《消费者信心指数的调查与分析》的内容主要分为两部分。
　　第一部分主要介绍消费者信心指数的起源、调查、编制及其比较和使用。着重分析了几个主要消费者信心指数的调查、编制的异同，进而介绍消费者信心指数的对比和使用，并指出消费者信心指数比较和使用过程中的注意事项。
　　第二部分利用我国台湾连续10年的月度消费者信心指数数据，通过对信心指数的二级指数时间序列的分析，探讨了六项分指数间的变化规律。书中首先采用了探索性数据分析方法，描述六项分指数序列的基本变化形态，进而采用时间序列挖掘和经典的模型相结合的方法来分析六项分指数的变化特点。
　　在应用时间序列相似性检索的过程中，本书创造性地提出了界标点模式距离法用以测算时间序列的相似性。
　　《消费者信心指数的调查与分析》最后通过对六项分指数的深入研究，给出了消费者信心指数编制、使用的建议，并说明在编制和发布消费者信心指数时，如何正确处理各分项指数的影响作用。

第一部分 消费者信心指数的调查与编制
第一章 绪论
1.1 研究意义和研究目的
1.1.1 问题的提出
1.1.2 研究意义
1.1.3 研究目的
1.2 国内外研究综述
1.2.1 国外消费者信心指数的研究现状
1.2.2 我国消费者信心指数的研究现状
1.2.3 我国消费者信心指数研究存在的问题
1.3 本书研究方法和创新之处
1.3.1 研究方法
1.3.2 创新之处与研究难点
第二章 消费者信心指数的调查与编制
2.1 消费者信心指数的经典调查与编制
2.1.1 消费者信心指数的起源
2.1.2 美国消费者信心指数的经典编制方法
2.1.3 国际上其他消费者信心指数的编制
2.2 我国大陆消费者信心指数的调查与编制
2.2.1 我国大陆消费者信心指数的发布现状
2.2.2 我国大陆消费者信心指数的编制方法
2.2.3 我国大陆消费者信心指数的编制分析
2.3 我国台湾消费者信心指数的调查与编制
2.3.1 我国台湾消费者信心指数的编制方法
2.3.2 我国台湾消费者信心指数编制存在的问题
第三章 消费者信心指数的比较和应用
3.1 消费者信心指数的比较
3.1.1 北京和台湾消费者信心指数比较
3.1.2 “两岸四地”消费者信心指数比较
3.2 消费者信心指数的应用
3.2.1 消费者信心指数与GDP的变化关系
3.2.2 消费者信心指数与CPI的变化关系
3.2.3 消费者信心指数与宏观经济变量的变化关系
3.3 消费者信心指数的应用总结

第二部分 消费者信心指数的分析
第四章 消费者信心指数的基本特征分析
4.1 数据的来源
4.2 描述统计分析
4.2.1 基本变化趋势分析
4.2.2 月度变化特征分析
4.2.3 各分指数描述统计量比较
4.2.4 六项分指数直方图
4.3 序列季节性因素分析
4.3.1 各序列季节指数的计算
4.3.2 时间序列季节性的判定
4.4 聚类分析结果
4.4.1 基于ACF的聚类结果
4.4.2 基于PACF的聚类结果
4.5 基于互相关函数的分析
第五章 基于关联规则挖掘的信心指数分析
5.1 数据挖掘的应用背景
5.1.1 选择数据挖掘方法的理由
5.1.2 关联规则挖掘的定义
5.2 时间序列关联规则挖掘理论
5.3 信心指数序列的数据准备、符号化
5.4 网络图展示分指数间的关系
5.4.1 双变量网络图分析
5.4.2 多变量网络图分析
5.5 分指数序列关联规则挖掘
第六章 基于相似性检索的信心指数分析
6.1 相似性检索的应用背景
6.2 时间序列相似性检索理论
6.3 界标点模式距离算法
6.3.1 界标点的定义
6.3.2 界标点的查找算法
6.3.3 界标点模式距离的算法
6.4 界标点模式距离法相似性挖掘结果
6.5 界标点分析的其他结果
第七章 基于时序模型的信心指数分析
7.1 时序模型介绍
7.2 数据平稳性分析
7.2.1 时间序列平稳性的定义
7.2.2 平稳性的检验方法
7.2.3 六项分指数平稳性检验结果
7.3 投资项分指数的ARMA模型拟合
7.4 六项分指数ARIMA模型分析
7.4.1 物价分指数的分析
7.4.2 家庭经济分指数的分析
7.4.3 地区经济分指数的分析
7.4.4 就业分指数的分析
7.4.5 购买分指数的分析
7.4.6 投资分指数的分析
7.5 五项分指数VAR模型分析
7.5.1 VAR模型概述
7.5.2 确定模型最大滞后阶数
7.5.3 JOHANSEN协整检验
7.5.4 建立VAR模型
7.5.5 模型的平稳性检验
7.5.6 脉冲响应函数和方差分解
第八章 信心指数的编制、使用建议
8.1 台湾信心指数编制的改进建议
8.1.1 根据数据挖掘结论的改进意见
8.1.2 因子分析方法的改进建议
8.1.3 根据模型分析结果的改进建议
8.1.4 参考专家调查法的改进建议
8.2 台湾信心指数的使用建议
第九章 总结与展望
9.1 总结
9.1.1 时间序列挖掘分析结果
9.1.2 传统模型分析结果
9.1.3 信心指数改进的建议
9.2 未来展望
参考文献
附录