时间序列是按时间顺序观测到的一系列数据。例如,经济学领域中,我们不断接触每日股票市场报价或每月失业数据;社会科学领域中,科学家关注人口相关数据,如出生率或入学率;流行病学家可能对一段时间内观察到的流感病例计数感兴趣;医学中,随着时间的推移追踪的血压测量可用于评估用于治疗高血压的药物;脑电波序列的功能核磁共振成像可用于研究大脑在各种实验条件下对某些刺激的反应等。时间序列分析包括用于分析时间序列数据的方法,以便提取有意义的统计数据和数据的其他特征。时间序列分析通过引入相邻观测间的相关性,打破了传统方法对数据独立同分布的依赖,带来了统计建模和推理方面的新问题。


空间统计涉及空间和时空数据的定量分析,包括统计相关性、准确性和不确定性。空间统计的方法通常来自于概率论、随机过程、数理统计以及信息科学。空间统计方法被应用于映射、评估空间数据质量、采样设计优化、相关结构建模,以及使用有限的时空数据集进行有效推断与预测。应用领域包括环境科学、海洋科学、遥感科学等,涉及的社会经济问题包括空气质量评估、空间计量经济学和流行病学等。


本课程面向高年级本科生,介绍时间序列与空间统计学中的常见数据实例、基本数据特性以及经典模型,同时会涉及相关领域中的现代统计方法。学生将深入学习统计编程语言R,并通过编写程序进行模拟试验,来加深对基本概念、基础理论的学习,进而具备收集、处理、理解以及分析真实数据的能力。通过本门课程的学习,学生需要掌握时间序列和空间统计学中基本的概念和建模方法,能够针对不同特点的数据,设立合理假定、建立正确统计模型来进行分析。同时,学生应当掌握R语言中常用软件包,能够根据输出结果给出合理分析。


复旦大学时间序列与空间统计版权所有