross-spectra 6.5 A Note on the Interpretation of Coherence Chapter 7. Processes Involving Feedback 7.1 Feedback and Cross-spectral Analysis 7.2 Some Preliminary Results 7.3 Definitions of Causality and Feedback 7.4 Time-lags Connected with Causality and Feedback 7.5 Strength of Causality and Feedback 7.6 Tests for Causality and Feedback 7.7 Removing the Basic Assumption of Section 7.3 7.8 Calculations Involved in Testing for Feedback 7.9 Causality and Feedback Varying with Frequency 7.10 Summary and Conclusions References PART B. NON-STATIONARY TIME SERIES Chapter 8. Series With Trending Means 8.1 Introduction 8.2 Leakage Problems 8.3 Regression Analysis 8.4 Filters for Determining Trend 8.5 Conclusion References Chapter 9. Series with Spectrum Changing with Time 9.1 Definitions 9.2 Particular Cases 9.3 Effect of Non-stationarity on Estimated Spectrum and Crossspectrum 9.4 Some Experiments Designed to Check the Results of the Previous Section 9.5 The Use of Filters with Non-stationary Series References Chapter 10. Demodulation 10.1 Introduction 10.2 Demodulation 10.3 Practical Aspects of Demodulation 10.4 Uses and Examples of Demodulation References Chapter 11. Non-stationarity and Economic Series 11.1 Visible trends in Time Series 11.2 Trends in Mean 11.3 Trends in Variance 11.4 Spectrum Changing with Time 11.5 Contamination: Gaps, Strikes, Crises, and Wars 11.6 Quality of Data and Effects of Errors 11.7 Effect of Varying Month-length References Chapter 12. Application of Cross-spectral Analysis and Complex Demodulation: Business Cycle Indicators (by M. Hatanaka) 12.1 Business Cycle Indicators 12.2 Lead-lag in terms of all Time Points 12.3 Frequency Band for the Major Component of the Cyclical Component 12.4 New Problems Brought Out by Cross-spectral Analysis 12.5 Selection of Cycle Indicators and Reference Time Series 12.6 Experiences with Filtering 12.7 Strength of Cyclical Components: A Digression 12.8 Examples of Cross-spectra and their Interpretations 12.9 Conclusions from the Cross-spectra 12.10 Complex Demodulation to Study the Changes in Lead-lag 12.11 Examples of Complex Demodulation to Study the Changes in Lead-lag 12.12 Suggestions for future study Chapter 13. Application of Partial Cross-spectral Analysis: Tests of Acceleration Principle for Inventory Cycle (by M. Hatanaka) 13.1 Inventory Cycle 13.2 A simple Version of the Acceleration Principle 13.3 The Acceleration Principle compared with the Square Root Principle and the "Supply Conditions" Hypothesis 13.4 Testing Procedures with the use of Cross-spectra and Partial Crossspectra 13.5 Results of the Tests 13.6 Different Assumptions as to Sales Expectations and their Effects upon the Results of the Tests 13.7 Treatment of Outstanding Orders 13.8 Conclusions Chapter 14. Problems Remaining 14.1 Some Problems to be Solved 14.2 Conclusions Index