本书致力于描述和推断多元时间序列中变量间内生的动态关系。作者讨论了四种主要的时间序列数据建模方法，包括自回归整合移动平均模型、同时方程模型、误差纠正模型和向量自回归模型，并详细介绍了向量自回归模型的设定、估计和推论，格兰杰因果关系检验以及对变量之间动态关系进行评价的冲击反应函数。此外，本书为读者提供了若干实例，从多个角度充分展现了向量自回归模型的具体运用。

本书致力于描述和推断多元时间序列中变量间内生的动态关系。作者讨论了四种主要的时间序列数据建模方法，包括自回归整合移动平均模型、同时方程模型、误差纠正模型和向量自回归模型，并详细介绍了向量自回归模型的设定、估计和推论，格兰杰因果关系检验以及对变量之间动态关系进行评价的冲击反应函数。此外，本书为读者提供了若干实例，从多个角度充分展现了向量自回归模型的具体运用。
语言通俗，分析全面，便于读者快速理解多元时间序列模型
提供实际案例，向读者展示如何将分析方法应用于研究
适合具有经典统计方法基础的高年级本科生、研究生

社会学家和经济学家长期以来都着迷于时间序列数据的运用。对此类数据的第一个系统的探究来自威廉普雷菲尔（William Playfair）的《商业和政治图集》，该书出版于220 年前，包含43个时间序列图。通过将英国的国债随时间的变化绘制成图，普雷菲尔清楚地发现了1701年后，1730年西班牙战争和1775年美国独立等历史事件对英国国债的影响。
普雷菲尔的图形包含多于一个时间序列的数据。下图的曲线就是进口和出口随时间变化的图形。清楚地证明了两者之间的关系以及两者与时间的关系。这样的图形说明两个时间序列可能不是相互独立的过程。
尽管时间序列图如此有用，但普雷菲尔的分析依然留下了许多有待进一步回答的问题。是什么引发了进口和出口的增长或下降？进口的数量会对出口的数量产生影响吗，或者反之亦然？也许更重要的是，是什么因素打破了进出口之间的平衡？回答这些问题需要对动态的同时方程作出更为合理的分析，布兰特和威廉姆斯的《多元时间序列模型》被视为这方面分析的一个有价值的尝试。
本书作者讨论了4种主要的时间序列数据建模方法：自回归整合移动平均模型、同时方程模型、误差纠正模型和向量自回归模型。他们集中于向量自回归模型的设定、估计和推论，以及格兰杰因果关系检验和通过冲击反应函数来对变量之间动态关系进行评价。同时，本书还提供了两个向量自回归模型的具体运用实例。
廖福挺

帕特里克·T.布兰特，得克萨斯大学达拉斯分校经济、政治和政策科学学院政治学副教授。研究集中在发展和运用时间序列模型来分析政治制度、政治经济以及国际关系。
约翰·T.威廉姆斯，加州大学河滨分校政治学系讲座教授。他的工作主要集中于研究政治经济和政策分析中的统计方法。

序
第1章 前言
第2章 对多元时间序列模型的介绍
第1节 同时方程方法
第2节 自回归整合移动平均模型
第3节 误差纠正模型和伦敦经济学院方法
第4节 向量自回归
第5节 比较和总结
第3章 基本的向量自回归模型
第1节 动态结构方程模型
第2节 向量自回归的简化形式
第3节 向量自回归模型与动态同时方程模型的关系
第4节 模型的运用
第5节 向量自回归模型的设定与分析
第6节 其他设定问题
第7节 向量自回归模型中的单位根和误差纠正
第8节 对向量自回归模型的批评
第4章 向量自回归分析范例
第1节 公众态度和宏观政党参与
第2节 有效公司税率
第3节 结论
附录
注释
参考文献
译名对照表